Recibido: 20/febrero/2025
Aceptado: 10/julio/2025
Herramientas con inteligencia artificial en la docencia
universitaria: estudio basado en el modelo SAMR (Original)
Artificial Intelligence Tools in University Teaching:
A Study Based on the SAMR Model (Original)
Mario Javier Marcillo Merino. Ingeniero
en Sistema. Magister en Docencia Universitaria. Docente de la carrera
Tecnología de la Información en la Facultad de Ciencias Técnicas en la
Universidad Estatal del Sur de Manabí. Jipijapa. Manabí. Ecuador.
[ mario.marcillo@unesum.edu.ec ] [ https://orcid.org/0000-0001-5818-367X ]
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.
[ kirenia.maldonado@unesum.edu.ec ] [ https://orcid.org/0000-0002-3764-5633
]
Karina Virginia Mero Suarez. Ingeniera en Sistemas. Magister en Docencia Universitaria e Investigación
Educativa. Magister en Informática Empresarial. Doctora en Tecnologías de la
Información. Docente de la carrera de Tecnologías de Información. Facultad de
Ciencias Técnicas. Universidad Estatal del Sur de Manabí. Jipijapa. Manabí.
Ecuador.
[ karina.mero@unesum.edu.ec ] [ https://orcid.org/0000-0002-7943-4981 ]
Edwin Joao Merchán Carreño. Ingeniero en Sistemas. Magister en Docencia
Universitaria e Investigación Educativa. Magister en Informática Empresarial.
Doctor en Tecnologías de la Información. Docente de la carrera de Tecnologías
de la Información. Facultad de Ciencias
Técnicas. Universidad Estatal del Sur de Manabí. Jipijapa. Manabí.
Ecuador.
[ edwin.merchan@unesum.edu.ec ] [ https://orcid.org/0000-0001-8128-2764 ]
Resumen
La integración de herramientas con inteligencia
artificial en la docencia universitaria es un tema de creciente relevancia,
dado el impacto que estas tecnologías tienen en la transformación de los
procesos educativos. El estudio permitió el análisis la implementación de
herramientas tecnológicas inteligentes en la enseñanza superior, utilizando el
modelo SAMR como marco teórico para evaluar el nivel de integración tecnológica
y su efecto en el aprendizaje. Se adoptó un enfoque mixto, combinando métodos
cuantitativos y cualitativos, del nivel teórico, empírico y estadístico
matemático, con ellos se recopilaron datos sobre el uso y la percepción de
herramientas con inteligencia artificial utilizadas en la educación
universitaria. Los resultados indicaron que la mayoría de las herramientas se
utilizan en los niveles de sustitución y aumento, con un avance gradual hacia modificación
y redefinición en prácticas docentes específicas. Además, se evidenció un
impacto positivo en el desarrollo de competencias digitales, comunicativas y de
pensamiento crítico en los estudiantes. La conclusión principal señala que la
integración de inteligencia artificial, mediada por el modelo SAMR, tiene el
potencial de transformar significativamente la docencia universitaria, siempre
que se promueva una formación docente continua y un enfoque pedagógico
reflexivo que potencie la innovación educativa. Este estudio se enmarca como
resultado de los proyectos de investigación: Herramientas tecnológicas bajo el
modelo SAMR. Caso de estudio: Universidad Estatal del Sur de Manabí y
Tecnologías aplicadas a la toma de decisiones para la innovación y el
desarrollo integral de la zona sur de Manabí.
Palabras clave: aprendizaje; docencia universitaria; inteligencia artificial; modelo SAMR;
tecnologías educativas
Abstract
The integration
of artificial intelligence tools in university teaching is a topic of growing
relevance, given the impact these technologies have on the transformation of
educational processes. This study analyzed the implementation of intelligent
technological tools in higher education, using the SAMR model as a theoretical
framework to assess the level of technological integration and its effect on
learning. A mixed approach was adopted, combining quantitative
and qualitative methods at the theoretical, empirical, and
statistical-mathematical levels. Data were collected on the use and perception
of artificial intelligence tools used in university education. The results
indicated that most tools are used at the replacement and augmentation levels,
with a gradual shift toward modification and redefinition in specific teaching
practices. Furthermore, a positive impact on the development of
digital, communication, and critical thinking skills in students was evident. The main
conclusion indicates that the integration of artificial intelligence, mediated
by the SAMR model, has the potential to significantly transform university
teaching, provided that ongoing teacher training and a reflective pedagogical
approach that enhances educational innovation are promoted. This study is
part of the research projects: Technological Tools under the SAMR Model. Case Study:
Southern Manabí State University and Technologies Applied to Decision-Making
for Innovation and Comprehensive Development in the Southern Manabí Region.
