ISSN: 2594-2298
VOLUMEN 3.3
Año 7, N°27 diciembre 2023
REVISTA OFICIAL
DE LA
CONTENIDO
IMPLEMENTACIÓN DE LA PLATAFORMA DE TRAYECTORIA ACADÉMICA
TECNOLÓGICO NACIONAL DE MÉXICO / ITS SUR DE GUANAJUATO. 5
DEL
PLATAFORMA WEB PARA EL REFORZAMIENTO DE HABILIDADES MATEMÁTICAS ........ 15
PROTOTIPO DE UN SISTEMA DE CONTROL DE PROYECTOS DE INVESTIGACIÓN .............. 23
DESARROLLO E IMPLEMENTACIÓN DE UNA APLICACIÓN WEB PARA UN DISPOSITIVO
ALIMENTADOR DE MASCOTAS ........................................................................................................ 31
IMPLEMENTACIÓN DE LA PLATAFORMA EDUCATIVA SQLJUDGE EN PLANTELES DE
EDUCACIÓN SUPERIOR Y MEDIA SUPERIOR. ............................................................................... 39
REDES NEURONALES CONVOLUCIONALES PARA LA CLASIFICACIÓN DE MANGO POR
ETAPAS DE MADUREZ ........................................................................................................................ 46
ANÁLISIS DE TIEMPOS DEL PROCESO DE EMISIÓN DE FICHAS WEB EN UNA INSTITUCIÓN
SUPERIOR ............................................................................................................................................... 54
Ver archivo en PDF
Comisión Editorial
F.G.D.P.
FEGLININ, año 7, No. 27, volumen 3.3,
agosto – diciembre 2023, es una publicación
trimestral editada por la Federación Global de
Profesiones AC, calle Juan de Dios Bonilla,
11-c, Col. Alta Costa Azul, Acapulco de
Juárez, Guerrero, México, C.P. 39850, TEL
(744)
43-35-677,
https://www.federacionglobal.com,
federacionglobal@gmail.com,
editor
responsable: Juan Pablo Díaz Moreno.
Reserva de Derecho al Uso Exclusivo No -en
trámite-, ISSN: 2594-2298, ambos otorgados
por el Instituto Nacional del Derecho de
Autor. Responsable de la última actualización
de este número, secretaria general de la
Federación Global de Profesiones A.C., Lic.
Sandra Patricia Vázquez Hernández, calle
Juan de Dios Bonilla, 11-c, Col. Alta Costa
Azul, Acapulco de Juárez, Guerrero, México,
C.P. 39850, fecha de la última modificación,
20 de diciembre de 2023.
Directorio
Directora editorial:
Lic. Sandra Patricia Vázquez Hernández
Federación Global de Profesiones AC
administracion@federacionglobal.com
Secretario Técnico:
Dr. Lorenzo Sánchez Vásquez
Abbott Laboratories de México
lorenzo.sanchez1@abbott.com
Consejeros Técnicos:
Dra. Minerva Cristina García Vargas
Tecnológico Nacional de México Campus
Zitácuaro
minerva.gv@zitacuaro.tecnm.mx
Dr. Ramsés Flores Gama
Universidad Loyola del Pacifico
ramses.flores@loyola.edu.mx
Queda prohibida la reproducción total o
parcial del contenido publicado en esta
revista, mismo que es propiedad y queda
registrado a nombre de los autores; su
reproducción no autorizada constituye una
infracción y un delito de conformidad con las
leyes aplicables
Editor Responsable:
Mtro. Juan Pablo Díaz Moreno
Federación Global de Profesiones AC
congreso@federacionglobal.com
.
EDITORIAL
En la Federación Global de Profesiones hemos podido corroborar que el desarrollo
tecnológico, industrial, administrativo y/o en los sistemas computacionales se da sí, y solo
sí, se logra impactar positivamente en la sociedad con los que se está realizando. En
estos siete años de publicaciones trimestrales ininterrumpidas de la revista FEGLININ y
dados los artículos que en cada una de las ediciones se han publicado, es que podemos
afirmar lo anterior.
Es de reconocer el esfuerzo que en este sentido realiza La Red de Cuerpos Académicos
"Optimización de procesos con la industria 4.0" que preside Dr. Aaron Guerrero
Campanur pues constantemente se encuentran motivando a la investigación a docentes
y alumnos que pertenecen a las instituciones y/o cuerpos académicos que la integran,
además el resultado de sus investigaciones lo comparten abiertamente y sin restricciones
para beneficio de todos. De ahí que, cualquiera que tenga interés por lograr desarrollar
su empresa, proyecto, proceso y/o equipo de trabajo pueda echar mano de estas
publicaciones que han sido debidamente arbitradas y que ahora se comparten por este
medio.
A todos los autores que ahora participan, agradecemos enormemente su colaboración
los instamos a proseguir en su labor docente y de investigación, sabemos que esta es
una manera muy efectiva de salir adelante como personas, como profesionistas, pero
sobre todo como sociedad, ya que la aplicación del método científico es garantía segura
de salir adelante, más aún, cuando se realiza en forma conjunta entre diversas
instituciones y entre diversos investigadores de distintas especialidades y por si esto
fuera poco, integran además en sus investigaciones a sus alumnos, lo que a su vez es la
preparación de una nueva generación de investigadores que por lo visto requiere tanto
nuestro país.
Por nuestra parte, seguiremos atentos a lo que nos compartan para hacer las
evaluaciones correspondientes y/o en su caso apoyar en los proyectos que deseen poner
en marcha, por ello les invitamos a revisar nuestra página web
(https://federacionglobal.com/) y a ponerse en contacto con nosotros ya que aún hay
mucho que podemos hacer juntos.
Sandra Patricia Vázquez Hernández
Secretaria General
Federación Global De Profesiones AC
COMITÉ DE ARBITRAJE
El cuerpo arbitral que participó en la revisión de todos y cada uno de los artículos
publicados en este número 27 de la revista FEGLININ está conformado por las siguientes
personas:
Aarón Guerrero Campanur..Instituto
Superior de Uruapan
Tecnológico Javier Montoya Ponce ..Instituto Tecnológico de Ciudad
Jiménez
Jesús Amparo Morales Guzmán..Instituto Tecnológico
Alan García Arreola ..Instituto Tecnológico de Zitácuaro
Superior del Sur de Guanajuato
Alejandro Villalobos Aragón..Universidad Autónoma de Jesús Ignacio Castro Salazar..Instituto Tecnológico Superior
Chihuahua Facultad de Ingeniería
de Abasolo
Ángel Adad Franco Baltazar ..Instituto Tecnológico de José Carlos Pérez Mora ..Instituto Tecnológico Superior de
San Juan del Río
Ciudad Hidalgo
Ángel Custodio Navarrete..Instituto Tecnológico de San José Gabriel Ayala Landeros..Instituto Tecnológico de San
Juan del Río
Juan del Río
Angélica González Paramo ..Instituto Tecnológico José Martín Gutiérrez Arriaga ..Instituto Tecnológico Superior
Superior de Guanajuato
de Ciudad Hidalgo
Araceli Moreno González..Instituto Tecnológico Juan Emigdio Soto Osornio ..Instituto Tecnológico de San Juan
Superior del Sur de Guanajuato
del Río
Armida González Lorence ..Instituto Tecnológico de San Juan Hernández Paredes..Instituto Tecnológico Superior del
Juan del Río
Sur de Guanajuato
Bertha Ivonne Sánchez Luján..Instituto Tecnológico de Juan José Maldonado García..Instituto Tecnológico Superior
Ciudad Jiménez
de Ciudad Hidalgo
Brisa Berenice Villegas Malagón..Instituto Tecnológico
Juan Pablo Díaz Moreno ..Federación Global de Profesiones
Superior de Ciudad Hidalgo
César Primero Huerta ..Tecnológico de Estudios Luis Alberto León Bañuelos..Tecnológico de Estudios
Superiores de Valle de Bravo
Superiores de Valle de Bravo
Cristina Orozco Trujillo Instituto Tecnológico Superior Luis Armando García de la Rosa ..Instituto Tecnológico
del Sur de Guanajuato
Superior de Guanajuato
Daphne Espejel García ..Universidad Autónoma de María Guadalupe de Lourdes Acosta Castillo..Instituto
Chihuahua Facultad de Ingeniería
Tecnológico Superior de Guanajuato
Demetrio Castelan Urquiza..Tecnológico de Estudios María Teresa Martinez Acosta ..Instituto Tecnológico de
Superiores de Valle de Bravo
Ciudad Jiménez
Emma Yesenia Rivera Ruiz ..Instituto Tecnológico Mariana Carolyn Cruz Mendoza..Tecnológico de Estudios
Superior de Ciudad Hidalgo
Superiores de Valle de Bravo
Erick Rodolfo López Almanza..Instituto Tecnológico Mayra Victoria Campos..Instituto Tecnológico Superior de
Superior de Abasolo
Guanajuato
Esteban García Ramírez Instituto Tecnológico Superior Natanael Vargas Pimentel..Instituto Tecnológico Superior de
de Ciudad Hidalgo
Ciudad Hidalgo
Francisco Jesús Arévalo Carrasco ..Instituto Tecnológico Óscar Jesús Ortiz Arrazola..Instituto Tecnológico Superior de
Superior de Uruapan
Abasolo
Gabriela González Vázquez ..Tecnológico de Estudios René García Martínez..Tecnológico de Estudios Superiores de
Superiores de Valle de Bravo
Valle de Bravo
Gilberto Chávez Esquivel..Instituto Tecnológico Superior Vanessa Verónica Espejel García ..Universidad Autónoma de
de Uruapan
Chihuahua Facultad de Ingeniería
Guadalupe Jiménez Hidalgo..Instituto Tecnológico de Wendoly Julieta Guadalupe Romero Rodríguez..Instituto
Ciudad Jiménez
Tecnológico Superior de Guanajuato
Isabel Ernestina López Navarro ..Instituto Tecnológico Yasmin Elizabeth Reyes Martínez..Instituto Tecnológico
de San Juan del Río
Superior de Ciudad Hidalgo
Jaime Navarrete Damián..Instituto Tecnológico de San Zinthia Moreno Ruiz ..Instituto Tecnológico Superior de
Juan del Río
Ciudad Hidalgo
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
IMPLEMENTACIÓN DE LA PLATAFORMA DE TRAYECTORIA
ACADÉMICA DEL TECNOLÓGICO NACIONAL DE MÉXICO / ITS SUR DE
GUANAJUATO.
IMPLEMENTATION OF THE ACADEMIC TRAJECTORY PLATFORM OF THE TECNOLÓGICO
NACIONAL DE MÉXICO / ITS SUR DE GUANAJUATO.
Mtro. Efrén Vega-Chávez1
Mtro. Fernando José Martínez-López2
Dr. Luis Germán Gutierrez-Torres3
Mtro. Miguel Cruz-Pineda4
RESUMEN
Este trabajo aborda los esfuerzos realizados en el Tecnológico Nacional de México / ITS Sur de Guanajuato,
para contribuir a la mejora de la calidad educativa mediante el desarrollo de una plataforma de software para
el seguimiento efectivo de la trayectoria académica de sus estudiantes. La jefatura de división del programa
educativo de Ingeniería Electrónica disponía de una aplicación de escritorio denominada “Seguimiento de
Trayectoria Escolar del Alumno”, que a pesar de sus limitaciones permitió apoyar en el proceso educativo y en
la acreditación del programa por la asociación Consejo de Acreditación de la Enseñanza de la Ingeniería, A. C.,
(CACEI). Debido a los beneficios obtenidos, se propuso dar continuidad a esta iniciativa mediante la creación
de una nueva plataforma, accesible para todos los programas de la institución, mediante tecnologías Web. Los
nuevos requerimientos dieron lugar al desarrollo de los siguientes módulos: Trayectoria Académica
Generacional, Trayectoria Individual, Gestión de Usuarios e Importación de Datos. Este documento presenta la
metodología utilizada para el desarrollo, así como las características de los módulos implementados.
ABSTRACT
This work addresses the efforts made at the Tecnológico Nacional de México / ITS Sur de Guanajuato to contribute
to the improvement of educational quality through the development of a software platform for effective monitoring
of students' academic progress. The head of the Electronic Engineering educational program had a desktop
application called “Student Academic Path Tracking”, which, despite its limitations, supported the educational
process and program accreditation by the Consejo de Acreditación de la Enseñanza de la Ingeniería, A. C., (CACEI).
Due to the benefits obtained, it was proposed to continue this initiative by creating a new platform accessible to all
programs within the institution, using web technologies. The new requirements led to the development of the
following modules: Generational Academic Path, Individual Path, User Management, and Data Import. This
document presents the methodology used for development, as well as the features of the implemented modules.
Palabras Clave: trayectoria académica, plataforma web, gestión de usuarios, importación de datos.
Key words: academic career, web platform, user management, data import.
1
M.T.W. Efrén Vega Chávez, Miembro del Cuerpo Académico de Tecnologías de la información y docente del programa de Ingeniería
en Sistemas Computacionales del Tecnológico Nacional de México / Instituto Tecnológico Superior del Sur de Guanajuato,
e.vega@itsur.edu.mx, ORC ID: 0000-0001-8918-3170
2
M.I.S. Fernando José Martínez López, Responsable del Cuerpo Académico de Tecnologías de la información y docente del programa de
Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México / Instituto Tecnológico Superior del Sur de Guanajuato,
fj.martinez@itsur.edu.mx, ORC ID: 0000-0001-9781-1800
3
Dr. Luis Germán Gutiérrez Torres, Miembro del Cuerpo Académico de Tecnologías de la información y docente del programa de
Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México / Instituto Tecnológico Superior del Sur de Guanajuato,
licgerman@itsur.edu.mx, ORC ID: 0000-0001-7912-2147
4
MCA. Miguel Cruz Pineda, Maestría en Computación Aplicada, Jefe de División de Ingeniería en Sistemas Computacionales del Instituto
Tecnológico Superior del Sur de Guanajuato, sistemas@itsur.edu.mx
Página | 5
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
INTRODUCCIÓN
El Departamento Académico y las divisiones de área como son: Computacionales, Automotrices, Gastronomía,
Industrial, Ambiental y Electrónica, pertenecientes al Tecnológico Nacional de México / ITS Sur de Guanajuato,
estas implementan diversas acciones o estrategias con alguna aplicación de procesamiento de texto u hojas de
cálculo, con el objetivo de poder realizar el seguimiento académico del alumnado, con la información registrada
implementan acciones para mitigar la deserción. También dichos seguimientos apoyan en las acreditaciones de
los planes de estudio de cada carrera.
En el 2016, se desarrolló una aplicación llamada Seguimiento Trayectoria Escolar del Alumno del ITSUR para la
coordinación de Electrónica, dicha aplicación fue creada como se describe en [1]. A continuación, se menciona
como se planteó el desarrollo de la aplicación de software: fase I, diagnóstico situacional de la institución, fase II,
desarrollo de las herramientas de software implementado el ciclo de vida del software bajo un ambiente de Visual
Studio .Net y un gestor de bases de datos de MySQL, fase III, implementar la aplicación y fase IV, determinar el
impacto de la aplicación. En esta fase se conocieron los resultados después de procesar la información de los
alumnos del ITSUR y se determinará el impacto, con los anterior se obtuvieron beneficios de dicha
implementación. La aplicación de Seguimiento Trayectoria Escolar del Alumno del ITSUR fue de gran ayuda
durante el proceso de acreditación de la carrera de Ing. Electrónica por la asociación Consejo de Acreditación de
la Enseñanza de la Ingeniería, A. C., (CACEI). Cabe mencionar que el software desarrollado es una aplicación de
escritorio.
METODOLOGÍA
Procedente del impacto que se tuvo con la aplicación mencionada anteriormente surge el presente proyecto:
Plataforma de Trayectoria Académica del Tecnológico Nacional de México / ITS Sur de Guanajuato,
contemplando las siguientes fases llamadas: fase I, determinar requerimientos la nueva plataforma, fase II,
desarrollo de la propuesta de una nueva plataforma, fase III, implementación de la plataforma, fase IV, Análisis
y determinación del impacto del uso de la plataforma.
