����������������������������������������������������������������������������������

 

 

Evaluaci�n del aprendizaje en la era de la inteligencia artificial

 

Learning assessment in the era of artificial intelligence

 

Avalia��o da aprendizagem na era da intelig�ncia artificial

 

 

 

 

 

 

 

 

 

 

Correspondencia: nmontoya@istmas.edu.ec

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

* Recibido: 31 de enero de 2024 *Aceptado: 12 de febrero de 2024 * Publicado: ��14 de marzo de 2024

 

       I.          Mag�ster en Inform�tica Educativa, Ingeniera en Sistemas Inform�ticos; Instituto Superior Tecnol�gico Dr. Misael Acosta Sol�s, Riobamba, Ecuador.

     II.          Mag�ster en Gerencia Inform�tica, Ingeniera en Inform�tica y Sistemas Computacionales; Universidad de las Fuerzas Armadas ESPE, Latacunga, Ecuador.

   III.          Mag�ster en Gerencia Inform�tica, Ingeniero en Sistemas y Computaci�n; Investigador Independiente; Ambato, Ecuador.

  IV.          Mag�ster en Inform�tica Educativa, Licenciado en Ciencias de la Educaci�n Profesor de Inform�tica Aplicada a la Educaci�n; Investigador Independiente; Riobamba, Ecuador.

 

Resumen

La incorporaci�n de las nuevas tecnolog�as en la educaci�n, as� como en todas las actividades humanas, se intensific� en los �ltimos a�os; se aceler� la innovaci�n en campos novedosos como la Inteligencia Artificial IA, esta designa todo un campo multidisciplinario que ha encontrado aplicaciones tambi�n en diversas esferas, desde la econom�a, el arte, hasta la educaci�n. Pese a varias aprensiones relacionadas con el desplazamiento de un n�mero importante de empleos, necesidad de regulaciones humanas y las cuestiones �ticas relativas al manejo de la Big Data, la IA se ha venido imponiendo en los diversos �mbitos, al lograr mayores grados de eficiencia en la respuesta a problemas espec�ficos. En el presente art�culo se realiza una revisi�n documental acerca de las posibilidades de aplicaci�n de la IA en la evaluaci�n de los aprendizajes mediante diversos enfoques te�ricos, pedag�gicos y herramientas tecnol�gicas. La principal promesa de la IA es la posibilidad inmediata de personalizar al m�ximo el aprendizaje mediante el uso de la Big Data, adaptando m�todos y contenidos a las caracter�sticas singulares de los sujetos, gracias a la construcci�n de perfiles de aprendizaje personalizados. La IA ha permitido la personalizaci�n del aprendizaje, la creaci�n de entornos educativos m�s interactivos, el desarrollo de sistemas de tutor�a virtual y la automatizaci�n de tareas administrativas. Esto crea nuevas condiciones al proceso de aprendizaje que requieren formas de evaluaci�n de acuerdo a los requisitos de las teor�as pedag�gicas, as� como plantea diversas cuestiones �ticas.

Palabras Clave: Inteligencia Artificial; Educaci�n; Evaluaci�n de aprendizaje; Big Data.

 

Abstract

The incorporation of new technologies in education, as well as in all human activities, has intensified in recent years; Innovation accelerated in new fields such as Artificial Intelligence (AI), this designates an entire multidisciplinary field that has also found applications in various spheres, from economics, art, to education. Despite several apprehensions related to the displacement of a significant number of jobs, the need for human regulations and the ethical issues related to the management of Big Data, AI has been imposing itself in various areas, achieving greater degrees of efficiency in the response to specific problems. In this article, a documentary review is carried out about the possibilities of applying AI in the evaluation of learning through various theoretical, pedagogical approaches and technological tools. The main promise of AI is the immediate possibility of maximally personalizing learning through the use of Big Data, adapting methods and content to the unique characteristics of the subjects, thanks to the construction of personalized learning profiles. AI has enabled the personalization of learning, the creation of more interactive educational environments, the development of virtual tutoring systems and the automation of administrative tasks. This creates new conditions for the learning process that require forms of evaluation according to the requirements of pedagogical theories, as well as raises various ethical questions.

Keywords: Artificial intelligence; Education; Learning evaluation; Big Data.

