Eleanor Alexandra Varela-Tapia

La educación moderna se distingue por adoptar un enfoque holístico orientado a desarrollar al individuo en todas sus dimensiones para fomentar la autonomía, la libertad y el pensamiento crítico. El objetivo del presente artículo fue describir el estado de las investigaciones sobre el uso de la inteligencia artificial en la transformación de la educación moderna. La metodología utilizada fue de una revisión sistemática cualitativa, se seleccionaron 14 artículos comprendidos entre 2021 y 2025. Durante el estudio se observó que el 44.4% del profesorado ya implementa herramientas de inteligencia artificial en su práctica docente, con predominancia de plataformas adaptativas cuyo uso moderado se correlaciona con incrementos del 10% en el rendimiento académico estudiantil. Además, se expone que el desarrollo de políticas y regulaciones es fundamental para garantizar una integración ética, equitativa y responsable de la IA en el ámbito educativo. En conclusión, la inteligencia artificial ha reconfigurado y mejorando sustancialmente el ecosistema educativo contemporáneo.

El procesamiento del lenguaje natural (PNL) constituye un dominio dentro de la disciplina de la Inteligencia Artificial que permite a los sistemas computacionales comprender y producir contenido articulado en lenguajes humanos. La relevancia de este campo ha aumentado significativamente en servicios como traducción automática, la detección de errores ortográficos y los agentes conversacionales. En el ámbito de la logopedia, la PNL está teniendo un impacto transformador en el tratamiento de las deficiencias comunicativas al facilitar intervenciones terapéuticas personalizadas que se alinean dinámicamente con los requisitos específicos de cada paciente. El libro propone el desarrollo de una aplicación móvil destinada a ampliar las prácticas terapéuticas convencionales en la intervención de la dislalia. Esta aplicación permite la formulación de ejercicios personalizados y la ejecución de actividades interactivas en el entorno doméstico. Para su desarrollo, se utilizó Flutter, un kit de desarrollo de código abierto que facilita la creación de aplicaciones en múltiples plataformas. Además, se ejecutó un algoritmo basado en una red neuronal de capa densa para clasificar los fonemas, obteniendo métricas de calidad excepcional, obteniéndose una metodología accesible y eficiente para mejorar el tratamiento de la dislalia, revolucionando así la manera en que se aborda este trastorno del habla en particular.

Este libro refleja el trabajo realizado bajo investigación entre docentes investigadores con el afán de que sea útil al lector, el uso de predicciones al momento de entrenar un algoritmo clasificado de texto en procesamiento de lenguaje natural (PLN) basado en machine learning. Conformado de 4 capítulos con la utilidad para el inicio al mundo de la IA de la rama de procesamiento de lenguaje natural con Python en machine learning. El Capítulo 1 menciona conceptos y la evolución de las diferentes ramas de conocimiento que abarca la inteligencia artificial (AI), el entendimiento del NLP, machine learning, tipos de aprendizaje para resolver problemas como el supervisado, no supervisado y refuerzo. Capítulo 2 se profundiza el NLP conociendo los contenidos básicos de clasificación como: Las técnicas y diseño de LSTM, tokeización, stopword, lematización, bag of Word (part of speech tagging). Capítulo 3 es la estructuración de este capítulo el conocer las definiciones de los modelos de aprendizaje supervisado que son útiles en NLP orientado a la clasificación de texto. Capítulo 4 un caso de predicción o grado de asertividad del modelamiento de un algoritmo, la intención es demostrar la utilización de un modelo y varias técnicas aplicando NLP basado en machine learning.

La Inteligencia Artificial (IA), el Procesamiento del Lenguaje Natural (NLP) y el Aprendizaje Automático (ML) han jugado un papel crucial en la lucha contra la pandemia de Covid-19, proporcionando herramientas tecnológicas valiosas para el diagnóstico, seguimiento y control de la enfermedad, implementándose soluciones con IA para mitigar sus efectos. Se propone el diseño de un modelo de ML aplicando técnicas NLP en el preprocesamiento de texto para poder evaluar la eficacia del análisis de datos en conversaciones de personas contagiadas del coronavirus SARS-CoV-2. Se recopiló información de redes sociales como Twitter y Facebook, y encuestas a contagiados de Covid-19 en la Zona 8 de la provincia del Guayas. Con estos datos, se entrenó un sistema de clasificación textual utilizando los algoritmos de Soporte de Máquina Vectorial y Random Forest. El estudio resultó en una precisión del 96% en ambos modelos, demostrando su viabilidad para la creación e implementación de clasificadores de texto. Se logró mejorar el rendimiento del modelo, reduciendo las categorías con más de 200 ocurrencias, lo que resultó en una precisión más elevada sin diferencias significativas entre ambos modelos. Por último, se desarrolló un sitio web capaz de clasificar correctamente los síntomas y recomendaciones comentadas por los pacientes.

When Covid-19 became a pandemic on March 2020, an urgent need arose for reliable info and advice, so Virtual Assistants were created to help teach the public how to avoid the Alpha variant. But when new variants like Beta, Delta, and Omicron appeared with different symptoms, they caused new waves of infections and deaths. To tackle this, a Natural Language Processing prototype was created to analyze experiences of 4422 people, who had been infected in Ecuador, and to detect which symptoms were most common in their conversations. This study prompted the creation of the NLP prototype, using Python language, the Google Collab platform, two combinations of NLP techniques were considered, measuring results through quality metrics, accuracy, Recall, F1, finding that the most appropriate combination of techniques of the two tested the one that gave the highest effectiveness for a Multi-Label classifier model, including Stop Word, Tokenization, Stemming with LSTM (Long Short-Term Memory) classifier, as a first advance of the study.

El servicio de telefonía es un medio de comunicación indispensable en las empresas que permite realizar todo tipo de actividad comercial o personal. El uso de esta tecnología radica en: la calidad de servicio que ofrecen a un costo bajo, la disponibilidad en todo momento, la accesibilidad sin interrupciones o congestionamiento y la facilidad de uso sin dejar a un lado la seguridad y escalabilidad a través del tiempo. Debido a los múltiples avances tecnológicos constantes y la innovación de tecnologías open source y virtualización, es sugerido la implementación de un sistema de telefonía de voz sobre el protocolo de internet el cual es una solución adecuada para la problemática que tiene la empresa Ecuador Overseas Agencies C.A. con la central telefónica IP actual en funcionamiento, siendo un gran impulso para la mejora de la organización. Antes de llevar a cabo la implementación alterna del sistema de voz sobre IP, se realizó un estudio acerca de los recursos que serán usados en el proyecto, como los servidores, teléfonos IP, Softphone, buenas prácticas de seguridad aplicadas a centrales telefónicas IP usando técnicas de hardening que fortalecerán las vulnerabilidades en los servidores para evitar posibles ataques, y software open source que permita mejorar el flujo de las llamadas telefónicas, de esta manera poder demostrar que una solución alternativa con tecnologías open source logra satisfacer las necesidades de la empresa y ahorrar costos para una implementación futura.