1 January 2024 in EPISTEME KOINONIA
The objective of this study was to analyze a financial expert model program as a tool for learning in university classrooms. The methodology was based on a quantitative approach with a descriptive design. A survey was used as a technique and a questionnaire with semi-open-ended questions was used as an instrument. The sample consisted of 30 students and 6 teachers from various universities in the country. The results revealed that students were able to obtain gains in their investments during a simulation, although there was significant variability in individual results. Therefore, it was concluded how important financial education is in decision making both in investment risk management and personal financial planning. El presente estudio tuvo como objetivo analizar un programa “Modelo Experto Financiero” como herramienta para el aprendizaje en las aulas universitarias. La metodología se basó en un enfoque cuantitativo con diseño descriptivo. Como técnica se empleó la encuesta y como instrumento se empleó el cuestionario con preguntas semiabiertas. La muestra estuvo constituida por 30 estudiantes y 6 docentes de diversas universidades del país. Los resultados develaron que los estudiantes lograron obtener ganancias en sus inversiones durante una simulación, aunque hubo una variabilidad significativa en los resultados individuales. Por consiguiente, se concluyó lo importante que es la educación financiera en la toma de decisiones, tanto en la gestión del riesgo de inversión, como en la planificación financiera personal.
3 April 2026 in Impulso, Revista de Administración
La incorporación de la inteligencia artificial (IA) en la gestión pública representa una transformación significativa en los procesos de toma de decisiones, planificación y prestación de servicios. El objetivo del estudio es examinar críticamente el rol de la inteligencia artificial (IA) en la toma de decisiones en la gestión pública, identificando oportunidades principales, desafíos sustantivos y principios para una implementación responsable. Se realizó una revisión sistemática de literatura siguiendo las directrices PRISMA 2020. La búsqueda abarcó cinco bases de datos (Scopus, Web of Science, ProQuest, IEEE Xplore, Google Scholar) para el período 2019-2024. De 850 registros iniciales, se seleccionaron 16 estudios empíricos y casos de aplicación mediante criterios rigurosos de inclusión y exclusión. Los hallazgos permitieron identificar cinco áreas críticas de aplicación: análisis predictivo, automatización administrativa, detección de fraude, personalización de servicios y optimización de recursos. La IA demuestra capacidad para incrementar la eficiencia operativa entre 30-50% y mejorar la precisión predictiva hasta 85%. Sin embargo, la implementación enfrenta desafíos como sesgos algorítmicos, opacidad de modelos, brechas de capacidades técnicas y marcos regulatorios insuficientes. Las conclusiones señalan que el éxito de la IA gubernamental depende menos de la sofisticación tecnológica que del diseño institucional apropiado. Se propone el Marco de Implementación Responsable de IA en Gestión Pública (MIRAGP) para integrar principios de transparencia, equidad, rendición de cuentas y participación ciudadana en todo el ciclo de vida de los sistemas automatizados.
3 April 2026 in Impulso, Revista de Administración
La incorporación de la inteligencia artificial (IA) en la gestión pública representa una transformación significativa en los procesos de toma de decisiones, planificación y prestación de servicios. El objetivo del estudio es examinar críticamente el rol de la inteligencia artificial (IA) en la toma de decisiones en la gestión pública, identificando oportunidades principales, desafíos sustantivos y principios para una implementación responsable. Se realizó una revisión sistemática de literatura siguiendo las directrices PRISMA 2020. La búsqueda abarcó cinco bases de datos (Scopus, Web of Science, ProQuest, IEEE Xplore, Google Scholar) para el período 2019-2024. De 850 registros iniciales, se seleccionaron 16 estudios empíricos y casos de aplicación mediante criterios rigurosos de inclusión y exclusión. Los hallazgos permitieron identificar cinco áreas críticas de aplicación: análisis predictivo, automatización administrativa, detección de fraude, personalización de servicios y optimización de recursos. La IA demuestra capacidad para incrementar la eficiencia operativa entre 30-50% y mejorar la precisión predictiva hasta 85%. Sin embargo, la implementación enfrenta desafíos como sesgos algorítmicos, opacidad de modelos, brechas de capacidades técnicas y marcos regulatorios insuficientes. Las conclusiones señalan que el éxito de la IA gubernamental depende menos de la sofisticación tecnológica que del diseño institucional apropiado. Se propone el Marco de Implementación Responsable de IA en Gestión Pública (MIRAGP) para integrar principios de transparencia, equidad, rendición de cuentas y participación ciudadana en todo el ciclo de vida de los sistemas automatizados.