TRABAJO 6: ANÁLISIS COMPARATIVO: INVESTIGACIÓN CUALITATIVA VS. CUANTITATIVA Y SU APLICACIÓN CON IA EN EL COMERCIO EXTERIOR

 

EL USO DE LA IA EN EDUCACIÓN SUPERIOR

INTRODUCCIÓN

El paradigma crítico, con enfoque cualitativo, nos permite mirar más allá de la fascinación tecnológica y preguntarnos: ¿quién se beneficia realmente del uso de la IA? ¿qué riesgos enfrentamos si dejamos que las máquinas sustituyan la reflexión humana? Este enfoque nos invita a escuchar las voces de estudiantes y docentes, a reconocer sus experiencias y a analizar cómo la IA puede ser una herramienta de inclusión, pero también de exclusión si no se gestiona con responsabilidad.

PROBLEMA

La educación superior en Bolivia enfrenta un dilema: integrar la inteligencia artificial como apoyo a la enseñanza y la investigación, sin perder de vista la equidad y la autonomía académica. Mientras algunos centros avanzan en la digitalización y el uso de plataformas inteligentes, otros apenas cuentan con infraestructura básica.

Formulación del problema: ¿Cómo puede la inteligencia artificial contribuir al fortalecimiento de la educación superior en Bolivia, garantizando calidad, equidad y sostenibilidad, sin reproducir desigualdades ni limitar la autonomía crítica de estudiantes y docentes?

ESTADO DEL ARTE

MARCO CONCEPTUAL

La IA se entiende como la capacidad de sistemas computacionales para realizar tareas que requieren inteligencia humana. En palabras de Vera-Rubio y Bonilla-González (2023): “La inteligencia artificial en la educación superior constituye un enfoque transformador que permite rediseñar los procesos de enseñanza y aprendizaje”. Como investigador boliviano, esta afirmación me interpela: transformar no es solo digitalizar, sino repensar la relación entre conocimiento y sociedad.

 

 

MARCO LEGAL

En América Latina, las políticas públicas aún son incipientes. Acevedo Carrillo (2025) advierte: “La inteligencia artificial en la educación superior latinoamericana presenta desafíos relacionados con la infraestructura tecnológica, la capacitación docente y la equidad en el acceso”.

MARCO TEÓRICO

La teoría crítica de la educación nos recuerda que toda tecnología debe ser analizada en función de su impacto social. Perdomo y González (2025) señalan: “La inteligencia artificial puede transformar muchos aspectos del quehacer humano, incluyendo el ámbito educativo, siempre que se garantice un marco ético adecuado”.

MARCO INSTITUCIONAL

El uso de IA en universidades bolivianas es todavía incipiente. Acevedo Carrillo (2025) destaca: “La minería de datos y los algoritmos de aprendizaje automático ofrecen nuevas posibilidades para el análisis de grandes volúmenes de información académica”.

Sin embargo, como investigador local, observo que muchas universidades carecen de sistemas básicos de gestión académica, lo que hace que estas posibilidades aún sean lejanas.

PROPÓSITOS

Propósito general: Analizar el uso de la inteligencia artificial en la educación superior desde un paradigma crítico y cualitativo, identificando sus beneficios, riesgos y desafíos en el contexto boliviano.

PROPÓSITOS ESPECÍFICOS:

• Identificar los principales aportes de la IA en los procesos de enseñanza-aprendizaje universitarios.
• Examinar el marco legal e institucional que regula la aplicación de IA en educación superior en Bolivia.
• Evaluar los riesgos éticos y sociales asociados al uso de IA en universidades.
• Proponer lineamientos para un uso responsable y sostenible de la IA en la educación superior boliviana.

BIBLIOGRAFÍA

Acevedo Carrillo, M., Cabezas Torres, N. M., La Serna La Rosa, P. A., & Araujo Rossel, S. A. (2025). Desafíos y oportunidades de la inteligencia artificial en la educación superior latinoamericana. Revista InveCom.

Perdomo, B., & González, O. A. (2025). Inteligencia artificial en educación superior: revisión integrativa de la literatura. Cuadernos de Investigación Educativa.

Vera-Rubio, P. E., & Bonilla-González, G. P. (2023). La inteligencia artificial en la educación superior: un enfoque transformador. Universidad Nacional de Chimborazo.

