En esta pandemia causada por el virus SARS-CoV-2, nos cuestionamos si ciertas especies de fauna se transformarán en reservorios del virus en nuestro país. Línea base: Se ha detectado positividad en felinos domésticos (Shi y col. 2020, Science eabb7015) y en zoológicos, sugiriendo exposición de las especies nativas, especialmente al incursionar en sectores urbanos, donde la exposición al virus es mayor. Ademas, se ha reportado enfermedad respiratoria causada por SARS-CoV-2 en granjas de visones en Europa, con la consiguiente diseminación del virus a los humanos (Oude Munnink y Col. 2020, Science abe5901). Por otra parte, en murciélagos y roedores se describe infección por distintos virus (Luis y col. 2013 Proc. Biol. Sci. 280: 20122753). Algunas especies tienen un hábitat estrechamente relacionado a las viviendas, lo que facilita que exista spill-over (“derrame” de patógenos) hacia la población humana; en este caso, dado que son las personas quienes portan el virus en Chile, podría ocurrir spill-back (retorno de los patógenos a los animales o zoonosis reversa) (Daszak y col. 2000, Science 287: 443-449). Las consecuencias en animales silvestres aún no se han investigado en profundidad; podrían ser nefastas si provoca cuadros clínicos debilitantes o mortalidad. En especies consideradas plaga, su infección constituiría un riesgo inminente de diseminación a la población. Con la información a obtener, se podrán establecer protocolos de manejo, difusión y prevención comunitaria para proteger a la biodiversidad y a la población chilena.

La historia de la humanidad ha estado siempre acompañada de emergencias sanitarias, como las provocadas por grandes pandemias (Huremović 2019). Casi la totalidad de estas pandemias han sido causadas por virus emergentes y reemergentes zoonóticos (Morse et al. 2012)(Grubaugh et al. 2019), las cuales han generado consecuencias devastadoras para la salud humana y para la economía global. Actualmente, la epidemiología de SARS-CoV-2 hace patente la necesidad de contar con capacidades técnicas instaladas en diferentes áreas geográficas para poder detectar, diagnosticar y monitorear este patógeno en sus potenciales hospederos animales (Gardy and Loman 2018). Esta necesidad fue puesta de manifiesto durante la actual pandemia causada por el virus SARS-CoV-2, agente causal
de la enfermedad denominada COVID-19. Por ejemplo, los hospedadores naturales del SARS-CoV-2 son especies de murciélagos del sudeste Asiático, y el virus ha circulado naturalmente en estas especies por más de la mitad del siglo XX (Zhou et al. 2020). Por lo tanto, el objetivo de esta propuesta es
implementar el equipamiento, conocimiento biotecnológico y perfeccionamiento de científicos para que puedan realizar estudios que se aboquen al descubrimiento de virus respiratorios en especies animales de las cuales no existe conocimiento al respecto – principalmente fauna silvestre -, y de especies relevantes por cuanto a su cercanía con los seres humanos. En particular, el estudio cimentará las capacidades para la detección y diagnóstico de SARS-CoV-2 y otros coronavirus en animales, lo que a su vez fortalecerá el sistema de vigilancia epidemiológica frente a otros virus emergentes y re-emergentes del eje ChilePerú,
salvaguardando de esta forma la salud pública binacional.

En el transcurso de este proyecto se recopila información que luego se someterá a analisis respecto a lo conocimientos, actitudes y prácticas frente al riesgo de enfermedades zoonóticas, comercio y consumo de vida silvestre en distintos paises participantes de Latino America.
Ministerio Federal Alemán para la Colaboración Económica y el Desarrollo (BMZ) a través de la Alianza Internacional contra los Riesgos Sanitarios en el Comercio de Vida Silvestre y coordinado por la GIZ (Gesellschaft für Internationale Zusammenarbeit) con un importe total de 299.700€.

Dentro de los compromisos ambientales adquiridos por la División El Teniente (DET) en la RCA 16 correspondiente a la construcción del Nuevo Campamento Carén, se
estableció como Compromiso Ambiental Voluntario por parte de DET. Este consiste en realizar la promoción de investigación y educación ambiental en las comunas de intervención del proyecto de las especies sensibles reconocidas.
En virtud del convenio UOH-DET, ejecutaré una investigación relativa a la especie Pristidactylus valeriae asociado a un plan de actividades de educación ambiental denominado “Plan de Difusión de Fauna Sensible”, donde ambas iniciativas tributaran a la Secretaría Regional Ministerial del Medio Ambiente de la Región Metropolitana de Santiago.