Keywords: learning;
university
teaching; artificial intelligence; SAMR model; educational
technologies
Introducción
La inteligencia artificial (IA) ha emergido como una
de las tecnologías más disruptivas de la educación superior en la última
década, transformando la forma en que se enseña, aprende y evalúa. La IA destaca
en personalizar el aprendizaje, automatizar procesos docentes y ampliar el
acceso a contenidos educativos de calidad. Su integración efectiva, sin
embargo, requiere enfoques pedagógicos que aseguren una adopción significativa,
más allá del uso instrumental
En este contexto, el modelo SAMR (Sustitución,
Aumento, Modificación y Redefinición), propuesto por
En América Latina, la incorporación de IA en la
educación superior enfrenta desafíos vinculados a la infraestructura, formación
docente y políticas públicas. Estudios como los de
En este marco, el objetivo principal de la presente
investigación es analizar la integración de herramientas con inteligencia
artificial en la docencia universitaria de Manabí, utilizando el modelo SAMR
como referente teórico-metodológico, a fin de identificar el nivel de
transformación educativa alcanzado. La importancia de este estudio radica en
aportar evidencias que orienten la formación docente, el diseño curricular y
las políticas institucionales para un uso pedagógico significativo de la IA en
la educación superior, respondiendo a los desafíos de la sociedad digital y del
contexto local.
Este estudio es resultado de los proyectos de
investigación: Herramientas tecnológicas bajo el modelo SAMR. Caso de estudio:
Universidad Estatal del Sur de Manabí y Tecnologías aplicadas a la toma de
decisiones para la innovación y el desarrollo integral de la zona sur de
Manabí, con la participación de docentes del grupo de investigación:
“AISCIENCES” de la carrera de Tecnologías de la Información de la Facultad
Ciencias Técnicas en la Universidad Estatal del Sur de Manabí.
Materiales y métodos
La población estuvo conformada por un total de 746 participantes,
quedando conformada una muestra de 8 docentes de diferentes áreas
disciplinares, niveles académicos y experiencia profesional, así como 375
estudiantes de la carrera de Tecnologías de la Información, para un total de
383 participantes.
Esta investigación se realizó con una metodología de enfoque mixto
Se consideró el tipo de investigación descriptiva según el nivel de
estudio, esta permitió analizar y caracterizar cómo se están integrando las
herramientas de inteligencia artificial en la docencia universitaria,
identificando su frecuencia, tipos de herramientas utilizadas, y su ubicación
en los niveles del modelo SAMR.
La finalidad de la investigación fue aplicada, la misma contribuyó a generar
un conocimiento actualizado y útil para la toma de decisiones pedagógicas, la
formación docente y la implementación institucional de tecnologías basadas en
inteligencia artificial, por lo que aporta soluciones prácticas y orientaciones
para que las universidades mejoren su integración tecnológica desde un enfoque
pedagógico sólido.
Se desarrolló a través de un diseño no experimental, en el que no se
manipularon variables, pero si se observó y analizó la realidad tal como ocurre
en el entorno educativo. A continuación, se muestra los métodos y técnicas
utilizados.
Tabla 1. Métodos y técnicas
|
Método |
Aplicación en la investigación |
|
Análisis
documental |
Se
revisaron políticas institucionales, planes de formación docente y normativas
sobre uso de la inteligencia artificial en universidades, esto permitió contextualizar
el entorno educativo en la carrera Tecnologías de la Información. |
|
Encuesta
|
Se
aplicó a docentes y estudiantes de la carrera de Tecnologías de la
Información en la Universidad Estatal del Sur de Manabí, lo que permitió medir
variables como frecuencia de uso de IA, herramientas utilizadas, percepción
de impacto, y ubicación de sus prácticas en el modelo SAMR. |
|
Entrevistas
|
Se
realizaron a un grupo selecto de docentes, coordinadores académicos, responsables
TIC para profundizar en las experiencias, resistencias, y potencialidades del
uso pedagógico de la IA. |
|
Análisis
estadístico |
Se
procesaron los datos cuantitativos con herramientas digitales para
identificar tendencias y correlaciones entre variables, lo que permitió
obtener un resultado inédito. |
|
Análisis
de contenido cualitativo |
Las
entrevistas fueron analizadas temáticamente para identificar patrones y
significados vinculados con la apropiación pedagógica de la IA. |
Fuente: Elaboración
propia.
