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: 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.

Resumo A Educação atual está cada vez mais mediada por tecnologias digitais que implicam novos desafios que precisam ser abordados detalhadamente para transformá-los em oportunidades de avanço e evolução. Tal é o caso da inteligência artificial nos processos de avaliação da aprendizagem, o que nos obriga a repensar métodos, mecanismos e estratégias tradicionais para avaliar o sucesso da aprendizagem dos alunos, especialmente na Educação a Distância e online. Dada a complexidade do exposto, este ensaio analítico propõe uma análise dos desenvolvimentos da inteligência artificial que apoiam a chamada “avaliação 4.0”, com base na aplicação da lógica difusa, homeostase e na cibernética da auto-regulação. Tal aplicação forneceria suporte técnico e um quadro de entendimento geral para os processos de Avaliação, tanto para os professores quanto para os alunos, objetivando promover processos de avaliação mais alinhados com a natureza flexível e muitas vezes imprecisa e ambígua da aprendizagem e desempenho, associados à avaliação de habilidades no âmbito da quarta revolução industrial.

Abstract Today’s Education is increasingly mediated by digital technologies that imply new challenges that need to be addressed in detail to turn them into opportunities for advancement and evolution. Such is the case of the use of artificial intelligence in learning assessment processes, which is forcing us to rethink traditional methods, mechanisms, and strategies to assess student learning achievement, especially in distance and online Education. Given the complexity of the above, this analytical essay proposes a look at artificial intelligence developments that support the so-called “evaluation 4.0”, based on the application of fuzzy logic, homeostasis, and the cybernetics of self-regulation. Such an application would provide technical support and a general understanding framework for the evaluation processes for both teachers and students to promote evaluation processes more in line with the flexible and often imprecise and ambiguous nature of the learning and performance associated with the skills assessment in the framework of the fourth industrial revolution.

Resumen La educación actual está cada vez más mediada por tecnologías digitales que implican nuevos desafíos que necesitan ser abordados en detalle para convertirlos en oportunidades de avance y evolución. Tal es el caso del uso de inteligencia artificial en los procesos de evaluación del aprendizaje, lo que nos obliga a repensar métodos, mecanismos y estrategias tradicionales para evaluar el logro del aprendizaje de los estudiantes, especialmente en la educación a distancia y en línea. Dada la complejidad de lo anterior, este ensayo analítico ha propuesto un análisis de los desarrollos de inteligencia artificial que respaldan la llamada “evaluación 4.0”, basada en la aplicación de la lógica difusa, homeostasis y la cibernética de autorregulación. Tal aplicación proporcionaría soporte técnico y un marco de entendimiento general para los procesos de evaluación tanto para profesores como para estudiantes, para promover procesos de evaluación más acordes con la naturaleza flexible y a menudo imprecisa y ambigua del aprendizaje y el rendimiento asociados con la evaluación de habilidades en el marco de la cuarta revolución industrial.

RESUMEN El proceso de evaluación del desempeño de las personas que trabajan en proyectos de innovación tecnológica para la salud genera una gran cantidad de información, que condiciona la toma de decisiones oportuna en tiempo de ejecución y sirve como base de estudio para perfeccionar o corregir futuras estrategias de gestión. Cuando el volumen de información cuantitativa generado es muy alto, es difícil identificar la información verdaderamente importante para proyectos de este tipo. El objetivo de la investigación es diseñar un método para el análisis lingüístico de la evaluación de los recursos humanos de proyectos médicos. La investigación desarrolla mediante un enfoque de estudio mixto, de tipo retrospectivo y diseño experimental, de corte transversal. Se realizó un análisis documental para identificar las técnicas de Inteligencia Artificial abordadas por la ciencia para resolver problemas de análisis e interpretación de datos. Como resultado se obtuvo el diseño de un método basado en el resumen lingüístico de datos para la construcción de resúmenes lingüísticos a partir de la generación de reglas de asociación. El método fue corrido sobre una base de datos que almacena indicadores evaluativos diarios, sobre el desempeño de los recursos humanos de proyectos médicos. La sumarización lingüística de datos es un método de softcomputing que apoya la toma de decisiones extrayendo el conocimiento de grandes volúmenes de datos, no interpretables para los humanos sin ayuda computacional. El método propuesto, permitió identificar resúmenes lingüísticos que pueden servir de base para tomar decisiones sobre el desempeño general de los recursos humanos de un proyecto.

