Resumo (Objetivo) O objetivo desta pesquisa centra-se no desenvolvimento de competências em inteligencia artificial e aprendizagem automática para estudantes que desejam experimentar a criação de modelos de aprendizagem automática. (Metodologia) O estudo foi realizado no Laboratório de Processamento Digital de Imagens da Universidade Nacional da Costa Rica, durante o I ciclo de 2023, por acadêmicos e estudantes da disciplina Prática Profissional; faz parte de uma pesquisa aplicada e exploratória, na qual foi criada e utilizada uma metodologia que mostra o passo a passo para classificar mamografias em benignas e malignas, desenvolvendo um modelo de aprendizagem automática. Foi utilizado um conjunto de dados composto por 118 imagens de mamografia previamente diagnosticadas. (Resultados) Os resultados estão divididos em duas áreas. A primeira é a sistematização do processo de ensino e aprendizagem com base nas competências, nos resultados de aprendizagem e na rubrica de avaliação da aprendizagem, nas áreas de inteligência artificial, aprendizagem automática e redes neurais. A segunda envolve os produtosgerados pela construção de um aplicativo computacional Mammography Classification Model, que integra uma rede neural de convolução que inclui a criação, o treinamento e a transformação de imagens. (Conclusões) Concluise que, a partir da instituição, modelos de aprendizagem voltados para os alunos podem ser inovados, para fortalecer competências que melhorem seu perfil profissional. Na área médica, a classificação das mamografias é uma oportunidade para desenvolver habilidades em ambiente real.

Abstract (Objective) The objective of this research focuses on developing competencies in artificial intelligence and machine learning for students wishing to experiment in the creation of machine learning models. (Methodology) The study was conducted in the Digital Image Processing Laboratory of Universidad Nacional de Costa Rica, during the first cycle of 2023 by faculty and students doing their internships. For this exploratory-applied research, a step-by-step methodology was created and used to classify benign and malignant mammograms by developing a machine-learning model. A data set comprised of 118 previously diagnosed mammogram images was used. (Results) Results are divided into two areas. The first area is the systematization of the teaching and learning process based on competencies, learning results, and the rubric to evaluate learning in artificial intelligence, machine learning, and neural networks. The second area involves the products generated by developing the computer application Mammography Classification Model, which integrates a convolution neural network that includes image transformation, creation, and training. (Conclusions) It is concluded that, in the academic field, student-centered learning models can be innovated to strengthen skills that enhance their professional profile. In the medical field, the classification of mammograms is an opportunity to develop competencies in a real environment.

Resumen (Objetivo) El objetivo de esta investigación se centra en el desarrollo de competencias en inteligencia artificial y aprendizaje automático para el estudiantado que desee experimentar en la creación de modelos de aprendizaje automático. (Metodología) El estudio se realizó en el Laboratorio de Procesamiento de Imágenes Digitales de la Universidad Nacional de Costa Rica, durante el I ciclo del 2023 por personas académicas y estudiantes que cursan la asignatura Práctica Profesional; se enmarca en una investigación aplicada y exploratoria, en la cual se creó y utilizó una metodología que muestra el paso a paso para clasificar mamografías en benignas y malignas, desarrollando un modelo de aprendizaje automático. Se utilizó un conjunto de datos compuesto por 118 imágenes de mamografías, previamente diagnosticadas. (Resultados) Los resultados se dividen en dos áreas. La primera es la sistematización del proceso de enseñanza y aprendizaje basado en competencias, resultados de aprendizaje y la rúbrica para la evaluación de los aprendizajes, en las áreas de inteligencia artificial, aprendizaje automático y redes neuronales. La segunda involucra los productos generados al construir una aplicación informática Modelo de clasificación de mamografías, el cual integra una red neuronal de convolución que incluye la transformación de imágenes, la creación y el entrenamiento. (Conclusiones) Se concluye que, desde la academia, se pueden innovar en modelos de aprendizajes centrados en el estudiantado, para fortalecer habilidades que mejoren su perfil profesional. Desde el campo médico, la clasificación de mamografías es una oportunidad para el desarrollo de competencias en un entorno real.

