Machine learning has enhanced rice grain classification by enabling accurate, automated, and objective morphological analysis, supporting quality control and varietal selection. This study compared the performance of several algorithms in identifying three Ecuadorian rice varieties (INIAP-11, INIAP-12, and INIAP-20) using a balanced dataset of morphological features. Five models were trained with cross-validation and evaluated using multi-class metrics. Significant differences among varieties particularly in area, length, and eccentricity confirmed their discriminative potential. Initially, models were trained using all morphological variables. However, to optimize training time and computational cost, the study also evaluated model performance after applying dimensionality reduction through Principal Component Analysis (PCA). This approach enabled assessing whether reduced feature spaces could maintain competitive predictive performance while improving efficiency. Overall, all algorithms performed well, but only the Artificial Neural Network (ANN) and Support Vector Classifier (SVC) demonstrated strong generalization without overfitting. In contrast, Random Forest achieved perfect accuracy in training but decreased performance in testing. In conclusion, ANN and SVC emerged as the most robust alternatives for rice grain morphological classification, while the PCA results highlight the value of dimensionality reduction as a strategy to enhance computational scalability without substantially compromising accuracy. The objective of the present study is to train, evaluate, and compare different machine learning algorithms for the classification of three types of rice grains, in order to determine the best model for this task based on seven morphological characteristics of the grains applying machine learning algorithms with and without dimensional reduction.

La educación en los campos de Ciencia, Tecnología, Ingeniería y Matemáticas, más conocida por sus siglas en inglés como STEM (Science, Technology, Engineering, and Mathematics), se ha convertido en uno de los pilares fundamentales para el desarrollo de competencias clave en el siglo XXI. En una era marcada por la acelerada transformación digital, la automatización de procesos y la globalización del conocimiento, los sistemas educativos de todo el mundo se enfrentan al desafío de formar a nuevas generaciones con habilidades críticas que trascienden las fronte-ras de las disciplinas tradicionales. Es aquí donde la educación STEM emerge como una respuesta integral a las demandas de una sociedad en constante cambio, uniendo la teoría y la práctica en un marco interdisciplinario que prepara a los estudiantes para enfrentar los retos del futuro. Este libro nace con la intención de proporcionar una visión detallada y exhaustiva de los fundamentos, herramientas y aplicaciones prácticas de la educación STEM, no solo desde un enfoque teórico, sino también con una orientación clara hacia la implementación en el aula. A través de seis capítulos estructurados en torno a los principios fundamentales de STEM, se exploran sus orígenes, evolución, y la proyección que tiene como enfoque educativo de cara al futuro.

The research analyzes active teaching strategies in STEM education, focusing on methodologies such as gamification, project-based learning (PBL), augmented reality (AR), virtual reality (VR), educational robotics, and the flipped classroom model. These methodologies have shown to improve academic performance, knowledge retention, and the development of critical skills, such as critical thinking, creativity, and problem-solving. Despite the benefits, implementation faces significant challenges, including resistance from both teachers and students. The research highlights that combining traditional and active methods can help overcome these challenges, creating more dynamic and equitable learning environments. It also suggests that the success of these strategies largely depends on teacher training, willingness, and institutional support. In conclusion, active strategies are essential to better prepare students for the technological and scientific challenges of the future.

This article models the Ecuadorian shrimp market as a nonlinear system with recurring latent regimes that affect margins and planning decisions. A multivariate Hidden Markov Model (HMM) with Gaussian emissions in log space is estimated via the Baum–Welch algorithm to segment the joint dynamics of pounds produced, dollars invoiced, and average price. The analysis uses monthly data from January 2017 to May 2025 (T = 101). The selected four-state specification shows strong fit and outperforms linear alternatives (log likelihood = 480.9; AIC = 859.8; BIC = 729.5). The dominant regime (State 2) concentrates high prices (~USD 2.97/lb) with intermediate production and acts as an attractor (stationary probability ≈ 1), while States 0 and 1 capture orderly expansion and oversupply conditions, and State 3 reflects episodic demand rallies. Adverse regimes (States 0–1) exhibit expected durations of 6–8 months, suggesting natural reversion toward the profitable regime. These estimates enable probabilistic regime forecasting and Monte Carlo scenario simulation to support hedging, inventory management, and financial stress testing. Overall, the proposed HMM framework provides an operational decision tool for producers, traders, and policymakers seeking to anticipate regime shifts, mitigate oversupply cycles, and stabilize margins.

Este estudio analiza cómo la gestión eficiente del capital de trabajo incide en el desempeño de empresas manufactureras ecuatorianas (2019–2024). Se implementa una arquitectura metodológica en tres fases: i) regresión lineal múltiple automatizada (OLS) para identificar determinantes; ii) modelos de datos de panel con contraste de Hausman (preferencia por efectos fijos) para capturar dinámica temporal; y iii) fsQCA para evaluar configuraciones causales mediante lógica booleana. Los resultados señalan como impulsores al tamaño empresarial, rotación de ventas, periodo medio de pago y ROA; mientras que el endeudamiento de corto plazo, el endeudamiento patrimonial corriente y la carga financiera erosionan el capital de trabajo. Se corrobora la asociación positiva entre capital de trabajo y participación de mercado, y una relación inversa con el índice Z de Altman. fsQCA identifica la cobertura de intereses como condición necesaria y combina rutas equifinales de liquidez-eficiencia y estructura-tamaño. Se discuten implicaciones para políticas de tesorería, inventarios y estructura de capital.

Este estudio explora el cruce entre comunicación, marketing y educación a partir de una revisión sistemática de literatura científica indexada en Scopus. La investigación surge del interés por comprender cómo las instituciones educativas adoptan estrategias comunicativas y de marketing para fortalecer su posicionamiento, mejorar la experiencia estudiantil y responder a los desafíos de la digitalización educativa. El objetivo fue identificar temas latentes en la producción académica reciente sobre este cruce temático, mediante técnicas de procesamiento de lenguaje natural (PLN). Para ello, se empleó un enfoque cuantitativo, exploratorio y descriptivo, aplicando el modelo Latent Dirichlet Allocation (LDA) a un corpus de 147 documentos académicos obtenidos mediante la búsqueda TITLE-ABS-KEY ((communication AND marketing) AND education) en el área "ARTS". El modelo fue ejecutado con la biblioteca Gensim de Python, tras un proceso de limpieza, lematización y tokenización de los textos. Los resultados revelaron cinco temas dominantes: marketing educativo en medios digitales, comunicación científica y salud, estrategias de posicionamiento en educación superior, comunicación social crítica, y educación mediática.