OVERHAULING EDUCATION:
ANÁLISIS INTEGRAL DE LA IMPLEMENTACIÓN
DE SISTEMAS INTELIGENTES BASADOS
EN INTELIGENCIA ARTIFICIAL EN EL PROCESO
DE ENSEÑANZA-APRENDIZAJE EN LA INSTITUCIÓN
EDUCATIVA ANTONIA SANTOS DE MONTERÍA
OVERHAULING EDUCATION:
COMPREHENSIVE ANALYSIS OF THE IMPLEMENTATION
OF AI-BASED INTELLIGENT SYSTEMS IN THE
TEACHING-LEARNING PROCESS AT ANTONIA SANTOS
EDUCATIONAL INSTITUTION IN MONTERÍA
Milton Pájaro Manjarres
Universidad de Santander, Colombia
Jorge Luis Escobar Reynel
Universidad de Santander, Colombia
Mónica Segura Contreras
Universidad de Santander, Colombia
Luis Javier Herrán Martínez
Universidad de Santander, Colombia
Leila Martínez Paternina
Universidad de Santander, Colombia
pág. 11502
DOI: https://doi.org/10.37811/cl_rcm.v8i5.14539
Overhauling Education: Análisis integral de la Implementación de
Sistemas Inteligentes Basados en Inteligencia Artificial en el Proceso de
Enseñanza-Aprendizaje en la Institución Educativa Antonia Santos de
Montería
Milton Pájaro Manjarres
1
miltonpajaro@correo.unicordoba.edu.co
https://orcid.org/0000-0002-8258-8981
Institución Educativa Antonia Santos
Jorge Luis Escobar Reynel
Jorge.escobar@mail.udes.edu.co
https://orcid.org/0000-0001-9625-2701
Institución Educativa Antonia Santos
Universidad de Santander
Mónica Segura Contreras
monicasegura@correo.unicordoba.edu.co
https://orcid.org/0000-0002-0339-8339
Institución Educativa Antonia Santos
Luis Javier Herrán Martínez
luisherran131@hotmail.com
https://orcid.org/0009-0003-8872-1004
Institución Educativa Antonia Santos
Leila Martínez Paternina
leila.martinez@antonia-santos.edu.co
https://orcid.org/0009-0001-9562-2069
Institución Educativa Antonia Santos
RESUMEN
En el contexto educativo actual, la incorporación de la Inteligencia Artificial (IA) presenta una
oportunidad significativa para transformar los procesos de enseñanza-aprendizaje. La comunidad
educativa del Colegio Antonia Santos en Montería se encuentra en un entorno donde las posibilidades
de la IA pueden rediseñar las prácticas educativas tradicionales. Este estudio busca explorar el uso de
la IA en esta comunidad, abordando su efectividad, aceptación e impacto potencial. La investigación se
enfoca en cómo la implementación de IA influye en la calidad de la educación, utilizando una
metodología mixta que combina métodos cuantitativos y cualitativos. Se empleará un diseño cuasi-
experimental con grupo de control para evaluar los efectos de la IA en el rendimiento académico y la
percepción de docentes y estudiantes. Se anticipa que los resultados proporcionarán una comprensión
detallada de la influencia de la IA, destacando áreas de éxito y desafíos. Este estudio contribuirá al
conocimiento sobre la integración de la IA en la educación, ofreciendo pautas para su implementación
efectiva y sostenible, y aportando información valiosa para la toma de decisiones a nivel institucional
y gubernamental.
Palabras clave: inteligencia artificial, enseñanza-aprendizaje, educación, tecnología, metodología
mixta
1
Autor principal
Correspondencia: miltonpajaro@correo.unicordoba.edu.co
pág. 11503
Overhauling Education: Comprehensive Analysis of the Implementation of
AI-based Intelligent Systems in the Teaching-Learning Process at Antonia
Santos Educational Institution in Montería
ABSTRACT
In the current educational context, the incorporation of Artificial Intelligence (AI) presents a significant
opportunity to transform teaching-learning processes. The educational community of Colegio Antonia
Santos in Montería finds itself in an environment where AI can redesign traditional educational
practices. This study aims to explore the use of AI in this community, addressing its effectiveness,
acceptance, and potential impact. The research focuses on how AI implementation influences
educational quality, employing a mixed methodology combining quantitative and qualitative methods.
