Resultados de investigación

En este dataset se recogen las figuras incluidas en el artículo “Quantitative atlas of collagen hydrogels reveals mesenchymal cancer cell traction adaptation to the matrix nanoarchitecture” (Acta Biomaterialia, 2024), así como las figuras del material suplementario. Este proyecto compara el comportamiento mecánico de células de cáncer de mama en diferentes hidrogeles de colágeno, según su composición (bovino, de rata o mezcla de ambos) o concentración (0.8, 1.5 y 2.3 mg/ml). Para ello se ha llevado a cabo la metodología Traction Force Microscopy, además de que se ha comparado con la microestructura de cada uno de los hidrogeles, reconstruida mediante la técnica FIB-SEM., Figuras 1-7 del artículo y Figuras 1-3 del material suplementario

El proyecto MATILDA parte de la necesidad de abordar la alfabetización desde la heterogeneidad, la singularidad y la complejidad de los niños. El concepto de alfabetización en este proyecto va más allá del desarrollo de una serie de destrezas relacionadas con la lectura y la escritura, y se extiende a todas las prácticas que configuran la creación de significados en la infancia a través de sus experiencias y los entornos sociales en los que se insertan dichas prácticas. El conjunto de datos generado se basa en un evento colectado como parte del trabajo de campo del proyecto MATILDA. Partiendo de un marco de investigación postcualitativa, los investigadores realizaron observación participativa y los datos se generaron a partir de un ensamblaje de vídeos, fotografías y notas de campo. Los datos que forman parte de este conjunto de datos son una viñeta y una foto. Ambos recogen intra-acciones que ocurrieron en nuestro proyecto e indican la pluralidad de prácticas de alfabetización y lenguaje en la primera infancia desde una perspectiva afectiva., - Imágenes. - Una viñeta escrita a partir de nota de campo y videos.

Ofrece información sobre la evolución de la población entre las fechas de referencia para una serie de variables demográficas estimadas mediante técnicas dasimétricas a partir de las publicadas en la Malla Estadística del IECA (GRID250) procedentes del Registro Longitudinal de Población de Andalucía (RLPA). Los datos se representan mediante las celdas del GRID250., Geometrías de polígonos (GRID250), con tabla asociada con los campos referidos a variables demográficas.

Ofrece información sobre la evolución del número y tipología de viviendas que se obtienen a partir de la Dirección General de Catastro (formatos ATOM Y CAT) en los años de referencia. Los bienes inmuebles residenciales de cada parcela han sido vinculados a la dirección postal y edificios de la misma, siendo posteriormente agregados a la estructura de teselas que utiliza la malla Malla Estadística del IECA (GRID250)., Geometrías de polígonos (GRID250), con tabla asociada con los campos referidos a variables de viviendas.

In this research, we used a convenience sampling and selected two high schools located in Areas in Need of Social Transformation in Seville (southern Spain). We studied the learner identity of all their students in the first and second grade of secondary postcompulsory education (N = 70). These students present a trajectory of resilience, as they remained in the education system despite facing many difficulties. In this exploratory research, their identity as learners was analysed through an interview applied in a focus group format (N = 12), where their supports, strengths and psycho-social obstacles that facilitate/ hinder their stay in the education system in the post-compulsory stage were also identified. Datasets show the instrument used for data collection, consisting of the LIRESI semi-structured interview script to be applied in focus groups, as well as the coding manual for the responses obtained in the interviews (narratives of the participants), that were fully transcribed., LIRESI Guión Grupo Focal v.1 LIRESI Manual de Codificación v.1

