http://hdl.handle.net/20.500.11799/40982 Thu, 09 Apr 2026 10:52:06 GMT 2026-04-09T10:52:06Z http://hdl.handle.net/20.500.11799/143755 Análisis Cualitativo de documentos de texto en español Hernández Jiménez, Gerardo; Cuevas Rasgado, Alma Delia; Hernández Espinosa, Rafael; Niño Membrillo, Yedid Erandini El artículo aborda la problemática del análisis de textos extensos, como entrevistas, dentro del ámbito de la investigación cualitativa. En los estudios de ciencias sociales, las herramientas de análisis cualitativo son fundamentales para organizar y extraer información relevante de corpus textuales. Estos datos son esenciales para investigaciones en áreas diversas como estudios económicos, investigación de mercados, opiniones electorales y temas sociales importantes como la violencia de género y la pandemia de COVID-19. El análisis de opiniones y testimonios presenta desafíos complejos, tales como: 1) la dificultad para distinguir entre opiniones y hechos, lo cual puede afectar la objetividad de los resultados; 2) la complejidad estructural de las entrevistas, que pueden variar significativamente en formato y contenido; y 3) el tiempo considerable que debe invertir el investigador para leer y analizar manualmente cada entrevista, lo cual limita la eficiencia y la productividad. Para enfrentar estos desafíos, se ha desarrollado el método de Codificación Cualitativa (CodCual), que incorpora técnicas de Procesamiento de Lenguaje Natural (PLN), como la segmentación automática de oraciones, utilizando la biblioteca NLTK (Natural Language Toolkit) en lenguaje de programación Python. Esta segmentación permite dividir el texto en unidades oracionales, facilitando la identificación y el marcado de fragmentos relevantes en entrevistas en español. Si bien no se emplean modelos complejos de PLN, este enfoque permite acelerar la codificación manual, organizar de mejor manera la información textual para reducir la carga operativa del análisis. La efectividad de CodCual fue evaluada mediante pruebas con 145 usuarios, demostrando que el método puede ser utilizado eficazmente por personas con diferentes niveles de experiencia en análisis cualitativo. Los resultados de las pruebas de funcionalidad con 75.2%+16.6% y usabilidad con 57.9%+28.3% como propiedades de la calidad de los productos de software destacan que CodCual mejora significativamente la eficiencia en la codificación y recuperación de información, permitiendo a investigadores y estudiantes concentrarse en el análisis profundo en lugar de en la lectura exhaustiva de textos. Esto convierte a CodCual en una herramienta valiosa, gratuita y de software libre para incrementar la productividad y precisión en la investigación cualitativa. Fue parte de un proyecto cuyos recursos no pudimos usar. Sobre un analizador cualitativo dfe textos en español, que se usa para identificar los mensajes principales de una entrevista con preguntas abiertas. Thu, 01 Jan 2026 00:00:00 GMT http://hdl.handle.net/20.500.11799/143755 2026-01-01T00:00:00Z http://hdl.handle.net/20.500.11799/143577 INFLUENCIA DEL DESBALANCE EN LA DETECCION DE DESORDENES PSIQUIATRICOS MEDIANTE EGG Gonzalez Guzman, Edgar David; Davila Bautista, Jesus Adrian En esta tesis se aborda la problemática del desbalance de clases en la detección de trastornos psiquiátricos utilizando señales de electroencefalogramas (EEG). A lo largo del desarrollo, se muestra cómo este tipo de sesgo puede influuir de manera considerable en el rendimiento de los modelos de aprendizaje automático, generando una tendencia hacia las clases más representadas y dejando de lado información relevante de las clases minoritarias. Se abordan conceptos fundamentales sobre la electroencefalografía, los tipos de trastornos mentales que pueden identificarse mediante esta técnica y las implicaciones que tiene el desbalance de clases en ese contexto. Además, los resultados muestran que, si bien todos los clasificadores presentan un rendimiento competente, es importante tener en cuenta la implementación de distintas estrategias para contrarrestar