Recibido: 20/septiembre/2024 Aceptado: 23/diciembre/2024
Sistemas
y recursos educativos basados en inteligencia artificial para mejorar el aprendizaje
en estudiantes universitarios (Original)
Educational
systems and resources based on artificial intelligence to improve learning in
university students (Original)
Martha Irene Romero
Castro. Doctora en Tecnologías de la
Información. Docente de la Carrera de Tecnologías de la
Información de la Facultad de Ciencias Técnicas. Catedrática de la Maestría en
Tecnologías de la Información y la Comunicación en el Instituto de Posgrado de
la Universidad Estatal del Sur de Manabí. Jipijapa. Manabí. Ecuador.
[ martha.romero@unesum.edu.ec ] [ https://orcid.org/0000-0001-5043-8295 ]
Kirenia Maldonado Zuñiga. Doctorando en
Tecnología de la Información y Comunicación. Universidad Nacional de Piura.
Perú. Magister en Ciencias de la Educación. Licenciada en Educación
Informática. Catedrática de la maestría en TIC del Instituto de Posgrado Unesum. Docente de la carrera Tecnologías de la Información
de la Facultad Ciencias Técnicas en la Universidad Estatal del Sur de Manabí.
Jipijapa. Manabí. Ecuador.
[ kmzmaldonado@gmail.com ] [ https://orcid.org/0000-0002-3764-5633
]
Rodrigo Paul Cabrera
Verdezoto. Magister en Desarrollo Rural. Ingeniero Agropecuario. Docente de la Facultad de Ciencias Naturales y
de la Agricultura. Carrera de Ingeniería Ambiental. Coordinador de la Maestría
en Gestión Ambiental. Editor jefe Revista Agrosilvicultura y Medioambiente de
la Facultad de Ciencias Naturales y de la Agricultura en la Universidad Estatal
del Sur de Manabí. Ecuador.
[ rodrigo.cabrera@unesum.edu.ec
] [ https://orcid.org/0000-0002-9560-5795
]
Kimberly Lisseth Alcivar Loor. Ingeniera
en Contabilidad y Auditoría. Docente de Institución Educativa UEP “Teresa
Zambrano”. Manta. Ecuador.
[ kimyalcivar0906@gmail.com [ https://orcid.org/0009-0002-9073-8246
El estudio sobre sistemas y recursos educativos
basados en Inteligencia Artificial se realizó para conocer el uso de
tecnologías adaptativas e inteligentes en la Educación Superior. El objetivo principal de esta investigación fue analizar el impacto de
los sistemas y recursos educativos basados en inteligencia artificial para mejorar
el aprendizaje de los estudiantes en la Universidad Estatal del Sur de Manabí.
La importancia justificó su capacidad para transformar el proceso educativo, en
lo referente a personalizar la enseñanza, optimizar la retroalimentación y
mejorar el rendimiento académico de los estudiantes. Se utilizó una metodología
mixta, en la que se combinó un enfoque cuantitativo y cualitativo, se
utilizaron métodos científicos del nivel teórico, empírico y estadístico
matemático. La investigación incluyó herramientas como sistemas de aprendizaje
adaptativo, tutores inteligentes, y análisis de aprendizaje para medir su
efectividad y nivel de adopción por parte de los docentes. El resultado
principal indicó que los sistemas basados en Inteligencia Artificial mejoran en
un 85% el rendimiento académico de los estudiantes al personalizar el contenido
y proporcionar retroalimentación constante. La conclusión más importante es
que, aunque la Inteligencia Artificial no sustituye al docente, su integración
en el aula potencia el proceso educativo, haciendo más accesible y eficaz la
enseñanza.
Palabras clave: aprendizaje personalizado; retroalimentación automatizada; tecnología
educativa; sistema
Abstract
The
study on educational systems and resources based on artificial intelligence was
carried out to understand the use of adaptive and intelligent technologies in
higher education. The main objective of this research was to analyze the impact
of educational systems and resources based on artificial intelligence to
improve student learning at the State University of the South of Manabí. The
importance justified its ability to transform the educational process,
referring to personalizing teaching, optimizing feedback and improving
students' academic performance. A mixed methodology was used, in which a
quantitative and qualitative approach was combined, scientific methods at the
theoretical, empirical and mathematical statistical level were used. The
research included tools such as adaptive learning systems, intelligent tutors,
and learning analytics to measure their effectiveness and level of adoption by
teachers. The main result indicated that artificial intelligence-based systems
improve students' academic performance by 85% by personalizing content and
providing constant feedback. The most important conclusion is that, although artificial
intelligence does not replace the teacher, its integration in the classroom
enhances the educational process, making teaching more accessible and
effective.
