Predicción de la evapotranspiración de referencia mediante redes neuronales artificiales

JUAN MANUEL GONZALEZ CAMACHO ROCIO CERVANTES-OSORNIO WALDO OJEDA BUSTAMANTE IRINEO LORENZO LOPEZ CRUZ (2008, [Artículo])

La evapotranspiración de referencia (ETo) es una variable climática esencial para el cálculo de los requerimientos hídricos de los cultivos. Su previsión a corto plazo es importante para programar la distribución de volúmenes de agua en las zonas de riego. En este trabajo se presenta la aplicación de un modelo de Red Neuronal Artificial (RNA) tipo feedforward backpropagation para predecir la ETo a partir de datos diarios de temperatura del aire, radiación solar, humedad relativa y velocidad del viento. La arquitectura adoptada del modelo de RNA contiene cuatro neuronas en la capa intermedia, una neurona en la capa de salida y funciones de activación tangente hiperbólica en ambas capas. Este modelo fue aplicado a un conjunto de datos climáticos con cinco años de observaciones de la red agroclimática “Valle del Fuerte” del distrito de riego 075, localizada en el norte de Sinaloa, México. El algoritmo de entrenamiento supervisado de Levenberg-Marquardt permitió obtener un buen desempeño de la red en términos del error cuadrático medio y del coeficiente de determinación R2 para estimar la ETo en los diferentes escenarios considerados. Las predicciones de las RNA fueron comparadas con las predicciones de modelos de regresión lineal múltiple y lineal por partes; los resultados muestran que ambos modelos presentan niveles de ajuste muy similares a los datos experimentales.

Evapotranspiración Requerimientos de riego Variables climáticas Distritos de riego Regresión no lineal Redes neuronales artificiales CIENCIAS AGROPECUARIAS Y BIOTECNOLOGÍA

Comparison of Different Classifiers and the Majority Voting Rule for the Detection of Plum Fruits in Garden Conditions.

Razieh Pourdarbani Sajad Sabzi Mario Hernández Hernández José Luis Hernández-Hernández Ginés García_Mateos Davood Kalantari José Miguel Molina Martínez (2019, [Artículo])

Color segmentation is one of the most thoroughly studied problems in agricultural applications of remote image capture systems, since it is the key step in several different tasks, such as crop harvesting, site specific spraying, and targeted disease control under natural light. This paper studies and compares five methods to segment plum fruit images under ambient conditions at 12 different light intensities, and an ensemble method combining them. In these methods, several color features in different color spaces are first extracted for each pixel, and then the most e

ective features are selected using a hybrid approach of artificial neural networks and the cultural algorithm (ANN-CA). The features selected among the 38 defined channels were the b* channel of L*a*b*, and the color purity index, C*, from L*C*h. Next, fruit/background segmentation is performed using five classifiers: artificial neural network-imperialist competitive algorithm (ANN-ICA); hybrid artificial neural network-harmony search (ANN-HS); support vector machines (SVM); k nearest neighbors (kNN); and linear discriminant analysis (LDA). In the ensemble method, the final class for each pixel is determined using the majority voting method. The experiments showed that the correct classification rate for the majority voting method excluding LDA was 98.59%, outperforming the results of the constituent methods.

remote sensing in agriculture artificial neural network hybridization environmental conditions majority voting plum segmentation INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ALIMENTOS

Control de sistemas usando aprendizaje de máquina

Systems control using machine learning

Jesús Martín Miguel Martínez (2023, [Tesis de maestría])

