Propuesta para la Incorporación de Herramientas Inteligencia Artificial y Big Data para mejorar la planificación y programación de cultivos de papa en Boyacá, combinando tecnología avanzada, políticas agrícolas y el conocimiento de la comunidad para apoyar decisiones sostenibles

Simple item page
dc.contributor.advisorZabala Vargas, Sergio Andrés
dc.contributor.authorRincon Silva, Jaime Orlando
dc.coverage.spatialBogotá D.C.
dc.date.accessioned2026-05-09T01:40:26Z
dc.date.issued2025-10-28
dc.descriptionDiseñar una propuesta para mejorar la planificación y programación de cultivos de papa en Boyacá mediante la incorporación de herramientas de inteligencia artificial y Big Data, integrando tecnología avanzada, políticas agrícolas y conocimientos comunitarios para apoyar decisiones sostenibles.
dc.description.abstractEl proyecto de investigación analiza el papel de la inteligencia artificial y el Big Data en la optimización de la planificación y programación de cultivos de papa en el departamento de Boyacá Colombia, como respuesta a los desafíos globales de inseguridad alimentaria y sostenibilidad que afectan, de manera particular, a América Latina. El estudio surge del reconocimiento de la necesidad de fortalecer las políticas públicas de desarrollo rural mediante la integración de innovación tecnológica, justicia social y conservación ambiental. En este contexto, la IA y el Big Data se plantean como herramientas estratégicas capaces de transformar los sistemas productivos, mejorar la eficiencia técnica y promover una gobernanza agraria más inclusiva y sostenible. La investigación se desarrolló bajo un enfoque mixto, que combina métodos cuantitativos y cualitativos para examinar la relación entre tecnología, conocimiento agrícola y desarrollo sostenible. A través de la revisión bibliográfica y del estado del arte, se identificaron avances significativos en el uso de IA y Big Data para la agricultura inteligente, especialmente en contextos internacionales. Sin embargo, los resultados evidencian la escasa aplicación local de estas tecnologías y la persistencia de brechas tecnológicas, formativas y estructurales que limitan la capacidad predictiva del sector agrícola boyacense. Dichas brechas dificultan la anticipación de riesgos productivos, climáticos y de mercado, y explican fenómenos recurrentes como la sobreproducción de papa y la descoordinación entre actores de la cadena de valor.
dc.format.extent100
dc.identifier.citationRincon Silva, J. O. (2025). Propuesta para la Incorporación de Herramientas Inteligencia Artificial y Big Data para mejorar la planificación y programación de cultivos de papa en Boyacá, combinando tecnología avanzada, políticas agrícolas y el conocimiento de la comunidad para apoyar decisiones sostenibles. [Monografía, Corporación Universitaria Minuto de Dios - UNIMINUTO]. Repositorio UNIMINUTO.
dc.identifier.urihttps://repository.uniminuto.edu/handle/10656/23738
dc.language.isoes
dc.publisherCorporación Universitaria Minuto de Dios – UNIMINUTO
dc.publisher.departmentPosgrado (Virtual)
dc.publisher.programEspecialización en Gerencia de Proyectos
dc.rightsAcceso Abierto - http://purl.org/coar/access_right/c_abf2
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.keywordsPlanificación de cultivos
dc.subject.keywordsInteligencia Artificial (IA)
dc.subject.keywordsProgramación de cultivos
dc.subject.keywordsinteligencia artificial
dc.subject.keywordsSustentabilidad a largo plazo
dc.titlePropuesta para la Incorporación de Herramientas Inteligencia Artificial y Big Data para mejorar la planificación y programación de cultivos de papa en Boyacá, combinando tecnología avanzada, políticas agrícolas y el conocimiento de la comunidad para apoyar decisiones sostenibles
