ReCIBE, Revista electrónica de Computación, Informática, Biomédica y Electrónica

La batalla entre julia, python y r por el dominio en ciencia de datos y desarrollo

2025-05-29T09:40:19-06:00

Este estudio compara los lenguajes Julia, Python y R en el contexto de la ciencia de datos y el desarrollo de software. Evaluando rendimiento, bibliotecas, comunidad y licencias, mediante pruebas de velocidad —incluyendo operaciones matriciales, manipulación de datos y visualización— se observó que Julia es más rápido en cálculos numéricos, ideal para computación científica, mientras que Python ofrece equilibrio, es eficiente en procesamiento de datos y gráficos y tiene un ecosistema robusto y una gran comunidad en línea. Por su lado R sobresale en análisis estadístico y visualización, pero es más lento en tareas intensivas.

En el ámbito del desarrollo web, Python domina con frameworks maduros como Django y Flask, mientras que las alternativas en R (Shiny) y Julia (Genie) tienen un alcance limitado, además de la diferencia de licencias; Julia y Python utilizan MIT y PSF que son flexibles, adecuadas para proyectos comerciales, mientras que R emplea GPL que es más restrictiva.

En conclusión, Python se posiciona como la opción más versátil para proyectos generales, Julia se destaca por su rendimiento y R mantiene ventajas en los análisis estadísticos. Por lo tanto, la elección del lenguaje depende del contexto y los objetivos del proyecto.

El Entrenamiento de una red neuronal de seguimiento de señales: un enfoque metaheurístico mediante optimización por enjambre de partículas

2025-11-10T09:49:18-06:00

Este trabajo presenta una comparación entre dos métodos de entrenamiento de tipo forward propagation para la para la tarea de seguimiento de señales temporales, con el objetivo de ajustar sus parámetros sinápticos y la neurona intente aproximarse a una señal de referencia. Como alternativa al entrenamiento basado en el algoritmo de Backpropagation, que utiliza el descenso del gradiente para minimizar el error cuadrático medio (MSE), se implementa el algoritmo de Optimización por Enjambre de Partículas (PSO), una técnica de búsqueda global que opera sin necesidad de derivadas y realiza una exploración simultánea del espacio de solución. Para evaluar y comparar el desempeño de ambos métodos, se realizaron 30 ejecuciones para cada algoritmo. El rendimiento se midió con el MSE final, la tasa de éxito (definida como un MSE inferior a 0.005) y el tiempo de cómputo total. Adicionalmente, se analiza la superficie de solución generada por la red neuronal, representando la función de costo en términos de dos pesos seleccionados, lo cual permite ilustrar la presencia de múltiples óptimos locales y su impacto en la eficacia de cada algoritmo. Los resultados obtenidos demuestran que, aunque Backpropagation tiende a converger rápidamente, es susceptible a mínimos locales, mientras que PSO mostró mayor estabilidad frente a la topología no convexa de la superficie de solución, logrando convergencia hacia regiones de bajo error en la mayoría de los casos evaluados. Las observaciones realizadas permiten discutir las ventajas y limitaciones de cada enfoque en contextos donde las funciones objetivo son no diferenciables.

Protección de Datos Biométricos en Vídeos Disponibles en Datasets Mediante Face Swapping

2025-09-30T16:55:39-06:00

Los datos biométricos como el rostro, la voz o las huellas dactilares son vulnerables a ataques con herramientas de inteligencia artificial (IA), ya que contienen características irremplazables en un individuo. Este trabajo presenta la aplicación de una técnica de anonimización facial basada en face swapping y la eliminación del fondo de las escenas en vídeos para proteger la privacidad de los participantes que aparecen en el dataset experimental LSM-VMX, el cual consta de 180 señas de la Lengua Mexicana de Señas (LSM). El proceso de anonimización ha sido desarrollado en Python para generar un cambio de rostro de los participantes empleando el modelo inswapper_128, mientras que la eliminación del fondo de las escenas se ha realizado mediante la librería de rembg de U2Net. Para probar la funcionalidad de los vídeos modificados, se entrenaron modelos basados en MediaPipe y una máquina de soporte vectorial (SVM) empleando los vídeos del dataset A (original) y del dataset B (modificado) para generar un modelo de reconocimiento de señas LSM, los resultados mostraron que la exactitud (accuracy) promedio para los datasets A y B fue de 0.975 y 0.983, respectivamente, lo cual demuestra que los cambios no repercutieron en el desempeño del modelo. Por otra parte, se ejecutaron pruebas de simetría facial para revisar que el proceso de anonimización fuera exitoso, empleando el modelo de VGG-face y la métrica SSIM, los resultados arrojaron que los rostros mostrados en el dataset B eran distintos a los del dataset A.

