Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizado
El estudio tuvo como objetivo desarrollar y validar un sistema basado en inteligencia artificial para anticipar bajones emocionales y ofrecer apoyo personalizado a los usuarios. Se enfocó en la recopilación y análisis de datos digitales relacionados con el comportamiento diario, señales fisiológicas...
- Autores:
-
Alfonso Acosta, Paula Alejandra
Cabrera Ceballos, Paula Sofia
- Tipo de recurso:
- https://purl.org/coar/resource_type/c_7a1f
- Fecha de publicación:
- 2025
- Institución:
- Universidad El Bosque
- Repositorio:
- Repositorio U. El Bosque
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unbosque.edu.co:20.500.12495/17851
- Acceso en línea:
- https://hdl.handle.net/20.500.12495/17851
- Palabra clave:
- Inteligencia artificial
Salud mental
Aprendizaje automático
Predicción emocional
Bienestar psicológico
382
- Rights
- License
- Attribution-NonCommercial-ShareAlike 4.0 International
| id |
UNBOSQUE2_e85aa5225450b9523cfd46b4c06ba027 |
|---|---|
| oai_identifier_str |
oai:repositorio.unbosque.edu.co:20.500.12495/17851 |
| network_acronym_str |
UNBOSQUE2 |
| network_name_str |
Repositorio U. El Bosque |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizado |
| title |
Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizado |
| spellingShingle |
Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizado Inteligencia artificial Salud mental Aprendizaje automático Predicción emocional Bienestar psicológico 382 |
| title_short |
Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizado |
| title_full |
Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizado |
| title_fullStr |
Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizado |
| title_full_unstemmed |
Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizado |
| title_sort |
Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizado |
| dc.creator.fl_str_mv |
Alfonso Acosta, Paula Alejandra Cabrera Ceballos, Paula Sofia |
| dc.contributor.advisor.none.fl_str_mv |
González Bríñez, Mario Hernán |
| dc.contributor.author.none.fl_str_mv |
Alfonso Acosta, Paula Alejandra Cabrera Ceballos, Paula Sofia |
| dc.subject.none.fl_str_mv |
Inteligencia artificial Salud mental Aprendizaje automático Predicción emocional Bienestar psicológico |
| topic |
Inteligencia artificial Salud mental Aprendizaje automático Predicción emocional Bienestar psicológico 382 |
| dc.subject.ddc.none.fl_str_mv |
382 |
| description |
El estudio tuvo como objetivo desarrollar y validar un sistema basado en inteligencia artificial para anticipar bajones emocionales y ofrecer apoyo personalizado a los usuarios. Se enfocó en la recopilación y análisis de datos digitales relacionados con el comportamiento diario, señales fisiológicas y reportes subjetivos de estado de ánimo, para construir un modelo predictivo robusto mediante técnicas de aprendizaje automático. La muestra utilizada incluyó participantes con diversidad demográfica para asegurar la generalización del modelo. La metodología combinó análisis estadístico de grandes volúmenes de datos recogidos mediante dispositivos móviles con entrevistas semiestructuradas para evaluar la percepción y efectividad de la herramienta. El modelo consideró variables como calidad del sueño, interacción en redes sociales, patrones de lenguaje en comunicaciones digitales, actividad física y respuestas emocionales diarias, variables que se correlacionaron significativamente con episodios de estrés y tristeza. Los resultados indicaron que el sistema alcanzó una precisión cercana al 85 % en la predicción de episodios emocionales adversos, validando su potencial para una detección temprana eficaz. Asimismo, las intervenciones personalizadas facilitadas por la plataforma lograron reducir la intensidad y duración de los episodios emocionales, mejorando la experiencia del usuario y su bienestar general. Se concluyó que la inteligencia artificial aplicada a la salud emocional puede ser una herramienta innovadora y efectiva para la prevención y manejo de alteraciones emocionales. Este enfoque contribuye a la promoción de bienestar mental al ofrecer intervenciones oportunas y adaptadas, con potencial para integrarse en ámbitos educativos, laborales y clínicos, apoyando así estrategias de salud mental preventiva accesibles y sostenibles. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-09-02T14:09:26Z |
| dc.date.available.none.fl_str_mv |
2025-09-02T14:09:26Z |
| dc.date.issued.none.fl_str_mv |
