IMMERSIVE TECH: Formación práctica mediante la aplicación de tecnologías basadas en entornos virtuales, aumentados e inmersivos

Other Subjects > Engineering Europe University of Atlantic > Research > Projects I+D+I
Fundación Universitaria Internacional de Colombia > Research > Projects I+D+I
Ibero-american International University > Research > Projects I+D+I
Ibero-american International University > Research > Projects I+D+I
Universidad Internacional do Cuanza > Research > Projects I+D+I
Cerrado Español El proyecto de investigación que se pretende llevar a cabo se refiere a la “Formación práctica mediante la aplicación de tecnologías basadas en entornos virtuales, aumentados e inmersivos“, y está orientado a una investigación que nos permita aplicar tecnologías de la información para simular entornos reales que son útiles en el ámbito de la educación y en concreto pretendemos innovar en los sistemas de evaluación que permitan a los docentes emplear estos entornos digitales. Las plataformas y medios digitales están cada vez más presentes en la sociedad y por ende en las organizaciones empresariales. Los profesionales de la educación no son ajenos a esta situación y se aprovechan de estas tecnologías y a la vez se enfrentan al reto de adaptarse de manera constante al avance tecnológico y a las repercusiones que tiene en su desempeño. En este ámbito, el desarrollo de las plataformas digitales para aprendizaje se ha visto impulsado por la confluencia de múltiples factores entre los cuales se destaca el avance tecnológico, la disponibilidad de dispositivos, las nuevas generaciones de nativos digitales. La formación e-learning es un ejemplo del auge de estas plataformas digitales pero todavía nos encontramos tecnologías más avanzadas como la realidad virtual, tecnologías inmersivas, Internet de las Cosas, etc. que también tienen o tendrán cabida en el entorno educativo. Nuestro proyecto nace con el objetivo de aportar valor a este escenario alrededor de los conocidos como entornos virtuales. Desde el sector educativo universitario, se ha sabido ver la oportunidad de la aplicación de estas técnicas a los procesos formativos del alumnado, inicialmente desde las ramas de la ingeniería que se dedicaban al propio desarrollo de estas tecnologías, y posteriormente desde las disciplinas más afines al aprendizaje cognitivo humano como pueden ser la Psicología o la Pedagogía que buscan evaluar estas técnicas respecto a otras metodologías más clásicas presentes en la Educación. Sin embargo, como se puede extraer de diversos artículos científicos que aplican estas modalidades para la educación, persisten carencias para que los docentes de cualquier área/disciplina dispongan de herramientas lo suficientemente intuitivas para crear los entornos virtuales para simular los entornos profesionales de su especialidad. El diseño de herramientas para docentes (T. Budai, 2019), ayudaría a evitar estas barreras de entrada para extender su uso. Por otro lado, aunque las publicaciones que aplican este tipo de tecnologías a la enseñanza (N. Pellas, 2020), la formación profesional (H. B. Andersson, 2020), o incluso a aprendizajes cognitivos (E. Rho, 2020), consideran que son muy positivas desde el punto de vista pedagógico (H. Ardiny, 2018), se reclama una necesidad en cuanto a establecer unas métricas y metodologías de evaluación apropiadas al proceso de enseñanza-aprendizaje (A. Dengel, 2018), (A. Christopoulos, 2019). En algunos casos se habla la gran asignatura pendiente, que es el tema de la evaluación. Cuando los docentes intentan implementar instrumentos de evaluación basados en entornos digitales, encuentran dificultades para hallar el equilibrio entre la evaluación, la metodología y el uso de los nuevos medios. Ante este escenario, el proyecto pretende diseñar y desarrollar un entorno virtual experimental para la educación práctica universitaria con énfasis en el sistema de evaluación del proceso de aprendizaje y el control de calidad. metadata UNSPECIFIED mail UNSPECIFIED (2021) IMMERSIVE TECH: Formación práctica mediante la aplicación de tecnologías basadas en entornos virtuales, aumentados e inmersivos. Repositorio de la Universidad. (Unpublished)

Full text not available from this repository.