ABSTRACT The performance evaluation process of people working in technological innovation projects for health generates a large amount of information, which conditions timely decision-making at execution time and serves as a basis for study to improve or correct future management strategies. When the volume of quantitative information generated is very high, it is difficult to identify the truly important information for projects of this type. The objective of the research is to design a method for the linguistic analysis of the evaluation of human resources in medical projects. The research is developed through a mixed study approach, retrospective type and experimental design, cross-sectional. A documentary analysis was carried out to identify the Artificial Intelligence techniques addressed by science to solve data analysis and interpretation problems. As a result, a method based on the linguistic summary of data was designed for the construction of linguistic summaries from the generation of association rules. The method was run on a database that stores daily evaluative indicators on the performance of human resources in medical projects. Linguistic data summarization is a soft computing method that supports decision making by extracting knowledge from large volumes of data that are not interpretable by humans without computational assistance. The proposed method made it possible to identify linguistic summaries that can serve as a basis for making decisions about the overall performance of a project's human resources.

Abstract — The exponential increase in Internet traffic is mainly due to the proliferation of services such as audio and video streaming, the emergence of applications that require a lot of bandwidth to work optimally and generally the process of digitalization of services. In this context, bandwidth management plays a fundamental role, which translates into a better experience for users. Traffic congestion causes the exchange of information to become deficient, that is why techniques such as automatic bandwidth adjustment have been investigated, which manages the bandwidth according to the traffic demand, therefore in this document a study is made about the automatic bandwidth adjustment, the way in which Artificial Intelligence is integrated with computer networks, finally a comparison will be made of several machine learning methods, cataloged within supervised learning, carrying out several experiments determining that Random Forest is the most effective method to predict the automatic bandwidth adjustment, followed by Naive Bayes, Logistic Regression, and Support Vectorial Machine (SMV), on the other hand K -nearest neighbor (KNN) and neural network do not demonstrate considerable effectiveness, each experiment was carried out taking into account the Quality of Service (QoS).

Resumen El aumento exponencial del tráfico en Internet se debe principalmente a la proliferación de servicios como el streaming de audio y video, a la aparición de aplicaciones que requieren un alto ancho de banda para funcionar de manera óptima, y, en general, al proceso de digitalización de servicios. En este contexto, la gestión del ancho de banda desempeña un papel fundamental, ya que contribuye a una mejor experiencia para los usuarios. La congestión de tráfico genera que el intercambio de información sea ineficiente. Por ello, se han investigado técnicas como el ajuste automático de ancho de banda, que permite gestionar el ancho de banda según la demanda de tráfico. En este documento se realiza un estudio sobre el ajuste automático de ancho de banda, abordando cómo la Inteligencia Artificial se integra con las redes de computadoras. Además, se presenta una comparación de varios métodos de aprendizaje supervisado en machine learning. A través de diversos experimentos, se determinó que Random Forest es el método más efectivo para predecir el ajuste automático de ancho de banda, seguido por Naive Bayes, Regresión Logística y Support Vector Machine (SVM). En contraste, los métodos K-Vecinos Más Cercanos (KNN) y redes neuronales no demostraron una efectividad significativa. Cada experimento se realizó considerando la Calidad de Servicio (QoS).

