Introducción:

Para medir el nivel de decibeles al aire libre en distintos puntos, se utilizan herramientas de medición sonora con el fin de evaluar cómo interactúan las ondas de sonido con el entorno y determinar si existe algún tipo de contaminación auditiva (Alfie et al., 2017). Herramientas como el sonómetro, que mide el nivel de presión sonora en dB; el analizador de frecuencia, que analiza simultáneamente las bandas de frecuencia de interés; o el dosímetro, que indica la dosis total de ruido, son algunos de los instrumentos que permiten evaluar el ruido ambiental para realizar análisis estadísticos (A.G. 2003).

El ruido se entiende como cualquier sonido no deseado o potencialmente dañino, que es generado por las actividades humanas y que deteriora la calidad de vida de las personas. En este sentido, la contaminación auditiva se cataloga como la presencia de ruidos perjudiciales que ocasionan efectos perjudiciales en la salud. (Pacheco et al. 2009). Un estudio realizado por la Universidad de Barcelona menciona que el efecto mas nocivo de la exposicion a ambientes ruidosos en términos de rendimiento es que el ruido tiene la capacidad de atraer involuntariamente nuestra atención y, por lo tanto, tiene un efecto disrruptivo en la relación con las tareas que podemos estar realizando en un determinado momento. (Sergi, V. 2026).

Por motivos de interes y del cuidado estudiantil, se ha propuesto la medición sonora de los diferentes edificios ubicados en la Pontificia Universidad Javeriana de Cali, esto con el fin de presenciar el sonido presente en cada uno de estos a una hora especifica e identificar cual es el mas ruidoso

Descripción del estudio

Recorrido

El día 2 de febrero del año 2026 se realiza un recorrido de 29 minutos de duración, en el cual se recorrieron todos los edificios de la Universidad Javeriana de Cali. El punto de partida fue en el edificio guayacanes y dio final en el edificio Palmas.

Importar datos

Para la toma de datos se hizo uso de la aplicación Aircasting, utilizada para capturar datos de ruido al aire libre. Vamos a importar los datos tomados el día 2 de Febrero del año 2026 en la pontificia Universidad Javeriana, sede Cali, Valle del Cauca, Colombia. Es importante saber que no se excluyeron los datos fuera de los edificios, por lo que, el trabajo constara de entradas que corresponden a zonas cerradas (dentro de los edificios) y zonas abiertas (senderos y pasillos que conectan a los edificios). sin embargo, los datos provenientes de espacios abiertos representan una proporción minima del total, debido a que los trayectos entre edificios son relativamente cortos en comparación con el tiempo de medición dentro de cada edificio.

library(readr)
Ruido_1 <- read_csv("Ruido 1.csv", skip = 8)


require(leaflet)
leaflet() %>% addTiles() %>%
  addCircleMarkers(lng = Ruido_1$Longitude,lat = Ruido_1$Latitude)

En el siguiente mapa se logra observar el recorrido realizado en la pontificia Universidad Javeriana de Cali, iniciando en el edificio guayacanes y terminando en el edificio palmas

Medición por jornada

Despues de realizar el recorrido se obtuvo un total de 1384 entradas. Con el fin de manipular los datos de manera mas eficiente, se dividieron en dos partes y se catalogaron como valores de “Jornada”. Los primeros 692 datos corresponden a la jornada “Día” y los 692 sobrantes corresponden a la jornada “Noche”

n=dim(Ruido_1)[1]/2

jornada=c(rep("dia", n),rep("noche",n))

Ruido_1$jornada=jornada

require(table1)


table1(~`1:Measurement_Value`|jornada,data = Ruido_1)
dia
(N=692)		 noche
(N=692)		 Overall
(N=1384)
1:Measurement_Value
Mean (SD) 61.3 (7.09) 69.3 (6.36) 65.3 (7.83)
Median [Min, Max] 61.0 [44.0, 84.0] 70.0 [51.0, 85.0] 65.0 [44.0, 85.0]

La tabla muestra diferencias significativas en los niveles de ruido.

Gracias al codigo hemos obtenido la media y mediana de los datos. Se logro observar que los datos de la jornada “noche” son mayores a los de la jornada del “día”. Esto indica que, a la hora de hacer el recorrido, los edificios mas ruidosos tubieron las ultimas entradas a la base.

Resultados:

Nivel de sonido

Gracias a los resultados arrojados por la aplicación “Aircasting”, se pudieron realizar las siguientes graficas

library(ggplot2)
require(ggplot2)
ggplot(data = Ruido_1, aes(x=`1:Measurement_Value`))+geom_histogram(fill="#3B2F2F")

Figura 1: Muestra una grafica de barras con eje x= 1:Meassurement_Value que indica el valor del nivel de sonido en decibeles, y y= cantidad de entradas con un nivel de decibeles especifico.

Gracias al grafico logramos ver que una gran cantidad de entradas se encuentran ubicadas en un rango de entre 60 a 70 decibeles. Si bien, podemos decir que los edificios de la universidad cumplen con con los limites permisibles según la Resolución 0627 del año 2006, que indican que para el día, el limite debe ser de 70 decibeles. (Secretaría de Ambiente de Bogotá, 2022), a nivel educativo, el ruido en las zonas escolares debe oscilar entre los 50 a 60 decibeles, ya que mas de esto se considera un ambiente ruidoso (kuczyński, j. 2024).

