DOI: 10.26820/reciamuc/7.(2).abril.2023.317-327
URL: https://reciamuc.com/index.php/RECIAMUC/article/view/1116
EDITORIAL: Saberes del Conocimiento
REVISTA: RECIAMUC
ISSN: 2588-0748
TIPO DE INVESTIGACIÓN: Artículo de revisión
CÓDIGO UNESCO: 3310 Tecnología Industrial
PAGINAS: 317-327
El desafío de la Industria 4.0 en la educación superior de In-
geniería Industrial: Una revisión sistemática de la literatura
The challenge of Industry 4.0 in higher education in Industrial
Engineering: A systematic review of the literature
O desafio da Indústria 4.0 no ensino superior em Engenharia Industrial:
Uma revisão sistemática da literatura
Pilar Tatiana Macías-Suárez
1
; Luis Manuel Pilacuan-Bonete
2
; José Willian Ugalde Vicuña
3
RECIBIDO: 23/02/2023 ACEPTADO: 12/03/2023 PUBLICADO: 15/05/2023
1. Licenciada en Periodismo; Universidad de Guayaquil; Guayaquil, Ecuador; pilar.maciass@ug.edu.ec; https://orcid.
org/0000-0002-8401-0067
2. Magíster en Administración de Empresas; Ingeniero Industrial; Universidad de Guayaquil; Guayaquil, Ecuador; luis.
pilacuanb@ug.edu.ec; hhttps://orcid.org/0000-0002-6625-0905
3. Magíster en Seguridad Higiene Industrial y Salud Ocupacional; Diploma Superior en Seguridad Higiene y Salud Ocupa-
cional; Ingeniero Industrial; Universidad de Guayaquil, Guayaquil, Ecuador; jose.ugaldevi@ug.edu.ec; https://orcid.
org/0000-0003-1240-7804
CORRESPONDENCIA
Pilar Tatiana Macías-Suárez
pilar.maciass@ug.edu.ec
Guayaquil, Ecuador
© RECIAMUC; Editorial Saberes del Conocimiento, 2023
RESUMEN
Con la llegada de la Industria 4.0, se está impactando la educación superior en el campo de la Ingeniería
Industrial. La Industria 4.0 representa una nueva era de digitalización y automatización en la fabricación y
producción, lo que requiere habilidades y competencias actualizadas por parte de los ingenieros industriales.
El estudio realiza una revisión sistemática de la literatura de los últimos 10 años en las bases de datos de Sco-
pus y Web Of Scienc, identificando por medio de un modelado de tópicos de Asignación Latente de Dirichlet
(LDA) los desafíos claves que enfrentan las instituciones educativas, las organizaciones y los profesionales
de la ingeniería industrial en este contexto. Entre los 8 tópicos encontrados, se visualizaron algunos desafíos
destacados, como la necesidad de actualizar los planes de estudio para incluir temas relevantes como Pro-
cesos Productivos Inteligentes, Aprendizaje de destrezas digitales, Desarrollo de habilidades digitales en las
organizaciones, entre otras, así como la importancia de fomentar habilidades transversales como el pens-
amiento crítico. Se concluye resaltando la importancia de abordar estos desafíos mediante la colaboración
entre la industria y las instituciones educativas, para mantener actualizadas las habilidades de los ingenieros
industriales en el entorno de la Industria 4.0.
Palabras clave: Industria 4.0, Educación Superior, LDA, Modelado de Temas.
ABSTRACT
With the arrival of Industry 4.0, higher education in the field of Industrial Engineering is having an impact. In-
dustry 4.0 represents a new era of digitization and automation in manufacturing and production, which requires
up-to-date skills and competencies on the part of industrial engineers. The study performs a systematic review
of the literature of the last 10 years in the Scopus and Web Of Scienc databases, identifying through Dirichlet
Latent Assignment (LDA) topic modeling the key challenges faced by educational institutions, organizations
and industrial engineering professionals in this context. Among the 8 topics found, some outstanding cha-
llenges were visualized, such as the need to update study plans to include relevant topics such as Intelligent
Production Processes, Learning digital skills, Development of digital skills in organizations, among others, as
well as the importance to promote transversal skills such as critical thinking. It concludes by highlighting the
importance of addressing these challenges through collaboration between industry and educational institu-
tions, to keep the skills of industrial engineers up to date in the Industry 4.0 environment.
