http://huru.unsj.edu.ar/handle/123456789/14 http://www.exactas.unsj.edu.ar Sun, 21 Jun 2026 07:34:06 GMT 2026-06-21T07:34:06Z http://huru.unsj.edu.ar:80/bitstream/id/6979ee22-f448-46ee-b9bd-49668426f45f/ http://huru.unsj.edu.ar/handle/123456789/14 http://huru.unsj.edu.ar/handle/123456789/788 Farmadip : plataforma digital para la geolocalización de farmacias y solicitud de medicamentos mediante recetas electrónicas Alé García, Zamira Nahir El acceso a farmacias disponibles y el acceso a medicamentos presentan desafíos en la provincia de San Juan, especialmente en zonas alejadas. Este estudio propone el desarrollo de una plataforma que permite a los usuarios localizar farmacias disponibles según su ubicación y, de manera opcional, solicitar medicamentos a través de recetas electrónicas. Mediante un diseño exploratorio-descriptivo, se analizan las necesidades de los usuarios y farmacias locales, integrando herramientas como sistemas de información geográfica (SIG) que permitan la geolocalización y visualización de farmacias. Además, se considera la normativa vigente, incluyendo la Ley 27.553 (Ver Anexo I - Ley 27553) y el Decreto 345/2024 (Ver Anexo II - Decreto 345/2024). La investigación se enmarca en una lógica cualitativa, enfocada en comprender la interacción entre usuarios y tecnología. Como resultado, se espera la implementación de una plataforma que optimice el acceso a farmacias y el acceso a medicamentos recetados en la región.; Abstract : Access to available pharmacies and medications presents significant challenges in the province of San Juan, particularly in remote areas. This study proposes the development of a platform that allows users to locate available pharmacies based on their location and, optionally, request medications using electronic prescriptions. Using an exploratory-descriptive design, the study analyzes the needs of local users and pharmacies by integrating tools such as Geographic Information Systems (GIS) for geolocation and visualization. Furthermore, the research considers current regulations, including Law 27,553 and Decree 345/2024. The study is framed within a qualitative logic, focusing on understanding the interaction between users and technology. As a result, the project anticipates the implementation of a platform that optimizes access to pharmacies and prescription medications throughout the region. Mon, 16 Mar 2026 00:00:00 GMT http://huru.unsj.edu.ar/handle/123456789/788 2026-03-16T00:00:00Z http://huru.unsj.edu.ar/handle/123456789/785 Apache Spark en un contexto de analítica e inteligencia de negocios : análisis de datos de transporte público de pasajeros de corta distancia de la provincia de San Juan Alvarez Manzini, Germán Nicolás En la actualidad, tanto las empresas como los organismos gubernamentales se enfrentan a la creciente necesidad de analizar grandes y variados volúmenes de datos. En este contexto, la Analítica e Inteligencia de Negocios (ABI, por sus siglas en inglés de Analytics and Business Intelligence) adquiere un rol fundamental al permitir obtener información y conocimiento oportuno que asista la toma de decisiones estratégicas. De manera particular, en el ámbito empresarial la ABI promueve la eficiencia operativa y la competitividad en entornos dinámicos; mientras que, en el ámbito público, contribuye a optimizar la gestión y mejorar la calidad de los servicios ofrecidos a los ciudadanos. Por su parte, la Secretaría de Tránsito y Transporte de la Provincia de San Juan (STyT) posee un gran volumen de datos provenientes del Sistema Único de Boleto Electrónico (SUBE), que necesita aprovechar para optimizar el uso de los recursos estatales e incrementar la satisfacción de sus usuarios, en otras palabras, lograr la mejora constante de la gestión del transporte público en la provincia. Sin embargo, la principal dificultad que enfrenta es el manejo masivo de estos datos, que requieren el uso de plataformas robustas, tanto para el almacenamiento como el procesamiento de los mismos. En ese contexto, el presente trabajo propone desarrollar una solución ABI que fortalezca la capacidad de diagnóstico y toma de decisiones estratégicas de la Secretaría de Tránsito y Transporte, utilizando Apache Spark y servicios de Google Cloud Platform. Wed, 18 Mar 2026 00:00:00 GMT http://huru.unsj.edu.ar/handle/123456789/785 