UNIVERSIDAD DEL QUINDÍO - FACULTAD DE INGENIERÍA

_____________________________________________________________________________
Código: TG 110220902 Versión: 03 Fecha: 2018/03/15 Página 1 de 17

ANTEPROYECTO - TRABAJO DE GRADO

AQUÍ VA EL TÍTULO DEL TRABAJO DE GRADO

2021
Facultad de Ingeniería – Programa de Ingeniería de Sistemas y Computación
Universidad del Quindío
 TABLA DE CORRECCIÓN DE LAS OBSERVACIONES DE LA PROPUESTA
Número Observación Página Corrección
Eje: Se organizaron en la
Eje: Faltan citas
1 8 bibliografía del anteproyecto.
bibliográficas

El estudiante debe diligenciar esta tabla indicando la forma como corrigió cada una de las

observaciones realizadas al documento.

Tabla de Contenido

1. Proponente(s), director y asesor(es): 4

2. Organización usuaria (opcional): 5

3. Glosario 6

4. Área 6

5. Modalidad 6

6. Tema 7

7. Trabajos relacionados 7

8. Descripción del problema 7

9. Justificación 8

10. Objetivos 8

11. Alcance y delimitación 11

12. Marco de referencia 11

13. Cronograma 12

14. Referencias bibliográficas 13

ANEXOS 15
1. Proponente(s), director y asesor(es):

[Si el consejo curricular o el comité de trabajos de grado sugiere algún cambio en el

documento, la hoja (s) donde se evidencie dicho cambio debe ir con la fecha en que se hizo la

corrección al igual que la hoja de proponentes (esta hoja), por tal motivo el director debe

conocer estos cambios para su aprobación mediante la firma.]

Proponente (s)

Código Est. :9739028 Nombre: John Alexander Martínez Neisa

Dirección: B/ La Patria Mz 23 Cs 2 Teléfono: 3104672475

E-mail: Firma:
____________________________
jamartinezn@uqvirtual.edu.co

Código Est. :1094940674 Nombre: Leonardo Fabio Herrera Otalvaro

Dirección: [Cra 6 # 34-23 [Edificio] [Bloque] [Apto] ] Teléfono: 3135608327

E-mail: Firma:
____________________________
lfherrerao@uqvirtual.edu.co

Código Est. :1094915907 Nombre: Juan David Castaño Agudelo

Dirección: Calle 12 # 18-17 Teléfono: 3154282193

E-mail: Firma:
____________________________
jdcastanoa_1@uqvirtual.edu.co
DIRECTOR Nombre: [Escriba aquí]

Títulos Universitarios: [Escriba aquí]

Tiene Vinculación con la Universidad: S__ N __

Teléfono: [Escriba aquí]

E-mail: Firma:
____________________________
[email@dominio.com]

ASESOR Nombre: [Escriba aquí]

Títulos Universitarios: [Escriba aquí]

Tiene Vinculación con la Universidad: S__ N __

Teléfono: [Escriba aquí]

E-mail: Firma:
____________________________
[email@dominio.com]

ASESOR METODOLÓGICO Nombre: [Escriba aquí]

Títulos Universitarios: [Escriba aquí]

Tiene Vinculación con la Universidad: S__ N __

Teléfono: [Escriba aquí]

E-mail: Firma:
____________________________
[email@dominio.com]
 2. Organización usuaria (opcional): No Aplica

Razón social: [Escriba aquí]

Dirección: [Escriba aquí]

Teléfono: [Escriba aquí]

Responsable: [Escriba aquí]

Teléfono Responsable: [Escriba aquí]

Cargo: [Escriba aquí]

3. Glosario

Minería de Datos: Proceso para hallar patrones y correlaciones en un conjunto de grandes

cantidades de datos para predecir resultados.” (Software y Soluciones de Analítica, 2021)

Machine Learning: Machine learning es una forma de la IA que permite a un sistema aprender

de los datos en lugar de aprender mediante la programación explícita. Conforme el algoritmo

ingiere datos de entrenamiento, es posible producir modelos más precisos basados en datos.

(IBM, 2020)

Inteligencia Artificial (IA): En informática, el término inteligencia artificial (IA) se refiere a

cualquier inteligencia similar a la humana exhibida por una computadora, robot u otra

máquina. En el uso popular, el término se refiere a la capacidad de una máquina de imitar

capacidades de la mente humana como aprender de ejemplos y experiencias, reconocer

objetos, comprender, responder, tomar decisiones y resolver problemas. (IBM, 2020)

Big Data: es un término aplicado a los conjuntos de datos cuyo tamaño o tipo está más allá de

la capacidad de la tradicional base de datos relacionales para capturar, gestionar y procesar los

datos con baja latencia. (IBM, 2020)

4. Área

Este trabajo se enfoca en el área de Gestión del Conocimiento

5. Modalidad

Este trabajo se enmarca dentro de la modalidad de Proyecto de Aplicación.

6. Tema

El suicidio se identifica como una problemática social que afecta diferentes países, y debido a

que “supone un impacto personal y familiar duradero en las personas allegadas de quién lo

comete y un impacto social y económico reseñable en las comunidades, países y sociedades

afectadas” (Castellvi, & Rodríguez, 2018) se convierte en una problemática de salud pública

que tienen que enfrentar los diferentes gobiernos a nivel mundial.

De ahí que, el suicidio ha sido analizado desde diferentes perspectivas, tales como:

políticas públicas, psicológicos, y existe un espacio abierto para abordarlo desde las ciencias

de la computación. Cabe destacar que desde las ciencias de la computación hay una gran

cantidad de fuentes de información que permiten hacer análisis sobre el suicidio y sus

comportamientos. Derivados de esa disponibilidad de información se identifican diferentes

fuentes tales como: dataset, estudios de análisis de sentimientos, implementación de

algoritmos aplicados a problemas de estado de ánimo, análisis de redes sociales, entre otros.

Que presentan así un sin número de datos los cuales se pueden analizar, sin embargo, mucha

de esta información presenta la característica de ser no estructurada.

En suma, el propósito de este trabajo de grado es hacer un análisis de estos datos no

estructurados para que permitan tener un conocimiento mejor de la problemática y así poder

tomar acciones sobre el diseño de políticas y planes de prevención efectivos entrono al

suicidio. Aprovechando de esta manera la información que desde las ciencias de la

computación y sobre todo desde la minería de datos se puede analizar.

