Tesis de Licenciatura en Sistemas de Información – Facultad de Informática

Nahir Saddi Beraud: Análisis de factores de riesgo asociados a la violencia contra las mujeres en Argentina mediante un enfoque de Big Data

editor Fai — Mon, 02 Mar 2026 18:34:40 +0000

Título: «Análisis de factores de riesgo asociados a la violencia contra las mujeres en Argentina mediante un enfoque de Big Data»

Tesista: Nahir Saddi Beraud

Directora: Rafaela Mazalú

Fecha: 26 de febrero de 2026

Resumen

Esta tesis analiza los factores de riesgo asociados a la violencia contra las mujeres en Argentina mediante un enfoque basado en Big Data. La elección del tema responde a la urgencia social que representa esta problemática y a la necesidad de desarrollar herramientas empíricas y tecnológicas que contribuyan a su comprensión y prevención.
En un contexto de creciente disponibilidad de datos abiertos y registros administrativos, este trabajo propone explorar el potencial del análisis de grandes volúmenes de datos para identificar patrones y relaciones significativas en hechos de violencia de género.
El objetivo principal fue categorizar los factores de riesgo presentes en los casos de violencia contra las mujeres a partir de datos provenientes de fuentes oficiales, principalmente la Línea 137 (registros de llamados e intervenciones domiciliarias) y la Línea 144, seleccionadas por su confiabilidad, representatividad y respaldo institucional.
El proceso metodológico se estructuró en dos grandes etapas. En la primera, se llevó a cabo la preparación, limpieza y procesamiento de los datos, abordando las distintas fases del ciclo de vida de un proyecto de Big Data, desde la recolección y almacenamiento hasta la exploración y visualización de la información. En esta instancia, se definió un modelo analítico basado en cinco dimensiones de factores de riesgo: sociodemográfica, biológica e identitaria, relacional, conductual
y contextual. Estas dimensiones fueron analizadas mediante técnicas descriptivas y exploratorias, utilizando Python para generar medidas estadísticas y visualizaciones que permitieron identificar patrones, tendencias y correlaciones relevantes dentro del conjunto de datos.
En la segunda etapa, se aplicaron técnicas de agrupamiento para detectar perfiles o patrones comunes entre los casos registrados, aportando una nueva perspectiva sobre las dinámicas y contextos de riesgo en situaciones de violencia. Los resultados permitieron reconocer la existencia de grupos diferenciados de casos, caracterizados por combinaciones específicas de variables asociadas a las dimensiones analizadas.
Entre los principales aportes de este trabajo, se destaca la integración de un enfoque técnico de análisis de datos con una mirada social y de género, ofreciendo una metodología replicable para investigaciones futuras y para el diseño de políticas públicas orientadas a la prevención de la violencia contra las mujeres.
Finalmente, se reconocen limitaciones inherentes al uso de datos públicos, tales como la heterogeneidad en la calidad, la disponibilidad y el nivel de desagregación de la información, así como la imposibilidad de acceder a registros sensibles restringidos por motivos éticos o legales.

Facundo Paterno: Araucann: Una aplicación basada en blockchain para la trazabilidad de la producción de cannabis medicinal

editor Fai — Wed, 10 Dec 2025 18:33:53 +0000

Título: «Araucann: Una aplicación basada en blockchain para la trazabilidad de la producción de cannabis medicinal»

Tesista: Facundo Paterno

Directores: Alejandra Cechich – Alan De Renzis

Fecha: 9 de diciembre de 2025

Resumen

El cultivo de cannabis es un proceso que, aunque sigue un ciclo de vida bien definido, siempre encuentra detalles únicos en cada cultivo. A lo largo de las diferentes etapas, desde la germinación hasta la cosecha, es fundamental ajustar las condiciones de luz, agua y nutrientes para adaptarse a las necesidades específicas de cada planta. Cada fase requiere condiciones específicas para que la planta alcance su máximo potencial en términos de desarrollo, producción de cannabinoides y calidad general del producto final.

En esta tesis, se aborda el problema de realizar un seguimiento en las fases de cultivo desde la adquisición de semillas hasta la elaboración final de productos que permita asegurar la trazabilidad de manera segura y eficiente. Al establecer un acceso seguro, transparente y estructurado a la información operativa y medicinal del producto final, se promueve no solo la confianza del consumidor, sino también el cumplimiento normativo y la optimización de los procesos productivos.
Existen actualmente sistemas de soporte en el ámbito nacional y local con diversidad de prestaciones; sin embargo, muy pocos abarcan todas las fases del cultivo. La gestión de la calidad y trazabilidad también se aborda de manera parcial en muchos casos.