 

TRABAJO 5: EL USO DE LA IA EN LA EDUCACIÓN SUPERIOR

 EL USO DE LA IA EN LA EDUCACIÓN SUPERIOR

INTRODUCCIÓN

La inteligencia artificial (IA) se ha convertido en una de las tecnologías más influyentes en el ámbito educativo, especialmente en la educación superior. El título de este trabajo responde a la necesidad de analizar cómo la IA está transformando los procesos de enseñanza-aprendizaje, la investigación y la gestión académica. La universidad, como espacio de innovación y formación de profesionales, no puede quedar al margen de esta revolución tecnológica.

El objetivo principal de este estudio es identificar los aportes, desafíos y oportunidades que la IA ofrece en la educación superior. Se busca comprender cómo estas herramientas pueden mejorar la calidad del aprendizaje, apoyar la investigación científica y optimizar la gestión institucional, sin perder de vista los riesgos éticos y sociales que conlleva su implementación.

DESARROLLO

La IA en la educación superior se concibe como un enfoque transformador que impacta en múltiples dimensiones del quehacer académico. Como señalan Vera-Rubio y Bonilla-González (2023):

“La inteligencia artificial en la educación superior constituye un enfoque transformador que permite rediseñar los procesos de enseñanza y aprendizaje”.

En América Latina, los estudios destacan tanto los beneficios como los retos de su aplicación. Acevedo Carrillo (2025) afirma:

“La inteligencia artificial en la educación superior latinoamericana presenta desafíos relacionados con la infraestructura tecnológica, la capacitación docente y la equidad en el acceso”.

La revisión integrativa de Perdomo y González (2025) enfatiza la necesidad de un uso responsable:

 

“La inteligencia artificial puede transformar muchos aspectos del quehacer humano, incluyendo el ámbito educativo, siempre que se garantice un marco ético adecuado”.

En el plano pedagógico, la IA facilita la personalización del aprendizaje. Según Vera-Rubio (2023):

“Los sistemas inteligentes permiten adaptar los contenidos y las evaluaciones al ritmo y estilo de aprendizaje de cada estudiante”.

Asimismo, la IA contribuye a la investigación científica. Acevedo Carrillo (2025) señala:

“La minería de datos y los algoritmos de aprendizaje automático ofrecen nuevas posibilidades para el análisis de grandes volúmenes de información académica”.

En la gestión universitaria, la IA se aplica en procesos administrativos y de planificación. Perdomo y González (2025) destacan:

“La inteligencia artificial puede optimizar la gestión institucional mediante sistemas predictivos de matrícula, deserción y rendimiento académico”.

No obstante, los riesgos también son evidentes. Vera-Rubio (2023) advierte:

“La dependencia excesiva de sistemas automatizados puede reducir la autonomía crítica de los estudiantes y docentes”.

De igual manera, Acevedo Carrillo (2025) subraya:

“La inequidad tecnológica puede profundizar las brechas educativas entre universidades con recursos y aquellas que carecen de ellos”.

Finalmente, Perdomo y González (2025) recuerdan que:

“El uso de la inteligencia artificial en educación superior debe estar acompañado de políticas públicas que regulen su implementación”.

CONCLUSIÓN

El análisis realizado permite concluir que la inteligencia artificial representa una oportunidad estratégica para transformar la educación superior, siempre que se integre de manera responsable y ética. Su potencial para personalizar el aprendizaje, fortalecer la investigación y optimizar la gestión universitaria es innegable. Sin embargo, alcanzar estos beneficios requiere superar desafíos relacionados con infraestructura, capacitación docente y equidad en el acceso. En respuesta al objetivo planteado, se afirma que la IA puede convertirse en un motor de innovación educativa, pero su implementación debe estar guiada por principios de calidad, inclusión y sostenibilidad.

Fuentes consultadas:

Vera-Rubio, P. E., & Bonilla-González, G. P. (2023). La inteligencia artificial en la educación superior: un enfoque transformador.

Universidad Nacional de Chimborazo. Acevedo Carrillo, M., Cabezas Torres, N. M., La Serna La Rosa, P. A., & Araujo Rossel, S. A. (2025). Desafíos y oportunidades de la inteligencia artificial en la educación superior latinoamericana.

