Daniel Casagrande ● Profesor Asistente

Este proyecto busca analizar el nivel de competencias digitales en estudiantes universitarios, abordando las brechas de género como un aspecto clave para una educación inclusiva y adaptada a las demandas de la era digital. La temática seleccionada es orden de género, ya que está investigación evaluará los factores asociados a las competencias digitales en estudiantes de primer y último año de la Universidad de O’Higgins, con el propósito de validar su impacto en la formación académica y el desarrollo de una ciudadanía digital activa y responsable. Para alcanzar este objetivo, se utilizará un modelo de ecuaciones estructurales (SEM) que permitirá medir cinco dimensiones de competencias digitales según el Marco Europeo DigComp: alfabetización informacional y de datos, comunicación y colaboración, creación de contenido digital, seguridad y resolución de problemas. Además, se evaluará el efecto moderador del género en la relación entre estas competencias y el nivel de ciudadanía digital, considerando su relevancia en el contexto de la transformación digital. El estudio se desarrollará mediante un enfoque cuantitativo, utilizando un cuestionario validado que será aplicado a una muestra representativa de estudiantes con equidad de género. Los resultados serán analizados a través de SEM con mínimos cuadrados parciales (PLS-SEM) para entender cómo estas competencias impactan la preparación de los y las estudiantes frente a los desafíos digitales actuales. Al finalizar el proyecto, los resultados se compartirán mediante, al menos, una publicación científica de alto impacto, una presentación en congreso, y un seminario de cierre dirigido a la comunidad universitaria, generando una base de conocimiento que apoye el desarrollo de políticas institucionales para reducir las brechas digitales de género en la educación superior.

Métodos basados en representaciones neuronales implícitas están empezando a usarse ampliamente en distintos ámbitos de visión computacional, robótica y sensado remoto. Este tipo de representaciones están permitiendo abordar múltiples problemas en ambientes no controlados como la agricultura, de manera robusta. Por ejemplo, métodos basados en Neural Radiance Fields (NeRF) se están explorando de manera amplia tanto con imágenes satelitales como en problemas de robótica de campo. En este contexto, el proyecto busca aunar competencias en visión computacional y aprendizaje de máquinas, usadas en la detección remota y en robótica, para abordar nuevas técnicas basadas en representaciones neuronales implícitas, para aplicaciones de la agricultura de precisión. Para lograr este objetivo, los investigadores convocados tienen un profundo conocimiento en estas áreas complementarias. Es importante destacar que las áreas de sensado remoto (satelital y drones) y sensado próximo (robots y redes de sensores) están experimentando una aceleración sin precedentes. En el caso de sensado remoto, además de los grandes programas públicos como Sentinel, los actores privados están creando flotas de microsatélites capaces de vigilar la Tierra con revisitas diarias. Estos datos abundantes, baratos y de alta resolución están creando oportunidades para desarrollar aplicaciones novedosas para la supervisión de la actividad agrícola. En el caso del sensado próximo, las redes de sensores, junto con el uso de robots para monitoreo, está permitiendo un seguimiento regular de los procesos agrícolas, con una alta resolución temporal y espacial, por lo que cada vez hay una mayor disponibilidad de datos, que complementan los datos obtenidos mediante sensado remoto. A nivel de uso, estas tecnologías se complementan, y a nivel de investigación, las técnicas utilizadas están empezando a converger, mediante el uso de métodos basados en redes neuronales, y más específicamente por métodos basados en representaciones neuronales implícitas, tales como Neural Radiance Fields (NeRF). Por todo esto, el estudio del sensado remoto y próximo de manera conjunta, y mediante marcos de trabajo con técnicas similares como las representaciones neuronales implícitas, tiene un gran potencial para en un futuro próximo generar una visión integrada de los procesos agrícolas mejorando la sostenibilidad y eficiencia en la agricultura. Durante su ejecución, el proyecto llevará a cabo actividades de investigación conjunta, incluyendo seminarios online regulares, la toma de datos en terreno, y un workshop de cierre en el contexto de una conferencia internacional, que junto con el intercambio de investigadores en formación (magíster, doctorado y/o postdoctorado), así como visitas de investigadores senior, buscan articular una de red de trabajo que aborde de manera interdisciplinar y con técnicas modernas, problemáticas de sensado remoto y próximo en agricultura de precisión mediante representaciones neuronales implícitas, tales como Neural Radiance Fields (NeRF), entre otras.

