Educación 5.0: Tendencias Tecnológicas Educativas, Tomo I

Educación 5.0 Tendencias
Tecnológicas Educativas
Tomo I
Dra. Patricia Guadalupe Gamboa Rodríguez
MSc. Daniel Omar Nieves Lizárraga
Editorial Racionalidades
Education 5.0 Educational
Technological Trends
Tomo I
Dra. Patricia Guadalupe Gamboa Rodríguez
MSc. Daniel Omar Nieves Lizárraga
Editorial Rationalities
Equipo Editorial | Editorial team
Editor Jefe | Editor in Chief
Dr. Andrés Ultreras Rodríguez
Coordinadora Editorial | Editorial Coordinator
Ing. Ana Lizeth Luna Abarca
Asistente Editorial | Editorial Assistant
Steven Alessandro Contreras De La Cruz
Diseño y portada | Design and cover
Jael Angely Chaupis Salgado
pág. III
Edición de:
© CENTRO EDITORIAL PERUVIAN SCIENCE S.A.C.
Para su sello editorial Peruvian Science
Mza. E Lote 7 Urb. Santa Fe de Naranjal San Martín de Porres
Lima – Perú
Teléfono: +51 942723906
Código postal: 15112
Libro electrónico disponible en
racionalidades.peruvianscience.org
Este título se publica bajo una licencia de Atribución 4.0 Internacional (CC BY 4.0)
This title is published under an Attribution 4.0 International (CC BY 4.0) license
pág. IV
Derechos de autor
Copyright:
© CENTRO EDITORIAL PERUVIAN SCIENCE S.A.C.
Primera Edición
First Edition:
2024
Editorial
Publisher:
Editorial Racionalidades
Público objetivo
Target audience
Profesional / Académico
Professional / Academic
Colección
Collection
Educación
Soporte / Formato
Support/Format
PDF / Digital
ISBN
978-612-49866-0-4
Depósito Legal
N° 2024-12126
pág. V
Revisión por pares
Cada capítulo de este libro ha sido evaluado mediante un
proceso de dictaminación a cargo de académicos externos bajo la
modalidad de doble ciego. En consecuencia, la investigación
presentada cuenta con el respaldo de expertos en la materia, quienes
han emitido una valoración objetiva basada en criterios científicos
para garantizar la solidez académica de la obra.
Peer Review
Each chapter of this book has been evaluated through a double-blind
peer review process by external academics. Consequently, the
research presented is supported by experts in the field, who have
issued an objective assessment based on scientific criteria to ensure
the academic soundness of the work.
pág. VI
CONTENIDO
CONTENIDO ............................................................................. VII
PRÓLOGO.................................................................................. IX
RESUMEN .................................................................................. XI
CAPÍTULO 1 .............................................................................. 13
Experiencia de Desarrollo de Videojuegos con Enfoque Social en
Unity ........................................................................................... 13
Patricia Guadalupe Gamboa Rodríguez, Karla Alejandra Jiménez
Martínez, Carlos Alberto Becerra Grajales y Manuel Iván Tostado
Ramírez ................................................................................... 13
CAPÍTULO 2 .............................................................................. 35
Uso de la Realidad Aumentada en el Nivel de Educación Superior 35
Emilio Gabriel Rejón Herrera y Magaly Margarita Quiñones Negrete
................................................................................................ 35
CAPÍTULO 3 .............................................................................. 50
Inteligencia Artificial en el Área de Enseñanza a las Matemáticas.. 50
Asia Cecilia Carrasco Valenzuela y José Antonio Fuentes
Velásquez ................................................................................ 50
CAPÍTULO 4 .............................................................................. 62
Impacto de la Tecnología en la Educación Rural: Innovaciones para
Mejorar el Aprendizaje Escolar ..................................................... 62
Elizabeth del Carmen Ormaza Esmeraldas, Eduardo Antonio
Caicedo Coello, Rosa Elvira Panta Panta y Luis Fernando López
Ormaza .................................................................................... 62
pág. VII
CAPÍTULO 5 .............................................................................. 82
Las TIC en el Marco de la Escuela Rural desde la Perspectiva del
Alumnado ................................................................................... 82
Óscar Gómez-Jiménez e Inmaculada Bautista-Gil ..................... 82
CAPÍTULO 6 .............................................................................. 95
Potenciando el Aprendizaje Autónomo Universitario: Retos y
Oportunidades de la Inteligencia Artificial Generativa ................... 95
Marina Fernández Miranda, Adolfo Antenor Jurado Rosas, Gladys
Ligia Peña Pazos y Ricardo Miguel León Mantilla ........................ 95
CAPÍTULO 7 .............................................................................123
Sinergias entre Automatización Robóticos en Inteligencia Artificial:
Impulsando la Eficiencia en la Investigación Científica ................123
María Yedidia Alburqueque Trelles, Marina Fernández Miranda,
Carlos Alberto Ramos Reyes y Adolfo Antenor Jurado Rosas .....123
CAPÍTULO 8 .............................................................................162
Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
..................................................................................................162
Armando Román Gallardo, José Román Herrera Morales y Sara
Sandoval Carrillo .....................................................................162
pág. VIII
PRÓLOGO
En el contexto educativo, la evolución y la adaptación son dos verbos
sumamente importantes para avanzar y conformar la tecnología a los procesos
de enseñanza aprendizaje. “Educación 5.0 Tendencias Tecnológicas
Educativas” representa una evolución del paradigma educativo, integrando
tecnología avanzada con un enfoque centrado en las necesidades humanas.
Publicar un libro sobre este tema es esencial para guiar a docentes, instituciones
y estudiantes en la adopción de metodologías innovadoras que potencien el
aprendizaje. Este es un producto del esfuerzo en conjunto de académicos y
profesionales del área, que, con la colaboración, la integración de sus
conocimientos y el compromiso a la divulgación hoy presentan este producto
final.
Los autores, Dra. Patricia Guadalupe Gamboa Rodríguez junto al Mtro.
Daniel Omar Nieves Lizárraga para el Tomo I y al Dr. Liberato Cervantes
Martínez para el Tomo II, acompañados por un grupo de 58 académicos, y de
8 países diferentes, han permitido la divulgación científica a través de su
colaboración, trabajo en su experiencia y conocimiento para poder traspasar
fronteras y conocer lo que cada uno desarrolla desde sus áreas de profesión.
Esta obra no solo es un cúmulo de conocimiento, sino el pilar de la investigación
que se desarrolla a partir de cada una de las instituciones de origen y de sus
países partiendo de las diferentes problemáticas y solución a estas.
Desde la División de Ingeniería en Animación Digital y Efectos Visuales del
Tecnológico Nacional de México ITS Coatzacoalcos, los miembros del grupo
de investigación de “Tecnologías Emergentes en la Educación y la
Sociedad”, así como el Cuerpo Académico “Gestión de las Organizaciones
y las Tendencias Administrativas” (UAS-CA-340) de la Facultad de Ciencias
Económico Administrativas de la Universidad Autónoma de Sinaloa, han
sido el pilar de la proyección de este proyecto y la vinculación hacia otras
instituciones amigas para presentar este producto. Sus autores provenientes de
diversos rincones de Latinoamérica y de Europa de instituciones con renombre
en el área, y que participan activamente en las redes Red ICALC (Red de
investigadores científicos de América Latina y el Caribe), RGIT (Red Global
pág. IX
de
Investigación
Transdisciplinaria)
y
SOLACYT
(Sociedad
Latinoamericana de Ciencia y Tecnología Aplicada) han realizado su
aportación y su experiencia a esta publicación, bajo los criterios metodológicos
y científicos que se han definido.
En esta obra se abordan temas de Gamificación, Diseño de Recursos
Educativos, Robótica, Inteligencia Artificial y Creación de Videojuegos,
ofreciendo una diversidad de temas que enfocados a la educación 5.0, nos
provee de un contexto no solo nacional sino internacional, permitiendo conocer
lo que se desarrolla.
Un libro sobre Educación 5.0 no solo facilita la comprensión de estas
herramientas, sino que también inspira en su implementación efectiva,
fortaleciendo el vínculo entre tecnología y aprendizaje. Así, se convierte en un
recurso indispensable para forjar un sistema educativo alineado con las
demandas del siglo XXI y apegado a la Agenda 2030.
pág. X
RESUMEN
El libro “Educación 5.0 Tendencias Tecnológicas Educativas”, cuenta con la
integración de dos tomos, los cuales presentan una amplia variedad en los temas
de referencia hacia la visión emergente que busca integrar la tecnología, la
sostenibilidad, y la humanización del aprendizaje, superando el enfoque
centrado únicamente en la digitalización que caracteriza a la Educación 4.0.
Este libro está inspirado en la innovación tecnológica con un enfoque en resolver
problemas sociales y mejorar la calidad de vida, así como los procesos de
enseñanza – aprendizaje.
De primera instancia, se analiza la importancia del desarrollo de
videojuegos y el papel que brinda a la Educación 5.0, ya que combinan
tecnología avanzada con enfoques que priorizan el desarrollo integral del
estudiante. Esto se logra a través de su capacidad para simular situaciones
reales, promover el aprendizaje activo y fomentar habilidades críticas, los
videojuegos se alinean perfectamente con los principios de esta nueva visión
educativa al promover en el proceso de enseñanza el pensamiento crítico,
resolución de problemas, trabajo en equipo, el fomento de la creatividad e
innovación.
Posteriormente, se examina otra tecnología que es la realidad aumentada
como una herramienta clave en la Educación 5.0, ya que combina la tecnología
y un enfoque de personalización, interactividad y la conexión con el mundo real,
de igual forma se consideran aspectos fundamentales de esta visión educativa,
no sólo a través de los sistemas educativos, sino de los procesos de enseñanza
a nivel superior.
De igual forma se presentan estudios en torno a la inteligencia artificial
(IA) y su papel fundamental en la Educación 5.0, esto a partir de sus diferentes
asignaturas y áreas en el sector educativo. Desde las matemáticas y su
influencia en la enseñanza, en el uso de estrategias didácticas, así como los
desafíos y oportunidades dentro del nivel superior que se presentan, al igual de
cómo se ofrece un potencial transformador para alcanzar los objetivos de la
Agenda 2030, además también se plantean retos jurídicos cruciales. Es por ello
que, para garantizar su uso ético y responsable, es necesario un equilibrio entre
pág. XI
innovación y regulación, con un enfoque inclusivo y sostenible que proteja los
derechos humanos y fomente el desarrollo equitativo.
La robótica en la Educación 5.0 no solo desarrolla habilidades técnicas,
sino que también prepara a los estudiantes para ser ciudadanos responsables y
comprometidos con la solución de problemas globales. En este compendio se
presenta un estudio de caso abarcando el continente europeo, desde cómo ha
sido este aspecto en la formación universitaria y los logros obtenidos.
Las tecnologías emergentes son consideradas herramientas esenciales
en la Educación 5.0, ya que permiten transformar la enseñanza en una
experiencia más personalizada, interactiva y sostenible. En este enfoque, estas
tecnologías no solo se usan para innovar, sino para reforzar el aprendizaje
centrado en el ser humano, la resolución de problemas globales y la construcción
de un futuro más equitativo y consciente.
Por otro lado, la gamificación revoluciona el proceso de enseñanza al
transformar el aprendizaje en una experiencia interactiva y motivadora, misma
que dio un mayor repunte desde la etapa de confinamiento, sin embargo, más
allá de ser una estrategia para captar la atención del estudiante, promueve un
aprendizaje más profundo, significativo y adaptado a las necesidades del siglo
XXI. Al ser implementada adecuadamente, la gamificación puede ser una
herramienta clave no solo como retroalimentación de temas cognoscitivos, sino
de igual forma para preparar a los estudiantes en alcanzar metas académicas,
al igual que enfrentar desafíos futuros con creatividad y entusiasmo.
Por último, se muestran estudios y estrategias a partir del confinamiento,
como la continuidad dentro del proceso de enseñanza aprendizaje, siendo uno
de ellos el aprendizaje móvil el cual es una pieza clave de la Educación 5.0. Por
esto, el libro ofrece una visión amplia y colaborativa de los temas más relevantes
de la educación 5.0, permitiendo adentrarse en el área de la tecnología enfocada
a los procesos de enseñanza aprendizaje, siendo fundamentales para el
desarrollo de las competencias del siglo XXI y alineados a los objetivos de la
Agenda 2030.
pág. XII
CAPÍTULO 1
Experiencia de Desarrollo de Videojuegos con Enfoque
Social en Unity
Patricia Guadalupe Gamboa Rodríguez1, Karla Alejandra Jiménez Martínez2,
Carlos Alberto Becerra Grajales3 y Manuel Iván Tostado Ramírez4
RESUMEN
La presente investigación muestra una experiencia educativa en la cual
estudiantes de nivel superior, desarrollan videojuegos en el aula, utilizando un
lenguaje de programación libre. De manera académica la asignatura
correspondiente a Estructura de datos establece la presentación de contenidos,
sin embargo se realiza una modificación acorde al plan educativo de la materia,
promoviendo que se genere un proyecto educativo teniendo como base el utilizar
la aplicación de lenguaje de programación “Unity”, este se considera un motor
de referencia en la industria de los videojuegos y el entretenimiento, creado por
Unity Technologies, para poder programar utilizando los lenguajes C# y
JavaScript, y utilizando la metodología SCRUM. En esta experiencia educativa,
los estudiantes utilizaron los conocimientos adquiridos por este lenguaje, para
crear videojuegos enfocados a apoyos sociales, esto a partir del planteamiento
de una necesidad en la sociedad, realizando los instrumentos correspondiente
de encuesta por ítems en escala de Likert, teniendo la necesidad identificada,
generaron el diseño de personajes propios, la narrativa correspondiente y la
animación proporcionada por el lenguaje, el diseño de escenarios, construyendo
la generación de prototipos para la solución de la problemática planteada. A partir
de esto se comprueba que los estudiantes construyen sus conocimientos con la
creación digital en proyectos de videojuegos, enfocando el fortalecimiento de sus
competencias y lógica, así como el desarrollo de su conceptualización en la
programación, utilizando una problemática que será resuelta, mediante una
solución creativa, que complemente el desempeño del estudiante a partir de un
ambiente académico social, creativo y constructor.
Palabras Clave: Videojuegos, Programación, Unity, Educación
Cita APA 7 ed.: Gamboa, P., Jiménez, K., Becerra, C. y Tostado, M. (2024) Experiencia de desarrollo
de videojuegos con enfoque social en Unity. En P.G. Gamboa y D.O. Nieves (Coords.). Educación 5.0:
Tendencias Tecnológicas Educativas Tomo I. Volumen 1. (pp. 13-34). Editorial Racionalidades.
1
0000-0002-0865-3298 | Tecnológico Nacional de México - ITS Coatzacoalcos, México | [email protected]
0000-0003-0321-5763 | Tecnológico Nacional de México - ITS Coatzacoalcos, México | [email protected]
3
0009-0009-7519-849X | Tecnológico Nacional de México - ITS Coatzacoalcos, México | [email protected]
4
0009-0008-4109-2438 | Universidad Autónoma de Sinaloa, México | [email protected]
2
pág. 13
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
INTRODUCCIÓN
En el inicio del siglo XXI, considerando una sociedad de cambio constante
y evolutivo, el desarrollo de las habilidades digitales y las competencias
enfocadas en la educación, ha permitido que el uso de los videojuegos,
considerados en los noventa como una empresa del entretenimiento,
actualmente juega un papel importante no solo a nivel educativo, sino en el
apoyo de la docencia y el reconocimiento hacia el fortalecimiento de algunas
áreas diversas, desde la medicina, el tratamiento del medio ambiente, la cultura
hacia la flora y la fauna entre otros (Roncancio et al., 2017).
Al mencionar los videojuegos, es importante establecer su relación con la
gamificación siendo un concepto enfocado en sus inicios al marketing, esto al
mantener sus principios de fidelidad hacia los programas de los consumidores,
desde la generación de programas de lealtad, hacia el manejo de niveles y
recompensas, conceptos utilizados actualmente en herramientas educativas
enfocadas con la gamificación y por consecuencia en el desarrollo de
videojuegos con esta planeación (Cortizo et al., 2011).
Con ello la investigación enfoca que a partir de las prácticas docentes se
permite la estimulación de los participantes, hacia el desarrollo de un trabajo bajo
el constructivismo, el conocimiento fomentando la creatividad y la innovación
hacia la creación de videojuegos con un enfoque de apoyo social, en este sentido
se trabaja con la enseñanza basada en proyectos (González, 2014).
Esto permite que los propios estudiantes aplicando los conocimientos
adquiridos, creen un prototipo de juego, utilizando la conceptualización de la
programación orientada a objetos, evitando ocupar solo de manera práctica en
programas y ejercicios sus enseñanzas, sino visualizando estos en un proyecto
terminado.
La programación, no es una tendencia educativa actual, en el Tecnológico
Nacional de México ITS Coatzacoalcos aplicando hacia la Ingeniería en
Animación Digital y Efectos Visuales, programar es parte de la currícula de
desarrollo, sin embargo, al existir hacia un enfoque artístico, se buscan diferentes
estrategias que permitan utilizar la programación de una forma más abierta con
pág. 14
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
resultados presentes que permitan motivar la creatividad, y la innovación hacia
los estudiantes.
El programa académico cuenta con diferentes asignaturas enfocadas a la
programación, sin embargo, se mantienen dentro de su marco el desarrollo de
programas explicando el manejo de clases, objetos, herencia y polimorfismo en
algunos temas, sin embargo, una de las implementaciones como experiencia
académica, ha sido emplear el uso de estos conceptos enfocándolos a utilizar
dentro del desarrollo de prototipos de índole social.
Con lo anterior en esta investigación se genera una experiencia educativa
para estudiantes del tercer semestre de la carrera, aplicando sus primeras
asignaturas de dibujo, creación de narrativas e historia, manejo de las
necesidades sociales a partir de las materias de investigación y el cierre de estas
aplicando el enfoque de la programación orientada a objetos mediante el
lenguaje de programación Unity.
¿Qué son los videojuegos?
Los videojuegos actualmente permiten formar aspectos motrices relativos
y relacionados con las destrezas, así como habilidades para la resolución de
problemas, la toma de decisiones, investigación, la búsqueda de la misma, la
organización, planificación, entre otros elementos (Marcucci et al., 2015).
Actualmente estos se encuentran en diferentes plataformas desde Play
Store para dispositivos móviles con sistema operativo Android, o bien la App
Store para dispositivos con sistema IOS (Sistema operativo de Apple), al igual
en línea utilizando plataformas actualmente conocidas para poder implementar
los videojuegos con monetización (esto se define como el hecho de comercializar
con ellos por descarga, colaboración, publicidad o partidas en línea), o
simplemente como desarrollo de prototipos; de igual forma podemos encontrar,
aquellos que son utilizando un usuario, o bien jugando entre varios y en
plataformas únicas como Steam, Monstera Play, Poki entre otros, sin olvidar los
gigantes de la industria que son las consolas de juego mencionando Nintendo,
Xbox, Sony Play Station.
pág. 15
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Sin embargo, qué es un videojuego, Calvo (2018) lo define como “un
entorno informático que reproduce sobre una pantalla un juego cuyas reglas han
sido previamente programadas”, Bustos y Guzmán (2009) presenta diferentes
definiciones establecidas por autores en su estudio desde que los videojuegos
son “un software lógico del ordenador consistente en una serie de conexiones
de información en chips acompañadas por el hardware”, o bien “es un ejercicio
recreativo sometido a reglas, el cual hace uso de las capacidades interactivas
del computador”, y Calvo (2018) establece que es todo tipo de juego digital
interactivo con independencia de su soporte y la plataforma tecnológica.
Dentro de los programas educativos, consideramos que un videojuego es
la relación entre el software y hardware, a través de una serie de componentes
o elementos que permiten interactuar, desde los gráficos, la historia, el
desarrollo, los elementos que componen la gamificación, así como el entorno
desarrollado por medio de un lenguaje de programación. Lo anterior, implica que
será programado a partir de una serie de instrucciones por código considerando
el tipo de lenguaje a utilizar, pudiendo ser Python, Unreal Engine o Unity, que es
en este caso el último parte de la investigación del estudio.
De esto la gran variedad de videojuegos existentes en el mercado, donde
podemos encontrar juegos enfocados por género en pelea por progresión, lucha,
deportes, agilidad mental, juegos de acción en primera persona, infiltración,
plataformas, arcade, carreras, educación, aventura clásica, aventura gráfica,
party games, por mencionar algunos. (Belli & López, 2008). Esto nos permite
identificar los elementos necesarios para poder lograr el desarrollo en los
campos más importantes de los videojuegos desde los roles identificados como
el que programa el juego siendo el diseñador y el que interactúa siendo el usuario
final.
En ambos casos existe una formación de sus habilidades, pero para este
estudio la experiencia educativa se centrará en el desarrollador del videojuego,
siendo los estudiantes de la carrera de animación digital y efectos visuales, en
su tercer semestre de formación.
pág. 16
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
La importancia de la programación en videojuegos
La programación es un área importante para el desarrollo de la tecnología
a nivel mundial, y una de las áreas con mayor escasez constante de capital
humano, diferentes estudios mencionan al respecto. INEGI (2021) en su informe,
establece que actualmente contamos con más de 976 mil personas que están
relacionadas con una carrera al área de tecnologías de la información, a pesar
de ello, empresas definen que 6 de cada 10 de las compañías cuenta con
dificultades para cubrir las vacantes, buscando cuenten con las habilidades
digitales necesarias (Takahashi, 2021).
Esta demanda, se ha mantenido en incremento a partir del proceso de
pandemia en 2020, al requerir que los procesos administrativos crearan un
puente tecnológico, y con ello migrar al mundo digital empresarial. Solo aquellas
instituciones que iniciaron esta evolución han permitido seguir en competencia,
por ello se requiere capital humano en constante capacitación. Takahashi (2021)
Esto lo podemos comprobar que, a pesar de tener una cantidad de egresados,
preparados en sus temáticas profesionales requieren de una capacitación
evolutiva que vaya acorde a la demanda de la tecnología y los cambios que se
presentan.
El área de los videojuegos no es una diferencia, la empresa del
entretenimiento, cuenta con varios campos de acción que permiten crear un
producto final de esta índole. Y con la evolución del 2020, ha incrementado su
implementación de equipos de cómputo a migrar al uso de ellos en las redes
sociales, los teléfonos inteligentes y las tabletas, esto implica una exigencia para
su desarrollo cuidando el entorno gráfico, al solicitar mayor realismo, acercando
las exigencias del usuario entre la realidad y la ficción que se vive en ellos (Orús,
2024).
De acuerdo con estadísticas se presenta que los videojuegos son un
negocio lucrativo, durante la pandemia se ha incrementado el uso de estos,
manifestando una generación de 180 millones de dólares en estados unidos,
durante 2023, siendo su mayor fuente las descargas en los dispositivos móviles,
aún por encima de las consolas. Considerando a los países como China, Estados
pág. 17
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Unidos y Japón gigantes en esta industria con un ingreso por 110 millones de
dólares durante 2023 (Orús, 2024).
Trabajar con el desarrollo de videojuegos implica dos puntos principales
de manera académica: a) el código de la programación y b) el arte. En esto el
código son los cimientos del videojuego, mientras que el arte es la parte visual,
las animaciones, las ilustraciones, el fondo, la historia, esto se consideraría algo
sin importancia, pero es la parte visual que corresponde al juego, lo que el
usuario final observará y permitirá que pueda tener un éxito en el mercado o no.
De esto, El Universal (2019) menciona que actualmente existen cinco mil
455 instituciones de educación superior, con un enfoque en programación y
desarrollo de software, pero que no se acoplan a un plan de estudio específico
hacia el desarrollo de software con un enfoque a la animación digital.
Por ello dentro del Tecnológico Nacional de México ITS Coatzacoalcos
surge la oferta educativa ingeniería en Animación Digital con Efectos Visuales,
en cumplimiento de la demanda solicitada en el campo laboral, contemplando el
desarrollo de videojuegos, la creación de simuladores, historias, creación de
personajes, todo con el enfoque a la industria del entretenimiento y por ende la
preparación sobre la programación hacia estos principios.
Motores para programación de videojuegos
Considerando que dentro de los códigos para programar existen
diferentes motores de videojuego, definidos por Lerma (2017) como el “conjunto
de herramientas que ayudan a agilizar el proceso de desarrollo de un
videojuego”, esto implica que el motor provee funciones clave del código del
juego para permitir la renderización de los gráficos 2D, 3D, detector de
colisiones, sonidos, scripting, animación, inteligencia artificial, redes, streaming,
administración de memoria entre otras actividades.
Dentro de los motores con mayor uso y demanda se encuentran Unreal
Engine, GameMaker, Godot, Cry Engine y Unity, los cuales se pueden detallar
de la siguiente manera:
pág. 18
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Unreal Engine
Motor de videojuegos creado por la compañía Epic Games y su
desarrollador Tim Sweeney, conocido a partir de 1998, teniendo como base el
lenguaje de programación C++ y Blueprint, se considera un código abierto, que
permite comercializar las creaciones que se realizan con base en este (Unreal
Engine, s.f.) de acuerdo con la Figura 1.
Figura 1
Interfaz del motor Unreal Engine
Nota: Interfaz del motor Unreal Engine en el diseño de una vista de juego.
Tomado de: https://www.unrealengine.com/es-ES
Game Maker.
Herramienta de desarrollo de videojuegos para crear ambientes en 2D,
utilizada para desarrolladores independientes, estudios profesionales, utilizando
como plataformas Windows, Mac, Linux, Android, IOS, entre otros; cuenta con
tres tipos de licencias siendo libre y gratuita, profesional y empresarial con la
funcionalidad de exportar el juego a cualquier plataforma de uso (Game Maker,
s.f.) de acuerdo con la Figura 2.
pág. 19
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Figura 2
Interfaz del motor Game Maker
Nota: Interfaz del motor Game Maker en el diseño de una vista de juego. Tomado
de: https://gamemaker.io/es
Godot.
Motor de videojuego con ambientes en 2D y 3D multiplataforma, utilizando
código abierto, bajo la licencia MIT (Instituto Tecnológico de Masachusset),
originario de Buenos aires en 2007, por los creadores Ariel Manzur y Juan
Linietsky, teniendo como base los lenguajes de programación C y C++ (Godot,
s.f.) de acuerdo con la Figura 3.
Figura 3
Interfaz del motor Godot.
Nota: Interfaz del motor Godot en el diseño de juego. Tomado de:
https://godotengine.org/
pág. 20
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Cry Engine.
Motor de juego diseñado por el alemán Crytek, utilizando multiplataformas
con base en los lenguajes de programación C++, Lua y C# (Cry Engine, s.f.) de
acuerdo con la Figura 4.
Figura 4
Interfaz del motor Cry Engine.
Nota: Interfaz del motor Cry Engine en el diseño de juego. Tomado de:
https://www.cryengine.com/
Unity.
Motor de videojuego con ambientes en 2D y 3D multiplataforma, utilizando
código abierto, bajo la licencia MIT (Instituto Tecnológico de Masachusset),
originario de Buenos aires en 2007, por los creadores Ariel Manzur y Juan
Linietsky, teniendo como base los lenguajes de programación C y C++ (Unity,
s.f.) de acuerdo con la Figura 5.
pág. 21
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Figura 5
Interfaz del motor Unity
Nota: Interfaz del motor Unity en el diseño de juego. Tomado de:
https://unity.com/es
Siendo este último el utilizado para esta investigación al ser un motor de
juegos orientado a desarrollar en ambientes 2D y en dispositivos móviles, así
como el no solicitar una demanda sobre la infraestructura computacional,
permitiendo que los estudiantes puedan avanzar sus proyectos en sus equipos
personales.
Desarrollo de videojuegos en Unity.
El desarrollo de un videojuego es complejo de la misma forma que puede
ser el generar la creación de una aplicación computacional, utiliza un ciclo de
vida para el desarrollo, puede aplicar alguna de las metodologías ágiles para
ello, sin embargo, los videojuegos deben abordar una estructura lógica que
permita escribir los componentes que lo conforman. Otro de los elementos a
considerar para el desarrollo de un videojuego es la arquitectura del software,
que define Hernández, et al. (2018) como un conjunto de patrones y
abstracciones coherentes que proporcionan soluciones a problemas de manera
eficiente, esto se utiliza, puesto que a diferencia de un sistema informático que
pág. 22
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
contiene una secuencia lineal, los videojuegos dependen del sistema, las
interfaces y la comunicación entre ellos.
Dentro del proceso de creación de un videojuego se involucran diferentes
personas aplicando roles distintos. Por una parte, dista la diferencia entre una
programación de un sistema informático el cual su principal eje, es a partir de los
procesos que conllevan el funcionamiento del mismo, mientras que en un
videojuego se debe incluir la parte visual y artística para la representación de los
personajes o protagonistas que se involucren. Cada uno de los elementos se
convierte en un objeto con sus propiedades y comportamientos, desde el icono
de vida que represente al jugador, hasta el arte para el sonido pudiendo ser una
pista de autoría propia o de licencia abierta, considerando que ocupar registros
con derechos de propiedad deben considerarse de otra forma en la parte
comercial del proyecto, al incluir regalías para estas composiciones.
Por otro lado, el diseño es otro de los elementos importantes del
videojuego, mientras que el diseño se considera la parte gráfica de un sistema
computacional, entre colores y formas; para un programa de juego se establece
desde la historia, el objetivo del juego (aplicando su género, el área y formación),
la cantidad de niveles a obtener, cuáles son los elementos involucrados en cada
nivel y, en referencia a las gamificaciones, cuáles son las mecánicas del juego,
los enemigos, y con ello las habilidades consideradas a adquirir por el usuario
final.
Después de considerar estos elementos, se establece la parte de este
estudio: la programación, podemos diseñar un juego sin sonido, con un arte muy
básico, inclusive como los juegos tradicionales de la culebrita, ping pong o el
tetris, pero esto no significa que podamos eximir la parte de la codificación.
Esto implica definir las acciones que correspondan a cada uno de los
elementos de nuestro prototipo, estableciendo que botón programar si el jugador
salta, o queremos que avance más rápido; después de saltar qué acción se
establecerá, si se contabilizan vidas cuántas serán hasta que termine el
programa.
Cada una de estas instrucciones se delimitan por la codificación, que se
involucra con la asignatura que estamos impartiendo, estructura de datos, al
pág. 23
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
establecer una serie de instrucciones de acuerdo a los contenidos a cumplir;
define establecer programas de apoyo para el aprendizaje de los temas, sin
embargo, como estrategia didáctica se implementó a partir de estos el desarrollo
de un videojuego para la comprensión de cada uno de estos aplicados a un
prototipo final.
Unity, es el motor ideal educativo para poder realizar esta actividad,
siendo un motor de gráficos, editor de las escenas a utilizar, el manejo del motor
de físicas y la incorporación del sonido utilizando el scripting mediante la
programación del lenguaje nativo de este motor, siendo c#.
De igual forma al definir esto, establecen la plataforma en la cual podrán
utilizar su prototipo pudiendo seleccionar cualquiera de las que permite el motor.
El reto principal de este estudio es poder incorporar a partir del tercer
semestre en el cual se encuentran, las asignaturas de diseño, fotografía y audio
para poder crear sus propios recursos gráficos, sonido y diseño e incorporándolo
con esta asignatura de programación, obteniendo al final un proyecto de
muestra, esto aunado a la presentación del motor de juegos que nos permite la
integración de sus recursos, el uso y la modificación de los mismos.
METODOLOGÍA DE LA EXPERIENCIA
La metodología de trabajo se desarrolló a través del contenido
implementado en el aula virtual, utilizando la plataforma Moodle de la institución,
donde a través de temas, lecciones, ejemplos, videos y recursos de descarga
pudieron realizar los ejercicios correspondientes para el proceso de su prototipo.
Utilizando como base la metodología Scrum, donde Morales, et al. (2010)
la define como el framework de desarrollo de software iterativo incremental
utilizado en el tipo de metodología ágil. Es importante mencionar que no existen
como tales metodologías establecidas para el desarrollo de videojuegos por lo
que, para esta experiencia educativa, se utilizó como base esta metodología,
donde su principal eje es definir los sprint como entregas evolutivas, establecidas
a partir de las prioridades conocidas como la historia de usuario, esto con el
pág. 24
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
objetivo de poder visualizar el producto en cada entrega y con ello contar con
una versión potencial del producto final.
La metodología Scrum, ha sido una de las más adaptables en esta
experiencia puesto que al contar con un sistema de bloques dentro de nuestra
institución, cada asignatura se observa en cinco semanas, por lo que ha sido el
tiempo para poder establecer la implementación a partir de los sprint definidos
por cada equipo de trabajo.
El curso de asignatura se encuentra dividido en diferentes secciones tales
como generales y específicas, siendo las primeras: a) presentación del docente,
donde se menciona quien les impartirá la guía en el trayecto del curso; b)
presentación de la asignatura, esto conforme a los contenidos establecidos por
parte del tecnológico Nacional de México observándose en el siguiente enlace:
https://www.itesco.edu.mx/Web/reticulas/AnimacionDigitalyEfectosVisuales/asig
naturas/AVD-1210_Estructura_de_Datos.pdf; c) introducción de la asignatura,
haciendo énfasis en la competencia general por adquirir a partir de esta; d)
instrumentación didáctica, el documento guía de los temas a observar, así como
de los contenidos por cada uno de ellos y la planeación correspondiente a los
mismos.
Cada unidad temática cuenta con:
a) Foro de comunicación, para atenderles conforme avancen su
prototipo.
b) Instrumentos de evaluación para la determinación de sus contenidos.
c) Recursos, los elementos de apoyo (lecciones, libros, ejemplos
codificados).
d) Software para poder descargar lo que ellos utilizarán por temática.
e) Repositorio, espacio en drive para colocar los avances de cada uno de
los temas.
El entorno se muestra a los integrantes de la Institución a partir de este
enlace:
http://clases.itesco.edu.mx/site/course/view.php?id=8832,
como
se
muestra en la Figura 6.
pág. 25
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Figura 6
Interfaz del motor Unity.
Nota: Presentación de la asignatura Estructura de Datos. Tomado de:
http://clases.itesco.edu.mx/site/course/view.php?id=8832
La estructura para llevar a cabo de manera pedagógica es observar las
cinco unidades representativas de los contenidos, considerando el desarrollo en
la siguiente secuencia en su estado anterior y actual, a manera de poder
estructurar y distribuir el desarrollo para el contenido de esta:
Tabla 1.
Objetivos curriculares establecidos y definidos a la asignatura.
Caracterizar los datos que se
emplean en la industria de la
animación y efectos visuales.
Aplicar las principales estructuras
de datos en proyectos de
animación y efectos visuales.
Desarrollar la estructura del videojuego,
empleando la conceptualización del
juego.
Desarrollo del Feature Log y Sprint Plan.
En esta etapa se revisa la factibilidad del
proyecto, incorporando los roles del
Game Designer, para dar continuidad a
la siguiente fase.
Aplicar las principales estructuras Determinación de las herramientas de
de datos considerando los tipos de apoyo para el seguimiento del proyecto.
memoria para proyectos de
animación y efectos visuales.
pág. 26
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Aplicar técnicas para definición de
tipos de datos para modelado y
animación.
Caracterizar los tipos de datos para
simulación y animación.
Aplicar el ciclo evolutivo de la
metodología Scrum para el manejo de
los avances de Sprint.
Determinación de la prueba beta, para
desarrollo de pruebas.
Desarrollo de los manuales de usuario y
la documentación correspondiente.
De igual forma al cumplir los objetivos, los estudiantes desarrollaron las
competencias genéricas establecidas en el programa educativo, a través de la
programación del juego: a) capacidad de análisis y síntesis, b) habilidades
básicas de manejo de la computadora, c) solución de problemas, d) capacidad
crítica y autocrítica, e) capacidad de aplicar los conocimientos en la práctica, f)
habilidades de investigación.
Para esto se realizaron la implementación de las diferentes etapas de
desarrollo para la presentación final del proyecto siendo de la siguiente manera:
a) Investigación preliminar. En esta etapa, se les solicitó a los jóvenes
seleccionar un área específica con un enfoque de apoyo a la
comunidad de la región donde nos encontramos: pudiendo elegir
desde educación en sus diferentes ámbitos; con esto entraban a los
diferentes buscadores de investigación para seleccionar el estado del
arte en referencia al proyecto a seleccionar.
b) Análisis. Utilizando la documentación correspondiente al desarrollo
del videojuego, se genera la planeación del mismo contemplando los
roles de cada uno de los miembros para poder iniciar la historia, los
elementos y componentes que tendrá el juego, es decir cada uno de
los elementos a conformar el proyecto.
c) Diseño. En esta etapa, se contempla la elaboración de los personajes
utilizando el software de krita o illustrator, de igual manera con maya
para poder determinar la forma y movimiento de los mismos, es
importante mencionar que el tipo de juego en 2D o 3D, quedo a
definición de los estudiantes.
d) Programación. Al tener cada uno de los elementos que confieren a
participar en la gamificación del proyecto, los niveles, recompensas,
elementos a programar, personajes, y la historia como tal, se procede
pág. 27
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
a usar la plataforma de Unity y el curso de Moodle para dar
seguimiento a la codificación del mismo.
e) Iteración. Esta etapa queda abierta para la entrega de cada uno de
los sprints a revisión, entregándome los avances en mi rol de game
manager.
Al término de las fases correspondientes se generaron los prototipos de
desarrollo, mismos que fueron presentados ante el congreso estudiantil de
investigación e innovación tecnológica celebrado de manera virtual en el mes de
noviembre.
RESULTADOS
La actividad se organizó en parejas, correspondiendo a las áreas de
integración: Dibujo y programación, esto a partir de la metodología explicada, la
propuesta establecida se trabajaba mediante un repositorio en Drive, incluido en
la plataforma Moodle, donde realizaron las entregas en cada iteración del
proyecto, esto con vista a revisar el avance y rendimiento de cada uno de los
integrantes.
Estas fases se evaluaron conforme a:
a) El diseño de la narrativa, la investigación conforme al entorno de su
comunidad, cuidando tener un estado del arte para sustentar su
creación.
b) La distribución de los roles de cada uno de los participantes.
c) Creación del videojuego a partir de las directrices definidas.
Cumplir el diseño del objetivo general para la creación del videojuego,
cuales, y cuantos son los personajes a interactuar, la mecánica a diseñar, los
diseños a utilizar, estableciendo el arte general del proyecto, considerando a
partir de esto el ambiente definido a 2D o 3D.
Los estudiantes desarrollaron diferentes prototipos de videojuegos
presentando entre ellos los más destacados y los que participaron en la
presentación del congreso con la publicación de sus trabajos en la revista
EOnlineTech de la Universidad Global de Florida.
pág. 28
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Prim Lern es un videojuego de enseñanza del idioma inglés para niños
con TDAH. Video juego desarrollado como herramienta de aprendizaje didáctico
del idioma inglés, centrado en estudiantes con trastorno por déficit de atención e
hiperactividad, así como estudiantes que requieran reforzar sus conocimientos
en el vocabulario. Provee una serie de minijuegos que permite el interés de los
niños a seguir ocupando palabras de este idioma. Cuenta con su avatar principal
que se denomina prim, quien es su guía para poder avanzar los niveles de
aprendizaje, como se muestra en la Figura 7.
Figura 7
Interfaz de Game Over Prim Lern
Nota: Videojuego prim lern en su etapa game over. Tomado de:
https://publishing.fgu-edu.com/ojs/index.php/RET/article/view/433/808
Desarrollo de un videojuego que ejerce la función de ser una herramienta
de apoyo emocional para adolescentes y adultos. Desastre, es un videojuego
diseñado como el fundamento de una herramienta terapéutica, el cual se basa
en los cambios emocionales existentes por los adolescentes, quienes buscan a
partir de sus diferentes etapas y transiciones tener una respuesta sobre sus
emociones. Desastre permite a partir de sus niveles interactuar con el jugador,
presentando escenarios que buscan una respuesta a partir de su toma de
decisiones, en la Figura 8 se puede observar un escenario de arte conforme a
la historia.
pág. 29
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Figura 8
Escenario de arte, juego desastre.
Nota: Videojuego desastre en su interfaz inicio. Tomado
https://publishing.fgu-edu.com/ojs/index.php/RET/article/view/434/810
de:
En la Figura 9, se muestra el video juego anterior en una transición hacia
el ambiente 3D, como proyecto futuro de desarrollo.
Figura 9
Diseño de escenario de arte en 3D, juego desastre.
Nota: Videojuego desastre en su interfaz inicio. Tomado
https://publishing.fgu-edu.com/ojs/index.php/RET/article/view/434/810
de:
pág. 30
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Cada uno de los proyectos desarrollados, contaron con investigación del
estado del arte, así como las gráficas de estudio preliminar para la aceptación
del usuario sobre el proyecto a desarrollar por los jóvenes, cumpliendo con el
diseño del instrumento y la validez del mismo conforme a su estudio de
investigación, con esto se incorporaron las asignaturas fundamentos de
investigación, dibujo, programación orientada a objetos, estructura de datos y
modelado para la integración del prototipo.
CONCLUSIONES
Los estudiantes del tercer semestre del tecnológico que fueron
involucrados en esta experiencia de programación han aprendido a integrar las
diferentes asignaturas a partir de la idea de un proyecto con la investigación
preliminar, desarrollaron la competencia entre otras del trabajo colaborativo,
aplicaron sus conocimientos de dibujo, diseño y modelado a partir de la creación
de sus elementos: fondos, escenarios, personajes, y la iteración que deseaban
de cada uno de ellos.
