TECNOLOGÍA EN MÁQUINAS DE VENTA AUTOMATIZADAS, RETAIL AUTOMATIZADO Y
QUIOSCOS DE AUTOSERVICIO: ANÁLISIS BIBLIOMÉTRICO DE LA LITERATURA CIENTÍFICA
DESDE 1994 HASTA 2024
TECHNOLOGY IN AUTOMATED VENDING
MACHINES, AUTOMATED RETAIL AND SELF-SERVICE KIOSKS: BIBLIOMETRIC ANALYSIS OF
THE SCIENTIFIC LITERATURE FROM 1994 TO 2024
Diego Fernando ALARCÓN VARGAS [1]
Brayan Smit RUIZ RUIZ [2]
Camilo Andrés DOMÍNGUEZ SALDAÑA [3]
Fredy Andrés TIJARO SIERRA [4]
Alejandro VALENCIA-ARIAS [5]
Camilo Andrés ECHEVERRI GUTIÉRREZ [6]
|
Recibido
Aprobado |
: : |
09/09/2026 |
|
02/10/2026 |
||
|
Publicado |
: |
13/10/2026 |
RESUMEN: Las máquinas
expendedoras han evolucionado hacia sistemas automatizados mediante la
integración de tecnologías digitales, inteligencia artificial y soluciones de
autoservicio. Este estudio tiene como objetivo analizar las tendencias de
investigación sobre la tecnología de las máquinas de venta mediante un análisis
bibliométrico de la literatura científica publicada entre 1994 y 2024. La
investigación siguió los lineamientos de la declaración PRISMA-2020 y utilizó
información de las bases de datos Scopus y Web of Science, identificando un
corpus final de 97 artículos tras aplicar los criterios de selección
establecidos. Los resultados evidencian un crecimiento de la producción
científica, con un incremento del 99,33% durante el periodo analizado y una
mayor concentración de publicaciones en 2023. Asimismo, se identificaron
autores, revistas y países de mayor influencia en el campo, así como una
evolución temática desde enfoques iniciales relacionados con Technology Mapping
hacia tendencias actuales asociadas con Technology Adoption, Virtual Reality,
Waste Management y Quick-Service Restaurant. El análisis de coocurrencia
permitió identificar nueve clústeres temáticos, mientras que las palabras clave
emergentes, como Community Change, New Technologies, Customer Value y
Sustainability, señalan nuevas oportunidades de investigación relacionadas con
la tecnología, los usuarios y la sostenibilidad.
Palabras clave: Innovación, sostenibilidad,
experiencia del usuario, automatización, eficiencia operativa.
ABSTRACT: Vending machines have evolved into automated systems by integrating
digital technologies, artificial intelligence, and self-service solutions. This
study analyzes research trends in vending machine technology through a
bibliometric analysis of scientific literature published between 1994 and 2024.
Following PRISMA-2020 guidelines, the study used Scopus and Web of Science and
identified a final corpus of 97 articles after applying the selection criteria.
The results reveal a growth in scientific production, with a 99.33% increase
during the analyzed period and a higher concentration of publications in 2023. The
study also identifies the most influential authors, journals, and countries in
the field, as well as a thematic evolution from early approaches related to
Technology Mapping to current trends associated with Technology Adoption,
Virtual Reality, Waste Management, and Quick-Service Restaurants. The
co-occurrence analysis identified nine thematic clusters, while emerging
keywords such as Community Change, New Technologies, Customer Value, and
Sustainability indicate new research opportunities related to technology,
users, and sustainability.
Keywords: Innovation, sustainability, user experience, automation, operational
efficiency.
Modalidad de distribución declarada en acceso abierto: CC BY
INTRODUCCIÓN
La
tecnología de máquinas expendedoras (vending machine technology) ha
evolucionado en el comercio minorista gracias a la integración de la
inteligencia artificial (IA) y la automatización. Si bien en sus inicios se utilizaban para dispensar
aperitivos y bebidas, hoy en día permiten la creación de establecimientos
automatizados que ofrecen experiencias de compra más ágiles y reducen los
costos operativos mediante sistemas de pago automatizados y sensores de
inventario (Pillai et al., 2020). Este desarrollo ha impulsado el interés
académico en aspectos relacionados con el comportamiento del consumidor, la
gestión de la cadena de suministro y la experiencia del usuario.
Específicamente, se han realizado análisis sobre las intenciones de compra en
tiendas automatizadas impulsadas por IA (Pillai et al., 2020) y sobre el diseño
de quioscos de autoservicio en restaurantes, con el fin de comprender cómo este
tipo de tecnologías está transformando el comercio minorista y redefiniendo la
relación entre consumidores y empresas (Park et al., 2021). Asimismo, su
influencia se ha extendido a otros sectores, como el turismo y la hospitalidad,
lo que ha dado lugar a diversas variables planteadas en la literatura, en las
que se analizan la bioseguridad, la gestión de crisis, la automatización y el
rendimiento académico (Ivanov et
al., 2022).
Además, la inteligencia artificial ha
demostrado su capacidad para generar valor y transformar los modelos de negocio,
lo que exige revisar los factores que influyen en la co-creación de valor
(Solakis et al., 2022). Por otro lado, la dispensación automática también se ha
visto influenciada por el desarrollo de tecnologías como el Internet de las
Cosas (IoT), y su implementación representa una mejora para reducir costos,
optimizar procesos y garantizar condiciones laborales dignas. Esto ha permitido
ofrecer servicios continuos a costos reducidos, registros de consumo y sistemas
avanzados de identificación con herramientas biométricas y NFC, lo que ha
optimizado la eficiencia operativa de las empresas mediante una nueva dinámica
en la interacción de los clientes con productos y servicios (Vakulenko et al., 2019).
Este
tipo de sistemas potencian la experiencia del cliente al facilitar procesos de
compra rápidos y convenientes, lo que permite a los minoristas recopilar datos
sobre preferencias y patrones de consumo para, posteriormente, tomar decisiones
y diseñar estrategias de marketing (Cambra-Fierro et al., 2020).
Por
ende, es necesario estudiar la nueva interacción de los consumidores con estas
tecnologías implementadas en las máquinas de venta, ya que, en casos como el
análisis de experiencias de pedido en restaurantes, se ha evidenciado un cambio
en la percepción del valor por parte de los clientes, especialmente en lo
relativo a factores operativos, relacionales y de servicio (Leung et al.,
2021).
Otro
caso estudiado ha sido la aceptación de las máquinas de venta en el transporte,
en el que se han analizado las actitudes y los comportamientos de los usuarios
para lograr una integración efectiva (Cserdi y Kenesei, 2021). En este sector
se han implementado innovaciones en los cajeros automáticos para mejorar la
accesibilidad y la calidad del servicio (Schmidt, 2020).
No
obstante, aunque la investigación ha avanzado y se evidencian aportes en
diferentes regiones del mundo, aún persisten vacíos importantes. En la
literatura se han analizado factores de co-creación de valor mediante
inteligencia artificial en el turismo, lo que evidencia la escasez de estudios
centrados en su aplicación en máquinas de venta (Solakis et al., 2022). Los
estudios han identificado la necesidad de profundizar en el impacto de los
quioscos de autoservicio sobre la experiencia del cliente y la eficiencia
minorista (Vakulenko et al., 2018). Así como una agenda para el diseño de
interfaces para usuarios analfabetos y semianalfabetos que garantice la inclusión (Islam et al., 2023).
De acuerdo con la evidencia identificada en
la literatura, esta bibliometría pretende caracterizar las tendencias
investigativas en el campo de la tecnología de máquinas de venta, con el fin de
identificar los temas de investigación más relevantes, las áreas emergentes de
interés y las lagunas de conocimiento actuales. Para lo cual, se plantean los
siguientes interrogantes:
- ¿En
qué años se ha presentado más interés en la tecnología de máquinas de venta?
-
¿Qué tipo de crecimiento presenta el número de artículos científicos sobre la
tecnología de las máquinas de venta?
-
¿Cuáles son los principales referentes de investigación sobre la tecnología de
las máquinas de venta?
-
¿Cuál es la evolución temática de la producción científica sobre la tecnología
de las máquinas de venta?
