Edwin Fernando Mejía Peñafiel
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Edwin Fernando Mejía Peñafiel has a total of 17 co-authors. Here are the top co-authors by number of shared publications:
- Johanna Enith Aguilar Reyes
Escuela Superior Politecnica de Chimborazo
5 shared publications - Tania Paulina Morocho Barrionuevo
Escuela Superior Politecnica de Chimborazo
4 shared publications - Diego Alejandro Cáceres Veintimilla
Escuela Superior Politécnica de Chimborazo (ESPOCH), Ecuador
1 shared publication - Edgar Fabian Sánchez Carrión
Escuela Superior Politécnica de Chimborazo (ESPOCH)
1 shared publication Escuela Superior Politécnica de Chimborazo
1 shared publication- Geoconda-Marisela Velasco Castelo1 shared publication
Latest Publications
- Open Access
- 20 February 2026
- Published by Grupo Compas in Revista de Ciencias Sociales
- Vol. 32 (1) , 208-219
Metodología de implementación de un Dashboard en Power BI para el aprendizaje sistémico de estudiantes universitarios
La inteligencia de negocios hace uso de los dashboard para presentar resultados a los gerentes y/o jefes de instituciones del mundo y es así como en Ecuador se está usando estos objetos como una toma de decisiones dentro de los negocios. Particularmente realizar un dashboard a partir de una base de datos planteada tiene una gran importancia para los ingenieros estadísticos, ingenieros informáticos, estadísticos y todos los profesionales inmiscuidos en este proceso. Este trabajo tuvo como objetivo, desarrollar una metodología para crear un dashboard que permita a los estudiantes de manera profesional y sencilla poder presentar resultados con tablas y gráficos estadísticos en Power BI como una página web interactiva. El enfoque metodológico empleado es el cuantitativo, con un diseño de campo y una investigación descriptiva. Entre los hallazgos se destaca los resultados óptimos y de buena calidad en la aplicación del dashboard, permitiendo concluir que es pertinente para un aprendizaje sistémico en los estudiantes de Ingeniería Estadística.
- 20 February 2026
- Published by Grupo Compas in Revista de Ciencias Sociales
- Vol. 32 (1) , 208-219
Open AccessMetodología de implementación de un Dashboard en Power BI para el aprendizaje sistémico de estudiantes universitarios
La inteligencia de negocios hace uso de los dashboard para presentar resultados a los gerentes y/o jefes de instituciones del mundo y es así como en Ecuador se está usando estos objetos como una toma de decisiones dentro de los negocios. Particularmente realizar un dashboard a partir de una base de datos planteada tiene una gran importancia para los ingenieros estadísticos, ingenieros informáticos, estadísticos y todos los profesionales inmiscuidos en este proceso. Este trabajo tuvo como objetivo, desarrollar una metodología para crear un dashboard que permita a los estudiantes de manera profesional y sencilla poder presentar resultados con tablas y gráficos estadísticos en Power BI como una página web interactiva. El enfoque metodológico empleado es el cuantitativo, con un diseño de campo y una investigación descriptiva. Entre los hallazgos se destaca los resultados óptimos y de buena calidad en la aplicación del dashboard, permitiendo concluir que es pertinente para un aprendizaje sistémico en los estudiantes de Ingeniería Estadística.
- 15 January 2025
- Published by Universidad Dr. Rafael Belloso Chacín, URBE in Telos
- Vol. 27 (1) , 94-115
Estudio del rendimiento académico mediante la comparación de modelos de regresión y árboles de clasificación
This article aims to identify the factors that affect academic performance by comparing regression models and decision trees to determine the factors involved. The methodology adopted is quantitative in nature, focused on the collection of numerical data and its statistical analysis, in order to evaluate the relationships between different variables and determine those factors that influence academic performance. The population studied includes remedial students in the statistics career, who underwent an exploratory and descriptive analysis, using two statistical methods. Two modeling techniques were used: multinomial logistic regression and classification trees. The variables evaluated included sociodemographic factors, previous academic performance, and characteristics of the educational environment. The results showed that the logistic regression model achieved 100% accuracy with an AUC of 1, indicating perfect classification ability. In comparison, the classification tree model had an accuracy of 70.83% with an AUC of 0.7042, reflecting moderate classification ability. From these results, key factors that affect academic performance were identified, such as study habits, interest in the career and psychological aspects. In conclusion, multinomial logistic regression was more effective and accurate in analyzing the quantitative relationships between the variables that affect academic performance, outperforming the classification tree method.