El sistema Auracann desarrollado en esta tesis intenta subsanar algunas de esas falencias mediante un cubrimiento completo de las fases y mediante el uso de la tecnología Blockchain. Cada transacción registrada en la blockchain se almacena cronológicamente, creando un historial transparente y accesible para todos los participantes autorizados. Esta capacidad de registro inmutable es fundamental para la trazabilidad en la cadena de suministro, donde es crucial mantener un historial detallado y verificable de cada etapa del proceso productivo.
Esta tesis presenta la arquitectura del sistema Araucann en términos de sus modelos de negocios y de aplicación. También se discuten las decisiones de diseño para su implementación basada en blockchain y se desarrolla un primer prototipo. La tesis finaliza con la aplicación a un caso de estudio.

Mariano Conchillo: Diseño arquitectónico de la aplicación móvil de ALERTAR, un sistema para vigilancia y alertas tempranas de gravedad en pacientes hospitalizados no intensivos

editor Fai — Thu, 19 Jun 2025 16:55:42 +0000

Título: «Diseño arquitectónico de la aplicación móvil de ALERTAR, un sistema para vigilancia y alertas tempranas de gravedad en pacientes hospitalizados no intensivos«

Tesista: Mariano Conchillo

Directores: Javier Balladini – Rodrigo Cañibano

Fecha de la defensa: 18 de junio de 2025

Resumen

La pandemia de COVID-19 demostró las limitaciones del sistema de salud argentino, donde la escasez de enfermeros dificultó la atención adecuada de los pacientes. Ante esta situación, se desarrolló un prototipo la aplicación COVINDEX, una herramienta de triaje automatizado que, basándonse en los datos ingresados por enfermeros, clasifica a los pacientes según su nivel de riesgo y emite alertas tempranas para optimizar la asignación de recursos humanos y mejorar la calidad de la atención. Sin embargo, aunque COVINDEX demostró ser útil durante la pandemia, presenta limitaciones en su arquitectura y seguridad, lo que motivó el desarrollo de una nueva aplicación llamada ALERTAR. El objetivo principal de esta Tesis es diseñar la aplicación móvil de ALERTAR, que supere las deficiencias de COVINDEX y permita la incorporación de nuevas enfermedades, además de garantizar un alto nivel de seguridad en el manejo de datos sensibles. La metodología utilizada para este el desarrollo de este trabajo incluye la colaboración inter-disciplinaria entre profesionales de la salud e informáticos, basándose en las experiencias previas con COVINDEX. Durante el desarrollo, se realizaron pruebas de concepto para validar las ideas y asegurar su utilidad. Los resultados obtenidos demuestran que el diseño propuesto para ALERTAR cumple con los requisitos de seguridad, escalabilidad funcionalidad. La nueva aplicación permitirá a los hospitales optimizar la atención de pacientes no solo durante emergencias sanitarias, sino también en situaciones cotidianas. En conclusión, ALERTAR representa una evolución significativa respecto a COVINDEX, abordando sus limitaciones y ofreciendo una solución más robusta y segura para la gestión de pacientes en hospitales. Este trabajo proporciona un marco sólido para futuras implementaciones de sistemas orientados a la salud.

Francisco Torres: La herramienta CoVaMaT: Componente Cliente y Extensiones del lado del Servidor

editor Fai — Tue, 17 Jun 2025 14:09:14 +0000

Título:La herramienta CoVaMaT: Componente Cliente y Extensiones del lado del Servidor

Tesista: Francisco Torres

Directora: Alejandra Cechich

Fecha: 17 de junio de 2025

Resumen

Con el crecimiento exponencial de la cantidad y diversidad de datos, se ha vuelto indispensable contar con herramientas que permitan visualizar y analizar la información de manera efectiva. Entre las características de calidad de los sistemas big data, se encuentra la variedad, que se refiere a gestionar los datos en términos de su diversidad.
El proceso de identificación de variedad puede iniciarse mediante un análisis del dominio: desde la evidencia que presenten los datos en las fuentes (enfoque bottom-up); desde el análisis conceptual del dominio (enfoque top-down); o con una mezcla de ambos casos. La caracterización de dominio, que deriva en la construcción de artefactos mediante los cuales se resguardan variables y relaciones relevantes para describir contextos similares, es gestionada por una herramienta de soporte (CoVaMaT), que permite almacenarlos con una estructura que facilita su recuperación y reuso.

