I. INTRODUCCION

El interés científico en la teoría del delito es uno de los temas que se investigan desde mediados del siglo XIX a través de mapas delictivos (Vandeviver & Bernasco, 2017). Si bien la relevancia del análisis geoespacial del delito ha sido demostrada de forma convincente por criminólogos y geógrafos, los recientes avances tecnológicos motivan a reevaluar la importancia del lugar donde ocurrió el delito (Eikelboom, Martini, Ruiz, St. Pierre, & Tejani, 2017)(Toppireddy, Saini, & Mahajan, 2018)(Vandeviver & Bernasco, 2017).

Los Estados, a través de inclusión del gobierno electrónico, han podido recopilar información de una manera más participativa porque las comunidades no solo brindan información, sino que se convierten en los principales actores de estos nuevos modelos de gobernanza (Zhou, Lin, & Zheng, 2012). El análisis de las iniciativas de administración del gobierno electrónico ha abierto nuevos campos de investigación (Meier & Teran, 2014).

Existen varios estudios contemporáneos que avalan la pertinencia del tema analizado. Google Maps proporciona una interfaz de programa de aplicación (API) para representar un servicio de mapas en una aplicación personalizada. Google Maps se ha convertido en uno de los productos más importantes de Google Enterprise. Estos beneficios se justifican no solo por las características y el rendimiento de este producto, sino también por su capacidad para integrar diferentes lenguajes de programación a través de Google Maps API con el objetivo de mejorar la personalización y la explotación de diferentes sistemas de información (Vijaya Rohini & Isakki, 2016) (García-Albertos, Picornell, Salas-Olmedo, & Gutiérrez, 2018)(Ibrahim & Shafiq, 2019) (Nurwarsito & Savitri, 2019)(Perea-Medina, Rosa-Jiménez, & Andrade, 2019).

En cuanto a la aplicación de gestión de información georreferenciada, en la India, se desarrolló un prototipo de Sistema de Monitoreo de Ubicación Infantil (CLMS) donde, usando las tecnologías de Sistemas de Posicionamiento Global (GPS) y Sistemas Globales de Comunicaciones Móviles (GSM), se emite continuamente la ubicación del niño al que se le hace seguimiento. Estos datos (latitud y longitud) se reciben a través de un enlace a una plataforma móvil y se muestran a través de Google Maps. Este tipo de aplicación ha disminuido el número de delitos contra los niños y proporciona un medio de ubicación infantil en línea (Sunehra, Priya, & Bano, 2016).

Desde la perspectiva de las herramientas de colaboración electrónica basadas en Google Maps, se han desarrollado prototipos que permiten generar recordatorios de acuerdo con la georreferenciación del usuario. Este tipo de recordatorios permiten especificar ubicaciones con exactitud y acceder a ellas de forma rápida y eficiente (Battin et al., 2016).

Jakkhupan & Klaypaksee (2014) han desarrollado una aplicación móvil a través de la cual la policía registra la ubicación, las imágenes y los archivos multimedia de los delitos cometidos. En la implementación se usaron HTML5 y API´s de Google Maps para administrar datos georreferenciados. Este proyecto se centra en utilizar los mismos beneficios de los dispositivos GPS a través de dispositivos móviles (Jakkhupan & Klaypaksee, 2014).

En el campo de la gestión de tierras, las tecnologías GPS y la API de Google Maps han sido utilizadas por la Agencia Nacional de Tierras de Indonesia con el objetivo de ayudar a los oficiales de tierras y al público a visualizar la ubicación y los límites de los terrenos. La tecnología GPS se usa para determinar la latitud y la longitud. El objetivo de esta implementación es optimizar los recursos y reducir los costos en el proceso de recopilación de información. El prototipo implementado trabaja como complemento de los mapas en línea de la agencia mencionada y colabora en la delimitación digital de los linderos de tierras (Windarni, Sediyono, & Setiawan, 2017).

El impacto catastrófico de los terremotos es muy alto y, al ser estos impredecibles, las operaciones de rescate son difíciles. Para situaciones de contingencia, la prioridad es avanzar rápidamente, minimizando el tiempo de respuesta después de un desastre natural. Utilizando los datos de Google Maps y un prototipo, se han generado mapas temáticos en trabajos de emergencia reales relacionados con terremotos. Está demostrado que los métodos son factibles y tienen una gran importancia práctica (Tan, Luo, Ren, & Liu, 2017).