- 15 January 2025
- Published by Universidad Dr. Rafael Belloso Chacín, URBE in Telos
- Vol. 27 (1) , 94-115
Estudio del rendimiento académico mediante la comparación de modelos de regresión y árboles de clasificación
This article aims to identify the factors that affect academic performance by comparing regression models and decision trees to determine the factors involved. The methodology adopted is quantitative in nature, focused on the collection of numerical data and its statistical analysis, in order to evaluate the relationships between different variables and determine those factors that influence academic performance. The population studied includes remedial students in the statistics career, who underwent an exploratory and descriptive analysis, using two statistical methods. Two modeling techniques were used: multinomial logistic regression and classification trees. The variables evaluated included sociodemographic factors, previous academic performance, and characteristics of the educational environment. The results showed that the logistic regression model achieved 100% accuracy with an AUC of 1, indicating perfect classification ability. In comparison, the classification tree model had an accuracy of 70.83% with an AUC of 0.7042, reflecting moderate classification ability. From these results, key factors that affect academic performance were identified, such as study habits, interest in the career and psychological aspects. In conclusion, multinomial logistic regression was more effective and accurate in analyzing the quantitative relationships between the variables that affect academic performance, outperforming the classification tree method.
- Open Access
- 2 January 2025
- Published by Luminis Editorial in Reincisol.
- Vol. 4 (7) , 3601-3634
Evaluación comparativa de la regresión y los árboles de clasificación para identificar los factores determinantes en el rendimiento académico de los estudiantes de nivelación en la carrera de estadística
El análisis predictivo y la modelización estadística son herramientas esenciales para comprender el comportamiento de los datos. Este estudio tiene como objetivo comparar dos métodos estadísticos ampliamente utilizados la regresión logística multinomial y los árboles de clasificación para identificar los factores que influyen significativamente en el rendimiento académico de los estudiantes que ingresan al curso de nivelación de la carrera de Estadística, y desarrollar un modelo aplicable en entornos educativos. La metodología es de tipo cuantitativo, ya que se basa en la recolección de datos numéricos mediante encuestas y su posterior análisis estadístico. Se realizó un análisis exploratorio y descriptivo, orientado a especificar las características y relaciones entre variables sociodemográficas, rendimiento previo y condiciones del entorno educativo. La investigación es experimental por la manipulación de variables, y deductiva, al fundamentarse en principios teóricos. Se utilizaron dos técnicas de modelado: regresión logística multinomial y árboles de clasificación. Los resultados mostraron que el modelo logístico alcanzó una precisión del 100% y un AUC de 1.0, lo que indica una capacidad perfecta de clasificación. En contraste, el árbol de clasificación obtuvo una precisión del 70.83% y un AUC de 0.7042, evidenciando una capacidad moderada. Se concluyó que los factores más influyentes en el rendimiento académico son los hábitos de estudio, el interés en la carrera y aspectos psicológicos. Además, la regresión logística multinomial resultó ser más efectiva y precisa para modelar la relación entre variables y rendimiento académico.
- 2 January 2025
- Published by Luminis Editorial in Reincisol.
