INTRODUCCIÓN

La calidad del entorno acústico en las instituciones de educación superior es un factor determinante no solo para el bienestar físico de la comunidad universitaria, sino también para la eficacia de los procesos de enseñanza y aprendizaje. En este contexto, el presente informe se desarrolla en el campus de la Universidad del Valle (Univalle), un espacio caracterizado por una compleja dinámica de interacción entre zonas de estudio, tránsito peatonal y áreas de esparcimiento.

De acuerdo con la revisión realizada por Ali, H., Farhan, A. y Jawad, A. (2023) titulada Comprehensive Review of Noise Pollution Sources, Health Impacts, and Acoustic Environments Affecting College and University Students, se reconoce que la exposición prolongada a niveles elevados de ruido ambiental puede derivar en impactos negativos significativos para la salud, tales como estrés, fatiga auditiva, trastornos del sueño e interferencia en la comunicación y los procesos cognitivos.

En concordancia con lo anterior, en entornos universitarios urbanos, como el de Univalle, las principales fuentes de contaminación acústica incluyen el tráfico vehicular circundante, las actividades internas del campus particularmente en zonas de alta circulación y las dinámicas sociales propias de espacios abiertos, configurando un paisaje sonoro complejo que puede afectar directamente el rendimiento académico y el bienestar emocional de los estudiantes.

Para abordar esta problemática, se llevó a cabo un monitoreo ambiental en puntos estratégicos del campus como: la Plazoleta de Ingeniería (edificio E24), Mesitas ( edificio E20) y la Zona Central; recolectando una base de datos georreferenciados que supera los 3,000 registros. La gestión, el procesamiento y el análisis estadístico de esta información se realizaron mediante el software RStudio, utilizando el lenguaje de programación R para garantizar la reproducibilidad y precisión de los resultados. A través de técnicas de visualización espacial y análisis descriptivos avanzados.

sonido_todos <- bind_rows(
  Plazoleta_Ing %>% mutate(lugar = "Plazoleta Ingenieria"),
  mesitas       %>% mutate(lugar = "Mesitas"),
  central_      %>% mutate(lugar = "Central")
)


datos_ruido <- sonido_todos %>%
  mutate(
    lat   = as.numeric(Latitude), 
    lon   = as.numeric(Longitude), 
 
    dB    = as.numeric(`1:Measurement_Value`)
  ) %>%

  filter(!is.na(lat),
         dB >= 30 & dB <= 110) %>% 
  select(lat, lon, dB, lugar)


library(leaflet)
paleta <- colorNumeric(palette = "YlOrRd", domain = datos_ruido$dB)

mapa <- leaflet(datos_ruido) %>%
  addTiles() %>%
  fitBounds(~min(lon), ~min(lat), ~max(lon), ~max(lat)) %>% 
  addCircleMarkers(
    lng = ~lon, lat = ~lat, radius = 5,
    color = "black", weight = 0.5,
    fillColor = ~paleta(dB), fillOpacity = 0.7,
    popup = ~paste0("<b>", lugar, "</b><br>Ruido: ", dB, " dB"),
    label = ~paste0(lugar, ": ", dB, " dB")
  ) %>%
  addLegend(pal = paleta, values = ~dB, title = "Ruido (dB)")

mapa

Figura 1. La distribución espacial de los niveles de ruido medidos en el área de estudio, representados mediante puntos de color sobre un mapa. Cada punto corresponde a una medición, y su color indica la intensidad del sonido en decibeles (dB), siguiendo una escala que va desde 60 hasta 85 dB, donde los tonos más claros representan niveles más bajos y los tonos más oscuros indican mayor intensidad sonora.

De este modo, el estudio permite identificar las principales fuentes de ruido y su distribución espacial dentro del campus y aportar evidencia técnica relevante para el anális de datos estadisticos.

EXPLORACIÓN

En este análisis se siguieron una serie de pasos metodológicos para garantizar un estudio estructurado de los niveles de sonido registrados en tres puntos diferentes: restaurante central, segundo piso de ciencias (mesas) y plazoleta de ingeniería de la Universidad del Valle sede meléndez, mediante la aplicación AirCasting. A continuación, se describen las etapas principales del proceso.

Los datos utilizados fueron obtenidos mediante la aplicación Aircasting, una plataforma y herramienta que permite registrar, mapear y compartir datos de mediciones ambientales en tiempo real utilizando los sensores del dispositivo móvil. Nos desplazamos a tres lugares diferentes dentro de la universidad y tomamos registros de sonido con una duración de quince minutos. 

Los datos obtenidos incluyen:

  • Marca de tiempo: Fecha y hora en la que se registró la medición del sonido.

  • Nivel de sonido: Nivel de sonido registrado en decibeles (dB).

  • Latitud: Latitud geográfica del lugar donde se realizó la medición.

  • Longitud: Longitud geográfica correspondiente a la ubicación del punto de medición.

