Revista Ciencia y Descubrimiento, Periodicidad: Trimestral, Volumen: 3, Número: 2, Año: 2025 (abril - junio)
Aceptado: 15/04/2025
Publicado: 04/05/2025
Análisis del uso de inteligencia artificial y ciencia de datos en la optimización de procesos de investigación científica en el nivel académico.
Analysis of the use of artificial intelligence and data science in optimizing scientific research processes at the academic level.
Autor:
Jeremy David Maisincho Camacho
https://orcid.org/0009-0001-1988-5502
Unidad Educativa Louis Víctor de Broglie
Quito – Ecuador
Resumen
El estudio analiza el impacto de la inteligencia artificial (IA) y la ciencia de datos en la optimización de los procesos de investigación científica en el ámbito académico. Se destaca cómo estas tecnologías permiten mejorar la gestión de grandes volúmenes de información, automatizar tareas repetitivas y generar modelos predictivos, lo que contribuye a la eficiencia y precisión de los resultados. A través de un enfoque cuantitativo y un diseño descriptivo-correlacional, la investigación busca evaluar la relación entre el uso de IA y la mejora de la productividad y calidad en la investigación académica. La metodología incluye encuestas y entrevistas aplicadas a investigadores y estudiantes, con el objetivo de analizar patrones y correlaciones sobre la implementación de herramientas de IA. Entre los principales hallazgos, se identifica una percepción mayoritariamente positiva hacia la IA, destacando su capacidad para optimizar los procesos investigativos. Sin embargo, también se señalan preocupaciones éticas, como la privacidad de los datos y el sesgo en los resultados. Las recomendaciones enfatizan la necesidad de capacitación continua en IA, la implementación de normativas claras y la promoción de la colaboración entre instituciones académicas y empresas tecnológicas. Se concluye que, para un uso efectivo y ético de la IA en la investigación, es fundamental equilibrar su aplicación con la supervisión humana.
Palabras clave: Innovación, ética, educación, ciencia abierta y sostenibilidad.
Abstract
The study analyzes the impact of artificial intelligence (AI) and data science on optimizing scientific research processes in the academic field. It highlights how these technologies enhance the management of large volumes of information, automate repetitive tasks, and generate predictive models, contributing to greater efficiency and accuracy in research outcomes. Through a quantitative approach and a descriptive-correlational design, the study aims to evaluate the relationship between AI usage and improvements in productivity and research quality. The methodology includes surveys and interviews with researchers and students to analyze patterns and correlations regarding AI tool implementation. Among the main findings, there is a predominantly positive perception of AI, emphasizing its ability to optimize research processes. However, ethical concerns are also noted, such as data privacy and bias in results. The recommendations stress the need for continuous AI training, the implementation of clear regulations, and the promotion of collaboration between academic institutions and technology companies. The study concludes that for the effective and ethical use of AI in research, it is essential to balance its application with human oversight.
Keywords: Innovation, ethics, education, open science, and sustainability.
Introducción
En el ámbito académico, la investigación científica constituye un pilar fundamental para el avance del conocimiento y la solución de problemas complejos. Sin embargo, el proceso de investigación tradicional enfrenta múltiples desafíos, como la gestión eficiente de grandes volúmenes de información, la identificación de patrones significativos y la optimización del tiempo invertido en tareas repetitivas. En este contexto, el uso de la inteligencia artificial (IA) y la ciencia de datos emerge como una solución transformadora, capaz de potenciar la eficiencia y precisión en las distintas etapas del proceso de investigación.
La inteligencia artificial, con sus capacidades de aprendizaje automático, procesamiento del lenguaje natural y análisis predictivo, ofrece herramientas innovadoras para automatizar tareas, generar modelos predictivos y extraer información valiosa a partir de datos complejos. Por su parte, la ciencia de datos se enfoca en la recopilación, análisis y visualización de datos para descubrir tendencias y patrones que, de otro modo, pasarían desapercibidos. La combinación de ambas disciplinas no solo acelera los procesos, sino que también contribuye a la generación de resultados más robustos y confiables.
Este estudio tiene como objetivo analizar el impacto del uso de la inteligencia artificial (IA) y la ciencia de datos en la optimización de los procesos de investigación científica en el nivel académico, considerando tanto los beneficios como los desafíos que implica su implementación. Se pretende identificar las principales herramientas tecnológicas disponibles en el mercado que están transformando los métodos tradicionales de investigación, así como aquellas que están ganando relevancia en los distintos campos de estudio.
