Envía por correo este artículo 
Factores que intervienen en la generacin de
emprendimientos agrcolas en el Ecuador
Factors Involved in the Generation of
Agricultural Entrepreneurship in Ecuador
Fatores envolvidos na gerao
de empreendimentos agrcolas no Equador
Correspondencia: roberto.farinoho@ug.edu.ec
Ciencias Aplicadas
Artculo de Investigacin
* Recibido:
26 de agosto de 2025 *Aceptado:
24 de septiembre de 2025 *
Publicado: 31
de octubre de 2025
I.
Universidad de Guayaquil; Ecuador
II.
Universidad de Guayaquil; Ecuador
III.
Universidad de Guayaquil; Ecuador
IV.
Universidad de Guayaquil; Ecuador
Resumen
La transformacin productiva en el sector
agropecuario de Ecuador es un imperativo para catalizar el crecimiento
econmico y mitigar problemas socioeconmicos persistentes. Este estudio se centr en identificar los
factores cruciales que intervienen en la generacin y viabilidad del
emprendimiento agrcola en el contexto ecuatoriano, basndose en la literatura
acadmica y las polticas pblicas promulgadas entre 2020 y 2025. Mediante una
revisin bibliogrfica de literatura y anlisis documental, se categorizaron
los determinantes en cuatro dimensiones: financiera, capital humano, tecnolgica
e institucional. Los resultados demuestran que, si bien el pas ha articulado
un marco legal de fomento (Ley Orgnica de Emprendimiento e Innovacin,
Poltica Manos para el Campo 2025-2034) y ha dispuesto fondos de capital de
riesgo para la innovacin, el progreso se ve limitado por barreras
estructurales. Los hallazgos empricos confirman la educacin como un predictor
fundamental de xito, contrastando con la alta prevalencia de emprendedores que
no reciben capacitacin especializada. Asimismo,
el bajo nivel de adopcin tecnolgica (IA, IoT) se atribuye directamente a los
altos costos y la deficiente infraestructura de conectividad rural. Se concluye que la viabilidad del
agro-emprendimiento no solo depende de la disponibilidad de capital, sino de la
articulacin efectiva entre el apoyo financiero, la superacin de la brecha
digital y la capacidad institucional para ejecutar integralmente los proyectos
clave, especialmente aquellos relacionados con la gestin de riesgos y la
sostenibilidad.
Palabras
clave: Agrcolas, Ecuador, emprendimientos, Capital,
Financiero.
Abstract
Productive transformation in Ecuador's agricultural
sector is an imperative for catalyzing economic growth and mitigating
persistent socioeconomic problems. This study focused on identifying the
crucial factors involved in the
generation and viability of agricultural
entrepreneurship within the Ecuadorian context, based on academic
literature and public policies enacted between 2020 and 2025. Through a bibliographical literature review and
documentary analysis, the determinants were categorized into four dimensions: financial, human capital, technological,
and institutional. The results
show that while the country has articulated a promotional legal framework
(Organic Law of Entrepreneurship and Innovation, Manos para el Campo
Policy 2025-2034) and has made venture capital funds available for innovation,
progress is limited by structural barriers. The empirical findings confirm education as a fundamental predictor
of success, contrasting with the high prevalence of entrepreneurs who do not
receive specialized training. Likewise, the low level of technological adoption (AI, IoT) is
directly attributed to high costs and deficient rural connectivity
infrastructure. It is concluded that the viability of agro-entrepreneurship does not only depend on the availability of capital, but on the effective
articulation between financial
support, overcoming the digital divide,
and the institutional capacity to comprehensively execute key projects,
especially those related to risk management and sustainability.
Keywords: Agricultural,
Ecuador, Entrepreneurship, Capital, Financial.
