ResumenA pesar del avance importante en el uso de las Tecnologías de la Información y la Comunicación (TIC) en la enseñanza de la educación media, la literatura muestra un amplio desarrollo en matemáticas, pero una gran limitación en otras temáticas como las ciencias naturales y las sociales. En el presente trabajo, se describe el desarrollo de una unidad didáctica basada en un ambiente virtual colaborativo usando eXe Learning, e incorporando diferentes estrategias educativas, con el objetivo de apoyar la enseñanza del curso de Biología, siendo el tema central la Reproducción en los Seres Vivos. Dos grupos de octavo grado, de una Institución
Existe una relación compleja y no lineal entre los factores que influyen en la resistencia de diseño y la compresión de hormigones reforzados con fibras de acero. La relación entre las variables de entrada, los factores y la variable de salida, y la resistencia de diseño a la compresión puede ser obtenida por un modelo neuronal artificial, cuyas características sean autoadaptación, autoestudio y mapeo no lineal. En este documento se presenta la elaboración de un modelo neuronal artificial basado en redes neuronales de funciones de base radial. La resistencia de diseño a la compresión en dosificaciones de mezclas de hormigón reforzados con fibras de acero es estimada, predicción que se analiza a partir del coeficiente de correlación R al compararse con los valores reales de la resistencia. Los resultados muestran que los valores estimados usando las redes de base radial coinciden con los valores experimentales, y la capacidad de predicción de la propiedad mecánica del modelo neuronal es mejor que la de otros modelos basados en redes multicapas desarrollados por los autores. El entrenamiento de los modelos neuronales permitió concluir que el uso de relaciones de los materiales es un indicador más adecuado para la comparación entre diferentes dosificaciones de mezclas de hormigón que llevan a similares resistencias a la compresión. Así, se potencia una agenda futura en la generación de nuevos métodos de estudio de la resistencia de diseño a la compresión en hormigones reforzados con fibras metálicas en el campo de la ingeniería.
<span>En diseño y construcción de estructuras de concreto, la resistencia a la compresión a 28 días de curado es la especificación de control de estabilidad de la obra. La inclusión de fibras como reforzamiento </span><span>de la matriz cementicia permite una ganancia en sus propiedades, además de obtener un material de alto desempeño. En las normativas, se plantean formulaciones predictivas de la resistencia a la compresión basadas en unos pocos parámetros de composición del concreto, tales como la relación agua/cemento y el contenido de cemento Portland. Por otra parte, también se han planteado métodos de diseños de concreto para definir la ponderación de sus materiales componentes, teniendo como referencia la resistencia a la compresión del concreto simple. Además, las redes neuronales artificiales, como un símil de las neuronas biológicas, han sido utilizadas como herramientas de predicción de la resistencia a la compresión en el concreto, también con referencia al concreto simple, sin reforzamiento con fibras. Los antecedentes en este uso muestran que es interesante desarrollar aplicaciones en los concretos reforzados con fibras. En el presente trabajo se elaboraron redes neuronales artificiales para predecir la resistencia a la compresión en concretos reforzados con fibras de acero. Los resultados de los indicadores de desempeño mostraron que las redes neuronales artificiales elaboradas pueden realizar una aproximación adecuada al valor real de la propiedad mecánica.</span>
Introduction: The prediction of potential fishing areas is considered one of the most immediate and practical approaches in fisheries and is an essential technique for decision-making in managing fishery resources. It helps fishermen reduce their fuel costs and the uncertainty of their fish catches; this technique allows to contribute to national and international food security. In this study, we build different combinations of predictive statistical models such as Generalized Linear Models and Generalized Additive Models. Objective: To predict the spatial distribution of PFZs of the dolphinfish (Coryphaena hippurus L.) in the Colombian Pacific Ocean. Methods: We built different combinations of Generalized Linear Models and Generalized Additive Models to predict the Catch Per Unit Effort of C. hippurus captured from 2002 to 2015 as a function of sea surface temperature, chlorophyll-a concentration, sea level anomaly, and bathymetry. Results: A Generalized Additive Model with Gaussian error distribution obtained the best performance for predicting PFZs for C. hipurus. Model validation was performed by calculating the Root Mean Square Error through a cross-validation approach. The R2 of this model was 50 %, which was considered suitable for the type of data used. January and March were the months with the highest Catch per Unit Effort values, while November and December showed the lower values. Conclusion: The predicted PFZs of C. hippurus with Generalized Additive Models satisfactorily with the results of previous research, suggesting that our model can be explored as a tool for the assessment, decision making, and sustainable use of this species in the Colombian Pacific Ocean.
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.