SciELO - Scientific Electronic Library Online

 
vol.6 número3Gestión de recursos humanos y tratamiento penitenciario: una revisión sistemática de la literaturaLa gamificación como motivación en el aprendizaje universitario: una revisión sistemática índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Revista InveCom

versión On-line ISSN 2739-0063

Resumen

SEGOVIA HERMOZA, Milner; HUAMANI MORALES, Katherin Lizat  y  SEGOVIA SEGOVIA, Milner. El aprendizaje profundo en seguridad y salud laboral y su contribución a la gestión de riesgos en el lugar de trabajo: una revisión sistemática. Revista InveCom [online]. 2026, vol.6, n.3, e603017.  Epub 30-Oct-2025. ISSN 2739-0063.  https://doi.org/10.5281/zenodo.17254435.

La salud y seguridad en el trabajo (SST) es fundamental en todos los sectores industriales debido al impacto significativo de los accidentes y las enfermedades laborales. Tradicionalmente, la gestión de riesgos se ha basado en evaluaciones periódicas y medidas de control reactivas; sin embargo, la inteligencia artificial y el aprendizaje profundo han permitido desarrollar enfoques más preventivos y eficientes. Estas tecnologías facilitan el análisis de grandes volúmenes de datos para identificar patrones ocultos, predecir riesgos y mejorar la seguridad laboral. En este marco, el presente estudio analiza el uso actual del aprendizaje profundo en SST, centrándose en su implementación, la percepción de su eficacia y los desafíos que plantea. Además, se examina su aplicación en sectores como la construcción, la logística y la minería, donde contribuye a la prevención de riesgos y a la detección de comportamientos inseguros. Para ello, se llevó a cabo una revisión sistemática siguiendo el protocolo PRISMA, que incluyó 14 artículos de acceso abierto seleccionados de un total inicial de 274 publicaciones recuperadas de Scopus, PubMed, Web of Science y DOAJ. A partir del análisis realizado, se concluye que el aprendizaje profundo posee un gran potencial para disminuir conductas inseguras mediante la identificación y detección de variables clave, como la gestión de la información, que influyen en la ocurrencia de incidentes y condiciones peligrosas. Por ende, esta tecnología se presenta como una herramienta valiosa para apoyar al personal de SST en la prevención, control y toma de decisiones en diversos contextos laborales.

Palabras clave : aprendizaje profundo; riesgos laborales; seguridad en el trabajo.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )