InGenio Journal
Revista de Ciencias de la Ingeniería de la Universidad Técnica Estatal de Quevedo
https://revistas.uteq.edu.ec/index.php/ingenio
e-ISSN: 2697-3642 - CC BY-NC-SA 4.0
Análisis de metodologías para la caracterización de
residuos sólidos en instituciones de educación superior:
revisión sistemática
(Analysis of Methodologies for Characterizing Solid Waste in Higher
Education Institutions: Systematic Review)
Diego Fernando López Correa
, Mónica Delgado-Yánez
, Eysthin Andrés Medica Saca
,
Carlos Gabriel Enríquez Pinos
InGenio Journal
Revista de Ciencias de la Ingeniería de la Universidad Técnica Estatal de Quevedo
https://revistas.uteq.edu.ec/index.php/ingenio
e-ISSN: 2697-3642 CC BY-NC-SA 4.0
Volumen 8 | Número 1 | Pp. 1–4 | Enero 2025 Recibido (Received): 2024/03/08
DOI: https://doi.org/10.18779/ingenio.v8i1.845 Aceptado (Accepted): 2024/09/24
Análisis de metodologías para la caracterización de
residuos sólidos en instituciones de educación superior:
revisión sistemática
(Analysis of Methodologies for Characterizing Solid Waste in Higher
Education Institutions: Systematic Review)
Diego Fernando López Correa
, Mónica Delgado-Yánez , Eysthin Andrés Medica Saca
,
Carlos Gabriel Enríquez Pinos
Universidad Central del Ecuador, Quito, Ecuador
dflopezc1@uce.edu.ec, msdelgadoy@uce.edu.ec, eamedinasaca1@uce.edu.ec, cgenriquez@uce.edu.ec
Resumen: La gestión eficiente de los residuos sólidos en instituciones de educación superior
es un desafío crucial en la búsqueda de prácticas sostenibles y responsables. Por tanto, el
objetivo del presente artículo fue analizar las metodologías para la caracterización de residuos
sólidos, mediante la revisión sistemática para la elaboración de guías que sirvan de pautas
para estudios similares. Se identificó la ausencia de enfoques estandarizados específicos para
las instituciones de educación superior. Sin embargo, en su mayoría toman como base lo
expuesto por el CEPIS y la ASTM D5231-2, pero aún existen variaciones en el número de
días de muestreo y cantidad de muestra. Por otro lado, los autores coinciden en los métodos
de validación estadística por medio de Crochan, Anova y análisis de regresión múltiple,
convirtiéndose en herramientas adecuadas que permiten asegurar la confiabilidad de los datos
obtenidos. Finalmente, se establecieron recomendaciones metodológicas para el caso de otras
instituciones de educación superior.
Palabras clave: CEPIS, instituciones de educación superior, metodologías, residuos sólidos,
validación estadística.
Abstract: The efficient management of solid waste in higher education institutions is a
crucial challenge in the search for sustainable and responsible practices. Therefore, the
objective of this article was to analyze methodologies for the characterization of solid waste,
through a systematic review for the development of guidelines to serve as guidelines for
similar studies. The absence of specific standardized approaches for higher education
institutions was identified. However, they are mostly based on what is stated by CEPIS and
ASTM D5231-2, but there are still variations in the number of sampling days and sample
quantity. On the other hand, the authors agree on the statistical validation methods through
Crochan, Anova and multiple regression analysis, becoming appropriate tools that ensure the
reliability of the data obtained. Finally, methodological recommendations were established
for other higher education institutions.
Keywords: CEPIS, higher education institutions, methodologies, solid waste, statistical
validation
1. INTRODUCCIÓN
En las instituciones de educación superior de América Latina se han realizados estudios
similares que sirven como punto de partida, como el caso de la Universidad Nacional Autónoma
de México (UNAM) que estimó una producción per cápita de 0,11 kg/hab.día [1], seguido de la
Volumen 8 | Número 1 | Pp. 32–45 | Enero 2025
DOI: https://doi.org/10.18779/ingenio.v8i1.845
Recibido (Received): 2024/03/08
Aceptado (Accepted): 2024/09/24
InGenio Journal, 8(1), 32–45 33
InGenio Journal, 8(1), 1–4
| 2
Universidad Autónoma de Baja California con 0,05 kg/hab.día [2], y la Universidad Pontifica
Bolivariana de Bucaramanga con 0,023 kg/hab.día [3].
De la misma manera, se han realizado estudios en Ecuador en algunas instituciones de
educación superior. Tal es el caso de la sierra ecuatoriana, donde la Escuela Politécnica Nacional
estimó una producción per cápita de 0,07 kg/hab.día [4] y en la Universidad Politécnica Salesiana
sede Quito con 0,3 kg/hab.día [5]. Mientras que en la región insular, la Universidad Técnica
Estatal de Quevedo con una producción per cápita de 0,0915 kg/hab.día [6].
Por su parte, en la Universidad Central del Ecuador (UCE) se han realizado dos estudios de
caracterización de residuos sólidos. El primero data del año 2004, donde se estimó una producción
per cápita de 0,1513 kg/hab.día, siendo los residuos orgánicos los más representativos con un 30,4
%, siguiendo los plásticos con un 21,49 %, y por último los residuos de papel con un 19,74 % [7].
