Identificación y Medición de Deuda Técnica Autoadmitida en Herramientas de Aprendizaje Profundo: Una Revisión Sistemática
Innovación y Software · 30.09.2025 · 6 (2) · 171-191
DOI: 10.48168/innosoft.s24.a287 ↗Kurz gefasst
Fachartikel in der Zeitschrift Innovación y Software, online erschienen am 30.09.2025. Verfasst von Elizabeth Cuatecontzi Cuahutle und 3 weiteren Autor:innen. Die Arbeit nennt 30 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
La Deuda Técnica en el desarrollo de Software se refiere a las consecuencias de decisiones que priorizan soluciones rápidas sobre soluciones óptimas. Este concepto, introducido por Ward Cunningham en 1992, ha sido ampliamente estudiado para mejorar la calidad del software. En el contexto del aprendizaje profundo, la DT también está presente debido al uso de herramientas que, aunque facilitan la creación de modelos, pueden generar DT y afectar su rendimiento. Con un proceso de tres fases, este trabajo presenta una revisión sistemática de la literatura con el objetivo de identificar los tipos de DT presentes en herramientas de aprendizaje profundo, así como las técnicas empleadas para su identificación y medición. Los estudios revisados muestran que la DT puede aparecer en diversas fases del desarrollo, como el diseño, definición de requisitos, pruebas, documentación, código, algoritmos y compatibilidad. Además, se identifican aspectos adicionales afectados, tales como los datos, los modelos, el conocimiento y la infraestructura.Para identificar la DT, se han utilizado enfoques como el análisis de comentarios en código estático, pull requests y commits, aplicando técnicas manuales, minería de texto, redes neuronales y algoritmos de procesamiento de lenguaje natural. En cuanto a su medición, predominan los métodos estadísticos. Los hallazgos de esta revisión permiten comprender mejor cómo la DT impacta las herramientas de aprendizaje profundo y ofrecen una base para orientar investigaciones futuras sobre su gestión y mitigación en el desarrollo de sistemas inteligentes.
Zitieren
APA
Cuahutle, E. C., Barrera, M. G. M., Maldonado, R. C., & Avendaño, C. E. B. (2025). Identificación y Medición de Deuda Técnica Autoadmitida en Herramientas de Aprendizaje Profundo: Una Revisión Sistemática. Innovación y Software, 6(2), 171-191. https://doi.org/10.48168/innosoft.s24.a287
Vancouver
Cuahutle EC, Barrera MGM, Maldonado RC, Avendaño CEB. Identificación y Medición de Deuda Técnica Autoadmitida en Herramientas de Aprendizaje Profundo: Una Revisión Sistemática. Innovación y Software. 2025;6(2):171-191. doi:10.48168/innosoft.s24.a287
BibTeX
@article{Cuahutle2025,
author = {Cuahutle, Elizabeth Cuatecontzi and Barrera, María Guadalupe Medina and Maldonado, Raúl Cortés and Avendaño, Carlos Eduardo Bueno},
title = {Identificación y Medición de Deuda Técnica Autoadmitida en Herramientas de Aprendizaje Profundo: Una Revisión Sistemática},
journal = {Innovación y Software},
year = {2025},
volume = {6},
number = {2},
pages = {171--191},
doi = {10.48168/innosoft.s24.a287}
}
EUVIMED