Otros estudios han centrado su atención en el análisis de la geografía de la delincuencia en localidades como Nueva Zelanda. El estudio de Curtis-Ham & Walton (2017) analiza los factores entre el índice de daños a la delincuencia y el índice de ubicaciones prioritarias en comunidades y vecindarios, con niveles más altos de delincuencia. Los beneficios aportados por esta investigación permiten la optimización de los recursos de la policía y de las agencias responsables de reducir el crimen (Curtis-Ham & Walton, 2017). Sin embargo, en este estudio no se analiza en qué medida la ciudadanía está dispuesta a utilizar la aplicación. Nuestra investigación se centró en responder ¿en qué medida la usabilidad de una herramienta colaborativa de registro de delitos georreferenciados a la ciudadanía justifica el uso de estos sistemas para recopilar información de delitos? El estudio que llevamos a cabo fue de tipo experimental, a partir del desarrollo de un prototipo de aplicación del tipo propuesta por Curtis-Ham & Walton (2017) para comprobar, además, la factibilidad técnica de la construcción de una aplicación de este tipo en el contexto ecuatoriano.

Atributos como la usabilidad de software, la facilidad de uso percibida, la intención y actitud hacia el uso del software, son incluidos en análisis complementarios para evaluar la pertinencia de las herramientas de software (Pérez, Corona, & Estrada, 2019). Estudios demuestran que aplicaciones en el campo de la telemedicina, bigdata, tecnologías educativas, metodologías ágiles, diseño de interfaces de aplicaciones, sistemas expertos, se benefician y retroalimentan continuamente de este tipo de análisis (Tamimi & Bensefia, 2018)(Teo & Huang, 2018) (Deraman & Salman, 2019) (Gupta & Ahlawat, 2019)(Shahbaz, Gao, Zhai, Shahzad, & Hu, 2019).

Para medir la aceptación de la aplicación, se propuso llevar a cabo una evaluación cuantitativa. En este sentido, el Modelo de Aceptación Tecnológica (TAM) fue desarrollado por Davis y se ha convertido en uno de los modelos más populares para predecir el uso y aceptación de tecnología y sistemas de información (Park, Baek, Ohm, & Chang, 2014). Según Davis, el objetivo fundamental de TAM es identificar los factores que determinan el uso de las Tecnologías de Información y Comunicaciones (TIC) desde la perspectiva del usuario. TAM sugiere que la utilidad percibida y la facilidad de uso percibida son determinantes en la intención de un individuo al momento de utilizar un sistema, tal y como se ilustra en la figura 1.

Figura 1.
Estructura Modelo de Aceptación Tecnológica

Existen estudios recientes que validan la importancia y la pertinencia de este modelo en diferentes escenarios (Islam, Hoque, & Sorwar, 2016) (Patil, 2017)(Dele-Ajayi et al., 2017)(Curtis-Ham & Walton, 2017)(Manis & Choi, 2018) (Teo & Huang, 2018)(Tsai, Cheng, Tsai, Hung, & Chen, 2019) (Youn, S.-Y., & Lee, K.-H., 2019) (Singh, Sinha, & Liébana-cabanillas, 2020). La relevancia de TAM, en los estudios mencionados, avalan la pertinencia de esta metodología para corroborar la aceptación tecnológica del prototipo de software para el caso de estudio. Por esta razón, se ha decidido utilizar TAM.

El presente artículo está estructurado como sigue. Primeramente, se analizan los trabajos relacionados actuales, donde se evidencia la importancia y necesidad de investigación de los sitios web georreferenciados y colaborativos para el análisis de información y los beneficios de sus implementaciones. Luego se describen los materiales y métodos utilizados en el experimento llevado a cabo utilizando TAM, recalcando el proceso de implementación y el diseño del experimento. Posteriormente, se describen los resultados encontrados en la investigación, analizando cómo, desde la perspectiva del usuario, estas herramientas generaron expectativas de actitud, intencionalidad, facilidad y utilidad de uso para la gestión de sus actividades para, finalmente, arribar a conclusiones.

