pág. 2841
POTENCIALIDADES DE LA INTELIGENCIA
ARTIFICIAL EN LA EDUCACIÓN SUPERIOR
POTENTIALITIES OF ARTIFICIAL INTELLIGENCE IN HIGHER
EDUCATION
Israel Alejandro Via Guzman
Universidad: Escuela Militar de Ingeniería “Mcal. Antonio José de Sucre”
, Bolivia
pág. 2842
DOI: https://doi.org/10.37811/cl_rcm.v8i4.12533
Potencialidades de la Inteligencia Artificial en la Educación Superior
Israel Alejandro Via Guzman
1
israelvia@gmail.com
https://orcid.org/0009-0005-0140-1177
Universidad: Escuela Militar de Ingeniería
“Mcal. Antonio José de Sucre”
Cochabamba - Bolivia
RESUMEN
La aplicación de la Inteligencia Artificial en la educación de pregrado promete una transformación
significativa en el proceso de enseñanza aprendizaje. La Inteligencia Artificial tiene el potencial de
personalizar la educación al adaptar el contenido y el ritmo de aprendizaje a las necesidades individuales
de los estudiantes, lo que facilita una experiencia más efectiva y enriquecedora. Además, la Inteligencia
Artificial puede desempeñar un papel clave en la evaluación, permitiendo una medición más precisa y
objetiva de las habilidades y el progreso de los estudiantes. La automatización de tareas administrativas
y de retroalimentación también libera tiempo para que los educadores se centren en la interacción
personal y el apoyo a los estudiantes. Además, la Inteligencia Artificial puede ofrecer recursos
educativos más accesibles, lo que democratiza el acceso a la educación de calidad. Al utilizar la
Inteligencia Artificial para analizar datos sobre el rendimiento estudiantil, las instituciones pueden tomar
decisiones más informadas sobre la mejora de los planes de estudio y la eficacia de las estrategias de
enseñanza. Asimismo, la Inteligencia Artificial también contribuye a la generación de hipótesis
científicas, automatizando la búsqueda bibliográfica y sugiriendo relaciones entre investigaciones
previas. La colaboración entre humanos e Inteligencia Artificial abre nuevas posibilidades en la
investigación interdisciplinaria y en la resolución de problemas complejos.
Palabras claves: Inteligencia artificial, enseñanza, aprendizaje, investigación, educación,
automatización, evaluación (Tesauro UNESCO)
1
Autor principal
Correspondencia: israelvia@gmail.com
pág. 2843
Potentialities of Artificial Intelligence in Higher Education
ABSTRACT
The application of Artificial Intelligence in undergraduate education promises a significant
transformation in the teaching-learning process. Artificial Intelligence has the potential to personalize
education by adapting the content and pace of learning to the individual needs of students, facilitating a
more effective and enriching experience. Additionally, Artificial Intelligence can play a key role in
assessment, allowing for more accurate and objective measurement of students' skills and progress.
Automating administrative and feedback tasks also frees up time for educators to focus on personal
interaction and student support. In addition, Artificial Intelligence can offer more accessible educational
resources, which democratizes access to quality education. By using Artificial Intelligence to analyze
data on student performance, institutions can make more informed decisions about improving curricula
and the effectiveness of teaching strategies. Likewise, Artificial Intelligence also contributes to the
generation of scientific hypotheses, automating the bibliographic search and suggesting relationships
between previous research. The collaboration between humans and Artificial Intelligence opens new
possibilities in interdisciplinary research and in solving complex problems.
Keywords: Artificial intelligence, teaching, learning, research, education, automation, evaluation
Artículo recibido 10 junio 2024
Aceptado para publicación: 15 julio 2024
pág. 2844
INTRODUCCIÓN
La inteligencia artificial ha emergido como un campo interdisciplinario de rápido crecimiento que busca
desarrollar sistemas capaces de emular, en cierta medida, la inteligencia humana. Este ensayo se
enfocará en una revisión teórica de la Inteligencia Artificial, analizando su evolución histórica, sus
fundamentos, aplicaciones actuales y futuras, así como los desafíos éticos y técnicos que enfrenta.
La automatización de procesos ha sido fundamental para el desarrollo de la humanidad. Los enormes
desafíos que ha significado llevar a cabo esta hazaña nos ha incitado a estudiar sus límites. Con el
desarrollo de la lógica matemática aproximadamente allá por el siglo XX se establecieron las bases de
una formalización matemática de la idea de proceso mecánico o algoritmo. El trabajo de Turing (1937)
en los años 30 llevó a la formalización matemática de la noción de algoritmo a través de lo que hoy se
conoce como la Máquina de Turing, sentando las bases para la teoría de la computación. Tanto la lógica
matemática como la teoría de la computación han sido fundamentales en el desarrollo de la inteligencia
artificial.
El primer trabajo reconocido como Inteligencia Artificial fue la neurona artificial de Warren que es una
unidad de cálculo que intenta modelar el comportamiento de una neurona (McCulloch, Pitts, 1943).
Esta neurona artificial es el componente esencial de las redes neuronales artificiales, las cuales son una
de las tecnologías más importantes desarrolladas en inteligencia artificial.
ctualmente, la Inteligencia Artificial forma parte de nuestro día a día, y la mayoría de sus aplicaciones
están destinadas a mejorar y facilitar nuestra vida. El ejemplo más cercano y claro es el de los teléfonos
móviles. A través de la Inteligencia Artificial los teléfonos pueden realizar reconocimientos faciales, de
voz, de escritura o de patrones, así como mejorar la calidad de las fotografías y videos. Otros usos
comunes son los motores de búsqueda o las sugerencias de contenido en diversas plataformas.
Esta tecnología es capaz de resolver problemas de gran envergadura en ámbitos como la medicina, el
medio ambiente, la economía o la educación. Por ejemplo, en medicina, el uso de la Inteligencia
Artificial puede ayudar a la asistencia a profesionales sanitarios en la toma de decisiones, administrar
medicamentos, supervisar las condiciones de los pacientes, e incluso a diagnosticar enfermedades de
difícil identificación (del Río, López & Vaquero, 2018).
pág. 2845
En este contexto, la Inteligencia Artificial en concreto se sustenta en las redes neuronales y el aprendizaje
profundo, se puede definir como la emulación de la forma de pensar y del razonamiento humano, por
parte de las máquinas. Asimismo, también se puede definir como la disciplina que se encarga de crear
sistemas capaces de razonar y tomar decisiones como un ser humano (Chas, 2020).
El constante crecimiento en la Inteligencia Artificial en las últimas décadas ha generado una serie de
impactos importantes y de gran repercusión en lo que respecta a la educación superior, ya que no solo
ha permitido la generación de procedimientos sustentados en los modernos procesos de gestión del
conocimiento, sino que además ha permitido la generación de novedosos entornos y planteado nuevas
modalidades en la formación (Gisbert y Esteve, 2016).
Según plantea Moreno en su investigación del 2019 cada día se hace más evidente el uso de la
inteligencia artificial en nuestra vida cotidiana sin embargo aún quedan muchos elementos para trabajar
y organizar antes de poder realizar una verdadera implementación de la inteligencia artificial en la
educación, a diferencia de lo que también en el año 2019 plantean Ocaña, Valenzuela y Garro que la
Inteligencia Artificial ya se encuentra aplicado dentro los niveles de pregrado y posgrado por medio de
aplicaciones relacionadas al aprendizaje de tipo individualizado con la implementación de simuladores
y programas tutoriales. Este proceso de la educación personalizada, permite facilitar los aprendizajes,
ya que los mecanismos de apoyo se encontrarán disponibles cuando sean necesario independientemente
del tiempo y el espacio del usuario.
La Inteligencia artificial ya se encuentra en mayor medida colaborando con las investigaciones
científicas, es lo que nos da a conocer Medina (2023) donde hace énfasis en una aplicación llamada
SmartPaper.AI que es una herramienta de IA orientada al fortalecimiento del desarrollo de
investigaciones científicas y a la asistencia de investigadores, académicos y estudiantes, desde América
Latina y con cobertura mundial.
