Examinando por Autor "Cieza Bances, Paola Elizabeth"

Mostrando 1 - 2 de 2

Inteligencia artificial aplicada en la odontología: revisión sistemática de la literatura
(Universidad Católica Santo Toribio de Mogrovejo, 2020) Cieza Bances, Paola Elizabeth; Cieza Bances, Paola Elizabeth; Reyes Burgos, Karla Cecilia
La presente revisión sistemática de la literatura tiene como objetivo recopilar los principales trabajos de investigación que hayan aplicado la inteligencia artificial en la odontología. Para cumplir con este objetivo, se realizó una búsqueda en tres bases de datos: ProQuest Central, IEEE Xplore y ScienceDirect, dónde se utilizó la cadena de búsqueda “Inteligencia artificial en la odontología” limitando los resultados a las publicaciones hechas desde el año 2017 al año 2020. Posteriormente, se aplicaron criterios de inclusión y exclusión, para finalmente evaluar la calidad de forma manual. Se inició con 180 artículos, de los cuales fueron seleccionados 15, siendo estos, las fuentes de información primaria. Los documentos se agruparon por: países, logrando de esta manera saber cuál de ellos mostraba un mayor interés en la aplicación de la inteligencia artificial en la odontología; por año, y así dar a conocer en cual hubo más productividad de investigaciones y por revistas, con el propósito de notar en cuál se publica más sobre la inteligencia artificial aplicada en la odontología. Finalmente, se concluyó que los países de Estados Unidos y Reino Unido son los que tienen mayor interés en estos estudios, con mayor acogida en el año 2020. Además, la revista IEEE Access fue la que obtuvo el mayor porcentaje de publicaciones con un 27%.
Solución de minería de datos para apoyar el proceso de toma de decisiones en el área de ventas del supermercado “M Market”
(Universidad Católica Santo Toribio de Mogrovejo, 2023) Cieza Bances, Paola Elizabeth; Cieza Bances, Paola Elizabeth; Chavarry Chankay, Mariana
En el presente trabajo de investigación se encontró como problemática la deficiencia en toma de decisiones al momento de generar promociones y ubicar productos en estanterías, de igual forma no realizan un análisis basándose en la información histórica para la toma de decisiones en el área de ventas. El objetivo principal fue generar una solución de minería de datos como apoyo a la toma de decisiones del área de ventas del supermercado “M Market”. La metodología usada para la aplicación de minería de datos fue Crisp DM y para la construcción del software fue Scrum. El tipo de investigación es tecnológica aplicada. Los datos utilizados para el desarrollo de la investigación fueron proporcionados directamente por el supermercado. Con esto, se construyó la solución de minería de datos utilizando la técnica no supervisada de reglas de asociación que ofrece mejorar el proceso de la toma de decisiones con la información visualizada a través de los reportes. Las reglas de asociación fueron generadas gracias al algoritmo Apriori y a su vez fueron validadas con la métrica lift; por otro lado, el software fue validado con la herramienta Lighthouse mostrando puntuaciones de calidad aceptables. Finalmente, los usuarios respondieron una encuesta de satisfacción que mostró resultados positivos.