http://hdl.handle.net/20.500.12953/99 Sat, 11 Apr 2026 16:32:39 GMT 2026-04-11T16:32:39Z http://hdl.handle.net/20.500.12953/278 Desarrollo de un sistema integrado de gestión documental y administrativa para docentes de la institución educativa Padre Pérez de Guereñu de la ciudad de Arequipa Alemán Zambrano, Guillermo José; Mendiguri Chávez, Daniel Gustavo El presente trabajo tuvo como objetivo diseñar e implementar un sistema integrado de gestión documental y administrativa dirigido a los docentes de la Institución Educativa Padre Pérez de Guereñu de la ciudad de Arequipa. La investigación abordó la problemática de la sobrecarga administrativa y la gestión manual de documentos académicos, que generan pér- dida de tiempo, duplicidad de información y estrés laboral en el personal docente. Para ello, se aplicó la metodología ágil Scrum, desarrollando un software web basado en tecnologías de código abierto como Laravel, PostgreSQL y Bootstrap. El sistema se estructuró en módu- los académico y administrativo, permitiendo la organización, almacenamiento y recuperación eficiente de los documentos institucionales. Durante la fase de validación, se ejecutaron pruebas funcionales, de integración y de usa- bilidad, a los docentes (usuarios finales) se les presentó un formulario de Google para tener conocimiento de su aceptacion, estos reflejaron una buena aceptación general y áreas poten- ciales de mejora en la experiencia de usuario. Los resultados demostraron que la solución propuesta reduce significativamente la carga administrativa docente y optimiza los procesos de gestión documental. En conclusión, el sistema constituye una herramienta efectiva y esca- lable que contribuye a la digitalización educativa y mejora de la eficiencia institucional. Tue, 25 Nov 2025 00:00:00 GMT http://hdl.handle.net/20.500.12953/278 2025-11-25T00:00:00Z http://hdl.handle.net/20.500.12953/277 Aplicación móvil para incentivar el programa de segregación de residuos en el distrito de Mariano Melgar Paredes Aranzamendi, Alex Andre La presente tesis plantea la creación e implementación de una app móvil denominada Aquicito, cuyo propósito es promover la separación de residuos sólidos en el distrito de Mariano Melgar, Arequipa. La aplicación busca incrementar la participación ciudadana en prácticas sostenibles mediante el uso de tecnologías como React Native, MongoDB y Firebase, integrando funcionalidades como registro de reciclaje mediante códigos QR, sistema de puntos y canje de premios, notificaciones push, y reporte de incidencias. El proyecto responde a problemáticas identificadas como la baja participación ciudadana, la falta de incentivos, y la inadecuada infraestructura para la recolección diferenciada. Se aplicó el enfoque ágil Scrum como marco metodológico durante el proceso de desarrollo. La validación de la herramienta mostró un aumento en la tasa de reciclaje y una mayor conciencia ambiental por parte de los usuarios. Se concluye que Aquicito es una solución tecnológica viable y efectiva para apoyar el manejo responsable y sostenible de los desechos sólidos en el ámbito local. Tue, 25 Nov 2025 00:00:00 GMT http://hdl.handle.net/20.500.12953/277 2025-11-25T00:00:00Z http://hdl.handle.net/20.500.12953/219 Modelo de asignación dinámica de tareas multiagente en la polícia nacional del Perú en la ciudad de Arequipa Dueñas Vera, Sergio Miguel La Policía Nacional del Perú desempeña un papel crucial en la protección y seguridad de los ciudadanos. No obstante, los métodos tradicionales de asignación de tareas han demostrado ser insuficientes ante la creciente complejidad de los desafíos delictivos. Este estudio se centra en mejorar la asignación de tareas en la policía de Arequipa mediante un enfoque innovador: un modelo de asignación dinámica de tareas utilizando un sistema multiagente respaldado por inteligencia artificial. La investigación se llevó a cabo en la ciudad de Arequipa, impulsada por la necesidad de optimizar la respuesta policial a las denuncias ciudadanas y reconociendo la importancia de la tecnología en la modernización de los métodos policiales. Se realizó una revisión sistemática de la literatura para fundamentar conceptualmente el modelo propuesto, seguida de un diseño e implementación práctica utilizando técnicas de ingeniería de software y aprendizaje automático. El modelo desarrollado, denominado LEPH (Law Enforcement Problem Heterogeneous), se basa en la idea de asignar dinámicamente múltiples agentes a tareas variadas y desconocidas en tiempo real. Esto permite una distribución óptima de recursos humanos y una respuesta más rápida y efectiva a los incidentes delictivos, considerando factores como la ubicación, la urgencia y la importancia de cada tarea. Los resultados obtenidos muestran una mejora significativa en la eficiencia y efectividad de la policía de Arequipa. Se evidenció una reducción en el tiempo de respuesta a las denuncias del 30%, aunque fue necesario aumentar el presupuesto de la policía en un 3%. Además, los análisis revelaron una reducción notable en la distancia real recorrida por los patrulleros, destacando la eficiencia del modelo en acercar a los agentes a las denuncias. También se identificó que mantener un número óptimo de agentes es crucial para evitar incrementos significativos en la distancia de ejecución. Thu, 11 Jul 2024 00:00:00 GMT http://hdl.handle.net/20.500.12953/219 2024-07-11T00:00:00Z http://hdl.handle.net/20.500.12953/176 Detección y segmentación de peces utilizando técnicas de deep learning Manrique Chalco, Walker Fernando En esta tesis se examina la detección y segmentación de peces con el objetivo de mejorar la crianza de truchas. La crianza de truchas enfrenta desafíos en la identificación y seguimiento preci- so de los peces, lo que dificulta el monitoreo de su crecimiento y salud, ayudando a determinar la abundancia relativa y rastrear los cambios en la población de peces. Para lograr el objetivo, se analizan los modernos algoritmos de detección de objetos basados en deep learning. A partir de este análisis, se han identificado las técnicas que se ajustan mejor a esta investigación, siendo esta YOLOv5 para la detección y U-Net para la segmentación. Dado que para el entrenamiento es necesario una gran cantidad de datos, se utilizaron distintos Datasets públicos y un dataset generado específicamente para esta investigación. Estos conjuntos de datos proporcionaron la diversidad necesaria para entrenar y evaluar los modelos de detección y segmentación de peces de manera más precisa y confiable. También se presenta una herramienta que permitirá usar los modelos presentados desde una termi- nal, haciendo que su uso sea práctico y sencillo, facilitando así su implementación en entornos de crianza de truchas. En conclusión, esta investigación ha demostrado que el uso de los algoritmos de detección YOLOv5 y de segmentación U-Net, junto con la utilización de diversos conjuntos de datos, ha permitido mejorar significativamente la precisión y el rendimiento en la detección y segmentación de peces. Estos avances pueden tener un impacto positivo en la crianza de truchas, al facilitar el monitoreo y seguimiento de los peces de manera más eficiente y confiable. Wed, 14 Jun 2023 00:00:00 GMT http://hdl.handle.net/20.500.12953/176 2023-06-14T00:00:00Z