Repositorio Institucional UJAT

El Repositorio Institucional de la Universidad Juárez Autónoma de Tabasco (UJAT) tiene como objetivo preservar, difundir y dar acceso libre al conocimiento generado por su comunidad académica.

Esta plataforma permite almacenar y compartir documentos académicos, científicos y culturales como tesis, artículos, libros, materiales audiovisuales y datasets de investigación.

Facilita el acceso en modalidad *open access* a la producción intelectual universitaria.
Garantiza la preservación digital a largo plazo del patrimonio académico de la institución.
Promueve la visibilidad nacional e internacional de los trabajos realizados por estudiantes, docentes e investigadores.

Este repositorio cumple con las políticas institucionales y nacionales de acceso abierto, y está optimizado para ser cosechado por buscadores académicos como Google Scholar y servicios que implementan OAI-PMH.

Banner del Repositorio Institucional de la UJAT

Foto por @inspiredimages

Comunidades en DSpace

Seleccione una comunidad para explorar sus colecciones.

Mostrando 1 - 5 de 5

Envíos recientes

Catálogo digital de plantas medicinales con recursos multimedia y modelado 3D para el aprendizaje y la divulgación científica
(2026-06-01) Arias de la Cruz. , Viridiana; 0000-0002-2674-7247; 0000-0003-2094-3201; asesorTesis; colaborador; González González, Oscar Alberto
El uso de las plantas medicinales constituye una práctica ancestral ampliamente difundida en comunidades rurales del estado de Tabasco; sin embargo, persiste una desconexión entre el conocimiento tradicional y la investigación científica, lo que puede derivar en usos inadecuados, riesgos para la salud pública y pérdida de saberes culturales. A pesar de que existen estudios científicos sobre propiedades fitoquímicas y validación taxonómica de diversas especies, la información permanece fragmentada y expresada en lenguaje técnico poco accesible para la población general y estudiantes. Ante esta problemática, la presente investigación tuvo como objetivo desarrollar un catálogo digital interactivo de plantas medicinales que integra recursos multimedia y modelado 3D, bajo los enfoques de Diseño de Experiencias de Aprendizaje (LXD), Experiencia de Usuario (UX) y modelo de prototipado. El estudio se desarrolló bajo un enfoque cualitativo aplicado, incorporando tradiciones como la etnografía, fenomenología, hermenéutica y teoría de sistemas. La recolección de datos se realizó mediante entrevistas, grupos focales, observación participativa y análisis documental, procesados con el software Atlas. ti para identificar patrones y categorías emergentes. Los resultados evidenciaron que la integración de modelado 3D, contenidos multimedia y visualización interactiva favorece la comprensión de conceptos botánicos y fitoquímicos, mejora la experiencia de aprendizaje y facilita la apropiación social del conocimiento científico. Se concluye que el catálogo digital constituye una herramienta innovadora para fortalecer la divulgación científica, promover el uso informado y responsable de plantas medicinales y tender un puente entre ciencia y tradición.
Modelado y análisis de un sistema fotovoltaico autónomo con determinación de los parámetros del panel mediante redes neuronales convolucionales
(2026-04-01) Márquez García, Carlos Emilio; 0000-0003-3045-5308; 06599; asesorTesis; colaborador; López Gómez, Jesús
La transición hacia sistemas fotovoltaicos autónomos (SFVA) altamente eficientes exige modelos dinámicos que superen las limitaciones de las especificaciones nominales de fabricante, las cuales suelen divergir del rendimiento en entornos reales. Esta investigación desarrolla y valida una plataforma analítica integral para un SFVA instalado en Cunduacán, Tabasco, empleando el método de promediado en el espacio de estados y Redes Neuronales Convolucionales (RNC) para la identificación paramétrica del modelo de un solo diodo (SDM). A diferencia de los enfoques estáticos convencionales, la metodología propuesta integra la dinámica del convertidor C.C. a C.C. y un robusto sistema de adquisición de datos para mediciones insitu. Los resultados experimentales demuestran una precisión del 94% en la reproducción del comportamiento del sistema durante condiciones de operaciones table, logrando capturar con éxito eventos transitorios derivados de variaciones críticas en la irradiancia y la temperatura. Si bien el modelo exhibe una alta fidelidad en las primeras horas de operación, el análisis de discrepancias detectado a partir de las13:00h revela la influencia determinante del banco de baterías, señalando la necesidad de integrar modelos electroquímicos detallados en el futuro. El modelo dinámico resultante trasciende la descripción teórica para consolidarse como una herramienta esencial en la innovación de algoritmos de gestión de energía y el diseño de gemelos digitales. Este trabajo establece un precedente metodológico para el control avanzado de sistemas solares, optimizando la sostenibilidad y predictibilidad de la generación fotovoltaica en condiciones climáticas variables.
Descriptive and predictive models for Guillain-Barre syndrome based on clinical data using machine learning algorithms
(2026-02-01) Hernández Torruco, José; 0000-0003-1893-1332; 0000-0001-9307-0734; asesorTesis; colaborador; Frausto Solis, Juan
