OPORTUNIDADES Y RETOS DE LA IA EN EL
APRENDIZAJE DE LOS ESTUDIANTES DE LA
MATERIA DE MATEMÁTICAS DISCRETAS DE LA
CARRERA DE ISC DEL TECNM MINATITLÁN
OPPORTUNITIES AND CHALLENGES OF AI IN
THE LEARNING OF STUDENTS OF THE DISCRETE
MATHEMATICS SUBJECT OF THE ISC CAREER AT
TECNM MINATITLÁN
Sonia Martínez Guzmán
TecNM campus Minatitlan, México
Guadalupe Jiménez Oyosa
TecNM campus Minatitlan, México
José Sevilla Morfín
TecNM campus Minatitlan, México
pág. 9742
DOI: https://doi.org/10.37811/cl_rcm.v8i6.15640
Oportunidades y Retos de la IA en el Aprendizaje de los Estudiantes de la Materia
de Matemáticas Discretas de la Carrera de ISC del TECNM Minatitlán
Sonia Martínez Guzmán
1
sonia.mg@minatitlan.tecnm.mx
https://orcid.org/0009-0004-2136-4599
TecNM campus Minatitlan
México
Guadalupe Jiménez Oyosa
guadalupe.jo@minatitlan.tecnm.mx
https://orcid.org/0009-0007-3728-400X
TecNM campus Minatitlan
México
José Sevilla Morfín
jose.sm@minatitlan.tecnm.mx
https://orcid.org/0009-0007-9583-4882
TecNM campus Minatitlan
México
RESUMEN
Este artículo explora las oportunidades y retos que presenta la inteligencia artificial (IA) en el
aprendizaje de estudiantes de primer semestre en la materia de Matemáticas Discretas en el Tecnológico
Nacional de México, Minatitlán. Dada la importancia que ésta materia hace aportaciones lógico-
matemático a otras materias posteriores ubicadas en la retícula, y que asocian competencias que
lograrán para aportar a su perfil de egreso, se analizan herramientas de IA que facilitan la comprensión
de conceptos matemáticos complejos y se identifican los desafíos, como la dependencia excesiva en la
tecnología y la falta de personalización en el aprendizaje. A través de una encuesta aplicada a los grupos
de primer semestre, se recopilan datos sobre la experiencia de los estudiantes, sobre el uso de estas
herramientas para realizar tareas ó investigaciones que se sugieren realizar en equipo de manera
colaborativa y que se detallan en la instrumentación didáctica para la materia, los resultados muestran
que la IA puede mejorar la motivación para fortalecer su aprendizaje y mejorar el rendimiento
académico de cada uno de los estudiantes, evitando con esto la deserción escolar, y poder continuar en
su proceso de formación profesional. Sin embargo, también es responsabilidad del docente supervisar
y retroalimentar el resultado de tareas y de las investigaciones, ya que deben estar realizadas con la ética
profesional donde destacan preocupaciones sobre la equidad en el acceso a estas tecnologías.
Palabras clave: inteligencia artificial, matemáticas discretas, aprendizaje, deserción escolar, ética
profesional
1
Autor principal.
Correspondencia: sonia.mg@minatitlan.tecnm.mx
pág. 9743
Opportunities and Challenges of AI in the Learning of Students of the
Discrete Mathematics Subject of the ISC Career at TECNM Minatitlán
ABSTRACT
This article explores the opportunities and challenges that artificial intelligence (AI) presents in the
learning of first semester students in the subject of Discrete Mathematics at the Tecnológico Nacional
de México, Minatitlán. Given the importance that this subject makes logical-mathematical contributions
to other subsequent subjects located in the grid, and that associate competencies that they will achieve
to contribute to their graduation profile, AI tools that facilitate the understanding of complex
mathematical concepts are analyzed and identified. challenges, such as over-reliance on technology and
lack of personalization in learning. Through a survey applied to the first semester groups, data is
collected on the students' experience, on the use of these tools to carry out tasks or investigations that
are suggested to be carried out as a team in a collaborative manner and that are detailed in the
instrumentation. didactics for the subject, the results show that AI can improve motivation to strengthen
their learning and improve the academic performance of each of the students, thereby avoiding school
dropouts, and being able to continue in their professional training process. However, it is also the
teacher's responsibility to supervise and provide feedback on the results of tasks and research, since
they must be carried out with professional ethics where concerns about equity in access to these
technologies stand out.