En Bolivia la educación superior universitaria es impartida por más de 60 universidades legalmente
establecidas: 11 públicas autónomas que forman parte del Sistema Boliviano de Universidades, tres
privadas adscritas al CEUB (Comité Ejecutivo de la Universidad Boliviana), 40 privadas, 3 indígenas y
3 de régimen especial, que otorgan títulos de doctor y máster a nivel posgrado, y en pregrado de
licenciatura, técnico superior y técnico medio.
pág. 2846
Según la Guía de Universidades de Bolivia 2016 publicada por el Ministerio de Educación, de todas
estas entidades de educación universitarias 18 tienen sede y subsede en Cochabamba, están: la
Universidad Mayor de San Simón (pública), la Universidad Católica Boliviana “San Pablo” (UCB) y la
Escuela Militar de Ingeniería “Mariscal Antonio José de Sucre” (EMI) de las adscritas a la CEUB, 14
privadas, y de las indígenas públicas la Universidad Indígena Quechua “Casimiro Huanca”, todas
ofertan una amplia gama de carreras académicas. Asimismo, a la fecha no se tiene certidumbre de que
alguna de estas universidades esté utilizando la inteligencia artificial dentro de sus programas de
pregrado. Por otro lado, según las páginas de algunas universidades se tienen programas de cursos
cortos, diplomados y maestrías que contemplan los conceptos, usos y beneficio de la Inteligencia
Artificial
La inteligencia artificial tiene enormes potencialidades en los procesos formativos vinculados con la
investigación científica de pregrado en las universidades privadas de la ciudad de Cochabamba.
DESARROLLO
Personalización del aprendizaje y de las técnicas de enseñanza
La inteligencia artificial ha permitido personalizar el aprendizaje, adaptándolo a las necesidades
individuales de cada estudiante. Esto significa que los sistemas de inteligencia artificial pueden adaptar
el material de aprendizaje y las técnicas de enseñanza para satisfacer las necesidades específicas de cada
estudiante.
Un primer ámbito de contribución de la IA a la educación quizás el más conocido y con más trayectoria
comprende los sistemas de enseñanza adaptativos. Se trata de plataformas y sistemas de tutoría
inteligente que ofrecen trayectorias personalizadas de aprendizaje basadas en los perfiles, respuestas e
interacciones de los estudiantes. Estas aplicaciones buscan acercar el tipo, dificultad, secuencia y ritmo
de los materiales de aprendizaje, así como sus diálogos, preguntas y retroalimentación, a las necesidades
individuales de los estudiantes, con costos considerablemente inferiores a los de los medios tradicionales
(Luckin, 2016).
Los ejemplos de este tipo de aplicaciones se registran principalmente en países desarrollados, pero
también en el resto del mundo. Tal es el caso de la plataforma adaptativa para la enseñanza del inglés en
China denominada Liulishou, con capacidad para atender en línea a 600.000 estudiantes; o la aplicación
pág. 2847
M-Shule en Kenia, usada para impartir lecciones del currículum nacional vía SMS y adaptable a las
habilidades de los estudiantes, además de que proporciona información acerca de su progreso a sus
profesores y padres; o la plataforma adaptativa Daptio de Sudáfrica, la cual utiliza la Inteligencia
Artificial para ayudar a estudiantes y docentes a entender los niveles de logro alcanzados y proveer
contenidos pertinentes (UNESCO, 2019). En América Latina, el Plan Ceibal de Uruguay masificó la
plataforma adaptativa de matemáticas Bettermarks, alcanzando 69.000 usuarios activos en las 2.770
escuelas del país. Esta plataforma ofrece actividades y ejercicios interactivos, con una trayectoria que
se va adaptando dependiendo del nivel de conocimiento de cada estudiante. Los alumnos avanzan a su
ritmo y cuando tienen dificultades, la plataforma les genera automáticamente una serie de ejercicios de
refuerzo. Asimismo, la plataforma le proporciona al docente una serie de indicadores basados en la ruta
realizada por cada uno de los estudiantes. En Brasil, la plataforma adaptativa Geekie llega a más de
55.000 escuelas. Otros casos similares, pero más acotados, son las plataformas de aprendizaje
personalizado en matemáticas eMAT en Chile y la plataforma APCI en Ecuador (CIPPEC, 2018;
Domínguez, 2011; Carrillo, Onofa y Ponce, 2010).
