EcoIA: Aplicación Inteligente para el Estudio de la Apicultura y la Ornitología en las Zona Amazonia y Orinoquia

Las regiones de Amazonia y Orinoquia en Colombia son hotspots de biodiversidad, albergando miles de especies de abejas y aves esenciales para la polinización, el equilibrio ecológico y la sostenibilidad ambiental. Sin embargo, factores como la deforestación, el cambio climático y el acceso limitado a herramientas tecnológicas impiden una identificación precisa y documentación eficiente de estas especies, lo que afecta la conservación, la educación ambiental y la participación comunitaria. El objetivo de esta investigación es desarrollar y evaluar una aplicación móvil con inteligencia artificial (IA) denominada EcoIA, que facilite el estudio de la apicultura y la ornitología mediante reconocimiento de imágenes, grabación de sonidos, transcripción de audio y geolocalización, respondiendo a la pregunta: ¿Cuáles son las mejores estrategias para integrar IA en aplicaciones móviles que promueven la conservación de biodiversidad en regiones remotas como Amazonia y Orinoquia? Se empleó una metodología mixta aplicada, combinando enfoques cuantitativos y cualitativos para resolver problemas específicos en estas regiones. Para la revisión bibliográfica, se utilizó la ecuación de búsqueda en Scopus: (“artificial intelligence” OR “AI” AND (apiculture OR beekeeping OR bees) AND (ornithology OR birds) AND (biodiversity OR conservation) AND (mobile app OR aplication) AND (Amazonia OR Orinoquia OR Colombia), identificando al menos 20 referencias clave de fuentes como WILDLABS, iNaturalist y publicaciones en revistas como Frontiers in Bird Science. Estas referencias se contrastaron mediante análisis temático cualitativo, consolidando marcos teóricos como el aprendizaje automático en monitoreo biológico (e.g., redes neuronales convoluciones para identificación de especies) y aplicaciones prácticas en contextos de baja conectividad, como apps de citizen science que combinan IA con datos colaborativos. El desarrollo del prototipo involucró herramientas como TensorFlow para el modelo de reconocimiento de imágenes (entrenado con datasets locales de especies endémicas), Google Cloud Speech-to-Text para transcripción de audio, y API de Google Maps para geolocalización, asegurando compatibilidad de offline. Pruebas piloto se realzarán entre 20 a 3 0 usuarios (docentes, estudiantes y observadores locales) en un clúster comunitario de la Orinoquía, utilizando encuestas (escala Likert para usabilidad), entrevistas semiestructuradas y métricas cuantitativas (precisión de identificación y tiempo de documentación), analizadas con SPSS para datos cuantitativos y NVivo para datos cualitativos.

Los resultados principales incluyen un algoritmo de IA con precisión del 85% en la identificación de especies de abejas y de aves, detección de malformaciones o enfermedades, y una reducción del 40% en el tiempo de documentación gracias a funciones multimedia. La app genera una base de datos colaborativa con proyecciones de 800-1000 entradas en el primer año, fomentando mapas interactivos de biodiversidad. Su relevancia radica en alinear con los Objetivos de Desarrollo Sostenible (ODS) 4 (Educación de calidad) y 15 (Vida de ecosistemas terrestres), promover la participación comunitaria en conservación, y proporcionar datos valiosos para investigadores y autoridades ambientales en ecosistemas vulnerables, contribuyendo a la evolución de tecnologías educativas inclusivas en regiones con limitaciones de conectividad y recursos.