La investigación tuvo como objetivo establecer si existe diferencia en la actitud relacionada a la ciencia en los estudiantes universitarios de diversos ciclos académicos. Para ello se realizó una investigación no experimental de diseño transversal de tipo descriptivo. La población estuvo constituida por estudiantes de las escuelas de Ciencias Administrativas y Ciencias Contables y Financieras de universidades públicas y privadas de Tacna, durante el año 2022. Para el levantamiento de los datos se usó el Protocolo de actitudes relacionadas con la ciencia. Respecto a los estudiantes de la Escuela de Ciencias Contables y Financieras el análisis de varianzas de Kruskal-Wallis ha podido hallar un p-valor inferior a ,005 (p=,000) lo que indica que al menos dos de los ciclos investigados no son homogéneos con los demás. La misma diferencia entre ciclos se observa en las categorías de enseñanza de la ciencia (p=,000), imagen de la ciencia (p=,000), incidencia social (p=,003) y características de la ciencia (p=,000). Con respecto a la carrera de Ciencias Administrativas la prueba de ANOVA mostró un p-valor superior a ,05 (p=,058), lo cual, permite afirmar que la actitud hacia la ciencia es homogénea en los diferentes ciclos académicos estudiados.

El objetivo de este estudio es el uso de huellas digitales para determinar la Identidad de un individuo a través de extraer y procesar minucias. La herramienta por emplear es Matlab, en la que se procesa una imagen a modo de matriz y mediante bucles y máscaras se puede obtener las minucias de interés. El algoritmo, en primera instancia, binariza la imagen, de tonos grises a una imagen en blanco y negro. Una vez realizado lo anterior se hacen unas pequeñas correcciones en la imagen, por ejemplo usar el comando bwmorph junto con algunas de sus opciones; deán, que remueve los pixeles ¡solados con valor 1 rodeados de 8 vecinos de valor 0. fill remueve los pixeles ¡solados en la imagen, los pixeles de valor 0 rodeados de 8 vecinos de valor 1, y los convierte en 1. Y como última instancia la opción thin que adelgaza la línea que se dibuja con los pixeles de valor 1, y se genera una línea con el ancho de un pixel. En conclusión, se ha diseñado un algoritmo que es capaz de extraer los puntos de interés de una muestra y compararla con otra, contra un porcentaje de error menor de 30%, y el cual verifica si las muestras son del mismo individuo o de diferentes.