El presente trabajo fue el análisis del uso de la herramienta Micro: bit para el pensamiento computacional (PC) en estudiantes de tercero a noveno año de educación básica en la Unidad Educativa Rey Sabio Salomón. Se aplicó una metodología mixta con un enfoque diseño preexperimental de grupos múltiples con preprueba y posprueba, se involucraron 58 estudiantes y 9 docentes. La recolección de datos se usó cuestionarios tipo Likert con respuestas cerradas. Los hallazgos revelan motivación y dominio de habilidades de programación entre los estudiantes de niveles inferiores de tercero a cuarto, mostrando fortalezas en la resolución de problemas, el pensamiento lógico y el reconocimiento de patrones con los niveles del 66.7% al 80%. Sin embargo, en los grados intermedios de quinto a séptimo, se presentaron un 40% de manejo de estructuras de control por parte de los estudiantes, en los niveles superiores, octavo a noveno dificultad para comprender conceptos avanzados como variables, sensores y lógica compuesta con niveles de incomprensión del 85.7%. Se concluye que Micro: bit se presenta como un recurso para el pensamiento computacional en todas las edades, siempre que los contenidos se adapten progresivamente al nivel cognitivo. El estudio ofrece una integración gradual en el currículo escolar.

El uso de agentes autónomos de inteligencia artificial en el desarrollo de software ha pasado de ser una práctica experimental a convertirse en un apoyo frecuente para tareas de codificación, documentación, pruebas y revisión técnica. En la actualidad, esta investigación analiza su impacto en la seguridad y la calidad del software; en especial, con énfasis en los riesgos asociados a la delegación de actividades críticas, sin algún tipo de control suficiente. En este contexto, se desarrolló una revisión documental estructurada bajo las fases del protocolo PRISMA, considerando así, estudios científicos, documentos técnicos y con ello, normas relacionadas con modelos de lenguaje, generación automática de código, desarrollo seguro y calidad técnica. De esta manera, los resultados muestran que, estas herramientas pueden acelerar el ciclo de desarrollo y reducir cargas operativas; sin embargo, también pueden introducir vulnerabilidades, errores lógicos, baja trazabilidad y problemas de mantenibilidad. Además, la evidencia revisada indica que la funcionalidad del código generado no garantiza su seguridad ni su calidad final. En consecuencia, se concluye que la denominada deuda agéntica surge cuando la productividad obtenida mediante inteligencia artificial no se acompaña de gobernanza, revisión humana, pruebas automatizadas y prácticas de desarrollo, seguridad y operaciones (DevSecOps). Por tanto, los agentes autónomos deben asumirse como herramientas de apoyo y no como sustitutos del criterio técnico del desarrollador.

La transformación digital del mercado laboral ecuatoriano ha ampliado la brecha entre las competencias de los profesionales y lo que piden las industrias, lo que alimenta el desempleo y el subempleo por perfiles desactualizados. La oferta formativa tradicional no sigue el ritmo del mercado y no ofrece orientación adaptada al perfil de cada persona. Frente a este problema, esta investigación desarrolló un sistema basado en inteligencia artificial que analiza el currículum del profesional con procesamiento de lenguaje natural, detecta sus brechas de competencias frente a la demanda del mercado y arma rutas de aprendizaje personalizadas con etapas, recursos y tiempos estimados, según la clasificación europea de competencias y ocupaciones (ESCO). Se usó un enfoque mixto de investigación aplicada, organizado en fases: un diagnóstico inicial con una encuesta a 12 profesionales y el análisis de 25 ofertas laborales; el diseño y desarrollo del sistema, con una arquitectura de cuatro capas y un modelo de lenguaje de gran escala; y una validación con 12 profesionales. El sistema identificó correctamente el 81% de las competencias requeridas, por encima de la meta del 75%, obtuvo 76.5 sobre 100 en usabilidad y mostró una mejora en la empleabilidad percibida. Se concluye que la herramienta sirve para orientar la formación profesional y que quedan aspectos por mejorar en versiones futuras.

