RIDUNT - Repositorio Institucional
Repositorio de acceso abierto de la Universidad Nacional de Tucumán.
Acervo documental
Tesis, revistas, libros e investigaciones de la comunidad universitaria.
Ciencia Abierta
Producción científica accesible para toda la comunidad.
Tipos de documento
TesisTrabajos finalesTesis de grado y posgrado defendidas en la UNT.RevistaPublicaciones periódicasArtículos de investigación de las revistas del repositorio.LibroMonografíasObras y capítulos de libro publicados por la comunidad.InvestigacionesProducción científicaProyectos, informes y resultados de la investigación científica.
Comunidades en RIDUNT
Seleccione una comunidad para explorar sus colecciones.
Envíos recientes
Item type:Thesis, Variaciones del campo magnético terrestre y su influencia en parámetros ionosféricos mediante el desarrollo del modelo de dipolo excéntrico y optimización numérica en el Sheffield University Plasmasphere Ionosphere Model- Instituto Nacional de Pesquisas Espaciais (SUPIM-INPE)(Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología., 2026-08) Venchiarutti, José Valentín; Barbás, Blas de HaroLa presente tesis constituye un aporte al campo de la Meteorología del Espacio (ME) y, particularmente, al estudio y predicción de las condiciones de la ionosfera, mediante la aplicación de técnicas de computación científica, Ciencia de Datos y aprendizaje automático. La Meteorología del Espacio estudia las condiciones y perturbaciones originadas principalmente por la actividad solar y su interacción con el sistema Sol-Tierra, debido a sus posibles efectos sobre sistemas tecnológicos como los sistemas globales de navegación satelital (GNSS), las telecomunicaciones, la aviación, los vehículos espaciales y las redes eléctricas. En este contexto, disponer de modelos capaces de anticipar las condiciones ionosféricas resulta de interés para generar información y alertas que permitan reducir posibles impactos. El trabajo se centra en el desarrollo de modelos de predicción de corto plazo de la ionosfera, utilizando técnicas de aprendizaje profundo (Deep Learning) y siguiendo los principios de la Ciencia de Datos como metodología para garantizar un tratamiento sistemático y reproducible de la información. La investigación propone un enfoque denominado end-to-end, que comprende diferentes etapas: adquisición de datos provenientes de múltiples fuentes, procesamiento, limpieza, transformación, preparación de los conjuntos de datos, entrenamiento de modelos, evaluación y validación de los resultados. Esta metodología busca además asegurar la trazabilidad tanto de los datos como del código utilizado. Uno de los principales desafíos abordados es la naturaleza de los datos empleados en Meteorología del Espacio. Estos presentan características heterogéneas, diferentes resoluciones temporales y espaciales, grandes volúmenes de información y períodos con datos faltantes o de disponibilidad limitada. Por esta razón, la tesis destaca la importancia de establecer procedimientos adecuados de adquisición, limpieza y transformación de los datos antes de utilizarlos en los modelos predictivos. Para el desarrollo de los modelos se emplean técnicas de Inteligencia Artificial y aprendizaje profundo, particularmente redes neuronales aplicadas al análisis de series temporales multivariadas. Se estudian principalmente dos grupos de arquitecturas: las redes neuronales recurrentes LSTM (Long Short-Term Memory) y GRU (Gated Recurrent Unit), y las redes neuronales convolucionales (CNN). Estas técnicas son utilizadas para representar relaciones no lineales, dependencias temporales y comportamientos complejos de la ionosfera que pueden resultar difíciles de reproducir mediante métodos tradicionales. La investigación contempla dos niveles de aplicación. En primer lugar, se desarrolla un modelo de predicción global, utilizando información correspondiente a diferentes regiones geográficas y condiciones de la ionosfera. En segundo lugar, se desarrolla un modelo de aplicación local para la estación ionosférica de Tucumán, utilizando la estrategia de transfer learning. Esta metodología permite reutilizar el conocimiento adquirido por un modelo previamente entrenado con información global y adaptarlo a una estación particular que dispone de una cantidad más limitada de datos. Los resultados obtenidos muestran que los modelos basados en aprendizaje profundo permiten realizar pronósticos ionosféricos de corto