Identificación de la percepción de los ingenieros civiles sobre el desarrollo y adopción de la inteligencia artificial para obras públicas

• Autor: Yula Inca, Carlos Ciro
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/28573
• Enlace del recurso: http://hdl.handle.net/20.500.14076/28573
• Nivel de acceso: acceso abierto
• Materia: Obras públicas; Inteligencia artificial (IA); Ingenieros civiles; Transparencia en el gobierno; https://purl.org/pe-repo/ocde/ford#2.01.01

La investigación realizada se enfoca en explorar el impacto de la inteligencia artificial (IA) en la transparencia y racionalidad de la obra pública. La introducción destaca la relevancia de explorar estos aspectos en un contexto donde la corrupción y la ineficiencia en la gestión de proyectos de infraestructura son desafíos significativos. El objetivo principal de la tesis es analizar cómo la implementación de la IA puede contribuir a mejorar la gestión y control de las obras públicas, con el propósito de aumentar la eficiencia en obra pública, sector que es crucial para el desarrollo del país. Para lograr este objetivo, se diseñaron y llevaron a cabo la aplicación de cuestionarios a ingenieros civiles, con el fin de medir sus percepciones, en relación con la transparencia y racionalidad en las obras públicas. Además, se empleó un enfoque metodológico que combinó técnicas descriptivas e inferenciales, así como modelos de regresión lineal para analizar la relación entre variables independientes (percepciones, expectativas, retos y oportunidades) y variables dependientes (transparencia y racionalidad). Los resultados obtenidos revelaron que la implementación de la inteligencia artificial tiene el potencial de impactar significativamente en la mejora de la transparencia y racionalidad en las obras públicas. Se identificaron factores clave que influyen en la percepción de los profesionales del sector, destacando la importancia de la confiabilidad de los datos y la validación de constructos para garantizar la eficacia de las medidas implementadas.