A quasi-experimental design with a control group will be used to assess AI's effects on academic
performance and the perceptions of teachers and students. The results are expected to provide a detailed
understanding of AI's influence, highlighting areas of success and challenges. This study will contribute
to the knowledge of AI integration in education, offering guidelines for effective and sustainable
implementation, and providing valuable information for institutional and governmental decision-
making.
Keywords: artificial intelligence, teaching-learning, education, technology, mixed methodology
Artículo recibido 10 septiembre 2024
Aceptado para publicación: 12 octubre 2024
pág. 11504
INTRODUCCIÓN
En el vigente panorama educativo, la incorporación de tecnologías emergentes, particularmente la
Inteligencia Artificial (IA), representa una oportunidad significativa para transformar y optimizar los
procesos de enseñanza-aprendizaje. En este contexto, la comunidad educativa de la institución
educativa Antonia Santos en la ciudad de Montería se encuentra inmersa en un entorno donde las
posibilidades ofrecidas por la IA podrían rediseñar radicalmente las prácticas educativas
convencionales. Surge así la necesidad de explorar el uso inteligente y responsable de la Inteligencia
Artificial (IA) entre los miembros de esta comunidad educativa, abordando interrogantes cruciales sobre
la efectividad, aceptación y potencial impacto de dichas tecnologías en el ámbito pedagógico.
La pregunta de investigación que orienta este proyecto de investigación se enfoca en determinar cómo
la implementación inteligente de la IA puede influir en la calidad de la enseñanza y el aprendizaje en la
Institución Educativa (I.E.) Antonia Santos. Este interrogante emerge a partir de observar que, a pesar
de la creciente presencia de la IA en diversos sectores, su aplicación específica en contextos educativos
aún requiere una comprensión más profunda y adaptada a las necesidades particulares de cada
comunidad educativa.
La relevancia de este proyecto radica en la imperante necesidad de maximizar los recursos tecnológicos
en pos de una educación más eficiente y adaptada a las demandas del siglo XXI. La adopción de la IA
en la educación posibilita, no solo mejorar la calidad del proceso educativo, sino también preparar a los
estudiantes para un futuro donde la competencia digital será esencial. Asimismo, este estudio
contribuirá a fortalecer los conocimientos existentes sobre la integración de la IA en entornos educativos
específicos, proporcionando información valiosa para la toma de decisiones a nivel institucional y
gubernamental.
El objetivo general de esta investigación consiste en analizar críticamente el efecto que puede tener el
uso inteligente de la Inteligencia Artificial en la comunidad educativa del Colegio Antonia Santos de
Montería, evaluando su influencia en los procesos de enseñanza-aprendizaje y explorando posibles
recomendaciones para su implementación efectiva y sostenible.
pág. 11505
Revisión de la literatura
El presente estudio georreferenciado de la literatura busca proporcionar un contexto integral para la
comprensión del uso inteligente de la IA en entornos educativos, centrándose en investigaciones a nivel
internacional, de Latinoamérica y Colombia.
En Europa, investigaciones como la de Knight et al. (2018) exploran la implementación de sistemas de
tutoría inteligente basados en IA, destacando mejoras significativas en el rendimiento académico y la
adaptabilidad a estilos de aprendizaje individuales. Desde Asia, el estudio de Toyokawa, et al. (2023)
examina los retos, las oportunidades y el impacto de la IA en la educación inclusiva, evidenciando la
eficacia de sistemas de recomendación personalizados para optimizar el proceso de aprendizaje. A nivel
africano, la investigación de Okocha y Edafewotu (2022) abordan la brecha digital en entornos
educativos en Nigeria, concluyendo que las amenazas que plantea la brecha digital en Nigeria y otros
países africanos suponen un llamado urgente hacia un enfoque inclusivo para todos que debe verse
reflejado en el mejoramiento del desarrollo económico.
En América Latina, el trabajo de Uceda, et al. (2023) destaca la aplicación exitosa de chatbots
educativos basados en IA para mejorar la comunicación y el apoyo a estudiantes en situaciones de
aprendizaje a distancia, como una estrategia de autorregulación en tiempos de pandemia. La
investigación de Lezcano y Vilanova. (2017) en Argentina analiza la implementación de instrumentos
de evaluación automática de aprendizaje en entornos virtuales desde la perspectiva de estudiantes y el
aporte de docentes, revelando mejoras sustanciales en la retroalimentación y el tiempo de respuesta.