En el desarrollo del proyecto se aplicó la metodología establecida por la implementación de CMMI nivel 3, como
se describe en [2]. Dicha metodología está fundamentada en el Unified Proces (RUP) de [3], y fortalecida con
aspectos de Personal Software Process y Team Software Process, como el uso de bitácoras y la definición de un
proceso controlado, como son descritos por [4]. Para un desarrollo rápido la metodología SCRUM permite la
entrega de valor, menciona por [5].
Previo al desarrollo de la plataforma, la división de Ingeniería Electrónica del Instituto Tecnológico Superior del
Sur de Guanajuato (ITSUR) contaba con una aplicación de escritorio que les permitía monitorizar el avance y
situación de sus alumnos, esto fue de gran ayuda para la acreditación de la carrera ante la asociación Consejo de
Acreditación de la Enseñanza de la Ingeniería, A. C., (CACEI). [6], como ya se mencionó.
A continuación, se describe cada fase del proyecto:
Fase I: Determinar requerimientos para la nueva plataforma.
En esta fase se determinó los requerimientos para la Plataforma Trayectoria Académica del Alumno del ITSUR,
se realizaron entrevistas a jefes de las coordinaciones de carreras (hoy jefes de división) como Sistemas
Computacionales, Electrónica y Automotrices, así también, al docente interesado en la nueva aplicación. Después
de cada plática con los interesados se llegó a la conclusión de desarrollar la nueva plataforma para el seguimiento
de la trayectoria de los alumnos del Tecnológico Nacional de México / ITS Sur de Guanajuato (ITSUR), con los
siguientes módulos requeridos para la funcionalidad de la plataforma WEB:
●
Módulo usuario (Trayectoria Escolar. (Trayectoria Individual, Trayectoria Generacional y Acceso a la
plataforma (Autenticación usuarios y Bienvenida al usuario)).
Página | 6
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
●
Módulo administrador (Administración (Usuarios y permisos, Importar datos del SICE, Trayectoria
Individual y Trayectoria Generacional) y Acceso a la plataforma (Autenticación de administrador y
Bienvenida al administrador).
Considerando lo anterior se realizó una reunión con los jefes de división (Ingeniería Industrial, Ingeniería
Ambiental, Ingeniería Gestión Empresarial, Jefa de Área de Tutorías y Jefa de Área Académica), con el objetivo
de integrar al proyecto más funcionalidad, hacer de su conocimiento la plataforma, así como el objetivo y
beneficios, al término de la sesión los participantes manifestaron interés para usar la plataforma, además,
proponiendo otras funcionalidades como integración de los tutores, proceso de residencias, titulación, servicios
social e inglés las cuales se estarán contemplando una nueva versión.
Fase II: Desarrollo de la propuesta de una nueva plataforma.
Identificados los requerimientos, se procedió a llevar a cabo la fase II, usando la aplicación starUML para el
modelado, por ser objetivo de desarrollo de los módulo y funciones antes mencionadas se estable la tecnología
WEB y el Framework de .Net correspondiente a [7], también para el control y concentración del documento se
contempló el uso de la plataforma GitHub (2018), creando el repositorio para el proyecto (véase la figura 5).
En seguida, se presentan los esquemas y diagramas correspondientes a los requerimientos establecidos en la fase
I.
Los módulos usuario y administrador con sus respectivos componentes (véase la figura 1) como ya se mencionó
anteriormente y la vista de despliegue para la plataforma trayectoria académica del ITSUR (véase la figura 2) se
puede observar que el jefe de área de carrera o el director de área o el administrador podrá acceder a la plataforma
desde su computadora personal o cualquier dispositivo móvil, usando cierto navegador como Chrome, Safari,
Firefox, por mencionar algunos, dicho acceso es posible por los protocolos de comunicación HTTP y TCP/IP en
conjunto con el servidor IIS y el gestor de bases de datos MySQL.
Figura 1, vista módulos y componentes de la
plataforma
Figura 2. vista física o despliegue de la plataforma.
Se creó el diagrama en la plataforma Miro, Allende especifica que Miro es una plataforma que te permite crear
un espacio de trabajo o pizarra colaborativa para dibujar esquemas gráficos y diagramas en tiempo real con otras
personas o alumnos y su principal ventaja es que ofrece en un mismo espacio virtual todas las funciones necesarias
para trabajar en equipo, tablero digital, posibilidad de videoconferencia, elementos gráficos para dibujar y escribir
en él y un cúmulo de plantillas para no empezar desde cero [8]. La estructura del software (véase la figura 3) se
puede apreciar que se cuenta con una ventana principal, donde el usuario accede a los módulos de su interés el
cual puede ser trayectoria académica (individual o generacional), gestión de usuario e importación de datos,
dependiendo de la selección se procesa la información correspondiente de su interés.
Página | 7
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 3. Diagrama prototipo
Ya en materia de la estructura del proyecto, se eligió un modelo de tres capas (de datos, servicios web y usuario),
y para facilitar el mantenimiento y/o posible escalamiento del proyecto, las clases pertenecientes a cada módulo
se encuentran agrupadas en carpetas (véase la figura 4), la distribución en secciones permite implementar los
respectivos módulos y crear software robusto.
Figura 4. Estructura de implementación para el desarrollo de la plataforma.
Para colaborar en el proyecto se implementó Git este sistema de control permite comparar el código de un archivo
para ver las diferencias entre las versiones, restaurar versiones antiguas si algo sale mal, y fusionar los cambios
de distintas versiones. También permite trabajar con distintas ramas de un proyecto, de desarrollo para integrar
nuevas funciones al programa o a la de producción para depurar los bugs [9]. Además, como se puede (véase la
figura 5) se creó en GitHub el repositorio donde se está llevando el control de las versiones almacenadas del
código fuente y diversos archivos, se determinó usar esta plataforma por ser gratuita y usar cuentas institucionales.
Figura 5. Repositorio GitHub
Página | 8
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Para la implementación de la plataforma fase III, el despliegue oficial se implementó la puesta en operación a
largo plazo mediante la selección apropiada de un servidor determinando, este fue alojado dentro de la institución
sede, además se llevó a cabo la configuración de los servicios necesarios, así como respectivas pruebas de
aceptación en ambiente de producción.
En la fase IV análisis y evaluación del desempeño de la plataforma acorde a las reacciones de sus usuarios, se
aplicó un cuestionario a los jefes de cada área de carrera para monitoreo de la ejecución de la plataforma en un
ambiente controlado realizando observaciones sobre su ejecución y las reacciones de los usuarios, de manera que
se aplique una serie de mejoras que permitan ajustar la plataforma. Las preguntas aplicadas para los siguientes
intereses. Usando la escala de Likert para medir el grado en que el encuestado está de acuerdo o en desacuerdo
con cada consulta (véase las figuras 6, 7 y 8)
Figura 6. Preguntas de satisfacción
Figura 7. Preguntas de aplicabilidad y dificultad
Figura 8. Preguntas de frecuencia
Cabe mencionar que la aplicación de la encuesta se realizó usando la herramienta de formulario de google.
RESULTADOS
A continuación, se presentan los resultados obtenidos.
Con la identificación de los requerimientos funcionales para el desarrollo de la Plataforma Trayectoria Académica,
se tiene una ventana de bienvenida (véase la figura 9). La página de acceso donde el usuario debe escribir sus
credenciales (véase la figura 10). La pantalla principal para administrador contiene las cuatro opciones funcionales
como son: gestión de usuarios, importación de datos, trayectoria individual y trayectoria generacional, (véase la
figura 11), para los usuarios únicamente cuenta con las opciones trayectoria generacional e individual (véase la
figura 12).
Página | 9
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 9. Ventana de bienvenida
Figura 10. Ventana de acceso
Figura 11. Ventana principal de administrador
Figura 12. Ventana de principal de usuarios
La interfaz de trayectoria generacional presenta información académica, Kardex y gráficas de desempeño
académico (véase la figura 12).
Figura 13. Página trayectoria individual
Página | 10
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Con respecto al módulo de trayectoria generacional del sistema presenta la información de alumnos inscritos en
la generación, cantidad de deserciones, bajas temporales o definitivas, reprobación y reporte de materias con
mayor reprobación, exportación de archivo de Excel con la información de la generación (véase las figuras 14, 15
y 16).
Figura 14 Vista de la tabla "Seguimiento generacional"
Figura 15 Tabla seguimiento generacional en Excel
Figura 16 Sección de materias reprobadas
A continuación, se presentan las respuestas de los jefes de área con respecto al uso de la plataforma. Calidad de
la información (Satisfacción), visualiza las respuestas de las preguntas de satisfacción en la cual se puede observar
en general que la mayoría incurre en totalmente satisfecho, totalmente insatisfecho y satisfecho (véase la figura
17).
Página | 11
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 17 Gráfica Satisfacción
En la Gráfica facilidad de uso se puede observar la frecuencia con la que los usuarios usan la plataforma, como
se puede ver al menos una vez al mes sea usado (véase la figura 18).
Figura 18 Gráfica facilidad de uso o Frecuencia
Con respecto a la aplicabilidad, la gráfica muestra los resultados de que tan amigable es la plataforma y si la
información presentada es útil para tomar decisiones (véase la figura 19).
Figura 19 Grafica aplicabilidad o dificultad
CONCLUSIONES
Los resultados obtenidos del proyecto hasta la fecha son los siguientes:
Se desarrolló la plataforma con los requerimientos establecidos cumpliendo así con el objetivo desarrollo
Plataforma Trayectoria Académica para implementar los módulos Gestión de usuarios, Trayectoria Individual,
Trayectoria Generacional e Importación de datos de los alumnos del Tecnológico Nacional de México / ITS Sur
de Guanajuato, mediante el uso de tecnologías de la información y tratamiento de datos, para identificar
oportunamente casos críticos. Como se pudo observar en los resultados se presenta evidencia de cada una de las
fases aplicadas, cabe mencionar que para la última fase se aplicó un cuestionario a seis jefes de área, usando
formulario de google teniendo como resultado lo siguiente:
Página | 12
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Correspondiente a la gráfica de satisfacción representa que la mayoría de los usuarios está satisfecha con la
plataforma (véase la figura 20), en la gráfica de frecuencia de uso se puede observar que por lo menos una vez ha
usado la plataforma (véase la figura 21) y con respecto a la aplicabilidad o dificultad se tiene que fue muy fácil
su uso, así como la interpretación de la información que presenta la plataforma (véase la figura 22),
Figura 20 Grafica satisfacción general
Figura 21 Grafica frecuencia general
Figura 22 Grafica aplicabilidad o dificultad general
Se concluye en términos generales, sí hay impacto positivo beneficiando a cada coordinación o jefatura de área y
áreas académica. Continuando en el resto del año con la difusión por los diversos medios.
REFERENCIAS BIBLIOGRÁFICAS
1. E. Vega-Chávez, F. J. Martínez-López y L. G. Gutiérres-Torres, «IMPACTO DE LAS
HERRAMIENTAS DE SOFTWARE COMO APOYO PARA EL SEGUIMIENTO DE
ALUMNOS DEL ITSUR,» Compendio Investigativo de Academia Journals Celaya 2016, pp. 7479, 2016.
2. L. G. Gutiérrez-Torres, D. Morales-Orozco y P. Alcantar-Ortiz, «Célula de software y su relación
con el desarrollo docente,» Revista de Educación Superior, pp. 27-31, 2017.
3. Jacobson, G. Booch y R. James, The Unified Software Development Process, Boston, MA, USA:
Addison-Wesley Longman Publishing, 1999.
4. M. Pomeroy-Huff, R. Cannon, C. T. A. J. Mullaney y W. Nichols, The Personal Software Process
(PSP) Body of Knowledge, Pittsburgh: P. S. Pittsburgh, Ed., 2009.
5. K. Schwaber y J. Sutherland, «La Guía de Scrum: La Guía Definitiva de Scrum: Las Reglas del
Juego,» 2013. [En línea]. Available: https://www.scrumguides.org/docs/scrumguide/v1/scrumguide-es.pdf.
6. E. Vega-Cháves, F. J. Martínez-López, L. G. Gutiérrez-Torres, C. A. Fuentes-Hernández y M. CruzPineda, «CONSTRUCCIÓN DE NUEVA PLATAFORMA TRAYECTORIA ACADÉMICA
PARA EL INSTITUTO TECNOLÓGICO SUPERIOR DEL SUR DE GUANAJUATO,»
FEGLININ, pp. 7-14, 12 2022.
7. Microsoft, «Microsoft Documentation,» 2021. [En línea]. Available: https://docs.microsoft.com/enus/dotnet/standard/threading/cancellation-in-managed-threads.
Página | 13
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
8. Allende, «Creatividd cloud,» Creatividd cloud, 10 03 2021. [En línea]. Available:
https://www.creatividad.cloud/miro-plataforma-para-crear-esquemas-y-diagramas-visuales-deforma-colaborativa-y-en-tiempo-real/. [Último acceso: 12 10 2023].
9. Y. Fernández, «Xataka,» 30 10 2019. [En línea]. Available: https://www.xataka.com/basics/quegithub-que-que-le-ofrece-a-desarrolladores.
Página | 14
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
PLATAFORMA WEB PARA EL REFORZAMIENTO DE HABILIDADES
MATEMÁTICAS
WEB PLATFORM FOR REINFORCEMENT OF MATHEMATICAL SKILLS
Mtra. Ambar González Guadarrama 1,
Mtra. Araceli Guerrero Alonso 2
Dr. Luis Alberto León Bañuelos 3
Oscar Reyes Castillo4
Manuel Alejandro Diosdado Manzano. 5
RESUMEN
Con el uso de la tecnología se puede dar un seguimiento continuo y proporcionar un apoyo personalizado en la
trayectoria académica de los estudiantes con el fin de abordar las deficiencias en el aprendizaje en el ámbito
matemático, los indicadores que presenta ENLACE en el año 2017, indican que el porcentaje de alumnos de
educación Media Superior, según el nivel de logro en matemáticas es del 9.4% como nivel bueno o excelente, el
90.6 % como conocimiento insuficiente y elemental. Esto ha impulsado la creación de la Plataforma Web
"MATHELP" enfocada educación media superior, con la finalidad de proporcionar una estrategia de
reforzamiento en el área, esta plataforma se diseñó utilizando la metodología UWE para proporcionar una
experiencia personalizada diseñada para medir y fortalecer el aprendizaje con ejercicios y evaluaciones en línea
que indiquen al estudiante su progreso.
ABSTRACT
Using technology, continuous monitoring and personalized support can be provided in the academic path of students
in order to address deficiencies in mathematical learning. The indicators presented by ENLACE in 2017 show that,
in the field of mathematics, the percentage of High School students with a good or excellent level of achievement is
9.4%, while 90.6% have insufficient or elementary knowledge. This has driven the creation of the "MATHELP"
web platform, focused on upper secondary education, with the aim of providing a reinforcement strategy in the area.
This platform was designed using the UWE methodology to offer a personalized experience designed to measure
and strengthen learning with online exercises and assessments that indicate the student's progress.