Resultados y discusión
La integración de herramientas con inteligencia
artificial en la docencia universitaria representa hoy en día una estrategia
clave para responder a los desafíos de la educación superior en la era digital
Estas herramientas como ChatGPT,
Socrative, Google Bard, Copilot, entre otras permiten automatizar tareas
docentes repetitivas, ofrecer retroalimentación inmediata a los estudiantes, y
facilitar la personalización del aprendizaje de acuerdo con los estilos, ritmos
y niveles de cada estudiante
En el ámbito de la educación superior, la IA potencia
la calidad del proceso formativo al permitir el análisis de grandes volúmenes
de datos (learning analytics),
la predicción de riesgos académicos y el diseño de estrategias de intervención
temprana. Para el docente universitario, la IA se convierte en un asistente
cognitivo que amplía sus capacidades, mejora la eficiencia y promueve
metodologías activas e inclusivas
Cuando esta integración se realiza bajo marcos
pedagógicos como el modelo SAMR, se asegura que el uso de la IA no sea
superficial o instrumental, sino que promueva verdaderas transformaciones en la
práctica educativa
Importancia del modelo SAMR en la integración de
herramientas con inteligencia artificial en la docencia universitaria
El modelo SAMR desarrollado por
Entre los principales beneficios del modelo SAMR
destaca su capacidad para ayudar a los docentes y las instituciones a evaluar
críticamente el uso de tecnologías emergentes, como las herramientas basadas en
inteligencia artificial
En el contexto universitario, el modelo SAMR es
utilizado como marco estratégico para planificar, implementar y evaluar
proyectos de innovación educativa con tecnologías digitales (Kumar et al., 2024). Muchas universidades internacionales y
latinoamericanas han adoptado este enfoque para capacitar a sus docentes en el
uso pedagógico de herramientas como chatbots,
sistemas de tutoría inteligente, analítica de aprendizaje y asistentes
virtuales, asegurando que la incorporación de la IA contribuya a una mejora
sustancial de la calidad educativa y a la creación de ambientes de aprendizaje
más dinámicos e inclusivos
La incorporación de herramientas tecnológicas basadas
en inteligencia artificial en la docencia universitaria está revolucionando los
procesos de enseñanza y aprendizaje. El modelo SAMR que clasifica la
integración tecnológica en cuatro niveles: Sustitución, Aumento, Modificación y
Redefinición ofrece un marco conceptual valioso para entender cómo estas
herramientas pueden transformar las prácticas pedagógicas. A través de la tabla
se identifican diversas plataformas y aplicaciones de IA, sus características
principales y cómo se alinean con el modelo SAMR, destacando además las
competencias que promueven tanto en estudiantes como en docentes.
Tabla 2. Herramientas de IA y nivel del modelo SAMR
|
Herramienta IA |
Nivel SAMR |
Características principales |
Competencias desarrolladas en estudiantes |
Competencias desarrolladas en docentes |
|
ChatGPT (OpenAI) |
Modificación
/ Redefinición |
Genera
textos, respuestas automáticas, tutorías personalizadas |
Pensamiento
crítico, resolución de problemas, comunicación escrita |
Diseño
curricular innovador, retroalimentación automatizada, adaptación pedagógica |
|
Google Bard |
Aumento
/ Modificación |
Asistente
conversacional para búsqueda y generación de contenido |
Aprendizaje
autónomo, habilidades investigativas |
Facilitación
de recursos digitales, creación de contenidos dinámicos |
|
Grammarly
(IA para redacción) |
Sustitución
/ Aumento |
Corrección
gramatical y sugerencias de estilo en tiempo real |
Competencia
comunicativa, escritura académica |
Supervisión
de redacción, mejora de retroalimentación escrita |
|
Kahoot con IA |
Aumento
/ Modificación |