Abstract

El proyecto de investigación que se pretende llevar a cabo se refiere a la “Formación práctica mediante la aplicación de tecnologías basadas en entornos virtuales, aumentados e inmersivos“, y está orientado a una investigación que nos permita aplicar tecnologías de la información para simular entornos reales que son útiles en el ámbito de la educación y en concreto pretendemos innovar en los sistemas de evaluación que permitan a los docentes emplear estos entornos digitales. Las plataformas y medios digitales están cada vez más presentes en la sociedad y por ende en las organizaciones empresariales. Los profesionales de la educación no son ajenos a esta situación y se aprovechan de estas tecnologías y a la vez se enfrentan al reto de adaptarse de manera constante al avance tecnológico y a las repercusiones que tiene en su desempeño. En este ámbito, el desarrollo de las plataformas digitales para aprendizaje se ha visto impulsado por la confluencia de múltiples factores entre los cuales se destaca el avance tecnológico, la disponibilidad de dispositivos, las nuevas generaciones de nativos digitales. La formación e-learning es un ejemplo del auge de estas plataformas digitales pero todavía nos encontramos tecnologías más avanzadas como la realidad virtual, tecnologías inmersivas, Internet de las Cosas, etc. que también tienen o tendrán cabida en el entorno educativo. Nuestro proyecto nace con el objetivo de aportar valor a este escenario alrededor de los conocidos como entornos virtuales. Desde el sector educativo universitario, se ha sabido ver la oportunidad de la aplicación de estas técnicas a los procesos formativos del alumnado, inicialmente desde las ramas de la ingeniería que se dedicaban al propio desarrollo de estas tecnologías, y posteriormente desde las disciplinas más afines al aprendizaje cognitivo humano como pueden ser la Psicología o la Pedagogía que buscan evaluar estas técnicas respecto a otras metodologías más clásicas presentes en la Educación. Sin embargo, como se puede extraer de diversos artículos científicos que aplican estas modalidades para la educación, persisten carencias para que los docentes de cualquier área/disciplina dispongan de herramientas lo suficientemente intuitivas para crear los entornos virtuales para simular los entornos profesionales de su especialidad. El diseño de herramientas para docentes (T. Budai, 2019), ayudaría a evitar estas barreras de entrada para extender su uso. Por otro lado, aunque las publicaciones que aplican este tipo de tecnologías a la enseñanza (N. Pellas, 2020), la formación profesional (H. B. Andersson, 2020), o incluso a aprendizajes cognitivos (E. Rho, 2020), consideran que son muy positivas desde el punto de vista pedagógico (H. Ardiny, 2018), se reclama una necesidad en cuanto a establecer unas métricas y metodologías de evaluación apropiadas al proceso de enseñanza-aprendizaje (A. Dengel, 2018), (A. Christopoulos, 2019). En algunos casos se habla la gran asignatura pendiente, que es el tema de la evaluación. Cuando los docentes intentan implementar instrumentos de evaluación basados en entornos digitales, encuentran dificultades para hallar el equilibrio entre la evaluación, la metodología y el uso de los nuevos medios. Ante este escenario, el proyecto pretende diseñar y desarrollar un entorno virtual experimental para la educación práctica universitaria con énfasis en el sistema de evaluación del proceso de aprendizaje y el control de calidad.

Item Type: Other
Uncontrolled Keywords: entornos virtuales, realidad aumentada, realidad virtual, entornos inmersivos, formación práctica
Subjects: Subjects > Engineering
Divisions: Europe University of Atlantic > Research > Projects I+D+I
Fundación Universitaria Internacional de Colombia > Research > Projects I+D+I
Ibero-american International University > Research > Projects I+D+I
Ibero-american International University > Research > Projects I+D+I
Universidad Internacional do Cuanza > Research > Projects I+D+I
Date Deposited: 23 Feb 2023 23:30
Last Modified: 25 Apr 2023 23:30
URI: https://repositorio.unincol.edu.co/id/eprint/3518

Actions (login required)

View Item View Item

<a href="/12747/1/sensors-24-03754%20%281%29.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Ultra-Wide Band Radar Empowered Driver Drowsiness Detection with Convolutional Spatial Feature Engineering and Artificial Intelligence

Driving while drowsy poses significant risks, including reduced cognitive function and the potential for accidents, which can lead to severe consequences such as trauma, economic losses, injuries, or death. The use of artificial intelligence can enable effective detection of driver drowsiness, helping to prevent accidents and enhance driver performance. This research aims to address the crucial need for real-time and accurate drowsiness detection to mitigate the impact of fatigue-related accidents. Leveraging ultra-wideband radar data collected over five minutes, the dataset was segmented into one-minute chunks and transformed into grayscale images. Spatial features are retrieved from the images using a two-dimensional Convolutional Neural Network. Following that, these features were used to train and test multiple machine learning classifiers. The ensemble classifier RF-XGB-SVM, which combines Random Forest, XGBoost, and Support Vector Machine using a hard voting criterion, performed admirably with an accuracy of 96.6%. Additionally, the proposed approach was validated with a robust k-fold score of 97% and a standard deviation of 0.018, demonstrating significant results. The dataset is augmented using Generative Adversarial Networks, resulting in improved accuracies for all models. Among them, the RF-XGB-SVM model outperformed the rest with an accuracy score of 99.58%.

