AD2507 Plantilla-Proyecto de Investigación-G8

UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS
FACULTAD DE NEGOCIOS
PROGRAMA ACADÉMICO DE ADMINISTRACIÓN
Título de la investigación
PROYECTO DE INVESTIGACIÓN
AUTOR(ES)
Huamán Casma, Luisa Fernanda (U201811556)

Marín Casas, Edwar Crhistian (U201618972)
Nolasco Ramírez, Zurisadai (U202422608)
Ponce Ramírez, Anykaori Camila (U20201A974)
Quispe Muñoz, Fabiola Elizabeth (U201412984)
Zatch William, León Eliot (U201911602)
ASESOR
Vásquez Pajuelo, Lida (0000-0002-1241-3190)
Lima - Perú – 2024

2
Resumen
Objetivo de la investigación, metodología, resultados y conclusión

El estudio tiene como objetivo principal identificar el impacto de la transformación digital en
los procesos de innovación empresarial y en los modelos de negocio de las empresas privadas en
Lima Metropolitana durante el primer semestre del año 2024; la metodología empleada es el
enfoque cuantitativo, alcance correlacional-causal, diseño no experimental; se recoge datos
cuantitativos de una muesta de 384 personas, con un cuestionaro con escala de Likert; de modo
que los hallazgos de la investigación son los procesos de negocios de aceleración respecto a la
competencia, la empresa maneja una excelente organización basado en en crecimiento de manera
cultural respecto a sus colaboradores y el modelo de negocio aplicado en la empresa es el pilar
de la integración jefe-trabajador como una fuerza única para el crecimiento exponencial de los
resultados. El estudio concluye, en que las dimensiones de las variables han permitido
posicionarse en el mercado y mantenerse con un estatus competitivo.
Palabras clave: Transformación digital, innovación empresarial, modelo de negocio,
aceralación, posicionamiento en el mercado.

3
Abstract
Key words:
4
Tener en cuenta que las páginas

Tabla de Contenido deben ser numerada tipo APA,
parte superior derecha. Para que así
el índice sea de utilidad.
5
TABLA DE CONTENIDO 4
ÍNDICE DE TABLAS 7
ÍNDICE DE FIGURAS 8
ÍNDICE DE ANEXOS 9
CAPÍTULO 1: PLANTEAMIENTO DEL PROBLEMA DE INVESTIGACIÓN 10
1.1. ANTECEDENTES DEL PROBLEMA DE INVESTIGACIÓN 10
1.2. PLANTEAMIENTO DEL PROBLEMA 11
1.3. FORMULACIÓN DEL PROBLEMA O PREGUNTAS DE INVESTIGACIÓN 11
1.4. PROPÓSITOS DE LA INVESTIGACIÓN 12
1.4.1. Objetivo General. 12
1.4.2. Objetivos Específicos. 12
1.5. HIPÓTESIS DE LA INVESTIGACIÓN Y/O SUPUESTOS 13
1.5.1. Hipótesis General. 13
1.5.2. Hipótesis Específicas. 13
1.6. JUSTIFICACIÓN DE LA INVESTIGACIÓN 13
1.6.1. Teórica 13
1.6.2. Práctica 13
1.6.3. Metodológica (la que tenga el estudio) 13
1.7. LIMITACIONES Y VIABILIDAD DE LA INVESTIGACIÓN 14
1.8. MARCO TEÓRICO 14
1.8.1. Bases teóricas de las variables de investigación 14
1.8.2. Bases empíricas de las variables de investigación 14
1.8.3. Bases metodológicas de las variables de investigación 14
1.8.4. Marco conceptual 14
1.9. MODELO DE INVESTIGACIÓN 15
1.10. OPERACIONALIZACIÓN DE VARIABLES 17
CAPÍTULO 2: NATURALEZA DEL ESTUDIO 18
2.1. ENFOQUE DE INVESTIGACIÓN SEGÚN EL OBJETO DE ESTUDIO 18
2.1.1. Enfoque de la Investigación 18
2.1.2. Alcance de Investigación 18
2.1.3. Diseño de Investigación 18
2.2. POBLACIÓN Y MUESTRA 18
2.3. RECOPILACIÓN DE LA INFORMACIÓN DE DATOS CUANTITATIVOS – CUESTIONARIO PILOTO 23
2.4. CONSTRUCTOS DEL CUESTIONARIO PILOTO 24
CAPÍTULO 3: RESULTADOS 26
3.1. ANÁLISIS DESCRIPTIVO 26
3.2. ANÁLISIS DE CONFIABILIDAD 27
TABLA 4 28
CAPÍTULO 4: CONCLUSIONES Y RECOMENDACIONES 29
4.1. CONCLUSIONES 29
4.2. RECOMENDACIONES 29
CAPÍTULO 5: ASPECTOS ADMINISTRATIVOS 30
6
5.1. RECURSOS Y PRESUPUESTO 30

5.1.1. Recursos materiales 30
5.1.2. Recursos financieros 30
5.2. CRONOGRAMA DE EJECUCIÓN 31
REFERENCIAS 33
ANEXOS 34
7
Índice de Tablas
8
Índice de Figuras
9
Índice de Anexos
Anexo 1: Lista de referencias 38
Anexo 2: Matriz de Consistencia 41
Anexo 3: Cuestionario 42
Anexo 5: Tabla de coevaluación 51

10
Capítulo 1: Planteamiento del Problema de 5 papers o artículos por integrante, publicado en revistas
Investigación calificadas con cuartiles: Q1, Q2, Q3, Q4.
Redactado en prosa:
Es un extracto analizado y consolidado de las
conclusiones más importante de la revisión de
literatura (investigaciones obtenidas de los papers)
La prosa presenta, su propia musicalidad al
momento de leer la redacción.
Organiza las ideas en una cadena sintáctica
(oración), que va seguida de otras hasta conformar un
1.1. Antecedentes del Problema de bloque (párrafo) que comparte sentido y coherencia.
Investigación
Hong y Xiao (2024) tuvieron como objetivo la búsqueda del desarrollo sostenible de
manera imperativa con la aplicación de tecnologías digitales, las cuales permiten detener el
crecimiento de la huella de carbono. Como metodología emplearon el enfoque descriptivo
cualitativo - correlacional; aplicaron un análisis cualitativo a través de estudios de caso e
interpretación; cuyos hallazgos fueron; que se posee la capacidad de incentivar el reciclaje y los
modelos comerciales circulares, así como de facilitar la contabilidad y compensación de carbono.
Donde se va implementando estas tecnologías dentro de marcos colaborativos inclusivos que
tengan en cuenta consideraciones sociales y ecológicas. En la misma línea, se indica que al
aprovechar el potencial de la tecnología blockchain y la inteligencia artificial en las cadenas de
suministro, los gobiernos van a poder promover la transparencia, la trazabilidad y la rendición de
cuentas, fomentando así prácticas sostenibles y reduciendo los impactos ambientales.
El estudio concluyó en que, la integración de tecnologías digitales innovadoras ofrece
oportunidades significativas para optimizar los sistemas de producción y la actividad económica,
a la par que se priorizan los objetivos de sostenibilidad para el mejoramiento de la sociedad y del
medio ambiente.
11
La investigación de Jia y Hou (2024) revela que tuvieron como objetivo conocer la
interrelación entre la gestión sostenible de los recursos humanos impulsada por la inteligencia
artificial, el compromiso de los empleados, el rendimiento de los empleados y la personalidad de
la conciencia. Como metodología emplearon el enfoque cuantitativo numérico; aplicaron una
encuesta a 470 empleados en empresas chinas; cuyos hallazgos fueron; que la gestión sostenible
de los recursos humanos impulsada por la inteligencia artificial influye positivamente en el
compromiso de los empleados, lo que conduce a un mejor rendimiento. En la misma línea, se
indica que la personalidad de la conciencia sirve como un factor moderador crítico entre la
gestión sostenible de los recursos humanos impulsada por la inteligencia artificial y el
compromiso de los empleados.
El estudio concluyó en que, las prácticas de RR.HH. sostenibles impulsadas por la
inteligencia artificial contribuyen al compromiso y el rendimiento de los empleados.
La investigación de Eman et al. (2024) revela que tuvieron como objetivo conocer cómo
el algoritmo STSC integrado por la inteligencia artificial, no solo se encargue de monitorear y
optimizar el uso de energía en los hogares, sino que además optimice la distribución de
electricidad, donde prevalezca un compromiso entre la reducción de costos y la reducción de la
proporción pico-promedio de energía. D. Como metodología emplearon el enfoque experimental
y cuantitativo; aplicaron un sistemas de redes inteligentes con simulaciones computacionales;
cuyos hallazgos fueron; que son posibles las reducciones sustanciales de costos en entornos
residenciales, donde se alcanza hasta el 8,5%. Esto mejora la eficiencia general de las cadenas de
suministro de energía de los hogares. En la misma línea, se indica que aparte de reducir los
costos, el algoritmo STSC contribuye a los objetivos de sostenibilidad al utilizar la IA para