plazo, incluyendo predicciones con un horizonte de 24 horas. En particular, la estrategia de transfer learning aplicada al caso de Tucumán presentó resultados satisfactorios, obteniendo errores RMSE comprendidos aproximadamente entre 1,99 y 4,89 TECu. Estos resultados muestran que el conocimiento aprendido a partir de información global puede ser transferido y adaptado a condiciones locales con una menor disponibilidad de datos y un costo computacional reducido. Además del desarrollo de los modelos predictivos, la tesis considera la necesidad de avanzar desde la investigación científica hacia aplicaciones operativas. Para ello, se destaca la importancia de disponer de sistemas capaces de procesar información de manera continua, generar predicciones confiables y transformar los resultados científicos en productos comprensibles y útiles para usuarios no especializados. En este sentido, el trabajo se vincula con el concepto R2O2R (Research to Operation to Research), mediante el cual los resultados de la investigación pueden convertirse en productos operativos y, posteriormente, generar nuevos requerimientos para la investigación científica. En conclusión, la tesis desarrolla un marco metodológico y computacional para el pronóstico ionosférico de corto plazo, integrando Ciencia de Datos, programación científica y técnicas de aprendizaje profundo. Los resultados obtenidos permiten sostener la viabilidad técnica del enfoque y proporcionan una base para futuras aplicaciones en sistemas de vigilancia de la Meteorología del Espacio. Asimismo, el trabajo establece una línea de investigación vinculada con la Inteligencia Artificial aplicada a la Meteorología del Espacio en el ámbito de la Universidad Nacional de Tucumán y plantea futuras investigaciones relacionadas con nuevas arquitecturas de aprendizaje automático, técnicas de autoatención, modelos estadísticos, infraestructura de Big Data y desarrollo de software científico reproducible.Item type:Thesis, Registro digital 3D y estado de conservación del abrigo Quebrada de los Guanaquitos (Las Cañas, Tucumán, Argentina)(Universidad Nacional de Tucumán. Facultad de Ciencias Naturales e Instituto Miguel Lillo., 2026) Medina, Paula Lucía; Sampietro Vattuone, María Marta; Peña Monné, José LuisLa presente tesina se enfoca en el registro 3D y el establecimiento del estado de alteración del Alero Quebrada de los Guanaquitos, un sitio con arte rupestre localizado en el valle de Santa María, Provincia de Tucumán. La investigación estuvo enfocada en tres objetivos: (a) la contextualización geomorfológica del bloque que sirve de soporte de las pinturas rupestres; (b) el desarrollo del modelo evolutivo geoarqueológico que explique su situación actual; y (c) la determinación del estado de conservación del sitio. Para su abordaje se utilizaron herramientas y propuestas tomadas de la geología, la fotogrametría digital y del análisis y procesamiento de imágenes con software especializado. Metodológicamente se partió de la contextualización del abrigo, la estimación del grado de meteorización, el registro fotográfico sistemático, la reconstrucción de la cavidad con software de procesamiento de imágenes para generar un modelo 3D, la generación de mapas de alteración y el diagnóstico de sectores alterados a partir de la observación de campo, de gabinete y el procesamiento de imágenes con DStretch. La integración de los resultados obtenidos permitió: (a) establecer que el bloque rocoso del Alero Quebrada de los Guanaquitos procede de la caída por gravedad de un conjunto de bloques separados de un tor localizado en una cumbre próxima, donde el basamento de la Sierra de Quilmes aflora en superficie, para luego desplazarse ladera abajo y encontrarse en su actual ubicación al fondo de un barranco y un cauce activo de flujo temporal, donde se generó la cavidad; (b) el desarrollo de un modelo digital 3D de la cavidad que documenta el sitio y permitió la observación de los principales procesos de meteorización que afectan a la roca soporte en lo general y que contribuyen a la degradación de las pinturas rupestres; (c) la elaboración de un mapa de alteración donde los principales factores que afectan al bloque están relacionados con el escurrimiento superficial del agua y la erosión generada por su proximidad a un cauce activo en época estival y (d) el hallazgo de motivos y coloraciones pigmentarias en el panel no reportadas en estudios previos del sitio junto a la estimación de una cronología relativa de ejecución de los mismos.Item type:Thesis, La responsablilidad social empresarial. El caso de la empresa “Ernst & Young”. Una mirada desde el Trabajo Social.