En el contexto colombiano, la fundación telefónica Movistar (2023) presentó un informe llamado
“integrando aprendizajes” en el que se mostraron los resultados acerca de los desafíos y las
oportunidades de la IA en el entorno educativo colombiano para su adopción efectiva. En el informe se
destacó que al menos un 15% de los docentes colombianos ya emplea la IA diariamente, especialmente
en la elaboración de material didáctico.
Estudios Transversales
El estudio de Ofosu et al. (2023) presenta un análisis comparativo de la adopción de IA en entornos
educativos, identificando factores clave que influyen en la aceptación y el éxito de estas tecnologías a
nivel global. De manera similar, la revisión de literatura realizada por Chen et al. (2020) sintetiza
pág. 11506
investigaciones internacionales sobre el uso de la IA en la educación superior, destacando tendencias
emergentes y desafíos comunes.
La revisión de la literatura revela una convergencia de investigaciones a nivel internacional que
respaldan la efectividad y el potencial transformador de la IA en entornos educativos. Estos estudios
proporcionan un marco sólido para abordar la pregunta de investigación planteada en este proyecto, al
mismo tiempo que destacan la necesidad de considerar contextos locales y desafíos específicos en la
implementación de la IA en el Colegio Antonio Santos.
Pregunta de investigación
Con el propósito de explorar los efectos concretos y las posibles mejoras en la experiencia educativa a
través de la introducción de la Inteligencia Artificial, abarcando aspectos como la personalización del
aprendizaje, la retroalimentación automatizada y la adaptabilidad a diversos estilos de aprendizaje, se
plantea la siguiente pregunta de investigación: ¿Cómo influye la implementación de sistemas
inteligentes basados en Inteligencia Artificial en la mejora de la calidad del proceso de enseñanza-
aprendizaje en el Colegio Antonia Santos de la ciudad de Montería?
METODOLOGÍA
La presente investigación se propone abordar el siguiente interrogante: ¿Cómo influye la
implementación de sistemas inteligentes basados en Inteligencia Artificial en la mejora de la calidad
del proceso de enseñanza-aprendizaje en el Colegio Antonia Santos de la ciudad de Montería? Con el
fin de dar respuesta a esta pregunta de investigación, se utilizará una metodología mixta que integra
métodos cuantitativos y cualitativos, permitiendo una comprensión holística y detallada de los efectos
positivos de la IA en el entorno educativo.
Diseño de la Investigación
Se implementará un diseño cuasi experimental pre-post con grupo de control. Este enfoque permitirá
comparar los resultados obtenidos antes y después de la implementación de sistemas inteligentes
basados en IA en un grupo experimental y un grupo de control, contribuyendo a establecer relaciones
causales y a identificar cambios específicos asociados con la intervención.
pág. 11507
Recopilación de Datos
Datos Cuantitativos
Se llevará a cabo la recopilación de datos cuantitativos a través de cuestionarios estructurados
diseñados específicamente para docentes y estudiantes. Estos cuestionarios evaluarán la percepción y
satisfacción con respecto a la implementación de sistemas inteligentes basados en IA, así como el
rendimiento académico y la participación de los estudiantes.
Datos Cualitativos
Se realizarán entrevistas semiestructuradas con docentes y directivos del colegio para obtener
información más detallada sobre las experiencias, desafíos y percepciones en torno a la implementación
de la Inteligencia Artificial. Asimismo, se llevarán a cabo grupos focales con estudiantes para explorar
sus vivencias y opiniones de manera más profunda.
Justificación de los Métodos Seleccionados
La elección de esta metodología mixta se justifica por la necesidad de abordar la complejidad del
fenómeno estudiado desde diferentes perspectivas. Los datos cuantitativos permitirán realizar análisis
estadísticos robustos para evaluar las diferencias significativas en el rendimiento académico y la
percepción de los participantes. Por otro lado, los datos cualitativos brindarán un entendimiento
enriquecido de las experiencias y percepciones, proporcionando insights o perspectivas cualitativas que
complementarán y contextualizarán los resultados cuantitativos.
La selección del diseño cuasi experimental con grupo de control se fundamenta en la posibilidad de
establecer comparaciones causales entre el grupo que experimenta la intervención basada en IA y aquel
que no la experimenta, permitiendo atribuir cambios específicos a la implementación de estas
tecnologías.