 

Resumo

A incorpora��o de novas tecnologias na educa��o, bem como em todas as atividades humanas, intensificou-se nos �ltimos anos; A inova��o acelerada em novos campos como a Intelig�ncia Artificial (IA), designa todo um campo multidisciplinar que tamb�m tem encontrado aplica��es em diversas esferas, desde a economia, a arte, � educa��o. Apesar das diversas apreens�es relacionadas com a desloca��o de um n�mero significativo de postos de trabalho, a necessidade de regulamenta��es humanas e as quest�es �ticas relacionadas com a gest�o de Big Data, a IA tem vindo a impor-se em diversas �reas, alcan�ando maiores graus de efici�ncia na resposta a situa��es espec�ficas. problemas. Neste artigo � realizada uma revis�o documental sobre as possibilidades de aplica��o da IA ​​na avalia��o da aprendizagem por meio de diversas abordagens te�ricas, pedag�gicas e ferramentas tecnol�gicas. A principal promessa da IA ​​� a possibilidade imediata de personalizar ao m�ximo a aprendizagem atrav�s da utiliza��o de Big Data, adaptando m�todos e conte�dos �s caracter�sticas �nicas das disciplinas, gra�as � constru��o de perfis de aprendizagem personalizados. A IA permitiu a personaliza��o da aprendizagem, a cria��o de ambientes educacionais mais interativos, o desenvolvimento de sistemas de tutoria virtual e a automatiza��o de tarefas administrativas. Isto cria novas condi��es para o processo de aprendizagem que exigem formas de avalia��o de acordo com as exig�ncias das teorias pedag�gicas, bem como levanta diversas quest�es �ticas.

Palavras-chave: Intelig�ncia artificial; Educa��o; Avalia��o da aprendizagem; Grandes dados.

 

Introducci�n

La educaci�n ha sido impactada por el desarrollo de las nuevas tecnolog�as correspondientes a la cuarta revoluci�n industrial desde finales del siglo XX y las primeras d�cadas del actual siglo XXI, as� como todos los dem�s �mbitos de la actividad humana. Las TIC han introducido importantes cambios en la din�mica de la ense�anza y el aprendizaje, nuevas ventajas como el contacto a distancia, nuevas exigencias de formaci�n en los docentes y nuevas actitudes de mayor iniciativa y creatividad en los estudiantes. Este proceso se vio acelerado por la pandemia de la COVID 19 que oblig� al cierre de los centros f�sicos de educaci�n, y sirvi� de est�mulo a la innovaci�n.

Entre las nuevas tecnolog�as que tienen su efecto transformador en todos los aspectos de la actividad educativa, se encuentra la Inteligencia Artificial (IA), que ha reportado importantes ventajas en todas las esferas econ�micas, sociales y culturales. Surge la necesidad de realizar experiencias con la IA en dominios tales como la creaci�n y desarrollo de ambientes de aprendizaje, producci�n de material y la evaluaci�n de los rendimientos. Esta vez, la nueva tecnolog�a en desarrollo ofrece posibilidades tales como la personalizaci�n de la educaci�n, atendiendo a las singularidades de los estudiantes, aprovechando sus caracter�sticas idiosincr�ticas, as� como posibilidades de prever su rendimiento y realizar tutor�as virtuales de acuerdo a las necesidades espec�ficas de cada uno.

La personalizaci�n de la educaci�n debe basarse en un conocimiento detallado de las fortalezas y las debilidades de cada estudiante, a partir del uso de datos y del di�logo para diagnosticar sus necesidades. Implica la posibilidad de que los estudiantes opten entre curr�culas diferentes, respetando sus inclinaciones e intereses particulares, sus propuestas concretas de itinerarios acad�micos, las perspectivas de sus estudios, y su valoraci�n de sus actividades acad�micas dentro del sistema.

Las nuevas tecnolog�as, implicadas en la IA requieren el desarrollo de las aptitudes y de la confianza de cada estudiante, por lo que las estrategias de aprendizaje deber�an ser fomentadas; entre �stas destacan las que comprometen de forma activa a todos los estudiantes y que se adaptan a cada ritmo y tipo de aprendizaje. Igualmente, el aprendizaje personalizado requiere que la comunidad, las instituciones locales y los servicios sociales ayuden a los centros escolares a mejorar el progreso en las aulas�(OECD/CERI, 2006). �El objetivo del presente art�culo es recopilar informaci�n para elaborar un estado del arte en el tema de la utilizaci�n de la IA en la educaci�n y, especialmente, en el �rea de evaluaci�n, y la sistematizaci�n de la informaci�n mediante una revisi�n documental y bibliogr�fica. Esta informaci�n es relevante tanto para los docentes como para los estudiantes y dem�s actores que participan en el hecho educativo.