Plataforma
de evaluación interactiva con análisis predictivo |
Aprendizaje
activo, motivación, trabajo colaborativo |
Diseño
evaluativo innovador, análisis de desempeño estudiantil |
|
Turnitin (plagio y retroalimentación IA) |
Sustitución
/ Aumento |
Detección
automática de plagio, retroalimentación en redacción |
Ética
académica, honestidad, mejora continua |
Control
académico, evaluación formativa |
|
Socratic by Google |
Aumento
/ Modificación |
Asistente
de estudio basado en IA que ayuda a resolver problemas |
Razonamiento
lógico, autoaprendizaje |
Apoyo
en resolución de dudas, fomento del aprendizaje autónomo |
|
Landbot IA (chatbots) |
Modificación
/ Redefinición |
Chatbots para interacción personalizada con estudiantes y soporte |
Comunicación
digital, autonomía, gestión del aprendizaje |
Atención
personalizada, automatización de soporte académico |
|
HubSpot
CRM educativo con IA |
Modificación
/ Redefinición |
Gestión
de relaciones, seguimiento de progreso y automatización |
Gestión
del tiempo, organización, autoevaluación |
Gestión
académica eficiente, análisis de datos para mejora continua |
|
Copilot
(Microsoft IA en Office) |
Aumento
/ Modificación |
Asistente
inteligente para creación de documentos, presentaciones y datos |
Creatividad
digital, habilidades tecnológicas |
Optimización
de materiales didácticos, innovación en la planificación |
|
Quizlet con IA |
Aumento
/ Modificación |
Generación
automática de ejercicios y tarjetas para estudio |
Memoria,
aprendizaje autónomo, repaso efectivo |
Creación
rápida de recursos didácticos personalizados |
Fuente:
Elaboración propia.
El análisis de la tabla revela que muchas herramientas
de IA facilitan no solo la automatización o mejora de tareas tradicionales
(niveles de Sustitución y Aumento), sino que también permiten modificar y
redefinir actividades educativas para generar experiencias de aprendizaje más
interactivas, personalizadas y significativas. Por ejemplo, chatbots
como Landbot o asistentes inteligentes
como ChatGPT representan oportunidades para
repensar la atención y acompañamiento al estudiante, promoviendo la autonomía y
el pensamiento crítico.
Asimismo, la integración de estas tecnologías
contribuye al desarrollo de competencias digitales esenciales en la educación
superior, tales como la comunicación efectiva, la creatividad digital, el aprendizaje
autónomo y la gestión de la información
El papel del docente se redefine gracias a la IA, que
actúa como un facilitador y mediador del aprendizaje, optimizando la
planificación, evaluación y retroalimentación
En el contexto de la carrera de Tecnologías de la Información, se evaluó
la integración y utilidad de diversas herramientas basadas en inteligencia
artificial en la docencia universitaria, con una muestra de 375 estudiantes y 8
docentes. La tabla a continuación presenta el porcentaje de uso de estas
plataformas tanto por docentes como por estudiantes durante las clases, además
del porcentaje de efectividad percibida en el desarrollo de competencias clave.
Esta evaluación busca determinar no solo la adopción tecnológica, sino también
su impacto en el proceso formativo bajo el modelo SAMR.
Tabla 3. Uso y efectividad de herramientas de inteligencia artificial en
docencia universitaria
|
Herramienta IA |
% Uso Docentes |
% Uso Estudiantes |
% Efectividad desarrollo de competencias |
|
ChatGPT (OpenAI) |
75% |
68% |
72% |
|
Google Bard |
40% |
35% |
50% |
|
Grammarly |
60% |
70% |
65% |
|
Kahoot con IA |
55% |
80% |
78% |
|
Turnitin |
70% |
75% |
68% |
|
Socratic by Google |
35% |
60% |
55% |
|
Landbot IA (chatbots) |
20% |
30% |
45% |
|
HubSpot
CRM educativo IA |
15% |
10% |
40% |
|
Copilot (Microsoft IA) |
50% |
45% |
60% |
|
Quizlet con IA |
60% |
85% |
75% |
Fuente:
Elaboración propia.
