-The objective of this work was to develop, validate, and compare 190 artificial intelligence-based models for predicting the body mass of chicks from 2 to 21 days of age subjected to different duration and intensities of thermal challenge. The experiment was conducted inside four climate-controlled wind tunnels using 210 chicks. A database containing 840 datasets (from 2 to 21-day-old chicks) -with the variables dry-bulb air temperature, duration of thermal stress (days), chick age (days), and the daily body mass of chicks -was used for network training, validation, and tests of models based on artificial neural networks (ANNs) and neuro-fuzzy networks (NFNs). The ANNs were most accurate in predicting the body mass of chicks from 2 to 21 days of age after they were subjected to the input variables, and they showed an R² of 0.9993 and a standard error of 4.62 g. The ANNs enable the simulation of different scenarios, which can assist in managerial decision-making, and they can be embedded in the heating control systems.Index terms: animal welfare, artificial neural network, broiler, modeling, neuro-fuzzy network, thermal comfort. Predição da massa corporal de pintinhos por meio de modelos baseados em inteligência artificialResumo -O objetivo deste trabalho foi desenvolver, validar e comparar 190 modelos baseados em inteligência artificial, para predizer a massa corporal de pintinhos de 2 a 21 dias de vida, submetidos a diferentes períodos e intensidades de estresse térmico. O experimento foi realizado com 210 pintinhos, em quatro túneis de vento climatizados. Um banco de dados com 840 conjuntos de dados (de aves de 2 a 21 dias) -com as variáveis temperatura de bulbo seco do ar, duração do estresse térmico (dias), idade das aves (dias) e a massa corporal diária dos pintinhos -foi utilizado para treinamento de rede, validação e testes dos modelos baseados em redes neurais artificiais (RNA) e redes "neuro-fuzzy" (RNF). As RNA mostraram-se mais precisas para se predizer a massa corporal de pintinhos de 2 a 21 dias de idade, submetidos às variáveis de entrada, e apresentaram R² de 0,9993 e erro-padrão de 4,62 g. As RNA propiciam a simulação de diversos cenários, que podem auxiliar na tomada de decisões em relação ao manejo, e podem ser incorporadas nos sistemas de controle de aquecimento.Termos para indexação: bem estar animal, redes neurais artificiais, frango, modelagem, redes neurais difusas, conforto térmico.

RESUMEN: Este artículo propone un programa holístico de metaescritura, el cual está conformado por cinco componentes: cognitivo, metacognitivo, afectivo-emocional, social y competencia textual, el substrato teórico se halla en los aportes de Van Dijk, Díaz, Flower y Hayes, entre otros. El método fue acción-participación. Se realizó en tres fases. 1. Diagnóstico: se identificaron los niveles de desempeño de la competencia textual de los estudiantes; 2. Diseño: Se usaron los ciclos característicos del método para el diseño y 3. Se identificaron las transformaciones producidas a raíz de su aplicación. Los resultados evidencian que la metodología implementada, ayudó a los estudiantes a emancipar pensamientos y sentimientos reprimidos, crear nuevas ideas y/o mundos, sentir que estaban vivos y que alguien los escuchaba a través de la voz de las letras. Igualmente, obtuvieron un aumento en su nivel de desempeño en la competencia textual, todo esto a través del uso de la Metacognición. Palabras-clave: Metacognición. Modelo Holístico. Metaescritura.

No abstract

Dentro de un galpón avícola el ambiente térmico ejerce una gran influencia en el bienestar y la productividad de los animales. De esta manera, el propósito de este trabajo fue predecir la masa corporal de polluelos de 2 a 21 días de vida, sujetos a condiciones de confort y estrés calórico en diferentes intensidades (27; 30; 33 y 36 °C) y períodos de duración (1; 2; 3 y 4 días a partir del 2o día de vida) a través de redes neuronales artificiales (RNA). El experimento se llevó a cabo en Lavras, MG, Brasil. 210 pollitos de ambos sexos se utilizaron del 1 al 22 día de vida alojados en cuatro túneles de viento climatizados. Todos los días, todos los polluelos fueron pesados para acompañar su masa corporal. Las variables de entrada fueron: temperatura de bulbo seco del aire, duración del estrés térmico, edad de las aves y como variable de salida, la masa corporal diaria de los pollitos. Se obtuvo una base de datos de 840 observaciones, siendo 70% utilizado para el entrenamiento de la red, un 15% para la validación y un 15% para pruebas de modelos basados en RNA. Se demostró que las RNAs eran precisas para predecir la masa corporal de los pollitos sometidos a diferentes intensidades y duraciones de condiciones térmicas presentando un R2 de 0,9992 y error estándar de 5,23 G. Además, las RNAs propiciaron la simulación de varios escenarios, que pueden ayudar en la toma de decisiones con relación a la gestión, y pueden ser incorporados a los sistemas de control de calefacción.

No abstract

No abstract