Educación superior e inteligencia artificial: desafíos para la universidad del siglo XXI

Autores/as

DOI:

https://doi.org/10.51698/aloma.2024.42.1.79-90

Palabras 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.

Biografía del autor/a

José González -Campos, Universidad Católica del Maule

José Alejandro González Campos. Doctor en Estadística. Universidad Estadual de Campinas.Campinas, Brasil Magister en Estadística, Pontificia Universidad Católica de Valparaíso. Ensu labor académica en el ámbito de las Políticas de Educación Superior ha desarrolladoproyectos de investigación y publicaciones en la línea de creación de Modelos estadísticos,Modelación cuantitativa de la Deserción universitaria, la orientación de los planesestratégicos de las universidades Estatales de Chile en el camino a la internacionalización,Actualmente se encuentra desarrollando su labor académica e investigativa en la Universidad Católica del Maule.

Julio López - Núñez, Universidad Andrés Bello

Julio López Núñez. Doctor  en Políticas y Gestión Educativa de la Universidad de PlayaAncha. Ingeniero Informático, especialista en análisis y gestión de datos. En esta línea, suespecialización se enfoca en la generación de DashBoard utilizando herramientas de BusinessIntelligence tales como PowerBI, Pentaho y Qlik. Con más de 15 años desarrollandoactividades de gestión académica (Docente, Jefe de Carrera y Directivo Académico). Suslíneas de Investigación son Big data y política educación superior. Actualmente, forma parte de la Universidad de Playa Ancha y se desempeña como profesional asociado a la Vicerrectoría Académica.

Catherine Araya - Pérez, Servicio Local de Educación Pública Valparaíso Juna Fernández

Doctora en Políticas y Gestión Educativa de la Universidadde Playa Ancha. Magíster en Dirección y Liderazgo para la Gestión Educativa de laUniversidad Andrés Bello. Su formación inicial es Profesora de Castellano y Licenciada enEducación de la Universidad de Playa Ancha de Ciencias de la Educación. Cuenta conexperiencia en la Gestión Directiva y Técnico Pedagógica en Escuelas Públicas y LiceosHumanistas Científicos y Técnico Profesional. Actualmente se desempeña en Gestión Escolar en el Servicio de Educación Pública de Valparaíso - Juan Fernández y cursa una Especialización Internacional en Políticas Públicas para la Igualdad en América Latina y el Caribe dictado por el Consejo Latinoamericano de Ciencias Sociales (CLACSO) .

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.

Publicado

2024-05-15

Cómo citar

González -Campos, J., López - Núñez, J., & Araya - Pérez, C. (2024). Educación superior e inteligencia artificial: desafíos para la universidad del siglo XXI. Aloma: Revista De Psicologia, Ciències De l’Educació I De l’Esport, 42(1), 79-90. https://doi.org/10.51698/aloma.2024.42.1.79-90

Número

Sección

Educació