El aumento de los recursos tecnológicos y la automatización de los procesos agrícolas ha contribuido en gran medida al desarrollo de nuevas tecnologías que permiten caracterizar y evaluar el fenotipo de las plantas. Específicamente, las tecnologías de fenotipado de plantas son muy importantes para acelerar los programas de mejoramiento en cultivos agronómicamente importantes, y contribuyen en el proceso de selección para el desarrollo y posterior lanzamiento al mercado de nuevas variedades y cultivares. Los sistemas de visión unidimensionales (1D) y bidimensionales (2D) han sido una parte integral de la implementación exitosa de la automatización agrícola y la robótica en los procesos agrícolas. Sin embargo, las técnicas basadas en imágenes en 2D son insuficientes para investigar las estructuras espaciales de las plantas. En este sentido, la reconstrucción por medio de imágenes 3D de plantas y la adquisición de su información espacial es una forma alternativa eficaz para resolver estos problemas. En este sentido, el objetivo del presente proyecto es obtener de forma automática la estructura tridimensional del sistema de arquitectura de raíces de una planta e identificar parámetros morfológicos asociados con dicha estructura. Para ello se propone construir un prototipo, a partir de cámaras de bajo costo, para la reconstrucción automatizada de la estructura 3D de plantas, junto con la posterior detección y medición de los rasgos morfológicos de esta misma.

The field of remote sensing is experiencing an unprecedented acceleration. Besides the large public programs such as Sentinel (see e.g. https://sentinel.esa.int/web/sentinel/missions/sentinel-2), private actors are creating fleets of micro-satellites capable of monitoring of the earth with daily revisits. This abundant and cheap data is creating opportunities for developing novel applications for the monitoring of industrial and agricultural activity. The automatic exploitation of this data is bound to specific application domain knowledge, which requires a mastery of advanced techniques such as computer vision and machine learning, as well as expert knowledge in the field of agriculture. To do this, the team must master earth observation satellites, be able to define the adequate mathematical detection theories, and build on a deep knowledge of satellite image processing, while also including expert knowledge in agriculture. This project aims at uniting competences across the fields of computer vision and machine learning, remote sensing to address emerging applications in agronomy. This project will in addition foster the creation of reproducible research by adopting a reproducible research methodology thus contributing the resulting algorithms to the journal Image Processing On-Line (IPOL). The IPOL journal is an initiative to establish a clear and reproducible state-of-the-art in the domain of image processing and computer vision.

Los laboratorios de fabricación digital son espacios que cuentan con maquinaria y personal capacitado para facilitar el diseño y desarrollo de prototipos y para promover la innovación en productos, procesos y servicios. Se conciben como laboratorios que facilitan herramientas de fabricación avanzada y capacidades a la comunidad en general, pudiendo ser más enfocados a emprendedores, empresas e institutos de investigación. Una característica común es que sirven como plataforma para estimular el aprendizaje y la invención en la comunidad. Las máquinas y capacidades técnicas instaladas en estos laboratorios brindan la oportunidad de encontrar soluciones innovadoras a problemas comunes y ser incubadores de microemprendimientos que resuelvan problemas de forma innovadora y sustentable. El primer laboratorio de fabricación digital, junto con el concepto FabLab, aparece en el MIT (Massachussets Institute of Technology, Estados Unidos) en el año 2000. Actualmente, existe una red mundial de alrededor de 3000 FabLabs distribuidos en 5 continentes. En Chile se pueden encontrar 17 de estos laboratorios, la mayoría de ellos concentrados en la Región Metropolitana; 2 en la Región del Maule y ninguno en la Región de O’Higgins. La ausencia de un laboratorio regional está en concordancia con estadísticas del año 2016 que reportan apenas 118 m2 de espacios dedicados a innovación en la Región de O’Higgins frente a 27 936 m2 en la Región Metropolitana. En ese contexto, la Región de O’Higgins es la segunda región con menor superficie dedicada a innovación. La instalación de un laboratorio de fabricación digital en la Región de O’Higgins se identifica como una gran oportunidad para promover la innovación, brindando acceso a equipos y a capacitaciones sobre herramientas de fabricación avanzada a industrias y emprendedores regionales.

