Abstract (Introduction): The current cultivation of trees is insufficient to cover the national demand for wood, in this way small producers become an alternative solution to this situation, since despite having small areas, in the country there are abundant farms with these conditions; However, the current forest management scheme does not meet adequate standards for the incorporation of these small producers. (Objective): To present an adaptive forest management scheme (AFMS) to the needs of the small farmer, in addition, to demonstrate the institutional availability to change according to expert criteria. (Methodology): 1) the factors that influence the decision to adopt an agricultural or forestry production system were identified; 2) a profile of an ideal productive system that met the interests and preferences of the small producer was made, which was compared with the characteristics of agricultural and forestry production; 3) the proposal of an EMFA adjusted to the preferences and interest of the producer was made, which was also compared with the ideal profile; 4) three proposed change actions were presented to experts, obtaining different degrees of possibility of changes in the EMFA. (Results): The discrepancy of the forest management scheme for the cultivation of trees with the perspective that a small producer has on an ideal production system was evidenced, as well as the substantial improvement that an EMFA would have in the valuation of the small producer and the institutional availability to change the EMFA according to the perspective of the small producers. (Conclusions): The adjustment of the forest management scheme allows a greater adoption of the activity by the small producer, but it was recognized that any proposal that is made would be successful only if forest governance makes it more flexible and allows change.

Resumen (Introducción): El cultivo actual de árboles es insuficiente para cubrir la demanda nacional de madera, de este modo, los pequeños productores se tornan como una alternativa de solución ante esta situación, ya que pese a contar con áreas pequeñas, en el país son abundantes las fincas con estas condiciones; sin embargo, el esquema actual de manejo forestal no cumple con estándares adecuados para la incorporación de estos pequeños productores. (Objetivo): Presentar un esquema de manejo forestal adaptativo (EMFA) a las necesidades del pequeño productor, además de evidenciar la disponibilidad institucional al cambio, según el criterio experto. (Metodología): 1) se identificaron los factores que influyen en la decisión de adopción de un sistema productivo agrícola o forestal; 2) se realizó un perfil de un sistema productivo ideal que cumpliera con los intereses y preferencias del pequeño productor, el cual se confrontó con las características de la producción agrícola y forestal; 3) se efectuó la propuesta de un EMFA ajustado a las preferencias e interés del productor, que fue también confrontada con el perfil ideal; 4) se expusieron tres acciones de cambio propuestas ante expertos, obteniendo diferentes grados de posibilidad de cambios en el EMFA. (Resultados): Se evidenció la discrepancia del esquema de manejo forestal para el cultivo de árboles con la perspectiva que un pequeño productor tiene sobre un sistema de producción ideal, asimismo la mejora sustancial que un EMFA tendría en la valoración del pequeño productor y la disponibilidad institucional al cambio del EMFA, según la perspectiva de los pequeños productores. (Conclusiones): El ajuste del esquema de manejo forestal permite una mayor adopción del cultivo de árboles por parte del pequeño productor, pero se reconoció que cualquier propuesta que se realice lograría ser exitosa si la gobernanza forestal flexibiliza y posibilita el cambio.

Abstract Introduction: University dropout is now considered a complex phenomenon that goes beyond the number of students not enrolled and that is continuously growing, especially in the first years of study. Objective: In the present study, a prediction model combining Survival Analysis, Decision Trees, and Random Forest, under the Machine Learning philosophy, is proposed for the early diagnosis of possible factors causing dropout in university students. Methods: The proposal consists of 3 phases: the Survival Analysis that allows estimating the probability of permanence of the student (survival). Phase 2 starts from the probability value obtained in the previous phase and uses it as a response variable in the modeling process based on Decision Trees to establish survival patterns around the variables considered. Finally, in phase 3, the critical variables in the model are identified using the Random Forest. Results: The proposed methodology allowed the design of a prediction model to identify the main segmentation variables in behavior patterns of possible cases of academic dropout. Conclusion: Even though the proposal was developed considering a particular case of a Chilean university, the efficient combination of metaheuristics allows the extrapolation of the methodology to any context and academic reality. However, the conditions and needs of each institution must be considered.

Resumen Introducción: La deserción universitaria se considera actualmente como un fenómeno complejo que va más alla del número de estudiantes no matriculados, y que viene en continuo crecimiento sobre todo en los primeros años de estudio. Objetivo: En el presente estudio se propone un modelo de predicción que combina el Análisis de Supervivencia, Árboles de Decisión y Random Forest, bajo la filosofía de Machine Learning, para el diagnóstico temprano de los posibles factores de la deserción en estudiantes universitarios. Métodos: La propuesta consta de 3 fases: el Análisis de Supervivencia que permite estimar la probabilidad de permanencia del alumno (supervivencia). La fase 2 parte del valor de probabilidad obtenido en la fase anterior y lo utiliza como variable respuesta en el proceso de modelado basado en los árboles de decisión para establecer patrones de supervivencia en torno a las variables consideradas. Finalmente, en la fase 3 se identifican las variables más importantes en el modelo, utilizando Random Forest. Resultados: La metodología propuesta permitió diseñar un modelo de predicción, que identifica las principales variables de segmentación en patrones de comportamiento de posibles casos de deserción académica. Conclusión: Si bien la propuesta fue desarrollada considerando un caso particular de una universidad chilena, la eficiente combinación de la metaheurística permite la extrapolación de la metodología a cualquier contexto y realidad académica. Sin embargo, se deben considerar las condiciones y necesidades de cada institución.

