Revista de Ciencias Sociales (RCS)
Vol. XXXII, No. 1, Enero - Marzo 2026. pp.
208-219
FCES - LUZ ● ISSN: 1315-9518 ● ISSN-E: 2477-9431
Como citar: Mejía-Peñafiel, E. F.,
Aguilar-Reyes, J. E., Morocho-Barrionuevo, T. P., y García-Veloz, M. J. (2026).
Metodología de implementación de un Dashboard en Power BI para el aprendizaje
sistémico de estudiantes universitarios. Revista De Ciencias Sociales,
XXXII(1), 208-219.
Metodología de implementación
de un Dashboard en Power BI para el aprendizaje sistémico de estudiantes
universitarios
Mejía-Peñafiel, Edwin Fernando*
Aguilar-Reyes,
Johanna Enith**
Morocho-Barrionuevo,
Tania Paulina***
García-Veloz,
Marlene Jacqeline****
Resumen
La
inteligencia de negocios hace uso de los dashboard para presentar resultados a
los gerentes y/o jefes de instituciones del mundo y es así como en Ecuador se
está usando estos objetos como una toma de decisiones dentro de los negocios.
Particularmente realizar un dashboard a partir de una base de datos planteada
tiene una gran importancia para los ingenieros estadísticos, ingenieros
informáticos, estadísticos y todos los profesionales inmiscuidos en este
proceso. Este trabajo tuvo como objetivo, desarrollar una metodología para
crear un dashboard que permita a los estudiantes de manera profesional y
sencilla poder presentar resultados con tablas y gráficos estadísticos en Power
BI como una página web interactiva. El enfoque metodológico empleado es el
cuantitativo, con un diseño de campo y una investigación descriptiva. Entre los
hallazgos se destaca los resultados óptimos y de buena calidad en la aplicación
del dashboard, permitiendo concluir que es pertinente para un aprendizaje
sistémico en los estudiantes de Ingeniería Estadística.
Palabras clave: Base de datos; panel;
Power BI; página web interactiva; aprendizaje sistémico.
* Magíster en Informática Aplicada. Especialista en Inteligencia Artificial. Ingeniero en Sistemas. Docente Investigador en la Escuela Superior Politécnica de Chimborazo (ESPOCH), Riobamba, Chimborazo, Ecuador. E-mail: efmejia@espoch.edu.ec ORCID: https://orcid.org/0000-0001-6888-4621
** Magister en Gestión y Liderazgo Educacional. Magister en Estadística Aplicada. Ingeniera en Estadística Informática. Docente Investigadora en la Escuela Superior Politécnica de Chimborazo (ESPOCH), Riobamba, Chimborazo, Ecuador. E-mail: johannae.aguilar@espoch.edu.ec ORCID: https://orcid.org/0000-0002-1230-2503
*** Magister en Estadística Aplicada. Biofísica. Docente Investigadora en la Escuela Superior Politécnica de Chimborazo (ESPOCH), Riobamba, Chimborazo, Ecuador. E-mail: tpaulina.morochob@espoch.edu.ec ORCID: https://orcid.org/0000-0002-1019-6049
**** Magíster en Auditoria Integral. Ingeniera en Administración de Empresas. Docente Investigadora en la Escuela Superior Politécnica de Chimborazo (ESPOCH), Riobamba, Chimborazo, Ecuador. E-mail: marlene.garcia@espoch.edu.ec ORCID: https://orcid.org/0000-0002-9996-1594
Recibido: 2025-09-11 • Aceptado: 2025-11-29
Methodology for implementing a Power BI dashboard for systemic learning among university students
Abstract
Business intelligence utilizes dashboards to present results to managers and/or heads of institutions worldwide, and in Ecuador, these tools are being used to support business decision-making. Creating a dashboard from a given database is of great importance for statistical engineers, computer engineers, statisticians, and all professionals involved in this process. This project aimed to develop a methodology for creating a dashboard that allows students to professionally and easily present results with statistical tables and graphs in Power BI as an interactive web page. The methodological approach used was quantitative, with a field research design and descriptive research. Among the findings, the optimal and high-quality results obtained from the dashboard application stand out, leading to the conclusion that it is relevant for systemic learning among statistical engineering students.