dc.typeTrabajo de Investigación e Innovación
dc.type.coarthesis
dcterms.bibliographicCitationAbuchaibe, M. J., & Gómez, D. X. (2021). El desarrollo tecnológico y digital ha avanzado a un ritmo significativo a nivel global, sin embargo, en el contexto colombiano, la ausencia de tecnologías adecuadas en el sector rural representa un gran desafío. Esta brecha tecnológica limita considerabl. Bucaramanga. Obtenido de http://hdl.handle.net/20.500.12749/16261 Acevedo Argüello, C., Zabala Vargas, S., Rojas Mesa, J., & Guayán Perdomo, O. (2020). Análisis de Redes Sociales como estrategia para estudiar los Sistemas de Innovación. Revisión sistemática de la literatura. Revista Interamericana de Investigación, Educación y Pedagogía, 13(2), 369-402. https://doi.org/10.15332/s1657-107X Annosi, M. C., Brunetta, F., Monti, A., & Francesco, N. (2019). ¿Es la tendencia tu aliada? Un análisis de las decisiones de inversión en tecnología 4.0 en pymes agrícolas. páginas 59-71. Las computadoras en la industria, 59-71. Obtenido de https://doi.org/10.1016/j.compind.2019.04.003 Arrieta, G. C. (2019). Elementos diagnósticos en el sector agropecuario: caso de la producción de papa en Boyacá Diagnostic elements in the agricultural sector: the case of potato production in Boyacá. Nova et Vetera, 28,, 3-20. Obtenido de https://doi.org/10.22431/25005103.n28.1 Balaji, P., & Dakshayini, M. (2020). An Effective Multiple Linear Regression-Based Forecasting Model for Demand-Based Constructive Farming. IGI Global Scientific Publishing Platform. Obtenido de https://creativecommons.org/licenses/by/4.0/ Balducci, F., Impedovo, D., & Pirlo, G. (28 de junio de 2018). Machine Learning Applications on Agricultural Datasets for Smart Farm Enhancement. Dinámica de Sistemas Multicuerpo. Obtenido de https://doi.org/10.3390/machines6030038 Bekee, B., Segovia, M. S., & Valdivia, C. (2024). Adopción de redes agrícolas inteligentes: un proceso translacional para informar las tecnologías agrícolas digitales (pp 1573–1590). Agricultura y valores humanos, 1573–1590. Belaud, J.-P., Prioux, N., Vialle, C., & Sablayrolles, C. (2019). Big data para la agroalimentación 4.0: Aplicación a la gestión de la sostenibilidad de la cadena de suministro de subproductos pp 41-50. Las computadoras en la industria, 41-50. Obtenido de https://doi.org/10.1016/j.compind.2019.06.006 Bellon-Maurel, V., Lutton, E., Bisquert, P., & otros, y. (2022). Revolución digital para la transición agroecológica de los sistemas alimentarios: una perspectiva de investigación e innovación responsable. Sistemas agrícolas. Obtenido de https://doi.org/10.1016/j.agsy.2022.103524 Berna, l. T. (2022). Administración, economía, humanidadesy ciencias sociales. (Quinta edición colombiana ed.). mexico: Pearson Educación de México, S.A. Bertoni, M., & López, M. J. (2025). Actitudes y comportamientos ambientales de residentes y turistas de Miramar, Buenos Aires (Argentina). Letras Verdes(35). Bhat, I. A., Ahmad, F., Sheikh, A., & Sidana, S. (2025). Leveraging artificial intelligence in agribusiness: a structured review of strategic management practices and future prospects. la Revista de Sostenibilidad. Obtenido de https://www-scopus- com.ezproxy.uniminuto.edu/pages/publications/105009899330?origin=resultslist Bhat, I. A., Ansarullah, S. I., Ahmad, F., Amir, S., & Sidana, S. (2025). Leveraging artificial intelligence in agribusiness: a structured review of strategic management practices and future prospects. la Revista de Sostenibilidad. doi:10.1007/s43621-025-01260-3 BID Invest. (2020). https://fairlac.iadb.org/. Obtenido