El segundo estudio, fue realizado en el año 2017 en la Facultad de Artes, donde se estimó una
producción per cápita de 0,066 kg/hab.día [8].
Por otro lado, de acuerdo con el informe de la “Evaluación Regional del Manejo de Residuos
Sólidos Urbanos en América Latina y el Caribe 2010” [9], la poblacional del Distrito
Metropolitano de Quito (DMQ) se sitúa en la categoría de ciudades grandes, presentando
promedios regionales de producción per cápita de 1,14 kg/hab.día para los residuos sólidos
urbanos, aunque los valores registrados son significativamente inferiores a la media regional,
manteniéndose dentro del rango de la media nacional que oscila entre 0,85 kg/hab.día [9].
Una de las ciudades con mayor población es el DMQ [10], en la cual, debido a su gran
población y extensión, uno de los principales problemas que se puede evidenciar es su gran
producción de residuos sólidos. Según estadísticas de la Empresa Pública Metropolitana de
Gestión Integral de Residuos Sólidos (EMGIRS), se producen aproximadamente 2000 t/día de
residuos sólidos en la ciudad de Quito, de los cuales menos del 2 % son recuperados antes de su
disposición final [11].
En los últimos nueve años se han llevado a cabo dos análisis de caracterización en el DMQ
[12]. El primer estudio fue realizado en el 2012, a nivel de centros educativos para los sectores de
la América, en el que se estimó una producción per cápita de 0,029 kg/hab.día, siendo los residuos
orgánicos de cocina los más representativos con un 24,47 %, siguiendo el papel con un 14,42 %,
y los residuos compuestos con un 11,14 % [13]. Mientras que en el estudio realizado en el 2021
por la consultora Asamtech [12], se estimó una producción per cápita de 0,017 kg/hab.día, siendo
los residuos orgánicos (alimentos y poda) los más representativos con un 32,4 %, siguiendo los
plásticos con un 24,09 %, y por último los residuos de papel y cartón con un 16,52 % [12].
Sin embargo, en todos estos estudios mencionados existe una gran variabilidad de las
metodologías empleadas: frecuencia de muestreo, número de muestras, variables analizadas,
clasificación y modelos de validación. En consecuencia, el presente artículo tiene como objetivo
realizar una revisión sistemática de las metodologías utilizadas en la caracterización de residuos
sólidos en instituciones de educación superior (IES), para la elaboración de guías que sirvan de
pautas para estudios similares.
Con los resultados obtenidos se pretende establecer recomendaciones en cuanto a la
metodología a emplearse para el caso de instituciones educativas de educación superior. De este
modo se puede obtener una caracterización y cuantificación fiable de los residuos sólidos
generados en estas zonas; además, con esto se podrán plantear proyectos de reciclaje y
recuperación de materiales.
InGenio Journal, 8(1), 32–45 34
InGenio Journal, 8(1), 1–4
| 3
2. METODOLOGÍA
Para obtener información relevante sobre el presente tema, se ha recurrido a diversas bases de
datos como ScienceDirect, Dialnet y SciELO, en donde se puede encontrar estudios fiables y
aplicables al caso de estudio presentado. Además, se han definido unos criterios de inclusión y
exclusión con el fin de establecer una acotación y seleccionar los artículos que presenten una
metodología realizable y aplicable al caso de estudio. Los criterios de inclusión y exclusión son
los siguientes:
• ¿El estudio se centra en una institución educativa?
• ¿La información es actualizada?
• ¿Días de muestreo menor o igual a 10 días?
• Palabras clave: Residuos sólidos, caracterización, instituciones de educación superior,
metodologías, CEPIS, validación estadística.
Se emplearon palabras claves y variables relacionadas con el tema, así como operadores
boléanos como: AND y OR: “Residuos sólidos” AND “caracterización”; “Instituciones de
educación superior” OR “Universidades”; “Metodología” AND “Caracterización”; “Residuos
sólidos universitarios” OR “desechos sólidos universitarios”; “muestreo” AND “número de
muestras”; “Guías para la caracterización de residuos sólidos” OR “Manuales de residuos
sólidos”, entre otros.
Las fuentes de información primaria utilizadas son trabajos de tesis, artículos con revisión par
ciego y libros sobre el tema [14], como fuentes de información secundaria tenemos a aquellos
artículos, revistas o libros que analizan, valoran, sintetizan o traducen lo escrito en fuentes
primarias [15].
La revisión sistemática del presente trabajo se encuentra basada en la metodología Prisma
para revisión sistemática y meta-análisis [16-19], en la Figura 1 se visualiza la misma.
Identificación
Artículos identificados a
través de búsqueda en bases
de datos (n=123).
ProyecciónElegibilidadIncluidos
Artículos identificados a
través de otras fuentes (n=0).
Artículos después de eliminar
los duplicados (n=100)
Artículos seleccionados
(n=60)
Artículos excluidos (n=35)
Artículos a texto completo
con posibilidad de
elegibilidad (n=25).
Artículos excluidos por
razones justificadas (n=6).
