Estudio del Uso de Herramientas de IA para la Gestión de Proyectos de Software, como Instrumento para Mejorar la Seguridad de las Aplicaciones
Resumen
En la era de la transformación digital, la seguridad de las aplicaciones de software se ha convertido en un pilar fundamental para garantizar la confianza del usuario, la protección de datos y la continuidad operativa de las organizaciones en todos los sectores. Esta investigación tuvo como objetivo estudiar el uso de herramientas de inteligencia artificial (IA) para la gestión de proyectos de software para mejorar la seguridad de las aplicaciones. Se aplicó un cuestionario a 91 estudiantes de Tecnologías de la Información de la Universidad Tecnológica de Tecamachalco, Puebla. El cuestionario consta de quince preguntas diseñadas para ser aplicadas a la estadística inferencial, ya que se ordenaron de dos en dos para generar 225 hipótesis bivariadas. El diseño fue implementado con una escala Likert de 5 opciones, la cual se dicotomizó para validar las hipótesis bivariadas con una prueba de chi-cuadrado. El proceso de validación fue riguroso, con cuarenta hipótesis validadas en correlación lineal por coeficiente de Pearson > 0.6 y con una prueba de chi-cuadrado de dos grados de libertad con un límite de confianza del 95% y un error estadístico del 5%. De las 40 hipótesis validadas linealmente, solo nueve se tomaron por razones de espacio.
Descargas
Citas
Allamanis, M., Barr, E. T., Devanbu, P., & Sutton, C. (2018). A survey of machine learning for big code and naturalness. ACM Computing Surveys, 51(4), 1–37. https://doi.org/10.1145/3212695
Amershi, S., Begel, A., Bird, C., DeLine, R., Gall, H., Kamar, E., Nagappan, N., Nushi, B., & Zimmermann, T. (2019). Software engineering for machine learning: A case study. Proceedings of the 41st International Conference on Software Engineering: Software Engineering in Practice, 291–300. https://doi.org/10.1109/ICSE-SEIP.2019.00042
Cao, Y., Li, S., Liu, Y., Yan, Z., Dai, Y., Yu, P., & Sun, L. (2025). A survey of ai-generated content (aigc). ACM Computing Surveys, 57(5), 1-38.
Casey, B., Santos, J. C., & Perry, G. (2025). A survey of source code representations for machine learning-based cybersecurity tasks. ACM Computing Surveys, 57(8), 1-41.
Chai-allah, A., Hermes, J., De La Foye, A., Venter, Z. S., Joly, F., Brunschwig, G., ... & Fox, N. (2025). Assessing recreationists’ preferences of the landscape and species using crowdsourced images and machine learning. Landscape and Urban Planning, 257, 105315.
Chowdhary, K. R., Chowdhary, M., & Choo, K. K. R. (2020). Cybersecurity in the age of artificial intelligence. IEEE Access, 8, 223008–223037. https://doi.org/10.1109/ACCESS.2020.3042274
European Union Agency for Cybersecurity. (2023). Threat landscape for software supply chain attacks. https://www.enisa.europa.eu/publications/enisa-threat-landscape-2023
Forsgren, N., Humble, J., & Kim, G. (2021). Accelerate: The science of lean software and DevOps. IT Revolution Press.
IBM Security. (2022). Cost of a data breach report. https://www.ibm.com/security/data-breach
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539
McGraw, G. (2006). Software security: Building security in. Addison-Wesley Professional.
National Institute of Standards and Technology. (2020). Cybersecurity framework version 1.1. https://www.nist.gov/cyberframework
Open Web Application Security Project. (2021). Top 10 application security risks. https://owasp.org/www-project-top-ten/
Vemulapalli, G. (2025). Charting the Ethical Horizon: A Deep Dive Into AI Ethics, Unraveling the Moral Threads in Machine Intelligence Development. In Artificial Intelligence and Machine Learning for Sustainable Development (pp. 209-220). CRC Press.
García Sanclemente, S. G., Sánchez Jaramillo, E. A., & Orellana Márquez, L. V. (2025). Los Microaprendizajes como Estrategias Didácticas que Potencian el Desarrollo Cognitivo. Ciencia Y Reflexión, 4(2), 507–519. https://doi.org/10.70747/cr.v4i2.271
Escalante Jiménez, J. L., Rodríguez Colón, P. L., & Polanco García, C. Y. (2025). Inteligencia artificial en contextos educativos: un acercamiento desde una revisión documental sistemática. Ciencia Y Reflexión, 4(2), 325–349. https://doi.org/10.70747/cr.v4i2.241
Jiménez Gómez, R. (2025). Análisis de la Heterogeneidad Estructural de las Regiones de Costa Rica. Ciencia Y Reflexión, 4(2), 37–66. https://doi.org/10.70747/cr.v4i2.244
Zhang, J. M., Harman, M., Ma, L., & Liu, Y. (2020). Machine learning testing: Survey, landscapes and horizons. IEEE Transactions on Software Engineering, 48(2), 1–25. https://doi.org/10.1109/TSE.2019.2962027
Derechos de autor 2025 Mario Orea León, Victor Manuel Bravo Romero, David Arenas Hernández, Manuel González Pérez
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.png)
.png)
1.png)