2025-06 |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.coar.none.fl_str_mv |
https://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coarversion.none.fl_str_mv |
https://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
https://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12495/17851 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad El Bosque |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad El Bosque |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.unbosque.edu.co |
| url |
https://hdl.handle.net/20.500.12495/17851 |
| identifier_str_mv |
instname:Universidad El Bosque reponame:Repositorio Institucional Universidad El Bosque repourl:https://repositorio.unbosque.edu.co |
| dc.language.iso.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
ACADEMIA NACIONAL DE MEDICINA DE COLOMBIA. (2021). Inteligencia Artificial en Salud. a científica arbitrada de la Academia Nacional de Medicina de Colombia, 43(4), 210. https://anmdecolombia.org.co/wp-content/uploads/2022/01/Revista-Medicina-No.-135-Vol-43-4.pdf Ben-Zeev, D., Brian, R., & Wang, R. (2017, 04 03). CrossCheck: Integrating self-report, behavioral sensing, and smartphone use to identify digital indicators of psychotic relapse. PubMed. Retrieved May 31, 2025, from https://pubmed.ncbi.nlm.nih.gov/28368138/ Calvo, R. A., Milne, D. N., Hussain, M. S., & Christensen, H. (2019). Natural language processing in mental health applications using non-clinical texts. Natural Language Engineering, 25(1), 1–15. https://doi.org/10.1017/S1351324918000418 Chatterjee, M., & Prasad, R. (2021). Emotion detection from text: A review of techniques and applications. Journal of Intelligent & Fuzzy Systems, 40(3), 5301–5312. https://content.iospress.com/articles/journal-of-intelligent-and-fuzzy-systems/ifs201393 Creswell, J. (2014, 10 24). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SPADA UNS. Retrieved May 31, 2025, from https://spada.uns.ac.id/pluginfile.php/510378/mod_resource/content/1/creswell.pdf Cummins, N., Scherer, S., Krajewski, J., Schnieder, S., Epps, J., & Quatieri, T. F. (2015). A review of depression and suicide risk assessment using speech analysis. Speech Communication, 71, 10–49. https://doi.org/10.1016/j.specom.2015.03.004 Fagherazzi, G., & Goetzinger, C. (2021, 06 22). Digital Health Strategies to Fight COVID-19 Worldwide: Challenges, Recommendations, and a Call for Papers. JMIR Publications. https://www.jmir.org/2020/6/e19284 Jacobson, N. C., & Chung, Y. J. (2020). Passive sensing of prediction of depression and anxiety using smartphones: A systematic review and meta-analysis. Journal of Affective Disorders, 274, 1044–1055. https://www.sciencedirect.com/science/article/pii/S0165032719335797 Géron, A. (2019, 09 24). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition[Book]. O'Reilly Media. Retrieved May 31, 2025, from https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/ Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., & Floridi, L. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2), 1–21. https://doi.org/10.1177/2053951716679679 Patton, M. Q. (2002, 11 05). Qualitative research & evaluation methods. Google Books. https://books.google.com.co/books?hl=es&lr=&id=FjBw2oi8El4C&oi=fnd&pg=PR21&dq=Patton,+M.+Q.+(2015).+Qualitative+research+%26+evaluation+methods+(4th+ed.).+SAGE+Publications.&ots=byp5hHHFsF&sig=dla-IjvJCLSCBpOePnUxX9CiJmg#v=onepage&q&f=false Plan de recuperación, transformación y resilencia. (2023, 04 19). ¿Qué es la inteligencia artificial o IA? Google Cloud. Retrieved May 31, 2025, from https://cloud.google.com/learn/what-is-artificial-intelligence?hl=es-419 Rajkomar, A., Dean, J., & Kohane, I. (2019). Machine learning in medicine. New England Journal of Medicine, 380(14), 1347–1358. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6919473/ Schuller, B., & Batlier, A. (2011, 11 02). Recognising Realistic Emotions and Affect in Speech: State of the Art and Lessons Learnt from the First Challenge. ResearchGate. https://www.researchgate.net/publication/222650661_Recognising_realistic_emotions_and_affect_in_speech_State_of_the_art_and_lessons_learnt_from_the_first_challenge Sharma, C. M., & Chariar, V. (2024, 06 30). Diagnosis of mental disorders using machine learning: Literature review and bibliometric mapping from 2012 to 2023. ScienceDiret, 10(12), 89. https://www.sciencedirect.com/science/article/pii/S2405844024085797 Topol, E. (2019, 03 12). How Artificial Intelligence Can Make Healthcare Human Again. Google Books. https://www.google.com.co/books/edition/Deep_Medicine/_EFlDwAAQBAJ?hl=es&gbpv=0 UNESCO. (2021). Recommendation on the Ethics of Artificial Intelligence. https://unesdoc.unesco.org/ark:/48223/pf0000380455 UNICEF. (2023, 08 11). La salud mental en pocas palabras | UNICEF. Unicef. Retrieved May 31, 2025, from https://www.unicef.org/lac/crianza/seguridad-proteccion/salud-mental-pocas-palabras Unión Europea. (2021). Proposal for a Regulation on a European approach for Artificial Intelligence. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52021PC0206 World Health Organization. (2022, March 2). Mental Health and COVID-19: Early evidence of the pandemic's impact. IRIS. Retrieved May 31, 2025, from https://iris.who.int/bitstream/handle/10665/352189/WHO-2019-nCoV-Sci-Brief-Mental-health-2022.1-eng.pdf?sequence=1 |
| dc.rights.en.fl_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 International |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| dc.rights.accessrights.none.fl_str_mv |
https://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution-NonCommercial-ShareAlike 4.0 International http://creativecommons.org/licenses/by-nc-sa/4.0/ Acceso abierto https://purl.org/coar/access_right/c_abf2 http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.program.spa.fl_str_mv |
Marketing y Transformación Digital |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad El Bosque |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias Económicas y Administrativas |
| institution |
Universidad El Bosque |
| bitstream.url.fl_str_mv |
https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/ed4cf118-303e-4b3e-8552-5d528f423272/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/319a1739-4850-423e-982e-e0a4052c4352/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/af9cb1cb-4f4d-405b-a0c9-65a58d65de69/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/4f7c6a10-36f8-4a96-abc5-1d8ba7f9b1c5/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/fac64796-4c61-43d8-9e67-27c080e9e3ea/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/d40327e3-3fad-4df7-9cb7-96034bd6c5b1/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/76c6af1a-6444-4464-bea5-74f357b6e0eb/download |
| bitstream.checksum.fl_str_mv |
e7d3143fc6faeb67d681cc4f70d5a1bf 17cc15b951e7cc6b3728a574117320f9 2b1caf7394822d790257b43811def0ae bf3f4cf74f66b0adf0eb1fd673963377 5643bfd9bcf29d560eeec56d584edaa9 d4582b606c2f66fa27c714564ddae838 5a79cec46e22fe90d4e42ca5b642f023 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad El Bosque |
| repository.mail.fl_str_mv |
bibliotecas@biteca.com |
| _version_ |
1849967215067004928 |
| spelling |
González Bríñez, Mario HernánAlfonso Acosta, Paula AlejandraCabrera Ceballos, Paula Sofia2025-09-02T14:09:26Z2025-09-02T14:09:26Z2025-06https://hdl.handle.net/20.500.12495/17851instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coEl estudio tuvo como objetivo desarrollar y validar un sistema basado en inteligencia artificial para anticipar bajones emocionales y ofrecer apoyo personalizado a los usuarios. Se enfocó en la recopilación y análisis de datos digitales relacionados con el comportamiento diario, señales fisiológicas y reportes subjetivos de estado de ánimo, para construir un modelo predictivo robusto mediante técnicas de aprendizaje automático. La muestra utilizada incluyó participantes con diversidad demográfica para asegurar la generalización del modelo. La metodología combinó análisis estadístico de grandes volúmenes de datos recogidos mediante dispositivos móviles con entrevistas semiestructuradas para evaluar la percepción y efectividad de la herramienta. El modelo consideró variables como calidad del sueño, interacción en redes sociales, patrones de lenguaje en comunicaciones digitales, actividad física y respuestas emocionales diarias, variables que se correlacionaron significativamente con episodios de estrés y tristeza. Los resultados indicaron que el sistema alcanzó una precisión cercana al 85 % en la predicción de episodios emocionales adversos, validando su potencial para una detección temprana eficaz. Asimismo, las intervenciones personalizadas facilitadas por la plataforma lograron reducir la intensidad y duración de los episodios emocionales, mejorando la experiencia del usuario y su bienestar general. Se concluyó que la inteligencia artificial aplicada a la salud emocional puede ser una herramienta innovadora y efectiva para la prevención y manejo de alteraciones emocionales. Este enfoque contribuye a la promoción de bienestar mental al ofrecer intervenciones oportunas y adaptadas, con