7. Trabajos relacionados

Artículo 1: Revisión sistemática de literatura: Inteligencia Artificial aplicada a la predicción de

pensamientos suicidas

En está época de estrés, ansiedad y depresión; estas patologías están desencadenando diversas

enfermedades, y peor aún están induciendo a las personas al suicidio. Es por ello que los

investigadores en ciencias de la computación están aportando sus conocimientos en inteligencia

artificial para que, con base en datos estadísticos y cifras se puedan desarrollar algoritmos de

machine learning que sean capaz de detectar pensamientos de índole suicida en pacientes con

estas patologías mostrando que estos algoritmos están en la capacidad de detectar pensamientos

suicidas con una precisión del 80%, es por ello que sería importante que la medicina trabajara la

mano con las ciencias de la computación, así ambos colaborar en los diagnósticos de diferentes

trastornos y así acercarse a un diagnóstico más acertado.

Por este motivo, fue que en este artículo se hizo una revisión de literatura sobre las condiciones

en las que se encuentra la medicina enfocada al uso de inteligencia artificial, para predecir

conductas suicidas en pacientes con distintos diagnósticos de salud mental. Por lo que se utilizó

un algoritmo de selección, el cual empezó por definir unas preguntas de investigación,

identificando palabras clave, seleccionando la base de datos e ingresando una cadena de

búsqueda y luego aplicaron un criterio de búsqueda basado en criterios de inclusión y exclusión y

así poder filtrar la mayor cantidad de artículos posible y finalmente lograr obtener información

más clara, sobre el tema.

Obteniendo como resultado de la búsqueda, 15 artículos seleccionados para realizar la revisión

sistemática de literatura. Con los cuales se pudo determinar que hoy en día la inteligencia

artificial en conjunto con la medicina, es capaz de diagnosticar enfermedades mentales, pero las

predicciones no son totalmente acertadas, más bien sería un apoyo para el médico, dado que le

puede ayudar a predecir qué tipo de enfermedad mental tienen los pacientes y cuáles serían sus

riesgos, al tener las probabilidades el doctor es el que determina qué tipos de enfermedad es.

Es por esta razón, que es interesante conocer cómo la inteligencia artificial puede llegar a apoyar

en el diagnóstico de una problemática social como lo es el suicidio, teniendo en cuenta, que los

pacientes no siempre expresan sus pensamientos y emociones ante un médico y según estudios

realizados, se ha experimentado que un paciente expresa mejor sus emociones al ser interrogado

por una máquina. Lo que resultaría un apoyo muy importante para poder hacer una predicción de

un posible suicidio.

Por consiguiente, una de las cosas que más llama la atención en este artículo, es la metodología

que utilizan para obtener una información más “Limpia”, puesto que a veces se tiene demasiada

literatura, pero no toda es realmente funcional o de interés, es así que utilizar la limpieza de los
datos como una técnica del manejo de datos no relacionales ayuda mucho al análisis de los datos

y que así la información resultante sea objetiva y se pueda utilizar para toma de decisiones.

Y aunque, las conductas suicidas son en parte impredecibles, los algoritmos de machine learning,

serán un gran aporte por parte de las ciencias de la computación a la medicina, ya que serán un

apoyo para los especialistas ante el diagnóstico de una conducta suicida. De esta manera se

buscará disminuir las cifras de intentos de suicidio y muertes por este auto flagelo. (Troya-Capa,

Mocha-Brito, & Cabrera-Sarango, 2020)

Nombre artículo 2: Evaluación del riesgo de suicidio mediante el aprendizaje automático y las

redes sociales: una revisión del alcance.

El artículo tiene como finalidad la investigación de conductas suicidas en los perfiles de redes

sociales de personas que sufren trastornos como depresión y ansiedad. Se busca que por medio de

algoritmos de inteligencia artificial se pueda realizar un análisis de las publicaciones de los

usuarios en sus perfiles de redes sociales y así prevenir a tiempo muertes por este auto flagelo.

Los autores realizaron una revisión del alcance, utilizando la metodología propuesta por Arksey y

O’Malley utilizando la extensión PRISMA para revisiones de alcance propuesto por Tricco. Por

un lado, Arksey y O’Malley, dicen que el marco se usa ampliamente en revisiones de alcance

relativo al dominio de la salud. Este marco presenta recomendaciones relevantes para resumir los

hallazgos e identificar las lagunas de investigación en la literatura existente. Por otro lado, la

extensión PRISMA para revisiones de alcance define una lista de verificación de los elementos

importantes que se deben revisar cuando se realiza una revisión del alcance. Mediante criterios de

selección se obtienen 19 artículos. En estos artículos se encuentra que por ejemplo tweeter está
implementando redes neuronales y deep learning (aprendizaje profundo) para la detección de

publicaciones suicidas, con una exactitud del 78%.

El tema de la depresión, ansiedad y demás patologías asociadas al suicidio están tomando

demasiada relevancia para los investigadores en inteligencia artificial. En un futuro cercano

veremos implementados distintos tipos de algoritmos en nuestras redes sociales capaces de

detectar mensajes depresivos, así como en su momento se implementaron los algoritmos de

detección de rostros o algoritmos de predicción de vocabulario obsceno o contenido para adultos.

Nos llama la atención como los investigadores y las compañías de redes sociales vienen

desarrollando e implementado distintos tipos de algoritmos con una precisión mayor al 70%. Con

estos porcentajes de predicción nos hace pensar que las investigaciones están bastante

adelantadas y esto nos da un indicio que tenemos suficiente material para iniciar con nuestra

investigación. A futuro tipo de investigaciones dejarán como aporte importante la disminución en

los índices de muertes a causa de suicidio, partiendo del análisis de comportamientos y

publicaciones en redes sociales, las cuales son un importante medio de captación de información

y datos pues las personas están inmersas en ellas la mayor parte del tiempo, es por esto que se

han venido desarrollando estudios e investigaciones que han dado lugar a desarrollar algoritmos

capaces de detectar que una persona tomara la decisión de quitarse la vida.

Nombre artículo 3: Prediction by data mining, of suicide attempts in Korean adolescents: a

national study

El propósito del presente artículo es crear un modelo de predicción de intentos de suicidio en

los adolescentes de Corea del Sur, ya que, según los autores, en este país la tasa de suicidio es

considerablemente más alta en comparación con otros países desarrollados. Este estudio utilizó
datos de la encuesta de salud mental en 2011 del Instituto Nacional de Política Juvenil de Corea.

