Artificial Intelligence Techniques for Quality of Life Analysis: Systematic Mapping

• Ruales Caicedo, Juan Carlos ^[1] ; Álvarez Cuaces , Julio Cesar ^[1] ; Romero Luna, Roxana Maria ^[1] ; Ordoñez Erazo , Hugo Armando ^[1]
  1. [1] Universidad del Cauca

     Universidad del Cauca

     Colombia

     
• Localización: Ingeniería y competitividad: revista científica y tecnológica, ISSN 0123-3033, Vol. 27, Nº. 2, 2025 (Ejemplar dedicado a: Ingeniería y Competitividad; e-30514876)
• Idioma: inglés
• Títulos paralelos:
  • Técnicas de Inteligencia Artificial para el análisis de calidad de vida: Mapeo Sistemático
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Introducción: La calidad de vida es un concepto complejo que abarca múltiples dimensiones, desde la salud y la educación hasta el bienestar económico y social. En los últimos años, el uso de la Inteligencia Artificial (IA) ha permitido analizar grandes volúmenes de datos para comprender mejor los factores que influyen en la calidad de vida. Sin embargo, aunque se han desarrollado diversas aplicaciones en este campo, todavía existen desafíos en la integración de diferentes enfoques y fuentes de datos.

    Objetivo: Este estudio analiza cómo se está utilizando la IA en la evaluación de la calidad de vida. Se identifican las principales técnicas empleadas, las áreas de aplicación y los vacíos en la literatura, con el fin de proponer futuras líneas de investigación.

    Métodos: Se realizó una revisión sistemática siguiendo la metodología de Kitchenham, recopilando estudios en bases científica como Scopus, IEEE Xplore y Google Scholar. Se aplicaron criterios de inclusión y exclusión, formulación de preguntas de investigación entre otros pasos,   para seleccionar investigaciones relevantes sobre IA y calidad de vida.

    Resultados: Los algoritmos más utilizados incluyen Árboles de Decisión (DT), Random Forest (RF), Redes Neuronales y Support Vector Machines (SVM), aplicados en salud, educación y condiciones socioeconómicas. Sin embargo, la mayoría de los estudios analizan factores de forma aislada, sin integrar múltiples dimensiones.

    Conclusiones: Aunque la IA es una herramienta prometedora para evaluar la calidad de vida, es necesario desarrollar enfoques más integradores que combinen diversas fuentes de datos y reflejen la complejidad del concepto.

  • English

    Introduction: Quality of life is a complex concept that encompasses multiple dimensions, from health and education to economic and social well-being. In recent years, the use of Artificial Intelligence (AI) has made it possible to analyze large volumes of data to better understand the factors that influence quality of life. However, although various applications have been developed in this field, there are still challenges in integrating different approaches and data sources.

    Objective: This study analyzes how AI is being used in the assessment of quality of life. The main techniques used, the areas of application and the gaps in the literature are identified, in order to propose future lines of research.

    Methods: A systematic review was conducted following Kitchenham's methodology, compiling studies from scientific databases such as Scopus, IEEE Xplore and Google Scholar. Inclusion and exclusion criteria, formulation of research questions, and other steps were applied to select relevant research on AI and quality of life.

    Results: The most commonly used algorithms include Decision Trees (DT), Random Forest (RF), Neural Networks, and Support Vector Machines (SVM), applied in health, education, and socioeconomic conditions. However, most studies analyze factors in isolation, without integrating multiple dimensions.

    Conclusions: Although AI is a promising tool for assessing quality of life, more integrative approaches need to be developed that combine diverse data sources and reflect the complexity of the concept.