Resumo Introdução: A deserção universitária é atualmente considerada um fenômeno complexo que vai além do número de estudantes não matriculados, e que vem em contínuo crescimento sobretudo nos primeiros anos de estudo. Objetivo: No presente estudo, é proposto um modelo de predição que combina Análise de Sobrevivência, Árvores de Decisão e Random Forest, sob a filosofia de Machine Learning, para o diagnóstico precoce dos possíveis fatores de deserção em estudantes universitários. Métodos: A proposta consiste em 3 fases: a Análise de Sobrevivência que permite estimar a probabilidade de permanência do aluno (sobrevivência). A fase 2 parte do valor de probabilidade obtido na fase anterior e o utiliza como variável resposta no processo de modelagem baseado em árvores de decisão para estabelecer padrões de sobrevivência em torno das variáveis consideradas. Finalmente, na fase 3, as variáveis críticas do modelo são identificadas usando Random Forest. Resultados: A metodologia proposta permitiu desenhar um modelo de previsão, que identifica as principais variáveis de segmentação em padrões de comportamento de possíveis casos de deserção acadêmica. Conclusão: Embora a proposta tenha sido desenvolvida a partir de um caso particular de uma universidade chilena, a combinação eficiente da meta-heurística permite a extrapolação da metodologia para qualquer contexto e realidade acadêmica. No entanto, devem ser consideradas as condições e necessidades de cada instituição.

Abstract NDVI elucidates the ecophysiological mechanisms faced by vegetation. With the flexibility and versatility of unmanned aerial vehicles (UAVs), temporal, spatial and spectral resolutions have been useful in supporting decision-making. Here, we modeled diurnal change in the NDVI derived from UAV imagery for individual trees in a natural forest stand. Eight flights were conducted during daylight hours over one day to assess the dynamics of the NDVI of the genera Pinus, Juniperus, and Quercus. The results showed unstable NDVI values over time, with a parabolic quadratic trend in the model. The NDVI reached its maximum around 13:00 h and the values differed significantly according to genus: the highest value was found in Pinus with significant differences presented with Juniperus and Quercus, which showed similar values between them (p=0.533). As a validation strategy, we test the model generated using 124 trees independent of those that were sampled, which strengthened our results in terms of reliability. The similarities of statistical parameters confer a high variability of application of the results in models of simulation of similar forests ecosystems. We recommend to study more spectral indices of vegetation, including calibration of the sensor, particularly in longer-term seasonal studies. We conclude that the NDVI measured using UAV should consider image acquisition time to calibrate the records and thus improve the interpretation of results.

Resumen El NDVI dilucida los mecanismos ecofisiológicos a los que se enfrenta la vegetación. Gracias a la flexibilidad y versatilidad de los vehículos aéreos no tripulados (VANT), las resoluciones temporales, espaciales y espectrales han sido útiles para apoyar la toma de decisiones. En este trabajo se modelizó el cambio diurno en el NDVI derivado de imágenes de VANT para árboles individuales en un rodal forestal natural incoetáneo. Se realizaron ocho vuelos durante las horas diurnas a lo largo de un día para evaluar la dinámica del NDVI de los géneros Pinus, Juniperus y Quercus. Los resultados mostraron valores de NDVI inestables en el tiempo, con una tendencia cuadrática parabólica en el modelo. El NDVI alcanzó su máximo alrededor de las 13:00 h y los valores difirieron significativamente según el género: el valor más alto se encontró en Pinus con diferencias significativas presentadas con Juniperus y Quercus, que mostraron valores similares entre ellos (p=0.533). Como estrategia de validación, probamos el modelo generado utilizando 124 árboles independientes de los muestreados, lo que reforzó nuestros resultados en términos de confiabilidad. Las similitudes de los parámetros estadísticos confieren una alta variabilidad de aplicación de los resultados en modelos de simulación de ecosistemas forestales similares. Recomendamos estudiar más índices espectrales de vegetación, incluyendo la calibración del sensor, particularmente en estudios estacionales de más largo plazo. Concluimos que el NDVI medido mediante VANT debe considerar el tiempo de adquisición de la imagen para calibrar los registros y así mejorar la interpretación de los resultados.

ABSTRACT Wind energy is an important renewable source that has been considerably developed recently. In order to obtain successful 24-h lead-time wind power forecasts for operational and commercial uses, a combination of physical and statistical models is desirable. In this paper, a hybrid methodology that employs a numerical weather prediction model (Weather Research and Forecasting) and a neural network (NN) algorithm is proposed and assessed. The methodology is applied to a wind farm in northwestern Mexico, a region with high wind potential where complex geography adds large uncertainty to wind energy forecasts. The energy forecasts are then evaluated against actual on-site power generation over one year and compared with two reference models: decision trees (DT) and support vector regression (SVR). The proposed method exhibits a better performance with respect to the reference methods, showing an hourly normalized mean absolute percentage error of 6.97%, which represents 6 and 13 percentage points less error in wind power forecasts than with DT and SVR methods, respectively. Under strong synoptic forcing, the NN wind power forecast is not very accurate, and novel approaches such as hierarchical algorithms should be employed instead. Overall, the proposed model is capable of producing high-quality wind power forecasts for most weather conditions prevailing in this region and demonstrates a good performance with respect to similar models for medium-term wind power forecasts.