 

METODOLOG�A Y MATERIALES

La metodolog�a empleada en el presente trabajo es la revisi�n cr�tica de documentaci�n y bibliograf�a; con este fin, se realiz� una exploraci�n utilizando los diversos buscadores al efecto. Se recopil� material de publicaciones y revistas cient�ficas, que reflejan tanto estudios emp�ricos de experiencias concretas de uso de la IA en la ense�anza y la evaluaci�n del rendimiento de los estudiantes, as� como documentos normativos y de orientaciones pol�ticas acerca de la IA en la educaci�n, elaborados por organismos internacionales, tales como la UNESCO, igual que consideraciones m�s generales extra�dos de revisiones cr�ticas de documentaci�n en la l�nea de investigaci�n acerca de la IA en la educaci�n que, no por su novedad, ha dejado de tener una copiosa producci�n durante, por lo menos, los �ltimos 20 a�os. Se tuvo como criterio de selecci�n y an�lisis los aportes conceptuales a las teor�as de la IA, de sus aplicaciones en la educaci�n, as� como an�lisis de experiencias concretas con herramientas espec�ficas de IA en la evaluaci�n, seguimiento y dise�o de los estudios.

 

RESULTADOS Y DISCUSI�N

La compleja relaci�n existente entre el aprendizaje, la revoluci�n digital y la inteligencia artificial, exige a los educadores desarrollar sus capacidades de respuesta a necesidades, intereses y habilidades emergentes que presentar� el estudiantado. Se trata de avanzar en la configuraci�n de procesos educativos coherentes con la sociedad del conocimiento, como parte de esta transformaci�n, debe haber una disposici�n a aprender acerca del uso de estas nuevas herramientas tecnol�gicas en los procesos de aprendizaje. Se trata de cambiar los h�bitos y costumbres y desarrollar nuevas habilidades y toda una nueva forma de pensar. Es necesario, entonces, iniciar un proceso de habituaci�n cognitiva a la complejidad en el que se realiza un procesamiento de la informaci�n simult�neo o multitareas (Rodr�guez, 2018), que contemple la emergencia de nuevas relaciones con los estudiantes en el nuevo siglo, especialmente con la generaci�n denominada �millennials� (Howe, 2000), es decir, aquellos que desde su infancia conviven con el uso, conocimiento y vinculaci�n a los medios tecnol�gicos disponibles.

De esta forma, es posible lograr el objetivo de transformar el espacio y el tiempo escolar, en un ambiente atractivo, din�mico e interconectado coherente con la velocidad con la que se construye el conocimiento y que transita en la realidad virtual, integrando dial�gicamente nuevas interacciones y posibilidades para su desarrollo. Esta transformaci�n del hecho educativo implica un giro epistemol�gico que consiste en dar un salto desde la reproducci�n, hacia la construcci�n del conocimiento (Leiva, 2009). Se plantea entonces examinar los posibles usos y caracter�sticas did�cticas con que se han incorporado estas nuevas herramientas tecnol�gicas dentro del sistema educativo.

Las diversas nuevas tecnolog�as tienen efectos importantes en el desarrollo de algunas habilidades altamente requeridas en la era digital, tales como el pensamiento complejo para resolver problemas, el pensamiento l�gico, la planificaci�n estrat�gica y el fortalecimiento del aprendizaje auto-regulado. Espec�ficamente, la Inteligencia Artificial se refiere a la capacidad de las m�quinas para realizar tareas que hasta ahora han requerido de la inteligencia humana para cumplirlas; este nuevo campo multidisciplinario ha mostrado un potencial sin precedentes en �reas como el procesamiento de datos, la toma de decisiones, la automatizaci�n de procesos y la interacci�n con los seres humanos. La educaci�n no ha sido ajena a esta revoluci�n tecnol�gica y ha presenciado c�mo la IA se ha convertido en una herramienta clave para mejorar el proceso de ense�anza y aprendizaje�(Aparicio, 2023).

