Desde mediados del siglo XX se ha venido argumentando que el emprendimiento es un componente vital para el crecimiento económico, la innovación y el empleo Adicionalmente, se espera que los egresados universitarios impulsen la creación de empresas innovadoras sin embargo, es poco lo que se sabe sobre las razones que llevan a un universitario a tomar la decisión de emprender. Este artículo tiene como objetivo presentar los resultados preliminares de la investigación sobre las intenciones emprendedoras de los estudiantes de la Facultad de Minas de la Universidad Nacional de Colombia ”“ Sede Medellín. La investigación fue de tipo exploratorio con diseño no experimental, transversal y de campo. Se realizaron 477 encuestas a estudiantes de la Facultad durante los meses de octubre y noviembre del año 2010, las cuales fueron procesadas con el paquete estadístico R. Se identificaron y caracterizaron cuatro tipologías básicas de estudiantes según sus intenciones emprendedoras, con las cuales se verificó la capacidad explicativa del Modelo de Intención Emprendedora propuesto en el 2005 por Segal, Borgia, y Schoenfeld. Se concluye proponiendo mejoras al Modelo de Intención Emprendedora que permitan incrementar su poder explicativo.
El objetivo del artículo es presentar los resultados de un análisis bibliométrico en el campo del modelado de la difusión de innovaciones que permita realizar un diagnóstico de la evolución y estado actual del tema. La metodología empleada consiste en la construcción y posterior análisis de los indicadores bibliométricos de cantidad y calidad, así como un análisis de la estructura topológica de las redes de autores atendiendo a su evolución temporal en el intervalo 2005- 2011. Como resultado, se encuentra un campo en continuo crecimiento y de gran dispersión, con alta dinámica en la evolución de sus redes.
Este artículo propone una metodología para la construcción de una matriz de análisis de debilidades, oportunidades, fortalezas y amenazas en la formulación y evaluación de proyectos, con base en estudios cuantitativos de riesgo. Se parte de una revisión de literatura para obtener una descripción del análisis de debilidades, oportunidades, fortalezas y amenazas y sus usos, así como las herramientas en los estudios de riesgos de los proyectos. Luego se muestra un marco metodológico para la construcción de análisis de debilidades, oportunidades, fortalezas y amenazas cuantitativos y los apartados necesarios para llevar a cabo el análisis, el cual se valida con un caso de aplicación. Se concluye que, mediante análisis cuantitativos de riesgos en los proyectos, se puede reducir la subjetividad en la construcción de la matriz estratégica de debilidades, oportunidades, fortalezas y amenazas.
This paper presents a conceptual framework for the modelling and simulation of properties, interactions and processes of social systems based on computational templates using discrete event system specification (DEVS) formalism and OMG Systems Modelling Language (SysML) diagrams. No antecedents of this combination were found in the literature, and so this is one of the contributions of this paper. Additionally, this article explains how the principles and rules of SysML can be applied to the analysis of social systems. An example of the proposed framework based on a basic Agent_Zero model is shown. The conceptual framework was built based on a critical literature review, and included new additional elements to create a complete but simple conceptual framework. The codes for the simulations were written in Python 3.
A novel method of disease diagnosis, based on images that capture every part of a diseased plant, such as the leaf, the fruit, the root, etc., is presented in this paper. As is well known, the plant genotypic and phenotypic characteristics can significantly impact how plants are affected by viruses, bacteria, or fungi that cause disease. Assume that these data are unknown at the outset and that the appropriate precautions are not taken to prevent classifications skewed toward uninteresting traits. An approach to avoid categorization bias brought on by the morphology of leaves is suggested in this study. The basis of this approach is the extraction of textural features. Additionally, Bayesian Optimization is suggested to obtain training hyperparameters that enable the creation of better-trained artificial neural networks. First, we initially pre-processed the images from the PlantVillage dataset to remove background noise. Then, tiles from images were used to reduce any potential bias from leaf form. Finally, several cutting-edge tiny convolutional neural networks (CNNs), created for contexts with little processing power, were trained on a new dataset of 85 × 85 × 3 px images. MobileNet, which had a 96.31% accuracy rate, and SqueezeNet, which had a 95.05% accuracy rate, were the models that predicted the best performance. The results were then examined using Precision and Recall measures, which are important for identifying plant diseases.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.