Keywords: Database; dashboard; Power BI; interactive website; systemic learning
Introducción
Desde
el nacimiento de la informática se ha tenido en mente presentar en términos
estadísticos tablas y gráficos que representen lo que se está realizando dentro
de una empresa o institución. En ese sentido, los estudiantes de la Escuela
Superior Politécnica de Chimborazo (ESPOCH) en Ecuador, inmiscuidos en este
proceso de calidad tienen su espacio de investigación dentro de cada uno de los
proyectos que realiza la institución, por ende, ellos se siguen formando en
este ambiente con soluciones dentro de diferentes herramientas como R Shiny, Power BI,
Microsoft Excel y otros.
La
inteligencia de negocios tiene un avance dentro de la generación de Dashboards, que son “mecanismos de representación
visual utilizados en un sistema de medición operativo de rendimiento, que mide
el desempeño contra objetivos y umbrales usando datos de tiempo adecuado”
(Kerzner, 2022, p. 201).
El
objetivo principal de este artículo es construir un dashboard
en Power BI usando una metodología que
permita hacer este proceso de manera confiable, con calidad y de manera
sencilla, usando las herramientas que se tengan al alcance, dentro de una
empresa, con la intención de mejorar y ser más asertivo a la hora de tomar las
decisiones.
En
ese orden de ideas y, según los planteamientos de Mejía et al. (2020):
Los
efectos se manifiestan principalmente en las empresas con nuestros empleados y
en el mundo educativo con nuestros estudiantes y docentes, donde todo debe ser
revisado: desde la razón de ser de la empresa y demás instituciones educativas
del orden superior, hasta la formación básica que debemos tener las personas,
la forma de enseñar y de aprender, las infraestructuras y los medios que
utilizamos para ello, la estructura organizativa de los centros y su cultura.
(p. 168)
Ahora
bien, la relevancia de este trabajo, radica en la posibilidad de resolver un
problema con datos históricos de los estudiantes, cuyas notas y ubicación, se
presentarán en un dashboard, contrastando cuáles
serían las ventajas de usar esa metodología, en relación con prescindir de
ella. El objetivo, además, implica definir la estructura y significado que son
necesarios para la construcción de un dashboard con
adiestramiento y práctica.
1.
Fundamentación teórica
Desde
el punto de vista teórico, y, a efectos de este artículo, es conveniente tener
presente los fundamentos de la gestión del conocimiento y, en su contexto, de
la inteligencia de negocios la cual, según Ahumada-Tello et al. (2012), se
refiere a un conjunto de estrategias, acciones y herramientas que tienen su
enfoque en la creación y organización de conocimiento con un análisis de datos
dentro de cada institución o empresa.
Esa
misma teoría plantea a los dashboard como una
herramienta de gestión de la información, que monitoriza, analiza y muestra de
manera visual los indicadores clave de desempeño (KPI), métricas y datos
fundamentales para hacer un seguimiento del estado de una empresa, un
departamento, una campaña o un proceso específico (Ortiz, 2025). Así mismo,
para el desarrollo de estos planteamientos, es importante comprender los usos
de las páginas web interactivas como los
espacios en “que los usuarios pueden interactuar con los diferentes elementos
del sitio web y tener una experiencia de usuario que no se limita a hacer clic
y desplazarse” (Cdemon, 2021, párr. 1). Esto anima a los visitantes a
interactuar con los distintos elementos, lo que aumenta el tráfico y puede
ayudar a generar ventas (Cerna-Salirrosas et al., 2023).
En
lo que respecta a otros rasgos conceptuales importantes en el desarrollo del
artículo, conviene tener claras algunas definiciones del ámbito de la
programación, comenzando por entender que, de acuerdo con Pazmiño-Armijos et
al. (2019); y, AulaScript (2021), un programa alude a una serie de
instrucciones que se da a un sistema para que haga las tareas que el usuario,
en este caso, el alumnado, quiere hacer. En esa área, entran también; el
lenguaje de programación R, considerado un
entorno de software libre (licencia GNU GLP)
y lenguaje de programación interpretado, es decir, ejecuta las instrucciones
directamente, sin una previa compilación del programa a instrucciones en
lenguaje máquina (UNIR, 2019).
R Studio por su parte, es un entorno de desarrollo
integrado (IDE) para el lenguaje de programación R,
está dedicado para realizar análisis estadísticos y
gráficos. Dentro de su interfaz tiene varias ventanas como: La ventana de script, donde se realiza el código de R; la ventana de consola, donde se ejecutan los scripts; la ventana de ver variables, así como
herramientas para la gestión del espacio de trabajo (Ferrero, 2018).
