Integración de tecnologías de Agricultura 5.0 en la educación superior: Un enfoque hacia la sostenibilidad agropecuaria
Resumen
La Agricultura 5.0 representa una revolución tecnológica diseñada para abordar desafíos como el cambio climático, la degradación ambiental y el incremento en la demanda de alimentos. Este enfoque integra tecnologías avanzadas como IoT, IA, ML, UAVs y blockchain, promoviendo prácticas agrícolas más eficientes y sostenibles. Este artículo analiza el papel de la educación superior en la formación de profesionales capacitados para implementar estas tecnologías en el sector agropecuario. Mediante una revisión sistemática de la literatura, se seleccionaron estudios publicados entre 2020 y 2025 que abordaran la intersección entre Agricultura 5.0, sostenibilidad y educación superior. Los resultados revelan que herramientas como sensores inteligentes, UAVs y big data permiten un monitoreo y toma de decisiones informadas en tiempo real, reduciendo el consumo de recursos y los impactos ambientales. Estas tecnologías optimizan la gestión del agua, fertilizantes y pesticidas, además de fomentar prácticas regenerativas y la preservación de la biodiversidad. En el ámbito educativo, la implementación de metodologías como el aprendizaje basado en proyectos (PBL) permite el desarrollo de competencias técnicas avanzadas y una comprensión ética de la sostenibilidad. La incorporación de estas tecnologías en la educación superior es esencial para preparar a los futuros profesionales a liderar la transición hacia modelos agrícolas más sostenibles e innovadores. Al equilibrar productividad, sostenibilidad y equidad social, la Agricultura 5.0 y su integración en los programas académicos representan un camino viable hacia un desarrollo agropecuario resiliente y responsable.
Descargas
Citas
Ahmad, L., & Nabi, F. (2021). Agriculture 5.0: Artificial Intelligence, IoT, and Machine Learning. Agriculture 5.0: Artificial Intelligence, IoT, and Machine Learning. https://doi.org/10.1201/9781003125433
Alahmadi, A. N., Rehman, S. U., Alhazmi, H. S., Glynn, D. G., Shoaib, H., & Solé, P. (2022). Cyber-Security Threats and Side-Channel Attacks for Digital Agriculture. Sensors, 22(9). https://doi.org/10.3390/S22093520
Angélica, I., Torres, G., Elizabeth, R., León, C., Ricardo, W., Espín, N., Geovanny, J., & Andrade, V. (2024). El Uso de la Inteligencia Artificial en un Invernadero. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 910–930. https://doi.org/10.37811/CL_RCM.V8I4.12331
Bissadu, K. D., Sonko, S., & Hossain, G. (2024). Society 5.0 enabled agriculture: Drivers, enabling technologies, architectures, opportunities, and challenges. Information Processing in Agriculture. https://doi.org/10.1016/J.INPA.2024.04.003
Bui, H. T., Aboutorab, H., Mahboubi, A., Gao, Y., Sultan, N. H., Chauhan, A., Parvez, M. Z., Bewong, M., Islam, R., Islam, Z., Camtepe, S. A., Gauravaram, P., Singh, D., Ali Babar, M., & Yan, S. (2024). Agriculture 4.0 and beyond: Evaluating cyber threat intelligence sources and techniques in smart farming ecosystems. Computers & Security, 140, 103754. https://doi.org/10.1016/J.COSE.2024.103754
Carayannis, E. G., & Morawska, J. (2023). University and Education 5.0 for Emerging Trends, Policies and Practices in the Concept of Industry 5.0 and Society 5.0. Industry 5.0: Creative and Innovative Organizations, 1–25. https://doi.org/10.1007/978-3-031-26232-6_1
Castro, N., Candia, A., Queiruga, C., Pagano, M., Ocampo, M. M., & Diaz, J. (2024). Desafíos tecnológicos de un proyecto de IoT para la agricultura familiar y manejo agroecológico en invernaderos del periurbano de La Plata. Memorias de Las JAIIO, 10(3), 118–130. https://publicaciones.sadio.org.ar/index.php/JAIIO/article/view/968
Catala-Roman, P., Segura-Garcia, J., Dura, E., Navarro-Camba, E. A., Alcaraz-Calero, J. M., & Garcia-Pineda, M. (2024). AI-based autonomous UAV swarm system for weed detection and treatment: Enhancing organic orange orchard efficiency with agriculture 5.0. Internet of Things, 28, 101418. https://doi.org/10.1016/J.IOT.2024.101418
Demircioglu, P., Bogrekci, I., Durakbasa, M. N., & Bauer, J. (2024). Autonomation, Automation, AI, and Industry-Agriculture 5.0 in Sustainable Agro-Ecological Food Production. Lecture Notes in Mechanical Engineering, 545–556. https://doi.org/10.1007/978-3-031-53991-6_42