Las entidades encargadas de la administración de cementerios enfrentan diversos desafíos en lo que respecta la modernización de procesos de gestión administrativa, especialmente con la información relacionada con registros de difuntos, asignación de espacios y control de pagos. En la actualidad existen procesos que se realizan de forma manual o usan herramientas sin integración, los mismos producen errores, pérdida de información, demoras en atención, lo que significa limitantes en la capacidad de análisis para tomar una decisión. El presente estudio tiene como objetivo desarrollar un prototipo de aplicación web basado en arquitectura API REST con dashboards analíticos, orientado a optimizar la gestión administrativa del cementerio del Gobierno Autónomo Descentralizado Parroquial de Llacao, en la ciudad de Cuenca. La investigación adopta un enfoque aplicado, con diseño cuasi-experimental en el desarrollo e implementación de una solución tecnológica funcional. Se definieron requerimientos funcionales y no funcionales que garantizan la trazabilidad, integridad y disponibilidad de la información, incorporando funcionalidades como registro digital de datos, validación automática, consultas en tiempo real y visualización de indicadores mediante dashboards interactivos. También se definieron roles de usuario y reglas de negocio que aseguran un control eficiente y acceso a la información. Finalmente, se evaluó el impacto del sistema mediante indicadores medibles relacionados con el tiempo de acceso a la información y nivel de satisfacción del usuario, evidenciando mejoras significativas en la eficiencia administrativa. La propuesta contribuye a la transformación digital del sector, permitiendo gestionar de manera eficiente y orientada a la toma de decisiones basada en información real.

La tecnología, especialmente la inteligencia artificial (IA), ha transformado significativamente la vida cotidiana, mejorando la calidad de vida y facilitando el aprendizaje y la toma de decisiones. Sin embargo, el uso de la IA en la toma de decisiones empresariales plantea riesgos éticos importantes que deben ser analizados para comprender sus implicaciones y encontrar soluciones. Entre los principales problemas se encuentran el fenómeno de la caja negra y la falta de entrenamiento adecuado de los algoritmos. Aunque varios estudios han elogiado los beneficios de la IA, pocos han explorado los riesgos asociados a su uso, lo que hace necesario un análisis equilibrado. Este artículo se enfoca en evaluar esos riesgos éticos y en comprender cómo pueden afectar a las organizaciones. Para ello, se realizó una revisión sistemática basada en la metodología PRISMA, utilizando fuentes académicas como Google Académico, Redilat y Scielo, con un criterio de inclusión relacionado con la toma de decisiones empresariales y un rango temporal de 2020 a 2025. Los resultados de la investigación muestran que, aunque la IA mejora los procesos, la falta de transparencia y responsabilidad sigue siendo un desafío, especialmente cuando se utiliza en contextos organizacionales donde la intervención humana es limitada. Se concluye que es esencial realizar un análisis más profundo sobre el impacto ético de la IA en las empresas para garantizar su uso responsable y transparente.

Objective: The study aimed to develop a neural network-based prototype to estimate the probability of payment by customers with overdue obligations and to automate the prioritization of collection efforts in financial sector companies, to improve operational efficiency and portfolio recovery. Methodology: A quantitative, non-experimental, predictive approach was applied, structured according to CRISP-DM, which included business understanding, data analysis and preparation, modeling, evaluation, and simulated deployment. The model was implemented as a Multilayer Perceptron (MLP) with two hidden layers (ReLU) and a sigmoid output layer for binary classification; performance was evaluated using accuracy, recall, F1-score, and AUC-ROC, and its operational impact was compared against a traditional method in a simulation environment. Results: The model achieved an accuracy of 0.87, a recall of 0.82, an F1-score of 0.84, and an AUC-ROC of 0.90. In the simulated operational evaluation, a 25% improvement in efficiency (cases/day) and an 18% increase in the recovery rate were observed, along with a reduction in average handling time and less attention given to low-probability cases. Conclusions: The findings demonstrated the prototype’s viability in supporting data-driven prioritization decisions and optimizing resources in collections; as a future direction, expanding the volume and diversity of data and evaluating the model in real-world systems were proposed to strengthen its generalization and scalability.