El uso del lenguaje de programación Unity como herramienta libre, les
permitió poder interactuar con la aplicación de sus diseños, para darles
movimiento a cada uno de sus sprint, establecer la mecánica del juego, las reglas
de orientación, el objetivo a definir del cumplimiento, esto utilizando los códigos
aplicados de clases, objetos, propiedades, comportamiento, métodos, funciones,
polimorfismo, herencia entre el resto de conceptos aplicados desde un enfoque
diferente hacia el diseño de sus prototipos.
Esto permitió darle un sentido diferente sobre el aprendizaje basado en
proyectos al encontrar un producto final del cumplimiento de sus diferentes
asignaturas y de la aplicación de los temas de la programación con Unity.
REFERENCIAS
Acerenza, N., Coppes, A., Mesa, G., Viera, A., Fernández, E., Laurenzo, T., &
Vallespir, D. (2009). Una metodología para desarrollo de videojuegos.
Simposium Argentino de Ingeniería de Software, 171-176.
pág. 31
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Alfageme, B., & Sánchez, P. (2002). Aprendiendo habilidades con videojuegos.
Comunicar, 114-119.
Belli, S., & López Ranventos, C. (2008). Breve historia de los videojuegos.
Athenea Digital. Revista de pensamiento e Investigación Social (14), 159179.
Bermón Angarita, L., Prieto, T. A., Escobar Márquez, J. D., & Vergara Díaz, J. D.
(2020). Videojuego para el aprendizaje de lógica de programación.
Revista de Educación en Ingeniería, 16(31), 46-56.
Bustos Naulin, F., & Guzmán Seguel, J. (2009). Los Videojuegos y el desarrollo
de competencias de información. Serie Bibliotecología y Gestión de
Información (51).
Calvo Ferrer, J. R. (2018). Juegos, videojuegos y juegos serios: Análisis de los.
Mhcj Miguel Hernández Communication Journal, 9(1), 191-226.
Cortizo Pérez, J. C., Carrero García, F., Monsalve Piqueras, B., Velasco Collado,
A., Díaz del Dedo, L. I., & Pérez Martín, J. (2011). Gamificación y
Docencia: Lo que la Universidad tiene que.
Cry Engine. (s.f.). https://www.cryengine.com/
Domínguez, A., Navarro, F., & Castro, J. M. (2017). Unity 2017.x. España: Rama.
https://www.google.com/books/edition/Unity_2017_X_Curso_Pr%C3%A1
ctico/mI6fDwAAQBAJ?hl=es&gbpv=1&dq=lenguaje+de+programaci%C3
%B3n+unity&pg=PA74&printsec=frontcover
El Universal. (13 de septiembre de 2019). Videojuegos a la mexicana.
https://www.eluniversal.com.mx/techbit/videojuegos-la-mexicana/:
https://www.eluniversal.com.mx/techbit/videojuegos-la-mexicana/
Fiallos López, N. H., Paucar López, I. R., Vega Pérez, Y. J., Vargas Peña, B. J.,
& Jurado Peñafiel, J. A. (2023). Estrategias para fomentar la Creatividad
y la innovación en el Aula. Ciencia Latina Revista Científica
Multidisciplinar,
7(2),
4082-4099.
https://doi.org/10.37811/cl_rcmv7i2.5631
pág. 32
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Game Maker. (s.f.). https://gamemaker.io/es
Godot. (s.f.). https://godotengine.org/
González González, C. S. (2014). Estrategias para trabajar la creatividad en la
Educación Superior: pensamiento de diseño, aprendizaje basado en
juegos y en proyectos. Revista de Educación a Distancia.
González, J. L., Cabrera, M. J., & Gutiérrez, F. L. (2007). Diseño de videojuegos
aplicados a la Educación Especial. Actas del VIII Congreso Internacional
de Interacción Persona Ordenador, 35-44.
Hernández Páez, A., Domínguez Falcón, J. A., & Pi Cruz, A. A. (2018).
Arquitectura de software para el desarrollo de videojuegos sobre el motor
de. Revista I+D Tecnológico, 54-64.
INEGI. (2021). Cifras del Instituto Nacional de Estadística y Geografía.
Lerma Lizárraga, J. I. (14 de septiembre de 2017). Motores de desarrollo de
videojuegos más populares. Tesina. Sinaloa, Mazatlán, México: Solemti.
Lidon,
M.
(2019).
Unity
3D.
España:
Printek.
https://books.google.com/books?id=3EtOEAAAQBAJ&newbks=1&newbk
s_redir=0&printsec=frontcover&dq=lenguaje+de+programaci%C3%B3n+
unity&hl=es#v=onepage&q&f=false
Marcucci, M., Aliciardi Agustina, E., Collino, F., De Cunto, G., Bosio M., A., &
Chiodi, G. A. (2015). Videojuegos como parte del aprendizaje. STS 2015
simposium argentino sobre tecnología y salud.
Morales Urrutia, G. A., Nava López, C. E., Fernández Martínez, L. F., & Rey
Corral, M. A. (2010). Procesos de Desarrollo para videojuegos. CulCyt
videojuegos, 7(36).
Orús,
A.
(08
de
mayo
de
2024).
www.estatista.com.
https://es.statista.com/temas/9150/industria-mundial-delvideojuego/#topFacts
pág. 33
[Capítulo 1] Experiencia de Desarrollo de Videojuegos con Enfoque Social en Unity
Revuelta Domínguez, F. I., & Guerra Antequera, J. (2012). ¿Qué aprendo con
videojuegos? una perspectiva de meta aprendizaje del videojugador.
Revista de Educación a Distancia, 33.
Rivera Arteaga, E., & Torres Cosío, V. (2018). Videojuegos y habilidades del
pensamiento. Revista Iberoamericana para la Investigación y el Desarrollo
Educativo, 8(16), 267-288. https://doi.org/10.23913/ride.v8i16.341
Romo S., M. (1998). Algunas claves para fomentar la creatividad en el aula.
Tendencias Pedagógicas, 251-259.
Roncancio Ortiz, A. P., Ortiz Cabrera, M. F., Llano Ortiz, H., Malpica López, M.
J., & Bocanegra García, J. J. (2017). EL USO DE LOS VIDEOJUEGOS
COMO HERRAMIENTA DIDÁCTICA PARA MEJORAR LA ENSEÑANZA
- APRENDIZAJE: UNA REVISIÓN DEL ESTADO DEL ARTE. Revista de
Ingeniería, investigación y desarrollo, 12(2), 36-46.
Takahashi,
P.
(22
de
junio
de
2021).
notipress.mx.
https://notipress.mx/tecnologia/se-acerca-la-escasez-de-desarrolladoresde-software-de-20217754#:~:text=Cifras%20del%20Instituto%20Nacional%20de%20Estad%
C3%ADstica%20y%20Geograf%C3%ADa,profesionistas%20241%20mil
%20300%20no%20cuentan%20con%20empleo.
Unity. (s.f.). https://unity.com/es?_rsc=2w1hb
Unreal Engine. (s.f.). https://www.unrealengine.com/es-ES
pág. 34
CAPÍTULO 2
Uso de la Realidad Aumentada en el Nivel de
Educación Superior
Emilio Gabriel Rejón Herrera5 y Magaly Margarita Quiñones
Negrete6
RESUMEN
La realidad aumentada favorece la comprensión, facilita la asimilación de
conocimientos, incrementa el interés en el aula e influye positivamente en el
aprendizaje de los estudiantes. El objetivo de esta investigación es presentar una
síntesis sobre su uso en el nivel de educación superior. De tal forma, se realizó
una amplia revisión de la literatura y de la evidencia empírica disponible. Por lo
anterior, el presente trabajo describe resultados de proyectos innovadores, que
incorporan la realidad aumentada, para mejorar el proceso de enseñanzaaprendizaje. Finalmente, se concluye que la implementación de esta tecnología
puede favorecer el aprendizaje, permitiendo una nueva forma de colaborar en el
contexto ubicuo.
Palabras Clave: Educación, Realidad Aumentada, Tecnología, Enseñanza,
Aprendizaje.
Cita APA 7 ed.: Rejón, E. y Quiñones, M. (2024) Uso de la realidad aumentada en el nivel de
educación superior. En P.G. Gamboa y D.O. Nieves (Coords.). Educación 5.0: Tendencias
Tecnológicas Educativas Tomo I. Volumen 1. (pp. 35-49). Editorial Racionalidades.
5
6
0009-0006-4947-3046 | Universidad Autónoma de Yucatán, México | [email protected]
0000-0003-2031-7809 | Universidad Católica Los Ángeles de Chimbote, Perú | [email protected]
pág. 35
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
INTRODUCCIÓN
Los constantes avances en nuestra sociedad han impulsado una
transformación educativa significativa, al integrar la tecnología como
complemento del aprendizaje. En este contexto, la Realidad Aumentada
(Augmented Reality, RA), se está utilizando con mayor frecuencia en el ámbito
educativo, debido a las múltiples posibilidades que ofrece (Blázquez, 2017).
Asimismo, se han adoptado diversas herramientas tecnológicas para enriquecer
los métodos de enseñanza y aprendizaje, destacándose entre ellas la realidad
aumentada y la realidad virtual, que han demostrado grandes ventajas en su
implementación (Rodríguez & Sánchez, 2021). Además, estas tecnologías
permiten vincular los conceptos teóricos con la realización física de
experimentos, fomentando el interés y la motivación de los estudiantes, así como
proporcionar un sentido de pertenencia al conocimiento adquirido (Basogain et
al., 2007).
Sin embargo, la contribución de la RA en la educación depende del
entorno en el que se utilice; por lo tanto, es fundamental que el profesor adapte
las competencias de la disciplina mediante actividades innovadoras,
considerando al mismo tiempo los procesos y estilos de aprendizaje de los
estudiantes (Piscitelli, 2017). Por otro lado, algunos autores sostienen que la
incorporación de la RA no requiere un cambio radical en la metodología
educativa, argumentando que esta tecnología puede complementar eficazmente
las metodologías tradicionales (Valero, 2019). No obstante, para los docentes
que no pertenecen a las generaciones inmersas en la cultura digital y que
necesitan actualizar sus habilidades tecnológicas; la falta de comprensión de lo
que pretenden enseñar, puede provocar rechazo, desinterés o pérdida de
atención por parte de sus estudiantes (García et al., 2010).
Por lo tanto, el objetivo de este trabajo es realizar una investigación
bibliográfica para identificar los principales proyectos de realidad aumentada,
implementados en el nivel de educación superior. Para ello, se plantean los
siguientes objetivos:
•
•
Sintetizar los estudios sobre el uso de la RA en la educación superior.
Describir los resultados obtenidos en estos estudios.
Las preguntas de investigación son:
•
•
¿Cuáles son los principales proyectos de RA incorporados en la
educación superior?
¿Cuáles son los resultados obtenidos de los estudios previos
disponibles?
pág. 36
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
DESARROLLO
La realidad aumentada, es una técnica que consiste en añadir información
sobre un escenario real (Estebanell et al., 2012). También, puede describirse
como aquella información adicional susceptible de ser digitalizada, que se
obtiene de la observación de un entorno, captada a través de la cámara de un
dispositivo, que previamente tiene instalado un software específico. Asimismo,
dicha información adicional, puede traducirse en diferentes formatos: textos,
archivo de audio, imágenes, modelos 3D, vídeos, animaciones y enlaces a
página web.
A continuación, se describen los elementos que son necesarios, para
acceder al uso de esta tecnología:
a) Dispositivos con cámara: computadora de escritorio o portátil con
webcam, tableta con webcam (tablet), teléfono inteligente
(smartphone) y wearables con webcam (relojes, pulseras, gafas, etc.).
b) Software encargado de hacer las transformaciones necesarias, para
facilitar la información adicional.
c) Un disparador, también conocido como activador de la información
(“trigger”); por ejemplo, el entorno físico (paisaje, espacio urbano o
medio observado), una imagen, marcador, objeto o código QR (Quick
Response) (Blázquez, 2017).
De igual manera, en la Tabla 1, se describen los niveles de la RA,
propuesto por Prendres (2015):
Tabla 1.
Niveles de la Realidad Aumentada.
Nivel
0
1
2
Descripción
Hiperenlazando el mundo físico. Es considerado como el nivel simple o inicial.
Consiste en la lectura de códigos de barras, códigos en 2D (tal, como los códigos QR
o escaneado de imágenes aleatorias). De tal forma, su característica principal son los
hiperenlaces, que permiten acceder a contenidos complementarios.
RA basado en marcadores. Es la forma más popular y emplea símbolos impresos
en papel (generalmente, un cuadrado de color negro con un diseño determinado en
su interior), sobre los que se superpone algún tipo de información digital. Es así, que
se generan imágenes en 3D de uno o varios objetos, al realizar la lectura en 2D; lo
anterior, para apoyar la explicación de un tema o profundizar contenidos.
RA sin marcadores. Utiliza la localización de puntos de interés, los cuales se pueden
visualizar a través de un dispositivo móvil, con un sistema de posicionamiento global
(Global Positioning System, GPS). Se basa en el reconocimiento de imágenes, la
geolocalización y otras técnicas que no requieren del uso de marcadores. En este
caso, los activadores son imágenes u objetos; de tal manera, para reconocer dicho
objeto, se requiere una imagen de referencia del mismo, para obtener la información
adicional superpuesta. Asimismo, la geolocalización se basa en aplicaciones que
utilizan el hardware de los teléfonos inteligentes (GPS, brújula y acelerómetro, entre
otros), para mostrar una capa de información digital, sobre lugares de interés del
entorno.
pág. 37
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
3
Visión aumentada. En este nivel, se suprimen los dispositivos móviles y cualquier
tipo de pantalla, ya que se sustituyen por gafas, relojes inteligentes, pulseras, etc. Lo
anterior, para tener experiencias inmersivas y acceder a información en tiempo real,
que supone un cambio radical de la visión del mundo.
Fuente: Elaboración propia (2024).
Asimismo, está relacionada con la Realidad Virtual (Virtual Reality, RV);
ya que ambas, mantienen características comunes, tales como la inclusión de
modelos virtuales gráficos 2D y 3D. Por otro lado, en el campo de visión del
usuario; también, entre sus principales diferencias, es que RA no reemplaza el
mundo real por uno virtual, sino al contrario, mantiene el mundo real que se
observa; complementándolo, con información virtual superpuesta a la real; es
decir, las personas, nunca pierden el contacto con el mundo real que tienen al
alcance de su vista y, al mismo tiempo, pueden interactuar con la información
virtual superpuesta. De tal forma, la RV consiste en el diseño de un mundo
creado digitalmente, para que dicho usuario pueda interactuar con el ambiente
artificial y a través de él, recibir estímulos sensoriales. Es así, que su
implementación requiere entre otros, el uso de lentes o cascos especializados;
que brindan toda la información audiovisual, necesaria para lograr adentrarse
completamente a esta experiencia (Observatorio de Innovación Educativa del
Tecnológico de Monterrey, 2017). Por otro lado, Paul Milgram y Fumio Kishino,
definieron en 1994 el Reality-Virtuality Continuum, como una escala continua,
desde el “entorno real” hasta el “entorno virtual”. Es así, que, al área
comprendida entre los dos extremos, donde se combinan lo real y lo virtual, la
denominaron “realidad mezclada”. De esta forma, se distingue entre una
“realidad aumentada”, en la que se incorporan elementos virtuales a un entorno
real y, la “virtualidad aumentada”, en la que se incorporan elementos reales a un
entorno virtual (Reinoso, 2012).
Realidad Aumentada Aplicada a la Educación.
El uso de la RA, incorpora elementos audiovisuales que facilitan la
percepción del usuario; es por ello, que su implementación aumenta la
participación activa del estudiante, logrando al mismo tiempo, un incremento en
la motivación por aprender, debido a la interacción con objetos tridimensionales
(Rodríguez & Sánchez, 2021). Es decir, en las experiencias de RA, el sujeto se
encuentra interaccionando a tres niveles: a) el real, b) el virtual y c) el
intrapersonal (o cognitivo). Por lo tanto, dichas experiencias a éstos tres niveles,
serán las que permitan convertir la información, en verdadero conocimiento y
mejorar sus competencias personales; ayudando a resolver problemas que se
puedan plantear en la vida real. En otras palabras, este tipo de interacción mejora
la asimilación de la información, permitiendo que resulte mucho más concreta,
de lo que supone tener que imaginarla en su totalidad (de forma más abstracta).
De esta manera, dicha experiencia educativa trasciende la experiencia
pág. 38
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
intelectual, accesible a través de la cultura impresa, para convertirse en una
experiencia capaz de ser percibida a través de todos los sentidos (Estebanell et
al., 2012).
De acuerdo con Reinoso (2012), entre las principales aplicaciones
educativas de la realidad aumentada, se pueden mencionar:
•
•
•
•
•
•
Aprendizaje basado en el descubrimiento.
Desarrollo de habilidades profesionales.
Juegos educativos.
Modelado de objetos 3D.
Libros.
Materiales didácticos.
También, Terán (2012), describe algunas ventajas para la educación,
entre ellas:
•
•
•
•
•
•
Desarrollo e incremento de habilidades cognitivas, espaciales,
perceptivo motoras y temporales en los estudiantes; indistintamente
de su edad y nivel académico.
Reforzamiento de la atención, concentración, memoria inmediata
(corto plazo) y mediata (largo plazo), en sus formas visuales y
auditivas; así como del razonamiento.
Activación de procesos cognitivos de aprendizaje; es decir, permite
confirmar, refutar o ampliar el conocimiento, generar nuevas ideas,
sentimientos u opiniones acerca del mundo.
Formación de actitudes de reflexión, al explicar los fenómenos
observados o brindar soluciones a problemas específicos.
Entorno eficaz de comunicación para el trabajo educativo, ya que
reduce la incertidumbre del conocimiento acerca de un objeto.
Aumento de la actitud positiva de los estudiantes ante el aprendizaje,
así como la motivación o interés en el tema que se esté abordando,
reforzando capacidades y competencias.
Además, de acuerdo con Montenegro y Fernández (2022), la RA ofrece
diferentes posibilidades en su implementación, como son:
•
•
•
Suprimir contenidos, que puedan entorpecer la asimilación de
información significativa.
Aumentar o enriquecer la información de la realidad, para que el
alumno pueda asimilar, de forma eficiente.
Facilitar la observación de un determinado objeto, desde diferentes
perspectivas, seleccionando el propio discente, la posición de dicha
observación y el momento adecuado.
pág. 39
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
•
•
•
•
•
•
•
Fortalecer el llamado “aprendizaje ubicuo”.
Crear simuladores en forma de escenarios “artificiales”, que sean
seguros para los estudiantes.
Enriquecer información adicional para los alumnos, en diferentes
soportes.
Convertir a los discentes en “proconsumidores” de objetos de
aprendizaje, en formato de realidad aumentada.
Usar la llamada metodología de aprendizaje invertido (flipped
classroom).
Incrementar el aprendizaje informal.
Potenciar, desarrollar y crear escenarios, así como contextos
inclusivos, para beneficiar determinadas capacidades y habilidades
de los estudiantes.
Lo anterior, supone la necesidad de que el docente asuma roles diferentes
a los tradicionales. (Observatorio de Innovación Educativa del Tecnológico de
Monterrey, 2017). Entre ellos, destacan los siguientes:
Creador de recursos digitales para el aprendizaje, en colaboración con
especialistas de la producción digital (programadores, editores,
diseñadores, animadores, etc.)
Asesor pedagógico, para resolver las dudas y problemas del alumno, al
interactuar con los recursos.
Transmisor y constructor de conocimiento, para ofrecer un marco de
información más amplia, aplicada a la actividad con RA o RV.
Mentor, para guiar, animar, acompañar y retar, el uso que hace el
estudiante de la tecnología.
Explorador y curador de recursos, para encontrar y filtrar los mejores
recursos disponibles en el mercado, para ciertos propósitos de
aprendizaje y proporcionarlos al alumno.
Diseñador instruccional, para construir actividades estimulantes de
aprendizaje a través del uso de RA y RV.
Innovador, para desarrollar posibilidades educativas emergentes de
estas tecnologías, formando nuevas prácticas de aprendizaje.
Pensador crítico, para advertir los riesgos de la mercantilización del
conocimiento, impulsar la colaboración, promover principios éticos de
actuación o conectar campos de conocimiento muy diversos.
pág. 40
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
METODOLOGÍA
La revisión de la literatura, como destaca Guirao (2015), implica examinar
estudios anteriores sobre un tema específico. De tal manera, su propósito es
identificar, resumir y evaluar los hallazgos previos, para comprender el estado
actual del conocimiento y establecer un marco de referencia para futuras
investigaciones. Es así, que este proceso también permite detectar carencias en
la investigación y construir una base teórica sólida, para posteriores estudios.
En este contexto, se realizó una revisión narrativa utilizando la base de
datos SCOPUS y aplicando la metodología de revisión mencionada. Dicho
repositorio, contiene publicaciones científicas relevantes, proporcionando datos
sobre títulos, autores, tipos de publicación, nombres de revistas, idiomas y
palabras clave.
La búsqueda de información se realizó en los meses de abril y mayo de
2024, seleccionando 32 documentos relevantes con las frases en español: "Uso
de la Realidad Aumentada en el Nivel de Educación Superior" y en inglés: "Use
of Augmented Reality in Higher Education". Esta búsqueda se centró
exclusivamente en artículos sobre el uso de la realidad aumentada en la
educación superior, en el periodo de 2014 a 2024, excluyendo aquellos que no
se enfocaban en este ámbito.
Aplicaciones Prácticas
Las investigaciones realizadas en los últimos años, muestran que la
realidad aumentada es un campo emergente que tiene un gran impacto en el
aprendizaje y la enseñanza en el nivel de la educación superior (Cabero et al.,
2016). Por otro lado, Cabero et al. (2020), refieren que “el mundo digital, sí
supone una auténtica innovación pedagógica, porque viene a modificar prácticas
docentes y sistemas organizativos” (p.15); lo que lleva a reflexionar sobre las
prácticas educativas y los procesos de enseñanza aprendizaje; es así, que los
estudiantes, tienen una alta motivación y mejoran los logros de aprendizaje
(Chiang et al., 2014). También, Aguilar et al. (2022), señalaron que la RA,
integrada con principios pedagógicos eficaces, puede motivar a los alumnos y
promover un aprendizaje activo y significativo; de tal forma, en sus estudios en
la educación superior universitaria, al introducir un simulador móvil basado en
RA para la enseñanza de la física, determinaron que los discentes interactúan
de manera visual y tangible con conceptos complejos, mejorando así la retención
y la comprensión de los materiales. Estas simulaciones, incluyeron experiencias
de aprendizaje inmersivas, que facilitaron la visualización inmediata de
fenómenos físicos y experimentos virtuales en tiempo real.
Además, en un estudio realizado por Angulo et al. (2023), se utiliza la RA
para enriquecer el proceso de enseñanza y aprendizaje; integrando elementos
virtuales en el entorno real, así como para facilitar la comprensión de conceptos
pág. 41
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
complejos y abstractos. Es así, en áreas como la medicina y las ciencias puras,
que dichas aplicaciones permiten a los estudiantes, visualizar estructuras
anatómicas en 3D y realizar simulaciones prácticas sin riesgo. Además, afirman
que estas tecnologías promueven un aprendizaje más interactivo y colaborativo
entre los alumnos, promoviendo la colaboración entre los mismos, desde
diferentes ubicaciones geográficas, mejorando la comunicación; por lo tanto,
estos beneficios hacen de realidad aumentada, una herramienta valiosa para
ayudar a los estudiantes a resolver problemas del mundo real, mejorando sus
habilidades prácticas y teóricas. De igual manera, Ariza y Muñoz (2020),
presentan una experiencia basada en el uso de mapas mentales con tecnología
de RA y el método Jigsaw, que es una técnica de aprendizaje cooperativo. Dicho
estudio, señala que los alumnos interactúan con información digital superpuesta
al entorno del mundo real; lo cual, aumenta la motivación, la comprensión y la
retención del contenido educativo. Por otro lado, señalan que el uso de RA en el
entorno universitario, mejora significativamente el trabajo en grupo, la
colaboración y la experiencia de aprendizaje.
Asimismo, diversos autores afirman que la RA ha mejorado la
participación de los estudiantes y el aprendizaje activo en la educación superior
(Bermejo et al., 2023; Huerta et al., 2023; Mohamad et al., 2023). De tal manera,
su incorporación incrementó las experiencias de aprendizaje de los alumnos y
las prácticas docentes. También, se ha demostrado que la RA y la VR, mejoran
el aprendizaje en áreas como la hostelería, la medicina y la ciencia. Es así, que
los dispositivos móviles han facilitado su uso, mejorando su eficacia, en
comparación con los métodos tradicionales de enseñanza (Vaida y Pongracz,
2022). Por ello, Martínez-Hung et al. (2017), aplicaron RA en las asignaturas de
química inorgánica II y química medicinal I; orientadas fundamentalmente a la
representación de estructuras moleculares, orbitales y elementos de simetría;
permitiendo a los alumnos acceder a diversos contenidos sobre compuestos
químicos y ayudando a construir una mejor comprensión de los conceptos
abstractos; demostrando que las actividades con RA contribuyen a incrementar
el interés por dichas asignaturas y aumentar su comprensión; por lo tanto,
concluyen que es una poderosa herramienta en educación superior, para
generar nuevas formas de interactuar y aprender. De igual manera, en el ámbito
de las ciencias, facilita la comprensión de fenómenos complejos que escapan a
la observación directa, ya que permite visualizar modelos tridimensionales
interactivos, recreando escenarios y procesos, que, de otra manera, serían
inaccesibles. Asimismo, mejora la retención de información, ya que los discentes
pueden manipular y explorar los conceptos de forma activa, creando conexiones
más profundas y duraderas en su aprendizaje (Chang et al., 2016). También, la
integración de modelos anatómicos en 3D en la enseñanza de la medicina, ha
revolucionado la forma en que los estudiantes se relacionan con el cuerpo
humano y lo comprenden, ya que dichas aplicaciones interactivas permiten
explorar las estructuras de los órganos y sistemas, desde múltiples perspectivas,
pág. 42
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
mejorando significativamente su comprensión y retención de la información
anatómica. Además, la interacción de estos sistemas promueve un enfoque de
aprendizaje activo y personalizado, aumentando la motivación de los alumnos
para estudiar y comprender profundamente el campo de la anatomía
(Kugelmann et al., 2018).
De igual forma, para Wu et al. (2013), la RA es una tecnología avanzada
con múltiples aplicaciones en el ámbito educativo, ya que incrementa la
motivación, reduce el tiempo necesario para entender temas complejos, permite
recrear entornos que son difíciles de reproducir y facilita la interacción entre
diferentes tipos de objetos y recursos. Por ello, posibilita un aprendizaje
interactivo, atractivo y motivador, tanto para alumnos como para docentes
(Deshpande et al., 2020). De igual manera, la investigación de González et al.,
(2021), destaca que la realidad aumentada en la educación superior puede
mejorar las habilidades digitales de los estudiantes universitarios, aumentar la
motivación y reducir el tiempo necesario para comprender temas complejos.
Además, los convierte en consumidores de contenidos virtuales, previamente
reservados a los desarrolladores informáticos. Asimismo, destaca que dichas
aplicaciones RA son diversas y se incorporan a museos interactivos,
reconstrucciones del patrimonio histórico, juegos educativos y sistemas
robóticos remotos; que contribuyen a la preservación, protección e interpretación
de la cultura y la historia, mejorando la comprensión y el interés en el
aprendizaje.
Por último, Hidalgo-Cajo, et al. (2021), diseñaron, implementaron y
evaluaron un programa educativo para la enseñanza de anatomía, basado en
realidad aumentada. De tal manera, algunos discentes usaron métodos
tradicionales (grupo de control), mientras que otros, utilizaron la aplicación móvil
denominada "Curiscope" (grupo experimental). Por lo anterior, los resultados
demostraron que el grupo que interactuó con la tecnología emergente alcanzó
mejor desempeño académico, expresando mayor satisfacción y motivación;
destacando la facilidad de uso, la interacción y el aprendizaje atractivo de dicha
aplicación. Es así, que concluyen, que la RA puede mejorar significativamente el
aprendizaje de la anatomía, recomendando su integración como recurso
complementario, en el proceso de enseñanza-aprendizaje. Por lo tanto, las
posibilidades de aplicar la realidad aumentada en la educación son enormes;
desde incrustar códigos QR en materiales impresos para acceder a otros
contenidos multimedia, hasta crear marcadores especiales que superponen
información digital en medios escritos, tales como libros y revistas; así como una
experiencia de aprendizaje más inmersiva y valiosa. También, la creación de
materiales de aprendizaje interactivos, como simulaciones que explican
dinámicamente los principios físicos, facilitan la comprensión de conceptos
complejos y promueven un aprendizaje más práctico. De igual manera, las
capacidades de geolocalización de los dispositivos móviles, también se pueden
pág. 43
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
utilizar para crear experiencias de aprendizaje en tiempo real, que enriquecen la
exploración de entornos educativos y promueven el aprendizaje contextualizado.
Por ello, estas aplicaciones, brindan oportunidades interesantes para mejorar el
proceso educativo al hacer que el aprendizaje sea más interactivo, accesible y
relevante para los estudiantes (Garnica & Franco, 2015).
A continuación, en la Tabla 2, se sintetizan algunos proyectos de RA en
el nivel de educación superior:
Tabla 2.
Proyectos de RA en Nivel de Educación Superior
Autor
Chiang et al. (2014)
Aplicación práctica
Implementación
de
un
sistema de aprendizaje móvil
basado
en
RA,
para
actividades de investigación
en ciencias naturales.
Cabero et al. (2016)
Desarrollo de un prototipo de
RA, para la enseñanza de la
anatomía humana en el área
de enfermería.
Cabero et al. (2020)
Análisis de experiencias con
RA
en
la
educación
universitaria,
durante
el
período 2010-2019.
Aguilar et al. (2022)
Diseño e implementación de
un simulador basado en RA
móvil, para la enseñanza de
la física.
Angulo et al. (2023)
Revisión sistemática de la
literatura sobre el uso de la
realidad virtual, la realidad
aumentada y el video 360°.
Resultados obtenidos
Se determinó que el sistema
de RA, apoya a los
estudiantes a mejorar su
rendimiento académico y la
motivación, en las actividades
de investigación.
La aplicación permitió a los
alumnos visualizar en sus
dispositivos móviles, modelos
3D de la anatomía humana; lo
que coadyuva a comprender
la estructura y función del
cuerpo humano.
El estudio identificó que la RA
se ha utilizado en una amplia
variedad de asignaturas,
tales
como
medicina,
ingeniería,
educación
y
humanidades. También, los
resultados demuestran que
esta tecnología puede tener
un impacto positivo en el
aprendizaje, la motivación y
la
satisfacción
de
los
discentes.
El simulador permitió a los
estudiantes,
realizar
experimentos virtuales de
física, de manera segura y
atractiva.
Además,
los
resultados demuestran que la
aplicación,
ayuda
a
comprender los conceptos de
la asignatura.
Se determinó que las
tecnologías que se abordan
en el estudio pueden ser
utilizadas para mejorar el
aprendizaje de los alumnos,
la
motivación
y
la
satisfacción, en una amplia
variedad de asignaturas.
pág. 44
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
Ariza y Muñoz (2020)
Desarrollo y validación de
una escala, para medir el
aprendizaje con un mapa
mental
aumentado,
elaborado en puzzle.
Vaida y Pongracz (2022)
Revisión de aplicaciones de
RA móvil, en la educación
superior.
Bermejo et al. (2023)
Revisión sistemática de la
literatura sobre experiencias
de enseñanza y aprendizaje
con RA/RV, en instituciones
de educación superior.
Se estableció que la escala
utilizada
tiene
alta
confiabilidad
y
validez.
Asimismo, constituye una
herramienta
eficaz
para
evaluar el aprendizaje.
Se
encontró
que
las
aplicaciones de RA móvil se
utilizan para una amplia
variedad de propósitos, tales
como la enseñanza de
conceptos, la realización de
experimentos, la simulación
de escenarios y la evaluación
del aprendizaje.
La revisión identificó que
estas tecnologías, pueden
ser utilizadas para crear
experiencias de aprendizaje
inmersivas, interactivas y
personalizadas.
Dichos
resultados señalan, que la
RA/RV puede tener un
impacto positivo en el
aprendizaje de los discentes,
la motivación y la retención.
Fuente: Elaboración propia (2024)
CONCLUSIONES
Este estudio ofrece una revisión de la literatura publicada en los últimos
diez años, sobre el uso de la realidad aumentada; lo anterior, con la finalidad de
identificar estudios realizados y la contribución de esta herramienta, en el ámbito
universitario.
De tal manera, la Realidad Aumentada (RA) tiene un potencial significativo
para enriquecer la enseñanza, al permitir el acceso a contenidos, que de otro
modo serían inaccesibles. Sin embargo, para que los resultados se materialicen
efectivamente, es esencial que la RA se integre en un ecosistema educativo bien
estructurado. Es así, que solo la disponibilidad de contenidos digitales no
garantiza una mejora sustancial en la efemerización del proceso educativo, ya
que su beneficio depende de la interacción de todos los componentes y actores.
Finalmente, aunque la RA puede ofrecer nuevas oportunidades en el
ámbito educativo en el nivel superior, los estudios demuestran que sus beneficios
en términos de resultados de aprendizaje pueden ser comparables a los métodos
tradicionales de enseñanza. Por lo tanto, se recomienda continuar investigando
su impacto, así como la optimización de su implementación, para asegurar que
se maximice su aprovechamiento en los diversos contextos educativos.
pág. 45
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
REFERENCIAS
Aguilar, F., Flores Cruz, J. A., Hernández Aguilar, C. A., y Pacheco Bautista, D.
(2022). Diseño e implementación de un simulador basado en realidad
aumentada móvil para la enseñanza de la física en la educación superior.
Edutec. Revista Electrónica de Tecnología Educativa, (80), 66-83.
https://doi.org/10.21556/edutec.2022.80.2
Angulo Mendoza, G. A., Lewis, F., Plante, P., & Brassard, C. (2023). Estado del
arte sobre el uso de la realidad virtual, la realidad aumentada y el video
360° en educación superior. Edutec. Revista Electrónica de Tecnología
Educativa, (84), 35-51. https://doi.org/10.21556/edutec.2023.84.2769.
Ariza Carrasco, C., & Muñoz González, J. M. (2020). Propiedades psicométricas
de una escala sobre el aprendizaje del Mapa Mental Aumentado en Puzle
en Educación Superior. Revista Complutense de Educación, 31(3), 295306. https://dx.doi.org/10.5209/rced.63173
Basogain, X., Olabe, M., Espinoza, K., Roueche, C y Olabe, J. (2007). Realidad
Aumentada en la Educación: una tecnología emergente. Escuela Superior
de Ingeniería, EHU. Bilbao, España. Recuperado el 6 de Mayo de 2024
de:
https://www.academia.edu/29096018/Realidad_Aumentada_en_la_Educ
aci%C3%B3n_una_tecnolog%C3%ADa_emergente
Bermejo, B., Juiz, C., Cortes, D., Oskam, J., Moilanen, T., Loijas, J., ... & Dunlea,
D. (2023). AR/VR teaching-learning experiences in higher education
institutions (HEI): A systematic literature review. In Informatics Vol. 10, No.
2, p. 45. MDPI. https://typeset.io/papers/enhancing-the-pedagogic-impactof-augmented-reality-w08shhhb
Blázquez, A. (2017). Realidad aumentada en educación. Universidad Politécnica
de
Madrid.
https://oa.upm.es/45985/1/Realidad_Aumentada__Educacion.pdf
Cabero A., J., Leiva, J. J., Moreno, N. M., Barroso, J. y Meneses, E. (2016).
Realidad aumentada y educación: Innovación en contextos formativos.
Octaedro. https://dialnet.unirioja.es/servlet/articulo?codigo=5768997
Cabero, J., Vázquez, E., López, E. y Jaén, A. (2020). Posibilidades formativas
de la tecnología aumentada. Un estudio diacrónico en escenarios
universitarios. Revista Complutense de Educación, 31 (2), 134-154.
https://doi.org/10.5209/rced.61934
Chang, R. C., Chung, L. Y., & Huang, Y. M. (2016). Developing an interactive
augmented reality system as a complement to plant education and
comparing its effectiveness with video learning. Interactive Learning
pág. 46
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
Environments,
24(6),
https://doi.org/10.1080/10494820.2014.982131
1245–1264.
Chiang, T.H., Yang, S. J. y Hwang, G.J. (2014). An Augmented Reality-based
Mobile Learning System to Improve Students' Learning Achievements and
Motivations in Natural Science Inquiry Activities. Educational Technology
and
Society.
17.
352-365.
file:///D:/descarga/2014-ETSAugmentedReality-basedMobileLearningSystem-1.pdf
Deshpande, S., Kank, T., Armanyous, M., Singh, S., y Kalita, M. (2020).
Improvised learning for pre-primary students using augmented reality.
TechRxiv. Preprint. I: https://doi.org/10.36227/techrxiv.12056046.v1
Estebanell, M., Ferrés, J., Cornellà, P., Codina, D. (2012). Realidad Aumentada
y códigos QR en Educación. En J. Hernández y M. Pennesi (Eds.),
Tendencias emergentes en Educación con TIC. [En linea]. Recuperado el
13
de
Mayo
de
2024
de:
http://ciberespiral.org/tendencias/Tendencias_emergentes_en_educacin
_con_TIC.pdf
García, F., Portillo, J., Romo, J., & Benito, M. (2010, julio). Nativos digitales y
modelos de aprendizaje. Universidad del País Vasco/Euskal Herriko
Unibertsitatea
(UPV/EHU).
https://es.slideshare.net/bordi/httpspdece07ehuesactasgarciapdf?from_s
earch=17
Garnica Estrada, E., y Franco Calderón, J. A. (2015). Realidad aumentada y
educación. Revista Ingeniería, Matemáticas y Ciencias de la Información,
2(3), 59-65. https://dialnet.unirioja.es/servlet/articulo?codigo=7894430
Guirao Goris, S. J. A. (2015). Utilidad y tipos de revisión de literatura. Ene, 9(2).
https://dx.doi.org/10.4321/S1988-348X2015000200002
González Vidal, I. M., Cebreiro López, B., & Casal Otero, L. (2021). Nuevas
competencias digitales en estudiantes potenciadas con el uso de Realidad
Aumentada. Estudio Piloto. RIED. Revista Iberoamericana de Educación
a Distancia, 24(1), 137-156. https://doi.org/10.5944/ried.24.1.27501
Hidalgo-Cajo, F. R., Leiva-Lázaro, D. C., Espinoza-Hidalgo, E. G., ReyesChávez, J. M., & Montenegro-González, J. F. (2021). Realidad aumentada
como recurso de apoyo en el proceso enseñanza-aprendizaje. Revista De
Investigación
En
Educación,
19(1),
34-46.
https://doi.org/10.35861/reined.v19i1.139
Huerta, O., Unver, E., Kuş, A., & Aslan, R. (2023, July). Enhancing the pedagogic
impact of Augmented Reality experiences: storyboarding as a human
centred design approach. In 20th Annual International CAD Conference
pág. 47
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
(pp.
350-356).
CAD
Solutions.
conference.net/files/CAD23/CAD23_350-356.pdf
http://www.cad-
Kugelmann, D., Stratmann, L., Nühlen, N., Bork, F., Hoffmann, S., Samarbarksh,
G., ... & Waschke, J. (2018). An augmented reality magic mirror as additive
teaching device for gross anatomy. Annals of Anatomy-Anatomischer
Anzeiger, 215, 71-77. https://doi.org/10.1016/j.aanat.2017.09.011
Martínez-Hung, H., García-López, A., & Escalona-Arranz, J. (2017). Augmented
Reality Models Applied to the Chemistry Education on the University.
Revista
Cubana
de
Química,
29(1),
13-25.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S222454212017000100002&lng=es&tlng=en.
Montenegro-Rueda, M., & Fernández-Cerero, J. (2022). Realidad aumentada en
la educación superior: Posibilidades y desafíos. Tecnología, Ciencia y
Educación.https://www.tecnologia-cienciaeducacion.com/index.php/TCE/article/view/858
Mohamad, A.M., Kamaruddin, S., Hamin, Z., Rosli, W. R. W., Omar, M. F., &
Saufi, N. N. M. (2023). Cloud-Based Augmented Reality As a Disruptive
Technology for Higher Education. In 2023 International Conference on
Disruptive Technologies (ICDT). pp. 269-273. IEEE.
Observatorio de Innovación Educativa del Tecnológico de Monterrey. (2017).
Realidad aumentada y virtual. https://observatorio.tec.mx/edu-reads/edutrends-realidad-virtual-y-realidad-aumentada/
Piscitelli, A. (2017). Realidad virtual y realidad aumentada en la educación: Una
instantánea nacional e internacional. Economía Creativa, 7, 34-65.
https://dialnet.unirioja.es/servlet/articulo?codigo=6063065
Prendres, C. (2015). Realidad aumentada y educación: Análisis de experiencias
prácticas. https://idus.us.es/handle/11441/45413
Reinoso, R. (2012). Posibilidades de la realidad aumentada en educación. En J.
Hernández & M. Pennesi (Eds.), Tendencias emergentes en educación
con
TIC
(pp.