Comparación entre jornadas

Con el fin de poder visualizar que mitad de datos (jornada) poseia las entradas con mayor número de decibeles se realiza un grafico de cajas y bigotes.

require(ggplot2)
ggplot(data = Ruido_1, aes(x=jornada, y=`1:Measurement_Value`,fill = jornada))+geom_boxplot()

Figura 2: Muestra una grafica de barras con eje “x”= jornada, y “y”= decibeles de cada entrada.

Podemos observar que hay una diferencia significativa entre los datos arrojados por cada jornada. En la jornada “Día” (entrada 1 a la 692) se presentaron valores que oscilan entre los 50 y 60 decibeles, estos datos pertenecen a los edificios Guayacanes, Lagos, Acacias y Cedro. Mientras que en la jornada “Noche” (entrada 693 a la 1384) se presentaron valores mucho mas elevados, con datos que oscilan entre los 65 a 75 decibeles, estos datos pertenecen a los edificios Almendros, Saman, Educación Continua, Biblioteca y Palmas.

Cabe resaltar que en ambas jornadas se presentaron datos atípicos inusualmente alejados de los cuartiles mostrados en la grafica. Esto podría deberse a que la grabación se realizo en una sola toma por lo que las entradas fuera de los edificio tambien se guardaron. Aquellos que presentaban decibeles muy bajos pudieron haberse tomado en el camino Lagos-Acacias, cuyo sendero es altamente silencioso. mientras que los valores que presentaban decibeles muy altos pudieron haberse tomado en el transecto Biblioteca-Palmas, cuyo sendero no es precisamente silencioso.

Tendencia de los datos:

Con el fin de evidenciar la tendencia de la muestra de datos, se realizo un grafico de dispersión.

require(ggplot2)
ggplot(data = Ruido_1, aes(x=Timestamp, y=`1:Measurement_Value`))+geom_point()+geom_smooth()

Figura 3: Grafico de dispersion de datos con eje “x”= tiempo, y “y”= decibeles de cada entrada individual.

require(ggplot2)
ggplot(Ruido_1, aes(x=Timestamp, y =`1:Measurement_Value`, colour = jornada )) + geom_point()+ geom_smooth()

Figura 4: Grafico de dispersión de datos con distinsión entre entradas de las jornadas “Día” y “Noche” con eje “x”= tiempo, y “y”= decibeles de cada entrada individual.

Los valores de las entradas muestran como el codigo aplica una media movil a los datos generando una tendencia. En esta podemos presenciar como mientras más va pasando el tiempo, el ruido va aumentando. Esto podria deberse al tiempo en el que se adquirieron las ultimas entradas, las cuales se encuentran muy cercanas a las 16:00 (4pm) que, generalmente, en las universidades hay cambio de clase.

Conclusión:

El analisis de 1384 registros obtenidos mediante la aplicación AirCasting, mostró diferencias significativas en los niveles de ruido entre las dos jornadas creadas. Los resultados muestran que la jornada “Noche” presento en promedio valores superiores a los registrados en la jornada “Día”, lo que muestra que en los edificios pertenecientes a ese periodo, hay una cantidad de ruido mayor. Aunque la mayoria de los registros se concentraron en un rango de entre 60 a 70 decibeles, cumpliendo con el limite maximo permitido, varios valores superaron los niveles recomendados para ambientes educativos (50-60 decibeles), lo que podria afectar la concentración y el rendimiento académico, ademas de poner en juego el bienestar universitario.

Aunque niveles de ruido registrados no sobrepasan de manera critica los límites generales, se evidencias condiciones sonoras elevadas para espacios educativos. Sería recomendable hacer mediciones muy especificas para cada edificio teniendo en cuenta el horario, esto con el fin de integrar estrategias de control de ruido y asi favorecer a todos aquellos que quieren aprender en este ambiente académico

Bibliografia:

. Alfie Cohen, M., & Salinas Castillo, O. (2017). Ruido en la ciudad. Contaminación auditiva y ciudad caminable. Estudios demográficos y urbanos, 32(1), 65-96.

. A., G. (2003). Instrumentos de medida. Ehu.Eus. https://www.ehu.eus/acustica/espanol/ruido/inmes/inmes.html

. Kuczyński, J. (2024, November 3). El ruido en las escuelas - SVANTEK Academy. Svantek.

. Pacheco, J., Franco, J. F., & Behrentz, E. (2009). Caracterización de los niveles de contaminación auditiva en Bogotá: Estudio piloto. Revista de ingeniería, (30), 72-80.

. Secretaría de Ambiente de Bogotá. (2022). Secretaría de Ambiente impuso tres medidas preventivas de suspensión de actividades a establecimientos ruidosos. Recuperado de https://www.ambientebogota.gov.co/historial-de-noticias/-/asset_publisher/VqEYxdh9mhVF/content/secretaria-de-ambiente-impuso-tres-medidas-preventivas-de-suspension-de-actividades-a-establecimientos-ruidosos

.Sergi, V. (2026). Efectos del ruido sobre el rendimiento. Www.ub.edu. https://www.ub.edu/psicologia_ambiental/unidad-4-tema-9-4