https://rinacional.tecnm.mx/jspui/handle/TecNM/996 Tue, 23 Jun 2026 02:19:16 GMT 2026-06-23T02:19:16Z https://rinacional.tecnm.mx/jspui/handle/TecNM/13149 Title: Modelo de diferenciación de orejas humanas naturales, mediante imágenes Authors: López Hernández, Eydi%991824 Description: las últimas décadas. Entre sus ventajas se encuentran la estabilidad morfológica en el tiempo y la posibilidad de captura sin contacto físico. Por ello, se utiliza como rasgo biométrico para los sistemas de reconocimiento de personas. No obstante, al igual que otras modalidades biométricas, los sistemas basados en oreja pueden ser vulnerables a ataques de presentación (PAs), especialmente ante el acceso creciente a técnicas de impresión 3D y a modelos generativos. En el contexto anterior, la presente tesis propone un modelo computacional para diferenciar entre orejas humanas naturales y artificiales mediante imágenes, en escenarios controlados y no controlados. Como parte de la investigación, se conformó el Conjunto de Imágenes de Orejas Humanas Naturales y Artificiales (CIOHNA), integrado por muestras naturales provenientes de cuatro conjuntos públicos y capturas propias, así como por muestras artificiales generadas a partir de dibujos, impresiones 3D, imágenes sintéticas e imágenes producidas mediante herramientas de inteligencia artificial. La solución propuesta se organiza en dos etapas principales. La primera corresponde a la localización de la oreja. Para ello, se integra un enfoque híbrido que combina MediaPipe, utilizado para identificar puntos faciales de referencia, con el modelo YOLOv5s entrenado para detectar orejas humanas. A partir de los puntos faciales se estiman las dimensiones de la oreja con base en las proporciones antropométricas propuestas por Leonardo da Vinci, mientras que YOLOv5s actúa como mecanismo complementario cuando los puntos faciales no son suficientes o no pueden ser localizados adecuadamente. Esta etapa fue evaluada con imágenes provenientes de conjuntos públicos y capturas propias, considerando condiciones controladas y no controladas, alcanzando Exactitud de 97.00 %, Precisión de 99.00 %, Recall de 96.00 % y F1-score de 97.00 %. La segunda etapa aborda la clasificación entre orejas humanas naturales y artificiales como estrategia de detección de ataques de presentación. Para ello, se propone el Modelo 4C, basado en una representación de cuatro canales compuesta por la imagen RGB y un canal adicional de textura generado mediante Patrones Binarios Locales (LBP). La representación se integra a la red neuronal convolucional VGG19 modificada para procesar la entrada RGB + LBP. En la evaluación experimental, el Modelo 4C alcanzó una exactitud global de 98.33 %, superando al modelo de referencia basado únicamente en RGB. Asimismo, desde la perspectiva PAD, obtuvo APCER de 2.36 %, BPCER de 0.97 % y ACER de 1.67 %, lo que evidencia una reducción de errores tanto en seguridad como en usabilidad. En conjunto, la tesis aporta tres elementos principales: la construcción del conjunto CIOHNA, un método híbrido para la localización automática de la oreja y el Modelo 4C para la diferenciación entre orejas naturales y artificiales. Mon, 08 Jun 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/13149 2026-06-08T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/12252 Title: Adaptación de un modelo de comunicación al marco de trabajo Scrum en entornos de Desarrollo de Software Authors: Hernández Bravo, Juan Miguel%725857 Description: Con la finalidad de optimizar la efectividad comunicativa en proyectos de desarrollo de software, se adaptó el modelo SMCR (Source–Message–Channel–Receiver) propuesto por David Berlo para que pudiera ser utilizado en el marco ágil Scrum. Esto aplica a los grupos colocalizados y a los grupos distribuidos (Desarrollo Global de Software, DGS). En particular en los entornos distribuidos, donde persisten retos como la falta de interacción cara a cara, las diferencias horarias y culturales. Se ha determinado que una comunicación deficiente es uno de los motivos más relevantes del incumplimiento de requisitos, la baja calidad y los retrasos en proyectos gestionados con Scrum. El propósito principal de este proyecto de tesis es promover una comunicación efectiva entre los integrantes del proyecto Scrum, adaptando el modelo de Berlo para garantizar que los mensajes generados en cada ceremonia Scrum sean recibidos, comprendidos y retroalimentados. Los objetivos concretos incluyen: garantizar la recepción de mensajes por medio de herramientas digitales, verificar su entendimiento y proporcionar retroalimentación a tiempo, teniendo como indicador que al menos el 90 % de las historias de usuario sean cumplidas por cada Sprint. La investigación se llevó a cabo siguiendo un enfoque que consta de tres etapas: marco analítico, desarrollo del modelo y evaluación. Tras revisar el estado del arte, se diseñó y puso en marcha un modelo de comunicación adaptado a Scrum, respaldado por la aplicación web Comunica-Scrum. La evaluación se llevó a cabo a través de la validación por parte de expertos, la implementación con profesionales nacionales e internacionales y un estudio de caso real. Se demostró que el modelo es fiable y consistente. Además, mostró una mejoría importante en la interpretación de los mensajes, una disminución de los malentendidos y una alineación del equipo con las metas del proyecto. Los resultados corroboran que, al adaptar el modelo de Berlo al marco Scrum y añadirle una herramienta tecnológica concreta, se logra una solución efectiva, escalable y replicable para mejorar la comunicación en los proyectos de desarrollo de software ágil. Esto contribuye a que los equipos Scrum tengan éxito tanto en entornos presenciales como distribuidos. Fri, 06 Feb 2026 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/12252 2026-02-06T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/12241 Title: Predicción de dispersión de contagios de enfermedades infecciosas utilizando redes sociales Authors: Wences Olguín, Pedro%699985 Description: La identificación temprana y el monitoreo efectivo de enfermedades