12
minimizar las emisiones de carbono, incluidas las fuentes de energía renovables, y facilitar
soluciones de demanda adaptables.
El estudio concluyó en que, el uso combinado de los algoritmos STO y SCSO en
el método STSC es un avance innovador en los sistemas HEM.
La investigación de Bolón-Canedo et al. (2024) revela que tuvieron como objetivo
visibilizar que la inteligencia artificial (IA) verde es más respetuosa con el medio ambiente e
inclusiva que la IA convencional, puesto que no solo produce resultados precisos sin aumentar el
costo computacional, sino que también garantiza que cualquier investigador con una
computadora portátil pueda realizar investigaciones de alta calidad sin la necesidad de costosos
servidores en la nube. Como metodología emplearon la revisión sistemática; aplicaron una
revisión de literatura; cuyos hallazgos fueron; que se describen soluciones de IA para prácticas
ecológicas en otros campos (IA ecológica), estrategias para diseñar algoritmos y modelos de
aprendizaje automático (AA) energéticamente eficientes (IA ecológica) y herramientas para
poder medir y optimizar con precisión el consumo de energía. En la misma línea, se examinó el
papel de las regulaciones en la promoción de la IA verde y las futuras direcciones para el AA
sostenible.
El estudio concluyó en que, alinear las prácticas de la IA con las consideraciones
ambientales, fomenta un futuro más consciente del medio ambiente y energéticamente
eficiente para los sistemas de IA.
La investigación de Binyameen et al. (2024) revela que tuvieron como objetivo explorar
el impacto de tecnologías industriales emergentes (EIT) en la sostenibilidad organizacional junto
con la mediación de prácticas ambidiestras, que es una brecha notable en la literatura existente.
Como metodología emplearon el enfoque cuantitativo numérico; aplicaron una encuesta a 192
13
colaboradores de la industria textil paquistaní utilizando el método de modelado de ecuaciones
estructurales de mínimos cuadrados parciales (PLS-SEM) en SmartPLS 4; cuyos hallazgos
fueron; que existe una influencia diferencial de la EIT en las dimensiones de sostenibilidad
organizacional, un impacto significativo en el caso de la IA, una mediación complementaria de
OA con AuR, una mediación competitiva de la ambidextría organizacional para IoT y una
mediación total de la ambidextría organizacional para MT. En la misma línea, se indica que el
estudio enriquece el marco de capacidades dinámicas, destacando la ambidextría organizacional
como esencial para una integración tecnológica efectiva para lograr la sostenibilidad.
El estudio concluyó en que, se ofrece una hoja de ruta estratégica para aprovechar
la EIT alineada con los objetivos de sostenibilidad organizacional.
La investigación de Hajipour et al. (2023) revela que tuvieron como objetivo diseñar un
plan de negocio orientado al valor para AIaaS utilizando herramientas y servicios integrados.
Como metodología emplearon el análisis de mercado y modelado de negocio a empresas
tecnológicas; aplicaron un análisis cualitativo y cuantitativo de datos; cuyos hallazgos fueron;
que teniendo en cuenta los beneficios de la IA en el mundo actual, las empresas deben avanzar
hacia el uso de herramientas y servicios de IA integrados. En la misma línea, se indica que este
documento presenta un modelo de negocio basado en la IA como servicio (AIaaS), que
proporciona un paquete integrado de productos y servicios de IA.
El estudio concluyó en que, el enfoque estratégico, la hoja de ruta y el modelo de precios
heurísticos que se proporcionan en este documento pueden considerarse un punto de referencia
para las empresas de AIaaS.

14
Chen y Zhang (2024) tuvieron como objetivo investigar si la aplicación de la IA mejora
el desempeño ESG de las empresas y de qué manera; aplicaron un análisis cualitativo en base a
casos donde se utilizan datos de panel de empresas chinas que cotizan en bolsa con acciones;
cuyos hallazgos fueron; que la aplicación de la IA en las empresas tiene un impacto positivo en
el desempeño ESG. Además, los sistemas de control interno dentro de la organización y los
entornos de información externos actúan como mediadores en la relación entre la IA y el
desempeño ESG corporativo. En la misma línea, se indica que el cumplimiento corporativo juega
un papel moderador en la conexión entre la IA y el desempeño ESG corporativo.
El estudio concluyó en que, el papel fundamental que desempeña la IA en la mejora del
desempeño ESG corporativo es crucial.
La investigación de Al Naqbi et al. (2024), tuvo como objetivo la revisión exhaustiva de
la literatura sobre cómo la inteligencia artificial generativa puede mejorar la productividad
laboral, aplicaron un estudio cualitativo y cuantitativo basado en la revisión de estudios
existentes donde se analizaron casos y evaluación de impacto calculando datos de desempeño
ESG e informes de sostenibilidad con herramientas de análisis cuantitativos; cuyos hallazgos
fueron; que la IA generativa tiene el potencial de aumentar significativamente la productividad
en múltiples contextos laborales.
El estudio concluye que, es fundamental implementar la IA generativa en entornos
laborales para mejorar la eficiencia y reducir costos operativos.
La investigación de Yigitcanlar (2021). tuvo como objetivo explorar cómo la IA puede
ser desarrollada y utilizada para promover la sostenibilidad; aplicó un análisis cualitativo que se
15
basa en la revisión de estudios existentes sobre la IA sostenible abordando las estrategias para
hacer que la inteligencia artificial sea más sostenible; cuyos hallazgos fueron; que la IA puede
ser una herramienta poderosa para la sostenibilidad si se diseña y utiliza adecuadamente.
El estudio concluyó en que, es esencial desarrollar políticas y prácticas que fomenten el
desarrollo de una IA ambientalmente sostenible.
La investigación de Fan et al (2023) revela que tuvieron como objetivo, revisar el papel
que desempeñan las tecnologías de inteligencia artificial (IA) y el aprendizaje profundo (deep
learning) en la promoción de la sostenibilidad. En la misma línea, enfocaron su estudio en su
aplicación para alcanzar los Objetivos de Desarrollo Sostenible (SDGs), optimizar las fuentes de
energía renovable y mejorar la salud ambiental. Como metodología emplearon el enfoque de
revisión bibliográfica, recopilando y analizando estudios previos que abordan la aplicación de la
IA y el aprendizaje profundo en el ámbito de la sostenibilidad centrándose en trabajos
relacionados con los SDGs, energías renovables y salud ambiental. Aplicaron un análisis
cualitativo de datos recopilando estudios clave en inteligencia artificial, sostenibilidad, y
tecnologías relacionadas con energías renovables y salud ambiental; cuyos hallazgos fueron; que
la IA y el aprendizaje profundo tienen un enorme potencial para contribuir a la sostenibilidad. En
la misma línea, se identificaron aplicaciones claves en la optimización de energías renovables, la
predicción de patrones climáticos, la gestión de residuos y la mejora de la salud ambiental.
El estudio concluyó en que, la IA es una herramienta poderosa para impulsar la
sostenibilidad y alcanzar los SDGs. Sin embargo, tienen la necesidad de obtener mayores
regulaciones adecuadas y con un enfoque ético en su desarrollo y uso. A su vez, la investigación