Keywords: Industry 4.0, Higher Education, LDA, Topic Model.
RESUMO
Com o advento da Indústria 4.0, o ensino superior no domínio da Engenharia Industrial está a ser afectado. A
Indústria 4.0 representa uma nova era de digitalização e automação na fabricação e produção, o que requer
habilidades e competências atualizadas dos engenheiros industriais. O estudo efectua uma revisão sistemá-
tica da literatura dos últimos 10 anos nas bases de dados Scopus e Web Of Scienc, identificando através da
modelação de tópicos Latent Dirichlet Assignment (LDA) os principais desafios enfrentados pelas instituições
de ensino, organizações e profissionais de engenharia industrial neste contexto. De entre os 8 tópicos encon-
trados, foram visualizados alguns desafios de relevo, como a necessidade de actualizar os currículos para
incluir tópicos relevantes como os Processos de Produção Inteligentes, a Aprendizagem de Competências Di-
gitais, o Desenvolvimento de Competências Digitais nas organizações, entre outros, bem como a importância
de fomentar competências transversais como o pensamento crítico. Conclui-se salientando a importância de
abordar estes desafios através da colaboração entre a indústria e as instituições de ensino, a fim de manter as
competências dos engenheiros industriais actualizadas no ambiente da Indústria 4.0.
Palavras-chave: Indústria 4.0, Ensino Superior, LDA, Modelação de Tópicos.
319
RECIMAUC VOL. 7 Nº 2 (2023)
Introducción
La industria 4.0 implica una profunda trans-
formación en la forma en que se hacen las
cosas, y esta transformación se está produ-
ciendo a un ritmo acelerado, necesitando
una gran cantidad de innovación y disrup-
ción en la educación superior a nivel mundial
(AlMalki y Durugbo 2023a). El termino Indus-
tria 4.0 acuñado por primera vez en la feria
de Hannover en el 2021, bajo el concepto de
producción inteligente (Baygin et al. 2016).
Wee la define como la digitalización del
sector de manufactura mediante sensores
integrados en prácticamente todos los com-
ponentes del producto y equipos de fabrica-
ción, sistemas ciber físicos y tratamiento de
datos industriales (Wee et al. 2015).
Revisiones previas, como (Rana y Rathore
2023), (Liao et al. 2017) y(AlMalki y Duru-
gbo 2023b) generan análisis detallados
de la necesidad de la integración en los
modelos educativos de conceptos como;
internet de las cosas (IoT), Smart Factory,
Inteligencia Artificial (IA), robótica y cono-
cimiento de la nube, argumentando que
la fuerza laboral con frecuencia no está
alineada con las estrategias organizacio-
nales. Rotatori concluyo que la educación
es el principal enfoque para que la fuerza
laboral logre satisfacer las necesidades
innovadoras de los mercados actuales(Ro-
tatori, Lee, y Sleeva 2020). Los actuales
mercados requieren procesos ágiles don-
de los empleados necesitan nuevas ha-
bilidades emergentes relacionadas a la
revolución provocada por la industria 4.0;
donde los trabajadores deben estar fami-
liarizados con los procesos, equipos y tec-
nologías aplicadas (Mourtzis et al. 2020).
En el campo de la Ingeniería la industria
4.0 ha influido en diferentes sectores,
como en aplicaciones en la cadena de su-
ministro (Dilberoglu et al. 2017), en proce-
sos de manufactura (Dillinger, Bernhard, y
Reinhart 2022), proceso de materiales inte-
ligentes aplicados en el área médica (Rouf
et al. 2022).