Producción Científica

Hafeez Ur Rehman Siddiqui mail , Ambreen Akmal mail , Muhammad Iqbal mail , Adil Ali Saleem mail , Muhammad Amjad Raza mail , Kainat Zafar mail , Aqsa Zaib mail , Sandra Dudley mail , Jon Arambarri mail jon.arambarri@uneatlantico.es, Ángel Gabriel Kuc Castilla mail , Furqan Rustam mail ,

Siddiqui

<a href="/13000/1/diagnostics-14-01292.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

A Comparison of the Clinical Characteristics of Short-, Mid-, and Long-Term Mortality in Patients Attended by the Emergency Medical Services: An Observational Study

Aim: The development of predictive models for patients treated by emergency medical services (EMS) is on the rise in the emergency field. However, how these models evolve over time has not been studied. The objective of the present work is to compare the characteristics of patients who present mortality in the short, medium and long term, and to derive and validate a predictive model for each mortality time. Methods: A prospective multicenter study was conducted, which included adult patients with unselected acute illness who were treated by EMS. The primary outcome was noncumulative mortality from all causes by time windows including 30-day mortality, 31- to 180-day mortality, and 181- to 365-day mortality. Prehospital predictors included demographic variables, standard vital signs, prehospital laboratory tests, and comorbidities. Results: A total of 4830 patients were enrolled. The noncumulative mortalities at 30, 180, and 365 days were 10.8%, 6.6%, and 3.5%, respectively. The best predictive value was shown for 30-day mortality (AUC = 0.930; 95% CI: 0.919–0.940), followed by 180-day (AUC = 0.852; 95% CI: 0.832–0.871) and 365-day (AUC = 0.806; 95% CI: 0.778–0.833) mortality. Discussion: Rapid characterization of patients at risk of short-, medium-, or long-term mortality could help EMS to improve the treatment of patients suffering from acute illnesses.

Producción Científica

Rodrigo Enriquez de Salamanca Gambara mail , Ancor Sanz-García mail , Carlos del Pozo Vegas mail , Raúl López-Izquierdo mail , Irene Sánchez Soberón mail , Juan F. Delgado Benito mail , Raquel Martínez Díaz mail raquel.martinez@uneatlantico.es, Cristina Mazas Pérez-Oleaga mail cristina.mazas@uneatlantico.es, Nohora Milena Martínez López mail nohora.martinez@uneatlantico.es, Irma Dominguez Azpíroz mail irma.dominguez@unini.edu.mx, Francisco Martín-Rodríguez mail ,

Enriquez de Salamanca Gambara

<a class="ep_document_link" href="/11265/1/Food%20Frontiers%20-%202024%20-%20Cassotta%20-%20Human%E2%80%90based%20new%20approach%20methodologies%20to%20accelerate%20advances%20in%20nutrition%20research.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Human‐based new approach methodologies to accelerate advances in nutrition research

Much of nutrition research has been conventionally based on the use of simplistic in vitro systems or animal models, which have been extensively employed in an effort to better understand the relationships between diet and complex diseases as well as to evaluate food safety. Although these models have undeniably contributed to increase our mechanistic understanding of basic biological processes, they do not adequately model complex human physiopathological phenomena, creating concerns about the translatability to humans. During the last decade, extraordinary advancement in stem cell culturing, three-dimensional cell cultures, sequencing technologies, and computer science has occurred, which has originated a wealth of novel human-based and more physiologically relevant tools. These tools, also known as “new approach methodologies,” which comprise patient-derived organoids, organs-on-chip, multi-omics approach, along with computational models and analysis, represent innovative and exciting tools to forward nutrition research from a human-biology-oriented perspective. After considering some shortcomings of conventional in vitro and vivo approaches, here we describe the main novel available and emerging tools that are appropriate for designing a more human-relevant nutrition research. Our aim is to encourage discussion on the opportunity to explore innovative paths in nutrition research and to promote a paradigm-change toward a more human biology-focused approach to better understand human nutritional pathophysiology, to evaluate novel food products, and to develop more effective targeted preventive or therapeutic strategies while helping in reducing the number and replacing animals employed in nutrition research.

