Vol. 2 Núm. 2 (2023)

Resumen: El artículo aborda el contexto del comercio electrónico en Ecuador, donde el uso de herramientas de pagos en línea ha demostrado ser escaso, mientras se destaca el crecimiento significativo del comercio electrónico en todo el mundo, esencial para el éxito de las transacciones comerciales. En Latinoamérica se continúa usando efectivo como forma de pago, factor que frena el desarrollo de la economía de la región de forma más rápida, sumado a eso se destaca la falta de estudios similares al presente que guíen a empresarios o emprendedores. El objetivo de la investigación se conecta con establecer herramientas de pago en línea en Ecuador, proporcionando información sobre costos, comisiones, requisitos, métodos de pago, servicios y casos de uso. La metodología utilizada es de enfoque cualitativo descriptivo con método analítico y tipo transversal. El estudio reveló una variedad de herramientas de pago en línea en Ecuador, tanto gratuitas como pagadas, para empresas ya constituidas o emprendimientos, facilitando transacciones digitales e inclusión financiera. Se reconoce la utilidad de este tipo de estudios para las empresas debido a que les permitirá elegir una opción adaptada a sus necesidades y la consecuente optimización de recursos. Además, el efectivo sigue siendo una forma de pago común en Ecuador; no obstante, el empleo de herramientas de pago digitales lo reducirá y generará oportunidades comerciales. Autores: Andrés Eduardo Caina Guamán, HOMEOFFICE S.A.S. https://orcid.org/0009-0006-6557-3768 Ver artículo completo https://doi.org/10.61347/ei.v2i2.54

Resumen: El creciente uso de modelos de Machine Learning (ML) para gestionar grandes cantidades de datos, impulsado por la crisis de la Pandemia COVID-19, ha posibilitado el desarrollo productivo de los Entornos de Desarrollo Integrado (IDEs). Sin embargo, existen varios IDEs de desarrollo disponibles y elegir el más adecuado para tareas específicas puede ser un desafío. El objetivo de este estudio es proporcionar una revisión exhaustiva de las diversas herramientas de desarrollo integrado enfocadas para el campo de ML. Para ello, se diseñó una investigación comparativa donde se utilizaron fuentes científicas e índices de popularidad para determinar los lenguajes enfocados en ML, estos fueron Python y R. Posteriormente, a través de la documentación de cada IDE, se identificaron los siguientes: Spyder, PyCharm Community Edition, PyCharm Pro, DataSpell, R-Studio, RKWard, JupyterLab y Visual Studio Code que fue añadido por su popularidad y alta extensibilidad. En los resultados, se conceptualizan estos lenguajes e IDEs que determinamos para su comparación, y se llevó a cabo la comparación considerando características como su compatibilidad multiplataforma, capacidad de depuración con puntos de control, disponibilidad como código abierto, historiales de código, acceso a terminales, integración nativa de control de versiones, soporte para los lenguajes investigados, acceso a base de datos y compatibilidad con cuadernos Jupyter. En conclusión, esta investigación ofrece una comparación exhaustiva de IDEs considerando varias características útiles a la hora de seleccionar uno. Autores: José Roberto Sánchez Arteaga, Empresa Municipal de Agua Potable y Alcantarillado de Riobamba. https://orcid.org/0009-0009-9992-6252 Ver artículo completo https://doi.org/10.61347/ei.v2i2.53