Factores que influyen en el acoso sexual de docentes, estudiantes y empleados de la Escuela Superior Politécnica de Chimborazo
El presente trabajo de titulación efectuó la identificación de los factores que influyen en la generación de situaciones de acoso sexual que involucran a los estudiantes, docentes y personal administrativo y de servicios de la Escuela Superior Politécnica de Chimborazo. La información utilizada para...
Furkejuvvon:
| Váldodahkki: | |
|---|---|
| Eará dahkkit: | |
| Materiálatiipa: | bachelorThesis |
| Giella: | spa |
| Almmustuhtton: |
2022
|
| Fáttát: | |
| Liŋkkat: | https://dspace.espoch.edu.ec/handle/123456789/17582 |
| Fáddágilkorat: |
Lasit fáddágilkoriid
Eai fáddágilkorat, Lasit vuosttaš fáddágilkora!
|
Lasit fáddágilkoriid | Čoahkkáigeassu: | El presente trabajo de titulación efectuó la identificación de los factores que influyen en la generación de situaciones de acoso sexual que involucran a los estudiantes, docentes y personal administrativo y de servicios de la Escuela Superior Politécnica de Chimborazo. La información utilizada para el análisis fue recolectada y provista por el Grupo de Investigación de las Sexualidades (GIS) perteneciente a la institución. La población en estudio está constituida por los estudiantes, docentes y miembros del personal administrativo y de servicio de la institución, grupos en estudio de los cuales se tomaron muestras 3731, 484 y 376 individuos respectivamente. Para realizar el análisis exploratorio de datos, pre procesado de datos, construcción de modelos, y la generación de gráficos se utilizó en software R 4.0.4. y el entorno de desarrollo RStudio 1.4.1106. Las técnicas utilizadas fueron la construcción de árboles de decisión y de modelos de regresión logística dada la naturaleza cualitativa de casi la totalidad de las variables en estudio y, además, se realizó una comparación entre los resultados obtenidos de ambas técnicas. Para las muestras correspondientes a estudiantes y docentes, el modelo logístico registró un mejor rendimiento en su capacidad predictiva evaluada por medio del porcentaje de Área bajo la curva (AUC) observado mediante las tablas de confusión correspondientes para cada muestra. Para los estudiantes se obtuvo un AUC = 83.3% y para los docentes un AUC = 93.9%. Para la muestra del personal administrativo y de servicio la mejor técnica fue el árbol de decisión con un AUC = 78.82%. Se recomienda el uso de los modelos logísticos para estudios similares por su mayor poder predictivo y facilidad de interpretación, además del uso de RStudio para el manejo de grandes cantidades de datos. |
|---|