RESUMEN La energía eólica es una importante fuente de energía renovable que se ha desarrollado considerablemente en los últimos años. Con el fin de obtener pronósticos de energía eólica de alta precisión con 24 horas de anticipación para usos operativos y comerciales, se necesita una combinación de modelos físicos y estadísticos. En este artículo se propone y evalúa una metodología híbrida que emplea un modelo numérico (Weather Research and Forecasting) y un algoritmo de red neuronal (NN). La metodología se aplica a un parque eólico en el noroeste de México, una región con alto potencial eólico donde la compleja geografía agrega gran incertidumbre a los pronósticos de energía eólica. Los pronósticos de energía se evalúan usando la generación de energía real en el sitio de interés durante un año y se comparan con dos modelos de referencia: árboles de decisión (DT, por su sigla en inglés) y regresión de vectores de soporte (SVR). El método propuesto muestra un mejor desempeño respecto a los métodos de referencia, mostrando un error absoluto medio porcentual horario de 6.97%, lo que representa 6 y 13 puntos porcentuales menos de error en los pronósticos de energía eólica que con los métodos DT y SVR, respectivamente. El pronóstico de energía eólica NN no es muy preciso cuando tiene un fuerte forzamiento sinóptico, por lo que en su lugar deben emplearse enfoques novedosos como los algoritmos jerárquicos. En general, el modelo propuesto tiene la capacidad de producir pronósticos de energía eólica de alta calidad para la mayoría de las condiciones climáticas que prevalecen en esta región, y de- muestra un buen desempeño respecto a modelos similares para pronósticos de energía eólica a mediano plazo.

Abstract The objective of this research was to evaluate the diversity, horizontal structure and vertical structure of tree species in three types of forest vegetation in the Adolfo Ruiz Cortines ejido in the south of the state of Durango, Mexico. The data analyzed corresponds to 665 circular sites of 0.1 ha; 56 sites correspond to pine forests (BP), 511 to pine oak forests (BPQ) and 98 to pine oak forests (BQP). For each site, the name of the species, the normal diameter (>7.5 cm) and the total height (m) of the trees were recorded. For the tree species in each type of vegetation, their diversity was determined using the Shannon index, their dominance with the Simpson index and their specific richness using the Margalef index. Subsequently, a test of over similarity or difference in the diversity-abundance Hutchenson's t was carried out to compare the diversity of species between the vegetation types using the Shannon index, to know if there are significant statistical differences between the diversity of species of the types of vegetation. To know the horizontal structure, the importance value index (IVI) was obtained, which is a hierarchical index that measures the dominance of the species through percentage values, which are obtained with the abundance Ai, dominance Di and frequency Fi of the species. species, these ecological parameters were analyzed with the non-parametric Kruskal-Wallis test to determine if there are significant statistical differences. The vertical structure was determined with the species vertical distribution index A. Hutchenson's t test demonstrated that there are significant statistical differences in the tree diversity of the forest types. According to the horizontal structure, only the absolute frequencies recorded significant statistical changes between the three vegetation types (BP-BPQ-BQP). The values of the vertical index of species A indicated that for the three types of vegetation there is a non-uniform plant community in terms of height, presenting a greater number of individuals in the lower stratum, followed by the middle stratum, to finally have a smaller amount in the higher altitude stratum. The information generated in this research provides a frame of reference on how the tree structure is formed in the vegetation types of the ejido, as well as the basis for future decision-making on forest management plans.

Resumen El objetivo de la presente investigación fue evaluar la diversidad, estructura horizontal y estructura vertical de especies arbóreas en tres tipos de vegetación forestal en el ejido Adolfo Ruíz Cortines al sur del estado de Durango, México. Los datos analizados corresponden a 665 sitios circulares de 0.1 ha; 56 sitios correspondientes a bosques de pino (BP), 511 a bosques de pino encino (BPQ) y 98 a bosques de encino pino (BQP). Para cada sitio se registró el nombre de la especie, el diámetro normal (>7.5 cm) y la altura total (m) de los árboles. Para las especies, en cada tipo de vegetación, se determinó su diversidad mediante el índice de Shannon, dominancia con el índice de Simpson y riqueza específica utilizando el índice de Margalef. Se realizó una prueba de similitud o diferencia en la diversidad-abundancia t de Hutchenson para comparar la diversidad de especies entre los tipos de vegetación utilizando el índice de Shannon, para conocer si existen diferencias estadísticas significativas entre la diversidad de especies de los tipos de vegetación. Para conocer la estructura horizontal se obtuvo el índice de valor de importancia (IVI), el cual es un índice jerárquico que mide la dominancia de las especies mediante valores porcentuales, los cuales son obtenidos con la abundancia A i , dominancia D i y frecuencia F i de las especies, dichos parámetros ecológicos se analizaron con la prueba no paramétrica de Kruskal-Wallis para determinar si existen diferencias estadísticas significativas. La estructura vertical se determinó con el índice de distribución vertical de especies A. La prueba de t de Hutchenson demostró que existen diferencias estadísticas significativas en la diversidad arbórea de los tipos de bosque. De acuerdo con la estructura horizontal, sólo las frecuencias absolutas registraron cambios estadísticos significativos entre los tres tipos de vegetación (BP-BPQ-BQP). Los valores del índice vertical de especies A, indicaron que para los tres tipos de vegetación se presenta una comunidad vegetal no uniforme en cuanto a sus alturas, presentando un mayor número de individuos en el estrato inferior, seguido del estrato medio, para finalmente tener una cantidad menor en el estrato de altura mayor. La información generada en esta investigación proporciona un marco de referencia sobre cómo se conforma la estructura arbórea en los tipos de vegetación del ejido, así como la base para futuras tomas de decisión sobre planes de manejo forestal.