Keywords: artificial intelligence, discrete mathematics, learning, school dropout, professional ethics
Artículo recibido 10 noviembre 2024
Aceptado para publicación: 20 diciembre 2024
pág. 9744
INTRODUCCIÓN
En la actualidad, la inteligencia artificial ha emergido como una herramienta innovadora en la educación
superior y el quehacer docente, presentándose como una oportunidad para transformar dificultades en
ventajas. Las matemáticas discretas siempre ha sido una de las materias que le cuesta más trabajo
entender a los estudiantes. Al abordar los temas y las actividades que se indican desarrollar de acuerdo
a la instrumentación didáctica que nos solicitan a los docentes para impartir la materia de Matemáticas
Discretas, se observó que los estudiantes no contaban con los conocimientos previos, esto propició
cambiar la estrategia de aprendizaje de manera individual y que se formaran en equipos de trabajo para
realizar las actividades, y de manera colaborativa, utilizaran una herramienta de IA en sus dispositivos
móviles para buscar información que sirviera de apoyo para resolver dudas de los conceptos expuestos
por el docente.
En el TecNM Minatitlán, este estudio se centra en cómo las herramientas basadas en IA han demostrado
su potencial para facilitar la comprensión de conceptos abstractos que impactan a los estudiantes de
primer semestre en la materia de Matemáticas Discretas, prometiendo mejorar el aprendizaje a través
de la personalización y el acceso a recursos diversificados analizando tanto sus beneficios como sus
desventajas, sin descartar que el uso de estas tecnologías también plantea desafíos importantes, entre
ellos, que los estudiantes dependan de manera excesiva de estas herramientas tecnológicas y que no se
centren en un buen aprendizaje.
A través de este artículo, se analizarán las oportunidades y los retos que representa la implementación
de las herramientas basadas en IA en el aprendizaje de las Matemáticas Discretas para los estudiantes
de ISC en el TECNM Minatitlán. Además, se presentarán los resultados de una encuesta aplicada a los
alumnos de primer semestre, cuyo propósito es evaluar su experiencia con estas herramientas y el
impacto que han tenido en su proceso de formación académica. Asimismo, se discutirán estrategias para
asegurar que el uso de la IA se realice de manera ética y efectiva, bajo la supervisión del docente,
promoviendo un pensamiento crítico, el trabajo en equipo, de forma colaborativa, y garantizando al
mismo tiempo que el aprendizaje sea significativo, mostrando también que pueden adquirir y desarrollar
competencias alineados con los valores éticos y profesionales.
pág. 9745
Sin embargo, también los docentes deben responder a estos cambios tecnológicos, capacitándose para
que los estudiantes tengan mayor comprensión de la materia y aportar a las posteriores que marcan en
su retícula, tanto el docente como los estudiantes, deben estar acorde al proceso enseñanza-aprendizaje.
Contexto
Inteligencia Artificial
El nacimiento de la IA como campo fue en 1956, en la conferencia de Dartmouth donde marcó
oficialmente el inicio de la IA como disciplina. Participaron pioneros como McCarthy, Marvin Minsky,
Nathaniel Rochester y Claude Shannon. (McCarthy, 1955). McCarthy acuñó el término “Inteligencia
Artificial”. En la era de los datos y aprendizaje automático (1990-presente), se hizo notable con el
aumento de la potencia computacional y la disponibilidad de datos, la IA evolucionó hacia el
aprendizaje automático (machine learning). (Mitchell, 1997)
La inteligencia artificial (IA) es un campo de la informática que se centra en crear sistemas y tecnologías
capaces de realizar tareas que requieren inteligencia humana. Estas tareas incluyen el razonamiento,
aprendizaje, toma de decisiones, resolución de problemas, percepción (como el reconocimiento de
imágenes o voz) y en esencia, la IA busca simular la inteligencia humana en máquinas mediante
algoritmos avanzados y grandes.
En las aplicaciones de la IA en la educación, podrían mencionarse algunas como:
1. Personalización del aprendizaje en las plataformas de aprendizaje adaptativo, por ejemplo el
DreamBox; en el análisis de fortalezas de los planes de estudios. (Luckin, 2016)
2. Asistentes virtuales educativos que responden preguntas frecuentes, explican conceptos y guían a
los estudiantes durante su aprendizaje, también en los recordatorios inteligentes para ayudar a los
estudiantes a organizar tareas y fechas importantes. (Kose, 2019)
3. Evaluación automatizada como Grammarly como herramienta de análisis de texto para una
calificación automática. (Works)
4. Desarrollo de la instrumentación didáctica (planes de clase asistidos por IA). (Holmes, 2019)
Matemáticas discretas
La matemática discreta es el estudio de estructuras matemáticas definidas sobre conjuntos discretos, y
aunque sus orígenes se remontan hasta la antigüedad no ha sido en años recientes que ha cobrado
pág. 9746
importancia por sus aplicaciones a diversos campos, en particular a las ciencias de la computación y a
la investigación de operaciones. (ARMENTA, 2010). La lógica matemática es una parte fundamental
de las matemáticas discretas. Se ocupa de estudiar los principios de la verdad y el razonamiento formal.
