Geovanny Euclides Silva Peñafiel

Prof. Geovanny Euclides Silva Peñafiel

orcid

Research Focus & Metrics

Academic Career Length

8Years (2019-Present)

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

Representative Publications

View All Publications
19 March 2024
Verified
Book
Open access
PDF file
Geovanny Euclides Silva PeñafielGeovanny Euclides Silva Peñafiel
Geovanny Euclides Silva Peñafiel
BCByron Fernando Castillo-Parra
Byron Fernando Castillo-Parra
KTKatherine Gissel Tixi-Gallegos
Katherine Gissel Tixi-Gallegos
BUBladimir Enrique Urgiles-Rodríguez
Bladimir Enrique Urgiles-Rodríguez
Se analiza el impacto transformador de la inteligencia artificial (IA) en la educación superior, destacando las innovaciones tecnológicas y sus aplicaciones prácticas. Se enfoca en cómo la IA está redefiniendo los métodos de enseñanza y aprendizaje, ofreciendo personalización y eficiencia en los procesos educativos. En los primeros capítulos, se expone la evolución y las definiciones fundamentales de la IA, subrayando su creciente integración en la educación y cómo esta tecnología promete personalizar la experiencia de aprendizaje, adaptando los contenidos a las necesidades individuales de los estudiantes. Además, se examinan los sistemas de gestión del aprendizaje impulsados por IA, que facilitan una instrucción adaptativa y personalizada, y las herramientas de evaluación y retroalimentación automatizada, que proporcionan análisis instantáneos y comentarios personalizados. Se discuten los desafíos éticos y legales asociados, especialmente en términos de privacidad y seguridad de los datos, junto con la necesidad de un marco ético para el uso responsable de la IA en entornos educativos. Los capítulos finales abordan casos de estudio y aplicaciones prácticas de la IA en la educación superior, resaltando implementaciones exitosas y lecciones aprendidas que podrían guiar futuras investigaciones y desarrollos en el campo.

7 April 2025 in Computation
Verified
Journal Article
Open access
PDF file
WCWilson Chango
Wilson Chango
PBPamela Buñay-Guisñan
Pamela Buñay-Guisñan
Juan Diego ErazoJuan Diego Erazo
Juan Diego Erazo
Pedro Aguilar-EncarnacionPedro Aguilar-Encarnacion
Pedro Aguilar-Encarnacion
JSJaime Sayago-Heredia
Jaime Sayago-Heredia
Geovanny Euclides Silva PeñafielGeovanny Euclides Silva Peñafiel
Geovanny Euclides Silva Peñafiel
The purpose of this study lies in developing a comparison of neural network-based models for vehicular congestion prediction, with the aim of improving urban mobility and mitigating the negative effects associated with traffic, such as accidents and congestion. This research focuses on evaluating the effectiveness of different neural network architectures, specifically Transformer and LSTM, in order to achieve accurate and reliable predictions of vehicular congestion. To carry out this research, a rigorous methodology was employed that included a systematic literature review based on the PRISMA methodology, which allowed for the identification and synthesis of the most relevant advances in the field. Likewise, the Design Science Research (DSR) methodology was applied to guide the development and validation of the models, and the CRISP-DM (Cross-Industry Standard Process for Data Mining) methodology was used to structure the process, from understanding the problem to implementing the solutions. The dataset used in this study included key variables related to traffic, such as vehicle speed, vehicular flow, and weather conditions. These variables were processed and normalized to train and evaluate various neural network architectures, highlighting LSTM and Transformer networks. The results obtained demonstrated that the LSTM-based model outperformed the Transformer model in the task of congestion prediction. Specifically, the LSTM model achieved an accuracy of 0.9463, with additional metrics such as a loss of 0.21, an accuracy of 0.93, a precision of 0.29, a recall of 0.71, an F1-score of 0.42, an MSE of 0.07, and an RMSE of 0.26. In conclusion, this study demonstrates that the LSTM-based model is highly effective for predicting vehicular congestion, surpassing other architectures such as Transformer. The integration of this model into a simulation environment showed that real-time traffic information can significantly improve urban mobility management. These findings support the utility of neural network architectures in sustainable urban planning and intelligent traffic management, opening new perspectives for future research in this field.

