Trabajos de fin de máster (TFM)

URI permanente para esta colección

Examinar

Envíos recientes

Mostrando 1 - 20 de 1508
  • Publicación
    Las expulsiones colectivas en la frontera sur. Análisis de la sentencia del Tribunal Europeo de Derechos Humanos en el caso ND y NT
    (Universidad Nacional de Educación a Distancia (UNED). Facultad de Derecho, 2024-06-17) Contreras Escribano, Francisco; Navas Castillo, Antonia
    El presente trabajo se basa en el análisis de la práctica habitual en que se han convertido las conocidas como devoluciones en caliente en la valla de Melilla, su tratamiento jurídico y evolución jurisprudencial, así como los derechos afectados, con el objetivo de analizar la Sentencia del Tribunal Europeo de Derechos Humanos en el caso ND y NT contra España, que ha supuesto un giro jurisprudencial de gran calado en la defensa de los Derechos Humanos. Para ello se ha recopilado la normativa más importante desde una perspectiva multinivel, se han analizado las políticas migratorias de España y de la Unión Europea, así como las devoluciones en caliente, para, desde ahí determinar las razones jurídicas por las que el Tribunal Europeo de Derechos Humanos, TEDH, ha considerado que la actuación del Gobierno de España encuentra encaje en el Convenio Europeo de Derechos Humanos, y ello, aun cuando los demandantes fueron devueltos sin haber sido analizadas sus circunstancias personales ni garantizados sus derechos.
  • Publicación
    Aproximación al uso de blockchain para la gestión de accesos a laboratorios en línea
    (Universidad Nacional de Educación a Distancia (UNED), 2023-09-19) Ramos Villalón, Juan Luis; Torre Cubillo, Luis de la
    El uso de laboratorios en línea para la enseñanza de la ciencia y la tecnología lleva creciendo y evolucionado intensamente en las dos últimas décadas. Disponer de estos recursos a través de Internet permite que las instituciones propietarias puedan colaborar entre ellas compartiéndolos o cediendo su uso a cambio de un desembolso económico. En paralelo, los avances en el desarrollo de las tecnologías blockchain más allá de las criptomonedas y su capacidad para generar aplicaciones descentralizadas, así como la necesidad creciente de securizar el acceso de forma automatizada a dispositivos autónomos conectados (IoT), se puede hacen converger para gestionar la publicación y acceso a los laboratorios en línea y efectuar intercambio de fondos en la transacción de forma nativa. En este trabajo se hace una revisión del estado del arte de los componentes antes mencionados. Se considera a los laboratorios en línea como objetos de aprendizaje y a la vez como sistemas ciberfísicos, se revisan algunas técnicas de control de acceso a activos digitales y la forma en que se pueden utilizan las cadenas de bloques para gestionar esa funcionalidad, así como los enfoques que se están utilizando al aplicar estas técnicas en los ecosistemas IoT. Se ha elaborado una pequeña prueba de concepto con herramientas de software libre en la que se simula la publicación, reserva y acceso a laboratorios en línea con intercambio de fondos. Finalmente, tras las conclusiones, se plantean líneas de trabajo futuro, profundizando en la modelización del problema planteado y su solución.
  • Publicación
    Estamos preparados: gestiones y procedimientos en la administración electrónica
    (Universidad Nacional de Educación a Distancia (UNED). Facultad de Educación. Departamento de Didáctica, Organización Escolar y Didácticas Especiales, 2024-10-24) González Reyes, María; López Martínez, Javier
  • Publicación
    La función Cp: una perspectiva materialista emergente para la ingeniería conceptual
    (Universidad Nacional de Educación a Distancia (UNED). Facultad de Filosofía. Departamento Lógica, Historia y Filosofía de la Ciencia, 2024-10-07) Machioni Spagnol, Catarina; González de Prado Salas, Javier
    En este artículo, basada en una perspectiva materialista emergente, discutiré la función Cp como una función que emerge y actúa dentro del sistema cognitivo, proponiendo una visión refinada para la ingeniería conceptual. Basada en el funcionalismo y teorías de la emergencia de Dennett, Romero y Boden, presentaré un enfoque que sugiere que los cambios conceptuales profundos requieren más que simples ajustes semánticos; dependen de la interacción dinámica de los procesos que componen la función Cp. Concluiré que, para que la ingeniería conceptual sea efectiva, debe tener en cuenta no solo el significado, sino también un conjunto de procesos integrados.