-
¿Cuáles son los principales clústeres temáticos sobre la tecnología de las
máquinas de venta?
-
¿Cuáles son las palabras clave crecientes y emergentes en el campo de
investigación de la tecnología de máquinas de venta?
- ¿Qué
temáticas se posicionan como protagonistas en el diseño de una agenda de
investigación sobre la tecnología de las máquinas de venta?
El
artículo se estructura de forma sistemática: la introducción contextualiza el
tema y justifica la bibliometría; la metodología expone los criterios de
selección, las bases de datos y el proceso de análisis; los resultados destacan
temas relevantes y áreas emergentes; la discusión interpreta los hallazgos, las
implicaciones y las limitaciones, y orienta futuras investigaciones; y las
conclusiones sintetizan los principales aportes y ofrecen recomendaciones.
METODOLOGÍA
Se realizó
una investigación exploratoria sobre la literatura vinculada a la tecnología de
máquinas de venta, a partir de fuentes secundarias. El análisis bibliométrico
se realizó siguiendo los lineamientos de la declaración PRISMA-2020, la cual,
incorpora modificaciones y aclaraciones que responden a los avances
metodológicos y tecnológicos en la investigación científica y cuyas pautas,
aunque diseñadas para revisiones sistemáticas, pueden adaptarse a las
bibliometrías (Page et al., 2021).
Criterios de elegibilidad
Los criterios de inclusión utilizados en esta
investigación se enfocaron en los títulos y las palabras clave como metadatos
principales, combinando conceptos asociados a “tecnología” y “máquinas de
ventas” y contemplando sus variantes terminológicas.
Respecto a las fases de exclusión, se
establecieron dos criterios relevantes para el estudio, entre los cuales se
incluyen la eliminación de registros con errores de indexación y de actas de
conferencia. Lo anterior se definió para mantener la pertinencia de los datos
seleccionados, asegurar estándares adecuados de catalogación y garantizar que
la información esté completa para el análisis.
Fuente
de información
Para
recopilar los datos, se acudió a las bases de datos Scopus y Web of Science,
seleccionadas por su reconocimiento en el ámbito académico como algunas de las
principales indexadoras de literatura científica y por ofrecer una amplia
cobertura disciplinaria y herramientas avanzadas de metadatos, lo que facilita
la extracción de datos precisos y confiables y las hace idóneas para este tipo
de investigaciones (Singh et al., 2021).
La selección de referencias consideró
estudios recientes y aportes fundamentales previos, con el propósito de
comprender de manera integral la evolución de la tecnología de las máquinas de
venta. Aunque se priorizaron publicaciones recientes para identificar
tendencias actuales y desarrollos emergentes, se conservaron documentos más
antiguos cuando representaban contribuciones relevantes para la construcción
conceptual, los antecedentes históricos o los avances iniciales en la temática.
El periodo de análisis comprendió
publicaciones desde 1994 hasta 2024, debido a que este intervalo permite
identificar la evolución histórica de la tecnología de máquinas de ventas,
desde los primeros desarrollos asociados al mapeo tecnológico hasta las tendencias
actuales relacionadas con adopción tecnológica, sostenibilidad, inteligencia
artificial y sistemas de autoservicio. La inclusión de literatura hasta 2024
permitió incorporar los avances más recientes del campo y reconocer las
transformaciones temáticas surgidas en las últimas décadas.
Estrategia de búsqueda
Para
acotar la búsqueda, se tuvieron en cuenta los criterios de inclusión que buscan
optimizar la recuperación de resultados relevantes para diseñar las ecuaciones,
siendo adaptados a los requerimientos de las bases de datos y teniendo en
cuenta las diferencias entre Scopus y WoS en indexación y operadores. A
continuación, se presentan los diseños de ecuaciones para cada una:
Para
la base de datos Scopus:
((TITLE
("vending machines" OR "automated retail" OR
"self-service kiosks") AND TITLE ("technology" OR
"innovation" OR "advancements" OR
"developments")) OR (KEY ("vending machines" OR
"automated retail" OR "self-service kiosks") AND KEY
("technology" OR "innovation" OR "advancements"
OR "developments")))
Para la base de datos Web of Science:
((TS = ("vending machines" OR "automated
retail" OR "self-service kiosks") AND TS =
("technology" OR "innovation" OR "advancements"
OR "developments")))
Las ecuaciones de búsqueda fueron diseñadas teniendo
en cuenta la diversidad terminológica empleada en la literatura para referirse
a sistemas automatizados de venta y autoservicio. Por esta razón, se
incorporaron términos equivalentes como “vending machines”, “automated retail”
y “self-service kiosks”, que permiten abarcar diferentes configuraciones
tecnológicas asociadas a la automatización del comercio minorista. Asimismo,
aunque las estrategias se adaptaron a la sintaxis particular de Scopus y Web of
Science, se mantuvieron la misma estructura conceptual y los mismos criterios
de búsqueda para garantizar la comparabilidad entre ambas fuentes de
información.
Gestión de datos
Para organizar la información extraída, las
bases de datos fueron depuradas y estructuradas en Microsoft Excel®, lo que
facilitó su análisis. Luego, para la visualización de indicadores
bibliométricos, se usó nuevamente Excel® y se implementó VOSviewer®, este
último, especializado en mapas bibliométricos que representan relaciones entre
términos y autores de forma intuitiva y dinámica (Van Eck y Waltman, 2010).
Parámetros de búsqueda y análisis
bibliométrico
La búsqueda bibliográfica se realizó en las
bases de datos Scopus y Web of Science durante el mes de mayo de 2024,
considerando publicaciones disponibles hasta diciembre de 2024. La ventana
temporal definida abarcó el periodo entre 1994 y 2024, ya que permitió
identificar la evolución histórica y las tendencias recientes relacionadas con
la tecnología de máquinas de venta automatizadas, el retail automatizado y los
quioscos de autoservicio. Se incluyeron documentos científicos publicados en inglés
y español, considerando los artículos originales como el tipo documental
principal, mientras que se excluyeron documentos sin información completa,
registros duplicados, documentos con errores de indexación y actas de
conferencia.
La depuración de registros duplicados se
realizó mediante la comparación de título, autores, año de publicación y DOI,
conservando únicamente el registro con la información bibliográfica completa.
Posteriormente, los datos fueron exportados y organizados en Microsoft Excel®,
donde se procedió a clasificar y validar los documentos incluidos.
Para el análisis de redes bibliométricas se
utilizó el software VOSviewer®, mediante análisis de coocurrencia de palabras
clave y de las relaciones entre términos. La construcción de mapas se realizó
mediante la técnica de normalización por fuerza de asociación (association
strength), utilizando los parámetros predeterminados del software y
considerando únicamente términos con una frecuencia mínima de 3 interacciones.
Los resultados se interpretaron mediante la identificación de agrupamientos
temáticos y de relaciones conceptuales entre los términos seleccionados.
Proceso de selección
De
acuerdo con la declaración PRISMA 2020, se recomienda indicar el uso de
clasificadores automáticos y de validaciones para minimizar los errores (Page
et al., 2021). En este estudio, se aplicó un clasificador interno desarrollado
en Microsoft Excel®, diseñado por los investigadores y utilizado de forma
independiente en las fases de inclusión y exclusión, con el fin de reducir el
riesgo de omisiones o clasificaciones incorrectas.
Proceso
de recolección de datos
Según PRISMA-2020, deben detallarse los métodos de recopilación de
datos, incluido el número de revisores y los procedimientos empleados para
garantizar la consistencia de la información (Page et al., 2021). En este
estudio, la recopilación, organización y validación de los datos fueron
realizadas por un único autor, utilizando Microsoft Excel® como herramienta de
apoyo. Esta decisión permitió mantener un procedimiento uniforme y evitar
posibles interferencias o discrepancias derivadas de la participación de
múltiples revisores.
Elementos de datos
Se
recopilaron artículos relacionados con el objetivo de investigación mediante
ecuaciones de búsqueda adaptadas a cada base de datos. Los documentos con
información incompleta o poco clara se excluyeron como “textos no relevantes”
por no aportar al conocimiento del tema.
Evaluación
del riesgo de sesgo del estudio
La
evaluación del riesgo de sesgo se realizó utilizando Microsoft Excel® como
herramienta automatizada y con el apoyo colaborativo de todos los autores. Este
procedimiento garantizó la consistencia, la integridad y la calidad en la
identificación de posibles fuentes de sesgo que pudieran afectar la validez de
los resultados.
Medidas
de efecto y métodos de síntesis
A
partir de las fuentes secundarias, se analizaron indicadores bibliométricos
como el número de publicaciones, las citaciones y la temporalidad de las
palabras clave, lo que permitió comprender la producción científica y las
tendencias en el campo de la tecnología de máquinas de venta. De esta manera,
se tabularon las características de los estudios y se compararon con los
criterios de inclusión. Los datos se prepararon mediante la gestión de datos
faltantes y conversiones, aplicando indicadores bibliométricos de cantidad,
calidad y estructura; este proceso se aplicó a los documentos que superaron las
tres fases de exclusión, garantizando una evaluación objetiva y sistemática de
la producción científica (Durieux y Gevenois, 2010).
Evaluación
del sesgo de notificación
Para
el desarrollo del estudio, se reconoce el riesgo de sesgo derivado de la falta
de resultados en la síntesis, en particular el sesgo de notificación. Existe la
posibilidad de sesgo hacia ciertos sinónimos empleados en tesauros como el
IEEE, lo cual pudo afectar los criterios de inclusión, la estrategia de
búsqueda y la recopilación de datos; asimismo, la exclusión de documentos con
indexación incompleta y de actas de conferencia pudo limitar la información
disponible, introduciendo posibles sesgos en la interpretación de los
resultados bibliométricos.
Figura 1
Diagrama de flujo PRISMA.
Nota. Elaboración propia a
partir de Scopus y de Web of Science.
RESULTADOS
En la fase inicial se identificaron artículos
en Scopus y Web of Science mediante una estrategia de búsqueda específica.
Posteriormente, se eliminaron los duplicados y se aplicaron tres fases de
exclusión: registros con indexación errónea, sin acceso al texto completo y con
indexación incompleta o actas de conferencia. Tras este proceso, se
seleccionaron 97 artículos pertinentes para el análisis bibliométrico.
En la fase inicial se identificaron artículos en Scopus
y Web of Science mediante
una estrategia de búsqueda específica. Posteriormente, se eliminaron los
registros duplicados y se aplicaron tres fases de exclusión: registros con
indexación errónea, documentos sin acceso al texto completo y registros con
indexación incompleta o correspondientes a actas de conferencia. Tras este
proceso, se seleccionaron 97 artículos pertinentes para el análisis
bibliométrico. La Figura 2 muestra una tendencia de crecimiento exponencial de
la producción científica sobre la temática, especialmente en 2021, 2022 y 2023.
Esta tendencia se estimó mediante un modelo de regresión exponencial, en el que
el número de artículos publicados constituye la variable dependiente y el año
de publicación, la variable temporal. El coeficiente de determinación (R²)
alcanzó 0,9933, lo que indica que el modelo exponencial explica el 99,33% de la
variabilidad observada en la producción científica durante el periodo
analizado. Este resultado evidencia un patrón de expansión sostenida de la
literatura científica sobre la temática y permite caracterizar su evolución
temporal.
Figura
2
Publicaciones
por año
Nota. Elaboración propia a
partir de Scopus y de Web of Science.
Entre
los principales autores se identificaron dos grupos. El primero incluye a Qu H,
Kim M, Sivathanu B, Dwivedi YK y Pillai R, quienes, pese a su baja
productividad, destacan por el alto número de citas recibidas. El segundo
grupo, encabezado por Vera JH, se caracteriza por una elevada producción de
publicaciones, aunque con menor impacto en términos de citas.
Figura
3
Principales
autores
Nota. Elaboración propia a
partir de Scopus y Web of Science.
El
análisis de las revistas evidenció tres perfiles editoriales. En primer lugar,
destacan aquellas con alta productividad e impacto, como International Journal
of Contemporary Hospitality Management y Journal of Cleaner Production. En
segundo lugar, aparecen revistas con baja productividad, pero gran impacto,
entre ellas Journal of Retailing and Consumer Services y Management Science.
Finalmente, se identifican revistas cuya relevancia se debe a su elevada
producción científica, entre las cuales sobresale el Service Industries
Journal.
Figura
4
Principales
revistas
Nota. Elaboración propia a
partir de Scopus y de Web of Science.
El
análisis por países permitió identificar tres grupos diferenciados. El primero
lo conforman naciones de alta productividad e impacto, entre ellas Estados
Unidos y China. El segundo incluye países con baja producción, pero gran
impacto, como el Reino Unido e Italia. Finalmente, el tercer grupo agrupa a
países con elevada productividad científica pero con un menor número de citas,
siendo Australia el caso más representativo.
Figura
5
Principales
países
Nota. Elaboración propia a
partir de Scopus y de Web of Science.
El
estudio de la evolución temática, representado en la Figura 6, muestra la
transformación de las palabras clave más relevantes en la literatura sobre
tecnología de máquinas de venta entre 1994 y 2024. En los primeros años destaca
“Technology Mapping”, mientras que en la etapa más reciente prevalecen
conceptos como “Virtual Reality”, “Technology Adoption”, “Waste Management” y
“Quick-Service Restaurant”, lo que evidencia un giro hacia tendencias actuales
en la investigación del campo.
Figura
6
Evolución
temática
Nota. Elaboración propia a
partir de Scopus y de Web of Science.
La
red de coocurrencia de palabras clave, ilustrada en la Figura 7, evidencia
nueve clústeres temáticos en la literatura sobre la tecnología de las máquinas
de venta. El clúster más relevante es el amarillo, integrado por términos como
Vending Machine, Arduino Microcontroller, Embedded System y Telemedicine. Le
sigue el clúster rojo, asociado a Self-Service Technology, Self-Service Kiosks
y Mobile. Asimismo, se identifican otros clústeres en azul, verde, morado y
naranja, que reflejan distintas afinidades conceptuales presentes en este campo
de investigación.
Figura
7
Red
de coocurrencia de palabras clave
Nota. Elaboración propia a
partir de Scopus y Web of Science.
La
investigación propone un plano cartesiano (Figura 8) que relaciona la
frecuencia de uso de las palabras clave (eje X) con su vigencia temporal (eje
Y), lo que permite clasificar los términos en cuatro cuadrantes. El cuadrante 4
agrupa conceptos decrecientes, de menor frecuencia y vigencia. El cuadrante 2
concentra términos poco frecuentes pero emergentes, como Community Change, New
Technologies, Customer Value y Sustainability. Finalmente, el cuadrante 1 reúne
conceptos consolidados y en crecimiento, entre ellos Technology Adoption, Deep
Learning, Quick-Service Restaurant, Customer Satisfaction, Reverse Vending
Machine, Technology Acceptance y Service Quality.
Figura
8
Vigencia
y frecuencia de las palabras clave
Nota. Elaboración propia a
partir de Scopus y Web of Science.
DISCUSIÓN
En esta sección se analizan detalladamente
los resultados obtenidos en la investigación y se presentan las implicaciones
prácticas derivadas, las limitaciones del estudio, las brechas investigativas y
la agenda futura sobre la tecnología de máquinas de venta.
Análisis del crecimiento de la literatura
científica sobre tecnología de máquinas de ventas
Los resultados temporales identificados en
este estudio corresponden al comportamiento de la producción científica
registrada en Scopus y en Web of Science durante el periodo analizado. Por
tanto, las interpretaciones sobre los años de mayor producción se basan en la
distribución de las publicaciones del corpus seleccionado y no representan
necesariamente la totalidad de la producción académica existente fuera de estas
bases de datos.
La producción científica en este campo creció
significativamente en 2021, 2022 y 2023. En 2023 se destacaron dos estudios:
uno sobre los beneficios netos de las tecnologías sin contacto en restaurantes
de servicio rápido, que evidenció el efecto moderador de la ansiedad por
interacción social y la competencia lingüística en su adopción (Lee et al.,
2023), y otro sobre la recolección de botellas plásticas mediante máquinas de venta
inversa con técnicas de detección de objetos, subrayando su aporte a la sostenibilidad
(Yaddanapudi et al., 2023).