de https://fairlac.iadb.org/uso-de-la-ia-en-la-agricultura- de-precision-para-una-cuenca-del-desierto-de-chihuahua-mexico Boshkoska, B. M., Liu, S., Zhao, G., Fernández, A., Gamboa, S., del Pino, M., . . . Chen, H. (2019). Un sistema de apoyo a la toma de decisiones para la evaluación del intercambio de conocimientos a través de las fronteras en las cadenas de valor agroalimentarias páginas 64-80. Las computadoras en la industria, 64- 80. Obtenido de https://www.sciencedirect.com/science/article/abs/pii/S0166361518305773 Brewster, C., Roussaki, I. R., Kalatzis, N., Doolin, K., & Ellis, K. (2017). IoT in Agriculture: Designing a Europe-Wide Large-Scale Pilot pp 26 - 33. IEEE Communications Magazine, 26 - 33. Cavalcante de Oliveira, R., & de Souza e Silva, R. D. (2023). Inteligencia artificial en la agricultura: beneficios, desafíos y tendencias. applied sciences. Obtenido de https://doi.org/10.3390/app13137405 Céspedes, J.-M. S., Miranda, J.-P. R., & Parra, J. (2022). Application of Artificial Intelligence in the Formulation of Public Policies Related to the Agricultural Vocation of the Regions. Revista cientifica . Obtenido de https://doi.org/10.14483/23448350.18576 cielo. (s.f.). CONGRESO DE LA REPÚBLICA. (2012). LEY ESTATUTARIA 1581 DE 2012. Diario Oficial No. 48.587 de 18 de octubre de 2012. Corpus, A. G. (2019). Elementos diagnósticos en el sector agropecuario: caso de la producción de papa en Boyacá. Nova et Vetera. Obtenido de https://doi.org/10.22431/25005103.n28.1 Dakshayini, M., & & Prabhu, B. V. (2014). An Effective Big Data and Blockchain (BD-BC) Based Decision Support Model for Sustainable Agriculture System. springer Nature. Obtenido de https://link.springer.com/series/15427 Diaz, M. J., Salcedo, D., Mercado, T., Quiñonez, Y., & Mejia, d. l. (2024). Internet of Things (IoT) applied to agriculture: current state and its application through a prototype (pp 106-121. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, 106-121. Obtenido de RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação: https://scielo.pt/pdf/rist/n53/1646-9895-rist-53-106.pdf Divya Nimma, J. A., Sachin, D. K., Pradeep, J., & y Mahesh, S. (2025). Optimización del rendimiento de los cultivos en la agricultura sostenible: aplicación de análisis de big data e inteligencia artificial. Springer Nature . El Congreso de Colombia. (2025). Ley 2502 de 2025. bogota : DIARIO OFICIAL. Encuesta Nacional Agropecuaria (ENA). (2020). https://www.dane.gov.co/. Obtenido de https://www.dane.gov.co/files/investigaciones/agropecuario/enda/ena/2019/presentacion-ena- boyaca-2019.pdf FAO, FIDA, OMS, PMA, & UNICEF. (2025). Hacer frente a la inflación alta de los precios de los alimentos en aras de la seguridad alimentaria y la nutrición. ROMA ITALIA: FAO; FIDA; OMS; PMA; UNICEF. Obtenido de https://openknowledge.fao.org/handle/20.500.14283/cd6015es FEDEPAPA. (2023). FEDEPAPA. Obtenido de https://fedepapa.com/home/wp- content/uploads/2024/10/Regional-Boyaca.pdf Figueroa, Ó. B., Robles, M. A., Monroy, J. A., & Hinestroza, A. D. (2023). An active search for solutions in agricultural systems: A decision analysis perspective. Fundación Universitaria Konrad Lorenz. Obtenido de https://doi.org/10.14349/sumneg/2022.v13.n28.a8 Fraser, E. (2019). Agricultura 5.0: Conciliar la producción con la salud del planeta pp 278-280. Una Tierra 1(3):, 278-280. Obtenido de https://www.researchgate.net/publication/337460428_Agriculture_50_Reconciling_Production_with_Pl anetary_Health García, V. J., Torres2, R. S., & Pérez Pérez, D. B. (2021). Análisis cienciométrico de la aplicación de la inteligencia artificial en la agricultura