  • Publicación
    Infancia migrante a la llegada de su mayoría de edad, de absoluta a ninguna protección
    (Universidad Nacional de Educación a Distancia (UNED), 2020-06-22) Barroso Gonzalo, Laura; Pérez Martín, Lucas Andrés
    El presente estudio analiza la magnitud del fenómeno migratorio desde la perspectiva de la adolescencia. Si bien se examina la legislación internacional, está centrado en el caso particular de España, y sus diferentes territorios. Se desgrana la situación que viven los y las adolescentes migrantes sin referente familiar al cumplir dieciocho años. Este colectivo conocido como MENA (Menores Extranjeros No Acompañados) pasa repentinamente de estar bajo la protección del Estado a carecer de ella. A lo largo del trabajo se ponen de manifiesto las debilidades del actual sistema desde un punto de vista jurídico y social. Se tratan temas como los procedimientos de determinación de la edad, la concesión de permisos de residencia y de trabajo, la situación legal en la que quedan y los recursos disponibles para quienes alcanzan la mayoría de edad. Tras la investigación, se concluye con una guía práctica para el ejercicio de la abogacía, y con ciertas propuestas de mejora.
  • Publicación
    Aplicación del machine learning en la detección de intrusiones para ciberseguridad
    (Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática, 2024-12) Moreno Ruiz, José; Robles Gómez, Antonio; Tobarra Abad, María de los Llanos
    Este proyecto de investigación se centra en los desafíos que han surgido con el avance de la tecnología y las implicaciones que esto tiene para la ciberseguridad. A medida que las amenazas evolucionan y se vuelven más sofisticadas, los sistemas de detección tradicionales, como los antivirus, se han vuelto inadecuados, ya que las tecnologías tradicionales de detección no son efectivas para identificar estas amenazas emergentes. En respuesta a esto, el presente trabajo propone el uso de algoritmos de machine learning para mejorar la detección de dichas amenazas, empleando técnicas que permitan anticipar la naturaleza de los archivos y enfrentar de manera más efectiva las amenazas actuales y futuras. En este trabajo se van a implementar diferentes algoritmos de machine learning de filosofías diferentes, optimizándolos de tal forma que sean capaces de predecir la posible naturaleza del tráfico de una red. Para que estos algoritmos funcionen, necesitan nutrirse de datos preexistentes que les ayuden a predecir nuevas intrusiones. Existen varias bases de datos con cientos de miles de registros que sirven para entrenar a estos modelos. Una de estas bases de datos se usará para el entrenamiento de estos algoritmos. Después, se compararán los resultados obtenidos de cada modelo, comparándolos entre sí para encontrar cual de ellos es el más eficaz a la hora de detectar intrusiones.
  • Publicación
    Exploración de patrones en series temporales de datos inerciales usando técnicas de segmentación no supervisada
    (Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática, 2025-02) Ventura Farias, Irene Josefina; Santos, Olga C.; Portaz Collado, Miguel Ángel
    Este Trabajo de Fin de Máster (TFM) explora la aplicación de técnicas de segmentación no supervisada a series temporales de datos inerciales para el análisis de habilidades motoras en Aikido. El TFM se basa en investigaciones previas que emplearon métodos supervisados, buscando validar estos resultados con un enfoque exploratorio. El objetivo principal es identificar patrones y estructuras subyacentes en los datos sin necesidad de etiquetas predefinidas, diferenciándose de enfoques supervisados anteriores. La investigación busca validar si la segmentación no supervisada puede identificar segmentos significativos en series temporales de datos inerciales. Se analizan dos datasets: uno de golpes con espada (Bokken) (D1) y otro de desplazamientos de rodillas (Shikko) (D2). Se realiza una extracción de características tanto de los datos de los participantes, como las series temporales, con el fin de homogeneizar la información, utilizando descriptores estadísticos, temporales y espectrales, y se seleccionan las más relevantes con el modelo LASSO. Para ello se emplean datos de sensores inerciales, específicamente acelerómetros y giroscopios, para capturar movimientos tridimensionales. Los datos provienen de estudios previos de Portaz y Corbí, quienes utilizaron técnicas de clasificación supervisada. En este TFM, se implementan algoritmos como K-Means y K-Medoids. Estos algoritmos se seleccionaron por su capacidad para identificar transiciones y patrones en los datos sin etiquetas. El análisis compara los resultados de los algoritmos no supervisados con segmentaciones manuales y enfoques supervisados, para validar la efectividad de cada método en la clasificación de niveles de experiencia en Aikido, buscando validar y enriquecer estos resultados. Finalmente, se discuten las limitaciones y se proponen futuras líneas de investigación.