Abstract Objective: This study evaluated the performance of ChatGPT 4 and 3.5 versions in answering nephrology questions from medical residency exams in Brazil. Methods: A total of 411 multiple-choice questions, with and without images, were analyzed, organized into four main themes: chronic kidney disease (CKD), hydroelectrolytic and acid-base disorders (HABD), tubulointerstitial diseases (TID), and glomerular diseases (GD). Questions with images were answered only by ChatGPT-4. Statistical analysis was performed using the chi-square test. Results: ChatGPT-4 achieved an overall accuracy of 79.80%, while ChatGPT-3.5 achieved 56.29%, with a statistically significant difference (p < 0.001). In the main themes, ChatGPT-4 performed better in HABD (79.11% vs. 55.17%), TID (88.23% vs. 52.23%), CKD (75.51% vs. 61.95%), and DG (79.31% vs. 55.29%), all with p < 0.001. ChatGPT-4 presented an accuracy of 81.49% in questions without images and 54.54% in questions with images, with an accuracy of 60% for electrocardiogram analysis. This study is limited by the small number of image-based questions and the use of outdated examination items, reducing its ability to assess visual diagnostic skills and current clinical relevance. Furthermore, addressing only 4 areas of Nephrology may not fully represent the breadth of nephrology practice. Conclusion: ChatGPT-3.5 was found to have limitations in nephrology reasoning compared to ChatGPT-4, evidencing gaps in knowledge. The study suggests that further exploration is needed in other nephrology themes to improve the use of these AI tools.

Resumo Objetivo: Este estudo avaliou o desempenho das versões 4 e 3.5 do ChatGPT na resolução de questões de Nefrologia presentes em exames de residência médica no Brasil. Métodos: Foram analisadas 411 questões de múltipla escolha, com e sem imagens, organizadas em quatro temas principais: doença renal crônica (DRC), distúrbios do equilíbrio hidroeletrolítico e ácido-base (DHAB), doenças tubulointersticiais (DTI) e doenças glomerulares (DG). As questões com imagens foram respondidas somente pela versão ChatGPT-4. A análise estatística foi realizada utilizando o teste qui-quadrado. Resultados: O ChatGPT-4 alcançou uma precisão geral de 79,80%, enquanto o ChatGPT-3.5 obteve 56,29%, com uma diferença estatisticamente significativa (p < 0,001). Nos temas principais, o ChatGPT-4 teve desempenho superior em DHAB (79,11% vs. 55,17%), DTI (88,23% vs. 52,23%), DRC (75,51% vs. 61,95%) e DG (79,31% vs. 55,29%), todos com p < 0,001. O ChatGPT-4 apresentou uma acurácia de 81,49% nas questões sem imagens e de 54,54% em questões com imagens, com uma acurácia de 60% para análise de eletrocardiogramas. Este estudo é limitado pelo pequeno número de perguntas baseadas em imagens e pelo uso de itens de exame desatualizados, reduzindo sua capacidade de avaliar as habilidades diagnósticas visuais e a relevância clínica atual. Além disso, abordar somente quatro áreas da Nefrologia pode não representar totalmente a amplitude da prática nefrológica. Conclusão: Verificou-se que o ChatGPT-3.5 apresenta limitações no raciocínio sobre Nefrologia em comparação ao ChatGPT-4, evidenciando lacunas no conhecimento. O estudo sugere a necessidade de exploração adicional em outros temas da Nefrologia para aprimorar o uso dessas ferramentas de IA.

Resumen: el estudio explora los factores que influyen en la adopción de la inteligencia artificial (IA) generativa en la industria creativa, tomando como referencia la Teoría Unificada de Aceptación y Uso de Tecnología (UTAUT), y la teoría del capital de marca. Numerosos estudios han demostrado la capacidad explicativa del modelo UTAUT en la adopción tecnológica en diferentes sectores; sin embargo, no se había analizado cómo el capital de marca, especialmente el conocimiento y la confianza influye a la adopción de la Inteligencia Artificial Generativa. El capital de la marca es especialmente relevante en la industria creativa, donde el bajo conocimiento tecnológico hace que la marca de IA sea una fuente clave de información e influencia en la toma de decisiones. Una muestra de 208 profesionales creativos de EE. UU. y España validó el modelo propuesto utilizando PLS-SEM. Los resultados indican que la expectativa de rendimiento, las condiciones facilitadoras y la confianza en la marca influyen positivamente en la intención de uso de la IA Generativa, mientras que el reconocimiento de marca tiene un efecto negativo. La influencia social y la expectativa de esfuerzo no presentaron resultados estadísticamente significativos. El modelo explica el 67 % de la varianza en la intención de uso (R² = 0.679), indicando un alto poder predictivo. Se destaca la importancia del desempeño, soportes accesibles y confianza en la marca, abordando los desafíos de la percepción y reconocimiento de marca.

