Browsing by Subject "Usuarios"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Aportes para el rediseño de un programa de atención para hipertensión y diabetes tipo II, análisis de actores Bolívar – Cauca 2021
    (Pontificia Universidad Javeriana Cali, 2021) Hurtado Viveros, Aura Nathaly; Gómez Peñaloza, Sheila Andrea
    Objetivo: Identificar los aportes de usuarios, redes de apoyo y profesionales de salud vinculados del programa de riesgo cardiovascular para el rediseño de un programa de atención para la HTA y DM II. Método: Investigación cualitativa – fenomenológica, estudio de caso. Se aplicaron 20 entrevistas semiestructuradas. 7 a usuarios del programa, 4 redes de apoyo y 9 profesionales de salud. Resultados: las barreras administrativas por parte de la EPS e IPS; y la falta de integralidad en la atención, son una limitante importante en la atención adecuada de los usuarios con diagnóstico de HTA y DMII Conclusiones: se debe manejar al usuario con patología crónica desde sus características propias individuales.
  • Thumbnail Image
    Item
    Modelado para la recomendación personalizada de noticias basado en técnicas de aprendizaje automático
    (Pontificia Universidad Javariana Cali, 2024) Buesaco Vela, José Miguel; Lozano Hernández, Nydia Natalia; Bolaños Vidal, Jamith; Álvarez Vargas, Gloria Inés; Linares Ospina, Diego Luis
    La digitalización ha generado que los usuarios se encuentren ante una sobreexposición de información, lo cual hace que tanto los usuarios como los medios de comunicación tradicionales y digitales se vean afectados. Para abarcar esta problemática, la ciencia de datos propone modelos de recomendación de noticias, los cuales tienen como objetivo analizar los gustos de los usuarios y, en función de estos generar filtros para proporcionarle al usuario una experiencia que ofrezca noticias de su interés. Con este proyecto buscamos desarrollar un modelo basado técnicas de aprendizaje automático para la recomendación personalizada de noticias. Para lograr el objetivo de este proyecto se realizan distintas fases como la preparación de los datos, modelado, entrenamiento, validación y finalmente se desarrolla un prototipo para la recomendación personalizada de noticias. Se aplican dos enfoques para las recomendaciones: el filtrado basado en contenido y el filtrado colaborativo, por la estructura de los datos utilizados, este último enfoque genera mejores recomendaciones. Los resultados muestran que el modelo denominado Descomposición en Valores Singulares (SVD) presenta el mejor desempeño en las predicciones determinado por la raíz del error cuadrático medio (RMSE) de 0,2461 y un F1-Score de 0,8118 en las listas personalizadas de recomendación de noticias.