Aplicación del machine learning como herramienta para la detección de liderazgo militar
DOI:
https://doi.org/10.21830/23460628.155Palabras clave:
algoritmo, aprendizaje automático, detección, fuerzas armadas, inteligencia artificial, liderazgo, modelos predictivosResumen
Este artículo expone los aspectos centrales de la aplicación del machine learning como herramienta para la detección del liderazgo militar, así como su importancia e impacto en el éxito de las operaciones militares. Se recopilan y analizan investigaciones previas sobre la identificación de rasgos de liderazgo y se propone la utilización de algoritmos de machine learning para identificar los patrones y características de un líder militar efectivo. Finalmente, se discute la viabilidad y eficacia de esta herramienta, sugiriendo posibles usos futuros de esta tecnología en el ámbito militar, así como los desafíos éticos y de seguridad que implica, especialmente en cuanto a la autonomía de las armas y la privacidad de la información.
Biografía del autor/a
Cristian Camilo Ramírez-Fonegra, Escuela Militar de Cadetes “General José María Córdova”
Cadete del Ejército Nacional de Colombia. Estudiante de la Escuela Militar de Cadetes “General José María Córdova”, Bogotá.
Javier Andrés Reina-Galíndez, Escuela Militar de Cadetes “General José María Córdova”
Cadete del Ejército Nacional de Colombia. Estudiante de la Escuela Militar de Cadetes “General José María Córdova”, Bogotá.
Brahyam Stiven Parra-Uribe, Escuela Militar de Cadetes “General José María Córdova”
Cadete del Ejército Nacional de Colombia. Estudiante de la Escuela Militar de Cadetes “General José María Córdova”, Bogotá.
Carlos Andrés Peña-Guzmán, Escuela Militar de Cadetes “General José María Córdova”
Ingeniero ambiental y sanitario, especialista en recursos hídricos urbanos, magíster en hidrosistemas y Ph.D en agua y desarrollo sostenible. Docente Investigador de la Escuela Militar de Cadetes “General José María Córdova”. Integrante del Grupo de Investigación “Ciencias Militares” (categoría B, MinCiencias).
Referencias bibliográficas
Beramendi, M., Muratori, M., & Zubieta, E. (2015). Análisis del liderazgo a partir de ejercicios de maniobra militar. Pensamiento Psicológico, 13(1), 105-118. https://doi.org/10.11144/Javerianacali.PPSI13-1.alem
Ferrer Vázquez, L. (2022). Detección de personalidades en función de textos usando técnicas de machine learning (trabajo de grado, Universitat Politècnica de Catalunya). https://upcommons.upc.edu/handle/2117/373983
Fiok, K., Karwowski, W., Gutierrez-Franco, E., Liciaga, T., Belmonte, A., Capobianco, R., & Saeidi, M. (2021). Automated detection of leadership qualities using textual data at the message level. IEEE Access, 9, 57141-57148. https://doi.org/10.1109/ACCESS.2021.3072810
García Ortiz, O. A. (2021). Aplicación del sistema de machine learning para aumentar la eficiencia de las organizaciones (Tesis de licenciatura, Universidad Militar Nueva Granada). https://tinyurl.com/bdf2tv7a
García, P., Schiaffino, S., & Amandi, A. (2011). Detección automática de líderes de equipo en sistemas para trabajo colaborativo. En XII Argentine Symposium on Artificial Intelligence (ASAI 2011) (XL JAIIO) (Córdoba, 29 y 30 de agosto de 2011). https://tinyurl.com/49jjxjrw
Gómez, C. (2002). Liderazgo: conceptos, teorías y hallazgos relevantes. Cuadernos Hispanoamericanos de Psicología, 2(2), 61-77. https://tinyurl.com/yckdfb4u
Jiménez, E. C. (2021). Introducción al machine learning con Matlab. Marcombo.
Mehta, Y., Majumder, N., Gelbukh, A. et al. (2020). Recent trends in deep learning based personality detection. Artif Intell Rev, 53, 2313-2339. https://doi.org/10.1007/s10462-019-09770-z
Méndez Pedraza, Y. G. (2017). Deficiencia de liderazgo en el personal militar de la fuerza aérea colombiana.
Nguyen, A. T. (2022). Benefits and challenges of utilizing artificial intelligence in decision making for US military leaders (tesis doctoral, Alliant International University). https://tinyurl.com/4yyd69td
Razo, J. M. (2023). La importancia del liderazgo en las instituciones. Revista de la Academia de Guerra del Ejército Ecuatoriano, 16(1), 10-10.
Rojas, E. M. (2020). Machine learning: análisis de lenguajes de programación y herramientas para desarrollo. Revista Ibérica de Sistemas e Tecnologias de Informação, E28, 586-599.
Santillán, C. (2022). El machine learning como ventaja competitiva en el desarrollo de sistemas predictivos en el área de la inteligencia artificial. Universidad Técnica de Babahoyo.
Stack. (2021). Métodos de aprendizaje supervisado y no supervisado para la estimación de microestructura cerebral en datos de DWMR. Centro de Investigación en Matemáticas.
Cómo citar
Descargas
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Brújula Semilleros de Investigación
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
