Análisis sobre la Integración de IoT e Inteligencia Artificial para la Optimización de Cultivos
PDF

Palabras clave

IoT agrícola
Inteligencia Artificial
Optimización de Cultivos
Tecnología Agrícola
Agricultura de Precisión

Categorías

Cómo citar

Mora Marcillo, A. B., Arévalo Hermida, R. D. ., Contreras Posligua, M. N., & Zambrano Quiroz, K. N. (2026). Análisis sobre la Integración de IoT e Inteligencia Artificial para la Optimización de Cultivos. ISTE SCIENTIST, 5(02). https://revistas.iste.edu.ec/index.php/reviste/article/view/73

Resumen

El aumento de la necesidad alimentaria a nivel global requiere que los métodos tradicionales de producción agrícola se renueven con tecnologías emergentes. Este artículo estudia cómo usar inteligencia artificial (IA) e Internet de las Cosas (IoT) en la agricultura en Ecuador. Queremos saber si los agricultores conocen estas tecnologías, están dispuestos a usarlas y tienen acceso a ellas. Para esto, encuestamos a 80 agricultores de la costa de Ecuador. Usamos un enfoque cuantitativo descriptivo, analizando frecuencias y porcentajes. Los resultados muestran que el 90% de los encuestados cree que los sensores IoT son útiles para monitorear cultivos. Además, el 75% estaría dispuesto a usar IA en su producción. El 95% piensa que la tecnología puede mejorar la producción agrícola. Sin embargo, encontramos algunos problemas. El 75% de los encuestados no ha recibido capacitación en tecnologías digitales agrícolas. Solo el 55% tiene acceso a Internet en su zona de cultivo. hay brechas importantes en capacitación y conectividad que deben ser abordadas con políticas públicas y programas de formación.

PDF

Referencias

FAO. (2021). El estado mundial de la agricultura y la alimentación 2021. Organización de las Naciones Unidas para la Alimentación y la Agricultura.

George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference. Allyn & Bacon.

Hernández-Sampieri, R., Fernández-Collado, C., & Baptista-Lucio, P. (2014). Metodología de la investigación. México D.F.: McGraw-Hill.

Kamilaris, A., Kartakoulis, A., Prenafeta, B., & Francesc X. (2017). A review on the practice of big data analysis in agriculture. Computers and Electronics in Agriculture. https://doi.org/10.1016/j.compag.2017.09.037

Liakos, K. G., Busato, P., Moshou, D., Pearson, S., & Bochtis, D. (2018). Machine learning in agriculture: A review. Sensors.

Lozano, M., Vidal, R., & Torres, E. (2023). Diseño de instrumentos de escala mixta para medir adopción tecnológica en agricultores rurales. Revista Latinoamericana de Tecnología Educativa, 22, 45-61.

Morocho, D., & Ramos, L. (2021). Adopción de tecnologías digitales en la agricultura ecuatoriana: Barreras y perspectivas. Revista Iberoamericana de Tecnología Agropecuaria. https://doi.org/10.15517/rta.v12i2.4821

Pivoto, D., Waquil, P. D., Talamini, E., Finocchio, C. P., Dalla Corte, V. F., & de Vargas Mores, G. (2018). Scientific development of smart farming technologies and their application in Brazi. Information Processing in Agriculture.

Wolfert, S., Ge, L., Verdouw, C., & Bogaart, M.-J. (2017). Big data in smart farming: A review. Agricultural Systems. https://doi.org/10.1016/j.agsy.2017.01.023

Zamora, P., & Vásquez, C. (2022). Actitudes hacia la tecnificación agrícola en zonas rurales de América Latina: un estudio comparativo. Agrociencia, 56(3), 112-128.

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Derechos de autor 2026 ISTE SCIENTIST

##plugins.themes.healthSciences.displayStats.downloads##

##plugins.themes.healthSciences.displayStats.noStats##