Palabras clave: Estudiantes, TIC´S, PISA, Rendimiento Académico
Key words: Students, TIC´S, PISA, Academic Performance
INTRODUCCIÓN
Según los datos proporcionados por la prueba PISA (Programa para la Evaluación Internacional de
Alumnos), se evidencia que el promedio de la OCDE con un bajo nivel de competencia en matemáticas
se sitúa en el 24%. En el caso de México, esta cifra es alarmante, alcanzando el 56%, lo que representa
un preocupante 32% por debajo del promedio [8]. Esta situación ubica a México en la última posición a
1 M. en I.S.C. Ámbar González Guadarrama. Docente Asociado “A” del programa de Ingeniería en Sistemas Computacionales en el
Tecnológico Nacional de México/Campus Valle de Bravo ambar.gg@vbravo.tecnm.mx
2 M. en I.S.C. Araceli Guerrero Alonso. Docente Asociado “B” del programa de Ingeniería en Sistemas Computacionales en el
Tecnológico Nacional de México/Campus Valle de Bravo araceli.ga@vbravo.tecnm.mx
3 D. en C.A. y R.N. Luis Alberto León Bañuelos. Profesor Titular “A” del programa de Ingeniería en Sistemas Computacionales en el
Tecnológico Nacional de México/Campus Valle de Bravo luis.lb@vbravo.tecnm.mx
4 Oscar Reyes Castillo. Estudiante de Ingeniería en Sistemas Computacionales en el Tecnológico Nacional de México/Campus Valle de
Bravo L202207058@vbravo.tecnm.mx
5 Manuel Alejandro Diosdado Manzano. Estudiante de Ingeniería en Sistemas Computacionales en el Tecnológico Nacional de
México/Campus Valle de Bravo L202007007@vbravo.tecnm.mx
Página | 15
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
nivel global, a pesar de ser el país que más inversión destina a la educación, como lo indican diversas
pruebas como PLANEA, CENEVAL [9] , entre otras. En el año 2017, los indicadores educativos
evidenciaron una alarmante brecha en el dominio de las matemáticas entre los estudiantes de educación
media superior. Solo un reducido 9.4% de los estudiantes logró alcanzar un nivel considerado bueno o
excelente en matemáticas, mientras que un abrumador 90.6% se encontró en un nivel insuficiente y
elemental. Esta brecha en conocimientos lógico-matemáticos se traduce en una reducción de
oportunidades educativas y un incremento en las tasas de deserción, lo que plantea una seria
preocupación para el sistema educativo.
La educación media superior representa una etapa crítica en la formación de los estudiantes, en la cual
adquieren habilidades y conocimientos fundamentales que sientan las bases para su futuro académico y
profesional. En este contexto, las matemáticas emergen como una asignatura fundamental, pero también
como un desafío al que se enfrentan muchos estudiantes [3]. A pesar de la existencia de proyectos
educativos como Khan Academy [5], Mathworl [6] , y WolframAlpha [7], que contienen una serie de
videos, ejercicios resueltos y en algunas ocasiones, exámenes de evaluación, y que emplean diversos
métodos y lenguajes aritméticos que en algunas escuelas podrían considerarse inadecuados para lograr
un impacto significativo en el aprendizaje, el proyecto "MATHELP" surge como una estrategia para
mitigar esta problemática.
"MATHELP" aborda temas basados en el plan de estudios y la planificación del docente, proporcionando
videos y ejercicios con el lenguaje y métodos aritméticos necesarios y útiles en el entorno de clases. El
objetivo principal de este proyecto es brindar una herramienta que ayude a los estudiantes de educación
media superior a comprender y dominar las matemáticas.
Es esencial destacar que "MATHELP" es una propuesta tecnológica que podría requerir acceso a
dispositivos y conectividad a Internet, lo que podría limitar su alcance en comunidades o regiones con
recursos limitados. Además, el éxito del proyecto dependerá en gran medida de la participación y la
motivación de los estudiantes para utilizar la plataforma de manera efectiva.
METODOLOGÍA
La presente investigación se realiza mediante la metodología UWE (Web Orientada a Objetos basada en
especificar de mejor manera una aplicación Web en su proceso de creación mantiene una notación
estándar basada en el uso de UML (Unified Modeling Language) para sus modelos y sus métodos, lo
que facilita la transición. [1]
La metodología define claramente la construcción de cada uno de los elementos del modelo. En su
implementación se deben contemplar las siguientes fases: (véase Figura 1)
Página | 16
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 1 Desarrollo de las Fases de la Metodología UWE
Fase 1.- Análisis de requerimientos:
Para obtener un panorama general del conocimiento del área de matemáticas se realizó un cuestionario
que consta de 10 reactivos, el cual refleja una baja afinidad por parte de los estudiantes al indicar que se
les complica el área de matemáticas. (véase Tabla 1)
Tabla 1 Instrumento de Recolección de Datos
Pregunta
1
2
3
4
Bajo
Medio
Bueno
excelente
1.- En qué nivel consideras estar en temas
matemáticos
2.- En qué nivel consideras ¿Qué tanta
importancia le das a aprender matemáticas?
3.- ¿Consideras que las matemáticas son
fundamentales en nuestra vida cotidiana?
4.-¿consideras importante que se sigan realizando
plataformas que ayuden al aprendizaje de las
matemáticas?
5.- utilizarías
exalumnos
un
software
diseñado
por
6.- Consideras que es buena idea que una
plataforma sea parte de tus insumos de estudio, ya
que en ella podrás practicar y resolver dudas que
no te queden claras en sesión
7.- ¿Qué opinas de la idea de mejorar tu nivel
lógico-matemático mediante un software
8.- ¿Cómo calificarías tu nivel de distracción al
aprender temas matemáticos
9.- ¿Como consideras tu control con la
tecnología?
10.- Según el semestre en el que estas asistiendo
¿qué tan bueno te consideras en matemáticas?
Página | 17
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Para conocer la aceptación de una plataforma de refuerzo para matemáticas, se aplicó una encuesta con
preguntas basadas en Likert: una escala de calificación para conocer el nivel de acuerdo y desacuerdo
de las personas sobre un tema [2]. El muestreo poblacional se generó a través del software surveymonkey
que determinó el tamaño necesario para un nivel de la confianza del 95%; arrojando que el tamaño de
muestra aceptable es de 98 encuestas con un margen de error del 5%. El alfa arrojo un .810 de
aprobación, por lo cual el proyecto es altamente aceptable en la comunidad estudiantil (véase Figura 2
y 3).
Figura 2Determinación del Tamaño de la Muestra
Figura 3 Alfa de Cronbach
Fase 2.- Diseño Contextual:
Con la colaboración y el respaldo de los docentes, dentro de la institución educativa y partes interesadas
fueron fundamental en el proceso para mantener una comunicación adecuada. En el siguiente caso de
uso se muestran las actividades del alumno con la página web. (véase Figura 4)
Figura 4 Caso de Uso del Alumno
Fase 3.- Diseño Navegacional:
Página | 18
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Para dar seguimiento al flujo de la plataforma se generaron los vínculos directos entre las vistas y clases
de navegación en la Plataforma Web "MATHELP"(véase Figura 5)
Figura 5 Funcionamiento Web
Fase 4.- Diseño de Interfaz:
El diseño ofrece una visión abstracta de la interfaz de usuario de una aplicación Web. Se basa en el
modelo de navegación y en los aspectos concretos de la interfaz de usuario (IU). Describe la
funcionalidad, como: texto, imágenes, enlaces y formularios. (véase Figura 6)
RESULTADOS
FIGURA 6 Maquetado de MATHELP
A través del modelo relacional se obtuvo la base de datos que cuenta con 9 tablas en las cuales se
almacenan datos primordiales para el funcionamiento del sistema garantizando la integridad y evitando
la redundancia de datos (véase Figura 7).
Página | 19
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 7 Modelo de la Base de Datos
La plataforma cuenta con una ventana de Inicio que permite a los usuarios acceder a su sesión para
realizar actividades y seguimiento (véase Figura 8).
Figura 8 Inicio de Sesión
El usuario puede ver la información en los menús correspondientes en la Página Web de los cursos
disponibles para él. (véase Figura 9)
Figura 9 Página de Inicio
Página | 20
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Los resultados de la plataforma fueron determinados en un transcurso de 6 meses, en los cuales los
estudiantes practicaron de forma periódica (véase Figura 10).
Figura 10 Ejecución de la Plataforma
Se midió el progreso de los estudiantes a través de evaluaciones precisas y personalizadas obteniendo
los siguientes valores: 1) en la evaluación uno sin implementación de la plataforma, se obtuvo una
calificación de 5.2 en promedio, 2) en la evaluación 2 se obtuvo 5.8 con el primer mes de
implementación, 3) en la evaluación. 3 la escuela obtuvo 7.0 con tres meses de implementación de la
plataforma y para la evaluación 4) la escuela logro llegar al 8.0 con 5 meses de uso. (véase Figura 11)
Figura 11 Grafica de Resultados
MATHELP logro inspirar confianza y los alumnos demostraron interés por las matemáticas y
demostraron un mejor aprovechamiento académico (véase Figura 12).
Figura 12 Grafica de Evaluación Diagnóstica
Página | 21
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
CONCLUSIONES
La Plataforma Web fue satisfactoria para los estudiantes ofreciendo así la oportunidad de repasar los
ejercicios en las diferentes áreas como lo son: Álgebra, Trigonometría y Cálculo. Implementando
recursos educativos de calidad a medida, basados en los temas que se abordan en cada materia, de tal
manera que faciliten a los estudiantes la práctica constante y el refuerzo de sus habilidades matemáticas
en cualquier momento y lugar.
Se logro que por medio de la Plataforma Web "MATHELP" los estudiantes de nivel media superior,
reforzarán en un 5% sus conocimientos en el área de Álgebra lineal, Trigonometría y Cálculo,
proporcionando una herramienta que fortalezca las estrategias didácticas del docente para ayudar a
disminuir el abandono escolar y los índices de reprobación en el área de las matemáticas.
REFERENCIAS BIBLIOGRÁFICAS
1. C. G. Nieves, J. P. Guerrero y V. H. Menéndez, «UWE en Sistema de Recomendación de Objetos
de Aprendizaje,» pp. 137-143, 2019.
2. D. A. S. Fernández, «Escala de Likert: Una alternativa para elaborar e interpretar un,» Revista de la
Alta Tecnología y Sociedad , p. 39, 2020.
3. L. Sánchez, «Evaluación de un juego serio que contribuye,» Revista Iberoamericana de Educación
a Distancia , p. 222, 2021.
4. Á. Gutiérrez, «Desafíos actuales para la Didáctica de las Matemáticas,» Revista Innovaciones
Educativas, pp. 5-8, 2021.
5. S. Khan, «Khan Academy,» 06 septiembre 2022. [En línea].
6. E. W. Weisstein, «MathWorld,» 10 octubre 2021. [En línea].
7. S. Wolfram, «WolframAlpha,» 13 Noviembre 2022. [En línea].
8. PISA, «OCDE,» PROGRAMA PARA LA EVALUACIÓN INTERNACIONAL DE ALUMNOS ,
pp. 1-5, 2018.
9. OECD, «BETTER POLICIES FOR BETTER LIVES,» 18 SEPTIEMBRE 2018. [En línea].
Página | 22
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
PROTOTIPO DE UN SISTEMA DE CONTROL DE PROYECTOS DE
INVESTIGACIÓN
PROTOTYPE OF A RESEARCH PROJECT CONTROL SYSTEM
Pimentel-Villegas, María Trinidad 1
Silva- López, Dennis 2
Pantoja-Garcia, Juan Roman 3
Morales-Tinoco, Luis Josue 4
Zavala-Ayala, Jose Saul 5
RESUMEN
El presente proyecto propone un prototipo de aplicación web que permite registrar y dar seguimiento a
proyectos de investigación, desarrollo tecnológico e innovación en un Instituto Tecnológico. Su realización se
basó en la metodología ágil de Scrum y consta de diversas etapas: recolección de requisitos, identificación de
actores y usuarios, flujo del sistema, capacitación en tecnologías React, Django y MySQL y desarrollo base del
sistema. El backend se desarrolló con Django y Django Rest Framework logrando el registro de investigadores,
estudiantes, empresas y el manejo de archivos de registro. Mientras que se utilizó React js en el frontend para
el diseño de la interfaz de usuario creando el registro de proyectos, metas, investigadores, estudiantes y
empresas. Se creó una base de datos relacional en MySQL.
ABSTRACT
This project proposes a prototype of a web application that allows registration and tracking of research,
technological development, and innovation projects in a Technological Institute. Its realization was based on the
agile Scrum methodology and consists of several stages: requirements gathering, identification of actors and users,
system flow, training in React, Django, and MySQL technologies, and base development of the system. The backend
was developed with Django and Django Rest Framework achieving the registration of researchers, students, and
companies, the management of log files is also included. While in the frontend we have the interface design for
registration of projects, researchers, students, and companies. A relational database was created in MySQL.
Palabras clave: Aplicación web, control de proyectos, React, Django, Base de Datos.
Key words: Web application, project management, React, Django, Database
INTRODUCCIÓN
En la Subdirección de Posgrado de Investigación del Instituto Tecnológico Superior del Sur de
Guanajuato en la actualidad se registran entre 25 y 40 proyectos de investigación, desarrollo tecnológico
e innovación cada semestre. Estos proyectos involucran a investigadores líderes, colaboradores y
estudiantes, y abarcan una amplia gama de temas, líneas de investigación y fuentes de financiamiento,
entre otros aspectos. Es esencial registrar todos los datos relacionados con cada proyecto para informar
1 María Trinidad Pimentel Villegas - Subdirectora de Posgrado e Investigación del Tecnológico Nacional de México/ ITS Sur de Guanajuato
investigacion@itsur.edu.mx
2 Dennis Silva López - Estudiante de Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México/ ITS Sur de Guanajuato
S19120153@alumnos.itsur.edu.mx
3 Juan Roman Pantoja García - Estudiante de
Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México/ ITS Sur de
Guanajuato S20120160@alumnos.itsur.edu.mx
4 Luis Josue Morales Tinoco - Estudiante de Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México/ ITS Sur de
Guanajuato S20120153@alumnos.itsur.edu.mx
5 Jose Saul Zavala Ayala - Estudiante de Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México/ ITS Sur de
Guanajuato S20120159@alumnos.itsur.edu.mx
Página | 23
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
a diferentes entidades que supervisan la institución, como el Tecnológico Nacional de México y la
Secretaría de Educación del Estado de Guanajuato. Esto se realiza con el objetivo de obtener recursos y
respaldo para la implementación y seguimiento de los proyectos.
Inicialmente, la información se almacenaba en hojas de cálculo, con los investigadores ingresando los
datos de forma manual. Con el tiempo, se adoptaron formularios en línea para agilizar el proceso y
garantizar la consistencia de los datos mediante campos predefinidos que los investigadores podían
seleccionar. A pesar de estos avances, persisten limitaciones importantes, como la falta de un historial
de proyectos para los investigadores y administradores, la incapacidad de precargar información
previamente ingresada y la dificultad para generar informes personalizados para proyectos actuales y
anteriores, entre otras dificultades.
La ausencia de un software dedicado para la gestión de proyectos entre los investigadores ha llevado a
una administración y registro ineficientes de los proyectos. La falta de visibilidad de la relación entre
investigadores, colaboradores y estudiantes representa otro desafío, ya que la información solo está
disponible para el administrador o el encargado del área. En vista de estas problemáticas, se decidió
desarrollar un sistema web denominado Software para la gestión de proyectos (SiCop) para agilizar estos
procesos, en este artículo se concentra en mostrar un prototipo con comienzos funcionales, el cual fue el
resultado actual hasta el momento.
Entre las numerosas herramientas disponibles para el desarrollo web, se optó por utilizar React y Django,
dos de los frameworks más populares y ampliamente utilizados en la actualidad. La elección se basó en
la abundante documentación disponible para ambas herramientas, lo que facilita su aprendizaje y reduce
el esfuerzo necesario para el desarrollo de la aplicación web. Además, estos frameworks son compatibles
con una variedad de gestores de bases de datos, como MySQL, PostgreSQL, Oracle, MariaDB y SQLite
[1].
Para este proyecto, se eligió adoptar la metodología Scrum, que ofrece una serie de ventajas para el
desarrollo ágil del software. Scrum se basa en un conjunto de buenas prácticas que fomentan el trabajo
en equipo, aumentan la productividad individual, promueven la responsabilidad y mejoran la
comunicación para evitar errores y garantizar el cumplimiento de los plazos establecidos [2]. Esta
metodología también permite una distribución organizada de las responsabilidades y roles, lo que facilita
la adquisición de experiencia y conocimientos sobre las herramientas utilizadas sin interrumpir el ciclo
de desarrollo.