(Universidad Nacional de Tucumán. Facultad de Filosofía y Letras., 2022-10-19) Paz, Sabrina Belén; Aguirre, Gabriela GiselaEl presente trabajo de investigación aborda la relación entre el Trabajo Social y la Responsabilidad Social Empresarial (RSE), tomando como estudio de caso a la empresa de servicios profesionales Ernst & Young (EY) en Argentina. El objetivo principal es explorar y analizar el ámbito empresarial como un campo de intervención profesional emergente para el Trabajo Social, identificando los aportes que la profesión puede brindar en el diseño, gestión e impacto de las estrategias socio-comunitarias de RSE. A través de un enfoque cualitativo y mediante el estudio de caso, la investigación indaga sobre la estructura del área de RSE de EY, sus programas más destacados y sus metodologías de trabajo con la comunidad y el tercer sector. Entre las conclusiones principales, se destaca que el Trabajo Social posee competencias teóricas y metodológicas idóneas para fortalecer las acciones de RSE, aportando una perspectiva centrada en los derechos humanos, la equidad y la justicia social. Asimismo, el estudio formula propuestas específicas de mejora para la empresa y plantea recomendaciones para la formación académica universitaria, orientadas a ampliar los horizontes profesionales hacia el sector privado.Item type:Thesis, Analizador de vibraciones mecánicas mediante plataforma Arduino y MATLAB(Universidad Nacional de Tucumán, Facultad de Ciencias Exactas y Tecnología, Departamento de Ingeniería Mecánica, 2025) Campus, Agustin; Diaz, Romero1. Resumen. En la Introducción, se establece la importancia del monitoreo de la salud estructural para la predicción de fallas en maquinaria industrial, presentando el objetivo de elaborar un sistema de diagnóstico utilizando plataformas accesibles. La sección de Materiales y Métodos detalla la implementación de un prototipo masa-resorte de un grado de libertad, instrumentado mediante una placa Arduino UNO y un sensor acelerómetro MPU6050. Se utiliza el software TeraTerm para la adquisición de datos y MATLAB para el procesamiento numérico, permitiendo calcular la Transformada Rápida de Fourier (FFT) y generar diagramas de Bode. Los Resultados exponen las gráficas de respuesta en el tiempo y frecuencia, logrando identificar con precisión la frecuencia natural y el factor de amortiguamiento del sistema real en comparación con el modelo teórico. Finalmente, las Conclusiones validan la fiabilidad del dispositivo desarrollado, demostrando que la integración de tecnologías como Arduino y MATLAB ofrece una solución robusta y económica para fines didácticos y para el diagnóstico vibratorio preliminar.Item type:Thesis, Modelo de predicción para meteorología del espacio usando técnicas de programación científica(Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología., 2026) Lencina, María Fernanda; Torres, Mariela AnalíaLos procesos de degradación de suelos, impulsados por prácticas antrópicas inadecuadas y el cambio climático, constituyen un desafío ambiental crítico a nivel global, particularmente en regiones áridas y semiáridas. Frente a esta problemática, la restauración de la cubierta edáfica a través de la formación de biocostras artificiales emerge como una estrategia sustentable para recuperar la funcionalidad del ecosistema. En este contexto, el objetivo general del presente trabajo fue contribuir a la restauración de suelos degradados mediante biocostras formadas por cianobacterias producidas en fotobiorreactores. A partir de la caracterización e identificación de microorganismos extremófilos nativos de la Puna argentina, se seleccionó la cianobacteria Nostoc sp. GTAR-027 por su capacidad para sintetizar exopolisacáridos (EPS), fijar nitrógeno, solubilizar fosfatos y producir biomasa eficientemente. A su vez, se evaluó un microorganismo asociado a su crecimiento, identificado como Pannonibacter sp. MFL-16, confirmando el establecimiento de un consorcio donde esta bacteria aporta propiedades promotoras del crecimiento vegetal (PGP) y tolerancia a metales pesados. La capacidad del consorcio para formar biocostras artificiales se probó en suelo a escala laboratorio bajo condiciones de estrés hídrico. En régimen de aridez (100 mm de riego), se