El Centro de Información Bibliotecaria de la ESPOL fue sede de WiDS 2026, una competencia de ciencia de datos que convocó a estudiantes y profesionales de distintas instituciones del país para desarrollar soluciones tecnológicas orientadas a mejorar la respuesta ante incendios forestales.
La iniciativa forma parte de Women in Data Science (WiDS), un movimiento global impulsado por la Universidad de Stanford que promueve la participación y el liderazgo de las mujeres en ciencia de datos e inteligencia artificial.
En la ESPOL, la organización estuvo a cargo del Club Taws, con el apoyo de la embajadora de esta iniciativa, la profesora politécnica Carmen Vaca; así como de las co-embajadoras Maite Apupalo, Ainara Mesa y Gabriela Jiménez, estudiantes de la ESPOL.
La convocatoria inicial para este Dathaton registró 400 inscripciones de estudiantes y profesionales de todo el país. Luego de una fase de talleres y formaciones en ciencias de datos, la final del evento contó con un centenar de participantes provenientes de universidades como la ESPOL, la Universidad Estatal de Milagro, la Universidad de Especialidades Espíritu Santo, la Universidad Tecnológica ECOTEC, la Universidad Politécnica Salesiana, la Universidad Técnica de Manabí, entre otras instituciones.
Asimismo, el evento contó con la participación de profesionales de organizaciones como el Instituto Nacional de Estadísticas y Censos, el Banco Guayaquil, el Banco Bolivariano y Difare.
La temática global de WiDS 2026 estuvo centrada en incendios forestales y rutas de evacuación. Para ello, los organizadores plantearon dos desafíos
- Predicción del tiempo de amenaza, orientada a estimar cuánto tiempo tardaría un incendio en alcanzar una zona de evacuación
- Optimización de rutas de evacuación mediante el análisis de datos geoespaciales y meteorológicos.
Durante la competencia, los equipos desarrollaron modelos predictivos, analizaron bases de datos y construyeron propuestas aplicables a escenarios reales. Las soluciones fueron evaluadas considerando la calidad de los datos utilizados, el desempeño de los modelos, la reproducibilidad del código, la visualización de resultados y la capacidad de comunicar la propuesta ante el jurado.
La preparación de los participantes contó con el apoyo del Club de Desarrollo Sostenible de ESPOL y del Benemérito Cuerpo de Bomberos de Guayaquil, cuyos especialistas compartieron conocimientos sobre comportamiento del fuego, prevención de incendios forestales, procesos de evacuación y gestión de riesgos. Además, durante el evento los bomberos actuaron como mentores técnicos para que las soluciones desarrolladas respondan a necesidades reales de los equipos de emergencia.
Durante la inauguración del evento, Carmen Vaca destacó que el objetivo del datathon iba más allá de elegir un equipo ganador.
“Nuestro objetivo el día de hoy es también sembrar en ustedes esa pasión por encontrar soluciones a partir de evidencia de la historia, es decir, analizar datos históricos y de acuerdo con eso tomar decisiones para el futuro”, aseguró.
El primer lugar fue obtenido por el equipo BIN, integrado por Laura Apupalo y Geovanny Gutiérrez, del Instituto Nacional de Estadística y Censos; Britney Rodríguez, de Banco Guayaquil; y Fabricio Quinto, de Bosch. Todos ellos son graduados de la ESPOL.
Su propuesta se desarrolló en la categoría Predicción de Tiempo de Amenaza y utilizó modelos de análisis de supervivencia para estimar cuánto tiempo tardaría un incendio forestal en alcanzar una zona de evacuación. La solución incorporó variables relacionadas con el terreno, las condiciones climáticas y el comportamiento del fuego para calcular probabilidades de afectación en distintos horizontes de tiempo.
El proyecto destacó por transformar información compleja en herramientas útiles para organismos de gestión de riesgos y autoridades, facilitando la planificación de evacuaciones, la priorización de recursos y la emisión de alertas tempranas durante emergencias.
Con iniciativas como WiDS Datathon, la ESPOL fortalece espacios donde estudiantes y profesionales aplican la ciencia de datos para resolver problemas reales, promoviendo además la participación de mujeres en áreas STEM y el desarrollo de soluciones tecnológicas con impacto social.