EL DESAFÍO DE LA INDUSTRIA 4.0 EN LA EDUCACIÓN SUPERIOR DE INGENIERÍA INDUSTRIAL: UNA
REVISIÓN SISTEMÁTICA DE LA LITERATURA
Havle conceptualiza en tres dimensiones
principales, como: “Humano”, “Organiza-
ción” y “Tecnología”, la industria 4.0 (Havle
y Ucler 2018). Es así como la dimensión hu-
mana, se centra en el conjunto de habilida-
des y la conciencia tecnológica de la fuerza
laboral. Dada estas nuevas tecnologías y la
necesidad de adecuar el sistema educati-
vo, para que se adapte a las nuevas com-
petencias surgen principios dirigidos a una
educación dirigida a la industria 4.0 (Castro
Benavides et al. 2020). Varias investigacio-
nes han revisado diferentes enfoques de
la transformación en las Instituciones de
Educación Superior (IES) en referencia a
los procesos de la Industria 4.0, donde Ma-
hlow, indica que la tecnología esta interco-
nectada con los procesos de aprendizaje
digital en las IES (MahlowCerstin y Hedige-
rAndreas 2019),y Oliver indica en su estudio
que las IES deben formar universitarios con
una gama de habilidades colaborativas e
interdisciplinarias que permitan desarrollar
competencias en las tecnologías de comu-
nicación (TIC), y aplicarlas en la Industria
4.0(Oliver y Jorre de St Jorre 2018).
Es así, que la Ingeniería Industrial, la cual es
ampliamente demandada en diferentes par-
tes del mundo, siendo en EE. UU una de las
nueve profesiones de ingeniería con mayor
aceptación (Roy 2019), debe de ser evalua-
dos y revisados los componentes de apren-
dizaje, de acuerdo con las nuevas tenden-
cias de la Industria 4.0. Este estudio busca
realizar un análisis sistemático de la litera-
tura, relacionada a los modelos educativos
en instituciones de educación superior y la
industria 4.0 y poder ilustrar las tecnologías y
habilitadores de varios sectores industriales,
estableciendo la brecha entre la industria y
la academia, estableciendo los desafíos.
Materiales y métodos
Este estudio es una revisión sistemática de
la literatura (SLR), diseñada en base al “Pre-
ferred Reporting Item for Systematic Review
and Meta-Analyses (Prisma), que es un mé-
todo ampliamente aplicado en la SLR, que
320
RECIMAUC VOL. 7 Nº 2 (2023)
permite orientarse en la selección de las
publicaciones que contribuyen a la investi-
gación, basado en cuatro etapas como; la
estrategia de búsqueda, limpieza, elegibili-
dad e inclusión de los textos a analizar (Li-
berati et al. 2009; Page et al. 2021)
La selección e identificación de artículos se
realizó al 4 de mayo del 2023, en las ba-
ses de datos de la web of scienc (WOS),
y de Scopus, las cuales son altamente re-
conocidas por tener artículos de alta rigu-
rosidad técnica y científica (Gorraiz et al.
2016). En la figura 1 se observa el proceso
de obtención de artículos, usando las pala-
bras “Industry” and “Higher Education”, se
obtuvieron 873 artículos. Para el proceso de
cribado o limpieza, se consideró solo los de
revistas y conferencias de acceso abierto
en los últimos 10 años de revistas cuyas te-
máticas estén alineadas a investigaciones
en educación superior e industria 4.0. Para
el proceso de elegibilidad se escogió a los
artículos con las palabras claves industria
4.0 y educación superior quitando los dupli-
cados. Finalmente, para evaluar el criterio
de inclusión se consideraron estudios apli-
cados en la educación superior e industria
4.0 evaluando los títulos y abstractos, que-
dando 38 artículos para ser analizados.
Figura 1. Diagrama Metodología Prisma
Fuente: Adaptado de Liberati. (Liberati et al. 2009)
MACÍAS-SUÁREZ, P. T., PILACUAN-BONETE, L. M., & UGALDE VICUÑA, J. W.