  • Publicación
    Predicción de puntuaciones de jugadores de baloncesto en Sorare a través de análisis de aprendizaje automático y series temporales
    (Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática, 2025-02) Silguero Santos, Raúl; Rodríguez Anaya, Antonio
    Sorare es una plataforma de deportes fantasy que permite a los usuarios gestionar equipos virtuales con tarjetas digitales de jugadores, representadas como Tokens No Fungibles (NFTs). Estas tarjetas pueden comprarse, venderse, intercambiarse y usarse en competiciones, donde las puntuaciones se basan en estadísticas reales de los jugadores. En el baloncesto, Sorare ofrece ligas fantasy de la NBA, donde los jugadores disputan un calendario de 82 partidos en la fase regular, seguido de playoffs. La distribución de los encuentros y los viajes constantes afectan el rendimiento de los jugadores, haciendo que el análisis predictivo sea una herramienta clave para optimizar estrategias dentro del juego. El incipiente interés en la aplicación de análisis predictivo en el rendimiento deportivo ha impulsado la exploración e investigación de métodos avanzados de aprendizaje profundo, los cuales pueden ser muy útiles para analizar y predecir datos de series temporales en los deportes. La precisión obtenida en estas predicciones puede permitir a los usuarios tomar decisiones que optimicen aún más sus opciones de conseguir recompensas y mejorar las diferentes estrategias escogidas dentro del juego, contribuyendo esto al crecimiento de la experiencia de juego, tanto en plataformas basadas en blockchain como Sorare o en deportes fantasy más tradicionales. Así, en este trabajo se diseña y desarrolla una serie de herramientas que sientan las bases para realizar un procesamiento y análisis de datos relacionados con el rendimiento de los jugadores de la NBA en Sorare, a través de la estructuración y limpieza de los mismos y explorando patrones relevantes en el rendimiento de dichos jugadores a través de diferentes métricas clave. Este apartado del trabajo viene acompañado por gráficos detallados que permiten el análisis de la distribución de dichas estadísticas, permitiendo identificar valores atípicos y explorar correlaciones entre diferentes variables. Todos estos datos se dividen en diferentes conjuntos, a través del enfoque propuesto de clasificar a los jugadores de baloncesto mediante su rol en sus equipos: titulares, jugadores de rotación y jugadores de banquillo Palmer et al. (2021), lo cual se determina a través de su promedio de minutos jugados por partido y el porcentaje de partidos disputados a lo largo de la temporada, permitiendo obtener un entendimiento aún mayor de cómo el rol de cada jugador afecta a su rendimiento y a su predicción futura de puntuación en Sorare. Sobre estos conjuntos de datos se implementan y evalúan diferentes algoritmos de aprendizaje automático para intentar predecir de la manera más precisa los Fantasy Points de los jugadores en Sorare, incluyendo el uso de métricas de evaluación para asegurar la fiabilidad de los modelos empleados. Las herramientas y modelos desarrollados ofrecen un soporte para que los usuarios de Sorare puedan tomar decisiones informadas al seleccionar alineaciones, basándose en predicciones precisas y análisis detallados de los jugadores. Este enfoque proporciona un marco replicable para optimizar estrategias en juegos fantasy basados en tecnologías blockchain.