En esta Tesis, se aborda el diseño e implementación del componente Cliente y extensiones del Servidor de CoVaMaT; lo que permite a los usuarios guardar, filtrar y obtener datos relacionados a las distintas variedades encontradas en los respectivos dominios. Este trabajo contribuye al campo de la visualización y gestión de datos de CoVaMaT al proporcionar una solución práctica para la interacción con sus procesos (P1: documentar variedad, P2: documentar caso y P3: reusar caso). Los resultados obtenidos pueden ser aplicados en diversos dominios, como el hidrológico. Además, sienta las bases para futuras investigaciones en el diseño de interfaces interactivas para el análisis de reusabilidad en sistemas big data.

El enfoque pensado para este trabajo de Tesis se basa en la utilización de tecnologías modernas como React.js, que ofrece un rendimiento óptimo y una gran flexibilidad para el desarrollo de interfaces interactivas. Además, se utiliza GraphQL como lenguaje de consulta para optimizar las solicitudes de datos y mejorar la eficiencia en la transferencia de información entre el Servidor
y el Cliente.

Walter Garrido: Un Enfoque Top-Down de Variedad de Contexto: Caso de estudio en la predicción del nivel de la napa freática en el Alto Valle de Río Negro y Neuquén

editor Fai — Tue, 17 Jun 2025 14:09:10 +0000

Título: Un Enfoque Top-Down de Variedad de Contexto: Caso de estudio en la predicción del nivel de la napa freática en el Alto Valle de Río Negro y Neuquén

Tesista: Walter Garrido

Directora: Agustina Buccella

Fecha de la defensa: 17 de junio de 2025

Resumen

La agricultura de precisión busca optimizar la producción agrícola mediante la incorporación de tecnologías que permitan un manejo más eficiente de los recursos. En este contexto, el monitoreo del nivel freático cobra especial relevancia, ya que influye directamente en la gestión del riego y en la productividad de los cultivos. Sin embargo, el análisis de grandes volúmenes de datos hidrológicos y climáticos representa un desafío que puede ser abordado mediante el uso de Sistemas de Big Data.Esta tesis se motiva por la necesidad de aplicar enfoques analíticos avanzados para predecir el nivel freático en zonas de producción agrícola. El objetivo principal es evaluar cómo los Sistemas de Big Data, pueden contribuir a generar predicciones precisas a partir de datos climáticos e hidrológicos.La metodología adoptada se basa en un enfoque top-down, propuesto en trabajos previos del grupo de investigación en el que se enmarca esta tesis. Esta metodología permite guiar el proceso desde la formulación de hipótesis hasta la obtención de resultados concretos. Se desarrollan dos casos de dominio en la región de Villa Regina, utilizando datos de la estación meteorológica, niveles de río y mediciones de freatímetros.Los resultados obtenidos muestran que, durante el período sin riego, los modelos LSTM (Long Short-Term Memory) permitieron realizar predicciones con un alto grado de precisión, utilizando variables climáticas e hidrológicas. Sin embargo, en el período con riego no se logró validar ninguna de las hipótesis planteadas, lo que sugiere que la activación del canal de riego y por ende el riego que se produce en la zona, podría estar interfiriendo en el proceso de recarga de la napa freática. Esta situación plantea nuevos interrogantes que se proponen como trabajos futuros. Además, se utilizó la herramienta CoVaMaT (Context-based Variety Management Tool) para documentar y almacenar la variedad de contexto identificada en los casos analizados, promoviendo la reutilización de activos en futuros desarrollos.En conclusión, este trabajo evidencia que el uso de metodologías y tecnologías para el desarrollo de Sistemas de Big Data en el dominio de la agricultura de precisión permite generar conocimiento valioso para la toma de decisiones en la gestión del agua subterránea en zonas agrícolas.

Federico Saurín: Un Enfoque Top-Down de Variedad de Contexto: Caso de estudio en la ocurrencia y detección de heladas en el Alto Valle de Río Negro y Neuquén

editor Fai — Fri, 20 Sep 2024 14:53:28 +0000

Título: «Un Enfoque Top-Down de Variedad de Contexto: Caso de estudio en la ocurrencia y detección de heladas en el Alto Valle de Río Negro y Neuquén”

Tesista: Federico Saurín

Director: Dra. Agustina Buccella

Carrera: Licenciatura en Sistemas de Información

Día: 20 de septiembre de 2024

Resumen

La agrometeorología, que estudia la interacción entre los factores meteorológicos y las actividades agrícolas, enfrenta el desafío de manejar y analizar grandes volúmenes de datos (Big Data) para mejorar la toma de decisiones. Esta tesis se motiva por la necesidad de aprovechar los avances en los Sistemas de Big Data para optimizar las predicciones meteorológicas.

El objetivo principal de esta investigación es evaluar y demostrar cómo los sistemas de Big Data pueden integrarse y aplicarse eficazmente en el dominio de la agrometeorología. Para lograr esto, se investigan los componentes clave de los sistemas de big data, su ciclo de vida y las mejores prácticas en el manejo de estos datos. El trabajo se centra en casos de dominio específicos basados en información de estaciones meteorológicas para ilustrar la aplicación práctica de estas tecnologías.
La metodología utilizada se basa en un enfoque top-down propuesto en trabajos previos del grupo de investigación en la cual se enmarca esta tesis. Esta metodología permite una visión integral de cómo los datos pueden ser recolectados, preparados, analizados y visualizados para obtener información útil. Se emplean herramientas especializadas para la gestión de datos, asegurando un tratamiento eficiente y efectivo. Se desarrollan dos casos de dominio mediante una variedad de contexto basada en dos zonas: Villa Regina y Guerrico.
Los resultados de este trabajo indican que la implementación de sistemas de big data puede colaborar efectivamente en la búsqueda de patrones y causas que ayuden a la identificación y predicción de heladas. En los casos de domino de Villa Regina y Guerrico, el análisis de grandes volúmenes de datos ha demostrado ser beneficioso permitiendo comprender mejor las relaciones entre las variables y la construcción de modelos predictivos (redes neuronales artificiales) altamente eficientes incluso en periodos de hasta 24 horas. Esto fue acompañado por la utilización de la herramienta CoVaMaT (Context-based Variety Management Tool) para crear y almacenar la variedad hallada en estos casos de dominio. Los activos almacenados en CoVaMaT pueden ser luego reusados en la construcción de nuevos casos mejorando la calidad y rapidez en la construcción de los mismos.

Agustín Chiarotto: Desarrollo de la aplicación móvil de COVINDEX para la detección temprana de severidad por COVID-19 en unidades de cuidados no intensivos

editor Fai — Tue, 25 Jun 2024 21:57:35 +0000

Título: «Desarrollo de la aplicación móvil de COVINDEX para la detección temprana de severidad por COVID-19 en unidades de cuidados no intensivos”

Tesista: Guillermo Agustín Chiarotto

Director: Dr. Javier Balladini

Carrera: Licenciatura en Sistemas de Información

Día: 25 de junio de 2024

Resumen

Desde la declaración de la pandemia por la Organización Mundial de la Salud en marzo de 2020, se han registrado millones de casos de COVID-19 en todo el mundo. Argentina, al igual que otros países, implementó medidas de cuarentena para frenar el contagio y evitar el colapso del sistema sanitario. Es por ello que la tecnología y la innovación se colocaron al servicio de la sociedad para apaciguar el impacto de la pandemia.
El objetivo principal de esta tesis es diseñar e implementar una aplicación móvil que, junto con otros componentes, conforme un sistema informático inteligente y resiliente a fallos capaz de dar avisos tempranos sobre la gravedad de pacientes con COVID-19.
Covindex se diseñó para monitorear pacientes con COVID-19 y proporcionar alertas tempranas sobre su gravedad. La aplicación móvil es parte esencial de esta solución, permitiendo la carga y visualización de datos de pacientes, ejecutando el cálculo de la gravedad del paciente y enviando notificaciones a todos los dispositivos cercanos en caso de que un paciente cambie su gravedad.
Este trabajo detalla la arquitectura de Covindex, la cual es innovadora gracias a su capacidad de continuar funcionando sin necesidad de una conexión constante a Internet y capaz de resilir ante fallos de los dispositivos que componen el sistema.
La investigación hace énfasis en las tecnologías para el desarrollo de aplicaciones móviles, concluyendo en la necesidad de un framework híbrido. La arquitectura de Covindex se presenta en detalle, incluyendo los actores, roles y protocolos para implementar la resilencia a fallos. También se investigan distintas librerías y herramientas para poder implementar la aplicación móvil.
Con el desarrollo de un prototipo funcional y su experimentación se proponen mejoras tecnológicas para futuros trabajos, incluyendo la ampliación de la solución a otras enfermedades.
La implementación funcional del prototipo en este trabajo de investigación representa un primer paso del grupo de investigación de Covindex en la aplicación de una arquitectura que no había sido explorada previamente, allanando el camino para futuros avances y aportes en el campo de la tecnología enfocada en la salud.