pp 55-62. Revista de Investigación Cienciométrica, pp 55-62. Obtenido de https://jscires.org/article/401 Hai-Jew, S. (2024). Enhancing Automated Decision-Making Through AI pp451-492). Hutchinson Community College, USA: IGI Global Scientific Publishing Platform. Hernandez, R. S., & Mendoza, T. C. (2018). METODOLOGÍADE LA INVESTIGACIÓN:LAS RUTAS CUANTITATIVA,CUALITATIVA Y MIXTA. McGRAW-HILL INTERAMERICANA EDITORES, S.A. de C. V. Hernández, S. R., Fernández, C. C., & Baptista, L. M. (2010). Metodología de la Investigación 5ta edición (Vol. 5). Mexico. Obtenido de https://www.academia.edu/20792455/Metodolog%C3%ADa_de_la_Investigaci%C3%B3n_5ta_edici%C3 %B3n_Roberto_Hern%C3%A1ndez_Sampieri Higuera, J. M. (2025). AGRONEGOCIOS. Obtenido de https://www.agronegocios.co/agricultura/los-cultivadores- de-papa-estan-pasando-las-duras-y-maduras-4200506 INFORMATICA SPA ENGINEERING - INGEGNERIA. (2021). https://cordis.europa.eu/. Obtenido de https://cordis.europa.eu/article/id/454267-improving-europe-s-precision-agriculture-with-ai/es Jaimes-Quintanilla, M., & Zabala-Vargas, S. (2024). Inteligencia artificial en la gestión de proyectos: Caso construcción y obra civil. European Public & Social Innovation Review, 9, 1-21. https://doi.org/10.31637/epsir-2024-1615 Jaimes-Quintanilla, M., & Zabala-Vargas, S. (2025). Apropiación de tecnologías emergentes en el sector de obra civil: Un análisis cualitativo. En Ciencia Transdisciplinar en la Nueva Era Edición 4 (4.a ed.). Editorial Instituto Antioqueño de Investigación. 10.5281/zenodo.17831487 Janampa, F., & Liz, P. (2013). Cadena productiva de papas nativas : estrategia de inserción ventajosa de pequeños productores de la mancomunidad municipal del Yacus Jauja-Junín a mercados dinámicos. Junín: Pontificia Universidad Católica del Perú. Obtenido de https://tesis.pucp.edu.pe/items/b04b73c4- c4f3-42ec-8b30-14600d03fff9 Javaid, M., Haleem, A., I Khan, b. H., & Suman, R. (2023). Comprender las posibles aplicaciones de la Inteligencia Artificial en el sector agrícola pp 15-30. Boston: Agroquímica avanzada. Obtenido de https://doi.org/10.1016/j.aac.2022.10.001 Jiménez, B. J., & Urrea, U. C. (2025). Impacto del cambio climático en la producción agrícola colombiana: análisis histórico. Bogota. Kamilaris, A., & Prenafeta-Boldú, F. X. (2018). Aprendizaje profundo en la agricultura: una encuesta. Computadoras y electrónica en la agricultura pp 70-90, 70-90. Obtenido de https://doi.org/10.1016/j.compag.2018.02.016 LEGISLATIVA, R. (2019). http://www.secretariasenado.gov.co/. Obtenido de http://www.secretariasenado.gov.co/senado/basedoc/ley_1978_2019.html: http://www.secretariasenado.gov.co/senado/basedoc/ley_1978_2019.html Lezoche, M., Hernandez, J. E., Alemany Díaz, M. d., & Kacprzyk, H. P. (2020). Mario Lezoche, Jorge E. Hernandez, María del Mar Eva Alemany Díaz, Hervé Panetto y Janusz Kacprzyk. Computers in Industry. Obtenido de https://doi.org/10.1016/j.compind.2020.103187 Lytos, A., Lagkas, T., Sarigiannidis, P., Zervakis, M., & Livanos, G. (2020). Hacia una agricultura inteligente: sistemas, marcos y explotación de múltiples fuentes. elsevier. Obtenido de https://doi.org/10.1016/j.comnet.2020.107147 Mario, L., Hernandez, J. E., Alemany, D. M., & Panetto, H. (2020). Agroalimentación 4.0: Un estudio sobre las cadenas de suministro y tecnologías para la agricultura del futuro. Las computadoras en la industria. Obtenido de https://doi.org/10.1016/j.compind.2020.103187 Martos, R. L., & Medina, C. G. (2022). Actitudes ambientales y educación ambiental en tiempos de pandemia en estudiantes de contabilidad de una universidad privada. Ciencia latina Revista multidiciplinaria(6). MEJÍA