pág. 2346
ANÁLISIS DE LA PRODUCCIÓN CIENTÍFICA
DE LA INTELIGENCIA ARTIFICIAL
EN LA EDUCACIÓN SUPERIOR DEL PERÚ
ANALYSIS OF THE SCIENTIFIC PRODUCTION OF ARTIFICIAL
INTELLIGENCE IN HIGHER EDUCATION IN PERU
Vladimir Hilario Quispe Orihuela
Universidad Nacional Federico Villarreal, Perú
Paul Alberto Díaz Flores
Universidad Nacional Federico Villarreal, Perú
Patricia Justina Huari Maximiliano
Investigador Independiente, Perú
pág. 2347
DOI: https://doi.org/10.37811/cl_rcm.v8i5.13704
Análisis de la Producción Científica de la Inteligencia Artificial en la
Educación Superior del Perú
Vladimir Hilario Quispe Orihuela1
vquispe@unfv.edu.pe
https://orcid.org/0000-0003-0700-1834
Universidad Nacional Federico Villarreal
Perú
Paul Alberto Díaz Flores
pdiaz@unfv.edu.pe
https://orcid.org/0000-0002-9573-8563
Universidad Nacional Federico Villarreal
Perú
Patricia Justina Huari Maximiliano
Patriciahuari1404@gmail.com
https://orcid.org/0000-0002-2211-7571
Universidad Nacional Federico Villarreal
Perú
RESUMEN
Actualmente, la inteligencia artificial avanza rápidamente y promete transformar la vida cotidiana. En
la educación superior, esta tecnología se está integrando como parte esencial del aprendizaje, lo que
hace crucial evaluar su producción científica y aplicaciones en el ámbito educativo. Esta investigación
tuvo como objetivo de determinar el estado actual de la producción científica sobre IA en la educación
superior en Perú durante los últimos 5 años, usando las bases de datos Scopus y Web of Science, para
establecer nuevas líneas de investigación, a través de una metodología de revisión sistemática,
considerando una muestra de 197 artículos. Los resultados muestran que China y Estados Unidos lideran
en publicaciones sobre IA en educación superior, con un aumento significativo en 2021-2023. Scopus
es la base de datos más utilizada, el inglés es el idioma predominante, y la principal temática de
investigación es la educación. En conclusión, la producción científica en Perú sobre IA en educación
superior es limitada en los últimos cinco años, subrayando la necesidad de nuevas líneas de investigación
adaptadas a la realidad nacional. Aunque hay un creciente interés en la educación, todavía hay áreas aún
no exploradas que requieren atención.
Palabras clave: bases de datos académicas, inteligencia artificial, producción científica
1 Autor principal
Correspondencia: vquispe@unfv.edu.pe
pág. 2348
Analysis of the Scientific Production of Artificial Intelligence in Higher
Education in Peru
ABSTRACT
Currently, artificial intelligence is advancing rapidly and promises to transform daily life. In higher
education, this technology is being integrated as an essential part of the learning process, making it
crucial to evaluate its scientific production and applications in the educational field. This research
aimed to determine the current state of scientific production on AI in higher education in Peru over the
past five years, using the Scopus and Web of Science databases, to establish new research lines through
a systematic review methodology, considering a sample of 197 articles. The results indicate that China
and the United States lead in publications on AI in higher education, with a significant increase
observed from 2021 to 2023. Scopus is the most utilized database, English is the predominant language,
and the primary research theme is education. In conclusion, scientific production in Peru regarding AI
in higher education has been limited over the past five years, highlighting the need for new research
lines tailored to the national context. Although there is a growing interest in education, there are still
unexplored areas that require attention.
Keywords: academic databases, artificial intelligence, scientific production
Artículo recibido 08 agosto 2024
Aceptado para publicación: 12 setiembre 2024
pág. 2349
INTRODUCCIÓN
El panorama educativo actual enfrenta un contexto en el que la tecnología es fundamental para el
desarrollo del proceso de aprendizaje. En este sentido, Infante et al. (2021) sostienen que los sistemas
educativos continúan optando por el aprendizaje basado en la experiencia, aprovechando al máximo la
tecnología. Recientemente, durante la pandemia de COVID-19, se tuvieron que modificar las
actividades diarias de las personas, lo que llevó a una mayor incursión de la tecnología en los ámbitos
laboral, académico y doméstico. Como resultado, el ser humano tuvo que adaptarse para enfrentar este
evento.
Al respecto, Carbonel et al. (2021) afirman que, durante la pandemia, el sector educativo experimentó
cambios debido a las constantes innovaciones tecnológicas. Una de estas tecnologías es la inteligencia
artificial (IA), la cual ha tenido un gran impacto en todos los ámbitos de la sociedad. Según el informe
Horizon 2019, la IA es uno de los desarrollos más importantes en la tecnología educativa para la
educación superior (Alexander et al., 2019). Además, Ahuja (2019) y Veloso et al. (2021) señalan que
la investigación educativa sobre IA ha crecido en los últimos años, lo que ha tenido repercusiones en
campos como la medicina, las finanzas, la industria, y la educación no es una excepción.
