Browsing by Autor "Sabino Pichihua Torres"

Now showing 1 - 5 of 5

APLICACIÓN CRÍTICA DE ALGORITMOS DE MACHINE LEARNING EN EL ANÁLISIS Y EJECUCIÓN DEL DERECHO PENAL DESDE SUS AVANCES, DESAFÍOS Y LIMITACIONES
(2025) Zenon Humberto Arevalo Mezarina; Sabino Pichihua Torres; Santiago Alejandro Ortega Gomero; Benedigto Chiclla Arredondo
Objetivo: Analizar de manera crítica la aplicación de algoritmos de Machine Learning en el ámbito del derecho penal, identificando sus principales aportes tecnológicos, así como los riesgos asociados a sesgos, opacidad y ausencia de marcos normativos claros que puedan comprometer los principios garantistas del proceso penal. Métodos: Se llevó a cabo una revisión bibliográfica crítica en bases académicas de prestigio internacional (Scopus, Web of Science, SpringerLink, Google Scholar y JSTOR) entre 2015 y 2025. Se seleccionaron artículos originales, revisiones doctrinales e informes institucionales que relacionaran algoritmos de Machine Learning con el análisis o ejecución del derecho penal. El análisis se estructuró en tres ejes: (i) avances y aplicaciones prácticas, (ii) limitaciones técnicas y sesgos identificados, y (iii) desafíos éticos y legales. Resultados: Los hallazgos evidencian que el Machine Learning se ha utilizado principalmente en la predicción de reincidencia, en modelos de predictive policing y en la clasificación de juicios y sentencias. Estas aplicaciones han mostrado mejoras en eficiencia y rapidez, pero también han revelado limitaciones significativas. Conclusiones: La implementación de algoritmos de Machine Learning en el derecho penal solo puede considerarse legítima si funciona como un mecanismo de apoyo bajo supervisión humana. Resulta imprescindible establecer marcos normativos sólidos, auditorías independientes y principios éticos que garanticen la transparencia, la equidad y la protección de los derechos fundamentales.
APLICACIÓN DE REDES NEURONALES CONVOLUCIONALES EN LA PREDICCIÓN Y FUNDAMENTACIÓN LEGAL DE LA PRISIÓN PREVENTIVA
(2025) Sabino Pichihua Torres; Zenon Humberto Arevalo Mezarina; Santiago Alejandro Ortega Gomero; Benedigto Chiclla Arredondo
Introducción: La prisión preventiva constituyó una medida cautelar excepcional cuya aplicación generó debates debido a la falta de uniformidad en la fundamentación legal. Diversos estudios señalaron inconsistencias en la motivación judicial, lo que puso en cuestión la proporcionalidad y el respeto al debido proceso. Frente a ello, la inteligencia artificial, y en particular las redes neuronales convolucionales (CNN), se presentaron como herramientas con potencial para apoyar la predicción y fundamentación en decisiones judiciales. Objetivo: El presente trabajo revisó la literatura científica y jurídica disponible con el fin de analizar la aplicación de las redes neuronales convolucionales en la predicción del riesgo procesal y su utilidad como apoyo en la fundamentación de la prisión preventiva. Metodología: Se llevó a cabo una revisión bibliográfica sistemática en bases de datos especializadas como Scopus, IEEE Xplore, ScienceDirect y Google Scholar. Resultados: La revisión mostró que las CNN fueron efectivas en la identificación de patrones complejos en datos judiciales, logrando predicciones con altos niveles de precisión. Además, los estudios consultados evidenciaron que estas herramientas pueden complementar los criterios jurídicos, reduciendo la discrecionalidad y favoreciendo la transparencia en las resoluciones de prisión preventiva. Conclusiones: El análisis bibliográfico permitió concluir que el uso de CNN en el ámbito jurídico representó un avance hacia decisiones judiciales más objetivas y fundamentadas, contribuyendo a la modernización de la justicia y al fortalecimiento del debido proceso.
CARACTERIZACIÓN Y TENDENCIAS DE LAS SANCIONES IMPUESTAS A MENORES INFRACTORES REINCIDENTES EN EL PERÚ
(2025) Zenon Humberto Arevalo Mezarina; Sabino Pichihua Torres; Santiago Alejandro Ortega Gomero; Benedigto Chiclla Arredondo
Introducción: La reincidencia en menores infractores constituye un desafío creciente en el sistema de justicia juvenil peruano, donde las sanciones buscan equilibrar la dimensión punitiva y la socioeducativa. Sin embargo, persisten interrogantes sobre su eficacia, proporcionalidad y capacidad preventiva. Objetivo: Analizar críticamente la caracterización y tendencias de las sanciones impuestas a menores infractores reincidentes en el Perú, identificando patrones, limitaciones normativas y desafíos en la práctica judicial. Metodología: Se desarrolla una revisión documental de fuentes legislativas, estadísticas oficiales, estudios académicos y jurisprudencia nacional e internacional. El análisis se orienta hacia la descripción de las sanciones más aplicadas, la evolución de su aplicación en la última década y la comparación con modelos restaurativos y socioeducativos. Resultados: Los hallazgos muestran una prevalencia de sanciones privativas de libertad, aplicadas con desigualdad regional y escasa articulación con programas de reinserción. Se identifican tendencias hacia la repetición de medidas punitivas en reincidentes, con limitada efectividad en la reducción de la reincidencia. Asimismo, emergen propuestas de incorporar enfoques restaurativos y fortalecer la política pública de prevención. Conclusión: Se requiere reorientar las sanciones hacia modelos socioeducativos, garantizando proporcionalidad, derechos del menor y efectividad en la reinserción social.
IMPACTO DE LA INTELIGENCIA ARTIFICIAL EN LA RESOLUCIÓN DE PROBLEMAS DE INVESTIGACIÓN EN ESTUDIANTES UNIVERSITARIOS
(2025) Zenon Humberto Arevalo Mezarina; Sabino Pichihua Torres; Benedigto Chiclla Arredondo
Introducción: La incorporación de la inteligencia artificial (IA) en la educación superior se ha intensificado en los últimos años, generando un cambio profundo en la forma en que los estudiantes universitarios abordan los problemas de investigación Objetivo: Analizar el impacto de la IA en la resolución de problemas de investigación en estudiantes universitarios, evaluando su influencia en el pensamiento crítico, la autonomía académica y la percepción sobre beneficios y riesgos asociados a su aplicación. Metodología: Se llevó a cabo un estudio con diseño descriptivo–correlacional en una muestra de 300 estudiantes pertenecientes a diversas carreras universitarias. Se aplicó un cuestionario estructurado que permitió medir la frecuencia y los fines del uso de la IA, así como las percepciones sobre su utilidad y riesgos. Los datos fueron analizados mediante estadística descriptiva y pruebas comparativas, lo que posibilitó identificar patrones de uso y correlaciones significativas entre las variables estudiadas. Resultados: El 72% de los participantes indicó utilizar con frecuencia la IA para la búsqueda y síntesis de información, mientras que un 65% señaló que estas herramientas facilitan la resolución de problemas complejos en la investigación académica. No obstante, un 58% reconoció riesgos vinculados con la pérdida de originalidad y la dependencia tecnológica. En conjunto, los hallazgos reflejan una percepción positiva hacia la IA, pero acompañada de un reconocimiento crítico de sus limitaciones. Conclusión: Los resultados confirman que la IA constituye un recurso clave para los estudiantes universitarios en la resolución de problemas de investigación.
IMPLICANCIAS DE LA INTELIGENCIA ARTIFICIAL EN LA PRÁCTICA MÉDICA LEGAL
(2025) Sabino Pichihua Torres; Zenon Humberto Arevalo Mezarina; Benedigto Chiclla Arredondo; Manuel Alberto Luis Manrique Nugent
Introducción: La inteligencia artificial (IA) se ha convertido en una herramienta transformadora en la práctica médica y legal, al optimizar diagnósticos, agilizar la gestión de datos y mejorar la precisión de los análisis forenses. Su capacidad de procesar grandes volúmenes de información y reconocer patrones complejos ofrece ventajas significativas en rapidez y objetividad. Objetivo: Analizar las implicancias de la inteligencia artificial en la práctica médico-legal, evaluando sus beneficios, riesgos y el impacto en la eficiencia diagnóstica, la equidad y la responsabilidad profesional. Metodología: El estudio se desarrolló con un diseño cualitativo-descriptivo, basado en una revisión documental de 85 fuentes científicas y normativas publicadas entre 2019 y 2025. Resultados: Los hallazgos muestran que más del 70% de los países desarrollados han iniciado programas piloto de IA en salud, mientras que en América Latina apenas un 23% dispone de la infraestructura necesaria. En cuanto a precisión, los algoritmos aplicados al diagnóstico médico alcanzan un 87%, y en medicina legal un 92%, especialmente en la determinación de causas de muerte. No obstante, persisten riesgos vinculados a la dependencia tecnológica, los sesgos algorítmicos y la ausencia de marcos regulatorios robustos. Conclusión: La inteligencia artificial representa un recurso estratégico en la medicina legal, pero su aplicación debe estar acompañada de normativas éticas y jurídicas que garanticen un uso responsable, equitativo y orientado a la protección de los derechos humanos.