Análisis de la calidad en el desarrollo de software en Colombia mediante modelos de aprendizaje automático

Autores/as

  • Juan David Rodriguez Casanova Fundación de Estudios Superiores Comfanorte
  • Dianys Nicol Lopez Valdes Fundación de Estudios Superiores Comfanorte
  • Blanca Merry Rolon Rodriguez Fundación de Estudios Superiores Comfanorte

Palabras clave:

Calidad, Software, Inteligencia Artificial, Desarrollo, Errores, Análisis

Resumen

El presente análisis examina la calidad del desarrollo de software en Colombia a través de la revisión y evaluación de las contribuciones de los modelos de aprendizaje automático. Para esto, se llevó a cabo una investigación cualitativa con un diseño de estudio de caso, y se fundamentó en el análisis de artículos científicos, informes técnicos, políticas nacionales y experiencias documentadas por participantes del ámbito académico y tecnológico. Mediante este método, se pudo indagar acerca de las percepciones, prácticas y evidencias en relación con la aplicación de estos modelos al software, además de las circunstancias en que estos se incorporan a los procedimientos de desarrollo. Los resultados indican que, a pesar de que la inteligencia artificial y el aprendizaje automático tienen un potencial importante para prever fallos, perfeccionar la calidad del producto final y aumentar la productividad su uso todavía no es impecable, Además, es evidente que los desarrolladores y las compañías identifican ventajas como la detección anticipada de errores, la automatización de tareas y el respaldo en la toma de decisiones. No obstante, tienen obstáculos relacionados con una falta de madurez tecnológica, un escaso número de investigaciones locales y una implementación práctica insuficiente. En conjunto, los hallazgos indican que es necesario reforzar la investigación aplicada y promover una transición más extensa hacia el empleo de modelos de aprendizaje automático en el campo del desarrollo de software.

Referencias

Barrera-Hernández, L. F., Murillo-Parra, L. D., Ocaña-Zúñiga, J., Cabrera-Méndez, M., Echeverría-Castro, S. B., & Sotelo-Castillo, M. A. (2021). Causas, consecuencias y qué hacer frente al cambio climático: análisis de grupos focales con estudiantes y profesores universitarios. Obtenido de Revista mexicana de investigación educativa: https://www.scielo.org.mx/scielo.php?pid=S1405-66662020000401103&script=sci_arttext

Betancourt, L. V. (2024). Machine learning para el testeo de calidad del software: caso de estudio de Sonarqube en Cobistopaz. Obtenido de Universidad Nacional Abierta y a Distancia (UNAD): https://repository.unad.edu.co/bitstream/handle/10596/65085/Locampo.pdf?sequence=1&isAllowed=y

Calegario, F., Burégio, V., Erivaldo, F., Andrade, D. M., Felix, K., Barbosa, N., . . . França, C. (2024). CESAR Whitepaper. Obtenido de Exploring the intersection of: file:///C:/Users/mMJua/OneDrive/Desktop/ProyectoagenciaIR-frontend/Agencia%20ir%20frontend/public/images/2312.14262v1.pdf

Crawford, T., Scott Duong, R. F., Lawani, A., Owoade, S., Uzoka, A., & Parizi, R. M. (2023). Cornell University. Obtenido de AI in Software Engineering: A Survey on Project: https://arxiv.org/abs/2307.15224

Fernando, E.-L. A., Marcelo, R.-S. F., César, G.-S. P., & Fabricio, B.-A. M. (30 de 1 de 2023). La inteligencia artificial aplicada a la optimización de programas informáticos. Obtenido de Journal of Economic and Social Science Research: https://economicsocialresearch.com/index.php/home/article/view/61/195

Garcia, L. J., Zambrano, M. M., & Cruzatty, J. E. (20 de 2 de 2020). LA INTELIGENCIA ARTIFICIAL EN LA CALIDAD DEL SOFTWARE: UNA REVISIÓN SISTEMÁTICA DE LA LITERATURA. Obtenido de UNESUM-Ciencias: Revista Científica Multidisciplinari: https://revistas.unesum.edu.ec/index.php/unesumciencias/article/view/208/161

García, L. J., Zambrano, M. M., & Cruzatty, J. E. (20 de 2 de 2020). UNESUM. Obtenido de LA INTELIGENCIA ARTIFICIAL EN LA CALIDAD DEL SOFTWARE: UNA REVISIÓN SISTEMÁTICA DE LA LITERATURA: https://revistas.unesum.edu.ec/index.php/unesumciencias/article/view/208/161