PET-CT Registration: Comparative Affine and Deformable Methods

2025-10-31T21:05:57-06:00

Resumen— Este trabajo presenta un análisis comparativo entre los métodos de registro afín y deformable para la alineación de imágenes médicas PET-CT.

El Detección de ELA utilizando Análisis Frecuencial con Aprendizaje Automático

2025-10-29T12:13:48-06:00

La Esclerosis Lateral Amiotrófica (ELA) es una enfermedad neurodegenerativa progresiva que deteriora las neuronas motoras, provocando debilidad muscular y alteraciones del control voluntario del movimiento, el habla y las expresiones faciales. Los métodos diagnósticos actuales, basados en evaluaciones clínicas y pruebas especializadas, presentan retrasos significativos, afectando la supervivencia y calidad de vida del paciente. Este estudio propone un método no invasivo para detectar ELA mediante la caracterización de marcadores faciales en el dominio de la frecuencia a través de algoritmos de aprendizaje automático.

Color Space Assessment for Automatic Chronic Wound Segmentation

2025-10-28T13:44:50-06:00

El diagnóstico de heridas crónicas mediante el aprendizaje automático se ve dificultado por la iluminación y las sombras de las imágenes capturadas. Por lo tanto, este estudio evalúa el impacto de diferentes espacios de color en la segmentación de heridas utilizando una red U-Net. Los resultados muestran que el espacio de color YDbDr supera al RGB.

Reconocimiento de Entidades Biomédicas usando un Modelo de Lenguaje Pequeño

2025-10-26T16:42:22-06:00

Esta investigación propone el desarrollo de un Modelo de Lenguaje Pequeño (SLM) computacionalmente eficiente para el Reconocimiento de Entidades Nombradas (NER) en Biomedicina. Mediante el ajuste fino de un SLM preentrenado de dominio general (basado en Modelos de Espacio de Estados Selectivos, SSM) en textos biomédicos especializados, buscamos lograr un rendimiento comparable al de modelos más grandes. Nuestro enfoque aborda las limitaciones de los modelos basados en Transformers, como BioBERT (más de 110 millones de parámetros), combinando el procesamiento de secuencias en tiempo lineal con técnicas de adaptación del dominio biomédico.

Nanoemulsiones: Definición, métodos de síntesis, caracterización y aplicaciones biomédicas

2025-09-11T13:50:36-06:00

Las nanoemulsiones representan una plataforma emergente en la administración controlada de fármacos debido a su capacidad para transportar y liberar compuestos bioactivos, mejorar su biodisponibilidad y permitir una liberación sostenida en el sitio de acción. Su tamaño nanométrico y alta estabilidad cinética facilitan la penetración en tejidos biológicos y la protección de moléculas terapéuticas frente a la degradación enzimática. En el campo biomédico, estas nanoestructuras han mostrado gran potencial en la administración de agentes hidrofóbicos y terapias combinadas. La creciente evidencia científica respalda su potencial para revolucionar la administración farmacéutica, aunque aún persisten barreras clave para su aplicación clínica masiva. Este trabajo es un breve resumen donde se presenta una descripción de las nanoemulsiones, los métodos de síntesis más empleados y las técnicas de caracterización. Finalmente, se muestran una de sus múltiples aplicaciones, la liberación controlada de fármacos.

El Implementación de Sistema para el estudio de reflejos pupilares con estímulos de colores azul y blanco.

2025-08-21T12:00:48-06:00

El presente trabajo describe la implementación de un sistema de video-oculografía (VOG) y pupilometría para medir reflejos pupilares en 20 voluntarios (21 ± 3 años) bajo estímulos de luz azul y blanca en un ambiente controlado, aunque es una muestra muy pequeña los resultados demuestran que el sistema puede ser útil para obtener datos pupilares teniendo una evaluación positiva tanto el sistema como la infraestructura empleada. Se utilizaron tres estímulos de 10 ms con intervalos de 10 s, registrando áreas pupilares entre 3000 y 9000 píxeles, con contracciones máximas de 3000-5000 píxeles. Los resultados muestran que la luz azul induce contracciones ligeramente más pronunciadas (PCA promedio: 444-449 píxeles²) que la luz blanca (PCA promedio: 410-417 píxeles²), con una disminución en la respuesta pupilar post-iluminación (PIPR) en el tercer ciclo debido a fatiga de las células ganglionares intrínsecamente fotosensibles (ipRGCs). Este sistema proporciona una base de datos preliminar para futuros estudios con inteligencia artificial, para identificar biomarcadores potenciales para desordenes oculares del sistema parasimpático.