Keywords: personalized
learning; automated feedback; educational technology; sistem
Introducción
En la actualidad, el uso de sistemas y recursos
educativos basados en Inteligencia Artificial (IA) ha revolucionado la forma en
que se imparte y se recibe la educación a nivel global. A través de tecnologías
como el aprendizaje automático, la minería de datos educativos y los tutores
inteligentes, las universidades han implementado soluciones que personalizan el
proceso de enseñanza aprendizaje. Según estudios internacionales, la IA puede
mejorar significativamente el rendimiento académico al adaptar el contenido
educativo a las necesidades individuales de los estudiantes y ofrecer
retroalimentación inmediata, lo que optimiza su experiencia de aprendizaje y
promueve un aprendizaje autodirigido.
En países como Estados Unidos y en Europa, los
sistemas de recomendación basados en IA ya son ampliamente utilizados para
guiar a los estudiantes en su elección de materias y recursos, aumentando tanto
la eficiencia como la motivación
Brasil llevó adelante proyectos basados en robótica,
impresión en 3D y diseño de ofertas educativas técnicas de Educación Media (EM)
especializadas en IA; dada la complejidad del mercado, son innumerables las
innovaciones ejecutadas en las instancias municipales y estaduales. Uruguay
sostiene, desde 2006, su Plan Ceibal de universalización de la dotación de computadoras
para estudiantes, conectividad y uso pedagógico en las instituciones, con
fuertes componentes de capacitación docente, curación de contenidos y
plataformas adaptativas.
Diversas fuentes consultadas hicieron hincapié en las
ofertas de servicios educativos personalizados en varios países, ligados al
enfoque STEAM que está basado en la enseñanza integrada de ciencia, tecnología,
ingeniería, artes y matemáticas, en donde la IA es canalizada como fuente de
datos sobre el desempeño académico de los estudiantes y soporte de las tareas innovadoras,
a un costo de mercado. También es importante resaltar que las mejores
universidades de Latinoamérica, desde hace unos años, ofrecen programas de
grado y posgrado en áreas afines a la IA, como una forma de garantizar la
formación del talento que pueda tomar provecho del mercado que se genera en
torno a su uso.
Se aprecia que América Latina también ha adoptado las
tecnologías con inteligencia artificial aplicándolas a la educación, por lo que
este uso de herramientas avanzadas ha aumentado exponencialmente en la última
década, pero aún enfrenta importantes desafíos
Países como México, Colombia y Chile han desarrollado
estrategias nacionales que promueven la integración de IA en el ámbito
educativo, en su mayoría se implementan políticas para un adecuado proceso de
enseñanza aprendizaje, utilizan plataformas virtuales, aprovechando los datos
generados por los usuarios para gestionar las clases virtuales con
retroalimentación. En Argentina, se avanzó en la integración de la programación
en la educación obligatoria, que tomó ventaja de los programas de dotación de
computadoras y contenidos digitales libres
En la provincia de Manabí, en Ecuador, la introducción
de recursos educativos basados en IA es aún un proceso que está iniciando una
revolución de herramientas con IA, para mejorar el proceso enseñanza
aprendizaje. Sin embargo, las universidades locales están explorando estas
tecnologías como una solución a los problemas de acceso y calidad educativa,
exacerbados por la desigualdad socioeconómica y la falta de infraestructura
tecnológica en algunas zonas rurales.
Al respecto,
El objetivo principal de esta investigación es
analizar el impacto de los sistemas y recursos educativos basados en IA para
mejorar el aprendizaje de los estudiantes universitarios en Ecuador, con un enfoque
especial en la región de Manabí, en la Universidad Estatal del Sur de Manabí (Unesum). Este estudio busca identificar cómo la
personalización del aprendizaje mediante IA puede influir en el rendimiento
académico de los estudiantes.
En el campo de las potencialidades de los sistemas
informáticos, se hace presente desde un ámbito más técnico; la IA se conforma
con sistemas que, a partir de procesos de bases de datos, algoritmos y cómputo,
ofrecen respuestas comparables con la forma en que opera la inteligencia humana
Este estudio se realizó a partir de los resultados obtenidos
del proyecto de investigación y de vinculación titulado: Tecnologías aplicadas
a la toma de decisiones para la innovación y el desarrollo integral de la zona
sur de Manabí, integrado al grupo de investigación: Desarrollo e innovación en
Tecnologías de la Información y las Comunicaciones, perteneciente a la maestría
en Tecnologías de la Información y la Comunicación del Instituto de Posgrado.
La importancia de esta investigación radica en la
creciente demanda de soluciones educativas innovadoras que respondan a las
necesidades de los estudiantes en un entorno global cada vez más digital. En un
mundo postpandemia, donde la educación en línea ha tomado
un protagonismo sin precedentes, el uso de tecnologías basadas en IA es necesaria
para asegurar que los estudiantes reciban una formación de calidad, sin
importar su ubicación geográfica.