II. MATERIALES Y MÉTODOS

Implementación de prototipo

En la primera fase del experimento, se desarrolló una aplicación web que permite almacenar dos tipos de información. El primer tipo se centra en el dato georreferenciado del delito ocurrido utilizando el API de Google Maps. El segundo tipo corresponde a la información de la víctima, especificando variables relevantes desde una perspectiva social. Esta aplicación web se basa en una arquitectura en capas y está dividida en: capa de presentación, capa de proceso, capa de datos, capa de persistencia y capa de mensajería, como se muestra en la figura 2. Al cliente se le presenta el componente de mapa utilizando el API de Google Maps. Los datos recopilados se remiten hacia la capa del proceso. En la capa proceso se encuentra desplegado el servidor web, la lógica de negocio, y la interfaz de comunicación hacia la capa de persistencia. La capa de datos gestiona las operaciones CRUD (create, read, update, delete). La capa de mensajería define entidades personalizadas para la interacción transparente entre las capas, desde la de presentación hasta la de persistencia, y viceversa. Los datos son almacenados en una base de datos Microsoft SQL Server, aunque su cambio a otra base de datos es transparente al funcionamiento del sistema.

Figura 2
Arquitectura de la aplicación

La base de datos está estructurada en 8 tablas, cuyo diseño relacional se visualiza en la figura 3. El prototipo se implementó con un software propietario (Visual Studio 2017 Community), porque el software se desarrolló como caso de estudio en la materia Desarrollo de Software, donde se imparte programación en la tecnología .Net. Sin embargo, su migración a software libre es completamente factible.

Figura 3
Diseño Relacional de la Solución

En los datos de la víctima se registra información como su género, etnia, nivel de instrucción y rango de edad. El segundo criterio de información contiene datos como fecha en que ocurrió el delito (año, mes, día y hora) estado del delito (no denunciado, denunciado, en investigación, solucionado y no solucionado), valor estimado de la repercusión del delito y tipo del delito (robo, robo agravado, hurto, secuestro, entre otros). Los valores de tipo de delito fueron tipificados teniendo en cuenta los delitos que estadísticamente son más frecuentes, de acuerdo a estudios de análisis de conflictividad en el Ecuador. En la figura 4 se ilustra la apariencia de la interfaz del prototipo. Una vez registrada la información, a través de un mapa de calor, es posible mostrar las zonas de mayor y menor concentración de delitos. En la figura 5 se muestran los resultados obtenidos para la ciudad de Ambato, donde tiene lugar la evaluación experimental de la herramienta.

Figura 4
Interfaz del Prototipo de Sistema de Gestión de Delitos

Figura 5
Mapa de calor de delitos registrados en el experimento

Desde el punto de vista de procesamiento de los datos, el sistema despliega información por medio de informes del tipo que se muestra en la figura 6. Los informes se desarrollaron con la herramienta Power BI y se integraron a la aplicación web. El usuario puede elegir entre un conjunto de 10 diferentes tipos de reportes estadísticos.

Figura 6
Reportes de Información de Delitos

Diseño del experimento

En el experimento se trabajó con una muestra de 122 estudiantes de ingeniería, tomando en cuenta su experiencia en el uso de la web y el que, al ser jóvenes universitarios, constituyen un componente social propenso a sufrir los efectos de la delincuencia común. En la primera fase, con una duración de 15 minutos, los estudiantes fueron entrenados en el uso del prototipo de software. En una segunda fase, con una duración de una semana, los estudiantes tuvieron acceso a la herramienta, durante la cual, registraron uno o varios hechos delictivos de los que fueron víctima. En una tercera fase, con una duración de 30 minutos, se solicitó a los estudiantes que revisaran la información procesada a través de los informes de la aplicación y que validaran los datos georreferenciados de las zonas de mayor concentración de delitos. En la cuarta fase, se aplicó una encuesta basada en TAM para obtener retroalimentación con respecto a los criterios de aceptación de la aplicación web por parte de los participantes. En el diseño de dicha encuesta se consideró utilizar una escala de Likert con valores de 1 a 5 para cuantificar la ponderación de cada uno de los 15 ítems, donde el valor 1 y el valor 5 describen un mínimo y máximo de aceptación, respectivamente

Se consideró que, para los datos recopilados, la prueba de normalidad se la realizará con el estadístico Kolmogorov-Smirnov con ajuste Lilliefors. Este estadístico se considera como adecuado para muestras de tamaños medios (aproximadamente superiores a 50 e inferiores a 200 datos), no existiendo una variación significativa con el estadístico Anderson – Darling para el conjunto de datos actual. Para la posterior verificación de los resultados se tuvo en cuenta que, de obtenerse un valor-p significativo (valor-p < 0.05) es aplicable una correlación no paramétrica usando Kendall Tau-b. Este estadístico, se utiliza en tabulación cruzada para medir el nivel de correlación que existe entre los diferentes resultados.

