159
ISSN Versión impresa: 1992-2159; ISSN Versión electrónica: 2519-5697
Biotempo, 2019, 16(2), jul-dic.: 159-164.
ORIGINAL ARTICLE / ARTÍCULO ORIGINAL
LEARNING MODEL FOR THE GENERATION AND COGNITIVE
TECHNOLOGICAL SCOPE IN BIOMEDICINE
MODELO DE APRENDIZAJE PARA LA GENERACIÓN Y ALCANCE
COGNITIVO TECNOLÓGICO EN BIOMEDICINA
George Argota-Pérez1; José Almeida-Galindo2a; Cecilia Solano-García2b; Clemente Lara- Huallcca2b; Rosa
Aquije-García2c; María Reyes-Ruiz2d, 3 & Luzmila Reyes-Ruiz3
1 Centro de Investigaciones Avanzadas y Formación Superior en Educación, Salud y Medio Ambiente ¨AMTAWI¨,
Puno-Perú. george.argota@gmail.com
2 Universidad Nacional ¨San Luis Gonzaga¨. Ica-Perú
a
Facultad de Medicina Humana. san.almeida1@yahoo.es
b
Facultad de Odontología. cecisoga@gmail.com; clemenodont600@hotmail.com
c
Facultad de Ciencia de la Educación y Humanidades. raquije13@hotmail.com
d
Facultad de Enfermería. malureyes33@hotmail.com
3 Facultad de Odontología. Universidad Alas Peruanas. Filial Ica-Perú. luzmilareyes4@yahoo.com
Author for correspondence: george.argota@gmail.com
ABSTRACT
e aim of study was to propose a learning model for the generation and cognitive technological reach in biomedicine.
From the key words: learning model, cognitive technology domain, biomedicine on the ScienceDirect platform, a search
was made of the last three complete years (2018, 2017, 2016) and published work until the present date of 2019.
Only the research articles and the journals were considered: Computer Methods and Programs in Biomedicine; Future
Generation Computer Systems, Computer Science Procedures, Computers in Biology and Medicine, Data & Knowledge
Engineering, Technological Forecasting and Social Change, Social Science & Medicine. e Computer Methods and
Programs in Biomedicine journal presented the largest number of articles. ere were statistically signi cant di erences in
relation to the rest, but there were no articles that showed cognitive models for technological learning during professional
training. A model was proposed that starts with the mission of teaching that guides the priority social problems. ese, in
turn, make it possible to develop pedagogical approaches to generate technological information and cognitive technology
domain, which can be a guarantee during the process of professional training in the eld of biomedicine.
Keywords: biomedicine - educational models - technological revolution - social sustainability - university visibility
Biotempo (Lima)
doi:10.31381/biotempo.v16i2.2525
Revista Biotempo
Facultad de Ciencias Biológicas de la
Universidad Ricardo Palma
(FCB-URP)
ISSN Versión Impresa: 1992-2159; ISSN Versión Electrónica: 2519-5697
Volumen 15 (2) Julio - Diciembre 2018
LIMA / PERÚ
Revista Biotempo: ISSN Versión Impresa: 1992-2159; ISSN Versión electrónica: 2519-5697 Argota-Pérez et al.
160
INTRODUCCIÓN
La integridad, es exigencia en cualquier disciplina
cientíca y debe realizarse basado en los preceptos citables
del método cientíco (Rosvall & Bergstrom, 2008; Ding
et al., 2017) para su conabilidad (Shen & Barabási,
2014) y aparición de nuevos retos (Sinatra et al., 2015),
siendo más exigente en aquellas ramas asociadas con
el estudio de la vida y donde el respeto a la propiedad
intelectual resulta primordial (Álvarez et al., 2015).