En el proyecto se USECHIP desarrolla este dataset neuromórfico para estudiar la clasificación de aves mediante sistemas autónomos de bajo consumo y bajo coste. El conjunto incluye vídeos de canario, periquito, cotorra y gorrión, transformados mediante un Neuromorphic Auditory Sensor (NAS) en eventos pulsantes distribuidos en 64 bandas de frecuencia en estéreo. Las señales, registradas en ficheros .AEDAT con direcciones AER y marcas temporales, se procesan en MATLAB para generar muestras destinadas al acelerador de redes neuronales pulsantes y recurrentes ReckOn. El dataset final ofrece ficheros .dat equilibrados, creados con distintos umbrales de agrupación temporal., 1. Objetivo y alcance del dataset Uno de los objetivos del proyecto USECHIP es estudiar la biodiversidad mediante circuitos y sistemas autónomos, de bajo consumo y bajo coste, contribuyendo al objetivo europeo PERTE-chip. En este trabajo se evalúa la viabilidad de clasificar aves utilizando sistemas neuromórficos para el sensado y la grabación de audio, así como Redes Neuronales Pulsantes y Recurrentes para su clasificación. 2. Archivos mp4 de origen y clases de aves El dataset contiene vídeos en formato .mp4 (carpeta mp4) correspondientes a cuatro aves: canario, periquito, cotorra y gorrión. Los vídeos se han descargado de YouTube y sus enlaces se encuentran en el archivo links.txt. Los nombres de estos archivos son: 0_Canario_Canary.mp4, 1_Cotorra_Parakeet.mp4, 2_Gorrion_Sparrow.mp4 y 3_Jilguero_Goldfinch.mp4. El número al principio del nombre del archivo corresponde con la clase en numérica en el dataset. 3. Conversión del audio mediante el NAS a ficheros .aedat El Neuromorphic Auditory Sensor (NAS) descompone el audio en 64 bandas de frecuencia comprendidas entre 20 Hz y 20 kHz. El sistema emula la cóclea humana, que transmite al córtex auditivo información pulsante sobre las bandas detectadas en el audio de entrada. El NAS convierte el audio en modulación por frecuencia de pulsos (PFM) y filtra este flujo de pulsos mediante dos bancos de filtros de paso de banda, configurables en cascada o en paralelo. En la configuración en cascada, los filtros de paso de banda de mayor frecuencia reciben la señal pulsante, conservan la banda detectada y descartan los pulsos correspondientes a frecuencias menores. La salida descartada alimenta el filtro configurado con la siguiente banda de alta frecuencia. Este procedimiento se repite 64 veces, una por cada banda. Cada filtro dispone de dos salidas pulsantes, que representan la actividad positiva o negativa de la señal de audio. Las salidas pulsantes de los filtros se multiplexan en un bus digital asíncrono. Cada pulso genera un evento identificado numéricamente con el filtro que lo produjo. Los filtros de mayor frecuencia tienen identificadores menores. Cada filtro emplea dos identificadores: uno par para los eventos positivos y otro impar para los negativos. El NAS dispone de dos entradas de audio y permite trabajar con sonido estéreo. Las direcciones de ambas entradas son correlativas y abarcan de 0 a 255: las direcciones de 0 a 127 corresponden a la «oreja» izquierda y las de 128 a 255 a la derecha. La salida pulsante del NAS contiene información sobre el identificador de cada evento, en formato Address-Event Representation (AER), y sobre el instante en que se produce. Para conservar ambos datos, el sistema de captura OKAERTool asigna una marca temporal a cada evento y los empaqueta en tramas que se envían por USB al PC. El programa específico jAER almacena la información en ficheros .AEDAT, que contienen la secuencia AER y la marca temporal (timestamp) de cada evento. Por tanto, los ficheros .AEDAT representan la transformación del audio de los vídeos .mp4 a un formato neuromórfico descompuesto en bandas de frecuencia. Estos archivos se encuentran en la carpeta “aedat”. 4. Generación de muestras para ReckOn en ficheros .dat A partir de las grabaciones .AEDAT se extraen las muestras de entrenamiento y test destinadas al acelerador de redes neuronales pulsantes y recurrentes ReckOn. El procesamiento se realiza en MATLAB mediante los siguientes archivos (carpeta Matlab): 1. Loadaerdat.m. Recibe la ruta y el nombre de un fichero .aedat y devuelve un array de dos columnas y tantas filas como eventos contiene el archivo. Las columnas representan los eventos y sus marcas temporales. 2. gen_ds_reckon_birds_mw_max.m. Recibe un umbral (th) y un booleano que indica si deben mostrarse gráficos de las muestras extraídas. El umbral determina cuántos eventos consecutivos de cada filtro y con la misma polaridad deben recibirse para generar un evento de salida para ese filtro y polaridad. Se implementa con un contador por cada filtro que incrementa 1 si llega un evento positivo, y decrementa 1 si el evento que llega es negativo. Este comportamiento representa el umbral de una neurona Integrate & Fire situada a la salida de cada filtro. Esta neurona IF no incorpora ni olvido ni tiempo refractario. Además, el valor de th también se emplea para crear muestras de mayor duración temporal. Para ello, las marcas temporales se dividen por th antes de comprobar la duración. Todas las muestras tienen 2250 timesteps, con la relación 1 timestep = 1 timestamp × th. gen_ds_reckon_birds_mw_max.m itera sobre los cuatro archivos .aedat, llama a plot_reckon_mw_max.m para cada uno y, una vez extraídas las muestras de cada ave, las mezcla y concatena en un único fichero .dat con el formato de ReckOn. 3. Plot_reckon_mw_max.m. Recibe como parámetros de entrada el nombre del archivo .aedat, el número de clase asociado al ave, el umbral, el número máximo de muestras que se desea extraer y un booleano para representar gráficamente cada muestra. Llama a loadaerdat.m, recorre los eventos para implementar el circuito de filtro IF con el umbral indicado y procesa la lista reducida tras el filtrado haciendo un proceso de segmentación y etiquetado. La función recorta secuencias de eventos con marcas temporales de hasta 2250 × th. En cada muestra inserta un evento especial con dirección AER -2 y con timestep igual a la clase correspondiente. Al final añade otro evento especial con dirección -1 y timestep 2250. Los timesteps se calculan dividiendo entre th, mediante números enteros, la marca temporal del fichero .aedat. Además, las marcas temporales de cada muestra se desplazan para que comiencen siempre en el timestep 0. 5. Ficheros .dat disponibles El dataset contiene los siguientes archivos equilibrados (carpeta dat): o birds_mw_th1_balanced_max.dat: generado con th = 1; contiene 4000 muestras, 1000 por ave. o birds_mw_th20_balanced_max.dat: generado con th = 20; contiene 940 muestras, 235 por ave. o birds_mw_th50_balanced_max.dat: generado con th = 50; contiene 504 muestras, 126 por ave. o birds_mw_th100_balanced_max.dat: generado con th = 100; contiene 264 muestras, 66 por ave.