16
destaca la importancia de mejorar la colaboración entre investigadores y gobiernos para
maximizar el impacto positivo de la IA en estos campos.
La investigación de Dana et al. (2022) revela que tuvieron como objetivo conocer cómo la
transformación digital y su naturaleza generan que la investigación futura sea importante para
identificar tendencias y oportunidades en los mercados emergentes; como metodología emplearon el
estudio es descriptivo y cuantitativo; aplicaron un cuestionario a 15 personas; cuyos hallazgos fueron
los factores influyentes relacionados con las fuerzas impulsoras se utilizaron aplicando tres umbrales
para explotar las opiniones de los expertos, y se omitieron los factores deportivos, recreativos y
agrícolas. En la misma línea, se identificó los elementos necesarios para que una organización
implemente la información en los procesos de toma de decisiones.
El estudio concluyó en que, la tasa de cambio rápido surge de factores cruciales, que incluyen
la disminución del ciclo de vida, el aumento del desarrollo tecnológico, el aumento de las demandas de
los clientes y la maximización de la innovación.
La investigación de Icarte Ahumada (2016) revela que el objetivo principal fue establecer de
forma empírica el aporte de la IA en procesos de la SC, para luego establecer actividades de
investigación a realizarse en el futuro. Como metodología empleó un análisis de tendencias de 524
artículos seleccionados; con la técnica de algoritmos genéricos; cuyo hallazgo fue una revisión
sistemática considerando el modelo SCOR como referencia para procesos de una SC. En la misma
línea, los principales resultados indican que los algoritmos genéticos y los agentes inteligentes son las
17
técnicas más investigadas para procesos de la SC relacionados con la planificación y, en menor
medida, a procesos relacionados con la entrega de productos.
El estudio concluyó en que, existe una tendencia a incluir la incertidumbre como trabajo futuro
en diferentes técnicas de IA de manera que los modelos se acerquen más a la realidad.
La investigación de Vikrant Kulkarni et al. (2024) revela que tuvieron como objetivo
evaluar cómo la tecnología de inteligencia artificial afecta la Sostenibilidad Social (SS) y la ética
empresarial en las MIPYME. Como metodología emplearon ecuaciones estructurales con el
software SmartPLS para el análisis de datos; donde aplicaron una encuesta a 400 MIPYMES;
cuyos hallazgos fueron que la IA puede apoyar estos esfuerzos de varias maneras, aunque la ética
de los empleados son herramientas cruciales que pueden monitorear el comportamiento de los
empleados para garantizar que se sigan las reglas y los principios morales. En la misma línea, se
implementaron prácticas socialmente sostenibles, como la remuneración igualitaria, el acceso a
las oportunidades y la participación comunitaria , en donde las MIPYME pueden ayudar a
fomentar un desarrollo económico más inclusivo.
El estudio concluyó que, la tecnología mejora las prácticas de sostenibilidad social y
ambiental de las organizaciones empresariales donde los Objetivos de Desarrollo Sostenible, las
Naciones Unidas imaginaron innovaciones y la proliferación de tecnologías sostenibles.
La investigación de Merzouk et al. (2023) revela que tuvieron como objetivo predecir el
método de gestión ágil más adecuado para un proyecto específico. Como metodología emplearon
18
metodologías Delphi y de proceso jerárquico analítico; donde aplicaron una encuesta; cuyos
hallazgos fueron que la IA representa los diferentes métodos de gestión ágil que se utilizan
actualmente en las empresas. Sin embargo, los datos están desequilibrados, lo que provoca un
rendimiento débil durante el primer desarrollo del modelo a predecir con todos los métodos
incluidos en el conjunto de datos. En la misma línea, se evidencio que los gerentes deben realizar
la investigación ellos mismos, ya sea leyendo y haciendo comparaciones o analizando estudios
comparativos o informes anuales sobre el uso de métodos de gestión, lo que afecta al tiempo
necesario para llevar a cabo el proyecto.
El estudio concluyó que, la elección correcta de un método ágil de IA para gestionar un
proyecto afecta positivamente a la calidad del proyecto, lo que implica la satisfacción del cliente.
Esta elección se basa en un conjunto de criterios extraídos durante la fase previa al proyecto.
La investigación de Zechiel et al. (2024) revela que tuvieron como objetivo desarrollar un
marco de estrategia de IA x sostenibilidad fundamental basado en la literatura vinculando
diferentes conceptos teóricos de la literatura multidisciplinaria sobre IA y sostenibilidad. Como
metodología emplearon un estudio cualitativo; aplicaron un análisis de documentos; cuyos
hallazgos fueron que la conexión entre la IA y sostenibilidad revela que, si las empresas se
centran más en la IA para la sostenibilidad o en la IA sostenible, y un tipo de sostenibilidad está
centrado más en cuestiones de sostenibilidad ecológica o social. Asimismo, la dimensión de
implementación de la estrategia se añade a través de una tercera dimensión: la relación entre el
despliegue de recursos internos y externos, que revela si las empresas se centran más en los
procesos de desarrollo interno o en la colaboración con otros socios. En la misma línea, se

19
evidenció que las compañías se ven cada vez más desafiadas a centrarse en la sostenibilidad
ecológica no solo por la amenaza de las catástrofes climáticas sino también por las preferencias
de los clientes e inversores de establecer relaciones sólidas específicamente con empresas que
demuestren un desempeño positivo en materia de sostenibilidad a largo plazo.
El estudio concluyó que, las estrategias centradas exclusivamente en, por ejemplo, la
sostenibilidad social, son más exitosas (financieramente) que seguir una estrategia centrada en
nuestro marco. Además, los investigadores podrían utilizar nuestro conjunto de datos
estructurados que contiene las diversas iniciativas de IA x Sostenibilidad (consulte el Apéndice
A de la Web) para analizar y comparar su eficacia.
En la investigación de Sipola et al. (2023) tuvieron como objetivo investigar los
beneficios de la adopción de la IA en prácticas empresariales sostenibles. Como metodología
emplearon el estudio cualitativo; aplicaron un análisis a 25 empresas más grandes de Finlandia
con la base de datos correspondiente; cuyos hallazgos fueron; que De las empresas investigadas
que adoptaron IA, dieciséis lo hicieron con el objetivo de obtener beneficios relacionado con
prácticas empresariales sostenibles.
El estudio concluyó en que, la implementación de la IA estuvo impulsada principalmente
por dos objetivos interrelacionados: 1) la optimización y 2) la búsqueda de beneficios en varias
dimensiones de los negocios sostenibles.
En la investigación de Balcıoğlu et al. (2024) tuvieron como objetivo examinar la
integración de la inteligencia artificial (IA) en las prácticas sostenibles a través de un análisis de
263 informes de sostenibilidad de 41 firmas líderes en Nasdaq. El estudio revela cómo hallazgos
20
que la IA se utiliza principalmente para optimizar la eficiencia operativa, gestionar impactos
ambientales y mejorar la responsabilidad social, la reducción de costos y el fomento de prácticas
sostenibles. En la misma línea, se destaca una tendencia creciente en la adopción de estas
tecnologías en el contexto de la sostenibilidad.
El estudio concluyó que, la adopción de la IA está en aumento y se convierte en un
componente esencial para abordar desafíos ambientales y sociales en diversas industrias.
En la investigación de Agrawal et al. (2023) tuvieron como objetivo investigar el papel
de la digitalización en la promoción de prácticas sostenibles dentro del contexto de una economía
neta cero. A través de una revisión de literatura y un análisis empírico, se identificaron 20
impulsores clave de digitalización, de los cuales 19 fueron validados mediante encuestas a
profesionales de la industria. Se utilizó el método Pythagorean DEMATEL para analizar las
interrelaciones entre estos impulsores; cuyos hallazgos fueron que, factores como la
automatización, la flexibilidad en la fabricación y la capacidad de monitoreo en tiempo real son
fundamentales para la sostenibilidad. En la misma línea, se evidenció que para analizar las
interpelaciones entre impulsores adoptando las tecnologías digitales para facilitar la transición
hacia una economía circular y sostenible.
El estudio concluyó que, la concientización del cliente y la adopción de tecnologías
emergentes, como la inteligencia artificial y el blockchain son cruciales en la promoción de
prácticas sostenibles.
En la investigación de Peng et al. (2024) tuvieron como objetivo destacar el papel
crucial de la IA en la optimización de sistemas energéticos rurales, siendo una herramienta clave
para impulsar la transición energética y alcanzar objetivos de sostenibilidad en áreas rurales de

21
China. Como metodología emplearon un estudio cuantitativo; donde aplicaron un análisis de
datos y evaluación del impacto ambiental; cuyos hallazgos fueron que se propone un marco de
planificación innovador que considera las disparidades geográficas y económicas en diferentes
regiones. A través de un modelo de optimización multi-energéticas, se analizan casos en tres
condados, demostrando que la integración de fuentes de energía renovable puede mejorar la
eficiencia energética y reducir las emisiones de carbono. En la misma línea, se demostró que la
integración de fuentes de energía renovable, como la biomasa y la energía solar y eólica pueden
disminuir la dependencia de fuentes de energía convencionales y fomentar un desarrollo más
sostenible.
El estudio concluyó que, para optimizar la estructura del suministro energético se deben
de implementar políticas de incentivos para la inversión en energías renovables.
En la investigación de Yang y Yu (2020) tuvieron como objetivo examinar los riesgos de
patentes en la industria de la inteligencia artificial y su impacto en el desarrollo sostenible,
utilizando un modelo de red-multi-nivel que integra el análisis de patentes y redes sociales.
Como metodología emplearon un análisis cuantitativo de 13,647 patentes obtenidas del Derwent
Innovation Index; cuyos hallazgos fueron que existen riesgos significativos en áreas tecnológicas
claves y destacan la necesidad de fortalecer la colaboración internacional y la transferencia de
tecnología. En la misma línea, se desarrolló un análisis de las áreas tecnológicas clave donde las
empresas y universidades no poseen suficientes aplicaciones de patentes.
El estudio concluyó que, es crucial fortalecer la colaboración internacional y la
distribución de patentes en la industria de la IA.

