LA EVOLUCIÓN DE LOS MÉTODOS DE MUESTREO EN LA ERA DE LA INTELIGENCIA ARTIFICIAL

• Autores: Salazar Pin, Ginger Elizabeth, Loor Palma, Lidia Noemi, Lopez Muentes, Nayeli Melissa, Gutierrez Villafuerte, Angi Yuleidi, Mosquera Miranda, Cristopher Joel
• Formato: artículo
• Fecha de Publicación: 2025
• Institución: Universidad Alas Peruanas
• Repositorio: Revistas - Universidad Alas Peruanas
• Lenguaje: español
• OAI Identifier: oai:revistas.uap.edu.pe:article/2864
• Enlace del recurso: http://revistas.uap.edu.pe/ojs/index.php/CYD/article/view/2864
• Nivel de acceso: acceso abierto

El avance de la inteligencia artificial ha transformado significativamente los métodos de muestreo, optimizando la selección y el análisis de datos en diversas áreas. Tradicionalmente, el muestreo ha sido una herramienta clave en estadística y aprendizaje automático; sin embargo, con el crecimiento exponencial de los datos, los métodos convencionales han mostrado limitaciones en eficiencia y precisión. En este contexto, el presente estudio tiene como objetivo analizar cómo la inteligencia artificial ha influido en la evolución del muestreo, identificando técnicas emergentes, evaluando su impacto en modelos predictivos y explorando sus apli caciones prácticas. A través de una revisión literaria sistemática y un análisis comparativo, se examinaron estrategias como el apren dizaje activo, las redes neuronales y el clustering inteligente. Los resultados evidenciaron que la IA mejora la representatividad de las muestras, reduce el sesgo y optimiza el tiempo de procesamiento en sectores como la salud, las finanzas y la investigación de mercado. No obstante, se identificaron desafíos relacionados con los costos computacionales y la infraestructura tecnológica necesaria para su implementación. Se concluye que el futuro del muestreo estará marcado por enfoques híbridos que combinen métodos tradicionales con inteligencia artificial, promoviendo técnicas más adaptativas y eficientes en la selección de datos.