logró un incremento significativo del porcentaje de cobertura (75 %), del carbono orgánico (0,22 %) y de la acumulación de EPS en el suelo (36,6 %). Incluso bajo aridez extrema (50 mm de riego), el inóculo mantuvo su efectividad y alcanzó incrementos del 45 % en cobertura, 0,24 % en carbono orgánico y 22,5 % en EPS. A fin de garantizar la viabilidad de esta estrategia a mayor escala, se estudió la producción del inóculo en fotobiorreactores instrumentados de tanque agitado (STR) de 1 L. Las condiciones de operación se optimizaron a 0,6 vvm, 130 rpm, 28 °C y un fotoperiodo 12:12 durante 18 días, alcanzando una producción de biomasa seca de 1,04 g/L. Bajo estos parámetros se logró una eficiente transferencia de oxígeno sin magnificar el esfuerzo de corte, garantizando la suspensión homogénea del cultivo sin generar daño celular. A partir de los datos experimentales obtenidos en el fotobiorreactor, se realizó un escalamiento matemático para proyectar la viabilidad de la producción del inóculo a una escala de 100 L. En conclusión, el consorcio conformado por Nostoc sp. GTAR-027 y Pannonibacter sp. MFL-16, nativos de la Puna argentina, puede producirse eficientemente en fotobiorreactores y aplicarse para la formación de biocostras artificiales capaces de contribuir a la restauración de suelos en ambientes extremos. El desarrollo de esta estrategia biotecnológica constituye una alternativa efectiva para la estabilización y recuperación de suelos degradados, respaldada por un proceso de producción en fotobiorreactores técnicamente viable y escalable. Asimismo, este trabajo establece las bases biológicas, biotecnológicas y de ingeniería necesarias para avanzar hacia su producción a mayor escala y su futura evaluación en condiciones de campo.Item type:Thesis, Modelo de predicción para meteorología del espacio usando técnicas de programación científica(Universidad Nacional de Tucumán. Facultad de Ciencias Exactas y Tecnología., 2025-10-28) Namour, Jorge Habib; Molina, María GracielaLa presente tesis constituye un aporte relevante al campo de la meteorología del espacio (ME) o ‘Space Weather’ en general y en el estudio de la ionosfera en particular, mediante el desarrollo y aplicación de técnicas modernas de computación científica y aprendizaje automático. La investigación se centra en el pronóstico de las condiciones de la ionosfera en condiciones calmas y perturbadas usando principalmente algoritmos de aprendizaje profundo. La ME se centra en el estudio del sistema Sol–Tierra, sus efectos sobre sistemas tecnológicos (como ‘Global Navigation Satellite Systems’ o GNSS, vehículos espaciales, telecomunicaciones, redes eléctricas, entre otros) y sobre la salud humana en el espacio, y que por sobre todo busca pronosticar posibles efectos nocivos para ejecutar maneras de mitigarlos. Esta tesis se estructura en torno al modelado ‘end-to-end’ usando Ciencia de Datos como una metodología robusta para realizar el pronóstico y para transicionar la investigación científica realizada hacia una instancia operacional. Para esto, se hace foco en el desarrollo de un ‘pipeline’ de datos y de procesamiento utilizando múltiples fuentes de datos, siguiendo por etapas de preprocesamiento hasta el modelado usando diferentes técnicas de aprendizaje profundo. No solo se investigaron diferentes técnicas de inteligencia artificial (IA) (en particular redes neuronales multicapas), sino que se implementan estrategias específicas para aplicaciones en tiempo real. Atendiendo a diferentes alcances en el pronóstico, se proponen modelos y sus implementaciones para el pronóstico tanto global (para múltiples regiones geográficas y bajo diferentes condiciones) como local para Tucuman (estación ionosférica de baja latitud). En lo que respecta a la Ciencia de Datos, se prestó especial atención a las transformaciones sucesivas de los conjuntos de datos garantizando la trazabilidad de los datos y del código. El modelado se basó en diferentes técnicas de IA aplicadas a series temporales multivariadas, particularmente usando redes neuronales multicapas (aprendizaje profundo). Cada una de estas técnicas se aplicaron de manera independiente para generar modelos independientes que luego fueron comparados y validados usando conjuntos de datos nuevos. Se proponen principalmente dos tipos de métodos: a) redes neuronales recurrentes, en particular las denominadas Long-Short Term Memory (LSTM) y Gated Recurrent Unit (GRU), y b) redes