22
En el estudio de Hajipour et al. (2023) revela que tuvieron como objetivo optimizar una
nueva versión del problema de la ubicación competitiva de instalaciones (CFLP), que incorpora
la confiabilidad y la congestión, utilizando varias técnicas metaheurísticas. Además, busca
evaluar y comparar la eficiencia de diferentes métodos de optimización para resolver problemas
CFLP; aplicaron un análisis basados en la evolución e inteligencia de enjambre; cuyos hallazgos
fueron; que dado que no existen criterios específicos para elegir un método de solución, las
razones detrás del enfoque de selección no están claras en su mayoría. Estos modelos
generalmente se resuelven utilizando varias técnicas de optimización. Como los problemas más
difíciles de resolver generalmente se resuelven utilizando metaheurísticas, aplicamos diferentes
técnicas metaheurísticas para optimizar una nueva versión del CFLP que incorpora confiabilidad
y congestión. En la misma línea, se dividieron los algoritmos en cuatro categorías según la
naturaleza de las metaheurísticas: basados en la evolución, basados en la inteligencia de
enjambre, basados en la física y basados en humanos.
El estudio concluyó en que, los algoritmos de la primera categoría (algoritmo
genético y evolución diferencial) y la tercera categoría (búsqueda tabú y búsqueda de
armonía) funcionan mejor que las otras técnicas metaheurísticas aplicadas. Esto sugiere
que los métodos basados en la evolución y la física son más efectivos para resolver el
problema de ubicación competitiva de instalaciones en comparación con las técnicas de
enjambre o basadas en humanos.
El estudio de Wie̜ckowski et al. (2023), revela que tuvieron como objetivo oproporcionar
una revisión exhaustiva de los avances recientes en el campo del análisis de decisiones
multicriterio (MCDA); aplicaron un análisis cualitativo y relevantes en el campo; cuyos
hallazgos fueron; que dado el análisis de decisiones multicriterio (MCDA) ha experimentado un

23
crecimiento significativo en su aplicación a diversas áreas, como la ingeniería, la economía, la
logística, la sostenibilidad y la gestión de recursos. En la misma línea, se ha observado el
desarrollo de nuevas metodologías dentro del MCDA, diseñadas para mejorar la robustez y la
flexibilidad de los modelos tradicionales. Estas incluyen métodos híbridos que combinan
múltiples técnicas, como métodos estadísticos y heurísticos, y que se adaptan mejor a contextos
específicos de decisión.
El estudio concluyó en que, el análisis de decisiones multicriterio ha mostrado un
crecimiento significativo en cuanto a sus aplicaciones y metodologías. Entre las
tendencias identificadas se incluyen la integración de MCDA con otras técnicas de
inteligencia artificial y el creciente uso en áreas como la energía sostenible, la logística y
la gestión de recursos.
Según Giral et al. (2019) tienen como objetivo visibilizar una revisión de técnicas
basadas en inteligencia artificial para la toma de decisiones en redes de radio cognitiva (CRN).
Estas redes surgieron como una solución para los problemas de asignación fija y escasez del
espectro, utilizando un ciclo cognitivo para gestionar el espectro de manera dinámica. El artículo
explora varias estrategias de toma de decisiones, incluyendo aprendizaje automático, algoritmos
bioinspirados, teoría de juegos y algoritmos de consenso.
Se analiza cómo estas técnicas permiten la detección de oportunidades espectrales
adecuadas, adaptando los parámetros de la red para maximizar la eficiencia y minimizar la
interferencia. Además, se discuten los desafíos actuales en la toma de decisiones para CRN,
destacando la necesidad de escalabilidad y optimización computacional para manejar problemas
de mayor complejidad.
24
La investigación concluye y subraya la importancia de seguir aprovechando los avances
en inteligencia artificial para mejorar la toma de decisiones en entornos de comunicación
inalámbrica.
El estudio de Castrillón et al. (2020), tiene como objetivo abordar cómo predecir el
rendimiento académico de estudiantes universitarios utilizando técnicas de inteligencia artificial,
específicamente clasificadores. El estudio analiza diversos factores influyentes, como
características educacionales, familiares, socioeconómicas y hábitos personales, para diseñar un
sistema que clasifique a los estudiantes en categorías de rendimiento académico. Aplicado a una
muestra de estudiantes de una universidad pública en Colombia, el sistema logró un nivel de
acierto del 91.7%, lo que permite a las instituciones educativas identificar de manera anticipada a
estudiantes con posibles problemas de rendimiento y desplegar medidas de apoyo.
Se concluye que las técnicas de inteligencia artificial, específicamente los clasificadores,
pueden ser herramientas efectivas para predecir el rendimiento académico de estudiantes
universitarios.
El estudio de Llamas Covarrubias et al. (2022), se explora la complejidad de regular la
inteligencia artificial en el contexto legal. Proponen un marco de regulación multinivel que
combina normas vinculantes (hard law) y no vinculantes (soft law), utilizando mecanismos como
certificación, auditorías, transparencia, entornos de prueba regulatorios, seguros y evaluaciones
de impacto algorítmicas. El estudio destaca la importancia de estos mecanismos para garantizar
que la IA sea segura, ética y eficiente, abordando desafíos como la falta de transparencia y la
responsabilidad en caso de fallos.

25
Los autores concluyen que la necesidad de considerar contextos locales y la equidad
global en la formulación de políticas de IA, reconociendo la complejidad y el alcance global de
esta tecnología.
1.2. Planteamiento del Problema

2 páginas. Descripción de la realidad problemática,
diagnóstico. Ejemplo de redacción científica de ideas
y argumentos.
Búsqueda de información estadística que sustente sus
variables y el sector.
26
1.3. Formulación del problema o preguntas de investigación
1.3.1. Problema general
¿Cómo impacta la innovación en la competitividad de las empresas exportadoras de café
en Lima, 2023?
1.3.2. Problemas específicos El número de problemas específicos depende del

número de dimensiones que tenga su variable.
¿Cómo impacta la innovación de proceso en la competitividad de las empresas exportadoras
de café en Lima, 2023?
¿Cómo impacta la innovación de marketing en la competitividad de las empresas
exportadoras de café en Lima, 2023?
¿Cómo impacta la innovación organizacional en la competitividad de las empresas
exportadoras de café en Lima, 2023?
1.4. Propósitos de la investigación
1.4.1. Objetivo General.

Analizar la relación de la innovación en la competetividad de las empresas exportadoras
de café en Lima, 2023
Los objetivos específicos deben coincidir con las

1.4.2. Objetivos Específicos.
dimensiones de su variable.
Analizar la relación de la innovación de proceso
en la competetividad de las empresas exportadoras de café en Lima, 2023

27
Analizar la relación de la innovación de marketing en la competetividad de las empresas
exportadoras de café en Lima, 2023
Analizar la relación de la innovación organizacional en la competetividad de las empresas
1.5. Hipótesis de la investigación y/o supuestos
1.5.1. Hipótesis General.

Existe correlación significativa entre la innovación y la competitividad de las empresas
Las hipótesis específicas deben coincidir

1.5.2. Hipótesis Específicas. con las dimensiones de su variable.
Existe correlación significativa entre la innovación
de proceso y la competitividad de las empresas exportadoras de café en Lima, 2023
Existe correlación significativa entre la innovación de marketing y la competitividad de
las empresas exportadoras de café en Lima, 2023
Existe correlación significativa entre la innovación organizacional y la competitividad de
las empresas exportadoras de café en Lima, 2023
1.6. Justificación de la investigación 1 a 2 páginas.