Según Farjon et al. (2019) manifiestan que la mayoría de los docentes ahora reconocen la importancia
de la tecnología en sus actividades de enseñanza y aprendizaje. Por lo tanto, los programas de formación
docente deben orientarse a integrar la tecnología de diversas formas, ya sea en el aula o a través de
redes sociales, blogs, conferencias web y foros. Sin embargo, la integración de la tecnología en el
currículo sigue siendo un desafío debido a varios factores, como la cultura, la disponibilidad de
recursos, las actitudes, conocimientos y habilidades didácticas (Menabó et al., 2021).
Actualmente, la mayoría de las personas están inmersas en una sociedad tecnológica. Los jóvenes
estudiantes aprenden de diferentes formas, gracias a la comodidad que brindan los nuevos medios, lo
cual se debe en gran medida al internet y a la web 2.0, tal como afirma Scolari (2010), "Los jóvenes
acceden a toda la información por internet, construyen sus redes autónomas en torno a los móviles,
chatean y navegan, se forman jugando y se informan comunicando..." (p. 11).
Como antecedentes, Incio et al. (2022) realizaron una investigación con el objetivo de reconocer la
contribución de la IA en los últimos cincuenta años, destacando los artículos de mayor impacto en los
pág. 2350
últimos diez años y el rol que esta tecnología tendrá en la educación. La metodología utilizada se basó
en una revisión de literatura, lo que permitió identificar, evaluar y sintetizar el conjunto de
conocimientos generados por investigadores sobre IA, tomando como muestra 40 artículos. Entre sus
resultados, se concluye que la IA permite mejorar el aprendizaje de los estudiantes, por lo que debería
emplearse para fortalecer las prácticas educativas en la cátedra universitaria. Además, se destaca que
Estados Unidos es el país con el mayor número de revistas dedicadas a la IA. Concluyen que existe la
necesidad de involucrar la IA en el proceso de enseñanza y aprendizaje en una educación post-COVID-
19.
Xu & Ouyang (2022) realizaron un análisis de las publicaciones científicas comprendidas entre 2011
y 2021, para localizar estudios empíricos sobre la aplicación de la IA en la educación, aplicando la
metodología de la revisión sistemática con una muestra de 63 artículos. Los resultados evidencian una
tendencia de crecimiento en la cantidad de publicaciones, destacando las temáticas más investigadas la
predicción del aprendizaje (29%) y la tutoría inteligente (25%), seguidas por la automatización (13%)
y la robótica (9%). Señalan que los algoritmos de IA se han utilizado en la educación para ayudar a los
profesores e investigadores a predecir el rendimiento académico de los estudiantes y los riesgos de
aprendizaje. Concluyen que el potencial de la IA para mejorar la educación es un terreno fértil que debe
explorarse más a fondo a fin de integrar la tecnología y el sistema educativo.
Chen et al. (2020) evaluaron el impacto de la IA en la educación. La metodología empleada fue la
revisión de la literatura, con una muestra de 30 artículos. Sus hallazgos indican que la IA debe ser
adoptada en la educación, especialmente por las instituciones educativas, y que el plan de estudios debe
adaptarse según la realidad y necesidades del estudiante. Señalan que la IA, combinada con tecnologías
como la realidad virtual, el 3-D, los juegos y la simulación, mejora el aprendizaje, generando un gran
impacto en el sector educativo.
Salas-Pilco & Yang (2022) investigaron las aplicaciones de IA en América Latina entre 2016 y 2021,
utilizando una revisión sistemática de 31 artículos en bases de datos como Web of Science, IEEE
Xplorer, Scielo y CAPES Portal, abarcando países como México, Colombia, Ecuador, Brasil, Perú,
Chile, Argentina y Bolivia. Sus resultados revelan que las principales aplicaciones de IA se han
realizado en el campo educativo, con temas relevantes como el modelado predictivo, análisis
pág. 2351
inteligente, tecnología de asistencia, análisis automático de contenido y análisis de imágenes.
Concluyeron que las aplicaciones de IA ayudan a abordar temas educativos importantes, contribuyendo
a garantizar una educación de calidad.
En esa línea, Salas-Pilco et al. (2022) analizaron y discutieron las diversas formas en que la IA se está
integrando en la preparación docente entre 2017 y 2021, mediante una revisión sistemática de 30
estudios. Identificaron que el idioma inglés es el más utilizado en las publicaciones y que la temática
más relevante es la educación. Concluyen que la mayoría de los estudios sobre IA utilizan algoritmos
de aprendizaje automático. Para asegurar una educación superior de calidad, recomiendan que los
docentes desarrollen competencias digitales y utilicen IA en el aula universitaria.
Mohamed et al. (2022) realizaron una revisión exhaustiva sobre los avances científicos de la IA en la
educación matemática entre 2017 y 2021, analizando 20 artículos en bases de datos como Science
Direct, Scopus, Springer Link, ProQuest y EBSCO Host. Los resultados muestran que la robótica es la
temática más frecuente, con una mayor cantidad de publicaciones. La mayoría de los artículos
emplearon métodos de investigación cuantitativos (40%), seguidos del enfoque cualitativo (35%) y
mixto (25%). Se concluye que los estudios revisados sobre IA en educación matemática se enfocan en
ventajas y desventajas, comprensión conceptual y factores.