Resumen: Este trabajo analiza el proceso de handover en redes LTE (Long Term Evolution) en dos escenarios, detectando las características y el comportamiento de los parámetros RF (Radio Frequency) mediante modelos predictivos. Los dos escenarios recopilan datos de mediciones de los parámetros de RF, el primero en una zona urbana de la ciudad de Quito con la finalidad de analizar el comportamiento y establecer las características de una zona con handovers. El segundo escenario busca obtener un modelo predictivo de las zonas de handover fallidos; en este caso, se realizan recorridos en una zona rural de la ciudad de Quito y se analiza la falla de handovers con fallas en llamadas VoIP, ya que en este servicio es más notable la pérdida de conexión en LTE. Para la recolección de datos se utilizan herramientas de monitoreo instaladas en teléfonos celulares y para el análisis de datos y la obtención del modelo de Machine Learning se emplean R y RStudio. Los datos recopilados fueron limpiados y transformados para obtener un DataSet único por cada escenario, luego se dividió en un set de entrenamiento y test. El set de entrenamiento fue procesado mediante la técnica de árboles de decisión, que permitió obtener un modelo gráfico del comportamiento de los parámetros RF que generan handovers o handovers fallidos según el escenario. Finalmente, con el set de test se evaluaron los modelos definiendo matrices de confusión y se calculó el accuracy respectivo, teniendo 96.34 % en el escenario 1 y 95.5 % en el escenario 2.

Abstract: This work analyzes the handover process in LTE (Long Term Evolution) networks in two scenarios, detecting the features and behavior of RF (Radio Frequency) parameters by means of predictive models. The two scenarios collect measurement data of RF parameters, the first one in an urban area of Quito city, in order to analyze the behavior and establish the features of an area with handovers. The second scenario seeks to obtain a predictive model of the failed handover zones; in this case, we make tours in a rural area of Quito city and analyze the failure of handovers with failures in VoIP calls, since in this service the loss of connection in LTE is more noticeable. For data collection, monitoring tools installed in cell phones are used and for data analysis and obtaining the Machine Learning model, R and RStudio are used. The collected data were cleaned and transformed to obtain unique DataSet for each scenario, then divided into a training and test set. The training set was processed using the decision tree technique, which allowed obtaining a graphical model of the behavior of the RF parameters that generate handovers or failed handovers, according to the scenario. Finally, the models were evaluated with the test set by defining confusion matrices and calculating the respective accuracy, with 96.34 % in scenario 1 and 95.5 % in scenario 2.

Resumen Objetivo: Aplicar un modelo de análisis de redes neuronales artificiales (RNA) para identificar las variables que predicen el liderazgo asignado y el éxito académico en egresados de seis generaciones de la carrera de Medicina. Método: Estudio analítico, retrospectivo y comparativo. Participaron 1434 egresados. Se envió un cuestionario por correo electrónico que incluyó el consentimiento de participación voluntaria. Se realizó análisis estadístico multivariado mediante RNA del tipo perceptrón multicapa, árboles de decisión y análisis de impulsores. Resultados: Las RNA identificaron siete variables independientes que predijeron el éxito profesional y ocho para el liderazgo en los médicos egresados. Los árboles de decisión identificaron diferencias significativas en las variables desempeño profesional (p = 0.000), edad (p = 0.005) y actividades de educación continua (p = 0.034) relacionadas con el éxito profesional, y para el liderazgo las variables sexo (p = 0.000), promedio en el bachillerato (p = 0.042), realizar práctica clínica en el servicio social (p = 0.002) y actividades de educación continua (p = 0.011). Conclusiones: Las RNA identificaron las principales variables independientes predictoras del éxito profesional y el liderazgo de los egresados. El estudio abre dos líneas de investigación poco estudiadas con las técnicas de RNA en el área de la medicina.