Uno de los principales propósitos de la lógica consiste en proporcionar reglas por medio de las cuales
se pueda determinar si un argumento particular es correcto. La lógica se interesa en cualquier tipo de
razonamiento, el cual puede ser, por ejemplo, de carácter legal, matemático o científico, basado en todos
los casos en ciertas suposiciones. El filósofo griego Aristóteles fue el primero en realizar un estudio
sistemático del razonamiento lógico, sin embargo, no fue sino hasta el siglo XVII cuando el filósofo y
matemático alemán Gottfried Leibniz concibió la idea de desarrollar un lenguaje simbólico que pudiera
ser utilizado como un lenguaje científico universal. (ARMENTA, 2010)
Lo que distingue a las matemáticas de otras disciplinas es que, a excepción de ciertas afirmaciones
básicas llamadas axiomas, en matemáticas nada es considerado como verdadero a menos de que haya
sido demostrado utilizando un argumento lógico válido.
Las matemáticas discretas tienen numerosas aplicaciones en diversas áreas:
▪ Informática: Diseño y análisis de algoritmos, estructuras de datos, criptografía, redes de
computadoras y teoría de bases de datos.
▪ Ciencias de la Información: Procesamiento de información, teoría de la información y compresión
de datos.
▪ Ingeniería: Modelado de sistemas, análisis de redes y optimización.
▪ Ciencias Sociales: Análisis de redes sociales, economía y teoría de juegos.
El aprendizaje con el uso de tecnologías emergentes en el aula
El uso de juegos educativos como la Gamificación, ha demostrado ser efectivo para fomentar el
aprendizaje activo y el pensamiento crítico. (Kapp, 2012), Las aplicaciones móviles y el aprendizaje
ubicuo han facilitado el aprendizaje en cualquier momento, dentro y fuera del aula. (Sharples, A Theory
of Learning for the Mobile Age. Media International Australia Incorporating Culture and Policy,, 2007).
En el análisis de aprendizaje, los datos recopilados sobre el comportamiento de los estudiantes permiten
identificar patrones que predicen el rendimiento académico. (Siemens, 2011)
pág. 9747
Factores que contribuyen a la deserción escolar a nivel licenciatura
Los factores socioeconómicos como: la pobreza, el acceso limitado a recursos educativos, la
desigualdad de género, el embarazo adolescente, condiciones de vivienda y ambiente familiar,
inestabilidad laboral de los padres, acceso a servicios de salud, barreras culturales y lingüísticas, falta
de apoyo económico o becas educativas y la percepción de la educación como irrelevante, ocasionan
el abandono de los estudiantes a nivel licenciatura. (Tinto, 1993)
Los factores académicos como: dificultades académicas y falta de preparación, falta de apoyo
académico, problemas con el plan de estudios o la carga académica, falta de integración y participación
en el ambiente de la licenciatura, estrés académico y salud mental, desajuste entre las expectativas y la
realidad del campo profesional, estrategias pedagógicas inadecuadas. Todo esto propicia un rendimiento
académico insuficiente, aunado a la falta de habilidades de estudio de los estudiantes, así como también
la escasa orientación académica y baja calidad de la enseñanza donde todavía existe la enseñanza
tradicional sin retroalimentación adecuada. (Hernández, 2018)
Ética profesional en el uso de herramientas de IA
Se refiere a la aplicación, porque existen principios éticos en el uso de IA, como la transparencia, que
es fundamental que las decisiones tomadas por las herramientas de IA sean comprensibles y explicables
para los usuarios y las partes interesadas. (Floridi, 2019) Esto incluye la capacidad de comprender cómo
se toman las decisiones, que datos se utilizan y cómo se interpretan esos datos. Otros principios como;
la responsabilidad, la privacidad y protección de datos, la equidad y no discriminación, beneficio social,
autonomía y seguridad, contribuyen a la ética profesional en el uso de las IA. (Moor, 2006)
DESARROLLO
En particular para este artículo, se realizó con una muestra (66 estudiantes) de la carrera de Ingeniería
en Sistemas Computacionales del TecNM Minatitlán, en la materia de matemáticas discretas, y como
se describe en el temario de la misma, como “el soporte para un conjunto de asignaturas que se
encuentran vinculadas directamente con las competencias profesionales que se desarrollarán, por lo que
se incluye en los primeros semestres de la trayectoria escolar. Aporta conocimientos a las asignaturas
de Estructura de Datos y Redes de Computadoras con los conceptos básicos de Grafos y Árboles”, dada
la naturaleza de la materia, donde no se requiere de competencias previas para poder cursarla, representa
pág. 9748
un reto para los estudiantes ya que inician todos de cero conocimientos de la misma, viendo las
dificultades que se tienen para entender los conceptos y llevarlo a ejercicios prácticos, se buscaría otra
opción para la comprensión de los temas, por lo cual, la pregunta sería: ¿Cómo puede la herramienta IA
facilitar el proceso de aprendizaje en una materia tan compleja y qué limitaciones se presentan en su
implementación?. Se busca explorar cómo las tecnologías de IA pueden mejorar el rendimiento
académico, la comprensión conceptual y la motivación de los estudiantes, así como también identificar
las barreras y limitaciones que podrían entorpecer el proceso de enseñanza-aprendizaje.
METODOLOGÍA
El proceso de desarrollo se dividió en las siguientes etapas:
1. Estrategia Didáctica de enseñanza: Investigar cinco herramientas de inteligencia artificial (IA)
útiles para realizar actividades escolares a nivel superior, cada una destacada en diferentes aspectos
del proceso de aprendizaje y gestión académica:
2. Selección de Participantes: Se solicitó la participación de los grupos de estudiantes de la materia
de matemáticas discretas de la carrera de Ingeniería en Sistemas Computacionales del TecNM
Campus Minatitlán, los cuales se consideraron como grupo experimental para este artículo.
3. Aplicación de la Estrategia Enseñanza-Aprendizaje: Se solicitó al grupo experimental explorar
las herramientas de IA que investigaron, aplicarlos en las actividades que se diseñaron para los
temas de la instrumentación didáctica de la materia.
4. Recopilación de Datos: Se les solicitó responder la encuesta diseñada para medir el impacto del
uso de las herramientas IA y las aportaciones que se tienen en la comprensión de los temas de la
materia de matemáticas discretas.
Herramientas IA solicitadas se muestra a continuación.
5. Grammarly. Es una herramienta IA que ayuda a mejorar la escritura en inglés, corrigiendo
gramática, ortografía, puntuación y estilo. Su aplicación es ideal para la redacción de ensayos,
informes académicos, correos electrónicos formales, y cualquier tipo de escritura académica en
inglés. Util para trabajos que requieren precisión y claridad. (Grammarly, 2023)
6. ChatGPT. Un modelo de lenguaje de IA desarrollado por OpenAI que puede ayudar a generar
ideas, responder preguntas, explicar conceptos y faciitar investigaciones rápidas. Su aplicación
pág. 9749
consiste en obtener asistencia con preguntas conceptuales, generar borradores, aclarar temas
complejos, crear resúmenes y recibir retroalimentación sobre redacción. Util cuando se necesita
comprender u tema complejo. (ChatGPT)
7. Wolfram Alpha. Es una herramienta computacional que responde preguntas matemáticas,
científicas y técnicas. Su aplicación es ideal para resolver problemas matemáticos avanzados,
analizar fórmulas y generar gráficos. Facilita la comprensión y el aprendizaje de conceptos
complejos. (Alpha)
8. Notion AI. Es una plataforma de productividad que combina bases de datos, notas y organizaciones
de proyectos, y su nueva función de IA ayuda a automatizar tareas como resúmenes, escritura de
notas, y búsqueda de contenido relevante. Su aplicación es perfecto para la organización de
proyectos de investigación, notas de estudio, planificación de tareas y gestión de actividades en
grupo. Además, su IA puede generar listas de tareas, resúmenes y estructuras de contenido. (Notion
Labs, 2023)
9. Mendeley. Es una herramienta de gestión de referencias bibliográficas que utiliza IA para sugerir
artículos académicos relacionados con tus investigaciones. También facilita la creación de citas y
referencias en formato APA. Su aplicación es ideal para gestionar bibliografía en investigaciones
académicas, crear listas de referencias automáticas, y organizar fuentes bibliográficas. ((s.f.).)
