Enregistré dans:
| Auteur principal: | |
|---|---|
| Format: | Artículo científico |
| Langue: | es |
| Publié: |
Universidad Politécnica Salesiana
2026
|
| Sujets: | |
| Accès en ligne: | https://www.redalyc.org/articulo.oa?id=505583422014 https://www.redalyc.org/journal/5055/505583422014/ https://www.redalyc.org/journal/5055/505583422014/html/ https://www.redalyc.org/journal/5055/505583422014/505583422014.epub https://www.redalyc.org/journal/5055/505583422014/movil |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Table des matières:
- Optimización de la computación humana multitud con IUI adaptables para obtener escalabilidad y explicación R. John Martin Ingeniería cómputo humano computación colaborativa asignación adaptativa de tareas interacción humanocomputadora IHC Interfaces de usuario inteligentes (IUI) Las interfaces de usuario inteligentes (IUI) representan un enfoque transformador para mejorar la computación colectiva y la computación humana, mediante la optimización en la distribución de tareas, el fortalecimiento de la colaboración entre humanos e inteligencia artificial (IA) y la garantía de la seguridad de los datos. Este estudio presenta un análisis basado en estudios de caso sobre una IUI adaptativa diseñada para mejorar la escalabilidad, el compromiso de los usuarios y la precisión en la resolución de problemas a gran escala mediante crowdsourcing. A través del examen de tres plataformas clave —Amazon Mechanical Turk (MTurk), Zooniverse (plataforma de ciencia ciudadana) y un análisis de análisis de imágenes médicas asistido por IA en el ámbito de la salud pública—se evalúa el impacto de la asignación dinámica de tareas, la inteligencia artificial explicable (XAI) y la gamificación sobre la participación de los usuarios y el rendimiento en las tareas. Los resultados indican que las IUI adaptativas mejoran la precisión de las tareas de acuerdo con el nivel de habilidad del usuario, reducen el tiempo de ejecución a medida que los participantes adquieren experiencia y aumentan la retención de voluntarios gracias a los mecanismos de gamificación. Asimismo, la integración de XAI en el diagnóstico médico asistido por IA incrementa de manera significativa tanto los niveles de confianza como la precisión diagnóstica. Estos hallazgos evidencian la escalabilidad, adaptabilidad y eficacia de las IUI en el campo de la computación humana, y ofrecen un marco de referencia para futuros avances en la optimización de tareas y la explicabilidad de los sistemas inteligentes. 2026 artículo científico 1390-650X https://www.redalyc.org/articulo.oa?id=505583422014 https://www.redalyc.org/journal/5055/505583422014/ https://www.redalyc.org/journal/5055/505583422014/html/ https://www.redalyc.org/journal/5055/505583422014/505583422014.epub https://www.redalyc.org/journal/5055/505583422014/movil 10.17163/ings.n35.2026.04 es http://www.redalyc.org/revista.oa?id=5055 Ingenius. Revista de Ciencia y Tecnología application/pdf Universidad Politécnica Salesiana Ingenius. Revista de Ciencia y Tecnología (Ecuador) Num.35