En este proyecto, soy la responsable del diseño y ejecución (ICA3/UOH) junto a mis co-investigadores. Como coordinador del convenio UOH-DET participa Simón Cox, quien también colaborará durante la ejecución del proyecto.

La Agricultura Familiar Campesina (AFC) y la microempresa agroalimentaria de la región de O’Higgins enfrentan múltiples desafíos a lo largo de su cadena de valor, particularmente en lo que respecta a la agregación de valor, comercialización y acceso a tecnologías. La falta de infraestructura, conocimientos y capacidades técnicas limita la transformación de materias primas en productos diferenciados y rentables, afectando directamente la sustentabilidad económica de estos actores.
En este contexto, la provincia de Cardenal Caro presenta una situación aún más compleja. Cinco de sus seis comunas —La Estrella, Litueche, Navidad, Paredones y Pichilemu— han sido catalogadas como territorios de rezago por el Gobierno Regional de O’Higgins, debido a su aislamiento geográfico, limitadas redes de conectividad vial y digital, y una baja densidad empresarial (7% de las empresas regionales según SII, 2018). Estas condiciones afectan negativamente el desarrollo productivo, la inclusión tecnológica y la calidad de vida de su población.
Si bien se han logrado avances a través de iniciativas colaborativas entre academia e instituciones públicas, persisten importantes brechas tecnológicas. Una de ellas es el uso de métodos tradicionales de deshidratación de productos como algas, hierbas medicinales o productos apícolas. El secado por convección (natural o forzada) suele provocar pérdidas significativas en atributos sensoriales y funcionales (sabor, aroma, polifenoles, capacidad antioxidante), limitando su competitividad.
El presente proyecto propone incorporar la liofilización como tecnología de deshidratación innovadora, que mediante la sublimación del agua permite preservar las cualidades nutricionales y sensoriales de los productos. Junto a ello, se considera esencial el diseño del packaging, abordando tanto la materialidad como la estrategia gráfica, con el fin de asegurar la conservación post-liofilización y mejorar el posicionamiento comercial del producto final.
A través de una metodología basada en talleres, validaciones de proceso y actividades de transferencia, se busca mejorar las capacidades técnicas de pequeños productores de la provincia, generar productos con mayor valor agregado y fortalecer la inserción de la AFC del secano costero en circuitos de comercialización diferenciada.