Abstract Objective: To apply an artificial neural networks analysis (ANN) model to identify variables that predict assigned leadership and academic success in graduates of six generations of medical school. Method: Analytical, retrospective, comparative study. A total of 1434 graduates participated. A questionnaire was sent to them by e-mail including a voluntary participation consent. A multivariate statistical analysis using multi-layer perceptron ANN, decision trees and driver analysis was performed. Results: The ANN identified seven independent variables that predicted professional success and eight for leadership in medical graduates. The decision trees identified significant differences in the variables professional performance (p = 0.000), age (p = 0.005) and continuing education activities (p = 0.034) related to professional success, and for leadership the variables gender (p = 0.000), high school grades (p = 0.042), performing clinical practice during the social service year (p = 0.002) and continuing education activities (p = 0.011). Conclusions: The ANN identified the main independent predictor variables of professional success and leadership of the graduates. This study opens up two new lines of research little studied with the techniques of in the area of medicine.

Resumen Contexto: En el sector educativo se han identificado variables que inciden considerablemente en el rendimiento academico de los estudiantes. En la ultima decada se han llevado a cabo investigaciones desde diversos campos como la psicologia, la estadistica y el analisis de datos con el fin de predecir el rendimiento academico. Metodo: La analitica de datos, especialmente a traves de herramientas de Machine Learning, permite predecir el rendimiento academico utilizando algoritmos de aprendizaje supervisado basados en variables academicas, demograficas y sociodemograficas. En este trabajo se seleccionan las variables mas influyentes en el transcurso de la vida academica de los estudiantes mediante metodos de filtro, embebidos, y de ensamble, asi como las caracteristicas mas importantes semestre a semestre utilizando algoritmos de Machine Learning (arbol de decision, KNN, SVC, Naive Bayes, LDA), implementados en el lenguaje Python. Resultados: Los resultados del estudio muestran que el KNN es el modelo que mejor predice el rendimiento academico para cada uno de los semestres, seguido de los arboles de decision, con valores de precision que oscilan alrededor del 80 y 78,5% en algunos semestres. Conclusiones: Con respecto a las variables, no se puede decir que el promedio academico semestral de un estudiante influya necesariamente en la prediccion del rendimiento academico del siguiente semestre. El analisis de estos resultados indica que la prediccion del rendimiento academico utilizando herramientas de Machine Learning es un enfoque promisorio que puede ayudar a mejorar la vida academica de los estudiantes y permitir a las instituciones y a los docentes adoptar acciones que ayuden al proceso de ensenanza-aprendizaje.

Abstract Context: In the education sector, variables have been identified which considerably affect students’ academic performance. In the last decade, research has been carried out from various fields such as psychology, statistics, and data analytics in order to predict academic performance. Method: Data analytics, especially through Machine Learning tools, allows predicting academic performance using supervised learning algorithms based on academic, demographic, and sociodemographic variables. In this work, the most influential variables in the course of students’ academic life are selected through wrapping, embedded, filter, and assembly methods, as well as the most important characteristics semester by semester using Machine Learning algorithms (Decision Trees, KNN, SVC, Naive Bayes, LDA), which were implemented using the Python language. Results: The results of the study show that the KNN is the model that best predicts academic performance for each of the semesters, followed by Decision Trees, with precision values that oscillate around 80 and 78,5% in some semesters. Conclusions: Regarding the variables, it cannot be said that a student’s per-semester academic average necessarily influences the prediction of academic performance for the next semester. The analysis of these results indicates that the prediction of academic performance using Machine Learning tools is a promising approach that can help improve students’ academic life allow institutions and teachers to take actions that contribute to the teaching-learning process.

Resumen: Este artículo presenta un enfoque novedoso para amortiguar de forma adaptativa las oscilaciones de baja frecuencia mediante un clasificador de árboles de decisión que utilizan como entradas las señales de frecuencia y potencia de las barras de generación sensadas por el sistema de monitoreo de área amplia (WAMS). El ajuste adaptativo de los estabilizadores de sistemas de potencia (PSS) convencionales (p.ej., PSS1A, PSS2A, PSS2B), que se encuentran disponibles en el sistema, se realiza al modificar los parámetros óptimos de sintonización del PSS, mediante el análisis de los modos críticos de los escenarios operativos utilizando el algoritmo de optimización heurística de mapeo media- varianza (MVMO). Estos parámetros por escenario pueden ser seleccionados mediante un clasificador inteligente basado en árboles de decisión con el objetivo de adaptar la sintonización del PSS a las condiciones de operación. Dicho proceso se implementa en PowerFactory de DIgSILENT mediante la herramienta de análisis modal, se determinan los modos críticos, para el caso de simulación. Mientras en tiempo real, los modos críticos son obtenidos por medio del algoritmo de identificación modal establecido con la matriz Pencil de las señales WAMS. La metodología planteada se aplica al sistema New York-New England de 66-Barras, obteniéndose la mejor respuesta dinámica del sistema con los PSS adaptativos a las diferentes condiciones operativas del sistema. Además, se compara la respuesta con el PSS4B que se caracteriza por monitorear varias frecuencias de los modos de oscilación presentes en la operación del sistema y así presentar los beneficios a la contribución propuesta.