Esta
investigación no solo contribuye al desarrollo de nuevas estrategias
pedagógicas, sino que también ofrece una perspectiva sobre cómo la tecnología
puede ser una herramienta de equidad en la Educación Superior. El tipo de pedagogía debe adaptarse a la incorporación de tecnologías en
la enseñanza con el uso de la IA
La Educación Superior es un fenómeno transformador, se
entrega y se experimenta. El impacto de las Plataformas de Aprendizaje ha
revolucionado la enseñanza aprendizaje al proporcionar un entorno virtual que
permite la flexibilidad en el acceso a contenidos educativos desde cualquier
ubicación y en cualquier momento. Su impacto se evidencia en la ampliación del
acceso a la Educación Superior, rompiendo las barreras geográficas y
temporales. Además, ha fomentado la personalización del aprendizaje, ofreciendo
recursos interactivos y actualizados que se adaptan a las necesidades
individuales de los estudiantes. Estas plataformas facilitan la colaboración
entre estudiantes y docentes, mejoran la interacción y la comunicación, y
permiten el desarrollo de habilidades autodirigidas. Su influencia ha sido
notable al democratizar la educación de calidad, ofreciendo programas
académicos de renombre mundial a una audiencia global
Importancia de los
sistemas y recursos educativos basados en IA para mejorar el aprendizaje en
estudiantes universitarios
Los sistemas y recursos educativos basados en IA están
transformando radicalmente la forma en que se imparte la educación en el ámbito
universitario. La importancia de estas tecnologías se sostiene en su capacidad
para personalizar el aprendizaje, adaptando los contenidos educativos a las
necesidades individuales de los estudiantes. Esto no solo permite un progreso
más eficiente, sino que también potencia el aprendizaje autodirigido, ayudando
a los estudiantes a seguir un ritmo de estudio que se ajuste a sus capacidades
y estilos de aprendizaje.
A través de la
IA, los educadores pueden acceder a plataformas que ofrecen recursos personalizados,
como recomendaciones de contenido, actividades interactivas y retroalimentación
instantánea, lo cual mejora la calidad y efectividad de la enseñanza. La
versatilidad de la IA es una cualidad que se debe aprovechar en los procesos
pedagógicos, en donde el docente es el guía, para que el estudiante logre
apropiarse del aprendizaje por descubrimiento y autonomía
Estas herramientas con IA permiten un análisis
profundo de grandes cantidades de datos sobre el desempeño estudiantil, lo que
facilita la identificación de patrones de comportamiento y rendimiento. Esto
ayuda a las instituciones educativas a tomar decisiones informadas para
implementar mejoras en sus currículos y métodos de enseñanza. Al identificar a
estudiantes que podrían estar en riesgo de deserción o bajo rendimiento, los
sistemas de IA pueden intervenir de manera temprana, ofreciendo apoyo
específico que puede reducir significativamente las tasas de abandono
En el contexto de la Educación Superior, la
inteligencia artificial está contribuyendo a hacer que el aprendizaje sea más
accesible y equitativo. Mediante el uso de asistentes virtuales, tutorías
inteligentes y herramientas de evaluación automatizadas, los estudiantes tienen
la oportunidad de aprender de manera más flexible y personalizada, lo que es
especialmente importante en contextos donde existen limitaciones de recursos,
como en algunas regiones rurales o en países en desarrollo. Esto contribuye a
reducir las brechas de aprendizaje entre estudiantes con diferentes
trayectorias educativas y socioeconómicas, promoviendo una educación inclusiva.
En un mundo cada vez más digital y dependiente de las
tecnologías avanzadas, la integración de la IA en la educación es esencial para
preparar a los estudiantes universitarios para los desafíos futuros. Estas
tecnologías no solo mejoran el aprendizaje académico, sino que también fomentan
el desarrollo de competencias digitales avanzadas y habilidades de resolución
de problemas, que son necesarios en el mercado laboral actual. La importancia
de los sistemas educativos basados en IA se aprecia en su capacidad para
transformar la experiencia educativa, hacerla más efectiva, inclusiva y
adaptada a las necesidades de los estudiantes del siglo XXI.
Sistemas y recursos
educativos basados en inteligencia artificial para mejorar el aprendizaje en
estudiantes universitarios
Estos sistemas basados en IA ofrecen una amplia
variedad de herramientas diseñadas para optimizar y personalizar el proceso de
enseñanza aprendizaje, no solo mejoran el acceso al conocimiento, sino que
también permiten un aprendizaje más eficiente, adaptado a las necesidades específicas
de cada estudiante.