Hinojo-Lucena et al. (2019) analizaron la cantidad de artículos científicos sobre IA en la educación
superior indexados en Web of Science y Scopus entre 2007 y 2017, mediante una revisión sistemática
identificando 132 artículos. Concluyendo que Estados Unidos es el país con mayor producción
científica en ambas bases de datos, seguido por España. Se observa una tendencia creciente en la
producción científica relacionada con IA en educación.
Según diversas teorías, la IA se define como la creación de agentes inteligentes que realizan acciones
para maximizar el éxito (Russel y Norvig, 2004) o como un sistema informático que participa en
procesos similares a los humanos (Popenici y Kerr, 2017). Otra teoría describe la IA como una
simulación del comportamiento del cerebro humano, capaz de procesar datos externos y aprender
mediante entrenamiento continuo (Brazdil & Jorge, 2001). La IA tiene múltiples ramas y subramas,
como: a) aprendizaje automático, que utiliza algoritmos para reconocer patrones mediante el
entrenamiento continuo de datos; b) aprendizaje profundo, que utiliza grandes conjuntos de datos para
pág. 2352
modelar y predecir resultados educativos; y c) procesamiento del lenguaje natural (NLP), que emplea
algoritmos para extraer y analizar el significado del lenguaje (Lu, 2018).
En la educación, la IA se utiliza para apoyar y mejorar el entorno de aprendizaje mediante sistemas de
control inteligente, agentes inteligentes y sistemas de aprendizaje. Actualmente, la investigación en IA
influye considerablemente en el sector educativo (Salas y Yang, 2022). Parreira (2021) señala que los
docentes no siempre distinguen entre las tecnologías de primera y segunda generación, lo que dificulta
evaluar su impacto en la educación. Por lo tanto, es necesario capacitarse y adaptarse a los cambios
para utilizar la IA como herramienta de enseñanza y aprendizaje.
Chen (2020) sostiene que la IA apoya la toma de decisiones, permitiendo a los profesores responder en
tiempo real a las necesidades de sus alumnos a través de plataformas de aprendizaje personalizadas,
transformando así el sistema educativo. Brown y Burton (1978), Boden (1984) y Brusilovsky y Peylo
(2003) coinciden en que la IA es crucial para avanzar en la enseñanza y el aprendizaje en la educación
superior, asegurando el logro de competencias en los estudiantes (Castrillón et al., 2020).
Rodríguez (2021) destaca que la IA es un instrumento de apoyo en la educación superior, evidenciado
por la introducción de sistemas inteligentes como los tutoriales, que ayudan a resolver problemas. Sin
embargo, Salas & Yang (2022) advierten que no existe una organización integral de la producción
científica que apoye a los investigadores, autoridades educativas y responsables de políticas. Urgen un
análisis de los resultados de investigaciones sobre IA para resaltar las innovaciones en la educación
superior y apoyar una enseñanza y aprendizaje de calidad.
Asimismo, Incio et al. (2022) mencionan la necesidad de conocer las revistas científicas sobre la
inteligencia artificial (IA) y su impacto global. Feng y Law (2021) también plantearon la necesidad de
realizar una revisión sistemática, dado que existe una gran cantidad de literatura relacionada con el
tema. Esta revisión busca identificar la estructura, el conocimiento, los grupos de conocimiento y las
palabras clave de tendencia a lo largo del tiempo.
Por otro lado, Leoste et al. (2021) sostienen que es indispensable que los profesores de educación
universitaria tengan conocimientos previos sobre tecnologías emergentes como la IA, ya que esto
contribuye al desarrollo educativo de los estudiantes. En este sentido, Ayuso y Gutiérrez (2022)
encontraron en su investigación que es necesario incluir el uso de la IA en la formación docente,
pág. 2353
considerando la necesidad de investigar las publicaciones científicas relacionadas con la IA en el nivel
superior y establecer líneas temáticas de investigación.
Dado la diversidad de investigaciones relacionados a la IA, resulta crucial responder al problema ¿Cuál
es el estado actual de la producción científica sobre IA en la educación superior en el Perú?, El objetivo
principal del estudio es determinar el estado actual de la producción científica sobre IA en la educación
superior en Perú durante los últimos cinco años, en base a las bases de datos Scopus y Web of Science,
con el fin de establecer nuevas líneas de investigación.
La justificación e importancia de este estudio se basa en que la IA está revolucionando las herramientas
de enseñanza-aprendizaje. El análisis de diversas publicaciones científicas sobre IA en la educación
superior permite conocer las temáticas, líneas de investigación, enfoques y nuevos métodos educativos
que se están utilizando en el ámbito educativo. Además, se ha generado documentación científica que
será útil para futuras investigaciones. En esa línea, conocer la aplicación de esta tecnología proporciona
una visión más amplia de su implementación en diferentes contextos educativos, lo que puede
beneficiar a las universidades peruanas que buscan una educación de vanguardia y de calidad.
METODOLOGÍA
El presente estudio se llevó a cabo mediante una revisión sistemática de la literatura sobre los avances
de la aplicación de la inteligencia artificial (IA) en la educación superior. El universo de estudio estuvo
conformado por todos los artículos científicos publicados entre los años 2018 y 2023 en las bases de
datos Scopus y Web of Science, relacionados con la inteligencia artificial en la educación superior.