III. RESULTADOS

Los mapas de calor permiten ver gráficamente la concentración de datos georreferenciados. Un análisis de la figura 5 permite identificar, de forma muy rápida, que la mayor concentración de hechos delictivos sufridos por estudiante universitarios no ha tenido lugar en la zona universitaria sino en el centro de la ciudad, lo que coincide con los reportes de ciudadanos a través de medios de comunicación.

Con respecto a los participantes en la evaluación cuantitativa de la aceptación de la herramienta, el 53% eran hombres; el 76% de las personas encuestadas tenían edades comprendidas entre 20 y 30 años, el 12% entre 30 y 40 y otro 12% fueron menores de 20 años. El 100% de las personas encuestadas estudian carreras de ingeniería y el 92% de ellas están cursando su pregrado. En cuanto a las etnias, el 76% de los participantes en la encuesta pertenecen al grupo étnico mestizo. El 78% de las personas encuestadas vive en sectores urbanos, mientras que el 22% vive en zonas rurales de la ciudad. 18% de los encuestados proviene de otras ciudades.

El análisis del resultado de la encuesta se lo realizó utilizando la herramienta Statistical Package for the Social Sciences (SPSS). Para validar la pertinencia de los resultados de la encuesta se ejecutó una prueba de Cronbach-alpha con el 100% de datos válidos, obteniendo un valor de 0,824, que prueba la validez interna de los datos recolectados cuando se realizó la encuesta. Para interpretar los resultados de la encuesta según los criterios de aceptación tecnológica se ejecutó una prueba de normalidad de Kolmogorov-Smirnov-Lilliefors, que demostró que los resultados no siguen una distribución normal, con un valor-p de 0,00. Por lo tanto, el análisis de los datos se basó en una correlación no paramétrica usando Kendall Tau-b. La correlación entre todos los elementos fue positiva.

IV. DISCUSIÓN DE RESULTADOS

Los siguientes resultados se basan en los valores más altos de correlación que se ilustran en la tabla 2:

• · La facilidad de acceso a la información a través del componente mapa incide positivamente en la intención de uso de la aplicación.

  · La facilidad de uso y utilidad de los reportes realza el valor de la información que se gestiona en el aplicativo.

  · El uso real del aplicativo está fuertemente correlacionado con el componente mapa. La facilidad de manejo del componente mapa permite acceder de manera intuitiva a la información georreferenciada.

  · El mapa interactivo se constituye en un componente fundamental de la propuesta.

Los valores de los criterios en correspondencia con sus medias y desviaciones estándar se muestran en la tabla 2. Estos resultados nos permiten afirmar que el prototipo implementado tiene un alto nivel de aceptación.

V. CONCLUSIONES

La inclusión de este tipo de aplicaciones promueve los beneficios del gobierno electrónico puesto que el uso adecuado de la información recopilada puede convertirse en un insumo relevante en la generación de políticas públicas. Sin embargo, la usabilidad de este tipo de sistema no debe darse por contado. El desarrollo del aplicativo fue facilitado por el uso de una arquitectura en capas, que facilita la construcción y mantenimiento de la aplicación.

El estudio demuestra cuantitativamente que jóvenes comprendido entre 20 y 30 años están de acuerdo con el uso de una aplicación de este tipo desde la perspectiva del ciudadano para la gestión de información de delitos.

Los resultados de la evaluación TAM permitió corroborar que la facilidad de uso y la utilidad están altamente correlacionados con el manejo de la herramienta, el acceso a los reportes de información y el mapa interactivo, el cual se constituye en un componente fundamental de la propuesta.

Para trabajos futuros, basados en el nivel de aceptación de tecnología del prototipo, estudiaremos la aceptación de esta tecnología en otros estratos de la sociedad y entre las entidades de control, como la policía, los bomberos, la justicia o las compañías legales autónomas.