Resumo
A transformao produtiva no sector agrcola do Equador
essencial para catalisar o crescimento econmico e mitigar problemas
socioeconmicos persistentes. Este estudo centrou-se na identificao dos
fatores cruciais envolvidos na gerao e viabilidade do empreendedorismo
agrcola no contexto equatoriano, com base na literatura acadmica e nas
polticas pblicas implementadas entre 2020 e 2025. Atravs de uma reviso
bibliogrfica e anlise documental, os determinantes foram categorizados em
quatro dimenses: financeira, de capital humano, tecnolgica e institucional.
Os resultados demonstram que, embora o pas tenha estabelecido um quadro legal
para a promoo do empreendedorismo (Lei Orgnica do Empreendedorismo e
Inovao, Poltica Mos para o Campo 2025-2034) e tenha alocado recursos de
capital de risco inovao, o progresso limitado por barreiras estruturais.
Os resultados empricos confirmam a educao como um preditor fundamental do
sucesso, contrastando com a elevada prevalncia de empresrios que no recebem
formao especializada. Alm disso, o baixo nvel de adoo tecnolgica (IA,
IoT) diretamente atribudo aos elevados custos e deficiente infraestrutura
de conectividade rural. Conclui-se que a viabilidade do empreendedorismo
agrcola depende no s da disponibilidade de capital, mas tambm da
coordenao eficaz entre o apoio financeiro, a superao da excluso digital e
a capacidade institucional para implementar de forma abrangente projetos-chave,
especialmente aqueles relacionados com a gesto de riscos e a sustentabilidade.
Palavras-chave: Agricultura, Equador, Empreendedorismo, Capital,
Financeiro.
Introduccin
La
educacin superior contempornea se encuentra inmersa en una profunda
transformacin, impulsada por la acelerada evolucin de las tecnologas
digitales. En este panorama, la inteligencia artificial (IA) ha emergido no
solo como una herramienta, sino como un catalizador que est redefiniendo
fundamentalmente el mbito educativo universitario. Esta reestructuracin
se fundamenta en dos races principales: los rpidos avances tecnolgicos y la
creciente necesidad de adoptar nuevas metodologas educativas que se adapten a
la era digital. La disponibilidad masiva de herramientas de
IA ha propiciado un cambio de paradigma, donde la instruccin tradicional,
centrada en el maestro, da paso a un modelo ms dinmico, personalizado y
centrado en el estudiante (Pelaez, 2025).
En
este contexto de reontologizacin del aprendizaje, la IA ofrece un vasto
conjunto de oportunidades para fortalecer los procesos educativos. Entre las tendencias
emergentes ms significativas se encuentran la personalizacin del aprendizaje,
la automatizacin de tareas administrativas y la mejora sustancial en la
retroalimentacin educativa (Meja et al., 2024). Estas aplicaciones
han demostrado ser invaluables para docentes y estudiantes, constituyendo un
aporte crucial para la innovacin pedaggica. Sin embargo, la integracin de la
IA no est exenta de desafos. La literatura reciente seala la existencia de
mltiples riesgos y dilemas que deben ser abordados de manera estratgica y
responsable (LPEZ GOLN, 2023).
A
pesar de las promesas de la IA para una educacin ms flexible y accesible, la
implementacin de estas tecnologas en el entorno universitario enfrenta una
serie de conflictos. La tensin entre las oportunidades y los desafos
representa el centro del debate actual, con voces que defienden su adopcin
frente a otras que advierten de los posibles impactos negativos y los costos
ticos. Existe una preocupacin genuina sobre el uso
malicioso de estas tecnologas, la erosin de habilidades cognitivas clave en
los estudiantes y la necesidad de una gobernanza tica y una capacitacin
docente adecuada (LPEZ GOLN, 2023).
Metodologa
El
presente estudio se concibi como una revisin de la literatura acadmica, con
el objetivo de ofrecer una visin exhaustiva y actualizada de las estrategias
pedaggicas basadas en inteligencia artificial en la educacin universitaria.