La IA ha permitido la personalizaci�n del aprendizaje, la creaci�n de entornos educativos m�s interactivos, el desarrollo de sistemas de tutor�a virtual y la automatizaci�n de tareas administrativas. Posibilidades t�cnicas tales como la miner�a de datos educativos tratan de aprovechar nuestras nuevas capacidades de recopilaci�n de datos para crear nuevos modelos que fomenten el aprendizaje de los estudiantes. A trav�s de procesos algor�tmicos (basados en software de predicci�n, miner�a de relaciones, an�lisis de redes sociales, entre otros), estas metodolog�as aprovechan la gran cantidad de datos que se pueden recoger en plataformas de e-Learning como Canvas, Moodle, Sakai o Blackboard, entre otras.

Dichas cantidades de datos de procedencia y rendimiento del estudiante a partir de cada acci�n realizada en el ambiente virtual, tales como leer archivos, participar en foros, enviar mensajes o visitar enlaces recomendados, dejan una huella digital que puede analizarse en funci�n a la mejora del acto educativo (Calvet, 2015). A medida que m�s instituciones educativas adoptan plataformas de e-Learning y tecnolog�as m�viles en su ense�anza diaria, la huella digital puede ser cosechada y procesada para construir perfiles de aprendizaje individualizados para cada estudiante. Estos perfiles pueden ser utilizados para predecir el rendimiento de los estudiantes, ofrecer contenidos de aprendizaje personalizados y evaluar el aprendizaje de los estudiantes (Ray, 2018). Y para procesar eficazmente todos los datos y crear los modelos que puedan impulsar esta personalizaci�n, la soluci�n propuesta es la Inteligencia Artificial, que ya se utiliza en muchos otros sectores, desde las finanzas hasta la justicia�(Gracia, 2022).

Los enfoques actuales se basan en el aprendizaje autom�tico, que es el proceso por el cual el algoritmo imita una red de neuronas por ensayo y error; a trav�s de generaciones repetidas de resultados basados en conjuntos de datos de entrenamiento, alcanza un estado en el que es capaz de producir resultados similares a los humanos (correctos) para cualquier entrada arbitraria. Cuando se llega a un conjunto muy complejo de neuronas artificiales que modelan una multitud de capas de pensamiento y son capaces de autoevaluar sus supuestos y adaptarlos, los inform�ticos utilizan el t�rmino Deep Learning (Tortorici, 2020). Estos algoritmos de aprendizaje profundo est�n en el coraz�n de la clasificaci�n autom�tica de im�genes, la transcripci�n de voz a texto o la predicci�n del precio de las acciones.

Un algoritmo demasiado complejo toma el nombre de caja negra para que lo entienda un ser humano, pero se conf�a en que, dada una determinada entrada, producir� una respuesta correcta. Se sabe lo que entra y lo que sale, pero no lo que implica el proceso de conversi�n de la entrada a la salida. Incluso cuando se analizan los modelos exitosos de algoritmos de caja negra, como la b�squeda de Google, las sugerencias de Netflix o Siri de Apple, lo que se puede encontrar es que el algoritmo es una ilusi�n que requiere una constante intervenci�n humana para que siga funcionando.

La personalizaci�n de la educaci�n es una posibilidad que hab�a sido ya propuesta desde diferentes tendencias pedag�gicas en la historia. Desde principios del siglo XX, corrientes pedag�gicas como la pragm�tica de John Dewey, la Educaci�n Progresista (en EE.UU.) y la Escuela Nueva (en Europa), defend�an la necesidad de considerar a ni�os, ni�as y j�venes no como recipientes vac�os que deb�an llenarse con los libros y el conocimiento del profesorado. Se proclamaba que el estudiantado, independientemente de su origen biol�gico, socioecon�mico y cultural, llegaba a la escuela con su mochila de experiencias, conocimientos y capacidad de aprender.

Por otro lado, ya en la d�cada de 1950, se vislumbr� la posibilidad y la necesidad de mejorar los resultados del aprendizaje mediante recursos tecnol�gicos novedosos. As�, el psic�logo conductista Frederic Skinner desarroll� una m�quina que aplicara autom�ticamente sus principios de aprendizaje a la ense�anza. Para �l, los nuevos avances en el an�lisis experimental del comportamiento suger�an que por primera vez era posible desarrollar una verdadera tecnolog�a de la educaci�n. Esta tecnolog�a, en forma de m�quina de ense�ar, utilizar�a la instrumentaci�n para dotar a los estudiantes de amplios repertorios de comportamientos verbales y no verbales. Estas dos visiones, la enfocada en las singularidades de los estudiantes y la posibilidad de aprovechar la tecnolog�a para el aprendizaje, adquieren nueva vigencia en la actualidad gracias a la personalizaci�n del aprendizaje, posibilitada por la IA, (OECD/CERI, 2006) y el impulso para introducir en la educaci�n formal sistemas de aprendizaje basados en tecnolog�as persuasivas, algoritmos y Big Data.