Previo
a 2023, los estudios destacados exploraban su aceptación en función de
variables como la influencia social y el disfrute percibido. A partir del
análisis, los autores han concluido que ambos factores han resultado
determinantes en sectores como el de la hospitalidad (Joe et al., 2022). En
2021, al analizar la adopción de tecnologías de autoservicio por parte de los
pasajeros aéreos de Taiwán, se demostraron mejoras en la experiencia del
usuario y en la eficiencia de los procesos aeroportuarios (Lien et al., 2021).
Análisis
de referentes de investigación sobre tecnología de máquinas de venta
De
acuerdo con el análisis de los componentes bibliométricos, los principales
autores en términos de impacto fueron Qu H con Kim M, Sivathanu B con Dwivedi
Yk y Pillai R, mientras que Vera J.H. figuró en términos de productividad. En
el análisis se han identificado trabajos destacados de estos autores que
proporcionan una base teórica y práctica sobre la intención de comportamiento
de los viajeros respecto del uso de quioscos de autoservicio en hoteles (Kim y Qu, 2014).
Pillai et al. (2020) han contribuido, a través
de su investigación, al entendimiento de la intención de compra en tiendas
minoristas automatizadas. En uno de sus estudios, se examinó su aplicación en
la experiencia de compra, donde se destacó su potencial para mejorar la
competitividad y el servicio al cliente.
Y
Vera JH y sus colaboradores, a partir de su trabajo, han reconocido la
viabilidad y la aceptación de las máquinas expendedoras digitales para la
distribución de autopruebas de VIH. Su estudio demuestra el uso eficaz para
promover la salud pública y facilitar el acceso a servicios para poblaciones
clave, lo que permite ampliar su alcance (Vera et al., 2019).
También,
se analizaron como referentes las principales revistas que abordaron la
temática. Por ejemplo, International Journal of Contemporary Hospitality
Management se distinguió por su productividad en estudios sobre la experiencia
del cliente (Kim y Qu, 2014), y el Journal of Cleaner Production por su impacto
en la sostenibilidad mediante el diseño ecoeficiente de máquinas expendedoras de
NECTA (Vezzoli y Sciama, 2006). Por su parte, Journal of Retailing and Consumer
Services y Management Science aportaron modelos teóricos sobre retail y
operaciones omnicanal (Paul y Rosenbaum, 2020; Gao y Su, 2018), mientras que
The Service Industries Journal destacó en productividad con estudios sobre
diferencias de género en quioscos de autoservicio (Lee et al., 2013).
En
cuanto a los países, Estados Unidos y China lideraron en productividad e
impacto. En EE. En EE. UU., se desarrollaron modelos de negocio sostenibles
para el reciclaje posconsumo (Tong et al., 2018), y en China se propuso un
marco para la innovación en sistemas producto-servicio (Song et al., 2015). El
Reino Unido e Italia sobresalieron por su impacto: el primero en la adopción de
tiendas minoristas automatizadas con IA (Pillai et al., 2020) y el segundo en el diseño ecoeficiente de
máquinas NECTA (Vezzoli y Sciama, 2006). Finalmente, Australia destacó en
productividad con estudios sobre máquinas expendedoras de jeringas en programas
de salud pública (Islam et al., 2008).
Análisis de la evolución temática sobre
tecnología de máquinas de venta
Esta evolución temática refleja los cambios
observados en el corpus seleccionado y debe interpretarse a la luz de los
criterios de búsqueda establecidos, de las bases de datos consultadas y de los
términos incluidos en la estrategia metodológica.
En
los primeros años, el concepto de Technology Mapping desempeñó un papel
crucial, ya que, permitió a los investigadores establecer una base sólida para
el desarrollo de sistemas tecnológicos eficientes y efectivos. Durante este
primer período, los investigadores se dedicaron a mapear y optimizar las
tecnologías disponibles para identificar y abordar limitaciones técnicas que,
en el futuro, permitieran promover la innovación en el diseño y la
implementación (Venkateswaran y Mazumder, 1994).
Recientemente,
los intereses de los investigadores han evolucionado junto con la tecnología. En
2021, el tema de los restaurantes de servicio rápido tuvo un alto nivel de interés
en la literatura. Los estudios desarrollados durante este año se dedicaron a
explorar cómo la adopción de quioscos de autoservicio en estos establecimientos
significó un cambio en la forma en que se gestionan y operan estos negocios;
destacando en particular los beneficios de rapidez y eficiencia (Rastegar,
2018).
Ya
para 2022, la gestión de residuos se destacaría como un tema crítico que
reflejaba la creciente preocupación por la sostenibilidad. Este año se
evidenció el desarrollo de una máquina expendedora inversa basada en el aprendizaje
profundo, lo que demuestra que se podrían ofrecer soluciones rentables para
reducir el impacto ambiental de los productos de consumo (Zia et al., 2022).
Posteriormente,
el concepto de adopción tecnológica se convirtió en el tema central de la
investigación. Durante 2023 se identificaron estudios que analizaron su
influencia en los resultados laborales; si bien antes se había demostrado que
su implementación mejora la eficiencia operativa y la experiencia del cliente,
también se identificó la necesidad de estrategias de adaptación para la fuerza
laboral (Yoon, 2023).
Más
recientemente, en 2024, la realidad virtual fue uno de los temas más
estudiados, y resultó importante para la creación de valor en diversos
sectores, incluido el turismo. Esto debido a que facilita la co-creación con
experiencias inmersivas y personalizadas para los usuarios, lo que, no solo
mejora la experiencia del cliente, sino que también abre nuevas oportunidades
para la innovación en la industria (Solakis et al., 2022).
Análisis
de los clústeres temáticos sobre tecnología de máquinas de ventas
El
análisis de la red de coocurrencia permitió identificar clústeres temáticos que
evidencian afinidades conceptuales en la literatura. El clúster más destacado,
fue el marcado de color amarillo, donde se reúnen términos asociados a Vending
Machine, Arduino Microcontroller, Embedded System y Telemedicine, los cuales
reflejan la integración de sistemas embebidos y microcontroladores para el
desarrollo de soluciones inteligentes y autónomas. En este marco, la
investigación resalta la importancia de la aceptación por parte de los usuarios
y muestra aplicaciones centradas en el usuario en contextos específicos como
los sistemas inteligentes para la gestión de medicamentos en ancianos, la
implementación de microcontroladores en proyectos de diseño y fabricación, y la
expansión de servicios médicos mediante máquinas expendedoras (Tongnamtiang y
Leelasantitham, 2019; Chang et al., 2019; Alemzadeh et al., 2007; Lynch y
Connery, 2023).
Un
segundo clúster relevante es el identificado en color rojo, que se compone de
términos asociados a Self-Service Technology, Self-Service Kiosks y Mobile, los
cuales se relacionan con la transformación de la interacción con los
consumidores. En particular, se han comparado las dimensiones de la calidad del
servicio en hoteles entre la atención humana y las tecnologías de autoservicio,
destacando las ventajas y desventajas de cada modalidad (Park et al., 2022).
Asimismo, se ha explorado la implementación del Internet de las cosas,
subrayando su impacto en la eficiencia operativa y en la personalización de la
experiencia del cliente (Solano et al., 2017).
Análisis
de la frecuencia y vigencia conceptual alrededor de tecnología de máquinas de
venta
Con
relación a los resultados obtenidos en el análisis de la frecuencia y vigencia
conceptual en torno a la tecnología de máquinas de venta, el plano cartesiano
mostró que el cuadrante 2 agrupa conceptos emergentes como Community Change y
New Technologies, los cuales, aunque con baja frecuencia de uso, están cobrando
relevancia en el campo. El primero refleja cómo las tecnologías inteligentes, en
particular el IoT, impulsan transformaciones en las comunidades locales (Jamme y
Connor, 2023). Mientras que las nuevas tecnologías vinculadas al IoT están
redefiniendo la personalización, la interactividad y la eficiencia en los
servicios (Jamme y Connor, 2023).
Para
el cuadrante 1, se identificaron conceptos ya consolidados en la temática, como
Technology Adoption, Deep Learning, Quick-Service Restaurant, Customer
Satisfaction, Reverse Vending Machine, Technology Acceptance, Service Quality y
Technology Acceptance Model, que son fundamentales para la evolución del campo.