Fraser, E. D. G., & Campbell, M. (2019). Agriculture 5.0: Reconciling Production with Planetary Health. One Earth, 1(3), 278–280. https://doi.org/10.1016/j.oneear.2019.10.022
Henriksen, B., Røstad, C. C., & Thomassen, M. K. (2022). Industry 5.0 – Making It Happen in the Agri Industry. The Core Product Service Platform. IFIP Advances in Information and Communication Technology, 663 IFIP, 424–431. https://doi.org/10.1007/978-3-031-16407-1_50
Juwono, F. H., Wong, W. K., Verma, S., Shekhawat, N., Lease, B. A., & Apriono, C. (2023). Machine learning for weed–plant discrimination in agriculture 5.0: An in-depth review. Artificial Intelligence in Agriculture, 10, 13–25. https://doi.org/10.1016/J.AIIA.2023.09.002
Kiruthiga, C., & Dharmarajan, K. (2023). Machine Learning in Soil Borne Diseases, Soil Data Analysis & Crop Yielding: A Review. Proceedings of the International Conference on Intelligent and Innovative Technologies in Computing, Electrical and Electronics, ICIITCEE 2023, 702–706. https://doi.org/10.1109/IITCEE57236.2023.10091016
Maraveas, C., Rajarajan, M., Arvanitis, K. G., & Vatsanidou, A. (2024). Cybersecurity threats and mitigation measures in agriculture 4.0 and 5.0. Smart Agricultural Technology, 9, 100616. https://doi.org/10.1016/J.ATECH.2024.100616
Mesías-Ruiz, G. A., Pérez-Ortiz, M., Dorado, J., de Castro, A. I., & Peña, J. M. (2023). Boosting precision crop protection towards agriculture 5.0 via machine learning and emerging technologies: A contextual review. Frontiers in Plant Science, 14, 1143326. https://doi.org/10.3389/FPLS.2023.1143326/BIBTEX
Mgendi, G. (2024a). Unlocking the potential of precision agriculture for sustainable farming. Discover Agriculture 2024 2:1, 2(1), 1–24. https://doi.org/10.1007/S44279-024-00078-3
Mgendi, G. (2024b). Unlocking the potential of precision agriculture for sustainable farming. Discover Agriculture 2024 2:1, 2(1), 1–24. https://doi.org/10.1007/S44279-024-00078-3
Nakaguchi, V. M., & Ahamed, T. (2023). Artificial Intelligence in Agriculture: Commitment to Establish Society 5.0: An Analytical Concepts Mapping for Deep Learning Application. IoT and AI in Agriculture, 133–152. https://doi.org/10.1007/978-981-19-8113-5_9
Parashar, A., Mabrouki, J., & Sharma, J. (2024). AI and Smart Technologies for Smart Agriculture Environment. Studies in Big Data, 143, 95–107. https://doi.org/10.1007/978-3-031-50860-8_6
Ragazou, K., Garefalakis, A., Zafeiriou, E., & Passas, I. (2022). Agriculture 5.0: A New Strategic Management Mode for a Cut Cost and an Energy Efficient Agriculture Sector. Energies 2022, Vol. 15, Page 3113, 15(9), 3113. https://doi.org/10.3390/EN15093113
Rame, R., Purwanto, P., & Sudarno, S. (2024). Industry 5.0 and sustainability: An overview of emerging trends and challenges for a green future. Innovation and Green Development, 3(4), 100173. https://doi.org/10.1016/J.IGD.2024.100173
Rudrakar, S., & Rughani, P. (2023). IoT based Agriculture (Ag-IoT): A detailed study on Architecture, Security and Forensics. Information Processing in Agriculture. https://doi.org/10.1016/J.INPA.2023.09.002
Sankarasubramanian, P. (2024). Enhancing precision in agriculture: a smart predictive model for optimal sensor selection through IoT integration. Smart Agricultural Technology, 100749. https://doi.org/10.1016/J.ATECH.2024.100749
Sathiyamurthi, S., Saravanan, · S, Shankar Karuppannan, ·, Balakumbahan, · R, Sivasakthi, · M, Praveen Kumar, · S, Ramya, · M, Hussain, · Sajjad, Tariq, A., & Sathiyamurthi, * S. (2024). Agricultural land suitability of Manimutha Nadhi watershed using AHP and GIS techniques. Discover Sustainability 2024 5:1, 5(1), 1–20. https://doi.org/10.1007/S43621-024-00471-4
Slettli, V. (2024). Smart Farming or Digital Agriculture. Reference Module in Social Sciences. https://doi.org/10.1016/B978-0-443-13701-3.00490-4
Vinod, V. C., S., A. H., & Albaaji, G. F. (2024). Precision farming for sustainability: An agricultural intelligence model. Computers and Electronics in Agriculture, 226, 109386. https://doi.org/10.1016/J.COMPAG.2024.109386
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Journal of Science and Research
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
No utilizar esta obra para fines comerciales.
Declaración de privacidad
Los nombres y direcciones de correo-e introducidos en esta revista se usarán exclusivamente para los fines declarados por esta revista y no estarán disponibles para ningún otro propósito u otra persona.