<p>Introducción: la administración de seguridad pública supone la instrumentación de políticas públicas que justifican la rectoría del Estado en la prevención del delito y la impartición de justicia. Sin embargo, la desconfianza ciudadana hacia la acción gubernamental se evidencia por una creciente percepción de inseguridad reportada por la literatura en siete dimensiones: territorial, nacional, pública, humana, ciudadana, privada e internauta. Objetivo: establecer la confiabilidad y la validez de un instrumento que mide la percepción de seguridad territorial, nacional, pública, humana, ciudadana, privada e internauta. Método: estudio no experimental, transversal y exploratorio con una selección no probabilística de 320 estudiantes de una universidad pública. Resultados: la confiabilidad de la escala general (alfa = 0,793) y de las subescalas territorial (alfa = 0,792), nacional (alfa = 0,709), pública (alfa = 0,785), humana (alfa = 0,782), ciudadana (alfa = 0,792), privada (alfa = 0,794) e internauta (alfa = 0,731) evidencian una consistencia interna suficiente. El factor de seguridad territorial explicó el 22% de la varianza total. A partir de<br />parámetros de ajuste y residual ⌠χ2 = 135,34 (32gl) p = 0,054; GFI = 0,995; CFI = 0,990; RMSEA = 0,003⌡, se aceptó la hipótesis nula de relación significativa entre las dimensiones de seguridad teóricas con respecto a los factores ponderados. Conclusiones: la inclusión y medición de una dimensión de percepción de autocontrol que correlacionaría negativa y significativamente con la percepción de seguridad territorial explicaría la estructura factorial de la escala. Tal modelo se estimaría con un análisis factorial confirmatorio con mínimos cuadrados no ponderados.</p>

The governance of migratory flows, understood as a system of co-management co-responsibility between institutional and private, political and social actors with respect to their identity and occupational health is addressed in the present non-experimental, exploratory and cross-sectional work with a non-probabilistic sample selection of 147 former migrants from central Mexico. From a structural model seven factors were established regarding framing, demands, resources, risks, opportunities, capabilities and employment. Based on the literature consulted, the limits, scope and lines of research aimed at deepening the effects of the variables and factors in an intercultural scenario are noticed.

Los residuos orgánicos sometidos a procesos de descomposición controlada reducen los riesgos de contaminación y adquieren valor agronómico. El principal indicador de calidad de un producto de compostaje es el índice de madurez, que se determina con diferentes parámetros físicos, químicos y biológicos, resultando un proceso muy complejo. Los modelos matemáticos han demostrado ser una herramienta eficiente para evaluar numerosas interacciones entre variables con fines diagnósticos y predictivos. El objetivo fue generar los modelos de predicción del índice de madurez de abonos orgánicos producidos a partir de estiércol vacuno y aserrín de pino sometidos a vermicompostaje, semicompostaje y compostaje. Una mezcla de residuos orgánicos con relación carbono/nitrógeno de 25 fue sometida por separado a tres procesos de transformación durante 183 días. Se monitoreó la temperatura ambiental, temperatura de los residuos orgánicos, nitrógeno total, carbono orgánico, pH, relación carbono/nitrógeno, actividad enzimática de ureasa y fitotoxicidad. Se realizó un análisis multivariado revelando gran interacción entre variables. El análisis de componentes principales permitió detectar que la relación carbono/nitrógeno, pH y temperatura de los residuos orgánicos fueron las variables de mayor interacción para predecir el índice de madurez. Se observaron similitudes entre vermicompostaje y semicompostaje, pero diferencias con compostaje, generando dos modelos predictivos. La aplicación de las ecuaciones generadas permitió estimar el índice de madurez a partir de los 155 días para vermicompostaje y semicompostaje, y de los 183 días para compostaje. La aplicación de estos modelos permitirá predecir el tiempo óptimo para obtener características de madurez en productos sometidos a procesos de transformación.