La incorporación en estos sistemas adaptativos de nuevos algoritmos de Inteligencia artificial con
reconocimiento de voz e imagen, y el manejo de grandes volúmenes de datos, están permitiendo
personalizar aún más las trayectorias de aprendizaje de los estudiantes, armonizándolas con elementos
de su personalidad, intereses, estilos de aprendizaje y estados de ánimo (Dorca, 2015; Conati y Kardan,
2013; Peña, 2002). Con las nuevas aplicaciones se podrían identificar las fortalezas y debilidades de
cada usuario, así como sus desafíos y motivaciones, con lo cual se generaría una trayectoria idónea que
optimice el proceso de aprendizaje de cada estudiante e incluso ajuste los contenidos a formatos
culturalmente apropiados (Blanchard, 2015; Nye, 015).
Análisis y procesamiento de datos
La Inteligencia Artificial puede procesar y analizar grandes conjuntos de datos académicos de manera
eficiente y rápida, lo que permite identificar patrones, tendencias y relaciones que podrían ser difíciles
de detectar manualmente. Esto es especialmente útil para investigaciones académicas, toma de
decisiones institucionales y la mejora de programas académicos.
pág. 2848
Existen aplicaciones a nivel de sistemas universitarios para analizar grandes volúmenes de información
de estudiantes e instituciones educativas a fin de facilitar la identificación de patrones en la población
atendida y diseñar estrategias de intervención focalizadas y diferenciadas. La incorporación de la
Inteligencia Artificial en los sistemas de gestión de las instituciones que administran los sistemas
educativos permitiría aprovechar la enorme cantidad de datos disponibles en muchos países para
predecir situaciones de riesgo y fortalecería las capacidades de monitoreo y toma de decisiones de las
autoridades en los distintos niveles del sistema (UNESCO, 2019). En 2017, el World Economic Forum
destacó la importancia de incorporar este tipo de sistemas tecnológicos pues ello estaría asociado a una
mayor tasa de retención del estudiantado, así como a una mejora en su desempeño académico
(HorizonReport, 2019; NSW Department of Education, 2017; Luckin, 2016).
Si bien la incorporación de tecnología de inteligencia artificial a los sistemas de información y gestión
educativa (SIGED) de los países aumentaría su capacidad de acumular datos relevantes para la toma de
decisiones educativas oportunas a nivel de escuela y de país, esto supone que tales sistemas están
disponibles en plataformas digitales con información completa, actualizada y confiable; sin embargo,
esto no es muy común en América Latina y el Caribe (UNESCO, 2019; BID, 2019). Normalmente, los
SIGED deberían poder administrar una plataforma integral de información sobre matrícula, escuelas,
cursos, asistencia, docentes, infraestructura y resultados de aprendizaje, entre otros aspectos, pero
muchas veces estos datos se encuentran dispersos o no están digitalizados. No obstante, en muchos
lugares se está avanzando en este sentido. A modo de ejemplo se puede mencionar el estado del Espíritu
Santo en Brasil, que ha logrado mejorar la planificación de alumnos y docentes por cursos al trabajar de
manera integrada los datos estudiantiles con la planimetría de los edificios universitarios (BID, 2019).
Hay ejemplos diversos de cómo los países están buscando potenciar sus sistemas de gestión con
inteligencia artificial. Por ejemplo, el Ministerio de Educación de los Emiratos Árabes desarrolló un
sistema de gestión que cubre a los 1,2 millones de estudiantes de su sistema educativo. Este cuenta con
datos sobre el estudiantado, los docentes y su desarrollo profesional, el currículum, los recursos de
aprendizaje, financiamiento y operaciones, evaluaciones internacionales, etc., a partir de lo cual se están
realizando análisis estratégicos sobre la educación del país basados en algoritmos de inteligencia
artificial. En Kenia se desarrolló el sistema iMlango que combina información de asistencia ingresada
pág. 2849
en forma automática (sistema sQuid, mencionando anteriormente) con plataformas que suministran en
forma personalizada contenidos educativos y guías a estudiantes y docentes. Otro caso es el de Chile,
donde algunos investigadores utilizaron un algoritmo para estudiar los datos públicos sobre el contexto
educativo, social y geográfico de los estudiantes, y a partir de ello predecir la deserción escolar con base
en la distancia entre los hogares y las escuelas (UNESCO, 2019).