RESULTADOS
Respuestas de la encuesta aplicada, con sus respectivas gráficas.
Grafico 1
pág. 9750
Grafico 2
Grafico 3
Grafico 4
pág. 9751
Grafico 5
Grafico 6
Grafico 7
pág. 9752
Grafico 8
Grafico 9
Grafico 10
pág. 9753
Grafico 11
Grafico 12
Grafico 13
pág. 9754
pág. 9755
pág. 9756
Grafico 14
Grafico 15
pág. 9757
Grafico 16
pág. 9758
pág. 9759
Grafico 17
pág. 9760
Grafico 18
Grafico 19
Resumen de resultados
De acuerdo a la encuesta aplicada, donde los estudiantes contestaron libremente, el 87.9% consideran
que con las herramientas IA han mejorado la comprensión de los temas de la materia de matemáticas
discretas, ésta encuesta sirvió para medir su percepción sobre el uso de éstas herramientas, con sentido
ético y con la responsabilidad de entender y tener un aprendizaje significativo para poder aportar en las
materias posteriores a ella. Hubo mayor participación en conocer el contenido de la materia y se vió el
interés por seguir avanzando. Sin embargo, no nada más es para que los estudiantes hagan uso de las
IA, también los docentes deben tener la capacitación necesaria para poder guiar y fortalecer la
comprensión de los temas, ya que también es responsabilidad del docente estar a la vanguardia de las
pág. 9761
actualizaciones tecnológicas colaborando con ello para evitar el alto índice de reprobación ó deserción,
para formar profesionistas competitivos en el campo laboral.
CONCLUSIONES
En conclusión, este artículo busca contribuir al desarrollo de estrategias educativas innovadoras que no
solo mejoren el aprendizaje de una materia tan desafiante como las Matemáticas Discretas, sino que
también permitan a los estudiantes de la carrera de Ingeniería Computacionales adquirir habilidades
esenciales para su futuro desempeño profesional en un entorno altamente tecnológico. El diseño de las
preguntas para aplicar la encuesta, ha demostrado que las herramientas IA presentan oportunidades
para enriquecer el aprendizaje en Matemáticas Discretas, aunque también planea retos que deben ser
abordados. El uso de estas herramientas IA debe ser cuidadosa, garantizando un equilibrio entre la
innovación tecnología y la enseñanza tradicional, en estudiantes del TecNM Minatitlán, presentando
una estrategia didáctica valiosa que puede ser aplicada adaptándose en diversas áreas de las
matemáticas, además de ser tomada como modelo para otras disciplinas de la ingeniería, favoreciendo
la motivación en los estudiantes, evitando la deserción en la materia, desarrollando habilidades prácticas
que se requiere en su formación como Ingenieros en Sistemas Computacionales.
En el proceso enseñanza-aprendizaje, el uso de estas herramientas IA permitió que los estudiantes
comprendieran de manera más rápida los conceptos teóricos explicados por el profesor, además de
presentar investigaciones más profesionales.
La conexión de conceptos abstractos con representaciones visuales concretas ha demostrado ser una
estrategia efectiva para fomentar un aprendizaje más significativo, utilizando metodologías de
enseñanza innovadoras y contextuales que respondan a las necesidades específicas de los estudiantes
de ingeniería en Sistemas Computacionales, el enfoque práctico-procedimental contribuyen a una
formación más integral y contextualizada. Además, la aplicación de esta estrategia ha demostrado ser
particularmente beneficiosa viendo la satisfacción y motivación de los estudiantes, evidenciada en sus
resultados de evaluaciones, reforzando la viabilidad y eficacia de esta metodología en un entorno
académico específico, sugiriendo además integrar herramientas y métodos interdisciplinarios en la
enseñanza de matemáticas discretas para ser considerados en otras materias de la carrera de Ingeniería
en Sistemas Computacionales en el TecNM Minatitlán.
pág. 9762
Recomendaciones
Basándonos en los resultados de la encuesta aplicada a los estudiantes, se sugieren fomentar la
capacitación de docentes en herramientas de IA y desarrollar estrategias que integren la tecnología sin
reemplazar la interacción humana, innovando los métodos de enseñanza tradicionales, aprovechando
las tecnologías emergentes que permiten personalizar y adaptar los procesos educativos, las IA tienen
el potencial de transformar el aprendizaje en un entorno más interactivo y eficiente, ofreciendo a los
estudiantes herramientas que les permitan progresar a su propio ritmo, detectar errores y recibir
retroalimentación instantánea. Esto es especialmente relevante en la materia de Matemáticas Discretas,
donde los estudiantes suelen enfrentar dificultades que pueden llevar a la desmotivación y, en algunos
casos, al fracaso académico.