La aproximacin metodolgica sigue los principios de una revisin sistemtica
para asegurar la rigurosidad y la replicabilidad del proceso. Se estableci un
marco temporal de bsqueda delimitado a los ltimos cinco aos (2020-2025) para
capturar las tendencias, los hallazgos y los debates ms recientes en el campo.
La estrategia de bsqueda se dise en base a la formulacin de preguntas de
investigacin clave, utilizando operadores booleanos y trminos especficos
para maximizar la relevancia de los resultados. Se consultaron bases
de datos de investigacin de alto impacto como Scopus, PubMed y IEEE Xplore,
as como repositorios de tesis y revistas acadmicas especializadas en
tecnologa educativa.
La
bsqueda se orient a identificar estudios que abordaran los usos pedaggicos
de las herramientas de IA, las estrategias didcticas implementadas y las
habilidades lingsticas o cognitivas desarrolladas en el proceso de
enseanza-aprendizaje con estas tecnologas. Este enfoque permiti
la identificacin de estudios empricos, revisiones bibliomtricas y
sistemticas, proporcionando una base slida y diversa para el anlisis.
Resultados
Sistemas de Aprendizaje Adaptativo (SAA) y Tutora
Inteligente (STI)
Los
Sistemas de Aprendizaje Adaptativo (SAA) y los Sistemas de Tutora Inteligente
(STI) son el principal exponente de la personalizacin educativa a gran escala.
Estos sistemas, basados en algoritmos avanzados de IA, evalan continuamente el
progreso, las preferencias y los estilos cognitivos de los estudiantes para
ajustar dinmicamente el contenido, la dificultad y la metodologa de enseanza
de forma individualizada (Farnos, 2025).
Beneficios
demostrados
Los
estudios empricos han evidenciado la efectividad de estos sistemas en la
mejora de los resultados acadmicos. Un estudio de Harvard revel que los
estudiantes que utilizaron tutores de IA aprendieron "ms del doble en
menos tiempo" en comparacin con metodologas de aprendizaje activo. De manera similar,
una investigacin realizada en la Universitas Muhammadiyah Muara Bungo demostr
que los estudiantes que participaron en tutoras con IA obtuvieron puntajes
significativamente ms altos (81.81) que sus pares en el grupo de control
(70.45). Estos hallazgos son respaldados por un metaanlisis
de Tlili et al (2023), que indica que los STI tienen un impacto moderado en la
adquisicin de conocimientos (Molina & Medina, 2025).
La
personalizacin que ofrecen los SAA permite a los estudiantes avanzar a su
propio ritmo, recibir retroalimentacin inmediata y trabajar con materiales
apropiados para su nivel de rendimiento, lo que incrementa su motivacin y
eficacia (Padilla Pinos et al., 2025). Para el profesorado,
estos sistemas liberan tiempo de tareas rutinarias como la calificacin,
permitindoles enfocarse en actividades de mayor valor aadido, como la tutora
individualizada y la planificacin de lecciones (Aparicio-Gmez & Aparicio-Gmez, 2024). Esta transicin
representa un cambio pedaggico fundamental, alejndose del modelo de
instruccin tradicional centrado en el maestro hacia un modelo centrado en el
estudiante, donde la IA acta como un intermediario que gua al individuo en su
camino hacia el conocimiento (Padilla Pinos et al., 2025).
Herramientas de evaluacin automatizada y
retroalimentacin formativa
Las
herramientas de evaluacin automatizada (EA) utilizan IA para agilizar el
proceso de calificacin, asegurar la equidad en la evaluacin y proporcionar
retroalimentacin formativa basada en datos. Un estudio que
combin la evaluacin automatizada con el Aprendizaje Basado en Problemas y
tcnicas meta-cognitivas en la Universidad Nacional del Altiplano evidenci un
incremento del 30% en la precisin diagnstica y del 25% en la retencin de
conocimientos en los estudiantes de medicina. Adems, se document
una reduccin del 40% en el tiempo de correccin de las evaluaciones (Aza Gates, 2025).