En todos estos casos, los nuevos tipos de análisis basados en información existente potenciados por las
nuevas tecnologías de inteligencia artificial permiten alimentar decisiones basadas en datos, algo que es
de particular interés cuando se trata de políticas educativas. En numerosos países, las políticas
promueven el uso de información educativa para adoptar decisiones a nivel de escuelas, especialmente
cuando los docentes y directivos pueden disponer de resultados de evaluaciones para identificar las
necesidades de cada estudiante a fin de adaptar y ajustar las estrategias de enseñanza individuales
(Schlidkamp, Kuin Lai y Eral, 2013; Van Geel, 2016; Trach, 2018). En el ámbito local, también se
promueve la combinación de los datos de estudiantes y docentes para orientar el desarrollo profesional
de estos últimos (Dillaha y Haren, 2017).
Automatización de tareas
La Inteligencia Artificial puede realizar tareas rutinarias y repetitivas que consumen mucho tiempo y
recursos humanos, como la calificación de exámenes, la corrección de trabajos, la gestión administrativa
o la atención al cliente.
Están surgiendo nuevas aplicaciones de IA que se hacen cargo de las tareas rutinarias, si bien complejas,
que ocupan una cantidad de tiempo importante de los docentes: la corrección automática de pruebas de
selección múltiple y ensayos, y la generación de preguntas para las pruebas o la verificación de asistencia
de los estudiantes, entre otras. Por ejemplo, en 60 mil escuelas de China se está utilizando un sistema
para la corrección automática de ensayos cuyo algoritmo permite mejorar continuamente su capacidad
de comprender el lenguaje humano con base en el análisis de ensayos escritos por los estudiantes, y en
las calificaciones y comentarios de sus maestros (Chen, 2018). En Kenia se está utilizando el sistema
sQuid para monitorear la asistencia de los estudiantes a la escuela e identificar casos que requieran
atención especial por parte de los maestros (UNESCO, 2019). En Uruguay, el sistema de protección de
trayectorias educativas expide automáticamente una alerta temprana ante la eventual deserción de un
pág. 2850
estudiante con base en indicadores socioeconómicos, ausentismo y trayectoria escolar (CODICEN,
2016).
La información disponible muestra que la implementación de estos sistemas se asocia con una
disminución del tiempo destinado a tareas administrativas de todos los actores, pero particularmente de
los docentes, quienes lo estarían utilizando en labores más pedagógicas como el trabajo de planificación
o el apoyo al estudiantado (UNESCO, 2019b; Horizon Report, 2019; NSW Department of Education,
2017).
Otros sistemas usan chatbots adaptativos para que los estudiantes puedan responder dudas, hacer
reclamos o dar seguimiento a procedimientos administrativos, como por ejemplo para la actualización
de datos personales. Los chats son sistemas con los que los estudiantes se encuentran familiarizados y
permiten entablar conversaciones escritas en lenguaje natural, lo que facilita resolver consultas en un
amplio espectro de temas y así liberar el tiempo de los docentes y del personal administrativo. El uso de
estos chatbots ha sido implementado principalmente en instituciones de educación superior para ayudar
a los estudiantes a planificar sus cursos (p. ej., en la Universidad Técnica de Berlín), recordar
obligaciones (p. ej., en la Universidad Estatal de Georgia en EEUU) y orientar los pasos de los trámites
universitarios (p. ej., en la Universidad Comunitaria del Norte de Virginia, EEUU). Esto ha generado
una disminución del tiempo requerido para realizar dichas tareas, así como un aumento en la tasa de
retención del estudiantado (Barrett et al., 2019; World Economic Forum, 2017).
CONCLUSION
La Inteligencia Artificial se constituye como una herramienta revolucionaria en la investigación
científica, desplegando su potencial en diversas facetas, ya que permite el análisis masivo de datos,
agilizando la interpretación de grandes conjuntos de información y desvelando patrones ocultos en
varios campos. La inteligencia artificial potencia la investigación científica al acelerar la adquisición y
el procesamiento de datos, mejorar la simulación de fenómenos naturales, optimizar la detección de
patrones y fomentar la innovación en la formulación de preguntas y la búsqueda de respuestas,
prometiendo un futuro prometedor para la ciencia y sus avances.
En la última década, la inteligencia artificial (IA) ha mostrado avances muy significativos que hacen
posible implementar sistemas que abordan problemas que, aunque específicos, comportan una
pág. 2851
complejidad antes impensada. Los campos de aplicación de estos nuevos algoritmos son amplios, y entre
ellos figura de manera prominente la educación. Esto aplica tanto a sus procesos de enseñanzas y
aprendizaje directamente, como a sus sistemas administrativos.
Aunque todavía es prematuro dimensionar el impacto que esta revolución tendrá para la educación, ya
existen indicios de que podría tener un efecto profundo en la manera en que los sistemas escolares
educan y se administran. El principal impacto esperado en el área de la enseñanza es el de una mayor
personalización del aprendizaje gracias a sistemas adaptativos que ajustan las trayectorias educativas a
las características y comportamiento individual de los estudiantes. En el ámbito de la administración, se
espera un ahorro de tiempo de los docentes gracias a la disponibilidad de aplicaciones que los apoyen
en tareas rutinarias, y a una mayor precisión en el diseño y focalización de las políticas con base en el
análisis inteligente de grandes volúmenes de información educativa.
Los responsables por la formulación de políticas tienen también el desafío de desarrollar en las nuevas
generaciones las habilidades y conocimientos requeridos para desenvolverse en un mundo laboral
dominado por la automatización y donde la vida social está cada vez más digitalizada.
REFERENCIAS BIBLIOGRÁFICAS
Barrett, M., L.Branson, S. Carter, F. DeLeon, J. Ellis, C. Gundlach y D. Lee. 2019. Using Artificial
Intelligence to Enhance Educational Opportunities and Student Services in Higher
Education. Inquiry: The Journal of the Virginia Community Colleges, 22(1), 1-11.
BID, 2019. Del papel a la nube: cómo guiar la transformación digital de los sistemas de información y
gestión educativa (SIGED). Consultado en https://publications.iadb.org/es/del-papel-lanube-
como-guiar-la-transform acion -digital-de-los-sistemas-de-informacion-y-gestion.
BID, 2019b. fAIr LAC. BID Mejorando vidas. Consultado en https://www.iadb.org/es/fairlac
Blanchard, E. G. 2015. Socio-cultural Imbalances in AIED Research: Investigations, Implications and
Opportunities. International Journal of Artificial Intelligence in Education, 25, 204-228.
Carrillo, P., M. Onofa y J. Ponce. 2010. Information Technology and Student Achievement: Evidence
from a Randomised Experiment in Ecuador. IDB Working Paper Series No. IDB-WP-223.
Chen, S. 2018. China’s schools are quietly using AI to mark students’ essays… but do the robots make
the grade? Society, South China Morning Post. Consultado en
pág. 2852
https://www.scmp.com/news/china/society/article/2147833/chinasschools-are-quietly-using-ai-
mark-studentsessays-do
CIPPEC. 2018. Un sistema educativo digital para la Argentina. CIPPEC, Argentina.
Consejo Directivo Central de la Administración Nacional de Educación Pública (CODICEN). 2016.
Propuesta para un sistema de protección de trayectorias educativas. CODICEN.
Conati, C. y S. Kardan. 2013. Student Modeling: Supporting Personalized Instruction, from Problem
Solving to Exploratory, Open-Ended Activities. AI Magazine, 34(2).
Chas, A. (2020). Qué es la Inteligencia Artificial. AuraPortal. Recuperado de:
https://www.auraportal.com/es/que-es-la-inteligencia-artificial/
Del Río, M.L., López, J.M. & Vaquero, C. (2018). Inteligencia artificial en el ámbito médico. Revista
española de investigaciones quirúrgicas, 21(3), 113-116. Recuperado de:
https://dialnet.unirioja.es/servlet/articulo?codigo=6601260
Dillaha W. y J. Haren. 2017. The Newest Trends un Data-Driven Decision Making. Consultado en
http://blogs.edweek.org/edweek/education_futures/2017/01/the_newest_trend_in_data-
driven_decision_making_connectingstudent_and_ educator_growth.html
Domínguez, P. 2011. Medición del impacto de una empresa privada en la comunidad: el caso de
Compumat (Tesis de maestría inédita). Pontificia Universidad Católica de Chile.