Además, el análisis incluirá las áreas específicas en las que la aplicación de estas tecnologías resulta más beneficiosa, como la automatización de tareas repetitivas, el análisis de grandes volúmenes de datos y la mejora de la precisión en la toma de decisiones. Paralelamente, se explorarán los desafíos éticos y prácticos asociados con el uso de la IA y la ciencia de datos en contextos educativos y científicos, tales como la privacidad de los datos, la transparencia de los algoritmos y la capacitación de los investigadores para aprovechar estas herramientas de manera adecuada y responsable.
La inteligencia artificial (IA) y la ciencia de datos han transformado radicalmente la forma en que se realiza la investigación científica en el ámbito académico, integrando enfoques tradicionales y modernos y permitiendo una colaboración efectiva entre metodologías cualitativas y cuantitativas (Barradas, 2023). Estas tecnologías no buscan reemplazar los métodos convencionales de investigación, sino complementarlos y fortalecerlos. Al procesar, analizar y divulgar tanto datos cuantitativos como cualitativos, la IA y la ciencia de datos han permitido obtener resultados más precisos, eficaces y basados en evidencia, impactando positivamente la productividad y calidad de los estudios científicos.
Gudiño (2023) destaca que la adopción acelerada de la IA se ha convertido en un recurso fundamental para investigadores de diversas disciplinas, facilitando la resolución de problemas complejos de manera más eficiente. Esta integración tecnológica ha abierto nuevas posibilidades en la investigación, potenciando el análisis de grandes volúmenes de datos y optimizando el tiempo y los recursos destinados a los procesos de estudio.
Además de sus beneficios técnicos, la inteligencia artificial puede contribuir al desarrollo sostenible de la sociedad al ofrecer soluciones innovadoras a desafíos globales. Sin embargo, su implementación requiere un enfoque crítico y ético para garantizar que la generación de conocimiento se realice de manera responsable y humanista (Barradas, 2023). En tal sentido, el uso de la inteligencia artificial y la ciencia de datos en la investigación académica debe orientarse hacia un enfoque integral. Esto implica equilibrar sus ventajas y desafíos, promoviendo habilidades investigativas en la comunidad académica y estudiantil, y asegurando un impacto positivo y sostenible tanto en la educación como en la sociedad.
La mejora de los procedimientos de investigación científica en el ámbito académico mediante el uso de inteligencia artificial (IA) y ciencia de datos es un tema de creciente relevancia en el sector educativo. Estas tecnologías han demostrado un potencial significativo para transformar las metodologías investigativas, pero también enfrentan barreras importantes, especialmente en entornos académicos universitarios.
Un desafío clave es la carencia de infraestructura tecnológica adecuada y de personal capacitado en muchas instituciones educativas. Esta brecha limita la capacidad de estudiantes y profesores para aprovechar plenamente las ventajas que ofrecen la inteligencia artificial y la ciencia de datos. Además, surgen preocupaciones éticas relacionadas con la privacidad, la seguridad de los datos y su uso adecuado en el contexto de la investigación académica.
Cuando estas tecnologías no se aplican de manera óptima, se genera una desconexión entre los métodos de investigación tradicionales y las herramientas emergentes. Esto no solo impacta negativamente en la recolección, el análisis y la interpretación de datos, sino que también limita el desarrollo de enfoques colaborativos entre instituciones académicas, afectando la calidad y la efectividad de los resultados de investigación. En muchos casos, la falta de formación específica sobre el uso de estas herramientas tecnológicas dificulta que los investigadores aprovechen al máximo su potencial para optimizar procesos y resultados.
Otro aspecto crucial es la resistencia al cambio dentro de la comunidad académica. La implementación de tecnologías avanzadas puede generar incertidumbre o rechazo entre investigadores y docentes, quienes podrían percibirlas como un reemplazo, en lugar de un complemento, de las metodologías tradicionales. Este obstáculo cultural añade una capa adicional de complejidad al proceso de adopción tecnológica.
En consecuencia, la incorporación efectiva de la inteligencia artificial y la ciencia de datos en los procesos de investigación académica requiere no solo soluciones tecnológicas, sino también iniciativas de capacitación, sensibilización y una sólida ética aplicada. Su integración adecuada no solo elevará la calidad de los estudios científicos, sino que también dotará a estudiantes e investigadores de las competencias necesarias para afrontar con éxito los desafíos de una sociedad cada vez más digitalizada.