AI-Driven Adaptive Learning in Educational Games

2025-11-23T23:57:12-06:00

Resumen. La inteligencia artificial está transformando los juegos educativos al permitir experiencias de aprendizaje adaptativo que responden a las necesidades individuales de los estudiantes en tiempo real. Este artículo presenta una revisión integradora de la literatura reciente sobre la adaptabilidad impulsada por la IA en los juegos educativos, examinando cómo estos sistemas personalizan la instrucción, mejoran la participación y optimizan los resultados de aprendizaje. Se discuten las técnicas centrales de la IA —incluyendo el modelado del estudiante, el aprendizaje por refuerzo, la generación de contenido procedimental (PCG) y la computación afectiva— en relación con marcos teóricos como la teoría del Flujo y el modelo Mecánicas–Dinámicas–Estéticas (MDA). Casos de estudio representativos, como Math Garden y CodeCombat, ilustran cómo la mecánica adaptativa y la integración narrativa influyen en la motivación y el rendimiento del estudiante. Más allá de los beneficios pedagógicos, se analizan desafíos como el sesgo algorítmico, la privacidad de los datos y la transparencia, enfatizando la importancia de un diseño explicable e inclusivo. También se revisan las tendencias emergentes —como los grandes modelos de lenguaje, la realidad extendida y los sistemas co-adaptativos—, junto con recomendaciones prácticas para educadores, desarrolladores y responsables políticos. Nuestros hallazgos sugieren que los juegos educativos mejorados con IA, diseñados éticamente y con fundamentos pedagógicos, pueden ofrecer alternativas escalables y atractivas a la instrucción tradicional.

Rediseño de Emotion4Us: un videojuego para apoyar la conciencia emocional de las personas con discapacidad intelectual.

2025-11-23T23:15:25-06:00

La conciencia emocional es fundamental para el desarrollo socioemocional, ya que facilita la autorregulación, mejora las habilidades sociales y promueve el bienestar general. Sin embargo, para las personas con discapacidad intelectual, comprender y gestionar las emociones puede resultar difícil. Estudios muestran que los videojuegos serios pueden ayudar a desarrollar estas habilidades, principalmente al enseñar nuevos conceptos mientras el entretenimiento es un objetivo secundario, a menudo mediante estrategias de gamificación. Aunque algunas investigaciones destacan sus beneficios, estos videojuegos no están diseñados explícitamente para promover la conciencia emocional. Emotion4Us es un videojuego serio diseñado para fomentar la conciencia emocional en personas con discapacidad intelectual, utilizando estímulos positivos para reforzar comportamientos deseados con base en la teoría de la autodeterminación y el marco MDA (Mecánicas, Dinámicas y Estéticas). Este artículo aborda el proceso de rediseño y presenta los resultados de dos sesiones de validación con psicoterapeutas y docentes de educación especial, centrándose en el potencial del videojuego y las áreas de mejora. Concluimos con una discusión sobre el trabajo futuro y una reflexión sobre los requisitos para una implementación exitosa del videojuego.

Rediseñando Odisea Emocional, una herramienta basada en gamificación para apoyar la regulación emocional de personas con discapacidad intelectual

2025-11-23T23:12:03-06:00

Las personas con discapacidad intelectual pueden experi- mentar dificultades en el reconocimiento de emociones y la regulación emocional, procesos fundamentales para su desarrollo cognitivo y sus competencias sociales, conductuales y académicas. En la literatura ex- isten diversos estudios sobre el uso de tecnología interactiva, como las herramientas basadas en gamificación, para apoyar el desarrollo de habil- idades emocionales en distintas poblaciones. Sin embargo, existen pocas herramientas específicamente desarrolladas para personas con discapaci- dad intelectual. Con base en esto, se desarrolló Odisea Emocional: una herramienta basada en gamificación para apoyar las intervenciones ter- apéuticas de regulación emocional de personas con discapacidad intelec- tual. Este artículo presenta el proceso de rediseño de Odisea Emocional y los resultados de su validación con expertos. La metodología utilizada incluyó cuatro etapas: análisis del diseño original mediante heurísticas de Nielsen, revisión de literatura sobre líneas guía de diseño inclusivo, desarrollo de un prototipo de media fidelidad, y validación con expertos. El rediseño incorporó elementos de identidad visual consistente y sim- plificación de la interfaz. Los resultados sugieren que Odisea Emocional cuenta con el potencial para apoyar estas intervenciones terapéuticas y señalan áreas de mejora para su implementación.

