https://repositorio.unemi.edu.ec/xmlui/handle/123456789/6898 Sat, 18 Apr 2026 12:35:58 GMT 2026-04-18T12:35:58Z https://repositorio.unemi.edu.ec:443/xmlui/bitstream/id/3c53a43f-0bbf-4657-8ed1-0a2f457688c3/IMAGEN DEL REPOSITORIO.jfif https://repositorio.unemi.edu.ec/xmlui/handle/123456789/6898 https://repositorio.unemi.edu.ec/xmlui/handle/123456789/7081 Modelo de adopción de Analítica de Datos Masivos en una Universidad del Ecuador Ramírez Anormaliza, Richard Iván La adopción de analítica de datos masivos cada vez toma mayor importancia en las universidades para aprovechar la acumulación datos académicos almacenados en sus sistemas informáticos así de esta manera mejorar el trabajo de los directivos y ofrecer mejores servicios a los estudiantes por este motivo fue relevante adaptar un modelo para la adopción de datos masivos partiendo del marco teórico Tecnología-Organización-Entorno El estudio se realizó entre los directivos de una universidad en Ecuador la muestra estuvo compuesta por 90 directivos para el efecto se aplicó un cuestionario en escala Likert de seis puntos y los datos fueron procesados mediante modelo de ecuaciones estructurales con enfoque en mínimos cuadrados parciales para lo cual se utilizaron las herramientas de software SmartPLS versión 4.0 y el paquete SEMinR en R El estudio encontró que el contexto tecnológico y el contexto del entorno son factores claves para la adopción de Analítica de Datos Masivos entre los directivos universitarios del Ecuador La importancia práctica de este resultado radica en que los principales directivos de las universidades deben atender a estos factores identificados en el estudio y así garantizar el éxito de la implementación de esta importante herramienta como los es la analítica de datos masivos (big data) Sun, 01 Jan 2023 00:00:00 GMT https://repositorio.unemi.edu.ec/xmlui/handle/123456789/7081 2023-01-01T00:00:00Z https://repositorio.unemi.edu.ec/xmlui/handle/123456789/6904 Teorías sobre la estructura de capital: Un análisis mediante modelos Data Mining en las Pymes Manufactureras de la zona 3 del Ecuador en el periodo 2018-2021 Haro Sarango, Alexander Fernando Las finanzas modernas han esbozado múltiples teoremas plasmados en metodologías sólidas, pese a que la literatura basada en condiciones macroeconómicas enfocadas en las empresas sigue creciendo de forma constante no significa que puedan ser aplicables a todas las empresas más aún, cuando cada entidad es disímil entre sí considerando aquello el estudio tendrá como objetivo general Evaluar que pensamiento teórico con respecto a la estructura de capital tiene inferencia en las Pymes manufactureras ecuatorianas de la zona 3 Para su resolución se subdivide en tres etapas metodológicas la primera denominada determinación de sujetos congruentes compuesto por la correlación de Spearman y regresión lineal múltiple por consiguiente la etapa dos evaluación de las diferencias compuesta por ANOVA y prueba de Tukey por último valoración del riesgo de insolvencia conformada por el Árbol de clasificación y el Análisis de Correspondencia Múltiple Como resultado general se obtiene que la teoría que mayor adaptabilidad posee en este grupo de empresas es trade-off la cual sugiere que sí existe una estructura adecuada la cual resulta de la combinación de factores financieros que permitan el control interno pero esto no significa que sea un determinante directo del éxito empresarial más bien el éxito depende de la forma en la cual la empresa reaccione ante cualquier suceso ya sea interno o externo Sun, 01 Jan 2023 00:00:00 GMT https://repositorio.unemi.edu.ec/xmlui/handle/123456789/6904 2023-01-01T00:00:00Z https://repositorio.unemi.edu.ec/xmlui/handle/123456789/6899 Desarrollo del Proceso de Clasificación en Granos de Arroz (Oryza Sativa L) utilizando Técnicas de Aprendizaje Automático Coronel Reyes, José Julián El trabajo de titulación plantea como objetivo general de investigación aplicar las diferentes técnicas de aprendizaje automático en la clasificación de variedades de granos en arroz La calidad del grano de arroz se determina habitualmente mediante inspecciones visuales y mediciones manuales método que es lento subjetivo y propenso a errores humanos Por lo tanto la industria demanda una técnica rápida y precisa que pueda clasificar el grano de arroz a bajo costo y estandarizarlo Por medio del aprendizaje automático se puede desarrollar modelos de decisión en entornos eminentemente complejos y no lineales Este estudio se enmarca en un diseño de investigación cuantitativa consiste en la recolección de datos numéricos para su posterior análisis e interpretación utilizando herramientas de análisis matemático y estadístico para describir y explicar fenómenos mediante datos numéricos El tipo de la investigación es causal comparativa dado que se comparan diferentes técnicas de aprendizaje automático en el proceso de clasificación de granos de arroz La clasificación fue binaria se consideró como población de estudio a los 3.810 granos de dos variedades del Instituto Nacional de Investigación Agropecuaria 14 (2.180) y 17 (1.630) Las técnicas que fueron empleadas están basadas en cinco modelos utilizando los siguientes algoritmos regresión logística Perceptrón Multicapa Máquina de Vectores de Apoyo Bosque Aleatorio y K Vecino Más Cercano Las mediciones estadísticas de la matriz de confusión como resultado de la clasificación se utilizaron como métricas de rendimiento Los resultados permiten concluir que el modelo regresión logística es el mejor método de clasificación debido a su mejor predicción de los valores obtenidos de verdaderos positivos y verdaderos negativos además la media de la precisión del modelo fue de 93,02% superior a los otros modelos El desarrollo de este trabajo permite llegar a la conclusión de que el uso del aprendizaje automático en la industria arrocera es aplicable para el apoyo en la toma las decisiones basadas en el desarrollo del proceso de clasificación del grano Sun, 01 Jan 2023 00:00:00 GMT https://repositorio.unemi.edu.ec/xmlui/handle/123456789/6899 2023-01-01T00:00:00Z