Dorca, F. 2015. Implementation and use of simulated students for test and validation of new adaptive
educational systems: A practical insight. International Journal of Artificial Intelligence in
Education, 25, 319-345.
Gisbert, M. y Esteve, F. (2016). Digital Leaners: la competencia digital de los estudiantes
universitarios. La cuestión universitaria, (7), 48-59. Recuperado de:
http://polired.upm.es/index.php/lacuestionuniversitaria /article/view/3359/3423
Horizon Report (2019). EDUCAUSE: Higher Education Edition. Louisville, CO: EDUCAUSE.
Consultado en
https://library.educause.edu/media/files/library/2019/4/2019horizonreport.pdf?la=en&hash=C8E
8D444AF372E705FA1BF9D4FF0DD4CC6F0FDD1
pág. 2853
Luckin, R., W. Holmes, M. Griffiths y L. B. Forcier. 2016. Intelligence Unleashed: An argument for AI
in Education. Londres: Pearson Education.
Medina Romero, M. Ángel. (2023). Las Herramientas de Inteligencia Artificial Orientadas al
Fortalecimiento del Desarrollo de Investigaciones Científicas y Académicas: el Caso de
Smartpaper.AI En América Latina. Ciencia Latina Revista Científica Multidisciplinar, 7(3),
7542-7553. https://doi.org/10.37811/cl_rcm.v7i3.6743
Moreno, R. (2019). La llegada de la inteligencia artificial a la educación. Revista investigación en
tecnologías de la información, 7 (14), 260-262. Doi https://doi.org/10.36825/RITI.07.14.022
McCulloch, W. S., and Pitts, W. A logical calculus of the ideas immanent in nervous activity. The
bulletin of mathematical biophysics, 5, 115-133, 1943.
NSW Department of Education. 2017. Education: Future Frontiers. Discussion Paper Nº 2: Challenges
and Opportunities. New South Wales Government, Australia. Consultado en
https://education.nsw.gov.au/our-priorities/innovate-for-the-future/education-for-a-changing-
world/media/documents/exar/future-frontiers-discussion-paper-2.pdf
Nye, B.D. 2015. Intelligent Tutoring Systems by and for the Developing World: A Review of Trends
and Approaches for Educational Technology in a Global Context. International Journal of
Artificial Intelligence in Education, 25(2), 177-203.
Ocaña-Fernández, Y., Valenzuela-Fernández, L. A., y Garro-Aburto, L. L. (2019). Inteligencia artificial
y sus implicaciones en la educación superior. Propósitos Y Representaciones, 7(2), 536–568.
https://doi.org/10.20511/pyr2019.v7n2.274
Peña, C., J. Marzo, J. de la Rosa y R. Fabregat. 2002. Un sistema de tutoría inteligente adaptativo
considerando estilos de aprendizaje. Revista UIS ingenierías, 1(2), 17-29.
Schildkamp K., L. Karbautzki y J. Vanhoof. 2014. Exploring Data Use Practices Around Europe:
Identifying Enablers and Barriers. Studies in Educational Evaluation, vol. 42, 15–24.
Trach E. 2018. Tackling Data-Driven Decision Making in Education. Consultado en
https://www.schoology.com/blog/tackling-data-driven-decision-making-education
Turing, A. M. On computable numbers, with an application to the Entscheidungsproblem. Proc. London
Math. Soc. s2-42(1): 230–265, 1937.
pág. 2854
UNESCO 2019. Artificial Intelligence in Education: Challenges and Opportunities for Sustainable
Development. Working Papers on Education Policy, 7.
Van Geel M., T. Keuning, A. J. Visscher y J. P. Fox. 2016. Assessing the Effects of a School-wide
Databased Decision-making Intervention on Student Achievement Growth in Primary Schools.
American Educational Research Journal, vol. 53, no. 2, 360–39.
World Economic Forum. 2017. Artificial Intelligence will Transform Universities. Here’s How.
Consultado en
https://www.weforum.org/agenda/2017/08/artificial-intelligence-will-transformuniversities-
here-s-
how/?utm_content=buffer04c70&utm_medium=social&utm_source=twitter.com&utm_campaig
n=buffer