Población y muestra
Para la presente investigación sobre la influencia de la implementación de sistemas inteligentes basados
en Inteligencia Artificial en la mejora de la calidad del proceso de enseñanza-aprendizaje en el Colegio
Antonia Santos de Montería, la muestra estará compuesta por una representación diversa de la
comunidad educativa. En concreto, se incluirán docentes y estudiantes de diferentes grados académicos
vinculados al colegio.
pág. 11508
La elección de esta muestra abarcativa pretende capturar las variadas perspectivas y experiencias de los
principales actores involucrados en el proceso educativo. Además, se buscará una representación
equitativa de género y niveles académicos para garantizar una visión integral de los posibles impactos
de la Inteligencia Artificial en diferentes segmentos de la población estudiantil y docente. La
participación en la investigación será voluntaria, y se procurará obtener un porcentaje significativo de
participación para asegurar la representatividad y validez de los resultados.
Instrumentos o materiales para la recolección de datos
Encuestas a Docentes y Estudiantes
Se administrarán encuestas estructuradas para evaluar la percepción y aceptación de los sistemas
inteligentes por parte de docentes y estudiantes que hacen parte de la comunidad educativa.
La elección de encuestas se justifica por su eficiencia en la recopilación de datos cuantitativos a gran
escala, permitiendo obtener datos estadísticos sobre la aceptación y percepción de la IA en el contexto
educativo (Hinkin, 1995).
Observación del Aula
Se llevarán a cabo observaciones directas en el entorno de enseñanza-aprendizaje para evaluar el
comportamiento y la interacción entre docentes, estudiantes y la tecnología implementada. El proceso
de observación estará apoyado en el uso de un diario de campo que posibilitará el registro de
información importante que será posteriormente analizada.
La observación directa se selecciona como método cualitativo para registrar de manera detallada las
dinámicas en el aula y los cambios en los patrones de interacción a medida que se integran los sistemas
inteligentes (Marshall & Rossman, 2016).
Análisis de Datos de Rendimiento Académico
Se analizarán datos históricos y actuales de rendimiento académico para evaluar posibles mejoras
cuantificables asociadas con la implementación de la IA.
El análisis de datos de rendimiento académico se justifica por su capacidad para proporcionar
mediciones objetivas de la eficacia de los sistemas inteligentes en la mejora del aprendizaje (Means et
al., 2010).
pág. 11509
Justificación de la Elección de Métodos
La elección de encuestas se sustenta en la capacidad de obtener datos cuantitativos sobre la percepción
y aceptación de la IA, permitiendo una evaluación cuantificable de los impactos y la aceptación de la
tecnología en la comunidad educativa (Babbie, 2016).
Por su parte, la observación directa en el aula se selecciona para poder analizar de manera detallada las
interacciones y dinámicas en el aula, proporcionando información cualitativa sobre el uso efectivo de
la IA en el proceso de enseñanza-aprendizaje (Creswell, 2014).
En lo que respecta al análisis de datos de rendimiento académico, éste se justifica por su capacidad para
proporcionar evidencia objetiva y cuantificable de mejoras en el aprendizaje, contribuyendo a la
evaluación global del impacto de la IA en la calidad educativa (Creswell, 2014).
Procedimiento
Fase Previa
Recopilación de datos iniciales (pretest) sobre rendimiento académico y percepciones de docentes y
estudiantes acerca de los sistemas inteligentes basados en IA. La recopilación de datos iniciales resulta
crucial para establecer una línea base que permita evaluar el impacto de la intervención basada en
Inteligencia Artificial (IA). Se emplearán cuestionarios estructurados y análisis del rendimiento
académico para determinar las condiciones actuales de estudiantes y docentes. Esta evaluación no solo
medirá las calificaciones, sino también la predisposición hacia la tecnología y las percepciones iniciales
respecto al uso de IA. La utilización de instrumentos validados en el pretest garantizará la obtención de
datos fiables y comparables con otros estudios. Además, se tomarán medidas para controlar posibles
sesgos, como el efecto Hawthorne, con el objetivo de asegurar que los cambios observados
posteriormente sean resultado directo de la intervención tecnológica y no de la conciencia de ser
evaluados.
Intervención
Se implementarán sistemas inteligentes basados en IA en el grupo experimental dentro del contexto
educativo. Será necesario detallar las herramientas tecnológicas específicas, como plataformas de
tutoría inteligente o algoritmos de análisis predictivo, con el fin de contextualizar adecuadamente los
resultados obtenidos.
pág. 11510
Asimismo, se incluirá una etapa de capacitación para el personal docente, que garantizará un uso
efectivo de estas tecnologías en el aula (Escobar Reynel et al., 2023). El monitoreo continuo durante la
intervención permitirá observar y documentar cómo interactúan los estudiantes, los docentes y la
tecnología, identificando de manera temprana posibles obstáculos o áreas de mejora en la integración
de la IA en el proceso educativo.
Fase Posterior
Recopilación de datos finales (postest) sobre rendimiento académico y percepciones de docentes,
estudiantes y padres de familia. Se recopilarán nuevamente datos sobre el rendimiento académico y las
percepciones de los participantes, lo que permitirá realizar comparaciones precisas con los resultados
obtenidos en el pretest. Además, se evaluará el impacto a largo plazo de la intervención, mediante un
seguimiento realizado varios meses después, con el propósito de medir la sostenibilidad de los efectos
de la IA en el tiempo. Los datos cualitativos, obtenidos de entrevistas y grupos focales, complementarán
los hallazgos cuantitativos, proporcionando una comprensión más profunda de la experiencia de la
implementación. Asimismo, se examinarán posibles efectos adversos, tales como una dependencia
excesiva de la tecnología, lo que permitirá realizar ajustes en futuras aplicaciones de estas herramientas
en el contexto educativo.
Análisis de datos
El proceso de análisis de los datos recopilados en esta investigación será realizado de manera exhaustiva
y siguiendo un enfoque mixto que abarque tanto métodos cuantitativos como cualitativos. Para analizar
los datos provenientes de las encuestas, se utilizará un enfoque estadístico descriptivo que incluirá la
elaboración de tablas y gráficos para visualizar patrones emergentes en las respuestas de docentes,
estudiantes y padres de familia. Además, se llevará a cabo un análisis inferencial para identificar
posibles relaciones significativas entre variables clave, utilizando técnicas como análisis de varianza
(ANOVA) o pruebas de correlación, según la naturaleza de los datos. Este proceso permitirá obtener
una visión cuantitativa clara de la percepción y aceptación de la IA en el entorno educativo.
En cuanto a la observación del aula y el análisis de datos de rendimiento académico, se emplearán
enfoques cualitativos para interpretar los hallazgos. Se realizará un análisis temático de las
observaciones cualitativas, identificando patrones y tendencias emergentes en la interacción entre
pág. 11511
docentes, estudiantes y la tecnología implementada. Asimismo, se llevará a cabo un análisis de
contenido de los datos recopilados a través del rendimiento académico, identificando áreas de mejora o
cambios significativos en el desempeño estudiantil.
Para sistematizar y agilizar el proceso de análisis estadístico, se utilizará software especializado como
SPSS (Statistical Package for the Social Sciences) para la interpretación de los datos cuantitativos. Este
software permitirá realizar análisis descriptivos, pruebas estadísticas y generar visualizaciones gráficas
que facilitarán la presentación de resultados de manera clara y concisa. La combinación de enfoques
cuantitativos y cualitativos, respaldada por herramientas estadísticas avanzadas, garantizará una
evaluación integral y rigurosa de la influencia de la IA en la calidad del proceso de enseñanza-
aprendizaje en el Colegio Antonia Santos.
La triangulación de datos provenientes de múltiples fuentes y métodos fortalecerá la validez y
confiabilidad de los resultados, permitiendo una interpretación más completa y matizada de la influencia
de la IA en el proceso de enseñanza-aprendizaje.
Este enfoque metodológico integral proporcionará una base sólida para abordar la pregunta de
investigación y contribuirá significativamente al cuerpo de conocimientos sobre la implementación de
la IA en entornos educativos.
RESULTADOS
Se anticipa que los resultados de esta investigación proporcionarán una comprensión detallada y
matizada sobre la influencia de los sistemas inteligentes basados en Inteligencia Artificial (IA) en la
mejora del proceso de enseñanza-aprendizaje en el Colegio Antonia Santos de Montería. Se espera que
los datos cuantitativos obtenidos a través de encuestas a docentes y estudiantes revelen información
valiosa no solo sobre la aceptación general de la tecnología, sino también sobre su impacto directo en
aspectos específicos del aprendizaje, como la participación, la motivación y la comprensión de los
contenidos educativos. La identificación de patrones y tendencias en la aceptación de la IA permitirá
realizar un análisis más profundo de las variables que influyen en su éxito, como el nivel de experiencia
previa con la tecnología, el acceso a recursos tecnológicos y el nivel académico de los participantes.