Abstract: This paper presents a novel approach for adaptively damping low-frequency electromechanical oscillations via the application of decision trees that uses as inputs frequency and power signals of generation buses monitored by the wide-area measurement system (WAMS). This methodology can be applied for adaptive tuning of conventional Power System Stabilizers (e.g., PSS1A, PSS2A, PSS2B), generally available in actual power systems. It is done by adjusting the PSS tuning parameters by analyzing critical oscillation modes for different operational scenarios using the Mean-Variance Mapping Optimization (MVMO) heuristic algorithm. An intelligent classifier selects the PSS’s optimal parameters for each scenario based on Decision Trees with the objective of adapting the PSS tuning to the operating conditions. This process uses PowerFactory of DIgSILENT and critical modes are determined using modal analysis for simulation. In real-time, binding modes are derived by modal identification algorithm established with matrix Pencil of WAMS-signals. Such a methodology is applied to the 66-Bus New York-New England test power system, showing an excellent dynamic response in adapting PSS tuning to the different power system conditions. In addition, the response is compared with the PSS4B, which is characterized by monitoring various frequencies of the oscillation modes present in the system operation, thus presenting the benefits of proposed contribution.

Resumen Se realizó una evaluación de la rentabilidad económica del uso del método de regeneración de árboles padre para poblaciones arboladas en contraste con el uso de una plantación. La comparación proporciona información sobre la eficiencia económica de ambos métodos de regeneración que es útil para la toma de decisiones. La evaluación se basa en un algoritmo para estimar el número de árboles padre que se deben dejar en pie de acuerdo con la calidad de sitio, variable que integra factores ambientales e intrínsecos de cada especie. Se muestra un ejemplo de calibración del modelo y, a través de una simulación Monte Carlo, variando parámetros del modelo y costos, se evalúa el valor presente neto, tanto de la regeneración natural en un periodo de t años, como de la realización de una plantación. Los resultados muestran que, si no existen limitantes fisiológicas de la especie y de sitio para que se regenere a través de plantación, esta es más rentable que una repoblación natural. Se discuten algunas variables económicas y sociales que influyen en la decisión final de un productor de adoptar la regeneración asistida. Se concluye que la regeneración asistida es más rentable y potencialmente más eficiente que la regeneración natural.

Abstract A comparison of the profitability of the seed tree regeneration method versus planting is carried out. The comparison provides useful information on the economic efficiency of both methods of regeneration which is useful for decision making. The evaluation is based on an algorithm to estimate the number of seed trees to left standing based on-site quality, variable that accounts for environmental and species intrinsic factors. An example of model calibration is shown and through a Monte Carlo simulation varying several model and costs parameters, the net present value is evaluated for both, regeneration, and planting methods over a period of t years. Results show that if there are no physiological constraints for the species regeneration through planting, this method is more cost effective than natural regeneration. Some economic and social variables that influence the producer's final decision to adopt planting are discussed. It is concluded that assisted regeneration is more cost-effective and potentially more efficient than natural regeneration.

Resumo Este artigo identifica os principais estudos relacionados aos fatores que contribuem para explicar a evasão universitária e como eles são abordados a partir do campo da inteligência artificial (IA). O estudo descreve a metodologia adotada para selecionar 31 documentos de um repositório de 2745 relatados na literatura. A análise foi realizada a partir dos principais métodos de IA adotados, bem como dos fatores explicativos da evasão universitária agrupados em quatro categorias: acadêmica, relacionada com a motivação e hábitos de estudo, institucional, e econômica e sociodemográfica. A revisão da literatura permite concluir que a tarefa mais comum da IA é a classificação por meio de árvores de decisão e que a maioria dos trabalhos prevê a evasão universitária a partir dos fatores que a explicam.

Abstract This paper identifies key research on the factors that help to explain university dropout and how these factors are being explored by means of artificial intelligence (AI). The study describes the methodology employed to select 31 papers from a repository of 2,745 reported in the literature. The analysis centered on the main AI methods used and four categories of explanatory factors of university dropout: academic factors; factors associated with motivation and study habits; institutional factors; and economic and sociodemographic factors. The conclusion drawn from this literature review is that AI is most commonly used for decision tree-based classification, and most studies focus on predicting university dropout on the basis of explanatory factors.

Resumen Este artículo identifica los principales estudios relacionados con los factores que contribuyen a explicar la deserción universitaria, y cómo estos son abordados desde el campo de la inteligencia artificial (IA). El estudio describe la metodología adoptada para seleccionar 31 documentos sobre un repositorio de 2745 reportados en la literatura. El análisis se realizó desde los principales métodos de IA adoptados, así como desde los factores explicativos de la deserción universitaria agrupados en cuatro categorías: académicos, relacionados con la motivación y hábitos de estudio, institucionales, y económicos y sociodemográficos. La revisión de la literatura permite concluir que la tarea más común desde la IA es la clasificación mediante árboles de decisión y que la mayoría de los trabajos predicen la deserción universitaria desde los factores que la explican.