(Significancia o importancia según el ámbito; que
aporte esperan alcanzar con su investigación)
1.6.1. Teórica
1.6.2. Práctica
28
1.6.3. Metodológica (la que tenga el estudio)
1.7. Limitaciones y Viabilidad de la Investigación
1.7.1. Limitaciones de la investigación
1.7.2. Viabilidad de la Investigación
Son las bases empíricas y debe contener el resumen

1.8. Marco teórico parafraseado de las 20 investigaciones obtenida de
Revisión de literatura los papers con cuartiles. Conteniendo: autor, lugar de
la investigación, objetivos, población y muestra,
metodología y conclusiones.
1.8.1. Bases teóricas de las variables de

investigación
1.8.2. Bases empíricas de las variables de investigación
1.8.3. Bases metodológicas de las variables de investigación
1.8.4. Marco conceptual

Definir conceptualmente las variables, citando autor.
Variable 1 Las definiciones deben provenir de literatura
académica que define el modelo; los papers son de
Definición utilidad como fuente de información del autor del
modelo teórico para acudir al texto de origen.
Las variables y dimensiones deben ser del mismo
autor.
29
…………………………………………………………………………………..……..
Dimensión 1
…………………………………………………………………………………………
Dimensión 2
…………………………………………………………………………………………
Dimensión 3
…………………………………………………………………………………………
Variable 2
Definición
………………………………………………………………………….……………
Dimensión 1
…………………………………………………………………………………………
Dimensión 2
…………………………………………………………………………………………
Dimensión 3
…………………………………………………………………………………………
1.9. Modelo de Investigación

Figura 1
Modelo de investigasción
30
Nota. Adaptado de Sapta, Muafi, & Setini (2021).
Figura 2
Modelo de investigación
Nota. Adaptado de
31
1.10. Operacionalización de variables

Tabla 1
Variables y dimensiones
Variables (Constructo) Dimensiones Indicadores Ítems
Variable 1 D1 Cómo medir la dimensión P1, P2, P3, P4
Independiente D2 P5, P6, P7
D3 P8, P9, P10
Variable 2 D1 Cómo medir la dimensión P11, P12, P13,

P14
Dependiente D2 P15, P16, P17
D3 P18, P19, P20
Nota.
32
Capítulo 2: Naturaleza del estudio
2.1. Enfoque de Investigación según el Objeto de Estudio
2.1.1. Enfoque de la Investigación

Hernández-Sampieri y Mendoza Torres (2018). Enfoque cuantitativo
Dentro de la cuantitativa, si es exploratoria, descriptiva,

2.1.2. Alcance de Investigación
correlacional o causal. En este caso debe ser
correlacional o explicativa (causal), como complemento
puede hacerse descriptiva.
Hernández-Sampieri y Mendoza Torres (2018). Alcance correlacional y explicativo
2.1.3. Diseño de Investigación Tipo de Inv. - Si es aplicada o básica, en este caso será básica.
Tipo de diseño probable: Si es experimental o No experimental,
en este caso No experimental. Si es longitudinal o
transeccional, en este caso transeccional.
Hernández-Sampieri y Mendoza Torres (2018). Diseño no experimental
2.2. Población y Muestra

Población: Determinar la unidad de análisis (Ejm: estudiantes de
universidades privadas de Lima metropolitana.
Para cuantitativo; identificar si su población es finita (< 100 mil.) o
infinita (>100 mil)
Muestra: Para el caso de cuantitativa es probabilística (aleatorio
simple, estratificada, o por racimos o clústeres)
33
2.2.1. Población
Hernández-Sampieri y Mendoza Torres (2018). Población
Tabla 1
Criterios de Inclusión y Exclusión
Criterio de inclusión Criterio de Exclusión
Nota. Elaboración propia.
Cuántas personas hacen la población ……
2.2.2. Muestra Muestra: Para el caso de cuantitativa es probabilística (aleatorio

simple, estratificada, por conglomerado)
Hernández-Sampieri y Mendoza Torres (2018). Muestra
Figura 1
Cálculo de la muestra para la investigación

34
Nota. Adaptado de Asesoría Económica y Marketing Copyrigth (2009)

Muestreo Probabilístico: Para este caso el método de selección de la
2.2.3. Muestreo muestra es probabilístico. Hernández-Sampieri y Mendoza Torres
(2018) indican que el muestreo probabilístico es aquél donde cada
elemento de la población tiene la misma posibilidad de ser
seleccionado.
35
2.2.4. Diseño del Instrumento de Recolección de Datos Cuantitativos
2.2.4.1. Elaboración del Instrumento de Investigación
El e-Commerce y ¿Cómo se Explicar la Existe relación

su relación con el relacionan la relación entre la significativa entra
crecimiento de innovación y la innovación y la la innovación y la
las M ypes en competitividad competitividad competitividad
Lima Problema de
de las empresas de las empresas de las empresas
Tema delimitado
Metropolitana, investigación
exportadoras de exportadorasObjetivo
de exportadorasHipótesis
de
2024 café en Lima, café en Lima, café en Lima,
2024? 2024 2024
Tabla 2
Cuestionario con escala de Likert
Constructo /variables) Ítems Referencias
Ecommerce y Crecimiento de Mypes

Aliaga y Flores
D1: Facilidad de uso 1. Utiliza Internet de manera frecuente.
(2023)
2. Usted se encuentra motivado usando Internet de
https://
manera intensiva.
repositorio.usil.ed
3. Considera usted que se encuentra en un sector
u.pe/server/api/
altamente competitivo
core/bitstreams/
4. Cuenta usted con una estructura organizativa
28d60261-a857-
empresarial.
4741-a951-
5. Cuenta usted con capacidad para invertir en
e14a8b80b537/
tecnología.
content
6. Cuenta con capacitaciones para el personal de su
empresa.
7. Es consciente de la importancia de la reputación
e imagen de su empresa.
Rodriguez Del
8. Utilizar Internet para comprar algún producto en
Bosque y Herrera
36
Crespo (2018).
los próximos 6 meses sería fácil de aprender
https://doi.org/10.1
para mí.
016/s1138-
5758(08)70055-0
los próximos 6 meses sería sencillo de hacer.
los próximos 6 meses requeriría mucho esfuerzo
mental.
los próximos 6 meses sería fácil siguiendo las
instrucciones disponibles en las tiendas
virtuales.
Centeno Vera
D2: Confianza 12. Considera confiables las plataformas de
(2024).
comercio electrónico.
https://repositorio.
13. Considera que las plataformas de comercio
upse.edu.ec/handle
electrónico tienen medidas preventivas.
/46000/10736
14. Usted utilizaría tarjeta de crédito como medio de
pago para adquirir su producto o servicio.
15. Considera que los factores culturales influyen en
las compras en estas plataformas.
Aliaga y Flores
D3: Contenido de 16. Cuenta usted con capacidad para invertir en
(2019)
página tecnología.
https://
17. Usted cuenta con experiencia en el uso del
repositorio.usil.ed
internet.
u.pe/server/api/
18. Es consciente de la importancia de la reputación
core/bitstreams/
e imagen de la empresa
28d60261-a857-
4741-a951-
e14a8b80b537/
content
Aliaga y Flores
Crecimiento de Mypes 19. Muestra educacional para dirigirse a su cliente
(2019)
20. Posicionamiento de su marca en los clientes
D1: Crecimiento https://
21. Cuenta con comunicación fluida
económico repositorio.usil.ed
u.pe/server/api/
core/bitstreams/
28d60261-a857-
4741-a951-
e14a8b80b537/
content
D2: Capital Humano 22. Se cuenta con el capital de inversión Dahua Valverde
23. Buscaría instituciones financieras para inyectar (2022).
capital a su negocio http://repositorio.u
24. El capital monetario influye en el crecimiento nu.edu.pe/bitstrea
económico del distrito m/handle/UNU/58
37
25. El acceso a recursos financieros con los que

84/B11_2022_UN
cuenta tienen tasas de interés caras
U_ADMINISTRA
CION_T_2022_IS
AURA_DAHUA_
V1.pdf?
sequence=1&isAll
owed=y
Nota. El instrumento ha sido adaptado de diversos autores de los antecedestes.
El presente trabajo utiliza un instrumento de investigación para poder conocer del e-
Commerce y su relación con el crecimiento de las Mypes como variables del estudio. De acuerdo
con Martínez (2013), el instrumento de investigación comprende todos los medios utilizados
para recopilar datos y llevar a cabo una investigación. En esa misma línea, Hernández-Sampieri
y Mendoza Torres (2018) lo definen como el recurso utilizado por el investigador para registrar
información relacionada a las variables de estudio. Por su parte, Sánchez y Reyes (2015) señalan
que los instrumentos de investigación permiten recopilar datos de manera sistemática y objetiva,
lo que facilita el análisis estadístico y la obtención de conclusiones significativas en relación con
los resultados del estudio. Finalmente, Arias (2020) enfatiza que el instrumento de investigación
es esencial para garantizar la validez y confiabilidad de los datos recopilados en un estudio.
2.3. Recopilación de la Información de Datos Cuantitativos – Cuestionario Piloto

