GAVILANES VENEGAS, ANDREA ESTEFANÍA

Preferred name
GAVILANES VENEGAS, ANDREA ESTEFANÍA
Main Affiliation
SF

Settings

Now showing 1 - 2 of 2
  • Loading...
    Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Aplicaciones en Ingeniería y Matemáticas Avanzadas para el Modelado y Comprensión de Sistemas Dinámicos: el Papel Esencial de las Ecuaciones Diferenciales en la Educación Superior
    (Editorial Reincisol, 2025-08-15)
    Edy Samuel Velasteguí Casco
    ;
    CHÁVEZ BUENO, ANSHELO JERMÁNICO  
    ;
    Carlos Fernando Heredia Villamarín
    ;
    GAVILANES VENEGAS, ANDREA ESTEFANÍA  
    En el contexto de la educación superior, especialmente en programas de ingeniería y matemáticas avanzadas, las ecuaciones diferenciales se consideran una herramienta clave para el modelado, análisis y comprensión de sistemas dinámicos que cambian con el tiempo. Su estudio ha permitido a los estudiantes fortalecer habilidades analíticas y de abstracción necesarias para representar fenómenos físicos, mecánicos, eléctricos, térmicos y biológicos mediante expresiones matemáticas precisas. El propósito de este trabajo fue examinar y fomentar el uso de las ecuaciones diferenciales como instrumento esencial para comprender y modelar sistemas dinámicos en ingeniería y matemáticas avanzadas, potenciando la capacidad de los estudiantes para relacionar conceptos teóricos con aplicaciones prácticas. Para ello, se utilizó la revisión sistemática como método principal, complementada con el enfoque PRISMA, con el fin de recopilar, analizar y organizar de manera rigurosa la información académica disponible sobre la enseñanza y aplicación de ecuaciones diferenciales en la educación superior. Se determinó que las ecuaciones diferenciales constituyeron un recurso indispensable para modelar y analizar fenómenos dinámicos en distintas áreas de la ingeniería y matemáticas, facilitando que los estudiantes integraran la teoría con la práctica y desarrollaran competencias en pensamiento crítico, análisis y resolución de problemas complejos.
  • Loading...
    Thumbnail Image
    Some of the metrics are blocked by your 
    consent settings
    Item type:Publication,
    Navigating Uncertainty Through AI Adoption: Dynamic Capabilities, Strategic Innovation Performance, and Competitiveness in Ecuadorian SMEs
    (MDPI AG, 2025-11-29)
    SÁNCHEZ RODRÍGUEZ, ALEXANDER  
    ;
    GARCIA VIDAL, GELMAR  
    ;
    FERNÁNDEZ OCHOA, YANDI  
    ;
    MARTÍNEZ VIVAR, RODOBALDO  
    ;
    GAVILANES VENEGAS, ANDREA ESTEFANÍA  
    Artificial intelligence (AI) is increasingly positioned as an enabler of strategic renewal and competitiveness for small and medium-sized enterprises (SMEs) in emerging economies. However, its adoption remains limited and uneven, constrained by shortages of skilled talent, weak data infrastructures, and financial barriers. This study examines Ecuadorian SMEs as a representative case within this broader context, analyzing survey data from 385 firms to diagnose AI adoption patterns and validate a structural model linking AI adoption, dynamic capabilities, and strategic innovation performance. Results from Partial Least Squares Structural Equation Modeling (PLS-SEM) confirm that AI adoption enhances innovation and competitiveness both directly and indirectly through dynamic capabilities, specifically firms’ abilities to sense opportunities, seize them through innovation, and reconfigure resources. The model explains 41% of the variance in strategic innovation performance, providing robust empirical support for the proposed AI-Driven Dynamic Capabilities Framework for Strategic Innovation and Competitiveness. The study clarifies how perceptual and contextual enablers of adoption (TAM/TOE) interact with capability-building mechanisms (RBV/DCT), offering a more integrated understanding of how SMEs assimilate AI under resource constraints. These findings demonstrate how SMEs translate early adoption into strategic advantage under conditions of uncertainty. The study also offers actionable guidance by showing that the most effective interventions for SMEs focus on strengthening foundational data and organizational capabilities rather than promoting complex AI systems beyond current readiness levels.