Abstract: this study explores the factors influencing the adoption of Generative AI in the creative industry, focusing on the Unified Theory of Acceptance and Use of Technology (UTAUT) factors: performance expectancy, effort expectancy, facilitating conditions, social influence, and consumer-based brand equity factors: brand recognition and brand trust. While previous research has emphasized the importance of UTAUT constructs in technology adoption, the influence of brand equity factors remains underexplored. This study bridges this gap and provides insights to enhance adoption strategies. Standardized questionnaires were used, incorporating UTAUT constructs and brand-related variables such as Brand Recognition and Brand Trust. A sample of 208 creative professionals from the US and Spain validated the proposed model using PLS-SEM. Results reveal that performance expectancy, facilitating conditions, and brand trust positively influence the behavioral intention to use Generative AI tools, while brand recognition negatively influences behavioral intention. Social influence and effort expectancy did not present statistically significant results. The model explains 67 % of the variance in behavioral intention (R² = 0.679), indicating strong predictive power. These insights contribute to developing effective adoption strategies for Generative AI in the creative industry.

Abstract Neurotechnologies lead to the study of the nervous system and the improvement of its function, and they are poised to represent one of the great technological leaps of our time. Traditionally, they have been used in the field of health; however, their widespread adoption due to operational efficiency and cost has driven their use in various areas within the social sciences through the discipline known as neuromarketing or consumer neuroscience, applying it to market research. The emergence of the metaverse could introduce new methods for studying individuals and audiences due to the wide range of neurophysiological recording sensors (eye tracking, EEG, EDA...) incorporated into virtual reality and augmented reality hardware. This paper focuses on the potential of these technologies in the context of the metaverse for researching consumers of interest in a broad range of business areas such as communication, fashion, advertising, tourism, and even education. To depict this situation, a literature review, document analysis, and interviews with experts in cognitive neuroscience, artificial intelligence (AI), and neuroarchitecture are conducted. The research highlights the interest of consulting firms in using virtual reality for the design and analysis of retail environments and product placement. While the results demonstrate the presence of neurophysiological sensors in metaverse devices and the possibility of conducting neurophysiological research, there are still technological and basic scientific knowledge obstacles to overcome.

Resumen Las neurotecnologías conducen al estudio del sistema nervioso y a mejorar su función, y están llamadas a representar uno de los grandes saltos tecnológicos de nuestros días. Tradicionalmente han sido utilizadas en el campo de la salud, sin embargo, su universalización, por operatividad y coste, ha impulsado su empleo en diferentes áreas dentro de las ciencias sociales mediante la disciplina denominada neuromarketing o neurociencia del consumidor para aplicarla en la investigación de mercados. La aparición de metaverso podría incorporar nuevas fórmulas para el estudio de individuos y audiencias debido a la amplia gama de sensores de registro neurofisiológico (eye tracking, EEG, EDA…) incorporados en el hardware de la realidad virtual y la realidad aumentada. El presente trabajo se focaliza en el potencial de las mencionadas tecnologías en el contexto de metaverso para la investigación de consumidores de interés en una amplitud de ámbitos empresariales como puede ser la comunicación, la moda, la publicidad, el turismo, o incluso la educación. Con el objeto de retratar dicha situación se lleva a cabo una revisión bibliográfica, un análisis documental y entrevistas a expertos en neurociencia cognitiva, inteligencia artificial (IA) y neuroarquitectura. La investigación señala el interés de consultoras por el empleo de la realidad virtual en el diseño y análisis de entornos de retail y de emplazamiento de producto. Si bien los resultados evidencian la existencia de sensores neurofisiológicos en los dispositivos de metaverso y la posibilidad de realizar investigación neurofisiológica, todavía existen obstáculos tecnológicos y de conocimiento científico básico que superar.

Abstract The study was grounded in a systematic literature review on the communicative efficiencies of rule-based conversational agents and those powered by natural language models with artificial intelligence. A total of 175 documents were analyzed as the basis for this review. Additionally, a historical analysis of the first recorded conversational agent, ELIZA, developed in 1966, was included, highlighting its pivotal role in the emergence of rule-based systems. The study also delved into the arguments underpinning the significant differences between rule-based conversational agents and those leveraging natural language models. These differences revealed that rule-based systems are simple and cost-effective tools, ideal for repetitive and structured tasks, yet constrained in managing complex interactions. Conversely, agents powered by natural language models enable more adaptive and personalized interactions, albeit requiring substantial investment in data and development. According to the findings, the choice between these approaches depends on the application context, available resources, and the specific needs of the organization. Furthermore, the research underscored the evolution of conversational agents and their transformative impact across various sectors. In this regard, the results open pathways to explore how emerging technological trends, such as advanced natural language processing models, can enhance the efficiency and applicability of these systems while addressing the ethical and technical challenges associated with their implementation in diverse industries.

