Arquitectura inteligente para la gestión de bienestar soportado en neuroseñales para ecosistemas sociales 4.0
Palabras clave:
Arquitecturas inteligentes, Ciclos autonómicos, Gestión de bienestar, Organizaciones virtualesResumen
El alcance de este artículo es describir una arquitectura inteligente a nivel estructural, funcional y de servicios inteligentes para gestionar el bienestar mental, físico y espiritual de los docentes del campo disciplinar de la física soportada en neuroseñales y en tecnologías de la industria 4.0. Para el diseño metodológico de la arquitectura inteligente se identificaron las capas estructurales que conforman el modelo arquitectónico, posteriormente se identificaron los requerimientos funcionales que debían implementar en la arquitectura inteligente y finalmente se modelaron los servicios inteligentes que debían automatizar los procesos de gestión del bienestar de los docentes del área de la física y que igualmente se puede replicar a docentes de otros campos disciplinares. El resultado principal de esta investigación es el modelo estructural y de servicios de la arquitectura inteligente, el cual está estructurado en una capa de servicios de bienestar y en una capa de adquisición y gestión de conocimiento. En un nivel de descomposición adicional se describen las funcionalidades asociadas a cada capa, particularmente, la capa de servicios encapsula las funcionalidades de gestión de conciencia contextual, gestión de caracterización ciberfísica, gestión dinámica de redes de apoyo, generador inteligente de tratamientos. La capa de gestión y adquisición de conocimiento incluye las funcionalidades de gestión de repositorios de señales emotivas, medidas fisiológicas, actividades sociales, caracterización social, caracterización espiritual, de nodos sociales, perfiles laborales y de contextos. Tomando como referencia el modelo arquitectónico diseñado para la generación inteligente de tratamientos mentales, físicos y espirituales para mejorar la calidad de vida de los docentes del área de la física en educación superior, se puede concluir que en época de pandemia es viable el diseño de plataformas inteligentes que generen tratamientos automáticos para mejorar los indicadores mentales, físicos y espirituales de los docentes modelados como nodos sociales a través de las tecnologías de la industria 4.0.
Descargas
Citas
J. Holland, “Sistemas Adaptativos Complejos”, 1996
J. Holland, Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence, 1992
J. H. Holland, “and Spontaneous Emergence,” no. III, 2002
R. Van Der Hofstad, “Random graphs and complex networks”, 2021
A. A. Nazarenko and L. M. Camarinha-Matos, Basis for an Approach to Design Collaborative Cyber-Physical Systems, vol. 553. Springer International Publishing, 2019. doi: 10.1007/978-3-030-17771-3_16
C.-P. Lopez, M. Santorum, and J. Aguilar, “FAVO: Framework de Gestión Autónoma de Organizaciones Virtuales basado en la Industria 4.0”
M. Tsujimoto, Y. Kajikawa, J. Tomita, and Y. Matsumoto, “A review of the ecosystem concept — Towards coherent ecosystem design,” Technological Forecasting and Social Change, vol. 136, pp. 49–58, Nov. 2018, doi: 10.1016/j.techfore.2017.06.032
T. Guggenberger, F. Möller, and T. Haarhaus, “Ecosystem types in information systems,” 2020. [Online]. Available: https://www.researchgate.net/publication/341188637
R. Preiser, R. Biggs, A. De Vos, and C. Folke, “Social-ecological systems as complex adaptive systems: Organizing principles for advancing research methods and approaches,” Ecology and Society, vol. 23, no. 4, 2018, doi: 10.5751/ES-10558-230446
S. L. Vargo, M. A. Akaka, and H. Wieland, “Rethinking the process of diffusion in innovation: A service-ecosystems and institutional perspective,” Journal of Business Research, vol. 116, no. December 2018, pp. 526–534, 2020, doi: 10.1016/j.jbusres.2020.01.038
E. M. Rogers, U. E. Medina, M. a Rivera, and C. J. Wiley, “Complex Adaptive Systems and The Diffusion of Innovations,” The Innovation Journal: The Public Sector Innovation Journal, vol. 10, no. 3, pp. 1–26, 2005
A. E. Hagsall, N. Ahituv, and N. Naveh, “Effective assimilation of technological innovation in an organization characterized ?as a Complex Adaptive System,” Journal of Innovation Management, vol. 7, no. 2, pp. 38–58, 2019, doi: 10.24840/2183-0606_007.002_0004
K. Grumadaité, “Enabling the formation of self-organisation based industrial system", Summary of Doctoral Dissertation Social Sciences, Management ( 03S ), Kaunas University of technology, p. 40, 2018