En los últimos tiempos, ha tenido lugar la creciente
publicación de artículos cientícos basados en pronósticos
de desarrollo (Phillips & Linstone, 2016), pero sin duda
alguna, aspectos relacionados con la nanotecnología
(ej., nanomedicina, nanorobots) están a la vanguardia
(Moghimi, 2005; Islam & Miyazaki, 2009). Sin
embargo, algunos autores muestran optimismo por la
creencia exponencial hacia una total mejora de diversas
aspectos cotidianos (Grinin & Grinin, 2015) y por el
contrario, otros maniestan pesimismo a lo tecnológico
(Teulings & Baldwin, 2014) llegando a plantearse, ciertos
paradigmas sobre los argumentos tecnológicos (Wilenius
& Casti, 2014). Tanto en el sector público como privado,
el otorgamiento o acceso a nanciamientos con fondos
públicos contribuyen a los avances tecnológicos porque
no siempre es posible dicha razón (Ahmadpoor & Jones,
2017).
El campo de la biomedicina puede considerarse un
núcleo de revolución tecnológica donde se agrupa la
producción de datos moleculares, casos clínicos, genoma
humano, perles de expresión genética, imágenes de
alta gama o resolución, archivos de registros médicos
electrónicos entre otros (Torkamani et al., 2017), pero
el desconocimiento sobre el aprendizaje automático de
tecnologías en la propia formación profesional puede ser
limitante para el posterior desempeño. La orientación
de modelos que contribuyan a un enfoque particular y
holístico como guía para el aprendizaje quizás, posibilite
de manera rápida el reconocimiento sobre la necesidad
de alcanzar determinado dominio cognitivo tecnológico
(Gluyas et al., 2015).
El objetivo del estudio fue proponer un modelo de
aprendizaje para la generación y alcance cognitivo
tecnológico en biomedicina.
MATERIALES Y MÉTODOS
Se consideró el número de publicaciones registradas en
la plataforma digital y base de datos de ScienceDirect,
la cual permite consultar las publicaciones de la editorial
cientíco-académica Elsevier. La misma facilita textos
completos de revistas, capítulos de libros procedentes
de más de 2.500 revistas revisadas por pares (arbitraje)
y más de 11.000 libros. La plataforma presenta miles de
artículos y capítulos de modo que, la búsqueda se ltró
para los últimos tres años completos (2018, 2017, 2016),
además, de lo publicado en el presente año 2019. Se
consideró para la búsqueda, las palabras claves: “learning
model”, “cognitive technology domain” y “biomedicine”.
RESUMEN
El objetivo del estudio fue proponer un modelo de aprendizaje para la generación y alcance cognitivo tecnológico en
biomedicina. A partir, de considerar las palabras claves: learning model, cognitive technology domain, biomedicine en
la plataforma ScienceDirect se realizó una búsqueda de los últimos tres años completos (2018, 2017, 2016), además,
de lo publicado hasta la fecha del presente año 2019. Se consideró solamente el artículo de investigación y las revistas:
Computer Methods and Programs in Biomedicine; Future Generation Computer Systems, Procedia Computer Science,
Computers in Biology and Medicine, Data & Knowledge Engineering, Technological Forecasting and Social Change,
Social Science & Medicine. La revistas Computer Methods and Programs in Biomedicine presentaron el mayor número
de artículos, encontrándose diferencias estadísticamente signicativas con relación al resto pero, no se evidenció artículos
que mostraran modelos cognitivos para el aprendizaje tecnológico durante la formación profesional. Se propuso un
modelo que inicia con la misión de la docencia, orienta a los problemas sociales prioritarios y estos a su vez, posibilitan
desarrollar enfoques pedagógicos para generar información tecnológica y dominio cognitivo tecnológico pudiendo ser
una garantía durante el proceso de formación profesional en el campo de la biomedicina.
Palabras clave: biomedicina - modelos educativos - revolución tecnológica - sostenibilidad social - visibilidad universitaria
Learning model in biomedicine
161
El tipo de artículo que se consideró fue: artículo de
in
vestigación. Se buscó el título de las siguientes revistas:
Computer Methods and Programs in Biomedicine; Future
Generation Computer Systems, Procedia Computer Science,
Computers in Biology and Medicine, Data & Knowledge
Engineering, Technological Forecasting and Social Change,
Social Science & Medicine. Se utilizó el programa estadístico
Statgraphics Centurion 18 para el tratamiento de los datos.
