Our purpose is to manage, preserve, and disseminate all the intellectual, scientific, and historical production of our university community.
Communities in DSpace
Select a community to browse its collections.
Recent Submissions
Diseño de una arquitectura de software Cloud-Agnostic basada en Microservicios, orientada a la proximidad, y protocolos de cifrado Cero conocimiento (Zero Knowledge Proofs) y efimeridad de datos para la red social AllRight
(Pontificia Universidad Javeriana Cali, 2026) Ceballos Adarve, Vladimir; Moreno Valiyes, Efren; Córdoba Victoria, Juan Felipe
El presente documento expone el diseño de la arquitectura sociotécnica para AllRight, una plataforma de red social efímera orientada a mitigar la ansiedad social en adultos jóvenes mediante interacciones presenciales espontáneas y seguras. A diferencia de las plataformas de social discovery tradicionales, AllRight implementa un paradigma de Residuo Cero y Privacy by Design, operando al 100% en memoria volátil (RAM) mediante un motor NoSQL en memoria (Redis) y garantizando el anonimato estructural de los usuarios a través de protocolos de identificación basados en ZeroKnowledge Proofs (ZKP). El diseño arquitectónico adopta el estándar C4 y se fundamenta en un ecosistema Cloud Agnostic contenerizado, lo que asegura una portabilidad absoluta entre múltiples proveedores de nube. La viabilidad de la propuesta se estructura bajo una metodología iterativa de validación empírica en dos momentos, evaluando tanto métricas de rendimiento técnico como variables psicométricas de seguridad emocional en el usuario final.
Desarrollo de un modelo de inteligencia artificial para la predicción de demanda en productos de alta rotación en PYMES de Ibagué
(Pontificia Universidad Javeriana Cali, 2026) Nova Rojas, William Andrés; Mora Cardona, Mario Julián
Las pequeñas y medianas empresas (PYMEs) minoristas suelen reponer inventario con criterios empíricos, lo que aumenta la probabilidad de desabastecimiento (ruptura de inventario y ventas perdidas) y de sobreinventario (capital inmovilizado, mayores costos de almacenamiento y merma). En este contexto, el presente trabajo de grado desarrolla y evalúa un modelo de inteligencia artificial para la predicción de demanda diaria de productos de alta rotación en dos puntos de venta minoristas ubicados en Ibagué (Mercaya y Villa Café), con el propósito de aportar una herramienta evaluada cuantitativamente y aplicable a la operación para apoyar la gestión de inventarios. Metodológicamente, se construyó un proceso reproducible que transforma datos operativos en una estructura consistente producto–día, ejecuta limpieza y estandarización, e incorpora señal temporal mediante lags y agregaciones móviles (rolling). Adicionalmente, se integran variables de calendario (día, quincena, mes y condición de día hábil) y, cuando es pertinente, contexto climático. Se entrenaron y compararon modelos de regresión lineal y ensambles basados en árboles (Random Forest, XGBoost y LightGBM) bajo un esquema de validación temporal para un horizonte de predicción de un día (h = 1). El desempeño se evaluó con métricas orientadas a una lectura operativa del error (MAE y WAPE %) y con medidas complementarias de ajuste (R2 y R2 adj ) y de penalización de errores grandes (MSE), además del tiempo de entrenamiento. Los resultados muestran que el mejor desempeño se alcanza con conjuntos compactos de variables (aprox. 9–12 variables base), lo que evidencia que aumentar el número de variables no garantiza una mejor generalización. En ambos negocios, la señal dominante proviene de la memoria temporal reciente y del calendario; en Villa Café, además, la descripción categórica del clima aporta señal contextual relevante. Random Forest presentó el mejor equilibrio global, reduciendo el error frente al entrenamiento con todas las variables: en Mercaya, el MAE disminuyó de 1075.68 a 933.04 (WAPE % de 35.85 a 31.10), y en Villa Café de 1355.22 a 1099.53 (WAPE % de 43.41 a 35.22), junto con mejoras en R2 y una menor complejidad del conjunto de variables. En conjunto, el trabajo entrega un procedimiento sostenible y replicable para apoyar decisiones de compra, reducir el desabastecimiento y el sobreinventario, y estandarizar la reposición mediante un ciclo de mejora continua basado en evidencia.
Prototipo de videojuego en realidad virtual basado en una narrativa para niños con diversidades sensoriales
(Pontificia Universidad Javeriana Cali, 2026) Gustín Martínez, Valeria Fernanda; Castillo Erazo, María Paula; Navarro Newball, Andrés Adolfo
El presente trabajo desarrolló un prototipo funcional de videojuego sensorial en realidad virtual, inspirado en el cuento infantil ¿Dónde está mi mamá jaguar?, orientado a promover la inclusión educativa y favorecer la comprensión narrativa en niños de 5 a 12 años con diversidades visuales y/o auditivas. El prototipo integra recursos multisensoriales y mecanismos de accesibilidad dentro de una experiencia inmersiva basada en la exploración, el reconocimiento y la interacción guiada. La propuesta fue diseñada e implementada utilizando tecnologías de realidad virtual y evaluada con profesionales del Instituto para Niños Ciegos y Sordos del Valle del Cauca, quienes aportaron retroalimentación para validar la funcionalidad, accesibilidad y pertinencia del sistema como herramienta de apoyo educativo inclusivo.
Finvise: desarrollo de una plataforma web de educación financiera con inteligencia artificial adaptativa
(Pontificia Universidad Javeriana Cali, 2026) Valencia Payán, Nicolás; Noreña Agudelo, Luis Gonzalo
El presente trabajo de grado describe el diseño y desarrollo de FinVise, una plataforma web educativa que emplea inteligencia artificial adaptativa para personalizar el aprendizaje financiero de sus usuarios. A diferencia de los robo-advisors tradicionales, cuya finalidad es ejecutar operaciones financieras reales, FinVise opera exclusivamente como herramienta pedagógica, enmarcando cada recomendación como un ejemplo contextualizado al perfil de vida del usuario y no como asesoramiento financiero regulado. El sistema integra cinco fuentes de datos de mercado en tiempo real, un motor de recomendaciones basado en el modelo de lenguaje Claude Sonnet de Anthropic, un algoritmo de aprendizaje Multi-Armed Bandit (UCB1) para personalización adaptativa, detección automática de cinco sesgos cognitivos respaldados por la literatura de finanzas conductuales (Kahneman y Tversky), y un diseño de encuesta pre/post que permite medir el impacto educativo cuantitativamente. La plataforma fue construida con NestJS en el backend y React con Vite en el frontend, con Supabase (PostgreSQL) como capa de persistencia. Este documento presenta la identificación de requisitos funcionales y no funcionales del sistema, el diseño de su arquitectura, la implementación del prototipo y los resultados de las pruebas de validación.
Modelos de predicción del tiempo de vida útil y clasificación de madurez en aguacates Hass mediante Deep Learning
(Pontificia Universidad Javeriana Cali, 2026) Enriquez Estrada, Sebastián; Escobar Llanos, Samuel; Torres Valencia, Cristian Alejandro; Martínez Arias, Juan Carlos
Este proyecto desarrolló un sistema inteligente que combina visión por computador y aprendizaje profundo para clasificar la madurez del aguacate Hass y predecir su vida útil en días. La iniciativa surgió como respuesta al alto nivel de desperdicio de esta fruta en los procesos de distribución y comercialización en la región. El diseño contempló dos modelos, uno de clasificación en cuatro etapas de madurez y otro de regresión para estimar los días hasta el deterioro completo, ambos entrenados con una base de datos pública de imágenes de aguacates en distintos estados de maduración. Se integró una interfaz que permite cargar fotografías y visualizar tanto la clase de madurez como la predicción de vida útil. El sistema permitió el análisis del estado de madurez de aguacates, promoviendo su consumo en tiempos adecuados y reduciendo así la posibilidad de desperdicio, brindando una herramienta práctica para distribuidores, comerciantes y consumidores mediante decisiones objetivas basadas en métricas validadas. Los resultados obtenidos incluyen dos modelos de aprendizaje profundo con métricas de desempeño validadas, un análisis de efectividad y precisión, y un prototipo funcional de interfaz que integra ambos sistemas, contribuyendo así a la aplicación de tecnologías de inteligencia artificial en el sector agrícola colombiano.