Método neutrosófico para medir el impacto de la contaminación ambiental que se genera en la naturaleza y el ser humano por desechos arrojados en el Río Cristal del Cantón Montalvo

Autores/as

  • Génesis Mercedes Peñafiel Huerta Universidad Regional Autónoma de Los Andes, Babahoyo
  • Madeleine Nicol Vásquez Silva Universidad Regional Autónoma de Los Andes, Babahoyo
  • Andrée Alexandre Amores Aguiar Universidad Regional Autónoma de Los Andes, Babahoyo
  • Alex Javier Peñafiel Palacios Universidad Regional Autónoma de Los Andes, Babahoyo

Palabras clave:

métodos multicriterios, contaminación ambiental, método neutrosófico, impacto de la contaminación ambiental

Resumen

De acuerdo a encuestas y entrevistas previamente realizadas a los habitantes del sector Barrio Chino, sobre la contaminación que generan en el Rio Cristal, y mediante un sondeo se ha podido determinar que estas personas no tienen claridad sobre la contaminación que generan el arrojar grandes y diferentes tipos de desechos sobre el afluente ubicado en el cantón Montalvo. A partir de la problemática antes descrita la presente investigación tiene como objetivo desarrollar un método neutrosófico para medir el impacto de la contaminación ambiental que se genera en la naturaleza y el ser humano por desechos arrojados en el Río Cristal del Cantón Montalvo. La investigación se realizó mediante un enfoque cualicuantitativo, descriptivo y transversal.  A partir de la implementación del método se identifica un alto impacto de contaminación ambiental facilitándose esta información a la autoridad del Cantón, solicitándole que capaciten a estos ciudadanos principalmente sobre el tema mencionado y demás temas referentes y primordiales en este campo, que los ciudadanos deben conocer, para evitar que se siga contaminando este río.

Publicado

2022-12-01

Cómo citar

Método neutrosófico para medir el impacto de la contaminación ambiental que se genera en la naturaleza y el ser humano por desechos arrojados en el Río Cristal del Cantón Montalvo. (2022). Neutrosophic Computing and Machine Learning. ISSN 2574-1101, 24, 37-43. https://fs.unm.edu/NCML2/index.php/112/article/view/268