La comparación se realizó mediante el análisis de varianza
(ANDEVA) considerando la homogeneidad entre el número
de publicaciones por revistas mediante la prueba de contraste
múltiple de Bonferroni. Los resultados fueron signicativos
cuando p<0,05.
Aspectos éticos
Se consideró como aspecto ético en la investigación lo
siguiente:
Se muestra la distribución del número de resultados
observados en la plataforma ScienceDirect por año, tipo
de artículo y el título de la revista (Figura 2).
Figura 2. Distribución del número de resultados
encontrados / ScienceDirect.
1. Derechos
a) Reconocimiento de la información cientíca para su
benecio social mediante el constructivismo profesional.
b) Indicación sobre la negación, si se estima conveniente
por parte de los profesionales identicados según su
competencia, a participar en el estudio.
2. Deberes
a) Aplicación de los resultados dado el reconocimiento
sobre espacios de diálogo.
b) Excluir toda posibilidad de engaños indebidos,
inuencia o intimidación para la comunicación
cientíca de los resultados.
RESULTADOS Y DISCUSIÓN
Se muestra la búsqueda de información cientíca en la
plataforma ScienceDirect donde se reportaron un total de
40 resultados (Figura 1).
La tabla 1 muestra, el número de publicaciones
correspondiente a cada año por revista donde hubo
diferencias estadísticamente signicativas (p<0,05) entre
ellos (tabla 2).
Tabla 1. Número de artículos por título de revista y años.
Título de la
revista 2019 2018 2017 2016 Total
1 3 6 7 4 20
2 4 1 1 5
3 4 2 6
4 1 1 2
5 2 2
6 1 1 2
7 1 1 3
Computer Methods and Programs in Biomedicine (1);
Future Generation Computer Systems (2), Procedia
Computer Science (3), Computers in Biology and
Medicine (4), Data & Knowledge Engineering (5),
Technological Forecasting and Social Change (6), Social
Science & Medicine (7).
Figura 1. Número de resultados encontrados / ScienceDirect.
Revista Biotempo: ISSN Versión Impresa: 1992-2159; ISSN Versión electrónica: 2519-5697 Argota-Pérez et al.
162
Atendiendo que, la revista Computer Methods and
Programs in Biomedicine agruparon el mayor número
de artículos se procedió a la identicación de sus títulos
(tabla 3).
Se revisó aquellos títulos que al parecer por sus etiquetas
podrían guardar mayor relación con la pretensión de
hallar un modelo que describa, avances de la tecnología en
biomedicina pero basado en interacciones de aprendizaje
para la formación profesional y no se encontró. Asimismo,
ante otras lecturas que considerándose la necesidad de
identicar variables que orienten la manera que generar
criterios para alcanzar domino cognitivo tecnológico se
diseñó un modelo (Figura 3).
Tabla 2. Análisis de varianza y contraste múltiple.
Fuente de Variación Suma de Cuadrados Grados de
libertad
Cuadrado
Medio
Cociente de
Fisher
Valor de
Probabilidad
Entre grupos 543,0 3 181,0 181,00 0,00
Intra grupos 8,0 8 1,0
Total (Corr,) 551,0 11
Año Grupos Homogéneos
2016 a
2018 ab
2017 b
2019 c
Letras (a, b, c) indican homogeneidad entre grupos.
Tabla 3. Título por revista.