Como ha sucedido con las sucesivas oleadas de desarrollos tecnol�gicos, la Inteligencia Artificial ha despertado nuevas expectativas como soluci�n a los problemas educativos. Para organizaciones internacionales como la UNESCO (UNESCO, 2021), la IA ofrece una amplia gama de soluciones, aplicaciones y t�cnicas para que el sector educativo las utilice y posibilitar la mejora en la ense�anza y el aprendizaje. Adem�s, los Big Data pueden aprovecharse para rastrear el rendimiento de los libros y automatizar los procesos para construir modelos predictivos de aprendizaje autom�tico. Al mismo tiempo se advierte que cada vez m�s, los proveedores de servicios y aplicaciones recogen, guardan y utilizan grandes cantidades de datos de las personas. Los algoritmos, desarrollados sobre la base de estos datos, refuerzan con gran efectividad los prejuicios humanos y propagan estados de aislamiento intelectual que pueden resultar de las b�squedas personalizadas cuando un algoritmo de un sitio web adivina selectivamente la informaci�n que un usuario desea ver, bas�ndose en la propia informaci�n del usuario, como su ubicaci�n y su comportamiento de clics anteriores.

Los seres humanos aprenden a lo largo, lo ancho y lo profundo de su vida�(Bonilla, 2022), incluso en momentos y contextos en los que no se les ense�a expl�citamente. Esta caracter�stica del aprendizaje es lo que hace que el proceso de ense�anza y aprendizaje sea tan intrincado; se necesita ser conscientes de lo que entendemos por ense�anza y aprendizaje. Hoy en d�a parece crucial ampliar y complejizar la noci�n de ense�anza, para ir m�s all� de la idea de que ense�ar es contar con un profesor o un algoritmo y aprender es escuchar o seguir las indicaciones del algoritmo y el conocimiento es lo que est� en los libros o en una aplicaci�n digital.

En la era del Capitalismo de la Vigilancia (Zuboff, 2020), cualquier corporaci�n puede tener acceso a vol�menes masivos de datos sobre pr�cticamente todos los estudiantes, en particular los que m�s utilizan las plataformas digitales, tanto dentro como fuera de la escuela. Este es uno de los argumentos m�s poderosos para el uso de Big Data en la educaci�n actual, pero estos datos est�n poco contextualizados, y a menudo, como se ha se�alado, se recogen y utilizan sin tener en cuenta sus efectos colaterales.

El creciente escrutinio pol�tico y social en el uso de las tecnolog�as basadas en la IA, especialmente cuando se trata de derechos humanos b�sicos, indica que probablemente se adoptar�n nuevas normativas a corto o medio plazo. En este contexto el liderazgo de la Uni�n Europea podr�a ser un factor importante a la hora de definir los l�mites de lo que es aceptable y lo que no en todo el mundo, ya que las empresas internacionales tienen que atenerse a la legislaci�n europea si quieren operar en Europa. Est� por ver c�mo afectar�n estas normas al uso de la IA en la educaci�n, ya que todav�a es muy limitado, pero un marco pol�tico estricto podr�a tener un gran impacto en la viabilidad de ciertas pr�cticas, y hacer que algunos usos, como delegar la evaluaci�n del aprendizaje a la IA, est�n prohibidos o requieran supervisi�n humana.

La principal promesa de adoptar el Big Data y la Inteligencia Artificial en la educaci�n es que proporcionar�n conocimientos que ayudar�n a personalizar el aprendizaje para cada estudiante, de modo que puedan estar mejor atendidos en las instituciones de educaci�n y m�s comprometidos con su formaci�n. El antiguo modelo de an�lisis del aprendizaje, en donde las notas de las asignaturas eran los datos m�s destacados, tiene un alcance limitado y no nos dice cu�les son las dificultades de los estudiantes, por lo que solo sirve como una forma vaga de clasificar a los estudiantes en triunfadores o fracasados.