El tamaño de la población se determinó mediante asignación proporcional. Los datos se

recopilaron de una clase en un nivel de grado de cada escuela asignada en cada ciudad. La

muestra total estuvo compuesta por 2.754 estudiantes de secundaria y preparatoria (1.110

hombres, 1.644 mujeres). Para este estudio se utilizaron cuestionarios desarrollados por el

Instituto Nacional de Política Juvenil de Corea del Sur para evaluar aspectos como, adaptación a

la escuela, estrés, delincuencia, optimismo, intimidad con la familia, apoyo e interacción de la

comunidad; estos datos fueron procesados por un programa llamado Answer Tree 3.0 para

realizar un análisis del árbol de decisiones de la minería de datos.

De acuerdo con los resultados del análisis se evidencio que el 9,64%de los objetos de estudio,

informaron haber intentado suicidarse, teniendo en cuenta que la depresión es la variable que más

se interrelaciona con los casos de intento de suicidio. Es por esto que la depresión debe

considerarse esencial para poder realizar modelos predictivos de suicidio. La intimidad con la

familia fue una variable significativa para realizar el análisis en el grupo de suicidio con

depresión potencial.

La forma en cómo se analizaron los datos y por cómo se relacionan los temas con nuestro

artículo, podemos utilizar variables que aún no se han tomado en cuenta en la revisión de otros

trabajos relacionados.

El presente articulo ofrece información previamente recolectada de un lugar donde la

problemática de estudio es mucho más recurrente en el intento de suicidio, por ende, tiene una

ventaja en tiempo y recursos en el análisis, motivo por el cual nos orienta a posibles nuevas

variables que debamos de tener en cuenta en el momento del análisis

Nombre artículo 4: Extracción de datos de documentos basados en la web en sitios de redes

sociales que incluían palabras relacionadas con el suicidio entre adolescentes coreanos.

El propósito de este artículo se centra en descubrir patrones de búsqueda en la web y redes

sociales basadas en palabras relacionadas con el suicidio, teniendo en cuenta que Corea del sur es

uno de los países con las tasas más altas de suicidio a nivel mundial. Para el estudio se una

metodología basada en minería de texto y minería de opiniones para analizar casi 100 mil

documentos relacionados con el suicidio, recuperados de la web y redes sociales en un trabajo

realizado entre los años 2011 y 2012. El análisis de estos documentos se combinó con diversas

estadísticas como lo son los índices de desempleo, el precio promedio de alquiler de una

vivienda, índices de suicidio en jóvenes, entre otras; esto para ajustar los resultados a modelos

multinivel y ecuaciones estructurales.

La depresión es un factor clave por la cual las personas realizan búsquedas relacionadas con

suicidio. Se logra comprobar que la depresión es desencadenada por diferentes factores sociales

como lo son la presión académica, los índices de desempleo, precios de alquiler, enfermedades,

baja autoestima y hasta víctimas de acoso escolar. Los modelos multinivel indican que

aproximadamente el 27 % de las búsquedas relacionadas con el suicidio se explica por

variaciones de mes a mes.

En conclusión, la principal causa de depresión que conlleva a realizar búsquedas en la red

respecto al suicidio tiene que ver con la situación académica. Es necesario realizar un

seguimiento a los estudiantes y a las búsquedas que realizan para tener un margen de respuesta

más rápido y así bajar las tasas de suicidio en los adolescentes.

Además de incluir métodos científicos para el análisis de documentación, se incluye una

población vulnerable no solo en el país asiático sino a nivel mundial. Nos enteramos diariamente

que los jóvenes se están quitando la vida y sabemos que los adolescentes pasan la mayor parte de

su tiempo sumergidos en las redes, se escucha también de cadenas en las redes sociales donde

retan a los adolescentes a quitarse la vida. Este artículo motiva para entrar a analizar y descubrir

tendencias y patrones dentro de las búsquedas en la web que realizan no solamente los jóvenes

sino también personas de cualquier edad.

El articulo aporta estadísticas importantes para que las secretarias de educación o el ente que

vigile la educación en sur corea, pueda realizar un seguimiento a los estudiantes y jóvenes en

general y reaccionar rápidamente ante una señal de suicidio.

Las redes sociales y la web siguen siendo un canal importante en el cual se puede

extraer información y datos relacionados con pensamientos suicidas, ya que las personas

encontramos un medio con el cual se expresan emociones y sentimientos y esto se hace

interesante para abordar temas del suicidio ya que se tienen buenas bases y buenas estrategias

para su análisis desde otras áreas o puntos de vista.

Nombre artículo 5: The use of machine learning in the study of suicidal and non-suicidal self-

injurious thoughts and behaviors: A systematic review

Las técnicas de aprendizaje automático prometen mejorar la predicción del riesgo de suicidio, por

ellos se plantea realizar una revisión de la cantidad de artículos relacionados con la técnica para
predecir pensamientos y comportamientos auto lesivos, tomar una muestra de estos, donde se

cumplan ciertos criterios relacionados y de allí sacar palabras clave para trabajar otros objetivos

del documento como lo son: mejorar la precisión de la predicción mediante aprendizaje

automático, identificar variables e interacciones y modelar subgrupos de estas; dando a entender

que los enfoques tradicionales usados hasta el momento han limitado la precisión predictiva de

varias formas y que se han tenido en cuenta para este documento y que se tienen en cuenta en los

métodos de aprendizaje automático.

La metodología se basa en la búsqueda de artículos publicados hasta febrero del 2018, las bases

de datos utilizadas fueron: PsycINFO, PsycARTICLES, ERIC, CINAHL y MEDLINE.

Algunos de los términos de búsqueda fueron: minería de datos, aprendizaje automático, macro

datos, autolesión, suicidio, conducta suicida, ideación suicida, muerte por suicidio

Algunos criterios de inclusión fueron: autolesión no suicida, ideación suicida, planificación del

suicidio, muerte por suicidio entre otros.

El método implementado se basa en dividir la técnica en 3 categorías. La primera fue el uso de

regresión regularizada, es una forma contemporánea de selección de variables. La segunda fueron

los árboles de decisión tiene como resultado predicciones que permiten comparaciones con el

resultado de interés lo que permite el cálculo de la precisión. La tercera fue una técnica donde

estaban los métodos menos interpretables, en este se sacrifica la estructura de un árbol

interpretable, pero produce medidas de importancia variable.