Resumen La floricultura es un sector de creciente importancia a nivel mundial, contribuyendo a la generación de empleo, ingresos y a la promoción de la biodiversidad y la sostenibilidad. Este estudio tuvo como objetivo identificar los factores que influyen en la adopción de la floricultura como cultivo alternativo en la provincia de Leoncio Prado, Perú, y evaluar su viabilidad económica. Para ello, se encuestó a 269 agricultores, analizando actitudes, aptitud de la tierra, factores socioeconómicos y ambientales. Mediante análisis descriptivo, pruebas de chi-cuadrado y regresión logística (p < 0,1) se seleccionaron los factores influyentes. Además, se emplearon múltiples algoritmos de aprendizaje automático (Árboles de Decisión, Regresión Logística, KNN, SVM, Ensemble, Redes Neuronales, Naive Bayes) con validación cruzada (k = 5) y métricas AUC para modelar la intención de adopción. Se desarrollaron escenarios incrementando la predisposición a adoptar la floricultura, y se realizó un análisis económico de ocho especies tropicales (Ginger Rojo, Anturio, Bastón del Emperador, Heliconia, Gardenia, Pico de Loro, Heliconias Golden, Maracas). Los resultados revelan que la disposición a cambiar de cultivo, la participación en campañas de sensibilización, la destinación de áreas a la conservación y el control de costos son factores clave. El modelo de redes neuronales alcanzó un AUC de 83,3% y escenarios mejorados indican que la adopción podría incrementar hasta en 11,32%. El Ginger Rojo demostró alta rentabilidad (VAN S/10428; TIR 51%; PRI 0,7 años). En conclusión, la floricultura representa una alternativa económica y ambientalmente viable que contribuye a la diversificación agrícola y a la sostenibilidad.

Abstract Floriculture is a sector of growing global importance, contributing to employment generation, income creation, and the promotion of biodiversity and sustainability. This study aimed to identify the factors influencing the adoption of floriculture as an alternative crop in the province of Leoncio Prado, Peru, and to assess its economic viability. A total of 269 farmers were surveyed, analyzing attitudes, land suitability, and socioeconomic and environmental factors. Influential factors were identified using descriptive analysis, chi-square tests, and logistic regression (p < 0.1). Additionally, multiple machine learning algorithms (Decision Trees, Logistic Regression, KNN, SVM, Ensemble, Neural Networks, Naive Bayes) with cross-validation (k = 5) and AUC metrics were employed to model adoption intentions. Scenarios were developed to increase the willingness to adopt floriculture, and an economic analysis of eight tropical species (Red Ginger, Anthurium, Emperor's Staff, Heliconia, Gardenia, Parrot's Beak, Golden Heliconias, Maracas) was conducted. The results reveal that willingness to change crops, participation in awareness campaigns, allocation of areas for conservation, and cost control are key factors. The neural network model achieved an AUC of 83.3%, and improved scenarios indicate that adoption could increase by up to 11.32%. Red Ginger demonstrated high profitability (NPV S/10428; IRR 51%; PBP 0.7 years). In conclusion, floriculture represents an economically and environmentally viable alternative that contributes to agricultural diversification and sustainability.

Resumo A cana-de-açúcar ocupa grande escala territorial no mundo e busca constantemente por mecanismos para monitorar os nutrientes no ciclo de produção da cultura, utilizando métodos não destrutivos. O estudo com objetivo estimar o teor de nitrogênio na folha da cana-de-açúcar foi desenvolvido na safra 2021/2022 sobre dois talhões comerciais de sequeiro cultivares (RB867515 = 50,75 ha) e (CVSP7870 = 48,56 ha) na Usina Energética Serranópolis-Goiás, avaliando a eficiência dos índices bioquímicos de vegetação Fraction of Absorbed Photosynthetically Active Radiation (fAPAR) e Canopy Chlorophyll Content (CCC) processados utilizando modelo de transferência de radiação RTM PROSAIL, comparados aos índices Normalized Difference Vegetation Index (NDVI) e Green Normalized Difference Vegetation Index (GNDVI), processados utilizando modelos matemáticos e razão de bandas. Ambos, baseados em série temporal de dados Sentinel-2 como variáveis de entrada. A validação do Agro-Modelo ocorreu através de análise de tecido foliar coletada em sete avaliações intercaladas durante o período de permanência da cultura no campo. Foi evidenciado a funcionalidade dos quatro índices, destacando o índice bioquímico fAPAR sob a ótica da estatística descritiva (R² = 0,970 e RMSE = 0,46) para o cultivar RB867515 e (R² = 0,940 e RMSE = 0,69) para o cultivar CVSP7870.