1. Sistemas de aprendizaje adaptativo: se
utiliza la IA para personalizar el contenido educativo según las habilidades,
necesidades y estilo de aprendizaje de cada estudiante. Estos sistemas analizan
el desempeño de los estudiantes en tiempo real, ajustando el nivel de
dificultad de las actividades, ofreciendo retroalimentación inmediata y
recomendando recursos adicionales para fortalecer áreas donde el estudiante
presenta dificultades. Plataformas como Knewton y Smart
Sparrow son ejemplos de tecnologías que implementan aprendizaje adaptativo
en entornos universitarios, mejorando el rendimiento académico y manteniendo la
motivación de los estudiantes.
2. Tutores inteligentes: son programas de IA
que simulan el comportamiento de un tutor humano. Estos sistemas interactúan
directamente con los estudiantes, ofreciendo explicaciones, resolviendo dudas y
guiando el proceso de aprendizaje. Ejemplos de tutores inteligentes incluyen
plataformas como Socratic y Carnegie
Learning, que proporcionan tutoría
individualizada basada en el análisis del progreso del estudiante. Estos
sistemas son especialmente útiles para estudiantes que requieren asistencia
adicional fuera del aula, ya que brindan apoyo continuo y accesible.
3. Sistemas de evaluación automatizada: la IA
ha permitido el desarrollo de sistemas de evaluación automatizada, que pueden
corregir exámenes, tareas y ensayos con alta precisión. Estos sistemas utilizan
técnicas de procesamiento del lenguaje natural y aprendizaje automático para
evaluar tanto respuestas objetivas como subjetivas, brindando retroalimentación
casi inmediata a los estudiantes. Herramientas como Grammarly y Turnitin ayudan a los estudiantes a mejorar su
redacción y evitar el plagio, mientras que plataformas como Gradescope permiten a los profesores automatizar la evaluación de tareas,
ahorrando tiempo y asegurando una retroalimentación más rápida.
4. Sistemas de recomendación de contenidos: los
sistemas de recomendación basados en IA sugieren contenidos educativos
personalizados en función de los intereses, desempeño y áreas de mejora de los
estudiantes. Estas recomendaciones pueden incluir lecturas, videos,
simulaciones interactivas o ejercicios prácticos diseñados para fortalecer el
aprendizaje de los estudiantes en áreas específicas. Servicios como Coursera y edX utilizan sistemas de
recomendación para ofrecer cursos y materiales adicionales, adaptando la
experiencia de aprendizaje a las preferencias y el progreso del estudiante.
5. Asistentes virtuales y chatbots educativos: los asistentes virtuales y chatbots educativos, impulsados por IA, proporcionan soporte académico
inmediato y constante a los estudiantes. Herramientas como Ivy.ai y Watson Assistant permiten a los estudiantes hacer preguntas
sobre temas académicos o administrativos y recibir respuestas en tiempo real.
Estos chatbots
pueden manejar consultas comunes, guiar a los estudiantes a recursos útiles o
ayudarlos a organizar sus estudios, liberando tiempo para que los profesores se
concentren en tareas más complejas.
6. Análisis de aprendizaje (Learning Analytics): es una técnica impulsada por
IA que recopila, procesa y analiza grandes volúmenes de datos sobre el
comportamiento y desempeño de los estudiantes. Mediante el uso de algoritmos de
aprendizaje automático, los sistemas de análisis de aprendizaje pueden predecir
el rendimiento de los estudiantes, identificar patrones de riesgo (como la
deserción) y proponer intervenciones tempranas. Plataformas como Brightspace Insights y Moodle Analytics
ayudan a los educadores a monitorear el progreso de sus estudiantes y a tomar
decisiones basadas en datos para mejorar los resultados educativos.
7. Plataformas de simulación y Realidad Aumentada/Virtual
(RA/RV): la inteligencia artificial también se ha integrado en estas
plataformas para crear entornos de aprendizaje inmersivos que permiten a los
estudiantes experimentar situaciones complejas en un entorno controlado. Estas
herramientas son especialmente valiosas en disciplinas como medicina, ingeniería
y ciencias naturales, en que los estudiantes pueden practicar habilidades
técnicas y tomar decisiones críticas sin los riesgos del mundo real. Ejemplos
incluyen plataformas como Labster y zSpace, que
utilizan simulaciones impulsadas por IA para ofrecer experiencias prácticas a
los estudiantes.
8. Plataformas de aprendizaje colaborativo basadas en IA:
utilizan IA para facilitar la interacción entre estudiantes y fomentar el
aprendizaje en equipo. Estas plataformas pueden analizar la contribución de
cada miembro del grupo, proporcionar retroalimentación y sugerir maneras de
mejorar la colaboración. La IA ayuda a identificar roles dentro de los equipos
y a distribuir tareas de acuerdo con las fortalezas individuales de los
estudiantes, optimizando el aprendizaje colaborativo. Ejemplos de estas
plataformas incluyen Peergrade
y GroupMaker.