La
evolucin de estas herramientas ha llevado a una distincin clave entre los
sistemas tradicionales y los modelos de lenguaje grandes (LLM) como ChatGPT.
Mientras que las herramientas tradicionales se centran en aspectos
estructurales y formales del texto (p. ej., concordancia, redundancias), los
LLM tienen el potencial de ir ms all. Su capacidad para analizar textos de
manera global, generar contenido original y adaptarse a la interaccin del
usuario les permite abordar dimensiones macro textuales, lo que las convierte
en herramientas prometedoras para la retroalimentacin formativa y el
desarrollo de la escritura (Lpez Gil & Moreno Mosquera, 2025).
Asistentes virtuales y chatbots educativos
Los
asistentes virtuales y chatbots
educativos estn redefiniendo la forma en que los estudiantes acceden a la
informacin y reciben ayuda. Estos sistemas estn
disponibles las 24 horas del da, los 7 das de la semana, para responder
preguntas frecuentes, ofrecer explicaciones adicionales y resolver dudas. Su rol pedaggico (Aparicio-Gmez & Aparicio-Gmez, 2024) es el de un
"compaero de estudio" que puede guiar al estudiante a travs de un
problema sin la necesidad de la intervencin inmediata de un tutor humano (Baidal Castillo, 2025).
La
integracin de estas herramientas ha propiciado el surgimiento de una nueva
habilidad clave: el prompt
estratgico. Esta ingeniera de instrucciones optimiza la interaccin entre el
estudiante y la IA generativa, transformando el proceso de aprendizaje en un
ecosistema dialgico y dinmico. Se postula que este
tipo de tecnologas facilitan una "pedagoga preventiva", donde el
conocimiento se cocrea y el aprendizaje se vuelve metamrfico, trascendiendo el
modelo de instruccin tradicional (Baidal Castillo, 2025).
Tabla 1. Clasificacin de estrategias
pedaggicas basadas en IA y sus atributos clave en el contexto universitario
|
Estrategia Pedaggica |
Atributos Clave / Ejemplos de Herramientas |
Beneficios Demostrados |
Desafos Asociados |
Referencias Clave |
|
Sistemas de aprendizaje
adaptativo y tutora inteligente |
Personalizacin a gran escala, anlisis de datos de
rendimiento en tiempo real, ajuste dinmico del contenido. |
Mejora del rendimiento acadmico, aprendizaje ms eficiente y
motivador, liberacin de tiempo para docentes. |
Resistencia al cambio, falta de capacitacin docente, alto
costo de implementacin inicial. |
15 |
|
Herramientas de
evaluacin automatizada |
Agilizan la calificacin, proporcionan retroalimentacin
formal y global, analizan el texto para identificar errores. |
Reduccin del tiempo de correccin (40%), mejora de la precisin
diagnstica (30%) y retencin de conocimientos (25%), aumento de la
motivacin. |
Enfoque limitado en aspectos superficiales (sistemas
tradicionales), preocupaciones ticas en el uso de LLM para la evaluacin. |
12 |
|
Asistentes virtuales
y chatbots Educativos |
Disponibilidad 24/7, respuesta a preguntas frecuentes, gua en
la resolucin de problemas. |
Acceso inmediato a la informacin, promueve un aprendizaje
auto dirigido, facilita la co-creacin del conocimiento. |
Necesidad de habilidades de prompt estratgico, riesgo de atrofia del pensamiento crtico si
se usan incorrectamente. |
2 |
Fuente: (Aparicio-Gmez
& Aparicio-Gmez, 2024; Aza Gates, 2025).
Desafos y consideraciones crticas para una
implementacin responsable
La
integracin de la IA en la educacin universitaria, a pesar de sus beneficios,
presenta un conjunto de desafos crticos que deben ser abordados de manera
proactiva para asegurar una adopcin tica y efectiva.
