279 Rev.Investig.Desarro.Innov. Vol. 12(2), julio-diciembre de 2022, 279-292. ISSN: 2027-8306 Andrés Mauricio Grisales-Aguirre Carlos Julio Figueroa-Vallejo Cómo citar este artículo: Grisales-Aguirre, A. M., & Figueroa-Vallejo, C. J. (2022). Modelado de tópicos aplicado al análisis del papel del aprendizaje automático en revisiones sistemáticas. Revista de Investigación, Desarrollo e Innovación, 12(2), 279-292 doi: https://doi.org/10.19053/20278306.v12.n2.2022.15271 Modelado de tópicos aplicado al análisis del papel del aprendizaje automático en revisiones sistemáticas Modeling of topics applied to the analysis of the paper of automatic learning in systemic revisions Andrés Mauricio Grisales-Aguirre 1 Carlos Julio Figueroa-Vallejo 2 Recibido: enero 18 de 2022 Aceptado: mayo 03 de 2022 1 Matemático, Estudiante de Doctorado en Ciencias – Matemáticas, Universidad Católica Luis Amigó, Manizales, Colombia. E-mail: andres.grisalesag@amigo.edu.co Orcid: https://orcid.org/0000-0002-4385-4474 2 Ingeniero de Sistemas, Especialista en Big Data e Inteligencia de Negocios, Corporación Universitaria Remington, Caucasia, Colombia. E-mail: carlos.fgueroava@amigo.edu.co Orcid: https://orcid.org/0000-0002-5793-6286 Resumen El objetivo de la investigación fue analizar el papel del aprendizaje automático de datos en las revisiones sistemáticas de literatura. Se aplicó la técnica de Procesamiento de Lenguaje Natural denominada modelado de tópicos, a un conjun- to de títulos y resúmenes recopilados de la base de datos Scopus. Específcamente se utilizó la técnica de Asignación Latente de Dirichlet (LDA), a partir de la cual se lograron descubrir y com- prender las temáticas subyacentes en la colec- ción de documentos. Los resultados mostraron la utilidad de la técnica utilizada en la revisión exploratoria de literatura, al permitir agrupar los resultados por temáticas. Igualmente, se pudo identificar las áreas y actividades específicas donde más se ha aplicado el aprendizaje auto- mático, en lo referente a revisiones de literatura. Se concluye que la técnica LDA es una estrate- gia fácil de utilizar y cuyos resultados permiten abordar una amplia colección de documentos de manera sistemática y coherente, reduciendo notablemente el tiempo de la revisión. Palabras clave: modelado de tópicos, aprendi- zaje automático, revisiones sistemáticas, Asigna- ción Latente de Dirichlet. Abstract The objective of the research was to analyze the role of machine data learning in systematic literature reviews. The Natural Language Pro- cessing technique called topic modeling was applied to a set of titles and abstracts collected from the Scopus database. Specifcally, the La- tent Dirichlet Assignment (LDA) technique was used, from which it was possible to discover and understand the underlying themes in the collection of documents. The results showed the usefulness of the technique used in the exploratory literature review, by allowing the results to be grouped by theme. Likewise, it was possible to identify the specifc areas and activi- ties where machine learning has been applied the most, in relation to literature reviews. It is concluded that the LDA technique is an easy- to-use strategy and whose results allow a wide collection of documents to be approached in a systematic and coherent manner, notably reducing the review time. Keywords: topic modeling, machine learning, systematic reviews, Latent Dirichlet Allocation.