Background: Artificial Intelligence (AI) and data science research are promising tools to better inform public policy and public health responses, promoting automation and affordability. During the COVID-19 pandemic, AI has been an aid to forecast outbreak spread globally. The overall aim of the study is to contribute to the ongoing public health, socioeconomic, and communication challenges caused by COVID-19. Protocol: COLEV is a five-pronged interdisciplinary mixed methods project based on AI and data science from an inclusive perspective of age and gender to develop, implement, and communicate useful evidence for COVID-19-related response and recovery in Colombia. The first objective is identification of stakeholders’ preferences, needs, and their use of AI and data science relative to other forms of evidence. The second objective will develop locally relevant mathematical models that will shed light on the possible impact, trajectories, geographical spread, and uncertainties of disease progression as well as risk assessment. The third objective focuses on estimating the effect of COVID-19 on other diseases, gender disparities and health system saturation. The fourth objective aims to analyze popular social networks to identify health-related trending interest and users that act as ‘super spreaders’ for information and misinformation. Finally, the fifth objective, aims at designing disruptive cross-media communication strategies to confront mis- and dis-information around COVID-19. To understand stakeholders’ perspectives, we will use semi-structured interviews and ethnographic work. Daily cases and deaths of COVID-19 reported from the National Surveillance System (INS) of Colombia will be used for quantitative analysis, and data regarding the online conversation will be obtained from Facebook and Twitter. Conclusions: COLEV intends to facilitate the dialogue between academia and health policymakers. The results of COLEV will inform on the responsible, safe and ethical use of AI and data science for decision-making in the context of sanitary emergencies in deeply unequal settings.

No abstract

Palabras claveMUSA, programación lineal, satisfacción de estudiantes. ResumenEl propósito de este trabajo es aplicar el método MUSA a la información obtenida en las encuestas del estudio para monitorear periódicamente la satisfacción de estudiantes (ESAT), para diagnosticar el nivel de satisfacción actual de los estudiantes de pregrado de la Universidad de los Andes (Colombia) e identificar la importancia y el desempeño de cada uno de los aspectos evaluados por la institución. Como parte de los resultados, es posible conocer los elementos que los estudiantes consideran más valiosos dentro de su satisfacción, tomando los resultados emitidos por una muestra significativa de encuestados. Finalmente, el estudio presenta las opciones que requieren mayor atención por parte de la Universidad para mejorar dicha satisfacción.

No abstract

Para optimizar la gestión de inventario en empresas que tienen gran variedad de referencias, es necesario involucrar los programas de mantenimiento a la estrategia general de la organización. Esto incluye, considerar las particularidades de todos los tipos de artículos, en especial los materiales de mantenimiento, reparación y operaciones (MRO). Estos materiales serán el foco de análisis en este estudio porque ocupan gran parte de las bodegas de inventario en las empresas y, por lo tanto, representan gran porcentaje de los costos empresariales. Este estudio, aborda el caso de una empresa que contiene gran número de artículos y que son de alto costo. Con el objetivo de encontrar el modelo más adecuado para gestionarlos, se puede, mediante la definición de un algoritmo, ponderar todos los parámetros considerados importantes para la toma de decisión. Se concluye que, en situaciones como ésta, mejorar algunos factores, como por ejemplo el cálculo del tiempo de reaprovisionamiento (Lead Time en inglés) del proceso, influye mucho más en los ahorros de la empresa que la definición de un modelo de inventario muy complejo.