infecciosas son esenciales para la gestión de pandemias, como la del COVID-19. Estos procesos permiten implementar medidas preventivas y de contención de manera rápida y precisa, reduciendo la propagación del virus y salvando vidas. Además, facilitan la asignación adecuada de recursos médicos y logísticos, y mejoran la comunicación pública. Las instituciones de salud suelen enfrentar demoras en la actualización y reporte de casos confirmados, lo que resulta en información desactualizada. La información desactualizada tiene como consecuencia, que las personas tomen decisiones no conscientes de las áreas de mayor contagio y, por ende, aumentar el riesgo de contagio. En este sentido, está tesis presenta un enfoque innovador de identificación temprana y monitoreo efectivo de enfermedades infecciosas como alternativa a los métodos tradicionales. Este enfoque, hace uso de datos generados en tiempo real a través de la red social X. Utilizando técnicas de procesamiento de lenguaje natural y análisis de datos, ofreciendo una solución innovadora para la gestión oportuna de pandemias. El enfoque presentado en esta tesis utiliza la información proporcionada por X para monitorear la propagación del COVID-19. El enfoque se compone de tres fases principales. La primera fase, emplea un clasificador binario basado en BERT y redes convolucionales para etiquetar automáticamente las publicaciones en las que los usuarios afirman estar enfermos de COVID-19. La segunda fase, se encarga de predecir el número de casos positivos de COVID-19 utilizando la función Gompertz, lo que permite realizar predicciones hasta 7 días en el futuro basadas en los casos afirmativos registrados diariamente. La tercera fase, identifica las zonas de contagio, calcula un índice de riesgo y asigna un nivel de riesgo (alto, medio-alto, medio o bajo) a cada zona. El enfoque desarrollado en esta tesis fue validado mediante pruebas experimentales, demostrando que la información generada en redes sociales puede ser una herramienta valiosa para la detección temprana y el monitoreo de enfermedades infecciosas. Los resultados obtenidos indican que el uso de X como fuente de datos en tiempo real mejora significativamente la gestión de la pandemia, proporcionando información actualizada y precisa sobre la propagación del COVID-19. La investigación demuestra que las redes sociales basadas en la ubicación (Location-Based Social Networking, LBSN) son una fuente rica de datos que puede ser aprovechada para mejorar la detección y monitoreo de enfermedades infecciosas, ofreciendo una alternativa eficaz a las demoras en la actualización de datos por parte de las instituciones de salud. Tue, 25 Nov 2025 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/12241 2025-11-25T00:00:00Z https://rinacional.tecnm.mx/jspui/handle/TecNM/12240 Title: Contenidos completos en servicios Web de aprendizaje Authors: Juárez Hernández, Julia Guadalupe%886297 Description: La tesis tiene como objetivo principal proponer un esquema de evaluación para la creación de servicios Web de aprendizaje que presenten contenidos completos, específicamente orientados a procesos de capacitación en el lugar de trabajo. La problemática abordada es la incompletitud de los recursos de aprendizaje en plataformas de e-learning, que a menudo no garantizan que estos recursos contengan toda la información necesaria para cumplir con los objetivos de aprendizaje. Aunque el e-learning ha crecido exponencialmente gracias a las tecnologías de la información y la comunicación (TIC), enfrenta desafíos relacionados con la calidad y cantidad de los contenidos. Esta investigación busca definir y medir la completitud de los contenidos ofrecidos en servicios Web de aprendizaje, aspecto crucial para la efectividad de los procesos de capacitación. La metodología desarrollada para alcanzar este objetivo incluye varios componentes clave. Primero, se define el concepto de completitud en el contexto de los recursos de aprendizaje. A continuación, se crea un método para medir dicha completitud, que involucra la selección de recursos de aprendizaje y la extracción de información relevante. Este método también mide la coherencia de los contenidos y facilita la creación de recursos completos. Se implementó un sistema web denominado ONTY, diseñado para facilitar la evaluación y creación de recursos educativos completos. El sistema ONTY permite medir la completitud de los recursos a través de servicios Web, proporcionando una herramienta práctica para asegurar que los recursos de aprendizaje sean adecuados y completos. La validación del sistema ONTY se llevó a cabo mediante pruebas piloto y estudios de caso. Estas pruebas demostraron que es posible medir y mejorar la completitud de los recursos de aprendizaje a través de servicios Web. Los resultados obtenidos indicaron una mejora significativa en la calidad de los recursos evaluados utilizando el esquema propuesto. Los análisis de los datos recogidos durante la validación mostraron que los recursos de aprendizaje completos contribuyen de manera más efectiva al logro de los objetivos de capacitación en el lugar de trabajo. En la discusión de los resultados, se destaca la importancia de un enfoque sistemático para la evaluación de la completitud de los recursos de aprendizaje. Se discuten las implicaciones de los hallazgos para el diseño y la implementación de servicios Web de aprendizaje, así como las posibles limitaciones de la metodología utilizada. Además, se sugiere que futuras investigaciones podrían explorar la integración de nuevas tecnologías y metodologías para mejorar aún más la evaluación continua de la completitud de los recursos de aprendizaje. Finalmente, la tesis propone líneas de trabajo futuro para ampliar el esquema de evaluación y mejorar la metodología. Estas líneas incluyen la exploración de técnicas avanzadas de análisis de datos y aprendizaje automático para la evaluación automatizada de la completitud, así como la adaptación del esquema para diferentes contextos de e-learning. Thu, 06 Nov 2025 00:00:00 GMT https://rinacional.tecnm.mx/jspui/handle/TecNM/12240 2025-11-06T00:00:00Z