Se realizó una revisión y selección minuciosa de la información obtenida. En una primera revisión, se
seleccionaron aquellos artículos cuyos títulos y resúmenes estaban relacionados con el propósito de la
investigación, resultando en una selección inicial de 350 artículos de investigación. Posteriormente, en
una segunda y última revisión, se identificaron y sistematizaron los resúmenes que mostraban mayor
relevancia para el tema de investigación, basándose en los resultados obtenidos, discusiones y
conclusiones de los artículos. Finalmente, se eligieron 197 artículos, que conformaron la muestra,
siendo la unidad de análisis las fuentes bibliográficas primarias.
El material documental se tabuló y codificó utilizando el programa Statistical Package for the Social
Sciences (SPSS) y el software Excel adecuados para esta investigación, lo que permitió segmentar la
pág. 2354
información. Posteriormente, se realizó un mapeo de la producción científica por países. Al respecto,
Hernández et al. (2014), señala que un mapeo permite la elaboración y organización de la
documentación. En ese sentido, la revisión sistemática facilita la identificación, evaluación y síntesis
de la producción académica realizada por los investigadores (Booth, Sutton & Papaioannou, 2021;
Randolph, 2019).
El procedimiento seguido ha sido la búsqueda de artículos científicos publicados en revistas indexadas,
en los idiomas inglés, español y portugués. Para ello, se utilizaron términos relacionados con la IA en
la educación superior, tales como: “Artificial Intelligence”, “Artificial Intelligence AND Higher
Education”, “Artificial Intelligence OR Expert System”, “neural networks AND Artificial Intelligence”
y “Artificial Intelligence AND University Education”. Los criterios de inclusión fueron aquellos
artículos relacionados con la IA en la educación superior, incluyendo artículos de revisión teórica,
revisión sistemática y artículos de reflexión. Los criterios de exclusión se basaron en eliminar artículos
que no estuvieran relacionados con el tema de investigación, aquellos que no estuvieran comprendidos
en el periodo investigado, los que estuvieran en idiomas diferentes a los seleccionados y aquellos que
no trataran sobre educación superior. No se discriminó en cuanto a los países de origen. Posteriormente,
se seleccionó y procesó la información obtenida, segmentándola por base de datos, temática, autor, año
de publicación, idioma, revista, país, enfoque y tipo de investigación.
RESULTADOS
Los resultados obtenidos están relacionados con los objetivos planteados, y se detallan a continuación:
En la Tabla 1 se observa que, de los 197 artículos de inteligencia artificial, Scopus es la base de datos
con el mayor número de publicaciones en los últimos 5 años, con un total de 149 artículos, lo que
representa el 75.6% del total. En tanto que Web Of Science tiene 48 artículos que representan el 24.4%.
En cuanto a los idiomas de las publicaciones, como se muestra en la Tabla 2, 189 artículos fueron
publicados en inglés (96.0%), mientras que tanto el español como el portugués tuvieron 4 artículos
(2.0% cada idioma).
pág. 2355
Tabla 1. Numero de publicaciones por bases de datos
Base de datos Numero Porcentaje
Scopus 149 75.6%
Web of Science 48 24.4%
Total 197 100.0%
Tabla 2. Numero de publicaciones por idiomas
Idioma de los artículos Numero Porcentaje
Inglés 189 95.9%
Español 4 2.0%
Portugués 4 2.0%
Total 197 100.0%
Tal como se puede observar en la Figura 1, la producción científica sobre IA mostró un crecimiento
continuo desde 7 artículos en 2018 hasta 14 artículos en 2020. En 2021, la producción aumentó
considerablemente alcanzando 24 artículos. Posteriormente, el crecimiento se aceleró, con 57 artículos
en 2022 y 84 artículos en 2023.
Figura 1. Número de publicaciones en IA por años.
En cuanto a las temáticas de investigación, la Figura 2 muestra que, del total de publicaciones sobre
IA, la temática con mayor número de investigaciones es educación, con el 56.9%. Le sigue ciencias de
la salud con el 22.3%, ingeniería con un 13.2%, y administración con un 2.0%. Por otro lado, las
temáticas de idiomas, deporte, ética, literatura, arquitectura y bibliotecas, juntas apenas alcanzan el
5.5%, indicando que las investigaciones en estas áreas son escasas.
7
11
14
24
57
84
2018 2019 2020 2021 2022 2023
pág. 2356
Figura 2. Clasificación de publicaciones por temáticas de investigación
En relación con el número de autores según los artículos publicados, como se muestra en la Figura 3,
se observa que 174 autores, que representan el 94.6%, tienen solo una publicación. En comparación, 7
autores, equivalentes al 3.8%, tienen dos publicaciones, y solo 3 autores, que corresponden al 1.6%,
tienen tres publicaciones. Esto indica que, en general, los autores presentan un bajo nivel de producción
de investigaciones en inteligencia artificial (IA).
