El papel de la Inteligencia Artificial como herramienta de apoyo en la generación y gestión de Bases de Datos.

Luís Rafael Freire Lescano; Edwin Fabricio Lozada Torres; María Angélica Pico Pico; Rita Azucena Díaz Vásquez

doi:10.46377/dilemas.v11i1.3747

Luís Rafael Freire Lescano Universidad Regional Autónoma de Los Andes
Edwin Fabricio Lozada Torres Universidad Regional Autónoma de Los Andes
María Angélica Pico Pico Universidad Regional Autónoma de Los Andes
Rita Azucena Díaz Vásquez Universidad Regional Autónoma de Los Andes

DOI: https://doi.org/10.46377/dilemas.v11i1.3747

Palabras clave: base de datos, inteligencia artificial, creación, procedimiento, potencial

Resumen

El desarrollo de bases de datos representa un proceso complejo que involucra la participación de expertos en cada etapa del procedimiento. La inteligencia artificial (IA) ha surgido como una herramienta que puede brindar apoyo en este proceso al automatizar numerosas tareas necesarias para la creación de bases de datos de calidad superior. En este estudio, se examinan las técnicas empleadas en la creación de bases de datos, y se analiza el papel de la IA en este contexto; además, se abordan las ventajas y limitaciones asociadas a dichos enfoques, y se presentan ejemplos concretos de su aplicación en la práctica. La investigación continua es necesaria para aprovechar al máximo el potencial de la IA en la creación de bases de datos.

Citas

Barbella, M., & Tortora, G. (2023). A semi-automatic data integration process of heterogeneous databases. Pattern Recognition Letters, 166, 134-142.

Capacho, J. R., & Nieto Bernal, W. (2017). Diseño de bases de datos. Universidad del Norte.

Cortés, J. A. Z. (2020). Inteligencia artificial para la toma de decisiones. Revista Perspectiva Empresarial, 7(2 Supl. 1), 3-5.

Coto Jiménez, M. (2021). Consideraciones para la incorporación de la inteligencia artificial en un programa de pregrado de ingeniería eléctrica. Actualidades Investigativas en Educación, 21(2), 529-555.

Cuzzocrea, A. (2011). Pushing artificial intelligence in database and data warehouse systems. Data & Knowledge Engineering, 8(70), 683-684.

Dilling, T. J. (2020). Artificial intelligence research: the utility and design of a relational database system. Advances in Radiation Oncology, 5(6), 1280-1285.

Gabillaud, J. (2013). SQL Server 2012-SQL, Transact SQL: Diseño y creación de una base de datos. Ediciones ENI.

Hossen, K. M., Uddin, M. N., Arefin, M., & Uddin, M. A. (2023). BERT Model-based Natural Language to NoSQL Query Conversion using Deep Learning Approach. International Journal of Advanced Computer Science and Applications, 14(2), 810-821.

Martínez, D., & Tejada, L. (2019). Manual de bases de datos. Universidad Abierta para Adultos (UAPA).

Millán, M. E. (2012). Fundamentos de bases de datos: Notas de referencia. Universidad del Valle.

Pulido Romero, E., Escobar Domínguez, Ó., & Núñez Pérez, J. Á. (2019). Base de datos. Grupo Editorial Patria.

Punia, S., & Shankar, S. (2022). Predictive analytics for demand forecasting: A deep learning- based decision support system. Knowledge-Based Systems, 258, 109956.

Shehab, M., Abualigah, L., Jarrah, M. I., Alomari, O. A., & Daoud, M. S. (2020). (AIAM2019) Artificial Intelligence in Software Engineering and inverse. International Journal of Computer Integrated Manufacturing, 33(10-11), 1129-1144.

Smith, E., Papadopoulos, D., Braschler, M., & Stockinger, K. (2022). LILLIE: Information extraction and database integration using linguistics and learning-based algorithms. Information Systems, 105, 101938.

Valavala, M., & Alhamdani, W. (2021). Automatic Database Index Tuning Using Machine Learning. Proceedings of the 6th International Conference on Inventive Computation Technologies, ICICT 2021, 523-530.

von Feigenblatt, O. F. (2022). SVNS-based multicriteria methods for the selection of management elements for academic diplomacy. Neutrosophic Sets and Systems, 52, 241-250.