321
RECIMAUC VOL. 7 Nº 2 (2023)
Para el proceso de análisis se utilizó dos pa-
quetes del software RStudio (Posit Softwa-
re 2023), LDAShiny (De la Hoz-M, Fernán-
dez-Gómez, y Mendes 2021)y LDABiplot
(Luis Pilacuan-Bonete et al. 2022), generan-
do el proceso detallado en la figura 2, don-
de se observa la metodología usada para
el análisis. Dentro del proceso se generó
un análisis de descubrimiento de los temas
ocultos en los artículos analizados median-
te un modelado de tópicos descrito por Blei
(Blei, Ng, y Jordan 2003; Steyvers y Griffi-
ths 2007), siguiendo el proceso de análisis
descrito por Pilacuan (L. Pilacuan-Bonete,
Galindo-Villardón, y Delgado-Álvarez 2022)
para el descubrimiento y visualización gráfi-
ca de los resultados.
Figura 2. Proceso Modelado de Tópicos LDA
Fuente: Adaptado de Blei y Steyvers (Blei, Ng, y Jordan 2002; Steyvers y Griffiths 2007)
Los artículos también fueron sometidos a un
proceso de visualización de tópicos por me-
dio del paquete LDavis, propuesto por Stie-
vert, donde se genera una representación
gráfica a partir del Multidimensional Scaling
(MDS) (Sievert y Shirley 2014)
Resultados y discusión
Se encontró que los términos o palabras
más relevantes encontrados son 2523, en
la figura 3 se observa las 25 palabras más
frecuentes de la matriz términos por Docu-
mento (TDM).
EL DESAFÍO DE LA INDUSTRIA 4.0 EN LA EDUCACIÓN SUPERIOR DE INGENIERÍA INDUSTRIAL: UNA
REVISIÓN SISTEMÁTICA DE LA LITERATURA
322
RECIMAUC VOL. 7 Nº 2 (2023)
Figura 3. Top 25 palabras más frecuentes
Fuente: Adaptado de Blei y Steyvers (Blei, Ng, y Jordan 2002; Steyvers y Griffiths 2007)
Para la obtención del Modelado de tópicos,
se aplica la Distribución de Dirichlet Allo-
cation (LDA), de acuerdo con el modelo de
Blei, adaptado por Steyvers (Steyvers y Gri-
ffiths 2007), se generó un modelo de cohe-
rencia, para encontrar un K obtenido prede-
finido para la obtención de los tópicos. En
la figura 4 se observa que el resultado con
mayor coherencia es de 8 tópicos.
Figura 4. Coherencia de inferencia de Tópicos
Fuente: Adaptado de Blei y Steyvers (Blei, Ng, y Jordan 2002; Steyvers y Griffiths 2007)
Generada la inferencia en el paquete LDAS-
hiny, se determinó que el K óptimo de tópi-
cos es de 8, generando el modelo LDA, se
encontraron los resultados detallados en la
tabla 1 por medio del Paquete LDABiplot.
Generando una etiqueta recomendada de
acuerdo con la probabilidad de cada pala-
bra al tópico.
MACÍAS-SUÁREZ, P. T., PILACUAN-BONETE, L. M., & UGALDE VICUÑA, J. W.
323
RECIMAUC VOL. 7 Nº 2 (2023)
Tabla 1. Listado de Tópicos con palabras que lo conforman
EL DESAFÍO DE LA INDUSTRIA 4.0 EN LA EDUCACIÓN SUPERIOR DE INGENIERÍA INDUSTRIAL: UNA
REVISIÓN SISTEMÁTICA DE LA LITERATURA
324
RECIMAUC VOL. 7 Nº 2 (2023)
El LDavis nos permite generar la represen-
tación en un espacio vectorial de cada uno
de los tópicos, donde los diámetros de las
circunferencias es la distribución marginal
de cada uno de estos. Así mismo, se pue-
de observar por cada tópico la frecuencia
de cada una de las palabras descritas en
la tabla 1.
Figura 5. Representación de Tópicos con LDavis
MACÍAS-SUÁREZ, P. T., PILACUAN-BONETE, L. M., & UGALDE VICUÑA, J. W.