  • Publicación
    Técnicas de Deep Learning para la Predicción de Precios de Electricidad del Mercado Diario Español
    (Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática, 2025-02) Pedrero Lozoya, Hugo Alberto; Pastor Vargas, Rafael; Rozas Rodríguez, Wolfram
    La estimación de los precios de electricidad del mercado diario es una tarea de gran importancia e interés para todos los agentes involucrados en el sector, de cara a realizar las ofertas de compra y venta de electricidad antes del cierre del mercado. En este proyecto se van a desarrollar métodos de deep learning para predecir los precios de la electricidad del mercado diario español (“day-ahead”). En concreto, se pretende implementar técnicas de deep learning basadas en Redes Neuronales Recurrentes (RNN) tales como LSTM (Long Short-Term Memory) y GRU (Gated Recurrent Unit), y también modelos más novedosos como NBEATS (Neural Basis Expansion Analysis for Time Series) o un transformer especializado en series temporales llamado TimeGPT. Tomando como ventana de datos de entrada los 168 valores previos (1 semana), se realizarán predicciones para los precios de la electricidad de las 24 horas del día siguiente. Se emplean datos históricos que abarcan el periodo comprendido entre 2015 y 2023, incluyendo variables fundamentales como la demanda eléctrica, la generación de fuentes renovables y el precio del gas natural. Además, se introduce el concepto de "hueco hidrotérmico", una nueva variable creada a partir de la combinación de la demanda eléctrica y la generación de energía eólica y solar. Esta variable corresponde a la energía que habrá que generar con fuentes térmicas o hidráulicas para cubrir la demanda, una vez sustraída la generación eólica y solar. La adición de esta variable, altamente correlacionada con el precio de la electricidad, mejora notablemente el comportamiento de los modelos. Tomando como ventana de datos de entrada los 168 valores previos (1 semana), se realizarán predicciones para los precios de la electricidad de las 24 horas del día siguiente. Se emplean datos históricos que abarcan el periodo comprendido entre 2015 y 2023, incluyendo variables fundamentales como la demanda eléctrica, la generación de fuentes renovables y el precio del gas natural. Además, se introduce el concepto de "hueco hidrotérmico", una nueva variable creada a partir de la combinación de la demanda eléctrica y la generación de energía eólica y solar. Esta variable corresponde a la energía que habrá que generar con fuentes térmicas o hidráulicas para cubrir la demanda, una vez sustraída la generación eólica y solar. La adición de esta variable, altamente correlacionada con el precio de la electricidad, mejora notablemente el comportamiento de los modelos.
  • Publicación
    Clasificación de niveles de experiencia de Aikido mediante segmentación de series temporales y algoritmos de aprendizaje supervisado
    (Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática, 2025-02) Mazzuka Cassani, Stefano; Santos, Olga C.; Portaz Collado, Miguel Ángel
    El presente Trabajo Fin de Máster se centra en la clasificación del nivel de experiencia en Aikido mediante la segmentación de series temporales y el uso de algoritmos de aprendizaje supervisado. Para ello, se han empleado datos inerciales capturados a través de sensores, con el objetivo de evaluar la calidad de los movimientos realizados por los practicantes. En este estudio se ha desarrollado un sistema de clasificación supervisado que permite distinguir entre tres niveles de destreza (bajo, medio y alto), ampliando el enfoque previo que diferenciaba únicamente entre principiantes y expertos. La segmentación de las series temporales en fases específicas de los movimientos ha permitido un análisis más detallado del desempeño de los participantes, favoreciendo la detección de patrones diferenciadores en cada nivel de experiencia. Para ello, se han utilizado tres técnicas principales de aprendizaje supervisado: Regresión con Procesos Gaussianos (GPR), que permite manejar la incertidumbre en los datos. Redes Convolucionales Temporales (TCN), utilizadas para la clasificación de secuencias de datos inerciales. Gradient Boosted Decision Trees (GBDT), que optimizan la clasificación a través de un conjunto de árboles de decisión.