La promesa de un nuevo modelo que resuelva todos estos problemas es muy atractiva. Sin embargo, los sistemas educativos han demostrado ser muy refractarios a los grandes cambios y, aunque las nuevas pol�ticas relativas al uso de la IA pueden tardar en ponerse en marcha, la adopci�n generalizada de los sistemas de decisi�n de la IA, especialmente en los centros p�blicos, parece poco probable, y el impacto de esta adopci�n puede ser muy limitado, adem�s de no necesariamente beneficioso. Tambi�n hay importantes cuestiones �ticas en torno a la recogida de datos de los estudiantes, profesores y la creaci�n de modelos en torno a ellos. Los datos son una moneda muy valiosa hoy en d�a y es esencial obtener el consentimiento de los usuarios y tratar los datos de forma adecuada, en t�rminos de adquisici�n, almacenamiento, intercambio, anonimizaci�n y destrucci�n.

Los tel�fonos inteligentes, los computadores e internet son una parte integral de nuestra vida en el siglo XXI y los algoritmos forman parte de esta realidad. Se vive en una dualidad en l�nea/fuera de l�nea, en la que no siempre es obvio d�nde acaba una y empieza la otra. Los profesores no pueden ser ajenos a este hecho y cada vez m�s resulta fundamental ser conscientes de las ventajas y los problemas que presenta la era algor�tmica. Los responsables pol�ticos, los profesores y los investigadores educativos no solo tienen que encontrar el mejor uso de estas tecnolog�as en la educaci�n, maximizando sus efectos en beneficio de todos los individuos y grupos sociales, y evitando sus trampas, sino tambi�n educar a los estudiantes en lo que son los algoritmos y en el impacto que pueden tener en sus vidas.

La IA ha demostrado su capacidad para procesar grandes cantidades de datos y extraer informaci�n relevante, lo que ha llevado a avances significativos en la forma como un individuo accede al conocimiento. La capacidad de adaptar los materiales educativos, las actividades y las evaluaciones a las necesidades y preferencias individuales de cada estudiante ha mejorado considerablemente la eficacia del proceso de aprendizaje. Adem�s, ha facilitado la creaci�n de entornos de aprendizaje interactivos, donde los estudiantes pueden interactuar con simulaciones, juegos y herramientas digitales que los motivan y estimulan su participaci�n activa.

La tutor�a virtual es otra �rea en la que la IA ha impactado significativamente el campo educativo. Los sistemas de IA pueden proporcionar a los estudiantes diferentes tipos de retroalimentaci�n, responder preguntas y brindar explicaciones detalladas sobre conceptos dif�ciles. Esto ha ampliado el acceso a la tutor�a y ha mejorado la calidad del aprendizaje, permitiendo a los estudiantes recibir apoyo en tiempo real y a su propio ritmo. Otro aporte de la IA ha sido la automatizaci�n de tareas administrativas y log�sticas en el �mbito educativo. Desde la gesti�n de horarios y la administraci�n de ex�menes hasta la correcci�n autom�tica de pruebas y la generaci�n de informes, la IA ha agilizado los procesos educativos, liberando tiempo y recursos para que los educadores se centren en actividades de mayor valor agregado.

Sin embargo, la integraci�n de la IA en la educaci�n tambi�n plantea retos y consideraciones �ticas; la privacidad y seguridad de los datos de los estudiantes, la equidad en el acceso a la tecnolog�a y la dependencia excesiva de las m�quinas son solo algunos de los temas que deben abordarse de manera cuidadosa y reflexiva. La IA ha revolucionado la forma en que se concibe el aprendizaje al permitir una mayor personalizaci�n en el proceso educativo; esto es, adaptaci�n de los materiales, las estrategias y las evaluaciones educativas a las necesidades individuales de cada estudiante (Bonilla, 2022).

La IA ha desempe�ado un papel fundamental en hacer posible esta personalizaci�n, aprovechando el potencial de los datos y los algoritmos para brindar una experiencia de aprendizaje �nica para cada estudiante. La personalizaci�n del aprendizaje con IA se basa en la recopilaci�n y el an�lisis de datos sobre el rendimiento acad�mico, el estilo de aprendizaje, las preferencias y los intereses de los estudiantes. Estos datos se utilizan para desarrollar modelos y algoritmos que generan recomendaciones personalizadas de contenido, actividades y evaluaciones.