Entre los autores con mayor producción científica, destacan los siguientes: Currie Geoffrey, Lee Jeong
Hoon y Sdenka Zobeida Salas-Pilco, con 3 publicaciones cada uno; y Abdullah S AL-Malaise AL-
Ghamdi, Bozkurt Aras, Civaner M. Murat, Fazlollahi Ali M, Gil Wan Je, Shamkuwar Madhavi y
Tomas KF Chiu, con 2 publicaciones cada uno.
Educación
Ciencias de la Salud
Ingeniería
Administración
Idiomas
Deporte
Ética
Literatura
Arquitectura
Bibliotecas
112
(56.9%)
44
(22.3%)
26
(13.2%)
4
(2.0%)
3
1.5%)
2
(1.0%)
2
(1.0%)
2
(1.0%)
1
(0.5%)
1
(0.5%)
pág. 2357
Figura 3. Numero de autores según el número de artículos publicados
En relación con el número de revistas indexadas según los artículos publicados, como se muestra en la
Figura 4, se observa que 113 revistas, que representan el 79.6%, tienen solo una publicación. En
comparación, 19 revistas, equivalentes al 13.4%, tienen dos publicaciones. Solo cuatro revistas, que
corresponden al 2.8%, tienen tres publicaciones, mientras que seis revistas indexadas, que representan
el 4.2%, cuentan con entre 4 y 8 publicaciones. Esto indica que, en general, las revistas indexadas aún
muestran un bajo nivel de publicaciones sobre investigaciones en IA.
En cuanto a las revistas con mayor producción científica, destacan las siguientes: Sustainability (Suiza)
con 8 publicaciones, BMC Medical Education e International Journal of Educational Technology in
Higher Education con 6 publicaciones cada una, Applied Sciences y Journal of E-Learning and
Knowledge Society con 5 publicaciones cada una, y Computers and Education: Artificial Intelligence
con 4 publicaciones. Otras revistas tienen menos de 4 publicaciones.
Figura 4. Numero de revistas indexadas según número de artículos publicados
1 2 3
174
(94.6%)
7
(3.8%)
3
(1.6%)
A
u
to
re
s
Articulos publicados
1 2 3 4 5 6 8
113
(79.6%)
19
(13.4%)
4
(2.8%)
1
(0.7%)
2
(1.4%)
2
(1.4%)
1
(0.7%)R
ev
is
ta
s
In
d
ex
ad
as
Articulos publicadas
pág. 2358
En cuanto a los enfoques y tipos de investigación, la mayoría de las publicaciones utilizan metodologías
cuantitativas (49.7%), seguidas por metodologías cualitativas (44.7%) y mixtas (5.6%), como se
observa en la Tabla 3. En cuanto a los tipos de investigación, los más comunes son los descriptivos
(47.2%), documentales (19.8%), experimentales (15.2%), cuasi-experimentales (7.6%), exploratorias
el (5.1%), y correlacionales el (4.6%). Las investigaciones no experimentales son los menos comunes,
con un 0.5%. Véase la Tabla 4.
Tabla 3: Numero de publicaciones por enfoque de investigación
Enfoque de investigación Numero Porcentaje
Cuantitativo 98 49.7%
Cualitativo 88 44.7%
Mixto 11 5.6%
Total 197 100.0%
Tabla 4: Numero de publicaciones por tipo de investigación
Tipo de investigación Numero Porcentaje
Descriptivo 93 47.2%
Documental 39 19.8%
Experimental 30 15.2%
Cuasi-experimental 15 7.6%
Exploratorio 10 5.1%
Correlacional 9 4.6%
No experimental 1 0.5%
Total 197 100.0%
Por países, la investigación muestra que los 197 artículos sobre inteligencia artificial provienen de 16
países diferentes. En la Tabla 5 se observa que los países con mayor cantidad de investigaciones son:
China con 24 publicaciones (12.2%), Estados Unidos con 22 publicaciones (11.2%), India con 21
publicaciones (10.7%), Corea del Sur con 19 publicaciones (9.6%), y, empatados en el quinto lugar,
España, México y Turquía, cada uno con 15 publicaciones (7.6%). A continuación, se encuentran
Canadá con 12 publicaciones (6.1%), Italia con 10 publicaciones (5.1%), Brasil con 9 publicaciones
pág. 2359
(4.6%), Australia con 7 publicaciones (3.6%), y finalmente, Colombia, Francia, y Perú, cada uno con
6 publicaciones (3.0%), seguidos por Arabia Saudita y Ecuador, con 5 publicaciones cada uno (2.5%).
Tabla 5: Numero y porcentaje de publicaciones por país
País Publicaciones Porcentaje
China 24 12.2%
Estados Unidos 22 11.2%
India 21 10.7%
Corea del Sur 19 9.6%
España 15 7.6%
México 15 7.6%
Turquía 15 7.6%
Canadá 12 6.1%
Italia 10 5.1%
Brasil 9 4.6%
Australia 7 3.6%
Colombia 6 3.0%
Francia 6 3.0%
Perú 6 3.0%
Arabia Saudita 5 2.5%
Ecuador 5 2.5%
Total 197 100.0%
DISCUCIÓN
El objetivo general de la investigación ha sido determinar el estado actual de la producción científica
sobre inteligencia artificial (IA) en la educación superior en Perú durante los últimos cinco años,
utilizando las bases de datos Scopus y Web of Science. Esta investigación busca establecer nuevas líneas
de investigación, así como delinear tendencias y oportunidades futuras en el campo de la IA.