Definir y explicar la herramienta tecnológica con la que se recoge los datos cuantitativos.
El instrumento de investigación desarrollado para el presente trabajo consiste en un
cuestionario de veinte preguntas, distribuidas en cinco constructos (ver tabla 1). Para poder
elaborar el instrumento, se revisaron distintos estudios aplicados y validados. En ese sentido, se
seleccionaron los artículos de Venkatesh et al. (2003), Tan (2013), López-Hernández y Silva-
Pérez (2016) y Campos y Menacho (2021). En cuanto al constructo de expectativa de
rendimiento, se adaptaron tres preguntas de Tan (2013) y una de Venkatesh et al. (2003). En
38
cuanto a la expectativa de esfuerzo, se adaptaron tres preguntas de Venkatesh et al. (2003) y una
de Campos y Menacho (2021). En cuanto a las condiciones facilitadoras, se adaptaron dos
preguntas de Venkatesh et al. (2003), una de López-Hernández y Silva-Pérez (2016) y una de
Tan (2013). En cuanto a la influencia social, se adaptaron dos preguntas de Venkatesh et al.
(2003) y dos de Tan (2013). Finalmente, en cuanto a la intención de uso, se adaptaron cuatro
preguntas de Venkatesh et al. (2003). El cuestionario completo se incluye en Anexo….
2.4. Constructos del cuestionario piloto
Tabla 3.
Constructos con cantidad de preguntas

Constructos Cantidad Referencia
de preguntas
Expectativa de Tan (2013);
4
rendimiento Venkatesh et al. (2003).
Venkatesh et al.
Expectativa de esfuerzo 4 (2003); Campos y Menacho
(2021
Venkatesh et al.
Condiciones (2003); López-Hernández y
4
facilitadoras Silva-Pérez (2016); Tan
(2013)
Venkatesh et al.
Influencia social 4
(2003); Tan (2013)
Venkatesh et al.
Intención de uso 4
(2003)
Administración de la Venkatesh et al.
4
información (2003)
Nota. Elaboración propia
Los constructos detallados en la tabla anterior incluyen la expectativa de rendimiento,
que se centra en las percepciones de los participantes sobre cómo el uso de las redes sociales
podría mejorar su desempeño; la expectativa de esfuerzo, que evalúa las opiniones sobre la
facilidad o dificultad de utilizar las redes sociales; las condiciones facilitadoras, que consideran
39
factores externos que podrían influir en la adopción de las redes sociales; la influencia social, que
aborda el impacto de las opiniones y comportamientos de otros en la decisión de utilizar las redes
sociales; y finalmente, la intención de uso, que se refiere a la disposición de los participantes a
utilizar las redes sociales. Esta estructura permite una evaluación integral y específica de las
actitudes y percepciones de los encuestados con respecto al uso de redes sociales en el marco del
tema de estudio.
40
Capítulo 3: Resultados
3.1. Análisis descriptivo
Luego de realizar la adaptación del instrumento y aplicarlos a un grupo piloto de 30
personas, así como calcular el Coeficiente de Alfa de Cronbach, se concluye que el instrumento
presentado como piloto no experimentará modificaciones, ya que el resultado del análisis en la
prueba piloto muestra un alto índice de aceptación por estadígrafo de Alfa de Cronbach.
Figura 2
Base de datos de cuestionario con escala de Likert
Nota. Fuente y elaboración grupo 1.

41
3.2. Análisis de confiabilidad
Con la finalidad de comprobar la validez de las preguntas del instrumento, se elaboró un
cuestionario piloto. El cuestionario fue implementado en Google Forms y fue aplicado a 30
personas de manera aleatoria entre el 28 de agosto y el 3 de setiembre de 2023. Para calcular la
confiabilidad de los resultados, se realizó el análisis del alfa de Cronbach. Este coeficiente se
utiliza para medir la fiabilidad del instrumento en función de la precisión o confiabilidad de los
resultados obtenidos (Soler y Soler, 2012).
Para calcular los resultados se utilizará la siguiente fórmula:
Donde “n” es el número de ítems (preguntas) evaluadas y “k y x” corresponden a las
respuestas individuales y totales respectivamente.
Según Oviedo y Campos-Arias (2005), un valor aceptable de alfa de Cronbach se sitúa
entre 0,70 y 0,90 lo cual indica una buena consistencia interna del instrumento. Después de
evaluar los resultados del cuestionario piloto con la fórmula, se obtuvo un valor total de 0.8818.
Teniendo en cuenta este resultado, se considera que el instrumento alcanza el nivel de
confiabilidad requerido para realizar el estudio. En la Tabla 4 se pueden observar los resultados
obtenidos por cada dimensión.

42
Tabla 4
Valor del Alfa de Cronbach según la dimensión
Dimensión ER EE CF IS IU Total
Alfa de Cronbach 0.7676 0.8213 0.7089 0.9136 0.7773 0.8818
De lo observado en la Tabla 4, si bien es cierto el indicador general de Alfa de
Cronbach es de 0.8818 resultó dentro del rango esperado.

43
Capítulo 4: Conclusiones y Recomendaciones
4.1. Conclusiones
4.2. Recomendaciones
44
Capítulo 5: Aspectos Administrativos
5.1. Recursos y Presupuesto
5.1.1. Recursos materiales
N.º Pagos Importe
1 Transporte S/. xx
2 Internet S/. xx
5.1.2. Recursos financieros
N.º Pagos Importe
1 Recursos propios S/. xx

45
5.2. Cronograma de Ejecución

Tabla xx
Cronograma de Actividades/Ejecución
Actividades Cronograma
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
1. Selección de X
las variables y
tema
2. Paráfrasis y X
citas textuales
3. Enfoque, tipo X
y diseño
4. Instrumentos X
5. Planteamiento X
del problema y
elaboración de la
matriz de
consistencia
6. Elaboración de X
análisis
descriptivo y de
confiabilidad
7. Revisión y X
mejorar en el
documento
8. Entrega del X
Capítulo I
9. Transcripción X
de la entrevista
46
10. Segmentación X
de las respuestas
11. Recojo de X
datos
cuantitativos
12. Entrega del X

Capítulo II
13. Aspectos X
Administrativos
14. Redacción X X X X X X X X X X X X X
del trabajo final
15. Sustentación X
del trabajo final
16. Entrega del X

trabajo de
investigación
completo.
47
Referencias
Tomar en cuenta 3 criterios:

Orden alfabético de A a la Z
Sangría francesa 1.27
En APA 7ma, edición
Se recomienda utilizar de preferencia
registradas en los cuartiles 1, 2, 3 y 4 de las bases
de datos Scopus o Web of Science. Mínimo 20.
A Review of SDGs, Renewable Energy, and Environmental Health. Sustainability, 15(18), 1-20.
https://doi.org/10.3390/su151813493
Agrawal, R., Priyadarshinee, P., Kumar, A., Luthra, S., Garza-Reyes, J. A. & Kadyan, S. (2023). Are
emerging technologies unlocking the potential of sustainable practices in the context of a
net-zero economy? An analysis of driving forces. Environmental Science and Pollution
Research. https://doi.org/10.1007/s11356-023-26434-2
Al Naqbi, H., Bahroun, Z., & Ahmed, V. (2024). Enhancing work productivity through generative
artificial intelligence: A comprehensive literature review. Sustainability, 16(3), 1-37.
Balcıoğlu, Y. S., Çelik, A. A., & Altındağ, E. (2024). Artificial intelligence integration in sustainable
business practices: A text mining analysis of USA firms. Sustainability, 16(15), 1-18.
Binyameen, A., Shahbaz, A., Yasir, A., Syed-Tasweer, S., & Masood, R. (2024). Interplay of emerging
industrial technologies, ambidexterity, and sustainability: The case of the textile sector.
48
Sustainable Production and Consumption, 49(1), 372-386.
https://doi.org/10.1016/j.spc.2024.07.006.
Bolón-Canedo, V., Morán-Fernández, L., Cancela, B., & Betanzos, A. A. (2024). A review of
green artificial intelligence: Towards a more sustainable future. Neurocomputing, 599(1),
1-10. https://doi.org/10.1016/j.neucom.2024.128096.
Castrillón, O. D., Sarache, W., & Ruiz-Herrera, S. (2020). Prediction of academic performance using
artificial intelligence techniques. Formación universitaria, 13(1), 93-102.
https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-
50062020000100093&lng=es&nrm=iso
Chen, R., & Zhang, T. (2024). Artificial intelligence applications implication for ESG
performance: Can digital transformation of enterprises promote sustainable development?
Chinese Management Studies. https://doi.org/10.1108/CMS-11-2023-0653
Dana, L. P., Salamzadeh, A., Mortazavi, S., Hadizadeh, M., & Zolfaghari, M. (2022). Strategic futures
studies and entrepreneurial resiliency: A focus on digital technology trends and emerging
markets. Tec Empresarial, 16(1), 87-100. https://www.scielo.sa.cr/scielo.php?
script=sci_arttext&pid=S1659-33592022000100087&lang=es
Eman, A., Abdulwahab, A. A., & Nasir, A. (2024). Nature-inspired approaches for clean energy
integration in smart grids. Alexandria Engineering Journal, 105(1), 640-654.
https://doi.org/10.1016/j.aej.2024.08.003.
Fan, Z., Yan, Z., & Wen, S. (2023). Deep Learning and Artificial Intelligence in Sustainability:
49
Giral, D. A., Hernández, C. A., & Martinez, F. H. (2019). Algorithms for Decision Making in
Wireless Cognitive Networks: Review. Información Tecnológica, 30(6), 387-402.
https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-
07642019000600387&lng=es&nrm=iso
Hajipour, V., Akhavan Niaki, S. T., Tavana, M., Santos-Arteaga, F. J., & Hosseinzadeh, S. (2023).
Acomparativeperformanceanalysisofintelligence-based algorithms for optimizing competitive
facility location problems. Machine Learning with Applications, 11(1), 1-26.
https://doi.org/10.1016/j.mlwa.2022.100443
Hajipour, V., Hekmat, S., & Amini, M. (2023). A value-oriented Artificial Intelligence-
as-a-Service business plan using integrated tools and services. Decision Analytics
Journal, 8(1), 1-15. https://doi.org/10.1016/j.dajour.2023.100302
Hong, Z ., & Xiao, K . (2024). Digital economy structuring for sustainable development: the role
of blockchain and artificial intelligence in improving supply chain and reducing negative
environmental impacts. Scientific Reports, 14(3912), 1-12.
https://doi.org/10.1038/s41598-024-53760-3
Icarte Ahumada, G. A. (2016). Applications of artificial intelligence in supply chain process: a
systematic review. Ingeniare, 24(4), 663 - 679. https://www.scielo.cl/scielo.php?
script=sci_arttext&pid=S0718-33052016000400011&lang=es
Jia, X., & Hou, Y. (2024). Diseñar el futuro: explorar la sinergia de la gestión de recursos
humanos sostenible impulsada por la IA, la conciencia y el compromiso de los
empleados. Discover Sustainability, 5(30), 1-17. https://doi.org/10.1007/s43621-
024-00214-5
50
Llamas Covarrubias, J. Z., Mendoza Enríquez, O. A., & Guerrero, M. G. (2022). REGULATORY
APPROACHES TO ARTIFICIAL INTELLIGENCE (AI). Revista Chilena de Derecho, 49(3),
31-62. https://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-
34372022000300003&lng=es&nrm=iso
Merzouk, S., Bouhsissin, S., Hamim, T., Sael, N., & Marzak, A. (2023). Artificial intelligence for
choosing an agile method. Revista Internacional de Ciencias Artificiales de la IAESInteligencia
(IJ-AI), 13(2), 1557 - 1566. https://ijai.iaescore.com/index.php/IJAI/article/view/23466/13957
Peng, X., Guan, X., Zeng, Y., & Zhang, J. (2024). Artificial Intelligence-Driven Multi-Energy
Optimization: Promoting Green Transition of Rural Energy Planning and Sustainable Energy
Economy. Sustainability, 16(10), 1-20. https://doi.org/10.3390/su16104111
Sipola, J., Saunila, M., & Ukko, J. (2023). Adoption of artificial intelligence for
sustainable business: A qualitative content analysis. Journal of Cleaner
Production, 426(1), 1-8. https://doi.org/10.1016/j.jclepro.2023.139197
Vikrant Kulkarni, A., Joseph, S., & Pranay Patil, K. (2024). Artificial intelligence technology readiness
for social sustainability and business ethics: Evidence from MSMEs in developing nations.
International Journal of Information Management Data Insights, 4(2), 1-8.
https://www.sciencedirect.com/science/article/pii/S2667096824000399
Wie̜ckowski, J., Sałabun, W., Kizielewicz, B., Ba̜czkiewicz, A., Shekhovtsov, A., Paradowski, B., &
Wa̜tróbski, J. (2023). Recent advances in multi-criteria decision analysis: A comprehensive
review of applications and trends. International Journal of Knowledge-Based and Intelligent
Engineering Systems, 27(4), 367-393. https://doi.org/10.3233/KES-230487

51
Yang, X., & Yu, X. (2020). Preventing Patent Risks in Artificial Intelligence Industry for Sustainable
Development: A Multi-Level Network Analysis. Sustainability, 12(20), 1-21.
Yigitcanlar, T. (2021). Greening the Artificial Intelligence for a Sustainable Planet: An Editorial
Commentary. Sustainability, 13(24), 1-9. https://doi.org/10.3390/su132413508
Zechiel, F., Blaurock, M., Weber, E., Buttgen, M., & Coussement, K. (2024). How tech companies
advance sustainability through artificial intelligence: Developing and evaluating an AI x
Sustainability strategy framework. Industrial Marketing Management, 119(1), 75-89.
https://doi.org/10.1016/j.indmarman.2024.03.010
52
Anexos
Anexo 1 - Tabla 2
Matriz de Consistencia
Título de la Impacto de las características de los emprendimientos y las empresas emergentes pos-covid-19 en la educación superior
Investigación: en Lima Moderna, durante el año 2024
Problemas Objetivos Hipótesis Operacionalización de las Variables
General: General: General: Variable Independiente: Características de los D Impacto económico
¿Cuál es el Emprendimientos i Según Conceptos.
impacto de las Según Conceptos. (2023). Comienza con m (2023). Hace referencia
características de una idea motivadora, una necesidad o una oportunidad. e a la manera de generar
los Las razones por las que se puede iniciar un n ganancias. Para eso, es
emprendimientos emprendimiento son muy diversas y la manera de s necesario que brindar
y las empresas organizar y administrar el negocio depende de cada i transparencia y mostrar
emergentes pos- emprendedor. o la trazabilidad de los
covid-19 en la n productos.
educación Específicos Específicos: Fuente: e
superior en Lima : https://concepto.de/emprendimiento/#ixzz8Xf6mwqLX s Impacto social
Moderna, durante Según Conceptos.
el año 2024? (2023). Hace referencia
Específicos: al reconocimiento de los
1.¿Cuál es el derechos de las
impacto personas, tanto de
económico en los empleados (y el
las empresas cumplimiento de las
emergentes pos- leyes laborales) como
covid-19 en la los ciudadanos de la
educación comunidad en la que se
superior en Lima desarrolla el
Moderna, emprendimiento.
53
durante el año
2024? Impacto
2.¿ Cuál es el medioambiental
impacto social en Según Conceptos.
las empresas (2023).
emergentes pos- Hace referencia a no
covid-19 en la solo reducir los daños
educación que puede generar la
superior en Lima actividad comercial en
Moderna, el ecosistema, sino
durante el año plantear soluciones
2024? innovadoras que
3.¿Cuál es el generen cambios de
impacto hábitos a largo plazo en
medioambiental las personas y
en las favorezcan la
empresas concientización con
emergentes pos- respecto al cuidado de
covid-19 en la los recursos naturales y
educación del planeta.
superior en Lima
Moderna, Variable Dependeinte: Empresas emergentes D
durante el año i
2024? Definición: Según González (2023). Es de nueva creación m
o que tiene como máximo cinco años de vida o siete, en e
caso de que se trate de empresas del sector biotecnológico, n
energético o industrial. s
i
o
n
e
s
Enfoque, alcance Población Técnicas e Referencias Principales
54
y diseño de la instrumento
y muestra
Investigación s
2 importantes en la que acuñan su investigación
Nota. Fuente y elaboración: grupo 1

55
Anexo 2 - Tabla 4
Fuentes de bases de datos – artículos con cuartiles Q1, Q2, Q3 y Q4
N° Variable Referencia Revista Quartil

1 Clima Obeng, A. F., Zhu, Y., Azinga, S. A., & Quansah, SAGE Q2
organizaciona P. E. (2021). Organizational Climate and job Open
ly Performance: Investigating the
Desempeño mediatingrole of harmonious work passion
laboral and the moderating role of Leader–Member
exchange and coaching. SAGE Open, 11(2).
https://doi.org/10.1177/21582440211008456
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Nota.
56
Anexo 3 - Tabla 5
Instrumento de Recolección de Datos (Encuesta/ Entrevista, entre otras)