Mariano Campetella: Caracterización de contexto en Sistemas Big Data: Caso de estudio de las fluctuaciones del nivel freático en función de variables meteorológicas

editor Fai — Fri, 15 Dec 2023 22:41:56 +0000

Título: «Caracterización de contexto en Sistemas Big Data: Caso de estudio de las fluctuaciones del nivel freático en función de variables meteorológicas”

Tesista: Mariano Campetella

Directora: Dra. Alejandra Cechich

Carrera: Licenciatura en Sistemas de Información

Día: 14 de diciembre de 2023

Resumen

En la actualidad cuando se habla de big data se hace referencia a un término que nos permite describir grandes volúmenes de datos que son difíciles o imposibles de procesar a través de métodos tradicionales. La relevancia del big data no se centra en la cantidad de datos en posesión, sino en la forma en que se emplean. Es factible obtener información de diversas fuentes, someterla a análisis y descubrir múltiples soluciones, que incluyen la reducción de gastos, la optimización del tiempo, la creación de productos innovadores y, en especial, la toma de decisiones de manera perspicaz.

Dentro del contexto de Big Data, nos encontramos con las «5V» (Volumen, Velocidad, Variedad, Veracidad y Valor) que son un conjunto de características clave que se utilizan para describir y definir los desafíos y propiedades de los datos en un entorno de grandes volúmenes de datos. Una de estas 5V, la Variedad, se refiere a la heterogeneidad o diversidad de los tipos de datos que pueden provenir de diversas fuentes y pueden tener una amplia variedad de formatos y estructuras así como posibles usos. Estos tipos de variedades se reúnen en lo que se conoce como variedad de contexto y se los utiliza con el propósito de permitir la reutilización de características identificadas en ámbitos similares.

Para identificar variedades en un campo o dominio específico, en este trabajo de tesis se se aplica el proceso T-VIP (Top-Down Variety Identification Process), el cual se inicia con hipótesis planteadas por expertos del dominio, donde luego a partir de una recolección de datos de diversas fuentes se analizan los mismos para luego determinar si los resultados respaldan o refutan las hipótesis iniciales. Este proceso es cíclico y puede repetirse, permitiendo trabajar con más datos de manera interactiva y así desarrollar modelos que se almacenan en bases de conocimiento.

T-VIP se aplicó en dos escenarios de estudio distintos, uno en la región mediterránea de Lecce, Italia, y el otro en Villa Regina, en la provincia de Río Negro. Ambos casos se enmarcan en analizar las fluctuaciones de los niveles de las aguas subterráneas con el propósito de identificar las causas de dichas variaciones, considerando las condiciones meteorológicas y las distintas clases de textura del suelo presentes en cada región. Finalmente, se empleó CoVaMaT para almacenar todos los casos estudiados, enriqueciendo así la base de conocimientos para su posible recuperación y reutilización en futuras ocasiones.

Sebastián Yaupe: Especificación de Procesos para Preparación de Datos en Sistemas Big Data

editor Fai — Thu, 27 Apr 2023 15:53:00 +0000

Título: «Especificación de Procesos para Preparación de Datos en Sistemas Big Data”

Tesista: Sebastián Yaupe

Directora: Dra. Alejandra Cechich

Carrera: Licenciatura en Sistemas de Información

Día: 27 de abril de 2023

Resumen

Para extraer información de los datos en sistemas big data, los mismos deben atravesar una serie de escenarios con diferentes funciones, como ingestión, filtrado, transformación, etc.

Considerando la necesidad de entender estos escenarios, existen antecedentes en el modelado de la preparación de los datos para depósitos de datos, que describen actividades relevantes. En particular, se asocia el concepto de procesos considerando que un proceso es una concatenación lógica de actividades, a través del tiempo y lugar, impulsadas por eventos y que a través de su proceso de transformación, cumplen un determinado fin.