- Vol. 4 (7) , 3601-3634
Open AccessEvaluación comparativa de la regresión y los árboles de clasificación para identificar los factores determinantes en el rendimiento académico de los estudiantes de nivelación en la carrera de estadística
El análisis predictivo y la modelización estadística son herramientas esenciales para comprender el comportamiento de los datos. Este estudio tiene como objetivo comparar dos métodos estadísticos ampliamente utilizados la regresión logística multinomial y los árboles de clasificación para identificar los factores que influyen significativamente en el rendimiento académico de los estudiantes que ingresan al curso de nivelación de la carrera de Estadística, y desarrollar un modelo aplicable en entornos educativos. La metodología es de tipo cuantitativo, ya que se basa en la recolección de datos numéricos mediante encuestas y su posterior análisis estadístico. Se realizó un análisis exploratorio y descriptivo, orientado a especificar las características y relaciones entre variables sociodemográficas, rendimiento previo y condiciones del entorno educativo. La investigación es experimental por la manipulación de variables, y deductiva, al fundamentarse en principios teóricos. Se utilizaron dos técnicas de modelado: regresión logística multinomial y árboles de clasificación. Los resultados mostraron que el modelo logístico alcanzó una precisión del 100% y un AUC de 1.0, lo que indica una capacidad perfecta de clasificación. En contraste, el árbol de clasificación obtuvo una precisión del 70.83% y un AUC de 0.7042, evidenciando una capacidad moderada. Se concluyó que los factores más influyentes en el rendimiento académico son los hábitos de estudio, el interés en la carrera y aspectos psicológicos. Además, la regresión logística multinomial resultó ser más efectiva y precisa para modelar la relación entre variables y rendimiento académico.
- Open Access
- 9 August 2024
- Published by Editorial Ciencia Digital in Concienciadigital
- Vol. 7 (3.1) , 6-17
Determinación de características físicas de elementos mecánicos mediante machine learning
Introducción. Uno de los problemas cotidianos de las personas es verificar el estado de diversas autopartes que se distribuyen en grandes cantidades, debido a que de ello dependen varios almacenes de repuestos que distribuyen piezas mecánicas para satisfacer a los clientes y su entorno en general. Para cubrir tales necesidades se han desarrollado redes neuronales artificiales que clasificarán estos elementos según sus características físicas. La adquisición de piezas mecánicas en la industria del automóvil se repite en innumerables ocasiones, por lo que pueden comprar piezas mecánicas defectuosas. Objetivo. Clasificación de elementos mecánicos mediante redes neuronales artificiales para su uso en control de calidad en sus características físicas. Metodología. Se aplica una metodología de recopilación de datos que ayudarán a entrenar a la red neuronal artificial. La red neuronal artificial podrá determinar el estado de calidad del elemento mecánico basándose en los datos de imágenes recopiladas y actuará como entrenamiento de la red neuronal en el siguiente proceso. Resultados. En la prueba final se utilizaron 200 uniones metálicas de estas clasificadas y se observó que 10 tenían defectos físicos. Conclusión. Las redes neuronales convolucionales se pueden utilizar para clasificar piezas mecánicas, extraer sus características de imágenes y luego utilizarlas como base de datos de redes neuronales. Área de estudio general: Ingeniería. Área de estudio específica: Ingeniería automotriz. Tipo de estudio: original.
- 9 August 2024
- Published by Editorial Ciencia Digital in Concienciadigital
- Vol. 7 (3.1) , 6-17
Open AccessDeterminación de características físicas de elementos mecánicos mediante machine learning
Introducción. Uno de los problemas cotidianos de las personas es verificar el estado de diversas autopartes que se distribuyen en grandes cantidades, debido a que de ello dependen varios almacenes de repuestos que distribuyen piezas mecánicas para satisfacer a los clientes y su entorno en general. Para cubrir tales necesidades se han desarrollado redes neuronales artificiales que clasificarán estos elementos según sus características físicas. La adquisición de piezas mecánicas en la industria del automóvil se repite en innumerables ocasiones, por lo que pueden comprar piezas mecánicas defectuosas. Objetivo. Clasificación de elementos mecánicos mediante redes neuronales artificiales para su uso en control de calidad en sus características físicas. Metodología. Se aplica una metodología de recopilación de datos que ayudarán a entrenar a la red neuronal artificial. La red neuronal artificial podrá determinar el estado de calidad del elemento mecánico basándose en los datos de imágenes recopiladas y actuará como entrenamiento de la red neuronal en el siguiente proceso. Resultados. En la prueba final se utilizaron 200 uniones metálicas de estas clasificadas y se observó que 10 tenían defectos físicos. Conclusión. Las redes neuronales convolucionales se pueden utilizar para clasificar piezas mecánicas, extraer sus características de imágenes y luego utilizarlas como base de datos de redes neuronales. Área de estudio general: Ingeniería. Área de estudio específica: Ingeniería automotriz. Tipo de estudio: original.
