Journal: El futuro de la estadística en la investigación científica: una revisión narrativa de las tendencias emergentes
No Thumbnail Available
ISSN
3005-5946
Publisher
Vindell González, Juan José
Editor-in-Chief
Serrano Melgar, Miguel Ángel
Description
RESUMEN
La rápida expansión del big data, la inteligencia artificial y la ciencia de datos ha generado transformaciones significativas en el papel de la estadística en la investigación científica. Tradicionalmente considerada como el pilar metodológico del método científico, la estadística ha proporcionado las herramientas fundamentales para el diseño experimental, el análisis de datos y la inferencia de incertidumbre. Sin embargo, el desarrollo de técnicas computacionales avanzadas ha reconfigurado el panorama analítico, generando nuevas oportunidades y desafíos. El objetivo de este estudio es analizar las tendencias emergentes que están redefiniendo el papel de la estadística en la investigación científica contemporánea. Para ello, se adoptó un enfoque cualitativo basado en una revisión narrativa de la literatura científica publicada entre 2020 y 2025. Tras aplicar criterios de inclusión y exclusión en diversas bases de datos académicas, se seleccionaron 20 estudios relevantes para su análisis conceptual. Los resultados identifican cuatro tendencias principales: 1) la transición hacia marcos metodológicos híbridos que integran la inferencia estadística con el aprendizaje automático; 2) la urgencia de desarrollar modelos predictivos interpretables; 3) el fortalecimiento de las prácticas de ciencia abierta para combatir la crisis de reproducibilidad; y 4) la transformación de la formación estadística hacia competencias computacionales. En conclusión, la revisión sugiere que la estadística no está siendo desplazada, sino que evoluciona de manera interdisciplinar para continuar desempeñando un papel central en la validación de modelos, el manejo de la incertidumbre y la generación de conocimiento científico fiable.
PALABRAS CLAVE
estadística; ciencia de datos; inteligencia artificial; aprendizaje automático; datos masivos; reproducibilidad; aprendizaje estadístico.
ABSTRACT
The rapid expansion of big data, artificial intelligence, and data science has generated significant transformations in the role of statistics within scientific research. Traditionally considered the methodological pillar of the scientific method, statistics has provided the fundamental tools for experimental design, data analysis, and inference under uncertainty. However, the development of advanced computational techniques has reshaped the analytical landscape, creating new opportunities and challenges. This study aims to analyze the emerging trends that are redefining the role of statistics in contemporary scientific research. To this end, a qualitative approach was adopted based on a narrative review of scientific literature published between 2020 and 2025. After applying inclusion and exclusion criteria across various academic databases, 20 relevant studies were selected for conceptual analysis. The findings reveal four major trends: 1) the transition toward hybrid methodological frameworks that integrate statistical inference with machine learning; 2) the urgent need to develop interpretable predictive models; 3) the strengthening of open science practices to combat the reproducibility crisis; and 4) the transformation of statistical education toward computational competencies. In conclusion, the review suggests that statistics is not being displaced but is rather evolving in an interdisciplinary manner to continue playing a central role in model validation, uncertainty management, and the generation of reliable scientific knowledge.
KEYWORDS
statistics; data science; artificial intelligence; machine learning; big data; reproducibility; statistical learning.