Específicamente, se evidencia su uso en el diseño de quioscos interactivos en
museos (Abdul Aziz et al., 2023), en la publicidad inteligente (Ou et al.,
2023) y en la aceptación de los quioscos en restaurantes durante la pandemia
(Baba et al., 2023).
Asimismo,
la calidad de la información en los menús incide en la aceptación tecnológica
(Han et al., 2020), mientras que los quioscos en hoteles refuerzan la
satisfacción del cliente (Gupta y Sharma, 2021). En el ámbito de la
sostenibilidad, se subraya el papel de las Reverse Vending Machines en la
gestión de residuos (Rahim y Khatib, 2021), complementado por estudios sobre la
aceptación tecnológica y la calidad del servicio en el comercio minorista (Lee
et al., 2013; Kokkinou y Cranage, 2015) y por el Technology Acceptance Model
aplicado a los servicios financieros en Sudáfrica (Wentzel et al., 2013).
Clasificación
de las palabras clave sobre tecnología de máquinas de ventas según su función
A
continuación se presenta la Tabla 1, que clasifica las principales palabras
clave emergentes y en crecimiento según su función. Las palabras clave
emergentes se agrupan según su función principal, destacando conceptos que ganan
relevancia y prometen influir significativamente en el futuro próximo;
asimismo, se clasifican las palabras clave crecientes y consolidadas, que
representan conceptos ya establecidos pero en constante evolución.
Tabla
1
Clasificación
de las palabras clave según su función. Elaboración propia a partir de Scopus y
Web of Science
|
Palabra Clave |
Herramientas Asociadas |
Aplicaciones |
Características |
|
Community Change |
Redes Sociales, Análisis de Datos |
Mejora de la interacción comunitaria |
Promueve la participación y el compromiso |
|
New Technologies |
Internet de las Cosas (IoT), Inteligencia Artificial |
Innovación tecnológica |
Impulsa la modernización y la eficiencia |
|
Customer Value |
Análisis de Mercado, Encuestas de Satisfacción |
Mejora de la experiencia del cliente |
Aumenta la fidelización y lealtad |
|
Sustainability |
Gestión Ambiental, Energías Renovables |
Reducción del impacto ambiental |
Fomenta la responsabilidad social corporativa |
|
Technology Adoption |
Implementación de Tecnología, Entrenamiento del Usuario |
Integración de sistemas de pago |
Facilita la adopción y la adaptación |
|
Deep Learning |
Redes Neuronales, Aprendizaje Automático |
Personalización de recomendaciones |
Mejora la precisión y la eficacia |
|
Quick-Service Restaurant |
Kioscos de Auto-Servicio, Aplicaciones Móviles |
Automatización de órdenes |
Acelera el servicio y mejora la eficiencia |
|
Restaurants |
Gestión de Inventario, Control de Calidad |
Optimización de la gestión operativa |
Garantiza la calidad y la consistencia |
|
Customer Satisfaction |
Encuestas de Satisfacción, Seguimiento de Comentarios |
Mejora de la satisfacción del cliente |
Aumenta la retención y la recomendación |
|
Reverse Vending Machine |
Tecnología de Reciclaje, Identificación de Envases |
Recolección automatizada de envases |
Estimula el reciclaje y la responsabilidad |
|
Technology Acceptance |
Investigación de Mercado, Evaluación de Usabilidad |
Aceptación de sistemas de pago |
Fomenta la confianza y la adopción |
|
Service Quality |
Capacitación del Personal, Gestión de Quejas |
Mejora de la experiencia de servicio |
Aumenta la satisfacción y la lealtad |
|
Technology Acceptance Model |
Modelos de Adopción de Tecnología, Investigación del Usuario |
Evaluación de la aceptación del usuario |
Identifica factores clave para la adopción |
Esta
categorización no solo facilita la identificación de las palabras clave
relevantes, sino que también proporciona un marco útil para comprender sus
aplicaciones prácticas y características distintivas, y ayuda a entender el
panorama actual y las tendencias futuras de su implementación.
Implicaciones
teóricas
El
estudio presentado permite comprender la evolución del interés académico en la
temática a partir del análisis de los marcos conceptuales que han guiado la
investigación de los referentes teóricos. El estudio revela tendencias en los
temas dominantes y en las áreas emergentes que orientan hacia nuevas líneas de
investigación, capaces de abordar las brechas investigativas que evidencian
vacíos de conocimiento y enfoques metodológicos poco explorados. Estos enfoques
permitirían avanzar en la comprensión teórica y práctica del campo y consolidar
futuras agendas de investigación.
Implicaciones
prácticas
Los
resultados del estudio han permitido identificar tendencias orientadas a la
realidad virtual, a la gestión de residuos y a los restaurantes de servicio
rápido. Estos hallazgos proporcionan a la industria una comprensión actual para
ajustar sus estrategias a las dinámicas del mercado y a las expectativas de los
consumidores. Asimismo, se identifican conceptos como microcontrolador Arduino,
sistema embebido y telemedicina que ponen de relieve el potencial de
investigaciones interdisciplinarias escalables a diferentes sectores de la
economía. Asimismo, se identifica el surgimiento de términos para la
trazabilidad, como cambio comunitario, valor para el cliente y sostenibilidad,
junto con conceptos en crecimiento asociados a la aceptación tecnológica y la
calidad del servicio.
Estos
resultados tienen implicaciones que podrían repercutir en la formulación de
políticas públicas y en el diseño de estrategias empresariales, en tanto que
orientan la asignación de recursos hacia áreas con vacíos de conocimiento y
necesidades aún no satisfechas. Además, la identificación de patrones en temas
sensibles, como la privacidad de los datos, puede contribuir al desarrollo de
regulaciones específicas, mientras que la comprensión de las preferencias del
consumidor aporta insumos fundamentales para el diseño de estrategias de
mercadeo más eficaces y sostenibles en el ámbito de las máquinas expendedoras.
Limitaciones
La
bibliometría presenta algunas limitaciones en su desarrollo, en primer lugar,
la selección de bases de datos al enfocarse únicamente en Scopus y Web of
Science puede excluir publicaciones relevantes de otras fuentes y reducir la
diversidad del análisis a estas fuentes; en segundo lugar, aunque la
metodología PRISMA-2020 es rigurosa, podría no reflejar todas las dimensiones
de un campo multidisciplinario como la tecnología de máquinas de ventas,
dejando de lado algunas tendencias emergentes o transversales de acuerdo con
los criterios de exclusión seleccionados; Finalmente, en tercer lugar, la
calidad y consistencia de los metadatos disponibles en las bases de datos
podrían contener errores o inconsistencias que afecten la fiabilidad de los
resultados y las conclusiones obtenidas.
Brechas
investigativas
En
la Tabla 2 que se presenta a continuación se categorizan las principales
brechas de investigación identificadas, que representan áreas de estudio que
requieren mayor atención en investigaciones futuras. Estas brechas de
investigación se derivan del análisis de la literatura existente y resaltan
aspectos del campo que aún no han sido completamente explorados.