Resumen El estudio se fundamentó en una revisión sistemática de la literatura sobre las eficiencias comunicativas de los chatbots basados en reglas y aquellos basados en modelos de lenguaje natural con inteligencia artificial. Se analizaron 175 documentos como base para esta revisión. También se incluyó una breve historia del primer chatbot registrado, denominado ELIZA en 1966, que dio paso al desarrollo de los chatbots basados en reglas. Además, se profundizó en los argumentos que sostienen las notables diferencias entre los chatbots basados en reglas y los basados en modelos de lenguaje. En ese sentido, se revelaron diferencias significativas entre ambos tipos. Los sistemas basados en reglas son herramientas simples y económicas, óptimas para tareas repetitivas y estructuradas, pero limitadas para manejar interacciones complejas. Mientras que los asistentes impulsados por modelos de lenguaje natural ofrecen interacciones más adaptativas y personalizadas, aunque requieren una inversión significativa en datos y desarrollo. De acuerdo al estudio, la elección entre ambos enfoques depende del contexto de aplicación, los recursos disponibles y las necesidades específicas de la organización. Además, los resultados evidencian la evolución de los asistentes conversacionales y su impacto en diversos sectores, en ese sentido, los resultados permiten explorar cómo las tendencias tecnológicas emergentes, como los modelos avanzados de procesamiento de lenguaje natural, pueden ampliar la eficiencia y la aplicabilidad de estos sistemas, enfrentando a la vez desafíos éticos y técnicos asociados con su implementación en diversas industrias.

La proliferación de macrodatos (big bata) en el sector salud promete transformar la investigación y la práctica clínica, pero simultáneamente plantea profundos desafíos bioéticos. Esta revisión narrativa, informada por una búsqueda en Scite.ai, sintetiza las consideraciones éticas clave asociadas al uso de macrodatos sanitarios. Se examinan los desafíos para obtener un consentimiento informado válido y se discuten modelos alternativos como el consentimiento amplio, dinámico y meta-consentimiento. Se analizan los riesgos persistentes para la privacidad del paciente derivados de las técnicas de anonimización y desidentificación, y sus implicaciones éticas. Se explora cómo el uso de macrodatos puede perpetuar o exacerbar inequidades y sesgos, destacando consideraciones de justicia distributiva y no discriminación. Se abordan los debates sobre propiedad, gobernanza y control de los datos, contrastando el control individual con el bien común y la custodia institucional. Se revisan los marcos éticos propuestos para la distribución justa de beneficios y los requisitos de transparencia y rendición de cuentas en algoritmos de IA. Se discuten consideraciones específicas para poblaciones vulnerables y la necesaria adaptación de los Comités de Ética en Investigación. Finalmente, se analizan los factores que influyen en la confianza pública y los desafíos éticos del intercambio internacional de datos. Se concluye que la navegación ética en la era de los macrodatos requiere marcos robustos, gobernanza transparente, protección rigurosa de la privacidad, promoción de la equidad y un compromiso continuo con la confianza pública y los derechos individuales.

The proliferation of big data in the health sector promises to transform research and clinical practice, but simultaneously poses profound bioethical challenges. This narrative review, informed by a search on Scite.ai, synthesizes the key ethical considerations associated with the use of health big data. The challenges of obtaining valid informed consent are examined, and alternative models such as broad consent, dynamic consent, and meta-consent are discussed. The persistent risks to patient privacy arising from anonymization and deidentification techniques, and their ethical implications, are analyzed. It is explored how the use of big data can perpetuate or exacerbate inequities and biases, highlighting considerations of distributive justice and non-discrimination. The debates on ownership, governance, and control of data are addressed, contrasting individual control with the common good and institutional stewardship. The proposed ethical frameworks for the fair distribution of benefits and the requirements for transparency and accountability in AI algorithms are reviewed. Specific considerations for vulnerable populations and the necessary adaptation of Research Ethics Committees are discussed. Finally, the factors that influence public trust and the ethical challenges of international data exchange are analyzed. In conclusion, the ethical navigation in the era of big data requires robust frameworks, transparent governance, rigorous privacy protection, promotion of equity, and an ongoing commitment to public trust and individual rights.

Abstract: The purpose of this document is to highlight the existing issue caused by a lack of knowledge about the actual condition of machinery and precise monitoring in an express mechanic workshop. This workshop consists of mechanical maintenance equipment such as vehicle lifts, balancers, aligners, and other common machinery in such work environments. The data collected from these machines are classified and processed using Artificial Intelligence, specifically Machine Learning, by employing a tabulation and interpretation algorithm alongside IoT (Internet of Things) through the instrumentation of these machines with sensors appropriate to their mechanical operation. This facilitates and enables the creation of predictive maintenance plans as well as operational schemes that help reduce operational costs, maintenance expenses, and energy consumption of the workshop equipment. The system innovatively uses a modular approach without requiring intervention or modification of the machines, allowing their interconnectivity with a computer that automatically manages the collected data. This results in a clear view of the usage of each component, providing critical information for generating predictive maintenance strategies.