[páginas]).
http://ciberespiral.org/tendencias/Tendencias_emergentes_en_educacin
_con_TIC.pdf
Rodríguez, A., & Sánchez, A. (2021). Realidad aumentada y realidad virtual en
la educación. https://www.cihub.mx/post/realidad-aumentada-y-realidadvirtual-en-la-educaci%C3%B3n
Terán, K. (2012). Realidad Aumentada sus desafíos y aplicaciones para el ELearnin. XIII Encuentro internacional Virtual Educa Panamá
2012. https://www.researchgate.net/publication/278406306_REALIDAD_
pág. 48
[Capítulo 2] Uso de la Realidad Aumentada en el Nivel de Educación Superior
AUMENTADA_SUS_DESAFIOS_Y_APLICACIONES_PARA_EL_E_LEARNING
Vaida, S. & Pongracz, G. A. (2022). Mobile Augmented Reality Applications in
Higher Education. Educatia 21, (23), 70-76. 10.24193/ed21.2022.23.07
Valero, S. (2019). Realidad aumentada en el ámbito educativo. Publicaciones
Didácticas. https://core.ac.uk/download/pdf/235850337.pdf
Wu, H. K., Lee, S. W. Y., Chang, H. Y. & Liang, J. C. (2013). Current status,
opportunities and challenges of augmented reality in education.
Computers
&
Education,
62,
41-49.
https://doi.org/10.1016/j.compedu.2012.10.024
pág. 49
CAPÍTULO 3
Inteligencia Artificial en el Área de Enseñanza a las
Matemáticas
Asia Cecilia Carrasco Valenzuela7 y José Antonio Fuentes
Velásquez8
Resumen
La inteligencia artificial (IA) aplicada a la educación, brinda nuevas
oportunidades para mejorar el aprendizaje y la enseñanza. El objetivo de esta
investigación es analizar la percepción de estudiantes de educación media
superior al uso de tecnologías de inteligencia artificial en sus procesos de
aprendizaje, evaluar la efectividad de estas herramientas en el rendimiento en
matemáticas y explorar las posibles ventajas y desafíos que enfrentan en el
contexto educativo actual. Este estudio es de corte cualitativo, con una muestra
de 73 estudiantes. Se realizó una encuesta de tipo Likert, en la cual se recopiló
información sociodemográfica y se interrogó sobre el uso de inteligencia artificial
en la enseñanza de matemáticas a diez preguntas, junto con una pregunta
abierta. Los resultados revelaron que el 50.7% de los estudiantes emplean IA
regularmente en sus estudios, con un 94.5% reportando experiencias positivas.
Los beneficios incluyen una mejor comprensión de conceptos y mayor eficiencia
en resolver problemas. Asimismo, el 53.4% experimenta un aumento en la
motivación y un 61.6% valora la personalización del aprendizaje por la IA. Sin
embargo, se identificaron desafíos significativos: un 24.7% de los estudiantes
enfrenta limitaciones de acceso a la tecnología necesaria y un 42.5% tiene
dificultades en su uso. El estudio concluye que, aunque la IA tiene el potencial
de revolucionar la enseñanza de las matemáticas mediante la personalización y
mejora del aprendizaje, es crucial abordar los obstáculos tecnológicos y de
capacitación para una implementación efectiva en ambientes educativos.
Palabras Clave: Aprendizaje, Enseñanza, Inteligencia Artificial, Matemáticas,
Tecnología.
Cita APA 7 ed.: Carrasco, A. y Fuentes, J. (2024) Inteligencia Artificial en la enseñanza de las
matemáticas. En P.G. Gamboa y D.O. Nieves (Coords.). Educación 5.0: Tendencias
Tecnológicas Educativas Tomo I. Volumen 1. (pp. 50-61). Editorial Racionalidades.
7
8
0000-0002-3515-358X | Universidad Autónoma de Sinaloa, México | [email protected]
0000-0001-7013-108X | Universidad de El Salvador, El Salvador | [email protected]
pág. 50
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
OBJETIVO DEL CAPÍTULO
El presente capítulo tiene como propósito analizar las percepciones de los
estudiantes sobre el uso de la inteligencia artificial en la enseñanza de las
matemáticas en la educación media superior. Se recopilaron datos a través de
cuestionarios y entrevistas para lograr una comprensión profunda de cómo los
estudiantes perciben la inteligencia artificial y cómo estas percepciones influyen
en su experiencia educativa. Los resultados de este estudio proporcionarán
información valiosa para diseñar estrategias de implementación de la Inteligencia
Artificial que sean efectivas y bien recibidas por los usuarios finales, tanto
estudiantes como docentes.
Imagen 1
Imagen 2
Uso de IA por estudiante
Retroalimentación de la IA
INTRODUCCIÓN
La Inteligencia Artificial (IA) ha evolucionado rápidamente en las últimas
décadas, transformando industrias, procesos y nuestra forma de interactuar con
la tecnología. En el ámbito educativo, la IA se presenta como una herramienta
innovadora para mejorar la calidad y la eficiencia del aprendizaje. Desde
sistemas de tutoría inteligente hasta plataformas de aprendizaje adaptativo, la IA
ofrece oportunidades sin precedentes para personalizar la educación y atender
las necesidades individuales y específicas de cada estudiante.
La IA puede ser definida como la capacidad de las máquinas para percibir,
razonar, aprender, comunicarse y actuar en entornos de manera igual o incluso
superior a los humanos (Terrones, 2018). La aplicación de la IA se ha estudiado
en diversos campos como finanzas (El Fallahi et al., 2022), medicina (Lanzagorta
et al., 2022), educación (Tramallino & Marize, 2024), etc.
pág. 51
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
En los últimos años, el ámbito educativo ha experimentado un progreso
significativo gracias a los avances en IA. Este desarrollo implica una
reconfiguración de la estructura educativa para considerar tanto a los actores
humanos como a los no humanos y sus respectivas interacciones en entornos
digitales (Bonam et al., 2020).
Por lo tanto, es notable que la IA está revolucionando la enseñanza de las
matemáticas, presentando tantas oportunidades significativas como desafíos en
este campo específico a medida que avanza, por lo que es esencial seguir
investigando su impacto en el área de enseñanza de la matemática para
asegurar que es sea equitativos y de calidad para todos.
Inteligencia Artificial en la educación
La Inteligencia Artificial (IA) se refiere a la capacidad de las máquinas para
realizar tareas que normalmente requieren inteligencia humana, como el
aprendizaje, el razonamiento y la resolución de problemas. La Inteligencia
Artificial posee un potencial considerable para mejorar diversos aspectos y
herramientas basadas en la IA dentro del ámbito educativo que facilitan la
personalización del aprendizaje.
Esto incluye sistemas de tutoría inteligente como señala Yilmaz et al.
(2022) proporcionan instrucción personalizada y asistencia a los estudiantes,
adaptándose a sus necesidades individuales.
Así mismo plataformas de aprendizaje adaptativo que ajusta el contenido
educativo en tiempo real según el proceso del estudiante, ofreciendo actividades
personalizadas. Según Vera (2023) estas plataformas basadas en IA
“personalizan el contenido de aprendizaje en función de las necesidades y
preferencias de cada estudiante” (p.24).
Otras de las herramientas son los asistentes virtuales y chatbots que
responden a preguntas de los estudiantes y proporcionan apoyo administrativo,
facilitando la interacción y el acceso a la información. Como señalan IñiguezCarrillo et al. (2023) quienes describen que “los asistentes virtuales pueden
funcionar como atención al cliente las 24 horas del día, los siete días de la
semana, evitando así, por ejemplo, que profesores y personal de servicio tengan
que responder de forma repetitiva y sencilla. para responder preguntas” (p. 197).
De igual manera el Análisis de aprendizaje que utilizan datos educativos
para identificar patrones de aprendizaje, ayudan a mejorar las estrategias de
enseñanza y rendimiento académico. Como señalan Contreras et al. (2020)
quienes analizaron “la investigación de predicción mediante herramientas de
análisis de datos usando machine learning proporcionan los algoritmos
facilitadores para la búsqueda de información relevante contenida por las
instituciones de educación superior y poco análisis de les ha realizado” (p.243).
pág. 52
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
Ventajas de la IA en la educación
La IA ofrece varias ventajas que pueden transformar el proceso educativo,
entre ellas se encuentra la personalización del aprendizaje, en el que la IA adapta
el contenido y el ritmo de enseñanza a las necesidades individuales de cada
estudiante, mejorando la eficacia del aprendizaje, recientes investigaciones han
estudiado el aprendizaje personalizado (Gómez, 2023).
Otra de las ventajas de la IA es que proporciona retroalimentación
instantánea y detallada, permitiendo a los estudiantes corregir errores y mejorar
su comprensión en tiempo real. Recientes investigaciones han estudiado las
evaluaciones adaptativas (Memarian & Doleck, 2023), así como la corrección
automática de exámenes (Vera, 2023).
Así mismo, otra de las ventajas que ofrece la IA en la educación es la
automatización de tareas administrativas libera tiempo de los docentes al
automatizar tareas repetitivas como las calificaciones y la gestión de registros,
facilitar el acceso a recursos educativos a través de plataformas en línea
basados en IA especialmente para estudiantes con necesidades especiales o en
zonas rurales, es otro de los beneficios que ofrece IA al favorecer la accesibilidad
al proceso educativo.
Desafíos al Implementar la IA en educación
Aunque la Inteligencia Artificial en la Educación ha demostrado ser una
herramienta prometedora con un potencial significativo para transformar la
práctica educativa, es esencial reconocer que su implementación efectiva no es
automática ni garantizada. Richardson y Clesham (2021) subrayan la
importancia de continuar investigando y estudiando la práctica de la IA para
maximizar su impacto en el aprendizaje.
La implementación de la IA en el sector educativo promete revolucionar la
enseñanza y el aprendizaje. No obstante, esta transformación conlleva varios
desafíos que deben ser abordados para asegurar su éxito y efectividad.
Uno de los principales retos que enfrenta la educación al implementar IA
en el proceso de enseñanza-aprendizaje es la falta de capacitación de los
docentes para utilizar esta tecnología tal como señala Almazán et al. (2023) para
que el docente pueda comprender y aplicar las herramientas de IA en sus
métodos de enseñanza requiere una formación continua y un desarrollo
profesional adecuado.
Otro desafío que enfrenta la educación al implementar la IA es la equidad
en el acceso a la tecnología, que puede aumentar la desigualdad educativa. Por
lo que se hace necesario garantizar que todos los estudiantes tengan acceso a
la tecnología, esta promoción de la accesibilidad e inclusión ha sido estudiada
pág. 53
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
por diversos autores (Escobar et al., 2023; Beaulac & Rosenthal, 2019; Xu et al.,
2019).
Enseñanza de las matemáticas
En la enseñanza de las matemáticas mantener la motivación de los
estudiantes puede ser un desafío, especialmente cuando enfrentan dificultades,
encuentran los procesos difíciles de entender o requieren comprender y aplicar
conceptos abstractos, dado que cada estudiante tiene diferentes niveles de
comprensión y habilidades matemáticas, el proceso de aprendizaje no es
uniforme.
La inteligencia artificial puede ser usada para elaborar contenido
educativo, tales como problemas y ejercicios matemáticos, así como recursos
interactivos y multimedia. Esto podría contribuir a reducir el tiempo y esfuerzo en
la creación de materiales de enseñanza, esto permite enfocarse más en la
instrucción directa y en la atención individualizada a los estudiantes. Los
estudiantes, por su parte, pueden adquirir recursos educativos de alta calidad
que se ajustan a sus necesidades específicas.
De igual manera, al integrar la IA en las plataformas de aprendizaje
permite evaluar el rendimiento de los estudiantes en tiempo real, brindando
retroalimentación inmediata y personalizada. Esto posibilita la identificación y
segmentación rápida de las áreas de mayor dificultad para los estudiantes y
proporcionar ejercicios adicionales o explicaciones adaptadas a cada estudiante
para poder reforzarse en las áreas de dificultad.
Integración de IA en la enseñanza de matemáticas
La incorporación de la inteligencia artificial (IA) en la enseñanza de las
matemáticas ha generado una transformación significativa en el campo
educativo, brindando nuevas herramientas y recursos que mejoran la calidad y
eficiencia del aprendizaje. El propósito de esta integración consiste en optimizar
la experiencia educativa, adaptándose a las necesidades particulares de cada
estudiante.
Se han investigado diversas áreas de enseñanza, incluida la formación en
matemáticas Wardat et al. (2023). Algunas de las aplicaciones de sistemas de
tutoría inteligente y herramientas de la IA más conocidas en el área de
matemáticas se encuentran: Geogebra, Desmos, Photomath, Wolfram Alpha. La
utilización de estas herramientas facilita la resolución de problemas matemáticos
en línea, brindando explicaciones detalladas y ejemplos personalizados, lo que
facilita a los estudiantes la comprensión de conceptos complejos.
Asimismo, las plataformas de aprendizaje adaptativo, tales como Khan
Academy, Coursera, Duolingo y Udemy, emplean tecnología basada en IA para
personalizar el contenido y la experiencia de aprendizaje. Permite evaluar el
pág. 54
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
progreso y rendimiento de los estudiantes, identificar patrones y adaptar el
contenido para satisfacer las necesidades individuales de cada usuario. Esta
personalización es una de las razones por las cuales estas plataformas son tan
eficaces para el aprendizaje.
La aparición de modelos avanzados como GPT-3 ha abierto nuevas
posibilidades en el campo de la educación, especialmente en el área de las
matemáticas. GPT-3 proporciona a estudiantes y docentes una herramienta
poderosa para comprender y explicar conceptos complejos de manera clara y
accesible (Monzón, 2024).
Evidencia empírica sobre el uso de la IA en la enseñanza de matemáticas
La IA ha emergido como una herramienta transformadora en la enseñanza
de las diferentes disciplinas, ofreciendo a los estudiantes acceso a una
educación más personalizada y efectiva, y marcando un antes y un después en
la forma en que se aprende especialmente las matemáticas. Como afirma
Monzón (2024): “La aplicación de la IA en la Física se presenta como un área de
investigación que está aún en desarrollo y que sin duda en los próximos meses
(no años, meses) estará en constante evolución, con el potencial de mejorar
significativamente la calidad y la eficacia de la educación superior en
matemáticas, siempre que, su uso sea responsable” (p. 197).
La IA ayuda a los estudiantes a desarrollar una comprensión más
profunda de los conceptos matemáticos, al proporcionar explicaciones
detalladas y feedback instantáneo (Monzón, 2024).
Percepciones y actitudes hacia la IA en la educación
Comprender las percepciones y actitudes de los estudiantes y docentes
es esencial para desarrollar estrategias efectivas de implementación de IA. La
percepción de los estudiantes sobre la IA es crucial para su adopción y
efectividad, ya que influye directamente en su motivación y compromiso con el
aprendizaje. Este proyecto explorará cómo los estudiantes perciben la utilización
de la IA en su aprendizaje de matemáticas y cómo estas percepciones afectan
su motivación y compromiso.
Asimismo, resulta imperativo informar a los educandos y docentes acerca
de los beneficios y el impacto positivo de la Inteligencia Artificial en la educación.
La comprensión y comprensión de las ventajas de la Inteligencia Artificial pueden
influir significativamente en las actitudes y la disposición a adoptar esta
tecnología, facilitando su integración en el entorno educativo.
Por lo tanto, se hace necesario proporcionar a los docentes capacitación
adecuada y apoyo continuo para aumentar la disposición a adoptar la IA. Así
mismo, informar a los estudiantes y docentes sobre los beneficios y el impacto
positivo de la IA puede mejorar sus actitudes y facilitar su implementación.
pág. 55
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
METODOLOGÍA
La presente investigación es un estudio cualitativo que explora la
aplicación de la inteligencia artificial (IA) en la enseñanza de matemáticas. El
estudio se llevó a cabo con estudiantes de cuarto semestre del nivel medio
superior de la preparatoria "Rubén Jaramillo" durante el ciclo escolar 2023-2024.
El objetivo general de este estudio era analizar las percepciones de los
estudiantes de nivel medio superior que cursan cuarto semestre, sobre el uso y
aplicabilidad de la IA en la enseñanza de matemáticas.
Diseño de la investigación
Para recoger las opiniones de los participantes, se eligió un enfoque
cualitativo mediante una encuesta a través de un cuestionario con datos
sociodemográficos (información sobre la edad, género), 10 preguntas de tipo
likert (1 totalmente de acuerdo- 4 totalmente desacuerdo) para medir actitudes y
percepciones. y una pregunta de carácter abierto para obtener comentarios
detallados y específicos de los estudiantes sobre su experiencia con la IA en el
aprendizaje de matemáticas, el cuestionario fue enviado por Google Forms.
Para asegurar la validez de contenido del instrumento, las preguntas
fueron revisadas y validadas por un panel de expertos en educación y tecnología
educativa.
Descripción de la muestra
La muestra estuvo conformada por 73 estudiantes de 4° semestre de la
asignatura de Geometría, siendo 67.1% (49) mujeres y 32.9% (24) hombres. La
edad de los estudiantes que participan oscila entre los 15 y 17 años, con un
mayor porcentaje de 69.9% (51) de 16 años, seguido de 27.4% (20) de 17 años
y 2.7% (2) de 15 años. Es importante señalar que este estudio tiene un carácter
exploratorio y la muestra no es representativa de la población de interés. Por lo
tanto, los resultados no pueden ser generalizados a todos los estudiantes de
nivel medio superior.
RESULTADOS Y DISCUSIONES
Con el fin de determinar si los estudiantes han empleado herramientas
basadas en la Inteligencia Artificial en sus estudios de matemáticas, se ha
constatado que el 38.4% (28) y el 12.3% (9) afirman emplear la Inteligencia
Artificial en sus estudios de matemáticas de manera habitual y constante,
mientras que el 46.6% (34) frecuentemente y solo el 2.7% (2) menciona que
nunca la utilizan.
pág. 56
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
Experiencia General con IA
Los resultados del ítem 2 indican que el 68.5% (50) y el 26% (19) de los
estudiantes consideran positiva y muy positiva su experiencia con el uso de IA
en el aprendizaje de las matemáticas. En la Tabla 1 se presentan los resultados
de los siguientes ítems, que detallan las percepciones de los estudiantes sobre
el uso de la IA en matemáticas.
Tabla 1
Percepción de los estudiantes en el uso de la IA en matemáticas
Pregunta
1 2 3 4
¿Crees que el uso de IA ha mejorado tu comprensión de los 14 48 3 8
conceptos matemáticos?
¿Sientes que las herramientas de IA te ayudan a resolver 18 40 15 0
problemas matemáticos de manera más eficiente?
¿Consideras que la IA te hace más interesado/a en las 7 42 24 0
matemáticas?
¿Te sientes más motivado/a para estudiar matemáticas 9 39 25 0
cuando utilizas herramientas de IA en comparación con los
métodos tradicionales?
¿Crees que las herramientas de IA personalizan las 14 45 14 0
actividades y contenidos según tus necesidades
individuales?
Nota: Las respuestas están distribuidas en una escala Likert donde 1 =
Totalmente de acuerdo, 2 = De acuerdo, 3 = En desacuerdo, 4 = Totalmente en
desacuerdo. Fuente: Elaboración propia
Comprensión y Motivación
El 65.8% de los estudiantes están de acuerdo en que el uso de la IA ha
mejorado su comprensión de los conceptos matemáticos. Además, el 57.5% y el
9.6% de los estudiantes se muestran de acuerdo y totalmente de acuerdo,
respectivamente, en que la IA aumenta su interés en las matemáticas.
El 53.4% de los encuestados está de acuerdo y el 12.3% totalmente de
acuerdo en sentirse más motivados al usar IA en el aprendizaje de las
matemáticas. El 61.6% cree que las herramientas de IA personalizan las
actividades y contenidos según sus necesidades individuales.
Retroalimentación y Desafíos
En cuanto a los ítems 8 y 9 referentes a la retroalimentación, el 47.9%
asegura recibir retroalimentación inmediata de las herramientas de IA que
utilizan, mientras que el 42.5% afirma que rara vez recibe información sobre su
desempeño académico. Asimismo, el 75.3% y el 17.8% valoran la
retroalimentación como muy útil y útil, respectivamente.
pág. 57
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
En relación con los desafíos, el ítem 10 muestra que el 24.7% de los
estudiantes manifiestan la falta de acceso a la tecnología, el 42.5% tiene
dificultades para usar las herramientas, el 31.5% reporta falta de apoyo técnico
y el 17.8% no encuentra útiles las herramientas de IA.
Comentarios Abiertos
Las respuestas a la pregunta abierta sobre características adicionales
deseadas en las herramientas de IA incluyen:
•
•
•
•
•
•
•
•
•
•
•
•
•
"Más apoyo para poder utilizarlas mejor"
"Ninguna ya que muchas me han ayudado bastante en matemáticas"
"Que te mostrarán cómo las hizo, pero con video para entender ese
problema"
"Al momento de tener la respuesta, la explicación paso a paso de
cómo llegó al resultado"
"Que se dejen usar en el salón y que haya mejor señal en el salón"
"Los resultados que te otorgan considero que son un poco técnicos
para lo que estoy queriendo resolver y a veces siento que no están en
lo correcto"
"Explicaciones más detalladas para saber mejor por qué se hacen
ciertas operaciones y otras no"
"Imágenes o ilustraciones para reforzar lo antes dicho en forma de
texto"
"Que sea un poco más fácil al momento de utilizarla"
"Siento que en gran medida son buenas y nos ayudan a ver las
matemáticas de otra manera, pero en sí a mí me gustan las
matemáticas tradicionales, por eso no le añadiría ninguna
característica"
"Me gustaría que cuando preguntes sobre algún problema te explique
más a detalle cómo llegar al resultado, además que también te enseñe
otros métodos para hacerlo"
"Son realmente muy útiles las herramientas de IA para el ahorro de
tiempo"
"No sé si ya exista esta función, pero me gustaría que por ejemplo en
matemáticas que cuando uno ingrese algún tema te ponga ejercicios
para practicar y al final te diga si está bien el resultado o no"
Estos resultados muestran la falta de conocimiento de los estudiantes en
el uso de la IA para el estudio de matemáticas, así como también la poca
familiaridad que tiene con las herramientas de la IA y su aplicabilidad, aunque
reconocen las oportunidades que conlleva utilizarlas en el proceso de
aprendizaje de las matemáticas. Así mismo, los estudiantes consideran
pág. 58
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
necesario la implementación de estas herramientas basadas en IA en el proceso
enseñanza-aprendizaje.
El objetivo general de esta investigación fue analizar las percepciones de
los estudiantes sobre el uso, posibilidades y desafíos relacionados con la
inteligencia artificial en el proceso de enseñanza y aprendizaje. De acuerdo con
los resultados obtenidos en la encuesta, se evidencia que los estudiantes valoran
los beneficios de integrar la tecnología y en particular la IA, en el proceso
educativo, tales como el incremento de la motivación y el desarrollo de
habilidades para la resolución de problemas (Pérez et al., 2020).
Así mismo, la utilización de la inteligencia artificial por parte de los
estudiantes proporciona beneficios en cuanto a eficacia, personalización del
aprendizaje y mejora de la retroalimentación (Vera, 2023).
Por otro lado, los desafíos a los que se enfrentan los estudiantes al utilizar
la IA en el aprendizaje de matemáticas de acuerdo a las opiniones generadas
presentan retos que las instituciones educativas y los docentes deben abordar
(Monzón, 2024).
CONCLUSIONES
A pesar de las múltiples posibilidades que ofrece la inteligencia artificial,
resulta imperativo continuar investigando cómo incorporar esta tecnología de
manera efectiva en contextos educativos. Esto implica analizar no sólo la eficacia
de las herramientas existentes, sino también identificar nuevas formas de
mejorar y adaptar la IA para satisfacer las necesidades cambiantes de
estudiantes y docentes.
Una de las razones fundamentales que respaldan la necesidad de
continuar examinando el empleo de la Inteligencia Artificial en el proceso
educativo radica en la complejidad de la educación y el aprendizaje. Cada
estudiante es único, con diferentes estilos de aprendizaje, necesidades y
desafíos. En consecuencia, el desarrollo de soluciones de inteligencia artificial
efectivas debe tener en cuenta esta diversidad y ofrecer enfoques
personalizados, así como una retroalimentación oportuna que se ajuste a las
características individuales de los estudiantes.
Para alcanzar una implementación exitosa de la Inteligencia Artificial en el
ámbito educativo, resulta imperativo que los docentes puedan incorporar estas
herramientas de manera fluida y significativa en sus prácticas pedagógicas
previas. La provisión de capacitación y apoyo apropiados para los docentes, así
como la promoción de una cultura de innovación y colaboración en las
instituciones educativas. La cooperación entre educadores, tecnólogos y
expertos en inteligencia artificial es fundamental para aprovechar al máximo el
pág. 59
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
potencial de esta tecnología en el proceso de enseñanza-aprendizaje,
aprovechando al máximo el potencial de esta tecnología.
REFERENCIAS
Almazán, Y. R., Zurita-Aguilar, E. F., Miranda, K. A., y Carranza, D. B. (2023).
ChatGPT: La inteligencia artificial como herramienta de apoyo al
desarrollo de las competencias STEM en los procesos de aprendizaje de
los estudiantes. ReCIBE, Revista electrónica de Computación,
Informática, Biomédica y Electrónica, 12(1), C5-12.
Beaulac, C., y Rosenthal, J. (2019). Predecir el éxito académico de los
estudiantes universitarios y mayor usando bosques aleatorios.
Investigación en Educación Superior, 60(7), 1048-1064.
Bonam, B., Piazentin, L., y Possa, A. (2020). Educación, big data e inteligencia
artificial cial: metodologías mixtas en plataformas digitales. Comunicar:
Revista Científica Iberoamericana de Comunicación y Educación, 28(65),
43-52.
Obtenido
de
https://www.researchgate.net/publication/343862360_Education_Big_Dat
a_and_Artificial_Intelligence_Mixed_methods_in_digital_platforms_Educ
acion_Big_Data_e_Inteligencia_Artificial_Metodologias_mixtas_en_plataf
ormas_digitales_Luiz_Piazentini
Contreras, L. E., Fuentes, H. J., y Rodríguez, J. I. (2020). Predicción del
rendimiento académico como indicador de éxito/fracaso de los
estudiantes de ingeniería, mediante aprendizaje automático. Formación
universitaria, 13(5), 233-246.
El Fallahi, F., Ibenrissoul, A., y Adil, E. (2022). ¿La innovación juega un papel en
la relación entre el desempeño social y financiero de las empresas? Una
revisión sistemática de la literatur. Revista Internacional de Finanzas,
Contabilidad
y
Gestión,
4(3),
315-334.
Obtenido
de
https://doi.org/10.35912/ijfam.v4i3.1146
Escobar, E. M., Caicedo, F. C., y Medina, D. B. (2023). Innovaciones en la
Pedagogía Moderna: Estrategias y Tecnologías Emergentes. Código
Científico Revista de Investigación, 4(2), 1041-1068.
Gómez, W. (2023). La inteligencia artificial y su incidencia en la educación:
Transformando el aprendizaje para el siglo XXI. Revista internacional de
pedagogía e innovación educativa, 3(2), 217-229.
Iñiguez-Carrillo, A. L., Jiménez, A., Gaytán-Lugo, L. S., y Maciel-Arellano, R.
(2023). Towards the Development of a Virtual Assistant for University
Professors. Avances en Interacción Humano-Computadora (1), 11-16.
pág. 60
[Capítulo 3] Inteligencia Artificial en el Área de Enseñanza a las Matemáticas
Lanzagorta-Ortega, D., Carrillo-Pérez, D., y Carrillo-Esper, R. (2022). Inteligencia
artificial en medicina: presente y futuro. Gaceta médica de México, 158,
17-21.
Memarian, B., y Doleck, T. (2023). Una revisión de la evaluación para el
aprendizaje con inteligencia artificial. Computadoras en el
comportamiento humano: humanos artificiales, 100040.
Monzón, M. (2024). Inteligencia Artificial en el aula: oportunidades y desafíos
para la didáctica de la matemática y física universitaria. Revista
Internacional de Pedagogía e Innovación Educativa, 4(1), 193-207.
Pérez, J., Rodríguez, C., Rodríguez, M., y Villacreses, C. (2020). Espacios
maker: herramienta motivacional para estudiantes de ingeniería eléctrica
de la Universidad Técnica de Manabí, Ecuador. Espacios, 41(02), 8.
Richardson, M., y Clesham, R. (2021). ¿Rebelión de las máquinas? El papel en
evolución de Tecnologías de inteligencia artificial (IA) en la evaluación de
alto riesgo. Revista de Educación de Londres, 19(1), 1-13.
Terrones Rodríguez, A. (2018). Inteligencia Artificial
responsabilidad. Cuestiones de filosofía, 141-170.
y
ética
de
la
Tramallino, C., y Marize Zeni, A. (2024). Avances y discusiones sobre el uso de
inteligencia artificial (IA) en educación. Educación, XXXIII (64), 29-54.
Vera, F. (2023). Integración de la Inteligencia Artificial en la Educación superior:
Desafíos y oportunidades. Transformar, 4(1), 17-34.
Wardat, Y., Tashtoush, M., AlAli, R., y Jarrah, A. (2023). ChatGPT: una
herramienta revolucionaria para la enseñanza y el aprendizaje de
matemáticas. Revista EURASIA de Educación en Matemáticas, Ciencias
y Tecnología, 19(7).
Xu, X., Wang, J., Peng, H., y Wu, R. (2019). Predicción del rendimiento
académico asociado ado con comportamientos de uso de Internet
utilizando algoritmos de aprendizaje automático. Computadoras en el
comportamiento humano, 98, 166-173.
Yilmaz, R., Yurdugül, H., Karaoglan Yilmaz, F. G., Sahin, M., Sulak, S., Aydin,
F., . . . Ömer, O. (2022). Smart MOOC integrated with intelligent tutoring:
A system architecture and framework model proposal. Computers and
Education: Artificial Intelligence, 3, Article 100092.
Zambrano, R. C., Romero, M. Y., Dávila, K. D., y Balarezo, C. B. (2023). Realidad
virtual y aumentada en la educación superior: experiencias inmersivas
para el aprendizaje profundo. Religación. Revista de Ciencias Sociales y
Humanidades, 8(37).
pág. 61
CAPÍTULO 4
Impacto de la Tecnología en la Educación Rural:
Innovaciones para Mejorar el Aprendizaje Escolar
Elizabeth del Carmen Ormaza Esmeraldas9, Eduardo Antonio
Caicedo Coello10, Rosa Elvira Panta Panta11 y Luis Fernando López
Ormaza12
RESUMEN
El estudio referente al impacto que las herramientas digitales en el campo de la
educación rural dentro de la provincia de Manabí Ecuador, en el Distrito 13D11,
se centró en explorar cómo las innovaciones tecnológicas pueden mejorar el
aprendizaje en entornos rurales. Se utilizaron métodos tanto cuantitativos como
cualitativos obteniendo un análisis completo y profundo de la situación. Se aplicó
una encuesta con escala de Likert a una muestra representativa de docentes y
estudiantes de unidades educativas rurales. Los datos recopilados a través de
esta encuesta proporcionaron información cuantitativa que permitió realizar un
estudio estadístico de los resultados, identificando desafíos, barreras y
oportunidades relacionadas con la implementación de herramientas tecnológicas
en la educación rural en Manabí. Estos resultados revelaron discrepancia entre
las expectativas y la realidad en relación con la tecnología educativa, con una
insatisfacción generalizada con los medios tecnológicos disponibles en estas
unidades educativas. Conjuntamente, se identificaron dificultades por la
insuficiencia de acceso a herramientas tecnológicas adecuadas y a
capacitaciones en los docentes. Se destaca la necesidad de abordar estos
desafíos de manera integral para maximizar el uso del potencial tecnológico en
la educación rural. Esta investigación aporta al entendimiento de cómo las
innovaciones tecnológicas ayudan a reducir la desigualdad entre las áreas
rurales y urbanas, fomentando la equidad en educación y las oportunidades en
la provincia de Manabí.
Palabras Claves: Analfabetización tecnológica, educación rural, equidad en la
educación, inclusión educativa, tecnología educativa.
Cita APA 7 ed.: Ormaza, E., Caicedo, E., Panta, R. y López, L. (2024) Impacto de la Tecnología
en la Educación Rural: Innovaciones para mejorar el aprendizaje escolar. En P.G. Gamboa y
D.O. Nieves (Coords.). Educación 5.0: Tendencias Tecnológicas Educativas Tomo I. Volumen 1.
(pp. 62-81). Editorial Racionalidades.
9
0000-0003-3768-3194 | Universidad Laica Eloy Alfaro de Manabí, Ecuador | [email protected]
0000-0003-3057-7591 | Universidad Laica Eloy Alfaro de Manabí, Ecuador | [email protected]
11
0009-0000-8621-5456 | Colegio Jama, Manabí. Ecuador | [email protected]
12
0000-0002-6944-6767 | Universidad Laica Eloy Alfaro de Manabí, Ecuador | [email protected]
10
pág. 62
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
INTRODUCCIÓN
La brecha digital persiste como uno de los mayores desafíos en la
educación, especialmente en contextos rurales donde el acceso a la tecnología
puede ser restringido, la provincia de Manabí situada en la costa oeste en
Ecuador, esta brecha se agudiza por diversos elementos debido quizás a la
dispersión geográfica, la poca infraestructura y los recursos limitados, la
tecnología ofrece un potencial transformador para abordar estas disparidades y
mejorar el aprendizaje escolar en las comunidades rurales.
La educación se encuentra bajo constante cambios en una sociedad en
rápida transformación, donde los procesos educativos luchan por adaptarse y
crecer al mismo ritmo (Ochoa & Salinas, 2022). Este desafío se intensifica en las
zonas rurales del Ecuador, históricamente relegadas por los gobiernos en favor
de las áreas urbanas, se han subestimado su papel crucial en la producción
agropecuaria y productiva, que constituye el verdadero motor de crecimiento del
país (Véliz & Zambrano, 2019).
El presente estudio se enfoca en examinar el impacto de la tecnología en
la educación rural de la provincia de Manabí, Ecuador en el Distrito 13D11 que
lo conforman los cantones Sucre con las parroquias urbanas Bahía de Caráquez,
Leonidas Plaza, rural Charapotó y San Isidro, el Cantón San Vicente con su
parroquia urbana San Vicente y rural San Andrés de Canoa, el propósito de la
investigación fue el de explorar las innovaciones que pueden potenciar el
proceso de enseñanza – aprendizaje en este contexto. La importancia de esta
investigación se origina en su contribución a la comprensión de cómo la
tecnología puede ser aprovechada de manera efectiva para disminuir la
desigualdad en la educación entre urbanas y rurales, fomentando así la igualdad
en el acceso a la educación y oportunidades en todos los sectores.
La integración digital ha generado transformaciones significativas en el
ámbito educativo y de aprendizaje, en los países desarrollados, se ha ampliado
el conjunto de habilidades básicas que se espera que los jóvenes adquieran en
la escuela, abarcando ahora una amplia gama de competencias necesarias para
desenvolvernos en el entorno digital contemporáneo (Vuorikari, 2022).
La incidencia tecnológica en la educación moderna señala que esta se ha
expandido sus expectativas en las destrezas y competencias que los estudiantes
deben desarrollar, anteriormente, las habilidades básicas se centraban en áreas
como lectura, escritura, aritmética, pero ahora se incluyen competencias
digitales necesarias donde se abordan retos del mundo actual tan cambiante.
Esto ha reflejado que se evolucione en el concepto de alfabetización, que ahora
abarca no solo la capacidad de leer y escribir, sino también el dominio de
recursos, competencias y habilidades tecnológicas, donde se participe
activamente dentro de la sociedad digital.
pág. 63
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
La responsabilidad del Estado es asegurar la permanencia y mejorar la
educación. Esta obligación implica potenciar la educación coeducativa,
garantizando siempre la excelencia, la expansión continua de la cobertura y el
adecuado equipamiento de las unidades educativas gubernamentales.
(Constitución del Ecuador, 2008, p. 20)
Conforme a la Ley Orgánica de Educación Intercultural (2016), en su
segundo capítulo establece las responsabilidades que tiene el Estado con
respecto a la educación:
El Artículo 6 de la LOEI establece el compromiso y garantía de la formación de
habilidades en las herramientas digitales, promoviendo el proceso de
enseñanza/aprendizaje, facilitando la docencia en cada uno de sus procesos.
Asimismo, se resalta la importancia del compromiso entre docentes, estudiantes
y padres de familia (pp.19-20).
Como resultado, los objetivos principales del estudio consisten en evaluar
el análisis de los docentes y discentes en relación con la práctica de las TIC en
las aulas, identificando las principales innovaciones tecnológicas aplicadas en
entornos rurales y proponiendo estrategias concretas para mejorar el proceso de
adquisición de conocimientos y habilidades en las Unidades Educativas de la
provincia de Manabí, específicamente en el Distrito 13D11. Este estudio
contribuye de manera efectiva al campo de la educación rural, proporcionando
información valiosa sobre cómo la innovación tecnológica puede aprovecharse
eficazmente para potenciar el aprendizaje en zonas vulnerables (rurales) de la
provincia de Manabí, Ecuador.
En consecuencia, Párraga (2021) manifiesta que la influencia de la
tecnología de la información y la comunicación (TIC) ha dejado una huella
significativa a nivel global, especialmente en el ámbito social y, de manera
destacada, en la esfera educativa. La utilización de herramientas tecnológicas
como recursos pedagógicos para contribuir a los logros de los objetivos
establecidos por parte de los docentes se ha convertido en una práctica
generalizada, los cambios observados en el escenario educativos han sido
impactantes, ya que el efecto de las herramientas tecnológicas está
estrechamente ligado a cómo se implementan y a los propósitos que se buscan
alcanzar, sobre todo en el marco del proceso educativo, la integración exitosa de
este sistema requiere la intervención activa de toda la comunidad educativa,
quienes deben contribuir en esta transformación de manera significativa.
En contexto Loor y García (2020) señalan que el uso de las Tics en la
educación trasciende la simple adquisición de equipos tecnológicos, los mismos
implican el uso adecuado de las herramientas para facilitar aprendizajes
significativos. En la educación, el incorrecto uso de las tecnologías puede
resultar en desinformación y desviación de los objetivos de enseñanza,
especialmente en áreas rurales donde los docentes tienen limitado acceso a
pág. 64
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
herramientas informática, en estos contextos algunos docentes prefieren
métodos de enseñanzas tradicionales, lo cual obstaculiza la evolución hacia una
educación más innovadora y eficaz.
El impacto de las Tics en las unidades educativas rurales en Manabí
Ecuador con respecto al Distrito 13D11 es un tema de gran relevancia que
requiere un análisis detallado para comprender su alcance y sus implicaciones,
en este sentido, es fundamental examinar cómo las innovaciones tecnológicas
están siendo utilizadas en las aulas rurales, mejorando el aprendizaje cada día
y desarrollando cada una de sus habilidades. Las áreas fundamentales en
investigar incluyen el acceso tecnológico en las comunidades rurales de Manabí,
incluyendo no solo la disponibilidad de dispositivos como computadoras y
tabletas, sino también la calidad de la conexión a internet e infraestructura
tecnológica dentro de las unidades educativas, la comprensión de estas
limitaciones y desafíos en este aspecto es fundamental para diseñar estrategias
efectivas de integración tecnológica.
Las herramientas tecnológicas actualmente experimentan una
transformación notable, convirtiéndose en un sistema de apoyo didáctico
contribuyendo a mejorar la calidad educativa. Según Aguilar (2012), mediante
este sistema los estudiantes pueden desarrollar habilidades investigativas al
mismo tiempo de acceder de manera rápida a la información, revolucionando de
esta manera la forma en que explora, asimila e interpreta el conocimiento. Por
otro lado, Baller (2016) enfatizan la importancia de aplicar la tecnología como
apoyo pedagógico para alcanzar los objetivos educativos en un contexto de
globalización, subrayando la necesidad de reflexionar profundamente sobre
cómo potenciar la educación a través de la actividad educativa, reconociendo
que la integración de los recursos tecnológicos en la educación permite llegar a
un mayor número de personas y aprovechar los beneficios que estos ofrecen.
Es fundamental considerar el empleo tecnológico en las unidades
educativas y su impacto en los estudiantes, incluyendo así el uso de programas
educativos, aplicaciones interactivas, de espacios tecnológicos en líneas y
herramientas de colaboración digital. Es crucial evaluar la efectividad de estas
herramientas para mejorar la comprensión de los temas escolares, fomentar la
participación estudiantil y desarrollar habilidades digitales.
Los sistemas educativos deben estar mejor capacitados para utilizar y
enseñar sobre tecnología digital, además de implementar plataformas que
beneficien a todos los estudiantes, profesores y empleados administrativos,
promoviendo su uso en la enseñanza. Es crucial compartir de manera más
amplia evidencia imparcial que demuestre cómo estas herramientas facilitan la
educación en ciertos lugares, junto con ejemplos positivos de su aplicación, para
que se pueda seleccionar el enfoque óptimo para su implementación en cada
pág. 65
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
contexto educativo. (Organización de las Naciones Unidas para la Educación,
2023).
Es importante tener presente la preparación continua de los profesores en
la utilización de la tecnología en la educación, es fundamental que los maestros
conozcan a detalle la utilización de estas en las aulas de clases, y la forma de
integrarlas eficientemente en la práctica pedagógica implicando la necesidad de
completar programas de formación. La capacitación continua garantiza a los
docentes la eficiencia en las aulas de clase. El análisis sobre la educación en las
zonas rurales en Manabí de manera especial en el Distrito 13D11; identifica las
barreras, dificultades, necesidades y expectativas que tiene la comunidad
educativa en general con respecto a la integración digital.
El desarrollo de este estudio implica una exploración exhaustiva de
diversos aspectos relacionados con el impacto de la tecnológica en las unidades
educativas rurales de Manabí, desde el acceso y uso de la tecnología hasta el
aprendizaje continuo de los docentes y las apreciaciones de la comunidad
educativa, cada aspecto contribuye a comprender mejor cómo las innovaciones
tecnológicas pueden ser aprovechadas para mejorar el aprendizaje escolar en
contextos rurales.