Guillain-Barré Syndrome (GBS) is an autoimmune neuropathy of fast evolution and potentially fatal. The exact cause of GBS is unknown; however, it is frequently preceded either by a respiratory or a gastrointestinal infection. The diagnosis of GBS includes clinical, serological and electrophysiological criteria (nerve conduction or electrodiagnostic test) [67]. The severity of GBS varies among subtypes, which can be mainly Acute In ammatory Demyelinating Polyneuropathy (AIDP), Acute Motor Ax onal Neuropathy (AMAN), Acute Motor Sensory Axonal Neuropathy (AMSAN) and Miller-Fisher Syndrome [59]. A better understanding of the di erences in the GBS subtypes is critical for the implementation of appropriate treatments for total recovery and, in certain cases for the survival of patients. Hos pitalization time and the cost of treatments vary according to the severity of the speci c subtype. Finding a minimum feature subset to accurately identify GBS subtypes could lead to a simpli ed and cheaper process of diagnosis and treatment of the GBS case. The ultimate goal of a physician is to get patients to a full recovery. This can be more e ectively achieved when an early diagnosis of the case is performed using a minimum number of medical features. There are many successful applications of machine learning in medicine, biology and genetics Also, the machine learning techniques have been applied successfully in the early diagnosis of diseases, including neurological disorders [5, 93]. Besides, the identi cation of a reduced number of relevant features to predict GBS subtypes could guide physicians to design a faster, simpler and cheaper diagnosis of the case. This dissertation applies machine learning techniques to create two models for GBS, a descriptive model and a predictive model. The former aimed at identifying a minimum set of relevant fea tures that builds four clusters, each corresponding to a speci c GBS subtype. This model uses two approaches. In the rst approach, the problem is tackled by using lter methods along with a clus tering algorithm called Partitions Around Medoids (PAM). In the second approach, a novel method termed QSA-PAM (Quenching Simulated Annealing-Partitions Around Medoids) is introduced in order to solve the same problem. Several experiments are conducted with a real dataset. Results from descriptive model allowed the identi cation of 16 relevant features selected out of an original 356-feature dataset. The goal of the predictive model was to apply the 16 relevant featuresto classify GBS subtypes. Again, two approaches were used. In the rst approach, classi cation experiments were conducted using single classi ers. The second approach applied ensemble methods. Three types of experiments were performed in both approaches: four classes classi cation, One versus All classi cation and One vs One classi cation. A comparison of performance between both approaches was made. Successful results in experiments in both approaches resulted in creating the rst predictive model for GBS using machine learning techniques. Besides, the analysis performed in this work provides insight about the best methods for each classi cation case.
Interpretabilidad Mecanicista de LLMs aplicada al Análisis de Sentimientos y Emociones
(2026-08-01) Quintero Sánchez, Eduardo Ander; 0000-0001-6010-2023; 0000-0002-0660-9285; asesorTesis; colaborador; Ramos-Aguilar, Ricardo
Los modelos de lenguaje grande han mostrado un desempeño relevante en tareas de procesamiento de lenguaje natural, incluido el análisis y clasificación de emociones. Sin embargo, su creciente complejidad dificulta comprender qué representaciones internas influyen en sus predicciones. Esta tesis aborda este problema mediante el uso de sparse autoencoders para descomponer activaciones internas en características latentes potencialmente interpretables. La metodología consistió en obtener activaciones internas de un modelo de lenguaje de la familia LLaMA a partir de un corpus etiquetado con categorías emocionales, entrenar un sparse autoencoder y analizar la relación entre sus dimensiones latentes y las predicciones del modelo. Posteriormente, se realizaron intervenciones controladas sobre características latentes seleccionadas y aleatorias, midiendo sus efectos mediante cambios en probabilidad y log-odds. Los resultados muestran que el steering latente mediante sparse autoencoders produce cambios medibles y estructurados en la evidencia emocional del modelo. Algunas características individuales presentan perfiles de respuesta diferenciados entre clases emocionales, lo que permite inspeccionar cómo ciertas intervenciones modifican la salida del modelo. No obstante, las comparaciones agregadas no muestran una ventaja cuantitativa robusta frente a características aleatorias. En conjunto, la tesis muestra que los sparse autoencoders pueden utilizarse para analizar e intervenir representaciones internas de modelos de lenguaje en tareas de análisis de emociones. Aunque los resultados no implican características emocionales perfectamente especializadas, sí evidencian que el espacio latente aprendido contiene direcciones cuya intervención modifica de manera sistemática la evidencia emocional del modelo.
Experiencias de Aprendizaje B-Learning para Enseñanza de Ciencia de Datos Conforme la Nueva Escuela Mexicana (NEM)
(2026-05-01) Jiménez Villegas , Laura; 0000-0002-7353-0825; 0000-0002-4229-8306; asesorTesis; colaborador; Martínez Rámila , Karla Paola
La investigación estudió el problema de la enseñanza de ciencia de datos en el CETIS 70. En el CETIS 70 la falta de formación docente, la escasez de materiales en formato digital y la infraestructura que no cubría las necesidades impedían que los estudiantes de cuarto semestre comprendieran los conceptos estadísticos. El objetivo fue analizar, diseñar, implementar y evaluar el sistema de experiencias de aprendizaje B‑learning, basado en el Learning Experience Design (LXD) y en el andamiaje cognitivo, para facilitar el aprendizaje con sentido dentro de la Nueva Escuela Mexicana. El estudio adopto una metodología cualitativa con un enfoque etnográfico y una investigación‑acción. Durante la investigación se realizaron entrevistas, observaciones y se analizaron los productos académicos durante dieciséis semanas. Los resultados mostraron una mejora en la motivación, la participación y en el rendimiento académico. El promedio subió un 58 % en la evaluación diagnóstica y llegó a rangos de 90‑100 % en la evaluación final. De igual manera se documentó la aceptación tecnológica según el Modelo de Aceptación Tecnológica (TAM). Durante la investigación se detectaron áreas que necesitan mejorar la estabilidad técnica. Se concluye que el modelo B-learning con LXD y Design Thinking resultó efectivo para contextualizar el aprendizaje, fortalecer competencias analíticas y responder a las necesidades específicas del plantel, validando la hipótesis planteada. La investigación aporta un modelo replicable de diseño instruccional centrado en el estudiante para la enseñanza de ciencia de datos en educación media superior tecnológico.