325
RECIMAUC VOL. 7 Nº 2 (2023)
Con el LDABiplot, se generó el mapa de ca-
lor de la figura 6, el cual permite observar
por cada año con que frecuencia estos tó-
picos se han generado en las diferentes pu-
blicaciones. Adicionalmente la posición de
las circunferencias nos muestra el grado de
relación que tienen entre si los tópicos. Por
ejemplo, se observa que el numero 1 (Desa-
rrollo de Habilidades Digitales de Compa-
ñías) tiene una mayor relación con el tópico
4 (Aprendizaje de Destrezas en la Industria
4.0) que con el 8 (Industria 4.0 desarrollo
del aprendizaje).
Figura 6. Representación de Tópicos por Año
Se puede Observar que mientras más inten-
so es el color a rojo, mayor es el tipo de pu-
blicación que han tratado de este tema en
sus resúmenes, observándose que al 2023,
existe una mayor intensidad del tópico 5 re-
lacionado a los modelos de aprendizaje de
la educación digital, mientras que al 2021 y
2022 existe mayor cantidad de publicacio-
nes relacionadas al desarrollo de habilida-
des digitales en las compañías.
Conclusión
La revisión sistemática de la literatura, basa-
da en un modelado de tópicos mediante la
técnica de Asignación Latente de Dirichlet
(LDA), ha identificado los principales desa-
fíos que enfrentan las instituciones educati-
vas, las organizaciones y los profesionales
de la ingeniería industrial en este contexto.
Entre los desafíos destacados se encuen-
tra la necesidad de actualizar los planes
de estudio para incorporar temas cruciales
como los Procesos Productivos Inteligen-
tes, el Aprendizaje de destrezas digitales
y el Desarrollo de habilidades digitales en
las organizaciones. Además, se destaca la
importancia de fomentar habilidades trans-
versales como el pensamiento crítico.
Así mismo, se resalta la importancia de
abordar estos desafíos a través de la cola-
boración entre la industria y las instituciones
educativas, asegurando la actualización
constante de las habilidades de los ingenie-
ros industriales en el entorno de la Industria
4.0. Los resultados obtenidos del análisis
de los tópicos y su representación gráfica
proporcionan información adicional sobre la
relación entre ellos y su frecuencia en las
publicaciones a lo largo de los años.
Este estudio subraya la necesidad de adap-
tar la educación superior en Ingeniería In-
dustrial para satisfacer las demandas de la
Industria 4.0, y destaca la importancia de la
EL DESAFÍO DE LA INDUSTRIA 4.0 EN LA EDUCACIÓN SUPERIOR DE INGENIERÍA INDUSTRIAL: UNA
REVISIÓN SISTEMÁTICA DE LA LITERATURA
326
RECIMAUC VOL. 7 Nº 2 (2023)
colaboración y el desarrollo continuo de ha-
bilidades para garantizar que los ingenieros
industriales estén preparados para enfrentar
los desafíos de esta nueva era tecnológica.
Bibliografía
AlMalki, Hameeda A., y Christopher M. Durugbo.
2023a. «Evaluating critical institutional factors of
Industry 4.0 for education reform». Technological
Forecasting and Social Change 188:122327. doi:
10.1016/J.TECHFORE.2023.122327.
AlMalki, Hameeda A., y Christopher M. Durugbo.
2023b. «Evaluating critical institutional factors of
Industry 4.0 for education reform». Technological
Forecasting and Social Change 188:122327. doi:
10.1016/J.TECHFORE.2023.122327.
Baygin, Mehmet, Hasan Yetis, Mehmet Karakose, y
Erhan Akin. 2016. «An effect analysis of industry
4.0 to higher education». 2016 15th International
Conference on Information Technology Based
Higher Education and Training, ITHET 2016. doi:
10.1109/ITHET.2016.7760744.
Blei, David M., Andrew Y. Ng, y Michael I. Jordan.
2002. «Latent Dirichlet allocation». Pp. 601-8 en
Advances in Neural Information Processing Sys-
tems. Vol. 14.
Blei, David M., Andrew Y. Ng, y Michael I. Jordan.
2003. «Latent Dirichlet allocation». Journal of Ma-
chine Learning Research 3(4-5):993-1022. doi:
10.1016/b978-0-12-411519-4.00006-9.