Resumen: El propósito de este documento es dar a conocer la problemática existente por una falta de conocimiento del estado real de la maquinaria y del monitoreo preciso de un taller de mecánica exprés que se compone por elementos de mantenimiento mecánico tales como elevadores de vehículos, balanceadora, alineadora, entre otras las maquinarias más comunes en este tipo de centros de trabajo, estos datos son clasificados y procesados utilizando inteligencia artificial como Machine Learning al emplear un algoritmo de tabulación e interpretación y conjuntamente IoT (internet de las cosas) a través de la instrumentación de dichas máquinas con sensores acordes a su tipo de funcionamiento mecánico, esto facilita y permite generar planes de mantenimiento predictivo al igual que esquemas operativos que permitirán disminuir el costo operacional, costos de mantenimiento y consumo energético de la indumentaria del taller, utilizando de manera innovadora un sistema modular sin necesidad de intervenir o modificar las mismas, que permite la interconectividad de la maquinaria con un ordenador que gestione la data recogida de manera automática dando como resultado una visión clara del uso de cada componente, esta información es clave para la generación de un mantenimiento predictivo.

ABSTRACT: The growing influence of Artificial Intelligence (AI) in higher education poses significant challenges and opportunities for university educators. This article aims to analyze the uses and perceptions of AI among teachers at the University of Guayaquil in 2024. Using a mixed approach of interviews and surveys, teachers' knowledge about AI developments, their perspective on their influence on education, and the most affected educational areas are examined. The theoretical framework integrates perspectives of Rogers, Bourdieu, Latour and Bijker, addressing the diffusion of innovations, symbolic violence and socio-technical interactions. The results provide an integral view of how the teaching community responds to AI in higher education. In conclusion, the study contributes to the sociological analysis of technology-society interaction, exploring dynamics of power, adaptation and resistance in the academic context in the face of technological changes.

RESUMEN: La creciente influencia de la Inteligencia Artificial (IA) en la educación superior plantea desafíos y oportunidades significativas para los docentes universitarios. Este artículo tiene como objetivo analizar los usos y percepciones de la IA entre los profesores de la Universidad de Guayaquil en el 2024. Mediante un enfoque mixto de entrevistas y encuestas, se examina el conocimiento de los docentes sobre los avances en IA, su perspectiva sobre su influencia en la enseñanza y las áreas educativas más afectadas. El marco teórico integra perspectivas de Rogers, Bourdieu, Latour y Bijker, abordando la difusión de innovaciones, la violencia simbólica y las interacciones sociotécnicas. Los resultados ofrecen una visión integral de cómo la comunidad docente responde a la IA en la educación superior. En conclusión, el estudio contribuye al análisis sociológico de la interacción tecnología-sociedad, explorando dinámicas de poder, adaptación y resistencia en el contexto académico frente a los cambios tecnológicos.

Abstract The early detection of diabetic retinopathy remains a critical challenge in medical diagnostics, with deep learning techniques in artificial intelligence offering promising solutions for identifying pathological patterns in retinal images. This study evaluates and compares the performance of three convolutional neural network (CNN) architectures ResNet-18, ResNet-50, and a custom, non-pretrained CNN using a dataset of retinal images classified into five categories. The findings reveal significant differences in the models’ ability to learn and generalize. The non-pretrained CNN consistently outperformed the pretrained ResNet-18 and ResNet-50 models, achieving an accuracy of 91 % and demonstrating notable classification stability. In contrast, ResNet-18 suffered severe performance degradation, with accuracy dropping from 70 % to 26 %, while ResNet-50 required extensive tuning to improve its outcomes. The non-pretrained CNN excelled in handling class imbalances and capturing complex diagnostic patterns, emphasizing the potential of tailored architectures for medical imaging tasks. These results underscore the importance of designing domain-specific architectures, demonstrating that model complexity does not necessarily guarantee better performance. Particularly in scenarios with limited datasets, well-designed custom models can surpass pre-trained architectures in diagnostic imaging applications.

Resumen La detección temprana de la retinopatía diabética representa un desafío crítico en el diagnóstico médico, donde el aprendizaje profundo dentro del campo de la inteligencia artificial emerge como una herramienta prometedora para optimizar la identificación de patrones patológicos en imágenes retinales. Este estudio evaluó comparativamente tres arquitecturas de redes neuronales convolucionales ResNet-18, ResNet-50 y una CNN personalizada o no-preentrenada para clasificar imágenes de retinopatía diabética en un conjunto de datos de imágenes agrupadas en cinco categorías, revelando diferencias significativas en su capacidad para aprender y generalizar. Los resultados demostraron que la arquitectura de red neuronal convolucional no-preentrenada superó consistentemente a los modelos preentrenados basados en ResNet-18 y ResNet-50, alcanzando una precisión del 91 % y una notable estabilidad en la clasificación. Mientras ResNet-18 mostró limitaciones severas, degradándose de un 70 % a un 26 % de precisión, y ResNet-50 requirió ajustes para mejorar su rendimiento, la CNN no preentrenada exhibió una capacidad sobresaliente para manejar el desbalance de clases y capturar patrones diagnósticos complejos. El estudio subraya la importancia de diseñar arquitecturas específicamente adaptadas a problemas médicos, destacando que la complejidad no garantiza necesariamente un mejor desempeño, y que un diseño cuidadoso puede superar modelos preentrenados en tareas de diagnóstico por imagen cuando la cantidad de datos con que se cuenta es limitada.