La agricultura es una de las principales actividades económicas de la Región de O’Higgins, con un PIB que alcanza al año 2021 el 12,8% de representación a nivel nacional. El éxito productivo regional depende en gran medida de las condiciones edafoclimáticas que preponderan en las zonas cultivables y/o aptas para la agricultura. Sin embargo, el actual escenario de cambio climático genera una alteración de estas variables climáticas, con cambios evidentes en la variabilidad de las precipitaciones, frecuencia e intensidad de los días cálidos y fríos, y eventos climáticos extremos (heladas, granizo, entre otros). Consecuentemente, el impacto del cambio climático ha modificado y seguirá transformando los sistemas de producción de diversos cultivos a nivel nacional y local, incluyendo el cambio de las zonas productivas. Esta nueva realidad climática requiere de la pronta generación de conocimiento y la capacidad de innovar y desarrollar tecnologías inteligentes para adaptar y asegurar la producción de alimentos. Aunque existe conocimiento de los posibles efectos del cambio climático sobre la agricultura, la literatura indica que la diversidad geográfica y climática de la producción agrícola no permite predecir con precisión los impactos locales del cambio climático en los diferentes cultivos. Por lo tanto, la mejor forma de reducir esta incertidumbre climática es a través del desarrollo de tecnología, el conocimiento y la innovación aplicada para adaptar y asegurar la producción de alimentos. De hecho, la Conferencia de las Partes de la Convención de Cambio Climático realizada en París (COP21), enfatiza la necesidad de avanzar hacia una “agricultura climáticamente inteligente”, es decir, una actividad que entre en sintonía con los cambios globales, con mínima huella ambiental, altamente eficiente en el uso de insumos, resiliente, productiva y sostenible. Este proyecto plantea la construcción de infraestructura climáticamente inteligente como la primera cámara de simulación climática regional, la cual permitirá determinar el impacto de diferentes escenarios de cambio climático en cultivos y variedades de importancia para los agricultores de la Región de O’Higgins de manera anticipada. Se busca responder las interrogantes asociadas a qué cultivos son más idóneos para las distintas zonas geográficas de la Región de O’Higgins, bajo condiciones extremas de temperatura, humedad ambiental y disponibilidad de agua, entre otros aspectos. Con la información generada se desarrollarán directrices tecnológicas y sistemas de bajo costo para la medición de parámetros ambientales, con el fin de brindar a los agricultores soporte para la toma de decisiones a nivel local, y consecuentemente fortalecer la competitividad del sector agrícola de la Región de O’Higgins.

La fabricación digital es un concepto que está revolucionando el modo en que se producen piezas y objetos. Hace referencia a procesos de manufactura en los que se usan máquinas controladas por una computadora para fabricar un objeto, previamente diseñado en algún software. La fabricación digital incluye tecnologías como impresión y escaneo 3D, corte láser y mecanizado CNC (control numérico computarizado); que junto al diseño CAD (diseño asistido por computadora) y programación permiten procesar archivos digitales para construir objetos tangibles. También se relaciona con el modelo educativo STEAM (ciencia, tecnología, ingeniería, arte y matemática) y con tecnologías que definen la próxima revolución industrial, la industria 4.0. La fabricación digital puede ser considerada un medio para desarrollar competencias como la creatividad, la colaboración y el trabajo en equipo, la proactividad y el emprendimiento. Numerosas experiencias internacionales y nacionales en fabricación digital han demostrado ser eficaces en fomentar competencias transversales en estudiantes, a diferencia del simple uso de dispositivos electrónicos (por ejemplo, smartphones). La eficacia de la fabricación digital radica en que, si bien también implica el uso de dispositivos electrónicos, pone el foco en conceptualizar, desarrollar y construir un producto físico. En consecuencia, esta nueva filosofía basada en el “aprender haciendo” aumenta la motivación, otorga autonomía y brinda competencias laborales fundamentales para el siglo XXI. La pandemia Covid-19 ha traído pérdidas irreparables, pero también grandes aprendizajes y desafíos tecnológicos. Se ha acelerado la transformación digital y se ha manifestado un gran potencial de desarrollo tecnológico local. Por otra parte, también se han visualizado brechas digitales y de género en la educación chilena. Desde el punto de vista del impacto en aprendizaje en contexto de pandemia, se ha determinado que la Región de O’Higgins podría ser una de las más perjudicadas por el cierre prolongado de los establecimientos educacionales (MINEDUC, 2020). Sumado a ello, es particularmente preocupante la diferencia, en detrimento de las niñas y las adolescentes, que ocurre con el desempeño en áreas STEAM, por lo crucial que estas resultan en las futuras oportunidades, nivel de ingresos y calidad de vida a la que podrán acceder (UNESCO, 2019). La Estrategia Regional de Innovación identifica la baja formación e incorporación de nuevas tecnologías 4.0 como una brecha que limita la puesta en marcha de proyectos innovadores y la asociatividad entre los actores regionales. Indicadores comunes para medir la efectividad de la innovación empresarial y emprendimiento tecnológico son instrumentos de propiedad industrial, como patentes, y surgimiento de empresas de base tecnológica. Las estadísticas de la Región de O’Higgins no son buenas. Según los últimos datos de INAPI, apenas el 1,33% de las patentes solicitadas en Chile provienen de la Región de O’Higgins. Por otro lado, no existen registros de emprendimientos regionales de base tecnológica. La incorporación de las tecnologías de fabricación digital en la formación de jóvenes makers puede fortalecer la educación STEAM, reducir la brecha digital y de género y potenciar los procesos de innovación empresarial y emprendimiento tecnológico en la Región de O’Higgins.