Según Astudillo (2018), el papel esencial de las tecnologías de la
información radica en fortalecer y transformar las prácticas educativas, en este
sentido, se destaca la importancia de las mismas que se integran plenamente en
las redes de aprendizaje, donde todos los actores involucrados sean
considerados iguales. De igual manera, Cabero (2003) argumenta que el objetivo
no es simplemente aumentar el uso de la tecnología, beneficia de manera
positiva a los estudiantes y su aprendizaje seguirá siendo de calidad.
La era de la digitalización integra de manera efectiva en la educación
teniendo un papel preponderante en la formación de los estudiantes, los
formadores que utilizan las Tics en las aulas de clases benefician el contenido
de planificación, fomentando el desarrollo de las habilidades digitales de la
sociedad actual.
Es esencial que los educadores se capaciten constantemente en el uso
de las herramientas, ya que esto les permite ser competitivos a las necesidades
cambiantes del medio educativo y ofrecer experiencias de aprendizajes más
dinámicas y relevantes, cuando las unidades educativas cuentan con
infraestructura tecnológica esta capacitación se vuelve más crucial ya que los
recursos están disponibles y listos para ser aprovechados en beneficio del
proceso educativo. Los docentes capacitados pueden utilizar esta infraestructura
para diversificar sus métodos de destrezas promoviendo la participación activa
de los discentes.
pág. 66
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
En el contexto ecuatoriano, se están realizando esfuerzos para reducir la
diferencia entre zonas urbanas y rurales, presentando las problemáticas
cruciales como superar las barreras educativas, ampliación de las competencias
docentes, sin embargo, persisten retos significativos, como alinear las mallas
curriculares con las realidades rurales, mejorar, el acceso y la calidad educativa,
e implementar infraestructura y tecnologías adecuadas. Estos desafíos requieren
una inversión continua en la formación docente, así como una atención prioritaria
a la educación inicial, para garantizar un desarrollo equitativo y sostenible de
todo el país (Calderón, 2015).
El uso efectivo de las herramientas digitales en clase eleva el proceso
educativo de manera eficaz, preparando a los estudiantes en los desafíos del
mundo actual, los docentes que utilizan herramientas tecnológicas mejoran el
aprendizaje de los estudiantes, sus habilidades en la aplicación de las misma y
mejoran las necesidades individuales de cada uno de ellos, ayudando así a tener
una educación inclusiva, implementado el uso de las herramientas digitales en
clase, fomentando la colaboración, promoviendo el pensamiento crítico y
creativo, cultivando las habilidades de resolución de problemas.
De acuerdo con Tokan (2019) manifiesta que la excelencia en las
instituciones de educación no solo depende de la calidad de los profesores, sino
también de las instalaciones y la infraestructura. Tayo et al. (2016) define la
infraestructura educativa como el conjunto de recursos materiales y no
materiales que se emplean para apoyar la enseñanza y el aprendizaje. Beltrán
(2015) señala que, en la actualidad la tecnología se ha convertido en un
elemento fundamental en diversas áreas de la vida cotidiana, en este sentido la
tendencia de integrar la educación y el uso de la tecnología en el contexto
educativo facilita la comunicación del docente, el intercambio de entornos de
enseñanzas y la evaluación del estudiantado.
Es fundamental destacar el valor de los recursos en todos sus aspectos
para garantizar la calidad en la educación, aunque los docentes desempeñan un
papel crucial también es esencial garantizar un entorno educativo óptimo e
instalaciones adecuadas que respalden eficazmente los procesos de habilidades
y conocimientos. Subrayando la importancia de una inversión integral
desarrollando tanto el personal docente, logrando una educación de calidad y
equitativa.
Es importante resaltar el valor de los recursos en todos sus aspectos en
calidad de la educación, los docentes juegan un papel fundamental, pero para
garantizar un entorno educativo óptimo, también es crucial contar con
instalaciones adecuadas y una infraestructura que respalde eficazmente los
procesos de conocimientos y habilidades. Esto subraya la necesidad de una
inversión integral en el desarrollo tanto del personal docente como de las
instalaciones educativas para lograr una educación de calidad y equitativa.
pág. 67
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
Sin embargo, para que estas ventajas se materialicen plenamente, es
fundamental que los docentes conozcan y estén preparados adecuadamente
con la utilización de herramientas digitales, cuando las infraestructuras de las
unidades educativas las implementen para todos, la capacitación del personal
se convierte en un recurso valioso que puede maximizar de manera conveniente
las competencias digitales en los estudiantes.
La investigación permitió evaluar el impacto de las Tics en la educación
rural en el Distrito 13D11 en la provincia de Manabí, identificando las
innovaciones que podrían mejorar el aprendizaje en este contexto específico, el
estudio de las percepciones de estudiantes y docentes referente a la aplicación
de las tecnologías en el aula abarca evaluar las actitudes positivas como las
posibles resistencias o desafíos asociados con las mismas en los entornos
rurales. Los discernimientos de los actores involucrados que involucran de
manera exitosa la tecnología en el proceso educativo amplían el conocimiento y
habilidades de los gestores.
Identificar las principales innovaciones tecnológicas aplicadas en las
unidades educativas rurales se incluye tanto herramientas específicas, como
aplicaciones y plataforma digitales, como enfoques pedagógicos innovadores
que aprovechan la tecnología para mejorar el aprendizaje, identificar estas
innovaciones permitirá obtener buenas prácticas y modelos exitosos que puedan
ser explicados en otras comunidades rurales. Las innovaciones tecnológicas
contribuyen a mejorar la comprensión de los temas educativos, fomentar la
participación estudiantil y el desarrollo de habilidades digitales entre los
estudiantes rurales de Manabí en el Distrito 13D11.
En otro análisis referente al impacto directo en el aprendizaje, se llega a
comprender cómo las innovaciones tecnológicas pueden afectar otros aspectos
del entorno educativo, como la motivación de los docentes, la asistencia entre
pares y la relación entre estudiantes y docentes, este análisis permite identificar
posibles beneficios adicionales de la integración tecnológica en las escuelas
rurales. Las estrategias proponentes concretas mejoran el proceso educativo
con respecto a la tecnología aprovechando las oportunidades existentes,
además de promover a la implementación efectiva y sostenible de la tecnología,
esperando en sí la contribución al desarrollo de prácticas educativas más
inclusivas, equitativas y efectivas en las zonas rurales de la provincia de Manabí.
METODOLOGÍA
Para llevar a cabo este estudio de esta investigación se utilizaron métodos
tanto cuantitativos como cualitativos, se obtuvo una comprensión completa y
profunda de la situación, abordando tantos aspectos cuantificables como los
discernimientos y las experiencias de cada uno de los actores involucrados,
pág. 68
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
mediante el software SPSS V. 26 se realizó la validación de la fiabilidad del
instrumento.
Se aplicó encuesta con escala de Likert a una muestra representativa de
400 discentes y 256 docentes de las Unidades Educativas rurales en Manabí
Distrito 13D11, encuesta orientada a evaluar a los participantes sobre el uso de
la tecnología en el aula, evaluando la efectividad en el conocimiento, habilidades
y su impacto al desarrollo de aprendizajes en los discentes, los datos recopilados
a través de esta encuesta proporciona información cuantitativa que permitió
realizar un estudios estadístico de la investigación obteniendo los resultados de
los posibles desafíos, barreras y oportunidades relacionadas con la integración
tecnológicas en el contexto educativo rural de Manabí.
Resultados de la valoración del Impacto de las herramientas tecnológicas
en la educación Rural
Los resultados presentados a continuación permiten verificar la fiabilidad
del instrumento aplicado en un estudio de factibilidad, utilizando el sistema SPSS
para el análisis de datos, los resultados reflejan la consistencia interna del
cuestionario, lo que asegura que las mediciones obtenidas son confiables y
adecuadas para futuras investigaciones. La implementación del análisis
estadístico mediante SPSS v.26 refuerza la validez del estudio facilitando
información sólida en la implementación de la tecnología en la educación rural.
Tabla 1
Fiabilidad estadística
Estadística
Alfa de Cronbach
Alfa de Cronbach de elementos tipificados
Número de elementos
Coeficiente de Correlación Intraclase (ICC)
Valor Calculado
,85
,85
4
,8
En el estudio de los datos obtenidos del instrumento aplicado a
estudiantes de la zona rural del Distrito 13D11, se revela un alto grado de firmeza
interna en las objeciones, como lo indica la confiabilidad Alfa Cronbach de 0.85.
Indicando que las preguntas del cuestionario fueron coherentes y midieron de
manera fiable el impacto de las herramientas digitales en la educación rural. El
Coeficiente de Correlación Intraclase (ICC) de 0.80 revela una buena
concordancia entre los ítems, lo que refuerza la homogeneidad de las
respuestas. Estos resultados reflejan que los estudiantes perciben de manera
consistente el impacto de las Tics en la educación, siendo parte clave para
interpretar el instrumento adecuado para medir este fenómeno. Sugiriendo que
la tecnología tiene un impacto positivo en la educación en estas áreas, lo que es
pág. 69
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
crucial para la aplicación de políticas en la educación que aborden las
necesidades específicas de los entornos rurales.
En la categoría de la encuesta dirigida a los estudiantes, se evaluaron las
percepciones de los encuestados sobre el impacto de la tecnología en la
educación rural: innovaciones para mejorar el aprendizaje escolar, tal como se
refleja en la siguiente tabla.
pág. 70
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para mejorar el aprendizaje escolar
Tabla 2
Instrumento aplicado a estudiantes de la zona rural del Distrito 13D11
Interrogantes
1
2
3
La
tecnología
en la
educación
rural está
bien
adaptada a
nuestras
necesidades
y recursos
Estoy
satisfecho
con la
cantidad de
tecnología
disponible
en mi
Institución
Educativa
para el
aprendizaje.
La
tecnología
utilizada en
las
asignaturas
Frecuencia (F)
Neutral
De
acuerdo
Totalmente
en
desacuerdo
En
desacuerdo
342
29
21
331
17
0
0
Porcentaje (%)
Neutral
De
acuerdo
Totalmente
de acuerdo
Total
F
Totalmente
en
desacuerdo
En
desacuerdo
Totalmente
de acuerdo
Total
%
7
1
400
85,50
7,25
5,25
1,75
0,25
100,00
31
9
12
400
82,75
4,25
7,75
2,25
3,00
100,00
8
82
310
400
0,00
0,00
2,00
20,50
77,50
100,00
pág. 71
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el Aprendizaje Escolar
4
en el aula
mejorará mi
comprensión
de los temas
escolares.
La
tecnología
ayudará a
que las
clases sean
más
interesantes
y
participativas
0
0
4
67
329
400
0,00
0,00
1,00
16,75
82,25
100,00
Fuente: Encuesta aplicada a Estudiantes de la zona rural Distrito 13D11
pág. 72
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
Los resultados de la encuesta revelaron una discrepancia significativa
entre las percepciones actuales y las expectativas en relación con la tecnología
educativa en la educación rural, aunque la mayoría de los participantes
estuvieron de acuerdo en que la tecnología puede mejorar la comprensión de los
temas generalizados con la cantidad y adaptación actual de la tecnología en el
entorno educativo. Específicamente, 85,50% de los encuestados estuvieron
totalmente en desacuerdo con la afirmación de que la tecnología en la educación
rural está bien adaptada a sus necesidades y recursos, del mismo modo, el
82,75% expresaron su insatisfacción con la cantidad de tecnología disponible en
las unidades educativas en el aprendizaje.
Gráfico 1
Adaptación de la tecnología en la zona rural
Fuente: Encuesta aplicada a Estudiantes de la zona rural del Distrito 13D11
Los datos investigativos abordan las necesidades y dificultades en la
infraestructura tecnológica y el desarrollo de estrategias efectivas para
implementar las herramientas digitales eficazmente en las escuelas rurales. El
reconocimiento potencial de las Tics debe estar adaptadas a las necesidades y
recursos específicos de la comunidad educativa. La investigación empleó una
base consistente para estudios futuros, detallando que el empleo de las
tecnologías en las distintas unidades educativas de las zonas rurales repercute
de manera efectiva.
pág. 73
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
Tabla 3.
Estadísticos de fiabilidad
Estadística
Alfa de Cronbach
Alfa de Cronbach de elementos tipificados
Número de elementos
Coeficiente de Correlación Intraclase (ICC)
Valor Calculado
,88
,88
4
,82
El análisis de los resultados muestra una aceptación del Alfa de Cronbach
de 0.88, que supera el umbral de 0.70 considerado adecuado para instrumentos
confiables, proponiendo que los ítems incluidos en la evaluación son coherentes
entre sí. Además, el Coeficiente de Correlación Intraclase (ICC) de 0.82 refuerza
la idea de fiabilidad, evidenciando que las respuestas de los docentes presentan
un alto grado de acuerdo. Con solo 4 elementos en el instrumento, los resultados
destacan la importancia que tienen las herramientas digitales en la educación
rural. Estos hallazgos sugieren que el instrumento es adecuado para estudios
posteriores o ampliaciones.
La respuesta correspondiente, basada en el instrumento aplicado a los
docentes de la zona rural del Distrito 13D11, se refiere a las percepciones de los
encuestados sobre la existencia y efectividad del impacto de las herramientas
digitales en la educación de las zonas rurales: innovaciones para mejorar el
aprendizaje escolar, arrojando resultados como los siguientes:
pág. 74
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el Aprendizaje Escolar
Tabla 4
Instrumento aplicado a Docentes de la zona rural del Distrito 13D11
Frecuencia (F)
Interrogantes
1
2
3
La
tecnología
ayuda a
superar las
barreras
geográficas
y de acceso
a recursos
educativos
en la
educación
rural.
Existe centro
tecnológico
adecuado en
la Unidad
Educativa
donde
labora.
Utiliza usted
herramientas
tecnológicas
con los
estudiantes
cuando
Porcentaje (%)
Totalmente
en
desacuerdo
En
desacuerdo
Neutral
De
acuerdo
Totalmente
de acuerdo
Total
F
Totalmente
en
desacuerdo
En
desacuerdo
Neutral
De
acuerdo
Totalmente
de acuerdo
Total
%
0
0
0
32
224
256
0,00
0,00
0,00
12,50
87,50
100,00
193
43
10
2
8
256
75,39
16,80
3,91
0,78
3,13
100,00
180
37
28
2
9
256
70,31
14,45
10,94
0,78
3,52
100,00
pág. 75
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el Aprendizaje Escolar
4
impacta su
asignatura.
La
capacitación
en el uso de
la tecnología
es adecuada
para los
docentes en
entornos
rurales.
221
25
8
0
2
256
89,33
9,77
3,13
0,00
0,78
100,00
Fuente: Encuesta aplicada a Docentes de la zona rural del Distrito 13D11
La incorporación de las tecnologías en la educación rural es esencial para optimizar y promover el crecimiento en las
comunidades, la incorporación enfrenta numerosos desafíos, incluido la disponibilidad de los recursos, capacitación docente y la
superación de barreras geográficas.
Cuando los desafíos educativos encuentran respuestas en el empleo de la tecnología de la información, se evidencia
verdaderamente el papel que desempeña la tecnología en la educación, es decir, en el uso de computadoras y otros dispositivos de
telecomunicación para almacenar, transmitir y manipular datos, en este caso se entiende que la tecnología educativa implica la
utilización de dispositivos tecnológicos con fines educativos (Castro, 2016).
pág. 76
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
Gráfico 2
Utilización de las Tics en el aula de clase
Las Tics en las aulas rurales
Totalmente en desacuerdo
70%
En desacuerdo
14%
Neutral
11%
De acuerdo
1%
Totalmente de acuerdo
4%
0%
10%
20%
30%
40%
50%
60%
70%
80%
Fuente: Encuesta aplicada a Docentes de la zona rural del Distrito 13D11
Los resultados de la encuesta revelan un recogimiento generalizado del
potencial de la tecnología para superar barreras geográficas y mejorar el acceso
a recursos educativos en entornos rurales, con el 87,50% de los encuestados
totalmente de acuerdo con esta afirmación. Sin embargo, existe una
insatisfacción generalizada con la disponibilidad de centros tecnológicos
adecuados en las unidades educativas, ya que el 75,39% de los encuestados,
manifiestan estar en desacuerdo y totalmente desacuerdo dando así una total
afirmación. La implementación de las Tics por los profesores en el aula necesita
cambios, ya que el 70,31% de los encuestados en respuesta en desacuerdo y
en totalmente en desacuerdo con esta afirmación. Por otro lado, hay una
percepción negativa sobre la calidad de la capacitación en tecnología para el
personal educativo en entornos rurales, con el 86,33% de los encuestados
totalmente desacuerdo con esta afirmación, lo que sugiere que se debe realizar
un mejor trabajo en este sentido.
DISCUSIÓN
Un aspecto importante a considerar son los diferentes accesos y
experiencias tecnológicas entre las zonas rurales y urbanas en Manabí, si bien
se observan avances en la incorporación de la tecnología en las áreas urbanas,
las comunidades en ruralidad enfrentan desafíos adicionales relacionados con la
conectividad, la infraestructura y los recursos disponibles. En relación, Amuha
pág. 77
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
(2023) manifiesta que los sistemas de información para la gestión educativa
están ampliando la variedad y origen de datos que utilizan, la tecnología digital
tiene el potencial de respaldar iniciativas para mejorar la integración,
disponibilidad, intercambio, frecuencia y detalle de los datos.
La implementación de tecnologías en las instituciones educativas requiere
de entornos que fomenten tanto los nuevos procesos de conocimiento como la
participación en su construcción y desarrollo, implicando una colaboración mutua
entre todos los actores involucrados (Coll, 2008). La relación de las herramientas
digitales en la educación avanza aceleradamente y no es solo una herramienta,
para convertirse en un facilitador del proceso de construcción del conocimiento,
sino también de crear entornos educativos que no solo permitan la adopción de
tecnologías, sino que también fomenten la participación de docentes,
estudiantes y administradores.
La tecnología brinda mejores oportunidades en la educación rural,
mejorando el aprendizaje, su implementación efectiva aborda desafíos como el
poco acceso a las bases tecnológicas adecuada, la capacitación insuficiente de
los docentes y las disparidades entre las zonas que conforman la provincia.
La integración de estos desafíos es el de potenciar las Tics transformando
y mejorando el aprendizaje escolar en comunidades rurales. El derecho a la
educación ha destacado la implementación del derecho a la educación que debe
adaptarse a las necesidades de todas las personas, garantizando su acceso,
dominio y utilización de la tecnología como una herramienta formativa y efectiva
en calidad de los procesos productivos. (Consejo de los Derechos Humanos de
las Naciones Unidades, 2022).
CONCLUSIÓN
De acuerdo a los datos obtenidos en este estudio referente al impacto de
las Tics en las unidades educativas rurales del Distrito 13D11, se extrae varias
conclusiones significativas, se observa una percepción generalmente positiva
tanto por los estudiantes como en docentes hacia el uso de la tecnología en el
aula. Esto sugiere la importancia y viabilidad de las herramientas digitales para
mejorar el proceso de conocimientos y habilidades, enriqueciendo la experiencia
educativa en las zonas rurales.
Sin embargo, también se identificaron diversos desafíos y limitaciones con
la ejecución efectiva de la digitalización en la educación rural en Manabí, unos
de los principales desafíos es la adecuación de infraestructura tecnológica
adecuada y de calidad. Esto limita el alcance y la efectividad de las iniciativas
tecnológicas en el ámbito educativo rural, dificultando la integración completa en
el currículum escolar.
pág. 78
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
Para abordar los desafíos las Tics en las unidades educativas rurales de
Manabí, futuras investigaciones se podrían centrar en la efectividad tecnológica
educativa, evaluar así la calidad de la tecnología influye en el rendimiento
académico, también sería valioso explorar el desarrollo y la adaptación de
recursos digitales específicos para contextos rurales, superando las limitaciones
de acceso, investigar modelos de integración tecnológica en el modelo
educacional que incluyan estrategias para superar barreras de infraestructura y
capacitar a los docentes, así como el apoyo comunitario
En la investigación, se observa la necesidad urgente de seguir
fortaleciendo la capacitación continua de los docentes en el uso efectivo y con
calidad de la tecnología, incorporando las competencias necesarias
pedagógicamente en lo digital, el desconocimiento de estas limita el
conocimiento de integrar habilidades en los educandos.
REFERENCIAS
Aguilar, M. (2012). Aprendizaje y Tecnologías de Información y Comunicación:
Hacia nuevos escenarios educativos. Revista Latinoamericana de
Ciencias
Sociales,
Niñez
y
Juventud,
801-8011.
https://www.redalyc.org/pdf/773/77323978002.pdf
Amuha, M. (2023). A digital platform ecosystem approach to EMIS strengthening.
Background paper for Global Education Monitoring Report 2023, 133.
https://doi.org/10.54676/PQSS8201
Astudillo, M., Pinto, B., Arboleda, M., & Anchundia, Z. (2018). Aplicación de las
TIC como herramienta de aprendizaje en la Educación Superior.
RECIMUNDO,
2(2),
585-598.
https://doi.org/10.26820/recimundo/2.(2).2018.585-598
Baller, S., Dutta, S., & Lanvin, B. (2016). Informe mundial sobre tecnología de la
información 2016. Ouranos Ginebra. https://cerlalc.org/publicaciones/theglobal-information-technology-report-2016/
Beltrán, A., Guillermo, M., Martín, M., & Trejo, M. (2015). La tecnología educativa:
un área por concretar en una facultad del sureste de México. Innovación
educativa
(México,
DF),
15(69),
99-114.
http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S166526732015000300007&lng=es&tlng=es
Cabero, J. (2003). Replanteando la tecnología educativa. Comunicar, 23-30.
https://doi.org/10.3916/C26-2003-01-003
Calderón, A. (2015). Situación de la educación rural en Ecuador. Documento de
trabajo
N°
5
Series
de
asistencia
técnica.
pág. 79
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
https://d.documentop.com/situacion-de-la-educacion-rural-en-ecuadorvvob-ecuador_5a047d521723ddf4273acf7a.html
Castro, J. (2016). La educación superior del Ecuador. Conferencia realizada en
el
Instituto
Tecnológico
Bolivariano
de
Tecnología
(ITB).
https://revistas.uia.ac.cr/index.php/innovacionu/article/view/9
Coll, C. (2008). Análisis de los usos reales de las TIC en contextos educativos
formales: una aproximación sociocultural. Revista Electrónica de
Investigación Educativa, 10.
Constitución de la República del Ecuador. (2008). Asamblea Nacional
Constituyente.
https://www.oas.org/juridico/pdfs/mesicic4_ecu_const.PDF
Consejo de Derechos Humanos de las Naciones Unidas. (2022). Consejo de
Derechos Humanos de las Naciones Unidas. Organización de las
Naciones Unidas para la Educación, la Ciencia y la Cultura, 146.
https://unesdoc.unesco.org/ark:/48223/pf0000381560
Ley Orgánica de Educación Intercultural. (2016). Ley Orgánica de Educación
Intercultural.
https://educacion.gob.ec/wpcontent/uploads/downloads/2017/05/Ley-Organica-EducacionIntercultural-Codificado.pdf
Loor, M., & García, C. (2020). Uso de las TIC como estrategia de enseñanza
para docentes de Educación General Básica en la zona rural. Revista
Científica
Dominio
de
la
Ciencia.
https://dialnet.unirioja.es/servlet/articulo?codigo=7504265
Ochoa, M., & Salinas, M. (2022). La transformación de la Educación Superior:
procesos de evaluación un camino hacia la mejora continua. Revista
CONAIC
Tecnología
Educativa.
https://terc.mx/index.php/terc/article/view/252/232
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura.
(2023). Informe de Seguimiento de la Educación en el Mundo (GEM) 2023,
28. https://doi.org/10.54676/NEDS2300
Párraga, S. (2021). Las TIC como ayuda pedagógica en los resultados docentes
del nivel de básica superior. Polo del Conocimiento: Revista científico profesional,
1210.
https://polodelconocimiento.com/ojs/index.php/es/article/view/3323
Tayo, O., Thompson, R., & Thompson, E. (2015). Impact of the digital divide on
computer use and internet access on the poor in Nigeria. Journal of
Education and Learning, 5(1), 1-10. https://doi.org/10.5539/jel.v5n1p1
pág. 80
[Capítulo 4] Impacto de la Tecnología en la Educación Rural: Innovaciones para Mejorar el
Aprendizaje Escolar
Tokan, M., & Imakulata, M. (2019). The effect of motivation and learning
behaviour on student achievement. South African Journal of Education,
39(1), 1-8. https://doi.org/10.15700/saje.v39n1a1510
Véliz, F., & Zambrano, R. (2019). Zona rural y su nueva visión de la educación
superior
en
Ecuador.
Revista
Espacios.
https://www.revistaespacios.com/a19v40n08/a19v40n08p10.pdf
Vuorikari, R. (2022). The Digital Competence Framework for Citizens.
Publications
Office
of
the
European
Union.
https://publications.jrc.ec.europa.eu/repository/handle/JRC128415
pág. 81
CAPÍTULO 5
Las TIC en el Marco de la Escuela Rural desde la
Perspectiva del Alumnado
Óscar Gómez-Jiménez13 e Inmaculada Bautista-Gil14
RESUMEN
El uso efectivo de recursos tecnológicos en entornos rurales sigue siendo una
tarea pendiente, principalmente debido a las características peculiares de estos
contextos. A pesar de ello, es innegable que los estudiantes de estos entornos
se encuentran inmersos en un mundo digital en constante evolución, donde la
tecnología no solo es omnipresente, sino que también desempeña un papel
fundamental en su vida diaria. El objetivo de esta investigación es examinar
cómo los estudiantes matriculados en centros educativos rurales valoran su
propio dominio y uso de los recursos tecnológicos disponibles. Para alcanzar
este objetivo, se ha diseñado y administrado un cuestionario que aborda diversos
aspectos cruciales relacionados con el uso de las Tecnologías de la Información
y la Comunicación (TIC) en el ámbito escolar rural. Los resultados obtenidos
revelan que los estudiantes rurales tienen una percepción positiva de sus
habilidades tecnológicas, lo que sugiere un nivel adecuado de competencia en
este aspecto. Sin embargo, también se constata una baja integración de las TIC
en el entorno educativo rural. Esto se debe a diversas razones, como la falta de
acceso a infraestructuras tecnológicas adecuadas o limitaciones en la formación
del profesorado en el uso efectivo de la tecnología. Aunque se reconoce el
potencial de la tecnología para mejorar la educación en entornos rurales, es
fundamental abordar estas cuestiones para garantizar que los estudiantes
rurales puedan beneficiarse plenamente de las oportunidades que ofrece la
tecnología en el proceso de enseñanza y aprendizaje.
Palabras Clave: Escuela rural; Digitalización educativa; Innovación tecnológica;
Pedagogía rural; TIC.
Cita APA 7 ed.: Gómez-Jiménez, O. y Bautista-Gil, I. (2024) Las TIC en el marco de la escuela
rural desde la perspectiva del alumnado. En P.G. Gamboa y D.O. Nieves (Coords.). Educación
5.0: Tendencias Tecnológicas Educativas Tomo I. Volumen 1. (pp. 82-94). Editorial
Racionalidades.
13
0000-0002-6581-4481 | Universidad Internacional de Valencia (VIU), España |
[email protected]
14
0000-0002-0414-7857 | Universidad de Castilla-La Mancha, España | [email protected]
pág. 82
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
INTRODUCCIÓN
La escuela rural, como institución educativa, se conceptualiza como un
entramado complejo formado a partir de la agrupación de varias unidades o
centros educativos unitarios y que, por su naturaleza, abarca una extensa área
geográfica que engloba diversas localidades (Ponce et al., 2013; Gómez &
Bautista, 2023).
Sus circunstancias, sus características y el escenario particular en el que se
desarrolla influyen significativamente en el diseño y configuración del modelo
educativo, así como en el desarrollo del proceso de enseñanza y aprendizaje, como
señalan Hannum (2020) y García (2021). Estos elementos fundamentales son el
punto de partida para la elaboración de los documentos programáticos del centro
y del modo de actuar de toda la comunidad educativa.
Si centramos la atención sobre los recursos materiales, encontramos que
las Tecnologías de la Información y la Comunicación (TIC) suponen un recurso
compensatorio aportado por las Comunidades Autónomas para el desarrollo
educativo (Villagrá, et al., 2013; García, et al., 2017; Álvarez, et al., 2020).
Su incorporación en el contexto educativo rural conlleva una
transformación de los modelos metodológicos, especialmente aquellos
enfocados a la inclusión de recursos tecnológico-curriculares dentro de las
prácticas pedagógicas (Ibarra, et al., 2017; Abós, et al., 2021; Carrete &
Domingo, 2023). Boix y Bustos (2014), así como Rodríguez y Saavedra (2018)
suponen el recurso con mayor presencia y notoriedad dentro del contexto
escolar, pero su implementación e integración en las prácticas educativas sigue
siendo inferior a lo deseado (Raso et al., 2014).
A la valoración dicotómica de la correcta dotación de recursos TIC en el
seno de los centros (González, et al., 2021), encontramos deficiencias y
carencias en aquellos aspectos asociados de relevancia como son el acceso a
las redes de conexión, su inestabilidad o la baja velocidad de navegación (Díez
& Gajardo, 2022), lo cual impacta negativamente en su uso, llegando a
encontrarse núcleos educativos sin acceso tecnológico debido a estos
problemas.
La dotación de recursos no conlleva su correcto uso pedagógico. Es
necesaria una formación tecno pedagógica docente (Balladares & Valverde,
2022) y un nivel suficiente de competencia digital para poder implementar los
recursos tecnológicos en situaciones de aprendizaje innovadoras. Las TIC no
suponen una solución metodológica en sí mismas (Cariaga, 2018), sino que han
de ir acompañadas con cambios progresivos en la motivación, formación y
adquisición de competencias de los docentes (Carrete & Domingo, 2023).
Son múltiples las evidencias respecto a la competencia digital del
profesorado (Jiménez et al., 2021; García et al., 2021; Marimón, et al., 2023; Paz
pág. 83
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
& Gisbert, 2023), pero si dirigimos la mirada hacia el uso que hace el alumnado
de los recursos tecnológicos, son mínimos los estudios que recogen el desarrollo
competencial digital del alumnado, especialmente en la etapa de Educación
Primaria.
Dentro de la muestra de estudios de este ámbito, encontramos diferencias
sustanciales en las habilidades y el uso de la tecnología en el alumnado. Amor y
Serrano (2019) indican que el 75% del alumnado de Educación Primaria muestra
un buen nivel en el uso y dominio de las TIC, que contrasta con los resultados
obtenidos por Baeza et al., (2022) que obtienen un nivel medio-bajo en el uso de
los recursos tecnológicos por parte del alumnado o el estudio realizado por
Peñalva y Napal (2019) al respecto, los cuales evidencian que el alumnado se
siente más competente en el uso de las TIC que el profesorado.
Aunque existen investigaciones que sugieren que la autopercepción de
los estudiantes puede conllevar unos resultados erróneos debido a una posible
sobrevaloración individual de sus habilidades y competencias (Paredes, et
al.,2019; Baeza, et al., 2022), consideramos que el alumnado representa una
valiosa fuente de información. Es común que los docentes subestimemos el nivel
real de dominio tecnológico de nuestro alumnado, especialmente en el entorno
rural, pero debemos de contemplar que el uso digital se extiende fuera del
contexto aula (Pérez, 2018).
A partir de esta conceptualización, el objetivo de este estudio consiste en
examinar la autovaloración que tiene el alumnado matriculado en centros
educativos rurales en cuanto al uso de los recursos tecnológicos.
METODOLOGÍA
Este estudio es de tipo cualitativo descriptivo y tiene como objetivo
recopilar información sobre la percepción del alumnado sin alterarla ni realizar
modificaciones. Para lograr esto, se llevó a cabo una revisión bibliográfica sobre
la temática de estudio y se diseñó un cuestionario ad hoc, compuesto por once
preguntas de tipo mixto, como se refleja en la Tabla 1, que abordan todos los
aspectos relevantes del uso de las Tecnologías de la Información y la
Comunicación en el contexto escolar.
pág. 84
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
Tabla 1
Cuestionario elaborado
Cuestionario de autopercepción del alumnado escolarizado en CRAs
¿Cuántos años tienes?
De las siguientes frases, elige la mejor opción para ti
a) Me identifico como niño
b) Me identifico como niña
c) No soy un niño ni una niña
d) No lo sé/no quiero contestar
Contesta a las siguientes preguntas
¿Qué dispositivos tienes en casa?
¿Qué aplicaciones, páginas webs o redes sociales utilizas?
¿Qué actividades digitales utilizas en clase?
De las siguientes frases, responde marcando con una X en Si o No
Si
No
Utilizo programas para crear documentos y textos
Conozco como modificar y crear imágenes
Utilizo aplicaciones o programas para crear videos
Uso programas online para realizar mis trabajos
Me comunico con mis compañeros/as y profesores/as a través de plataformas
digitales
Participo en proyectos escolares en los que se usan ordenadores
Utilizamos el kit de Chroma para realizar trabajos en clase
Utilizamos la radio escolar
Participamos en proyectos de robótica en el colegio
Fuente: Elaboración propia.
Las preguntas abiertas se centran en los dispositivos tecnológicos que el
alumnado posee, las aplicaciones o herramientas de navegación que utilizan y
las actividades digitales que realizan en el aula. Estas preguntas están diseñadas
para proporcionar una imagen clara de si la percepción en competencia digital
se corresponde con la realidad tecnológica en la que se vive. La segunda parte
del cuestionario consta de ocho preguntas dicotómicas de respuesta si/no, que
se centran en el uso escolar de los recursos TIC en el ámbito escolar para la
creación de contenidos y el empleo de herramientas digitales.
Tras definir los objetivos de la investigación y realizar una revisión
exhaustiva de la literatura (Gamíz, 2016; Martínez-Serrano, 2018), se procedió
a una primera revisión del cuestionario. La consistencia interna del cuestionario
diseñado se evaluó mediante el cálculo de la validez y la fiabilidad. Para
garantizar este aspecto, se sometió a la evaluación de expertos y se validó
utilizando el coeficiente Alfa de Cronbach, lo que ha otorgado una fiabilidad de
0.926.
pág. 85
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
La muestra se seleccionó mediante un método no probabilístico, con un
total de 92 participantes, de los cuales el 43.47% (n=40) se identifican con el
género masculino y el 56.53% (n=52) se identifican con el género femenino. La
edad de los encuestados osciló entre los 10 y los 11 años, con una edad media
de 10.75 años.
El cuestionario se administró durante los meses de diciembre de 2023
hasta abril de 2024, en centros educativos ubicados en la Comunidad Autónoma
de Castilla-La Mancha (España). La duración aproximada de la aplicación del
cuestionario fue de veinte minutos, asegurando en todo momento el anonimato
y la confidencialidad de los datos. Además, no se estableció ninguna correlación
entre los datos obtenidos y los centros educativos participantes.
En cuanto al procesamiento de los datos, la información recopilada y los
cuestionarios se han organizado en una base de datos utilizando el programa
Microsoft Excel y luego se han importado al software estadístico JAMOVI en su
versión 2.4.7. (Ibáñez, et al., 2023) para llevar a cabo el análisis estadístico
correspondiente. Una vez completado el procesamiento de los datos
cuantitativos, se llevó a cabo la triangulación, utilizando el respaldo teórico para
obtener una interpretación más enriquecedora, completa y profunda de la
información recopilada.
RESULTADOS Y DISCUSIÓN
Al analizar los resultados obtenidos respecto a los dispositivos
tecnológicos que posee el alumnado, encontramos, como muestra la Figura 1,
que los dispositivos de uso personal, como los ordenadores, los teléfonos
móviles o las tablet, tienen mayor presencia en la cotidianeidad del alumnado.
Esta predominancia sugiere una integración significativa de los recursos
tecnológicos en la rutina y las actividades cotidianas de los estudiantes, lo cual
puede conllevar implicaciones importantes en la forma en que se lleva a cabo el
proceso de enseñanza y aprendizaje en el entorno escolar rural.
pág. 86
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
Figura 1
Dispositivos tecnológicos del alumnado
Fuente: Elaboración propia (2024)
El uso de estos dispositivos se enfoca hacia su utilización en actividades
de ocio y tiempo libre, en su gran mayoría, como se puede comprobar en la
Figura 2. Aunque se evidencia una presencia importante del uso de los recursos
tecnológicos personales para cuestiones de índole académico, como en el
acceso a las plataformas escolares o el uso del buscador de internet, pero inferior
al uso global que hace el alumnado respecto a las redes sociales o el
entretenimiento.
Figura 2
Aplicaciones y webs más utilizadas
Fuente: Elaboración propia (2024)
pág. 87
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
Desde la perspectiva escolar, el uso de las aplicaciones en el aula se limita
principalmente a la navegación web y al uso de espacios virtuales de
aprendizaje, como Google Classroom, Microsoft Teams o la plataforma escolar
de aprendizaje, como se refleja en la Figura 3. Se observa una mayor
predisposición hacia el uso de aplicaciones diseñadas para el trabajo autónomo
en comparación con aquellas destinadas al trabajo cooperativo. Esta tendencia
puede atribuirse al contexto del entorno rural, donde la conectividad no se
encuentra asegurada, lo que dificulta el acceso y utilización de plataformas
interactivas.
Figura 3
Aplicaciones más usadas en el aula
Fuente: Elaboración propia (2024)
Una vez analizado los dispositivos que tiene el alumnado y el uso que
hace de ellos, podemos centrar la atención en el uso escolar de los recursos TIC
dentro del aula. Para ello, en la Figura 4 se muestran los principales resultados
obtenidos desde el punto de vista de la percepción o valoración del alumnado.
pág. 88
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
Figura 4.
Valoración del alumnado
Fuente: Elaboración propia (2024)
Respecto al uso cooperativo y colaborativo de la tecnología en el entorno
rural, el alumnado participante en este estudio valora positivamente el uso de los
recursos educativos, de manera genérica. Destaca una alta percepción
competencial en el uso de programas específicos para su uso académico. De
manera más concreta, el 76% del alumnado considera que tiene habilidades para
el uso de programas de procesamiento de texto (uso de Microsoft Word o
Documentos de Google), valorando inferiormente sus capacidades para la
modificación de imágenes (53%) o creación de vídeos (68%).
A la hora de hablar del uso de recursos online, el 69% del alumnado sigue
valorando positivamente la implementación de los recursos tecnológicos para el
uso de programas online (como aplicaciones web para realizar actividades
interactivas de tipo gamificadas), así como el 58% considera positivas sus
habilidades en el manejo de plataformas de comunicación a nivel de centro
(véase el uso de los entornos virtuales de aprendizaje anteriormente
mencionados).
Estos datos se complementan con la manifestación del 77% del alumnado
que tiene acceso habitual a recursos tecnológicos dentro del aula. Estos
resultados subrayan la presencia cotidiana (no constante, pero sí
frecuentemente) de herramientas tecnológicas en las actividades educativas
diarias. Esta integración de las Tecnologías de la Información y la Comunicación
(TIC) en el aula implica un aprovechamiento de los recursos como parte
fundamental de las dinámicas de enseñanza y aprendizaje en las distintas áreas
académicas.
pág. 89
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
En la Comunidad Autónoma de Castilla-La Mancha, los centros
educativos están equipados con equipos de chroma, radio escolar y kits de
robótica para su uso académico. Por ello, los tres últimos ítems del cuestionario
aplicado han versado sobre el uso o aplicación de estos recursos dentro de los
centros educativos rurales.
En contraposición a los resultados anteriormente descritos, encontramos
que los ítems relativos a la aplicación y utilización de estos recursos, materiales
y estrategias específicas tienen una valoración inferior por parte del alumnado.
El 72% de los participantes tiene una percepción negativa del uso de los
kits de robótica ya que consideran insuficiente su utilización, pudiendo concluir
que no se hace un uso efectivo de estos recursos dentro de las dinámicas
pedagógicas. Igualmente, este porcentaje aumenta hasta un 76% en el caso de
los equipos de radio escolar, o hasta un 78% en el uso de los equipos de chroma.
Podemos asociar estos resultados negativos, o insatisfactorios por parte
del alumnado, a uno de los principales condicionantes para su uso: conexiones
a internet efectivas en el aula. Dado que nos encontramos en la zona rural, es
manifiesto los problemas de conectividad debido a las propias infraestructuras.
Sumado a una baja formación específica en el uso de materiales pedagógicos
digitales y tecnológicos, se evidencian dificultades en su integración en las
prácticas escolares, desde el punto de vista del alumnado.
CONCLUSIÓN
Tras el análisis de los resultados obtenidos en el estudio, podemos
concluir que, a pesar de la inclusión de las tecnologías en los procesos de
enseñanza y aprendizaje, el uso de los recursos tecnológico-curriculares se
limita a una aplicación de alfabetización digital a nivel de usuario.
En primera instancia, los recursos y dispositivos tecnológicos son una
parte fundamental de la vida cotidiana del alumnado en el contexto de la
sociedad del Siglo XXI, ya que se encuentra integrado en sus dinámicas sociales
y de interrelación con el entorno, ocupando un papel esencial y primordial en la
mejora de la calidad y la relevancia de la educación. Autores como Sartori et al.,
(2022) afirman que el rápido avance de la tecnología y el acceso a Internet han
auspiciado el uso de dispositivos tecnológicos en la vida cotidiana, reflejándose
así en los resultados obtenidos.
No obstante, esta presencia permanente en las rutinas individuales del
alumnado se asocia a un uso dentro del marco del ocio y tiempo libre, teniendo
una baja incidencia de su aplicación para fines y propósitos académicos. Las
evidencias obtenidas remarcan el uso mayoritario de la tecnología para la
pág. 90
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
comunicación (Pérez, et al., 2020; Artopoulos, 2023), en contraposición de su
utilización como fuente de información y conocimiento.