Castro Benavides, Lina María, Johnny Alexander
Tamayo Arias, Martín Darío Arango Serna, John
William Branch Bedoya, y Daniel Burgos. 2020.
«Digital Transformation in Higher Education Ins-
titutions: A Systematic Literature Review». Sen-
sors 2020, Vol. 20, Page 3291 20(11):3291. doi:
10.3390/S20113291.
Dilberoglu, Ugur M., Bahar Gharehpapagh, Ulas
Yaman, y Melik Dolen. 2017. «The Role of Additi-
ve Manufacturing in the Era of Industry 4.0». Pro-
cedia Manufacturing 11:545-54. doi: 10.1016/J.
PROMFG.2017.07.148.
Dillinger, Fabian, Olivia Bernhard, y Gunther Rein-
hart. 2022. «Competence Requirements in Manu-
facturing Companies in the Context of Lean 4.0».
Procedia CIRP 106:58-63. doi: 10.1016/J.PRO-
CIR.2022.02.155.
Gorraiz, Juan, David Melero-Fuentes, Christian
Gumpenberger, y Juan Carlos Valderrama-Zu-
rián. 2016. «Availability of digital object identifiers
(DOIs) in Web of Science and Scopus». Jour-
nal of Informetrics 10(1):98-109. doi: 10.1016/J.
JOI.2015.11.008.
Havle, Celal Alpay, y Caglar Ucler. 2018. «Enablers
for Industry 4.0». ISMSIT 2018 - 2nd International
Symposium on Multidisciplinary Studies and Inno-
vative Technologies, Proceedings. doi: 10.1109/
ISMSIT.2018.8567293.
De la Hoz-M, Javier, Ma José Fernández-Gómez, y
Susana Mendes. 2021. «LDAShiny: An R Package
for Exploratory Review of Scientific Literature Ba-
sed on a Bayesian Probabilistic Model and Machi-
ne Learning Tools». Mathematics 2021, Vol. 9, Page
1671 9(14):1671. doi: 10.3390/MATH9141671.
Liao, Yongxin, Fernando Deschamps, Eduardo de
Freitas Rocha Loures, y Luiz Felipe Pierin Ra-
mos. 2017. «Past, present and future of Indus-
try 4.0 - a systematic literature review and re-
search agenda proposal». https://doi.org/10.108
0/00207543.2017.1308576 55(12):3609-29. doi:
10.1080/00207543.2017.1308576.
Liberati, Alessandro, Douglas G. Altman, Jennifer
Tetzlaff, Cynthia Mulrow, Peter C. Gøtzsche, John
P. A. Ioannidis, Mike Clarke, P. J. Devereaux, Jos
Kleijnen, y David Moher. 2009. «The PRISMA sta-
tement for reporting systematic reviews and me-
ta-analyses of studies that evaluate health care in-
terventions: Explanation and elaboration». Annals
of Internal Medicine 151(4). doi: 10.7326/0003-
4819-151-4-200908180-00136/SUPPL_FILE/PRIS-
MA_FIGURE-S1.DOC.
MahlowCerstin, y HedigerAndreas. 2019. «Di-
gital Transformation in Higher Education—
Buzzword or Opportunity?» eLearn 2019(5). doi:
10.1145/3329488/3331171.
Mourtzis, Dimitris, Vasilis Siatras, John Angelopou-
los, y Nikos Panopoulos. 2020. «An Augmented
Reality Collaborative Product Design Cloud-Based
Platform in the Context of Learning Factory». Pro-
cedia Manufacturing 45:546-51. doi: 10.1016/J.
PROMFG.2020.04.076.
Oliver, Beverley, y Trina Jorre de St Jorre. 2018.
«Graduate attributes for 2020 and beyond: re-
commendations for Australian higher edu-
cation providers». Higher Education Re-
search & Development 37(4):821-36. doi:
10.1080/07294360.2018.1446415.
MACÍAS-SUÁREZ, P. T., PILACUAN-BONETE, L. M., & UGALDE VICUÑA, J. W.