Tabla
2
Brechas
de investigación. Elaboración propia a partir de Scopus y Web of Science
|
Categoría |
Brechas Investigativas |
Justificación |
Preguntas para Futuras Investigaciones |
|
Brechas Temáticas |
1. Integración de Tecnologías Emergentes |
A medida que la tecnología avanza, surge la necesidad de comprender
cómo integrar eficazmente nuevas tecnologías, como la inteligencia artificial
y la realidad aumentada, en las máquinas de ventas. |
¿Cómo pueden las máquinas de ventas incorporar tecnologías emergentes
para mejorar la experiencia del usuario y la eficiencia operativa? ¿Cuáles
son los desafíos y oportunidades de esta integración? |
|
2. Impacto Socioeconómico de las Máquinas de Ventas |
Aunque las máquinas de ventas ofrecen beneficios como conveniencia y
eficiencia, también plantean preguntas sobre su impacto en el empleo, la
equidad económica y la salud pública. |
¿Cuál es el impacto de las máquinas de ventas en los patrones de
consumo, la distribución de ingresos y la dinámica laboral? ¿Cómo pueden
abordarse los desafíos socioeconómicos asociados con estas tecnologías? |
|
|
Brechas Geográficas |
1. Investigaciones en Contextos No Occidentales |
La mayoría de las investigaciones sobre tecnología de máquinas de
ventas se han centrado en países occidentales, dejando lagunas en la
comprensión de su adopción y efectividad en contextos no occidentales. |
¿Cómo varía la aceptación y el uso de las máquinas de ventas en
diferentes contextos culturales y socioeconómicos? ¿Cuáles son las barreras y
facilitadores específicos en contextos no occidentales? |
|
2. Estudios Comparativos entre Países y Regiones |
La comparación entre diferentes países y regiones puede proporcionar
insights sobre las diferencias en la adopción de tecnología de máquinas de
ventas, así como identificar mejores prácticas y desafíos comunes. |
¿Qué factores explican las diferencias en la adopción de tecnología de
máquinas de ventas entre países y regiones? ¿Cómo pueden los países aprender
unos de otros para mejorar la implementación y eficacia de estas tecnologías? |
|
|
Brechas Interdisciplinarias |
1. Investigación sobre Sostenibilidad y Ecología |
Existe una necesidad creciente de investigar cómo las máquinas de
ventas pueden contribuir a la sostenibilidad ambiental, incluida la gestión
de residuos y la reducción del impacto ecológico. |
¿Cómo pueden las máquinas de ventas ser diseñadas y operadas de manera
más sostenible? ¿Cuál es el papel de las políticas gubernamentales y las
prácticas empresariales en la promoción de la sostenibilidad en este
contexto? |
|
2. Estudios sobre la Experiencia del Usuario y el Diseño |
El diseño centrado en el usuario es fundamental para el éxito de las
máquinas de ventas, lo que requiere una comprensión profunda de las
preferencias y necesidades de los usuarios finales. |
¿Cómo pueden las máquinas de ventas ser diseñadas para mejorar la
experiencia del usuario y fomentar una mayor participación? ¿Cuál es el
impacto del diseño en la adopción y aceptación de estas tecnologías por parte
de los consumidores? |
|
|
Brechas Temporales |
1. Tendencias Futuras en la Tecnología de Máquinas de Ventas |
Dado el rápido avance tecnológico, es importante investigar las
tendencias emergentes que pueden influir en el futuro de las máquinas de
ventas, como la integración de inteligencia artificial y la automatización
avanzada. |
¿Cuáles son las tecnologías emergentes que podrían transformar el
paisaje de las máquinas de ventas en los próximos años? ¿Cómo pueden
anticiparse y abordarse los desafíos futuros en este campo? |
|
2. Evaluación a Largo Plazo del Impacto de las Tecnologías |
Es necesario realizar estudios longitudinales para comprender mejor el
impacto a largo plazo de las máquinas de ventas en áreas como el comercio
minorista, la salud pública y el medio ambiente. |
¿Cuáles son los efectos a largo plazo de la adopción de tecnología de
máquinas de ventas en diversas industrias y sectores? ¿Cómo pueden
evolucionar estas tecnologías para abordar los desafíos futuros y las
necesidades cambiantes de la sociedad? |
Agenda
de investigación
En
esta sección se presenta una ruta para estudios futuros, basada en las
tendencias identificadas, con la finalidad de proponer líneas temáticas
relevantes para la investigación en los próximos años, según el análisis
planteado en la figura 9.
En
este sentido, una de las principales temáticas que se vienen desarrollando en
relación con las máquinas de venta es, especialmente, el diseño y la
distribución de kits de autoevaluación y de pruebas de diagnóstico rápido de
VIH. De acuerdo con lo identificado en la literatura, las investigaciones
futuras podrían centrarse en su efectividad para promover el acceso en
comunidades vulnerables, así como en el impacto psicosocial de este enfoque.
Asimismo, se podría explorar, desde la salud pública, la entrega de otros
productos de venta libre; como la dispensación de preservativos,
antirretrovirales y materiales educativos sobre prevención y tratamiento.
Considerando
que la pandemia de COVID-19 impulsó la necesidad de implementar tecnologías
para garantizar la salud y la seguridad públicas. Los investigadores podrían
profundizar en cómo pueden adaptarse las máquinas de venta para ofrecer
productos y servicios relacionados con la prevención y el control de
enfermedades, en especial, se podría investigar cuál sería su rol en la
promoción de comportamientos saludables en entornos públicos y comerciales.
Por
otro lado, como se ha mencionado en diferentes apartados del estudio, la
sostenibilidad ha sido, durante los últimos años, un aspecto cada vez más
relevante en el diseño y el funcionamiento, ya que se busca reducir el impacto
ambiental y promover prácticas comerciales responsables. Por lo tanto, sería
importante evaluar el ciclo de vida de las máquinas de venta para desarrollar
estrategias que reduzcan su huella ambiental.
Por
ejemplo, las máquinas expendedoras inversas cumplen una función relacionada con
la devolución de envases en el marco de iniciativas de sostenibilidad y de economía
circular. Aunque su utilidad operativa es reconocida, persisten aspectos que
requieren análisis, como la eficiencia, la accesibilidad y la integración con
tecnologías de gestión de residuos y procesos de logística inversa. Siendo una
ruta de estudio viable, investigar su rol en la promoción de prácticas
sostenibles y en la sensibilización del público.
Por
otra parte, la calidad del servicio es un factor vinculado a la experiencia del
usuario; en particular, se ha identificado su relación con aspectos como la
precisión en la dispensación, la facilidad de uso y los procesos asociados a la
atención. Por lo tanto, futuras investigaciones podrían enfocarse en anticipar
las necesidades para ajustar la experiencia de compra.
El Modelo de Aceptación de la Tecnología
ofrece un marco para estudiar los factores que influyen en la adopción y uso de
estas soluciones. A partir de ello, investigaciones posteriores podrían
explorar cómo adaptar este modelo a desafíos actuales, tales como la
incorporación de criterios de seguridad y privacidad, la influencia de factores
contextuales y culturales y la caracterización del uso prolongado. En línea con
esta ruta, sería necesario comprender cómo los usuarios confían en estas
herramientas, con un enfoque en aspectos como la seguridad de los datos.
En este sentido, el aprendizaje profundo
promete oportunidades para mejorar la funcionalidad y el rendimiento mediante
el procesamiento avanzado de información. Su aplicación permite identificar
patrones útiles para ajustar la experiencia del usuario y optimizar los
procesos operativos, facilitando su implementación en contextos comerciales.
Esto requiere profundizar en la detección de fraudes, el mantenimiento
predictivo y la gestión de inventario.
Finalmente, otra de las posibles rutas
investigativas, debe considerar la influencia de las máquinas de venta en los
restaurantes de servicio rápido, los cuales constituyen un entorno habitual
para la implementación de tecnologías de autoservicio y sistemas automatizados
de pedido. Por ende, futuras investigaciones podrían examinar cómo pueden
ajustarse a las demandas cambiantes del consumidor, considerando la
personalización de pedidos y los sistemas de pago sin contacto.
En línea con estos avances, los restaurantes
tradicionales continúan incorporando tecnologías en procesos de pedido y pago
con el propósito de mejorar su gestión operativa. Esto abre un campo de estudio
orientado a evaluar cómo la inteligencia artificial y el aprendizaje automático
pueden contribuir al análisis de oportunidades a partir de herramientas para la
recopilación y el tratamiento de datos con fines estratégicos y operativos.
Figura 9
Agenda investigativa
Nota. Elaboración propia a partir de Scopus y Web of Science.
CONCLUSIONES
Los resultados obtenidos en el análisis
bibliométrico evidencian el estado actual de las tendencias en el campo de las
tecnologías aplicadas al desarrollo de máquinas de ventas y sus usos en
diferentes sectores. De esta manera, se ha observado un crecimiento exponencial
en la producción científica, con picos significativos entre el 2021 y el 2023,
lo que refleja la relevancia del área en los años recientes. Este desarrollo ha
sido impulsado por referentes investigativos como Qu H y Kim M; y revistas de
alto impacto como International Journal of Contemporary Hospitality Management
y Journal of Cleaner Production. Siendo Estados Unidos y China los países
lideres en la investigación.
