Las competencias laborales han tomado mayor relevancia en las últimas décadas donde las organizaciones modernas bajo el paradigma de la economía del conocimiento han incrementado la demanda de personal con habilidades que les garanticen niveles significativos de diferenciación y competitividad. Este trabajo tuvo como objetivo analizar las competencias laborales más solicitadas a nivel mundial mediante el Análisis de Redes Sociales (ARS), con la finalidad de identificar tanto a las regiones con mayor grado de co-ocurrencias como a los países con mayor concentración de competencias para determinar si se encuentran dentro del grupo de ingresos altos. También se presenta una red de co-ocurrencias entre países que permite valorar las sinergias regionales y las posibilidades de diversificación de las competencias laborales para el caso de México. Los hallazgos indican que Europa es la región de ingresos altos con mayor grado de co-ocurrencias regionales con Norteamérica y Asia Pacífico, mientras que la región de Latinoamérica y el Caribe se encuentra desvinculada de la red. Se detectan países del grupo de ingresos altos y de Europa dentro del top diez con una mayor concentración de competencias laborales, a excepción de Singapur, perteneciente a la región Asia Pacífico, con quien México presenta una sinergia regional.
Smart cities increasingly depend on Artificial Intelligence (AI) based computational models to transform large volumes of heterogeneous urban data into actionable knowledge that supports complex decision-making processes. Despite significant advances in urban analytics, simulation and Decision Support Systems, existing approaches often remain fragmented, limiting their capacity to provide integrated and context-aware solutions. This chapter proposes the AI-Driven Urban Decision Intelligence Framework (AUDIF), a comprehensive methodological model that connects data acquisition, AI-based modeling, simulation and decision intelligence within a unified pipeline. The framework introduces a multi-layered architecture that incorporates not only technical components, such as machine learning, digital twins and optimization models, but also a human-centered layer emphasizing social inclusion, explainability and algorithmic governance. By structuring the transition from data to decisions, AUDIF enhances adaptability and responsiveness in dynamic urban environments.
2 July 2021 in RIDE Revista Iberoamericana para la Investigación y el Desarrollo Educativo
Esta investigación tuvo como objetivo determinar, desde la perspectiva de la reingeniería de procesos, los factores que posibilitan y obstaculizan la innovación de servicios en el área de atención a alumnos de una institución educativa privada del estado de Hidalgo, México, durante el periodo de enero de 2010 a diciembre de 2011. Las técnicas de investigación usadas fueron la documental, la observación participante, la realización de entrevistas a las ejecutivas de servicio de primera línea y un estudio de benchmarking interno, todo ello con el fin de formular propuestas de innovación de los servicios de atención a estudiantes. Los resultados permitieron identificar el servicio con mayor área de oportunidad y se trabajó en él para generar propuestas de innovación y capacitación del personal que pudieran mejorar la percepción del servicio entre los usuarios. La investigación sentó las bases para que la institución iniciara la migración de varios servicios a entornos virtuales, incluyendo la capacitación del personal para el uso de nuevas herramientas tecnológicas, a través de un plan adecuadamente estructurado.
This chapter analyzes the transformation of the labor market within smart cities through computational modeling and artificial intelligence-driven decision support systems. The primary objective is to develop a predictive framework for identifying skill gaps resulting from the deployment of cyber-physical infrastructures. By employing a hybrid methodology that integrates Social Network Analysis (SNA) and Agent-Based Modeling (ABM) utilizing synthetic data from the Pachuca Metropolitan Area, the evolution of urban labor demand is simulated. The findings underscore that the synchronization between human capital and technological advancements is a critical determinant of competitiveness. It is concluded that decision support systems optimize educational planning and foster regional synergies, which are fundamental for knowledge diversification. This aligns with global trends in knowledge economy, which demands significant levels of differentiation and structural resilience in the digital era.
While Artificial Intelligence enhances Science, Technology, Engineering, Arts and Mathematics education, reliance on complex “black-box” models undermines transparency, teacher agency, and student trust. This chapter presents a practical, accessible framework for implementing Explainable Artificial Intelligence in STEAM educational tools. Moving beyond theoretical algorithmic advancements, the approach leverages open-source platforms and low-code environments to democratize AI. The text examines how embedding explainability mechanisms into learning analytics and intelligent tutors enhances pedagogical decision-making and fosters student metacognition. Additionally, the framework aligns XAI implementation with global ethical standards, including the EU AI Act and UNESCO recommendations, addressing fairness, accountability, and responsible data use. Through illustrative real-world use cases, this work bridges the gap between machine learning research and educational practice, positioning XAI as a foundational enabler of trustworthy, transparent, and human-centered learning ecosystems.