Esta definición contiene un elemento esencial en la especificación de procesos – las actividades — que se pueden definir como acciones sobre un objeto, debido a que el proceso de transformación ocurre a través de ellas. Las actividades están encadenadas a través de una secuencia lógica, que determina en su conjunto las condiciones y capacidades.

En la literatura se utilizan varios términos para sistemas que implementan procesos: sistema de workflow (WfM), Business Process Management Suite (BPMS), motor de workflow y Process Engine. La importancia de la gestión de flujos de trabajo (workflows) viene de la posibilidad de representar explícitamente las estructuras de los procesos en los modelos y en la actuación controlada sobre los procesos de acuerdo a esos modelos.

Con estas consideraciones, este trabajo de tesis se enfoca en incorporar modelado de workflows de procesos en actividades para preparación de datos utilizando BPMN; pero a diferencia de trabajos relacionados, se propone extender a particularidades propias de sistemas big data, como actividades en lagos de datos. El modelo resultante de esta de tesis es instanciado en un caso de estudio en el dominio geoespacial (análisis de turbidez en el Canal Principal de Riego del Alto Valle), para mostrar su aplicabilidad y la especialización requerida en la instanciación específica.

Gastón Vidart: Big Data en el Dominio Hidrológico: Caracterización del Contexto de Predicción de Turbidez

editor Fai — Thu, 24 Nov 2022 16:47:32 +0000

Título: «Big Data en el Dominio Hidrológico: Caracterización del Contexto de Predicción de Turbidez”

Tesista: Gastón Vidart

Directora: Dra. Alejandra Cechich

Carrera: Licenciatura en Sistemas de Información

Día: 24 de noviembre de 2022

Resumen

El surgimiento del Big Data Geoespacial (BDG) proviene de la ubicuidad de los sistemas y sensores que generan y recolectan gran cantidad y variedad de información geográfica sobre las actividades de la vida diaria. El objetivo de BDG es investigar patrones complejos y desarrollar nuevos sistemas de soporte a las decisiones, basándose en la ubicación de los datos, proporcionando así un valor sin precedente para las ciencias, la ingeniería y los negocios. En particular, la hidrología es la ciencia que estudia las aguas terrestres, incluyendo el origen, movimiento y distribución en el planeta, junto a sus propiedades físicas y químicas, incluyendo su interacción con el medio ambiente. Este dominio por su estrecha relación con otras ciencias geográficas como la climatología, hidrografía y la geología, genera una gran variedad de datos georreferenciados aplicables a BDG.

Las decisiones respectivas al uso apropiado para cuerpos de agua debe ser informada mediante el uso de modelos predictivos de calidad del recurso hídrico. Deben realizarse estudios para analizar el beneficio de alcanzar un uso designado en un determinado cuerpo de agua y qué costos e implicaciones requiere.
La calidad del agua es medida por los cambios en parámetros químicos, ecológicos y espaciales, de los cuales además de estudiar sus valores, hay que ver sus interdependencias. Por ejemplo, la presencia y cantidad de industrias en una zona ha mostrado afectar parámetros como el total de sólidos disueltos en el agua. Entre estos parámetros, analizar y predecir la turbidez de un cuerpo de agua es de gran utilidad; sin embargo no es tarea sencilla. Trabajos relacionados subrayan la importancia de analizar posibles mejoras a la predicción de turbidez, considerando variaciones en las muestras de datos, tipo de red neuronal usada y configuración. También se consideran variables de contexto, por ejemplo, incorporando modelos de erosión de suelos, a partir de datos obtenidos en casos particulares.

El objetivo general de esta tesis es caracterizar el contexto de predicción de turbidez del agua en sistemas Big Data. Para ello, se propone un modelo de factores que puedan influenciar el análisis. El modelo se estructura como una taxonomía de variables de contexto y es instanciado en un caso de estudio, donde se analizan cuatro factores: climatología, calidad del agua, conformación de suelos y uso de los mismos. El estudio se enfoca en el Canal Principal de Riego del Alto Valle, con el objetivo de analizar relaciones entre turbidez y crecimiento de malezas. La remoción de malezas tiene un gran impacto operativo y económico, pero a éste se le suma que, si no se tratan, el suministro de agua de riego puede verse afectado y con ello también los cultivos del Alto Valle. Las malezas pueden hacer que el canal rebalse, presente pérdidas de agua y/o reduzca el caudal disponible para los usuarios.

El modelo y el caso de estudio fueron asistidos por la Lic. Ayelén Montenegro (INTA Alto Valle), en el rol de experta de dominio.