Revista Athenea

Impact of Wastewater Treatment Plants: An Assessment from Environmental Engineering

Resumen El estudio analizó el desempeño ambiental y la eficiencia operativa de plantas de tratamiento de aguas residuales desde un enfoque de ingeniería ambiental, con el objetivo de identificar los impactos asociados a su funcionamiento y nivel tecnológico. La metodología incluyó la observación directa de procesos unitarios y el análisis sistematizado de información operativa, aplicando criterios técnicos de evaluación ambiental y de remoción de contaminantes. Los resultados evidenciaron diferencias significativas entre las plantas, destacándose un sistema con eficiencia de remoción de sólidos suspendidos inferior al 65 %, asociado a un alto impacto ambiental, frente a otros con eficiencias superiores al 90 % y efectos de magnitud moderada. Se concluye que el desempeño ambiental depende del nivel tecnológico, del control de emisiones y de la gestión integral de residuos.

Abstract The study analyzed the environmental performance and operational efficiency of wastewater treatment plants from an environmental engineering perspective, aiming to identify the impacts associated with their functioning and technological level. The methodology included direct observation of unit processes and a systematized analysis of operational information, applying technical criteria for environmental assessment and contaminant removal. The results showed significant differences among the plants, highlighting one system with suspended solids removal efficiency below 65 %, associated with high environmental impact, in contrast to others with efficiencies above 90 % and moderate effects. It is concluded that environmental performance depends on technological level, emission control, and integrated waste management.

Carbonaceous Materials and Cacao Waste Nanomaterials for Heavy Metal Removal

Resumen El agua contaminada con metales pesados representa un riesgo crítico para la salud y los ecosistemas, especialmente en las regiones cacaoteras donde convergen las actividades agroindustriales y mineras. Este trabajo presenta una revisión estructurada sobre el uso de residuos de cacao como plataforma para el desarrollo de biosorbentes, materiales carbonosos y nanomateriales para la remoción de metales en sistemas acuosos. Se realizó una búsqueda en bases de datos científicas y se seleccionaron estudios con una clara caracterización de los materiales y evaluación experimental en fase acuosa. La evidencia se organizó según el tipo de residuo y material, discutiendo su desempeño, ventajas y limitaciones. Además, se identificaron brechas de investigación relacionadas con la escasez de ensayos en matrices del mundo real, información limitada sobre regeneración y vida útil, el tratamiento de Hg(II) y la falta de análisis integrales de sostenibilidad y viabilidad en contextos latinoamericanos.

Abstract The presence of heavy metals in water poses a critical risk to human health and ecosystems, particularly in cocoa-producing regions where agro-industrial and mining activities converge. This work provides a structured review on the use of cocoa residues as a platform for developing biosorbents, carbonaceous materials, and nanomaterials for heavy metal removal in aqueous systems. A search of scientific databases was conducted, and studies were selected based on clear material characterization and experimental evaluation in aqueous phase. The evidence was organized according to residue type and derived material, analyzing performance, advantages, and limitations. Research gaps were identified regarding the scarcity of tests in real-world matrices, limited information on regeneration and service lifetime, challenges in the treatment of Hg(II), and the lack of comprehensive assessments of sustainability and feasibility in Latin American contexts.

Comparison of the effectiveness between the Wavelet Transform and the Wigner-Ville Transform for the diagnosis of low insulation in the starting transient of induction motors

Abstract This study demonstrates the superiority of the Discrete Wavelet Transform over the Wigner-Ville Transform in detecting insulation faults in induction motors during startup transients. The comprehensive analysis of 360 simulated signals revealed that the wavelet technique with Daubechies 10 achieves significantly higher classification accuracy (74.44% vs. 67.78%), substantially outperforming its counterpart. Certain decomposition levels showed maximum sensitivity with variations up to +354%, while diagnostic reliability indicators confirm its robustness. This technique positions itself as an optimal solution for predictive monitoring systems, enabling early fault detection that substantially reduces downtime and industrial maintenance costs.

Resumen Este estudio demuestra la superioridad de la Transformada Wavelet Discreta frente a la Transformada de Wigner-Ville en la detección de fallas de aislamiento en motores de inducción durante transitorios de arranque. El análisis exhaustivo de 360 señales simuladas reveló que la técnica wavelet con Daubechies 10 alcanza una precisión de clasificación notablemente superior (74.44% vs. 67.78%), superando significativamente a su contraparte. Ciertos niveles de descomposición mostraron sensibilidad máxima con variaciones de hasta +354%, mientras que los indicadores de confiabilidad diagnóstica confirman su robustez. Esta técnica se posiciona como solución óptima para sistemas de monitoreo predictivo, permitiendo la detección temprana de fallas que reduce sustancialmente los tiempos de inactividad y los costos de mantenimiento industrial.

