La transformación digital ha llevado a muchas universidades a actualizar sus procesos editoriales y a atender las nuevas demandas de la comunidad académica. En este contexto, la revista DATEH de la Universidad Técnica de Cotopaxi (UTC) comenzó a utilizar Open Journal Systems (OJS) con el fin de gestionar sus publicaciones de forma más ágil y dar mayor visibilidad internacional a lo que produce la institución. La decisión de investigar y poner en marcha el sistema surgió de la necesidad de disponer de un procedimiento más eficiente, transparente y en línea con los estándares mundiales de publicación científica. Con este reto en mente, el equipo se propuso que OJS fuera la plataforma única que canalizara desde la recepción de un manuscrito hasta su difusión definitiva. La puesta en marcha incluyó la integración de ORCID para la identificación única de autores, PLAGIARISM para detectar similitudes no citadas y DOI para otorgar a cada artículo un enlace persistente. Se optó por una metodología ágil basada en Scrum, lo que permitió avanzar por etapas, ajustar funciones a medida que surgían requerimientos y continuar mejorando la herramienta según el aprendizaje del equipo editorial. Entre los resultados más relevantes, sobresale una mejora considerable en la automatización de los flujos de trabajo y en la agilidad del proceso de revisión por pares, cumpliendo así con las directrices que recomiendan entidades como Latindex, SciELO y SENESCYT. A su vez, la visibilidad de los artículos ascendió de manera notable, gracias al modelo de acceso abierto que impulsa la nueva plataforma. En síntesis, la adopción de OJS no solo modernizó la gestión editorial de DATEH, sino que también situó a la Universidad Técnica de Cotopaxi como un referente regional en la aplicación de tecnologías para la divulgación científica

Ecuador, por su ubicación geográfica en la costa del Pacífico y dentro del Cinturón de Fuego, está constantemente expuesto a actividad sísmica, lo que implica un riesgo permanente para su población. A lo largo de su historia, se han registrado eventos sísmicos significativos en ciudades como Ambato, Esmeraldas, Pedernales y Machala, que evidencian la necesidad de implementar mecanismos eficaces para mitigar sus efectos. En este contexto, se propone el desarrollo de un sensor sísmico de bajo costo, basado en tecnología Arduino, el cual emplea un acelerómetro para detectar vibraciones sísmicas. Este sensor está compuesto por un microcontrolador Arduino Nano, un LED y un zumbador que permiten generar alertas inmediatas ante la presencia de movimientos telúricos. Su diseño sencillo y replicable lo convierte en una solución accesible tanto para zonas urbanas como rurales. Como parte del estudio, se aplicó una encuesta a 240 personas distribuidas en las 24 provincias del país, con el fin de conocer su percepción sobre este tipo de tecnologías, revelando un alto grado de aceptación y disposición a adoptarlas, incluso si esto implica inversiones de tiempo o dinero. El proyecto no solo ofrece una herramienta técnica, sino que también promueve una cultura de prevención y preparación ante emergencias sísmicas.

Los modelos de inteligencia artificial actualmente están en crecimiento y desarrollo constante haciendo posible integrarse en el campo de la medicina, visión artificial, robótica, climatología, entre otros. La presente investigación se seleccionó el modelo gpt-4o-mini caracterizado por ser un modelo pequeño, ágil y utilizado para tareas enfocadas capaz de proceder texto e imágenes. Se integro el modelo a un chatbot en la aplicación de Telegram, como resultado se obtuvo un modelo personalizado con instrucciones y configuraciones especificas capaces de ofrecer una interacción fluida, y que siga el contexto de la conversación entre el usuario y el bot. El artículo se ha desarrollado siguiendo la metodología de Investigación Científica del Diseño caracterizada por su enfoque en la creación de soluciones prácticas y ejecutadas en ambientes reales. Luego de analizar los puntajes obtenidos en la escala de usabilidad del chatbot, se evidenció una mejoría significativa del 15.41% en la usabilidad en comparación del antes y después de la implementación del modelo de inteligencia artificial.

This study aims to bridge the gap between the high predictive accuracy of machine learning models and the transparency requirements of public policies for sustainable mobility by analyzing technological adoption within the national vehicle fleet of Ecuador. To this end, a methodological framework grounded in Design Science Research (DSR) and CRISP-DM was applied to a real administrative dataset of 482,754 vehicle registration records from the Ecuadorian Internal Revenue Service (SRI, 2025), comparing the performance and interpretability of two state-of-the-art gradient boosting algorithms, XGBoost and LightGBM, for multiclass classification of internal combustion engine (ICE), hybrid, and electric vehicles (EV) under severe class imbalance. The results demonstrate that both models achieve near-perfect predictive performance, with a consolidated Macro F1-score of 0.987, confirming their robustness and suitability for large-scale, policy-relevant administrative data even when electric vehicles represent only 1.3\% of the observed fleet. Beyond global performance metrics, the integration of explainable artificial intelligence through SHAP values reveals that fiscal appraisal value and engine capacity are the primary determinants of EV adoption, while territorial factors exhibit greater influence in the case of hybrid vehicles, highlighting qualitatively distinct adoption mechanisms across technologies. These findings show that advanced ``black-box'' models can be transformed into auditable and interpretable analytical tools capable of linking predictions to concrete economic, technical, and spatial variables relevant for decision-making. The study concludes that XAI-enabled gradient boosting provides a rigorous and transparent framework to support the design of targeted fiscal incentives, fleet electrification strategies, and evidence-based transport decarbonization policies in emerging economies, where data-driven governance is critical for accelerating the transition toward sustainable mobility.

This study analyzes the factors associated with vehicle technology classification in Ecuador, using fuel category (electric, hybrid, and internal combustion) as the dependent variable under an Explainable Artificial Intelligence (XAI) approach. Following the CRISP-DM methodology, we compared the performance of XGBoost and LightGBM algorithms using a dataset of 482,754 administrative records from the Internal Revenue Service (SRI). Both models achieved outstanding predictive performance with a Macro F1-score of 0.987, demonstrating robustness despite the severe class imbalance (electric vehicles represent only 1.3% of the total). The integration of SHAP (SHapley Additive exPlanations) values identified tax appraisal and engine displacement as the most influential features in the model predictions in the adoption of electric vehicles. In contrast, territorial factors exert a more significant influence on the acquisition of hybrid vehicles. Finally, the findings demonstrate that boosting models, combined with XAI techniques, provide transparent analytical tools that can support evidence-based transport decarbonization strategies in emerging economies.

Este articulo utilizó una novedosa plataforma en línea con el propósito de monitorear y analizar el consumo de agua potable en la parroquia Pucayacu centro, cantón la Maná, Ecuador. El estudio abordó el desafío de gestionar datos de forma flexible y amigable a través de un medio digital. El uso de tecnologías avanzadas como PHP, JavaScript y MariaDB, combinado con la metodología ágil scrum, permitió la recopilación, el análisis y la interpretación automatizados de datos de consumo de agua. Los resultados indicaron una mejora significativa en la eficiencia operativa y la transparencia en la gestión de los recursos hídricos, lo que resultó en una toma de decisiones más informada y una asignación de recursos más eficiente. Este proyecto no solo mejoró la distribución de agua potable dentro de la comunidad, sino que también sirvió como modelo para otras áreas rurales que enfrentan problemas comparables, promoviendo la sostenibilidad y el acceso equitativo a los recursos esenciales.