57
Anexo 4 - Tabla 6
58
Matriz 1. Elaboración del Antecedente 1 - Q2.

Antecedente 1 - Q2.
Matriz 1: Sistematización de información de modo horizontal
Tema Impacto de las características de los emprendimientos y las empresas emergentes pos-covid-19 en la educación superior en el Perú,
durante el año 2022.
Autor (es) y Título del Objetivo Metodologí Població Técnica e Resultados Conclusiones
año artículo a ny instrument
revisado muestra o
Identificación Caracterizar los El estudio 2,008 Emplearon Encontraron 5 clústeres de Estudiar los
Mellado de los ecosistemas de es municipi indicadores ecosistemas de emprendimiento, ecosistemas de
Ibarra, C. ecosistemas de emprendimient descriptivo, os de para generar el primero con alta informalidad, emprendimiento
I., Sánchez emprendimient o de los cuantitativo. México. una un segundo con bajo nivel de permiten obtener
Tovar, Y., o en México. municipios de clasificación capital social y alta informalidad, datos objetivos
& México. a través del el clúster tres con bajo capital sobre el estado de
Hernández análisis de humano y bajo emprendimiento, los municipios y
Hernández, clústeres un cuarto clúster con capital llevar a cabo una
N. G. jerárquicos humano medio y bajo clasificación por
(2023) emprendimiento, y finalmente un su grado de
clúster con alto emprendimiento. desarrollo.
Referencia
Mellado Ibarra, C. I., Sánchez Tovar, Y., & Hernández Hernández, N. G. (2023). Identificación de los ecosistemas de emprendimiento en México.
Revistas de Ciencias Sociales (RCS), 29(1), 108-119. https://dialnet.unirioja.es/servlet/articulo?codigo=8822430
Nota. Primer antecedente para ambas variables.
Matriz 2. Redacción del Antecedente 1 - Q2.
Matriz 2: Redacción del antecedente del problema: modo vertical
Tema Impacto de las características de los emprendimientos y las empresas emergentes pos-covid-19 en la educación superior
en el Perú, durante el año 2022.
Mellado Ibarra et al. (2023), en su estudio titulado “Identificación de los ecosistemas de emprendimiento en México”; presentó
como objetivo caracterizar los ecosistemas de emprendimiento de los municipios de México; para ello se utilizó estudio es descriptivo,
cuantitativo; la población fue constituida por 2,008 municipios de México; como técnica e instrumento emplearon indicadores para
generar una clasificación a través del análisis de clústeres jerárquicos; como resultado encontraron 5 clústeres de ecosistemas de
emprendimiento, el primero con alta informalidad, un segundo con bajo nivel de capital social y alta informalidad, el clúster tres con
bajo capital humano y bajo emprendimiento, un cuarto clúster con capital humano medio y bajo emprendimiento, y finalmente un
clúster con alto emprendimiento.
El estudio concluye en que estudiar los ecosistemas de emprendimiento permiten obtener datos objetivos sobre el estado de los
municipios y llevar a cabo una clasificación por su grado de desarrollo.
Referencia
Mellado Ibarra, C. I., Sánchez Tovar, Y., & Hernández Hernández, N. G. (2023). Identificación de los ecosistemas de emprendimiento
en México. Revistas de Ciencias Sociales (RCS), 29(1), 108-119. https://dialnet.unirioja.es/servlet/articulo?codigo=8822430
Nota. Primer antecedente redactado.
Anexo 5 - Tabla 7
59
TABLA DE DESEMPEÑO GRUPAL
INSTRUCCIONES:
Estimados estudiantes, para poder hacer un seguimiento del desempeño de cada
alumno dentro de sus respectivos grupos, por favor completar la tabla de
desempeño grupal, completando con el porcentaje correspondiente:
● No participó: 0%
● Mala participación: 35%
● Regular participación: 55%
● Buena participación: 85%
● Excelente participación: 100%
IMPORTANTE:
Por favor, incluir para todos los integrantes así no hayan participado, así como
todos los datos solicitados en la tabla.
% de
Grupo N° …
participació
n en el
N° Apellidos y nombres completos
trabajo
(en orden alfabético, empezando por el apellido
grupal
paterno)
1 Huamán Casma, Luisa Fernanda (U201811556)
100%
2 Marín Casas, Edwar Crhistian (U201618972) 100%

3 Nolasco Ramírez, Zurisadai (U202422608)
100%
4 Ponce Ramírez, Anykaori Camila (U20201A974)

100%
5 Quispe Muñoz, Fabiola Elizabeth (U201412984) 100%

6 Zatch William, León Eliot (U201911602) 100%

AD2507 Plantilla-Proyecto de Investigación-G8

Cargado por

Copyright:

Formatos disponibles

AD2507 Plantilla-Proyecto de Investigación-G8

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

AD2507 Plantilla-Proyecto de Investigación-G8

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

PROGRAMA ACADÉMICO DE ADMINISTRACIÓN

Huamán Casma, Luisa Fernanda (U201811556)

Vásquez Pajuelo, Lida (0000-0002-1241-3190)

Lima - Perú – 2024

Objetivo de la investigación, metodología, resultados y conclusión

enfoque cuantitativo, alcance correlacional-causal, diseño no experimental; se recoge datos

competencia, la empresa maneja una excelente organización basado en en crecimiento de manera

cultural respecto a sus colaboradores y el modelo de negocio aplicado en la empresa es el pilar

posicionarse en el mercado y mantenerse con un estatus competitivo.

Palabras clave: Transformación digital, innovación empresarial, modelo de negocio,

aceralación, posicionamiento en el mercado.

Tener en cuenta que las páginas

5.1. RECURSOS Y PRESUPUESTO 30

Anexo 2: Matriz de Consistencia 41

Anexo 5: Tabla de coevaluación 51

crecimiento de la huella de carbono. Como metodología emplearon el enfoque descriptivo

cualitativo - correlacional; aplicaron un análisis cualitativo a través de estudios de caso e

modelos comerciales circulares, así como de facilitar la contabilidad y compensación de carbono.

Donde se va implementando estas tecnologías dentro de marcos colaborativos inclusivos que

tengan en cuenta consideraciones sociales y ecológicas. En la misma línea, se indica que al

aprovechar el potencial de la tecnología blockchain y la inteligencia artificial en las cadenas de

suministro, los gobiernos van a poder promover la transparencia, la trazabilidad y la rendición de

cuentas, fomentando así prácticas sostenibles y reduciendo los impactos ambientales.

El estudio concluyó en que, la integración de tecnologías digitales innovadoras ofrece

oportunidades significativas para optimizar los sistemas de producción y la actividad económica,

artificial, el compromiso de los empleados, el rendimiento de los empleados y la personalidad de

la conciencia. Como metodología emplearon el enfoque cuantitativo numérico; aplicaron una

de los recursos humanos impulsada por la inteligencia artificial influye positivamente en el

compromiso de los empleados, lo que conduce a un mejor rendimiento. En la misma línea, se

gestión sostenible de los recursos humanos impulsada por la inteligencia artificial y el

compromiso de los empleados.

El estudio concluyó en que, las prácticas de RR.HH. sostenibles impulsadas por la

inteligencia artificial contribuyen al compromiso y el rendimiento de los empleados.

el algoritmo STSC integrado por la inteligencia artificial, no solo se encargue de monitorear y

electricidad, donde prevalezca un compromiso entre la reducción de costos y la reducción de la

proporción pico-promedio de energía. D. Como metodología emplearon el enfoque experimental

y cuantitativo; aplicaron un sistemas de redes inteligentes con simulaciones computacionales;

costos, el algoritmo STSC contribuye a los objetivos de sostenibilidad al utilizar la IA para

soluciones de demanda adaptables.

El estudio concluyó en que, el uso combinado de los algoritmos STO y SCSO en

el método STSC es un avance innovador en los sistemas HEM.

La investigación de Bolón-Canedo et al. (2024) revela que tuvieron como objetivo

servidores en la nube. Como metodología emplearon la revisión sistemática; aplicaron una

aprendizaje automático (AA) energéticamente eficientes (IA ecológica) y herramientas para

papel de las regulaciones en la promoción de la IA verde y las futuras direcciones para el AA

El estudio concluyó en que, alinear las prácticas de la IA con las consideraciones

ambientales, fomenta un futuro más consciente del medio ambiente y energéticamente

eficiente para los sistemas de IA.

el impacto de tecnologías industriales emergentes (EIT) en la sostenibilidad organizacional junto

colaboradores de la industria textil paquistaní utilizando el método de modelado de ecuaciones

estructurales de mínimos cuadrados parciales (PLS-SEM) en SmartPLS 4; cuyos hallazgos

organizacional, un impacto significativo en el caso de la IA, una mediación complementaria de

estudio enriquece el marco de capacidades dinámicas, destacando la ambidextría organizacional

la EIT alineada con los objetivos de sostenibilidad organizacional.

Como metodología emplearon el análisis de mercado y modelado de negocio a empresas

tecnológicas; aplicaron un análisis cualitativo y cuantitativo de datos; cuyos hallazgos fueron;

documento presenta un modelo de negocio basado en la IA como servicio (AIaaS), que

proporciona un paquete integrado de productos y servicios de IA.