En
ese mismo sentido, “los paquetes en R son colecciones de funciones y conjunto
de datos desarrollados por la comunidad” (Sánchez, 2024, p. 117). Shiny, destaca como un package
de R que “facilita la creación de
aplicaciones web y gráficos interactivos
directamente desde R” (Datascience, 2024, párr. 1). Puede alojar aplicaciones
independientes en una página web o
incrustarlas en documentos R Markdown o crear cuadros de mando usables desde R Studio (Quality Analytics, 2023)
Respecto
al paquete en R, a decir de Lira y Lira
(2021), lo definen como un paquete que agrupa funciones y datos que se
acompañan con documentación y ejemplos (de ahí la necesidad de incluir datos en
los paquetes). Igualmente, las Librerías en R, son conjuntos de funciones y datos que facilitan
la programación de diferentes tareas y análisis (Guijarro, 2024).
Una
dimensión teórica adicional para tomar en cuenta, es la programación
estructurada que, según la UNIR (2022), es una teoría orientada a mejorar la
claridad, calidad y tiempo de desarrollo utilizando únicamente subrutinas o
funciones. Basada en el teorema del programa estructurado propuesto por Böhm y
Jacopini, ha permitido desarrollar software
de fácil comprensión.
Finalmente,
entre los conceptos fundamentales inherentes a esta investigación se puede
señalar la Power Bi, concebida como una
herramienta de análisis de datos y visualización desarrollada por Microsoft. Permite a los usuarios conectar,
transformar y visualizar datos de diversas fuentes para crear informes
interactivos y paneles de control (dashboards)
(Microsoft, 2024).
2.
Metodología
La
investigación que sustenta el artículo, se puede considerar de tipo descriptiva
(Hernández et al., 2014) e incluye un análisis con el uso de la metodología y
sin el uso de la metodología, en los estudiantes de cuarto semestre de la
carrera de estadística de la ESPOCH en el Ecuador. El enfoque metodológico
empleado es el cuantitativo debido a que es el más adecuado en el contexto de
la recolección de la información para los puntos de vista de cada estudiante
involucrado en el proceso.
2.1.
Participantes
Las
personas involucradas en esta investigación son los estudiantes de cuarto
semestre de la asignatura de base de datos de la carrera de estadística y el
docente que la imparte. Los estudiantes realizan los dashboard de una manera empírica, entonces se formó
2 grupos de 7 estudiantes cada uno, en los cuáles se analiza quienes de los
grupos la realizan de mejor manera con el uso de la metodología y sin el uso de
la metodología.
El
tipo de investigación es descriptiva dado que se realiza un análisis con el uso
de Metodología de Implementación de un Dashboard
en Power BI y, sin esa metodología, en los
estudiantes de cuarto semestre de la carrera de estadística de la ESPOCH en el
Ecuador. Así mismo, el enfoque metodológico empleado es el cuantitativo debido
a que es el más adecuado en el contexto de la recolección de la información
para los puntos de vista de cada estudiante involucrado en el proceso.
Específicamente, en cuanto a la Implementación de un Dashboard en Power BI,
el proceso metodológico, se ilustra en la Figura I.
Fuente: Elaboración propia, 2025.
Figura I: Metodología propuesta
2.2.
Proyecto propuesto
Se
pretende realizar un dashboard con
presentación de un análisis estadístico en tablas y gráficos con los objetos o widgets que tiene Power
BI referente a los estudiantes de cuarto semestre de ingeniería
estadística de la ESPOCH del periodo octubre 2023 – marzo 2024, esta
metodología es una propuesta modelo para realizar dashboard
de manera sencilla y de calidad y que busca en cada estudiante un aprendizaje
significativo para mejorar su cultura de desarrollo e investigación en este
campo. En atención a esto, los grupos de estudiantes se dividieron como se
muestra en el Cuadro 1
Cuadro 1
Distribución de estudiantes
|
Tipo
de Metodología |
No. de
Estudiantes |
|
Metodología
tradicional |
7 |
|
Metodología
propuesta |
7 |
Fuente:
Elaboración
propia, 2025.
Una
vez conformados los grupos, se procedió a la operacionalización de la
propuesta, teniendo a un grupo experimental, a quienes se le aplicó la
metodología; mientras al grupo control se trabajó de manera tradicional. Así,
como se muestra en el Cuadro 2, la idea es resolver el problema de un histórico
de estudiantes que pertenecen a la misma institución educativa, con
calificaciones de acuerdo con la provincia, cantón y parroquia. Siendo así, se
plantean los requisitos del dashboard así
como sus elementos dependiendo de las situaciones que se describen en este
cuadro.
