Examinando por Autor "Serrano León, Yeimmy Katherine"

Seleccione resultados tecleando las primeras letras
Mostrando 1 - 2 de 2
  • PublicaciónAcceso abierto
    La Corrupción y su Impacto en el Crecimiento Económico Sostenible: Análisis de Datos y Big Data para la Identificación de Factores y Generación de un Modelo de Machine Learning
    (2023) Rodríguez, Danilo Esteban; Amórtegui, Jorge Humberto; Trujillo, Sandra Milena; Serrano León, Yeimmy Katherine; GIIS
    La lucha contra la corrupción debido a su impacto en los índices de desarrollo es esencial, con el Análisis de Datos y Big Data es posible identificar factores y generar un modelo de Machine Learning que aborda la relación entre corrupción y crecimiento económico sostenible. Para abordar esta problemática, se deben intervenir múltiples aspectos clave, como la obtención, el procesamiento y el análisis de los datos. El objetivo principal del estudio es identificar los factores que influyen en esta relación y generar un modelo predictivo que pueda brindar asesoramiento estratégico a organizaciones interesadas en mitigar los efectos de la corrupción en el desarrollo económico. La investigación se basa en un enfoque multidisciplinario y utiliza varias técnicas y herramientas, como la extracción y limpieza de datos, análisis estadísticos, minería de datos y modelos de regresión. Se recopilan datos de fuentes confiables y verificables, tales como informes gubernamentales y bases de datos internacionales. Los resultados muestran una fuerte correlación entre indicadores de gobernanza y el Producto Interno Bruto per cápita, lo que sugiere que mejoras en áreas como el control de la corrupción, la efectividad gubernamental, el estado de derecho y la voz ciudadana pueden tener un impacto positivo en el desarrollo económico. Por lo tanto, es fundamental abordar la corrupción y mejorar la gobernanza para promover un entorno propicio para el crecimiento económico y la prosperidad. Se proporcionan recomendaciones informadas, así como visualizaciones para facilitar la comprensión de los resultados.
  • PublicaciónAcceso abierto
    Modelo de agrupación en clústeres a través de los datos en el cual se pueda plantear la priorización y mejora en la atención en las IPS primarias de las mujeres víctimas del conflicto armado en el departamento de Antioquia
    (Fundación Universitaria Compensar:, 2023) Pomar Gómez, Diana Marcela; Chacón Reyes, Carlos Javier; Rodríguez Cuesta, Jared Alejandro; Medina Guerrero., Ronald David; Serrano León, Yeimmy Katherine
    El conflicto armado en Colombia se relaciona con las diferencias ideológicas políticas y culturales de sus lideres, esto afecta a las personas en situación de vulnerabilidad como lo pueden llegar a ser: mujeres, niñas, y adolescentes que viven en medio de este, sufren de migración forzosa alejándolas de sus familias o sufriendo de violación sexual, siendo esto un evento traumático en sus vidas. Con base a esta problemática, el objetivo de esta consultoría es proponer un modelo de agrupación en clústeres que pueda llegar a mejorar el indicador de oportunidad y priorizar a las mujeres víctimas del conflicto armado, en las IPS primarias en el departamento de Antioquia a través del uso y análisis de datos, obteniendo así, un aprendizaje rápido por medio del modelo que proporcionen una información muy valiosa para realizar la posible priorización que se pretende proponer. Esta investigación es un estudio de tipo cuantitativo, no experimental de corte transversal con alcance exploratorio, donde se eligió una muestra de la población femenina víctima del conflicto armado, según distrito y departamento de residencia, seleccionando los casos del departamento de Antioquia del año 2022 por ser una muestra más representativa y de mayor número de casos. Con esta base de datos se pretende analizar la cantidad de mujeres, según sus edades para dar recomendaciones que lleven al desarrollo de estrategias que den priorización en la atención y con esto mejorar los tiempos de respuesta en las IPS en la población estudiada.