JIMÉNEZ, J. (2012). Modelos de implementación de las políticas públicas en Colombia y su impacto en el bienestar social. Analecta Política, 2(3), 141-164., 141-164. Mier-Goyes, M. L., González-Salazar, A. M., & Pinzón-Ubaque, A. G. (2024). Vigilancia 2.0: Intervención estratégica para superar desafíos en la formación en seguridad privada. Bogotá: Universidad EAN. minagricultura. (2020). https://sioc.minagricultura.gov.co/. Obtenido de https://sioc.minagricultura.gov.co/Papa/Documentos/2020-09-30%20Cifras%20Sectoriales.pdf: https://sioc.minagricultura.gov.co/Papa/Documentos/2020-09-30%20Cifras%20Sectoriales.pdf Mohd, J., Abid, H., Khan, I. H., & Rajiv, S. c. (2023). Understanding the potential applications of Artificial Intelligence in Agriculture Sector. Advanced Agrochem. Obtenido de https://doi.org/10.1016/j.aac.2022.10.001 Montesinos, L. O. (2014). Inteligencia Artificial (IA) en Agricultura. Obtenido de https://www.researchgate.net/: https://www.researchgate.net/publication/381341917_Inteligencia_Artificial_IA_en_Agricultura Ojeda, B. A. (marzo de 2022). Plataformas Tecnológicas en la Agricultura 4.0: una Mirada al Desarrollo en Colombia pp 9–18. (U. d. Atlantico, Ed.) CESTA, 9–18. Obtenido de https://doi.org/10.17981/cesta.03.01.2022.02 Omotayo, A. O., Adediran, S. A., Omotoso, A. B., & Olagunju, K. O. (2025). Artificial intelligence in agriculture: ethics, impact possibilities, and pathways for policy. informática y electrónica en la agricultura. doi:10.1016/j.compag.2025.110927 ORJUELA SANTAMARIA, L. N. (2021). ALCANZANDO EL HAMBRE CERO EN COLOMBIA CON TECNOLOGÍAS. BOGOTÁ D.C. Parra, L. C., & et al, e. (2024). Integrating digital technologies in agriculture for climate change adaptation and mitigation: State of the art and future perspectives. Computers and Electronics in Agriculture Volume 226. Obtenido de https://doi.org/10.1016/j.compag.2025.110392 Ramos, M. j. (JUNIO de 2025). AGRONEGOCIOS. Obtenido de https://www.agronegocios.co/agricultura/esta-es- la-crisis-que-esta-atravesando-la-papa-pastusa-4165568 REPÚBLICA, C. D. (2019). http://www.secretariasenado.gov.co/. Obtenido de http://www.secretariasenado.gov.co/senado/basedoc/ley_1341_2009.html Rose, D. C., Wheeler, R., Winter, b. M., & Charlott, A. C. (2021). Agriculture 4.0: Making it work for people, production, and the planet. Land Use Policy. Sampieri, R. H., & Mendoza Torres, C. P. (2018). Metodología de la investigación: las rutas cuantitativa, cualitativa y mixta (pp. 310-386). . Celaya: McGraw-Hill. Sánchez, C. J. (2022). Aplicación de la inteligencia artificial en la formulación de políticas públicas relacionadas con la vocación agrícola de las regiones. Revista Científica, 44(2), 172-187, 172-187. Obtenido de http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0124-22532022000200172#aff2 Sánchez, C. J., Rodrígue, M. J., & José, S. P. (2022). Application of Artificial Intelligence in the Formulation of Public Policies Related to the Agricultural Vocation of the Regions. Revista científica pp 172-187, 44, 172- 187. SENA. (2024). https://www.sena.edu.co/. Obtenido de https://www.sena.edu.co/es- co/ciudadano/Documents/Cartilla-EC-Boyaca-1-v.pdf Senado de la republica. (2025). Proyecto de Ley 094 de 2025. SEXTO, C. F., MACÍA, A. X., GARCÍA, V. M., & ARMAS, Q. F. (2024). EL MINIFUNDIO SOSTENIBLE COMO UN NUEVO ESCENARIO PARA LA ECONOMÍA GALLEGA pp. 1-25. Revista Galega de Economía, vol. 13, núm. 1-2 (2004),, pp. 1-25. Sharma, A., Georgi, M., Tregubenko, M., Alexey, T., & Tselykh, A. (2022). Enabling smart agriculture by implementing artificial intelligence and embedded sensing. Russia: Computers & Industrial