Esto permitió comparar el uso de métodos más interpretables, con lo que se podían obtener con

los métodos menos interpretables.

Se llegó a una muestra de 35 artículos evaluados y dependiendo del resultado se agrupó en

categorías (un artículo podría incluirse en más de una categoría) y se consideró que los estudios

entraban en la categoría de riesgo de suicidio, los primeros hallazgos fueron muerte por suicidio:

de la cual se utilizaron variables de historias clínicas como indicadores con los cuales se

identificaron con alto riesgo de suicidio a veteranos diagnosticados con depresión.

Intento de suicidio: en la que se identificó el uso de sustancias y medicamentos para

enfermedades como la esquizofrenia, psicosis y trastorno esquizo-afectivo llevaban a la

autolesión.

Planificación del suicidio: Estos eran el resultado de síntomas como la depresión y un respaldo de

una función anti suicidio.

Ideación suicida: se detectaron mayores probabilidades en personas que consumen alcohol, que

tiene trastornos de ansiedad, y además entre las mujeres que sufrieron acoso sexual. La técnica

utilizada de aprendizaje automático ha logrado un avance significativo en la predicción del

suicidio, esta área a representado un crecimiento significativo en la predicción sino también en

las áreas que ha intervenido, lo que significa una implicación positiva para la reducción de tasas

del suicidio.

Identificamos que el artículo reúne técnicas en su metodología los cuales en nuestra propuesta de

anteproyecto puede servir de apoyo y en cuanto al método utilizado es con el que a futuro puede

generar mejores resultados.

El presente artículo aporta una buena técnica que puede generar una disminución cada vez mayor

en cuanto a la predicción del riesgo del suicidio y también en cuanto a la prevención en otras
áreas donde se presenten riesgos en los cuales sea posible hacer predicciones con aprendizaje

automático. (Burke, Ammerman, & Jacobucci, 2019)

8. Descripción del problema

El suicidio es una problemática a nivel mundial de la cual “se tiene conocimiento gracias a la

Organización Mundial de la Salud (OMS 2016), que aproximadamente cada 40 segundos una

persona comete acto de suicidio, más de 800 mil personas mueren cada año por suicidio y es la

segunda causa principal de muerte entre personas de 15 a 29 años.” (Fontecha, 2020). Es así,

que se puede decir que el suicidio es una causa frecuente entre personas adolescentes y

jóvenes, y la cantidad de personas que lo cometen superan las setecientas mil.

Por tanto, diferentes gobiernos a nivel mundial han identificado esta problemática, no

solo por la gran cantidad de personas que lo realizan, sino también porque se hace con mucha

frecuencia. Tanto es esto que “en el año 2003 el suicidio se declaró como un problema de

salud pública por la Organización Mundial de la Salud (OMS), y por tanto la Organización de

las Naciones Unidas (ONU), junto con la Asociación Internacional de Prevención de Suicidio

(IASP), declararon al 10 de septiembre como el Día Mundial de la Prevención del Suicidio”

(Chávez-Hernández, 2010). Buscando visibilizar y así poder prevenir de una manera más

eficiente.

Y aunque se cree, que los países de más bajos ingresos son donde se comete más

suicidio, se ha visto que “la tasa más elevada (de 11,5 por 100 000 habitantes) correspondió a

los países de ingresos altos, en los que, además, se suicidan casi tres veces más hombres que

mujeres, frente a los países de ingresos bajos y medianos, en los que la tasa está más
igualada”(OMS, 2019), demostrando esto que no es solo una problemática de países del tercer

mundo, sino que es una problemática que se vive en el primer mundo también. Como lo

muestran las estadísticas mundiales de 2019 donde el país que presentó la tasa más elevada de

suicidios fue Siri Lanka Asía meridional con 34,9 suicidio por cada 100.00 habitantes. (Datos

Macro, 2019)

De la misma forma, en Colombia, que, aunque no es un país de tercer mundo, sin embargo,

muestra tasas muy altas pues, donde “los suicidios incrementaron en un 11,30% respecto al

2016, siendo Putumayo el departamento con mayor tasa de suicidios en el país con 9,73

muertes por cada 100.000 habitantes seguido por Arauca, Quindío, Caldas” (Fontecha, 2020).

Lo que lleva a pensar, que, sin ser los departamentos más grandes del país, son los que

mayores tasas de suicidio tienen a nivel nacional. Además “en Colombia el suicidio se ubica

en la cuarta posición de las formas de violencia, correspondiendo un 10,5%” (Reyes-Ruiz),

siendo una posición que genera alarma por ser una muerte que tiene tantas repercusiones a

nivel social y familiar.

Por este motivo, el suicidio es un tema de salud pública que siempre ha causado gran

preocupación, puesto que es un tipo de muerte auto infligida donde la persona que la sufre es la

misma que la causa, y aunque en el 2020 disminuyeron los suicidios en Colombia como lo

muestra las estadísticas del DANE, pues de lo corrido entre enero a octubre de 2019 se quitaron

la vida 2.182 personas, esto quiere decir que fue menor al mismo periodo del 2020 donde las

muertes por este motivo fueron 2.355 (DANE, 2021). Estos datos no quieren decir que sea una

problemática que tenga fin.

 Pues, como lo plantean algunas investigaciones, el suicidio tiende al alza, como lo

muestra Huremovic citado por Marrero 2020, “experiencias anteriores con eventos pandémicos

han demostrado que la ausencia de salud mental y de sistemas de apoyo psicosocial, así como la

escasez de profesionales de salud mental adiestrados en los países afectados, aumentan los

riesgos de sufrir angustias mentales que desemboquen en el padecimiento de trastornos

psicológicos” y a raíz de la pandemia actual, se podría pensar que el suicidio puede ser uno de los

efectos psicológicos que cause la situación.

Por todas estas razones, el suicidio ha sido estudiado desde diferentes perspectivas como

por ejemplo desde los psicológico donde Edwin S. Shneidman, pionero en el campo de la

prevención del suicidio, consideraba que el suicidio, era básicamente, una crisis psicológica.

(Chávez-Hernández & Otros 2010) Y como tal, debía ser estudiado y tratado, buscando siempre

que fuera visualizado y que así se le pudiera brindar una solución.