VI. REFERENCIAS BIBLIOGRÁFICAS

Battin, P., y Markande, S. (2016). Location Based Reminder Android Application Using Google Maps API. International Conference on Automatic Control and Dynamic Optimization Techniques (ICACDOT). 649–652. doi: 10.1109/ICACDOT.2016.7877666

Curtis-Ham, S., y Walton, D. (2017). Mapping crime harm and priority locations in New Zealand: A comparison of spatial analysis methods. Applied Geography, 86, 245–254. doi: https://doi.org/10.1016/j.apgeog.2017.06.008

Dele-Ajayi, O., Strachan, R., Sanderson, J., y Pickard, A. (2017). A modified TAM for predicting acceptance of digital educational games by teachers. IEEE Global Engineering Education Conference, EDUCON, 961–968. doi:https://doi.org/10.1109/EDUCON.2017.7942965

Deraman, A. B., y Salman, F. A. (2019). Managing usability evaluation practices in agile development environments. International Journal of Electrical and Computer Engineering, 9(2), 1288–1297. doi:https://doi.org/10.11591/ijece.v9i2.pp.1288-1297

Eikelboom, A., Martini, E., Ruiz, L., St. Pierre, A. D., y Tejani, A. (2017). Public Crime Mapping in Canada: Interpreting RAIDS Online. Cartographica: The International Journal for Geographic Information and Geovisualization, 52(2), 108–115. doi: https://doi.org/10.3138/cart.52.2.5101

García-Albertos, P., Picornell, M., Salas-Olmedo, M. H., y Gutiérrez, J. (2019). Exploring the potential of mobile phone records and online route planners for dynamic accessibility analysis. Transportation Research Part A: Policy and Practice, 125, pp. 294-307. https://doi.org/10.1016/j.tra.2018.02.008

Gupta, D., y Ahlawat, A. (2019). Taxonomy of GUM and Usability Prediction Using GUM Multistage Fuzzy Expert System. International Arab Journal of Information Technology, 16(3), 357–363.

Ibrahim, R., y Shafiq, M. O. (2019). Detecting taxi movements using Random Swap clustering and sequential pattern mining. Journal of Big Data, 6(1). doi: https://doi.org/10.1186/s40537-019-0203-6

Islam, M. T., Hoque, M. R., y Sorwar, G. (2016). Understanding Customer Intention to Use E-Commerce In Bangladesh: An Application Of The Technology Acceptance Model (TAM). 19th International Conference on Computer and Information Technology, ICCIT 2016, 512–516. doi: 10.1109/ICCITECHN.2016.7860251.

Jakkhupan, W., y Klaypaksee, P. (2014). A web-based criminal record system using mobile device: A case study of Hat Yai municipality. Proceedings, APWiMob 2014: IEEE Asia Pacific Conference on Wireless and Mobile 2014, 243–246. doi: https://doi.org/10.1109/APWiMob.2014.6920295

Manis, K. T., y Choi, D. (2018). The virtual reality hardware acceptance model ( VR-HAM ): Extending and individuating the technology acceptance model ( TAM ) for virtual reality hardware. Journal of Business Research, (October), 100, pp. 503-513. doi: https://doi.org/10.1016/j.jbusres.2018.10.021

Meier, A., y Teran, L. (2014). eGovernment framework. EDemocracy & EGovernment (ICEDEG), 2014 First International Conference on eDemocracy & eGovernment (ICEDEG 2014), 9–11. doi: https://doi.org/10.1109/ICEDEG.2014.6819930

Nurwarsito, H., y Savitri, N. (2019). Development of Mobile Applications for Posyandu Administration Services Using Google Maps API Geolocation Tagging. 3rd International Conference on Sustainable Information Engineering and Technology, SIET 2018 - Proceedings, 168–173. doi: https://doi.org/10.1109/SIET.2018.8693170

Park, E., Baek, S., Ohm, J., y Chang, H. J. (2014). Determinants of player acceptance of mobile social network games: An application of extended technology acceptance model. Telematics and Informatics, 31(1), 3–15. doi: https://doi.org/10.1016/j.tele.2013.07.001

Patil, K. (2017). Retail adoption of Internet of Things: Applying TAM model. International Conference on Computing, Analytics and Security Trends, CAST 2016, 404–409. doi: https://doi.org/10.1109/CAST.2016.7915003

