http://hdl.handle.net/10366/151216 2026-05-06T13:43:01Z 2026-05-06T13:43:01Z Santos Vicente, María http://hdl.handle.net/10366/164084 2025-04-30T21:51:38Z 2022-06-27T00:00:00Z

[ES] En este trabajo se aborda la contribución de la flora y la vegetación en la adaptación al cambio climático en Salamanca, una ciudad que destaca por su rico patrimonio monumental, pero con escasas zonas verdes urbanas. Se han analizado las vulnerabilidades a las que está expuesta la ciudadanía en el contexto del cambio climático y el papel que ejerce la vegetación en la mitiga-ción de estos riesgos y en la provisión de numerosos servicios ecosistémicos. En particular, se ha valorado un amplio listado de árboles y arbustos que se pueden utilizar para llevar a cabo distintas actuaciones de flora y su adecuación a los escenarios de cambio climático proyectados en una ciudad Patrimonio de la Humanidad. [EN] This paper addresses the contribution of flora and vegetation to climate change adaptation in Salamanca, a city well-known for its rich monumental heritage, but with few urban green areas. We analyse the vulnerabilities to which citizens are exposed in the context of climate change and we evaluate the role of vegetation in climate adaptation and in the provision of numerous ecosystem services. Namely, we assess the suitability of an extensive list of trees and shrubs to be used in different flora actions in the projected climate change scenarios in a World Heritage City.

2022-06-27T00:00:00Z García Blázquez, Paloma Isabel http://hdl.handle.net/10366/159447 2025-04-30T21:51:38Z 2024-01-01T00:00:00Z

[ES]La evaluación del impacto de la investigación ha trascendido las métricas tradicionales, reconociendo la importancia de incluir métricas alternativas que midan el impacto social. Este estudio examina la relación entre las métricas bibliométricas tradicionales y las altmétricas en los Institutos Universitarios de Investigación de la Universidad de Salamanca (USAL). Utilizando el Field-Weighted Citation Impact (FWCI) como indicador de impacto académico y el Altmetric Attention Score (AAS) como indicador de impacto social, se analizó una muestra de 1.766 publicaciones. Los resultados muestran una correlación positiva pero moderada entre FWCI y AAS, lo que indica discrepancias significativas en la evaluación del impacto académico y social. Las publicaciones en acceso abierto y las colaboraciones internacionales presentaron mayores índices de AAS. Los temas de salud y los relacionados con los Objetivos de Desarrollo Sostenible (ODS) mostraron un alto impacto tanto académico como social. El estudio subraya la necesidad de integrar de manera efectiva métricas altmétricas y bibliométricas para una evaluación completa del impacto de la investigación, promoviendo una comunicación científica más eficaz y apoyando los principios de la Ciencia Abierta.; [EN]The evaluation of research impact has transcended traditional metrics, recognizing the importance of including alternative metrics that measure social impact. This study examines the relationship between traditional bibliometric metrics and altmetrics in the Research Institutes of the University of Salamanca (USAL). Using the Field-Weighted Citation Impact (FWCI) as an indicator of academic impact and the Altmetric Attention Score (AAS) as an indicator of social impact, a sample of 1,766 publications was analysed. The results show a positive but moderate correlation between FWCI and AAS, indicating significant discrepancies in the assessment of academic and social impact. Open access publications and international collaborations presented higher AAS indices. Health-related topics and those related to the Sustainable Development Goals (SDGs) showed high academic and social impact. The study highlights the need to effectively integrate altmetric and bibliometric metrics for a comprehensive assessment of research impact, promoting more effective scientific communication and supporting the principles of open science.

2024-01-01T00:00:00Z Tardáguila Navarro, María Ángeles http://hdl.handle.net/10366/157470 2025-04-30T21:51:38Z 2020-09-01T00:00:00Z

[ES] Los proyectos de fomento de las vocaciones STEM (Ciencia, Tecnología, Ingeniería y Matemática, por sus siglas en inglés) en las niñas, son una de las acciones que se realizan para reducir la brecha de género. A pesar de estas medidas, el número de mujeres matriculadas en dichos estudios no se ha visto incrementado. Es más, en los últimos diez, años en algunas de esas carreras en particular el número ha descendido. En cuanto a los proyectos se refiere, el problema puede deberse a que los objetivos definidos no estén dirigidos hacia los factores que influyen en la elección de carrera, y las metodologías no se apoyen en los estudios del aprendizaje y evaluaciones de programas previos. Para comprobarlo, el presente trabajo analizará 40 proyectos realizados en España de fomento de las vocaciones STEM en las niñas y concluirá indicando qué tipo de acciones son las más adecuadas, basándose en la bibliografía y apoyándose en los datos obtenidos. [EN] One of the actions to reduce the gender gap is the projects designed to promote STEM (Science, Technology, Engineering and Mathematics) vocations in girls. However, the number of women matriculated in these studies is not incresase. Moreover, in the last ten years, the number of women students has dropped in some studies in particular. It is possible that the objectives defined in the projects are not focused to the factors that influence the choice of career, and the methodologies are not based on the learning studies and evaluations of another programs. To check it, this article analyze 40 Spanish projects which promote vocations STEM in girls, at last indicating what type of actions are the most appropriate, based on the bibliography and results obtained.

