Revista Científica de Informática ENCRIPTAR - ISSN: 2737-6389.

Guía para adoptar metodologías ágiles en empresas tradicionales de software: casos de estudio en Manabí

Cristhian Andrés Hernández García, Walter Zambrano-Romero — jue, 26 feb 2026 00:00:00 +0000

El presente estudio analiza el proceso de adopción de metodologías ágiles en empresas tradicionales de desarrollo de software de la provincia de Manabí, Ecuador. Su fundamento radica en la creciente necesidad de las organizaciones de optimizar la calidad, eficiencia y adaptabilidad de sus procesos frente a las demandas cambiantes del sector tecnológico. El objetivo principal fue diseñar una guía de buenas prácticas para la adopción progresiva y contextualizada de metodologías ágiles

La investigación se desarrolló bajo un enfoque cuantitativo, de tipo básico y de campo, mediante la aplicación de encuestas a 19 empresas de software ubicadas en las ciudades con mayor desarrollo tecnológico y organizacional de Manabí.

Los resultados evidenciaron que Scrum es la metodología más utilizada (50%), especialmente en las áreas de desarrollo y gestión de proyectos, aunque el nivel de aplicación es aún parcial (47,4%). Entre los beneficios se destacan la mejora en la calidad del software, la comunicación interna y la satisfacción del cliente, mientras que los principales obstáculos fueron la falta de capacitación, la resistencia cultural al cambio y la ausencia de roles definidos.

Se diseñó una propuesta de adopción que busca fortalecer la madurez ágil de las empresas locales, promoviendo un cambio cultural sostenible y una transición ordenada hacia prácticas más flexibles y colaborativas. La investigación demuestra que la adopción de metodologías ágiles, cuando se contextualiza a las capacidades y cultura de cada organización, contribuye significativamente a la mejora de la calidad del desarrollo de software y a la transformación digital del sector en Manabí.

Optimización de procesos documentales en la Secretaría del Agua de Portoviejo para mejorar los servicios derivados

María Genoveva Moreira Santos, Eric Geovanny Cedeño Zambrano — jue, 26 feb 2026 00:00:00 +0000

La gestión documental es un desafío constante para las instituciones públicas, ya que su correcta organización afecta la eficiencia administrativa y la disponibilidad de información clave para la toma de decisiones. Esta investigación se enfoca en la creación de un repositorio centralizado que integre los documentos gestionados dentro de la Secretaría del Agua en Ecuador. El estudio se basa en la recopilación de documentos y en los retos encontrados para respaldar múltiples procesos. Este proyecto surge como respuesta a la creciente demanda de un sistema que permita manejar eficientemente los archivos.

Para abordar esta problemática, se implementó una metodología cuantitativa, aplicando técnicas de entrevistas en distintas direcciones de la institución sobre la gestión de archivos y procesos. La solución busca priorizar la disponibilidad de respaldos y el acceso oportuno a la información, optimizando la eficiencia en la ejecución de procesos específicos. Durante la implementación, se evidenció que pocas áreas invierten en herramientas de gestión documental y que no se reconoce su importancia estratégica para impulsar mejoras significativas. Se alcanzó un 83,7% de consenso en que deben existir normas para el manejo de la documentación institucional.

Los resultados de este estudio son relevantes para la toma de decisiones y para adoptar un enfoque más proactivo en la incorporación de tecnologías avanzadas y prácticas innovadoras, garantizando que la información crucial esté disponible para la toma de decisiones. La adecuada organización de la documentación es fundamental para asegurar la eficiencia en las instituciones públicas.

La inteligencia artificial en la mitigación de desinformación en la gobernanza del sistema democrático

Víctor Hugo Montero López , Enrique Macias Arias — jue, 26 feb 2026 00:00:00 +0000

Esta investigación presenta el desarrollo de un marco de evaluación y protección basado en los modelos algorítmicos de IA para mitigar la desinformación en la gobernanza democrática del Ecuador, para ello se utilizó la investigación aplicada con enfoque mixto, incorporado con una revisión de literatura, simulaciones de difusión en redes sociales y clasificación de noticias, contextualizado con encuestas a personas relevantes del ecosistema mediático. según los hallazgos obtenidos se evidenció en la simulación de redes sociales la formación de cámaras de eco y la amplificación de narrativas afines, fenómeno intensificado por los algoritmos de recomendación que priorizan el compromiso del usuario; para mitigar la difusión en nuestra simulación de modelos automatizados para la detección de noticias falsas se logró una precisión de 91,67%, sin embargo, un hallazgo clave fue referido a que las decisiones de los modelos, los que se apoyan en artefactos estadísticos y sesgos estilísticos del dataset más que en una comprensión semántica de la veracidad, revelando fragilidad y limitada generalización. En ese sentido se desarrolló un marco de evaluación y protección, orientado a garantizar transparencia, minimizar sesgos y fortalecer la confianza pública, para afianzar la gobernanza democrática, se propuso lineamientos concretos, como la exigencia de interpretabilidad obligatoria y un ciclo de vida de operaciones de aprendizaje automático, para combatir la obsolescencia del modelo, priorizando en un nivel ético la mitigación de la amplificación sobre la censura.