Abstract Sugarcane occupies a large territorial scale in the world and is constantly searching for mechanisms to monitor nutrients in the crop production cycle, using non-destructive methods. The study aimed to estimate the nitrogen content in the sugarcane leaf was developed in the 2021/2022 harvest on two commercial fields of dryland cultivars (RB867515 = 50.75 ha) and (CVSP7870 = 48.56 ha) at the Serranópolis-Goiás mill, evaluating the efficiency of the biochemical vegetation indices Fraction of Absorbed Photosynthetically Active Radiation (fAPAR) and Canopy Chlorophyll Content (CCC) processed using the radiation transfer model RTM PROSAIL, compared to the Normalized Difference Vegetation Index (NDVI) and Green Normalized Difference Vegetation Index (GNDVI), processed using mathematical band ratio models. Both were based on a time series of Sentinel-2 data as input variables. The validation of the Agro-Model occurred through analysis of leaf tissue collected in seven interspersed evaluations during the period the crop remained in the field. The functionality of the four indexes was evidenced, highlighting the biochemical index fAPAR from the perspective of descriptive statistics (R² = 0.970 and RMSE = 0.46) for the cultivar RB867515 and (R² = 0.940 and RMSE = 0.69) for the cultivar CVSP7870.

ABSTRACT The study seeks to identify the dualities between the use of artificial intelligence (AI) in education and the risks of algorithmic biases. This qualitative research is a systematic literature review with bibliometric support. Data collection took place across the Scopus, Web of Science, and ScienceDirect databases, ultimately selecting 16 articles for analysis and interpretation. The hypothesis posits that algorithmic biases in education may compromise the equity and effectiveness of educational processes. Biases were observed from the coding of algorithms to automated processing, potentially impacting student performance and widening inequalities. Suggested mitigation measures include care in the training and implementation phases of algorithms, the development of algorithmic repair practices, platform supervision, and the need for fair and reliable technologies. In addressing the hypothesis, the study concludes that the effectiveness of AI in education depends on continuous, inclusive training of algorithms and user awareness of algorithmic bias risks, enabling systems to improve in ways that prevent the reproduction of social injustices. An ethical and collaborative approach is recommended to ensure AI contributes to a fairer education system. Interaction between students and AI can foster critical reflection on received feedback, as students need to identify whether results are reliable, up-to-date, and unbiased, considering the time required for algorithms to incorporate new training data.

RESUMO O estudo busca identificar as dualidades entre o uso da inteligência artificial (IA) na educação e os riscos de vieses algorítmicos. A pesquisa se insere como qualitativa e uma revisão sistemática de literatura com apoio bibliométrico. A coleta de dados ocorreu nas bases Scopus, Web of Science e ScienceDirect, e ao final foram selecionados 16 artigos para análise e interpretação. A hipótese levantada é de que os vieses algorítmicos na educação podem comprometer a equidade e a eficácia dos processos educativos. Os vieses foram apontados desde a codificação dos algoritmos até o processamento automatizado, o que pode impactar o desempenho dos alunos e ampliar as desigualdades. Medidas sugeridas para mitigação incluem os cuidados nas fases de treinamento e implementação dos algoritmos, desenvolvimento de práticas de reparação algorítmica, supervisão das plataformas e a necessidade de tecnologias justas e confiáveis. Como resposta à hipótese, conclui-se que a eficácia da IA na educação depende de um treinamento contínuo e inclusivo dos algoritmos e da conscientização de seus usuários sobre os riscos dos vieses algorítmicos, de forma que os sistemas possam ser aperfeiçoados para evitar a reprodução de injustiças sociais. Recomenda-se uma abordagem ética e colaborativa para garantir que a IA contribua para uma educação mais justa. A interação entre os alunos e a IA pode suscitar uma reflexão crítica sobre os feedbacks recebidos, pois eles precisam saber identificar se os resultados são confiáveis, atualizados e não tendenciosos, uma vez que a IA pode demorar a incorporar novos dados de treinamento nos algoritmos.