potencial para integrarse en ámbitos educativos, laborales y clínicos, apoyando así estrategias de salud mental preventiva accesibles y sostenibles.Profesional en Marketing y Transformación DigitalPregradoThe study aimed to develop and validate an artificial intelligence-based system to anticipate emotional breakdowns and offer personalized support to users. It focused on the collection and analysis of digital data related to daily behavior, physiological signals, and subjective reports of mood, to build a robust predictive model using machine learning techniques. The sample included demographically diverse participants to ensure the model's generalizability. The methodology combined statistical analysis of large volumes of data collected through mobile devices with semi-structured interviews to evaluate the tool's perception and effectiveness. The model considered variables such as sleep quality, social media interaction, language patterns in digital communications, physical activity, and daily emotional responses, variables that were significantly correlated with episodes of stress and sadness. The results indicated that the system achieved an accuracy of nearly 85% in predicting adverse emotional episodes, validating its potential for effective early detection. Furthermore, the personalized interventions provided by the platform were able to reduce the intensity and duration of emotional episodes, improving the user experience and overall well-being. It was concluded that artificial intelligence applied to emotional health can be an innovative and effective tool for the prevention and management of emotional disorders. This approach contributes to promoting mental well-being by offering timely and tailored interventions, with the potential to be integrated into educational, occupational, and clinical settings, thus supporting accessible and sustainable preventive mental health strategies.application/pdfAttribution-NonCommercial-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Acceso abiertohttps://purl.org/coar/access_right/c_abf2http://purl.org/coar/access_right/c_abf2Inteligencia artificialSalud mentalAprendizaje automáticoPredicción emocionalBienestar psicológico382Inteligencia Artificial (IA) empática Tecnología predictiva para el acompañamiento emocional personalizadoMarketing y Transformación DigitalUniversidad El BosqueFacultad de Ciencias Económicas y AdministrativasTesis/Trabajo de grado - Monografía - Pregradohttps://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesishttps://purl.org/coar/version/c_970fb48d4fbd8a85ACADEMIA NACIONAL DE MEDICINA DE COLOMBIA. (2021). Inteligencia Artificial en Salud. a científica arbitrada de la Academia Nacional de Medicina de Colombia, 43(4), 210. https://anmdecolombia.org.co/wp-content/uploads/2022/01/Revista-Medicina-No.-135-Vol-43-4.pdfBen-Zeev, D., Brian, R., & Wang, R. (2017, 04 03). CrossCheck: Integrating self-report, behavioral sensing, and smartphone use to identify digital indicators of psychotic relapse. PubMed. Retrieved May 31, 2025, from https://pubmed.ncbi.nlm.nih.gov/28368138/Calvo, R. A., Milne, D. N., Hussain, M. S., & Christensen, H. (2019). Natural language processing in mental health applications using non-clinical texts. Natural Language Engineering, 25(1), 1–15. https://doi.org/10.1017/S1351324918000418Chatterjee, M., & Prasad, R. (2021). Emotion detection from text: A review of techniques and applications. Journal of Intelligent & Fuzzy Systems, 40(3), 5301–5312. https://content.iospress.com/articles/journal-of-intelligent-and-fuzzy-systems/ifs201393Creswell, J. (2014, 10 24). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches. SPADA UNS. Retrieved May 31, 2025, from https://spada.uns.ac.id/pluginfile.php/510378/mod_resource/content/1/creswell.pdfCummins, N., Scherer, S., Krajewski, J., Schnieder, S., Epps, J., & Quatieri, T. F. (2015). A review of depression and suicide risk assessment using speech analysis. Speech Communication, 71, 10–49. https://doi.org/10.1016/j.specom.2015.03.004Fagherazzi, G., & Goetzinger, C. (2021, 06 22). Digital Health Strategies to Fight COVID-19 Worldwide: Challenges, Recommendations, and a Call for Papers. JMIR Publications. https://www.jmir.org/2020/6/e19284Jacobson, N. C., & Chung, Y. J. (2020). Passive sensing of prediction of depression and anxiety using smartphones: A systematic review and meta-analysis. Journal of Affective Disorders, 274, 1044–1055. https://www.sciencedirect.com/science/article/pii/S0165032719335797Géron, A. (2019, 09 24). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition[Book]. O'Reilly Media. Retrieved May 31, 2025, from https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/Mittelstadt, B. D., Allo, P., Taddeo, M., Wachter, S., & Floridi, L. (2016). The ethics of algorithms: Mapping the debate. Big Data & Society, 3(2), 1–21. https://doi.org/10.1177/2053951716679679Patton, M. Q. (2002, 11 05). Qualitative research & evaluation methods. Google Books. https://books.google.com.co/books?hl=es&lr=&id=FjBw2oi8El4C&oi=fnd&pg=PR21&dq=Patton,+M.+Q.+(2015).+Qualitative+research+%26+evaluation+methods+(4th+ed.).+SAGE+Publications.&ots=byp5hHHFsF&sig=dla-IjvJCLSCBpOePnUxX9CiJmg#v=onepage&q&f=falsePlan de recuperación, transformación y resilencia. (2023, 04 19). ¿Qué es la inteligencia artificial o IA? Google Cloud. Retrieved May 31, 2025, from https://cloud.google.com/learn/what-is-artificial-intelligence?hl=es-419Rajkomar, A., Dean, J., & Kohane, I. (2019). Machine learning in medicine. New England Journal of Medicine, 380(14), 1347–1358. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6919473/Schuller, B., & Batlier, A. (2011, 11 02). Recognising Realistic Emotions and Affect in Speech: State of the Art and Lessons Learnt from the First Challenge. ResearchGate. https://www.researchgate.net/publication/222650661_Recognising_realistic_emotions_and_affect_in_speech_State_of_the_art_and_lessons_learnt_from_the_first_challengeSharma, C. M., & Chariar, V. (2024, 06 30). Diagnosis of mental disorders using machine learning: Literature review and bibliometric mapping from 2012 to 2023. ScienceDiret, 10(12), 89. https://www.sciencedirect.com/science/article/pii/S2405844024085797Topol, E. (2019, 03 12). How Artificial Intelligence Can Make Healthcare Human Again. Google Books. https://www.google.com.co/books/edition/Deep_Medicine/_EFlDwAAQBAJ?hl=es&gbpv=0UNESCO. (2021). Recommendation on the Ethics of Artificial Intelligence. https://unesdoc.unesco.org/ark:/48223/pf0000380455UNICEF. (2023, 08 11). La salud mental en pocas palabras | UNICEF. Unicef. Retrieved May 31, 2025, from https://www.unicef.org/lac/crianza/seguridad-proteccion/salud-mental-pocas-palabrasUnión Europea. (2021). Proposal for a Regulation on a European approach for Artificial Intelligence. https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:52021PC0206World Health Organization. (2022, March 2). Mental Health and COVID-19: Early evidence of the pandemic's impact. IRIS. Retrieved May 31, 2025, from https://iris.who.int/bitstream/handle/10665/352189/WHO-2019-nCoV-Sci-Brief-Mental-health-2022.1-eng.pdf?sequence=1spaORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf520036https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/ed4cf118-303e-4b3e-8552-5d528f423272/downloade7d3143fc6faeb67d681cc4f70d5a1bfMD56trueAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-82000https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/319a1739-4850-423e-982e-e0a4052c4352/download17cc15b951e7cc6b3728a574117320f9MD53falseAnonymousREADCarta de autorizacion.pdfapplication/pdf275960https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/af9cb1cb-4f4d-405b-a0c9-65a58d65de69/download2b1caf7394822d790257b43811def0aeMD58falseBiblioteca - (Publicadores)READAnexo 1 carta de aprobacion.pdfapplication/pdf337145https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/4f7c6a10-36f8-4a96-abc5-1d8ba7f9b1c5/downloadbf3f4cf74f66b0adf0eb1fd673963377MD59falseBiblioteca - (Publicadores)READCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81160https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/fac64796-4c61-43d8-9e67-27c080e9e3ea/download5643bfd9bcf29d560eeec56d584edaa9MD57falseAnonymousREADTEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain37844https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/d40327e3-3fad-4df7-9cb7-96034bd6c5b1/downloadd4582b606c2f66fa27c714564ddae838MD510falseAnonymousREADTHUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg4866https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/76c6af1a-6444-4464-bea5-74f357b6e0eb/download5a79cec46e22fe90d4e42ca5b642f023MD511falseAnonymousREAD20.500.12495/17851oai:pruebas-update-repositorio-unbosque.cloudbiteca.com:20.500.12495/178512025-09-03T10:04:55.338Zhttp://creativecommons.org/licenses/by-nc-sa/4.0/Attribution-NonCommercial-ShareAlike 4.0 Internationalopen.accesshttps://pruebas-update-repositorio-unbosque.cloudbiteca.comRepositorio Institucional Universidad El Bosquebibliotecas@biteca.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 |