10 September 2019 in Ciencia Digital
Verified
Journal Article
Open access
PDF file
Geovanny Euclides Silva PeñafielGeovanny Euclides Silva Peñafiel
Geovanny Euclides Silva Peñafiel
VYVerónica Marcela Zapata Yánez
Verónica Marcela Zapata Yánez
KGKlever Patricio Morales Guamán
Klever Patricio Morales Guamán
LPLuis Marcelo Toaquiza Padilla
Luis Marcelo Toaquiza Padilla
La investigación persigue el análisis de metodologías para desarrollar un Data Warehouse para la toma de decisiones; que permita la selección de la metodología adecuada para el manejo de los datos, la exteriorización de los datos se presentará de forma cualitativa, los cuales servirán de soporte para la identificación de los factores importantes que deben ser valorados. Debido a la naturaleza del estudio de tipo descriptiva explicativa, se apoyará en el desarrollo de prototipos metodológicos con las propuestas realizadas por Ralph Kimball, Hefestos 2.0 y SAS Rapid Data Warehouse Methodology; por medio del análisis tanto de las características como de las fases que integran las metodologías; para ello se tomaron parámetros tales como: el grado del cumplimiento de los objetivos, la capacidad de mejoras y del grado de satisfacción de los directivos y empleados en el análisis, diseño y construcción de un Data Warehouse para la toma de decisiones. Del estudio se ha obtenido resultados que determinan una cimentación robusta para la metodología Hefestos versión 2.0; debido al alto porcentaje adquirido en las 6 fases examinadas, con sus 54 puntos, mientras que, en el análisis de características se obtienen 29 puntos para Hefestos. El uso de la metodología Hefestos, permitió identificar ágilmente y comprender los objetivos que la institución deseaba alcanzar con la implementación del Data Warehouse, ayudó a determinar las necesidades al establecer en los requerimientos en base al usuario; involucrándolo en cada etapa del proceso de información y determinar los datos idóneos para la toma de decisiones.

31 December 2025 in Computation
Verified
Journal Article
Open access
PDF file
WCWilson Chango
Wilson Chango
ASAna Ximena Salguero
Ana Ximena Salguero
TLTatiana Landivar
Tatiana Landivar
Roberto Carlos VásconezRoberto Carlos Vásconez
Roberto Carlos Vásconez
Geovanny Euclides Silva PeñafielGeovanny Euclides Silva Peñafiel
Geovanny Euclides Silva Peñafiel
HVHomero Javier Velasteguí-Izurieta
Homero Javier Velasteguí-Izurieta
This study aimed to evaluate the comparative predictive efficacy of the SARIMA statistical model and the Prophet machine learning model for forecasting monthly traffic accidents across the 24 provinces of Ecuador, addressing a critical research gap in model selection for geographically and socioeconomically heterogeneous regions. By integrating classical time series modeling with algorithmic decomposition techniques, the research sought to determine whether a universally superior model exists or if predictive performance is inherently context-dependent. Monthly accident data from January 2013 to June 2025 were analyzed using a rolling-window evaluation framework. Model accuracy was assessed through Mean Absolute Percentage Error (MAPE) and Root Mean Square Error (RMSE) metrics to ensure consistency and comparability across provinces. The results revealed a global tie, with 12 provinces favoring SARIMA and 12 favoring Prophet, indicating the absence of a single dominant model. However, regional patterns of superiority emerged: Prophet achieved exceptional precision in coastal and urban provinces with stationary and high-volume time series—such as Guayas, which recorded the lowest MAPE (4.91%)—while SARIMA outperformed Prophet in the Andean highlands, particularly in non-stationary, medium-to-high-volume provinces such as Tungurahua (MAPE 6.07%) and Pichincha (MAPE 13.38%). Computational instability in MAPE was noted for provinces with extremely low accident counts (e.g., Galápagos, Carchi), though RMSE values remained low, indicating a metric rather than model limitation. Overall, the findings invalidate the notion of a universally optimal model and underscore the necessity of adopting adaptive, region-specific modeling frameworks that account for local geographic, demographic, and structural factors in predictive road safety analytics.

30 April 2024 in Código Científico Revista de Investigación
Verified
Journal Article
Closed access
PDF file
Geovanny Euclides Silva PeñafielGeovanny Euclides Silva Peñafiel
Geovanny Euclides Silva Peñafiel
VJVeronica Vanessa Bermeo Jimenez
Veronica Vanessa Bermeo Jimenez
JEJoffre Fabian Asadobay Escobar
Joffre Fabian Asadobay Escobar
PRPablo Patricio Yanez Romero
Pablo Patricio Yanez Romero
Este artículo se centra en la implementación de un sistema de gestión eficaz en el sector salud y en particular en la clínica dental "Más Sonrisas". Destaca la importancia de resolver los desafíos de la gestión de citas y respalda la eficacia de los sistemas en red para optimizar los procesos médicos. En cuanto a materiales y métodos, se adoptó la aplicación de métodos de desarrollo de software y procesos innovadores. Se hace énfasis en la relevancia de las aplicaciones web, la estructuración de la información de los sitios web, la optimización de procesos y el uso de herramientas de desarrollo de código abierto, así como la importancia de SQL y Oracle en la interacción con las bases de datos. Los resultados y la discusión reflejan las necesidades expresadas por los propietarios de clínicas y el apoyo positivo de la encuesta a la implementación de herramientas tecnológicas. El sistema fue desarrollado utilizando el método Scrum, que arrojó resultados positivos en términos de mejoras de salud y aplicaciones web preferidas.

21 August 2024
Verified
Conference Paper
Closed access
WCWilson Chango
Wilson Chango
Geovanny Euclides Silva PeñafielGeovanny Euclides Silva Peñafiel
Geovanny Euclides Silva Peñafiel
HSHugo Sanchez
Hugo Sanchez
SLSantiago Logrono
Santiago Logrono