Reúne los trabajos finales presentados por estudiantes de grado como requisito para la obtención de su título universitario. https://riaa-tecno.unca.edu.ar/handle/123456789/13 2026-04-04T12:13:51Z 2026-04-04T12:13:51Z De La Fuente, Gonzalo Uriel https://riaa-tecno.unca.edu.ar/handle/123456789/1376 2026-03-11T12:13:58Z 2025-12-01T00:00:00Z

Agente de gestión probabilística de contextos (AGPC) De La Fuente, Gonzalo Uriel En este trabajo se propone el diseño y desarrollo de un Agente de Gestión Probabilística de Contextos (AGPC), un sistema inteligente orientado a la administración avanzada de información, utilizando un Grafo Contextual Probabilístico (GCP) como núcleo arquitectónico. A diferencia de los enfoques lineales y de memoria estática presentes en la mayoría de asistentes actuales, el AGPC desarrollado implementa un modelo no lineal, difuso y reutilizable de contexto, capaz de establecer y ponderar relaciones probabilísticas entre fragmentos de información o contextos atómicos distribuidos en el tiempo y el espacio. El sistema combina técnicas de Procesamiento de Lenguaje Natural (PLN), Modelos de Lenguaje de Gran Escala (LLMs), bases vectoriales y bases de datos de grafos, permitiendo la recuperación semántica directa e indirecta de información relevante. El diseño propuesto busca garantizar la adaptabilidad a múltiples dominios (auditorías financieras, educación personalizada, entornos legales, médicos, entre otros), así como la escalabilidad para flujos de información en tiempo real. Si bien la arquitectura propuesta es conceptualmente generalizable a diversos contextos, para efectos de este trabajo final se selecciona el dominio legal como caso de aplicación principal. Este dominio permite validar empíricamente el funcionamiento del prototipo y establecer un alcance definido y acotado dentro del marco de la investigación, dado que su complejidad documental, temporal y contextual ofrece un entorno idóneo para evaluar la efectividad del modelo propuesto. El objetivo final de este trabajo es demostrar que un enfoque probabilístico y auditable de la gestión contextual no solo mejora la coherencia y trazabilidad de las respuestas de un agente inteligente, sino que también amplía su capacidad de transferencia de conocimiento entre distintos dominios. De La Fuente, Gonzalo Uriel. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.

2025-12-01T00:00:00Z Agüero, Kevin Alberto https://riaa-tecno.unca.edu.ar/handle/123456789/1375 2026-03-11T11:37:10Z 2026-02-01T00:00:00Z

Sistema de consultas gerencial asistido por chatbot con MCP para obras sociales Agüero, Kevin Alberto El presente trabajo aborda la problemática de la dificultad gerencial en obras sociales para acceder de forma ágil y simple a la información estratégica necesaria para la toma de decisiones. Esta limitación se origina en la dependencia de procesos técnicos manuales y la carencia de soluciones integradas que combinen la potencia de la Inteligencia Artificial (IA) generativa con estrictas garantías de seguridad y trazabilidad sobre datos sensibles. El objetivo del trabajo fue desarrollar un sistema de consultas gerenciales web asistido por un ChatBot basado en el protocolo Model Context Protocol (MCP) y modelos de lenguaje de gran escala (LLM) para generar dashboards y reportes interactivos a partir de consultas en lenguaje natural, facilitando así la toma de decisiones gerenciales en las obras sociales clientes de la empresa Tekhne. La metodología se basó en un enfoque de investigación aplicada y un desarrollo iterativo con Scrum adaptado. Se implementó una arquitectura multi-modelo que utiliza RAG para asegurar la precisión con contexto técnico. La seguridad fue una prioridad crítica, aplicando estrictas medidas contra inyecciones de código y protegiendo la confidencialidad de datos sensibles, como la relacionada con la Ley N.º 23.798 de VIH y la ley 25.326 de Protección de Datos Personales en Argentina. Los resultados de la validación técnica y la evaluación de usabilidad confirmaron la viabilidad del prototipo. El sistema demostró una coherencia en las respuestas y una tasa de bloqueo del 100% ante intentos de inyección de código y consultas no autorizadas, garantizando la seguridad y confidencialidad de los datos. Además, la evaluación de la usabilidad mediante el Cuestionario SUS arrojó un puntaje promedio de 88.5, lo cual lo clasifica como "Aceptable" y refleja una experiencia de usuario intuitiva. El bajo consumo de tokens reforzó la viabilidad económica del sistema para su escalabilidad. El prototipo desarrollado cumple con los objetivos planteados, logrando el acceso a métricas complejas a través de una interacción natural y segura. El sistema sienta una base sólida para futuras implementaciones productivas, posicionando a la IA conversacional como una herramienta esencial para la eficiencia y la toma de decisiones en el sector de la salud. Agüero, Kevin Alberto. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.