Métodos
Este estudio emplea un enfoque cuantitativo para analizar el impacto de la inteligencia artificial (IA) y la ciencia de datos en los procesos de investigación científica dentro del ámbito académico. Se basa en la recopilación y análisis de datos numéricos para obtener evidencia sólida sobre la efectividad y aplicabilidad de estas tecnologías. Mediante un diseño descriptivo-correlacional, se busca evaluar la relación entre el uso de IA y la mejora en la productividad y calidad de la investigación en diversas áreas del conocimiento, proporcionando un marco analítico para comprender su influencia en las instituciones educativas.
El estudio utilizará encuestas y entrevistas para recolectar datos, los cuales serán analizados mediante técnicas estadísticas avanzadas para identificar patrones y correlaciones. Estas herramientas permitirán evaluar cómo la IA influye en la eficiencia investigativa y en la generación de resultados más precisos. Además, se hará uso de herramientas tecnológicas para procesar la información y extraer conclusiones relevantes, lo que facilitará la toma de decisiones informadas por parte de los investigadores y académicos interesados en la integración de IA en sus procesos.
Las principales variables del estudio incluyen la adopción de IA como variable independiente, la eficiencia en los procesos investigativos como variable dependiente y la ética en el manejo de datos como variable interviniente. La investigación pondrá especial atención en los desafíos éticos, como la privacidad, la transparencia y el sesgo en los datos. A través del análisis de los datos obtenidos, se espera generar recomendaciones prácticas para una implementación efectiva de la IA en la investigación académica, asegurando su uso responsable y ético en las instituciones educativas.
Resultado
Tabla 1
¿Qué tan beneficioso considera el uso de inteligencia artificial (IA) para optimizar
los procesos de recolección de datos en la investigación?
|
Respuesta |
Frecuencia relativa (%) |
|
Muy beneficioso |
56.67% |
|
Algo beneficioso |
30.00% |
|
Poco beneficioso |
6.67% |
|
No es beneficioso en lo absoluto |
3.33% |
Fuente: Elaboración propia
Figura 1:
¿Qué tan beneficioso considera el uso de inteligencia artificial (IA) para
optimizar los procesos de recolección de datos en la investigación?
Fuente: Elaboración propia
El 56.67% de los encuestados considera que el uso de inteligencia artificial es "Muy beneficioso" para optimizar la recolección de datos en la investigación, lo que indica una percepción positiva sobre su impacto. Un 30% la percibe como "Algo beneficioso", mientras que solo un pequeño porcentaje (10%) tiene una visión menos favorable, reflejando ciertas reservas sobre su utilidad. Esto sugiere que, aunque predominan las opiniones positivas, aún existen preocupaciones o desconocimiento sobre su aplicación.
Tabla 2
¿La IA facilita el análisis de grandes volúmenes de datos en la investigación científica?
|
Respuesta |
Frecuencia Relativa (%) |
|
Totalmente de acuerdo |
30.00% |
|
De acuerdo |
60.00% |
|
En desacuerdo |
10.00% |
Fuente: Elaboración propia
Figura 2:
¿La IA facilita el análisis de grandes volúmenes de datos en la investigación científica?
Fuente: Elaboración propia
El 60% de los encuestados está "De acuerdo" con que la IA facilita el análisis de grandes volúmenes de datos, lo que indica una aceptación generalizada. Un 30% lo respalda aún más con "Totalmente de acuerdo", consolidando la percepción positiva. Solo un 10% expresa desacuerdo, lo que sugiere que las dudas sobre su efectividad son mínimas.
Tabla 3
¿Considera que el uso de inteligencia artificial en la investigación incrementa
la precisión y fiabilidad de los resultados obtenidos?
|
Respuesta |
Frecuencia Relativa (%) |
|
Sí, significativamente |
23.33% |
|
Sí, moderadamente |
53.33% |
|
No mucho |
23.33% |
Fuente: Elaboración propia
Figura 3:
¿Considera que el uso de inteligencia artificial en la investigación
incrementa la precisión y fiabilidad de los resultados obtenidos?