Engineering. Sharma, A., Tselykh, A., Bozhenyuk, T., & Choudhury. (2022). Artificial Intelligence and Internet of Things Oriented Sustainable Precision Farming: Towards Modern Agriculture. De Gruyter, Berlin. Publicado/Copyright: de De Gruyter. Obtenido de https://www.degruyterbrill.com/document/doi/10.1515/biol-2022-0713/html Talaviya, T., Shah, D., Patel, N., & Yagnik, H. (2020). Implementation of artificial intelligence in agriculture for optimisation of irrigation and application of pesticides and herbicides pp 58-73. Artificial Intelligence in Agriculture, 4, 58-73. Obtenido de https://doi.org/10.1016/j.aiia.2020.04.002 tecnicana. (2024). https://tecnicana.org. Obtenido de https://tecnicana.org/2024/06/26/tecnologia- innovacion/10-ventajas-de-implementar-big-data-en-la-agricultura-un-salto-hacia-la-eficiencia-y-la- sostenibilidad-tema-agrotech-2024/?v=42983b05e2f2 Vijayakumar, S., Murugaiyan, V., S., I., Kumar, V., & Sundaram, R. M. (2025). Opportunities, challenges, and interventions for agriculture 4.0 adoption. ICAR-Instituto Indio de Investigación del Arroz, Hyderabad, 500030, India. Obtenido de https://www-scopus- com.ezproxy.uniminuto.edu/pages/publications/105012957099?origin=resultslist# Vite, C. H. (2019). Modelo de Big Data para la aplicación de Internet de las Cosas en la gestión de la producción de banano orgánico en la provincia de El Oro. Guayaquil. Obtenido de http://biblioteca.uteg.edu.ec:8080/bitstream/handle/123456789/964/Modelo%20de%20Big%20Data% 20para%20la%20aplicaci%C3%B3n%20de%20Internet%20de%20las%20Cosas%20en%20la%20gesti%C3 %B3n%20de%20la%20producci%C3%B3n%20de%20banano%20org%C3%A1nico%20en%20la%20prov Yan Su, & Ping Wang, X. (2021). Innovación en la Gestión Económica Agraria en el Proceso de Construcción de una Agricultura Inteligente mediante Big Data. Sustainable Computing: Informatics and Systems. Obtenido de https://doi.org/10.1016/j.suscom.2021.100579 Zabala-Vargas, S., & Jaimes-Quintanilla, M. (2025). Tecnologías 4.0 (IOT y ciencia de datos) orientada a optimizar la gestión de proyectos de construcción. European Public & Social Innovation Review, 10, 1-21. https://epsir.net/index.php/epsir/article/view/1621 Zabala-Vargas, S., Jaimes-Quintanilla, M., & Jimenez-Barrera, M. H. (2023). Big Data, Data Science, and Artificial Intelligence for Project Management in the Architecture, Engineering, and Construction Industry: A Systematic Review. Buildings, 13(12), 2944. https://doi.org/10.3390/buildings13122944 Zabala-Vargas, S., Jiménez-Barrera, M., Vargas-Sanchez, L., & Jaimes-Quintanilla, M. (2023). Big data in construction project management: The Colombian northeast case. Life-Cycle of Structures and Infrastructure Systems, 1, 1, 3476-3483. https://doi.org/0.1201/9781003323020 Zabala-Vargas, S., Martinez-Ortega, J., & Jaimes-Quintanilla, M. (2025). Administración de proyectos apoyada en tecnologías emergentes (inteligencia artificial y ciencia de datos) en el sector de obra civil. VII International conference on applied engineering and innovative technologies-AENIT, Perú. https://easychair.org/cfp/AENIT2025 Zhai, Z., Martínez, J. F., Beltran, V., & Martínez, N. L. (2020). Decision support systems for agriculture 4.0: Survey and challenges. Computers and Electronics in Agriculture. Obtenido de https://doi.org/10.1016/j.compag.2020.105256

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
TE.PRO_RincónJaime_2025.pdf
Size:
2.48 MB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
Autorización_RincónJaime_2025.pdf
Size:
438.96 KB
Format:
Adobe Portable Document Format
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Especialización en Gerencia de Proyectos