Perea-Medina, B., Rosa-Jiménez, C., y Andrade, M. J. (2019). Potential of public transport in regionalisation of main cruise destinations in Mediterranean. Tourism Management, 74(April 2018), 382–391. doi: https://doi.org/10.1016/j.tourman.2019.04.016

Pérez, Y. F., Corona, C. C., y Estrada, A. F. (2019). Fuzzy Cognitive Maps for Evaluating Software Usability. Studies in Fuzziness and Soft Computing, 377, pp. 141-155. doi: https://doi.org/10.1007/978-3-030-10463-4

Shahbaz, M., Gao, C., Zhai, L., Shahzad, F., y Hu, Y. (2019). Investigating the adoption of big data analytics in healthcare : the moderating role of resistance to change. Journal of Big Data, 6(1),6. doi:https://doi.org/10.1186/s40537-019-0170-y

Singh, N., Sinha, N., y Liébana-cabanillas, F. J. (2020). Determining factors in the adoption and recommendation of mobile wallet services in India : Analysis of the effect of innovativeness , stress to use and social influence. International Journal of Information Management, 50, 191–205. doi: https://doi.org/10.1016/j.ijinfomgt.2019.05.022

Sunehra, D., Priya, P. L., y Bano, A. (2016). Children Location Monitoring on Google Maps Using GPS and GSM Technologies. Proceedings - 6th International Advanced Computing Conference IACC 2016, 711–715. doi: https://doi.org/10.1109/IACC.2016.137

Tamimi, H., y Bensefia, A. (2018). Software Usability Challenges for Native Arab Users Proceedings - 2018 3rd International Conference on System Reliability and Safety, ICSRS 2018, 8688826, pp. 6-12. doi:https://doi.org/10.1109/ICSRS.2018.8688826

Tan, Q. Q., Luo, H. C., Ren, Z. L., y Liu, Q. (2017). Research on earthquake emergency response technology based on Google Maps data. Proceedings of 2016 2nd International Conference on Cloud Computing and Internet of Things, CCIOT 2016, 85–88. doi: https://doi.org/10.1109/CCIOT.2016.7868308

Teo, T., y Huang, F. (2018). Investigating the influence of individually espoused cultural values on teachers ’ intentions to use educational technologies in Chinese universities values on teachers. Interactive Learning Environments, 27(5-6), pp. 813-829. doi: https://doi.org/10.1080/10494820.2018.1489856

Toppireddy, H., Saini, B., y Mahajan, G. (2018). Crime Prediction & Monitoring Framework Based on Spatial Analysis. Procedia Computer Science, 132(Iccids), 696–705. doi: https://doi.org/10.1016/j.procs.2018.05.075

Tsai, J., Cheng, M., Tsai, H., Hung, S., y Chen, Y. (2019). Acceptance and resistance of telehealth : The perspective of dual-factor concepts in technology adoption. International Journal of Information Management, 49, pp. 34-44. doi: https://doi.org/10.1016/j.ijinfomgt.2019.03.003

Vandeviver, C., y Bernasco, W. (2017). The geography of crime and crime control. Applied Geography, 86, 220–225. doi: https://doi.org/10.1016/j.apgeog.2017.08.012

Vijaya Rohini, D., y Isakki, P. (2016). Crime analysis and mapping through online newspapers: A survey. 2016 International Conference on Computing Technologies and Intelligent Data Engineering, ICCTIDE 2016, 1–4. doi: https://doi.org/10.1109/ICCTIDE.2016.7725331

Windarni, V. A., Sediyono, E., y Setiawan, A. (2017). Using GPS and Google maps for mapping digital land certificates. 2016 International Conference on Informatics and Computing, ICIC 2016, (Icic), 422–426. doi: https://doi.org/10.1109/IAC.2016.7905756

Youn, S.-Y., y Lee, K.-H. (2019). Proposing value‑based technology acceptance model_ testing on paid mobile media service. Fashion and Textiles, 6(1),13. doi: 10.1186/s40691-018-0163-z

Zhou, G., Lin, J., y Zheng, W. (2012). A web-based geographical information system for crime mapping and decision support. 2012 International Conference on Computational Problem-Solving, ICCP 2012, 147–150. doi: https://doi.org/10.1109/ICCPS.2012.6384228

Notas de autor

hf.naranjo@uta.edu.ec