ABSTRACT Biodigital design and artificial intelligence are two disciplines that offer a promising approach to creating innovative solutions for building a sustainable future. The convergence of the two disciplines seeks to develop living architecture, which mimics biological thinking, with the aim of producing autonomous and sustainable systems. Buildings generated through this approach can obtain energy through photosynthesis, regulate their temperature autonomously, purify indoor air and optimise their performance, thus reducing their environmental impact. This work aims to explore processes that seek the integration of biodigital design and artificial intelligence to produce innovative and sustainable results in the field of design. Through the analysis of cases, it examines the advantages and disadvantages of the union of biodigital design and AI, considering both its environmental and social effect. This article offers a new perspective on the interaction between the two disciplines, highlighting their potential to transform today's architecture for a liveable and environmentally friendly future.

RESUMEN El diseño biodigital y la inteligencia artificial (IA) son dos disciplinas emergentes que ofrecen un enfoque prometedor para la creación de soluciones innovadoras en la construcción de un futuro sostenible. La convergencia de ambas disciplinas busca desarrollar una arquitectura viva, que imite el pensamiento biológico, con el objetivo de producir sistemas autónomos y sostenibles. Los edificios generados desde este punto de vista pueden obtener energía mediante la fotosíntesis, regular su temperatura de forma autónoma, purificar el aire interior y optimizar su rendimiento, y reducir así su impacto ambiental. Este trabajo tiene como objetivo explorar los procesos que buscan la integración del diseño biodigital y la IA para producir resultados innovadores y sostenibles en el campo proyectual. A través del análisis de casos, se examinan las ventajas y desventajas de la unión del diseño biodigital y la IA, considerando su efecto tanto ambiental como social. Este artículo ofrece una nueva perspectiva sobre la interacción entre ambas disciplinas, resaltando su potencial para transformar la arquitectura actual y lograr un futuro habitable y respetuoso con el medio ambiente.

ABSTRACT Language is a conduit for scientific communication, and in this field, the existing means of linguistic expression are multiple. Scientific research is immersed in the transformative revolution of Artificial Intelligence (AI) aimed at improving its processes and finding better results in a shorter period of time, which have positive impacts on humanity. This article aims to propose a strategy that contributes to the scientific research process through the use of Artificial Intelligence tools to improve efficiency, accuracy, and the generation of new knowledge. An initial study of the impact of AI on scientific research is conducted, emphasizing the use of ChatGPT for conducting scientific research, identifying benefits and weaknesses. The research is validated based on the judgment of AI experts. The article concludes by highlighting the importance of making correct use of tools that facilitate AI-based writing, as well as the combination of human judgment with these tools to obtain more accurate and generalizable results.

RESUMEN La lengua es un es un conducto para la comunicación científica, en este ámbito los medios de expresión lingüística existentes son múltiples. La investigación científica se encuentra inmersa en la revolución trasformadora de la Inteligencia Artificial (IA) en aras de mejorar sus procesos y encontrar mejores resultados en menor periodo de tiempo que repercuten en beneficios para la humanidad. El artículo que se presenta tiene como objetivo proponer una estrategia que contribuya al proceso de investigación científica mediante el uso de herramientas de Inteligencia Artificial para mejorar la eficiencia, precisión y generación de nuevos conocimientos. Se realiza un estudio inicial del impacto de la IA en la investigación científica y se hace énfasis en el uso de ChatGPT para la realización de investigaciones científicas identificando beneficios y debilidades. Se valida la investigación a partir del juicio de expertos en IA. Se concluye evidenciando la importancia de hacer un uso correcto de herramientas que facilitan la redacción basada en IA, así como la combinación del juicio humano con estas herramientas para la obtención de resultados más precisos y generalizables.