METODOLOGÍA
Para este proyecto se utilizó la metodología Scrum [2] y el ciclo de vida de software [3] iniciando con
el análisis de la problemática para continuar con el levantamiento de requerimientos (que en Scrum es
conocido como product backlog), durante esta etapa se realizaron una serie de reuniones con la
Subdirección de Posgrado e Investigación para entender el objetivo y el proceso de recolección y captura
de información para los proyectos registrados. Así mismo se identificaron los alcances del sistema, los
requerimientos, los usuarios y el flujo de captura de la información. Con el fin de mejorar la comprensión
de la propuesta original del sistema, se elaboró un prototipo de interfaces utilizando la plataforma de
colaboración digital denominada Miro, mediante esta herramienta, se crearon los diseños de las
interfaces y el flujo de interacción deseado (Figura 1). A partir de aquí se analizaron los casos de uso
con el fin de proponer mejoras y finalmente obtener una versión definitiva de la propuesta.
Página | 24
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 1. Diseño de prototipo en herramienta Miro.
Una vez que se conocieron las necesidades y expectativas del sistema se comenzó con la búsqueda de
las herramientas para el desarrollo web existentes, comparándolas entre sí. Se buscaba adaptabilidad y
funcionalidad por lo que se eligió la combinación de tecnologías React (frontend) y Django (backend),
debido a la facilidad de aprendizaje y su amplio desempeño, así como su gran catálogo de recursos y
asesoramiento en la combinación de estas tecnologías.
En la Figura 2 se muestra la arquitectura de integración, interacción, organización y desarrollo en base
a la filosofía del framework Django.
Para el Front end se utiliza React, en Figura 3 se aprecia cómo el framework indica que se llevará la
comunicación de las partes de la estructura que conforma React para una buena interacción usuarioaplicación.
Figura 2. Estructura del Backend en
Django. Fuente [4]
Figura 3. Esquema de trabajo del Front end con React. Fuente
[5]
Para iniciar en los contextos de las tecnologías, así como de la metodología que guio este proyecto, se
realizó la búsqueda, lectura y análisis de artículos orientados a las necesidades específicas del proyecto
haciendo uso de la herramienta de Google académico para asegurar que estos proporcionarán bases,
herramientas iniciales y reflexiones acerca de cómo iniciar y trabajar con las tecnologías.
Como se mencionó anteriormente la metodología de desarrollo utilizada fue SCRUM [2] las fases y su
forma de trabajo cíclica se muestran a continuación en la Figura 4, en la cual a partir del product backlog
Página | 25
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
se hace la planeación de cada sprint que es como se le conoce al periodo de tiempo establecido para
completar las tareas asignadas, este ciclo de trabajo suele ser de 2 a 4 semanas pero cambia dependiendo
del equipo y proyecto, durante esta etapa se llevan a cabo reuniones diarias de no más de 10 minutos
para que el equipo de trabajo comparta sus avances o problemas en las tareas asignadas. Al finalizar el
sprint, se revisan los objetivos terminados, así como la versión funcional del sistema que se tiene hasta
el momento, si cumplieron con las expectativas o si es que no se completaron, al revisar el progreso del
sprint se revisa las áreas a mejorar y optimizar, estas actividades se repiten hasta que se termine el
proyecto en el cual se está trabajando.
Figura. 4. Esquema de trabajo para la interacción React con Django. Fuente [6]
Para la implementación del prototipo, el equipo de trabajo de forma individual realizó una investigación
de las tecnologías utilizadas: React y Django, para dar capacitación de las herramientas a utilizar dentro
del proyecto y poder dar inicio al trabajo. De acuerdo a las habilidades de cada miembro del grupo, se
asignaron las tareas correspondientes para lo cual el avanzar se podría presentar ciertas dificultades o
errores inesperados los cuales eran presentados al grupo en las reuniones rápidas realizadas (Sprint
review) siguiendo la metodología Scrum, con el objetivo de solventar dichos errores y plantear el
objetivo a realizar para la próxima reunión.
En la Figura 5 se muestra la interacción que hay entre el frontend y el backend del sistema, y como este
último a su vez se comunica con la base de datos.
Figura. 5. Esquema de trabajo para la interacción React con Django. Fuente [7]
En la primera fase de desarrollo del proyecto se enfocó en dos tareas principales. En la primera tarea se
realizó la creación de la base de datos, así como el desarrollo base del backend y el front end del sistema,
con un enfoque específico en el registro de proyectos, investigadores, alumnos y empresas. La segunda
tarea fue el comienzo de la configuración de comunicación del sistema con la base de datos. De esta
forma se consiguió llegar a la primera fase del prototipo del sistema planteado.
Página | 26
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
RESULTADOS
En el presente trabajo se obtuvo el prototipo con el cual se podrá hacer el registro de proyectos. En la
figura 6, se muestra una pantalla del módulo administrativo donde el encargado de registro de proyectos
da de alta a los investigadores que posteriormente registraran sus proyectos.
Figura 6. Registro de nuevos investigadores
Por otra parte, en la (Figura 7) se puede observar desde la parte del backend una ventana donde se
muestra la función de subir archivo con el objetivo de que los investigadores suban los archivos de
registro de su proyecto, a la vez en la (Figura 8) se muestra la función de una búsqueda con filtros para
obtener un registro específico esto estará presente en los registros de investigadores, estudiantes,
empresas y convocatorias.
Figura 7. Carga de archivos
Figura 8. Filtros de búsqueda
En la ventana de visualización de proyectos (Figura 9) se mostrarán los proyectos a los que pertenece el
investigador ya sea como líder o como colaborador, al dar clic en “Registrar proyecto” pasaremos a la
pantalla del registro de datos iniciales del proyecto (Figura 10) donde ingresamos los datos básicos como
el nombre del proyecto, área de investigación, línea de investigación, fecha de inicio y fecha final del
proyecto.
Figura 9. Pantalla de visualización de proyectos por
investigador
Figura 10. Pantalla de registro de datos iniciales del
proyecto
Página | 27
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
En la ventana registro proyecto (Figura 11) se coloca el líder de proyecto, descripción y objetivos a
cumplir. Al siguiente paso del registro (Figura 12), se colocarán las metas comprometidas en el proyecto.
Figura 11. Registro de objetivos y resumen
Figura 12. Registro de metas
Siguiendo con el flujo de captura, el investigador(a) responsable del proyecto deberá agregar a los
colaboradores, los cuales pueden ser investigadores (Figura 13) o estudiantes (Figura 14), en caso de las
personas no se encuentren en el listado previamente cargado el investigador puede dar de alta uno nuevo,
este procedimiento se observa en la Figura 17, de la misma forma si el investigador (colaborador) que
se desea agregar no se encuentra en el listado, es posible que el administrador lo agregue como se muestra
en la Figura 6.
Figura 13. Registro de investigadores participantes del
proyecto
Figura 14. Registro de estudiantes participantes del
proyecto
Como pasos finales en la línea de registro de un proyecto se deberá seleccionar la empresa con la que se
trabaja o a la que se le destina el proyecto (Figura 15), en caso de que la empresa no exista aún, se podrá
añadir yendo a la opción Añadir Empresa la cual nos enviará al registro correspondiente (Figura 18).
Finalmente, se deberá informar acerca de si el proyecto cuenta con financiamiento, en caso afirmativo
se le solicitará información acerca de este (Figura 16) y este mismo terminará el registro del proyecto.
Figura 15. Vinculación con empresas u organizaciones
Figura 16. Vinculación en convocatorias y financiamiento
Página | 28
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 17. Registro de nuevos estudiantes
Figura 18. Registro nuevas de empresas
De esta forma se concluyó el prototipo del sistema SiCop, el cual a futuro tendrá implementaciones
adicionales para el administrador.
CONCLUSIONES
El desarrollo del prototipo permitió que se adquirieran nuevos conocimientos respecto al uso de los
frameworks de react y django, los cuales al ser pensados para reducir tiempos de desarrollo de
aplicaciones web son fáciles de aprender además de contar con documentación oficial para aprender a
usarlos. Además de contar con una amplia comunidad que ayuda a solucionar los retos o errores que
aparecen en ambos frameworks.
Se logró realizar un prototipo funcional que permite realizar un 90% del registro de proyectos de
investigación, desarrollo tecnológico e innovación. Determinando el flujo adecuado de acuerdo a las
necesidades planteadas por el tecnológico. Además de agregar la funcionalidad no solo de captura de
información sino también de subir archivos, los cuales representan formatos estandarizados para
registro, protocolo e informe final de los proyectos que se capturen, evitando que la información se
pierda entre correos y formularios, concentrando en un solo sistema toda la información.
Para concluir con los avances del proyecto se logró implementar las funciones en el backend de subir
archivos y los filtros de búsqueda obteniendo los resultados esperados teniendo una ventana fácil de
entender donde se pueden subir los archivos de registro de los proyectos de los investigadores facilitando
el manejo de los mismos así mismo con los filtros. Se logró facilitar la búsqueda de un registro específico
haciendo más rápida la tarea de obtener la información.
El prototipo desarrollado hasta el momento se enfoca principalmente en el flujo actual del registro de
investigadores y sus respectivos proyectos, como trabajo a futuro se tendrán que realizar una serie de
pruebas que permitan validar la funcionalidad del mismo o en su caso plantear las mejoras necesarias
para un funcionamiento óptimo.
Como trabajo futuro se tiene planteada la implementación de ventanas para el módulo del administrador,
contemplando algunas funcionalidades como: la visualización de proyectos, información proporcionada
durante el registro del proyecto, además de crear, recuperar, actualizar y eliminar usuarios e información
del sistema.
REFERENCIAS BIBLIOGRÁFICAS
1. Django Software Foundation, «https://docs.djangoproject.com/en/4.2/,» Django, 1 Agosto 2023.
[En línea]. Available: https://docs.djangoproject.com/en/4.2/. [Último acceso: 11 Agosto 2023].
Página | 29
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
2. J. M. Loaiza Granda, Implementación de la metodología SCRUM, en el desarrollo del software de
la dirección nacional de comunicaciones, Quito, Ecuador: Quito, 2019.
3. ISOL ingeniería de Soluciones, «ISOL ingeniería de Soluciones,» ISOL, 12 12 2021. [En línea].
Available: https://www.isol.mx/mentoring/7-etapas-de-desarrollo-de-software. [Último acceso: 16
10 2023].
4. B. Nige, «Mastering Django,» Mastering Django, 1 1 2023. [En línea]. Available:
https://masteringdjango.com/category/django-tutorials/. [Último acceso: 16 10 2023].
5. G. James, «sam-solutions,» sam-solutions, 13 07 2023. [En línea]. Available: https://www.samsolutions.com/blog/react-and-node-js-top-technologies/. [Último acceso: 16 10 2023].
6. J. Francia Huambachano, «Scrum.org,» Scrum.org, 25 09 2017. [En línea]. Available:
https://www.scrum.org/resources/blog/que-es-scrum. [Último acceso: 11 08 2023].
7. bezkoder, «bezkoder.com,» bezkoder.com, 07 07 2021. [En línea]. Available:
https://www.bezkoder.com/django-react-axios-rest-framework/. [Último acceso: 11 08 2023].
Página | 30
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
DESARROLLO E IMPLEMENTACIÓN DE UNA APLICACIÓN WEB PARA UN
DISPOSITIVO ALIMENTADOR DE MASCOTAS
DEVELOPMENT AND IMPLEMENTATION OF A WEBSITE FOR A PET FEEDING DEVICE
Susana Karina Paramo Niño 1
Natalia Marisol García Damián 2
Mtra. Nancy Carolina Quintana Martínez 3
M.C. Jeziel Vázquez Nava 4
RESUMEN
Las personas suelen tener horarios ocupados y variables, lo que dificulta establecer una rutina de alimentación
constante para las mascotas, afectando su bienestar y salud. Los dueños con rutinas saturadas suelen olvidan
alimentar sus mascotas o no llevan un registro de cuándo y cuánto se les da de comer. Además, si los dueños de
mascotas se ausentan de casa por períodos prolongados debido a viajes o compromisos laborales, se vuelve
complicado garantizar que las mascotas reciban una alimentación adecuada durante su ausencia.
Este proyecto consiste en analizar, diseñar y programar una aplicación web para operar un dispositivo
alimentador de mascotas y monitorear los hábitos alimenticios de manera remota. Se realizó un análisis de
requerimientos para determinar las funcionalidades necesarias para tener un buen funcionamiento y monitoreo
de la alimentación de las mascotas. De manera adicional se añadieron características para monitorear aspectos
sobre la salud las mascotas.
ABSTRACT
People often have busy and variable schedules, which makes it difficult to establish a consistent feeding routine for
pets, affecting their well-being and health. Owners with busy routines often forget to feed their pets or do not keep
track of when and how much they are fed. Additionally, if pet owners are away from home for long periods of time
due to travel or work commitments, it becomes difficult to ensure that pets receive adequate nutrition during their
absence.
This project consists of analyzing, designing and programming a web application to operate a pet feeding device
and monitor eating habits remotely. A requirements analysis was carried out to determine the necessary
functionalities for proper functioning and monitoring of pet feeding. Additionally, features were added to monitor
aspects of pet health.
Palabras clave: Aplicación web, Dispositivo, Frontend
Key words: Website, Device, Frontend
INTRODUCCIÓN
La pandemia ocasionó muchos cambios en la vida cotidiana, las personas buscaron compañía al estar
aisladas en casa lo cual provocó la adopción de mascotas. Aunque la adopción de mascotas fue desde
hámsteres, peces, conejos, tortugas, etc., las adopciones se enfocaron principalmente en perros y gatos.
1
Susana Karina Paramo Niño estudiante de Ingeniería en Sistemas Computacionales en el Tecnológico Nacional de México / ITS Sur de
Guanajuato s18120206@alumnos.itsur.edu.mx
2
Natalia Marisol García Damián estudiante de Ingeniería en Sistemas Computacionales en el Tecnológico Nacional de México / ITS Sur
de Guanajuato s18120176@alumnos.itsur.edu.mx
3
Nancy Carolina Quintana Martínez docente de la división de Ingeniería en Sistemas Computacionales en el Tecnológico Nacional de
México / ITS Sur de Guanajuato nc.quintana@itsur.edu.mx
4
Jeziel Vázquez Nava docente de Ingeniería en Mecatrónica en la Universidad Politécnica de Querétaro jeziel.vazquez@upq.edu.mx
Página | 31
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Se reporta que “en 31% de los hogares vive al menos una mascota, en 22% de los hogares viven dos
mascotas, en 17% entre 3 y 4 y en 18% no hay mascotas. En las casas donde actualmente no vive ninguna
mascota, 87% afirma que en algún momento tuvo una mascota, reportando 95% de los casos que la
experiencia con la mascota fue buena (63% muy buena, 32% buena), mientras que 5% tuvo una
experiencia negativa.” [1]
Con el fin de la pandemia las personas regresaron a su vida fuera de casa, teniendo así más
responsabilidad sobre las mascotas, pues estas ya no reciben el mismo tiempo de atención. Al tener
horarios ocupados y variables por tener que salir por viajes o compromisos laborales se dificulta
establecer una rutina de alimentación correcta y constante para las mascotas. Esto puede tener problemas
nutricionales, de sobrealimentación, problemas de conducta, entre otras, generando preocupación y
estrés para los dueños.
En la actualidad existen algunas aplicaciones para la alimentación de las mascotas, entre ellas se
encuentra la aplicación 11 pets [2] la cual permite tener mascotas registradas, monitorear comida,
higiene, visitas al veterinario, entre otras cosas. También se encuentra NutriPetDog [3] la cual brinda
información sobre una alimentación adecuada teniendo en cuenta proteína, grasa, fibra, etc., sin
embargo, ninguna de estas dos nos ayuda a poder alimentar a nuestra mascota de manera remota. Las
compañías Xiaomi [4] y Steren [5] tienen alimentadores que se controlan a distancia por medio de sus
aplicaciones, pero en estas no permite tener un manejo adecuado de las mascotas ni generar reportes, ya
que simplemente se basan despachar porciones de alimento.