Además, los resultados cuantitativos se combinarán con el análisis cualitativo derivado de las
observaciones en el aula y los grupos focales, lo que ofrecerá una visión integral sobre la interacción
pág. 11512
entre los estudiantes, docentes y la IA. Este enfoque permitirá identificar no solo las mejoras en el
rendimiento académico, sino también los cambios en la dinámica del aula y en los métodos de
enseñanza. Es probable que se evidencien áreas de éxito, como una mayor personalización del
aprendizaje y una retroalimentación automatizada más eficiente, lo cual contribuirá a mejorar la calidad
del proceso educativo. Sin embargo, también se espera que el análisis cualitativo destaque desafíos
potenciales, como la posible resistencia al cambio por parte de algunos docentes o estudiantes que
podrían mostrar dificultades para adaptarse a las nuevas herramientas tecnológicas.
Los resultados también brindarán información valiosa para la toma de decisiones a nivel institucional,
ya que permitirán a los administradores del colegio y a los responsables de políticas educativas
comprender mejor los beneficios y las limitaciones de la IA en un contexto educativo específico como
el de Montería. Este conocimiento podría guiar la implementación de la IA en otras instituciones
educativas con características similares, facilitando una integración más efectiva y sostenible de estas
tecnologías. Además, fomentaría la utilización de herramientas tecnológicas basadas en las necesidades
e intereses de los estudiantes (Escobar-Reynel et al., 2023).
Por otro lado, se espera que los hallazgos proporcionen una base sólida para futuras investigaciones, al
identificar variables clave que puedan influir en la efectividad de la IA en la educación. La correlación
entre la aceptación de la IA y factores como el nivel socioeconómico, el género o la experiencia previa
con la tecnología permitirá desarrollar estudios más específicos que aborden las barreras y facilitadores
de la implementación de IA en diferentes contextos educativos.
CONCLUSIONES
Implicaciones y aplicaciones
Esta investigación sobre la influencia de la implementación de sistemas inteligentes basados en
Inteligencia Artificial en la I.E. Antonia Santos de Montería no solo tiene implicaciones prácticas para
la mejora específica del proceso de enseñanza-aprendizaje en este contexto particular, sino que también
aporta al conocimiento existente en el ámbito de la integración de la tecnología en la educación.
En términos prácticos, los resultados de este estudio pueden ofrecer pautas y recomendaciones
específicas para la optimización y eficacia de la IA en el entorno educativo del colegio, informando
pág. 11513
decisiones a nivel institucional y sirviendo como base para el diseño de políticas educativas centradas
en la innovación tecnológica.
Además, a nivel más amplio, los hallazgos de esta investigación pueden repercutir significativamente
en la comprensión global de los procesos de adopción de la IA en contextos educativos. La
identificación de patrones de aceptación, áreas de mejora y desafíos comunes puede contribuir al
desarrollo de marcos teóricos más robustos y adaptados a la diversidad de entornos educativos. Estos
resultados podrían, por lo tanto, nutrir el debate académico sobre la integración efectiva de la tecnología
en la enseñanza y el aprendizaje, influyendo en las estrategias educativas a nivel nacional e
internacional.
En última instancia, esta investigación no solo busca mejorar la práctica educativa en el Colegio Antonia
Santos sino también contribuir al avance del conocimiento en el campo de la educación
tecnológicamente mediada, proporcionando a educadores, investigadores y responsables de políticas
percepciones valiosas para el diseño de estrategias educativas más eficientes y adaptadas a las demandas
de la era digital.
Limitaciones
Esta investigación, a pesar de su diseño cuidadoso y metodología integral, presenta ciertas limitaciones
que es importante reconocer. En primer lugar, la generalización de los resultados puede verse
comprometida debido a la singularidad del entorno educativo del Colegio Antonia Santos. Dado que
cada institución educativa tiene características y dinámicas únicas, los resultados obtenidos podrían no
ser directamente extrapolables a otros contextos educativos. Además, la duración limitada de la
investigación puede limitar la capacidad para capturar cambios a largo plazo y evaluar la sostenibilidad
de la influencia de la IA en el tiempo.