Análisis comparativo de algoritmos basados en inteligencia artificial para la detección temprana del cáncer de mama

Pedro Narciso Delgado Chávez , Roberth Abel Alcívar Cevallos — jue, 26 feb 2026 00:00:00 +0000

El cáncer de mama constituye una de las principales causas de mortalidad en mujeres a nivel mundial, representando un gran problema de salud pública. La detección temprana resulta determinante para incrementar las tasas de supervivencia, ya que al establecer un diagnóstico oportuno y poder aplicar el tratamiento adecuado que favorezca aparar la enfermedad en sus fases tempranas (estadio).Este contexto, de emplear los algoritmos basados en inteligencia artificial se ha convertido en una herramienta de gran relevancia en el campo del diagnóstico temprano en este caso en la rama médica de la oncología. Diversos algoritmos han demostrado un gran potencial en la precisión, en la clasificación de la imágenes médicas entre ellos se tiene la Máquina de vectores de soporte (SVM), Bosques aleatorios(Random Forest) ,Perceptron multicapa (MLP) y Redes neuronales convolucionales(CNN).Este enfoque permite realizar un análisis más detallado y confiable de estudios de imágenes médicas (mamografías, ecografías, tomografías y resonancias magnéticas) dando facilidad para la detección temprana de lesiones malignas y reducir diagnósticos erróneos. El objetivo fundamental de la investigación fue realizar una comparativa de los algoritmos basados en inteligencia artificial y medir a través de las métricas como la precisión ,sensibilidad, especificidad ,f1-score y el área bajo la curva(AUC), cual es el algoritmo con mejor rendimiento para la detección temprana de la enfermedad . En consecuencia, la integración de algoritmos basados en inteligencia artificial en los sistemas de apoyo clínico contribuye de manera significativa a mejorar las decisiones médicas y que el tratamiento sea el más adecuado y se brinde una mejor calidad de vida de las pacientes diagnosticadas con la enfermedad.

Tecnologías de inteligencia artificial enfocadas al cuidado y desarrollo de personas con discapacidad

Cristhian Paúl Cuenca Pita, Ricardo Ordoñez-Avila — jue, 26 feb 2026 00:00:00 +0000

La inteligencia artificial (IA) se ha consolidado como una tecnología con el potencial de mejorar la autonomía, la comunicación y la inclusión social de las personas con capacidades especiales. Sin embargo, existen algunas barreras que pueden limitar su acceso a la educación, la salud y el empleo, debido a la falta de conocimiento existente sobre las aplicaciones de la IA en el ámbito de la discapacidad. El objetivo de este estudio fue realizar una revisión sistemática de la literatura (RSL) para identificar el estado actual de las tecnologías de inteligencia artificial orientadas a la atención y el desarrollo de personas con capacidades especiales, categorizando las soluciones, los algoritmos y los dominios de aplicación. La metodología siguió el modelo de la lista de verificación PRISMA, estructurada en torno a la planificación, búsqueda, selección y extracción de información. La búsqueda se llevó a cabo en cinco bases de datos académicas de alto impacto (Scopus, IEEE Xplore, ScienceDirect y ACM), aplicando rigurosos criterios de inclusión y exclusión. De un total de 314 registros iniciales, se seleccionaron 30 estudios primarios para un análisis más profundo. Las aplicaciones más frecuentes incluyen asistentes virtuales inteligentes, sistemas de comunicación aumentativa y alternativa, traductores automáticos de lengua de señas, interfaces cerebro-computadora, plataformas de aprendizaje adaptativo y dispositivos innovadores de movilidad. En cuanto a los algoritmos, destaca el uso de redes neuronales convolucionales y recurrentes, máquinas de vectores de soporte, árboles de decisión, técnicas de agrupamiento no supervisado y aprendizaje por refuerzo, con tasas de desempeño superiores al 90 % en tareas de reconocimiento de voz, gestos o lengua de señas. Estas tecnologías han contribuido a contextos educativos, terapéuticos y comunicativos, así como a aplicaciones emergentes en movilidad asistida y entornos laborales inclusivos. En conclusión, la IA es una herramienta clave para apoyar la inclusión, promoviendo la accesibilidad, el aprendizaje personalizado y la rehabilitación. Su contribución se enmarca en aspectos éticos y centrados en el usuario que fomentan la equidad y la autonomía de las personas con discapacidad, al tiempo que sienta una base sólida para futuras políticas públicas y desarrollos tecnológicos inclusivos.