Del mismo modo la sociología, ha visualizado el suicidio desde las representaciones

sociales, donde “se refieren a estructuras cognitivo-afectivas que ayudan a procesar la

información del entorno social y planificar conductas,” (Sosa & Villegas, 2009) mostrando que,

dependiendo de dichas representaciones sociales, las personas se rigen y organiza su vida, por lo

que partiendo de lo que cada cultura entiende del suicidio o crea del mismo, de esta manera es

cómo se comportan.

Igualmente, desde una visión biológica del suicidio se encuentra que “quienes intentan o

logran suicidarse tienen una historia familiar de actos suicidas; además, la tasa de concordancia

entre el suicidio y los intentos suicidas son mayores entre los gemelos que provienen de un solo

óvulo que en los llamados “cuates”. Y es frecuente el suicidio entre los niños adoptados
provenientes de padres biológicos que cometieron suicidio, a pesar de la diferencia en el

ambiente familiar en que crecieron.” (Contreras y Gutiérrez, 2007) por lo que buscan explicar el

suicidio como consecuencia de antecedente familiares que pueden afectar o incidir para un

comportamiento suicida.

Así mismo, se identifican diferentes cuerpos teóricos de investigación, desde las ciencias

de la computación, que quieren explicar el problema del suicidio. Como desde “proponer un

prototipo de aprendizaje automático que clasifique comportamientos suicidas en Twitter”

(Navarro, 2021.), así como lograr hacer una clasificación de la tipología del intento de suicidio en

una población hospitalaria, para poder encontrar patrones de comportamiento que ayuden a

prevenir el suicidio. (Martín & Otro, 2020) y poder hacer una identificación de factores de riesgo

determinantes en el suicidio mediante la técnica de testores típicos (conjuntos de variables

descriptoras) (Barajas Aranda, D. A. (2018).

Obteniendo como resultado que el suicidio, por un lado, es multifactorial y no es cuestión

de un solo factor para poderlo explicar y por otro que se puede prevenir mediante la unión de

técnicas y métodos que permitan predecirlo con ayuda de algoritmos que unidos con el

conocimiento que las ciencias sociales tienen, se puede lograr un resultado positivo que ayude a

muchas personas que están pasando por situaciones difíciles que les lleve a pensar en el suicidio

como una opción.

9. Justificación (Profe esta parte está en construcción aún no se han

hecho las correcciones)

[Plantear los argumentos frente al por qué, para qué y de qué manera se requiere intervenir el

problema mencionado en la sección anterior, para esto explicar aquí las motivaciones, y

también que elementos hacen que el proyecto, En el caso de ser un tema ya desarrollado

previamente en otros proyectos, mostrar cuál será el aporte diferenciador que lo valida como

original y/o innovador. Definir qué tipo de beneficios traería la realización del proyecto

(Beneficio Social, Beneficio económico, Beneficio Científico y Tecnológico, Beneficio

Personal, otros Beneficios).]

Haciendo una revisión del tema del suicidio se evidencia que hay una necesidad urgente que

presentan los países de abordar el suicidio.

Resaltando los esfuerzos las limitantes de los países, datos y porcentajes. énfasis en el problema

(mostrar el panorama nuevamente de la situación del suicidio y luego en términos de la disciplina

y la minería de datos para complementar)

El suicidio es un tema del cual se puede encontrar una gran información, sin embargo, al hacer

una revisión del tema se evidencia que es información se encuentra en forma desorganizada, es

por tanto que se puede decir que “el suicidio es un grave problema de salud pública; no obstante,

es prevenible mediante intervenciones oportunas, basadas en datos fidedignos y a menudo de

bajo coste. Para que las respuestas nacionales sean eficaces se requiere una estrategia de

prevención del suicidio multisectorial e integral”. (OMS 2016) y que así mismo “requiere de la

intervención integral para su prevención primaria y no solamente se trata desde el abordaje en

salud mental, sino en el marco de acciones en educación, protección, justicia social, oportunidad
laboral y recreación organizada.” (Fontecha, 2020). Es por esto, que dándole una mirada

multisectorial desde la ingeniería de sistemas se pretende poder realizar un análisis amplio de las

causas del suicidio y que permitan plantear una posible intervención de prevención.

Por otro lado, “Big Data es el gran conjunto de datos estructurados y no estructurados que

cada año aumenta su tamaño y que puede originarse a través de diferentes fuentes como: redes

sociales, consultas en motores de búsqueda, correos, información propia de las empresas, entre

otros.” (http://repositorio.usil.edu.pe/handle/USIL/3607) de las cuales se puede aprovechar su

gran potencial, pues brinda una amplia información que se puede analizar en torno al tema de

suicidio, pues por medio de las redes sociales se puede obtener información o hacer un

análisis. Y esto lo demuestra “investigadores de la Universidad de Vanderbilt luego de

escanear registros de salud mediante un algoritmo de aprendizaje, se obtuvo una precisión del

80% para determinar si un paciente intentaría suicidarse en 2 años” (L. B. Raúl E,2017). Es

por ello que la investigación en ciencias de la computación aporta sus conocimientos para que,

con base datos estadísticas y cifras poder ser capaz de detectar pensamientos de índole suicida

y así poder ayudar prevenir esto actos.

(Y aunque se puede encontrar mucha información a diario sobre este tema, se sabe que está

información no es siempre una buena representación de la realidad, pues muchos son los caso que

no se reportan y de los cuales no se tiene mucha información, es así que, “en todo el mundo es

insuficiente la disponibilidad y calidad de los datos sobre el suicidio y los intentos de suicidio”

(OMS 2016). Por lo tanto, se hace necesario contar con herramientas que permitan identificar los

posibles casos de suicidio y sobre todo sería muy importante una herramienta que permita hacer

una predicción antes de que sucedan, sirviendo estas como un método de prevención del suicidio,

lo que podría servir a diferentes instituciones que puedan hacer uso de ellas.)
10. Objetivos

10.1 General

[Un objetivo bien formulado es aquel que logra comunicar lo que se intenta; es decir, lo que se

pretende hacer y obtener como resultado. El mejor enunciado de un objetivo excluye el mayor

número de interpretaciones posibles del propósito a lograr.

Otra característica importante en la declaración de un objetivo es que éste debe identificar el

tipo de resultados concretos que se pretende lograr. Al final de la investigación, los objetivos

han de ser identificables con los resultados; es decir, toda la investigación deberá estar

respondiendo a los objetivos propuestos (Tamayo, 1995).