  • Ubicación: Identificación del lugar dentro del campus donde se realizó la medición.

Estos datos fueron proporcionados en un formato Excel, para su posterior análisis. 

Se revisaron los registros para identificar posibles errores o valores atípicos, se organizaron las mediciones de cada uno de las tres muestras, este proceso permitió garantizar que los datos estuvieran correctamente estructurados.

Para este punto, se elaboró una tabla con estadísticas descriptivas utilizando las librerías (table1) y (dplyr), lo que permitió resumir y comparar la información de manera estructurada. Adicionalmente, se construyó un diagrama de cajas con (boxplot) con el fin de analizar la distribución del ruido entre las zonas e identificar diferencias en la dispersión y tendencia de los datos.

Tabla 1. La tabla presenta un resumen estadístico de los niveles de sonido medidos en tres zonas: Central, Mesitas y Plaza.

library(table1)
library(dplyr)

Plazoleta_Ing$Ubicacion <- "Plaza"
mesitas$Ubicacion       <- "Mesitas"
central_$Ubicacion      <- "Central"

sonido_todos <- bind_rows(Plazoleta_Ing, mesitas, central_)
sonido_todos <- sonido_todos %>%
  filter(!is.na(.[[4]])) %>% 
  mutate(
    Latitud = as.numeric(.[[4]]),
    Longitud = as.numeric(.[[5]]),
    Ruido = as.numeric(.[[6]])
  )

label(sonido_todos$Ruido)    <- "Nivel de Sonido (dB)"
label(sonido_todos$Longitud) <- "Longitud"
label(sonido_todos$Latitud)  <- "Latitud"

table1(~ Ruido + Longitud + Latitud | Ubicacion, 
       data = sonido_todos,
       caption = "Resumen Estadístico de Niveles de Sonido por Zona")
Resumen Estadístico de Niveles de Sonido por Zona
Central
(N=872)		 Mesitas
(N=930)		 Plaza
(N=460)		 Overall
(N=2262)
Nivel de Sonido (dB)
Mean (SD) 71.7 (5.42) 75.4 (3.23) 73.7 (4.19) 73.6 (4.68)
Median [Min, Max] 71.3 [60.6, 86.5] 75.0 [66.0, 87.0] 74.0 [56.0, 86.0] 74.0 [56.0, 87.0]
Longitud
Mean (SD) -76.5 (0.0000330) -76.5 (0.000358) -76.5 (0.0000360) -76.5 (0.00101)
Median [Min, Max] -76.5 [-76.5, -76.5] -76.5 [-76.5, -76.5] -76.5 [-76.5, -76.5] -76.5 [-76.5, -76.5]
Latitud
Mean (SD) 3.37 (0.0000430) 3.38 (0.0000873) 3.38 (0.0000479) 3.37 (0.00173)
Median [Min, Max] 3.37 [3.37, 3.37] 3.38 [3.38, 3.38] 3.38 [3.38, 3.38] 3.38 [3.37, 3.38]

Posteriormente, se realizó un análisis comparativo de las distribuciones mediante un histograma superpuesto utilizando (graphics), empleando los mismos intervalos (breaks) para todas las zonas. En este gráfico se representan los datos con diferentes colores como azul para plazoleta, verde para central y rojo para mesitas; también un nivel de transparencia que facilitó la comparación visual de la concentración de frecuencias y los niveles de ruido entre las tres ubicaciones.

datos_ruido <- bind_rows(
  plaza   %>% mutate(lugar = "Plaza"),
  mesitas %>% mutate(lugar = "Mesitas"),
  central %>% mutate(lugar = "Central")
) %>%
  mutate(dB = as.numeric(`1:Measurement_Value`)) %>%
  filter(!is.na(dB))


d_plaza   <- na.omit(datos_ruido$dB[1:460])
d_mesitas <- na.omit(datos_ruido$dB[461:(460+930)])
d_central <- na.omit(datos_ruido$dB[(460+930+1):nrow(datos_ruido)])


cortes <- seq(40, 100, by = 2)


h1 <- hist(d_plaza, breaks = cortes, plot = FALSE)
h2 <- hist(d_mesitas, breaks = cortes, plot = FALSE)
h3 <- hist(d_central, breaks = cortes, plot = FALSE)
max_y <- max(c(h1$counts, h2$counts, h3$counts), na.rm = TRUE)


plot(NULL, 
     xlim = c(50, 95), 
     ylim = c(0, max_y * 1.1), 
     main = "Comparativa de Distribucion de Ruido - Univalle",
     xlab = "Decibeles (dB)",
     ylab = "Frecuencia",
     las = 1)


hist(d_plaza, col = rgb(0, 0, 1, 0.4), add = TRUE, border = "white", breaks = cortes)
hist(d_mesitas, col = rgb(1, 0, 0, 0.4), add = TRUE, border = "white", breaks = cortes)
hist(d_central, col = rgb(0, 1, 0, 0.4), add = TRUE, border = "white", breaks = cortes)


legend("topright", 
       legend = c("Plazoleta", "Mesitas", "Central"),
       fill = c(rgb(0,0,1,0.4), rgb(1,0,0,0.4), rgb(0,1,0,0.4)),
       bty = "n")

Figura 2. El histograma presenta una comaparacion de distribucion de los niveles de ruido en tres zonas de Univalle (Plazoleta, Mesitas y Cntral), ademas de se observa la frecuencia de valores registrados en decibeles (dB).