Desafos ticos, de gobernanza y pedaggicos
La
literatura alerta sobre el "lado oscuro" de la IA, refirindose al
uso malicioso que puede tener consecuencias negativas para la integridad
acadmica y el desarrollo personal de los estudiantes. Una de las
principales preocupaciones es la potencial erosin del pensamiento crtico y
las habilidades de resolucin de problemas, esenciales para el xito acadmico. El uso inapropiado de
herramientas de IA generativa, como ChatGPT, puede disuadir a los estudiantes
de desarrollar estas competencias, lo que llev a instituciones como el
Departamento de Educacin de la Ciudad de Nueva York a prohibir su uso. Esta tensin entre la
conveniencia tecnolgica y el desarrollo de habilidades humanas es un dilema
central que la universidad debe resolver. La solucin no reside en la
prohibicin, sino en la promocin de un uso estratgico, tico y responsable de
la tecnologa para complementar, no reemplazar, el proceso de aprendizaje
profundo (LPEZ GOLN, 2023).
Para
mitigar estos riesgos, es imperativo establecer marcos normativos ticos y
polticas claras sobre la privacidad de los datos (Meja et al., 2024). La controversia
generada por la IA generativa ha llevado a universidades de prestigio como el
Imperial College de Londres y la Universidad de Cambridge a emitir
declaraciones que evidencian la urgencia de una gobernanza institucional slida
(LPEZ GOLN, 2023).
Barreras institucionales y la necesidad de
capacitacin docente
La
adopcin de la IA en las instituciones de educacin superior enfrenta barreras
prcticas significativas, como la resistencia al cambio y la falta de
conocimiento sobre estas tecnologas por parte del profesorado (Meja et al., 2024). Un obstculo
adicional es la brecha digital, que podra exacerbar las desigualdades
existentes si no se promueve un acceso equitativo e inclusivo a las
herramientas de IA (LPEZ GOLN, 2023).
La
implementacin exitosa de la IA es, en esencia, un problema de gestin del
cambio que requiere una inversin sustancial en infraestructura y,
fundamentalmente, en la capacitacin del personal docente. La literatura
subraya la necesidad de programas de formacin integral que preparen a los
educadores para utilizar las herramientas de IA, interpretar los datos
analticos y ajustar sus estrategias pedaggicas para maximizar la
personalizacin del aprendizaje (Aparicio-Gmez & Aparicio-Gmez, 2024). Las recomendaciones
de la UNESCO de 2019, que instan a fortalecer las capacidades de los
educadores, siguen siendo altamente pertinentes y subrayan que el xito de la
integracin de la IA no depende nicamente de la tecnologa, sino de la
preparacin humana para adoptarla (LPEZ GOLN, 2023).
Conclusiones
Esta
revisin de la literatura reciente confirma que la inteligencia artificial
posee un potencial transformador para la educacin universitaria. Los hallazgos
demuestran que las estrategias pedaggicas basadas en IA, como los sistemas de
aprendizaje adaptativo, las herramientas de evaluacin automatizada y los
asistentes virtuales, pueden mejorar significativamente el rendimiento acadmico,
personalizar el aprendizaje y optimizar los procesos institucionales. Estos beneficios se
manifiestan en mejoras tangibles como un aprendizaje ms rpido, una mayor
retencin de conocimientos y un aumento de la eficiencia en las tareas de
evaluacin.
Sin
embargo, el anlisis tambin ha revelado que la adopcin de estas tecnologas
no es un proceso trivial. La integracin responsable y efectiva de la IA exige
que las instituciones aborden de forma proactiva una serie de desafos
crticos. Los riesgos ticos relacionados con la privacidad y la posible
erosin de habilidades cognitivas fundamentales, as como las barreras
institucionales y la necesidad de capacitacin docente, son consideraciones
centrales que determinan el xito o el fracaso de su implementacin.