Teniendo en cuenta lo anterior, los sistemas y
recursos educativos basados en IA proporcionan un abanico de herramientas
innovadoras que mejoran la calidad del aprendizaje en la Educación Superior, desde
la personalización del contenido hasta el análisis predictivo y la simulación
virtual, estos recursos tienen el potencial de transformar el aprendizaje
universitario, haciéndolo más accesible, inclusivo y eficaz. Al implementar
estas tecnologías, las universidades pueden no solo mejorar el rendimiento
académico, sino también preparar mejor a los estudiantes para enfrentarse como
profesionales a un mundo cada vez más tecnológico y globalizado.
Materiales y métodos
Esta investigación fue realizada por docentes de la
carrera de Tecnologías de la Información (TI) de la Facultad Ciencias Técnicas
y catedráticos de la maestría en Tecnologías de la Información y la
Comunicación (TIC) del Instituto de Posgrado de la Universidad Estatal del Sur
de Manabí, con el fin de analizar y conocer el impacto de los sistemas y
recursos educativos basados en IA para mejorar el aprendizaje de los
estudiantes universitarios.
Para lograr el objetivo propuesto, la investigación se
llevó a cabo siguiendo una ruta mixta
Según el nivel de estudio, la investigación se
considera descriptiva explicativa. En la fase descriptiva, se conocieron los
sistemas de IA aplicados en el contexto universitario, sus características y cómo
estos personalizan el proceso de enseñanza-aprendizaje. Por otro lado, en la etapa
explicativa, se analizó el impacto de estas tecnologías en el rendimiento
académico y la percepción de los participantes involucrados. Se determinaron
relaciones causales entre el uso de la IA y los resultados educativos, lo cual
permitió profundizar en cómo y por qué la IA mejora el aprendizaje en los
estudiantes universitarios.
De acuerdo con su finalidad, es una investigación aplicada,
ya que generó conocimiento a través del uso de los sistemas de IA. El diseño del
estudio fue considerado no experimental y transversal, lo que permitió conocer el
impacto de los sistemas de IA en el aprendizaje de los estudiantes. Se realizaron
encuestas a 40 docentes y 320 estudiantes pertenecientes a la carrera de
Tecnologías de la Información de la Facultad Ciencias Técnicas y de la maestría
en TIC del Instituto de Posgrado de la Universidad Estatal del Sur de Manabí, en
las que se recolectaron datos significativos sobre el uso de sistemas y
recursos educativos basados en inteligencia artificial para mejorar el
aprendizaje en estudiantes universitarios, en las que se conoció la utilidad
por parte de los docentes en sus clases y la efectividad en el aprendizaje de
los estudiantes, así como el impacto en el proceso educativo.
El análisis permitió examinar la relación entre el uso
de los sistemas educativos basados en IA y variables como el rendimiento
académico, lo que ayudó a comprender y explicar cómo y por qué la IA impacta en
el aprendizaje de los estudiantes. Con la aplicación de estos métodos se logró
obtener una visión profunda de cómo los sistemas y recursos educativos basados
en IA influyen positivamente en el aprendizaje de los estudiantes
universitarios, proporcionando tanto una perspectiva empírica como contextual
de la realidad educativa.
Análisis y discusión de los resultados
En el siglo XXI, los docentes
deben prepararse y ser competitivos con el uso de las TIC y la IA, sus
competencias demostrarán sus destrezas en el pensamiento lógico, crítico, ser
creativo, resolver problemas, contar con habilidades computacionales, de programación
y operación de herramientas tecnológicas, entre otras que les permitirán ser un
docente capacitado
A continuación, se presenta en la tabla 1 un resumen
de los principales tipos de sistemas y recursos educativos basados en IA
utilizados en la Educación Superior, destacando sus características clave, los
beneficios que aportan a los estudiantes y los desafíos que genera su
implementación.
Tabla 1. Sistemas y recursos
educativos basados en IA.