La reflexión es un componente vital en las prácticas docentes profesionales. La idea de la que parte la reflexión misma es la importancia de la agencia de los futuros docentes en su propio desarrollo profesional. Nuestro estudio tiene sus raíces en investigaciones recientes sobre la necesidad de apoyar procesos de reflexión entre los estudiantes de magisterio. Desde una perspectiva histórico-cultural, nuestro objetivo es analizar las interacciones discursivas que tienen lugar durante los seminarios colaborativos en una experiencia de innovación dentro de un Prácticum reflexivo, y describir cómo los tutores universitarios apoyan y fomentan la reflexión sobre la práctica. Utilizamos un diseño de casos múltiples en el que cada caso es una unidad de aula formada por una tutora y sus alumnos. El Dataset aporta los informes preliminares de dos de estos casos, con los análisis descritos por objetivos. Cada uno de los casos está descrito en tres partes, que se corresponden con la descripción de los resultados correspondientes a los diferentes análisis realizados, la caracterización de los casos estudiados en función de la formulación de los objetivos del proyecto y la descripción del propósito compartido de la reflexión que construyen conjuntamente los participantes en el caso., Informe v.1 Caso A Informe v.1 Caso B

Este indicador ha sido elaborado para el cálculo del nivel de exposición y peligrosidad a nivel físico (espacio edificado), como producto del porcentaje de inundación de cada edificio por la intensidad del fenómeno (altura de inundación media). Para ello se han utilizado los escenarios de inundación del IPCC y de Jevrejeva, a una resolución espacial de 2 m. El indicador de exposición no se ha realizado a nivel social y económico, no obstante, algunas variables significativas de cada nivel han sido agregadas al cliente para que el usuario pueda disponer de la máxima información posible. Estas son las variables agregadas: • Variables demográficas estimadas de 2020, integradas mediante técnicas dasimétricas en la capa de edificios publicada por Catastro. • Datos de rentas medias de hogares procedentes del INE a nivel de sección censal para 2019. • Uso dominante de los edificios y número de viviendas procedentes de Catastro (formatos ATOM Y CAT) para 2021. • Plazas turísticas procedentes del Registro de Turismo de Andalucía para 2021., Geometrías de polígonos (edificios), con tabla asociada con los campos referidos a variables de peligrosidad y exposición

Programas (scripts) en la herramienta Singular para el cálculo del número de soluciones de un sistema polinómico asociado a un problema combinatorio. Se aportan también las salidas de las ejecuciones., herbolarioSingular-kbase-maestro.txt. Fichero con el programa que lanza cada configuración. herbolario-kbase-zzzzzzzz.txt. Fichero con el programa en Singular para una configuración dada. herbolarioSing-out-kbasezzzzzzzz. Fichero con la salida de la ejecución del programa anterior.

Este conjunto de datos contiene la digitalización de las centrales solares en Andalucía, incluyendo tanto fotovoltaicas como termosolares, hasta el año 2019. El conjunto de datos detalla la potencia instalada, área ocupada, y si la entrada es provisional o definitiva.