Finalmente, se llevó a cabo un análisis geoespacial centrado en la visualización de las zonas y la intensidad del ruido, mediante la construcción de un mapa con (leaflet). Este permitió representar la ubicación de cada medición y emplear una escala de colores para evidenciar la variación en los niveles de sonido dentro del campus.

TEORÍA

Antes de tomar las pruebas de sonido se esperaba que el promedio de sonido fuese más alto en la cafetería central y en plazoleta de ingenierías, pues estos lugares tienden a ser más concurridos por lo tanto más ruidosos pues los niveles de ruido ambiental están fuertemente correlacionados con la densidad de población; a mayor densidad, generalmente se produce un aumento del ruido proveniente principalmente de la actividad humana (World Health Organization. 2018). Por esto se creyó que la cafetería central tendría el los mayores índices de ruido, pues se evidencia un incremento significativo de personas entre las 11:30  y las 15:30 en esta zona, siendo su pico más alto de entre las 13:00 y las 14:00, sin embargo todas las muestras fueron tomadas simultáneamente de 15:21 a 15:36 por lo que se pensaría que cafetería central no arroja un promedio tan alto de ruido como el que se puede esperar en su hora pico. Por otra parte, las mesas de ciencias no es un lugar tan concurrido a comparación de los dos anteriormente mencionados por lo que se esperaría que en promedio el ruido sea más bajo, especialmente en el lago.

Para comprobar la hipótesis se evaluaron los datos obtenidos en la TABLA 1 y el histograma, donde se logra observar que mesas de ciencias fue el lugar más ruidoso con un promedio de 75.4 dB, seguido por plazoleta de ingeniería con un promedio de 73,4 dB y posteriormente cafetería central con un promedio 71,7 dB. Completamente distinto a lo esperado en la hipótesis. Probablemente mesas de ciencias fue la localidad más ruidosa a causa de el espacio físico y el lugar donde se tomó la prueba de rudo, la prueba de sonido se tomó muy cerca de los grupos de estudiantes que habitaban este espacio lo que arrojó datos de sonido  mucho más altos pues La intensidad del sonido disminuye con la distancia a la fuente, lo que significa que a medida que el oyente se acerca a la fuente de sonido, la sonoridad percibida aumenta (National Aeronautics and Space Administration), además esta localidad a diferencia de las otras se encuentra en un lugar más cerrado por lo que los reflejos del sonido en las paredes, los techos y los suelos pudieron aumentar los niveles generales de sonido, haciendo que el sonido se registrará como más alto en este lugar.

Analizando el box plot se identifica que el lugar que tiene un extremo superior más alto y el extremo superior más bajo fue cafetería central, además de tener la los cuartiles inferiores y superiores más alejados, por lo que se puede afirmar que este lugar fue el que presentó una mayor dispersión de datos. seguido a este plazoleta de ingeniería fue el segundo lugar con más dispersión de datos teniendo en cuenta lo cuartiles y los extremos, Finalmente el lugar que presentó una menor  dispersión de datos en extremos y cuartiles fue mesa de ciencias, pero esta presenta varios valores atípicos muy altos que no se registraron dentro de los extremos, estos valores atípicos aumentaron el ruido promedio de mesitas, aunque la concentración de datos en este lugar también arroja niveles de ruido muy altos. Por otra parte en la TABLA 1 se observa la mediana registrada de los datos tomados siendo la mediana mas alta de 75,0 en mesas de ciencias, seguida por 74,0 en plazoleta seguida finalmente por 71,3 en la cafetería central, a causa de los valores atípicos observados en el box plot en las muestras obtenidas en las 3 localidades se puede afirmar que el valor de medida de tendencia más robusto es la mediana, por la densidad tan alta de datos y por su baja sensibilidad a los valores atípicos demasiado altos o demasiado bajos.

boxplot(dB ~ lugar, data = datos_ruido,
        main = "Distribución de Niveles de Ruido por Zona",
        xlab = "Ubicación del Sensor", 
        ylab = "Decibeles (dB)",
        col = c("#377EB8", "#4DAF4A", "#E41A1C"),
        border = "black",
        las = 1)

Figura 3. La imagen presenta la distribución de los niveles de ruido (en decibeles) en tres zonas: Central, Mesitas y Plazoleta de Ingeniería, mediante diagramas de caja que permiten comparar la dispersión y tendencia de los datos en cada sector.

Referencias