La Inteligencia Artificial y la Educación en el Siglo XXI: un Análisis de sus y Oportunidades Desafíos
DOI:
https://doi.org/10.63371/ic.v3.n1.a19Palabras clave:
inteligencia artificial (ia), educación, oportunidades, desafíos, personalización del aprendizajeResumen
La Inteligencia Artificial (IA) se ha convertido en una herramienta transformadora en el ámbito educativo del siglo XXI, presentando tanto oportunidades como desafíos. Su integración en la educación permite la personalización del aprendizaje a través de sistemas de tutoría inteligente que adaptan el contenido a las necesidades individuales de los estudiantes, mejorando así los resultados académicos. Además, la IA facilita el análisis de grandes volúmenes de datos educativos, lo que ayuda a los educadores a tomar decisiones informadas y a identificar patrones que pueden prevenir el abandono escolar. Sin embargo, la implementación de la IA también enfrenta desafíos significativos. Uno de los principales es la equidad; existe el riesgo de que la IA amplíe las brechas educativas si no se aplica de manera inclusiva, afectando a estudiantes de entornos desfavorecidos. La privacidad y la seguridad de los datos son otras preocupaciones cruciales, ya que el manejo inadecuado de la información puede tener graves consecuencias. El presente estudio analiza las oportunidades y desafíos que presenta la integración de la inteligencia artificial (IA) en la educación del siglo XXI, utilizando una metodología mixta que combina enfoques cualitativos y cuantitativos. La investigación se enfoca en evaluar la efectividad de las aplicaciones actuales de la IA en la personalización del aprendizaje, investigar el uso de sistemas de tutoría inteligente en diferentes contextos educativos y proponer estrategias para una implementación inclusiva y equitativa de la IA. Se realizó un análisis específico en la Unidad Educativa Julio Enríquez, con una población de 903 estudiantes, utilizando el método Montecarlo para estimar la cantidad de estudiantes que utilizan IA en sus tareas. Los resultados indican que aproximadamente el 24.14% de los estudiantes utilizan herramientas de IA, destacando tanto las potencialidades como las preocupaciones relacionadas con la equidad y la privacidad en la adopción de estas tecnologías.
Descargas
Referencias
Arnold, K. E. (2012). Course signals at Purdue: Using learning analytics to increase student success. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge, 267-270. Recuperado el 31 de 07 de 2024
Braun, V. &. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology. 77-101. Recuperado el 31 de 07 de 2024
El Comercio. (23 de 07 de 2023). La inteligencia artificial desafía a la educación en Ecuador. La inteligencia artificial desafía a la educación en Ecuador, pág. 2. Obtenido de https://www.elcomercio.com/tendencias/sociedad/ecuador-inteligencia-artificial- educacion-tecnologia.html
Field, A. (2013). Discovering Statistics Using IBM SPSS Statistics. Sage Publications. Discovering Statistics Using IBM SPSS Statistics. Sage Publications. Recuperado el 31 de 07 de 2024
Johnson, L. A. (2016). Horizon Report. Higher Education Edition. The New Media Consortium.
King, N. (2004). Using templates in the thematic analysis of text. In Cassell. Essential Guide to Qualitative Methods in Organizational Research. Recuperado el 31 de 07 de 2024
La cartilla. (02 de 01 de 2020). Método Montecarlo para estimar áreas bajo la curva de funciones matemáticas. Método Montecarlo para estimar áreas bajo la curva de funciones matemáticas. Obtenido de
https://www.youtube.com/watch?v=8Wo2a9h42gw&t=119s
Luckin, R, R., Holmes, W., Griffiths , M., & Forcier. (2016). Intelligence Unleashed: An argument for AI in education. Pearson.
Moher, D., Liberati, A., Tetzlaff, J., & Altman, D. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. Recuperado el 31 de 07 de 2024
Pane, J. F. (2014). Effectiveness of Cognitive Tutor Algebra I at Scale. . Educational Evaluation and Policy Analysis, 36(2), 127-144.
Pardo, A. &. (2014). Ethical and privacy principles for learning analytics. British Journal of Educational Technology, 438-450. Recuperado el 31 de 07 de 2024
Patton, M. Q. (1999). Enhancing the quality and credibility of qualitative analysis. Enhancing the quality and credibility of qualitative analysis. Recuperado el 31 de 07 de 2024
Zawacki-, R., Marín, V., Bond, M., & Gou. (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. Recuperado el 31 de 07 de 2024
Publicado
Número
Sección
Categorías
Licencia
Derechos de autor 2024 Iralda Yadira López Garcés, Ruth Elcira López Garcés, Lilia Daniela Lasluisa Revelo, Jonathan Andrés Vaca Rodríguez, María de los Ángeles Huachi Montero (Autor/a)

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los contenidos publicados en esta revista están bajo una licencia Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0). Esto significa que usted es libre de compartir, copiar y redistribuir el material en cualquier medio o formato, así como de adaptar, transformar y crear a partir del contenido, siempre que:
-
Se otorgue el crédito adecuado al autor original y a la revista.
-
No se utilicen los materiales con fines comerciales.
-
Las nuevas creaciones se distribuyan bajo la misma licencia que el original.
Para más información, visite: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es