Los resultados indican que Scopus representa el 75.6% del total de publicaciones, mientras que el inglés
predomina como idioma con un 96.0%, seguido por el español y el portugués, ambos con un 2.0%. El
crecimiento continuo en la cantidad de artículos, especialmente en 2021-2023, sugiere un creciente
interés en la IA, posiblemente impulsado por la adopción creciente de esta tecnología por parte de los
docentes para innovar en la metodología educativa.
pág. 2360
La investigación revela que la mayoría de los estudios se centran en la educación (56.9%), con menos
enfoque en áreas como ciencias de la salud (22.3%), ingeniería (13.2%), y otras áreas menos exploradas
como deporte, ética y literatura. Una comprensión más profunda de por qué ciertas áreas son más
investigadas podría ofrecer insights valiosos para futuras investigaciones. Además, es crucial considerar
cómo estas tendencias se alinean con las políticas educativas y la infraestructura de investigación en
Perú, así como las posibles implicaciones para el desarrollo de la IA en la educación superior.
Respecto al número de autores según los artículos publicados, revela que un alto porcentaje (94.6%)
tiene solo una publicación, mientras que solo el 3.8% tiene dos publicaciones y el 1.6% tiene tres
publicaciones. Esta distribución sugiere una baja cantidad de autores con una producción científica
significativa en el campo de la inteligencia artificial (IA). La limitada dedicación podría reflejar barreras
como la falta de recursos o el tamaño reducido de la comunidad investigadora en esta área. Entre los
autores con mayor producción, destacan Currie Geoffrey, Lee Jeong Hoon y Sdenka Zobeida Salas-
Pilco, cada uno con 3 publicaciones, lo que indica que, aunque hay investigadores activos, la mayoría
tiene una participación relativamente limitada. Un análisis más profundo podría explorar las razones
detrás de esta tendencia y su impacto en el desarrollo del campo de IA.
En relación con el número de revistas indexadas según los artículos publicados, la investigación revela
que un alto porcentaje (79.6%) de las revistas tienen solo una publicación. Solo el 13.4% tienen dos
publicaciones, y un reducido 2.8% tiene tres publicaciones. Además, un 4.2% de las revistas indexadas
cuentan con entre 4 y 8 publicaciones. Esta distribución sugiere que, en general, las revistas indexadas
en el área de inteligencia artificial (IA) tienen una baja cantidad de publicaciones, lo que podría indicar
un nivel limitado de actividad investigadora en este campo. Entre las revistas con mayor producción
científica se encuentran Sustainability (Suiza) con 8 publicaciones, BMC Medical Education e
International Journal of Educational Technology in Higher Education con 6 publicaciones cada una,
Applied Sciences y Journal of E-Learning and Knowledge Society con 5 publicaciones cada una, y
Computers and Education: Artificial Intelligence con 4 publicaciones. Analizar las razones detrás de la
baja cantidad de publicaciones en la mayoría de las revistas podría ofrecer una mejor comprensión del
estado actual de la investigación en IA y sus posibles limitaciones.
pág. 2361
El análisis de los enfoques y tipos de investigación en los artículos revisados revela que el enfoque
cuantitativo es el más utilizado (49.7%), seguido por el cualitativo (44.7%) y el mixto (5.6%). Los tipos
de investigación predominantes son los descriptivos (47.2%), documentales (19.8%), experimentales
(15.2%) y cuasi-experimentales (7.6%).
En cuanto a la producción científica por país, China lidera con 24 artículos, seguida de Estados Unidos
con 22, e India con 21. Los datos sugieren que países con grandes inversiones en investigación y
desarrollo, como China y Estados Unidos, tienen una mayor producción científica.
Los resultados coinciden con la investigación de Incio et al. (2022), que identificó los aportes más
significativos de la IA en la educación durante las últimas cinco décadas, revelando una tendencia
similar en el aumento de publicaciones y el impacto de la IA en la educación post-COVID-19. También
se observa similitud con la investigación de Xu y Ouyang (2022), que identificó un crecimiento
constante en la cantidad de publicaciones entre 2020 y 2021, con un enfoque en la predicción del
aprendizaje y la tutoría inteligente.
La investigación de Chen et al. (2020) también coincide en cuanto al impacto de la IA en la educación,
destacando la necesidad de adaptar los planes de estudio para incorporar la IA y mejorar la experiencia
de aprendizaje con tecnologías complementarias, como la realidad virtual, el 3-D, los juegos y la
simulación.
Salas-Pilco y Yang (2022) analizaron artículos relacionados a las aplicaciones de la IA en procesos
educativos y encontraron que los temas más relevantes son el modelado predictivo, el análisis
inteligente, tecnologías de asistencia, análisis automático de contenido ya análisis de imágenes,
resultados que se alinean con los hallazgos de la presente investigación. Además, Salas-Pilco et al.
(2022) corroboraron la prevalencia del inglés en las publicaciones y la importancia de los algoritmos
de aprendizaje automático.