Los objetivos deben (Monroy Varela, 2008):

• Ser estratégicos

• Llevar a resultados

• Ser factibles

• Ser específicos

• Ser medibles

• Ser explícitos (formulados por escrito)

A continuación, se presenta el infinitivo de algunos verbos que pueden servir como referencia

en la elaboración de los objetivos (Méndez, 2001):

Analizar Diseñar Inventariar

Calcular Especificar Planear

 Completar Establecer Plantear

Comprobar Estandarizar Presentar

Consolidar Evaluar Presupuestar

Consultar Examinar Producir

Cuestionar Formular Programar

Describir Indicar Verificar

Determinar Iniciar

Ejemplo de objetivo bien estructurado:

- Construir y validar un Ambiente Virtual Colaborativo 3D que incluya mecanismos de

Awareness de Grupo, del Entorno y de los Artefactos para la realización de la tarea de

Bosquejo de Interfaces Gráficas de Usuario por un grupo de trabajo disperso geográficamente

y sincronizado o no sincronizado en el tiempo (Hernández, 2010).

Ejemplo de objetivo mal estructurado:

- Desarrollar aplicaciones de juegos para luego pasar a desarrollar una base de datos

bien estructurada y asociarla a las aplicaciones].

[Escriba aquí]

10.2 Específicos

[Objetivos específicos son los que identifican las acciones que se van a realizar para ir

logrando el objetivo general. La suma de los objetivos específicos es igual al objetivo general

y por tanto a los resultados esperados del proyecto]

Ejemplo:

- Proveer un marco conceptual sobre la interacción y las necesidades de un grupo de

Trabajo durante la tarea de Bosquejo de GUIs.

- Especificar un conjunto de Requisitos Funcionales, de Calidad y de Awareness

requeridos en una Aplicación Colaborativa que de soporte a la tarea de Bosquejo de GUIs.

- Especificar el Diseño Arquitectónico, Funcional, Visual e Interactivo de la Aplicación

para Bosquejo de GUIs.

- Construir una aplicación basada en las especificaciones previas.

- Verificar la Hipótesis planteada para el proyecto.

[Escriba aquí]

11. Alcance y delimitación

[Aclarar hasta qué punto se espera llegar con el compromiso de este trabajo de grado, a nivel

operativo, constructivo, teórico, experimental, etc. Cuando el proyecto hace parte de otro

mayor, definir sus límites e interrelación con las demás partes.]

[Escriba aquí]

12. Marco de referencia

El Suicidio

“Es el acto de quitarse deliberadamente la propia vida. El comportamiento suicida es cualquier

acción que pudiera llevar a una persona a morir, como tomar una sobredosis de medicamentos o
estrellar un automóvil a propósito.” (MedlinePlus), Es así, que es el suicidio es una decisión

tomada por el propio individuo, que busca una solución final a su situación, que podría ser

considerado por otros como situaciones superables, pero que para el individuo no tienen una

solución.

En el mundo, “anualmente, cerca de 800 000 personas se quitan la vida y muchas más intentan

hacerlo. Cada suicidio es una tragedia que afecta a familias, comunidades y países y tiene efectos

duraderos para los allegados del suicida.” (OMS). En efecto el suicidio es un gran problema no

solo para los gobiernos locales, por la pérdida de fuerza de trabajo, sino también para las familias

que quedan muchas veces quedan con secuelas emocionales por la pérdida imprevista de un ser

querido.

Factores de Riesgo: Se puede entender como las diferentes causas que pueden llevar a que una

persona se quite la vida, y ya que el suicidio es multifactorial, se puede decir que cuyos factores

de riesgo que se pueden encontrar van gran medida de diferentes perspectivas como las

siguientes:

2.1 Rangos de edad: La vida del ser humano se divide en diferentes etapas “la siguiente

clasificación es un ejemplo: in útero y nacimiento, primera infancia (0-5 años), infancia (6 - 11

años), adolescencia (12-18 años), juventud (14 - 26 años), adultez (27 - 59 años) y vejez (60 años

y más).” (Ministerio de Salud).

Y se puede pensar que, dependiendo de una etapa u otra, las personas pueden tener más riesgo de

cometer un suicidio, es así que, como lo menciona Arregoces, Caballero-Domínguez, López, &

Ospino “las tasas más altas de suicidio se presentaron en los siguientes rangos etarios: 18-19 años

(6,74%), 20-24 años (6,54%), 25-29 años (5,63%), 30-34 años (5,55%) y en el grupo
correspondiente a los 70-74 años (5,43%).” De lo que se concluye que las personas que se

encuentran en entre la adolescencia y la juventud son los más propensos a cometer suicidio.

2.2 Enfermedades asociadas al suicidio: Otro aspecto a tener en cuenta frente al suicidio son las

enfermedades que se pueden asociar a él, tales como: “Trastorno bipolar, Trastorno límite de la

personalidad, Depresión, Consumo de drogas o alcohol, Trastorno de estrés postraumático

(TEPT), Esquizofrenia, Historial de abuso sexual, físico y emocional.” (MedlinePlus). Puesto

que, al tener algún padecimiento adicional que genere problemas psicológicos o físicos, pueden

ayudar a que el suicidio se convierta en una opción de solución de sus problemas.

2.3 Profesión (Ocupación): Para poder entender cuáles son las personas que más se suicidan en

cuanto su profesión y/u ocupación, primero hay que tener claro que “en 2018 el nivel educativo

más común alcanzado por los colombianos fue el de la educación media, con el 34% del total,

seguido por la básica secundaria, con 22,7%. En cuanto a los demás niveles educativos, el

documento indica que el 11,3% de esta población tiene educación profesional o tecnológica, el

8,5% se graduó de una universidad a nivel de pregrado y el 3,5% tiene un posgrado”. (La

República).