  • Publicación
    Segmentación de imagen ecocardiográfica mediante técnicas de aprendizaje profundo para la detección del ciclo cardíaco
    (Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática, 2025) Mascaraque León, Aroa; Pérez Martín, Jorge; Fernández de Toro Espejel, Belén
    Este Trabajo de Fin de Máster (TFM) forma parte del proyecto CAREUM y, más recientemente, del proyecto "Cribado coste-efectivo de cáncer de mama y enfermedad cardíaca reumática mediante inteligencia artificial" (PID2023-150515OB-I00). El objetivo principal de estos proyectos es desarrollar un sistema inteligente capaz de procesar imágenes ecocardiográficas, con el fin de asistir en el diagnóstico de la enfermedad cardíaca reumática. En este contexto, el principal objetivo de mi trabajo ha sido desarrollar un método de segmentación automática de imágenes ecocardiográficas y su posterior clasificación para la detección de las fases del ciclo cardíaco. Para comenzar, he realizado una introducción a las redes neuronales y a las redes neuronales convolucionales (CNN, por sus siglas en inglés), así como una revisión del estado del arte en el análisis de imágenes ecocardiográficas, abarcando tanto los métodos tradicionales como los basados en aprendizaje profundo (DL). He comparado tres variantes de la arquitectura de segmentación U-Net, ajustando su complejidad y capacidad de aprendizaje para evaluar su rendimiento en la segmentación de imágenes ecocardiográficas, considerando la precisión y eficiencia computacional. Además, se probaron tres enfoques de entrenamiento: (1) utilizando los datos originales con validación estática, (2) aplicando aumento de datos, también con validación estática, para incrementar la variabilidad, y (3) empleando los datos originales con validación cruzada para evaluar la capacidad de generalización. Estos enfoques permitieron analizar su impacto en el rendimiento de la segmentación, proporcionando información sobre mejoras en la precisión, reducción del sobreajuste y estabilidad de los modelos Para la tarea de clasificación, se ha entrenado una red neuronal convolucional 3D (3D CNN), diseñada específicamente para mantener y procesar tanto la información espacial como la temporal de las secuencias ecocardiográficas. También se probaron otros enfoques que pueden ayudar a la detección del ciclo cardiaco, como el cálculo de la Curva de Variación de Volumen Ventricular (CVVV). Para el modelo de segmentación, hemos obtenido en el conjunto de pruebas, una accuracy del 96.40%, un coeficiente de DICE de 96.36%, y un IoU de 93.00%. Para el de clasificación, hemos obtenido una precisión total del 95.68%, un recall del 95.37% y una medida F1 del 95.51%.
  • Publicación
    Creación de una herramienta para identificar y agrupar afinidades mediante la inteligencia artificial en los Mass Media
    (Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática, 2025) Cuevas Márquez, Francisco Manuel; Rodríguez Anaya, Antonio; Cabrera Lara, Francisco Elías
    En la era de la información, entender la orientación política de los medios de comunicación se ha vuelto crucial para los consumidores de noticias. La polarización mediática y la proliferación de fuentes de información presenta un panorama complejo en el que resulta desafiante discernir los sesgos en la cobertura de las noticias. Existen herramientas comerciales que proveen información sobre el alineamiento político de los medios de comunicación masivos, y que permiten comparar cómo se tratan las noticias en las distintas posiciones del espectro de alineación política. Sin embargo, el posicionamiento de cada medio de comunicación dentro del espectro sigue siendo una tarea manual, lo que aumenta el riesgo de incluir sesgos en la valoración. Por otra parte, la actualidad de las noticias y el discurso de los mass media evoluciona con el tiempo, lo que aumenta la complejidad de identificar objetivamente la alineación política de cada medio. Además, el tratar el alineamiento político como un simple eje izquierda-derecha no tiene en cuenta las múltiples facetas de los medios. Varios medios pueden estar de acuerdo en algunas dimensiones políticas, pero discrepar en la visión general, de manera que para ser precisos debemos analizar los intereses de los medios desde un punto de vista multidimensional. En este trabajo se propone una nueva herramienta de análisis de medios de comunicación, que permite realizar un agrupamiento de noticias publicadas por distintos medios mediante técnicas que combinan inteligencia artificial y PLN (Procesamiento del Lenguaje Natural). La herramienta propuesta permite agrupar conjuntos de noticias similares utilizando métodos de aprendizaje no supervisado (clustering) en combinación con modelos de lenguaje natural para facilitar la comprensión de dichas agrupaciones. La herramienta propuesta ha sido aplicada sobre un grupo seleccionado de medios de comunicación masivos de ámbito nacional en España.
  • Publicación
    Relación entre la emisión de bonos verdes y la “prima verde” en mercado primario. Evidencias con modelos de aprendizaje automático.
