EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Geometría diferencial y topología aplicadas al aprendizaje profundo geométrico: fundamentos e implicaciones educativas para el pensamiento matemático y computacional

Jorge Javier Alvarez Sánchez, Bryan Francisco Ilbay Chavez, Silvana Mariela Cevallos Tituaña, Estefania Nicol Cevallos Tituaña, Isabel Leonor Rodríguez Lino

Sage Sphere of Technology, Sciences, Discoveries And Society · 2026

DOI: 10.63688/5b571j80 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Sage Sphere of Technology, Sciences, Discoveries And Society, 2026. Verfasst von Jorge Javier Alvarez Sánchez und 4 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

La geometría diferencial y la topología proporcionan fundamentos matemáticos relevantes para el análisis y la representación de datos no euclidianos dentro del aprendizaje profundo geométrico (Geometric Deep Learning). Esta revisión sistemática tuvo como objetivo analizar los aportes de la geometría diferencial y la topología que sustentan el aprendizaje profundo geométrico e identificar las implicaciones educativas que pueden derivarse para el desarrollo del pensamiento matemático y computacional. Se siguieron las directrices PRISMA 2020 mediante un enfoque cualitativo descriptivo-analítico. La búsqueda se realizó enScopus, Web of Science, IEEE Xplore, ScienceDirect, SpringerLink y Google Scholar. De 91 registros identificados inicialmente, 16 publicaciones académicas cumplieron los criterios de elegibilidad y fueron incluidas en el análisis final. Los resultados muestran que el aprendizaje profundo geométrico integra conceptos como grafos, variedades, mallas, simetrías, invariancia, equivariancia y estructuras topológicas para representar y procesar datos complejos. Las redes neuronales de grafos y las arquitecturas equivariantes permiten conservar propiedades estructurales y espaciales, mientras que los enfoques topológicos aportan información sobre la conectividad y organización global de los datos. Desde una perspectiva educativa, estos fundamentos permiten establecer conexiones entre matemáticas, inteligencia artificial y pensamiento computacional mediante procesos de abstracción, modelización, reconocimiento de patrones y resolución de problemas. Se concluye que la geometría diferencial y la topología constituyen un puente conceptual entre las matemáticas avanzadas y la inteligencia artificial, aunque se requieren mayores investigaciones educativas para diseñar y evaluar estrategias didácticas específicamente orientadas al Geometric Deep Learning.

Zitieren

APA

Sánchez, J. J. A., Chavez, B. F. I., Tituaña, S. M. C., Tituaña, E. N. C., & Lino, I. L. R. (2026). Geometría diferencial y topología aplicadas al aprendizaje profundo geométrico: fundamentos e implicaciones educativas para el pensamiento matemático y computacional. Sage Sphere of Technology, Sciences, Discoveries And Society. https://doi.org/10.63688/5b571j80

Vancouver

Sánchez JJA, Chavez BFI, Tituaña SMC, Tituaña ENC, Lino ILR. Geometría diferencial y topología aplicadas al aprendizaje profundo geométrico: fundamentos e implicaciones educativas para el pensamiento matemático y computacional. Sage Sphere of Technology, Sciences, Discoveries And Society. 2026. doi:10.63688/5b571j80

BibTeX
@article{Snchez2026,
  author = {Sánchez, Jorge Javier Alvarez and Chavez, Bryan Francisco Ilbay and Tituaña, Silvana Mariela Cevallos and Tituaña, Estefania Nicol Cevallos and Lino, Isabel Leonor Rodríguez},
  title = {Geometría diferencial y topología aplicadas al aprendizaje profundo geométrico: fundamentos e implicaciones educativas para el pensamiento matemático y computacional},
  journal = {Sage Sphere of Technology, Sciences, Discoveries And Society},
  year = {2026},
  doi = {10.63688/5b571j80}
}
Kostenlos starten →