Teniendo en cuenta esto, se puede decir que en Colombia la mayoría de la población no es

profesional, por lo tanto, las personas que se suicidan en el país, no cuentan con una profesión, ya

que, un 34% de las personas solo han llegado a la educación media, por esa razón, más que

querer saber si las personas que más se suicidan son o no profesionales, el suicidio se debe

analizar, enfocado en las personas están o no ocupadas. Esto hace referencia a si cuentan o no con
un trabajo. Y con respecto a esto se encontró que las personas sin una ocupación, ósea las

personas desempleadas son las que en su mayoría cometen suicidio. (Arregoces, Caballero-

Domínguez, López, & Ospino)

2.4 Sexo: Con respecto al sexo, surge una duda, ¿quiénes son los que más se suicidan, los

hombres o las mujeres? y es aquí donde teniendo en cuenta los diferentes estudios se conoce que,

“mientras que los hombres son más propensos que las mujeres a morir por suicidio, las mujeres

son dos veces más propensas a intentar suicidarse, y la mayoría de los intentos de suicidio no

terminan en muerte. Muchos de estos intentos se llevan a cabo en una forma en la que el rescate

sea posible. Estos intentos a menudo representan una llamada de auxilio. Algunas personas

intentan suicidarse de una manera que sea menos probable de ser fatal, como envenenamiento o

sobredosis. Los hombres tienen mayor probabilidad de escoger métodos violentos, como

dispararse. Como resultado de esto, los intentos de suicidio en los hombres tienen mayor

probabilidad de terminar en muerte.” (MedlinePlus).

Todo esto lleva a la conclusión, que ambos sexos intentan suicidarse, sin embargo, los hombres,

son los que lo llevan a cabo más fácilmente, debido a que utilizan métodos de muerte más letales

que las mujeres, lo que hace pensar que los hombres son los que más se suicidan.

2.5 Grupos Vulnerables: El suicidio es una problemática que afecta todas comunidades y como lo

menciona la OMS “las tasas de suicidio también son elevadas entre los grupos vulnerables objeto

de discriminación, por ejemplo, los refugiados y migrantes; las comunidades indígenas; las

personas lesbianas, homosexuales, bisexuales, transexuales, intersexuales; y los reclusos.”

(OMS).
Todo esto a causa de su condición de vida, ya que, se ven envueltos en situaciones que se vuelven

tan agobiantes, de pobreza y discriminación, que los lleva a tomar la decisión de suicidarse como

única solución a sus problemas.

3 Factores Protectores

Entendidos estos como los factores que permiten proteger la vida de las personas de un posible

suicidio, pues ayudan a la persona a sobre llevar las dificultades por la que están pasando.

3.1 Sólidas relaciones personales: Esto hace referencia a contar con personas cercanas, como

familia o amigos que brinden un apoyo cuando la persona tenga dificultades, puesto que, “el

círculo próximo de una persona puede tener gran influencia y puede ser una fuente significativa

de apoyo social, emocional y financiero que amortigüe los factores externos estresantes.”

(Sotoca). Y ya que, estas personas son las que rodean al individuo, pueden brindar un apoyo muy

cercano y hacer que la persona no cometa el acto de suicidio.

3.2 Creencias religiosas o espirituales: Cuando se habla de creencias religiosas se piensa en las

diversas religiones que hay en el mundo, y es cierto que estas pueden ser de gran ayuda para la

personas, pues les dan un sostén espiritual, le brindan un entendimiento de la vida desde otra

perspectiva, no obstante “el valor protector de la religión y la espiritualidad está en relación al

acceso a una comunidad socialmente cohesiva que comparte un conjunto de valores, pero

también hay que tener en cuenta que depende de los contextos culturales.”(Sotoca), pues, no

todas las culturas comparten estos valores religiosos, por lo tanto es necesario hacer una

identificación adecuada de estas creencias en cada individuo.

3.3 Estrategias prácticas positivas de afrontamiento y bienestar como modo de vida: Las

estrategias positivas de afrontamiento tienen que ver con lo que se aprendió en el transcurso de la

vida, todas esas estrategias que ayudan a las personas para poder resolver las situaciones

problemáticas que se presentan. Así como, dado que, “una buena autoestima, competencia

personal y capacidad de resolver problemas (incluida la capacidad de pedir ayuda) mitigan la

repercusión de las adversidades.” (Sotoca), permitiendo que las personas salgan adelante y se

enfrenten eficazmente a cualquier situación.

4 Minería de Datos

“La minería de datos se puede definir como un proceso para hallar patrones y

correlaciones en un conjunto de grandes cantidades de datos para predecir resultados.” (Software

y Soluciones de Analítica, 2021) Lo que permite utilizar un gran volumen de información y hacer

un análisis más profundo de un tema o problemática planteada, teniendo así una visión global de

lo que se quiere estudiar.

De ahí que “la minería de datos permite filtrar todo el ruido caótico y repetitivo en sus

datos, entender qué es relevante y luego hacer un buen uso de esa información para evaluar

resultados probables, acelerar el ritmo de la toma de decisiones informadas.” (Software y

Soluciones de Analítica, 2021), basadas en la realidad de la situación. Por lo que la minería de

datos se puede utilizar en tantas ramas y estudios que requieran el manejo de grandes volúmenes

de información.
 4.1 Técnicas de minería de datos: El término "minería de datos" no se acuñó sino hasta la década

de 1990. Pero su base comprende tres disciplinas científicas entrelazadas: estadística (el estudio

numérico de relaciones de datos), inteligencia artificial (inteligencia similar a la humana exhibida

por software y/o máquinas) y machine learning (algoritmos que pueden aprender de datos para

hacer predicciones). Lo que era antiguo es nuevo otra vez, ya que la minería de datos continúa

evolucionando para igualar el ritmo del potencial sin límites del big data. (Software y Soluciones

de Analítica, 2021).

Esto quiere decir que, que las técnicas de minería de datos pueden enfocarse tanto en la

estadística, como en la inteligencia artificial y machine learning, permitiendo una amplia gama de

posibilidades, para entender una situación problema y dar diferentes alternativas de solución.

4.2 Metodología aplicada a la minería de datos: Las tres metodologías dominantes para el proceso

de la minería de datos son: KDD, CRISP-DM y SEMMA.

13. Cronograma

[Se desglosan las actividades a realizar en el proyecto, basadas en los objetivos planteados. Se

debe tener en cuenta que las actividades tienen un nivel más detallado que los objetivos.

En el campo “año” se debe poner el año en el que se va a realizar la pasantía y en los campos

“Mes 1”, “Mes 2” … no se debe poner los nombres de los meses.]

ACTIVIDAD Año
 Mes 1 Mes 2 Mes 3 Mes 4 Mes 5 Mes 6

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
14. Referencias bibliográficas

[Para mayor información sobre referencias consulte la guía WEAPAS/APA para referencias

en documentos científicos, Se empleó la versión 6]

[Ejemplo de Referencias para libro]

Ruiz, A. (2005). Este es un ejemplo de título de un libro. Armenia: McGraw Hill.