RESUMEN El estudio busca identificar las dualidades entre el uso de la inteligencia artificial (IA) en la educación y los riesgos de sesgos algorítmicos. Esta investigación es cualitativa y se llevó a cabo una revisión sistemática de la literatura con apoyo bibliométrico. La recolección de datos se realizó en las bases de datos Scopus, Web of Science y ScienceDirect, y finalmente se seleccionaron 16 artículos para su análisis e interpretación. La hipótesis planteada es que los sesgos algorítmicos en la educación pueden comprometer la equidad y la eficacia de los procesos educativos. Se destacaron sesgos desde la codificación de los algoritmos hasta el procesamiento automatizado, lo cual puede afectar el rendimiento estudiantil y ampliar las desigualdades. Las medidas de mitigación sugeridas incluyen cuidados en las fases de capacitación e implementación de los algoritmos, el desarrollo de prácticas de reparación algorítmica, la supervisión de plataformas y la necesidad de tecnologías justas y confiables. En respuesta a la hipótesis, se concluye que la efectividad de la IA en la educación depende de un entrenamiento continuo e inclusivo de los algoritmos y de la concienciación de sus usuarios sobre los riesgos de sesgos algorítmicos, de modo que los sistemas puedan mejorarse para evitar la reproducción de injusticias sociales. Se recomienda un enfoque ético y colaborativo para asegurar que la IA contribuya a una educación más justa. La interacción entre los estudiantes y la IA puede impulsar una reflexión crítica sobre el feedback recibido, ya que necesitan saber identificar si los resultados son fiables, actualizados y libres de sesgos, dado que la incorporación de nuevos datos de formación en los algoritmos puede llevar tiempo.

RESUMO As empresas reconhecem o papel crucial dos dados no mercado atual, com tecnologias de sustentabilidade cada vez mais adotadas para vantagens competitivas. A análise de Big Data, inteligência artificial e a gestão da cadeia de suprimentos verde (GSCM) são estratégias prevalentes para promover a sustentabilidade. A pesquisa, envolvendo 220 funcionários do setor manufatureiro taiwanês, revela impactos significativos da análise de Big Data e inteligência artificial na gestão da cadeia de suprimentos verde e na ambidestria. Além disso, a ambidestria da cadeia de suprimentos influencia significativamente a gestão da cadeia de suprimentos verde e medeia a relação entre análise de Big Data, inteligência artificial e gestão da cadeia de suprimentos verde. Este estudo destaca a importância crítica da cadeia de suprimentos verde na economia responsável, esclarecendo como alavancar inteligência artificial e Big Data aprimora a ambidestria da cadeia de suprimentos, fortalecendo práticas sustentáveis sem alterações detectáveis.

ABSTRACT In the current dynamic market, businesses have recognized the pivotal role of data and sustainability technologies in attaining competitive advantage. Big Data Analytics-Artificial Intelligence and Green Supply Chain Management are significant sustainability promotion strategies. The research collected data from 220 employees in the Taiwanese manufacturing sector with the help of a survey methodology. The findings revealed significant impacts of Big Data Analytics-Artificial Intelligence on both green supply chain management and supply chain ambidexterity. Moreover, supply chain ambidexterity significantly influences green supply chain management. Lastly, supply chain ambidexterity was also found to mediate the relationship between Big Data Analytics-Artificial Intelligence and green supply chain management. This study provides several implications for fostering a responsible economy. It elucidates how leveraging Big Data Analytics-Artificial Intelligence enhances supply chain ambidexterity, reinforcing sustainable practices without detectable alterations.

RESUMEN Las empresas valoran los datos en el mercado actual y adoptan tecnologías sostenibles para competir. El análisis de big data, la inteligencia artificial y la gestión de la cadena de suministro verde (GSCM) promueven la sostenibilidad. Una investigación con 220 empleados del sector manufacturero taiwanés muestra el impacto del análisis de big data y la inteligencia artificial en la gestión verde de la cadena de suministro y la ambidestreza. Además, la ambidestreza de la cadena de suministro influye en la gestión verde y media la relación entre el análisis de big data, la inteligencia artificial y la GSCM. Este estudio destaca la importancia crítica de la cadena de suministro verde en una economía responsable. Explica cómo el aprovechamiento de la inteligencia artificial y del big data mejora la ambidestreza, fortaleciendo prácticas sostenibles sin alteraciones detectables.

