Este estudio analiza si la revisión sistemática de literatura científica contribuye a la investigación jurídica. Con base en el enfoque cualitativo, el método analítico-sintético, el alcance descriptivo y utilizando la revisión documental, se examinó la revisión sistemática de literatura científica como método alternativo para sintetizar los resultados de estudios previos del derecho. Así, se propone una estructura para desarrollar revisiones sistemáticas en investigaciones jurídicas para que académicos y profesionales del derecho, encargados de elaboración de normas, investigadores del campo jurídico, formuladores de políticas públicas y estudios jurídicos puedan comunicar sus hallazgos durante la revisión del estado del arte sobre un tema jurídico con un método explícito y reproducible. Se concluye que la revisión sistemática es de gran utilidad para la comunidad jurídica porque contribuye a la estandarización de las líneas de investigación jurídicas, al desarrollo y profundización de temas de las diversas disciplinas jurídicas, así como al fortalecimiento del proceso de enseñanza y aprendizaje del derecho.
La teoría y la investigación constituyen elementos de un marco conceptual de una determinada ciencia. El objetivo de la investigación es presentar una reflexión teórica sobre el estado de la teoría contable y su conexión con la investigación contable. La investigación fue de enfoque cualitativo, no experimental y de tipo descriptivo. Se realizó una revisión y análisis de literatura con el fin de comparar resultados, estableciendo similitudes o diferencias significativas sobre las posiciones académicas sobre la teoría contable de Richard Mattessich y Carlos García Casella; así como la argumentación de la cientificidad de la contabilidad. Los principales resultados fueron: 1) La contabilidad no posee un paradigma o marco conceptual único y 2) La investigación contable impacta en la teoría contable, la regulación y la práctica contable. Se concluye que la contabilidad tiene un alcance multidimensional, se presenta bajo dimensiones económico, social y ambiental y con un enfoque cuantitativo y cualitativo.
Expanding ESG disclosure mandates under the Corporate Sustainability Reporting Directive (CSRD) and the International Sustainability Standards Board (ISSB) have driven rising demand for artificial intelligence (AI) and data analytics capable of supporting sustainability reporting and verification at scale. Nevertheless, the scholarly literature remains dispersed across discrete disciplinary fields—natural language processing, machine learning, auditing, and regulatory compliance—with limited integrative synthesis. To address this gap, the present study conducts a PRISMA 2020-compliant systematic review of 45 peer-reviewed articles indexed in Scopus and published between 2020 and 2025. The methodology combines bibliometric mapping through VOSviewer with qualitative thematic content analysis. Findings document a rapidly expanding field exhibiting a compound annual growth rate of 91.9%. Four principal thematic dimensions emerge: (i) NLP and text mining for ESG disclosure analysis; (ii) machine learning for ESG scoring and corporate performance; (iii) AI-enabled ESG assurance, auditing, and governance; and (iv) regulatory frameworks and the digital transformation of sustainability reporting. The evidence indicates that AI is progressively reshaping ESG disclosure from a largely narrative and self-reported practice into a data-driven, independently verifiable transparency system. These developments carry substantive implications for regulators, corporate practitioners, assurance providers, and investors seeking to strengthen the reliability and comparability of sustainability disclosures.
The intensification of ESG disclosure requirements under the Corporate Sustainability Reporting Directive (CSRD) and the International Sustainability Standards Board (ISSB) has increased the demand for artificial intelligence (AI) and data analytics to support large-scale sustainability reporting and verification. However, the existing academic literature remains fragmented across disciplinary domains, including natural language processing, machine learning, auditing, and regulatory compliance. This study addresses this gap through a PRISMA 2020-compliant systematic literature review of 45 peer-reviewed articles published between 2020 and 2025 and indexed in the Scopus database. The analysis combines bibliometric techniques using VOSviewer with qualitative thematic content analysis. The results reveal a rapidly expanding research field with a compound annual growth rate of 91.9%. Four major thematic dimensions emerge: (i) NLP and text mining for ESG disclosure analysis; (ii) machine learning applications for ESG scoring and corporate performance; (iii) AI-enabled ESG assurance, auditing, and governance; and (iv) regulatory frameworks and the digital transformation of sustainability reporting. The findings indicate that AI technologies are progressively transforming ESG disclosure from a predominantly narrative and self-reported practice into a data-driven and verifiable transparency system. These developments have important implications for regulators, corporate practitioners, assurance providers, and investors seeking to enhance the reliability and comparability of sustainability disclosures.
Objetivo: Analizar la evolución y tendencias bibliométricas en la revista Quipukamayoc entre 1993-2023. Métodos: Se empleó un enfoque cualitativo, utilizando el método analítico-sintético y la revisión documental como técnica de recolección de datos. La revisión bibliométrica se centró en tres áreas: análisis de los artículos, caracterización de los autores y evaluación del impacto de las publicaciones, proporcionando un estudio detallado y exhaustivo de las contribuciones en la revista. Los datos se recabaron de diversas fuentes, como Google Scholar Metrics, Scopus, SciELO y la propia revista. Resultados: De los 748 artículos publicados entre 1993-2023, 618 son originales y 130 de revisión. De los 1026 articulistas, 889 son nacionales y 137 extranjeros, siendo los más representativos los que proceden de México (43), Ecuador (41), Argentina (13), Colombia (10), Brasil (7) y España (7). Asimismo, los temas más recurrentes fueron contabilidad y finanzas (34 %), empresa (23 %), economía y comercio (16 %), tributación (15 %), sistemas y tecnologías de la información (5 %), y sector público y auditoría (7 %). Conclusión: Durante los 30 años de publicación continua, Quipukamayoc ha sido un referente importante en las áreas de investigación contable, económica, financiera y empresarial para autores y profesionales nacionales y extranjeros.
Este análisis situacional de la claridad y calidad de las notas explicativas en los estados financieros bajo IFRS (Obligatory Disclosure), pretende entregar claridad acerca de la calidad de la información entregada en las notas explicativas para 4 normas de Información Contable, claves en la información financiera en los países de la región, que son la NIC 2; Notas referente a Inventarios, NIC 16; Notas referente a Propiedad Planta y Equipos, NIC 37; Notas referente a Provisiones, y NIC 38; Notas referente a Activos Intangibles. Adicionalmente, este trabajo estudia la brecha de expectativas (Expectation Gaps) que existe en la información entregada en las notas de los estados financieros para tres importantes grupos de interés de estos estados financieros; a) los auditores externos, b) los administradores de empresas y c) accionistas. El análisis se efectúo en estados financieros de 6 países de la región; Argentina, Chile, Colombia, Perú, Paraguay, y Uruguay, se pidió la opinión de profesionales de los tres grupos mencionados anteriormente y se obtuvo una respuesta de 230 opiniones profesionales de notas a los estados financieros de empresas de los 6 países antes mencionados. Las conclusiones están claras de acuerdo a la evidencia obtenida. Como se esperaba, los terceros interesados en los estados financieros y sus notas estiman que dichas notas explicativas aun no tienen la claridad ni la calidad que los auditores y administradores sostienen.