Aplicaciones de la inteligencia artificial en la educación superior latinoamericana: una revisión sistemática

Durante la última década, ha habido un gran interés de investigación en la aplicación de la inteligencia artificial (IA) en diversos campos, como la medicina, las finanzas y el derecho. Recientemente, ha habido un enfoque de investigación en la aplicación de la IA en la educación, donde tiene un gran potencial. Por lo tanto, es necesaria una revisión sistemática de la literatura sobre la IA en la educación. Este artículo considera su uso y aplicaciones en las instituciones de educación superior latinoamericanas. Después de identificar los estudios dedicados a las innovaciones educativas provocadas por la aplicación de técnicas de IA, esta revisión examina las aplicaciones de IA en tres procesos educativos: aprendizaje, enseñanza y administración. Cada estudio se analiza en busca de las técnicas de IA utilizadas, como el aprendizaje automático, el aprendizaje profundo y el procesamiento del lenguaje natural, las herramientas y algoritmos de IA que se aplican y el tema educativo principal. Los resultados revelan que las principales aplicaciones de IA en la educación son: modelado predictivo, análisis inteligente, tecnología de asistencia, análisis automático de contenido y análisis de imágenes. Además, se demuestra que las aplicaciones de IA ayudan a abordar problemas educativos importantes (por ejemplo, detectar estudiantes en riesgo de abandonar la escuela) y, por lo tanto, contribuyen a garantizar una educación de calidad. Finalmente, el artículo presenta las lecciones aprendidas de la revisión sobre la aplicación de tecnologías de IA en la educación superior en el contexto latinoamericano.

La inteligencia artificial (IA) se ha vuelto cada vez más importante en las últimas décadas. Está teniendo un impacto significativo en numerosos campos, como la medicina, las finanzas, el derecho, la industria y el entretenimiento (Amisha et al., 2019; Gade et al., 2020). La educación no es una excepción, y actualmente hay una cantidad considerable de investigación en curso sobre aplicaciones de IA para la educación, como sistemas de tutoría inteligente, aprendizaje/enseñanza adaptable, diseño de evaluación y análisis de aprendizaje (Salas-Pilco & Yang, 2020). Las aplicaciones basadas en IA para la educación superior han crecido rápidamente en todo el mundo y han afectado a las instituciones de educación superior en América Latina, donde se están realizando investigaciones sobre IA y se están implementando algunas aplicaciones de IA para mejorar los servicios universitarios, ayudar a los docentes a ofrecer una educación de calidad, y apoyar el aprendizaje de los estudiantes.

El contexto socioeconómico de América Latina crea algunos desafíos para la educación superior. Por ejemplo, los estudiantes que pertenecen a hogares de bajos ingresos tienen más probabilidades de interrumpir sus estudios. Sin embargo, las instituciones de educación superior en América Latina ya han iniciado un importante proceso de reestructuración que implica (a) aumentar el acceso a la educación superior, (b) promover la coordinación con otras universidades y (c) establecer criterios de eficacia (Torre & Zapata, 2012). Actualmente, los investigadores latinoamericanos están implementando algoritmos de IA y utilizando una variedad de grandes conjuntos de datos educativos. Las técnicas de IA benefician no solo a estudiantes y docentes, sino también a administradores y tomadores de decisiones, quienes pueden realizar sus funciones de manera más efectiva y eficiente mediante el uso de IA, mejorando así la calidad de la educación. Con las aplicaciones de IA transformando el panorama de la educación superior, el alcance de la investigación de IA en América Latina ha aumentado en los últimos años. Sin embargo, no existe una organización integral de los resultados de varios estudios en beneficio de los investigadores, las autoridades educativas y los encargados de formular políticas. Esto sugiere la urgencia de una síntesis y revisión de los resultados de la investigación relacionada con la IA para resaltar las innovaciones que la IA ha traído a la educación superior para apoyar la enseñanza y el aprendizaje de calidad. Por lo tanto, este estudio se propuso proporcionar una revisión conceptual que mapee sistemáticamente la literatura de investigación relevante. El artículo está organizado de la siguiente manera: primero, presentamos los antecedentes de la investigación en IA, incluido el contexto latinoamericano y la situación de la educación superior en América Latina. Luego describimos la metodología, seguida de los resultados de la investigación y la discusión. Finalmente, presentamos una conclusión y algunas lecciones aprendidas de la revisión.

Las siguientes tres preguntas de investigación (RQ) guían la revisión:

1. 1.

   RQ1: ¿Qué y cómo las instituciones de educación superior en América Latina están utilizando las aplicaciones basadas en IA?

2. 2.

   RQ2: ¿Cuáles son las técnicas comunes de IA, las herramientas de software y los algoritmos de IA utilizados en la educación superior latinoamericana?

3. 3.

   RQ3: ¿Qué temas y problemas educativos están siendo abordados por las aplicaciones de IA en las instituciones de educación superior de América Latina?