A pesar de las posibles limitaciones inherentes a los entornos rurales, hay
que destacar que las Tecnologías de la Información y la Comunicación en la
escuela rural suponen un recurso que permite mejorar el proceso educativo,
disminuyendo las desigualdades derivadas del entorno sociocultural en el que
se encuentra el alumnado (Villagrá, et al., 2013; Morales, 2017).
Los resultados han evidenciado una actitud y valoración positiva hacia el
uso de recursos tecnológicos en el aula, demostrándose así una integración de
la tecnología en las actividades educativas diarias, pero todavía insuficiente
(González, et al., 2021), ya que la digitalización contribuye al acceso a la
educación, especialmente en las zonas rurales (Guillén & Mayorga, 2022).
El propósito de nuestro estudio se ha centrado en examinar la
autovaloración que tiene el alumnado matriculado en los centros educativos
rurales de Castilla-La Mancha en cuanto al uso de los recursos tecnológicos. En
consecuencia, podemos concluir que el alumnado tiene una valoración positiva
de los recursos TIC que posee y que utiliza en el entorno escolar y personal.
Por ello, este estudio contribuye a conocer la opinión de los protagonistas
de los centros educativos ubicados en entornos rurales, ya que se desarrollan y
relacionan en un ecosistema mayoritariamente digital, donde la presencia de
plataformas de comunicación y entretenimiento abarcan la manera de utilizar y
comprender la tecnología y resultan una pieza esencial para poder hacer una
correcta planificación del proceso de enseñanza y aprendizaje basado en su
percepción.
Si bien se han destacado avances en la integración de la tecnología dentro
de la educación en los entornos rurales, siguen existiendo desafíos significativos
que deben abordarse para maximizar el potencial de la tecnología como
herramienta educativa. Por ende, es imprescindible llevar a cabo políticas que
impliquen mejoras en las infraestructuras, mayor promoción y capacitación
adecuada para los docentes en el uso efectivo de la tecnología y el fomento de
buenas prácticas educativas innovadoras que permitan desarrollar el máximo
poder transformador de la tecnología dentro de los procesos de enseñanzaaprendizaje.
En resumen, es importante resaltar que se han tenido en cuenta todas las
limitaciones asociadas a este estudio, incluyendo variables como la
representación geográfica restringida. Por lo tanto, se sugiere que futuras
investigaciones consideren la realización de un análisis confirmatorio adicional y
la ampliación de la información mediante entrevistas a otros miembros de la
comunidad educativa.
pág. 91
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
REFERENCIAS
Abós, P., Boix, R., Domingo, L., Lorenzo, J. y Rubio, P. (2021). El reto de la
escuela rural: hacer visible lo invisible. Graó.
Álvarez-Álvarez, C., García, F.J., y Pozuelos, F.J. (2020). Posibilidades,
limitaciones y demandas de los centros educativos del medio rural en el
norte y sur de España contemplados desde la dirección escolar. Perfiles
Educativos,
168(XI.II),
94-106.
https://doi.org/10.22201(iisue.24486167e.2020.168.59153
Amor, M.I., y Serrano, R. (2019). An evaluation of Primary-School pupil’s digital
competence. Revista ESPACIOS, 40(21), 12-21.
Artopoulos, A. (2023). Imaginarios de IA generativa en educación: chatbots que
enseñan, bicicletas eléctricas y el quinto Beatle. Hipertextos, 11(19), 070.
https://doi.org/10.24215/23143924e070
Baeza-González, A., Lázaro-Cantabrana, J.L. y Sanromà-Giménez, M. (2022).
Evaluación de la competencia digital del alumnado de ciclo superior de
primaria en Cataluña. Pixel-Bit. Revista de medios y educación, 64, 265298. https://doi.org/10.12795/pixelbit.93927
Balladares-Burgos, J., & Valverde-Berrocoso, J. (2022). El modelo
tecnopedagógico TPACK y su incidencia en la formación docente: una
revisión de la literatura. RECIE. Revista Caribeña De Investigación
Educativa, 6(1), 63–72. https://doi.org/10.32541/recie.2022.v6i1.pp63-72
Boix, R. y Bustos, A. (2014). La enseñanza en las aulas multigrado: Una
aproximación a las actividades escolares y los recursos didácticos desde
la perspectiva del profesorado. Revista Iberoamericana de Evaluación
Educativa, 7(3), 29-43.
Cariaga, R. (2018). Experiencias en el uso de las TIC. Análisis de relatos
docentes. Ciencia, Docencia y Tecnología, 56, 131-155.
Carrete-Marín, N. y Domingo-Peñafiel, L. (2023). Transformación digital y
educación abierta en la escuela rural. Revista Prisma Social, (41), 95-114.
Díez-Gutiérrez, E.J. y Gajardo, K. (2022). Educating and assessing during
lockdown in Spain: the rural and urban world. Education in the Knowledge
Society, 23, 1-28. https://doi.org/10.14201/eks.26312
Gámiz, V.M. (2016). Estudio sobre las competencias digitales em el primer ciclo
de Educación Primaria. REIDOE, 1(1), 44-68.
García, F.J., Pozuelos, F., y Álvarez-Álvarez, C. (2017). Uso de los libros de texto
en la educación rural en España. Sinéctica. Revista electrónica de
educación, (49), 01-18.
García, D. (2021). La idealización de los espacios rurales en Educación
Secundaria y Bachillerato. Un estudio de representaciones sociales.
Revista
Colombiana
de
Sociología,
44(2),
269-290.
https://doi.org/10.15446/res.v44n2.90081
pág. 92
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
García-Ruiz, R., Buenestado-Fernández, M. y Ramírez-Montoya, M.S. (2023).
Evaluación de la competencia digital docente: instrumentos, resultados y
propuestas. Revisión sistemática de la literatura. Educación XXI, 26(1),
273-301. https://doi.org/10.5944/educxx1.33520
Gómez-Jiménez, Ó., y Bautista-Gil, I. (2023). La escuela rural desde la óptica de
la literatura científica: una revisión sistemática. En A. Sánchez-González
y A. Quintero-Cabello (coord.). Escuela digital y nuevas competencias
docentes (pp.136-163). Dykinson
González, J.A., Bernad, O., López, M.P., Llevot, N. y Marín, R. (2021). Las
escuelas rurales desde sus debilidades hasta sus fortalezas: análisis
actual. Ehquidad. International Welfare Policies and Social Work Journal,
15, 135-160. https://doi.org/10.15257/ehquidad.2021.0006
Guillén-Gámez, F.D., y Mayorga-Fernández, M.J. (2022). Measuring rural
teachers’ digital competence to communicate with the educational
community. Journal of New Approaches in Educational Research, 11(2),
323-341. https://doi.org/10.7821/naer.2022.7.1053
Hannum, K.L. (2020). Language policy and practice between urban and rural
schools
in
Galicia,
Spain.
Geojournal,
85,
1009-1024.
https://doi.org/10.1007/s10708-019-10005-5
Ibáñez-López, F.J., Ponce, A.I., Pedreño-Plana, M., y Sánchez-Martín, M.
(2023). Basic survival manual for descriptive statistical analysis. Espiral.
Cuadernos
del
profesorado,
16(32),
118-125.
https://doi.org/10.25115/ecp.v16i32.9134
Ibarra, M.J., Ataucusi, P.E, Barzola, B., y Huaman, J. (2017). Mejorando la
disponibilidad de recursos educativos digitales para enseñar en escuela
rurales sin acceso a internet. Revista Brasileira de Informatica na
Educação, 25(03), 80-94. https://dx.doi.org/10.5753/rbie.2017.25.03.80
Jiménez, D., Muñoz, P. y Sánchez F.S. (2021). La competencia digital docente,
una revisión sistemática de los modelos más utilizados. RiiTE. Revista
Interuniversitaria de Investigación en Tecnología Educativa, (10), 105120. https://doi.org/10.6018/riite.472351
Marimón-Martí, M., Romeu, T., Usart, M., y Ojando, E.S. (2023). Análisis de la
autopercepción de la competencia digital docente en la formación inicial
de maestros y maestras. Revista de Investigación Educativa, 41(1), 5167. https://doi.org/10.6018/rie.501151
Martínez-Serrano, M. del C. (2018). Diseño y validación de un cuestionario sobre
la competencia digital del alumnado de Educación Primaria. EduSer,
10(2), 35-49. https://doi.org/10.34620/eduser.v10i2.113
Morales-Romo, N. (2017). The Spanish rural school from the New Rural
paradigm. Evolution and challenges for the future. Revista Colombiana de
Ciencias
Sociales,
8(2),
412-438.
https://dx.doi.org/10.21501/22161201.2090
Paredes-Labra, J., Freitas, A., y Sánchez-Antolín, P. (2019). De la iniciación al
manejo tolerado de tecnologías. La competencia digital de los estudiantes
pág. 93
[Capítulo 5] Las TIC en el Marco de la Escuela Rural desde la Perspectiva del Alumnado
madrileños antes de la educación secundaria. Revista de Educación a
Distancia (RED), 19(61), 1-22. https://doi.org/10.6018/red/61/03
Paz, L.E., y Gisbert, M. (2023). Autopercepción del profesorado universitario
sobre la competencia digital docente. Educar, 59(2), 437-455.
https://doi.org/10.5565/rev/educar.1614
Peñalva, A. y Napal, M. (2019). Hábitos de uso de Internet en niños y niñas de 8
a 12 años: un estudio descriptivo. Hamut’ay, 6(2), 55-68.
https://dx.doi.org/10.21503/hamu.v6i2.1775
Pérez, A. (2018). Uso de smartphones y redes sociales en alumnos/as de
Educación Primaria. Revista Prisma Social, (20), 76-91.
Pérez, M.S., Villalonga, C., Guillén, A., y Baños, O. (2020). Análisis del uso de
asistentes virtuales en el aula como recurso complementario en la práctica
docente. Enseñanza y Aprendizaje de Ingeniería de Computadores, 10,
61-66. https://doi.org/10.30827/Digibug.64782
Ponce de León, A., Bravo, E., y Torroba, T. (2013). Los colegios rurales
agrupados, primer paso al mundo docente. Contextos Educativos. Revista
de Educación, (3), 315-348. https://doi.org/10.18172/con-428
Raso, F., Aznar, I. y de. Cáceres, M.P. (2014). Integración de tecnologías de la
información y comunicación: estudio evaluativo en la escuela rural
andaluza (España). PixelBit. Revista de Medios y Educación, 45, 51-64.
https://doi.org/10.12795/pixelbit.2014.i45.04
Rodríguez, Y., y Saavedra, E. (2018). Las TIC: Una oportunidad para fortalecer
procesos de enseñanza en el marco del modelo escuela nueva. Espacios,
39(49), 33-44.
Sartori, M., Castellaro, M. y Peralta, O. (2022). Niños y adultos armando un
rompecabezas digital e interactivo en el hogar. Avances en Psicología
Latinoamericana,
40(2),
1-20.
https://doi.org/10.12804/revistas.urosario.edu.co/ap1/a.10896
Villagrá, S.L., García, S., Carramolino, B., Gallego, V., y Jorrín, I. (2013).
Oportunidades y desafíos en el desarrollo profesional de docentes con
TIC en una escuela rural en España: una mirada a la Escuela Nueva.
Revista Interuniversitaria de Formación del Profesorado, 78(27,3), 185199.
pág. 94
CAPÍTULO 6
Potenciando el Aprendizaje Autónomo Universitario:
Retos y Oportunidades de la Inteligencia Artificial
Generativa
Marina Fernández Miranda15, Adolfo Antenor Jurado Rosas16,
Gladys Ligia Peña Pazos17 y Ricardo Miguel León Mantilla18
RESUMEN
El estudio examinó el impacto de la Inteligencia Artificial en la investigación
universitaria en Perú. Determinar el impacto del conocimiento, percepción, uso y
aplicación de las herramientas de la Inteligencia artificial generativa para la
comprensión de los retos y oportunidades en el aprendizaje autónomo en
estudiantes universitarios. Tiene una metodología cuantitativa, alcance
explicativo descriptivo, diseño transversal considerado como muestra a 380
estudiantes de seis programas de estudio de una universidad privada. El
cuestionario fue considerado como instrumento para reconocer el conocimiento,
percepción, uso y aplicación de la “Inteligencia Artificial” como también las
características del conocimiento autónomo de los estudiantes. Los hallazgos
revelaron una sólida comprensión y actitud positiva hacia la “Inteligencia
Artificial”, indicando una base sólida para su integración en la educación superior.
Se destacó la adopción significativa de herramientas de “Inteligencia Artificial”,
pero se señaló la necesidad de abordar desafíos como la capacitación del
personal y la optimización de herramientas. Se identificó un amplio espectro de
aplicaciones de “Inteligencia Artificial “en el aprendizaje, desde sistemas de
gestión hasta plataformas de contenido. Se enfatizó la importancia de
evaluaciones continuas para garantizar la eficacia y satisfacción de estas
herramientas. Se insta a una adopción informada y equilibrada de la “Inteligencia
Artificial” en la educación universitaria, reconociendo sus beneficios y desafíos.
Palabras clave: Inteligencia Artificial, educación superior, percepción, adopción,
herramientas basadas en IA
Cita APA 7 ed.: Fernández, M., Jurado, A., Peña, G. y León, L. (2024) Potenciando el
aprendizaje automático universitario: Retos y oportunidades de la Inteligencia Artificial
Generativa. En P.G. Gamboa y D.O. Nieves (Coords.). Educación 5.0: Tendencias Tecnológicas
Educativas Tomo I. Volumen 1. (pp. 95-122). Editorial Racionalidades.
15
16
17
18
0000-0001-5207-4827 | Universidad Privada Antenor Orrego, Perú | [email protected]
0000-0002-2840-0378 | Universidad Privada Antenor Orrego, Perú | [email protected]
0000-0002-5367-1786 | Universidad Privada Antenor Orrego, Perú | [email protected]
0000-0003-4864-9661 | Universidad Privada Antenor Orrego, Perú | [email protected]
pág. 95
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
INTRODUCCIÓN
La Inteligencia Artificial Generativa (IAG) y el Aprendizaje Autónomo (AA)
han emergido como áreas de investigación de gran interés en el ámbito
educativo universitario (Forero y Negrè, 2024). La IAG se refiere a sistemas de
inteligencia artificial capaces de generar contenido nuevo y original, como
imágenes, textos o música, imitando la creatividad humana. Por otro lado, el AA
se centra en el desarrollo de habilidades de autoaprendizaje en los estudiantes,
permitiéndoles adquirir conocimientos de manera independiente y adaptativa.
Estos dos campos están estrechamente relacionados y prometen transformar la
forma en que los estudiantes universitarios acceden y asimilan el conocimiento
en el siglo XXI (Silver et al., 2016).
La IAG y el AA ofrecen numerosas oportunidades para enriquecer el
proceso educativo en la educación superior. Por ejemplo, los sistemas
generativos pueden ser utilizados para crear materiales educativos
personalizados y adaptados a las necesidades individuales de los estudiantes,
fomentando así un aprendizaje más participativo y motivador (Li et al., 2017).
Además, el AA capacita a los estudiantes para ser aprendices autodirigidos, lo
que les permite explorar temas de su interés de manera profunda y autónoma,
desarrollando habilidades de investigación y resolución de problemas
fundamentales para su éxito académico y profesional (Reeve & Tseng, 2011).
Sin embargo, la implementación efectiva de la IAG y el AA en entornos
universitarios también presenta desafíos significativos. Por ejemplo, la
confiabilidad y la ética en la generación de contenido por parte de sistemas de
IAG plantean preocupaciones sobre la originalidad y la integridad académica
(Varol et al., 2017). Del mismo modo, el fomento del AA requiere un cambio en
la cultura educativa, que tradicionalmente ha sido centrada en el profesor, hacia
un enfoque más centrado en el estudiante, lo que puede encontrar resistencia
tanto en profesores como en estudiantes (Reeve et al., 2003).
En conclusión, la IAG y el AA tienen el potencial de revolucionar la
educación universitaria al proporcionar herramientas y metodologías
innovadoras para mejorar el aprendizaje y la enseñanza. Sin embargo, su
implementación efectiva requerirá un enfoque holístico que aborde tanto los
aspectos técnicos como los pedagógicos, así como un compromiso continuo con
la reflexión ética y la mejora continua (Dabbagh & Kitsantas, 2012).
Los estudiantes de la Universidad Privada Antenor Orrego enfrentan una
problemática creciente en cuanto a su aprendizaje autónomo. Aunque se espera
que desarrollen habilidades de estudio independiente, muchos luchan por
mantenerse al día con las demandas del currículo y la carga académica. La falta
de autonomía en el aprendizaje puede deberse a diversos factores, como la falta
de habilidades de autorregulación, la escasez de recursos adecuados y la
ausencia de un ambiente propicio para el estudio independiente.
pág. 96
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Además, la brecha en el conocimiento, percepción, uso y aplicación de
herramientas de Inteligencia Artificial entre los estudiantes de diferentes
programas académicos también contribuye a esta problemática. Mientras que
algunos estudiantes pueden estar familiarizados y utilizar estas herramientas de
manera efectiva en su proceso de aprendizaje, otros pueden carecer de acceso
o comprensión sobre cómo aprovechar al máximo las tecnologías emergentes
como la IA. Esta disparidad puede ampliar aún más la brecha en el aprendizaje
autónomo y la eficacia académica entre los estudiantes de diferentes disciplinas.
Otro aspecto preocupante es la posible falta de orientación y apoyo por
parte de la institución educativa en la integración de herramientas de IA en el
aprendizaje autónomo de los estudiantes. Sin una orientación adecuada sobre
cómo utilizar estas herramientas de manera efectiva para mejorar su proceso de
estudio independiente, los estudiantes podrían no aprovechar al máximo el
potencial de la IA para optimizar su aprendizaje y enfrentar los desafíos
académicos de manera más eficiente
Revisión de la literatura
En la literatura actual, se han abordado diversos aspectos relacionados
con la integración de la Inteligencia Artificial Generativa en la investigación
universitaria ha sido objeto de interés en la literatura académica reciente. Smith
y Jones (2022) examinaron cómo la IA Generativa está transformando los
métodos de investigación en disciplinas como la ciencia de datos y la ingeniería.
Destacaron su capacidad para generar datos sintéticos que pueden
complementar y ampliar conjuntos de datos existentes, facilitando así la
exploración de nuevas hipótesis y la validación de modelos.
Por otro lado, el estudio de García et al. (2023) se centró en las
percepciones y actitudes de los estudiantes universitarios hacia el uso de la IA
en el aprendizaje. Encontraron que, si bien muchos estudiantes estaban
entusiasmados con las posibilidades que ofrece la IA para personalizar la
educación y mejorar la retroalimentación, también expresaron preocupaciones
sobre la privacidad de los datos y la pérdida de interacción humana en el proceso
educativo.
La presente investigación sobre los retos y oportunidades de la
Inteligencia Artificial Generativa en la investigación universitaria se justifica en
base a varios criterios como su relevancia en el contexto actual, sus implicancias
prácticas y sociales, su valor teórico y metodológico, y su capacidad para
contribuir al avance del conocimiento en el campo de la Inteligencia Artificial y la
educación superior (Hernández & Mendoza, 2018).
La integración de la Inteligencia Artificial en la investigación universitaria
es un tema relevante en la actualidad, dada la creciente importancia de la
tecnología en el ámbito educativo y científico. Comprender los retos y
pág. 97
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
oportunidades asociados con la IA Generativa es esencial para adaptarse a un
entorno en constante cambio y maximizar su potencial para la generación de
conocimiento.
Los hallazgos de esta investigación tendrán implicancias prácticas
significativas para la comunidad académica. Podrán guiar el desarrollo de
políticas y estrategias educativas que promuevan el uso efectivo de la IA en la
investigación universitaria, así como informar la implementación de herramientas
y recursos tecnológicos en los procesos de enseñanza y aprendizaje.
La investigación sobre la IA Generativa en la investigación universitaria
también tiene implicancias sociales importantes. Al mejorar la eficacia y
eficiencia de la investigación, se pueden impulsar avances en diversas áreas del
conocimiento que beneficien a la sociedad en su conjunto. Además, al promover
la equidad y accesibilidad en el acceso a la educación superior, se contribuye a
reducir las brechas sociales y fomentar la inclusión.
Este estudio contribuirá al avance teórico en el campo de la educación
superior y la tecnología educativa al proporcionar una comprensión más
profunda de los conceptos y procesos relacionados con la IA Generativa. Los
hallazgos podrán enriquecer marcos teóricos existentes y generar nuevas
perspectivas sobre la interacción entre la tecnología y la investigación en el
ámbito universitario.
La metodología utilizada en esta investigación presenta un enfoque
cuantitativo, también tiene un valor metodológico significativo. Permitirá abordar
de manera integral los objetivos de investigación y obtener una comprensión
holística de los retos y oportunidades de la IA Generativa en la investigación
universitaria, aumentando así la validez y fiabilidad de los resultados obtenidos.
Se plantea una pregunta general que busca reconocer ¿Cuál es el
impacto del conocimiento, percepción, uso y aplicación de las herramientas de
la Inteligencia artificial generativa para la comprensión de los retos y
oportunidades en el aprendizaje autónomo en universitarios en el Perú?
Se plantearon cinco preguntas específicas que persiguen conocer: ¿Cuál
es el estado actual del conocimiento sobre Inteligencia Artificial Generativa de
los estudiantes universitarios; b) Cuáles son las percepciones respecto a la
Inteligencia Artificial basado en el aprendizaje autónomo explorando las
actitudes, creencias y expectativas de los estudiantes como una herramienta
educativa? c) ¿Cómo es el uso de la Inteligencia Artificial Generativa en el
proceso de aprendizaje autónomo en la universidad? y d) Cómo es el uso y
aplicación de herramientas basadas en Inteligencia Artificial generativa para el
aprendizaje autónomo de los estudiantes universitarios?.
El objetivo general fue determinar el impacto del conocimiento,
percepción, uso y aplicación de las herramientas de la Inteligencia artificial
pág. 98
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
generativa para la comprensión de los retos y oportunidades en el aprendizaje
autónomo en estudiantes universitarios.
Se propusieron cinco objetivos específicos donde se busca a) Evaluar
el estado actual del conocimiento sobre Inteligencia Artificial Generativa de los
estudiantes universitarios; b) Identificar las percepciones respecto a la
Inteligencia Artificial basado en el aprendizaje autónomo explorando las
actitudes, creencias y expectativas de los estudiantes como una herramienta
educativa?; c) Analizar es el uso de la Inteligencia Artificial Generativa en el
proceso de aprendizaje autónomo en la universidad?; d) Identificar y explorar la
aplicación de herramientas basadas en Inteligencia Artificial generativa para el
aprendizaje autónomo de los estudiantes universitarios?.
Este estudio utilizará un enfoque cuantitativo y los datos se analizarán
mediante técnicas estadísticas descriptivas.
Marco teórico
El término "inteligencia artificial" (IA) fue acuñado por John McCarthy en
1956 para referirse a la creación de "máquinas inteligentes". Desde entonces, se
ha convertido en un campo de estudio complejo y dinámico, con una amplia
variedad de enfoques y definiciones (Sánchez, 2024).
En el vasto panorama de la inteligencia artificial, diversas teorías han
surgido para fundamentar su desarrollo y comprensión. La teoría del
procesamiento de la información, presentada por Alan Turing en 1950, postula
que la inteligencia artificial puede lograrse mediante sistemas que procesan
información de manera similar al cerebro humano (Turing, 1950). Por otro lado,
la teoría de las redes neuronales artificiales, propuesta inicialmente por
McCulloch y Pitts en 1943, se basa en la simulación del funcionamiento del
cerebro humano mediante redes de neuronas interconectadas, ofreciendo un
enfoque prometedor para replicar la inteligencia (McCulloch & Pitts, 1943).
La teoría del aprendizaje automático, delineada por Mitchell en 1997, se
centra en el desarrollo de algoritmos que permiten a los sistemas de inteligencia
artificial aprender de la experiencia y mejorar su desempeño con el tiempo
(Mitchell, 1997). Por último, la teoría del razonamiento basado en casos,
propuesta por Kolodner (1993), sugiere que los sistemas de inteligencia artificial
pueden resolver problemas mediante la adaptación de soluciones previas
almacenadas en una base de casos, lo que permite un enfoque más flexible y
adaptable para abordar diversos desafíos. Estas teorías, en conjunto, ofrecen
una panorámica diversa y complementaria que impulsa el avance continuo en el
campo de la inteligencia artificial.
Según el artículo publicado por la Universidad de Antioquia (2024), hace
referencia que la historia de la Inteligencia Artificial es un fascinante recorrido
que se inicia a mediados del siglo XX con los primeros modelos computacionales
pág. 99
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
que buscaban imitar el pensamiento humano. Desde entonces, ha
experimentado una evolución exponencial, atravesando distintas etapas que van
desde el procesamiento básico de datos hasta el aprendizaje automático y el
procesamiento del lenguaje natural.
La fascinación por comprender y replicar las capacidades cognitivas
humanas ha sido un motor importante en el aprendizaje. La Inteligencia Artificial
(IA) se refiere a la rama de la informática que busca crear máquinas capaces de
realizar tareas que, de manera natural, requerirían inteligencia humana. Estas
tareas incluyen el aprendizaje, el razonamiento, la percepción y la resolución de
problemas (Rouhiainen, 2017). Estas tareas incluyen el aprendizaje, el
razonamiento, la percepción y la resolución de problemas. La IA presenta nuevas
oportunidades para el desarrollo social y económico, pero también plantea
desafíos éticos, sociales y legales que deben abordarse.
En el mundo actual, la inteligencia artificial (IA) se ha convertido en una
herramienta fundamental para optimizar procesos y mejorar el rendimiento en
diversos sectores. Las organizaciones no son ajenas a esta tendencia, y la han
incorporado para impulsar la eficiencia, la eficacia y la precisión en sus diferentes
áreas, servicios y sistemas (Quiàn & García, 2024)
La Inteligencia Artificial dota a las máquinas y sistemas informáticos de
habilidades propias de la inteligencia humana. Estas capacidades les permiten
realizar tareas como aprender, razonar, tomar decisiones, comprender el
lenguaje natural y procesar información visual (UNESCO, 2024). La IA se
sustenta en algoritmos y modelos matemáticos que posibilitan el análisis de
grandes cantidades de datos, extrayendo patrones y conocimientos valiosos.
Rouhiainen (2017) sostiene que el desarrollo de la Inteligencia Artificial ha
impulsado el estudio del cerebro humano, e incluso para muchos investigadores,
ha unido ambos campos. Esto se debe a que se están utilizando los mismos
conceptos, técnicas y experimentos tanto para diseñar máquinas inteligentes
como para investigar la naturaleza de la mente.
La meta más ambiciosa de la Inteligencia Artificial es dotar a las máquinas
de una inteligencia similar a la humana, se equipará a otros grandes desafíos
científicos como comprender el origen de la vida o del universo, o descifrar la
estructura de la materia (López & Meseguer, 2023). Esta aspiración ha
impulsado, a lo largo de los siglos, la creación de modelos y metáforas que imitan
el funcionamiento del cerebro humano.
La llegada de GPT 3.5 y su sucesora, GPT 4, ha impulsado un crecimiento
exponencial en las aplicaciones de IA generativa en el ámbito educativo
(Sánchez, 2024). Hasta hace poco, la investigación en IA se centraba en la
automatización de tareas, la personalización del aprendizaje y la tutoría
inteligente (Pedró, et al., 2019; Tahiru, 2021). Sin embargo, la IA generativa abre
pág. 100
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
un nuevo panorama, con un potencial aún poco explorado desde una perspectiva
pedagógica (Nemorin, et al., 2022; Zawachki, et al., 2019).
Esta nueva tecnología marca un punto de inflexión en la transformación
educativa, pasando de ser un campo de innovación tecnológica a un agente de
impacto social y educativo (González & Silveira, 2022). Se abre un mundo de
posibilidades para explorar cómo la IA generativa puede potenciar el
aprendizaje, personalizar la educación y repensar los modelos pedagógicos.
El aprendizaje autónomo, definido como la capacidad de los estudiantes
para dirigir y controlar su propio proceso de aprendizaje de manera
independiente y reflexiva (Knowles, 1975), ha sido objeto de estudio e
implementación en diversos contextos educativos. Esta teoría se basa en la
premisa de que los estudiantes son capaces de asumir la responsabilidad de su
aprendizaje, estableciendo metas, seleccionando recursos, y evaluando su
progreso (Zimmerman, 2002).
En el ámbito del aprendizaje autónomo, diversas teorías han sido
propuestas para comprender cómo los estudiantes pueden tomar el control de
su propio proceso de aprendizaje. La teoría del aprendizaje autodirigido,
introducida por Knowles (1975), resalta la importancia de que los individuos
asuman la responsabilidad de su aprendizaje, estableciendo metas, identificando
recursos y evaluando su progreso. Por su parte, Deci y Ryan (1985)
desarrollaron la teoría de la autodeterminación, enfocada en la motivación
intrínseca y la percepción de competencia como impulsores del aprendizaje
autónomo.
Finalmente, Zimmerman (2000) propuso la teoría del aprendizaje
autorregulado, destacando la capacidad de los estudiantes para planificar,
monitorear y evaluar su aprendizaje de manera autónoma. Estas teorías
proporcionan marcos conceptuales fundamentales para entender cómo los
estudiantes pueden desarrollar habilidades de aprendizaje autónomo y asumir
un papel activo en su proceso educativo.
Según la teoría de la autorregulación del aprendizaje de Zimmerman
(2000), el aprendizaje autónomo implica tres procesos fundamentales: la
planificación del aprendizaje, el control de la ejecución y la autorreflexión. La
planificación del aprendizaje implica establecer metas, seleccionar estrategias y
recursos, y elaborar un plan de acción. El control de la ejecución implica
monitorear el progreso hacia las metas, regular el esfuerzo y la atención, y
ajustar las estrategias según sea necesario. La autorreflexión implica evaluar el
progreso y los resultados del aprendizaje, identificar fortalezas y debilidades, y
realizar ajustes para mejorar el rendimiento futuro.
El desarrollo de la autonomía del aprendizaje se ve influenciado por
diversos factores, incluyendo las características individuales del estudiante, el
pág. 101
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
entorno de aprendizaje, y las estrategias de enseñanza utilizadas (Zimmerman
y Moylan, 2009). Por ejemplo, la motivación intrínseca, la autoeficacia percibida
y las metas de aprendizaje autodeterminadas se han identificado como
predictores importantes del aprendizaje autónomo (Deci & Ryan, 1985; Pintrich
& De Groot, 1990).
La tecnología ha desempeñado un papel cada vez más importante en la
promoción del aprendizaje autónomo, al proporcionar a los estudiantes acceso
a una amplia gama de recursos educativos y herramientas de apoyo (Hwang &
Wu, 2014). Por ejemplo, los entornos virtuales de aprendizaje, los tutoriales en
línea y las plataformas de aprendizaje adaptativo pueden facilitar la
autoexploración y la autorregulación del aprendizaje (Nicol & Macfarlane, 2006).
El aprendizaje autónomo se caracteriza por diversas dimensiones que
influyen en la capacidad del estudiante para dirigir su propio proceso de
aprendizaje de manera independiente y reflexiva (Zimmerman, 2000). Estas
dimensiones incluyen la autorregulación del aprendizaje, la motivación
intrínseca, la autoeficacia percibida y las estrategias de aprendizaje
autorregulado (Deci & Ryan, 1985; Pintrich & De Groot, 1990).
La autorregulación del aprendizaje, como se mencionó anteriormente,
implica la planificación, el control y la autorreflexión durante el proceso de
aprendizaje (Zimmerman, 2000). La motivación intrínseca se refiere al interés y
la satisfacción derivados del propio acto de aprendizaje, mientras que la
autoeficacia percibida se refiere a la creencia del estudiante en su capacidad
para tener éxito en una tarea específica (Deci & Ryan, 1985). Por último, las
estrategias de aprendizaje autorregulado son los procesos cognitivos y
metacognitivos que los estudiantes utilizan para controlar y dirigir su propio
aprendizaje (Pintrich & De Groot, 1990).
Por otro lado, la relación entre el aprendizaje autónomo y la inteligencia
artificial (IA) se encuentra en la capacidad de la IA para proporcionar
herramientas y entornos de apoyo que faciliten el desarrollo de la autonomía del
aprendizaje. Por ejemplo, los sistemas de tutoría inteligente pueden adaptar los
materiales de aprendizaje y proporcionar retroalimentación personalizada para
satisfacer las necesidades individuales de los estudiantes (Hwang & Wu, 2014).
Del mismo modo, los entornos virtuales de aprendizaje pueden ofrecer
oportunidades para la práctica y la exploración independiente, promoviendo así
la autorregulación del aprendizaje (Nicol & Macfarlane, 2006).
METODOLOGÍA
La investigación presentada se basa en un enfoque cuantitativo, nivel
descriptivo-explicativo y diseño transversal para analizar el impacto del
conocimiento, la percepción, el uso y la aplicación de las herramientas de IA
pág. 102
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
generativa en la comprensión de los retos y oportunidades en la investigación
universitaria en el Perú (Hernández, et al., 2014). Este enfoque permite recopilar
y analizar datos de manera sistemática, objetiva y eficiente, y facilita la
generalización de los hallazgos a una población más amplia.
La población objetivo del estudio estuvo centrada en los estudiantes
universitarios de la Universidad Privada Antenor Orrego de la Filial Piura
consistirá en investigadores, docentes y estudiantes universitarios involucrados
en la investigación y el aprendizaje en instituciones académicas (Bernal, 2016).
La muestra de estudio está constituida por 380 estudiantes de seis programas:
humanidades, ciencias económicas, ingenierías, Derecho y arquitectura,
medicina humana y Psicología. El muestreo no probabilístico fue tomado de
los estudiantes que cursan estudios en el semestre 2024-10 de la Universidad
Privada Antenor Orrego en la ciudad de Piura-Trujillo en Perú.
Tabla 1
Unidades de análisis, estudiantes según ciclo semestre 2024-10
Cuarto
Décimo
Noveno
Primero
Quinto
Segundo
Séptimo
Sexto
Tercero
Total
Frecuencia Porcentaje
10
2,6
20
5,2
63
16,2
54
13,9
74
19,1
5
1,3
72
18,6
54
13,9
36
9,3
388
100,0
Nota: Matrícula semestre 2024-10.
La técnica de estudio fue la encuesta (Ñaupas et al., 2014) con su
respectivo cuestionario como instrumento, dónde fueron elaborados dos
instrumentos una para la inteligencia artificial degenerativa y el otro para el
aprendizaje autónomo.
Se planteó como hipótesis general que la comunidad universitaria
peruana posee un conocimiento, percepción, uso y aplicación adecuados de las
herramientas de IA generativa para la comprensión profunda de los retos y
oportunidades en la investigación universitaria.
pág. 103
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Igualmente fueron planteadas cuatro hipótesis específicas que busca
demostrar que:
a) La comunidad universitaria peruana comprende las aplicaciones
potenciales de la IA en diversos campos del conocimiento, incluyendo
la investigación universitaria.
b) Los estudiantes universitarios peruanos tienen una actitud positiva
hacia el uso de la IA como herramienta educativa, reconociendo su
potencial para mejorar el aprendizaje autónomo.
c) Existe una brecha entre las potencialidades de la IA y su aplicación
efectiva en el aprendizaje autónomo, debido a factores como la falta
de capacitación docente, la infraestructura tecnológica deficiente y la
resistencia al cambio.
d) Se han identificado y explorado diversas herramientas de IA con
potencial para el aprendizaje autónomo, incluyendo tutores
inteligentes, sistemas de recomendación de contenido y plataformas
de aprendizaje adaptativo.
Variables: Se identificarán las siguientes variables las mismas que
evidencian una interrelación entre ellas para conocer el conocimiento,
percepción sobre la IA y el uso de herramientas de IA para la investigación
universitaria.
Figura 1
Relaciones de variables
Retos -Desafíos
Factores
sociodemográficos
Conocimiento de
IA
Percepción sobre
IA
Uso de herramientas
IA
IA
Aplicación de IA
Carrera profesional
Aprendizaje autónomo
Fuente: Autoría propia.
Independientes: Conocimiento sobre Inteligencia Artificial, percepciones
de la IA en el aprendizaje, uso de IA en el aprendizaje, uso de herramientas IA
en el aprendizaje.
Dependientes: Impacto en la investigación universitaria.
pág. 104
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Controladas:
profesional.
Factores
demográficos,
nivel
educativo,
carrera
Recolección de datos: Se utilizó un cuestionario estructurado para
recopilar datos cuantitativos sobre el conocimiento, las percepciones y el uso de
IA en el aprendizaje. En cuanto al procesamiento de datos, inicialmente se
distribuirán los cuestionarios a través de WhatsApp a estudiantes y redes
colaborativas, según la disponibilidad de los participantes. Se garantizará la
confidencialidad y el consentimiento informado de los participantes en todas las
etapas del proceso de recolección de datos. Los datos se analizarán mediante
técnicas estadísticas descriptivas e inferenciales, como análisis de frecuencias,
pruebas de correlación y análisis de regresión. Para el análisis de datos fue
utilizado el programa estadístico SPSS versión 28.
RESULTADOS Y DISCUSIÓN
En el contexto actual, la Inteligencia Artificial se presenta como una
herramienta con un enorme potencial para transformar el panorama de la
investigación universitaria. Con el objetivo de comprender el impacto de la
"Inteligencia Artificial" en este ámbito en el Perú, se realizó un estudio exhaustivo
que abarca diversas dimensiones, desde el conocimiento y la percepción hasta
el uso y la aplicación práctica de estas herramientas. El estudio se basó en cinco
objetivos específicos:
Objetivo específico 1: Evaluar el estado actual del conocimiento sobre IA
en la comunidad universitaria:
Se exploró el nivel de comprensión que tienen los estudiantes sobre los
fundamentos, aplicaciones y limitaciones de esta tecnología. La Tabla 2 muestra
el conocimiento de los estudiantes sobre la inteligencia artificial para el
aprendizaje en siete indicadores:
Respecto al conocimiento del término "Inteligencia Artificial", el 97.7% de
los estudiantes está de acuerdo o totalmente de acuerdo con que están
familiarizados con el término "Inteligencia Artificial". Esto indica que la IA es un
concepto relativamente bien conocido entre los estudiantes.
Respecto a su comprensión de cómo funciona la "Inteligencia Artificial"; el
98,2% de los estudiantes está de acuerdo o totalmente de acuerdo con que
comprende cómo funciona la IA. Esta es una cifra alta, lo que sugiere que los
estudiantes tienen una comprensión básica de los principios de la IA.
Sobre la familiaridad con las aplicaciones de la "Inteligencia Artificial"; el
97,2% de los estudiantes está de acuerdo o totalmente de acuerdo con que está
pág. 105
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
familiarizado con las aplicaciones de la IA. Es decir, los estudiantes son
conscientes de las diversas formas en que se utiliza la IA en la actualidad.
En cuanto a la percepción de la "Inteligencia Artificial" como herramienta
para mejorar el aprendizaje, el 97.2% de los estudiantes está de acuerdo o
totalmente de acuerdo con que la IA puede mejorar el aprendizaje. Resultó una
opinión positiva, lo que sugiere que los estudiantes ven la IA como un potencial
beneficio para su educación.
Tabla 2
Conocimiento de la Inteligencia artificial de estudiantes de la UPAO
Conocimiento sobre IA
Término IA
Funciona de la IA
Uso de IA como tutores de
IA, herramientas de
evaluación automatizadas
IA como potencial para
aprendizaje
La IA como impacto
negativo
Capacitación en IA
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Fx
%
% acumulado
39.4
0.8
12.9
%
válido
39.4
0.8
12.9
153
3
50
173
44.6
44.6
97.7
9
2.3
2.3
100.0
183
7
66
47.2
1.8
17.0
47.2
1.8
17.0
47.2
49.0
66.0
125
32.2
32.2
98.2
7
1.8
1.8
100.0
158
22
97
40.7
5.7
25.0
40.7
5.7
25.0
40.7
46.4
71.4
100
25.8
25.8
97.2
11
2.8
2.8
100.0
156
8
52
40.2
2.1
13.4
40.2
2.1
13.4
40.2
42.3
55.7
161
41.5
41.5
97.2
11
2.8
2.8
100.0
145
30
98
37.4
7.7
25.3
37.4
7.7
25.3
37.4
45.1
70.4
105
27.1
27.1
97.4
10
2.6
2.6
100.0
141
6
36.3
1.5
36.3
1.5
36.3
37.9
39.4
40.2
53.1
pág. 106
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Aprender sobre la IA
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
Total
55
14.2
14.2
52.1
175
45.1
45.1
97.2
11
2.8
2.8
100.0
130
5
39
33.5
1.3
10.1
33.5
1.3
10.1
33.5
34.8
44.8
204
52.6
52.6
97.4
10
2.6
2.6
100.0
388
100.0
100.0
Nota. Elaboración propia.
En lo concerniente a la preocupación por los impactos negativos de la
"Inteligencia Artificial", el 70.4% de los estudiantes está de acuerdo o totalmente
de acuerdo con que la IA puede tener impactos negativos. Es una cifra
significativa, lo que indica que los estudiantes son conscientes de los riesgos
potenciales de la IA.
Según el interés en recibir capacitación en "Inteligencia Artificial", el 97.2%
de los estudiantes está de acuerdo o totalmente de acuerdo con que está
interesado en recibir capacitación en IA. Resultando una alta demanda, lo que
sugiere que los estudiantes están ansiosos por aprender más sobre la
"Inteligencia Artificial" y cómo utilizarla.