Revisión de estudios sobre análisis de los algoritmos de recomendación para plataformas educativas orientados a la recomendación de recursos didácticos

Melanie Baque Varela , Tatiana Zambrano Solórzano , Christian Torres Morán — jue, 26 feb 2026 00:00:00 +0000

Las plataformas educativas se han convertido en herramientas digitales útiles y dinámicas dentro de las instituciones educativas. Este estudio tiene como objetivo analizar los algoritmos de recomendación utilizados en plataformas educativas, se revisaron 317 estudios y seleccionaron 73 relevantes mediante una metodología sistemática en tres fases: (a) planificación donde se definieron las preguntas sobre la implementación de algoritmos de recomendación; (b) ejecución mediante una búsqueda sistemática de artículos en diversas bases de datos; y (c) análisis evaluando las publicaciones seleccionadas. Los hallazgos indican que los algoritmos de recomendación son fundamentales para la personalización de contenidos educativos. Se clasifican en filtrado colaborativo, filtrado basado en contenido, sistemas híbridos, filtrado demográfico y sistemas basados en conocimiento. Las plataformas que integran estos algoritmos potencian la eficacia del aprendizaje, ayudando a los usuarios a descubrir contenido relevante y adaptado a sus necesidades. La inteligencia artificial se considera en este estudio como una tecnología habilitadora que permite la personalización del aprendizaje, más que como una variable de investigación. Por ello, se destaca la importancia de considerar la diversidad de estilos de aprendizaje y la privacidad de los datos en su implementación. Finalmente, la combinación de algoritmos de recomendación y plataformas educativas tiene un gran potencial para transformar la educación, siempre que se garantice que los usuarios mantengan el control sobre sus datos. De los artículos seleccionados, 15 estudios reportan implementaciones concretas de algoritmos: 40% corresponden a enfoques de deep learning, 20% a filtrado colaborativo, 20% a sistemas híbridos, 13% a sistemas basados en conocimiento y 7% a filtrado demográfico, lo que evidencia una adopción aún limitada de estas últimas aproximaciones.

Análisis comparativo de herramientas digitales forenses con IA en el marco de los delitos informáticos en Ecuador

Dario Javier Catagua Zambrano, Denise Soraya Vera Navarrete — jue, 26 feb 2026 00:00:00 +0000

Este artículo describe cómo Ecuador se posiciona como el tercer país latinoamericano con mayor incidencia de ciberdelincuencia, un problema exacerbado por la rápida transformación digital y un marco legal obsoleto. Además, este estudio realiza un análisis comparativo del rendimiento de herramientas forenses digitales potenciadas con inteligencia artificial (IA)—Autopsy, Magnet AXIOM y Belkasoft Evidence X—con el objetivo de identificar soluciones para fortalecer las investigaciones digitales en el país. La metodología adoptada fue mixta, combinando el procesamiento técnico de una imagen forense estandarizada (ntfs1-gen1.E01) con una encuesta dirigida a expertos, académicos y profesionales del sector. Los resultados técnicos mostraron que Magnet AXIOM, gracias a su IA nativa integrada, procesó la evidencia en 50 segundos, demostrando excelencia en velocidad y automatización. Belkasoft Evidence X sobresalió en la recuperación de evidencia, identificando 74 elementos multimedia mediante sus filtros semánticos visuales e interfaz intuitiva. Autopsy, aunque notablemente más lento y dependiente de la instalación manual de plugins externos para emular funcionalidades de IA, se confirmó como una opción viable para instituciones con limitaciones presupuestarias. La encuesta reveló una brecha formativa crítica: el 75% de los profesionales utiliza estas herramientas solo "ocasionalmente", lo que destaca una desconexión entre el potencial tecnológico y la práctica común. Se concluye que la implementación de estas tecnologías debe ir acompañada de programas masivos de capacitación especializada y una actualización integral del marco legal ecuatoriano, el cual debe tipificar los delitos digitales modernos y establecer protocolos para validar legalmente las evidencias obtenidas mediante IA.