En relación con la evolución temática, se
observa un cambio hacia aproximaciones más contemporáneas que incorporan la
implementación de la realidad virtual, la adopción tecnológica, la gestión de
residuos y los restaurantes de servicio rápido. Mientras que, el análisis de
clústeres temáticos evidencia la consolidación de tópicos más específicos
relacionando conceptos como el microcontrolador Arduino, los sistemas embebidos
y la telemedicina; Y, otros conceptos como cambio comunitario y nuevas
tecnologías, son nociones en crecimiento vinculadas con la adopción tecnológica
y la calidad del servicio; las cuales han sido identificadas como palabras
clave emergentes que permiten orientar las proyecciones futuras de la
investigación y sus posibles líneas de desarrollo.
Estos hallazgos permiten ampliar la
comprensión teórica sobre la evolución de la tecnología de máquinas de ventas
automatizadas, evidenciando una transición desde enfoques centrados en el
desarrollo técnico hacia perspectivas relacionadas con la adopción tecnológica,
la experiencia del usuario, la sostenibilidad y la calidad del servicio. En
este sentido, los resultados contribuyen a cerrar brechas identificadas en la
literatura al mostrar la necesidad de integrar aproximaciones
interdisciplinarias que consideren tanto los componentes tecnológicos como los
factores humanos y organizacionales asociados con la implementación de estas
soluciones. Desde una perspectiva práctica, los resultados proporcionan
elementos relevantes para diseñadores y responsables de estrategias de
mercadeo, quienes pueden considerar aspectos como la facilidad de uso, la
personalización de la experiencia, la confianza del usuario, la sostenibilidad
y la generación de valor como factores clave para el diseño y posicionamiento
de sistemas automatizados de venta. De esta manera, la investigación ofrece una
base para orientar futuras decisiones relacionadas con el desarrollo de
tecnologías más adaptadas a las necesidades de los consumidores y a las
dinámicas cambiantes del mercado.
En respuesta a las preguntas de investigación
planteadas, los resultados permitieron identificar que el mayor interés
científico sobre tecnología de máquinas de ventas se presentó durante el año
2023, seguido por los años 2021 y 2022, evidenciando una concentración reciente
de la producción académica. Asimismo, se determinó un crecimiento del 99,33% en
la cantidad de publicaciones durante el periodo analizado, reflejando la
expansión del campo de estudio. En relación con los principales referentes
investigativos, se identificaron autores como Qu H, Kim M, Sivathanu B, Dwivedi
YK y Pillai R por su impacto científico, mientras que Vera JH destacó por
productividad. De igual manera, el análisis temático permitió identificar nueve
clústeres de investigación y una evolución desde enfoques iniciales
relacionados con Technology Mapping hacia tendencias actuales asociadas con
Technology Adoption, Virtual Reality, Waste Management y Quick-Service
Restaurant. Finalmente, las palabras clave emergentes como Community Change,
New Technologies, Customer Value y Sustainability evidencian nuevas
oportunidades de investigación orientadas hacia la interacción entre
tecnología, usuarios, sostenibilidad y generación de valor.
REFERENCIAS
Abdul Aziz, M. N., Harun, S.
N., Baharom, M. K., Kamaruddin, N. y Zamin, N. (2023). The
relationship between interactive kiosk design towards usage intention in the
National Music Museum of Malaysia. Museum Management and Curatorship, 39(4),
518-538. https://doi.org/10.1080/09647775.2023.2188475
Alemzadeh, K., Wishart, C. L.
y Booker, J. D. (2007). The integrated application of microcontrollers in the
team-based ‘Design and Make’Project. International
Journal of Mechanical Engineering Education, 35(3), 226-247. https://doi.org/10.7227/IJMEE.35.3.7
Baba, N., Hanafiah,
M. H., Mohd Shahril, A. y Zulkifly, M. I. (2023).
Investigating customer acceptance, usage, trust, and perceived safety risk of
self-ordering kiosk technology in Malaysian quick-service restaurants during
COVID-19 pandemic. Journal of Hospitality and Tourism Technology, 14(3),
309-329. https://doi.org/10.1108/JHTT-08-2021-0226
Cambra-Fierro, J., Melero-Polo, I., Patrício, L. y Sese, F. J.
(2020). Channel habits and the development of successful
customer-firm relationships in services. Journal of Service Research, 23(4),
456-475. https://doi.org/10.1177/1094670520916791
Chang, D., Gu, Z., Li, F. y
Jiang, R. (2019). A user-centric smart product-service system development
approach: A case study on medication management for the elderly. Advanced
Engineering Informatics, 42, 100979. https://doi.org/10.1016/j.aei.2019.100979
Cserdi, Z., & Kenesei, Z.
(2021). Attitudes to forced adoption of new technologies in public
transportation services. Research in Transportation Business &
Management, 41, 100611. https://doi.org/10.1016/j.rtbm.2020.100611
Durieux, V. y Gevenois, P.
A. (2010). Bibliometric indicators: quality measurements of
scientific publication. Radiology, 255(2),
342-351. https://doi.org/10.1148/radiol.09090626
Gao, F. y Su, X. (2018). Omnichannel
service operations with online and offline self-order technologies. Management
Science, 64(8), 3595-3608. https://doi.org/10.1287/mnsc.2017.2787
Gupta, K. y Sharma, S. (2021).
Kiosks as self-service technology in hotels: opportunities and challenges. Worldwide
Hospitality and Tourism Themes, 13(2), 236-251. https://doi.org/10.1108/WHATT-10-2020-0125
Han, J., Moon, H., Oh, Y.,
Chang, J. Y. y Ham, S. (2020). Impacts of menu information quality and
nutrition information quality on technology acceptance characteristics and
behaviors toward fast food restaurants' kiosk. Nutrition Research and
Practice, 14(2), 167-174. https://doi.org/10.4162%2Fnrp.2020.14.2.167
Islam, M. M., Wodak, A. y Conigrave, K. M. (2008). The effectiveness and
safety of syringe vending machines as a component of needle syringe programmes
in community settings. International Journal of Drug Policy, 19(6),
436-441. https://doi.org/10.1016/j.drugpo.2007.07.006
Islam, M. N., Khan, N. I., Inan,
T. T. y Sarker, I. H. (2023). Designing User Interfaces for Illiterate and
Semi-Literate Users: A Systematic Review and Future Research Agenda. SAGE
Open, 13(2). https://doi.org/10.1177/21582440231172741
Ivanov, S. H., Webster, C.,
Stoilova, E. y Slobodskoy, D. (2022). Biosecurity,
crisis management, automation technologies and economic performance of travel,
tourism and hospitality companies–A conceptual framework. Tourism Economics,
28(1), 3-26. https://doi.org/10.1177/1354816620946541
Jamme,
H. T. y Connor, D. S. (2023). Diffusion of the Internet-of-Things (IoT): A
framework based on smart retail technology. Applied Geography, 161,
103122. https://doi.org/10.1016/j.apgeog.2023.103122
Joe, S., Kim, J. y Zemke, D.
M. V. (2022). Effects of social influence and perceived enjoyment on Kiosk
acceptance: a moderating role of gender. International Journal of
Hospitality & Tourism Administration, 23(2), 289-316. https://doi.org/10.1080/15256480.2020.1746217
Kim, M. y Qu, H. (2014).
Travelers' behavioral intention toward hotel self-service kiosks usage. International
Journal of Contemporary Hospitality Management, 26(2), 225-245. https://doi.org/10.1108/IJCHM-09-2012-0165
Kokkinou, A. y Cranage, D. A.
(2015). Why wait? Impact of waiting lines on self-service technology use. International
Journal of Contemporary Hospitality Management, 27(6), 1181-1197. https://doi.org/10.1108/IJCHM-12-2013-0578
Lee, H. J., Fairhurst, A. y
Cho, H. J. (2013). Gender differences in consumer evaluations of service
quality: Self-service kiosks in retail. The Service Industries Journal, 33(2),
248-265. https://doi.org/10.1080/02642069.2011.614346
Lee, K. Y., Han, S., Shin, S.
