Las organizaciones y el impacto de las tecnologías emergentes
Bibliographic record
Abstract
Los cambios a los que han dado lugar un sin número de tecnologías digitales en todos los ámbitos de la vida humana, pero especialmente los negocios, las tecnologías emergentes se han convertido en un tema de discusión recurrente en el ámbito académico y productivo, tanto para grandes empresas como para pequeñas y medianas empresas (Pymes) lo que las lleva a un proceso de transformación digital. El presente documento busca introducir tanto las definiciones básicas de las tecnologías emergentes, así como identificar desde diferentes fuentes, las interrelaciones y algunos usos que tales tecnologías tienen actualmente. Así mismo, a partir de ciertas herramientas de bibliometría, se presentan los resultados de un estudio exploratorio que busca identificar las tecnologías emergentes más relevantes en el ámbito mundial, a partir de 7575 referencias obtenidas de SCOPUS. Tal información fue indicativa del volumen de conocimiento recientemente generado y permitió señalar el grado de penetración de tales tecnologías en los sectores reales. Por otro lado, se esbozaron posibles formas de articulación entre las tecnologías para generar innovaciones, que tienden a difundirse rápidamente. Los resultados del estudio se resumen en la identificación de las interrelaciones más relevantes entre las tecnologías, indicando como conclusión una confluencia muy marcada hacia el desarrollo de conocimiento sobre inteligencia artificial, y cómo esta tecnología se viene convirtiendo en un modo en el que confluyen múltiples aplicaciones. De igual forma, se señalan los riesgos éticos que implica el desarrollo y uso de las tecnologías y cómo se tiende a monopolizar el control de la información por parte de los dueños de los algoritmos que son el motor de buena parte del desarrollo de las tecnologías emergentes.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.009 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.024 | 0.013 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".