El aprendizaje por refuerzo es un paradigma del aprendizaje de máquina con un amplio desarrollo y una creciente demanda en aplicaciones que involucran toma de decisiones y control. Es un paradigma que permite el diseño de controladores que no dependen directamente del modelo que describe la dinámica del sistema. Esto es importante ya que en aplicaciones reales es frecuente que no se disponga de dichos modelos de manera precisa. Esta tesis tiene como objetivo implementar un controlador óptimo en tiempo discreto libre de modelo. La metodología elegida se basa en algoritmos de aprendizaje por refuerzo, enfocados en sistemas con espacios de estado y acción continuos a través de modelos discretos. Se utiliza el concepto de función de valor (Q-función y función V ) y la ecuación de Bellman para resolver el problema del regulador cuadrático lineal para un sistema mecánico masa-resorte-amortiguador, en casos donde se tiene conocimiento parcial y desconocimiento total del modelo. Para ambos casos las funciones de valor son definidas explícitamente por la estructura de un aproximador paramétrico, donde el vector de pesos del aproximador es sintonizado a través de un proceso iterativo de estimación de parámetros. Cuando se tiene conocimiento parcial de la dinámica se usa el método de aprendizaje por diferencias temporales en un entrenamiento episódico, que utiliza el esquema de mínimos cuadrados con mínimos cuadrados recursivos en la sintonización del crítico y descenso del gradiente en la sintonización del actor, el mejor resultado para este esquema es usando el algoritmo de iteración de valor para la solución de la ecuación de Bellman, con un resultado significativo en términos de precisión en comparación a los valores óptimos (función DLQR). Cuando se tiene desconocimiento de la dinámica se usa el algoritmo Q-learning en entrenamiento continuo, con el esquema de mínimos cuadrados con mínimos cuadrados recursivos y el esquema de mínimos cuadrados con descenso del gradiente. Ambos esquemas usan el algoritmo de iteración de política para la solución de la ecuación de Bellman, y se obtienen resultados de aproximadamente 0.001 en la medición del error cuadrático medio. Se realiza una prueba de adaptabilidad considerando variaciones que puedan suceder en los parámetros de la planta, siendo el esquema de mínimos cuadrados con mínimos cuadrados recursivos el que tiene los mejores resultados, reduciendo significativamente ...

Reinforcement learning is a machine learning paradigm with extensive development and growing demand in decision-making and control applications. This technique allows the design of controllers that do not directly depend on the model describing the system dynamics. It is useful in real-world applications, where accurate models are often unavailable. The objective of this work is to implement a modelfree discrete-time optimal controller. Through discrete models, we implemented reinforcement learning algorithms focused on systems with continuous state and action spaces. The concepts of value-function, Q-function, V -function, and the Bellman equation are employed to solve the linear quadratic regulator problem for a mass-spring-damper system in a partially known and utterly unknown model. For both cases, the value functions are explicitly defined by a parametric approximator’s structure, where the weight vector is tuned through an iterative parameter estimation process. When partial knowledge of the dynamics is available, the temporal difference learning method is used under episodic training, utilizing the least squares with a recursive least squares scheme for tuning the critic and gradient descent for the actor´s tuning. The best result for this scheme is achieved using the value iteration algorithm for solving the Bellman equation, yielding significant improvements in approximating the optimal values (DLQR function). When the dynamics are entirely unknown, the Q-learning algorithm is employed in continuous training, employing the least squares with recursive least squares and the gradient descent schemes. Both schemes use the policy iteration algorithm to solve the Bellman equation, and the system’s response using the obtained values was compared to the one using the theoretical optimal values, yielding approximately zero mean squared error between them. An adaptability test is conducted considering variations that may occur in plant parameters, with the least squares with recursive least squares scheme yielding the best results, significantly reducing the number of iterations required for convergence to optimal values.

aprendizaje por refuerzo, control óptimo, control adaptativo, sistemas mecánicos, libre de modelo, dinámica totalmente desconocida, aproximación paramétrica, Q-learning, iteración de política reinforcement learning, optimal control, adaptive control, mechanical systems, modelfree, utterly unknown dynamics, parametric approximation, Q-learning, policy iteration INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL

Tránsito de avenidas en cauces mediante redes neuronales artificiales

FRANCISCO JAVIER APARICIO MIJARES JUAN PABLO MOLINA AGUILAR (2006, [Artículo])

Los métodos hidrológicos comúnmente utilizados para el tránsito de avenidas presentan limitantes

en el análisis de problemas complejos como, por ejemplo, los casos de trenes de avenidas, la presencia de flujos laterales o las uniones de ríos, principalmente en los casos en que no se cuenta con medición hidrométrica de toda la red hidrológica. Las características de las redes neuronales artificiales las convierten en una posibilidad para su aplicación al tránsito de avenidas, pues presentan diversas ventajas respecto a los métodos hidrológicos tradicionales. La aplicación de redes neuronales artificiales a distintos casos muestra que, contando con información y seleccionando la topología adecuada, es posible obtener resultados con una precisión similar a los métodos hidráulicos e hidrológicos con datos habitualmente disponibles en registros hidrométricos, que son escasos para la aplicación de dichos métodos. La aplicación de redes neuronales artificiales de arquitecturas simples en el caso de avenidas reales aisladas y trenes de avenidas en la región hidrológica 30, así como en registros anuales en la confluencia de los ríos Manso y Cajones, que forman el río Tesechoacán, muestra claramente las bondades de su utilización.

Tránsito de avenidas Métodos hidrológicos Redes neuronales artificiales CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA

Redes neuronales artificiales en la estimación de la evapotranspiración de referencia

Artificial neural networks in the estimation of reference evapotranspiration

ROCIO CERVANTES OSORNIO RAMON ARTEAGA RAMIREZ MARIO ALBERTO VAZQUEZ PEÑA WALDO OJEDA BUSTAMANTE ABEL QUEVEDO NOLASCO (2011, [Artículo])

Las redes neuronales artificiales representan un vasto campo de investigación, puesto que han demostrado tener aplicación en varios campos de la ciencia, su capacidad de lidiar con no linealidades en diversos fenómenos, y los diferentes trabajos realizados en la estimación y/o pronóstico para predecir variables climáticas, que inciden directa e indirectamente en la evapotranspiración de referencia y la propia evapotranspiración ha originado el desarrollo de este trabajo. El objetivo fue presentar una revisión de literatura sobre redes neuronales artificiales, para la estimación de la evapotranspiración de referencia y variables relacionadas, que incluye: la teoría y fundamentos de las redes neuronales artificiales y el algoritmo backpropagation; algunas similitudes y diferencias entre los modelos estadísticos tradicionales y las redes neuronales artificiales; aplicaciones de las redes neuronales artificiales en la estimación de la evapotranspiración de referencia; y variables que se asocian con las perspectivas de las redes neuronales artificiales en la predicción de variables agroclimáticas

Evapotranspiración Redes neuronales artificiales Predicción INGENIERÍA Y TECNOLOGÍA

Classification of Cucumber Leaves Based on Nitrogen Content Using the Hyperspectral Imaging Technique and Majority Voting.

Sajad Sabzi Razieh Pourdarbani Mohammad Hossein Rohban Alejandro Fuentes_Penna José Luis Hernández-Hernández Mario Hernández Hernández (2021, [Artículo])

Improper usage of nitrogen in cucumber cultivation causes nitrate accumulation in the fruit and results in food poisoning in humans; therefore, mandatory evaluation of food products becomes inevitable. Hyperspectral imaging has a very good ability to evaluate the quality of fruits and vegetables in a non-destructive manner. The goal of the present paper was to identify excess nitrogen in cucumber plants. To obtain a reliable result, the majority voting method was used, which takes into account the unanimity of five classifiers, namely, the hybrid artificial neural network¿imperialism competitive algorithm (ANN-ICA), the hybrid artificial neural network¿harmonic search (ANN-HS) algorithm, linear discrimination analysis (LDA), the radial basis function network (RBF), and the Knearest- neighborhood (KNN). The wavelengths of 723, 781, and 901 nm were determined as optimal wavelengths using the hybrid artificial neural network¿biogeography-based optimization (ANNBBO) algorithm, and the performance of classifiers was investigated using the optimal spectrum. The results of a t-test showed that there was no significant difference in the precision of the algorithm when using the optimal wavelengths and wavelengths of the whole range. The correct classification rate of the classifiers ANN-ICA, ANN-HS, LDA, RBF, and KNN were 96.14%, 96.11%, 95.73%, 64.03%, and 95.24%, respectively. The correct classification rate of majority voting (MV) was 95.55% for test data in 200 iterations, which indicates the system was successful in distinguishing nitrogen-rich leaves from leaves with a standard content of nitrogen.

artificial neural network cucumber hyperspectral imaging majority voting nitrogen INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ALIMENTOS

A line follower robot implementation using Lego's Mindstorms Kit and Q-Learning

VICTOR RICARDO CRUZ ALVAREZ ENRIQUE HIDALGO PEÑA HECTOR GABRIEL ACOSTA MESA (2012, [Artículo])

Un problema común al trabajar con robots móviles es que la fase de programación puede ser un proceso largo, costoso y difícil para los programadores. Los Algoritmos de Aprendizaje por Refuerzo ofrecen uno de los marcos de trabajo más generales en el ámbito de aprendizaje de máquina. Este trabajo presenta un enfoque usando el algoritmo de Q-Learning en un robot Lego para que aprenda "por sí mismo" a seguir una línea negra dibujada en una superficie blanca. El entorno de programación utilizado en este trabajo es Matlab.

