1. Repositorio Digital UCSG
2. FACULTAD DE INGENIERÍA
3. Carrera de Computación
4. Trabajos de Titulación - Carrera de Computación

Título :	Desarrollo de una plataforma interactiva de emprendimientos para la conexión entre emprendedores e inversionistas, aplicando modelos predictivos que permita ponderar el nivel de éxito que puede tener un emprendimiento. Caso de estudio : emprendimientos culinarios.
Autor :	Santacruz Moncayo, Itamar David Burgos Calle, Mario Enrique
metadata.dc.contributor.advisor:	Erazo Ayón, José Miguel
Palabras clave :	INTELIGENCIA ARTIFICIAL;PLATAFORMAS DIGITALES;ANÁLISIS DE DATOS;INDUSTRIA ALIMENTARIA;EMPRENDIMIENTO;FINANCIACIÓN
Fecha de publicación :	2-mar-2026
Editorial :	Universidad Católica de Santiago de Guayaquil
Descripción :	Este trabajo de integración curricular presenta el desarrollo de una plataforma digital interactiva orientada a vincular emprendedores del ámbito culinario con posibles inversionistas en el sector Kennedy de Guayaquil. La herramienta incluye un modelo predictivo basado en inteligencia artificial que calcula el nivel de factibilidad y las posibilidades de éxito de los proyectos culinarios propuestos. La investigación tiene como fundamento datos específicos del Global Entrepreneurship Monitor Ecuador 2023-2024 (Lasio et al., 2024): aunque la Tasa de Actividad Emprendedora Temprana de Ecuador es del 32,65 %, lo que lo ubica entre las naciones más emprendedoras de la zona, solamente cerca del 18 % de los negocios culinarios en Guayas consiguen financiación formal o inversión privada durante los primeros dos años de funcionamiento. Esta disparidad entre la gran cantidad de iniciativas que surgen y las limitadas oportunidades reales de captar recursos pone de relieve la necesidad urgente de soluciones tecnológicas que fomenten un contacto más objetivo y basado en fundamentos entre inversores y emprendedores. La metodología utilizada es principalmente cuantitativa, aunque incluye algunas contribuciones cualitativas, y se categoriza como investigación tecnológica aplicada .Para desarrollar el modelo predictivo, se implementó el enfoque CRISP-DM .Se generaron 5,000 registros sintéticos para su entrenamiento, empleando distribuciones de probabilidad ajustadas a datos oficiales del SRI (2023), el INEC (2023) y los reportes GEM elaborados por ESPAE-ESPOL (Lasio et al ., 2020, 2021) .La ausencia de bases históricas completas y fiables en el ámbito local ha inducido el uso de datos sintéticos Se eligió el algoritmo XGBoost para la categorización. Durante el desarrollo del modelo surgieron algunos ajustes necesarios. En particular, se detectó que la variable “existencia de plan de negocios” estaba recibiendo un peso desproporcionado en las predicciones, lo que penalizaba injustamente a emprendedores que, aunque no contaban con ese documento formal, mostraban fortalezas claras en formación académica, validación real del mercado y experiencia previa en el sector. Para corregir este sesgo se aplicó una calibración isotónica de las probabilidades de salida. Gracias a ese ajuste, el modelo final, evaluado mediante validación cruzada estratificada de 5 pliegues, alcanzó un F1-Score del 86 %, una precisión del 94 % y un ROC-AUC de 88,48 %. La estructura de la plataforma fue creada usando microservicios. El elemento central fue elaborado con el conjunto tecnológico MERN (MongoDB, Express, React y Node .js), mientras que las proyecciones del modelo se ejecutan en un microservicio independiente codificado en Python con FastAPI . Para evaluar el funcionamiento del sistema en la realidad, se llevó a cabo una entrevista semiestructurada con un inversionista que está activamente implicado en el ámbito gastronómico de Guayaquil. Su valoración cualitativa se alineó en gran medida con las proyecciones del algoritmo, lo que evidencia la utilidad práctica del modelo. En resumen, los hallazgos indican que implementar métodos de aprendizaje automático en plataformas de intermediación es un enfoque eficaz para reducir la incertidumbre que enfrentan los inversionistas en el sector gastronómico de Ecuador. Al mismo tiempo, se establecen claramente los límites actuales del sistema y se destacan las áreas clave para mejoras en futuras versiones.
URI :	http://repositorio.ucsg.edu.ec/handle/3317/26151
Aparece en las colecciones:	Trabajos de Titulación - Carrera de Computación

Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons