Edison Luis Loján Cueva

Edison Luis Loján Cueva

Auto-generated profile, based on publicly available information

Edison Luis Loján Cueva

Universidad Tecnica de Machala

Research Focus & Metrics

Academic Career Length

10Years (2017-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
21 May 2025 in Revista Veritas de Difusão Científica
Verified
Journal Article
Open access
PDF file
NMNancy Magaly Loja Mora
Nancy Magaly Loja Mora
RRRodrigo Fernando Morocho Román
Rodrigo Fernando Morocho Román
RQRamiro Quezada
Ramiro Quezada
ECEdison Luis Loján Cueva
Edison Luis Loján Cueva
JCJoffre Jeorwin Cartuche Calva
Joffre Jeorwin Cartuche Calva
El presente trabajo tiene como objetivo identificar, analizar y clasificar las principales métricas utilizadas para evaluar el rendimiento de servidores en sistemas de videovigilancia, considerando su papel esencial en el procesamiento, almacenamiento y distribución de datos. La investigación se desarrolla bajo un enfoque cualitativo, con diseño exploratorio y descriptivo, utilizando una revisión documental sistemática guiada por la metodología PRISMA. Se formularon tres preguntas clave, relacionadas con las métricas empleadas actualmente, su clasificación técnica y los vacíos existentes en su estandarización, las cuales fueron respondidas a partir de un análisis exhaustivo de literatura científica, manuales técnicos y normativas internacionales. Como resultado, se identificaron dimensiones críticas como: capacidad de almacenamiento, procesamiento de imágenes, rendimiento de red, fiabilidad, disponibilidad, escalabilidad y análisis de vídeo, el estudio también clasifica las métricas y plantea recomendaciones que pueden servir como base teórica y guía para profesionales y futuras investigaciones, contribuyendo a una comprensión integral de la eficiencia operativa de los servidores y su impacto en la calidad del servicio. También se evidenció la falta de estandarización al constatar que las métricas varían significativamente entre estudios, sin una estructura común ni criterios homogéneos de evaluación.

21 April 2025 in Estudios y Perspectivas Revista Científica y Académica
Verified
Journal Article
Open access
PDF file
AEAlex Fabricio Chica Elizalde
Alex Fabricio Chica Elizalde
OROscar Cristhoper Gonzalez Ramirez
Oscar Cristhoper Gonzalez Ramirez
ECEdison Luis Loján Cueva
Edison Luis Loján Cueva
WRWilmer Rivas
Wilmer Rivas
Este estudio analiza el impacto del uso de herramientas de Inteligencia Artificial Generativa (IAG) en el proceso enseñanza-aprendizaje en la Universidad Técnica de Machala, combinando una revisión sistemática de literatura con encuestas aplicadas a estudiantes y docentes. Los resultados indican que ChatGPT predomina en popularidad y uso académico, principalmente por facilitar la comprensión de contenidos, la optimización del tiempo docente y la generación de recursos educativos interactivos. Sin embargo, persisten preocupaciones éticas relacionadas con la integridad académica, dependencia tecnológica, sesgos y privacidad de datos. La investigación evidencia una percepción positiva general sobre la utilidad de las herramientas de IAG, aunque su aceptación y efectividad varía según las disciplinas académicas. Se concluye que, para maximizar beneficios y mitigar riesgos éticos, es fundamental implementar políticas institucionales claras, rediseñar estrategias evaluativas y promover la alfabetización digital entre estudiantes y docentes.

8 November 2025
Verified
Book
Closed access
Maritza Alexandra PintaMaritza Alexandra Pinta
Maritza Alexandra Pinta
ECEdison Luis Loján Cueva
Edison Luis Loján Cueva
"Este libro se ha diseñado con características pedagógicas que facilitan el aprendizaje autónomo y guiado; empleando un lenguaje claro y accesible sin perder el rigor matemático necesario. Ha sido concebido para acompañar al estudiante de segundo semestre de la carrera de Tecnologías de la Información en su proceso de aprendizaje del cálculo diferencial, ofreciendo no solo fundamentos teóricos rigurosos, sino también prácticas interactivas y contextualizadas que facilitan la asimilación y aplicabilidad de los contenidos. "


1 July 2026 in Ingenium et Potentia
Verified
Journal Article
Open access
AAAlexander Andres Agurto-Guevara
Alexander Andres Agurto-Guevara
JVJenner Joan Villalba-Paladines
Jenner Joan Villalba-Paladines
WRWilmer Rivas
Wilmer Rivas
ELEdison Luis Lojan-Cueva
Edison Luis Lojan-Cueva
El estudio tuvo como objetivo desarrollar e implementar un chatbot con inteligencia artificial para optimizar la consulta y gestión de permisos del personal del área de talento humano de una institución pública, integrando validación normativa automática y clasificación proactiva de riesgo operativo. Se aplicó la metodología Agile/SCRUM sobre una arquitectura de microservicios. El componente conversacional se construyó con DeepPavlov, complementado por Google Gemini en un rol acotado de enriquecimiento y contingencia; un motor de reglas en Python validó el cumplimiento normativo y un clasificador con scikit-learn estimó el riesgo operativo. La validación se realizó mediante seis casos de prueba funcionales. Los resultados evidenciaron la integración de las cuatro capacidades del chatbot, la clasificación correcta de los tres niveles de riesgo y la continuidad operativa ante fallos de servicios externos. Se concluyó que el enfoque híbrido demostró ser viable para la automatización proactiva de permisos en el sector público, ofreciendo trazabilidad institucional y respuestas adaptativas.

4 April 2026 in Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS
Verified
Journal Article
Open access
AAAna Maria Ruiz Alcivar
Ana Maria Ruiz Alcivar
NCNayelhy Marisol Ponce Cabrera
Nayelhy Marisol Ponce Cabrera
ETEduardo Tusa
Eduardo Tusa
ECEdison Luis Loján Cueva
Edison Luis Loján Cueva
La predicción del abandono de clientes constituye un desafío estratégico para los proveedores de servicios de Internet debido a su impacto en la retención de usuarios y la sostenibilidad del negocio. Este estudio comparó el desempeño de algoritmos de aprendizaje automático para la predicción del churn utilizando el conjunto de datos público Internet Service Customer Churn. La investigación se desarrolló bajo la metodología CRISP-DM e incluyó análisis exploratorio, imputación de valores faltantes mediante KNNImputer y entrenamiento de modelos basados en Árboles de Decisión, Random Forest, Máquina de Vectores de Soporte y Red Neuronal Multicapa. Asimismo, se evaluó el efecto de las técnicas de balanceo SMOTE, ADASYN y Borderline-SMOTE sobre el rendimiento predictivo. Los resultados evidenciaron que Random Forest sin balanceo alcanzó el mejor desempeño en el conjunto original, con una exactitud de 91,16 %, precisión de 94,13 %, exhaustividad de 89,64 %, medida F1 de 91,83 % y ROC-AUC de 97,09 %. Además, las técnicas de balanceo no generaron mejoras consistentes en todos los escenarios evaluados, evidenciando que su efectividad depende de las características de los datos y del algoritmo utilizado. Estos hallazgos aportan evidencia empírica sobre la efectividad comparativa de los modelos evaluados y proporcionan una referencia metodológica reproducible para futuras investigaciones.