INGENIERÍA Y TECNOLOGÍA Algoritmos de aprendizaje reforzado Q-learning (Algoritmo de aprendizaje reforzado) Lego Mindstorms (Robótica) Matlab Reinforcement learning algorithms Q-Learning (Reinforcement learning algorithm) Lego Mindstorms (Robotics) Matlab

Predicción de actividad antimicrobiana usando modelos de escala evolutiva a través de un flujo de trabajo en la plataforma KNIME

Prediction of antimicrobial activity using models of evolutionary scale through a workflow in the KNIME platform

Karla Lorena MartÍnez Mauricio (2023, [Tesis de maestría])

Dentro de las estrategias para combatir la resistencia antimicrobiana, se está llevando a cabo investigación para la creación de nuevos fármacos basados en péptidos antimicrobianos. En los últimos años, se han realizado esfuerzos para incorporar herramientas computacionales que ayuden a acelerar la identificación de péptidos con actividad antimicrobiana. Una de estas herramientas son los modelos QSAR basados en aprendizaje tradicional, que permiten predecir la actividad antimicrobiana en péptidos a partir de información basada en su secuencia. Un componente clave en este proceso es el tipo de características moleculares a utilizar. Recientemente, ha surgido una familia de modelos pre-entrenados llamados ESM-2, los cuales generan incrustaciones (características) que fueron aprendidas a partir de 65 millones de secuencias que abarcan diversidad evolutiva. En este trabajo de tesis, se analiza la contribución de las incrustaciones ESM-2 de diferentes dimensiones de forma individual y en conjunto en el desarrollo de modelos QSAR basados en aprendizaje tradicional para la clasificación de péptidos antimicrobianos, así como sus tipos funcionales, como antibacteriano, antifúngico y antiviral. A partir de este estudio se concluye que aumentar la capacidad de los modelos ESM-2 no implica una mejora en el rendimiento de los modelos para predecir péptidos antimicrobianos. Los modelos ESM-2 t30 y ESM-2 t33 son los más apropiados para extraer características y mejorar la exactitud en las predicciones de péptidos antimicrobianos. Además, fusionar características de diferentes incrustaciones ESM-2 es una estrategia efectiva para construir mejores modelos QSAR que el uso exclusivo de características derivadas de un modelo ESM-2 específico. Se construyeron modelos más simples con un rendimiento comparable o superior a los modelos basados en aprendizaje profundo reportados en la literatura. Para llevar a cabo este estudio se implementó un flujo de trabajo en KNIME que genera de forma automática hasta 1980 modelos de clasificación binaria basados en aprendizaje tradicional. Incorpora diversas técnicas de selección de características, algoritmos de clasificación, métricas de desempeño y una fase de limpieza de datos. Este flujo de trabajo se encuentra disponible en https://github.com/cicese-biocom/classification-QSAR-bioKom.

Molecular features play an important role in different bio-chem-informatics tasks, such as the Quantitative Structure-Activity Relationships (QSAR) modeling. Several pre-trained models have been recently created to be used in downstream tasks either by fine-tuning a specific model or by extracting features to feed traditional classifiers. In this sense, a new family of Evolutionary Scale Modeling models (termed as ESM-2 models) has been recently introduced, demonstrating outstanding results in structure protein prediction benchmarks. Herein, we are devoted to assessing the usefulness of different-dimensional embeddings derived from ESM-2 models in the prediction of antimicrobial peptides, given the great deal of attention received because of their potential to become a plausible option to mainly fight multi-drug resistant bacteria. To this end, we created a KNIME workflow to guarantee using the same modeling methodology, and consequently, carrying out fair comparisons. As a result, it can be drawn that the 640- and 1,280- dimensional embeddings are the most appropriate to be used in modeling because statistically better results were achieved from them. We also combined features from different embeddings, and we can draw that the fusion of features of different embeddings contributes to getting better models than only using a specific model ESM-2. Comparisons regarding state-of-the-art deep learning models confirm that when performing methodologically principled studies in the prediction of AMPs, non-DL based models yield comparable-to-superior results to DL-based models. The implemented KNIME workflow is availablefreely at https://github.com/cicese-biocom/classification-QSAR-bioKom. We consider that this workflow can be valuable to prevent unfair comparisons regarding new computational methods, as well as to propose new non-DL based models.