|
Tipo de sistema/ recurso |
Características |
Beneficios |
Desafíos |
|
Sistemas
de aprendizaje adaptativo |
Personalizan
el contenido educativo según el nivel, ritmo y estilo de aprendizaje del
estudiante. |
-
Adaptación individualizada del contenido. |
-
Requieren gran cantidad de datos del estudiante. |
|
Tutores
inteligentes |
Simulan
el comportamiento de un tutor humano, respondiendo preguntas y guiando el
aprendizaje de forma interactiva. |
-
Soporte continuo y personalizado. |
-
Limitaciones en la comprensión de contextos complejos. |
|
Sistemas
de evaluación automatizada |
Utilizan
IA para corregir automáticamente exámenes, tareas y ensayos mediante
procesamiento del lenguaje natural. |
-
Retroalimentación inmediata. |
-
Dificultad en evaluar creatividad y subjetividad. |
|
Sistemas
de recomendación de contenidos |
Sugieren
lecturas, videos y ejercicios según el interés y desempeño del estudiante. |
-
Contenido personalizado. |
- Requiere
grandes volúmenes de datos. |
|
Asistentes
virtuales y Chatbots |
Proveen
respuestas automáticas a preguntas frecuentes y guían a los estudiantes a
recursos útiles. |
-
Respuesta inmediata a consultas. |
-
Limitados a interacciones preprogramadas. |
|
Análisis
de aprendizaje (Learning Analytics) |
Recopila
y analiza datos del comportamiento de los estudiantes para predecir el
rendimiento y detectar riesgos de deserción. |
-
Identificación temprana de estudiantes en riesgo. |
-
Requiere infraestructura de datos avanzada. |
|
Plataformas
de simulación y Realidad Aumentada/Virtual (RA/RV) |
Ofrecen
entornos de aprendizaje inmersivos y simulaciones prácticas. |
-
Mejora la comprensión de conceptos complejos. |
- Alto
costo de implementación. |
|
Plataformas
de aprendizaje colaborativo basadas en IA |
Facilitan
el trabajo en grupo, distribuyendo tareas y evaluando el desempeño de cada
miembro. |
-
Fomenta el aprendizaje colaborativo. |
-
Dependencia de la calidad de los datos para distribuir responsabilidades. |
|
Sistemas
de retroalimentación automática |
Analizan
el desempeño del estudiante y proporcionan sugerencias de mejoras
personalizadas en tiempo real. |
-
Mejora continua basada en el rendimiento. |
- Puede
resultar demasiado genérico para estudiantes con necesidades muy específicas. |
|
Plataformas
de gestión de aprendizaje basadas en IA |
Administran
el contenido educativo, seguimiento de progreso, y asignación de recursos
mediante IA. |
-
Eficiencia en la gestión del aprendizaje. |
- Alto
costo y dificultad de integración en sistemas educativos tradicionales. |
Fuente: Elaboración propia.
En la tabla 2, se muestran los resultados obtenidos en
la encuesta realizada a docentes y estudiantes sobre el uso de sistemas y
recursos educativos basados en IA para mejorar el aprendizaje en estudiantes
universitarios, en la que se conoció la utilidad por parte de los docentes en
sus clases y la efectividad en el aprendizaje de los estudiantes, así como el impacto en el proceso educativo.
Tabla 2. Impacto en el proceso educativo con el uso de sistemas y recursos
educativos basados en IA.
|
Sistemas y recursos educativos basados en IA |
Porcentaje de
utilización por los docentes en clases |
Porcentaje de efectividad
en el aprendizaje de los estudiantes universitarios |
Impacto en el proceso educativo |
|
Sistemas
de aprendizaje adaptativo |
40% |
85% |
Mejora
significativamente el rendimiento académico, personalización del aprendizaje
y reducción de la tasa de deserción. |
|
Tutores
inteligentes |
35% |
80% |
Apoyo
continuo fuera del aula, mejora la comprensión de conceptos complejos,
facilita la autodisciplina. |
|
Sistemas
de evaluación automatizada |
50% |
75% |
Aceleración
del proceso de retroalimentación, ahorro de tiempo en la corrección de
tareas, mejora la objetividad. |
|
Sistemas
de recomendación de contenidos |
30% |
70% |
Incremento
en la motivación y autonomía del estudiante, mejor enfoque en áreas de mejora
específicas. |
|
Asistentes
virtuales y chatbots |
25% |
65% |
Mejora
la accesibilidad a recursos educativos, reducción de la carga administrativa
para los docentes. |
|
Análisis
de aprendizaje (Learning
Analytics) |
45% |
80% |
Identificación
temprana de estudiantes en riesgo, decisiones pedagógicas más informadas,
mejora la retención. |
|
Plataformas
de simulación y RA/RV |
20% |
90% |
Alto
impacto en la formación práctica de disciplinas técnicas, incremento en la
comprensión y retención de conceptos. |
|
Plataformas
de aprendizaje colaborativo basadas en IA |
30% |
75% |
Fomenta
el trabajo en equipo y la colaboración, mejora la dinámica grupal, desarrollo
de habilidades interpersonales. |
|
Sistemas
de retroalimentación automática |
35% |
78% |
Proporciona
retroalimentación constante y personalizada, mejora el seguimiento individual
de cada estudiante. |
|
Plataformas
de gestión de aprendizaje basadas en IA |
60% |
70% |
Facilita
la organización de recursos educativos, simplificación del seguimiento
académico y mejora la planificación. |
Fuente: Elaboración propia.
