El uso del método AdaBoost puede aumentar la precisión y confiabilidad de un marco para el reconocimiento de actividades diarias y entorno. Los dispositivos móviles cuentan con varios tipos de sensores, incluidos sensores de movimiento, magnéticos y de ubicación, que permiten una identificación precisa de las actividades diarias y el entorno. Este artículo se centra en la revisión de los estudios que utilizan el método AdaBoost con los sensores disponibles en dispositivos móviles. Esta investigación identificó los trabajos de investigación escritos en inglés sobre el reconocimiento de actividades diarias y entorno utilizando el método AdaBoost con los datos obtenidos de los sensores disponibles en dispositivos móviles que se publicaron entre 2012 y 2018. Así, se seleccionaron y analizaron 13 estudios de 151 registros identificados en las bases de datos buscadas. Los resultados demostraron la confiabilidad del método para el reconocimiento de actividades diarias y entorno, destacando el uso de varias características, incluyendo la media, desviación estándar, paso, balanceo, azimut y desviación absoluta media de la señal de los sensores de movimiento, y la media de la señal de los sensores magnéticos. Cuando se informaron, los estudios analizados presentaron una precisión superior al 80% en el reconocimiento de actividades diarias y entornos con el método AdaBoost.