péptidos antimicrobianos, QSAR, aprendizaje automático ESM-2, KNIME antimicrobial peptides, QSAR, machine learning, ESM-2, KNIME INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES DISEÑO CON AYUDA DE ORDENADOR DISEÑO CON AYUDA DE ORDENADOR

Interfaces hápticas para identificar marcadores digitales del Trastorno del Espectro Autista

Haptic interfaces to identify digital markers of Autism Spectrum Disorder

GLORIA IVONNE MONARCA PINTLE (2023, [Tesis de doctorado])

El uso de herramientas de cribado durante la infancia es de suma importancia para identificar a niños que pueden Trastorno del Espectro Autista (TEA); sin embargo, las pruebas que existen en la actualidad se basan en cuestionarios y observaciones contestadas por los padres por lo que el resultado puede ser subjetivo. Además, la mayoría de las pruebas de cribado se enfocan en el área social y de comunicación, dejando a un lado las características sensoriales, un área donde los padres notan las primeras señales de un desarrollo atípico. En los últimos años, ha crecido el interés por identificar marcadores digitales del TEA que puedan apoyar el cribado de dicho trastorno, usando tecnología que pueda ser usada en cualquier lugar y momento para agilizar el proceso de cribado. Hasta el momento, la investigación en torno a marcadores digitales del TEA relacionados con el procesamiento táctil, ha sido poco explorada debido a que la investigación se ha centrado en explorar otros comportamientos, como la atención visual, movimientos motores, y voz. El crecimiento de las interfaces hápticas abre la posibilidad de explorar el procesamiento táctil e identificar marcadores digitales del TEA. En esta tesis exploramos si las interfaces hápticas pueden ser usadas para promover y recolectar interacciones táctiles que revelen marcadores digitales del TEA. Para tener un mejor entendimiento de las interfaces hápticas, en este trabajo de tesis exploramos dos interfaces hápticas. Una interfaz háptica pasiva llamada BendableSound, la cual cuenta con una retroalimentación por textura y espacio; y una interfaz háptica activa llamada Feel and Touch, la cual es un juego móvil que utiliza patrones vibrotactiles para retroalimentar las interacciones de los niños. Los resultados muestran que las interfaces hápticas tienen la capacidad recolectar interacciones táctiles y revelar marcadores digitales que pueden estar asociados al TEA. En el caso pasivo, participaron 37 niños neurotípicos (NT) y 22 niños con TEA quienes interactuar con BendableSound; los resultados muestran que existen diferencias entre los niños NT y TEA en cuanto al ancho de las interacciones táctiles, la fuerza que aplican y el tiempo que utilizan para realizar interacciones táctiles. En el caso activo, participaron 36 niños NT y 19 niños con TEA quienes interactuaron con Feel and Touch; los resultados muestran que existen diferencias entre los niños NT y TEA en cuanto a la ...