El objetivo de la presente propuesta es investigar el desarrollo de competencias profesionales de estudiantes UOH de Ingeniería Civil Mecánica a través de acciones de intervención mediante diseño ágil y fabricación e investigación mediante técnicas de psicología cognitiva y análisis de contenido.

Fortalecer la red comunitaria de apoyo para las personas en situación de discapacidad en la región de O'Higgins a través de la generación de conocimiento, el perfeccionamiento profesional y aplicación de metodología A+S en CCR y otros organismos pertinentes de la región.

Objetivo general: Instalar una editorial cooperativa en la región de O’Higgins sustentada a partir de la comercialización de productos y servicios educativos desarrollados en base a evidencia científica, que permitan implementar el aprendizaje basado en juegos y que consideran la diversidad del aula. Esta propuesta incluye la instalación de un laboratorio de prototipado y producción, además del desarrollo de un paquete de productos y servicios educativos cuya comercialización permite sustentar la editorial cooperativa. 5.4.1. Objetivo Específico 1 (Editorial Cooperativa) Coordinar una red de emprendedores del área educativa para establecer una editorial cooperativa para la Región de O’Higgins para desarrollar y comercializar productos y servicios educativos lúdicos, de base científica y carácter inclusivo. Funciona bajo un modelo de cooperativa cuyos miembros son emprendedores localizados en la región de O’Higgins con interés en innovación educativa, trabajando bajo el principio de ayuda mutua. 5.4.2. Objetivo Específico 2 (Diagnóstico de Productos) Diagnosticar las necesidades de productos y servicios educativos para promover la calidad de los aprendizajes en los primeros cursos de educación básica en la región de O’Higgins. Identifica tópicos en matemáticas y lenguaje que presentan dificultades al momento de su enseñanza, describe la diversidad de estudiantes en escuelas municipales e indaga métodos de comercialización comunes. 5.4.3. Objetivo Específico 3 (Laboratorio de prototipado y Manufactura) Instalar en la Universidad de O’Higgins un laboratorio para elaborar prototipos de juegos de mesa educativos y producirlos en pequeña escala. Se adquiere maquinaria, equipamientos e insumos necesarios para que el Laboratorio de Aprendizaje Matemático (LAM) pueda prototipar juegos de mesa y, en conjunto con la Fábrica Digital O’Higgins (FabLab), producirlos con alta calidad y en pequeña escala de manera eficiente (30-100 ejemplares). 5.4.4. Objetivo Específico 4 (Desarrollo de Productos) Realizar el diseño, prototipado y manufactura de un paquete de productos educativos para fortalecer las áreas de matemática y lenguaje en los primeros años de educación básica. Diseñados en base a ciencias del aprendizaje, estos productos permiten desarrollar aprendizajes en base a juegos y actividades lúdicas considerando la diversidad de estudiantes en el aula. 5.4.5. Objetivo Específico 5 (Capacitación y Servicios) Generar un programa de capacitación para certificar a los emprendedores educativos para que provean servicios que acompañan a los productos educativos ofrecidos por la editorial. Este programa certifica que el emprendedor es experto en la aplicación de los productos educativos desarrollados. Este certificado habilita a los miembros de la editorial para ofrecer estos servicios en el mercado educativo.

Plataforma experimental de control distribuido de módulos de potencia Consiste en diversos módulos de baja potencia que pueden configurarse e interconectarse para implementar variadas topologías emergentes de sistemas eléctricos y topologías de conversión como: microrredes, enlaces de alto voltaje en corriente continua (HVDC), convertidores modulares multinivel (MMC), sistemas de baterías (BESS), cargadores rápidos, entre otros. Cada módulo de potencia posee una unidad de control propia coordinada por una unidad central, lo que permite implementar esquemas de control distribuido. Además, la plataforma contempla una etapa de amplificación de potencia trifásica, que permite generar físicamente los voltajes y corrientes de un punto común de acoplamiento con una red eléctrica emulada en tiempo-real. Esto permite estudiar la interacción de la red emulada con los sistemas eléctricos y las topologías de conversión emergentes descritas anteriormente. Por consiguiente, esta plataforma agiliza el prototipado, tanto en hardware de potencia como de control, permitiendo la validación experimental de estrategias de control distribuido que, a diferencia del control centralizado (tradicionalmente utilizado en la academia e industria), presenta ventajas que son de utilidad para mejorar la resiliencia de los sistemas eléctricos, como son: mejor confiabilidad, flexibilidad, escalabilidad, operación plug-and-play y tolerancia a fallas de un solo punto.