Abstract This study proposes a primary screening system for diagnosing sarcopenia in older adults through anthropometric measures. This exploratory research initially involved 150 elderly individuals, of whom 122 were selected after a data purification process. Using machine learning techniques such as hierarchical clustering and decision trees, the original set of 13 anthropometric measures was reduced to five key features. Three classification systems were created: the first based on previously established parameters (appendicular muscle mass, walking speed, and grip strength); the second considered upper limb measures (average muscle mass of both arms, grip strength, walking speed, and body fat percentage); and the third focused on lower limb measures (average muscle mass of both legs, grip strength, walking speed, and body fat percentage). These classification systems were clinically validated in a group of 57 patients previously diagnosed by specialists, of which 10 received a positive sarcopenia diagnosis. The results showed similar efficiencies in all three systems, with eight of the ten known positive diagnoses classified in the same group. Additionally, the study provides specific cut-off points for each system, thus facilitating the clinical diagnosis of sarcopenia by medical professionals.

Resumen Este estudio propone un sistema de cribado primario para diagnosticar la sarcopenia en adultos mayores a través de medidas antropométricas. Esta investigación exploratoria involucró inicialmente a 150 personas de edad avanzada, de las cuales 122 fueron seleccionadas después de un proceso de depuración de datos. Empleando técnicas de aprendizaje automático como el agrupamiento jerárquico y los árboles de decisión, se redujeron las 13 medidas antropométricas originales a cinco características clave. Se crearon tres sistemas de clasificación: el primero basado en parámetros previamente establecidos (masa muscular apendicular, velocidad de marcha y fuerza de agarre); el segundo consideró medidas de las extremidades superiores (masa muscular promedio de ambos brazos, fuerza de agarre, velocidad de marcha y porcentaje de grasa corporal); y el tercero se centró en las medidas de las extremidades inferiores (masa muscular promedio de ambas piernas, fuerza de agarre, velocidad de marcha y porcentaje de grasa corporal). Estos sistemas de clasificación se validaron clínicamente en un grupo de 57 pacientes previamente diagnosticados por especialistas, de los cuales 10 recibieron un diagnóstico positivo de sarcopenia. Los resultados mostraron eficiencias similares en los tres sistemas, con ocho de los diez diagnósticos positivos conocidos clasificados en el mismo grupo. Además, el estudio proporciona puntos de corte específicos para cada sistema, facilitando así el diagnóstico clínico de la sarcopenia por parte de profesionales médicos.

Abstract Analyzing the relation between socioeconomic variables and neglected tropical diseases can help managers in the conception of public policies to reduce cases. The objective of this study was to evaluate, based on machine learning algorithms, which socioeconomic variables are more important for the risk classification of three neglected diseases: leprosy, cutaneous leishmaniasis, and dengue. Three algorithms based on decision trees were evaluated: Random Forest (RF), XGBoost, and C5.0. As a study area, the municipalities of the state of Goiás and of the Federal District - Brazil, were delimited. For the dengue risk classes, both the RF algorithm and the XGBoost showed accuracy values above 0.6. Both emphasizing the low-income conditions, literacy, and race as the most important predictive variables. In the leprosy risk classes case, the three algorithms presented accuracy results above 0.6, indicating the variables water supply, literacy, race, and housing as important. For the cutaneous leishmaniasis risk classes, the algorithms showed an accuracy lower than 0.4, making the evaluation of possible predictive variables to the model unfeasible. The three evaluated algorithms revealed approximate predictive performance; however, the RF was slightly higher. The most important socioeconomic variables for dengue and leprosy risk classes prediction were similar.

Résumé Analyser la relation entre les variables socio-économiques et les maladies tropicales négligées peut accompagner les gestionnaires dans l’élaboration de politiques publiques pour réduire les cas. L’objectif de ce travail était d’évaluer, sur la base d’algorithmes machine learning, quelles variables socio-économiques sont le plus important pour la classification des risques de trois maladies négligées: la lèpre, la leishmaniose tégumentaire et la dengue. Trois algorithmes basés sur des arbres de décision ont été considérés: Aléatoire Forêt (AF), XGBoost et C5.0. La zone d’étude délimitée sont les municipalités de la province de Goiás et le District Fédéral, situées dans la région Centre-Ouest du Brésil. Pour les classes de risque de dengue, l’algorithme AF et XGBoost ont présenté des valeurs de précision supérieures à 0,6. Les deux ressortent comme des variables plus prédictives de facteurs tels que les conditions de faible revenu, l’alphabétisation et la race. Dans le cas des classes de risque de lèpre, les trois algorithmes ont présenté des résultats de précision supérieurs à 0,6, indiquant comment paramètres importants tels que l’approvisionnement en eau, l’alphabétisation, la race et les conditions de logement. Dans le cas des cours risque de leishmaniose tégumentaire, les algorithmes ont adopté une précision inférieure à 0,4, rendant évaluation des variables prédictives possibles au modèle. Les trois algorithmes évalués performances prédictives approximatives, cependant, le AF était supérieur résistant. Les variables les variables socio-économiques les plus importantes pour prédire les classes de risque de dengue et de lèpre étaient similaire.