Estudios inclui dos para
síntesis y revisión (n=19).
Figura 1. Desarrollo de la metodología Prisma usada.
InGenio Journal, 8(1), 32–45 35
InGenio Journal, 8(1), 1–4
| 4
Después de una primera búsqueda, se identificaron 123 artículos científicos relacionados con
el tema tratado. Posteriormente, al verificar duplicados, se descartaron 23 estudios. Seguidamente,
se aplicaron los criterios de inclusión y exclusión, con lo cual se excluyeron 35 artículos. Con la
revisión completa de los 25 estudios restantes, se descartaron 6 por presentar metodologías que
no fueron explicadas a detalle. Finalmente, se verificó que 19 artículos están relacionados con la
caracterización de los residuos sólidos, los cuales pueden aportar con pautas para las demás
instituciones educativas.
Los estudios que fueron incluidos para el proceso de síntesis y revisión fueron sometidos a un
proceso minucioso descrito a continuación en la Figura 2.
INICIO
Revisión bibliográfica de artículos
científicos indexados en bases de
datos, tesis y normativa vigente
¿Se adecua al objeto de
estudio?
Si
¿Está actualizada?
Extracción de información valida, y
se guarda en el gestor de
referencias.
Si
Elaboración de un cuadro
comparativo con las metodologías
usadas
Análisis y conclusiones de las
metodologías investigadas
Se escoge un esquema
metodológico, que se adapte al
tema planteado
FIN
No
No
Figura 2. Metodología del trabajo.
En primer lugar, se verificaron que los estudios que fueron elegidos para la revisión y síntesis
se adecuen al objeto de estudio, y también que estos se encuentren actualizados. Seguidamente,
se continuó con la extracción de información válida y relevante para el estudio, guardándola en
un gestor de referencias; en este punto, se descartaron 5 estudios, debido a que algunas variables
como tasas de generación y composición física no fueron analizadas en las investigaciones del
artículo en cuestión. Luego, se elaboró un cuadro comparativo de las metodologías usadas en cada
InGenio Journal, 8(1), 32–45 36
InGenio Journal, 8(1), 1–4
| 5
uno de los estudios. Finalmente, con base en el análisis realizado, se plantearon pautas
metodológicas específicas para instituciones de educación superior.
3. RESULTADOS
Después de una revisión exhaustiva, descrita en la Figura 2, se rescataron 7 artículos
científicos relacionados con la caracterización y muestreo de residuos sólidos en zonas
residenciales y no residenciales donde se ubican además instituciones de educación superior en
el área de influencia directa; y, por otro lado, se obtuvieron 7 estudios relacionados con la
caracterización y muestreo en instituciones educativas de nivel superior de manera exclusiva, los
cuales aportan con pautas metodológicas de muestreo y caracterización de residuos sólidos.
Es importante destacar que las tasas de generación y la composición de residuos reflejan el
comportamiento específico de la fuente de origen, pero no necesariamente representan fielmente
las tasas y la composición de toda una ciudad.
Los modelos de gestión propuestos en las interrelaciones entre los elementos funcionales de
un sistema de gestión de residuos se pueden observar en el siguiente esquema de la Figura 3.
Generación de Residuos
Manipulación y separación,
almacenamiento y
procesamiento en el origen
Recolección
Transferencia y
transporte
Separación y transformación
de residuos solidos
Eliminación
Figura 3. Diagrama simplificado de las interrelaciones entre los elementos funcionales de un
sistema de gestión de residuos.
Fuente: Modificado de George Tchobanoglous [16].
En la Tabla 1 se comparan los resultados de las instituciones de educación superior a nivel de
Latinoamérica, destacando sus distintas metodologías, frecuencias de muestreo, variables
analizadas, tasas de generación de residuos y modelos de validación utilizados. Estos estudios
presentan cada uno su enfoque específico y métodos particulares.
InGenio Journal, 8(1), 32–45
37
InGenio Journal, 8(1), 1–4
| 6
Tabla 1. Comparación de metodologías de caracterización de residuos domiciliarios.
Estudio
Tipo
de
fuente
N.º de
muestras
Frecuencia
de muestreo
Variables
Tasa de
generación
(kg/persona/día)
N.º de categorías
de composición
analizados
Modelo de validación
utilizado
Residuos domiciliarios
1
Parizeu,
K., et al [17]
RE
400 (50
viviendas)
Diario/
8 días
TDG, NSE,
CF, M
0,34 12
ANOVA. Análisis
de regresión
lineal. Prueba t
2
RE y
NRE
354 (RE)
411 (NRE)
Diario/ 8 días TDG, CF, 0,40 51 ANOVA y Prueba C de Cochran
3
RE
682 (125
viviendas)
Diario/ 9 días
TDG, CF,
NSE, TF
0,782; 1,10 y 1,35 37 ANOVA
4
RE
840 (40
viviendas)
Diario/ 3
semanas
TDG, CF,
NSE, RPV
1,76 6
Distribución de probabilidad. Asimetría y
Coeficiente de Curtosis. Regresión lineal
5
Bolaane, B.,et al
[21]
RE
893 (47
viviendas)
Diario/ 3
semanas
TDG, CF,
NSE, RPV
0,33 7
Distribución de probabilidad.
Asimetría y Coeficiente de Curtosis.
Análisis de correlación lineal
6
VER 8
Diario /
8 días
TDG, PEC,
CF, PES
1,06±0,56 9 Análisis de la desviación estándar
7
RSD - Diario/ 8 días TDG, CF 0,4
3 categorías y 16
subcategorías
-
Residuos de instituciones de nivel superior
8
RSD 350 5 días
TDG, CF, CQ,
PE
0,0205
8 categorías y 47
subcategorías
-
9
RSD 954 8 días TDG 0,132 20 subcategorías -
10
RSD 2026 10 días TDG 0,06136 - -
11
RSD 5922 Diario/ 6 días TDG, CF 0,025 10 categorías
Análisis de componentes principales (ACP)
Análisis de regresión lineal múltiple
12
RSD 1551 Diario/ 8 días TDG, CF 0,065 6 subcategorías -
13
RS
(169
viviendas)
Diario/ 5 días
TDG, CF,
CQ
0,83 12 subcategorías -
14
RSD 12 UGR Diario/ 5 días TDG, CF 0,0915 6 subcategorías -
InGenio Journal, 8(1), 32–45 38
InGenio Journal, 8(1), 1–4
| 7
Las abreviaciones empleadas en la Tabla 1 son las siguientes: Tipo de fuente: RE: residencial;
NRE: no residencial; PS: planta de separación; CDR: camiones de recolección; RSD: residuos
sólidos en instituciones educativas; VER: vertederos: UGR: Unidades Generadoras de Residuos
Variables: TDG: tasa de generación; NSE: nivel socioeconómico; M: movilidad; TF: tipo de
familia; RPV: relación personas/vivienda; CF: composición física; CQ: composición química;
PE: peso específico; PES: peso específico suelto; PEC: peso específico compactado; H: humedad.
ANOVA: análisis de varianza.
El análisis de la Tabla 1, muestra una variabilidad considerable en las frecuencias de
muestreo, tamaños de muestra y modelos de validación empleados, lo que ilustra la falta de
uniformidad en las prácticas de caracterización de residuos en las instituciones de educación
superior. Sin embargo, se pueden observar algunas coincidencias en cuanto a la frecuencia de
muestreo, las cuales mencionan que de manera general se debe realizar un muestreo durante 8
días, [17], [18], [28], [23], [24], [26]. Por otro lado, otros autores recomiendan 9 días, 3 semanas,
3 semanas de muestreo diario, como se puede evidenciar en [19], [20], [21],
respectivamente. También se recomienda que el muestreo sea durante 5 días [5], [27], [6].
En cuanto al número de muestras, hay una gran variabilidad, puesto que los estudios de
caracterización se realizaron en diferentes zonas y condiciones, por lo cual se considera propio de
cada institución educativa.
La mayoría de los estudios de caracterización emplean técnicas de muestreo estadístico y
tienden a procesar los datos bajo la premisa de una distribución normal, a pesar de que los datos
no se ajusten a este patrón. El modelo de validación más empleado que se pudo evidenciar en los
artículos revisados, es el Análisis de Varianza (ANOVA), el cual es usado en [17], [18] y [19].
Por otro lado, otro modelo ampliamente usado, el análisis de regresión lineal múltiple, como se
puede apreciar en [3].
En instituciones de educación superior de América Latina y principalmente en Ecuador, la
forma de obtener los resultados es diferente, pero alcanzan valores muy similares dependiendo de
la cantidad y tipo de laboratorio, se busca obtener datos de generación específica.
4. PROPUESTAS METODOLÓGICAS PARA INSTITUSIONES DE EDUCACIÓN
SUPERIOR
Con base en el análisis de las diferentes metodologías, se pretende plantear algunas
recomendaciones en cuanto a la metodología a emplearse para el muestreo y caracterización de
los residuos sólidos en instituciones de educación superior.
4.1. Cantidad de muestra
Para la cantidad de muestra, se atienden las especificaciones del “Manual de gestión integrada
de residuos sólidos municipales en ciudades de América Latina y el Caribe”, que manifiesta que
se requieren de 2 a 3 m
3
de desechos recolectados desde distintas zonas del lugar de estudio [9].
Esta decisión se la tomó, puesto que, para el caso de las instituciones educativas, es la más
conveniente, ya que cuentan con contenedores internos para el almacenamiento temporal, que en
ciertos casos son compartidos por algunas facultades, por ende, el muestreo se volverá más fácil
al obtenerlo desde estos contenedores.
4.2. Frecuencia de muestreo
En la Figura 4 se pueden apreciar las diferentes recomendaciones de algunos autores sobre el
número de días de muestreo para llevar a cabo una caracterización de los residuos sólidos. Para
determinar el número de días de muestreo, se tomaron en cuenta 12 de los 14 estudios analizados.
Se determinó una media aritmética de los días de muestreo, dando como resultado un total de 7
días aproximadamente. Es decir, se recomienda que el muestreo sea diario durante una semana.
InGenio Journal, 8(1), 32–45 39
InGenio Journal, 8(1), 1–4
| 8
Figura 4. Frecuencias de muestreo según varios autores.