- 2 May 2024
- Published by Universidad del Zulia in Revista de la Universidad del Zulia
- Vol. 15 (43) , 541-555
Métodos de imputación por regresión, imputación por moda, imputación múltiple y árboles de decisión para variables categóricas en perspectiva comparada
La imputación por regresión, la imputación por moda, la imputación múltiple y los árboles de decisión son métodos utilizados para tratar valores faltantes en variables categóricas. En este contexto, el objetivo de la investigación consiste en definir los criterios para comparar estos métodos, estableciendo en el proceso sus semejanzas y diferencias conceptuales. En lo metodológico, se hizo uso del método comparativo y del análisis epistemológico como condición de posibilidad para entender el alcance y significo de cada uno de estos métodos, con arreglo al acopio de fuentes documentales de comprobado valor científico. Aunque parciales y limitados, los resultados obtenidos respaldan la hipótesis de que la estadística es una ciencia en desarrollo que requiere del dialogo inter-metodológico, como condición de posibilidad para obtener resultados más precisos, incluso cuando faltan ciertos datos en una ecuación. En última instancia, este trabajo sienta las bases para futuras investigaciones que podrían profundizar en la perspectiva comparada de ciertos métodos y herramientas de investigación, como los que se enuncian en el título del artículo.
- 2 May 2024
- Published by Universidad del Zulia in Revista de la Universidad del Zulia
- Vol. 15 (43) , 541-555
Métodos de imputación por regresión, imputación por moda, imputación múltiple y árboles de decisión para variables categóricas en perspectiva comparada
La imputación por regresión, la imputación por moda, la imputación múltiple y los árboles de decisión son métodos utilizados para tratar valores faltantes en variables categóricas. En este contexto, el objetivo de la investigación consiste en definir los criterios para comparar estos métodos, estableciendo en el proceso sus semejanzas y diferencias conceptuales. En lo metodológico, se hizo uso del método comparativo y del análisis epistemológico como condición de posibilidad para entender el alcance y significo de cada uno de estos métodos, con arreglo al acopio de fuentes documentales de comprobado valor científico. Aunque parciales y limitados, los resultados obtenidos respaldan la hipótesis de que la estadística es una ciencia en desarrollo que requiere del dialogo inter-metodológico, como condición de posibilidad para obtener resultados más precisos, incluso cuando faltan ciertos datos en una ecuación. En última instancia, este trabajo sienta las bases para futuras investigaciones que podrían profundizar en la perspectiva comparada de ciertos métodos y herramientas de investigación, como los que se enuncian en el título del artículo.
- 5 July 2022
- Published by Editorial Ciencia Digital in AlfaPublicaciones
- Vol. 4 (3) , 186-208
R como herramienta de análisis y visualización de datos usando Inteligencia de Negocios y PowerBI
Introducción. El uso de R hoy en día en los ámbitos académicos, estadísticos y de investigación es una herramienta con un potencial bueno. Es importante, se puede aplicar en la ciencia básica como aplicada, dado que permite automatizar con complejidad cálculos estadísticos para poder realizar el análisis de datos correspondiente. Objetivo. Realizar un dashboard usando Excel y PowerBI con R aplicando Business Intelligence (BI) y Data Warehouse (DW) en la presentación de informes para toma de decisiones con calidad. Metodología. Esta investigación es descriptiva, usa la Metodología de Construcción de un Algoritmo para Aprendizaje sistémico de estudiantes de primer semestre de TICs (Mejía et al., 2018), adaptada al uso de dashboard, la cual proporciona herramientas que permiten planificar e implementar un dashboard, para realizar scripts dentro del ámbito de trabajo de R. Dentro de esta metodología se insertan pasos adicionales para poder resolver mediante BI y DW. Se realizaron pruebas con estudiantes de cuarto semestre de Estadística para determinar la resolución de problemas antes y después de usar un tipo de software. Resultados. Los estudiantes al usar BI y DW sólo el 28,57% llega a concluir de manera perfecta usando Excel, mientras que los estudiantes al usar BI llegan a un 85,71% de manera perfecta usando PowerBI, para concluir los ejercicios. Conclusión. Se concluye que bajo los parámetros de uso de Business Intelligence y Data Warehouse para la presentación de informes en la toma de decisiones los porcentajes favorecen a estas técnicas proporcionadas por el investigador, este resultado en términos estadísticos es muy favorable, dado que estas técnicas se basan en mejorar la calidad de presentación de un informe para la web y para el gerente o presidente de una institución dentro del bienestar de la empresa. Los estudiantes con estas técnicas podrán desenvolverse de mejor manera en el ámbito profesional.