Se entiende que mantener una rutina de alimentación adecuada para las mascotas puede resultar
desafiante en medio de las ajetreadas vidas, y es por eso que ha creado esta herramienta única para
brindarte tranquilidad y comodidad: la aplicación web desarrollada llamada Pecari App está diseñada
para facilitar la tarea de alimentar a las mascotas a pesar de estar fuera de casa, brinda la opción de
registrar de una a más mascotas y además registrar uno o más dispensadores si es que se desea llevar un
registro individualizado de las mascotas y mostrar reportes del consumo que provee el dispensador. El
registro de las mascotas se pensó para poder tener datos sobre cada una incluyendo el registro sus
vacunas. El registro de los dispositivos tiene como fin brindar gráficas con la información de la cantidad
de veces que este fue accionado y poder notificar al usuario cuando el dispensador tenga menos del 40%
de alimento.
METODOLOGÍA
El desarrollo de la aplicación está basado en la metodología Scrum, la cual fue dividida en 3 sprints.
1. Análisis de información y prototipado
a. Con la información dada se elaboró el diseño de prototipos considerando las
funcionalidades que se identificaron para un buen funcionamiento
b. Agregar más funciones para hacerla más útil e informativa
2. Diseño del Frontend de la aplicación web
a. Realizar los diseños de las pantallas
b. Revisión periódica de las pantallas.
3. Acciones de mejora
a. Restructuración de las pantallas evaluado que se conecten de manera correcta
b. Estandarización de diseño, verificación de tipografía, color y tamaños.
Para el primer sprint se realizó el levantamiento de requerimientos de usuario, entre los cuales se
encontró a los usuarios sin registro que se marcan de color azul en la Figura 1, quienes pueden acceder
Página | 32
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
solamente a la pantalla principal, al registro y al login así como los demás usuarios, los usuarios con
registro, entre ellos se encuentra el usuario general y el administrador, ambos tienen completa libertad
de navegación entre todas las páginas pero el usuario general tiene una restricción en cuanto a las líneas
marcadas de color rojo ¡Error! No se encuentra el origen de la referencia. las cuales piden una
contraseña de seguridad que solo sabe el administrador para poder editar la información.
Para la conexión de las páginas se realizó un modelo de conexión, el cual se muestra en Figura 1, donde
se puede observar de mejor forma el uso, se tomó en cuenta los tres tipos de usuarios, el usuario general
el cual puede acceder a cualquier pantalla excepto a los movimientos marcados con flechas rojas debido
a que necesitaría el pin del administrador, usuario que tiene limitación en las pantallas a las que puede
acceder y administrador el cual tiene acceso a todas las pantallas. La pantalla de “Menú desplegable”
hace referencia al submenú a la derecha de la barra de menú donde pueden acceder a las pantallas
informativas que serían la de ayuda, Acerca de…, contáctanos y preguntas frecuentes.
Figura 1 Modelo de conexión
RESULTADOS
La Figura 2 muestra la pantalla principal de la aplicación, en la parte superior se encuentra la Barra de
Navegación, la cual está compuesta por el logo de la aplicación que sirve como enlace directo a la
Pantalla Principal. Además, esta barra consta de otras secciones adicionales que permiten acceder a las
siguientes funcionalidades: Listado de Mascotas, Listado de Dispositivos y Perfil de Usuario. En la
sección central de la interfaz, se encuentra el botón denominado "Empezar", el cual facilita el proceso
de inicio de sesión. Asimismo, en la parte inferior de la interfaz se encuentran las opciones que brindan
acceso a opciones como Preguntas Frecuentes, Ayuda, Acerca de, y Contáctanos.
Página | 33
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 2 Pantalla principal
El listado de mascotas y dispositivos se muestran en Figura , ambas pantallas, cuenta con la opción de
"Confirmación de Eliminación", permitiendo al usuario confirmar la eliminación de elementos, ya sea
mascotas en la pantalla de "Mascotas" o dispositivos en la pantalla de "Dispositivos", además de la
opción para configurar el dispositivo. Adicionalmente, en la pantalla a), se ofrece al usuario la
posibilidad de realizar modificaciones en los datos previamente registrados y configuraciones
relacionadas con las mascotas. Asimismo, se permite acceder a la información completa de la mascota
para una gestión detallada. Y en la pantalla b), se brinda acceso a la opción de "Gráficas",
proporcionando al usuario la capacidad de visualizar representaciones visuales de datos relevantes.
b
)
a)
Figura 3 Listado a) de mascotas, b) de dispositivos
La información de mascotas se muestra en Figura, esta pantalla se proporciona la información detallada
de cada mascota, incluido su historial de vacunas. Los usuarios tienen la posibilidad de acceder a los
registros específicos de vacunación de sus mascotas y, en caso de ser necesario, agregar un nuevo
registro de la fecha en que se administró la vacuna a la mascota, esto mediante el botón de “Agregar
vacuna”. Esto contribuye a un mejor seguimiento de la salud y el bienestar de las mascotas.
Página | 34
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 4 Información de la mascota
La interfaz facilita el monitoreo de las vacunas de su mascota como se muestra en Figura 5. Incluye un
apartado que permite seleccionar la vacuna administrada, así como especificar la fecha (día/mes/año).
Además, se incorporan dos botones para la interacción del usuario: uno para aceptar el registro y guardar
la información, y otro para cancelar la operación si es necesario realizar ajustes.
Figura 5 Registro de vacunas
En Figura , se aprecia el proceso de registro de una mascota y el de un usuario, en ambos casos se
requiere que se introduzca la información básica de la mascota o el usuario con el propósito de facilitar
su identificación. En ambas situaciones, se dispone de un botón denominado 'Registrar', el cual culmina
el proceso de registro. En el caso del a), este botón nos conduce al 'Listado de Mascotas', mientras que,
en el b), nos redirige a la 'Pantalla Principal'. Además, se encuentra el botón 'Cancelar', que nos permite
abandonar en proceso.
b)
a)
Figura 6 Registro a) de mascotas, b) de usuarios
Página | 35
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
La configuración del dispositivo se muestra en Figura , esta pantalla permite la configuración tanto de
los datos del dispositivo como de la alimentación de la mascota. La modalidad de alimentación puede
ser programada o realizada de forma manual, permitiendo además especificar la cantidad exacta que se
suministrará a la mascota. En el b), permite cambiar el nombre del dispositivo. Asimismo, incluye un
menú desplegable donde se puede elegir la mascota vinculada con el dispositivo. En la parte inferior, se
encuentran los botones estándar de "Aceptar" y "Cancelar". El botón "Aceptar" confirma la operación y
guarda los cambios, mientras que el botón "Cancelar" ofrece la opción de descartar cualquier
modificación realizada y un botón de agregar para la opción de agregar más de una mascota.
a)
b)
Figura 7 Configuración del dispositivo
El proceso para eliminar algún dispositivo o mascota se muestra en Figura 8. Las pantallas presentan las
dos confirmaciones de eliminación, diseñadas para eliminar una mascota (a)) o un dispositivo (b)). Su
finalidad es prevenir la eliminación accidental de información. Ambas incluyen botones para confirmar
la acción y otro para cancelarla, brindando al usuario la oportunidad de reconsiderar la eliminación antes
de proceder.
a)
b)
Figura 8 Confirmación de eliminación
La pantalla de gráficas, en
Figura , presenta la opción de filtrar las gráficas por mascota, mostrando la información del número de
veces que se rellenó el alimentador en una gráfica y los gramos que se consumieron en otra. Asimismo,
se proporciona la capacidad de filtrar la información por un periodo de tiempo seleccionado, permitiendo
una visualización más precisa y específica de los datos.
Página | 36
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 9 Graficas
Para el inicio de sesión se requiere el ingreso de un correo electrónico y una contraseña para identificar
al usuario. Se incluye un botón para recordar los datos, facilitando el acceso en futuras sesiones.
Asimismo, se proporciona un texto con un enlace incorporado para recuperar la contraseña en caso
necesario. El botón "Ingresar" permite verificar los datos e iniciar sesión, mientras que el botón
"Cancelar" brinda la opción de interrumpir el proceso. Además, se proporciona un enlace para dirigirse
al registro de un nuevo usuario. También se agregaron las pantallas de perfil de usuario, la cual exhibe
todos los datos registrados del usuario, proporcionando un panorama completo de su información. Se
integra un botón con un ícono de imagen que posibilita la actualización de la foto de perfil. Asimismo,
se presenta un botón para editar la información del usuario, permitiendo realizar modificaciones según
sea necesario. De igual manera cuenta con un botón para poder cerrar sesión.
Se realizaron más pantallas como la de preguntas frecuentes, la cual ofrece un listado de categorías entre
las cuales el usuario puede seleccionar. Al elegir una categoría, se despliegan las preguntas más
frecuentes relacionadas con dicha categoría. Cada pregunta cuenta con un botón "+" que, al ser
presionado, revela la respuesta correspondiente. Este diseño facilita la navegación y búsqueda de
información específica dentro de cada categoría de preguntas frecuentes.
También se generó la pantalla de contacto, la cual presenta un listado con la información de contacto,
que incluye la ubicación, el correo electrónico y un número de teléfono. Adicionalmente, se proporciona
un formulario que requiere que el usuario ingrese su nombre completo, su dirección de correo y redacte
un mensaje que exprese el motivo de su comunicación. Se incluye un botón "Enviar" que permite al
usuario remitir el mensaje a los encargados de la aplicación, simplificando así el proceso de contacto.
Además, se agregó una pantalla acerca de la aplicación para que conozcan los servicios que se ofrecen,
esta pantalla muestra toda la información histórica de la aplicación, así como también la misión, visión
y valores. La pantalla proporciona un acceso integral a la información histórica de la aplicación,
asimismo, se incluye la misión, visión y valores de la aplicación, ofreciendo una comprensión clara de
los objetivos fundamentales, la dirección a futuro y los principios que guían las operaciones de la
aplicación. Todas las pantallas cuentan con diseño responsivo para poder usarlo tanto en un dispositivo
móvil como en un ordenador.
Página | 37
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
CONCLUSIONES
El trabajo realizado cuenta con diferentes funciones, tales como conectarse a un dispositivo alimentador
de mascota, tener el registro de uno o más dispositivos, registro de una o más mascotas, generar gráficos
sobre la alimentación, programar la alimentación, registro de las vacunas y notificaciones cuando el
alimentador tiene menos del 40% de alimento.
La aplicación web cuenta con una interfaz amigable y un lenguaje adecuado para todas las edades, una
navegación fluida, diseño responsivo el cual te permite utilizarla en diferentes equipos electrónicos tales
como celulares, tabletas y computadoras. El proceso de programación se realizó con React el cual
permite reusar componentes en muchas de las páginas, esto para facilitar el mantenimiento en un futuro
para seguir ofreciendo una buena experiencia al usuario.
REFERENCIAS BIBLIOGRÁFICAS
1. UVM, «MASCOTAS, FAMILIA Y COVID-19,» 10 Diciembre 2020. [En línea]. Available:
https://opinionpublica.uvm.mx/estudios/mascotas-familia-y-covid-19/.
2. «11Pets,» 2015. [En línea]. Available: https://www.11pets.com/en/home. [Último acceso: Septiembre 2023].
3. «NutriPet Dog,» [En línea]. Available: https://nutripetdog.com/. [Último acceso: septiembre 2023].
4. «Xiaomi,» [En línea]. Available: https://www.mi.com/mx. [Último acceso: septiembre 2023].
5. «Steren,» [En línea]. Available: https://www.steren.com.mx/. [Último acceso: septiembre 2023].
6. R. MAY, «Mascotas y pandemia: los animales son un gran sostén para sus dueños, pero ¿cómo los afecta?,»
05 Febrero 2021. [En línea]. Available: https://www.nationalgeographicla.com/animales/2021/02/mascotasy-pandemia-los-animales-son-un-gran-sosten-para-sus-duenos-pero-como-los-afecta.
7. LABYES, «Las mascotas en los hogares mexicanos,» 26 Mayo 2022. [En línea]. Available:
https://labyes.com/las-mascotas-en-los-hogares-mexicanos/.
Página | 38
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
IMPLEMENTACIÓN DE LA PLATAFORMA EDUCATIVA SQLJUDGE EN
PLANTELES DE EDUCACIÓN SUPERIOR Y MEDIA SUPERIOR.
IMPLEMENTATION OF THE SQLJUDGE EDUCATIONAL PLATFORM IN HIGHER EDUCACION
AND HIGH SCHOOL.
Dr. Luis Germán Gutierrez-Torres,1
Mtro. Efrén Vega-Chávez,2
Mtro. Fernando José Martínez-López,3
Luis David Vega-Lopez,4
RESUMEN
El presente documento muestra el proceso de implementación de la plataforma SQLJudge en varias
instituciones de educación superior y educación media superior. SQLJudge es un juez automático en línea que
permite la evaluación automática e inmediata de consultas de bases de datos en el lenguaje SQL. En el artículo
se describe el proceso que se llevó a cabo para mejorar y corregir la plataforma existente, además de verificar
su funcionamiento en un entorno real con asignaturas relacionadas a las bases de datos. Para verificar la
posibilidad de su uso posterior en otras instituciones, se llevó a cabo una prueba piloto en cuatro escuelas en
donde los docentes utilizaron la plataforma para reforzar la práctica en el aprendizaje de consultas SQL. Se
aplicaron encuestas para conocer la opinión de los usuarios y con respecto al software y para verificar si el uso
de SQLjudge tuvo un impacto positivo en su proceso de enseñanza-aprendizaje.
ABSTRACT
This paper shows the process of implementation of the SQLJudge platform in several institutions of higher
education and upper secondary education. SQLJudge is an online auto judge that enables automatic and immediate
evaluation of database queries in the SQL language. The article describes the process that was carried out to improve
and correct the existing platform, as well as verify its operation in a real environment with subjects related to
databases. To verify the possibility of its subsequent use in other institutions, a pilot test was carried out in four
schools where teachers used the platform to reinforce the practice in learning SQL queries. Surveys were applied to
find out the opinion of the users and regarding the software and to verify if the use of SQLjudge had a positive
impact on their teaching-learning process.
Palabras Clave: Bases de datos, Plataforma Web, SQL, Juez en línea.
Key words: Data bases, web platform, SQL, online judge.
1
Dr. Luis Germán Gutiérrez Torres, Miembro del Cuerpo Académico de Tecnologías de la información y docente del programa de
Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México / ITS Sur de Guanajuato, licgerman@itsur.edu.mx, ORC
ID: 0000-0001-7912-2147
2
M.T.W. Efrén Vega Chávez, Miembro del Cuerpo Académico de Tecnologías de la información y docente del programa de Ingeniería
en Sistemas Computacionales del Tecnológico Nacional de México / ITS Sur de Guanajuato, e.vega@itsur.edu.mx, ORC ID: 0000-00018918-3170
3
M.I.S. Fernando José Martínez López, Responsable del Cuerpo Académico de Tecnologías de la información y docente del programa de
Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México / ITS Sur de Guanajuato, fj.martinez@itsur.edu.mx, ORC
ID: 0000-0001-9781-1800
4
Luis David Vega López. Estudiante del programa de Ingeniería en Sistemas Computacionales del Instituto Tecnológico Superior del Sur
de Guanajuato / ITS Sur de Guanajuato, s16120312@alumnos.itsur.edu.mx.
Página | 39
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
INTRODUCCIÓN
En el transcurso de los años siempre se ha buscado la manera de que los alumnos tengan una mejor
forma de aprendizaje acorde a las necesidades de cada uno de ellos. La plataforma educativa SQLjudge
es una plataforma educativa que se creó debido a la necesidad de tener una herramienta que ayude a
estudiantes y docentes a fortalecer el conocimiento en el área tecnológica de bases de datos, SQLjudge
es una plataforma en desarrollo, su base de datos aun no cuenta los ejercicios suficientes para su
implementación en una asignatura de bases de datos.