Inteligencia artificial

En 1955, el término inteligencia artificial fue acuñado por los informáticos McCarty, Minsky, Rochester y Shannon (1955/2006). La IA se define como “sistemas informáticos que pueden participar en procesos similares a los humanos, como el aprendizaje, la adaptación, la síntesis, la autocorrección y el uso de datos para tareas de procesamiento complejas” (Popenici & Kerr, 2017, párr. 3). Desde entonces, la investigación de la IA ha crecido en ciclos, con algunos períodos de inactividad causados ​​por la reducción de la financiación y la falta de implementación efectiva de algoritmos; estos períodos se conocen como “inviernos AI”. Sin embargo, en la última década ha habido un interés creciente en las aplicaciones de la IA en varios campos, como la atención médica, la industria y el marketing, debido a la capacidad de la IA para aprender y dar consejos basados ​​en datos digitales. La mayoría de las aplicaciones de IA involucran técnicas de aprendizaje automático, aprendizaje profundo y procesamiento de lenguaje natural, entre otras.

• Aprendizaje automático es una subdisciplina de la IA que consiste en aprender algoritmos que utilizan fuentes de datos disponibles para resumir ciertos fenómenos e identificar patrones. Los sistemas de aprendizaje automático se pueden entrenar o aprender a construir un modelo predictivo a través de la clasificación supervisada o la agrupación en clústeres no supervisada. En educación, el aprendizaje automático se puede utilizar para predecir el rendimiento de aprendizaje de los estudiantes y producir vías de aprendizaje personalizadas (Ciolacu et al., 2018).

• Aprendizaje profundo es un tipo de tecnología de aprendizaje automático que utiliza redes neuronales artificiales a través de capas de nodos interconectados para simular el funcionamiento del cerebro humano. Los algoritmos de aprendizaje profundo entrenados pueden hacer predicciones basadas en conjuntos de datos muy grandes; esto se usa, por ejemplo, para el reconocimiento de imágenes (Cheng et al., 2018).

• Procesamiento natural del lenguaje es un campo de la IA relacionado con la comprensión del lenguaje humano a través del análisis de oraciones y el uso de algoritmos para extraer el significado de las palabras. Una aplicación muy conocida son los chatbots que pueden comprender las solicitudes de lenguaje común y responder automáticamente, brindando así asistencia inmediata a los usuarios. Otro ejemplo es la traducción automática de idiomas (Lu et al., 2020).

inteligencia artificial en la educacion

La IA en la educación comenzó con la introducción de las computadoras en el sector educativo durante la década de 1990, y la investigación se ha centrado en desarrollar entornos de aprendizaje mejorados con IA, como sistemas de tutoría inteligente, sistemas de aprendizaje adaptativo, agentes inteligentes y sistemas de aprendizaje colaborativo inteligente, que manifiestan mejoras significativas en los enfoques computacionales automatizados para la educación. El sector de la educación ahora está significativamente influenciado por la investigación de la IA, ya que los estudiantes, educadores y administradores utilizan las aplicaciones de la IA y se han desarrollado varias herramientas, algoritmos y aplicaciones con la capacidad de transformar el campo de la educación (Chen et al., 2020).

Según Zhang y Aslan (2021), la IA en la educación es un área de investigación interdisciplinaria que integra la informática, las ciencias del aprendizaje, la psicología, la neurociencia, la lingüística y otras disciplinas. Este enfoque interdisciplinario es necesario para desarrollar entornos de aprendizaje personales, adaptables y efectivos para optimizar la educación tradicional. La IA tiene el potencial de lograr un cambio sostenible en todos los niveles del sistema educativo, no solo en el aprendizaje y la enseñanza, sino también en la administración y gestión de las instituciones educativas. panadero y smith (2019) enumeró tres procesos educativos principales afectados por las aplicaciones de la IA en la educación: (a) aprendizaje, con la IA aplicada para apoyar los procesos de aprendizaje de los estudiantes, por ejemplo mediante el desarrollo de sistemas de aprendizaje adaptables o personalizados; (b) docencia, con la reducción de la carga de trabajo de los docentes mediante la automatización de las tareas de retroalimentación, evaluación y administración; y (c) administración, con IA utilizada para proporcionar información a los tomadores de decisiones a nivel institucional e incluso nacional, por ejemplo, mediante la identificación de patrones de investigación en facultades o universidades. Además, Owoc et al. (2021) indicó que los beneficios de la IA en la educación son los siguientes: (a) automatización de actividades repetitivas y que requieren mucho tiempo, como calificar o controlar la asistencia de los estudiantes, (b) uso de facilitadores de IA para apoyar a los maestros en su trabajo en el aula, (c) retroalimentación para los maestros que usan chatbots de IA para recopilar las opiniones de los estudiantes, (d) aprendizaje adaptativo a través de la personalización de acuerdo con las necesidades de cada alumno, (e) repetición espaciada y revisión de conocimientos para los estudiantes, y (f) sistemas anti-trampa impulsados ​​por IA.

Como Popenici y Kerr (2017), la IA se usa todos los días en los campus de educación superior de todo el mundo. Por ejemplo, las universidades tienen una amplia gama de datos sobre los estudiantes (es decir, datos académicos, socioeconómicos y operativos) que pueden analizarse para predecir ciertas tendencias e identificar patrones en el comportamiento de los estudiantes en tiempo real, lo que puede brindar a los educadores una visión más holística. información sobre el estado de sus estudiantes….