Fuente: Elaboración propia
Más de la mitad de los encuestados (53.33%) considera que la IA incrementa la precisión y fiabilidad de los resultados de manera moderada. Un 23.33% cree que su impacto es significativo, reforzando la confianza en la IA. Sin embargo, otro 23.33% opina que la IA no mejora mucho la precisión, lo que sugiere ciertas dudas sobre su efectividad.
Tabla 4
¿El uso de inteligencia artificial ayuda a acelerar el proceso de análisis de
datos en su área de investigación?
|
Respuesta |
Frecuencia Relativa (%) |
|
Siempre |
20.00% |
|
A veces |
73.33% |
|
Nunca |
3.33% |
Fuente: Elaboración propia
Figura 4:
¿El uso de inteligencia artificial ayuda a acelerar el proceso de análisis
de datos en su área de investigación?
Fuente: Elaboración propia
La mayoría de los encuestados (73.33%) considera que la IA ayuda a acelerar el análisis de datos solo a veces, lo que indica que su impacto no es siempre constante. Un 20% cree que la IA siempre acelera el proceso, reflejando un grupo que confía plenamente en su eficiencia. Solo un 3.33% opina que la IA nunca contribuye a mejorar la velocidad de análisis.
Tabla 5
¿Está de acuerdo con que el uso de IA en la investigación plantea
preocupaciones sobre la privacidad de los datos recopilados?
|
Respuesta |
Frecuencia Relativa (%) |
|
Siempre |
20,00 % |
|
A veces |
63,33% |
|
Nunca |
16,67% |
Fuente: Elaboración propia
Figura 5:
¿Está de acuerdo con que el uso de IA en la investigación plantea
preocupaciones sobre la privacidad de los datos recopilados?
Fuente: Elaboración propia
El 63,33% de los encuestados está de acuerdo con que la IA plantea preocupaciones sobre la privacidad de los datos recopilados, lo que indica una percepción de riesgo considerable. Un 20% está totalmente de acuerdo, lo que refuerza la preocupación general. Sin embargo, un 16.67% está en desacuerdo, lo que sugiere que algunos consideran que la IA no representa una amenaza significativa en este aspecto.
Tabla 6
¿Cree que la inteligencia artificial puede generar sesgos en los resultados de investigación debido a la calidad de los datos utilizados?
|
Respuesta |
Frecuencia Relativa (%) |
|
Sí, en algunos casos |
62,86 % |
|
Sí, definitivamente |
14,29 % |
|
No, no creo |
5,71 % |
|
No, en absoluto |
2,86 % |
Fuente: Elaboración propia
Figura 6:
¿Cree que la inteligencia artificial puede generar sesgos en los
resultados de investigación debido a la calidad de los datos utilizados?
Fuente: Elaboración propia
El 62,86 % de los participantes consideran que la inteligencia artificial puede generar sesgos en los resultados de investigación "en algunos casos". Un número considerable cree que esto ocurre "definitivamente". Sin embargo, hay también una pequeña porción que no cree que la IA genere sesgos, y una respuesta indica que no existe posibilidad de sesgos en absoluto. Esto sugiere que, aunque existe consenso sobre la posibilidad de sesgos, la percepción varía en su intensidad.
Tabla 7
¿Considera que existe un riesgo de dependencia excesiva de la IA en los procesos de investigación, reduciendo la intervención humana en la toma de decisiones?
|
Respuesta |
Frecuencia Relativa (%) |
|
Sí, un riesgo moderado |
62,50 % |
|
Sí, un riesgo alto |
21,88 % |
|
No, en absoluto |
3,13 % |
|
No estoy seguro/a |
3,13 % |
Fuente: Elaboración propia
Figura 7:
¿Cree que la inteligencia artificial puede generar sesgos en los resultados de
investigación debido a la calidad de los datos utilizados?
Fuente: Elaboración propia
El 62,50 % de los participantes considera que hay un "riesgo moderado" de dependencia excesiva de la IA en los procesos de investigación. Un número menor cree que este riesgo es "alto". Sólo 2 respuestas sugieren que no hay riesgo o que no están seguros. Esto sugiere que hay una percepción generalizada de que la IA podría reducir la intervención humana en la toma de decisiones, aunque con distintas intensidades en el grado de preocupación.