El proyecto busca aunar competencias en visión computacional y fruticultura, para habilitar la construcción de modelos de crecimiento y madurez de cerezas a partir de modelos 3D construidos a partir de imágenes hiperespectrales. En particular se desarrollarán algoritmos de visión computacional 3D basados en representaciones neuronales implícitas para estimar el color y tamaño de frutos en cerezo durante el ciclo de crecimiento y cosecha, así como para estimar y correlacionar información hiperespectral con variables de calidad, como firmeza y grados brix de los frutos. A partir de estos algoritmos, se desarrollará una metodología para la construcción de modelos de crecimiento de los frutos que aporten a mejorar la calidad de la fruta fresca de exportación.
Es importante destacar que métodos de machine learning basados en representaciones neuronales implícitas están empezando a usarse ampliamente en distintos ámbitos de visión computacional, robótica y sensado remoto. Este tipo de representaciones está permitiendo abordar múltiples problemas en ambientes no controlados en la agricultura, de manera robusta. Por ejemplo, métodos basados en redes neuronales implícitas, tales como Neural Radiance Fields (NeRF) y Deep Signed Functions (DeepSDF) se están explorando para aplicaciones tales como reconstrucción 3D de frutas, árboles y huertos, habilitando aplicaciones de agricultura de precisión, como conteo de frutas y análisis fenológico. Para que el desarrollo de estas aplicaciones tenga un impacto en la agricultura, es necesario el desarrollo de modelos desde una mirada interdisciplinar, considerando tanto métodos del estado del arte de visión computacional y machine learning, así como un conocimiento profundo de fruticultura y en particular de fisiología de los árboles frutales caducos.
La calidad de la fruta de exportación es un pilar fundamental de nuestra fruticultura, y desde esa base, se considera importante el desarrollo de herramientas de monitoreo y diagnóstico que permitan predecir calidad y condición de la fruta oportunamente, y sobre todo bajo un escenario de cambio climático. En la temporada 2021-2022, un 20% de las cerezas presentaron serios problemas de calidad en los mercados de destino. De este volumen, un 28-47% se relacionaron con problemas de manejo en precosecha. En la agricultura convencional el uso de datos ha sido limitado a conocer procesos productivos puntuales tales como el monitoreo de variables ambientales o fisiológicas, las que han dado cuenta de un cierto estado del sistema de la planta de manera indirecta. Algunos avances en automatización en la toma de datos se han reportado para la aplicación de riego de precisión. Sin embargo, desde el mundo académico no existe un gran aprovechamiento de los avances en inteligencia artificial para la agronomía. En efecto, la predicción del comportamiento de variables productivas complejas, especialmente aquellas ligadas a la calidad de la fruta representan aún un desafío no resuelto en la industria nacional. En este sentido las técnicas de machine learning han sido utilizadas con éxito para predecir el rendimiento en diversas especies agrícolas, incluyendo frutales. No obstante, la calidad de fruta ha sido escasamente abordada, pese a existir capacidades teóricas. Debido a esto surge la necesidad del desarrollo de herramientas para construir modelos de crecimiento y madurez de cerezas, así como para que los productores puedan hacer seguimiento de su producción, y en particular de la calidad de ésta.
Con el objetivo de desarrollar una metodología para la construcción de modelos de desarrollo de cerezas mediante imágenes hiperespectral y modelos computacionales 3D de frutos, y así aportar a la mejora de la calidad de la producción de la cereza, el proyecto propone abordar tres grandes objetivos:
● Diseñar y capturar base de datos de imágenes, de variables agroclimáticas y mediciones fisiológicas.
● Desarrollar métodos de visión computacional y IA para la estimación de calibre, firmeza, color, y
grados brix de cerezas.
● Desarrollar, calibrar y validar modelos de crecimiento de cerezas a partir de los resultados obtenidos
con los algoritmos de visión computacional y IA desarrollados.
Para alcanzar estos objetivos, los investigadores convocados tienen un profundo conocimiento en las áreas complementarias desde la ingeniería (visión computacional, machine learning y robótica), y la fruticultura (fisiología de los árboles frutales caducos, sistemas de conducción, portainjertos, y gestión de huertos).

Este proyecto busca analizar el nivel de competencias digitales en estudiantes universitarios, abordando las brechas de género como un aspecto clave para una educación inclusiva y adaptada a las demandas de la era digital. La temática seleccionada es orden de género, ya que está investigación evaluará los factores asociados a las competencias digitales en estudiantes de primer y último año de la Universidad de O’Higgins, con el propósito de validar su impacto en la formación académica y el desarrollo de una ciudadanía digital activa y responsable.
Para alcanzar este objetivo, se utilizará un modelo de ecuaciones estructurales (SEM) que permitirá medir cinco dimensiones de competencias digitales según el Marco Europeo DigComp: alfabetización informacional y de datos, comunicación y colaboración, creación de contenido digital, seguridad y resolución de problemas. Además, se evaluará el efecto moderador del género en la relación entre estas competencias y el nivel de ciudadanía digital, considerando su relevancia en el contexto de la transformación digital.
El estudio se desarrollará mediante un enfoque cuantitativo, utilizando un cuestionario validado que será aplicado a una muestra representativa de estudiantes con equidad de género. Los resultados serán analizados a través de SEM con mínimos cuadrados parciales (PLS-SEM) para entender cómo estas competencias impactan la preparación de los y las estudiantes frente a los desafíos digitales actuales. Al finalizar el proyecto, los resultados se compartirán mediante, al menos, una publicación científica de alto impacto, una presentación en congreso, y un seminario de cierre dirigido a la comunidad universitaria, generando una base de conocimiento que apoye el desarrollo de políticas institucionales para reducir las brechas digitales de género en la educación superior.