2026-03-18T00:00:00Z http://huru.unsj.edu.ar/handle/123456789/779 Hacia la construcción de un modelo estadístico que permita identificar potenciales nuevos clientes tomadores de préstamos en instituciones financieras Pujado, Horacio Matías Este trabajo final propone el desarrollo y evaluación de modelos predictivos orientados a identificar clientes con alta probabilidad de aceptar un préstamo personal en instituciones financieras. A partir de un conjunto de datos de acceso público, se aplicaron técnicas de ciencia de datos que incluyeron análisis exploratorio de datos, preprocesamiento, balanceo de clases y modelado supervisado mediante regresión logística, árboles de clasificación y redes neuronales. El estudio se centró en la comparación del desempeño predictivo de estos modelos, utilizando métricas apropiadas para problemas de clasificación con clases desbalanceadas. Los resultados obtenidos evidencian que es posible construir modelos capaces de identificar clientes con mayor probabilidad de aceptar un producto financiero, lo que puede contribuir a optimizar estrategias de captación comercial y mejorar la asignación de recursos dentro de las instituciones financieras. Este trabajo se enmarca en la Licenciatura en Sistemas de Información de la Universidad Nacional de San Juan, y busca aportar valor tanto desde una perspectiva académica como aplicada al campo de la analítica financiera.; Abstract: This final project proposes the development and evaluation of predictive models aimed at identifying customers with a high probability of accepting a personal loan within financial institutions. Using a publicly available dataset, several data science techniques were applied, including exploratory data analysis, data preprocessing, class balancing, and supervised modeling through logistic regression, decision trees, and artificial neural networks. The study focused on comparing the predictive performance of these models using evaluation metrics appropriate for classification problems with imbalanced classes. The results demonstrate that it is possible to build models capable of identifying customers with a higher likelihood of accepting a financial product, which can contribute to optimizing customer acquisition strategies and improving resource allocation within financial institutions. This work was developed within the framework of the Bachelor’s Degree in Information Systems at the National University of San Juan, aiming to contribute both academically and practically to the field of financial analytics. Thu, 26 Mar 2026 00:00:00 GMT http://huru.unsj.edu.ar/handle/123456789/779 2026-03-26T00:00:00Z http://huru.unsj.edu.ar/handle/123456789/778 Componente de recuperación de información para personalización de la plataforma Moodle Grossi Calac, Luciano El presente trabajo aborda el desarrollo de un componente de recuperación de información orientado a la personalización de la plataforma Moodle dentro de los Ambientes Virtuales de Aprendizaje (AVA). Partiendo del crecimiento sostenido de la educación mediada por tecnologías digitales y del rol central que los AVA desempeñan en modelos educativos híbridos y a distancia, se analizan conceptos vinculados a inteligencia artificial, minería de datos, analítica del aprendizaje y sistemas recomendadores aplicados al ámbito educativo. El objetivo principal consiste en diseñar e implementar un módulo capaz de monitorizar las interacciones de los estudiantes en Moodle, extraer información relevante y posibilitar acciones de personalización orientadas a mejorar el proceso de enseñanza-aprendizaje. Para ello se estudian las características técnicas y funcionales de la plataforma, se exploran técnicas de procesamiento y análisis de datos educativos y se desarrolla un prototipo funcional integrado al entorno Moodle. Los resultados evidencian el potencial de la analítica de interacciones para generar perfiles de usuario, favorecer la adaptación de contenidos y contribuir al seguimiento académico. Asimismo, se identifican líneas futuras vinculadas al uso de procesamiento de lenguaje natural, aprendizaje automático y sistemas recomendadores educativos para optimizar la experiencia formativa en entornos virtuales. Fri, 20 Mar 2026 00:00:00 GMT http://huru.unsj.edu.ar/handle/123456789/778 2026-03-20T00:00:00Z