327
RECIMAUC VOL. 7 Nº 2 (2023)
Page, Matthew J., Joanne E. McKenzie, Patrick M.
Bossuyt, Isabelle Boutron, Tammy C. Hoffmann,
Cynthia D. Mulrow, Larissa Shamseer, Jennifer M.
Tetzlaff, Elie A. Akl, Sue E. Brennan, Roger Chou,
Julie Glanville, Jeremy M. Grimshaw, Asbjørn
Hróbjartsson, Manoj M. Lalu, Tianjing Li, Elizabe-
th W. Loder, Evan Mayo-Wilson, Steve McDonald,
Luke A. McGuinness, Lesley A. Stewart, James
Thomas, Andrea C. Tricco, Vivian A. Welch, Penny
Whiting, y David Moher. 2021. «The PRISMA 2020
statement: An updated guideline for reporting sys-
tematic reviews». International Journal of Surgery
88:105906. doi: 10.1016/J.IJSU.2021.105906.
Pilacuan-Bonete, L., P. Galindo-Villardón, y F. Delga-
do-Álvarez. 2022. «HJ-Biplot as a Tool to Give an
Extra Analytical Boost for the Latent Dirichlet As-
signment (LDA) Model: With an Application to Digi-
tal News Analysis about COVID-19». Mathematics
10(14). doi: 10.3390/math10142529.
Pilacuan-Bonete, Luis, Purificación Galindo-Villar-
dón, Francisco Delgado-Álvarez, y Javier De La
Hoz Maestre. 2022. «Package LDABiplots». 1-11.
Posit Software. 2023. «RStudio».
Rana, Bharti, y Sanjay S. Rathore. 2023. «Industry
4.0 – Applications, challenges and opportunities
in industries and academia: A review». Materials
Today: Proceedings 79:389-94. doi: 10.1016/J.MA-
TPR.2022.12.162.
Rotatori, Denise, Eun Jeong Lee, y Sheryl Sleeva.
2020. «The evolution of the workforce during the
fourth industrial revolution». https://doi.org/10.1
080/13678868.2020.1767453 24(1):92-103. doi:
10.1080/13678868.2020.1767453.
Rouf, Saquib, Abrar Malik, Navdeep Singh, Ankush
Raina, Nida Naveed, Md Irfanul Haque Siddiqui, y
Mir Irfan Ul Haq. 2022. «Additive manufacturing te-
chnologies: Industrial and medical applications».
Sustainable Operations and Computers 3:258-74.
doi: 10.1016/J.SUSOC.2022.05.001.
Roy, Joseph. 2019. Engineering by the numbers.
Sievert, Carson, y Kenneth E. Shirley. 2014. «LDAvis:
A method for visualizing and interpreting topics».
Pp. 63-70 en Proceedings of the workshop on inte-
ractive language learning, visualization, and inter-
faces. Baltimore, Maryland: Association for Com-
putational Linguistics.
Steyvers, Mark, y Tom Griffiths. 2007. «Probabilistic
Topic Models». Pp. 427-48 en Handbook of La-
tent Semantic Analysis, editado por T. Landauer,
D. McNamara, S. Dennis, y W. Kintsch. New York:
Taylor and Francis.
Wee, Dominik, R. Kelly, J. Cattel, y Matthias Breunig.
2015. «Industry 4.0-how to navigate digitization of
the manufacturing sector». McKinsey & Company
58:7-11.
CITAR ESTE ARTICULO:
Macías-Suárez, P. T., Pilacuan-Bonete, L. M., & Ugalde Vicuña, J. W. (2023).
El desafío de la Industria 4.0 en la educación superior de Ingeniería Industrial:
Una revisión sistemática de la literatura. RECIAMUC, 7(2), 305-327. https://
doi.org/10.26820/reciamuc/7.(2).abril.2023.305-327
EL DESAFÍO DE LA INDUSTRIA 4.0 EN LA EDUCACIÓN SUPERIOR DE INGENIERÍA INDUSTRIAL: UNA
REVISIÓN SISTEMÁTICA DE LA LITERATURA