Resumo Objetivo: Identificar a literatura científica acerca das estratégias de regulação das tecnologias de informação aplicadas na área da saúde para proteção dos dados dos usuários. Metodologia: Foi conduzida uma revisão integrativa da literatura, consultando as bases de dados BVS, Scielo e Web of Science, utilizando descritores em português e inglês, delimitando os artigos com ênfase nas tecnologias e LGPD. Resultados: A revisão resultou na identificação de 658 artigos, e considerando os critérios de seleção, foram selecionados cinco artigos que se relacionam diretamente com a temática do estudo. As categorias foram sistematizadas e analisadas a partir de três perspectivas: incorporação de inteligência artificial e inovações em saúde; proteção de dados em saúde e seu entrelaçamento com a LGPD; e os aspectos operacionais e governança de informações em saúde. Conclusões: A implementação da saúde digital emerge como um desafio importante para a Saúde Coletiva, exigindo discussões sobre seu impacto nas políticas de saúde. A análise ressalta a importância da regulamentação abrangente das TICs na saúde e destaca desafios como a rápida evolução tecnológica, segurança de dados e políticas públicas. Regulamentações como a LGPD se mostram essenciais para proteger a privacidade e segurança dos usuários na saúde digital.

Abstract Objective: To identify scientific literature on regulatory strategies for information technologies applied in the health sector to protect user data. Methodology: An integrative literature review was conducted, consulting the databases BVS, Scielo, and Web of Science, using descriptors in Portuguese and English, focusing on articles related to technologies and LGPD. Results: The review identified 658 articles, and considering the selection criteria, 5 articles directly related to the study's theme were selected. Categories were systematized and analyzed from three perspectives: incorporation of artificial intelligence and innovations in health; protection of health data and its intertwining with LGPD; and operational aspects and governance of health information. Conclusions: The implementation of digital health emerges as a significant challenge for Public Health, requiring discussions about its impact on health policies. The analysis highlights the importance of comprehensive regulation of ICTs in health and underscores challenges such as rapid technological evolution, data security, and public policies. Regulations like LGPD are essential to protect the privacy and security of users in digital health.

RESUMEN El presente trabajo aborda la necesidad de integrar la Inteligencia Artificial en el currículo de bachillerato ecuatoriano para responder a las demandas del siglo XXI. Se realizó un análisis del currículo actual y se propusieron estrategias didácticas para la implementación de dicho recurso. Se llevó a cabo un estudio cualitativo con un enfoque descriptivo, macrosocial sobre la educación. Se realizaron entrevistas semiestructuradas a docentes, directivos y estudiantes. Los hallazgos destacan que las estrategias didácticas propuestas fortalecen habilidades críticas y creativas, promueven la participación en el aula y preparan a los jóvenes para un entorno educativo más dinámico y adaptado a las demandas tecnológicas.

ABSTRACT This paper addresses the need to integrate Artificial Intelligence into the Ecuadorian high school curriculum to meet the demands of the 21st century. An analysis of the current curriculum was carried out and didactic strategies for the implementation of this resource were proposed. A qualitative study was carried out with a descriptive, macro-social approach on education. Semi-structured interviews were conducted with teachers, directors and students. The findings highlight that the proposed didactic strategies strengthen critical and creative skills, promote participation in the classroom and prepare young people for a more dynamic educational environment adapted to technological demands.

RESUMEN El estudio analizó las contribuciones teóricas y empíricas sobre la inteligencia empresarial (BI) en organizaciones mediante una revisión sistemática de 30 artículos en Scopus, Scielo y Redalyc. Los hallazgos revelan un creciente interés en BI entre 2021 y 2023, con predominio de estudios en Asia y Oceanía. Se identificó un enfoque cuantitativo y un nivel descriptivo, con publicaciones mayormente en inglés. Se destacan tendencias como la madurez BI, el uso de Big Data e inteligencia artificial, así como la necesidad de estrategias, liderazgo y capacitación para optimizar la implementación y aprovechamiento de BI en las organizaciones.