Los datos reflejan que herramientas como ChatGPT,
Grammarly y Turnitin
tienen una alta adopción tanto por parte de docentes como de estudiantes,
demostrando su relevancia en tareas de redacción, corrección y evaluación
académica. Estas plataformas son percibidas como efectivas para desarrollar
competencias comunicativas y éticas, fundamentales en la formación
universitaria
Asimismo, aplicaciones orientadas al aprendizaje interactivo y gamificado, como Kahoot
con IA y Quizlet, muestran un uso
particularmente elevado entre los estudiantes, lo que evidencia su potencial
para aumentar la motivación, el compromiso y el aprendizaje activo
Por último, herramientas más especializadas o administrativas como Landbot IA y HubSpot
CRM educativo presentan un uso bajo, tanto en docentes como en estudiantes,
y su efectividad percibida es menor. Esto indica que, para maximizar el impacto
de la IA en la docencia universitaria, es necesario promover una mayor
integración pedagógica y formación en estas soluciones para aprovechar su
potencial en la gestión y personalización del aprendizaje
Discusión
La integración de herramientas con inteligencia artificial (IA) en la
docencia universitaria ha sido objeto de análisis desde múltiples enfoques
pedagógicos y tecnológicos. Según
Por otro lado,
En el contexto latinoamericano,
Esta investigación adopta una postura integradora que concibe la
inteligencia artificial no solo como un conjunto de herramientas tecnológicas,
sino como un elemento estratégico que, cuando se implementa bajo el marco del
modelo SAMR, puede transformar profundamente la docencia universitaria. Se sostiene
que la IA, incorporada desde niveles básicos hasta redefinitorios
según el modelo SAMR, tiene el potencial de mejorar la personalización del
aprendizaje, optimizar la gestión pedagógica y fomentar competencias digitales
esenciales en estudiantes y docentes.
Además, se asume que la efectividad de esta integración depende no solo
de la disponibilidad tecnológica, sino de un enfoque pedagógico crítico y
contextualizado que considere las condiciones locales de infraestructura,
formación y cultura institucional. En este sentido, la investigación apuesta
por promover un uso reflexivo y estratégico de las herramientas IA, orientado a
la innovación educativa y al desarrollo socioeducativo sostenible,
especialmente en regiones como Manabí, Ecuador.
Conclusiones
El estudio sobre la integración de herramientas con
inteligencia artificial en la docencia universitaria, basada en el modelo SAMR,
permitió evidenciar que estas tecnologías representan una oportunidad
significativa para transformar los procesos de enseñanza y aprendizaje en la
educación superior. La investigación confirmó que, al clasificar la utilización
de la IA en niveles de Sustitución, Aumento, Modificación y Redefinición, es
posible identificar no solo el grado de adopción tecnológica sino también el
nivel de innovación pedagógica alcanzado por docentes y estudiantes.
Se destacó que la implementación de herramientas como ChatGPT, Grammarly, Kahoot con IA y Turnitin
ha facilitado la personalización del aprendizaje, la automatización de
tareas rutinarias y la mejora en la calidad de la retroalimentación,
fortaleciendo competencias digitales, comunicativas y metacognitivas en los
estudiantes. Para los docentes, estas plataformas han servido como apoyo para
la planificación, evaluación y dinamización de sus prácticas educativas,
favoreciendo una educación más interactiva y centrada en el alumno.
Asimismo, la investigación subrayó la importancia de
que la integración de la IA se realice bajo un enfoque pedagógico reflexivo y
estratégico, como el que ofrece el modelo SAMR, para asegurar que el uso
tecnológico vaya más allá de la simple sustitución y permita la innovación
educativa. En este sentido, la capacitación docente y el contexto institucional
juegan un papel fundamental para maximizar el impacto positivo de estas tecnologías.
Referencias bibliográficas
Belkina, M., Scott D., Sasha, N., Rezwanul, H.,
Sarah, L., Neal, P., Grundy, S., & Ghulam, M. (2025). Implementing
generative AI (GenAI) in higher education: A systematic review of case studies.