El Lenguaje Estructurado de Consulta (SQL), conocido por sus siglas en inglés como Structured Query
Language, tiene gran importancia en el modelo de relacional y forma parte central en las asignaturas
vinculadas a bases de datos [3]. SQL es un estándar en la industria desde hace más de cuarenta años y
es implementado en prácticamente todos los gestores y, por lo tanto, aprender SQL permite a los
desarrolladores trabajar con cualquier gestor de bases de datos.
SQL incluye tres lenguajes: DDL, DML y DDL. El lenguaje de definición de datos (DDL) permite crear
y manipular bases de datos, tablas y objetos. En el lenguaje de manipulación de datos (DML) se incluyen
instrucciones para realizar consultas a la base de datos, es decir, permite obtener información que se
encuentra almacenada en las tablas del gestor. El Lenguaje de Control de Datos (DCL) se encuentran
instrucciones para controlar el acceso de diferentes usuarios a las tablas, columnas y vistas [3].
Jueces de programación en línea.
Los jueces de programación en línea se consideran herramientas útiles e inclusive indispensables para
apoyar la programación competitiva, el reclutamiento de profesionales y la educación en programación.
Los jueces de programación en línea (online judge), normalmente incluyen una amplia gama de
ejercicios y permiten la evaluación instantánea de las soluciones propuestas. Algunos de estos jueces
proporcionan una retroalimentación detallada al señalar errores específicos cuando la solución presenta
deficiencias. Según [7], entre los jueces de programación más populares se encuentran Codeforces,
HackerRank, Codeforces, beecrowd, LeetCode, CodeChef, AtCoder y Topcoder.
Jueces para consultas SQL
Desde el año 2000 han surgido herramientas y plataformas que permiten evaluación de consultas SQL,
entre ellas se encuentran las que se encuentran: WebSQL, sistema que fue desarrollado en la Universidad
de Minnesota [2]. Bhagat y otros [1] desarrollaron Acharya, un sistema diseñado para aprender SQL.
SQLTutor, diseñado como un entorno de prácticas para alumnos que conocen SQL [5]. SQLTutor,
aplicación de escritorio que permite aprender sentencias SELECT.
También existen plataformas creadas recientemente que incluyen evaluadores SQL, a continuación, se
muestran algunas de estas plataformas.
Beecrowd
En sus primeros años su nombre era URI Online Judge y fue un proyecto que se desarrolló en la URI
Universidad Regional Integrada de Brasil. Es un sitio web con problemas al estilo del ICPC, que cuenta
con más de 220 mil estudiantes registrados y 660 instituciones educativas que utilizan la plataforma.
Beecrowd incluye ejercicios de algoritmos principalmente, pero tiene una categoría con algunos pocos
ejercicios de SQL.
QueryCompetition
Página | 40
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
QueryCompetition es un sistema web ideado para practicar consultas en SQL. Este sistema permite al
profesor crear concursos de resolución de consultas en SQL cuyos participantes son los alumnos de su
clase. Los concursos creados en QueryCompetition están compuestos por rondas en las que es posible
configurar aspectos como: la hora de inicio y cierre de cada una, indicar qué alumnos participarán en
una ronda determinada, quiénes clasificarán a una siguiente ronda [4].
DESweb
DES nació de la necesidad de la enseñanza de sistemas de bases de datos educativas con Datalog, y de
ahí que actualmente se hereden ciertas características no habituales en las bases de datos relacionales [6]
Por ejemplo, está orientado a conjuntos (como el álgebra relacional original propuesta por Codd) y, si
bien esto es útil para trabajar con este lenguaje formal y los cálculos relacionales, se puede configurar
para trabajar con duplicados al usar SQL.
Learn-SQL.
El sistema Learn SQL forma parte del proyecto de innovación educativa “Juez automático para el
aprendizaje de base de datos” del programa INNOVA-Docencia [3]. Desde el punto de vista tecnológico,
LearnSQL se ha desarrollado como una aplicación web en el lenguaje de programación Python
utilizando el entorno Django, el juez utiliza el SGBD PostgreSQL para almacenar sus datos internos
(usuarios, ejercicios, envíos, etc.) mientras que para la corrección de los envíos de los estudiantes utiliza
un servidor Oracle 11g externo.
HackerRank
HackerRank es un software de evaluación de habilidades técnicas basado en la nube que permite a las
empresas identificar y evaluar las habilidades de los desarrolladores, llevar a cabo entrevistas remotas y
realizar un seguimiento del desempeño de los candidatos en una plataforma centralizada. Incluye una
sección de problemas de consultas SQL con un número reducido de ejercicios.
En resumen, se puede mencionar que existe una gran diversidad herramientas que permiten la evaluación
de sentencias SQL, pero cada una de ellas con distintos inconvenientes que impiden el propósito del
presente proyecto. Además, ninguno de éstas sirve como herramienta LMS para docentes, sin contar de
que no están disponibles para todo público.
METODOLOGÍA
El desarrollo de este proyecto se realizó en las instalaciones del instituto tecnológico superior del sur de
Guanajuato, ubicado en Av. Educación Superior No. 2000. Col. Juárez, Uriangato, Gto. C.P. 38980
como una iniciativa del cuerpo académico de Tecnologías de la Información (ITESSGTO-CA-02).
La implementación se llevó a cabo en base a la versión SQL Judge 1.0. Esta versión incluye un Learning
Management System (LMS) que permite el registro de alumnos, creación de cursos y administración de
tareas.
SQLJudge cuenta actualmente con un evaluador que permite presentar retos para que los alumnos los
resuelvan utilizando código SQL con la sintaxis de MySQL. Incluye un problemset, que se muestra en
la (Figura 1). donde aparece un listado de retos donde se puede buscar por categoría y grado de dificultad.
Página | 41
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 1. Problemset del SQLJudge.
SQLJudge permite crear grupos y tareas para que un docente pueda administrar fácilmente los ejercicios
que propone a sus alumnos. El docente puede decidir cuando iniciar y finalizar una tarea y que ejercicios
asignar a cada tarea.
En cada tarea se puede visualizar un scoreboard para que el docente verifique el avance de todo el grupo
en un tablero similar a los que aparecen en plataformas como omegaUP y Codeforces. Un tablero de
este tipo permite a los responsables de un curso, dar un seguimiento puntual de los problemas resueltos,
los alumnos destacados y los alumnos que requieren apoyo para resolver los ejercicios.
Los colores del scoreboard permiten visualizar rápidamente el estatus de cada alumno. El color verde
indica que se ha resuelto un problema, el amarillo indica que un problema se intentó pero no se ha
resuelto y el blanco es para los problemas que no se han intentado (Véase Figura 2)
Figura 2. Scoreboard de una tarea.
Página | 42
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Se llevaron a cabo cuatro etapas: identificar características a SQLJudge, desarrollo de ejercicios y
manuales de usuario, implementación en varios planteles y por último, evaluación de la plataforma. Cada
uno de estas etapas se detallan a continuación.
Etapa 1. Identificar las características nuevas a desarrollar.
Una de las tareas las cuales se planeó para el transcurso de este tiempo fue la de Identificar las
características nuevas a desarrollar en cada una de las plataformas, así como la detección de defectos
que estas pudieran llegar a tener, la plataforma en la que se trabajo fue la SQLjudge la cual es una
plataforma web que se creó con anterioridad por alumnos del Instituto Tecnológico Superior del Sur de
Guanajuato con la supervisión
En el transcurso del tiempo en el cual se analizó la plataforma de SQLjudge se pudo detectar fallas tanto
del Front-End y así mismo otras del Back-End, se formó una lista de puntos a corregir
Etapa 2. Desarrollo de problemas y manuales para la plataforma.
Dándoles el seguimiento en las características identificadas en la plataforma de SQLjudge se plantean
características para el mejor funcionamiento, una mejor vista y así mismo un mayor número de contenido
en el cual puedan trabajar los alumnos y los administradores (maestros) tienen más material para crear
tareas para los alumnos.
Como parte de las mejoras identificadas, se revisó, corrigió y mejoró la redacción de todos los problemas
de la plataforma. Principalmente se encontraron errores gramaticales simples y redacciones ambiguas.
Se ajustó cada uno de los ejercicios de manera que la redacción fuera clara y concisa. En este proceso se
definió un formato markdown estandarizado con el objetivo de tener homogeneidad en la plataforma.
El equipo de trabajo desarrolló pruebas a cada uno de los problemas de SQLJudge encontrando algunas
fallas menores en varios de ellos que repercutían en la evaluación, motivo por el cual se procedió a
realizar la corrección del código de solución oficial en los ejercicios donde se identificó alguna falla.
Como parte de las mejoras identificadas se desarrollaron cuarenta problemas adicionales con el objetivo
de contar con ejercicios variados en los temas de consultas básicas, consultas de varias tablas,
agrupaciones, subconsultas anidadas y subconsultas correlacionadas.
La implementación en otros planteles requirió el desarrollo de dos manuales de usuario, uno para el
docente y otro para los estudiantes. Ambos manuales incluyen instrucciones para el envío de las
soluciones a los ejercicios, una explicación de los mensajes de retroalimentación del sistema y el manejo
de tareas dentro de los grupos. El manual del docente contempla además una explicación sobre como
permitir el registro de alumnos, la administración de grupos, la creación de tareas para los grupos y las
instrucciones necesarias para que los docentes puedan crear sus propios problemas.
Etapa 3. Implementación de la plataforma en diferentes planteles.
Se realizó una colaboración con planteles de educación media superior y superior para probar SQLJudge
con grupos reales en clases relacionadas con las bases de datos. La plataforma SQLJudge fue utilizada
como un complemento para los ejercicios de práctica. Las instituciones participantes fueron el Centro
de Bachillerato Tecnológico Industrial y de Servicios 217 de Uriangato, Gto., el CONALEP plantel
Acámbaro, el Instituto Tecnológico de Huetamo Michoacán y el propio ITSUR.
Docentes de estas instituciones aceptaron la invitación para probar la plataforma. Mediante la
herramienta de Google Analytics se comprobó que en el periodo del 14 de mayo al 30 de junio se llevaron
a cabo las pruebas. Se ubicaron 730 puntos desde donde se conectaron a la plataforma ya sea de manera
directa como por medio de un link enviado de un profesor a sus alumnos como algunas recomendaciones.
Página | 43
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Etapa 4. Evaluación de la Plataforma.
En la última parte del proyecto se aplicaron encuestas a una muestra 75 alumnos de todos los planteles
participantes para conocer su opinión sobre la utilidad y desempeño de la Aplataforma. La aplicación se
llevó a cabo una vez que finalizó el semestre enero-junio 2023.
RESULTADOS
Se han desarrollado hasta el momento, 145 ejercicios dentro de la plataforma SQL en una diversidad de
temas que cubren materias de base de datos. Cada uno de los ejercicios se ha verificado, se ha mejorado
la redacción e implementado una imagen con una salida de ejemplo para facilidad y claridad de los
usuarios. (Figura 3) Muestra en ejemplo de un problema con una imagen del resultado incluida.
Figura 3. Ejemplo de un problema con su respectiva salida.
La Figura 4 y la Figura 5 y demuestran que los usuarios indican su satisfacción con la plataforma y
además observa que los usuarios consideran claramente que se presenta una mejora en su rendimiento
después de usar SQLJudge en clases.
Cumplimiento de los objetivos
40
35
30
25
20
15
10
5
0
37
21
12
2
4
totalmente desacuerdo
desacuerdo
neutral
de acuerdo totalmente
de acuerdo
Figura 4. Pregunta sobre cumplimiento de los objetivos educacionales,
Página | 44
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Mejoras del rendimiento después de
usar SQLjudge
40
29
30
20
10
27
12
3
5
totalmente
desacuerdo
desacuerdo
0
neutral
de acuerdo totalmente de
acuerdo
Series1
Figura 5. Pregunta sobre cumplimiento de los objetivos educacionales,
CONCLUSIONES
Derivado del desempeño observado en la plataforma y los resultados de las encuestas, se prevé que la
plataforma será de mucha ayuda para los maestros que quieran usarla ya que pueden conseguir
información en tiempo real de los avances que llevan los alumnos, así como le reduce el tiempo a la hora
de calificar manualmente cada una de las consultas, además ya se está teniendo una amplia lista de
contenido verificado previamente que estén funcionando y se espera que con el tiempo se tenga mucho
mayor número de contenido.
También, derivado de las encuestas, se observa que hay un área de oportunidad en cuestiones de diseño
y usabilidad en la cual se debe trabajar en un futuro para entregar una mejor experiencia de usuario.
REFERENCIAS BIBLIOGRÁFICAS
1. S. Bhagat, L. Bhagat, J. Kavalan y M. Sasikumar, "Acharya: An Intelligent Tutoring Environment for
Learning SQL Learning SQL," en Vidyakash 2002 International Conference on Online Learning, 2002.
2. G. N. Allen, "An Interactive Web Tool for Teaching Structured Query Language," en Computer Science,
2000.
3. L. Gutierrez, P. Vega, "Evaluador de sentencias de Bases de datos en la formación de ingenieros," en
Revista Electrónica Anfei Digital, 2016, vol. 9.
4. E. O. Matla y M. E. Morales, "QueryCompetition: un sistema web para practicar consultas," en Jenui,
2017, pp. 313-320.
5. A. Mitrović and B. Martin, “Scaffolding and Fading Problem Selection in SQL-Tutor,” UC Library, Jan.
2003, [Online]. Available: https://ir.canterbury.ac.nz/bitstream/10092/342/1/12589114_SQLT-2002.pdf
6. F. S. Pérez, "DESweb: una herramienta para el aprendizaje de SQL" en Jenui, 2019, pp. 95-102.
7. Md. F. B. Amin, “The most popular coding challenge websites,” freeCodeCamp.org, Mar. 14, 2023.
https://www.freecodecamp.org/news/the-most-popular-coding-challenge-websites/
Página | 45
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
REDES NEURONALES CONVOLUCIONALES PARA LA CLASIFICACIÓN DE
MANGO POR ETAPAS DE MADUREZ
CONVOLUTIONAL NEURAL NETWORKS FOR MANGO CLASSIFICATION BY MATURITY
STAGES
Ing. Marco Dayán Vázquez Velázquez1
Dra. Ana Claudia Ruiz Tadeo2
Dr. Noel García Díaz3
Dr. Dewar Rico Bautista4
M. C. Juan García Virgen5
RESUMEN
El mango Mangifera Indica L tipo Kent, es un fruto altamente consumido a nivel mundial por su rico sabor,
gran potencial de exportación y comercialización. Sin embargo, un problema que restringe el mercado global
de este producto es la falta de uniformidad y el escaso cambio en el color de la cascara durante su maduración,
provocando que empresas que se dedican al procesamiento y venta de fruto tengan pérdidas o baja calidad en
su producción por un mango con un nivel de maduración no óptimo. Este trabajo desarrolla un sistema de
procesamiento digital de imágenes utilizando Redes Neuronales Convolucionales para clasificar la etapa de
madurez, con la finalidad de obtener un mayor control en la selección de fruto con un nivel de maduración
adecuado. En la implementación se utilizó un dataset de 600 imágenes obteniendo una precisión del 90%.
ABSTRACT
The Kent type Mangifera Indica L mango is a highly consumed fruit globally, known for its rich flavor and
significant potential for export and commercialization. However, a problem that restricts the global market for this
product is the lack of uniformity and minimal changes in the skin color during its ripening process, causing
companies dedicated to fruit processing and sales to incur losses or reduced quality in production due to suboptimal
mango ripeness. This study develops a digital image processing system using Convolutional Neural Networks to
classify the stage of ripeness, aiming to achieve better control in the selection of fruits with an appropriate level of
ripeness. The implementation utilized a dataset of 600 images, achieving an accuracy of 90%.
Palabras Clave: Redes Neuronales Convolucionales, Clasificación de Frutos, Madurez de Mango, Mango Kent.
Keywords: Convolutional Neural Networks, Fruit Classification, Mango Ripeness, Kent Mango.