Everyday Algorithms and Social Subjectivity: How Artificial Intelligence Reconfigures Human Decisions in Daily Life

Resumen En este estudio se analiza cómo los algoritmos de inteligencia artificial integrados en la vida cotidiana influyen en la toma de decisiones humanas y en la configuración de la subjetividad social. Se adoptó un enfoque cuantitativo basado en simulación socio-técnica, utilizando datos sintéticos y modelos de decisión para evaluar el impacto de la personalización algorítmica, la diversidad de exposición y la explicabilidad del sistema. Los resultados muestran que la personalización incrementa de forma sistemática la probabilidad de adhesión a las recomendaciones, reduce la diversidad estructural del entorno de elección y modula variables subjetivas como la agencia percibida y la dependencia algorítmica. El análisis de sensibilidad evidencia que la personalización actúa como un parámetro de alta sensibilidad, generando cambios predecibles y estables en la conducta de elección. Estos hallazgos confirman que los algoritmos cotidianos no solo optimizan decisiones, sino que reconfiguran progresivamente la experiencia decisional humana.

Abstract This study analyzes how artificial intelligence algorithms embedded in everyday life influence human decision-making and the configuration of social subjectivity. A quantitative approach based on socio-technical simulation was adopted, using synthetic data and decision models to assess the impact of algorithmic personalization, exposure diversity, and system explainability. The results show that personalization systematically increases the likelihood of adherence to recommendations, reduces the structural diversity of the choice environment, and modulates subjective variables such as perceived agency and algorithmic dependence. Sensitivity analysis indicates that personalization acts as a highly sensitive parameter, generating predictable and stable changes in decision behavior. These findings confirm that everyday algorithms not only optimize decisions, but also progressively reshape the human decision-making experience.

Adaptive Human-Machine Interfaces Based on Artificial Intelligence and Neuroergonomics for Reducing Human Errors in Complex Industrial Systems

Resumen Este estudio analizó el impacto de interfaces hombre-máquina adaptativas basadas en inteligencia artificial y principios de neuroergonomía en la reducción de errores humanos en sistemas industriales complejos. Se desarrolló un diseño cuasi-experimental con simulación de supervisión de procesos industriales, comparando una interfaz convencional con una interfaz adaptativa inteligente. Los resultados evidenciaron una disminución significativa en el número de errores operacionales, una mejora en el tiempo de respuesta y una reducción en la carga cognitiva percibida por los operadores. Asimismo, se observó una relación positiva entre la reducción de carga cognitiva y la disminución de errores. Los hallazgos sugieren que las interfaces adaptativas pueden mejorar el desempeño humano y la seguridad en entornos industriales avanzados.

Abstract This study analyzed the impact of adaptive human-machine interfaces based on artificial intelligence and neuroergonomic principles on the reduction of human errors in complex industrial systems. A quasi-experimental design was developed using an industrial process supervision simulation, comparing a conventional interface with an intelligent adaptive interface. The results showed a significant decrease in the number of operational errors, an improvement in response time, and a reduction in the cognitive load perceived by operators. Likewise, a positive relationship was observed between the reduction of cognitive load and the decrease in errors. The findings suggest that adaptive interfaces can improve human performance and safety in advanced industrial environments.

Explainable Models for Identifying Difficulties in University Mathematics: Analysis of the MathE Dataset

Resumen Este estudio aplica un enfoque de analítica del aprendizaje y modelos explicables para identificar contenidos de mayor dificultad en matemáticas universitarias a partir de registros de interacción de una plataforma de práctica y evaluación. Se realizó un análisis cuantitativo secundario del conjunto de datos MathE, considerando variables de contenido (tema, subtema y palabras clave) y contexto (país y nivel). Primero se estimaron tasas de error por tema y subtema y se sintetizaron patrones mediante visualizaciones comparativas. Luego se entrenaron modelos complementarios, una regresión logística por su interpretabilidad y un modelo no lineal de árboles de gradiente para capturar interacciones, validando la generalización con partición por estudiante. La explicabilidad se abordó mediante atribución de contribuciones para interpretar factores asociados al error. Los hallazgos señalan mayores dificultades en contenidos de Diferenciación, Interpretación Funcional y Probabilidad, junto con debilidades transversales de manipulación algebraica, con apoyos adicionales en Métodos Numéricos e Integración.

Abstract This study applies a learning analytics approach and explainable models to identify the most difficult content areas in university mathematics based on interaction records from a practice and assessment platform. A secondary quantitative analysis of the MathE dataset was conducted, considering content variables (topic, subtopic, and keywords) and contextual variables (country and level). First, error rates were estimated by topic and subtopic, and patterns were synthesized through comparative visualizations. Then, complementary models were trained: a logistic regression model for its interpretability and a nonlinear gradient-boosted tree model to capture interactions, validating generalization through student-level partitioning. Explainability was addressed through contribution attribution to interpret factors associated with errors. The findings indicate greater difficulties in Differentiation, Functional Interpretation, and Probability, together with cross-cutting weaknesses in algebraic manipulation, with additional support needs in Numerical Methods and Integration.