Educación superior e inteligencia artificial: desafíos para la universidad del siglo XXI
DOI:
https://doi.org/10.51698/aloma.2024.42.1.79-90Palabras clave:
Educación Superior;, Inteligencia Artificial;, Asistente Virtual;, Rol Docente;Resumen
La inteligencia artificial (IA) en la educación superior (ES) tiene un gran potencial para transformar la forma de enseñanza y el aprendizaje en estas instituciones, puede mejorar la eficiencia de la enseñanza y proporcionar una experiencia de aprendizaje personalizado a cada estudiante. También plantea desafíos y preocupaciones, como la posibilidad de sesgos algorítmicos y la sustitución de los docentes. La IA está cambiando el papel del docente en la ES, ellos pueden centrarse más en la tutoría y el apoyo individualizado de sus estudiantes, y menos en las tareas repetitivas de enseñanza y evaluación. Respecto a los desarrollos en el uso de la IA en la ES, se ha observado un aumento en la incorporación de la IA en las instituciones de ES en los últimos años, entre otros, chatbots, asistentes virtuales, tutoriales inteligentes y análisis de datos para mejorar la eficiencia de la enseñanza y el aprendizaje. Se concluye que la IA tiene el potencial de mejorar la ES, pero es importante abordar sus desafíos y preocupaciones, y garantizar que se utilice de manera ética y efectiva para ayudar a los estudiantes a alcanzar su máximo potencial.
Descargas
Citas
Abeliuk, A., & Gutiérrez, C. (2021). Historia y evaluación de la inteligencia artificial. Revista
Bits de Ciencia, (21), 14-21.
Bardin, L. (1996). Análisis de contenido. Ediciones Akal. España.
Brynjolfsson, E., & Mitchell, T. (2017). What can machine learning do? Workforce implications. Science, 358(6370), 1530-1534. Recuperado de: https://www.cs.cmu.edu/~tom/pubs/Science_WorkforceDec2017.pdf
Burdin, Gabriel (2022). Digitalización, productividad y empleo: elementos para pensar la
formación profesional en América Latina. Montevideo: OIT/Cinterfor.
Deng, L., & Yu, D. (2014). Deep learning: methods and applications. Foundations and Trends® in Signal Processing, 7(3-4), 197-387. http://dx.doi.org/10.1561/2000000039
Gikandi, J. W., Morrow, D., & Davis, N. E. (2011). Online formative assessment in higher education: A review of the literature. Computers & Education, 57(4), 2333-2351. https://doi.org/10.1016/j.compedu.2011.06.004
Giró Gràcia, X., & Sancho-Gil, J. M. (2021). Artificial Intelligence in Education: Big Data,
Black Boxes,and Technological Solutionism. Seminar.net, 17(2). [Traducción al español] https://doi.org/10.7577/seminar.4281
Hwang, G. J., & Wu, P. H. (2021). A systematic review of artificial intelligence in education: Trends and challenges. British Journal of Educational Technology, 52(1), 149-167. https://doi.org/10.36941/ajis-2021-0077
Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255-260. Recuperado de: https://www.cs.cmu.edu/~tom/pubs/Science-ML-2015.pdf
Kenttälä, V., & Kankaanranta, M. (2017, October). Courage to learn and utilize ICT in teaching-building understanding of teachers who lack courage. In E-Learn: World Conference on E-Learning in Corporate, Government, Healthcare, and Higher Education (pp. 611-620). Association for the Advancement of Computing in Education (AACE). Recuperado de: https://www.researchgate.net/publication/322251253_Courage_to_learn_and_utilize_ICT_in_teaching_-_building_understanding_of_teachers_who_lack_courage.
Kankaanranta, M., & Neittaanmäki, P. (2020). A conceptual framework for teacher professional development in AI-enhanced education. Education and Information Technologies, 25(6), 5237-5262.
Katz, R. (2019). Impacto de la cuarta revolución industrial en el empleo de Chile. Columbia Institute for Teleinformation Universidad de Columbia. Presentación en CELAC 2018. Chile.
Kavanagh, S. S., & Szwarc, P. (2017). Automated essay scoring and the future of educational assessment in medical education. Journal of Educational Evaluation for Health Professions, 14, 1.
Knight, S., Buckingham Shum, S., & Littleton, K. (2014). Epistemology, pedagogy, assessment and the impact of the digital revolution. Journal of Computer Assisted Learning, 30(5), 411-424.
Li, H., Chen, J., Li, Y., & Wu, B. (2020). Artificial intelligence in higher education: A bibliometric analysis. Frontiers in Psychology, 11, 1553.
Liao, Y., Wang, Y., & Chen, N. S. (2020). A systematic review of research on artificial intelligence applications in higher education: Latest trends and future directions. British Journal of Educational Technology, 51(4), 1353-1369.
López-Pérez, M. V., Pérez-López, M. C., & Rodríguez-Ariza, L. (2021). Artificial intelligence in higher education: A systematic review of the literature. Education Sciences, 11(6), 305. Recuperado de: https://educationaltechnologyjournal.springeropen.com/articles/10.1186/s41239-023-00392-8
Martin, F., & Parker, M. A. (2014). Use of synchronous virtual classrooms: Why, who, and how? MERLOT Journal of Online Learning and Teaching, 10(2), 192-210.
OCDE/CAF (2022). Uso estratégico y responsable de la inteligencia artificial en el sector público de América Latina y el Caribe. Estudios de la OCDE sobre Gobernanza Pública. OECD Publishing, Paris. https://doi.org/10.1787/5b189cb4-es
OIT (2022) Transición digital, cambio tecnológico y políticas de desarrollo productivo en ALC: Desafíos y oportunidades. Lima: OIT, Oficina Regional para América Latina y el Caribe, 87 p.
Rapley, T. (2007). Los análisis de la conversación, del discurso y de documentos en Investigación Cualitativa. Ediciones Morata, S. L..
Tinto Arandes, J. (2013). El análisis de contenido como herramienta de utilidad para la realización de una investigación descriptiva. Un ejemplo de aplicación práctica utilizado para conocer las investigaciones realizadas sobre la imagen de marca de España y el efecto país de origen. Provincia, 29, 135-173.
UNESCO (2021). Inteligencia artificial y educación. Guía para las personas a cargo de formular políticas. Recuperado de: https://unesdoc.unesco.org/ark:/48223/pf0000379376
Vellido, A., Martín-Guerrero, J. D., & Lisboa, P. J. (2015). Making machine learning models interpretable. In Interpreting machine learning (pp. 11-39). Elsevier. Recuperado de: https://www.esann.org/sites/default/files/proceedings/legacy/es2012-7.pdf.
Wang, X., Liang, J., Chen, J., & Li, H. (2019).. Big data and education: From data to knowledge. Big Data Research, 16, 1-11.
Zhang, D., Zhao, J., Zhou, L. y Nunamaker Jr, J. F. (2004). ¿Puede el e-learning reemplazar el aprendizaje en el aula? Comunicaciones de la ACM, 47(5), 75-79.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 José González -Campos, Julio López - Núñez, Catherine Araya - Pérez
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
A partir del número 39(1) 2021, los autores y autoras conservan sus derechos y conceden a la revista el derecho de primera publicación de la obra, registrada bajo una licencia de reconocimiento de Creative Commons Attribution-Noncommercial-ShareAlike (by-nc-sa). Se les anima a los autores que hagan la máxima difusión de su artículo, por ejemplo publicarlo en línea y se les propone que lo hagan (por ejemplo, en repositorios institucionales o en su página web) antes y durante el proceso de envío, porque puede producir buenos resultados y hacer que la obra publicada reciba más citas.