- 5 July 2022
- Published by Editorial Ciencia Digital in AlfaPublicaciones
- Vol. 4 (3) , 186-208
R como herramienta de análisis y visualización de datos usando Inteligencia de Negocios y PowerBI
Introducción. El uso de R hoy en día en los ámbitos académicos, estadísticos y de investigación es una herramienta con un potencial bueno. Es importante, se puede aplicar en la ciencia básica como aplicada, dado que permite automatizar con complejidad cálculos estadísticos para poder realizar el análisis de datos correspondiente. Objetivo. Realizar un dashboard usando Excel y PowerBI con R aplicando Business Intelligence (BI) y Data Warehouse (DW) en la presentación de informes para toma de decisiones con calidad. Metodología. Esta investigación es descriptiva, usa la Metodología de Construcción de un Algoritmo para Aprendizaje sistémico de estudiantes de primer semestre de TICs (Mejía et al., 2018), adaptada al uso de dashboard, la cual proporciona herramientas que permiten planificar e implementar un dashboard, para realizar scripts dentro del ámbito de trabajo de R. Dentro de esta metodología se insertan pasos adicionales para poder resolver mediante BI y DW. Se realizaron pruebas con estudiantes de cuarto semestre de Estadística para determinar la resolución de problemas antes y después de usar un tipo de software. Resultados. Los estudiantes al usar BI y DW sólo el 28,57% llega a concluir de manera perfecta usando Excel, mientras que los estudiantes al usar BI llegan a un 85,71% de manera perfecta usando PowerBI, para concluir los ejercicios. Conclusión. Se concluye que bajo los parámetros de uso de Business Intelligence y Data Warehouse para la presentación de informes en la toma de decisiones los porcentajes favorecen a estas técnicas proporcionadas por el investigador, este resultado en términos estadísticos es muy favorable, dado que estas técnicas se basan en mejorar la calidad de presentación de un informe para la web y para el gerente o presidente de una institución dentro del bienestar de la empresa. Los estudiantes con estas técnicas podrán desenvolverse de mejor manera en el ámbito profesional.
- Open Access
- 1 July 2021
- Published by Editorial Ciencia Digital in Concienciadigital
- Vol. 4 (3) , 141-155
Algoritmo de programación estructurada, enfocado a la detección y conteo vehicular de manera inteligente en una intersección.
Introducción. Se aborda el uso de Matlab a través de la creación de un algoritmo con programación estructurada, implementando un software que determine la presencia y clasificación de vehículos que pasan por una vía a través de una cámara, considerándose un problema de tráfico en las horas pico. Objetivo. Plantear un algoritmo codificado en Matlab que permita reconocer a través de un video los diferentes autos en una vía de acuerdo a sus dimensiones. Metodología. La metodología implementada es una híbrida entre desarrollo de software y desarrollo de sistemas inteligentes. Se realizaron 8 pruebas para poder establecer si el algoritmo nos presenta los resultados esperados en el reconocimiento de diferentes autos, utilizando herramientas y funciones que vienen con Matlab. Resultados. El algoritmo aplicado da un margen de error de más menos 8%, pero para llegar a esto se tuvo que ir de un error en la primera prueba del 80% hasta llegar al 7,5% del mismo, ya que todavía toca hacer algunos ajustes en el desempeño del algoritmo respecto a dimensiones de los vehículos, especialmente cuando tenemos mayor cantidad de ellos y de diferente tipo. Conclusión. La importancia radica que basado en esta aplicación inteligente, se puede processar vídeos que se captan de una cámara en la intersección de las vías, con esto se puede obtener flujo vehicular con hasta un 92% de efectividad, clasificación de vehículos diariamente y en horas pico. Considero que es una herramienta muy útil para que el problema del flujo vehicular tenga solución.