En el análisis de los datos de la encuesta sobre la utilización de los
sistemas y recursos educativos basados en inteligencia artificial, por parte de
los docentes, se conoció que un 45% de los docentes ya están implementando
sistemas de aprendizaje adaptativo, mientras que otros sistemas como los
asistentes virtuales o chatbots
son menos utilizados (25%), en parte debido a limitaciones tecnológicas y la
falta de formación especializada.
Por otro lado, se apreció que, en la efectividad del aprendizaje, los
recursos como plataformas de simulación y RA/RV muestran un 90% de efectividad,
debido a su capacidad de ofrecer experiencias inmersivas y prácticas. En
contraste, asistentes virtuales y chatbots presentan una efectividad del 65%, lo cual, aunque
útil para la gestión administrativa y de consultas frecuentes, puede ser limitado
en su capacidad de mejorar el rendimiento académico directamente.
Referente al impacto en el proceso educativo, se conoció que los
sistemas de aprendizaje adaptativo y tutores inteligentes tienen un impacto
significativo al mejorar el rendimiento académico y proporcionar una
experiencia de aprendizaje más personalizada. Además, las herramientas de
análisis de aprendizaje permiten a las instituciones, identificar rápidamente a
los estudiantes en riesgo y ofrecer soluciones tempranas, lo que tiene un impacto
positivo en la retención y el éxito académico. Estos datos muestran que, aunque
algunos sistemas basados en IA aún no son ampliamente utilizados, su
efectividad y potencial impacto en el aprendizaje universitario son evidentes,
sugiriendo que una mayor adopción y capacitación en el uso de estas
herramientas podría transformar significativamente la Educación Superior
La Educación Superior en la actualidad enfrenta nuevos retos, la
sociedad de la información exige metas en las universidades, esto conlleva a
una disrupción en la
enseñanza aprendizaje, con cambios rigurosos a los que hay que adaptarse para
transformar la realidad y lograr resultado eficaz.
Discusión
Según
De manera similar,
Por otro lado,
Los autores de este estudio mantienen una postura teórica desde la
perspectiva de esta investigación, en la que están de acuerdo con el enfoque de
los autores como
Teniendo en cuenta lo anterior, los autores de esta investigación se
basan en la idea de que la IA en la educación debe ser utilizada como una
herramienta de apoyo, diseñada para mejorar la calidad de la enseñanza y el
aprendizaje, pero no como un reemplazo de la interacción docente-estudiante.
Además, se propone que la implementación de estos sistemas debe ir acompañada
de una formación adecuada para los docentes y de una infraestructura
tecnológica sólida, que permita un uso efectivo y ético de las herramientas de
IA. En este sentido, la integración de la IA debe estar calificada adecuadamente
y ser orientada para una implementación consciente de los avances tecnológicos;
de esta forma, se alinea con un enfoque pedagógico que promueva la equidad y el
acceso a oportunidades de aprendizaje de calidad para todos los estudiantes.
Conclusiones
La investigación sobre sistemas y recursos educativos basados en
inteligencia artificial para mejorar el aprendizaje en estudiantes
universitarios ha permitido evidenciar el impacto significativo que la
integración de tecnologías inteligentes puede tener en la calidad del aprendizaje
y en la eficiencia de los procesos educativos. Con el estudio se cumplió el
objetivo principal: analizar cómo las herramientas basadas en IA, los sistemas
de aprendizaje adaptativo, tutores inteligentes y plataformas de simulación,
pueden personalizar el aprendizaje, mejorar el rendimiento académico y
facilitar la detección temprana de estudiantes en riesgo.
En los resultados obtenidos, se observó que los sistemas de aprendizaje
adaptativo y los tutores inteligentes tienen una efectividad superior al 80% en
la mejora del rendimiento académico, mientras que las herramientas de análisis
de aprendizaje permiten a los docentes tomar decisiones informadas y apoyar de
manera proactiva a los estudiantes en riesgo de deserción. Además, los sistemas
de evaluación automatizada y recomendación de contenidos han reducido la carga
de trabajo docente, lo que permite que los profesores se concentren en aspectos
más creativos e interpersonales de la enseñanza.
El impacto de esta investigación es significativo, ya que destaca no
solo los beneficios académicos, sino también los desafíos éticos y sociales que
conlleva la integración de la IA en la Educación Superior. Es necesario que las
instituciones educativas y los actores involucrados promuevan una
implementación ética y responsable de estas tecnologías, asegurando que se
respeten los derechos de privacidad de los estudiantes y que las herramientas
no reemplacen, sino complementen, la labor docente.