2020-09-01T00:00:00Z Chamorro Serrano, Albert http://hdl.handle.net/10366/153462 2025-04-30T21:51:38Z 2023-01-01T00:00:00Z

[ES] A lo largo de la historia, tanto desde el conocimiento científico como desde el conjunto de la sociedad, existió la necesidad de denominar de forma diferenciada a las personas con -denominadas- “condiciones mentales diversas” (Dwyer, 2023). Como ocurrió -y ocurre- con otras características culturales y naturales humanas, tales como el género, la etnia o la condición social, las personas poseedoras de “otredades mentales” han sido objeto de discriminación durante toda la historia; el lenguaje científico -y político- utilizado para denominarlas a menudo ha contribuido a esta discriminación, como es el caso de palabras como “subnormal” o “retrasado”. En los últimos tiempos, y ante la crisis del concepto dominante hasta el momento, el de “discapacitado”, han empezado a surgir alternativas para su denominación. Entre ellas, el que parece imponerse es el de personas “neurodiversas” o con “capacidades diversas” (Ibid.). Sin embargo, otro término ha surgido en los círculos de las personas con “otredad mental” que cada vez parece imponerse con más fuerza, el concepto de neurodivergencia (Legault et al., 2021). La “neurodivergencia” surgió en los años 90, especialmente entre los círculos de personas autistas (ibid.) como un concepto cuasi político de autodefinición (Rosqvist et al., 2022). A diferencia de otros conceptos, surgidos de la propia comunidad científica o adoptados por esta, la neurodivergencia aparece como un nuevo paradigma en la definición de la “otredad mental”, un movimiento que podríamos enmarcar dentro de la participación ciudadana en el devenir del conocimiento neurocientífico. En este trabajo se plantea abordar cual es el impacto del concepto de neurodivergencia en la investigación científica, profundizar en la relación que este término “extraño” y “foráneo” ha generado en el corpus de publicación del pensamiento. En definitiva, comprender la evolución de este término, su procedencia, vigencia, relevancia y la necesidad o no de su adopción por parte de la comunidad científica es el objetivo principal de este estudio.

2023-01-01T00:00:00Z Cortés Gamba, Miguel Ernesto http://hdl.handle.net/10366/151218 2025-04-30T21:51:38Z 2022-01-01T00:00:00Z

[ES] La inteligencia artificial y específicamente los algoritmos de aprendizaje automático y aprendizaje profundo están siendo utilizados de forma creciente en cada una de las fases de la gestión de los medicamentos. Este documento hace una revisión sistemática de la literatura publicada sobre el tema en el periodo 2019-2022. El total de documentos encontrados inicialmente fue de 2358, de los cuales se incluyeron 1212, se analizaron con mayor detalle 225 y se realizó un análisis del texto completo de 17 documentos. Los resultados indican mejora en la eficiencia de los procesos, especialmente en las fases de descubrimiento y desarrollo de nuevos medicamentos, y en las decisiones clínicas, especialmente en prescripción y seguimiento al uso. Los procesos correspondientes a producción, comercialización, distribución y dispensación tuvieron menor cantidad de documentos. Los algoritmos de mayor uso son las redes neuronales y los bosques aleatorios. Sin embargo, diferentes autores señalan que la elección de los algoritmos dependerá del resultado esperado y de la cantidad y calidad de los datos disponibles. Los desafíos para la implementación de la IA en medicamentos incluyen: Cantidad y calidad de los datos, personal capacitado, equidad para su acceso, resistencia para su utilización y usos responsables de la tecnología. [EN] Artificial intelligence and specifically machine learning and deep learning algorithms are increasingly being used in each of the phases of drug management. This document makes a systematic review of the literature published on the subject in the period 2019-2022. The total number of documents initially found was 2,358, of which 1,212 were included, 225 were analyzed in greater detail, and a full text analysis of 17 documents was performed. The results indicate improvement in the efficiency of the processes, especially in the phases of discovery and development of new drugs, and in clinical decisions, especially in prescription and monitoring of use. The processes corresponding to production, marketing, distribution and dispensing had fewer documents. The most widely used algorithms are neural networks and random forests. However, different authors point out that the choice of algorithms will depend on the expected result and the quantity and quality of the available data. The challenges for the implementation of AI in medicines include Quantity and quality of data, trained personnel, equitable access, resistance to its use and responsible uses of technology.

2022-01-01T00:00:00Z