Revista InveCom. Perdomo, B., & González, O. A. (2025). Inteligencia artificial en educación superior: revisión integrativa de la literatura. Cuadernos de Investigación Educativa.

TRABAJO 4: ANÁLISIS COMPARATIVO: INVESTIGACIÓN CUALITATIVA VS. CUANTITATIVA Y SU APLICACIÓN CON IA EN EL COMERCIO EXTERIOR

 INVESTIGACIÓN CUALITATIVA VS. CUANTITATIVA Y SU APLICACIÓN CON IA EN EL COMERCIO EXTERIOR

---

1.    INTRODUCCIÓN

Los proyectos de exportación en el Comercio Exterior se han orientado a resultados medibles (cuantitativos) como ser: volúmenes, participación de mercado, rentabilidad y cumplimiento de plazos. Con un aparente dominio de números, lo que genera sesgo que podría subestimar el verdadero valor de una investigación cualitativa. Se realiza el análisis de las características, aplicaciones y limitaciones de los enfoques cualitativo y cuantitativo del profesional en el ámbito del comercio exterior. Se examina el rol transformador de la Inteligencia Artificial (IA) como integrador metodológico.

2.    COMPARACIÓN DE MÉTODOS

Investigación Cuantitativa: 

Un proyecto de exportación, se aplica a: estudios de mercado basados en datos secundarios (psicología del comprador, gusto, tamaño del mercado, poder adquisitivo), como costos logísticos, revisión de series históricas de la demanda y pronósticos de ventas. Con IA se potencia con algoritmos de machine learning, orienta a predicciones más afinadas y minería de datos macroeconómicos y aduaneros.

Investigación Cualitativa: 

La profundidad, contexto y comprensión de procesos, perspectivas, motivaciones, así como dinámicas complejas. En exportación: se analizará en base a estudios de caso de éxitos y/o fracasos; realizar entrevistas con potenciales distribuidores o clientes, comprender procesos de compra, analizar la cultura del negocio en un país o empresa y realizar observaciones etnográficas en ferias internacionales. La IA, permite analizar varias entrevistas, comentarios en redes sociales y noticias, con lo que se identifican tendencias, moda discursa, así como percepciones.

 

 

3.    FORMULACIÓN DEL PORQUÉ:

a)    Presión por demostrar retorno de la inversión (ROI) con métricas duras,

b)    La falsa dicotomía que equipara "objetividad" con números y "subjetividad" con palabras,

c)    Percepción errónea respecto de que lo cualitativo es más lento, costoso y difícil de escalar en comparación con el análisis de bases de datos existentes

d)    La formación profesional que tradicionalmente ha priorizado las finanzas, la logística cuantificable y el derecho comercial por encima de las ciencias sociales aplicadas. Se confunde el fin (un resultado numérico) con los medios y el contexto necesarios para alcanzarlo de manera sostenible.

4.    OBJETIVOS DE LA INVESTIGACIÓN

(a)  Analizar, limitaciones de un enfoque cuantitativo para diagnosticar y gestionar riesgos no financieros (culturales, relacionales, de percepción) en proyectos de exportación.

(b)  Evaluar, el potencial de herramientas de Inteligencia Artificial (específicamente, análisis de texto y minería de datos) para sistematizar, escalar y objetivar recolección y análisis de datos cualitativos en la fase de inteligencia de mercado.

(c)  Diseñar una propuesta de protocolo de investigación mixta (cuali-cuantitativa) apoyada en IA, aplicable a las fases de prospección y evaluación de mercados para la internacionalización de PYMEs.

5.    DESARROLLO DEL DOCUMENTO

La primacía cuantitativa en el comercio exterior es histórica. Como establecen Hernández Sampieri, Fernández-Collado y Baptista Lucio (2014, p.23), “el enfoque cuantitativo usa la recolección y el análisis de datos para contestar preguntas de investigación y probar hipótesis establecidas previamente, y confía en la medición numérica, el conteo y frecuentemente el uso de la estadística para establecer con exactitud patrones de comportamiento” (p. 4). Esto se materializa en tableros de control con indicadores de desempeño logístico y financiero.

