Revista de Investigación en Tecnologías de la Información

Aportes y desafíos de la Inteligencia Artificial en el programa CIDBA, Universidad del Quindío

2026-03-05T01:39:11+00:00

Este artículo tiene el objetivo de analizar los aportes y desafíos de la implementación de la IA en el programa CIDBA de la Universidad del Quindío, a partir de una investigación cualitativa, se hizo una revisión documental y académica que permite contextualizar su impacto en la formación y proyección profesional del programa CIDBA, así, se sustentó en el análisis de 82 fuentes académicas, institucionales y normativas recuperadas de bases de datos como Scopus, Web of Science, SciELO, Redalyc y Google Scholar, siguiendo el protocolo PRISMA, para publicaciones comprendidas entre 2021 y 2026. Esto permitió identificar que la literatura especializada reconoce beneficios significativos de la IA en la renovación pedagógica, la actualización curricular y la optimización de procesos documentales y archivísticos y fortalece competencias críticas y tecnológicas en la formación profesional. Empero, también plantea retos epistemológicos, éticos y sociales relacionados con la confiabilidad de los algoritmos, los sesgos, la equidad en el acceso y la redefinición del perfil profesional. El CIDBA se configura como un escenario estratégico para contextualizar la IA desde una perspectiva crítica y contextualizada, que combine innovación tecnológica con responsabilidad social, asegurando la formación de profesionales capaces de responder a los desafíos de la sociedad digital contemporánea.

Jóvenes universitarios y redes sociales digitales: una revisión sistemática de literatura

2026-07-10T19:47:24+00:00

En este artículo se presenta una revisión sistemática de literatura publicada en México y algunos países de América Latina entre 2015 y 2024 sobre el papel de las redes sociales digitales en la vida de los jóvenes universitarios. El objetivo fue identificar los principales temas, enfoques y hallazgos de investigación respecto a sus usos, la participación política y la ciudadanía digital en un contexto donde estas plataformas se han integrado de manera central en la vida juvenil. A partir de la revisión se proponen tres miradas analíticas: 1) mirada acerca de los usos, consumos e interacciones; 2) mirada en torno a la participación política, 3) mirada sobre la ciudadanía y competencias digitales. Los resultados muestran que los jóvenes utilizan las redes sociales para informarse, entretenerse y comunicarse. Persisten brechas relevantes, especialmente de género, pues las mujeres sienten menos confianza que los hombres en cuanto a sus habilidades digitales. La participación política es limitada y se concentra en acciones de bajo involucramiento; sin embargo, las redes sociales continúan siendo espacios significativos para la visibilización de causas juveniles.

Aprendizaje profundo como herramienta de apoyo a la decisión en selección embrionaria para FIV: revisión de la literatura

2026-05-20T06:00:25+00:00

Esta revisión se sitúa en el campo de las tecnologías de la información aplicadas a la salud, con enfoque en el desarrollo y evaluación de modelos de aprendizaje profundo como sistemas de apoyo a la decisión clínica. El objetivo del trabajo consiste en revisar la evidencia científica disponible de modelos de aprendizaje profundo aplicados a la selección de embriones humanos en la fecundación in vitro, para brindar un panorama a los lectores mediante la revisión de artículos publicados en revistas de alto impacto. Se realizó una búsqueda en bases de datos indexadas en Scopus, PubMed y Web of Science, publicados del año 2021 a 2026. La estrategia de búsqueda se llevó a cabo mediante palabras clave como ‘fecundación in vitro’, ‘selección embrionaria’, ‘aprendizaje profundo’ e ‘inteligencia artificial’. Se identificaron 45 artículos potencialmente relevantes, de los cuales 11 cumplieron los criterios de inclusión por lo que fueron analizados e integrados en la síntesis final priorizando estudios que reportaron métricas de desempeño. La heterogeneidad entre los estudios limitó la comparabilidad de los resultados, no obstante, los modelos inteligentes demuestran potencial para evaluar embriones y predecir implantación, su rendimiento es similar o superior a los métodos convencionales. La literatura expone diversos estudios, sin embargo, la predicción clínica fiable aún requiere profundizar en los modelos integrados y mejor validación.