[Ejemplo de Referencias para Entrevista]

Ruiz, A. (12 de febrero de 2008). Tema de la Entrevista. (N. Apellido, Entrevistador)

[Ejemplo de Referencias para Revista]

Ruiz, A. (2004). Título de la sección de la revista. Nombre de la Revista, 40-45.

[Ejemplo de Referencias para secciones de libros]

Ruiz, A. (2005). Título de la sección de un libro. En A. Ruiz, Título del libro (págs. 50-62).

Armenia: Norma.

[Ejemplo de Referencias para Secciones en Periódico]

Ruiz, A. (11 de Enero de 2008). Titulo de la Sección en el periodico. Nombre del Periodico,

págs. 56-57.

[Ejemplo de Referencias para Documento electrónicos]

Ruiz, A. (20 de enero de 2004). Título del documento electrónico. Recuperado el 1 de Febrero

de 2008, de http//www.dominio.com/documento.html

[Documentos citados en esta plantilla:]

Hernandéz, H. (2010). Ambiente Virtual Colaborativo para Bosquejo de Interfaces Gráficas de

Usuario. Universidad EAFIT.

Méndez, C. E. (2001). Diseño y desarrollo del proceso de investigación. (Mc Graw Hill, Ed.).

Monroy Varela, S. (2008). Formulación de Proyectos. (Diplomado en Investigación -

Formulación y Gestión Proyectos, Ed.).

Tamayo, M. (1995). El Proyecto de Investigación. (Serie Aprender a Investigar ICFES, Ed.).

https://ri.itba.edu.ar/bitstream/handle/123456789/3085/PERVERSI-

tesisdegradoeningenieria.pdf?sequence=1

Castellvi, P., & Rodríguez, J. A. P. (2018). El suicidio en la adolescencia: un problema de salud pública

que se puede y debe prevenir. Revista de Estudios de Juventud, (121), 45-59.

Chávez-Hernández, Ana-María, & Leenaars, Antoon A.. (2010). Edwin S Shneidman y la suicidología moderna.

Salud mental, 33(4), 355-360. Recuperado en 12 de julio de 2021, de http://www.scielo.org.mx/scielo.php?

script=sci_arttext&pid=S0185-33252010000400008&lng=es&tlng=es.

https://datosmacro.expansion.com/demografia/mortalidad/causas-muerte/suicidio

Marrero, L. F. (2020). Pandemias, epidemias y salud mental: recorrido histórico, mirando hacia el

futuro. Psicologías, 4, 28-52.

Sosa, G. M., & Villegas, F. M. (2009). El pensamiento social sobre el suicidio en estudiantes de

bachillerato. Enseñanza e investigación en psicología, 14(2), 311-324.

Carlos M. Contreras y Ana G. Gutiérrez García (2007). Bases Biologicas del suicidio. Revista de

divulgación cientifica y tecnologia de la universidad veracuzana. Recueprado de:

https://www.uv.mx/cienciahombre/revistae/vol20num1/articulos/suicidio/index.html

Navarro Alvarado, P. E. (2021). Diseño de un prototipo de aprendizaje automático que clasifique

comportamientos tendientes al suicidio en Twitter, en un contexto Latinoamericano.

Martín, Á. F. G., Sáez, A. S., González, E. L., Juan, M. E. A., Pardo, E. O., & Pérez, B. P. (2020). Utilidad

del análisis de clasificación en la tipología del intento de suicidio en una población hospitalaria. Revista

española de salud pública, (94), 103.

Barajas Aranda, D. A. (2018). Identificación de factores de riesgo determinantes en el suicidio en

Aguascalientes mediante la técnica de testores típicos.

Troya-Capa, C., Mocha-Brito, L., & Cabrera-Sarango, M. ( 2020) Revisión sistemática de literatura:

Inteligencia Artificial aplicada a la predicción de pensamientos suicidas. Congreso Estudiantil de

Inteligencia Artificial Aplicada a la Ingeniería y Tecnología, UNAM, FESC, Estado de México.

Bae, S. M., Lee, S. A., & Lee, S. H. (2015). Prediction by data mining, of suicide attempts in Korean

adolescents: a national study. Neuropsychiatric disease and treatment, 11, 2367.

Burke, T. A., Ammerman, B. A., & Jacobucci, R. (2019). The use of machine learning in the study of

suicidal and non-suicidal self-injurious thoughts and behaviors: A systematic review. Journal of affective

disorders, 245, 869-884.

IBM. (2020) ¿¿Qué es machine learning? IBM para Colombia. Recuperado de:

https://www.ibm.com/ar-es/analytics/machine-learning?

p1=Search&p4=43700052827888246&p5=e&gclsrc=aw.ds&gclid=Cj0KCQjw_8mHBhClARIs

ABfFgpibAruxOm9_2FmL78tnZlWqyavVuZ3Tgm-

gIUhgJVGVuY_kIYLXbqsaAm6fEALw_wcB

Software y Soluciones de Analítica. (2021). Minería de datos ¿Qué es y por qué es importante?

Recuperado de: https://www.sas.com/es_co/insights/analytics/data-mining.html

ANEXOS

Anexo 1. ACTA DE PROPIEDAD INTELECTUAL

Proyecto: <TÍTULO>

Todos los partícipes conocen y aceptan el estatuto de propiedad intelectual de la Universidad del

Quindío, el de las empresas participantes y también el reglamento de elaboración de trabajos de

grado de la Facultad de Ingeniería.

FIRMA DE LAS PARTES IMPLICADAS.

__________________________ __________________________

Nombre estudiante 1 Nombre estudiante 3

##.###.### Ciudad ##.###.### Ciudad

Estudiante Estudiante

__________________________ __________________________

Nombre estudiante 2 Nombre del Director

##.###.### Ciudad ##.###.### Ciudad

Estudiante Director

Anexo 2

[En este anexo el estudiante debe describir los recursos detalladamente que no estén disponibles

en la universidad y que sean necesarios para la realización del proyecto. Cabe aclarar que estos

recursos deben ser asumidos por el estudiante, si no tienen este tipo de recursos no debe

adicionar este anexo]

Anexo 3

[Incluir las cartas de intención cuando haya patrocinadores y/o grupos de investigación

involucrados, si no contienen este tipo de patrocinios no debe adicionar este anexo].