A
partir de los hallazgos, se derivan implicaciones prcticas para los diferentes
actores de la comunidad universitaria. Se recomienda a los gestores
institucionales desarrollar marcos normativos ticos y polticas claras para la
gobernanza de la IA, as como invertir en programas de capacitacin docente a
gran escala. Los docentes deben adoptar la IA como una
herramienta complementaria a su rol, utilizndola para centrarse en tareas de
mayor valor pedaggico y en el desarrollo de habilidades de orden superior en
los estudiantes. Finalmente, se debe
fomentar en los estudiantes el uso tico y crtico de estas tecnologas para
potenciar sus capacidades sin comprometer el desarrollo de su pensamiento
analtico.
Bibliografa
Aparicio-Gmez, O.-Y., & Aparicio-Gmez, W.-O. (2024).
Innovacin educativa con sistemas de aprendizaje adaptativo impulsados por
Inteligencia Artificial. Revista Internacional de Pedagoga e Innovacin
Educativa, 4(2), 343363. https://doi.org/10.51660/ripie42222
Aza Gates, E. G.
(2025). Integracin del Aprendizaje Basado en Problemas, Evaluacin
Automatizada y Tcnicas Metacognitivas en la Enseanza de Patologa General en
Contextos de Recursos Limitados. Journal of Humanities Titicaca, 4(1).
https://doi.org/10.70123/jht.85
Baidal
Castillo, M. A. (2025). La
inteligencia artificial y su incidencia en el proceso de enseanza aprendizaje
de la qumica en el bachillerato
[Universidad Estatal Pennsula de Santa Elena].
https://repositorio.upse.edu.ec/server/api/core/bitstreams/59dbf1e3-cf84-47e0-9f2e-b2ecb41e2b04/content
Farnos, J. D.
(2025). Trabajando con AgenTIC y el DUA9 en investigacin y docencia
(Educacin disruptiva & IA en la Educacin superior). https://juandomingofarnos.wordpress.com/2025/04/03/trabajando-con-agentic-y-el-dua9-en-investigacion-y-docencia-educacion-disruptiva-ia-en-la-educacion-superior/
Lpez Gil, K., &
Moreno Mosquera, E. (2025). Retroalimentacin formativa en la escritura de
tesis en posgrado: Comparacin entre ChatGPT y revisores pares en un crculo de
escritura. Revista Virtual Universidad Catlica Del Norte, 74,
123160. https://doi.org/10.35575/rvucn.n74a6
LPEZ GOLN, M.
(2023). Inteligencia artificial y educacin superior. Desafos para la
universidad en la era de los algoritmos. Comunica APG.
Meja, Y. V. K.,
Arias, C. J. Y., Segovia, M. E. R., & Segovia, I. G. R. (2024). Fortalezas
y debilidades de la inteligencia artificial en el aula de educacin superior. Polo
Del Conocimiento, 9(10), 19511970.
Molina, E., &
Medina, E. (2025). Revolucin de la IA en Educacin Superior. En
Innovaciones Digitales en Educacin. Banco Mundial.
https://documents1.worldbank.org/curated/en/099809404152514027/pdf/IDU-91d6e888-fcbd-4694-ac88-18bcae998934.pdf
Padilla Pinos, S.
S., Ilaca Rosario, J. V., & Flor Casquete, R. F. (2025). Diseo e
Implementacin de Sistemas Inteligentes de Aprendizaje Personalizado Basados en
IA para la Mejora del Rendimiento Acadmico en Estudiantes de Educacin. Revista
Cientfica de Salud y Desarrollo Humano, 6(2), 237255.
https://doi.org/10.61368/r.s.d.h.v6i2.597
Pelaez, J. D.
(2025). Impacto de la Inteligencia Artificial en la Enseanza Universitaria.
https://prezi.com/p/emvplnt4ipun/impacto-de-la-inteligencia-artificial-en-la-ensenanza-universitaria/
2025 por
los autores. Este artculo es de acceso abierto y distribuido segn los
trminos y condiciones de la licencia Creative Commons
Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
(https://creativecommons.org/licenses/by-nc-sa/4.0/).
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/