The use of screening tools during infancy is crucial to identify children who are likely to have Autism Spectrum Disorder (ASD); however, the current screening tests are based on questionnaires and observations that parents answer bases on their observations; however, the results might be subjective. In addition, most screening tests focus on the assessment of social and communication skills, disregard sensory skills, an area where parents often notice the first signals of ASD. In recent years, there has been growing interest in identifying digital markers of ASD that can support screening, particularly those that that can be used at any time and any place to speed up the screening process. So far, research on digital markers of ASD related to tactile processing has been little explored due to the lack of tools to assess it. The growth of haptic interfaces opens the possibility to explore tactile processing and identify digital markers of ASD. In this thesis, we propose to investigate the use of haptic interfaces to promote and collect tactile interactions that can reveal digital markers of ASD. To have a better understanding of haptic interfaces, in this thesis work we explore two types of haptic interface. A passive haptic interface called BendableSound, which features texture and spatial feedback; and an active haptic interface called Feel and Touch, which is a mobile game that uses vibrotactile patterns to provide feedback on children’s interactions. The results show that haptic interfaces have the potential to collect touch interactions and reveal digital markers that may be associated with ASD. In the first case, 37 neurotypical (NT) children and 22 children with ASD participated and interacted with BendableSound; the results show that there are differences between NT and ASD children in the width of tactile interactions, the force they apply, and the time they use to perform tactile interactions. In the second case, 36 NT children and 19 children with ASD participated and interacted with Feel and Touch; the results show that there are differences between NT and ASD children in terms of the tilt they produce on the mobile when performing tactile interactions, the total acceleration they produce, and the closeness to the center of the screen of their tactile interactions. The results of this thesis indicate that haptic interfaces have the ability to gather touch interactions and uncover digital markers associated with ASD. The findings of this ...

autismo, cribado, marcadores digitales, interfaces hápticas, aprendizaje automático autism, screnning, digital markers, haptic interfaces, machine learning INGENIERÍA Y TECNOLOGÍA CIENCIAS TECNOLÓGICAS TECNOLOGÍA DE LOS ORDENADORES ORDENADORES DIGITALES ORDENADORES DIGITALES

Competencia socioemocional y toma de decisiones en el rendimiento académico de estudiantes universitarios

MAYRA DELGADO VILLALOBOS (2023, [Tesis de doctorado])

Las emociones sociales forman parte de la complejidad interna de una sociedad donde

confluyen niveles de estructura social: las interacciones entre sus individuos, los patrones

de relación entre ellos y sus principios de organización. Las emociones sociales subyacen

a esta complejidad e incluyen mecanismos de autorregulación que permiten a los

individuos desarrollar habilidades socioemocionales para evaluar cuándo y con quién

cooperar o competir, regular las respuestas emocionales y el comportamiento en

situaciones sociales, mantener relaciones de largo plazo, favorecer la prosocialidad y la

cohesión grupal. Estas habilidades son fundamentales en nuestros entornos culturales

dinámicos. Por ello, la OECD las considera habilidades del siglo XXI.

Desde una perspectiva interdisciplinar con énfasis en la cognición social, en la

presente investigación se revisó la importancia y la función de las emociones sociales, y

con base en los diferentes niveles de complejidad social se propone una distinción entre

habilidades y competencias socioemocionales. También se revisaron diversos enfoques

teóricos sobre estas competencias, así como la metodología para su evaluación en la

educación universitaria. Asimismo, se realizó un estudio exploratorio con un diseño

transversal y la muestra se conformó por 104 estudiantes universitarios. El modelo teórico

propuesto se probó mediante ecuaciones estructurales, encontrándose diferencias

significativas entre el compromiso académico y el rendimiento académico, la resiliencia

y el razonamiento.

Social emotions are part of the internal complexity of a society where levels of social

structure converge: the interactions between its individuals, the relationships patterns

between them and their organizational principles. Social emotions underlie this

complexity and include self-regulation mechanisms that allow individuals to develop

socioemotional skills to assess when and with whom to cooperate or compete, regulate

emotional responses and behavior in social situations, maintain long-term relationships,

promote prosociality and group cohesion. These skills are essential in our dynamic

cultural environments. For this reason, the OECD considers them 21st century skills.

From an interdisciplinary perspective with an emphasis on social cognition, this

research reviewed the importance and function of social emotions, and based on the

different levels of social complexity, a distinction between socio-emotional skills and

competencies is proposed. Various theoretical approaches to these competencies were

also reviewed, as well as the methodology for their evaluation in university education.

Likewise, an exploratory study was carried out with a cross-sectional design and the

sample consisted of 104 university students. The proposed theoretical model was tested

using structural equations, finding significant differences between academic commitment

and academic performance, resilience and reasoning.

HUMANIDADES Y CIENCIAS DE LA CONDUCTA PEDAGOGÍA cognición social, desarrollo socioemocional, competencias socioemocionales, evaluación socioemocional y aprendizaje socioemocional. social cognition, social-emotional development, social-emotional competencies, social-emotional assessment and social-emotional learning