Revisión sistemática sobre la clasificación de orquídeas mediante redes neuronales convolucionales: arquitecturas viables para Moyobamba

2026-08-23T04:44:11+00:00

El presente estudio aborda la limitada identificación de especies de orquídeas en contextos de alta biodiversidad, particularmente en Moyobamba, donde esta situación dificulta su conservación y aprovechamiento en ámbitos turísticos y educativos; por ello, el objetivo es analizar el estado del arte en la clasificación automática de orquídeas mediante redes neuronales convolucionales (CNN). La investigación se desarrolló mediante una revisión sistemática de la literatura basada en la metodología de revisión sistemática de Kitchenham, estructurada en fases de planificación, conducción y reporte, aplicando criterios de inclusión y exclusión a publicaciones entre 2024 y 2026 (con fecha de corte de búsqueda en enero de 2026), lo que permitió seleccionar 22 estudios primarios a partir de 371 registros iniciales. Los resultados evidencian un predominio de arquitecturas como ResNet, DenseNet y MobileNet, así como el uso frecuente de técnicas como Transfer Learning y Data Augmentation, que mejoran significativamente el rendimiento de los modelos. Se identifican limitaciones relacionadas con la escasez de datasets específicos de orquídeas y su implementación en entornos reales. Se concluye que las CNN constituyen una herramienta prometedora para la identificación automática de orquídeas, con potencial aplicación en contextos de biodiversidad tropical como el del Bosque de Protección Alto Mayo.

Algoritmos genéticos en la asignación de recursos y optimización de rutas en transporte: revisión sistemática

2026-05-19T22:39:19+00:00

La programación operativa en empresas de transporte implica la asignación eficiente de vehículos, conductores, rutas y horarios, un problema de optimización combinatoria de alta complejidad cuando se incorporan restricciones de capacidad, ventanas de tiempo, costos, emisiones y variabilidad de la demanda. En este contexto, los algoritmos genéticos (AG) y sus variantes híbridas se han empleado como metaheurísticas para obtener soluciones de buena calidad en tiempos computacionales razonables. Esta revisión sistemática, desarrollada según la metodología de Kitchenham y reportada mediante un diagrama de flujo adaptado de PRISMA 2020, tuvo como objetivo identificar los tipos de problemas de asignación de recursos y optimización de rutas abordados con AG, las variantes predominantes, los resultados cuantitativos reportados y las principales limitaciones. Se revisaron artículos publicados entre 2022 y 2026 en ScienceDirect, Springer Nature Link, IEEE Xplore, MDPI y otras plataformas editoriales con DOI verificable; la selección final comprendió 31 estudios. Los resultados muestran un predominio del Vehicle Routing Problem y sus variantes (80.65 %), junto con una presencia destacada de AG híbridos, estrategias multiobjetivo y operadores adaptativos. Se concluye que los AG son pertinentes para la programación operativa del transporte, aunque persisten desafíos de parametrización, escalabilidad, convergencia prematura y validación en escenarios reales.

Reconocimiento facial aplicado a la gestión en instituciones educativas: una revisión sistemática de literatura

2026-06-01T17:38:00+00:00

El reconocimiento facial se ha incorporado con rapidez a la gestión de instituciones educativas, pero la evidencia sobre su desempeño y sus condiciones de uso permanece dispersa. Esta revisión sistemática, conducida según el protocolo PRISMA 2020, analiza 25 artículos de acceso abierto publicados entre 2020 y 2025 en Scopus, ScienceDirect, IEEE Xplore y Springer Nature Link, seleccionados de 6,999 registros iniciales. Las aplicaciones se concentran en el control de asistencia (44%) y el control de acceso (40%), seguidos del monitoreo cognitivo (12%) y la seguridad biométrica (4%). La familia ResNet/FaceNet es la más utilizada (28% de los estudios) y las exactitudes reportadas superan el 90% en la mayoría de las implementaciones, aunque provienen de entornos controlados con muestras reducidas. La revisión identifica tres vacíos críticos: ningún estudio documenta procedimientos de consentimiento informado, ninguno describe la composición demográfica de sus conjuntos de datos y solo uno evalúa empíricamente la aceptación de los usuarios. Se concluye que la madurez técnica de la tecnología supera a su madurez ética y normativa, por lo que su adopción institucional exige auditorías demográficas, políticas explícitas de protección de datos biométricos y estudios de aceptación multiactor.