La IA está redefiniendo las posibilidades de ambos enfoques. En el campo cuantitativo, su impacto es revolucionario: “Los algoritmos de aprendizaje automático pueden procesar masivos volúmenes de datos de comercio exterior (aranceles, tráfico marítimo, fluctuaciones cambiarias) para identificar correlaciones y predictores complejos” (López, 2021, p. 78). Paralelamente, en el ámbito cualitativo, ofrece nuevas herramientas: “El análisis de contenido asistido por software permite manejar corpus textuales extensos (como leyes extranjeras, contratos o foros de negocios) de manera eficiente, identificando temas y sentimientos recurrentes” (Piñuel Raigada, 2018, p. 112).

La IA facilita esta integración, actuando como bisagra. Como señala Valles (2009), “la tendencia actual apunta hacia diseños multimétodo que aprovechan las fortalezas de cada enfoque para triangular hallazgos y ganar validez” (p. 41). La IA permite triangular automáticamente datos de sentimiento en noticias (cuali) con datos de importación (cuanti) de un sector. Denzin (2012) ya preveía que “el futuro de la investigación social pasa por la hibridación de métodos y el uso creativo de nuevas tecnologías para la recogida y análisis de datos” (p. 86). La IA es esa tecnología que potencia tanto el análisis de encuestas masivas (cuanti) como el de respuestas abiertas (cuali) dentro de la misma herramienta.

6.    CONCLUSIÓN

La investigación cualitativa genera lo interpretativo para comprender las dinámicas culturales, relacionales y perceptuales, con lo que se podría determinar un posible éxito o fracaso en un mercado extranjero.

La Inteligencia Artificial no debe sustituir el juicio crítico del investigador, ni la necesidad de un diseño metodológico riguroso. El profesional de comercio exterior del siglo XXI debe adoptar una mentalidad integradora, utilizando la IA para implementar modelos de investigación mixtos donde las narrativas y percepciones (cuali) contextualicen y den sentido profundo a las tendencias y patrones numéricos (cuanti), permitiendo una toma de decisiones más inteligente, adaptativa y exitosa en un entorno global hipercomplejo.

7.    BIBLIOGRAFÍA

Bericat Alastuey, E. (1998). La integración de los métodos cuantitativo y cualitativo en la investigación social: Significado y medida. Ariel.

Denzin, N. K. (2012). Triangulación 2.0. Journal of Mixed Methods Research, 6(2), 80-88.

Hernández Sampieri, R., Fernández-Collado, C., & Baptista Lucio, P. (2014). Metodología de la investigación (6ª ed.). McGraw-Hill.

López, A. (2021). Inteligencia artificial aplicada al comercio internacional: Tendencias y casos de uso. Ediciones FISC.

Piñuel Raigada, J. L. (2018). Epistemología, metodología y técnicas del análisis de contenido. Universidad Complutense de Madrid.

Sautu, R. (2005). Todo es teoría. Objetivos y métodos de investigación. Lumiere.

Taylor, S. J., Bogdan, R., & DeVault, M. L. (2015). Introducción a los métodos cualitativos de investigación (4ª ed.). Paidós.

Valles, M. S. (2009). Entrevistas cualitativas. Centro de Investigaciones Sociológicas.

 

TRABAJO 3: CITAS DIRECTAS DE CANCIONES Y PELÍCULAS CON IA

 CITAS DIRECTAS DE CANCIONES Y PELÍCULAS CON IA

 

1) Canción: “Ocean” (Karol G)

• Cita textual: “Me siento grande por ti, y aunque lo intentara no podría sin ti.”
• Cita en el texto (APA 7): (Karol G, 2019)
• Referencia: Karol G. (2019). Ocean [Canción]. En Ovy on the Drums (Prod.). Universal Music.

Si prefieres otra línea (por ejemplo, “Yo te llevo a la NASA, pido un cohete y voy directo por ti”), me dices y la ajusto.

2) Canción: “Cantarina” (cueca boliviana; Willy Claure con Milton Cortez)

• Cita textual (propuesta): “Desde que me vi en tus ojos, voy de desvelo en desvelo.”
• Cita en el texto (APA 7): (Claure & Cortez, 2015)
• Referencia: Claure, W., & Cortez, M. (2015). Cantarina [Canción]. En Cuecas para no bailar [Álbum]. Producción independiente.

Confírmame esta línea u otra que prefieras de “Cantarina” para dejarla exacta.