Computers and Education: Artificial Intelligence, 8, 100407. https://doi.org/10.1016/j.caeai.2025.100407
Blundell, C. N., Mukherjee, M., & Nykvist, S. (2022). A scoping review of the application of the SAMR model in research. Computer and Education Open, 3, 100093. https://doi.org/10.1016/j.caeo.2022.100093
Cables, E. A., &
Alcívar, K. L. (2024). Uso de plataformas virtuales en la educación y su influencia en el
aprendizaje autónomo. Journal TechInnovation, 3(2), 14–22. https://revistas.unesum.edu.ec/JTI/index.php/JTI/article/view/83
Das, D., Kumar, N., Longjam, L. A., Sinha, R., Deb Roy,
A., Mondal, H., et al. (2023). Assessing the capability of ChatGPT in answering first- and
second-order knowledge questions on microbiology as per competency-based medical education
curriculum. Cureus, 15(3). https://doi.org/10.7759/cureus.36034
Elkhodr, M., Gide, E., Wu, R., & Darwish, O. (2023). ICT students’ perceptions towards ChatGPT: An
experimental reflective lab analysis. STEM Education, 3(2), 70–88. https://doi.org/10.3934/steme.2023006
Guo, K., Zhong, Y., Li, D., &
Chu, S. K. W. (2023). Effects of
chatbot-assisted in-class debates on
students’ argumentation skills
and task motivation. Computers & Education, 203. https://doi.org/10.1016/j.compedu.2023.104862
Hamilton, E. R., Rosenberg, J. M., & Akcaoglu, M. (2016). The
substitution augmentation modification redefinition (SAMR) model: A critical review and suggestions for
its use. TechTrends, 60(5), 433–441. https://doi.org/10.1007/s11528-016-0091-y
Hernández-Sampieri, R., & Mendoza, C (2018). Metodología de la
investigación. Las rutas cuantitativa, cualitativa y mixta. Editorial
Mc Graw Hill Education.
Han, J., Yoo, H., Kim, Y., Myung, J., Kim, M., Lim, H., … Oh, A.
(2023). RECIPE: How to integrate ChatGPT into EFL writing education.
Paper presented at the proceedings of the tenth ACM conference on learning @
scale, Copenhagen, Denmark. https://doi.org/10.1145/3573051.3596200
Heinze, A., Procter, C., & Scott, B. (2007). Use of conversation
theory to underpin blended learning. International Journal of Teaching and
Case Studies, 1(1–2), 108–120. https://doi.org/10.1504/ijtcs.2007.014213
Kong, Z. Y., Kurnia, V. S., Segovia, J. G., & Sunarso, J. (2023).
Complementary role of large language
models in educating undergraduate design of distillation column: Methodology
development. Digitital Chemical Engineering, 9. https://doi.org/10.1016/j.dche.2023.100126
Kumar, S., Rao, P., Singhania, S.,
Verma, S., & Kheterpal, M. (2024). Will artificial intelligence drive
the advancements in higher education? A
tri-phased exploration. Technological Forecasting and Social Change, 201. https://doi.org/10.1016/j.techfore.2024.123258
Loor, J. K., Chóez, J. E., & Maldonado,
K. (2021). Plataformas virtuales y su impacto en el proceso de
enseñanza-aprendizaje: plataformas virtuales y su impacto en el proceso de
enseñanza-aprendizaje. UNESUM - Ciencias. Revista Científica
Multidisciplinaria, 5(3), 213–220. https://doi.org/10.47230/unesum-ciencias.v5.n3.2021.454
Lu, Q., Yao, Y., Xiao, L., Yuan, M., Wang, J., & Zhu, X. (2024).
Can ChatGPT effectively complement teacher assessment of undergraduate
students’ academic writing? Assessment & Evaluation in Higher Education,
49(5), 616–633. https://doi.org/10.1080/02602938.2024.2301722
Mero, K. V., Toala, F. J., Merchán, E. J.,
& Barcia, M. R. (2025). Aplicación del modelo SAMR en la ambientación inteligente de los
laboratorios de la Carrera de TI_UNESUM para mejorar la experiencia de
aprendizaje. Recimundo, 9(1), 928–936. https://doi.org/10.26820/recimundo/9.(1).enero.2025.928-936
Mhlanga, D. (2023). Open AI in education, the responsible and ethical use
of ChatGPT towards lifelong learning. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4354422
Nikolic, S., Sandison, C., Haque, R., Daniel, S., Grundy, S., Belkina, M.,
… Neal, P. (2024). ChatGPT, Copilot, Gemini, SciSpace and Wolfram versus higher education assessments:
An updated multi-institutional study of the
academic integrity impacts of generative artificial intelligence
(GenAI) on assessment, teaching and learning
in engineering. Australasian Journal of Engineering Education, 29(2), 126–153. https://doi.org/10.1080/22054952.2024.2372154
Puentedura, R. R.
(2006). Transformation, Technology, and Education. Hippasus. https://hippasus.com/resources/tte/
Suryanto, T. L. M., Wibawa, A. P., Hariyono, H., & Nafalski, A.
(2023). Evolving conversations: A review of chatbots and implications in
natural language processing for cultural heritage ecosystems. International
Journal of Robotics and Control Systems, 3(4), 52. https://doi.org/10.31763/ijrcs.v3i4.1195