Tabla 8
¿Cree que la ética en el uso de la IA en la investigación debería
ser regulada de manera más estricta?
|
Respuesta |
Frecuencia Relativa (%) |
|
De acuerdo |
54,29 % |
|
Totalmente de acuerdo |
17,14 % |
|
En desacuerdo |
11,43 % |
|
Totalmente en desacuerdo |
5,71 % |
Fuente: Elaboración propia
Figura 8:
¿Cree que la ética en el uso de la IA en la investigación debería ser regulada de manera más estricta?
Fuente: Elaboración propia
La mayoría de los participantes (19 respuestas) está de acuerdo en que la ética en el uso de la IA en la investigación debe ser regulada de manera más estricta. Un número considerable (6 respuestas) está "totalmente de acuerdo". Solo unas pocas personas (4 respuestas) se muestran en desacuerdo con esta idea, y 2 están completamente en desacuerdo. Esto sugiere una fuerte inclinación hacia la regulación ética en el uso de IA en la investigación.
Tabla 9
¿Qué tan importante considera que es la capacitación en
inteligencia artificial para los investigadores académicos?
|
Respuesta |
Frecuencia Relativa (%) |
|
Muy importante |
53,33 % |
|
Algo importante |
36,67 % |
|
Poco importante |
6,67 % |
|
Nada importante |
3,33 % |
Fuente: Elaboración propia
Figura 9:
¿Qué tan importante considera que es la capacitación en inteligencia
artificial para los investigadores académicos?
Fuente: Elaboración propia
El 53,33 % de los participantes (16 respuestas) considera que la capacitación en inteligencia artificial es "muy importante". Un número considerable (11 respuestas) la considera "algo importante". Hay pocas respuestas que indican que la capacitación es "poco importante" o "nada importante", lo que refleja una valoración positiva y necesaria de la capacitación en IA para los investigadores académicos.
Tabla 10
¿Cuál considera que es la mejor manera de implementar la IA en las instituciones educativas para maximizar sus beneficios?
|
Respuesta |
Frecuencia Relativa (%) |
|
Ofreciendo programas de capacitación continuos |
69,70 % |
|
Proporcionando herramientas tecnológicas avanzadas |
21,21 % |
|
Contratando personal especializado en IA |
9,09 % |
Fuente: Elaboración propia
Figura 10:
¿Cuál considera que es la mejor manera de implementar la IA en las
instituciones educativas para maximizar sus beneficios?
Fuente: Elaboración propia
La mayoría de los participantes (23 respuestas) considera que la mejor manera de implementar la IA en las instituciones educativas es ofreciendo programas de capacitación continuos. Un grupo menor (7 respuestas) prefiere proporcionar herramientas tecnológicas avanzadas, mientras que 3 respuestas sugieren que contratar personal especializado en IA sería lo más adecuado. Esto indica que la formación continua es vista como la estrategia más eficaz para maximizar los beneficios de la IA.
Tabla 11
¿Considera que la colaboración entre instituciones académicas y empresas tecnológicas puede mejorar la implementación de IA en los procesos de investigación?
|
Respuesta |
Frecuencia Relativa (%) |
|
Sí, mucho |
34,38 % |
|
Sí, algo |
40,63 % |
|
No, poco |
6,25 % |
|
No, en absoluto |
3,13 % |
Fuente: Elaboración propia
Figura 11:
¿Considera que la colaboración entre instituciones académicas y empresas tecnológicas
puede mejorar la implementación de IA en los procesos de investigación?
Fuente: Elaboración propia
El 34,38 % de los participantes considera que la colaboración entre instituciones académicas y empresas tecnológicas puede mejorar la implementación de la IA "algo". Un número significativo (11 respuestas) opina que puede mejorar "mucho". Las respuestas que indican que la colaboración tiene un impacto "poco" o "nulo" son minoritarias, lo que sugiere que existe una percepción positiva sobre dicha colaboración en el ámbito de la investigación.
Tabla 12
¿Qué tan efectivo sería el uso de plataformas de colaboración en línea para integrar la IA en los proyectos de investigación académica?
|
Respuesta |
Frecuencia Relativa (%) |
|
Muy efectivo |
23.33 |
|
Algo efectivo |
76.67 |
Fuente: Elaboración propia
Figura 12:
¿Qué tan efectivo sería el uso de plataformas de colaboración en línea para integrar la IA en los proyectos de investigación académica?