3) Película: Gladiator (Ridley Scott)

• Cita textual: “Are you not entertained?”
• Cita en el texto (APA 7): (Scott, 2000)
• Referencia: Scott, R. (Director). (2000). Gladiator [Película]. DreamWorks Pictures; Universal Pictures.

Si prefieres la presentación de Maximus (“My name is Maximus Decimus Meridius…”), también puedo usarla.

4) Película boliviana: ¿Quién mató a la llamita blanca?

• Cita textual: [Por favor, indícame la línea exacta que deseas citar o autorízame a proponer una línea conocida y verificable.]
• Cita en el texto (APA 7): (Bellott, 2006)
• Referencia: Bellott, R. (Director). (2006). ¿Quién mató a la llamita blanca? [Película]. Bolivia.

5) Película boliviana: Tres pasos al frente

• Cita textual: [Por favor, indícame la línea exacta que deseas citar o autorízame a proponer una línea verificable.]
• Cita en el texto (APA 7): (Pacheco, 2021)
• Referencia: Pacheco, L. (Director). (2021). Tres pasos al frente [Película]. Jumping Studios.

 

 

CREA UN BLOG CON INTELIGENCIA ARTIFICIAL. MÓDULO IV

TRABAJO N°2: CREA UN BLOG CON INTELIGENCIA ARTIFICIAL

https://milton-andres-malaga-arteaga.blogspot.com/

 

Se ingreso a acceder mediante mi correo electrónico y busque el link de blog.

·         Copie la dirección URL de mi blog

·         Busque la ventana DISEÑO e ingrese una nueva entrada con mi información.

·         Redacte una bienvenida

·         Y envié al docente mi primer trabajo.

FORMACIÓN PROFESIONAL

•      Licenciatura en Comercio Internacional (gestión 2002)

•      MBA – Master en dirección y administración de empresas.

•      Maestría en Relaciones Económicas Internacionales e Integración.

•      Maestria en Educación Superior (en proceso)

•      Especialista en Gestión de la Calidad  Medio Ambiental ISO 14.000 – IBNORCA

•      INCAE (República de Costa Rica) Especialización en Gerencia de la sostenibilidad.

•      Técnico superior en aduanas y comercio exterior (1999).

•      Técnico medio “Operador en comercio exterior” (1993)

•      Formación como capacitador O.I.T. en metodologías empresariales.

•      DIPLOMADO EN ESTRATEGIAS METODOLÓGICAS PARA TRABAJAR EN AULA.

•      DIPLOMADO EN ADMINISTRACIÓN Y GESTIÓN DE CENTROS EDUCATIVOS.

•      DIPLOMADO EN INVESTIGACIÓN CIENTÍFICA EDUCATIVA. Escuela Marítima.

•      DIPLOMADO EN PROYECTOS EDUCATIVOS. Escuela Marítima. (concluido 2024)

•      DIPLOMADO EN EVALUACIÓN EDUCATIVA. Escuela Marítima. (concluido 2024)

•      DIPLOMADO EN DISEÑO CURRICULAR. Escuela Marítima. (concluido 2024)

•      DIPLOMADO EN PLANIFICACIÓN Y DESARROLLO DE COMPETENCIAS PROFESIONALES EN EDUCACIÓN SUPERIOR (DPDCV-27)

•      Diplomado en preparación y evaluación de proyectos

•      Diplomado en promoción y gestión pública del desarrollo productivo

•      Diplomado en inteligencia estratégica, seguridad y defensa nacional

•      Diplomado diseño metodológico y modalidades de graduación.

•      Diplomado SYSO - seguridad y salud ocupacional en el área industrial.

RED ACADEMICA UTB - F - INTELIGENCIA ARTIFICIAL

Ir a Blog de Segovia Heredia Karem Vanesa;        

https://segoviaherediakaremvanesa.blogspot.com/

Ir a Blog de Edgar Jhonny Mamani Velasco;         

https://edgarjhonnymamanivelasco.blogspot.com/

Ir a Blog de Bustillos Camacho Sandybel;             

https://bustilloscamachosandybel.blogspot.com/

Ir a Blog de Ortiz Sirpa Victor;                             

https://ortizsirpavictor.blogspot.com/

Ir a Blog de Huayta Cahuaya Miguel Angel;         

https://huaytacahuayamiguelangel.blogspot.com/

Ir a Blog de Cruz Quispe Olga;                             

https://cruzquispeolgaa.blogspot.com/