Uso de un Videojuego Cooperativo para Evaluar la Comunicación en Equipos Distribuidos de Desarrollo de Software

2025-11-17T23:38:29-06:00

Se presenta un estudio experimental que evalúa la calidad de la
comunicación en línea dentro de equipos distribuidos de desarrollo de software
mediante el videojuego cooperativo Keep Talking and Nobody Explodes. Se
diseñó un experimento de enfoque mixto (cualitativo-cuantitativo) en el que
parejas de participantes, comunicadas en remoto, colaboran bajo presión para
desactivar artefactos virtuales. A través de registros de observación y análisis
automatizado de las interacciones verbales, se identificaron indicadores clave de
la eficacia comunicativa, tales como claridad de los mensajes, rapidez de
respuesta, uso de muletillas, lectura literal de instrucciones y balance en la
participación. Los resultados muestran diferencias significativas entre equipos
con comunicación efectiva y deficiente, evidenciando que factores como la
adaptación al contexto, la estructuración del discurso y la cooperación entre roles
distinguen a los equipos de mejor desempeño. El videojuego demostró ser una
herramienta válida para simular entornos colaborativos reales, proporcionando
datos replicables y comparables con dinámicas de proyectos de software
distribuidos. Este trabajo propone un marco metodológico innovador para la
evaluación de habilidades de comunicación en equipos remotos, con
implicaciones tanto teóricas (en la medición de soft skills) como prácticas en la
gestión y entrenamiento de equipos de desarrollo de software.

Ecosistemas gamificados de aprendizaje para el desarrollo cognitivo temprano

2025-11-13T21:39:51-06:00

Los enfoques tradicionales de educación temprana frecuentemente no logran abordar una parte muy importante de la inteligencia emocional (EQ) e intelectual (IQ), que es el desarrollo holístico de dichos conceptos en estudiantes jóvenes. Este documento presenta un marco integral para ecosistemas gamificados que integran sistemática y confiablemente el desarrollo de IE y CI a través de intervenciones digitales basadas en evidencia y datos. El análisis de mercado muestra que el sector de juegos educativos crecerá considerablemente de 6.89 mil millones a 10.7 mil millones para 2027; examinamos cómo los principios de gamificación pueden mejorar el desarrollo cognitivo en niños de 4 a 12 años. Nuestra investigación sintetiza la teoría del aprendizaje experiencial de Kolb con estrategias contemporáneas de gamificación, analizando un conjunto de diversas personalidades de estudiantes y sus necesidades de desarrollo. Propuse y trabajé en un Marco Teórico de Desarrollo Cognitivo Gamificado (GCDF, por sus siglas en inglés), que aborda la brecha identificada entre la educación tradicional y la creciente demanda de soluciones de aprendizaje integrales habilitadas por tecnología. Aunque marcos establecidos como MDA (Hunicke et al., 2004) proporcionan enfoques sistemáticos al diseño de juegos y la teoría del Flujo (Csikszentmihalyi, 1990) explica los estados óptimos de compromiso, ninguno aborda la integración sistemática del desarrollo cognitivo y emocional dentro de contextos educativos adaptados culturalmente. El marco utiliza resultados de aprendizaje medibles, mecánicas de juego adaptativas y rutas de aprendizaje personalizadas que deben atender diferentes estilos de aprendizaje y capacidades mientras mantienen el rigor educativo. Los resultados preliminares basados en un pequeño conjunto de datos en familias australianas con niños de entre 2 y 16 años indican que las intervenciones gamificadas diseñadas adecuadamente pueden efectivamente mejorar la retención de conceptos y el aprendizaje de conceptos complejos, mientras también desarrollan pensamiento crítico junto con regulación emocional y habilidades sociales esenciales para el éxito en la vida personal.

Gamificación y emprendimiento en Gastronomía: experiencia educativa con retos Shark Tank en el ITSX

2025-11-04T11:35:58-06:00

La gamificación se ha consolidado como una metodología emergente con gran potencial en la educación superior, especialmente en áreas técnicas, al incorporar dinámicas propias del juego para fortalecer la motivación, el compromiso y el aprendizaje activo del estudiantado. No obstante, su implementación representa desafíos importantes, como el diseño de experiencias atractivas y el aseguramiento de condiciones tecnológicas y humanas adecuadas. En este contexto, el presente artículo propone una metodología gamificada basada en retos al estilo Shark Tank, que, tras el análisis de teorías del juego, se aplicó a cursos universitarios de gastronomía, con el objetivo de fomentar el emprendimiento, el pensamiento crítico y el desarrollo de habilidades blandas. A través de la simulación de entornos reales de inversión, los estudiantes elaboran propuestas, presentan sus ideas ante un jurado y reciben retroalimentación inmediata, lo que promueve una experiencia de aprendizaje significativa. La metodología desarrollada incluye fases como la generación de ideas, la validación técnica y financiera, y la exposición del proyecto final, permitiendo además una evaluación integral mediante indicadores centrados en motivación, desempeño académico y percepción estudiantil. Los resultados sugieren que la integración de este tipo de dinámicas favorece el compromiso y el aprendizaje técnico, a la vez que fortalece competencias transversales clave para el ejercicio profesional. Esta propuesta representa una alternativa replicable y adaptable para otras áreas disciplinares interesadas en integrar el emprendimiento como eje formativo.