Impacto de las telecomunicaciones en la agricultura 4.0 en Latinoamérica

Jinnson Alexander Muñoz-Mendoza, Leonardo Chancay-García — jue, 26 feb 2026 00:00:00 +0000

El artículo examina el impacto de las telecomunicaciones en la adopción y consolidación de la Agricultura 4.0 en Latinoamérica mediante un análisis documental de nueve estudios publicados entre 2021 y 2025. El objetivo es comprender cómo tecnologías como IoT, redes 4G/5G, plataformas en la nube y conectividad satelital han permitido modernizar los sistemas agrícolas, generando mejoras en productividad, sostenibilidad y toma de decisiones. A través de una búsqueda exhaustiva se evaluó la influencia de la conectividad, los tipos de tecnologías utilizadas, los beneficios observados, los principales obstáculos y las oportunidades emergentes. Los resultados evidencian que las telecomunicaciones constituyen el eje habilitador de la transformación digital agrícola, aunque su avance es desigual entre países debido a brechas en infraestructura rural, inversión tecnológica y capacitación digital. Si bien se identificaron beneficios económicos, sociales y ambientales significativos, persisten desafíos como la baja cobertura en zonas rurales, la limitada interoperabilidad tecnológica, los altos costos de implementación y la desigualdad digital. En cuanto a las oportunidades, se destacan el fortalecimiento de redes comunitarias rurales, la implementación de políticas públicas regionales, las alianzas público-privadas y la adopción de tecnologías avanzadas como inteligencia artificial, BIG DATA y minería de datos, las cuales pueden potenciar la eficiencia y sostenibilidad del sector.

Contribuciones de la metodología DevOps en el ciclo de desarrollo de software en empresas tecnológicas en Ecuador

Danilo Alejandro Menéndez Hernández, Josselyn Stefania Pita Valencia — jue, 26 feb 2026 00:00:00 +0000

El presente estudio analiza las contribuciones específicas de la metodología DevOps en la mejora del ciclo de desarrollo de software en empresas tecnológicas de Ecuador. Su fundamento radica en la necesidad de modernizar el desarrollo de software y superar los desafíos organizacionales y técnicos que limitan la eficiencia y la calidad en el sector. El objetivo principal fue identificar las prácticas más efectivas y evaluar el impacto de DevOps en la calidad del software, con la contribución esperada de un modelo de adopción adaptado al contexto local.

La investigación se desarrolló bajo un enfoque cuantitativo de alcance exploratorio, mediante la aplicación de una encuesta estructurada a 21 profesionales de empresas desarrolladoras de software en Ecuador. Los datos fueron procesados utilizando el entorno de software R.

Los resultados evidenciaron que el 90.48% de los encuestados perciben una mejora significativa en la calidad del software. Los principales beneficios reportados son la disminución de errores en producción y una mayor velocidad en la entrega (ambos con 66.7%). La implementación es liderada por las grandes compañías (52.36%) y se enfoca en prácticas como el Monitoreo Continuo (76.19%) y el uso de Docker (76.19%) y GitLab CI/CD (66.67%). Los principales obstáculos son la falta de capacitación (57.1%) y la resistencia al cambio cultural (38.1%). En respuesta a estos problemas, se concluye la necesidad de un modelo de adopción de DevOps adaptado al contexto local, que promueva el cambio cultural y la formación continua. Se propone un modelo de adopción adaptado al contexto local que considera tanto aspectos culturales como técnicos, y se destacan la necesidad de capacitaciones continuas y la creación de métricas específicas para evaluar el progreso y el impacto de DevOps en las organizaciones ecuatorianas.

Aplicación de Clustering Jerárquico a Estadísticas de Jugadores de la NBA (temporada 2024–2025)

jue, 26 feb 2026 00:00:00 +0000

Se aplicó el método de clustering jerárquico a un conjunto de datos con estadísticas agregadas de 731 jugadores de la NBA correspondientes a la temporada 2024–2025. El objetivo fue identificar perfiles de rendimiento sin imponer etiquetas previas, utilizando una estrategia no supervisada basada en distancias. Para ello, se seleccionaron variables cuantitativas de producción (puntos, rebotes, asistencias), volumen de uso (minutos jugados, intentos de tiro y tiros libres) y contribuciones defensivas (robos, tapones, pérdidas y faltas). Tras un preprocesamiento orientado a hacer comparables las escalas (normalización) se construyó una matriz de disimilaridad y se generó el Dendrograma, evaluando el corte del diagrama mediante criterios de separación y coherencia interna. El análisis condujo a una partición de tres grupos bien diferenciados: un clúster de jugadores de alta carga ofensiva y gran volumen, un clúster de rol/soporte con menor uso y aportes más equilibrados, y un clúster intermedio que combina eficiencia con participación moderada. Estos resultados facilitan comparaciones entre jugadores, resumen patrones dominantes del torneo y aportan una base para análisis posteriores (segmentación y toma de decisiones).