4.3. Variables para la caracterización
Si bien es cierto, en las instituciones de educación superior existe una gran variabilidad en
cuanto a los tipos de residuos sólidos producidos, que van desde residuos comunes hasta residuos
peligrosos (generados en los laboratorios de manera general). Sin embargo, los residuos
peligrosos son gestionados por cada unidad generadora; es decir, cada facultad o laboratorio
cuenta y se recomienda gestionar su propio gestor ambiental calificado. Por lo tanto, para la
caracterización de los residuos sólidos de la comunidad universitaria, bastará con analizar
variables como: la composición física (CF), tasas de generación (TDG) y opcionalmente la
composición química (CQ) [24], [25], [3], [27].
4.4. Número de categorías de composición de residuos sólidos
Con base en los estudios analizados, se encontraron varias categorías para el análisis de la
composición de los residuos sólidos, pertinentes para el caso de instituciones de educación
superior, las cuales se reflejan en la Tabla 2.
Se verifica además que los residuos sólidos orgánicos de fácil biodegradación son en general
los que representan el mayor volumen, seguidos de papel, cartón y plástico. Para las últimas
categorías, las instituciones de educación superior en su mayoría tienen programas de reciclaje,
reutilización y donación.
Para la obtención del promedio por tipo de residuos se tiene la Ecuación 1:
(1)
Luego se procede a calcular el porcentaje de cada componente (Ecuación 2):
(2)
Al final, se determina la cantidad de kilogramos por semana en función del tipo de residuo
(Ecuación 3):
0
2
4
6
8
10
12
Número de días de muestreo
Estudio
Número de días de muestreo según varios autores
     =
  +  
2

(
%
)
=
    
    
× 100
InGenio Journal, 8(1), 32–45 40
InGenio Journal, 8(1), 1–4
| 9
(3)
Generación per cápita diaria de residuos (GPC) (Ecuación 4):
(4)
Mientras que para determinar la densidad de los residuos sólidos se tienen las Ecuaciones 5 y 6
(5)
(6)
Tabla 2. Categorías de composición a ser analizados.
Tipo de residuo
Componente
Descripción
Or
gánico de fácil
biodegradación
Residuos de
alimentos
Pan, huevos, restos de carne, cascaras de huevo, cascar
de plátano, frutas y verduras entre otros.
Residuos de jardín
Poda de pasto, hojarasca y ramas.
Inorgánico de difícil biodegradación
Papel
Blanco
Papel bond, hojas de cuaderno.
Baño
Pañales desechables, papel de baño, toallas sanitarias.
Cartón
Todas las formas de cartón
Plástico
Polietileno tereftalato (PETE); Polietileno de alt
densidad (HDPE); Cloruro de
polivinilo (PVC)
Polietileno de baja densidad (LDPE); Polipropilen
(PP); Poliestireno (PS) y Otros.
Madera
Productos de madera, pallets, muebles
Otros
Textiles, caucho cuero y otros materiales quemables.
Vidrio
Todos los tipos de vidrio.
Aluminio
Aluminio, latas de aluminio y láminas de aluminio
Otros
Roca, arena, cerámica, yeso, metales, cobre latón, entr
otros. O aquellos que sean de difícil segregación.
Residuos peligrosos
Corrosivo, reactivo, toxico, inflamable e infeccioso
como ejemplo; pilas, baterías, jeringas, reactivo
químicos, y aquellos que se separan en hospitales
laboratorios.
4.5. Validación de resultados
Los estudios emplean modelos de validación estadística como análisis de varianza (ANOVA)
la Prueba C de Cochran y Análisis de regresión lineal múltiple.
De manera general, la metodología para la aplicación del análisis de varianza se puede resumir
de la siguiente manera [29]:
a) Verificar supuestos. Antes de aplicar el ANOVA, verifica la independencia de las
observaciones, la normalidad de los datos dentro de cada grupo y la homogeneidad de
varianzas.

ó=
(
%   
)
× (     
)
=
    ()
ú    ()
    () = 0,7854 ℎ
=
    ()
    ()
InGenio Journal, 8(1), 32–45 41
InGenio Journal, 8(1), 1–4
| 10
b) Definir hipótesis. Establece las hipótesis nula y alternativa. La hipótesis nula
generalmente afirma que no hay diferencias significativas entre las medias de los grupos,
mientras que la hipótesis alternativa sugiere lo contrario. Es decir:
:
=
= =
:   
 
c) Aplicar el ANOVA. Generalmente el análisis de varianza se muestra en la Tabla 3.
Tabla 3. Resumen ANOVA.
Fuente de
variación
Suma de cuadrados
Grados de
libertad
Cuadrado medio F
Entre las
muestras
Dentro de
las
muestras
Total
Verificar las hipótesis. Se rechazará
y concluir que hay diferencias en las medias de los
tratamientos si:
(7)
que sigue una distribución F con k – 1 y N – k grados de libertad.