INTRODUCCIÓN
En la industria agrícola la técnica de visión por computadora es uno de los métodos más importantes, ya
que es una técnica no destructiva para evaluar la calidad y la clasificación automatizada [1]. La
clasificación de frutas respecto a su nivel de maduración es un problema complejo debido a un sin
1
Ing. Marco Dayán Vázquez Velázquez es estudiante de la Maestría en Sistemas Computacionales del Instituto Tecnológico de México
Campus Colima g2246019@colima.tecnm.mx
2
Dra. Ana Claudia Ruíz Tadeo es docente de la Maestría en Sistemas Computacionales del Instituto Tecnológico de México Campus
Colima aruiz@colima.tecnm.mx
3
Dr. Noel García Díaz es docente de la Maestría en Sistemas Computacionales del Instituto Tecnológico de México Campus Colima
ngarcia@colima.tecnm.mx
4
Dr. Dewar Rico Bautista es docente en la Universidad Francisco de Paula Santander Ocaña, Colombia. dwricob@ufpso.edu.co
5
M. C. Juan García Virgen es docente de la Maestría en Sistemas Computacionales del Instituto Tecnológico de México Campus Colima
jgarcia@colima.tecnm.mx
Página | 46
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
número de variables que se deben de considerar, entre ellas se encuentran la forma, color, tamaño y
textura [2].
En [3] se obtuvieron datos estadísticos de Food and Agriculture Organization (FAO), Secretaria de
Agricultura y Desarrollo Rural (SAGARPA) y el Servicio de Información Agroalimentaria y Pesquera
(SIAP) en donde se menciona que México en los últimos años ha ocupado el 4° lugar a nivel mundial
en producción de mango, teniendo una producción de alrededor de dos millones 85 mil 751 toneladas;
entre los estados productores se encuentran Guerrero, Sinaloa, Nayarit, Chiapas, Michoacán, Oaxaca,
Veracruz, Jalisco, Campeche, Colima y otros.
En el año 2020, las plantaciones de mango ocuparon una superficie de 204 mil 600 hectáreas, teniendo
un aumento de producción de 17.7% respecto a los últimos 10 años. [4]. La producción de mango en
México está compuesta por 6 tipos: Haden, Tommy/Atkins, Kent, Ataulfo, Manila, además de diversas
variedades criollas [3]. Esta diversidad de tipos permite contar con producción de mango casi todo el
año.
En el estado de Colima se producen los 6 tipos de mangos representativos. Se cuenta con un total de mil
855 hectáreas en las cuales se encuentran repartidos [5]. La diversificación de mango en el estado de
Colima ha impulsado al sector agroindustrial de la región a transformar y procesar este fruto, la empresa
Valle Nuevo (https://vallenuevo.com/), es una industria colimense dedicada al congelamiento de fruto
por medio del proceso Individual Quick Freezing (IQF). Esta empresa comprometida a elaborar un
producto de exportación de alta calidad requiere un sistema de detección fiable de clasificación del nivel
de maduración del mango.
Este trabajo está enfocado en la clasificación de las tres etapas de maduración del mango en: Maduro,
Sazón y Verde aplicando redes neuronales convolucionales (CNN).
Detección temprana de maduración de mango tipo Kent
De acuerdo con [6] el nivel de madurez de un mango en sus etapas de maduro, sazón o verde (véase
Figura 1) está estrechamente relacionado con su calidad y sabor. Si se detecta tempranamente que un
mango está maduro, se puede garantizar que se encuentre en su punto óptimo de dulzura y calidad para
su consumo.
Figura 1. Mango tipo Kent. Maduro, Sazón y Verde.
Proceso de Maduración
El proceso fisicoquímico de maduración está descrito por un proceso fisiológico que sufre el mango. La
recolección del fruto se realiza en estado inmaduro organolépticamente pero fisiológicamente maduro
[7]. El cambio más notorio en este fruto a medida que va madurando es una serie de cambios en el color
de la cáscara [8].
Trabajos relacionados
Página | 47
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Actualmente el uso de la Inteligencia Artificial para la detección y clasificación de frutos se ha
incrementado de manera exponencial [9], gracias a ello se han realizado extensos trabajos de
investigación tal como los siguientes.
En [10] emplearon una CNN LeNet5 para la clasificación de manzanas haciendo uso del optimizador
RMAProp, en este trabajo obtuvieron como resultado una precisión de 97%. En [11] presentan un
modelo inteligente empleando una CNN para determinar el estado de madurez del plátano (Musa
Balbisiana) con TensorFLow y OpenCV logrando una precisión del 96%. En [12] emplean una red
neuronal de tipo FeedForward para clasificar el nivel de madurez del mango (Nam Dok Mai Si Tong)
en el cual se obtuvo una precisión del 89.6%. Finalmente, en [13] se desarrolló un sistema de
clasificación de vegetales basado en imágenes, utilizando Tensorflow para el aprendizaje automático y
OpenCV para el procesamiento obteniendo una precisión del 99%.
Los trabajos presentados anteriormente muestran resultados exitosos dentro del contexto en los que
fueron aplicados, sin embargo, ninguno de ellos utiliza una CNN para la clasificación de la maduración
del mango tipo Kent, tal como se lleva a cabo en este trabajo.
METODOLOGÍA
Red Neuronal Artificial (RNA)
Una RNA es un procesador distribuido masivamente paralelo, compuesto de unidades de procesamiento
simples que tienen una propensión natural para almacenar el conocimiento experiencial y ponerlo a
disposición [14]. Las aplicaciones que puede tener una RNA son diversas, entre ellas se puede destacar
el reconocimiento y detección de patrones en una imagen y pueden ser clasificadas por su topología y
algoritmo [15].
Redes Neuronales Convolucionales (CNN)
Las CNN son un tipo de RNA con un aprendizaje supervisado que generalmente se implementan para
la detección de objetos en imágenes, segmentación semántica de imágenes y solución de problemas [16].
Generación del Modelo CNN
Las CNN representan la mejor herramienta para la detección y clasificación de frutos [17] por lo que en
este trabajo se construyó una CNN haciendo uso del lenguaje Python, ya que es una herramienta de
acceso libre empleando TensorFlow.
Los parámetros de entrada para el sistema neuronal es un dataset creado con un total de 600 imágenes
capturadas a un grupo de 75 mangos, los cuales están compuestos por 25 en estado maduro, 25 en estado
sazón y 25 en estado verde. Las fotografías se diversificaron de la siguiente forma: para cada mango se
capturó un total de 8 fotos, vista superior e inferior realizando una rotación cada 90 grados. Para el
particionamiento del conjunto de datos se utilizó el método Hold-out [18], utilizando para entrenamiento
el 70% de los datos, mientras que el restante 30% fue para validación.
Configuración de la CNN
Esta CNN toma como datos de entrada los pixeles de la imagen proporcionada, se realiza una
segmentación de las imágenes a un tamaño de 100x100 pixeles, empleando los tres canales RGB. La
configuración empleada en la CNN es la siguiente: épocas 50, batch_size 5, n_Clases 3 y un Learning
rate de 0.0005.
Página | 48
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
En el preprocesamiento de las imágenes para entrenamiento se aplican los parámetros mostrados en la
Tabla 1. En cuanto a las imágenes de validación, solo se aplica un redimensionamiento a los pixeles.
Tabla 1. Parámetros de preprocesamiento de imágenes.
Rescale (redimensionamiento)
1/255
Shear_range (cizallamiento)
0.3
Zoom_range (aumento)
0.3
Horizontal_flip (Inversión)
True
A continuación, se muestra un fragmento del código elaborado en Python (véase Figura 2), donde se
crea la CNN. Se define la CNN como tipo secuencial y se crean seis capas, dos capas de convolución,
dos capas de maxpooling y dos capas densamente conectadas.
Figura 2. Fragmento de código de la creación y entrenamiento de la CNN.
Criterio de evaluación de la CNN (Matriz de Confusión)
Después de completar el proceso de entrenamiento, el siguiente paso es evaluar los resultados de la
clasificación predicha por el modelo, para este paso se hace uso de las siguientes métricas accuracy,
precision, recall y f1-score, estos valores son calculados utilizando la matriz de confusión (MC). La MC
es una matriz que muestra los resultados de la clasificación real y la clasificación del modelo con un
tamaño de LxL, donde L representa el número de etiquetas/clases [19].
En este estudio se emplea una matriz de 3x3 ya que se cuenta con tres etiquetas/clases. Los valores de
accuracy, precision, recall y f1-score son calculados por las siguientes ecuaciones, donde se definen las
variables TP como verdadero positivo con valor de 8, TF como verdadero negativo con valor de 19, FN
como falso negativo con valor de 2 y FP como falso positivo con valor de 1 (Wabang, 2021). Estos
resultados se pueden apreciar en la matriz de confusión (véase Figura 3). A continuación, se describen
cada una de las variables y se indica la fórmula de cómo se calculan.
•
•
Accuracy: Proporción de predicciones que el modelo clasificó de forma correcta. Se calcula con
𝑇𝑃+𝑇𝐹
la formula: 𝑇𝑃+𝑇𝐹+𝐹𝑃+𝐹𝑁
Precision: Valor predictivo positivo. Proporción de identificaciones positivas reales. Se calcula
𝑇𝑃
con la formula: 𝑇𝑃+𝐹𝑃
Página | 49
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
•
•
Recall (sensibilidad): Proporción de casos positivos que fueron correctamente identificados. Se
𝑇𝑃
calcula con la formula: 𝑇𝑃+𝐹𝑁
f1-score: Rango de [0,1]. Indica qué tan preciso es un clasificador, cuántas instancias clasifica
𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛∗𝑅𝑒𝑐𝑎𝑙𝑙
correctamente. Se calcula con la formula: 2 ∗ 𝑃𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛+𝑅𝑒𝑐𝑎𝑙𝑙
Figura 3. Matriz de confusión.
A continuación, se muestra la evaluación de las métricas del modelo de acuerdo con los valores de TP,
TF, FN y FP obtenidos de la matriz de confusión (véase Tabla 2).
Tabla 2. Métricas de Evaluación del Modelo
Métrica
Valor
Accuracy
0.90
Precision
0.8888
Recall
0.80
f1-score
0.8380
RESULTADOS
Los resultados de la aplicación de la Matriz de confusión como método de evaluación arrojaron (véase
Tabla 2) un accuracy del 90%, lo que indica que el modelo tiene una considerable capacidad de
detección. Una precision del 88.88%, que representa el porcentaje de casos reales positivos detectados.
Un recall del 80%, indicando una considerable capacidad de detectar correctamente cada nivel de
maduración. Finalmente, un f1-score de 83.80%, el cual refleja que el modelo tiene una buena precisión
de acuerdo con el nivel de maduración que detecta correctamente.
Para la prueba de efectividad de la CNN en cuanto a detección y clasificación, se realizan dos pruebas,
en la primera se toma una muestra de 10 mangos al azar (véase Figura 4) donde la CNN realiza la
detección del mango y etiqueta la clase maduros.
Página | 50
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
Figura 4. Detección y Clasificación del mango.
Para la segunda prueba de efectividad (véase Tabla 3) se presentan 5 de las 30 pruebas realizadas a 30
mangos en sus 3 etapas, 10 maduros, 10 sazones y 10 verdes. Cabe destacar que de las 30 pruebas
realizadas 26 fueron acertadas y las restantes 4 fueron fallidas debido a la similitud que existe entre los
mangos en las etapas Sazón y Verde. Esto se puede ver reflejado en la matriz de confusión presentada
en la Figura 2.
Tabla 3. Resultados de las pruebas del funcionamiento de la CNN.
Imagen
Prueba
No. Imagen
Empresa
Sistema CNN
Resultado
1
Maduro
Maduro
✓
2
Maduro
Maduro
✓
3
Verde
Verde
✓
4
Sazón
Verde

5
Maduro
Maduro
✓
CONCLUSIONES
En esta investigación se concluye la importancia de las RNA de tipo CNN como herramienta
computacional para la clasificación de imágenes, específicamente para clasificar el nivel de maduración
del Mango tipo Kent en sus etapas Maduro, Sazón y Verde.
Finalmente se comprueba que el uso de las CNN para la temprana detección y clasificación del nivel de
maduración del mango es de gran importancia para aumentar la calidad del producto y el valor de
comercialización. Se probó que la CNN tiene una considerable precisión en la clasificación del nivel de
maduración del mango tipo Kent de acuerdo con los resultados que se presentan en las Tablas 2 y 3.
Dentro del trabajo a futuro que se sugiere para esta investigación se plantea lo siguiente:
Página | 51
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
•
•
•
Aumentar el tamaño del conjunto de datos empleado para entrenar el modelo.
Comparar otro modelo de red neuronal con el mismo conjunto de datos y determinar cuál arroja
mejores niveles de clasificación, Accuracy, Precisión, Recall y f1-Score.
Construir otro modelo que detecte diferentes niveles de maduración de diversas clases de
frutos.
REFERENCIAS BIBLIOGRÁFICAS
1. F. Medina, B. Nono, H. Banda and A. Rosales, "Classification of Solid Objects with Defined Shapes
Using Stereoscopic Vision and a Robotic Arm," 2012 VI Andean Region International Conference,
Cuenca, Ecuador, 2012, pp. 226-226, doi: 10.1109/Andescon.2012.71.
2. M. Jhuria, A. Kumar and R. Borse, "Image processing for smart farming: Detection of disease and
fruit grading," 2013 IEEE Second International Conference on Image Information Processing
(ICIIP-2013), Shimla, India, 2013, pp. 521-526, doi: 10.1109/ICIIP.2013.6707647.
3. S. Villanueva Rodríguez, "Introducción a la tecnología del mango," CIATEJ, vol. 1, no. 1, pp. 114,
October
2017.
[Online].
Available:
http://ciatej.repositorioinstitucional.mx
/jspui/handle/1023/388
4. Secretaria de Agricultura y Desarrollo Rural, "Mango, un deleite dulce y refrescante," June 2022.
[Online].
Available:
http://www.gob.mx/agricultura/articulos/mango-un-deleite-dulce-yrefrescante.
5. Secretaria de Agricultura y Desarrollo Rural, "Huertos de Mango registrados de Colima para
exportación a Japón con tratamiento Hidrotérmico," May 2021. [Online]. Available:
https://www.gob.mx/cms/uploads/attachment/file/641903/JAP_N_MANGO_HIDROTERMICO_
COLIMA_27-05-2021.pdf.
6. E. Zamora Cienfuegos, H. García, M. Montes de Oca, and M. Tovar Gómez, "Aceleración de la
maduración en mango ‘KENT’ refrigerado," Fitotecnia Mexicana, vol. 27, no. 4, December 2004.
[Online]. Available: https://www.redalyc.org/pdf/610/61027408.pdf.
7. J. C. Chele Sancan, "Características morfológicas y sensoriales del árbol y fruto de mango
(Mangifera indica L) del genotipo INIAP-PF-M-01 en la Estación Litoral Sur del INIAP," INIAP,
2022. [Online]. Available: http://repositorio.iniap.gob.ec/handle/41000/5881.
8. V. Quintero, G. G. Giraldo, J. Lucas, and J. Vasco L, "Caracterización fisicoquímica del mango
común (Mangifera indica L.) durante su proceso de maduración," Biotecnología en el Sector
Agropecuario y Agroindustrial, vol. 11, no. 1, pp. 10-18, June 2013.
9. A. Kamilaris and F. X. Prenafeta-Boldú, "Deep learning in agriculture: a survey," Computers and
Electronics in Agriculture, vol. 147, pp. 70-90, 2018. [Online]. Available:
https://doi.org/10.1016/j.compag.2018.02.016.
10. J. Olguín, J. Vasquez, G. López, and J. Herrera, "Clasificación de manzanas con redes neuronales
convolucionales," Fitotecnia Mexicana, vol. 45, no. 3, 2022. [Online]. Available:
https://revfitotecnia.mx/index.php/RFM/article/view/1374/1320.
11. A. Villalba, T. Requena, F. Solanilla, and J. Rangel, "Prototipo de un sistema que determine el
estado de madurez de un plátano utilizando Deep Learning y Visión Artificial," Revista De
Iniciación Científica, vol. 6, pp. 49-53, 2021.