2026-02-01T00:00:00Z Hermosilla Pedraza, Jorge https://riaa-tecno.unca.edu.ar/handle/123456789/1247 2025-06-27T13:47:19Z 2025-03-01T00:00:00Z

Desarrollo e implementación de un asistente chatbot en la cátedra Informática de la carrera Ingeniería Electrónica de la Facultad de Tecnología y Ciencias Aplicadas Hermosilla Pedraza, Jorge El sistema desarrollado es un chatbot basado en Retrieval-Augmented Generation (RAG), diseñado específicamente para brindar soporte a la cátedra de Informática de la carrera de Ingeniería en Electrónica de la Facultad de Tecnología y Ciencias Aplicadas. Este chatbot tiene como propósito principal asistir a los estudiantes en el aprendizaje de programación en C, proporcionando respuestas precisas y claras a sus consultas, además de ejemplos prácticos y explicaciones conceptuales. El sistema utiliza una base de conocimientos cuidadosamente curada que incluye documentación técnica, apuntes de la cátedra, ejercicios, y preguntas frecuentes sobre C. A través del enfoque RAG, el chatbot combina técnicas de recuperación de información con generación natural de lenguaje, garantizando que las respuestas sean relevantes, completas y alineadas con los materiales de estudio de la cátedra. Hermosilla Pedraza, Jorge. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.

2025-03-01T00:00:00Z Isasmendi, Carlos Alejandro Lorenzo, Juan Martin https://riaa-tecno.unca.edu.ar/handle/123456789/1201 2025-07-31T21:36:04Z 2024-01-01T00:00:00Z

Desarrollo de prototipo para optimización en distribución de recursos de la dirección de acción social directa de la Municipalidad de San Fernando del Valle de Catamarca, basado en técnicas de Machine Learning y datos Geoespaciales Isasmendi, Carlos Alejandro; Lorenzo, Juan Martin El presente trabajo final (TF) se centró en el desarrollo del prototipo basado en técnicas de machine learning y datos geoespaciales para optimizar la distribución de recursos de la Dirección de Acción Social Directa (DASD) de la Municipalidad de San Fernando del Valle de Catamarca (MSFVC). Se plantea el uso de un sistema existente llamado tuBienestar, el cual registra solicitudes de ayuda, principalmente de módulos alimentarios, y busca mejorar la logística de distribución de estos recursos. Debido a la alta demanda de solicitudes registradas en el sistema tuBienestar, esto generó dificultades en el proceso de logística y distribución. Para abordar este problema, se propuso el desarrollo de un prototipo que utilice los datos geoespaciales generados por el sistema tuBienestar y en conjunto a técnicas de machine learning lograr la optimización en la distribución de los recursos. Como antecedentes al proyecto cabe mencionar trabajos previos realizados en la Universidad Nacional de Catamarca, los cuales aplicaron técnicas de minería de datos y machine learning en diferentes contextos. Sin embargo, el enfoque del proyecto realizado difiere, ya que trata en aplicar modelos entrenados de machine learning para automatizar procesos logísticos y de distribución. En cuanto a las herramientas y tecnologías a utilizar, se mencionan Node.js como entorno de ejecución de servicios en el backend, los frameworks Svelte y Strapi, y las instancias de GitLab y Visual Studio Code para el desarrollo y versionado del proyecto. Además, se evaluarán los lenguajes de programación Python, R y Julia para el desarrollo del modelo de machine learning, mientras que JavaScript será utilizado para unificar el proyecto en el frontend y backend. Consideramos que el desarrollo propuesto contribuirá significativamente a mejorar la logística de distribución de estos recursos, lo que redundará en importantes beneficios para el municipio. La implementación de este sistema no solo optimizará los tiempos de entrega y reducirá los costos operativos, sino que también permitirá una distribución más equitativa y eficiente de los recursos disponibles. Además, la incorporación de técnicas avanzadas de machine learning aplicadas sobre datos geoespaciales, con el fin de generar modelos predictivos y sugerencias inteligentes que guiarán una asignación más eficiente de los recursos disponibles sentará un precedente importante para la modernización de los procesos administrativos municipales, pudiendo servir como modelo para futuras implementaciones en otras áreas de la gestión pública local. Isasmendi, Carlos Alejandro. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.; Lorenzo, Juan Martin. Universidad Nacional de Catamarca. Facultad de Tecnología y Ciencias Aplicadas. Catamarca; Argentina.

2024-01-01T00:00:00Z