Generative Artificial Intelligence (GAI) is emerging as a promising tool with which to improve strategic decision-making in a business environment characterized by increasing complexity. There are external and internal factors that are part of the success of entrepreneurial initiatives. Relevant factors that make decision-making effective include the technological environment, as an external factor, and innovation, as an internal factor. Methods: This study reviews the existing literature on implementing GAI in business decision-making. It assesses its short-, medium- and long-term effects, considering the interaction between GAI and human judgment. Challenges related to uncertainty, complexity, and ambiguity are examined, and the relevant literature is reviewed to understand these aspects comprehensively. Results: The review shows that, despite the advanced capabilities of GAI to analyze data and generate patterns, human judgment remains crucial in situations of high uncertainty. The results suggest that combining GAI with human expertise can improve the accuracy and efficiency of strategic decision-making by integrating the strengths of both parties. Conclusions: The implementation of GAI can offer significant improvements in the efficiency and accuracy of business decisions. However, human judgment and experience remain essential, especially in uncertain contexts. The key to maximizing the benefits of GAI lies in finding the right balance between artificial intelligence and human capital.

En el ámbito de los estudios relacionados con la administración, la economía y la sociedad, los histogramas se pueden emplear con el propósito de visualizar la distribución de los datos, por otra parte, las distribuciones normales son frecuentemente utilizadas para modelar fenómenos que ocurren en la vida real para efectuar predicciones basadas en análisis estadísticos viables y sólidos. Por la relevancia, el estudio tiene como objetivo generar una guía para el análisis de la normalidad de una variable específica utilizando métodos estadísticos y gráficos aplicados en SPSS. El método aplicado en este estudio posibilitó un examen minucioso de una variable específica piloteada empleando enfoques tanto estadísticos como visuales. Los histogramas revelaron la disposición de las frecuencias y los esquemas de los datos, en contraste, los gráficos Q-Q ofrecieron una confrontación directa con una distribución normal de referencia. Las pruebas de Shapiro-Wilk y Kolmogorov-Smirnov resultaron en la obtención de valores "p" que se cotejaron con niveles predefinidos de significancia, lo cual contribuyó a la identificación de la conformidad de los datos con una distribución normal.

This study investigated the key determinants of entrepreneurship in Ambato, Ecuador, through the application of predictive statistical models. The primary objective was to identify critical variables that influence the success and sustainability of entrepreneurial ventures in the region. A quantitative research design was employed, utilizing multivariate statistical techniques, including decision trees, random forest, and Principal Component Analysis (PCA). Data were collected through structured surveys administered to local entrepreneurs, addressing variables including demographics, education, initial investment, and business operations. The analysis revealed that factors such as geographic location, the entrepreneur’s educational attainment, business tenure, and operational characteristics have a significant influence on entrepreneurial viability. On the basis of these findings, the study proposes a predictive model to assist both policymakers and entrepreneurs in evaluating and enhancing business development strategies. The insights gained offer practical implications: entrepreneurs can refine their strategies for greater effectiveness, while local authorities can craft supportive policies, such as training programs and improved access to financing. The study highlights the importance of entrepreneurship education and targeted support for underdeveloped areas, thereby contributing to broader economic inclusion and enhanced employment opportunities in the region.

La presente investigación tiene como finalidad abordar la ansiedad en las matemáticas y el desempeño de las facultades de Ciencias de la Educación, Sociales, Filosóficas y Humanísticas de la Universidad Estatal de Bolívar. El objetivo de la presente es analizar la relación entre la ansiedad matemática y el desempeño académico en estudiantes universitarios, de tal manera que se pueda identificar los diferentes factores que contribuyen a la ansiedad matemática y su efecto en el rendimiento estudiantil. El instrumento que se utilizado fue el Cuestionario de Ansiedad en el Ámbito Académico (AMAS C) la cual permite evaluar los niveles de ansiedad en cada una de las personas. Los resultados obtenidos manifiestan que los estudiantes de la carrera de Pedagogía de la Matemática y la Física tienen un nivel alto de ansiedad, de tal manera se puede corroborar que presentan dificultades en el área de matemáticas según los diferentes diagnósticos utilizados.

La inadecuada capacidad para resolver conflictos en estudiantes de ingeniería automotriz puede tener consecuencias negativas en el ámbito laboral. El desarrollo del pensamiento lógico matemático puede ayudar a los estudiantes a desarrollar habilidades de análisis crítico, mejora de la capacidad de resolución de problemas, desarrollo de habilidades de razonamiento y comunicación efectiva, lo que les permite abordar los conflictos de manera efectiva y encontrar soluciones creativas. Esta investigación pretende identificar predictores de la capacidad para resolver problemas usando algoritmos de clasificación. Metodología: En este estudio se aplicaron tres algoritmos de clasificación y se usó el proceso KDD para identificar predictores de la capacidad para resolver problemas. El conjunto de datos cuenta con 60 registros de estudiantes de la carrera de ingeniería automotriz de la Universidad Equinoccial en Quito, Ecuador, a los que se les aplicaron tres herramientas: una ficha sociodemográfica, un test de Shatnawi relacionado con el pensamiento lógico matemático y un test de Watson Glaser sobre capacidad de resolución de conflictos. Resultados: El mejor modelo de clasificación es el algoritmo K-vecinos más cercanos y su capacidad de predicción es muy buena, con una tasa de verdaderos positivos frente a la tasa de falsos positivos AUC de 0.75, junto a un buen desempeño en clasificar casos negativos. El modelo puede ser mejorado con un aumento de la muestra, validación cruzada o ajuste de híper parámetros. Conclusión: La edad y el pensamiento lógico matemático están fuertemente asociados con la capacidad de resolver conflictos. En futuras investigaciones es importante considerar variables adicionales como la experiencia en proyectos de resolución de problemas, el conocimiento técnico y la habilidad comunicativa; explorar el uso de algoritmos de aprendizaje automático más avanzados; diseñar intervenciones educativas específicas basadas en el desarrollo del pensamiento lógico matemático; o comparar la capacidad de resolución de conflictos entre diferentes disciplinas de ingeniería.