este problema, como el submuestreo, el sobremuestreo y la generación de datos sintéticos (SMOTE). Estas técnicas se evalúan sobre un conjunto de datos, y se comparan los resultados obtenidos con y sin su aplicación. Los resultados reflejan que el uso adecuado de estas herramientas pueden mejorar notablemente la detección de los trastornos, permitiendo un análisis más justo y completo de la información. Finalmente, se ofrecen recomendaciones practicas sobre el uso de estos algoritmos en contextos clínicos y se plantean propuestas para investigaciones futuras. Esta tesis investiga la influencia del desbalance de clases en la clasificación de transtornos psiquiatricos con T;ecnicas de aprendizaje máquina. Thu, 18 Sep 2025 00:00:00 GMT http://hdl.handle.net/20.500.11799/143577 2025-09-18T00:00:00Z http://hdl.handle.net/20.500.11799/143558 Generative AI and Transformers in Advanced Skin Lesion Classification applied on a mobile device García Espinosa, Erick; Ruiz Castilla, José Sergio; García Lamont, Farid This research work focuses on the development of a device. Such a device could assist doctors in level 1 and 2 healthcare clinics in Mexico. Because, such clinics lack specialists. The device takes pictures of the patient's skin. The pictures allow to identify diseases and provide a preliminary diagnosis. With the pre-diagnosis it is possible to send the patient to the corresponding specialist. We built a Vision Transformer (VIT) model with a Raspberry Pi 4. The system leverages a dataset augmented by a Generative Adversarial Network (GAN) using Stable Diffusion. The addition of synthetic data significantly improved the performance metrics. Accuracy increased from 90.76% to 92.77%, and the macro average and weighted average F1 scores increased from 0.9076 to 0.9281. Also, improvements were observed in most disease categories. Thus, the model's capacity allows generalization, especially in underrepresented or challenging classes. Artículo científico Tue, 01 Apr 2025 00:00:00 GMT http://hdl.handle.net/20.500.11799/143558 2025-04-01T00:00:00Z http://hdl.handle.net/20.500.11799/142878 Algoritmos para Segmentación Autimática de Conjunto de Imágenes Utilizando Algoritmos Evolutivos Cervantes Canales, Jared El desarrollo de sistemas de visión artificial para la detección de imágenes representa un esfuerzo fundamental en una amplia gama de dominios científicos. Entre los diversos procesos involucrados, la segmentación de imágenes destaca como un paso crítico, ya que influye significativamente en la precisión y la eficiencia de las tareas posteriores. Lograr parámetros de segmentación óptimos con un coste computacional mínimo sigue siendo un reto clave, a menudo abordado mediante la implementación de algoritmos evolutivos. Esta tesis explora la aplicación de diversos enfoques evolutivos, incluyendo algoritmos genéticos, optimización por enjambre de partículas (PSO) y evolución diferencial, cada uno de los cuales opera sobre un amplio espectro de rangos de parámetros para determinar las estrategias de segmentación más eficaces. Para evaluar el rendimiento de estos algoritmos, se realizaron experimentos exhaustivos utilizando conjuntos de datos públicos como PlantVillage, Coffee Diseases, ICL y LSM. Estos conjuntos de datos abarcan imágenes digitales de diversos dominios y están diseñados para diversas aplicaciones del mundo real. Además, se integró en el estudio un método complementario basado en características a nivel de píxel, con resultados muy prometedores. La eficacia de cada técnica de segmentación se evaluó mediante métricas de rendimiento estándar, como la especificidad, la sensibilidad, la precisión, el índice probabilístico de Rand (PRI), la Variación de la Información (VOI), el Error de Consistencia Global (ECG) y el índice de Jaccard. Los resultados experimentales destacan la robustez y la eficiencia de los métodos propuestos, especialmente en escenarios que requieren alta precisión y adaptabilidad. Fri, 30 May 2025 00:00:00 GMT http://hdl.handle.net/20.500.11799/142878 2025-05-30T00:00:00Z