Cuadro 2
Total de páginas y sus objetos
|
No.
Páginas |
Tablas |
Gráficos |
Otros |
|
1 |
X |
X |
Imagen de título, Imagen de cuerpo, Menú de
páginas. |
|
2 |
Si |
Si |
Menú de páginas, Filtro de datos, Total de
estudiantes. |
|
3 |
No |
Si |
Menú de páginas, Filtro de datos. |
|
4 |
No |
Si |
Menú de páginas, Filtro de datos. |
|
5 |
No |
Si |
Menú de páginas, Filtro de datos |
|
6 |
No |
No |
Menú de páginas, Filtro de datos, Uso dinámico
de datos. |
|
7 |
No |
No |
Menú de páginas, Filtro de datos, Uso de
mapas. |
Fuente: Elaboración propia, 2025.
Por
otra parte, en la Figura II, se encuentra el diseño de la base de datos que se
considera una herramienta valiosa para transformar datos crudos en información
útil y comprensible.
Fuente: Elaboración propia, 2025.
Figura II: Modelo relacional de base de datos
a.
Diseño del dashboard
Para
el diseño del dashboard se tomó en cuenta la
forma y manera de exponer un análisis estadístico dentro de los mismos, se
tiene: Análisis de la fuente de información; selección de los datos y;
estructura de los datos.
b.
Construcción del dashboard
La
herramienta que se va a utilizar para presentar los datos es Power BI de Microsoft,
la cual permite de manera fácil y directa la presentación de resultados para la
toma de decisiones. Existen en el mercado otras herramientas como Qlik, Tableau y SAP que son herramientas analíticas completas con
una manera fácil de presentar los datos para un dashboard.
Otras como Bittle, ClicData, DashZen,
son herramientas que tienen su manera de proceder de forma online dentro de la nube.
c.
Seleccionar la forma o manera de presentar un menú
Para
esto debe existir un acuerdo entre quienes van a diseñar el menú dentro del
dashboard. Existen diferentes tipos de menú de los cuáles para este trabajo de
investigación se escogió el menú con botones verticales, de acuerdo con el
número de páginas, tal como se muestra en la Figura III.
Fuente: Elaboración propia, 2025.
Figura III: Menú de forma vertical con dos imágenes
d.
Seleccionar tipos de Tablas y Gráficos
En
la Figura IV, se puede observar, los estudiantes que se han exonerado y que han
perdido el semestre en un periodo de tiempo y, se presentan varios años. Así,
la primera página muestra diferentes datos para tener una perspectiva general,
dividida en fila, columnas y cuadrantes.
Fuente: Elaboración propia, 2025.
Figura IV: Página١ y la presentación de resultados
e.
Pruebas
Se
realizan pruebas para demostrar que el dashboard
cumple con los requisitos funcionales y no funcionales definidos. Las
estrategias de pruebas de software
proporcionan una guía que describe los pasos que deben realizarse como parte de
las pruebas. Estas deben incorporar la planificación de la prueba, el diseño de
casos de prueba, la ejecución de la prueba, así como la recolección y
evaluación de los resultados (Pressman, 2010).
3.
Resultados y discusión
La
metodología propuesta ha demostrado una mejora del 15% en la precisión de
predicción comparada con la metodología tradicional, además de una reducción
del 10% en el tiempo de procesamiento. Estos resultados se basan en una serie
de experimentos realizados en un conjunto de datos de prueba compuesto por
1.400 muestras, es decir 100 muestras por cada individuo dentro del análisis.
En relación con el contraste de los resultados, según el tipo de metodología
empleada con los grupos, en el Cuadro 3, se ilustra la comparación, en cuanto a
precisión y tiempo de procesamiento.
Cuadro 3
Comparación de las metodologías
|
Tipo
de Metodología |
Precisión
(%) |
Tiempo
Proc. (seg) |
|
Metodología
Tradicional |
75 |
40 |
|
Metodología
Propuesta |
90 |
30 |
Fuente: Elaboración propia, 2025.
En
el Gráfico I, se muestra la mejora de la precisión de las metodologías
analizadas, pudiendo observarse que la precisión del dashboard usando la metodología propuesta es mayor
a la del dashboard usando la metodología
tradicional.
Fuente: Elaboración propia, 2025.