Comparación de parejas de medias. Posterior a que se haya realizado la prueba de hipótesis,
y se haya concluido que hay diferencias entre las medias de los grupos, se puede realizar una
comparación de parejas de medias, y determinar en qué medias existen esas diferencias, para lo
cual se emplea el Método de Tukey, el cual consiste en comparar las diferencias entre medias
muestrales con el valor crítico dado por:
(8)
Donde:
= Valor de Tukey
= Cuadrado medio del error
= Número de observaciones por tratamientos
= Número de tratamientos
= Grados de libertad para el error
= Nivel de significancia
(
,
)
= Son puntos porcentuales de la distribución del rango estudentizado, que se
obtienen de la Tabla 3.
Se declaran significativamente diferentes los pares de medias cuya diferencia muestral en
valor absoluto sea mayor que
.


=
(
.
. .
)
2
=1
1

=


1
=





=

. .
2
=1
=1

=




=

.
.
2
=1
=1
1
=
(, )
InGenio Journal, 8(1), 32–45 42
InGenio Journal, 8(1), 1–4
| 11
5. DISCUSIÓN
Como se indicó previamente, la investigación se llevó a cabo con el propósito de examinar
las metodologías empleadas en la caracterización de residuos sólidos en instituciones de
educación superior, estableciendo pautas metodológicas tanto para la frecuencia y metodología
de muestreo como para el análisis de fuentes generadoras.
Mediante la revisión sistemática, se identificó la ausencia de enfoques estandarizados
específicos para las instituciones de educación superior. Los hallazgos corroboran la hipótesis
inicial de que existe una escasez de pautas integrales adaptadas a los diversos patrones de
generación y composiciones de residuos propios de las instituciones educativas.
La diversidad observada en las metodologías se atribuye a la naturaleza heterogénea de la
generación de residuos en diferentes entornos dentro de las instituciones educativas, de los cuales
se pueden citar factores como diferentes contextos socioeconómicos, actividades realizadas y
sistemas de gestión de residuos, que contribuyen a esta disparidad.
Las limitaciones de este estudio se derivan principalmente de la falta de uniformidad entre las
metodologías revisadas, lo que dificulta las comparaciones directas y conclusiones definitivas.
Sin embargo, se encontraron similitudes en lo relativo a las frecuencias de muestreo y
metodologías estadísticas de análisis de resultados.
Los resultados obtenidos en el presente estudio pueden generalizarse hacia otras instituciones
de educación superior, incluso se pueden aplicar a colegios y escuelas que requieran de una
caracterización de sus residuos sólidos. El resultado refleja además categorías de composición de
residuos sólidos que tienden a ser homogéneos en las instituciones de educación superior.
Los hallazgos subrayan la necesidad crítica de metodologías estandarizadas para la
caracterización de residuos específicamente adaptados a las IES. Estas pautas permitirían a las
instituciones diseñar estrategias de gestión de residuos dirigidas que estén alineadas con sus
composiciones únicas de residuos, fomentando en última instancia iniciativas de sostenibilidad.
En futuras aplicaciones prácticas de los resultados del presente estudio, se recomienda tener
en cuenta el nivel socioeconómico, estilo de vida, cultura y actividades destacadas de la población
en cuestión, para de esta manera tener certeza de la aplicabilidad de las metodologías
recomendadas.
6. CONCLUSIONES
La gestión eficiente de los residuos sólidos en instituciones de educación superior (IES)
representa un desafío crucial en la búsqueda de prácticas sostenibles y responsables. La presente
revisión bibliográfica sobre las metodologías para la caracterización de residuos sólidos ha
revelado una disparidad significativa en enfoques y prácticas utilizadas para tal fin. Los estudios
analizados resaltan la variabilidad en frecuencias de muestreo, tamaños de muestra y modelos de
validación empleados. Esta diversidad refleja la complejidad inherente a la generación y
composición de residuos en entornos educativos.
Con los datos analizados de los diferentes estudios revisados, se realizaron las siguientes
recomendaciones para una metodología de muestreo y caracterización de los residuos sólidos en
instituciones de educación superior: La frecuencia mínima de muestreo debe ser de una semana,
tomando una muestra diaria.
La cantidad de muestra a recolectar al final de la semana es mínima de 2 m3 desde los distintos
contenedores internos de almacenamiento temporal, siendo esto la muestra representativa. Es
importante que el método de selección sea aleatorio en el sitio testado, evitando sesgos.
InGenio Journal, 8(1), 32–45 43
InGenio Journal, 8(1), 1–4
| 12
Se requiere modelos de validación para evaluar la precisión, confiabilidad y representatividad
de los datos obtenidos en el proceso de muestreo y caracterización de residuos sólidos. Estos
modelos buscan verificar si las muestras recopiladas son representativas de la población total y si
los datos son estadísticamente significativos. Se recomienda análisis de varianza (ANOVA),
pruebas estadísticas como la prueba C de Cochran para evaluar la homogeneidad de las muestras,
regresión lineal para comprender las relaciones entre variables, y el análisis de distribuciones de
probabilidad, así como la asimetría y la curtosis, que ayudan a comprender la forma y dispersión
de los datos.