- 1 July 2021
- Published by Editorial Ciencia Digital in Concienciadigital
- Vol. 4 (3) , 141-155
Open AccessAlgoritmo de programación estructurada, enfocado a la detección y conteo vehicular de manera inteligente en una intersección.
Introducción. Se aborda el uso de Matlab a través de la creación de un algoritmo con programación estructurada, implementando un software que determine la presencia y clasificación de vehículos que pasan por una vía a través de una cámara, considerándose un problema de tráfico en las horas pico. Objetivo. Plantear un algoritmo codificado en Matlab que permita reconocer a través de un video los diferentes autos en una vía de acuerdo a sus dimensiones. Metodología. La metodología implementada es una híbrida entre desarrollo de software y desarrollo de sistemas inteligentes. Se realizaron 8 pruebas para poder establecer si el algoritmo nos presenta los resultados esperados en el reconocimiento de diferentes autos, utilizando herramientas y funciones que vienen con Matlab. Resultados. El algoritmo aplicado da un margen de error de más menos 8%, pero para llegar a esto se tuvo que ir de un error en la primera prueba del 80% hasta llegar al 7,5% del mismo, ya que todavía toca hacer algunos ajustes en el desempeño del algoritmo respecto a dimensiones de los vehículos, especialmente cuando tenemos mayor cantidad de ellos y de diferente tipo. Conclusión. La importancia radica que basado en esta aplicación inteligente, se puede processar vídeos que se captan de una cámara en la intersección de las vías, con esto se puede obtener flujo vehicular con hasta un 92% de efectividad, clasificación de vehículos diariamente y en horas pico. Considero que es una herramienta muy útil para que el problema del flujo vehicular tenga solución.
- Open Access
- 30 October 2019
- Published by Centro de Investigacion y Desarrollo Profesional - CIDEPRO
Los Sistemas Informáticos en la Gestión de Cobranza
La finalidad de la realización de este libro es la de resaltar la importancia que tienen los sistemas de información, y específicamente la utilización de un sistema informático para la gestión de recaudación. Toda empresa con ganas de servir a sus usuarios y complacerlos dándoles una atención de primera, tiene la obligación de implementar sistemas que les ayuden con la gestión de información. Los sistemas son “las relaciones estables en que deben coordinarse las diversas cosas”. Puede entenderse como un conjunto de personas, cosas, datos e información que se encuentran interrelacionados e interactúan para lograr un objetivo específico. El objetivo de los sistemas de información es el de optimizar información de una manera confiable y segura para la toma de decisiones, así como el de solucionar problemas y necesidades que se presenten en los sistemas de la empresa. Con la implementación de este sistema, el tratamiento de la información en las empresas tendrá mayores resultados al momento de prestar atención y servir a las personas.
- 30 October 2019
- Published by Centro de Investigacion y Desarrollo Profesional - CIDEPRO
Open AccessLos Sistemas Informáticos en la Gestión de Cobranza
La finalidad de la realización de este libro es la de resaltar la importancia que tienen los sistemas de información, y específicamente la utilización de un sistema informático para la gestión de recaudación. Toda empresa con ganas de servir a sus usuarios y complacerlos dándoles una atención de primera, tiene la obligación de implementar sistemas que les ayuden con la gestión de información. Los sistemas son “las relaciones estables en que deben coordinarse las diversas cosas”. Puede entenderse como un conjunto de personas, cosas, datos e información que se encuentran interrelacionados e interactúan para lograr un objetivo específico. El objetivo de los sistemas de información es el de optimizar información de una manera confiable y segura para la toma de decisiones, así como el de solucionar problemas y necesidades que se presenten en los sistemas de la empresa. Con la implementación de este sistema, el tratamiento de la información en las empresas tendrá mayores resultados al momento de prestar atención y servir a las personas.