RMRobin Xavier Martínez Mayorga

Robin Xavier Martínez Mayorga

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Robin Xavier Martínez Mayorga has a total of 7 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    A Big Data Analytics Framework for Corporate Financial Profiling: Unsupervised Machine Learning Applied to Ecuador’s Financial and Insurance Sector

    by Fernando José Zambrano Farías, Robin Xavier Martínez Mayorga, María Estefanía Sánchez Pacheco, Carlos Gabriel Parrales Choez

    The amount of financial information available through regulatory big data repositories, whose scale and update frequency are consistent with the defining characteristics of big data, represents an opportunity for implementing big data analytics and business intelligence in order to support corporate decision-making, although it presents challenges due to the correlated nature of high-dimensional financial indicators. This study proposes a big data analytics model that combines dimensionality reduction with unsupervised machine learning for the classification of financial profiles of firms belonging to Ecuador’s Financial and Insurance sector (sector K). A quantitative and non-experimental approach is employed with a dataset composed of a large panel of 7875 firm-year observations (2019–2024) from 2279 unique firms, extracted from the Superintendencia de Compañías, Valores y Seguros repository and including nine financial indicators related to size, profitability, liquidity, leverage, and firm age, with extreme values addressed through winsorization at the 1st and 99th percentiles rather than case deletion. PCA reduces the dimensionality of the data, while K-means clustering, validated with the elbow method, the Silhouette index, alternative clustering algorithms (PAM, hierarchical (Ward) clustering, and a Gaussian Mixture Model) and alternative values of K, segments 1894 firms that operate in 2024. PCA retains four principal components of the dataset—firm size, financial performance, operating structure, and capital structure and organizational maturity—that explain 76.04% of the total variance. Two interpretable corporate financial profiles with limited statistical separation (average Silhouette coefficient of 0.257) were identified by K-means clustering: a larger, older, less-leveraged profile (Cluster 1) and a smaller, younger, more highly leveraged profile with higher observed returns (Cluster 2). Beyond its regional contribution to the Ecuadorian financial and insurance sector, the study illustrates a fully reproducible big data analytics pipeline—including transparency and robustness diagnostics—that is applicable to other economic sectors and regulatory repositories that are continuously updated.

  • Open Access

    Modelo estructural de Innovación, Gestión del Conocimiento y Cadena de Suministros en la Nube en Pymes Portuarias Ecuatorianas

    by Rafael Emiliano Apolinario Quintana, Fernando José Zambrano Farías, Robin Xavier Martínez Mayorga, Martha Graciela Rodríguez Donoso, Carlos Eduardo Apolinario Quintana

    Introducción: El estudio analiza la relación entre la capacidad ejecutiva de innovación, las estrategias de gestión del conocimiento y la cadena de suministros en la nube, en pymes del sector portuario ecuatoriano. Metodología: Se aplicó un enfoque cuantitativo no experimental, con un cuestionario estructurado de 58 ítems, validado mediante análisis factorial exploratorio y confirmatorio. Participaron 320 participantes de pymes logísticas. Resultados: Se identificaron cuatro factores significativos, con una varianza total explicada del 74,95%. El modelo mostró índices de ajuste aceptables (CFI = 0,844; RMSEA = 0,105). La capacidad ejecuitva de innovación tuvo un efecto directo y mediador significativo en el modelo. Discusión: Los resultados coinciden con estudios previos que destacan el rol integrador del conocimiento y la innovación en procesos de transformación digital. Se evidenció la importancia de un liderazgo innovador para la adopción tecnológica en entornos logísticos. Conclusiones: El modelo propuesto ofrece evidencia empírica útil para fortalecer capacidades organizacionales y digitales en pymes del sector portuario.


  • Open Access

    Tecnologías de Información y Comunicación en el rendimiento académico estudiantil

    by Robin Xavier Martínez Mayorga, Carlos Iván Rivera Naranjo, María Estefanía Sánchez Pacheco, Fernando José Zambrano Farías

    La educación es un proceso dinámico en el que los resultados son exitosos cuando hay una excelente interacción entre sus principales actores: docentes, estudiantes e instituciones educativas. El objetivo de esta investigación es analizar el rol de las Tecnologías de Información y Comunicación (TIC) en el rendimiento académico de 315 estudiantes que tomaron la materia de Matemáticas Financieras en la carrera de Administración de Empresas durante el periodo académico 2019 – 2020. Para tal efecto, se aplicó una prueba de hipótesis de media y se comparó el rendimiento académico de aquellos estudiantes a quienes se les impartió la materia de forma tradicional con aquellos que utilizaron herramientas tecnológicas en la asignatura. Los resultados de este estudio confirman que los estudiantes que utilizaron herramientas tecnológicas en el salón de clase tienen un mejor rendimiento académico que aquellos estudiantes que no las utilizan en el proceso de enseñanza-aprendizaje. Las conclusiones de esta investigación evidencian la importancia que tienen las herramientas tecnológicas en la educación y pretende complementar estudios futuros orientados a determinar los factores que explican el rendimiento académico.