Las variables que se deben analizar son las características físicas, tasas de generación y
opcionalmente la composición química. Finalmente, la clasificación se la debe realizar siguiendo
las especificaciones de la Tabla 2. De esta manera, al comprender la cantidad y composición de
los residuos generados, se pueden implementar medidas para reducir, reciclar y gestionar de
manera más efectiva los desechos, fomentando así prácticas más sostenibles.
REFERENCIAS
[1] M. Ruiz Morales, "Caracterización de residuos sólidos en la Universidad Iberoamericana,
Ciudad de México," Revista internacional de contaminación ambiental, vol. 28, no. 1,
pp. 93-97, nov. 2012. [En línea]. Disponible en: https://acortar.link/rQ4jMc
[2] C. A. De Vega, S. O. Benítez, and M. E. R. Barreto, "Solid waste characterization and
recycling potential for a university campus," Waste management, vol. 28, pp. S21-S26,
2008. [Online]. Available: https://doi.org/10.1016/j.wasman.2008.03.022
[3] L. E. Castillo Meza y M. Luzardo Briceño, "Evaluación del manejo de residuos sólidos
en la Universidad Pontificia Bolivariana seccional Bucaramanga," Revista facultad de
ingeniería, vol. 22, no. 34, pp. 71-84, jun. 2013. [En línea]. Disponible en:
https://acortar.link/QeUGs7
[4] D. M. Rodríguez Tipán y D. V. Simbaña Collaguazo, "Gestión integral de residuos
sólidos universitarios para la Comunidad Politécnica del Campus J. Rubén Orellana R,"
QUITO/EPN/2010, 2010. [En línea]. Disponible en: https://acortar.link/JqBNb5
[5] E. Coyago, K. Gonzales, E. Heredia, y R. G. Sánchez, "Recomendaciones para la
caracterización y cuantificación de residuos sólidos universitarios. caso de estudio:
Universidad Politécnica Salesiana, Campus Sur, Quito," La Granja, vol. 23, no. 1, pp.
68-79, 2016. [En línea]. Disponible en: https://acortar.link/uhrBNW
[6] C. E. Estupiñán Velíz, B. A. Burgos Carpio, D. E. Carreño Tapia y C. A. Nieto Cañarte,
"Caracterización de la gestión integral de residuos sólidos no peligrosos en la universidad
técnica estatal de Quevedo," Polo del Conocimiento, vol. 7, no. 11, pp. 1435-1451, nov.
2022. [En línea]. Disponible en: https://acortar.link/Bt3Pmh
[7] J. Fraga, "Manejo de Residuos Sólidos en el Campus Universitario," Disponible en:
Escuela de Ingeniería Civil, Facultad de Ingeniería, Ciencias Físicas y Matemáticas,
Universidad Central del Ecuador, 2004.
[8] R. J. Pérez Segovia, "Diseño del sistema de gestión de residuos sólidos de la Facultad de
Artes de la Universidad Central del Ecuador", Tesis de grado, Universidad Central del
Ecuador, Ecuador, 2017. [En línea]. Disponible en: https://acortar.link/3RXVyB
[9] J. H. P. Monteiro, Manual de gestión integrada de residuos sólidos municipales en
ciudades de América Latina y el Caribe, 1ra ed. 2006. [En línea]. Disponible en:
https://acortar.link/VckBw8
InGenio Journal, 8(1), 32–45 44
InGenio Journal, 8(1), 1–4
| 13
[10] CENSO ECUADOR 2022, "Instituto Nacional de Estadística y Censos", Ecuador, 2022.
[En línea]. Disponible en: https://www.censoecuador.gob.ec/wp-
content/uploads/2024/05/Presentacion_Nacional_2da_entrega.pdf
[11] X. Oña Serrano, O. Viteri Salazar, J. J. C. Benalcázar, y X. B. Guerra, "Caracterización
de los residuos sólidos urbanos y desperdicios de alimentos del Distrito Metropolitano de
Quito," Revista Iberoamericana Ambiente & Sustentabilidad, vol. 5, pp. e230-e230, jul.
2022. [En línea]. Disponible en: https://acortar.link/i2uYD2
[12] "Plan de gestión integral municipal de residuos y desechos sólidos no peligrosos y
desechos sanitarios del Distrito Metropolitano de Quito (2022-2032)", Municipio de
Quito, Ecuador, 2022. [En línea]. Disponible en: https://acortar.link/pMdjsR
[13] M. Castillo, "Consultoría para la realización de un estudio de caracterización de residuos
sólidos urbanos domésticos y asimilables a domésticos para el Distrito Metropolitano de
Quito", Distrito Metropolitano de Quito, Ecuador, Informe Ejecutivo, 2012. [En línea].
Disponible en: https://acortar.link/P1lvKf
[14] E. Gómez-Luna, D. Fernando-Navas, G. Aponte-Mayor, y L. A. Betancourt-Buitrago,
"Metodología para la revisión bibliográfica y la gestión de información de temas
científicos, a través de su estructuración y sistematización", Dyna, vol. 81, no. 184, pp.