12. D. Worasawate, P. Sakunasinha, and S. Chiangga, "Automatic Classification of the Ripeness Stage
of Mango Fruit Using a Machine Learning Approach," AgriEngineering, vol. 4, no. 1, pp. 32-47,
2022, doi: 10.3390/agriengineering4010003.
Página | 52
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
13. O. Patil, "Classification of Vegetables using TensorFlow," International Journal for Research in
Applied Science & Engineering Technology, vol. 6, no. 4, April 2018. [Online]. Available:
http://doi.org/10.22214/ijraset.2018.4488.
14. S. Haykin, "Neural networks and learning machines, 3/E," Pearson Education India, 2010. [Online].
Available: http://dai.fmph.uniba.sk/courses/NN/haykin.neural-networks.3ed.2009.pdf.
15. E. Escobar, N. García, J. Verduzco, and A. García, "Predicción de agentes patógenos en plantas
ornamentales utilizando redes neuronales," Tecnologías de la Información, pp. 4-13, 2018.
16. H. Cobían, N. García, J. García, A. Ruíz, and J. Verduzco, "Red neuronal convolucional aplicada a
la predicción de patógenos en plantas ornamentales," Federación Global de Profesiones, vol. 3.1,
no. 19, 2021.
17. Á. Artola, "Clasificación de imágenes usando redes neuronales convolucionales en Python," Tesis
de Grado en Ingeniería de las Tecnologías de Telecomunicación, Escuela Técnica Superior de
Ingeniería, Universidad de Sevilla, 2019.
18. A. Kumar, "Hold-out Method for Training Machine Learning Models," Data Analytics. [Online].
Available: https://vitalflux.com/hold-out-method-for-training-machine-learning-model/.
19. K. Wabang, O. Nurhayati, and Farikhin, "Application of The Naïve Bayes Classifier Algorithm to
Classify Community Complaints," Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol.
6, pp. 872-876, 2022, doi: 10.29207/resti.v6i5.4498.
Página | 53
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
ANÁLISIS DE TIEMPOS DEL PROCESO DE EMISIÓN DE FICHAS WEB EN
UNA INSTITUCIÓN SUPERIOR
TIME ANALYSIS OF THE PROCESS OF ISSUING WEB SHEETS IN A HIGHER INSTITUTION
Ing. Gustavo Ivan Vega Olvera1
Ing. Patricia Vega Flores2
Ing. David Morales Orozco3
Lic. Patricia Alcantar Ortiz4
RESUMEN
El presente trabajo tiene como objetivo analizar los tiempos registrados en el proceso de emisión de fichas para
aspirantes a nuevo ingreso vía aplicación web, durante el periodo 2023 en el Tecnológico Nacional de México/ITS
Sur de Guanajuato.
Para realizar la estadística descriptiva se utilizó la plataforma web Colaboratory junto con el lenguaje de
programación Python y las librerías Pandas y MatPlotLib.
El desarrollo se realizó con los siguientes pasos: recolección de datos, preparación de datos, cálculo de tiempos
y generación de estadística.
En los resultados se presenta el tiempo que regularmente un aspirante dura en finalizar el proceso de adquisición
de ficha. De manera detallada se analizan el tiempo de pago, el tiempo de llenado de solicitud y el tiempo de
revisión.
Se podría realizar ajustes al proceso para disminuir casos dispersos y atípicos con el fin de tener un mejor control
y estandarización en los tiempos del proceso.
ABSTRACT
The objective of this work is to analyze the times recorded in the process of issuing tokens for new admission
applicants via web application, during the period 2023 at the Tecnológico Nacional de México/ITS Sur de
Guanajuato.
To carry out the descriptive statistics, the Colaboratory web platform was used together with the Python
programming language and the Pandas and MatPlotLib libraries.
The development was carried out with the following steps: data collection, data preparation, calculation of
times and generation of statistics.
The results show the time it usually takes for an applicant to complete the token acquisition process. Payment time,
application filling time and review time are analyzed in detail.
Adjustments could be made to the process to reduce dispersed and atypical cases in order to have better control and
standardization in process times.
Palabras clave: Estadística, nuevo ingreso, pandas, educación superior
Key words: Statistics, new entry, pandas, higher education.
1 Profesor de tiempo completo del programa de Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México / ITS Sur
De Guanajuato. gi.vega@itsur.edu.mx
2 Profesor de tiempo completo del programa de Ingeniería en Sistemas Computacionales del Tecnológico Nacional de México / ITS Sur
De Guanajuato. p.vega@itsur.edu.mx
3 Profesor de tiempo completo del programa de Ingeniería en Sistemas Automotrices del Tecnológico Nacional de México / ITS Sur De
Guanajuato. d.morales@itsur.edu.mx
4 Profesor de tiempo completo del programa de Licenciatura en Gastronomía del Tecnológico Nacional de México / ITS Sur De Guanajuato.
p.alcantar@itsur.edu.mx
Página | 54
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
INTRODUCCIÓN
En febrero del 2023 el Tecnológico Nacional de México campus Sur de Guanajuato (TecNM/ITS Sur
de Guanajuato) puso en marcha un nuevo proceso para la emisión de fichas. Este nuevo proceso permite
que el alumno pueda realizar una solicitud de ficha para nuevo ingreso a la institución a través de una
aplicación web pública sobre Internet. La aplicación web fue desarrollada por el cuerpo académico
“Desarrollo Tecnológico” con clave ITESSGTO-CA-3 y recibe el nombre de Sistema de Emisión de
Fichas Web (SEFI).
El TecNM/Sur de Guanajuato, público el día 14 de febrero público a través de su sitio web y redes
sociales oficiales la apertura del periodo de emisión de fichas para nuevo ingreso [1]. En la misma
publicación se describe las actividades para adquirir una ficha junto con los enlaces electrónicos a los
sistemas involucrados, entre ellos la aplicación SEFI [2]. En el sitio web de la aplicación SEFI se
describe los pasos para adquirir una ficha para nuevo ingreso. La figura 1 resume el proceso para adquirir
una ficha para aspirantes a nuevo ingreso al TecNM/ITS Sur de Guanajuato.
Registro en SEFI
Registro con
correo
electrónico y
CURP.
Pago
Solicitud de ficha
1) Generar linea
pago en
Revisión Solicitud
aplicación SiTyS. 1) Llenado de
solicitud con
Descarga ficha
2) Pago en
Se realiza 1 o N
documentos
institucion
revision(es).
digitalizados.
bancaria.
El aspirante
(Constancia,
puede descargar
Foto, CURP, Acta
su ficha.
Nac., Domicilio,
SUREDSU).
Figura 1. Proceso para adquirir una ficha para aspirantes a nuevo ingreso al TecNM/Sur de Guanajuato.
Para el presente trabajo se tienen como objetivo calcular y analizar los tiempos que duran los aspirantes
para adquirir una ficha para nuevo ingreso, a través de la aplicación SEFI durante el periodo febrerojunio 2023.
Para generar la estadística descriptiva se utilizó la plataforma web "Colaboratory", una libreta digital
para estudiantes de programación, ciencia de datos o inteligencia artificial que te permite realizar notas
que incluyan fragmentos de programación en Python y que son ejecutables [3], todo en línea. Otro
aspecto importante de la plataforma es que no tiene ningún coste por la disposición de recursos
informáticos.
Para facilitar el trabajo en la generación de la estadística se emplea la librería Pandas para el lenguaje de
programación Python. La librería es una herramienta de código abierto y flexible para la manipulación
y análisis de datos [4].
Pandas integra con la librería MatPlotLib de Python lo que facilita la realización de gráficos y
visualización de datos [5]. De manera general estas son las herramientas utilizadas para para desarrollar
el presente trabajo.
Página | 55
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
METODOLOGÍA
Recolección de datos
Para la recolección de los datos se realiza un ajuste a la plataforma SEFI para permitir registrar fecha y
hora de los siguientes momentos: registro del aspirante, pago, envío de solicitud y revisión de solicitud.
Se recogió una muestra de 132 folios(aspirantes), la cual representan un 34% de las fichas emitidas. El
periodo de registro de los datos inicio el 27 de abril del 2023 y finalizo el 9 de junio del 2023. La emisión
de fichas comenzó el 14 de febrero del 2023
Preparación de los datos.
El registro de fecha y hora se encuentra en una tabla de la base de datos SEFI. Por cada evento
mencionado anteriormente existe un registro con el folio de la solicitud, fecha y hora y evento (pago,
envío de solicitud y revisión). Para organizar esta estructura de datos mencionada, se generó una consulta
en base de datos de tal manera que ahora se tienen los datos estructurados en una tabla que tiene el folio,
fecha de registro en SEFI, fecha de validación de pago, fecha de envió de solicitud y fecha de revisión.
Cálculo de los tiempos.
Se calcula el tiempo por cada etapa del proceso y el tiempo final que dura cada aspirante en completar
el proceso de emisión de ficha y obtener una.
Generar estadística descriptiva e interpretación de los datos.
Calcular las medidas de tendencia central, Medidas de dispersión y graficar los datos para una mejor
apreciación e interpretación de los datos.
RESULTADOS
La tabla 1 muestra la estructura de los registros de tiempos en SEFI, la tabla 2 muestra una reorganización
de los datos para el cálculo de los tiempos de espera y la estadística descriptiva.
Tabla 1. Organización de los datos en
SEFI.
Tabla 2. Organización de datos para estadística.
La tabla 3 muestra el resultado de los cálculos de tiempos de finalización de cada evento del proceso y
el tiempo total.
Tabla 3. El tiempo que dura la culminación de cada evento durante adquisición de una ficha para aspirante a nuevo ingreso.
Página | 56
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
La figura 2 muestra el gráfico de dispersión. Se agregó al grafico medidas de tendencia central como la
media (línea roja) y la mediana (línea verde). En él se aprecia un grupo de datos muy disperso; sin
embargo, mayormente se aprecia que hay un grupo considerable, donde los tiempos se encuentran por
debajo de la media y la mediana, lo que indica que ese grupo está durando menos de 5.6 días en realizar
y finalizar el proceso de emisión de fichas. También, es importante identificar el porqué de la dispersión
considerable de algunos datos ya que ayudaría a disminuir los tiempos y mejorar las medidas de
tendencia central. Con esto se podría alcanzar una mayor uniformidad logrando reducir y estandarizar
el tiempo para obtener una ficha.
Media
Mediana
Figura 2. Gráfico de dispersión. Tiempo final que un aspirante dura en obtener una ficha para nuevo ingreso.
La tabla 4 muestra medidas de tendencia central y dispersión. En promedio los aspirantes a nuevo ingreso
duran alrededor de 8 días y medio en completar el proceso para adquirir una ficha. El tiempo mínimo es
de 1 hora 36 minutos y el máximo de 33.14 días.
Estos 2 valores reflejan gran dispersión de los datos sin embargo también se observa que el 75% de la
muestra presenta cierto grado de uniformidad ya que se encuentran alrededor de las medidas de tendencia
central, aunque mayormente por debajo y sobre la mediana traduciéndose en un mejor tiempo.
Para detallar más el análisis sobre los tiempos entre cada evento, en la tabla 4 se puede ver como los
tiempos de pago y llenado de solicitud tienen una mayor desviación estándar en comparación con los
tiempos de revisión, el cual dice que este último tiene mejor uniformidad de los datos, lo que indica que
este paso del proceso, que involucra mayormente al departamento de servicios, tardará en promedio 17
horas y media, siendo el paso con menor tiempo.
Tabla 4. Medidas de tendencia central y dispersión de los tiempos parcial y final.
Página | 57
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
También, los primeros dos cuartiles dicen que el 50% de los aspirantes se le aprueba su ficha en menos
de 3 horas después de haber enviado su solicitud, incluso con el tercer cuartil la aprobación de fichas
sigue siendo en menos de 17 horas, menos de un día. Los datos más dispersos, véase figura 3, muestran
que los alumnos pueden llegar a durar hasta 8 días atendiendo observaciones derivadas de revisiones.
Figura 3. Gráfico de dispersión de tiempos por etapas del proceso.
Para el caso de los tiempos en el llamado de la solicitud, los alumnos en promedio están durando 2 días
y medio para completar el llenado de la solicitud; sin embargo, los 2 primeros cuartiles nos indican que
el 50% de los aspirantes completa su solicitud en menos de 10 horas, menos de un día. Los datos más
dispersos nos hacen preguntar si los alumnos presentan dificultades en el llenado de alguna sección.
Saber esto nos podría ayudar a mejorar alguna sección de la solicitud.
Y el tiempo de pago, con mayor dispersión de datos y un menor control de esta etapa del proceso, es
quien presenta la mayor desviación, sin embargo, el 50% de los aspirantes (116) concretan su proceso
en un tiempo menor al de la media, más cerca a la mediana, 2 días 21 horas. Algo que se puede observar
que en el gráfico de dispersión es que los folios dispersos están más alejados de la fecha de finalización
de del periodo de emisión de fichas.
CONCLUSIONES
En conclusión, el 50 % de los aspirantes logra completar el proceso para adquirir una ficha en un tiempo
no mayor a 5.5 días, lo cual está por debajo de la media de 8.5 días y más cercano a la mediana, que es
de 5.5 días. Cabe mencionar que, en los datos más dispersos, algunos puedan ser datos atípicos, ya que
algunos folios presentaron retraso en su proceso por problemas con el sistema SEFI. Esto nos sugiere
tomar la mediana como la tendencia central en los datos.
Es importante implementar en todas las etapas del proceso un análisis con el objetivo de identificar
oportunidades de mejora para disminuir datos dispersos y atípicos y así afinar un proceso de emisión de
fichas mejor controlado y estandarizado en los tiempos del proceso. Para el caso de los tiempos de pago,
se pueden implementar alertas para aquellos que se están demorando en terminar ese paso del proceso.
Para saber un poco más sobre la dispersión de datos sería importante agregar la carrera que el aspirante
selecciono, esto podría ayudar a saber si hay agrupación por carrera en los datos dispersos y de esta
manera identificar oportunidades de mejoran en el llenado de la solicitud y revisión de la misma.
Página | 58
© FEGLININ
| Año 7, No 27, agosto –diciembre
2023 |
ISSN 2594-2298
Volumen 3.3
REFERENCIAS BIBLIOGRÁFICAS
1. Departameno de Control Escolar, «Tecnologico Nacional de México / Sur de Guanajuato,» 14 02
2023.
[En
línea].
Available:
https://surguanajuato.tecnm.mx/docs/escolares/2023/CALENDARIO_INSCRIPCIONES2023.pdf.
2. Tecnologico Nacional de México / Sur de Guanajuato, «Sistema de Emsión de fichas Web,» 31 03
2023. [En línea]. Available: https://fichas.surguanajuato.tecnm.mx/.
3. Research,
Google,
«Colaboratory,»
01
01
2023.
[En
línea].
Available:
https://research.google.com/colaboratory/intl/es/faq.html.
4. NumFOCUS, Inc., «Pandas,» OVHcloud., 2023. [En línea]. Available: https://pandas.pydata.org/.
5. The pandas development team, «Pandas 0.13.1 documentation,» 2008-2014. [En línea]. Available:
https://pandas.pydata.org/pandas-docs/version/0.13.1/visualization.html.
Página | 59
Juan Pablo Díaz Moreno
Presidente
Federación Global De Profesiones AC
QUE NINGUNA OPINIÓN QUEDE FUERA, TODOS ESTAMOS INVITADOS A
PUBLICAR EN LA REVISTA GoEL AQUELLO QUE QUEREMOS COMPARTIR CON
LOS DEMAS.
Da clic en el siguiente enlace para iniciar a participar en las
Publicaciones:
DESEO PUBLICAR MENSUALMENTE MI COLUMNA DE OPINIÓN
EN LA REVISTA GOEL
Es una revista mensual publicada
en formato electrónico donde se
dan a conocer las opiniones
profesionales en diversos temas
https://www.goelpro.com/