Por ejemplo, un sistema de IA puede recomendar a un estudiante recursos de lectura adicionales relacionados con un tema en particular que le interese, o proporcionar ejercicios de pr�ctica adaptados a su nivel de conocimiento y habilidades (Acurio, 2022). La IA tambi�n puede ayudar a identificar las fortalezas y debilidades de cada estudiante y ofrecer intervenciones personalizadas para mejorar su aprendizaje (Bonilla, 2022). Por ejemplo, un sistema de tutor�a virtual basado en IA puede brindar retroalimentaci�n individualizada, resolver dudas y proporcionar explicaciones detalladas sobre los conceptos dif�ciles; esto permite que el estudiante avance a su propio ritmo y se enfoque en �reas espec�ficas que requieren m�s atenci�n.

Adem�s, la IA facilita la creaci�n de entornos de aprendizaje m�s interactivos y envolventes. Los sistemas de IA pueden utilizar tecnolog�as como la realidad virtual y aumentada para ofrecer experiencias de aprendizaje inmersivas, donde los estudiantes pueden interactuar con conceptos abstractos y explorar entornos simulados (Puerto, 2022), esto aumenta la motivaci�n, el compromiso y la retenci�n de conocimientos.

Los sistemas de IA pueden generar informes detallados sobre el desempe�o de cada estudiante, identificar patrones y tendencias, y brindar a los educadores informaci�n valiosa para ajustar su enfoque pedag�gico y ofrecer intervenciones personalizadas (Parra-Sanchez, 2022). Sin embargo, personalizar el aprendizaje por medio de la IA plantea desaf�os y preocupaciones �ticas (Leao, 2022). Es fundamental garantizar la privacidad y seguridad de los datos de los estudiantes, as� como abordar la equidad en el acceso a la tecnolog�a y evitar la exclusi�n o la discriminaci�n basada en algoritmos. Adem�s, es importante mantener un equilibrio entre la personalizaci�n y la interacci�n humana, ya que la educaci�n tambi�n implica el desarrollo de habilidades sociales y emocionales que requieren el contacto directo con los profesores y los compa�eros (Jara, 2020).

La tutor�a virtual basada en IA se refiere al uso de sistemas inteligentes que interact�an con los estudiantes de manera similar a como lo har�a un tutor humano. Estos sistemas utilizan algoritmos y modelos de IA para comprender las necesidades de los estudiantes, responder preguntas, proporcionar explicaciones detalladas y ofrecer orientaci�n individualizada (Acosta, 2018). Adem�s, est� disponible en todo momento, lo que brinda a los estudiantes la oportunidad de recibir asistencia inmediata y personalizada en cualquier momento y lugar. Una de las ventajas clave de este tipo de tutor�a es su capacidad para adaptarse a las necesidades y preferencias individuales de cada estudiante. Los sistemas de IA pueden analizar los datos de desempe�o de los estudiantes y adaptar su enfoque y recomendaciones (Terrones, 2022). Esto significa que los estudiantes reciben una tutor�a personalizada que se ajusta a su nivel de conocimiento, ritmo de aprendizaje y estilo de aprendizaje.

Los sistemas de IA pueden analizar r�pidamente el trabajo de los estudiantes, como ensayos, cuestionarios o ejercicios, y proporcionar retroalimentaci�n inmediata y precisa, esto ayuda a los estudiantes a comprender sus fortalezas y �reas de mejora, les permite corregir errores y les motiva a continuar mejorando. Tambi�n alivia la carga de trabajo de los profesores, ya que les permite dedicar m�s tiempo a actividades de ense�anza y personalizaci�n del aprendizaje. Aunque los sistemas de IA pueden ofrecer explicaciones y respuestas precisas, a menudo carecen de la empat�a y el juicio humano que un tutor puede proporcionar (Gonz�lez et al., 2010). La interacci�n humana es esencial para el desarrollo de habilidades sociales, emocionales y comunicativas de los estudiantes, por lo que es fundamental encontrar un equilibrio entre la tutor�a virtual y la tutor�a en persona.