158-163, 2014, [En línea]. Disponible en: https://doi.org/10.15446/dyna.v81n184.37066
[15] J. González de Dios, "Búsqueda de información en Pediatría basada en la evidencia (II):
fuentes de información secundarias y primarias", Revista Española de Pediatría, vol. 59,
no. 3, pp. 259-273, 2003. [En línea]. Disponible en: http://hdl.handle.net/10234/188685
[16] G. Tchobanoglous, Gestión integral de residuos sólidos, Madrid, McGraw-Hill, 1998.
[17] K. Parizeau, V. Maclaren, and L. Chanthy, "Waste characterization as an element of
waste management planning: Lessons learned from a study in Siem Reap, Cambodia,"
Resources, conservation and recycling, vol. 49, no. 2, pp. 110-128, dec. 2006, [Online]
Available: https://doi.org/10.1016/j.resconrec.2006.03.006
[18] O. Buenrostro Delgado y I. Israde, "La gestión de los residuos sólidos municipales en la
cuenca del lago de Cuitzeo, México", Revista internacional de contaminación ambiental,
vol. 19, no. 4, pp. 161-169, nov. 2003. [En línea]. Disponible en:
https://www.redalyc.org/pdf/370/37019401.pdf
[19] S. Ojeda Benítez, C. Armijo de Vega, and M. Y. Marquez Montenegro, "Household solid
waste characterization by family socioeconomic profile as unit of analysis," Resources,
Conservation and Recycling, vol. 52, no. 7, pp. 992-999, may. 2008, [Online] Available:
https://doi.org/10.1016/j.resconrec.2008.03.004
[20] H. A. Qdais, M. Hamoda and J. Newham, "Analysis of residential solid waste at
generation sites," Waste management & research, vol. 15, no. 4, pp. 395-406, aug. 1997,
[Online] Available: https://doi.org/10.1006/wmre.1996.0095
[21] B. Bolaane and M. Ali, "Sampling household waste at source: lessons learnt in
Gaborone," Waste management & research, vol. 22, no. 3, pp. 142-148, 2004, [Online]
Available: https://doi.org/10.1177/0734242X04044970
[22] K. Hristovski, L. Olson, N. Hild, D. Peterson and S. Burge, "The municipal solid waste
system and solid waste characterization at the municipality of Veles, Macedonia," Waste
Management, vol. 27, no. 11, pp. 1680-1689, 2007. [Online] Available:
https://doi.org/10.1016/j.wasman.2006.09.003
InGenio Journal, 8(1), 32–45 45
InGenio Journal, 8(1), 1–4
| 14
[23] A. Vargas Ayala, E. Tucto Cueva, D. M. Luna, O. R. Chávez y M. Nazario Ramirez,
"Caracterización de residuos sólidos universitarios y estimación de emisiones de gases
de efecto invernadero en dos alternativas de gestión," South Sustainability, vol. 3, no. 2.
[En línea]. Disponible en: https://doi.org/10.21142/SS-0302-2022-e059
[24] C. Quintero, M. Teutli, M. González, A. Ruiz, and G. Jiménez, "Manejo de residuos
sólidos en instituciones educativas", Benemérita Universidad Autónoma de Puebla. [En
línea]. Disponible en:
https://n9.cl/7kmuap
[25] M. L. Ballinas Aquino and D. A. Flores Posada, "Manejo de residuos sólidos en el ámbito
escolar,"Chiapas, México, 2017. [En línea]. Disponible en: https://aidisnet.org/wp-
content/uploads/2019/07/262-Mexico-oral.pdf
[26] B. Veneros, P. Amaya, Y. Chuan y C. Manchay, "Caracterización y oportunidades de
mejora de los residuos sólidos en una institución educativa. La Esperanza (Trujillo-Perú),
2019", PURIQ, inPress, vol. 2, no. 3, pp. 328-343. dic. 2020. [En línea]. Disponible en:
https://shs.hal.science/halshs-03093525/
[27] R. J. Raudales Osorto, "CARACTERIZACION DE LOS RESIDUOS SOLIDOS
URBANOS DEL MUNICIPIO DE SANTA CATARINA PINULA," Agua, Saneamiento
& Ambiente, vol. 8, no. 1, pp. 29-32, nov. 2013. [En línea]. Disponible en:
https://doi.org/10.36829/08ASA.v8i1.1481
[28] J. P. Parfitt and R. Flowerdew, "Methodological problems in the generation of household
waste statistics: an analysis of the United Kingdom's National Household Waste Analysis
Programme," Applied Geography, vol. 17, no. 3, pp. 231-244, jul. 1997. [Online].
Available: https://doi.org/10.1016/S0143-6228(96)00031-8
[29] L. St and S. Wold, "Analysis of variance (ANOVA)," Chemometrics and intelligent
laboratory systems, vol. 6, no. 4, pp. 259-272, nov. 1989. [Online]. Available:
https://doi.org/10.1016/0169-7439(89)80095-4
Copyright (2025) © Diego López Correa, Mónica Delgado-Yánez, Eysthin Medica Saca y Carlos Enríquez Pinos.
Este texto está protegido bajo una licencia internacional Creative Commons 4.0. Usted es libre para compartir, copiar y
redistribuir el material en cualquier medio o formato. También podrá adaptar: remezclar, transformar y construir sobre el
material. Ver resumen de la licencia.