La investigación de Mohamed et al. (2022) sobre la IA en la enseñanza y el aprendizaje de las
matemáticas también muestra una tendencia similar en cuanto a la temática y enfoques de
investigación, destacando el predominio de estudios en torno a la robótica, con enfoques cuantitativos
(40%), cualitativos (35%) y mixto (25%).
pág. 2362
Finalmente, Hinojo-Lucena et al. (2019) confirmaron una tendencia creciente en la producción
científica sobre IA en la educación superior y la falta de consolidación en la aplicación de la IA, lo cual
es consistente con los resultados de esta investigación.
En definitiva, este estudio ha cumplido con el objetivo de investigación, proporcionando datos
relevantes para inferir sobre el estado actual de la IA en la educación superior y su evolución futura.
Los datos presentados responden a las preguntas de investigación, estableciendo el estado de la
producción científica en este campo a lo largo del tiempo, el idioma, los autores, las temáticas, las
revistas, los enfoques de investigación y los países con mayor producción científica sobre IA en la
educación superior.
CONCLUSIONES
La investigación ha permitido determinar las siguientes conclusiones:
La producción científica sobre inteligencia artificial en la educación superior en Perú durante los
últimos cinco años es limitada, lo que hace necesario establecer líneas de investigación que se ajusten
a la realidad nacional. A nivel internacional, el interés en el tema ha crecido con países como China,
Estados Unidos, India y Corea del Sur.
La búsqueda de artículos científicos en las bases de datos Scopus y Web of Science revela que la
temática predominante en la investigación sobre IA es la educación.
El análisis de los artículos científicos evidencia que la base de datos Scopus tiene la mayor cantidad de
publicaciones y que el inglés es el idioma dominante. Las investigaciones se centran mayormente en
aspectos educativos, seguidas de ciencias de la salud, ingeniería, administración e idiomas, con menos
enfoque en deporte, ética y literatura.
La mayoría de los autores en el campo de la inteligencia artificial (IA) tienen solo una publicación, lo
que evidencia una baja producción científica significativa. Aunque algunos autores como Currie
Geoffrey, Lee Jeong Hoon y Sdenka Zobeida Salas-Pilco, tienen más de dos publicaciones en IA.
La mayoría de las revistas indexadas en IA presentan solo una publicación, aunque revistas como
Sustainability, BMC Medical Education, International Journal of Educational Technology in Higher
Education, Applied Sciences, Journal of E-Learning and Knowledge Society tienen más de cuatro
publicaciones.
pág. 2363
Los enfoques de investigación más frecuentes en el campo de la IA son el cuantitativo y el cualitativo,
con los tipos de investigación descriptivos y documentales siendo los más recurrentes.
El análisis de la producción científica por países permite una visualización clara de la distribución
mundial de la producción científica sobre IA, revelando que China lidera con el mayor numero de
publicaciones, seguido por Estados Unidos e India.
REFERENCIAS BIBLIOGRAFICAS
Ahuja AS. 2019. The impact of artificial intelligence in medicine on the future role of the physician.
PeerJ 7:e7702. https://doi.org/10.7717/peerj.7702
Alexander, B.; Ashford-Rowe, K.; Barajas-Murph, N.; Dobbin, G.; Knott, J.; McCormack, M.;
Pomerantz, J.; Seilhamer, R. & Weber, N. (2019). Horizon Report 2019 Higher Education
Edition. EDU19. https://www.learntechlib.org/p/208644/.
Ayuso, D., y Gutiérrez, P. (2022). La Inteligencia Artificial como Recurso Educativo durante la
Formación Inicial del Profesorado. RIED-Revista Iberoamericana de Educación a Distancia,
25(2), pp. 347-362. https://doi.org/10.5944/ried.25.2.32332 Boden, M. A. (1984).
Impacts of artificial intelligence. Futures, 16(1), 60-70.
https://doi.org/10.1016/0016-3287(84)90007-7
Booth, A., Sutton, A., y Papaioannou, D. (2021). Systematic Approaches to a Successful Literature
Review (2nd ed.). Reino Unido: The University of Sheffield. https://us.sagepub.com/en-
us/nam/systematic-approaches-to-a-successful- literature-review/book244586
Brazdil, P., y Jorge, A. (Eds.). (2001). Progress in Artificial Intelligence: Knowledge Extraction, Multi-
agent Systems, Logic Programming, and Constraint Solving. Berlin, Heidelberg: Springer
Berlin Heidelberg. https://doi.org/10.1007/3-540- 45329-6
Brown, J. S., y Burton, R. R. (1978). A paradigmatic example of an artificially intelligent instructional
system. International Journal of Man-Machine Studies, 10(3), 323-339.
https://doi.org/10.1016/S0020-7373(78)80050-9
Brusilovsky, P. y Peylo, C. (2003). Adaptive and intelligent web-based educational systems.