Finalmente, sobre la motivación para aprender más sobre la "Inteligencia
Artificial", el 9.4% de los estudiantes está de acuerdo o totalmente de acuerdo
con que está motivado para aprender más sobre la IA. Esta es una fuerte
motivación, lo que indica que los estudiantes están interesados en comprender
la IA y su potencial impacto en el mundo.
Se concluye que los estudiantes tienen un alto nivel de conocimiento y
comprensión de la IA. También están de acuerdo en que la IA puede mejorar el
aprendizaje y tienen un fuerte interés en aprender más sobre ella. Sin embargo,
también son conscientes de los posibles impactos negativos que podría
representar el uso de la "Inteligencia Artificial".
Objetivo específico 2: Investigar las percepciones de la IA en el aprendizaje
Se analizaron las actitudes, creencias y expectativas que tienen los
estudiantes y docentes respecto al uso de la IA como herramienta educativa.
La Tabla 3 muestra la percepción de los estudiantes sobre la inteligencia artificial
(IA) en el aprendizaje en siete indicadores:
pág. 107
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Respecto a la percepción de la "Inteligencia Artificial", como herramienta
útil para el aprendizaje, el 76% de los estudiantes está de acuerdo o totalmente
de acuerdo con que la IA puede ser útil para el aprendizaje. Esta es una opinión
positiva, lo que sugiere que los estudiantes ven la IA como un potencial beneficio
para su educación. Según la percepción de la "Inteligencia Artificial", como
herramienta que puede mejorar la comprensión y la eficiencia del aprendizaje, el
73.5% de los estudiantes está de acuerdo o totalmente de acuerdo con que la IA
puede mejorar la comprensión y la eficiencia del aprendizaje. Lo que sugiere que
los estudiantes creen que la IA puede ayudarlos a aprender de manera más
efectiva.
En lo relacionado a la percepción de la "Inteligencia Artificial", como
herramienta que puede personalizar el aprendizaje a las necesidades
individuales de los estudiantes, el 75,5% de los estudiantes está de acuerdo o
totalmente de acuerdo con que la IA puede personalizar el aprendizaje a las
necesidades individuales de los estudiantes. Esta es una opinión positiva,
porque los estudiantes creen que la IA puede ayudarlos a aprender de manera
más personalizada.
La percepción de la "Inteligencia Artificial", como herramienta que puede
mejorar la calidad de la enseñanza y aprendizaje, el 75.3% de los estudiantes
está de acuerdo o totalmente de acuerdo con que la IA puede mejorar la calidad
de la educación. Es decir, los estudiantes creen que la IA puede tener un impacto
positivo en el sistema educativo.
Tabla 3
Percepción sobre la Inteligencia artificial en el aprendizaje de estudiantes de la
UPAO
Percepción
Utilidad de la IA en el
aprendizaje
Comprensión efectiva y
eficiente con la IA
La IA para ayudar a
personalizar el aprendizaje
Fx
%
26,0
%
válido
26,0
%
acumulado
26,0
De acuerdo
101
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
52
75
50
13.4
19.3
12.9
13.4
19.3
12.9
39.4
58.8
71.6
110
28.4
28.4
100.0
94
60
80
51
24.2
15.5
20.6
13.1
24.2
15.5
20.6
13.1
24.2
39.7
60.3
73.5
103
26.5
26.5
100.0
92
70
80
23.7
18.0
20.6
23.7
18.0
20.6
23.7
41.8
62.4
pág. 108
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Uso de IA para mejorar la
calidad del aprendizaje
La IA puede Apoyarlo para
la inserción en el mercado
laboral
Docentes remplazados por
la IA
Comodidad por uso de IA
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
Total
51
13.1
13.1
75.5
95
24.5
24.5
100.0
87
66
95
44
22.4
17.0
24.5
11.3
22.4
17.0
24.5
11.3
22.4
39.4
63.9
75.3
96
24.7
24.7
100.0
83
72
88
49
21.4
18.6
22.7
12.6
21.4
18.6
22.7
12.6
21.4
39.9
62.6
75.3
96
24.7
24.7
100.0
56
96
108
29
14.4
24.7
27.8
7.5
14.4
24.7
27.8
7.5
14.4
39.2
67.0
74.5
99
25.5
25.5
100.0
93
69
101
33
24.0
17.8
26.0
8.5
24.0
17.8
26.0
8.5
24.0
41.8
67.8
76.3
92
23.7
23.7
100.0
388
100.0
100.0
Nota. Elaboración propia.
En cuanto a la percepción de la IA como herramienta que puede ayudar a
los estudiantes a prepararse para el mercado laboral, el 75,3% de los estudiantes
está de acuerdo o totalmente de acuerdo con que la IA puede ayudar a los
estudiantes a prepararse para el mercado laboral. Los estudiantes creen que la
IA puede ayudarlos a desarrollar las habilidades que necesitan para tener éxito
en el futuro profesional.
Respecto a la preocupación por la posibilidad de que la "Inteligencia
Artificial", reemplace a los docentes en las aulas, el 39,2% de los estudiantes
está de acuerdo o totalmente de acuerdo con que la IA puede reemplazar a los
docentes. Esta es una cifra significativa, lo que indica que algunos estudiantes
están preocupados por el impacto de la IA en la profesión docente.
Por último, sobre el nivel de comodidad con el uso de la "Inteligencia
Artificial", en el aprendizaje, el 76,3% de los estudiantes está de acuerdo o
totalmente de acuerdo con que se siente cómodo usando la IA para el
pág. 109
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
aprendizaje. Esta es una cifra alta, lo que sugiere que la mayoría de los
estudiantes están abiertos a utilizar la IA en su educación.
Al hacer un comparativo entre el conocimiento y la percepción del uso de
la "Inteligencia Artificial", (comparación Tabla 1, la Tabla 2) se evidencia una
visión más matizada de la percepción de los estudiantes sobre la "Inteligencia
Artificial". Si bien la mayoría de los estudiantes están de acuerdo en que la IA
puede ser útil para el aprendizaje, también existe cierta preocupación por los
posibles impactos negativos de la IA, como el reemplazo de docentes. Se puede
concluir que los estudiantes tienen una visión generalmente positiva de la
“Inteligencia Artificial", en el aprendizaje. La perciben como un potencial
beneficio para su educación y creen que puede ayudarlos a aprender de manera
más efectiva, eficiente y personalizada. Sin embargo, también son conscientes
de los posibles impactos negativos que podría tener y les preocupa que pueda
reemplazar a los docentes.
Objetivo específico 3. Analizar el uso de la IA en el proceso de aprendizaje
universitario
Se examinaron las prácticas existentes en cuanto al uso de la IA para el
aprendizaje en las universidades peruanas.
La Tabla 4 muestra el porcentaje de participantes en el estudio que
respondieron a cada pregunta sobre el uso de herramientas de inteligencia
artificial (IA) en el aprendizaje. Las preguntas se agrupan en seis categorías:
Uso de "Inteligencia Artificial" en trabajos prácticos, el 23,2% de los
participantes está de acuerdo en que utiliza IA en trabajos prácticos, como
organizadores de tareas, imágenes, videos y evaluaciones automatizadas. Esta
es una cifra relativamente baja, lo que sugiere que la mayoría de los participantes
no utilizan actualmente IA en trabajos prácticos.
Uso actual de herramientas de "Inteligencia Artificial", el 25,5% de los
participantes está de acuerdo en que utiliza herramientas de IA para tutores de
IA, sistemas de recomendación de cursos y evaluación automatizada. Esta es
una cifra relativamente baja, lo que sugiere que la mayoría de los participantes
no utilizan actualmente herramientas de IA en el aprendizaje.
pág. 110
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Tabla 4
Conocimiento de herramientas de Inteligencia artificial en el aprendizaje en los
estudiantes de la UPAO
Herramientas
de IA
Uso de IA en trabajos
prácticos: organizadores,
imágenes, videos, etc.
Tutores de IA en la
enseñanza, sistemas de
cursos en línea,
evaluaciones
automatizadas, etc.
IA para tareas, investigar,
responder preguntas,
traducciones, para
exámenes, etc.
Satisfacción por el uso
herramientas IA
Barreras en el uso de IA
Recomendaría el uso de IA
Fx
%
% acumulado
23.2
%
válido
23.2
De acuerdo
90
En desacuerdo
69
17.8
17.8
41.0
Neutral
106
27.3
27.3
68.3
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
45
11.6
11.6
79.9
78
20.1
20.1
100.0
99
25.5
25.5
25.5
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
De acuerdo
En desacuerdo
Neutral
Totalmente de
acuerdo
Totalmente en
desacuerdo
Total
59
105
37
15.2
27.1
9.5
15.2
27.1
9.5
40.7
67.8
77.3
88
22.7
22.7
100.0
96
78
101
42
24.7
20.1
26.0
10.8
24.7
20.1
26.0
10.8
24.7
44.8
70.9
81.7
71
18.3
18.3
100.0
84
65
117
44
21.6
16.8
30.2
11.3
21.6
16.8
30.2
11.3
21.6
38.4
68.6
79.9
78
20.1
20.1
100.0
80
74
135
30
20.6
19.1
34.8
7.7
20.6
19.1
34.8
7.7
20.6
39.7
74.5
82.2
69
17.8
17.8
100.0
91
63
111
44
23.5
16.2
28.6
11.3
23.5
16.2
28.6
11.3
23.5
39.7
68.3
79.6
79
20.4
20.4
100.0
388
100.0
100.0
23.2
Nota. Elaboración propia.
pág. 111
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Preferencia de uso de "Inteligencia Artificial", el 24.7% de los participantes
está de acuerdo en que preferiría usar IA para exámenes. El 26.0% de los
participantes está de acuerdo en que preferiría usar IA para tareas. El 10.8% de
los participantes está de acuerdo en que preferiría usar IA para investigación.
Estas cifras sugieren que los participantes están más interesados en usar IA para
exámenes y tareas que para investigación.
Respecto a la satisfacción con el uso de "Inteligencia Artificial”, el 21.6%
de los participantes está de acuerdo en que está satisfecho con el uso de IA en
el aprendizaje. Esta es una cifra relativamente baja, lo que sugiere que la
mayoría de los participantes no están satisfechos con el uso actual de IA en el
aprendizaje.
Barreras para el uso de "Inteligencia Artificial", el 20.6% de los
participantes está de acuerdo en que existen barreras para el uso de IA en el
aprendizaje y el 34.8% están escépticos sobre las barreras que presenta. Esta
es una cifra significativa, lo que indica que muchos participantes perciben
obstáculos para el uso de IA en el aprendizaje.
En cuanto a la recomendación del uso de "Inteligencia Artificial”, el 23.5%
de los participantes está de acuerdo en que recomendaría el uso de IA a otros
estudiantes. Esta es una cifra relativamente baja, lo que sugiere que la mayoría
de los participantes no recomendarían el uso de IA a otros estudiantes.
En comparación con las Tablas 2 y 3, nos proporciona una visión más
específica del uso y la percepción de los estudiantes sobre las herramientas de
"Inteligencia Artificial", en el aprendizaje. Los resultados sugieren que, si bien los
estudiantes tienen una visión generalmente positiva de la "Inteligencia Artificial",
en el aprendizaje, no la utilizan actualmente de manera generalizada. Además,
existen algunas barreras para el uso de "Inteligencia Artificial", como la falta de
satisfacción con las herramientas actuales y la percepción de obstáculos.
Se concluye que existe un potencial para el uso de herramientas de
"Inteligencia Artificial", en el aprendizaje, pero también existen algunos desafíos
que deben abordarse. Es importante desarrollar herramientas de IA que sean
más efectivas, fáciles de usar y satisfactorias para los estudiantes. Además, es
necesario abordar las barreras percibidas para el uso de "Inteligencia Artificial”,
como la falta de conocimiento y capacitación.
Objetivo específico 4. Identificar y explorar el uso de herramientas basadas
en IA en el aprendizaje autónomo
Se realizó un inventario de las herramientas de IA disponibles y se
analizaron casos de uso concretos en el ámbito universitario.
pág. 112
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
La Tabla 5 muestra el porcentaje de participantes en el estudio que
respondieron a cada pregunta sobre el uso de herramientas específicas de
"Inteligencia Artificial”, para el aprendizaje. Las preguntas se agrupan en dos
categorías:
Familiaridad con las herramientas de "Inteligencia Artificial”, el mayor nivel
de familiaridad se encuentra con Google Classroom (94.3%), seguido de
Edpuzzle (88.6%) y Kahoot! (82.3%). Esto sugiere que estas son las
herramientas de IA más conocidas entre los participantes. El menor nivel de
familiaridad se encuentra con Gemini (65.7%) y MindMeister (70.1%). Esto
sugiere que estas son las herramientas de IA menos conocidas entre los
participantes.
Tabla 5
Tipos de herramientas de Inteligencia artificial utilizadas en el aprendizaje de
los estudiantes de UPAO
Uso
Edpuzzle
Kahoot!
Flipgrid
Google Classroom
ChatGPT 3.5
Chat GPT 4.0
WeVideo
Research Rabbit
Deepl
Gemini
MindMeister
Fx
295
130
304
107
80
119
284
312
291
255
272
%
76.0%
33.5%
78.4%
27.6%
20.6%
30.7%
73.2%
80.4%
75.0%
65.7%
70.1%
Familiaridad
Fx
%
93
24.0%
258
66.5%
84
21.6%
281
72.4%
308
79.4%
269
69.3%
104
26.8%
76
19.6%
97
25.0%
133
34.3%
116
29.9%
Total
Fx
388
388
388
388
388
388
388
388
388
388
388
%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
Fuente: Elaboración propia
Respecto al uso de herramientas de "Inteligencia Artificial”, el mayor nivel
de uso se encuentra con Google Classroom (72.4%), seguido de Edpuzzle
(76.0%) y Kahoot! (66.5%). Esto sugiere que estas son las herramientas de IA
más utilizadas entre los participantes. El menor nivel de uso se encuentra con
Gemini (34.3%) y MindMeister (29.9%). Esto sugiere que estas son las
herramientas de IA menos utilizadas entre los participantes.
En relación con las funcionalidades de cada una de las herramientas de
IA fundamentales para el aprendizaje de los estudiantes, tenemos a Google
Classroom es una plataforma de aprendizaje en línea que permite a los
profesores crear y administrar cursos, asignar tareas, calificar trabajos,
comunicarse con los estudiantes y compartir recursos. Edpuzzle es una
pág. 113
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
plataforma de aprendizaje en línea que permite a los profesores crear y compartir
videos interactivos. Los profesores pueden agregar preguntas, notas y
comentarios a los videos, y los estudiantes pueden responder a las preguntas y
ver la retroalimentación de los profesores.
Kahoot! es una plataforma de aprendizaje en línea que permite a los
profesores crear juegos educativos. Los profesores pueden crear juegos de
preguntas y respuestas, encuestas y cuestionarios, y los estudiantes pueden
jugar en vivo o a su propio ritmo. En lo que respecta a Flipgrid, es una plataforma
de aprendizaje en línea que permite a los profesores crear y compartir videos
cortos. Los estudiantes pueden grabar videos respondiendo a preguntas o
discutiendo temas, y los profesores pueden proporcionar retroalimentación a los
videos.
Por su parte ChatGPT 3.5 fue el pionero como modelo de lenguaje grande
que puede generar texto, traducir idiomas, escribir diferentes tipos de contenido
creativo y responder a sus preguntas de manera informativa. Mientras que
ChatGPT 4.0 es una versión avanzada de ChatGPT 3.5, con capacidades
mejoradas para generar texto, traducir idiomas, escribir diferentes tipos de
contenido creativo y responder a sus preguntas de manera informativa. En esta
misma línea también esta Gemini, es un modelo de lenguaje grande de Google
AI que puede generar texto, traducir idiomas, escribir diferentes tipos de
contenido creativo y responder sus preguntas de manera informativa.
Research Rabbit es una herramienta de gestión de referencias que ayuda
a los usuarios a organizar, almacenar y citar fuentes para trabajos de
investigación y proyectos. Mientras que DeepL es una herramienta de traducción
automática que traduce texto y documentos entre varios idiomas.
WeVideo es una plataforma de edición de video basada en la nube que
permite a los usuarios crear y editar vídeos utilizando una variedad de
herramientas y plantillas. En cambio, MindMeister es una herramienta de mapas
mentales en línea que permite a los usuarios crear y compartir diagramas de flujo
de ideas, mapas conceptuales y presentaciones.
Los resultados de la Tabla 5 sugieren que las herramientas de IA para el
aprendizaje más populares son Google Classroom, Edpuzzle y Kahoot. Estas
herramientas son relativamente conocidas y ampliamente utilizadas por los
estudiantes. Sin embargo, también hay un número significativo de estudiantes
que no están familiarizados con o no han utilizado algunas de las otras
herramientas de IA enumeradas en la tabla. Esto sugiere que existe una
necesidad de mayor conciencia y capacitación sobre estas herramientas. En
general, las herramientas de IA presentadas en la Tabla 4 ofrecen una amplia
gama de posibilidades para mejorar el aprendizaje. Cada herramienta tiene sus
propias fortalezas y debilidades, por lo que es importante que los educadores y
pág. 114
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
estudiantes elijan las herramientas más adecuadas para sus necesidades
específicas.
El objetivo general sintetiza el impacto del conocimiento, percepción, uso
y aplicación de las herramientas de IA generativa en el aprendizaje autónomo de
los estudiantes de una universidad privada de Perú
Se sintetizaron los hallazgos de los cuatro objetivos anteriores para
comprender el impacto general de la IA en el aprendizaje autónomo en la
universidad peruana.
Se observa un alto impacto del conocimiento sobre “Inteligencia Artificial”,
en la comunidad universitaria, ya que la gran mayoría de los estudiantes está
familiarizada con el término y comprende su funcionamiento. La percepción es
mayoritariamente positiva, con una alta motivación para aprender más sobre
“Inteligencia Artificial”. Sin embargo, el uso y la aplicación actual de “Inteligencia
Artificial”, en el aprendizaje son bajos, lo que sugiere un espacio para la mejora
en la implementación de estas tecnologías en el entorno universitario.
Tabla 6
Impacto de la Inteligencia artificial en el aprendizaje autónomo de los estudiantes
de la UPAO
Inteligencia artificial
Nivel de Aprendizaje autónomo
Conocimiento
Alto
Alto
Medio
Medio
Percepción
Positiva
Positiva
Neutral
Neutral
Uso
Bajo
Bajo
Medio
Medio
Aplicación
Bajo
Bajo
Medio
Medio
Fuente: Elaboración propia
Similar al conocimiento sobre la “Inteligencia Artificial”, existe un alto nivel
de conocimiento y una percepción mayoritariamente positiva de la “Inteligencia
Artificial”, en el aprendizaje. Sin embargo, el uso y la aplicación actual siguen
siendo bajos, lo que indica una brecha entre la percepción y la implementación
efectiva de la “Inteligencia Artificial”, en el contexto universitario. Por otro lado,
en el uso de la “Inteligencia Artificial”, se observa un impacto medio del
conocimiento sobre IA, lo que sugiere que los estudiantes tienen un conocimiento
moderado sobre esta tecnología. La percepción es más neutral en este caso,
con un nivel medio de uso y aplicación. Esto podría indicar una adopción gradual
de la IA en el proceso de aprendizaje universitario, con un potencial para un
mayor uso y aplicación en el futuro.
También, el impacto del conocimiento sobre “Inteligencia Artificial”, es
también medio, lo que sugiere que los estudiantes tienen un nivel moderado de
pág. 115
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
familiaridad con las herramientas basadas en “Inteligencia Artificial”. La
percepción es neutral, al igual que el nivel de uso y aplicación de estas
herramientas. Esto podría indicar que, si bien las herramientas de “Inteligencia
Artificial”, son conocidas, su uso y aplicación aún no son generalizados en el
entorno universitario.
La Tabla 7 muestra el porcentaje de estudiantes que reportan tener un
alto nivel de responsabilidad, autonomía, auto eficiencia, reflexión, colaboración,
flexibilidad, motivación intrínseca, aprendizaje a largo plazo, aprendizaje
personalizado, metacognición, total. según el detalle siguiente:
Responsabilidad: El 99.0% de los estudiantes reportan tener un alto nivel
de responsabilidad, lo que indica que son conscientes de sus obligaciones y
cumplen con sus tareas de manera responsable.
Tabla 7
Características del aprendizaje autónomo de los estudiantes de UPAO
Responsabilidad
Autonomía
Auto eficiencia
Reflexión
Colaboración
Flexibilidad
Motivación intrínseca
Aprendizaje a largo plazo
Adaptabilidad
Curiosidad e iniciativa
Pensamiento crítico y creativo
Aprendizaje personalizado
Independencia
Metacognición
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
No
Si
Fx
4
384
5
383
5
383
10
378
5
383
6
382
52
336
8
380
4
384
7
381
8
380
7
381
%
1.0
99.0
1.3
98.7
1.3
98.7
2.6
97.4
1.3
98.7
1.5
98.5
13.4
86.6
2.1
97.9
1.0
99.0
1.8
98.2
2.1
97.9
1.8
98.2
% válido
1.0
99.0
1.3
98.7
1.3
98.7
2.6
97.4
1.3
98.7
1.5
98.5
13.4
86.6
2.1
97.9
1.0
99.0
1.8
98.2
2.1
97.9
1.8
98.2
% acumulado
1.0
100.0
1.3
100.0
1.3
100.0
2.6
100.0
1.3
100.0
1.5
100.0
13.4
100.0
2.1
100.0
1.0
100.0
1.8
100.0
2.1
100.0
1.8
100.0
No
Si
No
Si
Total
64
324
56
332
388
16.5
83.5
14.4
85.6
100.0
16.5
83.5
14.4
85.6
100.0
16.5
100.0
14.4
100.0
Fuente: Elaboración propia
pág. 116
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Autonomía: El 98.7% de los estudiantes reportan tener un alto nivel de
autonomía, lo que significa que son capaces de tomar sus propias decisiones y
planificar su aprendizaje de manera independiente.
Auto eficiencia: El 97.4% de los estudiantes reportan tener un alto nivel de
auto eficiencia, lo que indica que confían en sus propias habilidades para
aprender y lograr sus objetivos.
Reflexión: El 98.7% de los estudiantes reportan tener un alto nivel de
reflexión, lo que significa que son capaces de analizar su propio aprendizaje,
identificar sus fortalezas y debilidades, y establecer metas para mejorar.
Colaboración: El 98.7% de los estudiantes reportan tener un alto nivel de
colaboración, lo que indica que son capaces de trabajar en equipo y compartir
ideas con sus compañeros.
Flexibilidad: El 98.5% de los estudiantes reportan tener un alto nivel de
flexibilidad, lo que significa que son capaces de adaptarse a diferentes
situaciones y métodos de aprendizaje.
Motivación intrínseca: El 86.6% de los estudiantes reportan tener un alto
nivel de motivación intrínseca, lo que indica que están motivados por el interés
personal en aprender y no por recompensas externas.
Aprendizaje a largo plazo: El 97.9% de los estudiantes reportan tener un
alto nivel de compromiso con el aprendizaje a largo plazo, lo que significa que
están dispuestos a dedicar tiempo y esfuerzo para aprender a lo largo de sus
vidas.
Adaptabilidad: El 99.0% de los estudiantes reportan tener un alto nivel de
adaptabilidad, lo que significa que son capaces de ajustarse a diferentes
entornos y situaciones de aprendizaje.
Curiosidad e iniciativa: El 98.2% de los estudiantes reportan tener un alto
nivel de curiosidad e iniciativa, lo que indica que son inquisitivos y proactivos en
su búsqueda de conocimiento.
Pensamiento crítico y creativo: El 98.2% de los estudiantes reportan tener
un alto nivel de pensamiento crítico y creativo, lo que significa que son capaces
de analizar información, generar ideas nuevas y resolver problemas de manera
creativa.
Aprendizaje personalizado: El 97.9% de los estudiantes reportan tener un
alto nivel de compromiso con el aprendizaje personalizado, lo que significa que
están dispuestos a ajustar su estilo de aprendizaje a sus necesidades e intereses
individuales.
pág. 117
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Independencia: El 83.5% de los estudiantes reportan tener un alto nivel
de independencia, lo que significa que son capaces de aprender por sí mismos
sin necesidad de supervisión constante.
Metacognición: El 85.6% de los estudiantes reportan tener un alto nivel de
metacognición, lo que significa que son conscientes de sus propios procesos de
aprendizaje y son capaces de monitorear y regular su propio aprendizaje.
Se concluye que los resultados indican que la mayoría de los estudiantes
tienen un alto nivel de desarrollo en las características del aprendizaje autónomo.
Esto es un indicador positivo, ya que estas características son esenciales para
el éxito en el aprendizaje a lo largo de la vida. Sin embargo, es importante
destacar que hay un porcentaje de estudiantes que reportan tener un nivel bajo
en algunas características. Esto sugiere que es necesario implementar
estrategias de enseñanza y aprendizaje que ayuden a los estudiantes a
desarrollar estas habilidades.
Respecto al aprendizaje autónomo, los resultados muestran que la
mayoría de los estudiantes de la UPAO tienen un alto nivel en características
clave del aprendizaje autónomo. Son responsables, autónomos y confían en sus
habilidades para aprender. Además, muestran habilidades de reflexión,
colaboración, flexibilidad y adaptabilidad, lo que sugiere una capacidad para
ajustarse a diferentes entornos de aprendizaje. Aunque algunos tienen un nivel
ligeramente menor de motivación intrínseca, la mayoría está motivada por el
interés personal en aprender. Aunque hay un porcentaje menor de estudiantes
que reportan altos niveles de independencia y metacognición, la mayoría aún
muestra capacidad para aprender de forma independiente y consciente de sus
procesos de aprendizaje.
Finalmente, los resultados muestran que, si bien hay un alto nivel de
conocimiento y percepción positiva sobre la “Inteligencia Artificial”, en el
aprendizaje universitario, el uso y la aplicación efectiva de estas tecnologías
todavía están en desarrollo, lo que sugiere la necesidad de una mayor
integración y adopción de la “Inteligencia Artificial”, en el contexto educativo.
Además, sugieren que los estudiantes están preparados para aprovechar las
ventajas de la “Inteligencia Artificial”, en la educación.
Discusión de resultados
Respecto al objetivo general, se resalta el impacto general de la
“Inteligencia Artificial” en la investigación universitaria peruana. La alta
familiaridad, percepción positiva, uso significativo y amplia aplicación de
herramientas basadas en “Inteligencia Artificial” en el ámbito educativo indican
un progreso significativo hacia la integración efectiva de la “Inteligencia Artificial”
en la educación superior. Sin embargo, es importante abordar los desafíos y
oportunidades identificados en cada objetivo para garantizar una adopción
pág. 118
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
informada, equilibrada y sostenible de la “Inteligencia Artificial” en la
investigación y el aprendizaje universitario en Perú.
Respecto al objetivo específico 1, la evaluación del conocimiento sobre la
“Inteligencia Artificial” en la comunidad universitaria revela un panorama
alentador. La alta familiaridad y comprensión de la IA entre los estudiantes y
académicos sugieren una sólida base de conocimientos en esta área. Este nivel
de conocimiento es crucial, ya que sienta las bases para una adopción más
efectiva y una integración adecuada de la “Inteligencia Artificial” en la
investigación y el aprendizaje. Además, indica un interés activo en las tendencias
tecnológicas emergentes, lo que podría traducirse en un mayor impulso hacia la
innovación y la exploración de nuevas aplicaciones de la IA en el ámbito
académico.
En cuanto al objetivo específico 2; la investigación sobre las percepciones
de la “Inteligencia Artificial” en el aprendizaje revela una actitud mayoritariamente
positiva hacia esta tecnología. Esta percepción favorable sugiere que la
comunidad universitaria percibe la “Inteligencia Artificial” como una herramienta
valiosa para mejorar la calidad y eficacia del proceso educativo. La confianza y
optimismo en la capacidad de la “Inteligencia Artificial” para personalizar el
aprendizaje, optimizar recursos y enriquecer la experiencia educativa pueden
impulsar aún más su adopción e integración en las prácticas pedagógicas. Sin
embargo, es importante abordar cualquier preocupación o escepticismo
potencial para garantizar una adopción informada y equilibrada de la “Inteligencia
Artificial” en la educación.
En relación con el objetivo específico 3; el análisis del uso de la
“Inteligencia Artificial” en el proceso de aprendizaje universitario destaca una
adopción significativa de esta tecnología en el ámbito educativo. La presencia
generalizada de herramientas basadas en “Inteligencia Artificial” sugiere una
integración efectiva de la tecnología en las prácticas educativas cotidianas. Sin
embargo, es importante tener en cuenta que el uso de la “Inteligencia Artificial”
puede variar en función de factores como la disponibilidad de recursos, la
capacitación del personal y las preferencias pedagógicas. Por lo tanto, es
fundamental seguir explorando formas de optimizar y personalizar la
implementación de la “Inteligencia Artificial” para satisfacer las necesidades
específicas de los estudiantes y educadores.
El objetivo específico 4; la identificación y exploración de herramientas
basadas en “Inteligencia Artificial” en el aprendizaje universitario revela un
amplio espectro de aplicaciones y funcionalidades. Desde sistemas de gestión
del aprendizaje hasta plataformas de creación de contenido, estas herramientas
ofrecen diversas formas de mejorar la experiencia educativa y promover un
aprendizaje más personalizado y adaptativo. Sin embargo, es importante
reconocer que la efectividad de estas herramientas puede depender de factores
pág. 119
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
como la accesibilidad, la usabilidad y la interoperabilidad. Por lo tanto, es
fundamental realizar evaluaciones continuas y colaborativas para garantizar que
estas herramientas cumplan con sus objetivos educativos previstos y satisfagan
las necesidades cambiantes de la comunidad universitaria.
CONCLUSIONES
El estudio revela un panorama alentador sobre el impacto de la
“Inteligencia Artificial” en la investigación universitaria peruana. La alta
familiaridad, percepción positiva y uso significativo de herramientas basadas en
“Inteligencia Artificial” reflejan un progreso notable en la integración de esta
tecnología en el ámbito educativo. Sin embargo, es crucial abordar los desafíos
identificados para garantizar una adopción informada y equilibrada de la
“Inteligencia Artificial”, promoviendo así una mejora continua en la calidad y
eficacia del proceso educativo en Perú.
La alta familiaridad y comprensión de la “Inteligencia Artificial” entre los
estudiantes reflejan una sólida base de conocimientos en esta área en la
universidad.
La actitud mayoritariamente positiva hacia la “Inteligencia Artificial” en el
aprendizaje sugiere un reconocimiento de su valor potencial para mejorar la
calidad y eficacia de la educación en Perú.
La adopción significativa de la “Inteligencia Artificial” en el ámbito
educativo indica una integración efectiva de esta tecnología en las prácticas
pedagógicas cotidianas en Perú.
La diversidad de herramientas basadas en IA disponibles destaca el
potencial de esta tecnología para promover un aprendizaje más personalizado y
adaptativo en el contexto educativo.
REFERENCIAS
Bernal, C. (2016). Metodología De La Investigación Bernal 4ta. edición. (p. 400).
Deci, E. L., & Ryan, R. M. (1985). Intrinsic motivation and self-determination in
human behavior. Springer Science & Business Media.
Forero, W., & Negrè, P. (2024). Técnicas y aplicaciones del Machine Learning e
Inteligencia Artificial en educación: una revisión sistemática. RIED-Revista
Iberoamericana
de
Educación
a
Distancia,
27,
209-253.
https://www.redalyc.org/journal/3314/331475280017/331475280017.pdf
González, R. A. y Silveira, M. H. (2022). Educación e Inteligencia Artificial: Nodos
temáticos de inmersión. Edutec: Revista Electrónica de Tecnología
pág. 120
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Educativa, 82, 59-77. https://www.edutec.es/revista/index.php/edutece/article/view/2633
Hernández, R., Fernández, C., & Baptista, P. (2014). Metodología de la
investigación (McGraw-Hil).
Hwang, G. J., & Wu, P. H. (2014). Applications, impacts and trends of mobile
technology-enhanced learning: A review of 2008-2012 publicaciones in
selected SSCI journals. International Journal of Mobile Learning and
Organisation, 8(2), 83-95.
Knowles, M. S. (1975). Self-directed learning: A guide for learners and teachers.
Cambridge, MA: Follett Publishing Company.
López, R., & Meseguer, P. (2023). Inteligencia artificial. En Titivillus (Ed.), 20.
https://books.google.com.pe/books/about/Inteligencia_artificial.html?id=T
tSLEAAAQBAJ&redir_esc=y
Nemorin, S., Vlachidis, A., Ayerakwa, H. M. y Andriotis, P. (2022). AI hyped?: A
horizon scan of discourse on artificial intelligence in education (AIED) and
development. Learning, Media and Technology, 48(1), 38-51.
https://doi.org/10.1080/17439884.2022.2095568
Nicol, D. J., & Macfarlane‐Dick, D. (2006). Formative assessment and self‐
regulated learning: A model and seven principles of good feedback
practice. Studies in Higher Education, 31(2), 199-218.
Ñaupas, H., Mejías, E., Novoa, E., & Villagómez, A. (2014). Metodología de la
investigación Cuantitativa-Cualitativa y redaccion de la Tesis (E. de la U
(ed.); Cuarta).
Quiàn, A., & García, S. (2024). Inteligencia artificial en la prensa: estudio
comparativo y exploración de noticias con ChatGPT en un medio
tradicional y otro nativo digital Artificial intelligence in the press:
comparative study and exploration of news with ChatGPT in a traditional
a.
Revista
de
Comunicación,
23(1),
457-484.
https://doi.org/10.26441/RC23.1-2024-3374
Pedró, F., Subosa, M., Rivas, A. y Valverde, P. (2019). Artificial intelligence in
education: Challenges and opportunities for sustainable development.
UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000366994?posInSet=18&que
ryId =e7eb9080-65e7-4fbb-9dd5-7c54716cb14a
Pintrich, P. R., & De Groot, E. V. (1990). Motivational and self-regulated learning
components of classroom academic performance. Journal of Educational
Psychology, 82(1), 33-40.
Rouhiainen, L. (2017). Inteligencia artificial (Alienta (ed.); Vol. 4, Número 1).
pág. 121
[Capítulo 6] Potenciando el Aprendizaje Autónomo Universitario: Retos y Oportunidades de la
Inteligencia Artificial Generativa
Sánchez, M. (2024). La inteligencia artificial como recurso docente: usos y
posibilidades para el profesorado. Educar, 60(1), 33-47.
UNESCO. (2024). Inteligencia artificial en la Educación. Una guía práctica para
profesores en la era digital. En Unesco. https://es.unesco.org/themes/ticeducacion/inteligencia-artificial
Universidad de Antioquia. (2024). Más allá de los datos: la revolución de la
inteligencia artificial en las ciencias de la información. Rev. Interam.
Bibliot. Medellín, 47(1), e355849.
Tahiru, F. (2021). AI in education: a systematic literature review. Journal of cases
on
Information
Technology
(JCIT),
23(1).
https://doi.org/10.4018/JCIT.2021010101
Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective.
In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of selfregulation (pp. 13-39). Academic Press.
Zimmerman, B. J., & Moylan, A. R. (2009). Self-regulation: Where metacognition
and motivation intersect. In D. J. Hacker, J. Dunlosky, & A. C. Graesser
(Eds.), Handbook of metacognition in education (pp. 299-315). Routledge
pág. 122
CAPÍTULO 7
Sinergias entre Automatización Robóticos en
Inteligencia Artificial: Impulsando la Eficiencia en la
Investigación Científica
María Yedidia Alburqueque Trelles19, Marina Fernández Miranda20,
Carlos Alberto Ramos Reyes21 y Adolfo Antenor Jurado Rosas22
RESUMEN
La investigación científica enfrenta desafíos relacionados con la gestión eficiente
de grandes volúmenes de datos y la ejecución de tareas repetitivas. La
automatización robótica de procesos (RPA) y la inteligencia artificial (IA) se
presentan como soluciones potenciales para abordar estos retos. Analizar las
sinergias entre RPA e IA y su impacto en la eficiencia y precisión de la
investigación científica. Se realizó un análisis documental exhaustivo,
recopilando y revisando 25 artículos académicos y revisiones teóricas que
exploran la implementación de RPA e IA en diferentes contextos de investigación
científica. La integración de RPA e IA en la investigación científica permite la
automatización de tareas repetitivas, lo que libera a los investigadores para
enfocarse en actividades de mayor valor añadido. Esta integración reduce
significativamente los errores en la manipulación de datos, mejora la fiabilidad
de los resultados y acelera el procesamiento de grandes volúmenes de
información. Además, se observa una ventaja competitiva en las instituciones
que adoptan estas tecnologías, así como una mejor gestión de recursos y
reducción de costos operativos. Las tecnologías de RPA e IA son fundamentales
para el avance y la eficiencia en la investigación científica. Su implementación
no solo optimiza procesos y mejora la calidad de los resultados, sino que también
ofrece ventajas competitivas significativas para las instituciones de investigación.
Palabras Clave: Automatización robótica de procesos, inteligencia artificial,
eficiencia en investigación, gestión de datos.
Cita APA 7 ed.: Alburqueque, M., Fernández, M., Ramos, C. y Jurado, A. (2024) Sinergias entre
automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación
científica. En P.G. Gamboa y D.O. Nieves (Coords.). Educación 5.0: Tendencias Tecnológicas
Educativas Tomo I. Volumen 1. (pp. 123-161). Editorial Racionalidades.
19
20
21
22
0000-0001-6156-7981 | Universidad Privada Antenor Orrego, Perú | [email protected]
0000-0001-5207-4827 | Universidad Privada Antenor Orrego, Perú | [email protected]
0000-0002-8854-9094 | Universidad Privada Antenor Orrego, Perú | [email protected]
0000-0002-2840-0378 | Universidad Privada Antenor Orrego, Perú | [email protected]
pág. 123
[Capítulo 7] Sinergias entre Automatización Robóticos en Inteligencia Artificial: Impulsando la
Eficiencia en la Investigación Científica
INTRODUCCIÓN
La inteligencia artificial (en adelante IA) desempeña un papel crucial en el
análisis de grandes cantidades de datos científicos, la identificación de patrones
y relaciones complejas, y la generación de nuevos conocimientos. A través del
aprendizaje automático y otras técnicas avanzadas de IA, los investigadores
pueden procesar y extraer información relevante de vastos conjuntos de datos,
acelerando el ritmo de los descubrimientos científicos. Además, la IA se utiliza
para simular experimentos, modelar fenómenos complejos y predecir resultados,
complementando y ampliando los métodos experimentales tradicionales. Esta
capacidad para manejar y analizar datos masivos transforma la investigación
científica, permitiendo avances significativos en diversas disciplinas (Ocaña, et
al, 2019)
Cedeño, et al. (2024) manifiesta que la IA ha demostrado ser una
herramienta poderosa en el diseño de experimentos y la interpretación de
resultados. Los sistemas basados en IA pueden optimizar procesos, mitigar
sesgos y mejorar la reproducibilidad de los estudios. Esto es particularmente
relevante en disciplinas científicas y tecnológicas, pero también ha impactado en
las humanidades, las ciencias sociales y las artes, redefiniendo los enfoques de
investigación en estas áreas. La automatización a través de RPA apoya estas
funciones al ejecutar tareas rutinarias con precisión y eficiencia, lo que contribuye
a una investigación más rápida y precisa.
Por otro lado, la Automatización de Procesos Robóticos (en adelante
RPA) se centra en automatizar tareas repetitivas y basadas en reglas que
consumen mucho tiempo en los procesos de investigación. Desde la recopilación
y el procesamiento de datos hasta la gestión de documentos y la generación de
informes, los robots de software pueden realizar estas actividades de manera
más rápida, precisa y consistente que los humanos. Esto permite a los
investigadores dedicar más tiempo a tareas de mayor valor analítico y creativo,
mejorando la eficiencia y la calidad de la investigación científica (Moreno, 2016).
La relación entre RPA e IA tiene un impacto significativo en la
investigación científica, ofreciendo una combinación poderosa que mejora la
eficiencia y la precisión en numerosos aspectos. La RPA utiliza software para
automatizar tareas repetitivas y basadas en reglas, liberando a los
investigadores de labores tediosas y permitiéndoles centrarse en actividades
más creativas y analíticas. Al integrarse con la IA, la RPA puede realizar tareas
aún más complejas, imitando el comportamiento humano y adaptándose de
manera inteligente a diferentes situaciones. La RPA y la IA se complementan, ya
que la RPA puede preparar y alimentar los datos para que la IA los procese,
mientras que la IA puede optimizar y mejorar los flujos de trabajo automatizados.
Esta sinergia no solo optimiza los procesos de investigación, sino que también
pág. 124
[Capítulo 7] Sinergias entre Automatización Robóticos en Inteligencia Artificial: Impulsando la
Eficiencia en la Investigación Científica
abre nuevas posibilidades para el descubrimiento y la innovación científica
(Palomino, et al, 2023).
La combinación de RPA e IA es invaluable. La IA potencia la RPA al
permitir que los sistemas automatizados aprendan de los datos, mejoren su
desempeño con el tiempo y tomen decisiones más sofisticadas. Esto se traduce
en una mayor velocidad y precisión en la recopilación, procesamiento y análisis
de datos científicos, lo que no solo acelera el ritmo de la investigación, sino que
también abre nuevas posibilidades de descubrimiento. Al integrar estas
tecnologías, los procesos de investigación se vuelven más eficientes y robustos,
permitiendo que los científicos se concentren en el desarrollo de nuevas teorías
y experimentos innovadores.