Fuente: Elaboración propia
La mayoría de los participantes (23 respuestas) considera que el uso de plataformas de colaboración en línea sería "algo efectivo" para integrar la IA en los proyectos de investigación académica. Un grupo menor (7 respuestas) lo considera "muy efectivo". Esto sugiere que, en general, las plataformas de colaboración en línea son vistas como una herramienta positiva, pero con un impacto moderado para la integración de la IA.
Discusión
Se sugiere fortalecer la capacitación en inteligencia artificial (IA) dentro del ámbito académico, ya que una formación adecuada permitirá a los investigadores aprovechar al máximo sus beneficios. Para ello, las instituciones educativas deberían ofrecer programas de capacitación continua que aborden tanto el uso práctico de la IA como sus implicaciones éticas. Asimismo, es importante fomentar el desarrollo de competencias digitales que permitan una integración efectiva de estas herramientas en los procesos de investigación.
Así, como establecer normativas claras sobre el uso de la IA en la investigación científica, con el objetivo de mitigar riesgos relacionados con la privacidad de los datos, los sesgos en los resultados y la posible dependencia excesiva de estas tecnologías. La implementación de protocolos de seguridad y lineamientos éticos contribuirá a un uso responsable y transparente de la IA. Además, es fundamental que las instituciones académicas trabajen en conjunto con organismos reguladores y expertos en tecnología para garantizar que las políticas de uso de la IA sean adecuadas y actualizadas.
Por consiguiente, se debe fomentar la colaboración entre instituciones educativas y empresas tecnológicas para mejorar la integración de la IA en la investigación académica. Esta cooperación permitirá el acceso a herramientas tecnológicas avanzadas, el intercambio de conocimientos y el desarrollo de proyectos innovadores. Asimismo, el uso de plataformas de colaboración en línea puede potenciar la aplicación de la IA en diversas áreas del conocimiento, promoviendo un entorno académico más dinámico y eficiente.
Conclusiones
Los resultados de la investigación reflejan una percepción mayoritariamente positiva sobre el uso de la inteligencia artificial (IA) en la optimización de los procesos de investigación académica. La mayoría de los encuestados considera que la IA facilita la recolección y el análisis de datos, mejorando la eficiencia y precisión de los resultados. No obstante, también se reconoce que su impacto no es uniforme y que su efectividad depende de factores como la calidad de los datos y el nivel de capacitación de los investigadores en el manejo de estas herramientas.
Desde una perspectiva ética, se identifican preocupaciones significativas en torno al uso de la IA en la investigación científica. Los encuestados expresan inquietudes sobre la privacidad de los datos, los posibles sesgos en los resultados y el riesgo de una dependencia excesiva de la IA en la toma de decisiones. Estos hallazgos resaltan la necesidad de establecer regulaciones más estrictas y principios éticos claros para el uso de la IA en entornos académicos, con el fin de mitigar los riesgos asociados y garantizar su aplicación responsable.
Por último, los resultados sugieren que la capacitación es un factor clave para la implementación efectiva de la IA en la investigación académica. La mayoría de los participantes considera que ofrecer programas de formación continua es la mejor estrategia para maximizar los beneficios de esta tecnología en las instituciones educativas. Asimismo, la colaboración entre instituciones académicas y empresas tecnológicas se presenta como una vía prometedora para mejorar la integración de la IA en los procesos de investigación. En este contexto, es fundamental equilibrar el uso de la IA con la supervisión y el criterio humano, asegurando que su implementación contribuya al avance del conocimiento de manera ética y eficiente.
Referencias
Barradas, R. (2023). Aplicaciones prácticas de la inteligencia artificial en la educación. Revista Educativa Global, 45(2), 101-116.
Euroinnova. (16 de noviembre de 2023). Modelo educativo nacional. Obtenido de https://darkoficialeducacion1.blogspot.com/2023/11/modelo-educativo-nacional.html
Floridi, L., Taddeo, M., & Turilli, M. (2019). Ethical principles for the design of artificial intelligence. Science and Engineering Ethics, 24(6), 1-19.
Gudiño, P. (2023). Inteligencia artificial y sostenibilidad: retos y oportunidades. Perspectivas Tecnológicas, 12(3), 45-62.
Provost, F., & Fawcett, T. (2023). Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. Toronto: O'Reilly Media.
Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach. Pearson.
Wooldridge, M. (2021). A Brief History of Artificial Intelligence: What It Is, Where We Are, and Where We Are Going. Florida: Flatiron Books.