Gil-Vera, V. D., & Seguro-Gallego, C. (22 de abril de 2022). MACHINE LEARNING APLICADO AL ANÁLISIS DEL RENDIMIENTO DE DESARROLLOS DE SOFTWARE. Obtenido de file:///C:/Users/mMJua/Downloads/Machine_learning_aplicado_al_analisis_del_rendimie.pdf

Jorayeva, M., Akbulut, A., Catal, C., & Mishra, A. (Marzo de 2022). Machine Learning-Based Software Defect Prediction for Mobile Applications: A Systematic Literature Review. Obtenido de MDPI: https://www.researchgate.net/publication/359513526_Machine_Learning-Based_Software_Defect_Prediction_for_Mobile_Applications_A_Systematic_Literature_Review

Khaleel, S. I., & Salih, L. F. (10 de marzo de 2023). A survey of predicting software reliability using machine learning methods. Obtenido de IAES International Journal of Artificial Intelligence: file:///C:/Users/mMJua/Downloads/A_survey_of_predicting_software_reliability_using_.pdf

M., E., Porter, J. E., & Barbagallo, M. S. (2023). Simplifying Qualitative Case Study Research Methodology: A Step-By-Step Guide Using a Palliative Care Example. Obtenido de TQR: https://nsuworks.nova.edu/cgi/viewcontent.cgi?article=6478&context=tqr

Msakni, M. K., Risan, A., & Schütz, P. (2023). Using machine learning prediction models for quality control: a case study from the automotive industry. Obtenido de file:///C:/Users/mMJua/Downloads/s10287-023-00448-0.pdf

Nieto, A. P., & Sáenz, D. A. (11 de 2 de 2025). PROPUESTA DE MEJORA OPERACIONAL DE UNA FÁBRICA DE DESARROLLO DE SOFTWARE CON HERRAMIENTAS DE INTELIGENCIA ARTIFICIAL. Obtenido de ean universidad: https://repository.universidadean.edu.co/server/api/core/bitstreams/e258154b-a46e-4ddc-b464-fc4f0cb4c15d/content

PARADA, R. R. (2 de 2023). DISEÑO DE UNA GUÍA METODOLÓGICA DE LAS MEJORES PRÁCTICAS PARA EL DESARROLLO DE SOFTWARE EN EL ÁREA DE TI DE UNA EMPRESA PRESTADORA DEL SERVICIO DE ENERGÍA ELÉCTRICA. Obtenido de UFPS: https://catalogobiblioteca.ufps.edu.co/cgi-bin/koha/opac-retrieve-file.pl?id=a382f8e141831bca933965d0b330c42c

Pokharel, K. R., Paudel, S., & Marasini, A. (2024). Revisiting the Case Study Method in Social Research: A Reflective and Argumentative Review for Novice Researchers. Obtenido de Nepal Journals Online: www.nepjol.info/index.php/ej/article/view/82043

Salamanca, H. A., Cárdenas, P. A., Pérez, T. V., Diaz, N. F., Ortega, J. A., & Gámez, M. I. (2024). La entrevista semiestructurada: una herramienta pertinente en la percepción de valores sociales para la vida. Obtenido de Revista Lasallista de investigacion: https://revistas.unilasallista.edu.co/index.php/rldi/article/view/3371/210210898

Sampieri, R. H., & Torres, C. P. (2023). Metodología de la Investigación. Obtenido de https://www.sanzytorres.es/libros/metodologia-de-la-investigacion/9781456294915

Sota, F. G., Alfonso, L. P., & Alfonso, L. P. (2024). Methodological design of a case study research based: innovative learning from the perspective of two technology startups. Obtenido de https://journaljmbe.com/article/view/6444

Suárez, C. G., Mosquera, J. M., & Bucheli, V. A. (2020). Una revisión sistemática sobre aula invertida y aprendizaje colaborativo apoyados en inteligencia artificial para el aprendizaje de programación. Obtenido de Universidad Distrital Francisco José de Caldas: https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/16934/17470

Toro, X. G. (2024). Universidad Distrital Francisco José de Caldas. Obtenido de Impacto de la Inteligencia Artificial en la Gestión de Requerimientos de Software: https://revistas.udistrital.edu.co/index.php/tia/article/view/22221

Publicado

2025-02-28

Número

Sección

Artículos

Artículos más leídos del mismo autor/a