I. y Yang, S. B. (2023). Investigating the net benefits of contactless
technologies in quick-service restaurants: the moderating roles of social
interaction anxiety and language proficiency. Internet Research, 33(1),
308-343. https://doi.org/10.1108/INTR-07-2021-0462
Leung, X. Y., Torres, B. y
Fan, A. (2021). Do kiosks outperform cashiers? An SOR framework of restaurant
ordering experiences. Journal of Hospitality and Tourism Technology, 12(3),
580-592. https://doi.org/10.1108/JHTT-03-2020-0065
Lien, C. H., Hsu, M. K., Shang,
J. Z. y Wang, S. W. (2021). Self-service technology adoption by air passengers: a
case study of fast air travel services in Taiwan. The Service Industries
Journal, 41(9-10), 671-695. https://doi.org/10.1080/02642069.2019.1569634
Lynch, J. y Connery, L.
(2023). MATTERS Expands to Vending Machines. Emergency Medicine News, 45(7B). https://doi.org/10.1097/01.EEM.0000946952.22590.29
Ou, W. L., Cheng, Y. H.,
Chang, C. C., Chen, H. L. y Fan, C. P. (2023). Calibration-free and
deep-learning-based customer gaze direction detection technology based on the
YOLOv3-tiny model for smart advertising displays. Journal of the Chinese
Institute of Engineers, 46(8), 856-869. https://doi.org/10.1080/02533839.2023.2262724
Page, M. J., McKenzie, J. E.,
Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow,
C. D., Shamseer,
L., Tetzlaff, J., Akl,
E., Brennan, S., Chou, R., Glanville, J., Grimshaw, J., Hróbjartsson, A., Lalu, M., Li, T., Loder, E., Mayo-Wilson, E., McDonald, S., McGuinnes, L. y Moher, D. (2021). The PRISMA 2020
statement: an updated guideline for reporting systematic reviews. International
Journal of Surgery, 88, 105906. https://doi.org/10.1016/j.ijsu.2021.105906
Park, S., Kwun, D. J., Park,
J. Y. y Bufquin, D. (2022). Service quality
dimensions in hotel service delivery options: Comparison between human
interaction service and self-service technology. International Journal of
Hospitality & Tourism Administration, 23(5), 931-958. https://doi.org/10.1080/15256480.2021.1935392
Park, S., Lehto, X. y Lehto,
M. (2021). Self-service technology kiosk design for restaurants: An QFD
application. International Journal of Hospitality Management, 92,
102757. https://doi.org/10.1016/j.ijhm.2020.102757
Paul, J. y Rosenbaum, M.
(2020). Retailing and consumer services at a tipping point: New conceptual
frameworks and theoretical models. Journal of Retailing and Consumer
Services, 54, 101977. https://doi.org/10.1016/j.jretconser.2019.101977
Pillai, R., Sivathanu, B. y Dwivedi, Y. K. (2020). Shopping
intention at AI-powered automated retail stores (AIPARS). Journal of
Retailing and Consumer Services, 57, 102207. https://doi.org/10.1016/j.jretconser.2020.102207
Rahim, N. H. A. y Khatib, A. N. H. M. (2021). Development
of PET bottle shredder reverse vending machine. International Journal of
Advanced Technology and Engineering Exploration, 8(74), 24-33. http://dx.doi.org/10.19101/IJATEE.2020.S2762167
Rastegar, N. (2018). Adoption
of self-service kiosks in quick-service restaurants [Tesis
de maestría, University of Guelph]. https://atrium.lib.uoguelph.ca/server/api/core/bitstreams/f249ccd4-7d59-45b7-ad98-719623a966d0/content
Schmidt, J. J. (2020). Pop-up
infrastructure: water ATMs and new delivery networks in India. Water
Alternatives, 13(1), 119-140. https://www.water-alternatives.org/index.php/alldoc/for-authors/567-a13-1-6/file
Singh, V. K., Singh, P.,
Karmakar, M., Leta, J. y Mayr, P. (2021). The journal
coverage of Web of Science, Scopus and Dimensions: A comparative analysis. Scientometrics, 126, 5113-5142. https://doi.org/10.1007/s11192-021-03948-5
Solakis, K., Katsoni, V., Mahmoud, A. B. y Grigoriou, N. (2022). Factors
affecting value co-creation through artificial intelligence in tourism: a
general literature review. Journal of Tourism Futures, 10(1),
116-130. https://doi.org/10.1108/JTF-06-2021-0157
Solano, A., Duro, N., Dormido,
R. y González, P. (2017). Smart vending machines in the era of internet of
things. Future Generation Computer Systems, 76, 215-220. https://doi.org/10.1016/j.future.2016.10.029
Song, W., Ming, X., Han, Y.,
Xu, Z. y Wu, Z. (2015). An integrative framework for innovation management of
product–service system. International Journal of Production Research, 53(8),
2252-2268. https://doi.org/10.1080/00207543.2014.932929
Tong, X., Tao, D. y Lifset, R. (2018). Varieties of business models for
post-consumer recycling in China. Journal of Cleaner Production, 170,
665-673. https://doi.org/10.1016/j.jclepro.2017.09.032
Tongnamtiang,
S. y Leelasantitham, A. (2019). An integration of TAM
with usage barriers and ability to understand consumers intention to use SSTs. ECTI-CIT
Transactions, 13(2), 137-150. https://doi.org/10.37936/ecti-cit.2019132.201930
Vakulenko, Y., Hellström, D. y
Oghazi, P. (2018). Customer value in self-service
kiosks: a systematic literature review. International Journal of Retail
& Distribution Management, 46(5), 507-527. https://doi.org/10.1108/IJRDM-04-2017-0084
Vakulenko, Y., Oghazi, P. y
Hellström, D. (2019). Innovative framework for self-service kiosks:
Integrating customer value knowledge. Journal of Innovation & Knowledge,
4(4), 262-268. https://doi.org/10.1016/j.jik.2019.06.001
Van Eck, N. y Waltman, L.
(2010). Software survey: VOSviewer, a computer
program for bibliometric mapping. Scientometrics, 84, 523-538. https://doi.org/10.1007/s11192-009-0146-3
Venkateswaran, R. y Mazumder, P. (1994). A
survey of DA techniques for PLD and FPGA based systems. Integration, 17(3), 191-240. https://doi.org/10.1016/0167-9260(94)90001-9
Vera, J. H., Soni, S., Pollard, A., Llewellyn, C.,
Peralta, C., Rodríguez, L. y Dean, G. (2019). Acceptability
and feasibility of using digital vending machines to deliver HIV self-tests to
men who have sex with men. Sexually transmitted infections, 95(8),
557-561. https://doi.org/10.1136/sextrans-2018-053857
Vezzoli, C. y Sciama, D. (2006). Life Cycle Design: from general methods
to product type specific guidelines and checklists: a method adopted to develop
a set of guidelines/checklist handbook for the eco-efficient design of NECTA
vending machines. Journal of Cleaner Production, 14(15-16), 1319-1325. https://doi.org/10.1016/j.jclepro.2005.11.011
Wentzel, J. P., Diatha, K. S.
y Yadavalli, V. S. S. (2013). An application of the extended Technology
Acceptance Model in understanding technology-enabled financial service adoption
in South Africa. Development Southern Africa, 30(4-5), 659-673. https://doi.org/10.1080/0376835X.2013.830963
Yaddanapudi,
S. D., Makala, B. P., Yarlagadda, A., Sapram, C. T.,
Parsa, S. T. y Nallamadugu, S. (2023). Collection of
plastic bottles by reverse vending machine using object detection technique.
Materials Today: Proceedings, 80(3), 1995-1999. https://doi.org/10.1016/j.matpr.2021.06.037
Yoon, C. (2023). Technology
adoption and jobs: The effects of self-service kiosks in restaurants on labor
outcomes. Technology in Society, 74, 102336. https://doi.org/10.1016/j.techsoc.2023.102336
Zia, H., Jawaid, M. U., Fatima, H. S., Hassan, I. U., Hussain, A., Shahzad, S. y Khurram, M. (2022). Plastic waste management through the development of a low cost and light weight deep learning based reverse vending machine. Recycling, 7(5), 70. https://doi.org/10.3390/recycling7050070