    (Universidad Nacional de Educación a Distancia (UNED). E.T.S. de Ingeniería Informática, 2025-02) Cuevas i Fajardo, Àlvar; Pérez Martín, Jorge; Pra Martos, Inmaculada; Arguedas Sanz, Raquel
    Este trabajo presenta un análisis del mercado de bonos verdes y su relación con los criterios ambientales, sociales y de gobernanza (ESG) de las empresas emisoras. El objetivo principal es investigar la existencia de una «prima verde» en estos bonos, es decir, si los inversores están dispuestos a aceptar un rendimiento menor a cambio de invertir en empresas que certifican como verde su deuda. Se han utilizado para ello datos de entidades no públicas que han emitido deuda verde a medio y largo plazo en el período 2020 y 2024, en todo el mundo. En una primera aproximación del estudio, se compara el ratio de deuda verde emitida por las organizaciones con sus puntuaciones ESG para buscar una relación directa entre estos dos parámetros. Dado que la muestra de bonos verdes con puntuaciones completas ESG es escasa, se han utilizado algoritmos de aprendizaje automático para completarla. Posteriormente se ha hecho un estudio pormenorizado sobre la existencia de la prima verde, basado en una técnica de comparación de datos reales con datos generados a través de un modelo de aprendizaje automático. Para llevar a cabo estos análisis, se han construido y probado varios modelos de aprendizaje automático para seleccionar el más adecuado en cada ocasión. La muestra de estudio incluye una selección diversa de bonos verdes emitidos por empresas con diferentes niveles de compromiso con la sostenibilidad. Las calificaciones para la reconstrucción de los parámetros ESG, así como las valoraciones de la deuda, se obtienen de fuentes de datos reconocidas. Este estudio contribuye a la literatura existente sobre bonos verdes y ESG al proporcionar evidencia empírica sobre la existencia y magnitud de la prima verde. Asimismo, puede ofrecer información relevante para los inversores que buscan integrar criterios de sostenibilidad en sus decisiones de inversión y para las empresas que buscan financiar proyectos verdes a través de la emisión de bonos.
  • Publicación
    Propuesta de intervención para aumentar la eficacia de la exposición prolongada en TEPT por accidente de tráfico
    (Universidad Nacional de Educación a Distancia (UNED), 2024-10-09) Genova Vasileva, Iliyana; Mas Hesse, Blanca
    Los accidentes de tráfico son un problema de salud pública debido al elevado impacto económico que tienen y a las secuelas físicas y psicológicas que generan, Entre las secuelas psicológicas más frecuentes se encuentra el trastorno de estrés postraumático (TEPT), los tratamientos de primera línea logran disminuir la sintomatología, pero una parte importante mantiene síntomas en un nivel clínicamente relevante. Uno de los síntomas que con más frecuencia permanece es el insomnio que a menudo se acompaña de pesadillas. Cuando existen pesadillas estas interfieren en el sueño y a través de esto pueden afectar a los síntomas diurnos e interferir con los tratamientos habituales. En este trabajo se propone evaluar si incorporar terapia de ensayo en imaginación (IRT) antes de introducir exposición prolongada (EP) logra mejorar los resultados de los tratamientos habituales. Se espera que la incorporación de la IRT tenga un mayor efecto que la EP en la disminución de la frecuencia de las pesadillas, el malestar asociado a ellas, la disfunción que generan, la reducción de la sintomatología del TEPT y en el aumento de la calidad subjetiva del sueño. Se prevé que los beneficios se mantendrán en los seguimientos a los 3, 6 y 12 meses. El siguiente trabajo pretende salvar una de las principales limitaciones de los tratamientos disponibles para el TEPT y con ello contribuir a la mejora de los tratamientos y al bienestar de las personas afectadas.
  • Publicación
    Hermenéutica musical: contribuciones de Gadamer a la interpretación histórica
    (Universidad Nacional de Educación a Distancia (UNED), 2023-07-04) Andreu Gené, Ramón; Escudero Pérez, Alejandro
    Actualmente, la hermenéutica musical sigue siendo un aspecto poco estudiado y que merece ser más desarrollado. Aunque Gadamer no realizó investigaciones específicas en el campo musical, la propuesta que se presenta aquí pretende trasladar el pensamiento gadameriano a la interpretación de textos musicales, especialmente obras musicales del pasado. Esta adaptación plantea resultados interesantes para el intérprete musical, puesto que restituye la posición de la tradición opuesta al historicismo y la restitución histórica, abriendo también la obra musical a una multiplicidad de significados nuevos. La hermenéutica de Gadamer no responde a todas las preguntas del interprete musical, pero puede asistirlo en su tarea.