No Título
1An automatic diagnostic network using skew-robust adversarial discriminativedomainadaptation to evaluate
the severity of depression
2 Fine-grained leukocyte classication with deep residuallearningfor microscopic images
3 Deep generativelearningfor automated EHR diagnosis of traditional Chinese medicine
4 Recognition of emotions using multimodal physiological signals and an ensemble deeplearningmodel
5 A happiness degree predictor using the conceptual data structure for deeplearningarchitectures
6 A YinYang bipolar fuzzycognitiveTOPSIS method to bipolar disorder diagnosis
7 Subject-based discriminative sparse representationmodelfor detection of concealed information
8 A ℓ2, 1 norm regularized multi-kernellearningfor false positive reduction in Lung nodule CAD
9Computer Aided Diagnosis System for multiple sclerosis disease based on phase to amplitude coupling in
covert visual attention
10 Modelingand control of operator functional state in a unied framework of fuzzy inference petri nets
11 Resolving complex research data management issues in biomedical laboratories: Qualitative study of an
industry–academia collaboration
12 Keyframe extraction from laparoscopic videos based on visual saliency detection
13 An Alzheimers disease related genes identication method based on multiple classier integration
14 A remote quantitative Fugl-Meyer assessment framework for stroke patients based on wearable sensor networks
15 Generating region proposals for histopathological whole slide image retrieval
16 Sparse registration of diusion weighted images
17 Decision support in addiction: e development of an e-health tool to assess and prevent risk of fatal overdose.
e ORION Project
18 Wavelet coherence-based classier: A resting-state functional MRI study on neurodynamics in adolescents
with high-functioning autism
19 An eective method for computerized prediction and segmentation of multiple sclerosis lesions in brain MRI
20 A real-time method to reduce ballistocardiogram artifacts from EEG during fMRI based on optimal basis sets (OBS)
Lo en negritas indica las palabras claves.
Learning model in biomedicine
163
Dubinina et al. (2015) indicaron que, la base del
conocimiento, es construir una representación de la
situación problemática y si algunos modelos aunque
muestren comunicación inadaptada pero resultan ecaces
y exibles que permitan la improvisación para una
solución práctica, entonces pueden ser empleados en la
enseñanza a los alumnos y docentes.
El modelo propuesto transita desde la misión universitaria
de la docencia quien orienta a los problemas sociales
La capacidad tecnológica constituye una agenda de
interés centralizada en los últimos años para cualquier
investigación (Dutrénit et al., 2013) donde se reconoce
que, en la medida de aumentar las fuentes de construcción
del aprendizaje, los niveles de capacidad tecnológica
resultan más desconocidos (Figueiredo et al., 2013) y
cuando se adolece de una cultura de pensamiento con
entrenamiento sin duda alguna, es más complicado.
El trabajo con modelos guías posibilita, no solo ver en
qué fase de desarrollo o avance se encuentra la formación
profesional. Además, brinda la oportunidad de trazar
estrategias para arribar a determinado dominio en
cualquier escenario de la biomedicina. Debido al uso
cotidiano de dispositivos que están modicando de
manera acelerada los aspectos socioculturales (Pimmer et
al., 2016), el modo de usar e intercambiar información
ha sido replanteada (Shuib et al., 2015).
Este hecho muestra que se debe preparar desde el
esquema integral competitivo, donde se aborden aspectos
clásicos pero al mismo tiempo, agrupen el acercamiento
prioritarios y luego, éstos posibilitan desarrollar enfoques
pedagógicos para generar información tecnológica y
dominio cognitivo tecnológico pudiendo ser una garantía
en el proceso de formación profesional para el campo
de la biomedicina. Si bien es cierto que se reconocen
los aportes en diversas áreas de la biomedicina, quizás
sea signicativamente bajo el número de profesionales
que interactúan de forma eciente con las tecnologías
disponibles siendo operado en múltiples casos por otros
profesionales y técnicos.
a las constantes tendencias. El modelo propuesto, así lo
establece y donde puede ser adoptado para su evaluación
en el campo de la biomedicina.
REFERENCIAS BIBLIOGRÁFICAS
Ahmadpoor, M. & Jones, B.F. 2017. e dual frontier:
Patented inventions and prior scientic advance.