Métodos basados en representaciones neuronales implícitas están empezando a usarse ampliamente en distintos ámbitos de visión computacional, robótica y sensado remoto. Este tipo de representaciones están permitiendo abordar múltiples problemas en ambientes no controlados como la agricultura, de manera robusta. Por ejemplo, métodos basados en Neural Radiance Fields (NeRF) se están explorando de manera amplia tanto con imágenes satelitales como en problemas de robótica de campo. En este contexto, el proyecto busca aunar competencias en visión computacional y aprendizaje de máquinas, usadas en la detección remota y en robótica, para abordar nuevas técnicas basadas en representaciones neuronales implícitas, para aplicaciones de la agricultura de precisión. Para lograr este objetivo, los investigadores convocados tienen un profundo conocimiento en estas áreas complementarias.
Es importante destacar que las áreas de sensado remoto (satelital y drones) y sensado próximo (robots y redes de sensores) están experimentando una aceleración sin precedentes. En el caso de sensado remoto, además de los grandes programas públicos como Sentinel, los actores privados están creando flotas de microsatélites capaces de vigilar la Tierra con revisitas diarias. Estos datos abundantes, baratos y de alta resolución están creando oportunidades para desarrollar aplicaciones novedosas para la supervisión de la actividad agrícola. En el caso del sensado próximo, las redes de sensores, junto con el uso de robots para monitoreo, está permitiendo un seguimiento regular de los procesos agrícolas, con una alta resolución temporal y espacial, por lo que cada vez hay una mayor disponibilidad de datos, que complementan los datos obtenidos mediante sensado remoto.
A nivel de uso, estas tecnologías se complementan, y a nivel de investigación, las técnicas utilizadas están empezando a converger, mediante el uso de métodos basados en redes neuronales, y más específicamente por métodos basados en representaciones neuronales implícitas, tales como Neural Radiance Fields (NeRF). Por todo esto, el estudio del sensado remoto y próximo de manera conjunta, y mediante marcos de trabajo con técnicas similares como las representaciones neuronales implícitas, tiene un gran potencial para en un futuro próximo generar una visión integrada de los procesos agrícolas mejorando la sostenibilidad y eficiencia en la agricultura.
Durante su ejecución, el proyecto llevará a cabo actividades de investigación conjunta, incluyendo seminarios online regulares, la toma de datos en terreno, y un workshop de cierre en el contexto de una conferencia internacional, que junto con el intercambio de investigadores en formación (magíster, doctorado y/o postdoctorado), así como visitas de investigadores senior, buscan articular una de red de trabajo que aborde de manera interdisciplinar y con técnicas modernas, problemáticas de sensado remoto y próximo en agricultura de precisión mediante representaciones neuronales implícitas, tales como Neural Radiance Fields (NeRF), entre otras.

Garantizar la competitividad de los usuarios del sello La Despensa de O’Higgins, mediante la disminución de las brechas de producción, tecnológicas, redes y de capacitación, para la obtención de productos agroalimentarios con sello regional de calidad, tradición e innovación.

El proyecto busca transferir un paquete tecnológico a las empresas
agrícolas que producen la nueva variedad de ciruela japonesa “Sweet Pekeetah”, a través de
mejores tecnologías y técnicas de manejo de los huertos, ante un escenario de incremento de las
temperaturas durante el período crecimiento y maduración de la fruta, para asegurar una
excelente calidad organoléptica, mejorando así la competitividad de las empresas beneficiarias.
Las brechas de productividad identificadas, que se busca atender con el proyecto, tienen relación
con una falta de zonificación agroclimática de los huertos que permita identificar la incidencia de
altas temperaturas estivales, falta de herramientas y manejos para evitar una maduración y
ablandamiento acelerado de la fruta y concentración de sólidos solubles bajo el óptimo, que
disminuye la calidad organoléptica de la fruta.
La solución propuesta busca difundir y adoptar un paquete tecnológico que intervenga, con
manejos agronómicos adecuados, los puntos críticos de la producción y que han mostrado ser
efectivos en mejorar la calidad organoléptica de la fruta. Por una parte, se caracterizará y
zonificará el ambiente agroclimático donde están emplazados los huertos de los beneficiarios, de
acuerdo al nivel de ocurrencia de eventos de estrés térmico, se definirán determinantes
fisiológicas que regulan la maduración de la fruta, abordando temáticas relacionadas al manejo de
carga, estrategias de fertilización y uso de reguladores de crecimiento.
El paquete tecnológico será transferido a las empresas atendidas a través de unidades
demostrativas, días de campo, jornadas técnicas de transferencia y seminarios. Las empresas que
serán atendidas corresponden a empresas agrícolas dedicadas a la producción de fruta fresca de
exportación y que tienen establecidos huertos comerciales de ‘Sweet Pekeetah’, a empresas
exportadoras de fruta fresca, que en la actualidad comercializan la variedad y viveros de plantas
frutales que propagan plantas de la variedad.