Gráfico I: Comparación de precisión entre metodologías
En
el Gráfico II, se muestra la comparación de tiempo de procesamiento de cada uno
de los dashboard según el tipo de metodología
que se utiliza para cada segmento. Entonces se puede decir que el dashboard usando la metodología propuesta tiene un
tiempo de procesamiento menor que el que usa la metodología tradicional.
Fuente: Elaboración propia, 2025.
Gráfico II: Comparación de tiempo de procesamiento entre
metodologías
En
cuanto al análisis estadístico, se procedió a aplicar la Prueba t de Precisión, para comparar la precisión entre
los dos métodos, para muestras independientes. Esta prueba evalúa si hay una
diferencia significativa entre las medias de dos grupos, los cálculos se
muestran en la Figura V.
Fuente: Elaboración propia, 2025.
Figura V: Cálculos de la Prueba t de precisión
Al
observar el resultado de la prueba se evidencia que, el valor calculado del
estadístico t es -150.15 (ver Figura V).
Comparado con un valor crítico t para df=1398
a un nivel de significancia común (por ejemplo, 0.05), el valor absoluto de
-150.15 es mucho mayor que el valor crítico, indicando que la diferencia en
precisión entre los dos métodos es estadísticamente significativa.
Conclusión: El p-valor asociado con un t de -150.15 es mucho menor que 0.05, lo que indica
que la mejora en la precisión utilizando la metodología propuesta es
estadísticamente significativa.
El
proceso de aprendizaje del estudiante desde su origen del problema hasta la
presentación de resultados se llevó de la misma manera a los 2 grupos para que
no exista ninguna interpretación errónea del análisis. Esto significa que a los
14 estudiantes se dio clases en la misma situación, pero el tipo de metodología
para resolver este problema cambió para cada grupo. Todos los estudiantes
sabían cómo presentar resultados en Power BI
con bases de datos relacionales y uso del lenguaje de programación R. Esto es de gran importancia a la hora de dar
resultados como los presentados anteriormente.
Es
importante señalar que esta metodología propuesta tiene complejidad en el
momento de generar los dataware house y el
uso de SQL dentro de las bases de datos relacionales y obtener el resultado
deseado. Estos resultados sugieren que la metodología propuesta no solo ofrece
una mejora significativa en la precisión de predicción, sino que también reduce
considerablemente el tiempo de procesamiento. Esto tiene implicaciones
importantes para aplicaciones en tiempo real, donde tanto la precisión como la
rapidez son cruciales.
En
comparación con la metodología tradicional, la metodología propuesta utiliza un
enfoque innovador de preprocesamiento de datos y optimización de algoritmos con
objetos de Power BI y el uso de base de datos
relacionales que contribuyen a estos resultados. Sin embargo, es importante
considerar que los experimentos se realizaron en un entorno controlado, y se
recomienda realizar pruebas adicionales en escenarios del mundo real para
validar la metodología con estos datos generales dentro de los hallazgos. Como
trabajos futuros se propone realizar dashboard
aplicados a empresas e instituciones aplicando esta metodología y que se adapte
a datos en tiempo real.
Conclusiones
En
este artículo se propone una de las metodologías con sus pasos a seguir para
realizar dashboard con el uso de bases de
datos relacionales usando Power BI y lenguaje
de programación R. Esta metodología fue
aplicada en el aprendizaje de los estudiantes de cuarto semestre de la carrera
de estadística de la ESPOCH, partiendo de las bases de datos relacionales y
terminando con la presentación de resultados en Power
BI. Para poder aplicar esta metodología el estudiante debe conocer el
significado de los temas anteriormente descritos usando inteligencia de
negocios y todo lo que implica esto, pero con la misma podrán resolver
cualquier problema de este tipo.
La
metodología propuesta ha demostrado ser superior a la metodología tradicional
en términos de precisión y eficiencia. Su implementación puede potencialmente
beneficiar aplicaciones críticas que requieren alta precisión y procesamiento
rápido. Futuras investigaciones deberían explorar la aplicación de la
metodología propuesta hacia dashboard con uso
de inteligencia artificial en diferentes contextos y con diversos conjuntos de
datos para confirmar su versatilidad y robustez.
Llegados
a este punto se puede considerar que el estudio permite develar las
potencialidades de la metodología puesta a prueba y, en consecuencia, la
necesidad de innovar metodológicamente en este tipo de espacios para que los
estudiantes puedan ser favorecidos por estas innovaciones. Sin embargo, el
estudio está limitado por el alcance de los resultados porque su focalización
se reduce al contexto en el cual se realizó el contraste.