Resumen Analizar la relación entre las variables socioeconómicas y las enfermedades tropicales desatendidas puede ayudar los gestores en la producción de políticas públicas para la reducción de casos. El objetivo de este trabajo fue evaluar, con base en algoritmos de machine learning, qué variables socioeconómicas son más importantes para la clasificación de riesgo de tres enfermedades desatendidas: lepra, leishmaniasis cutánea y dengue. Se evaluaron tres algoritmos basados en árboles de decisión: Random Forest (RF), XGBoost y C5.0. Como área de estudio, fueron delimitados los municipios del Estado de Goiás y del Distrito Federal - Brasil. Para las clases de riesgo de dengue, tanto el algoritmo RF como el XGBoost presentaron valores de precisión superiores a 0,6. Ambos resaltan como las variables predictivas más importantes las condiciones de baja renta, alfabetización y raza. En el caso de las clases de riesgo de lepra, los tres algoritmos presentaron resultados de precisión superiores a 0,6, lo que indica que las variables suministro de agua, alfabetización, raza y vivienda son importantes. En el caso de las clases de riesgo de leishmaniasis cutánea, los algoritmos mostraron una precisión inferior a 0,4, haciendo inviable la evaluación de posibles variables predictivas del modelo. Los tres algoritmos evaluados presentaron un rendimiento predictivo aproximado, sin embargo, el RF fue ligeramente superior. Las variables socioeconómicas más importantes para la predicción de las clases de riesgo de dengue y de lepra fueron similares.

Resumo Analisar a relação entre variáveis socioeconômicas e doenças tropicais negligenciadas pode auxiliar gestores no desenvolvimento de políticas públicas para a redução de casos. O objetivo deste trabalho foi avaliar, com base em algoritmos de machine learning, quais as variáveis socioeconômicas mais importantes para a classificação de risco de três doenças negligenciadas: hanseníase, leishmaniose tegumentar e dengue. Foram avaliados três algoritmos embasados em árvores de decisão: Random Forest (RF), XGBoost e C5.0. Como área de estudo, delimitaram-se os municípios do Estado de Goiás e o Distrito Federal - Brasil. Para as classes de risco de dengue, tanto o algoritmo RF quanto o XGBoost apresentaram valores de acurácia acima de 0,6. Ambos destacaram como variáveis preditivas mais importantes as condições de baixa renda, alfabetização e raça. No caso das classes de risco de hanseníase, os três algoritmos apresentaram resultados de acurácia acima de 0,6 indicando como importantes as variáveis abastecimento de água, alfabetização, raça e moradia. No caso das classes de risco de leishmaniose tegumentar, os algoritmos apresentaram acurácia inferior a 0,4 inviabilizando a avaliação das possíveis variáveis preditivas ao modelo. Os três algoritmos avaliados apresentaram desempenho preditivo aproximados, no entanto, o RF foi ligeiramente superior. As variáveis socioeconômicas mais importantes para predição das classes de risco de dengue e hanseníase foram similares.

Abstract This paper presents decision trees as a machine learning technique for classifying cows as good milk producers or not, based on the use of genetic markers. The purpose is to select genetically superior animals in less time and make the assisted reproduction process more efficient, thereby reducing costs and increasing profits in the dairy sector. Results are presented on the efficiency of decision trees for the classification of dairy cows, up to 94.5% accuracy was achieved. In addition, the algorithm allowed the identification of the most dominant SNP for classification, and the chromosome that most influences the prediction.

Resumen En este trabajo se presenta a los árboles de decisión como una técnica de aprendizaje automático para la clasificación de vacas como buenas productoras de leche a partir del uso de marcadores genéticos. La finalidad es realizar una selección de animales genéticamente superiores en menor tiempo y hacer más eficiente el proceso de reproducción asistida logrando con ello disminuir costos y aumentar ganancias en el sector lechero. Los resultados de los experimentos realizados muestran hasta un 94.5% de precisión. Además, el algoritmo permitió la identificación del SNP más dominante para la clasificación, y el cromosoma que más influye en la predicción.

Resumen Este trabajo presenta los resultados de un proceso exploratorio donde se aplicaron diferentes métodos de clasificación para determinar el modo de transporte de los estudiantes para acceder a la sede Rodrigo Facio de la Universidad de Costa Rica. Dentro de los modelos analizados se encuentran la regresión logística binomial, análisis discriminante lineal, árboles de decisión, K-vecinos más cercanos, máquinas de soporte vectorial y redes neuronales. Se realizó una validación con el método de K-pliegues y se obtuvo una precisión superior al 83% para todos los modelos analizados. De manera similar se aplicó el modelo de ensamble apilamiento para las técnicas de árboles de decisión, K-vecinos más cercanos, máquinas de soporte vectorial, bosques aleatorios, agregación de Bootstrap, regresión logística binomial y método de potenciación obteniendo valores de precisión superiores al 86% en todos los casos, siendo el modelo de bosques aleatorios el que presentó una mayor precisión.

Abstract This work presents the results of an exploratory process where different classification methods were applied to determine the mode of transportation for students to access the Rodrigo Facio campus of the University of Costa Rica. Among the analyzed models are binomial logistic regression, linear discriminant analysis, decision trees, K-closest neighbors, vector support machines and neural networks. A validation was carried out with the K-folds method and a precision higher than 83% was obtained for all the models analyzed. Similarly, the stacking assembly model was applied for the decision tree techniques, K-nearest neighbors, vector support machines, random forests, Bootstrap aggregation, binomial logistic regression and the potentiation method, obtaining precision values higher than 86% in all cases. The random forest method gives the 0highest precision.