Español
Inglés
Aplicación móvil con redes neuronales para fomentar la salud laboral del personal académico Mobile application with neural networks to promote the occupational health of academic staff
Barra lateral del artículo
Contenido principal del artículo
Resumen
El equipo docente en las universidades se topa con entornos laborales intensos que suelen propiciar agotamiento emocional, problemas osteomusculares y tensión prolongada, lo cual repercute en su equilibrio personal y en el nivel de la enseñanza. En la sede El Carmen de la Universidad Laica Eloy Alfaro de Manabí, faltan plataformas digitales para detectar amenazas individualizadas y mecanismos de vigilancia sostenida en el bienestar de los profesores. Esta indagación se propuso crear una app para móviles apoyada en redes neuronales para vigilar y promover la higiene ocupacional entre el personal académico. Para ello, se recurrió a enfoques inductivos y deductivos, con un censo completo de los 100 educadores mediante formularios en escala Likert, respaldados por diálogos semiestructurados con cinco líderes de programas. El avance técnico se llevó a cabo en Kotlin junto a Jetpack Compose, bajo el marco SCRUM con ciclos de dos semanas. Las conclusiones mostraron que un 58% del grupo no controla bien la ansiedad, el 42% tiene saberes escasos en la evitación de peligros, y el 56% sigue rutinas poco dinámicas. La herramienta agrupa nueve formularios detallados que analizan facetas de la salud en el empleo, con una base en Firebase y un panel de control dotado de gráficos dinámicos. Al cabo, el dispositivo registró un índice de integración del 96%, un puntaje de agrado de 4.2 en una escala de 5.0, una concordancia del 94% ante dictámenes profesionales, y una disminución del 99.83% en el lapso de análisis respecto a técnicas tradicionales, erigiéndose como un recurso sólido para estrategias de prevención adaptadas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Citas
Araúz, A. J. (2022). De la salud ocupacional a la gestión de la seguridad y salud en el trabajo: Estudio de la transformación del sistema general de riesgos laborales. Saluta, 5, 1-20. https://doi.org/10.37594/saluta.v1i5.621
Arias Gonzáles, J. L., & Covinos Gallardo, M. (2021). Diseño y metodología de la investigación. Enfoques Consulting EIRL, 1(1), 66-78.
Benavides, F. G. (2021). Causality and responsibility in occupational health. Gaceta Sanitaria, 35, 502-505. https://doi.org/10.1016/j.gacsan.2021.07.008
Camacuari-Cárdenas, F. S. (2021). Factores de riesgo laboral y enfermedades ocupacionales en el profesional de enfermería del Centro Quirúrgico Hospital Nacional Dos de Mayo, 2019. Revista Médica Panacea, 10(2), 89-93. https://doi.org/10.35563/rmp.v10i2.431
Diaz Holgado, R., & Vilcas Villalba, D. R. (2022). Aplicativo móvil para la detección de la enfermedad del Mosaico común en la yuca (Manihot esculenta) utilizando redes neuronales convolucionales, 2021.
Fichamba Pupiales, G. A. (2022). Análisis de los riesgos psicosociales y su incidencia en el clima organizacional de los empleados que laboran en una industria de metales ferrosos y no ferrosos del Distrito Metropolitano de Quito [Tesis de grado, Escuela Politécnica Nacional]. Repositorio Digital EPN.
García-Madurga, M. Á., Gil-Lacruz, A. I., Saz-Gil, I., & Gil-Lacruz, M. (2024). The role of artificial intelligence in improving workplace well-being: A systematic review. Businesses, 4(3), 389-410. https://doi.org/10.3390/businesses4030024
Hosseini, E., Al-Ghaili, A. M., Kadir, D. H., Daneshfar, F., Gunasekaran, S. S., & Deveci, M. (2024). The Evolutionary Convergent Algorithm: A Guiding Path of Neural Network Advancement. IEEE Access, 12, 127440-127459. https://doi.org/10.1109/ACCESS.2024.3450123
Macías Santillán, L. G. (2024). Desarrollo de un modelo de reconocimiento de cinco gestos de la mano derecha usando redes neuronales transformers (Master's thesis, Quito: EPN, 2024.).
Palmett Urzola, A. (2020). Metodología de la investigación cuantitativa y cualitativa. Guía didáctica. Universidad Sergio Arboleda.
Reyad, M., Sarhan, A. M., & Arafa, M. (2023). A modified Adam algorithm for deep neural network optimization. Neural Computing and Applications, 35(23), 17095-17112. https://doi.org/10.1007/s00521-023-08568-z
Sánchez Molina, M. L., & Murillo Garza, A. (2021). Enfoques metodológicos en la investigación histórica: cuantitativa, cualitativa y comparativa. Debates hist. [online]. 2021, vol.9, n.2, pp.147-181. Epub 20-Jun-2022. ISSN 2594-2956. https://doi.org/10.54167/debates-por-la-historia.v9i2.792.
Santillana Quesada, S., Alfredo, J., & Cañizo Rincón, J. A. (2020). Introducción a las redes neuronales para el tratamiento de imágenes [Informe técnico]. Universidad Complutense de Madrid.
Vera Márquez, A. V., Jácome Ortega, M. S., Zambrano Acosta, J. M., & Calderón Vallejo, G. A. (2023). Investigación Cuantitativa. Editorial Universidad Estatal del Sur de Manabí.
Vélez Cedeño, J. D. (2023). Propuesta de metodología ergo-lean para la disminución de riesgos y accidentes laborales en la empresa Salimar del cantón Salinas - Ecuador [Trabajo de Integración Curricular, Universidad Estatal Península de Santa Elena]. Repositorio UPSE.