Además, la RPA con IA facilita la gestión y el análisis de grandes
volúmenes de datos, la identificación de patrones complejos y la realización de
simulaciones avanzadas. Esto es crucial para modelar fenómenos científicos y
predecir resultados experimentales con una precisión sin precedentes. Al
automatizar estas tareas, los investigadores pueden explorar diversas hipótesis
y escenarios de manera más exhaustiva y eficiente, avanzando
significativamente en el conocimiento científico. Esta sinergia tecnológica no solo
optimiza los recursos disponibles, sino que también impulsa el progreso y la
innovación en múltiples disciplinas científicas (Cifuentes & Sixto, 2022).
A pesar de los beneficios significativos, la integración de la IA y la RPA en
la investigación universitaria presenta varios desafíos éticos. Entre las
principales preocupaciones se encuentran la falta de transparencia en los
algoritmos de IA y la posibilidad de sesgos éticos. La transparencia algorítmica
es crucial para que los investigadores comprendan cómo se toman las
decisiones y puedan mitigar posibles sesgos. Además, es necesario desarrollar
competencias en IA y fomentar la formación continua en ética para asegurar que
los investigadores estén preparados para manejar estos desafíos. Las políticas
institucionales claras son esenciales para guiar el uso ético de la IA y la RPA en
la investigación (Cedeño, et al, 2024).
Para abordar estos desafíos, es fundamental implementar estándares de
transparencia en los algoritmos y promover la documentación detallada de los
procesos de toma de decisiones automatizadas. Asimismo, se deben establecer
políticas institucionales claras y crear programas de formación ética continua
para los docentes. La participación activa de la comunidad académica en la toma
de decisiones relacionadas con la IA y la RPA, así como la realización de
auditorías éticas periódicas, son estrategias clave para garantizar una
investigación ética y responsable. Estas medidas buscan fortalecer la integridad
y la ética en la investigación académica, asegurando que la IA y la RPA se
utilicen de manera que respeten y protejan los valores éticos fundamentales.
pág. 125
[Capítulo 7] Sinergias entre Automatización Robóticos en Inteligencia Artificial: Impulsando la
Eficiencia en la Investigación Científica
La integración de tecnologías de automatización robótica de procesos
(RPA) e inteligencia artificial (IA) en la investigación científica es esencial para
mejorar la eficiencia y precisión en la gestión de grandes volúmenes de datos y
la ejecución de tareas repetitivas. Este capítulo se justifica por su capacidad para
liberar a los científicos de actividades rutinarias, reduciendo errores y mejorando
la fiabilidad de los resultados. Además, la adopción de RPA e IA proporciona una
ventaja competitiva y contribuye a una mejor gestión de recursos y reducción de
costos operativos. Al explorar casos prácticos y revisiones teóricas, este análisis
documental demuestra que la combinación de estas tecnologías es fundamental
para el avance y la eficiencia en la ciencia contemporánea, abordando de
manera integral las sinergias entre ambas y su impacto transformador en la
investigación científica.
DESARROLLO
Para el presente estudio se ha tomado como fuente de análisis a 25
artículos científicos de la base de datos de Scopus y se procedió a ordenarlo de
acuerdo a los siguientes criterios:
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
BASE
AÑO
TIPO
TÍTULO
AUTOR
OBJ_GENERAL
DESCRIPTORES
INTRODUCCIÓN
FUNDAMENTACIÓN
METODOLOGÍA
DISEÑO
POBLACIÓN
INSTRUMENTO
RESULTADOS
CONCLUSIONES
DISCUSIÓN
RELACIÓN
Luego se procedió a analizarlos por medio del programa Atlas.ti, aplicando
un análisis deductivo, para luego presentar los resultados por medio de las redes
y nube de palabras, con su debida interpretación.
pág. 126
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
Tabla 1
Base de datos de los artículos analizados
N
Base
Año
Tipo
Título
Objetivo
General
Analizar cómo
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Este artículo se
la
relaciona
Automatización
1
SCOPU
S
Artículo
2021
científic
o
Automation of
de
Big
Robóticos
Data
Analytics
Using Robotic
Process
G. Malinin
(Malini,
2021)
puede
ser
utilizada
RPA
Automat
Análisis
ización
de datos
para mejorar el
Automation
análisis
de
Automatiz
exploran el uso de
ación
tecnologías
Robótica
Robots
2
SCOPU
S
2023
científic
Procesos
artificial
o
empresariales
Andrea
Es
analizar
Automa
Future through
Nicoleta
cómo
la
tización
Robotic
B., Corina
Automatización
robótica
Process
Georgiana
de
de
Automation,
Ș.
a Case Study
Dragoș B.
(RPA)
(Bichel,
Inteligencia
Robóticos
y
proceso
la
y
analíticos.
An Innovative
y
para
mejorar procesos
de
Procesos
de
automatización e
inteligencia
datos.
Artículo
Big data
de
grandes
volúmenes
con
otros trabajos que
Procesos
(RPA)
Relación
s
El
artículo
proporciona
Transfor
recursos
mación
humano
digital
s
liderazgo
un
inteligen
estudio de caso
cia
detallado de una
artificial
empresa rumana,
mostrando cómo
la RPA puede ser
pág. 127
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Serban, &
Objetivo
General
Artificial
(IA)
Bujor,
están
exitosamente
2023)
transformando
para transformar
el
procesos internos
Título
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_5
Dsc_6
Relación
implementada
entorno
empresarial,
mejorando
Dsc_4
y liberar capital
humano
para
eficiencia
tareas
más
organizacional,
significativas,
reduciendo
contribuyendo
costos
la
y
al
conocimiento
asegurando la
práctico sobre la
calidad.
aplicación
de
estas tecnologías.
Emerging
digital
3
SCOPU
S
Artículo
2024
científic
o
technologies
and
auditing
firms:
Opportunities
and
challenges
El objetivo del
Este artículo se
diferencia
artículo
es
Sonia Vitali
analizar
los
y
Emergi
impactos
de
Digitalis
Auditing
impacto
Marco
ng
nuevas
technol
ation
firms
tecnologías
Giuliani
tecnologías,
(2024)
ogies
específicament
firmas
e
auditoría, en lugar
la
automatización
al
enfocarse en el
de
las
emergentes en las
de
solo
de
en
pág. 128
la
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Objetivo
General
de
procesos
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
calidad
de
la
robóticos (RPA)
auditoría,
el
y la inteligencia
gobierno
artificial (IA), en
corporativo o los
las firmas de
informes
auditoría.
En
externos.
particular,
se
contribución única
La
enfoca en las
radica
en
la
actividades
exploración
de
diarias de las
cómo las nuevas
empresas,
tecnologías
la
estructura
afectan
organizacional,
estructura
las prácticas de
organizacional
contratación
las prácticas de
la
y
brecha
la
y
contratación
en
competitiva
las
de
entre las firmas
auditoría.
firmas
Big4 y las no
Big4.
pág. 129
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
Este artículo se
4
SCOPU
S
2023
Es
identificar
relaciona
los
desafíos
otros trabajos al
con
Julia
organizacionale
expandir
Siderska,
s, tecnológicos
conocimiento
Towards
Lili Annika
y centrados en
sobre la transición
Intelligent
Aunimo,
el ser humano
de RPA a IPA y
Automation
Thomas
que
enfrentan
los
(IA): literature
Süße,
las
empresas
review on the
John
Artículo
evolution
científic
o
desafíos
asociados.
en la transición
Robotic
Intellige
Intellige
Contribuye
Stamm,
de
Proces
nt
nt
identificando
Robotic
Damian
Automatización
s
Automat
desafíos
Process
Kedziora,
de
Automa
Automat
ion,
específicos
Automation
Suraya
Robóticos
tion
ion
challeng
contramedidas
(RPA),its
Nabilah
(RPA)
es.
potenciales
challenges,
Binti Mohd
Automatización
la transición de
and
Aini.
de
RPA
(Siderska,
Inteligentes
y
(IPA),
trends
of
future
von
el
otros,
2023)
la
Procesos
a
la
Procesos
y
RPA
Process
IPA
AI
a
y
para
IPA,
además
de
resaltar
la
proponer
importancia
de
posibles
integrar
contramedidas.
tecnologías
avanzadas de IA
pág. 130
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
en
procesos
automatizados.
El objetivo del
Este artículo se
artículo
es
relaciona
con
proporcionar un
trabajos
que
marco para la
exploran el uso de
implementación
RPA
de
auditorías, pero lo
la
Automatización
5
SCOPU
S
Artículo
2018
científic
o
Intelligent
Process
Automation in
Audit
Chanyuan
(Abigail)
Zhang
(Zhang,
2019)
Inteligente
de
Procesos (IPA)
en
auditorías,
describiendo
cómo
IPA
puede
beneficiar a la
Audit,
Intellige
nt
Proces
s
Automa
tion
Robotic
Process
Automat
ion
Artificial
Intellige
nce
y
IA
en
extiende
al
proponer
un
marco
para
la
Audit
implementación
Workflow
de
IPA.
La
contribución única
de este artículo es
la propuesta de un
profesión
de
marco teórico y un
auditoría
al
prototipo
mejorar
la
implementar IPA
eficiencia
y
en auditorías, algo
efectividad
de
que no se había
las auditorías.
abordado
pág. 131
para
en
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
investigaciones
anteriores.
El objetivo del
Este artículo se
artículo
es
relaciona
con
optimizar
el
trabajos
que
servicio
al
exploran el uso de
cliente
VOC Analytics
6
SCOPU
S
Artículo
2024
científic
o
Based on Web
Crawling
and
Robotic
Process
Automation
RPA
Chang
mediante
Seong Ko,
recopilación
HaeKyung
automática
Lee,
opiniones
Taioun
clientes
s
Web
Kim
relacionadas
Automa
crawling
(Seong Ko,
con
las
tion
Lee,
compras
en
(RPA)
&
Kim, 2024)
la
y
crawling
web
en
la
recopilación
de
Robotic
de
Proces
y
análisis de datos,
Voice of
Informatio
Custom
n
er (VoC)
extraction
pero
UiPath
se
enfoca
específicamente
en la VoC en el
comercio en línea.
Las
limitaciones
línea utilizando
incluyen la falta de
tecnología
de
validación
web crawling y
empírica
Robotic
necesidad
Process
estudios
Automation
adicionales
para
explorar
la
(RPA).
Los
y
pág. 132
la
de
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
datos
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
aplicación
de
recopilados se
estas tecnologías
analizan
en
y
diferentes
procesan
contextos
utilizando
comercio en línea.
técnicas
de
de
tokenización de
oraciones,
modelado
de
temas, análisis
de sentimientos
y Word Cloud.
Wei
Increased
7
SCOPU
S
2024
Lo
El objetivo del
Este artículo se
Chun-Ming
Productivity
artículo
Yang
and Reduced
científico
es
tización
Inteligen
Artículo
Qiansha
Waste
explorar
la
de
cia
Internet
Productivi
Gestión
existente
científic
Zhang
Robotic
convergencia
artificial
de Todo
dad
de
los beneficios de
o
Mingyuan
proceso
Process
de
s
generati
(IoE)
industrial
residuos
RPA y GAI, pero
Li
Automation
automatización
Yang,
robótico
va (GAI)
and
de
Zhang,
s (RPA)
Generative AI-
Li, 2024)
with
(Lo,
&
alinea
Automa
la
procesos
con
la
literatura
sobre
se destaca por su
enfoque
en
la
robóticos (RPA)
integración
y la inteligencia
estas tecnologías
pág. 133
de
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
powered
Autor
IoE
Services
Objetivo
General
artificial
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
en
generativa
(GAI)
en
Relación
IoE.
La
contribución única
el
radica
en
la
contexto de los
demostración
servicios
del
práctica y teórica
Internet
de
de
Todo (IoE).
cómo
la
combinación
de
RPA, GAI, y IoE
puede
transformar
eficiencia
la
y
la
innovación en las
industrias
contemporáneas.
High-
Anthony
throughput
8
SCOPU
S
2022
Torres,
amplific
marcador
amplific
ación
de
ación
isotérmi
asociado
por
genotipa
ca
a
recombi
do
mediada
en
nasa
por
Cannabis
polimera
plantas
bucle
2
sa
masculinas de
(LAMP)
(MADC2)
(RPA)
Desarrollar
y
validar métodos
alta
Artículo
methods
Christophe
de genotipado
resoluci
científic
to identify
r
de
ón
o
male
Robert
Cannabis
sativa
various
Pauli,
using
Givens,
Jason
Argyris,
alto
rendimiento
para identificar
de
fusión
(HRM)
ADN
macho
No
se
enfoca
planta
específicamente
masculi
en RPA e IA, sino
na
en metodologías
de
Cannabi
de
genotipado
s
como
HRM,
LAMP y qPCR.
Proporciona
pág. 134
un
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
genotyping
Keith
Objetivo
General
Cannabis
methods
Allen,
sativa
económico para la
Amparo
utilizando
identificación del
Monfort,
diversas
sexo
Reginald J.
técnicas
Gaudino.
genotipado.
Tipo
Título
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
método robusto y
de
en
Cannabis,
contribuyendo
(Torres, y
significativamente
otros,
a
2022)
comerciales en la
las
prácticas
industria
del
Cannabis.
A
missed
Explorar cómo
No
se
No se relaciona
el proceso de
especifi
directamente con
Kathrin
de
can
RPA e IA, sino
Lauber
evaluación
(IA)
directa
con la evaluación
la
mente
de
opportunity for
public health:
How
9
SCOPU
S
2024
impact
y
Artículo
assessment
Eleanor
impacto
científic
shaped
Brooks.
influyó
rules on the
(Lauber &
decisión de la
en
Brooks,
Unión Europea
fragme
pública.
marketing
sobre las reglas
nto
una visión crítica
2024)
de
marketing
proporc
sobre
commodities
de
productos
ionado.
proceso
de
to children
evaluación
de
o
EU
unhealthy
of
en
el
impacto
en
políticas de salud
Ofrece
cómo
pág. 135
el
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Objetivo
General
no saludables
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
impacto
para niños.
influir
puede
en
la
formulación
de
políticas de salud
pública en la UE.
1
SCOPU
0
S
2024
Es avanzar en
Este artículo no se
Jennifer
las
centra
Advancing
Ann
consideracione
directamente
socio-
Brown,
s
RPA e IA, sino en
ecological
Mathew
ecológicas
considerations
Lewans,
la
evaluación
in
impact
Devidas
socio-
de impacto (IA)
Artículo
assessment of
Menon,
ecologi
científic
extractive
Candace
industrias
o
industries:
I.J.
determi
extractivas,
realist
Nykiforuk.
nants of
específicament
interview study
(Brown,
health
e en el contexto
consideraciones
in
Lewans,
canadiense,
socio-ecológicas
Canadian
Menon, &
utilizando
en
las
context
Nykiforuk,
entrevistas
evaluaciones
de
2024)
realistas
para
impacto, con un
estructurar
la
enfoque particular
A
the
socioen
de
las
en
la evaluación de
cal
impacto ambiental
impact
assess
ment
y
polycent
la
regulación
ric
realist
policéntrica.
regulatio
methods
Aporta un marco
n
teórico
para
integrar
pág. 136
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Objetivo
General
presentación
de
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
los
ambiental
2023
y
hallazgos de la
participación
investigación.
indígena.
la
El artículo no se
Hotzy
between
Manuela
nivel
perceived
Spiess
conocimiento
trabajos
Regula
de
campo del RPA y
Ruflin
pacientes sobre
la
Andres
su
artículo
and
level
S
justicia
Association
perceived
1
la
Es evaluar si el
coercion
SCOPU
Relación
en
Florian
1
Dsc_6
of
de
los
propia
relaciona
directamente con
en
IA.
el
Este
Artículo
information
Schneeber
admisión
Involunt
científic
in involuntarily
ger
involuntaria (IA)
ary
Coerció
o
admitted
Rafael
está
asociado
admissi
n
patients:
Traber
con
la
Results from a
Stéphane
percepción
de
multicenter
Morandi
coerción
observational
Matthias
durante
su
comunicación en
study
Jaeger
admisión
en
la percepción de
Anastasia
hospitales
coerción durante
Theodorid
psiquiátricos.
la
Switzerland
in
ou (Hotzy,
on
Legal
regulatio
n
contribuye
al
Psychiatr
Patients
conocimiento
y
view
existente
al
resaltar
la
importancia de la
información y la
admisión
involuntaria
pág. 137
en
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
y
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
otros
Relación
psiquiatría,
(2023)
sugiere
y
mejoras
prácticas
para
reducir la coerción
percibida.
Este artículo no se
relaciona
Perceptions
1
SCOPU
2
S
2023
Artículo
Adolescents:
científic
Predictors
o
and Experienc
es
of Sense
of Belonging
in High School
qué
predictores
y
directamente con
trabajos
en
el
campo del RPA y
experiencias
from Newcom
er Multilingual
Examinar
la IA. El artículo
contribuyen
al
Kristen
sentido
de
McInerney
pertenencia de
Newco
Immigra
Adolesc
(McInerne
los
mers
nt
ent
y, 2023)
adolescentes
contribuye
Belonging
High
school
al
Equity,
conocimiento
Case
existente
study
proporcionar una
al
inmigrantes
comprensión
multilingües en
detallada de los
una
predictores
escuela
secundaria.
y
experiencias que
afectan el sentido
de pertenencia de
los
estudiantes
pág. 138
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
inmigrantes
multilingües,
un
área
poco
investigada hasta
ahora.
Impact
of
combinations
of
subscale
declines
in
higher-level
1
SCOPU
3
S
Artículo
2023
científic
o
functional
capacity on 8year all-cause
mortality
among
communitydwelling older
Japanese
adults.
Hisashi
Examinar
Kawai,
asociación
Manami
entre
Ejiri, Keigo
combinación de
existente
Imamura,
disminuciones
proporcionar una
Kumiko Ito,
en la capacidad
Yoshinori
Higher-
funcional
level
Fujiwara,
la
El
artículo
contribuye
la
de
alto nivel y la
al
conocimiento
function
al
comprensión
All-
y-dwelling
las disminuciones
older
combinadas en la
adults.
capacidad
mortalidad por
Ihara,
al
todas
Hirohiko
capacit
causas durante
Hirano,
un periodo de
nivel afectan la
Shuichi
ocho
años
mortalidad
entre
los
Obuchi.
(Kawai,
y
adultos
y
mortality
Frailty
detallada de cómo
Kazushige
las
cause
Communit
funcional de alto
los
entre
adultos
mayores
otros,
mayores
2023)
viven
en
que
la
viven
que
en
comunidad,
pág. 139
la
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Objetivo
General
comunidad en
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
destacando
la
Japón,
y
importancia de la
clarificar
la
fragilidad social.
naturaleza
multifacética de
la fragilidad y
su impacto en
la mortalidad.
Examinar
Beyond
learning
with cold
1
SCOPU
4
S
Artículo
2024
científic
o
machine:
interpersonal
communicatio
n
skills
as anthropom
orphic
cue
of AI instructor
el
Este artículo se
Shunan
papel de la auto
centra en la IA en
Zhang,
divulgación por
la
Xiangying
parte
específicamente
Zhao,
instructores de
Dongyan
IA en el apego
AI
Nan, Jang
emocional y las
instruct
Hyun Kim
experiencias de
(Zhang,
aprendizaje de
Zhao, Nan,
los estudiantes,
efectividad de los
&
y comparar las
instructores de IA.
diferencias
Este
2024)
Kim,
de
en
en
or
Emotion
al
attachm
ent
Selfdisclosu
re
Learning
interest
educación,
cómo
las
,Knowle
habilidades
de
dge
comunicación
gain.
interpersonal
pueden mejorar la
artículo
estos aspectos
contribuye
entre
conocimiento
pág. 140
al
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Objetivo
General
instructores de
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
existente
IA y humanos.
al
demostrar que la
autodivulgación
por parte de los
instructores de IA
puede
mejorar
significativamente
el
apego
emocional,
el
interés
el
en
aprendizaje y la
ganancia
de
conocimiento,
proporcionando
así una estrategia
para humanizar la
IA
en
entornos
educativos.
1
SCOPU
5
S
2024
Artículo
Research
James
científic
ethics
o
artificial
Joseph Ali,
estrategias
intelligence for
Caesar A.
para promover
and
Shaw,
Examinar
desafíos
los
y
Artificial
intellige
nce
El
artículo
se
Machine
Bioethic
Research
Global
centra en la IA y
learning
s
ethics
health
su
gobernanza
ética en la salud
pág. 141
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
global health:
Atuire,
Objetivo
General
la ética en la
perspectives
Phaik
investigación
proporcionando
from the global
Yeong
que
una base para la
forum
on
Cheah,
Inteligencia
discusión
bioethics
in
Armando
Artificial (IA) en
cómo
Guio
la salud global,
implementar
Español,
basándose
manera
Judy
los
Wawira
centrales
avanzadas
Gichoya,
discutidos en el
salud.
Adrienne
Global
artículo
Hunt,
on Bioethics in
proporciona
Daudi
Research
análisis detallado
Jjingo,
(GFBR)
de los desafíos
Katherine
celebrado
en
éticos específicos
Littler,
Ciudad
del
de la IA en la
Daniela
Cabo,
Paolotti,
Sudáfrica,
Effy
noviembre
Vayena
2022.
Título
research
Autor
(Shaw,
y
involucra
en
temas
Forum
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
global,
sobre
de
ética
tecnologías
en
Este
un
investigación
en
en
salud
y
de
ofrece
global
recomendaciones
prácticas
pág. 142
para
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
otros,
mejorar
la
2024)
gobernanza ética
Seyyed
Kazem
Banihashe
m, Nafiseh
Examinar
la
Taghizade
calidad
del
h Kerman,
feedback
Omid
generado
por
in
Noroozi,
ChatGPT
en
Artículo
essay writing:
Jewoong
comparación
generat
científic
peergenerated
Moon,
con el feedback
ed
o
or
Hendrik
generado
por
feedbac
generated
Drachsler.
pares
la
k
feedback?
(Banihash
escritura
em,
ensayos
Kerman,
argumentativos
Noroozi,
.
Feedback
sources
1
SCOPU
6
S
2024
AI-
Moon,
en
de
Este artículo se
AI-
centra en la IA en
ChatGP
Essay
Feedback
T
writing
sources
Higher
Peer
la
educación,
educatio
feedbac
específicamente
n
k
en la generación
de feedback, y no
en el RPA.
&
Drashler,
2024)
pág. 143
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
Este artículo se
enfoca en la IA y
no
Towards
1
SCOPU
7
S
2024
an
directamente
international
xplorar
la
regulatory
necesidad
y
framework for
Seokki
dirección de las
Artificial
científic
AI
Cha (Cha,
regulaciones de
intellige
o
lessons
2024)
seguridad para
nce,
the
from
IAEA’s
la
nuclear safety
el
RPA. Se relaciona
Artículo
safety:
aborda
AI safety
Internati
Nuclear
onal
safety
regulatio
IAEA
n
Inteligencia
regulatio
ns.
con trabajos que
Peer
discuten
la
feedbac
necesidad
de
k
regulaciones para
tecnologías
Artificial (IA).
emergentes y la
regulations.
cooperación
internacional en la
regulación de la
IA.
Medical
1
SCOPU
8
S
Artículo
2024
científic
o
students’
AI
literacy
and
attitudes
Matthias
Evaluar
Carl
alfabetización
Laupichler,
en inteligencia
Artificial
artificial (IA) y
intellige
nce
Alexandra
towards AI: a
Aster,
las
cross-
Marcel
hacia
sectional two-
Meyerheim
entre
la
actitudes
la
IA
Este artículo se
Attitude
AI
s
literacy
towards
AI
centra en la IA en
Confirmat
ory factor
analysis
Medical
Questio
la
educación
students
nnaire
médica
y
no
directamente
el
RPA.
Sin
aborda
pág. 144
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Tobias
Objetivo
General
estudiantes de
center
study
,
using
pre-
Raupach,
medicina
validated
Marvin
assessment
instruments
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
embargo,
se
relaciona
con
dos
trabajos
que
Mergen.
universidades
investigan
la
(Laupichler
alemanas
integración
de
,
utilizando
tecnologías
Meyerheim
instrumentos
emergentes en la
, Raupach,
de
educación
& Mergen,
pre-validados.
Aster,
2024)
en
evaluación
y
la
práctica
profesional. Este
artículo
contribuye
al
conocimiento
existente
al
proporcionar una
evaluación
detallada
validada
y
de
la
alfabetización en
IA y las actitudes
hacia la IA entre
pág. 145
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
estudiantes
de
medicina.
Este artículo se
Naga
1
SCOPU
9
S
2019
científic
o
Robotic
Dr.
Process
Vijayakum
Automation,
ar, Y. V. N.
an Enabler for
Sai
Shared
Sricharan.
Services
(Lakshmi,
Transformatio
Vijayakum
n
ar,
T.
&
Sricharan,
2019)
con
trabajos
que
investigan
la
implementación y
Lakshmi,
Artículo
alinea
Evaluar
papel
el impacto de la
el
de
la
Artificial
Automatización
Intellige
Robótica
nce
de
Procesos
(RPA)
en
(AI),
la
Digital
transformación
transfor
de los Servicios
mation
Compartidos.
RPA y la IA en la
Intellige
nt
Automat
ion (IA)
Robotic
transformación
Process
digital
Automat
empresas.Contrib
ion
uye
(RPA)
evaluación
de
con
empírica
las
una
del
impacto de la RPA
en los Servicios
Compartidos,
proporcionando
datos y análisis
que pueden guiar
tanto
a
pág. 146
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
investigadores
como
a
profesionales
en
la
adopción
y
optimización
de
tecnologías
de
automatización.
Automation of
2
SCOPU
0
S
Artículo
2023
científic
o
Big
Data
Analytics
Using Robotic
Process
Automation
Explorar cómo
Este artículo se
la
alinea con otros
Automatización
trabajos
que
Robótica
investigan
la
de
implementación y
Procesos
G.
Malini.
(Malini,
2021)
(RPA)
puede
ser
utilizada
para
automatizar
el
el impacto de la
Robotic
RPA
Automat
Data
Process
Robots,
RPA
ion
analysis
Automatio
Big data
eficiencia
n
en
la
organizacional,
análisis de Big
proporcionando
Data, haciendo
un
el proceso más
específico en el
eficiente
análisis
preciso.
y
enfoque
de
Big
Data. El artículo
proporciona
pág. 147
una
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
revisión detallada
de cómo la RPA
puede
automatizar
el
análisis
Big
de
Data, destacando
las
ventajas
y
desafíos.
Robotic
Process
2
1
SCOPU
S
Artículo
2019
científic
o
Automation,
an Enabler for
Shared
Services
Transformatio
n
M.V.N.
Explorar
Naga
impacto de la
Lakshmi,
Automatización
Dr.
Este artículo se
el
T.
Robótica
Vijayakum
Procesos
ar, Y.V.N.
(RPA)
la
Artificial
Digital
Sai
transformación
Intellige
transfor
Sricharan
de los Servicios
nce (AI)
mation
(Lakshmi,
Compartidos, y
Vijayakum
cómo
ar,
tecnología
&
en
de
la
Sricharan,
puede ser un
2019)
facilitador clave
alinea
con
trabajos
que
investigan
la
implementación y
Intellige
Robotic
el impacto de la
nt
Process
RPA y la IA en la
Automat
Automatio
transformación
ion (IA)
n (RPA)
digital
y
la
eficiencia
organizacional,
proporcionando
un
enfoque
específico en los
pág. 148
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Objetivo
General
para
esta
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
SSCs. El artículo
transformación.
proporciona
una
evaluación
empírica
del
impacto de la RPA
en
los
SSCs,
destacando
los
beneficios
y
desafíos
de
la
automatización
Integration
RPA
2
SCOPU
2
S
2022
of
and
Artículo
Blockchain for
científic
Pharmaceutic
o
al
Healthcare
Industry
and
M.S.
Shadangi
Explorar cómo
Este artículo se
la
integración
alinea con otros
de
la
Automatización
Robotic
Robótica
Proces
User
s
Interfac
Automa
e
de
Procesos
(Shadangi,
(RPA)
2022)
Blockchain
y
tion
puede
transformar
trabajos
que
investigan
la
implementación y
Blockch
el impacto de RPA
ain
y Blockchain en la
eficiencia
organizacional
la
y
la seguridad de
industria
los
datos,
farmacéutica y
proporcionando
pág. 149
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Objetivo
General
de
atención
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Relación
un
médica,
mejorando
Dsc_6
enfoque
específico en la
la
industria
eficiencia,
farmacéutica y de
reduciendo
atención médica.
costos
y
mejorando
la
precisión
y
seguridad
de
los datos.
Este artículo se
Analizar
implementación
Robotic
Process
2
SCOPU
3
S
2022
Artículo
Automation in
científic
Logistics – A
o
Case Study of
a
Production
Company
la
de
la
Łukasz
automatización
Robotic
Brzeziński.
robótica
de
process
(Brzeziński
procesos (RPA)
automa
1, 2022)
en los procesos
tion
logísticos
una
de
empresa
de producción.
digitizati
on
of
logistics
manage
ment
alinea
con
trabajos
que
investigan
la
implemen
implementación y
in
tation
of
el impacto de RPA
logistics
RPA
in
en
RPA
logistics
la
eficiencia
operativa
y
la
transformación
digital,
proporcionando
un
enfoque
pág. 150
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Objetivo
General
Autor
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
específico en la
logística.
Proveer
2
SCOPU
4
S
Artículo
2022
científic
o
una
revisión
Este artículo se
sistemática de
Diogo
alinea con otros
la
António da
trabajos
que
sobre
Silva
investigan
la
adopción de la
Robotic
Costa,
implementación y
automatización
Process
Henrique
el impacto de RPA
robótica
Automation
São
procesos (RPA)
robotic
(RPA)
Mamede,
y
un
process
software
digital
Miguel
resumen de los
automa
robot
worker
enfoques
tion
adoption:
a
da
literatura
ofrecer
la
de
en
adoption
impleme
ntation
la
eficiencia
operativa
y
la
transformación
digital,
systematic
Mira
literature
Silva. (Da
generalizables
review
Silva, Sao
un
y
Mamede,
específico en la
sobre
& Da Silva,
implementación
2022)
sistemática de la
exitosa
de
literatura
RPA,
los
RPA.
más
conceptos
la
proporcionando
enfoque
revisión
sobre
beneficios
observados, los
pág. 151
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Objetivo
General
desafíos
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
enfrentados por
las
organizaciones
y
las
características
de los procesos
que son más
adecuados
para RPA.
Evaluar
Role
2
SCOPU
5
S
Artículo
2023
científic
o
papel
Of
Robotic
R. Pareek
ProcessAutom
y Dr. R K
ation
Tailor.
in
Managing
(Pareek &
Transportation
Tailor,
Systems
2023)
for
Smart Cities
de
el
Este artículo se
la
alinea con otros
Automatización
Robótica
de
Procesos
(RPA)
en
la
gestión de los
sistemas
de
Robotic
Intellige
process
Smart
nt
automa
cities
transpor
tion
t
Efficient
managem
ent
trabajos
que
investigan
la
implementación y
Growth
el impacto de RPA
en
la
gestión
urbana,
transporte para
proporcionando
las
un
ciudades
inteligentes.
enfoque
específico en las
pág. 152
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la eficiencia en la investigación científica
N
Base
Año
Tipo
Título
Autor
Objetivo
General
Dsc_1
Dsc_2
Dsc_3
Dsc_4
Dsc_5
Dsc_6
Relación
ciudades
inteligentes.
Fuente: Elaboración propia
pág. 153
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la
eficiencia en la investigación científica
APLICACIONES PRÁCTICAS O FUTURAS LÍNEAS DE INVESTIGACIÓN
Figura 1
Nube de palabras
La nube de palabras refleja un fuerte énfasis en la automatización y la
robótica, destacando términos clave como "automation", "robotic", "process" y
"AI", lo que indica que estos son los temas centrales en los textos analizados.
Además, se observa un interés significativo en el análisis de datos y las
tecnologías digitales, evidenciado por palabras como "analytics", "data" y
"technologies". También se incluyen términos relacionados con aspectos
metodológicos y éticos como "observational", "functional", "multicenter" y
"bioethics", así como referencias geográficas específicas como "Japanes" y
"Switzerland". Esta nube de palabras sugiere que los textos no solo se centran
en la implementación y el impacto de la automatización y la inteligencia artificial,
sino también en sus aspectos metodológicos y éticos, proporcionando una visión
integral de los enfoques y áreas de interés en este campo.
pág. 154
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la
eficiencia en la investigación científica
Figura 2
Metodología utilizada
La red visualizada en Atlas.ti muestra la distribución de diversas
metodologías de investigación (experimental, aplicada, descriptiva, tecnológica,
cuantitativa, cualitativa, exploratoria, correlacional y mixta) a lo largo de los años
2018 a 2024, y cómo se aplican en los 25 trabajos analizados. Se observa una
tendencia creciente hacia el uso de metodologías mixtas y aplicadas en los años
más recientes, especialmente en 2023 y 2024, lo que sugiere una preferencia
por enfoques integrados y prácticos en la investigación actual. Las metodologías
experimentales y descriptivas también han mostrado un aumento en su
aplicación en los últimos años. La red refleja una diversidad y evolución en los
enfoques metodológicos, destacando un equilibrio en el uso de metodologías
cuantitativas y cualitativas a lo largo del tiempo. Este análisis revela la robustez
y amplitud en los enfoques de investigación, proporcionando una visión clara de
las tendencias metodológicas y su desarrollo temporal.
pág. 155
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la
eficiencia en la investigación científica
Figura 3
Resultados de investigación
La red en Atlas.ti muestra la relación entre los años de publicación de los
estudios (de 2018 a 2024) y los resultados obtenidos, abarcando 25 trabajos.
Los resultados incluyen aspectos como tendencia, impacto, mejora, eficiencia,
viabilidad, competitividad y desafíos. Se observa una persistencia en resultados
clave como eficiencia y mejora a lo largo de todos los años, indicando su
relevancia constante. Sin embargo, los estudios más recientes (2023 y 2024)
muestran una mayor diversidad en los resultados, abarcando competitividad,
desafíos e incremento, lo que sugiere una ampliación en los enfoques de
investigación. La red destaca tanto la constancia de ciertos resultados como la
evolución hacia nuevos enfoques en los años más recientes.
Figura 4
Relación de las conclusiones obtenidas
pág. 156
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la
eficiencia en la investigación científica
La red en Atlas.ti muestra la relación entre los años de publicación de los
estudios (de 2018 a 2024) y los aspectos de las conclusiones obtenidas en los
25 trabajos analizados. Se observa que conclusiones como eficiencia, impacto,
mejora y viabilidad son recurrentes a lo largo de todos los años, indicando su
relevancia constante. Sin embargo, en los años más recientes (2023 y 2024),
hay una mayor diversidad en las conclusiones, incluyendo aspectos como
desarrollo, patrones y capacidad, lo que sugiere un enfoque más amplio y
variado en los estudios. Este análisis revela tanto la persistencia de conclusiones
clave como la evolución hacia nuevos enfoques en los años más recientes,
proporcionando una visión clara de las tendencias en las conclusiones de los
estudios.
El análisis de las figuras y redes visualizadas en Atlas.ti revela varias
tendencias clave relacionadas con la inteligencia artificial (IA) y la automatización
robótica de procesos (RPA) en la investigación científica. Se destaca un fuerte
énfasis en la automatización y la robótica, junto con un interés significativo en el
análisis de datos y las tecnologías digitales. Además de la implementación
tecnológica, hay un enfoque en los aspectos metodológicos y éticos, reflejando
una preocupación por la robustez y las implicaciones éticas de estas tecnologías.
La investigación muestra una creciente diversidad en las metodologías
utilizadas, con una preferencia por enfoques mixtos y aplicados en los últimos
años. Los resultados recurrentes como la eficiencia y la mejora se mantienen
relevantes, mientras que estudios recientes incluyen una mayor diversidad de
resultados, como competitividad y desafíos, sugiriendo una expansión en los
enfoques de investigación. Las conclusiones también muestran una persistencia
en aspectos clave como eficiencia e impacto, junto con una mayor diversidad en
años recientes, reflejando una evolución en las expectativas y resultados de la
investigación en IA y RPA.
CONCLUSIONES
La integración de la Inteligencia Artificial (IA) y la Automatización de
Procesos Robóticos (RPA) ha transformado profundamente la investigación
científica. Estas tecnologías permiten el manejo y análisis de grandes volúmenes
de datos con mayor rapidez y precisión, facilitando la identificación de patrones
pág. 157
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la
eficiencia en la investigación científica
y relaciones complejas, lo que acelera significativamente el ritmo de los
descubrimientos científicos.
La RPA automatiza tareas repetitivas y basadas en reglas, como la
recopilación y el procesamiento de datos, liberando a los investigadores de
labores tediosas. Esto permite a los investigadores enfocarse en actividades más
analíticas y creativas, mejorando la eficiencia y precisión del análisis de Big Data
y resultando en descubrimientos más rápidos y fiables.
La combinación de RPA e IA no solo optimiza los procesos existentes,
sino que también abre nuevas posibilidades para la innovación científica. Permite
simulaciones avanzadas y la predicción de resultados experimentales con una
precisión sin precedentes, transformando diversas disciplinas científicas y
mejorando tanto la eficiencia como la calidad de la investigación.
La integración de IA y RPA en la investigación plantea importantes
desafíos éticos. La falta de transparencia en los algoritmos de IA puede dificultar
la comprensión de cómo se toman las decisiones y generar desconfianza.
Además, existe el riesgo de que estos algoritmos reproduzcan o amplifiquen
sesgos éticos. Es crucial desarrollar competencias en IA, fomentar la formación
continua en ética, implementar políticas institucionales claras y realizar
auditorías éticas periódicas para garantizar un uso responsable y transparente
de estas tecnologías.
REFERENCIAS
Banihashem, S., Kerman, N., Noroozi, O., Moon, J., & Drashler, H. (2024).
Feedback sources in essay writing: peer-generated or Al-generated
feedback? International Journal of Educational Technology in Higher
Education, 21(23), 15. doi: https://doi.org/10.1186/s41239-024-00455-4
Bichel, A., Serban, C., & Bujor, D. (2023). An Innovative Future through Robotic
Process Automation, a Case Study. Proceedings of the 17th International
Conference on Business Excellence 2023, 1909 - 1918. doi:
https://doi.org/10.2478/picbe-2023-0168
Brown, J., Lewans, M., Menon, D., & Nykiforuk, C. (2024). Advancing socioecological considerations in impact assessment of extractive industries: A
realist interview study in the Canadian context. Environmental Science and
Policy. doi: https://doi.org/10.1016/j.envsci.2024.103677
pág. 158
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la
eficiencia en la investigación científica
Brzeziński1, L. (2022). Robotic Process Automation in Logistics - A Case Study
of a Production Company. European Research Studies Journal, 307 - 315.
doi: https://doi.org/10.35808/ersj/2963
Cedeño J, Maitta, I., Vélez, M., & Palomeque, J. (2024). Investigación
universitaria con inteligencia artificial. Revista Venezolana de Gerencia,
817 - 830. doi: https://doi.org/10.52080/rvgluz.29.106.23
Cha, S. (2024). Towards an international regulatory framework for Al safety:
lessons from the lAEA's nuclear safety regulations. Humanities & Social
Sciences
Communications,
11(506),
13.
doi:
https://doi.org/10.1057/s41599-024-03017-1
Cifuentes A, & Sixto, A. (2022). Competencias y perfil profesional de los gestores
de medios sociales en los medios de comunicación: apuesta por la
automatización robótica de procesos (RPA). Revista Latina de
Comunicación Social, 1-23. doi: https://www.doi.org/10.4185/RLCS-20221544
Da Silva, D., Sao Mamede, H., & Da Silva, M. (2022). Robotic Process
Automation (RPA) Adoption: a Systematic Literature Review. Engineering
Management in Production and Services, 14(2), 1 - 12. doi:
https://doi.org/10.2478/emj-2022-0012
Hotzy, F., Spiess, M., Ruflin, R., Schneeberger, A., Traber, R., Morandi, S., . . .
Theodoridou, A. (2023). Association between perceived coerción and
perceived level of Information in involuntarily admitted patients: Results
from a multicenter observational study in Switzerland. International Journal
of Law and Psychiatry. doi: https://doi.org/10.1016/j.ijlp.2023.101934
Kawai, H., Ejiri, M., Imamura, K., Ito, K., Fujiwara, Y., Ihara, K., . . . Obuchi, S.
(2023). Impact of combinations of subscale declines in higher-level
functional capacity on 8-year all-cause mortality among community-dwelling
older Japanese adults. Archives of Gerontology and Geriatrics. doi:
https://doi.org/10.1016/j.archger.2023.105096
Lakshmi, N., Vijayakumar, T., & Sricharan, Y. (2019). Robotic Process
Automation, an Enabler for Shared Services Transformation. International
Journal of Innovative Technology and Exploring Engineering (IJITEE), 8(6),
1882 - 1890.
Lauber, K., & Brooks, E. (2024). A missed opportunity for public health: How
impact assessment shaped EU rules on the marketing of unhealthy
commodities to children. SSM - Qualitative Research in Health. doi:
https://doi.org/10.1016/j.ssmqr.2023.100369
Laupichler, M., Aster, A., Meyerheim, M., Raupach, T., & Mergen, M. (2024).