ABSTRACT The study analyzed the theoretical and empirical contributions of business intelligence (BI) in organizations through a systematic review of 30 articles from Scopus, Scielo, and Redalyc. Findings reveal a growing interest in BI between 2021 and 2023, with a predominance of studies in Asia and Oceania. A quantitative approach and a descriptive level were identified, with most publications in English. Emerging trends include BI maturity, the use of Big Data and artificial intelligence, and the need for strategies, leadership, and training to optimize the implementation and utilization of BI in organizations.

RESUMO Este artigo analisa o avanço da integração das Inteligências Artificiais Generativas nas plataformas, nomeadamente nas que se baseiam em Modelos de Linguagem de Grande Dimensão (MLG). Estas mudanças começam a alterar a forma como os conteúdos são produzidos e utilizados, a informação é pesquisada e processada e os perfis dos utilizadores são geridos. O objetivo do artigo é mapear os principais desenvolvimentos de LLM no Ocidente e as suas parcerias estratégicas, de fornecimento de hardware ou financeiras com plataformas de computação em nuvem, produtores de hardware e servidores. Neste sentido, começa com o lançamento massivo do ChatGPT como momento fundador desta nova etapa e passa pelas principais utilizações e aplicações dos transformadores em ambientes de plataforma. Embora estejamos no início da aplicação desta tecnologia de forma integrada, ela poderá gerar um aprofundamento da personalização algorítmica, modificando as formas de subjetivação humana e favorecendo bolhas epistémicas ao nível cognitivo, bem como concentrando a oferta e o desenvolvimento ao nível da economia política. Isto suscita a necessidade de procurar mais formas de intervenção humana na curadoria de dados e de aumentar o controlo ativo, civil e governamental, destes sistemas e das suas alianças, a fim de evitar uma concentração extrema e de abordar os enviesamentos que podem gerar efeitos negativos na cultura.

RESUMEN Este artículo analiza el avance de la integración de las Inteligencias Artificiales Generativas a las plataformas, sobre todo la que se basan en los modelos de lenguaje grandes (LLMs). Estos cambios comienzan a alterar la manera en que se produce y utiliza contenido, se busca y procesa información, y se gestionan los perfiles de los usuarios. El objetivo del artículo es realizar un mapeo de los principales desarrollos de LLMs en Occidente y sus asociaciones estratégicas, de hardware supply o financieras con plataformas, productores de hardware y servidores de cloud computing. En tal sentido, se parte del lanzamiento masivo de Chat GPT como momento fundacional de esta nueva etapa y se recorren los principales usos y aplicaciones de transformers en los entornos platafórmicos. Si bien estamos atravesando los comienzos de la aplicación de esta tecnología de manera integrada, podría generar una profundización en la personalización algorítmica, modificando las formas de subjetivación humanas y favoreciendo las burbujas epistémicas en el plano cognoscitivo, además de concentrar la oferta y el desarrollo en el plano de la economía política. Es por eso, que se plantea la necesidad de buscar más formas de intervención humana en la curación de datos e incrementar la observancia activa -tanto civil como gubernamental- de estos sistemas y sus alianzas para evitar la concentración extrema y atender a los sesgos que pudieran generar efectos negativos en la cultura.

ABSTRACT This article analyzes the advancement of the integration of Generative Artificial Intelligences into platforms, especially those based on Large Language Models (LLMs). These changes are beginning to alter the way content is produced and used, information is searched and processed, and user profiles are managed. The aim of the article is to map the main LLM developments in the West and their strategic, hardware supply or financial partnerships with cloud computing platforms, hardware producers and servers. In this sense, we start with the massive launch of ChatGPT as the founding moment of this new stage and go through the main uses and applications of transformers in platform environments. Although we are at the beginning of the application of this technology in an integrated manner, it could generate a deepening of algorithmic personalization, modifying the forms of human subjectivation and favoring epistemic bubbles at the cognitive level, as well as concentrating supply and development at the level of political economy. That is why it is necessary to seek more forms of human intervention in data curation and to increase the active observance -both civil and governmental- of these systems and their alliances in order to avoid extreme concentration and to attend to the biases that could generate negative effects on culture.