Otra limitación potencial reside en la dependencia de la auto reportación a través de encuestas, lo cual
podría estar sujeto a sesgos de percepción o respuesta. La recopilación de datos únicamente a través de
este medio podría no capturar completamente la complejidad de las interacciones en el aula y las
experiencias subjetivas de los participantes.
pág. 11514
Además, la investigación puede verse afectada por factores externos no controlables, como eventos
inesperados o cambios en las políticas educativas, que podrían influir en la implementación de la IA y,
por ende, en los resultados obtenidos.
A pesar de estas limitaciones, se busca mitigar su efecto mediante una cuidadosa selección de métodos
y la combinación de enfoques cuantitativos y cualitativos. Reconociendo estas limitaciones, los
resultados de esta investigación deberán interpretarse con precaución y considerarse como un aporte
inicial para comprender la dinámica de la integración de la Inteligencia Artificial en entornos educativos
específicos.
REFERENCIAS BIBLIOGRÁFICAS
Babbie, E. R. (2016). The Practice of Social Research. Cengage Learning.
Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford University Press.
Chen, L et al. (2020). Artificial intelligence in education: A review. IEEE Accesss, 8, 75264-75278.
Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches.
Sage Publications.
Dede, C. (2010). Comparing Frameworks for 21st Century Skills. 21st Century Skills: Rethinking How
Students Learn, 51–76.
Escobar-Reynel, J. L., Baena-Navarro, R., Giraldo-Tobón, B., Macea-Anaya, M., & Castaño-Rivera, S.
(2021). Modelo de desarrollo para la construcción de aplicaciones móviles educativas.
TecnoLógicas, 24(52), 110-135.
Escobar Reynel, J. L., Baena Navarro, R. E., & Yepes Miranda, D. D. (2023). Modelo de desarrollo
basado en métricas de usabilidad para la construcción de aplicaciones móviles educativas.
Ingeniare. Revista chilena de ingeniería, 31, 0-0.
Fundación Telefónica Movistar (2023) Desafíos de la IA en el aula de clases: Docentes de Colombia
respondieron. Hallazgos del informe “Integrando aprendizajes”. Disponible en:
https://www.fundaciontelefonica.co/noticias/desafios-de-la-ia/
Hinkin, T. R. (1995). A review of scale development practices in the study of organizations. Journal of
Management, 21(5), 967–988.
pág. 11515
Knight, S., et al. (2018). Intelligent tutoring systems: A comprehensive meta-analysis. Journal of
Educational Psychology, 110(6), 791-808.
Marshall, C., & Rossman, G. B. (2016). Designing Qualitative Research. Sage Publications.
Means, B., et al. (2010). Evaluation of evidence-based practices in online learning: A meta-analysis and
review of online learning studies. U.S. Department of Education.
Ofosu, K., Acheampong, B. & Kevor, O (2023) Acceptance of Artificial Intelligence (ChatGPT) in
Education: Trust, Innovativeness and Psychological Need of Students.Information and
Knowledge Management 13 (4), 37-47. 10.7176/IKM/13-4-03.
Okocha, D. & Edafewotu, E. (2022). Bridging the digital divide in Nigeria. International Journal of
Development communication, 33(1), 45-54.
Lezcano, L. & Vilanova, G (2017). Instrumentos de evaluación de aprendizaje en entornos virtuales.
Perspectiva de estudiantes y aportes de docentes. Unidad Académica Caleta Olivia,
Universidad Nacional de la Patagonia Austral.
Prensky, M. (2001). Digital Natives, Digital Immigrants. On the Horizon, 9 (5), 1–6.
Russell, S., & Norvig, P. (2010). Artificial Intelligence: A Modern Approach. Pearson.
Siemens, G. (2013). Learning Analytics: The Emergence of a Discipline. American Behavioral
Scientist, 57(10), 1380–1400.
Toyokawa, Y., Horikoshi, I., Majumdar, R. et al. (2023) Challenges and opportunities of AI in inclusive
education: a case study of data-enhanced active reading in Japan. Smart Learn. Environ. 10, 67
(2023). https://doi.org/10.1186/s40561-023-00286-2
Uceda, P. Polo, L. & Cruzado, G. (2023). La influencia de los chatbots en el aprendizaje remoto como
una estrategia de autorregulación en tiempos de pandemia. Chatbots en educación: Tendencias
actuales y desafíos futuros. 93-122