ABSTRACT The research presented here aims to examine the role of artificial intelligence as a tool in criminal proceedings in Ecuador. In order to obtain the results, the PRISMA methodology is applied, which allows us to respond to the stated objective. A systematic review of 35 in-depth studies from 2018-2024 was carried out. The results obtained show that AI has optimised processes in Ecuador, such as predictive investigation, as well as judicial automation, achieving a 30% reduction in case assignment times. However, critical challenges were identified, such as the replication of algorithmic biases (e.g. over-imputation of indigenous groups) and normative gaps in the regulation of the evidentiary validity of AI. The methodology also made it possible to contrast international experiences with the local reality, revealing a gap in Ecuadorian empirical studies. Ecuador still lacks quality standards and independent audits. Furthermore, historical data reflect systemic inequalities that could be perpetuated if IA is trained with biased information. It concludes that while AI can improve the efficiency of the criminal justice system, its adoption requires a robust regulatory framework, external audits and the formation of multidisciplinary teams to ensure transparency and fairness. Criminal justice should not be subordinated to technology; on the contrary, AI should be designed and used with respect for constitutional principles of human dignity and due process.

RESUMEN La investigación que se presenta tiene como objetivo examinar el papel de la inteligencia artificial como herramienta de los procesos penales en Ecuador. Para la obtención de resultados se aplica la metodología PRISMA que permite dar respuesta al objetivo planteado. Se realiza una revisión sistemática 35 estudios a profundidad del periodo 2018-2024. Los resultados obtenidos demuestran que la IA ha optimizado procesos en Ecuador como la investigación predictiva, así como también se ha desarrollado la automatización judicial, logrando una reducción del 30% en tiempos de asignación de casos. No obstante, se identificaron desafíos críticos, como la replicación de sesgos algorítmicos (ej.: sobreimputación a grupos indígenas) y vacíos normativos en la regulación de la validez probatoria de la IA. La metodología también permitió contrastar experiencias internacionales con la realidad local, evidenciando una brecha en estudios empíricos ecuatorianos. Se identifica que Ecuador aún carece de estándares de calidad y auditorías independientes. Además, los datos históricos reflejan desigualdades sistémicas lo que podría perpetuarse si la IA se entrena con información sesgada. Se concluye que, aunque la IA puede mejorar la eficiencia del sistema penal, su adopción requiere un marco regulatorio robusto, auditorías externas y la formación de equipos multidisciplinarios para garantizar transparencia y equidad. La justicia penal no debe subordinarse a la tecnología; por el contrario, la IA debe diseñarse y utilizarse respetando los principios constitucionales de dignidad humana y debido proceso.

Abstract — In the oil and gas industry, applying prediction and estimation methodologies such as Artificial Neural Networks has represented a valuable tool in the whole petroleum system. The review's objective was to analyze, from a bibliometric perspective, the scientific production of the last five years on the use of Artificial Neural Networks in this industry. The Scopus database was used to filter the information by time, subject, type of documents, and origin. A search equation was used with the keywords artificial neural network and oil and gas industry. The information was processed using LibreOffice Clac, JASP, and VOSviewer software. A total of 267 documents were obtained, with 59.9 % original scientific articles, 56.0 % published in scientific journals, China as the country with the highest production, the main authors were from Saudi Arabia, 69.8 % of the research was in the Energy sub-area, 67.1 % of the research was affiliated to oil companies and the application areas were, in addition to the traditional exploration, drilling, production and reservoir, flow analysis, artificial lift, emissions, anomaly detection, automation, corrosion, and carbon dioxide detection. It is concluded that in the last five years, research on the use of ANNs in the oil and gas industry has deepened, especially in production prediction, reserves, and reservoir studies.

Resumen — En la industria del petróleo y gas la aplicación de metodologías de predicción y estimación como las Redes Neuronales Artificiales ha representado una herramienta valiosa en todo el sistema petrolero. El objetivo de la revisión fue analizar, desde la perspectiva bibliométrica, la producción científica de los últimos cinco años sobre el uso de las Redes Neuronales Artificiales en esta industria. Se utilizó la base de datos de Scopus, filtrando la información por tiempo, temática, tipo de documentos y origen. Se utilizó una ecuación de búsqueda con palabras clave artificial neural network y oil and gas industry. La información se procesó mediante los softwares LibreOffice Clac, JASP y VOSviewer. Se obtuvo un total de 267 documentos, de los cuales el 59,9 % correspondió a artículos científicos originales y el 56,0 % fueron publicados en revistas científicas. China se posicionó como el país con mayor producción, mientras que los principales autores procedieron de Arabia Saudita. El 69,8 % de las investigaciones se enfocaron en la subárea de Energía, y el 67,1 % estuvieron afiliadas a empresas petroleras. Las áreas de aplicación incluyeron, además de las tradicionales (exploración, perforación, producción y yacimientos), el análisis de flujo, levantamiento artificial, emisiones, detección de anomalías, automatización, corrosión y detección de dióxido de carbono. Se concluye que, en los últimos cinco años, se ha profundizado la investigación sobre el uso de las RNA (redes neuronales artificiales) en la industria del petróleo y gas, especialmente en temas como la predicción de producción, reservas y estudios de yacimientos.