International Journal of Artificial Intelligence in Education, 13(2-4), 159-172.
pág. 2364
https://iaied.org/journal/960
Carbonel, C., Rodríguez, R., Sosa, L. y Alva. M. (2021). De la educación a distancia en pandemia a la
modalidad híbridas en pospandemia. Revista Venezolana de Gerencia, 26(96), 1154-1171.
https://doi.org/10.52080/rvgluz.26.96.10
Castrillón, O., Sarache, W., y Ruiz-Herrera, S. (2020). Prediction of academic performance using
artificial intelligence techniques. Formación Universitaria, 13(1), 93-102.
https://doi.org/10.4067/S0718-50062020000100093
Chen, L; Chen, P. & Lin, Z. (2020). Artificial Intelligence in Education: A Review, IEEE Access 8,
75264-75278. doi: 10.1109/ACCESS.2020.2988510.
Farjon, D., Smits, A. & Voogt, J. (2019). Technology integration of pre-service teachers explained by
attitudes and beliefs, competency, access, and experience, Computers & Education,
Volumen 130,81-93.https://doi.org/10.1016/j.compedu.2018.11.010.
Feng, S. & Law, N. (2021). Mapeo de la inteligencia artificial en la investigación educativa: un análisis
de palabras clave basado en redes. Int J Artif Intell Educ 31, 277–303.
https://doi.org/10.1007/s40593-021-00244-4
Hernández, Fernández y Baptista (2014). Metodología de la Investigación. MC Graw Hill /
INTERAMERICANA EDITORES S.A. DE C.V.
Hinojo-Lucena, F.; Aznar-Díaz, I.; Cáceres-Reche, M. & Romero-Rodríguez, J. (2019). Inteligencia
artificial en la educación superior: un estudio bibliométrico sobre su impacto en la literatura
científica. Education Sciences 9, 51, DOi:10.3390/educsci9010051
Incio, F., Capuñay, D., Estela, R., Valles, M., Vergara S. y Elera, D. (2022). Inteligencia artificial en
educación: una revisión de la literatura en revistas científicas internacionales. Apuntes
Universitarios 12(1). https://doi.org/10.17162/au.v12i1.974
Infante, M., Hurtado, C. y Idrobo, S. (2021). Reflexiones sobre el aprendizaje en la enseñanza virtual.
Experiencias en la carrera de Derecho. Revista Conrado, 17(80), 223-230.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1990-86442021000300223
Leoste, J., Jõgi, L., Õun, T., Pastor, L., San Martín López, J., & Grauberg, I. (2021). Percepciones
sobre el futuro de la integración de tecnologías emergentes en la educación superior: el caso
pág. 2365
de la robótica con inteligencia artificial. Informática, 10, 110.
https://doi.org/10.3390/computers10090110
Lu, X. (2018). Natural Language processing and intelligent computer‑assisted language learning
(ICALL). The TESOL encyclopedia of English language teaching, 1-6.
https://doi.org/10.1002/9781118784235.eelt0422
Menabó, L., Sansavini, A., Brighi, A., Skrzypiec, G., & Guarini, A. (2021). Promoting the integration
of technology in teaching: An analysis of the factors that increase the intention to use
technologies among Italian teachers. Journal of computer assisted learning, 37(6), 1566-1577.
https://doi.org/10.1111/jcal.12554
Mohamed, MZB, Hidayat, R., Suhaizi, NNB, Sabri, NBM, Mahmud, MKHB y Baharuddin, SNB
(2022). Inteligencia artificial en la educación matemática: una revisión sistemática de la
literatura. Revista Electrónica Internacional de Educación Matemática, 17 (3), em0694.
https://doi.org/10.29333/iejme/12132
Parreira, A. (2021). El desafío de las tecnologías de inteligencia artificial en Educación: percepción y
evaluación de los profesores. Ensaio, 22(113), 975-999.
https://doi.org/10.1590/S0104-40362020002803115
Popenici, S.A.D., Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching and
learning in higher education. RPTEL, 12, 22. https://doi.org/10.1186/s41039-017-0062-8
Randolph, J. (2019). A Guide to Writing the Dissertation Literature Review. Practical Assessment,
Research, and Evaluation, 14(1). https://doi.org/10.7275/b0az-8t74
Rodríguez, M. (2021). Sistemas de tutoría inteligente y su aplicación en la educación superior. Revista
Iberoamericana para la Investigación y el Desarrollo Educativo, 12(22), 1-25
Russell, S. J.; Norvig, P. (2004) Inteligencia artificial. Un enfoque moderno. Segunda Edición. Pearson
educación, S.A. Madrid
Salas-Pilco, S. & Yang, Y. (2022). Artificial intelligence applications in Latin American higher
education: a systematic review. Int J Educ Technol High Educ 19(21).
https://doi.org/10.1186/s41239-022-00326-w
pág. 2366
Sánchez, B. y Valdés, Y. (2008). Diseño de Sistemas de Información Documental. Consideraciones
teóricas. Ciencias de la Información, 39(3), pp. 21-29.
http://www.redalyc.org/articulo.oa?id=181421564002
Scolari, C. (2010) Convergencia, Medios y Educación RELPE: La Red Latinoamericana de Portales
Educativos – Serie Portales Educativos Latinoamericanos y el Trabajo Colaborativo 2010,
Buenos Aires
Veloso, M. and others, Artificial intelligence research in finance: discussion and examples, Oxford
Review of Economic Policy, Volume 37, Issue 3, Autumn 2021, Pages 564–584,
https://doi.org/10.1093/oxrep/grab019