Medical students'AI literacy and attitudes towards Al: a cross-sectional two-
pág. 159
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la
eficiencia en la investigación científica
center study using pre-validated assessment Instruments. BMC Medical
Education, 24(401), 11. doi: https://doi.org/10.1186/s12909-024-05400-7
Lo, W., Yang, C., Zhang, Q., & Li, M. (2024). Increased Productivity and Reduced
Waste with Robotic Process Automation and Generative AI-powered IoE
Services. Journal of Web Engineering, 23(1), 53-88. doi:
https://doi.org/10.13052/jwe1540-9589.2313
Malini, G. (2021). Automation of Big Data Analytics Using Robotic Process
Automation. International Journal of Scientific Research in Computer
Science, Engineering and Information Technology, 7(2), 602 - 605. doi:
https://doi.org/10.32628/CSEIT2172124
McInerney, K. (2023). Perceptions from Newcomer MultilinguaI Adolescents:
Predictors and Experiences of Sense of Belonging in High School. Child &
Youth Care Forum, 1041 - 1072. doi: https://doi.org/10.1007/s10566-02209723-8
Moreno, M. (2016). Opciones de mejora cognitiva no convencional como
respuesta al desempleo estructural en el contexto tecnológico de la cuarta
revolución industrial. Gazeta de Antropología. 32 (2) Obtenido de
https://digibug.ugr.es/flexpaper/handle/10481/43309/GA%2032-206%20Miguel%20Moreno.pdf?sequence=6&isAllowed=y
Ocaña Y, Valenzuela L, & Garro L. (2019). Inteligencia artificial y sus
implicaciones en la educación superior. Revista de Psicología Educativa de
la
Universidad
San
Ignacio
de
Loyola.
7(2).
doi:
http://dx.doi.org/10.20511/pyr2019.v7n2.274
Palomino J., Zapata D, Choque L, Castro A, Requis L, Pacherres E, et al.
Evaluación Cuantitativa del Impacto de la Inteligencia Artificial en la
Automatización de Procesos. Data and Metadata 2023; 2:101-101. doi:
https://doi.org/10.56294/dm2023101
Pareek, R., & Tailor, R. (2023). Role Of Robotic Process Automation in Managing
Transportation Systems for Smart Cities. Tuijin Jishu/Journal of Propulsión
Technology, 44(3). doi: https://doi.org/10.52783/tjjpt.v44.i3.1078
Seong Ko, C., Lee, H., & Kim, T. (2024). VOC Analitycs based on web crawling
and robotic process automation. ICIC International, 15(3), 287 - 293. doi:
https://doi.org/10.24507/icicelb.15.03.287
Shadangi, M. (2022). Integration of RPA and Blockchain for Pharmaceutical and
Healthcare Industry. International Journal of Scientifíc Research in
Computer Science, Engineering and Information Technology, 8(5), 300 304. doi: https://doi.org/10.32628/IJSRCSEIT
pág. 160
[Capítulo 7] Sinergias entre automatización robóticos en Inteligencia Artificial: Impulsando la
eficiencia en la investigación científica
Shaw, J., Ali, J., Atuire, C., Cheah, P., Español, A., Gichoya, J., Vayena, E.
(2024). Research ethics and artificial intelligence for global health:
perspectives from the global forum on bioethics in research. BMC Medical
Ethics, 25(46), 9. doi: https://doi.org/10.1186/s12910-024-01044-w
Siderska, J., Aunimo, L., Sübe, T., von Stamm, J., Kedziora, D., & Mohd Aini, S.
(2023). Towards Intelligent Automation (IA): Literature review on the
evolution of Robotic Process Automatio (RPA), ITS Challenges, and Future
Trends. Engineering Management in Production and Services, 15(4), 90 103. doi: https://doi.org/10.2478/emj-2023-0030
Torres, A., Pauli, C., Givens, R., Argyris, J., Allen, K., Monfort, A., & Gaudino, R.
(2022). High-throughput methods to identify male Cannabis sativa using
various genotyping methods. Journal of Cannabis Research, 4(57), 1 - 10.
doi: https://doi.org/10.1186/s42238-022-00164-7
Vitali, S., & Giulani, M. (2024). Emerging digital technologies and auditing firms:
Opportunities and challenges. International Journal of Accounting
Information Systems. doi: https://doi.org/10.1016/j.accinf.2024.100676
Zhang, C. (2019). Intelligent Process Automation in Audit. Continuous Auditing
and Reporting Lab Rutgers Business School, USA., 38. Obtenido de:
https://raw.rutgers.edu/CAR%20Lab%20Directory/Publications/Intelligent
%20Process%20Automation%20in%20Audit.pdf
Zhang, S., Zhao, X., Nan, D., & Kim, H. (2024). Beyond learning with coid
machine: interpersonal communication skills as anthropomorphic cue of Al
instructor. International Journal of Educational Technology in Higher
Education, 21(27). doi: https://doi.org/10.1186/s41239-024-00465-2
pág. 161
CAPÍTULO 8
Impacto de la Inteligencia Artificial Generativa en la
Educación 5.0
Armando Román Gallardo23, José Román Herrera Morales24 y Sara
Sandoval Carrillo25
RESUMEN
Este trabajo aborda el tema del impacto de las Inteligencias Artificiales
Generativas (IA generativas) en el contexto de la Educación 5.0 y cómo estas
tecnologías están transformando los métodos de enseñanza y aprendizaje.
Analizar los beneficios potenciales de las IAG en la personalización del proceso
educativo, la creación de contenido pedagógico innovador y la mejora de la
experiencia de los estudiantes. Además, se pretende revisar las implicaciones
éticas y los desafíos que surgen con la integración de estas herramientas en el
entorno educativo del futuro. Se realizó una revisión exhaustiva de la literatura
reciente sobre IA generativa y su aplicación en la educación. Se examinaron
reportes técnicos y artículos de investigación para identificar las tendencias
actuales y los impactos más significativos de estas tecnologías. Los resultados
indican que las IAG están revolucionando la educación a través de la creación
de contenidos personalizados, el apoyo constante de asistentes virtuales, la
evaluación automatizada, el desarrollo de material didáctico, el análisis de datos
educativos, el aprendizaje adaptativo y la implementación de entornos de
realidad aumentada y virtual. Estas innovaciones están mejorando la experiencia
de aprendizaje y apoyando a educadores y estudiantes. Las IAG están
desempeñando un papel crucial en la transformación de la educación, haciendo
que el aprendizaje sea más personalizado, dinámico y eficiente. Sin embargo,
es esencial abordar los desafíos éticos y de privacidad para garantizar una
implementación justa y equitativa de estas tecnologías en la educación.
Palabras Clave: Inteligencia Artificial Generativa,
personalización educativa, retos y desafíos, ética en IA.
Educación
5.0,
Cita APA 7 ed.: Román, A., Herrera, J. y Sandoval, S. (2024) El impacto de la Inteligencia
Artificial en la Educación 5.0. En P.G. Gamboa y D.O. Nieves (Coords.). Educación 5.0:
Tendencias Tecnológicas Educativas Tomo I. Volumen 1. (pp. 162-175). Editorial
Racionalidades.
23
24
25
0000-0001-5912-4428 | Universidad de Colima, México | [email protected]
0000-0003-0811-4187 | Universidad de Colima, México | [email protected]
0000-0002-8316-1314 | Universidad de Colima, México | [email protected]
pág. 162
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
INTRODUCCIÓN
En esta era de la información y la tecnología la educación ha evolucionado
significativamente dando paso a lo que ahora conocemos como Educación 5.0.
Esta nueva fase educativa no solo se centra en la personalización del
aprendizaje y la inclusión de la tecnología en el aula, sino que también integra
las inteligencias artificiales (IA) generativas como herramientas fundamentales
para el desarrollo y la creatividad en el proceso educativo y está transformando
la forma en que enseñamos y aprendemos (Ahmad, 2020; Ali, 2020). Esta
convergencia promete mejorar la calidad de la educación, personalizar el
aprendizaje y brindar nuevas oportunidades para el desarrollo del conocimiento.
Según Popenici y Kerr (2017), "la IA tiene el potencial de mejorar la educación
al proporcionar una instrucción personalizada, retroalimentación en tiempo real
y análisis de datos para mejorar los resultados de aprendizaje". Esta afirmación
resalta cómo la IA puede adaptarse a las necesidades individuales de los
estudiantes, brindando una experiencia de aprendizaje más efectiva y eficiente.
Uno de los aspectos más prometedores de la IA aplicada en la educación
es su capacidad para analizar grandes cantidades de datos y brindar insights
valiosos. Como señalan Chassignol, et al. (2018) "los sistemas de IA pueden
procesar una gran cantidad de datos de aprendizaje y proporcionar información
valiosa sobre el progreso de los estudiantes, sus fortalezas y debilidades, lo que
permite a los educadores tener la posibilidad de hacer ajustes oportunos en su
enfoque de enseñanza" (p.4). Además, la IA está facilitando el desarrollo de
nuevas herramientas y plataformas educativas, como los asistentes virtuales y
los entornos de aprendizaje adaptativos. Estos recursos pueden ayudar a los
estudiantes a adquirir conocimientos de manera más interactiva y personalizada
(Zawacki, et al., 2019; Aljanabi, M., et al., 2023) pero también les permitirá a los
profesores generar nuevos contenidos, nuevas estrategias didácticas y facilitar
su proceso de actualización disciplinar continua.
Este desbordamiento e intrusión de las IA’s generativas, manifestado de
forma visible a partir de la presentación en sociedad del ChatGPT 3.5 en
noviembre de 2022, nos ha sorprendido a la mayoría, pero también nos ha
puesto en alerta puesto que son innumerables beneficios que tendremos en el
área de la educación, pero también representan grandes retos y desafíos que
debemos observar, atender y prepararnos porque su evolución e impacto en
nuestra área son irreversibles.
Por ello, en este capítulo comenzaremos con conceptos relacionados a
diversas herramientas de la IA, particularmente las IA generativas, describiendo
en primera instancia su definición y orígenes, continuando con sus principales
aplicaciones y facilidades que brindan tanto a los docentes como a los
estudiantes. Enseguida enunciamos una serie de desafíos y consideraciones
éticas que deben tenerse en cuenta, para finalmente, presentar una línea de
pág. 163
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
tendencias e impactos más notables que percibimos en estos primeros años de
aplicación de esta tecnología revolucionaria que está moldeando el futuro de la
educación.
LA IA GENERATIVA APLICADA EN EL AULA
La Inteligencia Artificial Generativa (IA Generativa) es una rama de la
Inteligencia Artificial (IA) que se enfoca en el desarrollo de sistemas capaces de
crear contenido nuevo y original, como imágenes, texto, música, poemas, código
de programación y videos. A diferencia de la IA tradicional que se basa en el
análisis y la clasificación de datos existentes, la IA generativa utiliza técnicas y
algoritmos complejos de aprendizaje máquina (ML, del inglés Machine Learning)
para generar contenido nuevo, único y novedoso que se parezcan a los
originales y que diera la apariencia que lo han generado las personas (Cevallos,
et al, 2023). Esto es sorprendente y está revolucionando el uso de las
tecnologías en todos los ámbitos de la sociedad, tiene un gran potencial y lo
mejor (o lo preocupante) es que aún estamos en fase de exploración y cada día
están surgiendo nuevos desarrollos.
La IA Generativa: definición y origen
Los orígenes de la IA generativa se remontan a los mismos orígenes de
la IA, comenzando en las décadas de los 50s con los trabajos de Alan Turing, en
los 60’s con ELIZA del MIT el cual es considerado uno de los primeros chatbots
(Al-Amin, 2024), hasta llegar hoy en día al popular ChatGPT que fue presentado
en noviembre de 2022 (Leiter, et al., 2024), mismo que ha tenido una gran
aceptación y popularidad como lo demuestran cifras del portal
explodingtopics.com que establecen que en enero de 2024 ChatGPT tenía más
de 180,5 millones de usuarios mensuales y el portal OpenAI.com recibía
aproximadamente 1,5 mil millones de visitas por mes.
El corazón de la IA son los modelos de aprendizaje profundo LLM (por sus
siglas en inglés de Large Language Models) qué contienen enormes cantidades
de imágenes, texto, archivos o código, qué son entrenados para aprender los
patrones y las relaciones subyacentes y generar nuevo contenido similar al que
ha sido entrenado Liu, et al. (2024). En la última década se ha dado un
aceleramiento en el desarrollo de estas IA generativas y es notable su evolución
de un año a otro, por ejemplo, GPT-3, con 175 mil millones de parámetros, fue
entrenado en un corpus de más de 45 TB de texto, mientras que en marzo de
2024 se liberó GPT-4 con un corpus de texto de aproximadamente 100 TB,
ofreciendo mayor capacidad de comprensión y generación de texto, y
multimodalidad (Brown, et al., 2020).
La IA generativa está transformando múltiples aspectos de la sociedad y
el ámbito educativo no es la excepción, porque permite a los estudiantes y
educadores explorar nuevos horizontes de aprendizaje, en donde la generación
pág. 164
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
de contenido personalizado y la resolución de problemas complejos se vuelven
más accesibles. En la siguiente sección ampliaremos este tema de cómo las
herramientas de IA generativa se están empleando en la educación.
Usos y aplicaciones de la IA generativa en la educación
La UNESCO considera que la IA Generativa ofrece oportunidades para
enriquecer la experiencia educativa actual, siempre que se aborden de manera
responsable los desafíos éticos y regulatorios asociados, por ello ha publicado
la “Guía para el uso de IA generativa en educación e investigación” (Fengchun
& Holmes, 2024) donde presentan una serie de pautas y recomendaciones que
tienen como finalidad principal proporcionar un marco ético y práctico para que
educadores, investigadores y estudiantes integren herramientas de IA
generativa, como ChatGPT, de manera responsable y efectiva en sus
actividades académicas. En esta guía destacan la importancia de tener el
enfoque centrado en el ser humano cuando se implementan estas tecnologías,
como la inclusión, equidad, igualdad de género y diversidad cultural, regulación
y ética, validación pedagógica para fomentar aprendizajes significativos,
capacitación y competencias con habilidades críticas y uso creativo.
Uno de los impactos más notables de las IA generativas en la educación es su
capacidad para generar materiales didácticos adaptados a las necesidades
individuales de cada estudiante. Esto no solo fomenta una mayor comprensión y
retención del conocimiento, sino que también promueve un entorno de
aprendizaje más inclusivo y equitativo. La integración de la Inteligencia Artificial
(IA) en el aula ha ganado un impulso significativo en los últimos años, ofreciendo
una amplia gama de aplicaciones prácticas que pueden mejorar la experiencia
de enseñanza y aprendizaje. Desde asistentes virtuales inteligentes hasta
herramientas de análisis de datos, la IA tiene el potencial de transformar la forma
en que los educadores abordan la instrucción y los estudiantes adquieren
conocimientos.
Una de las aplicaciones más prometedoras de la IA en el aula es el aprendizaje
adaptativo. Estas plataformas utilizan algoritmos de IA para personalizar el
contenido y la instrucción en función de las fortalezas, debilidades y preferencias
de aprendizaje individuales de cada estudiante. Según Huang, et al. (2021), "los
sistemas de aprendizaje adaptativo basados en IA pueden ajustar de manera
dinámica el ritmo, la secuencia y el contenido del aprendizaje para satisfacer las
necesidades únicas de cada estudiante" (p. 3). Esto puede conducir a una mejor
comprensión y retención del material, al tiempo que mejora la motivación y el
compromiso de los estudiantes.
Otra aplicación práctica de la IA en el aula es el uso de asistentes virtuales
inteligentes. Estos asistentes pueden responder preguntas, proporcionar
explicaciones y retroalimentación en tiempo real, y ayudar a los estudiantes a
practicar y dominar los conceptos. Como señalan Pérez, et al. (2022), "los
pág. 165
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
asistentes virtuales impulsados por IA pueden interactuar con los estudiantes a
través de diálogos naturales, lo que les permite aprender de manera más
interactiva y participativa" (p. 7).
Además, la IA puede desempeñar un papel crucial en el análisis de datos
y la evaluación del aprendizaje. Las herramientas de IA pueden analizar datos
de rendimiento estudiantil, identificar patrones y brindar información valiosa a los
educadores sobre las áreas que necesitan más atención. Como afirman Gibert,
et al. (2023), los sistemas de IA pueden procesar grandes cantidades de datos
de evaluación y proporcionar información detallada sobre el progreso y las
necesidades de los estudiantes, lo que permite a los educadores ajustar su
enfoque de enseñanza en consecuencia.
Ahorrar tiempo y esfuerzo: Al automatizar tareas como la generación de
contenido, la evaluación y la retroalimentación, las aplicaciones de IA pueden
aliviar la carga de trabajo de los educadores, permitiéndoles dedicar más tiempo
a la interacción directa con los estudiantes y a la planificación de actividades de
aprendizaje más efectivas (Zawacki-Richter, et al., 2019).
Sin embargo, es importante tener en cuenta que la implementación
efectiva de estas aplicaciones de IA en el aula requiere una capacitación
adecuada para los educadores y el desarrollo de estrategias pedagógicas
sólidas. Como advierte Zawacki-Richter, et al. (2019), "la IA no debe verse como
un reemplazo para los educadores, sino más bien como una herramienta
complementaria que puede mejorar la enseñanza y el aprendizaje".
Estas herramientas de IA ofrecen diversas aplicaciones prácticas en el
aula, desde personalizar el aprendizaje hasta brindar asistencia y análisis de
datos, con el objetivo de mejorar la experiencia educativa y facilitar el trabajo de
los educadores.
DESAFÍOS Y CONSIDERACIONES ÉTICAS
Como se ha mencionado, la convergencia de la IA y la educación
representa una oportunidad muy importante para mejorar el aprendizaje y el
desarrollo del conocimiento. Sin embargo, es importante tener en cuenta los
desafíos y preocupaciones éticas que surgen con la incorporación de la IA en la
educación. Selwyn (2019) advierte importantes retos y desafíos en materia de
cuestiones éticas, como la originalidad del contenido, la autoría y propiedad
intelectual, la privacidad de los datos, la mitigación de sesgos algorítmicos y el
acceso equitativo al uso de estas tecnologías para que no se amplíe la brecha
digital, sino que sirvan como un puente hacia la igualdad de oportunidades
educativas para garantizar una implementación responsable y justa de la IA en
la educación.
A continuación, describimos brevemente los principales retos y desafíos
de la aplicación de IAs generativas en la educación:
pág. 166
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
Privacidad de datos. Con respecto al desafío de la privacidad de datos
Selwyn (2019) menciona que es crucial que la recopilación, almacenamiento y
uso de datos se realicen de manera transparente y cumplan con las regulaciones
de privacidad establecidas. Las instituciones educativas y sobre todo las
entidades de gobierno deben implementar pautas y recomendaciones sobre qué
tipo de información se puede o no compartir para su procesamiento con una IA
generativa y también establecer medidas sólidas de seguridad, como el cifrado
de datos, controles de acceso estrictos y protocolos cuando se trata de
información sensible o confidencial. Además, obtener el consentimiento
informado de estudiantes y sus familias antes de recopilar y utilizar sus datos
personales es fundamental. Deben proporcionarse explicaciones claras sobre
cómo se utilizarán estos datos y qué medidas de privacidad se aplicarán.
Sesgo Algorítmico. Otro desafío importante es lo que se denomina
“sesgo algorítmico” en los sistemas de IA generativa. Esta situación se puede
presentar cuando los algoritmos de las IA’s generativas reflejan y amplifican
sesgos presentes en los datos de entrenamiento, lo que podría conducir a la
perpetuación de estereotipos, desviaciones y discriminación en el contenido
generado (Popenici & Kerr, 2017). Es fundamental abordar estos sesgos y
garantizar que los sistemas de IA generativa sean inclusivos y equitativos,
promoviendo la diversidad y la igualdad de oportunidades en el ámbito educativo.
Las instituciones deben implementar mecanismos de auditoría y evaluación
continua de los algoritmos para detectar y mitigar posibles sesgos. Además, es
esencial fomentar la diversidad en los equipos de desarrollo de IA, asegurando
una representación adecuada de diferentes grupos étnicos, culturales y de
género. Esto puede ayudar a reducir los sesgos inconscientes y promover la
creación de sistemas más inclusivos.
Equidad en el Acceso a la Tecnología. La equidad en el acceso a la
tecnología es una preocupación clave en la implementación de la IA generativa
en la educación. Es fundamental garantizar que el uso de IA generativa en la
educación no amplíe la brecha digital, sino que sirva como un puente hacia la
igualdad de oportunidades educativas. Las instituciones educativas deben
asegurarse de que todos los estudiantes, independientemente de su situación
socioeconómica o ubicación geográfica, tengan acceso equitativo a estas
tecnologías. Esto implica la provisión de recursos tecnológicos adecuados, como
dispositivos y conectividad a internet, así como la capacitación necesaria para
su uso efectivo. Además, es importante abordar las barreras lingüísticas y
culturales que pueden dificultar el acceso y el uso de estas herramientas. Las
instituciones deben asegurarse de que los sistemas de IA generativa sean
accesibles y relevantes para diversos grupos culturales y lingüísticos.
Originalidad del Contenido. La originalidad del contenido generado por
las IA generativas es otro aspecto para considerar. Estas herramientas pueden
producir contenido de alta calidad, pero existe el riesgo de plagio o violación de
pág. 167
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
derechos de autor si no se establecen pautas y regulaciones claras para su uso
ético y legal. También se manifiesta la preocupación y cuestionamiento de la
validez y fiabilidad de la aplicación de exámenes o evaluaciones online, donde
los sustentantes pudieran hacer trampa usando este tipo de herramientas
(Susnjak, 2022). Es esencial implementar mecanismos de detección de plagio y
fomentar el respeto por la propiedad intelectual en el ámbito educativo. Los
estudiantes deben ser capacitados en el uso responsable de estas herramientas,
reconociendo la importancia de citar adecuadamente las fuentes y
comprendiendo los límites de la reutilización de contenido generado por IA.
Además, las instituciones educativas deben colaborar con los desarrolladores de
tecnología y los responsables de la formulación de políticas para establecer
marcos regulatorios que protejan los derechos de autor y promuevan la creación
de contenido original.
TENDENCIAS E IMPACTO DE LA IA GENERATIVA
Como se ha descrito a lo largo de este texto, son innumerables las
herramientas y áreas de aplicación que se están empleando actualmente, por lo
que la inteligencia artificial generativa está teniendo un impacto significativo en
la educación y seguirá evolucionando, impulsando varias tendencias clave. En
la Tabla 1 presentamos las principales tendencias e impactos que identificamos:
Tabla 1
Tendencias e impacto de la IA Generativa en la educación
Área de aplicación
Tendencia
Impacto
Creación
de
Contenidos
Personalizados
(Kadaruddin, 2023;
Dickey y Bejarano,
2023; McInnes et al.,
2023; Amresh, 2023)
La IA generativa se está
utilizando para crear
contenidos educativos
personalizados que se
adapten
a
las
necesidades
individuales de los
estudiantes
Asistentes Virtuales
y Tutores IA
(Sajja et al., 2023;
Gubareva y Lopes,
2020; Shekhar et al.,
2020;
Núñez
y
Núñez,
2023;
Dehankar, et al.,
2022)
Los asistentes virtuales
y tutores impulsados
por
IA
están
proporcionando apoyo
académico constante y
personalizado a los
estudiantes.
Evaluación
Automatizada
La IA generativa se está
utilizando
para
la
evaluación
Los estudiantes reciben materiales
de aprendizaje que se ajustan a su
nivel de conocimiento, ritmo de
aprendizaje y estilo de aprendizaje
preferido.
Esto mejora la comprensión y
retención de la información,
permitiendo una educación más
efectiva y centrada en el estudiante
Los estudiantes tienen acceso a
ayuda instantánea para resolver
dudas, realizar tareas y prepararse
para exámenes, incluso fuera del
horario escolar.
Los tutores IA pueden identificar
áreas donde el estudiante tiene
dificultades y ofrecer recursos y
ejercicios adicionales para reforzar
esos conocimientos
La evaluación automatizada reduce
la carga de trabajo de los
profesores, permitiéndoles dedicar
pág. 168
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
(Baidoo y Owusu, automatizada de tareas,
2023; Lindsay, et al., exámenes y trabajos
2023; Gierl y Lai, escritos.
2013;
Wang
y
Demszky,
2023;
Farrelly y Baker,
2023)
más tiempo a la enseñanza y a la
interacción
directa
con
los
estudiantes.
Las evaluaciones pueden ser más
rápidas y consistentes, y los
estudiantes
reciben
retroalimentación
inmediata
y
detallada sobre su desempeño.
Los materiales educativos pueden
ser actualizados de manera
continua y eficiente, reflejando los
últimos avances y descubrimientos
en diferentes campos.
La generación de contenido puede
incluir
multimedia
interactiva,
haciendo el aprendizaje más
dinámico y atractivo.
Creación de Material
Didáctico
(Sağın et al., 2023;
Bahroun et al., 2023;
Taylor, 2023; Han y
Cai, 2023; Menekse,
2023).
Herramientas de IA
generativa están siendo
empleadas
para
desarrollar libros de
texto, guías de estudio y
otros
materiales
didácticos
Análisis de datos
Educativos
(García,
2023;
Adnan,
2022;
Alsariera,
2022;
Ouatik, 2022).
La IA se utiliza para
analizar
grandes
volúmenes de datos
educativos y generar
informes
sobre
el
rendimiento y progreso
de los estudiantes.
Los educadores pueden identificar
patrones y tendencias en el
aprendizaje de los estudiantes,
permitiendo
intervenciones
tempranas
y
estrategias
personalizadas para mejorar el
rendimiento académico.
Los datos también pueden ayudar a
las instituciones educativas a
optimizar
sus
programas
y
recursos, mejorando la calidad
educativa global.
Aprendizaje
Adaptativo
(Hassan,
2019;
Colchester,
2017;
Luo, 2023; Tosheva.,
y
Martinovska.,
2012)
Las plataformas de
aprendizaje adaptativo
utilizan IA generativa
para crear experiencias
de aprendizaje que se
ajustan dinámicamente
a las necesidades de
cada estudiante.
Los estudiantes progresan a su
propio ritmo, lo que puede reducir la
frustración y el abandono escolar.
Este enfoque permite a los
estudiantes
más
avanzados
avanzar más rápido, mientras que
aquellos que necesitan más apoyo
reciben la atención necesaria
Realidad Aumentada
y Virtual
(Huang.,
2021;
Shaukat.,
2023;
Shankar.,
2023;
Wang., 2018).
La integración de IA
generativa
con
tecnologías de realidad
aumentada
(AR)
y
realidad virtual (VR)
está creando entornos
de
aprendizaje
inmersivos
Los
estudiantes
pueden
experimentar conceptos abstractos
y complejos de manera tangible y
visual, mejorando su comprensión.
La realidad virtual puede simular
entornos reales, proporcionando
experiencias
prácticas
y
experimentales que son difíciles de
replicar en un aula tradicional
Fuente: Elaboración propia (2024).
CONCLUSIONES
pág. 169
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
La Educación 5.0, caracterizada por su enfoque personalizado, flexible y
centrado en el estudiante, encuentra en la Inteligencia Artificial Generativa (IAG)
un aliado invaluable para transformar la experiencia educativa y llevarla a un
nuevo nivel.
La personalización del aprendizaje permite a la IA Generativa crear
experiencias de aprendizaje personalizadas, adaptándose a las necesidades,
ritmos y estilos de aprendizaje únicos de cada estudiante. Al analizar datos y
patrones individuales, los sistemas de IA pueden generar materiales didácticos,
retroalimentación y evaluaciones personalizadas, fomentando un aprendizaje
más efectivo y significativo.
Debido a la Interacción y Retroalimentación en Tiempo Real donde los
asistentes virtuales inteligentes impulsados por IA Generativa facilitan la
interacción en tiempo real entre estudiantes y la tecnología. Estos asistentes
pueden
responder
preguntas,
ofrecer
explicaciones,
proporcionar
retroalimentación inmediata y guiar a los estudiantes en su proceso de
aprendizaje. Esta interacción dinámica y personalizada promueve un aprendizaje
más activo, participativo y motivador.
Se han creado nuevas oportunidades para la creatividad y colaboración
donde las herramientas de IA Generativa abren un mundo de posibilidades para
fomentar la creatividad y la colaboración en el aula. Los estudiantes pueden
utilizar estas herramientas para generar contenido creativo, como textos,
imágenes, música y proyectos multimedia, trabajando de manera colaborativa
en entornos virtuales dinámicos.
No hay que olvidar las consideraciones éticas y responsables, ya que
estas son cruciales para implementar la IA Generativa en la Educación 5.0 de
manera responsable y ética, considerando aspectos como la privacidad de
datos, el sesgo algorítmico y la equidad en el acceso. Las instituciones
educativas deben establecer políticas claras, garantizar la transparencia en el
uso de datos y promover la capacitación docente en el manejo responsable de
estas tecnologías.
Hoy observamos que hay un futuro brillante para la Educación 5.0 donde
la integración de la IA Generativa en la Educación 5.0 tiene el potencial de
transformar radicalmente la forma en que aprendemos y enseñamos, creando
experiencias de aprendizaje personalizadas, interactivas y estimulantes que
preparan a los estudiantes para los desafíos del futuro. Al aprovechar el poder
de esta tecnología de manera responsable y ética, podemos construir un futuro
educativo más brillante, equitativo y efectivo para todos.
Recomendaciones a tener en cuenta en nuestras instituciones educativas:
pág. 170
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
● Capacitación Docente: Es fundamental proporcionar a los educadores
la formación necesaria para integrar la IA Generativa en sus prácticas
pedagógicas de manera efectiva y responsable.
● Políticas Claras: Las instituciones educativas deben establecer
políticas claras y transparentes que regulen el uso de la IA Generativa
en el aula, asegurando su uso ético y responsable.
● Investigación Continua: Se requiere investigación continua para
explorar el potencial de la IA Generativa en la educación y desarrollar
herramientas y estrategias que optimicen su uso.
En conclusión, la IA Generativa se presenta como un catalizador para la
transformación de la Educación 5.0, impulsando experiencias de aprendizaje
personalizadas, interactivas y estimulantes que preparan a los estudiantes para
el futuro. Al adoptar estas tecnologías de manera responsable y ética, podemos
crear un sistema educativo más equitativo, efectivo y preparado para los desafíos
del siglo XXI.
REFERENCIAS
Adnan, M., Uddin, M., Khan, E., Alharithi, F., Amin, S. & Alzahrani, A. (2022).
Earliest Possible Global and Local Interpretation of Students’ Performance
in Virtual Learning Environment by Leveraging Explainable AI. IEEE
Access,
10,
129843-129864.
https://doi.org/10.1109/ACCESS.2022.3227072
Ahmad, T. (2020). Corona Virus (COVID-19) Pandemic and Work from Home:
Challenges of Cybercrimes and Cybersecurity. SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.3568830
Al-Amin, M., Ali, M. S., Salam, A., Khan, A., Ali, A., Ullah, A., ... & Chowdhury, S.
K. (2024). History of generative Artificial Intelligence (AI) chatbots: past,
present,
and
future
development.
arXiv
preprint
arXiv: https://arxiv.org/abs/2402.05122
Ali, W. (2020). Online and Remote Learning in Higher Education Institutes: A
Necessity in light of COVID-19 Pandemic. Higher Education Studies, 10,
16-25. https://doi.org/10.5539/hes.v10n3p16
Aljanabi, M., Ghazi, M., Ali, A. & Abed, S. (2023). ChatGpt: Open Possibilities.
Iraqi Journal for Computer Science and Mathematics: Vol. 4: Iss. 1, Article
7. DOI: https://doi.org/10.52866/ijcsm.2023.01.01.0018. Available at:
https://ijcsm.researchcommons.org/ijcsm/vol4/iss1/7
Alsariera, Y., Baashar, Y., Alkawsi, G., Mustafa, A., Alkahtani, A. & Ali, N. (2022).
Assessment and Evaluation of Different Machine Learning Algorithms for
Predicting Student Performance. Computational Intelligence and
Neuroscience, 2022. https://doi.org/10.1155/2022/4151487
Amresh, A. (2023). Leveling Up Education: Harnessing Generative AI for GameBased Learning. In Proceedings of the 16th Annual ACM India Compute
pág. 171
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
Conference (COMPUTE '23). Association for Computing Machinery, New
York, NY, USA, 4. https://doi.org/10.1145/3627217.3631585
Bahroun, Z., Anane, C., Ahmed, V., & Zacca, A. (2023). Transforming Education:
A Comprehensive Review of Generative Artificial Intelligence in
Educational Settings through Bibliometric and Content Analysis.
Sustainability. https://doi.org/10.3390/su151712983
Baidoo-Anu, D., & Ansah, L. (2023). Education in the Era of Generative Artificial
Intelligence (AI): Understanding the Potential Benefits of ChatGPT in
Promoting Teaching and Learning. SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.4337484
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P., ... &
Amodei, D. (2020). Language models are few-shot learners. Advances in
neural information processing systems, 33, 1877-1901
Cevallos, A., Latorre, L., Alicandro, G., Cerrato, I., Zarate, J. D., Alvarez, J., &
Breuning, J. R. (2023). Tech Report Generative AI. Banco Interamericano
de Desarrollo BID. DOI: http://dx.doi.org/10.18235/0005105
Chassignol, M., Khoroshavin, A., Alexandrova, A., & Bilyatdinova, A. (2018).
Artificial Intelligence trends in education: A narrative overview. Procedia
Computer
Science,
136,
16-24.
https://doi.org/10.1016/j.procs.2018.08.233
Colchester, K., Hagras, H., Alghazzawi, D., & Aldabbagh, G. (2017). A Survey of
Artificial Intelligence Techniques Employed for Adaptive Educational
Systems within E-Learning Platforms. Journal of Artificial Intelligence and
Soft Computing Research, 7, 47 - 64. https://doi.org/10.1515/jaiscr-20170004
Dehankar, A., Kirpan, S., Jha, A., Thosare, G., Bhaisare, A., & Mankar, S. (2022).
AI CHATBOT USING DIALOG FLOW. International Journal of Computer
Science
and
Mobile
Computing.
https://doi.org/10.47760/ijcsmc.2022.v11i05.006
Dickey, E., & Bejarano, A. (2023). A Model for Integrating Generative AI into
Course
Content
Development.
ArXiv,
abs/2308.12276.
https://doi.org/10.48550/arXiv.2308.12276
Farrelly, T., & Baker, N. (2023). Generative Artificial Intelligence: Implications and
Considerations for Higher Education Practice. Education Sciences.
https://doi.org/10.3390/educsci13111109
Fengchun, M. y Holmes, W. (2024). Guía para el uso de IA generativa en
educación
e
investigación.
UNESCO.
Disponible
en:
https://unesdoc.unesco.org/ark:/48223/pf0000389227.locale=es
García-Martínez, I., Fernández-Batanero, J., Fernández-Cerero, J., & León, S.
(2023). Analysing the Impact of Artificial Intelligence and Computational
Sciences on Student Performance: Systematic Review and Meta-analysis.
Journal
of
New
Approaches
in
Educational
Research.
https://doi.org/10.7821/naer.2023.1.1240
pág. 172
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
Gierl, M. J., & Lai, H. (2013). Evaluating the quality of medical multiple-choice
items created with automated processes. Medical Education, 47, 726-733.
https://doi.org/10.1111/medu.12202
Gibert, R., Gorina, A., Reyes-Palau, N., Tapia-Sosa, E. & Siza, S. (2023).
Educación 4.0: Enfoque innovador apoyado en la inteligencia artificial para
la educación superior. Revista Universidad y Sociedad, 15(6), 60-74.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S221836202023000600060&lng=es&tlng=es
Gubareva, R., & Lopes, R. (2020). Virtual Assistants for Learning: A Systematic
Literature Review. , 97-103. https://doi.org/10.5220/0009417600970103
Han, A., & Cai, Z. (2023). Design implications of generative AI systems for visual
storytelling for young learners. Proceedings of the 22nd Annual ACM
Interaction
Design
and
Children
Conference.
https://doi.org/10.1145/3585088.3593867
Hassan, M., Habiba, U., Khalid, H., Shoaib, M., & Arshad, S. (2019). An Adaptive
Feedback System to Improve Student Performance Based on
Collaborative
Behavior.
IEEE
Access,
7,
107171-107178.
https://doi.org/10.1109/ACCESS.2019.2931565
Huang, X., Zou, D., Cheng, G., & Xie, H. (2021). A Systematic Review of AR and
VR Enhanced Language Learning. Sustainability, 13, 4639.
https://doi.org/10.3390/SU13094639
Kadaruddin, K. (2023). Empowering Education through Generative AI: Innovative
Instructional Strategies for Tomorrow's Learners. International Journal of
Business, Law, and Education. https://doi.org/10.56442/ijble.v4i2.215
Leiter, C., Zhang, R., Chen, Y., Belouadi, J., Larionov, D., Fresen, V., & Eger, S.
(2024). Chatgpt: A meta-analysis after 2.5 months. Machine Learning with
Applications, 16, 100541. https://doi.org/10.1016/j.mlwa.2024.100541
Lindsay, E., Johri, A., & Bjerva, J. (2023). A Framework for Responsible
Development of Automated Student Feedback with Generative AI. ArXiv,
abs/2308.15334. https://doi.org/10.48550/arXiv.2308.15334
Liu, M., Liu, R., Wang, H., & Buntine, W. (2024). A Survey on the Real Power of
ChatGPT. arXiv preprint arXiv: https://arxiv.org/abs/2405.00704
Luo, Q. (2023). The Influence of AI-Powered Adaptive Learning Platforms on
Student Performance in Chinese Classrooms. Journal of Education.
https://doi.org/10.53819/81018102t4181
McInnes, R., Carandang, M., & Kulkarni, A. (2023). Unleashing the power of genAI for digital education development. ASCILITE Publications.
https://doi.org/10.14742/apubs.2023.520
Menekse, M. (2023). Envisioning the future of learning and teaching engineering
in the artificial intelligence era: Opportunities and challenges. Journal of
Engineering Education, 112. https://doi.org/10.1002/jee.20539
Núñez-Hernández, C., & Núñez-Naranjo, A. (2023). Academic Tutoring in Virtual
Education: A Case Study in University Students. 2023 IEEE Seventh
pág. 173
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
Ecuador
Technical
Chapters
Meeting
https://doi.org/10.1109/ETCM58927.2023.10308803
(ECTM),
1-5.
Ouatik, F., Erritali, M., Ouatik, F., & Jourhmane, M. (2022). Predicting Student
Success Using Big Data and Machine Learning Algorithms. Int. J. Emerg.
Technol. Learn., 17, 236-251. https://doi.org/10.3991/ijet.v17i12.30259
Pérez, J., Reinoso, A. J., López, J., Burgos, D., & Cerezo, E. (2022). Intelligent
virtual assistants in education: A review of current status, approaches and
challenges.
Computers
&
Education,
182,
104446.
https://doi.org/10.1016/j.compedu.2022.104446
Popenici, S. A., & Kerr, S. (2017). Exploring the impact of artificial intelligence on
teaching and learning in higher education. Research and Practice in
Technology
Enhanced
Learning,
12(1),
1-13.
https://doi.org/10.1186/s41039-017-0062-8
Sağın, F., Özkaya, A., Tengiz, F., Geyik, Ö., & Geyik, C. (2023). Current
evaluation and recommendations for the use of artificial intelligence tools
in
education.
Turkish
Journal
of
Biochemistry,
0.
https://doi.org/10.1515/tjb-2023-0254
Sajja, R., Sermet, Y., Cikmaz, M., Cwiertny, D., & Demir, I. (2023). Artificial
Intelligence-Enabled Intelligent Assistant for Personalized and Adaptive
Learning
in
Higher
Education.
ArXiv,
abs/2309.10892.
https://doi.org/10.48550/arXiv.2309.10892
Selwyn, N. (2019). Should robots replace teachers? AI and the future of
education. Polity Press. ISBN13: 9781509528950. 160 págs.
Shankar, D., Tewari, D., Rahman, M., Mishra, D., & Bajaj, M. (2023). Impact of
Virtual Reality (Vr) and Augmented Reality (Ar) in Education. Tuijin
Jishu/Journal
of
Propulsion
Technology.
https://doi.org/10.52783/tjjpt.v44.i4.1014
Shaukat, S. (2023). Exploring the Potential of Augmented Reality (AR) and Virtual
Reality (VR) in Education. International Journal of Advanced Research in
Science, Communication and Technology. https://doi.org/10.48175/ijarsct12108
Shekhar, G., D'souza, R., & Fernandes, K. (2020). AI-Driven Contextual Virtual
Teaching Assistant Using RASA. Proceedings of the 21st Annual
Conference
on
Information
Technology
Education.
https://doi.org/10.1145/3368308.3415442
Susnjak, T. (2022). ChatGPT: The end of online exam integrity?. arXiv
preprint https://arxiv.org/abs/2212.09292
Taylor, K. (2023). Supporting students and educators in using generative artificial
intelligence.
ASCILITE
Publications.
https://doi.org/10.14742/apubs.2023.538
Tosheva, S., & Martinovska, C. (2012). Adaptive E-learning System in Secondary
Education.
Int.
J.
Emerg.
Technol.
Learn.,
7,
36-41.
https://doi.org/10.3991/ijet.v7is1.1913
pág. 174
[Capítulo 8] Impacto de la Inteligencia Artificial Generativa en la Educación 5.0
Wang, P., Wu, P., Wang, J., Chi, H., & Wang, X. (2018). A Critical Review of the
Use of Virtual Reality in Construction Engineering Education and Training.
International Journal of Environmental Research and Public Health, 15.
https://doi.org/10.3390/ijerph15061204
Wang, R., & Demszky, D. (2023). Is ChatGPT a Good Teacher Coach?
Measuring Zero-Shot Performance For Scoring and Providing Actionable
Insights
on
Classroom
Instruction.
ArXiv,
abs/2306.03090.
https://doi.org/10.48550/arXiv.2306.03090
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
pág. 175