Evaluación experimental de una arquitectura híbrida adaptativa para la gestión de identidades digitales basada en Blockchain

jue, 26 feb 2026 00:00:00 +0000

La gestión de identidades digitales se desarrolla en un contexto de tensión permanente entre seguridad, rendimiento y consumo energético, especialmente cuando se comparan arquitecturas centralizadas con enfoques basados en Blockchain, y en este escenario el presente estudio introduce y evalúa un modelo arquitectónico híbrido adaptativo que integra procesamiento centralizado y descentralizado y que conmuta de forma dinámica en función de la carga, del nivel de riesgo y de la criticidad de las operaciones, de manera que la investigación se estructura como un estudio aplicado, de enfoque cuantitativo y diseño experimental comparativo, en el cual se implementaron tres entornos funcionalmente equivalentes, centralizado, descentralizado e híbrido, y se ejecutaron pruebas con 500 identidades digitales bajo cinco niveles de concurrencia 50, 100, 200, 500 y 1000 solicitudes, registrando de forma sistemática la latencia, el uso de CPU, el consumo energético y una métrica de eficiencia energética computacional EPR expresada en Wh por transacción, y los resultados evidencian que el modelo híbrido mantiene valores de latencia y de EPR global muy próximos a la arquitectura centralizada, mientras que la arquitectura descentralizada presenta en general un mayor consumo por transacción y una demanda más elevada de CPU, aun cuando mejora su EPR en escenarios de carga extrema, de modo que los hallazgos respaldan que las arquitecturas híbridas adaptativas permiten articular un equilibrio entre trazabilidad y eficiencia y se perfilan como una alternativa viable para sistemas de identidad digital sometidos a cargas variables y restricciones de sostenibilidad computacional.

Brechas en educación en IA: análisis del AI Index 2025 y sus implicaciones para América Latina

jue, 26 feb 2026 00:00:00 +0000

Este artículo analiza las brechas en educación en Inteligencia Artificial en América Latina basándose en el AI Index Report 2025 de Stanford. Mediante una metodología documental y triangulación de datos con CEPAL y el BID, se identificó que la región solo contribuye con el 1.66% de la investigación mundial en Inteligencia Artificial. Los resultados muestran una contradicción entre la alta demanda de formación docente (81%) y la baja capacidad de ejecución técnica. Se concluye que la brecha educativa es el principal obstáculo para la soberanía tecnológica regional, relegando a los países latinos a una dependencia algorítmica si no se reforman urgentemente los currículos, especialmente a nivel universitario.

Metamodelo conceptual para administrar la confianza en marco de soporte de participación electrónica en Ecuador

Byron Vicente Cedeño Domínguez, Alex Andrés Santamaría Philco — jue, 26 feb 2026 00:00:00 +0000

Este artículo plantea un metamodelo conceptual de administración de la confianza, en el entorno de un marco de soporte para procesos participativos, pero de una manera adaptativa, que sirva en distintos escenarios, ponderando la abstracción de los intervinientes en una fase de previa de diseño de software. Con un enfoque cualitativo, llevarlo a cabo ha implicado integrar aspectos metodológicos y de ingeniería de software, por lo que combina la metodología de la fase de diseño en el Desarrollo Administrado por Modelos (MDD), con un método de validación por un grupo de expertos que respaldan la pertinencia del tema, con resultados que clarifican ideas sobre los beneficios de estas metodologías en la ingeniería de Software, y resaltando también que dichas metodologías son dignas a considerar, no solo para el tema participativo en el que se basa este estudio, sino para otras propuestas, que busquen maneras de ofrecer diseños adaptativos, para los casos en que la abstracción es un requisito esencial, pues en la práctica, al ser aplicado en distintos entornos, entran en escena los beneficios del MDD como la reutilización y eficiencia de recursos, con los aspectos que permitan gestionar la confianza en los variados tipos de participación electrónica.