neuronales convolucionales o ‘ Convolutional Neural Networks’ (CNN) sobre los mismos conjuntos de datos. Luego se seleccionó el modelo con mejor performance para ser aplicado de manera operativa. Finalmente, el mejor modelo fue adaptado mediante el concepto de ‘transfer learning’ para aplicarse a una estación ionosférica local. Es importante destacar las capacidades del aprendizaje profundo para capturar dependencias no lineales, relaciones multiescala y dinámicas temporales de la ionosfera que resultan difíciles de modelar mediante enfoques tradicionales teniendo como horizonte el pronóstico. Así, el objetivo principal de esta Tesis es diseñar, entrenar y validar un modelo predictivo robusto que permita pronósticos a corto plazo de parámetros ionosféricos, en particular el contenido electrónico total o ‘Total Electron Content’ (TEC), considerando como variable exógena el índice geomagnético planetario (Kp) como un forzante de ME. Los principales aportes de esta tesis son: ● El desarrollo de un pipeline reproducible para datos heterogéneos de ME. Tanto los datos preparados (https://shorturl.at/kZada, 2023), que engloban casi un ciclo solar completo, como el código (https://shorturl.at/QVCIz, 2023), generado se encuentran publicados y de acceso libre. Los datos de TEC usados comprenden alrededor de un ciclo solar permitiendo analizar diferentes condiciones ionosféricas de acuerdo a anios de alta o baja actividad solar. De esta manera, se contribuye a la disponibilidad de datos curados (de alta calidad) y código abierto para ser usado por la comunidad. ● El desarrollo de un modelo para pronóstico global de la ionosfera usando datos de mapas de contenido electrónico total y un parámetro exógeno como forzante externo relacionado con la actividad geomagnética (índice Kp en particular). Los resultados obtenidos son significativos especialmente si se analiza la calidad de los datos utilizados y las posibilidades de aplicación en ambientes reales. ● A partir del conocimiento generado por el modelo global, se procedió a ‘transferir’ ese conocimiento para el pronóstico local de una estación de baja latitud (Tucumán) lo que es especialmente desafiante debido a la compleja morfología y dinámica de la ionosfera en zonas ecuatoriales. Se implementó una estrategia denominada ‘transfer learning’ a datos localmente calibrados logrando resultados con similares errores al pronóstico global lo cual es especialmente significativo. Entre los resultados más relevantes cabe destacar la utilización de un conjunto de datos pequeño, para lo cual es recomendada la transferencia de conocimiento. Es además, el primer modelo de pronóstico usando técnicas de IA para pronosticar las condiciones de la ionosfera en Tucuman. ● La aplicación de los modelos en un ambiente operativo en tiempo real mediante la implementación de un mecanismo de entrenamiento incremental para evitar la degradación de los modelos ya entrenados manteniendo errores acotados para el pronóstico. Estos resultados serán utilizados para generar sistemas de alarma en entornos de monitoreo de ME. Por lo tanto, esta tesis contribuye a la generación de aplicaciones de técnicas de IA en entornos reales. Es importante mencionar que en los últimos cinco años, la comunidad de meteorología del espacio y de la ionosfera ha comenzado a utilizar cada vez las diferentes técnicas de IA , mostrando nuevos resultados y un crecimiento exponencial. El desarrollo de esta tesis avanzó a la par que la comunidad mostrando resultados originales y abriendo la posibilidad de nuevas líneas de investigación tanto en el exterior, en elpaís como en nuestra casa de estudios. A partir de este trabajo de tesis, surgió también el desarrollo de un curso de postgrado en la FACET-UNT (el primero de su tipo) sobre aprendizaje profundo y ciencia de datos, una materia de grado optativa y la dirección de tesinas de grado en el Departamento de Ciencias de la Computación, y nuevas colaboraciones entre nuestra casa de estudio con otras instituciones como por ejemplo el Instituto Nazionale de Geofisica e Vulcanologia (INGV), National Aeronautics and Space Administration (NASA), International Centre for Theoretical Physics (ICTP), entre otras instituciones en el área de la inteligencia artificial y de ME. En 2022, además, a partir de estos resultados se organizó un Workshop internacional (https://indico.ictp.it/event/9840/) lo cual constituye un importante aporte a la comunidad científica.