Precisamente,
las limitaciones de la investigación, permiten avizorar las perspectivas para seguir
investigando en el área, siempre y cuando se mantenga la rigurosidad
metodológica y, se puedan ampliar el número de datos utilizados en la
implementación de la metodología referida a la Implementación de un Dashboard en Power BI
para el aprendizaje sistémico
Referencias bibliográficas
Ahumada-Tello,
E., Zárate, R. E.., Plascencia, I., y Perusquia, J. M. A. (2012). Modelo de
competitividad basado en conocimiento: El caso de las pymes del sector de
tecnologías de información en Baja California. Revista
International Administración & Finanzas, 5(4),
13-27. https://access.portico.org/Portico/auView?auId=ark:%2F27927%2Fphz8nwzt7bm
AulaScript
(2021). ¿Qué es un programa? AulaScript.
https://www.aulascript.com/programar/programas.htm
Cdemon
(16 de febrero de 2021) ¿Qué es un sitio web
con contenido interactivo? Cdemon. https://www.cdmon.com/es/blog/que-es-un-sitio-web-con-contenido-interactivo
Cerna-Salirrosas,
K. Y., Duran-Llaro, K. L., Genovez-Aburto, W. E., y Aguilar-Aguirre, F. G.
(2023). El beneficio del uso de las herramientas web en el sector educativo. Koikonia,
VIII(2), 234-251. https://doi.org/10.35381/r.k.v8i2.2874
Datascience
(2024). Espacio de recursos de ciencia de datos. Datascience-UOC. https://datascience.recursos.uoc.edu/es/shiny/#:~:text=Shiny%20es%20un%20package%20de,mando%20usables%20desde%20R%20Studio
Ferrero,
R. (2018). Guía rápida entorno de desarrollo R Studio (IDE). Máxima
Formación. https://www.maximaformacion.es/blog-dat/guia-rapida-entorno-de-desarrollo-r-studio-ide/
Guijarro,
F. (2024). Tema 2. Introducción al lenguaje de programación R. RPubs. https://rpubs.com/fraguima/Tema02
Hernández,
S., Fernández, C., y Baptista, M. D. P. (2014). Metodología de la
Investigación. McGraw-Hill/ Interamericana Editores S.A. de C.V.
Kerzner, H. (2022). Project
Management Metrics, KPIs, and Dashboards: A guide to measuring and monitoring
project performance. Wiley.
Lira
Camargo, J., y Lira, L. G. (2021). Informática básica para todos: Iniciando
con la tecnología. Autoreseditores.com.
Mejia,
E. F., Rosero, R., y Villa, E. (2020). Use
of TICs in learning programming in the ESPOCH. KnE Engineering, 5(1), 166-179.
Microsoft
(2024). Mejorar un modelo de datos. Microsoft. https://powerbi.microsoft.com/es-es/guidedtour/power-platform/power-bi/2/1
Ortiz,
D. (9 de diciembre de 2025). ¿Qué es un
dashboard y para qué se usa? Cyberclick. https://www.cyberclick.es/numerical-blog/que-es-un-dashboard
Pazmiño-Armijos,
A. O., Jácome-Tinoco, J. R., Santillán-Mariño, C. J., y Freire-Quintanilla, M.
H. (2019). El uso de las TIC para el aprendizaje de la programación. Dominio
de las Ciencias, 5(1), 290-298. https://doi.org/10.23857/dc.v5i1.861
Pressman,
R. S. (2010). Ingeniería del software: Un enfoque práctico. McGraw-Hill Interamericana Editores S.A. de C.V.
Quality Analytics
(2023). Aplicaciones
web interactivas con Shiny de R. Quality Analytics. https://qualityanalytics.net/aplicaciones-web-interactivas-con-shiny-de-r/
Sánchez,
R. (2024). Ciencia de datos con R: Importa, ordena, transforma, visualiza,
comunica. Udemi.
UNIR
(29 de noviembre de 2019). Lenguaje R, ¿qué es y por qué es tan usado en big
data? UNIR. https://www.unir.net/ingenieria/revista/lenguaje-r-big-data/
UNIR (21 de junio de 2022). ¿Qué es la programación estructurada? UNIR. https://unirfp.unir.net/revista/ingenieria-y-tecnologia/programacion-estructurada/