Science, 357: 583–587.
Álvarez, A.D.F.; Salazar, O.E. & Padilla, H.J.C. 2015.
Teoría de la propiedad intelectual. Fundamentos
en la losofía, el derecho y la economía. Civilizar,
15: 61-76.
Ding, C, G.; Hung, W.C.; Lee, M.C. & Wang, H.J. 2017.
Exploring paper characteristics that facilitate
the knowledge ow from science to technology.
Journal of Informetrics, 11: 244–256.
Figura 3. Modelo de aprendizaje para la generación y alcance cognitivo tecnológico.
Revista Biotempo: ISSN Versión Impresa: 1992-2159; ISSN Versión electrónica: 2519-5697 Argota-Pérez et al.
164
Dubinina, I.; Berestneva, O. & Sviridov, K. 2015.
Educational technologies for forming
intellectual competence in scientic research
and engineering business. Procedia - Social and
Behavioral Sciences, 166: 317–324.
Dutrénit, G.; Lee, K.; Nelson, R.; Vera, C.A. & Soete,
L. 2013. Learning, Capability Building and
Innovation for Development for Development.
Palgrave Macmillan, New York.
Figueiredo, P.; Cohen, M. & Gomes, S. 2013. Firms’
innovation capability-building paths and the
nature of changes in learning mechanisms:
Multiple case-study evidence from an emerging
economy. In: UNU-MERIT Working Papers
(#2013–007).
Gluyas, F.R.I.; Esparza, P.R.; Romero, S.Ma.C. &
Rubio, B.J.E. 2015. Modelo de educación
holística: una propuesta para la formación del
ser humano. Revista Actualidades Investigativas
en Educación, 15: 1-25.
Grinin, L.E & Grinin, A.L. 2015. Global technological
perspectives in the light of cybernetic revolution
and theory of long cycles. Journal Glob Studies,
6: 119–142.
Islam, N. & Miyazaki, K. 2009. Nanotechnology
innovation system: understanding hidden
dynamics of nanoscience fusion trajectories.
Technological Forecasting and Social Change,
76: 128–140.
Moghimi, S.M. 2005. Nanomedicine: current status
and future prospects. Federación de Sociedades
Americanas para la Biología Experimental, 19:
311–330.
Phillips, F. & Linstone, H. 2016. Key ideas from a 25-year
collaboration at technological forecasting & social
change. Technological Forecasting and Social
Change, 105: 158–166.
Pimmer, C.; Mateescu, M. & Gröhbiel, U. 2016. Mobile
and ubiquitous learning in higher education
settings. A systematic review of empirical
studies. Computers in Human Behavior, 63:
490–501.
Rosvall, M. & Bergstrom, C.T. 2008. Maps of random
walks on complex networks reveal community
structure. Proceedings of the National Academy
of Sciences, 105: 1118–1123.
Shen, H.W. & Barabási, A.L. 2014. Collective credit
allocation in science. Proceedings of the
National Academy of Sciences United States of
America, 111: 12325–12330.
Shuib, L.; Shamshirband, S. & Ismail, M.H. 2015. A
review of mobile pervasive learning: Applications
and issues. Computers in Human Behavior, 46:
239–244.
Sinatra, R.; Deville, P.; Szell, M.; Wang, D. & Barabási,
A.L. 2015. A century of physics. Nature Physics,
11: 791–796.
Teulings, C. & Baldwin, R. (Eds,). 2014. Secular Stagnation:
Facts, Causes, and Cures. CEPR, London
Torkamani, A.; Andersen, K.G.; Steinhubl, S.R & Topol,
E.J. 2017. High-Denition Medicine. Cell,
170: 828–843.
Wilenius, M. & Casti, J. 2014. Seizing the X-events. e
sixth K-wave and the shocks that may upend it.
Technological Forecasting and Social Change,
94: 335–349.
Received May 27, 2019.
Accepted October 26, 2019.