Es necesario seguir invirtiendo
en infraestructura tecnológica y capacitación para los docentes, de manera que
puedan aprovechar al máximo las oportunidades que brindan estas herramientas
inteligentes. La adopción de sistemas y recursos basados en inteligencia
artificial tiene el potencial de transformar profundamente el aprendizaje
universitario, proporcionando experiencias más personalizadas, accesibles y
eficientes. Para maximizar su impacto positivo, es fundamental que los
desarrollos tecnológicos vayan de la mano de estrategias pedagógicas que prioricen
la equidad, la calidad y la ética en el proceso educativo.
Referencias bibliográficas
Hernández,
R., & Mendoza, C. (2018). Metodología de la investigación las rutas
cuantitativa, cualitativa y mixta. McGraw-Hill interamericana editores,
S.A. de C.V. https://doi.org/10.22201/fesc.20072236e.2019.10.18.6
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial
Intelligence in Education: Promises and Implications for Teaching and Learning.
Center for Curriculum Redesign. https://curriculumredesign.org/wp-content/uploads/AIED-Book-Excerpt-CCR.pdf
Jara, I., & Ochoa, J. M. (2020). Usos
y efectos de la inteligencia artificial en educación. Sector
Social división educación.
BID. http://dx.doi.org/10.18235/0002380
Luckin,
R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence
Unleashed: An argument for AI in Education. Pearson. https://www.pearson.com/content/dam/one-dot-com/one-dot-com/global/Files/about-pearson/innovation/open-ideas/IntelligenceUnleashedSPANISH.pdf
Maldonado, K., Lucas, H., Vera, R., & Cables, E.
(2023). La inteligencia artificial y su impacto en la educación superior. Serie
Científica de la Universidad de las Ciencias Informáticas, 16(7), 204-215. https://publicaciones.uci.cu/index.php/serie/article/view/1378
Maldonado, K., Mero, K., Merchán, E., & Lucas, H.
(2023). Plataformas de Aprendizaje en Línea y su impacto en la Educación
Superior. Serie Científica de la Universidad de las Ciencias Informáticas,
16(12), 280-288. https://publicaciones.uci.cu/index.php/serie/article/view/1535
Martín, H. R. (2020). ¿Cómo aprendemos?: una
aproximación científica al aprendizaje y la enseñanza (Vol. 1). Graó. https://books.google.com.cu/books?hl=es&lr=&id=WkAgEAAAQBAJ&oi=fnd&pg=PT3&dq=%C2%BFC%C3%B3mo+aprendemos%3F:+una+aproximaci%C3%B3n+cient%C3%ADfica+al+aprendizaje+y+la+ense%C3%B1anza&ots=gT_yQ1DKWk&sig=k8nN9zy3WCDqeWhCPMT7-YP2W1M&redir_esc=y#v=onepage&q=%C2%BFC%C3%B3mo%20aprendemos%3F%3A%20una%20aproximaci%C3%B3n%20cient%C3%ADfica%20al%20aprendizaje%20y%20la%20ense%C3%B1anza&f=false
Miao, F., Holmes, W., Ronghuai H., & Hui Z. (2021). Inteligencia
artificial y educación: guía para las personas a cargo de formular políticas.
UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000379376
Piquer, M. P., Bartoll, Ó. C., Martín, R. L., & Fayos,
I. C. (2018). La escuela que llega: Tendencias y nuevos enfoques
metodológicos. Ediciones Octaedro. https://traficantes.net/sites/default/files/pdfs/9788417219208.pdf
Scrollini,
F., Cervantes, M. E., & Mariscal, J. (2021). En
busca de rumbo: el estado de las políticas de inteligencia artificial en
América Latina. ILDA, Centro Latam Digital. https://idl-bnc-idrc.dspacedirect.org/server/api/core/bitstreams/a859417d-e4b0-4400-92a5-431bcd3771f8/content
Selwyn, N. (2019). Should Robots Replace Teachers?
AI and the Future of Education. Polity Press. https://research.monash.edu/en/publications/should-robots-replace-teachers-ai-and-the-future-of-education
Van Laar, E., Van Deursen, A. J. A. M., Van Dijk, J. A. G. M., & De Haan,
J. (2017). The relation between 21st-century skills and digital
skills: A systematic literature review. Computers in Human Behavior, 72,
577-588. https://doi.org/10.1016/j.chb.2017.03.010
Vázquez, A., Bottamedi, J.,
& Brizuela, M. L. (2019). Pensamiento
computacional en el aula: el desafío de los sistemas educativos de
Latinoamérica. RIITE. Revista Interuniversitaria de Investigación en
Tecnología Educativa, 7, 26-37. http://dx.doi.org/10.6018/riite.397901
Zawacki-Richter,
O., Marín, V.I., Bond, M., & Gouverneur, F. (2019). Systematic review of
research on artificial intelligence applications in higher education – where
are the educators? International Journal of Educational Technology in Higher
Education, 16(1), 1-27. https://doi.org/10.1186/s41239-019-0171-0