El TecNM Minatitlán, como una institución comprometida con la formación de profesionales
competentes en la carrera de Ingeniería en Sistemas Computacionales, debe explorar e implementar
estrategias educativas avanzadas que respondan a las necesidades de un entorno digital.
A nivel global, múltiples estudios han demostrado el impacto positivo de las IA en la educación, pero
es crucial investigar su aplicación en contextos específicos como el de esta institución, para asegurar
una adopción efectiva y que responda a las características particulares de los estudiantes y los programas
de académicos que aquí se ofertan, fortaleciendo los atributos de egreso y los objetivos educacionales.
REFERENCIAS BIBLIOGRAFICAS
(s.f.)., E. (s.f.). What is Mendeley? Obtenido de Recuperado de https://www.mendeley.com
Alpha, W. (s.f.). What Is Wolfram Alpha?. Obtenido de Recuperado de https://www.wolframalpha.com
ARMENTA, R. E. (2010). Matemáticas discretas. Alfaomega.
Bolívar, A. (2009). Una dirección para el aprendizaje. Redalyc, 1-4.
Chaparro, C. I. (1995). El ambiente educativo: condiciones para una práctica educativa innovadora.
Especialización en Gerencia de Proyectos Educativos y Sociales. Tunja: CINDE-UTPC.
ChatGPT, O. (. (s.f.). ChatGPT. Obtenido de Recuperado de https://openai.com/chatgpt
Copi, I. M. (2010).
Cruz López, Y., & Cruz López, A. K. (2008). LA EDUCACIÓN SUPERIOR EN MÉXICO. Tendencias
y desafíos. Redalyc, 293-311.
pág. 9763
Floridi, L. &. (2019). A Unified Framework of Five Principles for AI in Society. Harvard Data Science
Review.
Grammarly. (2023). Enhance Your Academic Writing with Grammarly. Obtenido de Recuperado de
https://www.grammarly.com/academic
Hernández, M. &. (2018). Factores Socioeconómicos que Inciden en el Abandono Escolar en la
Educación Superior. Revista Iberoamericana de Educación.
Holmes, W. B. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching
and Learning. The Center for Curriculum Redesign.
Kapp, K. M. (2012). The Gamification of Learning and Instruction: Game-Based Methods and
Strategies for Training and Education. Pfeiffer.
Kose, U. D. (2019). Artificial Intelligence in Education: Current Developments and Future Insights.
Luckin, R. H. (2016). Intelligence Unleashed: An Argument for AI in Education.
Marcovitz, A. B. (2017).
McCarthy, J. M. (1955). A Proposal for the Dartmouth Summer Research Project on Artificial
Intelligence. Dartmouth College.
Mitchell, T. (1997). Machine Learning, McGraw-Hill. Obtenido de Introducción al aprendizaje
automático y sus fundamentos.
Moor, J. H. (2006). Why We Need Better Ethics for Emerging Technologies. Ethics and Information
Technology.
Naranjo, J. A. (1996). Ciudad Educativa y pedagogías urbanas. Aportes 45. Santafé de Bogotá:
Dimensión Educativa.
Notion Labs, I. (2023). How to Use Notion AI for Better Productivity. Obtenido de Recuperado de
https://www.notion.so
Paul, R. &. (2003). La mini-guía para el pensamiento crítico, conceptos y herramientas. California.
Fundación para el pensamiento crítico.
Roth Jr., C. H. (2015).
Sharples, M. T. (2007). A Theory of Learning for the Mobile Age. Media International Australia
Incorporating Culture and Policy.
pág. 9764
Sharples, M. T. (2007). A Theory of Learning for the Mobile Age. Media International Australia
Incorporating Culture and Policy,.
Siemens, G. &. (2011). Penetrating the Fog: Analytics in Learning and Education. EDUCAUSE
Review,.
Significados. (Consultado: 27 de abril de 2019 de 2019). Tecnología e innovación. Obtenido de
https://www.significados.com/telecomunicaciones/
Tinto, V. (1993). Leaving College: Rethinking the Causes and Cures of Student Attrition.
Works, G. (. (s.f.). Información sobre el uso de IA en herramientas de análisis y corrección de texto.
Obtenido de Recuperado de https://www.grammarly.com