  • Publicación
    Los beneficios de la aplicación de las TIC en el aula y la corrección digital de errores
    (Universidad Nacional de Educación a Distancia (UNED), 2023-10-17) Barros Díez, María Esther; San Segundo Fernández, Eugenia
  • Publicación
    Los Sistemas de Información Geográfica como recurso didáctico. Una revisión bibliográfica sistematizada de experiencias educativas
    (Universidad Nacional de Educación a Distancia (UNED), 2024-09) Gómez Campos, Silvia; Vázquez Cano, Esteban
    Introducción: El objetivo de este estudio es aportar una panorámica general sobre el grado de empleo de los SIG en el ámbito educativo, a través de la caracterización de los principales aspectos educativos referidos a su utilización, del análisis de la forma de implementación de esta herramienta y del tipo de información geográfica utilizada, así como de la búsqueda de patrones de uso que relacionen los mencionados parámetros. Método: Se adopta la metodología de la revisión bibliográfica sistematizada para realizar un análisis exhaustivo de la literatura científica sobre el tema. La búsqueda se realiza en las bases de datos de Scopus, Web of Science, Dialnet Plus, IBSS y ERIC, y se lleva a cabo los días 28 y 29 de marzo de 2024. Se seleccionan los artículos sobre experiencias educativas con SIG publicados entre 2014 y 2023, y se recogen y sintetizan los datos en base a unas categorías previamente establecidas. Resultados: Se revisan un total de 28 estudios, la mayoría de diseño no experimental. Respecto a los hallazgos, destacar su empleo asociado a las disciplinas de tipo geográfico y al pensamiento espacial, el predominio de los SIG de escritorio y los SIG web, la generalización de las tareas como la georreferenciación y la geovisualización, el tratamiento bidimensional de la información geográfica, o la combinación de estas herramientas con la toma de datos de campo y con la tecnología GPS. Discusión: Se concluye que el uso actual de los SIG en este ámbito se podría considerar como no avanzado, lo que podría ser debido a su complejidad de manejo. Por ello, existe la necesidad de implementar estrategias que promuevan la idoneidad de esta herramienta como recurso didáctico, y el aprovechamiento de potencialidades como su naturaleza multidimensional, multiescalar y multidisciplinar.
  • Publicación
    Codificación de estrategias de inversión en mercados de capitales: Aproximación teórico práctica mediante asistente automático
    (Universidad Nacional de Educación a Distancia (UNED), 2022-10-14) Fumanal Andrés, Ignacio; Abad Cardiel, Ismael
    La inversión de dinero con fines de crecimiento de capital es una actividad que ha ganado millones de adeptos desde la temprana existencia de los mercados de inversión. Con la evolución y tecnologización del mercado de capitales la afluencia de dinero de particulares y empresas ha creado una masa dineraria flotante de tamaño enorme, que ha dado lugar a un interés sin precedentes por hacerse con una pequeña parte de esa riqueza. Mediante técnicas de análisis de mercado se han logrado grandes avances en el seguimiento de la evolución del precio de los diferentes activos, hasta alcanzar una capacidad muy alta de detectar tendencias, patrones, y mecanismos de predicción de avances y retrocesos del valor. La formulación del momento en el cual entrar y salir del mercado y por cuanto tiempo permanecer en él en una posición de compra o de venta y con qué volumen y qué exposición al riesgo de pérdidas, es lo que llamamos una estrategia de inversión. Con el advenimiento de sistemas basados en lógica difusa, ha sido posible flexibilizar las estrategias de inversión para formularlas de manera más próxima a la lógica y verbalización humanas, más analógicas, y menos rígidas y digitales. En este trabajo se desarrolla la formulación de estrategias de inversión tal como pensamos los seres humanos, y se propone una mejora de traducción de esas estrategias a su codificación automática en código software mediante la aplicación de ingeniería de software.
  • Publicación
    La II República ante el 6 de octubre
    (Universidad de Educación a Distancia (UNED), 2018-07-11) Pascual Pérez, Jesús Mª; Sepúlveda Muñoz, Isidro
  • Publicación
    Unidad Didáctica: Gestión del mantenimiento de instalaciones de tratamiento de aguas residuales
    (Universidad de Educación a Distancia (UNED), 2020-06-29) Canut Montalvà, Albert; Gómez del Pino, Pablo Joaquín