Producción Científica

Manuela Cassotta mail manucassotta@gmail.com, Danila Cianciosi mail , Maria Elexpuru Zabaleta mail maria.elexpuru@uneatlantico.es, Iñaki Elío Pascual mail inaki.elio@uneatlantico.es, Sandra Sumalla Cano mail sandra.sumalla@uneatlantico.es, Francesca Giampieri mail francesca.giampieri@uneatlantico.es, Maurizio Battino mail maurizio.battino@uneatlantico.es,

Cassotta

<a href="/11322/1/journal.pone.0298582.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Design and development of patient health tracking, monitoring and big data storage using Internet of Things and real time cloud computing

With the outbreak of the COVID-19 pandemic, social isolation and quarantine have become commonplace across the world. IoT health monitoring solutions eliminate the need for regular doctor visits and interactions among patients and medical personnel. Many patients in wards or intensive care units require continuous monitoring of their health. Continuous patient monitoring is a hectic practice in hospitals with limited staff; in a pandemic situation like COVID-19, it becomes much more difficult practice when hospitals are working at full capacity and there is still a risk of medical workers being infected. In this study, we propose an Internet of Things (IoT)-based patient health monitoring system that collects real-time data on important health indicators such as pulse rate, blood oxygen saturation, and body temperature but can be expanded to include more parameters. Our system is comprised of a hardware component that collects and transmits data from sensors to a cloud-based storage system, where it can be accessed and analyzed by healthcare specialists. The ESP-32 microcontroller interfaces with the multiple sensors and wirelessly transmits the collected data to the cloud storage system. A pulse oximeter is utilized in our system to measure blood oxygen saturation and body temperature, as well as a heart rate monitor to measure pulse rate. A web-based interface is also implemented, allowing healthcare practitioners to access and visualize the collected data in real-time, making remote patient monitoring easier. Overall, our IoT-based patient health monitoring system represents a significant advancement in remote patient monitoring, allowing healthcare practitioners to access real-time data on important health metrics and detect potential health issues before they escalate.

Producción Científica

Md. Milon Islam mail , Imran Shafi mail , Sadia Din mail , Siddique Farooq mail , Isabel de la Torre Díez mail , Jose Breñosa mail josemanuel.brenosa@uneatlantico.es, Julio César Martínez Espinosa mail ulio.martinez@unini.edu.mx, Imran Ashraf mail ,

Islam

<a class="ep_document_link" href="/11666/1/Pneumonia_Detection_Using_Chest_Radiographs_With_Novel_EfficientNetV2L_Model.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>

en

open

Pneumonia Detection Using Chest Radiographs With Novel EfficientNetV2L Model

Pneumonia is a potentially life-threatening infectious disease that is typically diagnosed through physical examinations and diagnostic imaging techniques such as chest X-rays, ultrasounds or lung biopsies. Accurate diagnosis is crucial as wrong diagnosis, inadequate treatment or lack of treatment can cause serious consequences for patients and may become fatal. The advancements in deep learning have significantly contributed to aiding medical experts in diagnosing pneumonia by assisting in their decision-making process. By leveraging deep learning models, healthcare professionals can enhance diagnostic accuracy and make informed treatment decisions for patients suspected of having pneumonia. In this study, six deep learning models including CNN, InceptionResNetV2, Xception, VGG16, ResNet50 and EfficientNetV2L are implemented and evaluated. The study also incorporates the Adam optimizer, which effectively adjusts the epoch for all the models. The models are trained on a dataset of 5856 chest X-ray images and show 87.78%, 88.94%, 90.7%, 91.66%, 87.98% and 94.02% accuracy for CNN, InceptionResNetV2, Xception, VGG16, ResNet50 and EfficientNetV2L, respectively. Notably, EfficientNetV2L demonstrates the highest accuracy and proves its robustness for pneumonia detection. These findings highlight the potential of deep learning models in accurately detecting and predicting pneumonia based on chest X-ray images, providing valuable support in clinical decision-making and improving patient treatment.

Producción Científica

Mudasir Ali mail , Mobeen Shahroz mail , Urooj Akram mail , Muhammad Faheem Mushtaq mail , Stefanía Carvajal-Altamiranda mail stefania.carvajal@uneatlantico.es, Silvia Aparicio Obregón mail silvia.aparicio@uneatlantico.es, Isabel De La Torre Díez mail , Imran Ashraf mail ,

Ali