RESUMEN: La incorporación de herramientas digitales y enfoques innovadores promueven habilidades que van desde las disciplinas tradicionales hasta transcender los límites para generar conocimiento a través de la utilización de tecnologías educativas avanzadas. Por ello, se formuló como objetivo de estudio analizar las competencias tecnológicas emergentes de docentes universitarios desde una visión transdisciplinaria, con el fin de comprender el rol del docente en la integración efectiva de las tecnologías en sus prácticas pedagógicas. La metodología se centró en un enfoque cualitativo, el diseño fue determinado por el paradigma interpretativo, desde una perspectiva fenomenológica; participaron 19 docentes de universidades públicas, ubicadas en Chile, Brasil, Argentina, Ecuador, Venezuela, México y Costa Rica, y universidades privadas de Paraguay y Perú; el instrumento fue una guía de entrevista estructurada en 16 preguntas. Se obtuvo como resultado que la herramienta tecnológica más utilizada en la práctica docente fue la aplicación PowerPoint, seguida de aulas y bibliotecas virtuales; la inteligencia artificial (IA) fue la tecnología emergente que desafía a los docentes y universidades objeto de estudio. En conclusión, las competencias tecnológicas emergentes fueron enfocadas en el conocer desde una práctica pedagógica carentes de prácticas disciplinares integradas a las áreas del conocimiento.

ABSTRACT: The incorporation of digital tools and innovative approaches promote skills that range from traditional disciplines to transcending the limits to generate knowledge through the use of advanced educational technologies. Therefore, the objective of the study was to analyze the emerging technology competencies of university teachers from a transdisciplinary perspective, in order to understand the role of the teacher in the effective integration of technologies in their pedagogical practices. The methodology was centered on a qualitative approach, the design was determined by the interpretive paradigm, from a phenomenological perspective; 19 teachers from public universities participated, located in Chile, Brazil, Argentina, Ecuador, Venezuela, Mexico and Costa Rica, and private universities from Paraguay and Peru; The instrument was an interview guide structured in16 questions. It was obtained as a result that the technological tool most used in teaching practice was the PowerPoint application, followed by virtual classrooms and libraries; the artificial intelligence (AI) was the emerging technology that challenges to teachers and universities object of study. In conclusion, the emerging technological competencies were focused in knowing from a pedagogical practice lacking of disciplinary practices integrated to the areas of knowledge.

RESUMO A Inteligência Artificial (IA) está revolucionando a assistência médica com soluções para desafios complexos, aprimorando o diagnóstico, o tratamento e o cuidado. No entanto, sua integração levanta questões sobre aplicações, benefícios e desafios. Esta revisão teve como objetivo discutir o uso de Tecnologias da Informação e Comunicação (TIC) para melhorar a gestão, o diagnóstico e o cuidado na Atenção Primária à Saúde (APS). Para atender a esse propósito, foram utilizadas as bases de dados Web of Sience, Proquest Central, Emerald Management Journals, PubMed e Scopus/Elsevier. A seleção de estudos envolveu triagem de títulos, revisão de resumos e exame de textos completos, aderindo às diretrizes PRISMA-ScR durante todo o processo. Os estudos examinaram as TIC sobre o uso potencial de ferramentas baseadas em IA no atendimento de pacientes na APS (11/34, 32,35%), e quanto aos desafios do uso da IA na APS (23/67,65%). A aplicação da IA na APS destaca a promessa de melhorias significativas, mas também a complexidade envolvida em sua implementação. A eficácia da IA nesse contexto está diretamente ligada a uma abordagem integrada que deve considerar a infraestrutura tecnológica existente, essencial para suportar as demandas de processamento de dados e a implementação de sistemas inteligentes.

ABSTRACT Artificial Intelligence (AI) is revolutionizing healthcare with solutions to complex challenges, improving diagnosis, treatment, and care. However, its integration raises questions about applications, benefits, and challenges. This review aimed to discuss the use of Information and Communication Technologies (ICTs) to improve management, diagnosis and care in Primary Health Care (PHC). In order to meet this purpose, the Web of Science, Proquest Central, Emerald Management Journals, PubMed, and Scopus/Elsevier databases were used. Study selection involved title screening, abstract review, and full-text examination, adhering to the PRISMA-ScR guidelines throughout the process. Studies examined ICTs on the potential use of AI-based tools in patient care in PHC (11/34, 32.35%), and on the challenges of using AI in PHC (23/67.65%). The application of AI in PHC highlights the promise of significant improvements, but also the complexity involved in its implementation. The effectiveness of AI in this context is directly linked to an integrated approach that must consider the existing technological infrastructure, which is essential to support data processing demands and the implementation of intelligent systems.