R. J. Blomme, “Leadership, complex adaptive systems, and equivocality: The role of managers in emergent change,” Organisation Management Journal, vol. 9, no. 1, pp. 4–19, 2012, doi: 10.1080/15416518.2012.666946
P. Törnberg, “Innovation in Complex Adaptive Systems,” pp. 1–49, 2014
M. Boisot and J. Child, “Organizations as Adaptive Systems in Complex Environments: The Case of China,” Organization Science, vol. 10, no. 3, pp. 237–252, 1999, doi: 10.1287/orsc.10.3.237
T. Bovaird, “Emergent strategic management and planning mechanisms in complex adaptive system,” Public Management Review, vol. 10, no. 3, pp. 319–340, 2008, doi: 10.1080/14719030802002741
G. Bristow and A. Healy, “Building Resilient Regions: Complex Adaptive Systems and the Role of Policy Intervention,” Raumforsch Raumordn, vol. 72, no. 2, pp. 93–102, 2014, doi: 10.1007/s13147-014-0280-0
A. S. N. Burford, “How Ecosystem Structure Affects Firms’ Adaptation to Environmental Changes,” Journal of Chemical Information and Modeling, vol. 53, no. 9, pp. 1689–1699, 2013
W. van der Aalst, Process mining: Data science in action. 2016. doi: 10.1007/978-3-662-49851-4
J. Aguilar, M. Sánchez, J. Cordero, P. Valdiviezo-Díaz, L. Barba-Guamán, and L. Chamba-Eras, “Learning analytics tasks as services in smart classrooms,” Universal Access in the Information Society, vol. 17, no. 4, pp. 693–709, 2018, doi: 10.1007/s10209-017-0525-0
K. K. H. Ng, C. H. Chen, C. K. M. Lee, J. (Roger) Jiao, and Z. X. Yang, “A systematic literature review on intelligent automation: Aligning concepts from theory, practice, and future perspectives,” Advanced Engineering Informatics, vol. 47, no. December 2020, p. 101246, 2021, doi: 10.1016/j.aei.2021.101246
M. H. Huang and R. T. Rust, “Artificial Intelligence in Service,” Journal of Service Research, vol. 21, no. 2, pp. 155–172, 2018, doi: 10.1177/1094670517752459
R. I. Ogie, S. O’Brien, and F. M. Federici, “Towards using agent-based modelling for collaborative translation of crisis information: A systematic literature review to identify the underlying attributes, behaviours, interactions, and environment of agents,” International Journal of Disaster Risk Reduction, no. July, p. 102717, 2021, doi: 10.1016/j.ijdrr.2021.102717
L. Fiorini, “How artificial intelligence will change the future of bullion production,” 42nd International Precious Metals Institute Annual Conference, IPMI 2018, pp. 60–69, 2018
E. E. Makarius, D. Mukherjee, J. D. Fox, and A. K. Fox, “Rising with the machines: A sociotechnical framework for bringing artificial intelligence into the organization,” Journal of Business Research, vol. 120, no. November 2019, pp. 262–273, 2020, doi: 10.1016/j.jbusres.2020.07.045
C. Guevara and R. Garcia, “MIDRA-OAA: Middleware Reflexivo Autonómico para la gestión de Objetos de Aprendizaje Adaptativos.” [Online]. Available: https://www.researchgate.net/publication/350710343
M. Sánchez, E. Exposito, and J. Aguilar, “Autonomic computing in manufacturing process coordination in industry 4.0 context,” J Ind Inf Integr, vol. 19, no. 2014, 2020, doi: 10.1016/j.jii.2020.100159
Z. Zheng et al., “An overview on smart contracts: Challenges, advances and platforms,” Future Generation Computer Systems, vol. 105, pp. 475–491, 2020, doi: 10.1016/j.future.2019.12.019
J. Yang, C. Ouyang, W. M. P. van der Aalst, A. H. M. ter Hofstede, and Y. Yu, “OrdinoR: A framework for discovering, evaluating, and analyzing organizational models using event logs,” Decision Support Systems, vol. 158, Jul. 2022, doi: 10.1016/j.dss.2022.113771
V. Pasquadibisceglie, A. Appice, G. Castellano, and W. der Aalst, “PROMISE: Coupling Predictive Process Mining to Process Discovery,” Information Sciences, Aug. 2022, doi: 10.1016/j.ins.2022.05.052
J. Ramezani and L. M. Camarinha-Matos, “A collaborative approach to resilient and antifragile business ecosystems,” Procedia Computer Science, vol. 162, no. Itqm 2019, pp. 604–613, 2019, doi: 10.1016/j.procs.2019.12.029
J. Ramezani and L. M. Camarinha-Matos, “A collaborative approach to resilient and antifragile business ecosystems,” Procedia Computer Science, vol. 162, no. Itqm 2019, pp. 604–613, 2019, doi: 10.1016/j.procs.2019.12.029
P. Graça and L. M. Camarinha-Matos, “Performance indicators for collaborative business ecosystems — Literature review and trends,” Technological Forecasting and Social Change, vol. 116, pp. 237–255, 2017, doi: 10.1016/j.techfore.2016.10.012
P. Graca, L. M. Camarinha-Matos, and F. Ferrada, “A Model to Assess Collaboration Performance in a Collaborative Business Ecosystem,” IFIP Advances in Information and Communication Technology, vol. 553, pp. 3–13, 2019, doi: 10.1007/978-3-030-17771-3_1
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