La IA facilita el an�lisis de grandes vol�menes de datos educativos, lo que permite a los educadores obtener informaci�n detallada sobre el progreso y desempe�o de los estudiantes. Los algoritmos de IA pueden evaluar autom�ticamente las respuestas de los estudiantes, agilizando el proceso de evaluaci�n y liberando tiempo para que los educadores se centren en actividades de ense�anza m�s significativas. La privacidad y seguridad de los datos de los estudiantes deben ser protegidas (Calvo, 2020), y los algoritmos utilizados en estos sistemas deben ser transparentes, imparciales y estar libres de sesgos�(Piqueras, 2018). Es esencial garantizar que estos sistemas se utilicen como herramientas complementarias a la ense�anza humana, en lugar de reemplazarla por completo (Acosta, 2018).

Los sistemas de IA pueden recomendar materiales de estudio, libros y actividades complementarias seg�n los intereses y las necesidades individuales de cada estudiante; adem�s, los entornos de realidad virtual y aumentada permiten experiencias de aprendizaje inmersivas y estimulantes. Los recursos educativos inteligentes basados en Inteligencia Artificial (IA) han transformado la forma en que los estudiantes acceden y utilizan el contenido educativo. Estos recursos, impulsados por algoritmos de IA, ofrecen una variedad de beneficios que mejoran la experiencia de aprendizaje y promueven un mayor nivel de compromiso y comprensi�n, uno de los principales es la personalizaci�n del contenido.

Los recursos educativos inteligentes pueden facilitar la colaboraci�n y el intercambio de conocimientos entre los estudiantes. Al utilizar algoritmos de IA, estos recursos pueden conectar a estudiantes con intereses y objetivos similares, permitiendo la colaboraci�n en proyectos, discusiones en l�nea y el intercambio de ideas. Esto fomenta el aprendizaje social y la construcci�n conjunta del conocimiento, promoviendo un ambiente de aprendizaje interactivo y enriquecedor. Sin embargo, es importante tener en cuenta que estos recursos, deben ser utilizados como herramientas complementarias a la formaci�n y a la interacci�n humana, y no como reemplazo de los profesores (Leao, 2022).

Asimismo, entre los riesgos que presenta la integraci�n de la IA en la educaci�n es la posible existencia de sesgos algor�tmicos: Los algoritmos de IA pueden verse afectados por sesgos inherentes a los datos utilizados para su entrenamiento, esto puede llevar a decisiones injustas o discriminatorias. Por tanto, es esencial garantizar que los algoritmos sean imparciales y que se realice una evaluaci�n rigurosa de los datos de entrenamiento. �A medida que la IA toma decisiones que afectan a las personas (Terrones, 2022), surge la cuesti�n de la responsabilidad. �Qui�n es responsable en caso de errores o da�os causados por sistemas de IA? Es necesario establecer marcos legales y �ticos claros que definan la responsabilidad y establezcan mecanismos de rendici�n de cuentas adecuados.

Al empezar el debate sobre el uso de la IA para el aprendizaje y la evaluaci�n, se tomar�n en cuenta conjuntos de herramientas conocidas como �sistemas de tutor�a inteligente� (STI). De todas las aplicaciones educativas de la IA, los STI son los que llevan m�s tiempo siendo investigados (m�s de 40 a�os). Son las aplicaciones m�s comunes de IA en la educaci�n y han sido experimentadas por m�s estudiantes que ninguna otra. Adem�s, han atra�do el mayor nivel de inversi�n e inter�s por parte de las principales empresas tecnol�gicas, y han sido adoptadas en los sistemas educativos de todo el mundo para ser utilizadas con millones de estudiantes.

En general, los STI funcionan ofreciendo tutor�as paso a paso, individualizadas para cada estudiante, a trav�s de temas en materias estructuradas como la matem�tica o la f�sica; el sistema determina un camino �ptimo a trav�s de los materiales y las actividades de aprendizaje con base en el conocimiento de expertos en la materia y las ciencias cognitivas, responde a los conceptos err�neos y a los �xitos de cada estudiante. Este enfoque tambi�n se aplica a veces en los sistemas de gesti�n de aprendizaje, como Moodle y Open edX, y en plataformas como Khan Academy.

A medida que el estudiante participa en las actividades de aprendizaje, el sistema utiliza el rastreo de conocimientos y el aprendizaje autom�tico para ajustar mec�nicamente el nivel de dificultad y ofrecer claves u orientaci�n en funci�n de los puntos fuertes y d�biles de cada estudiante, a efectos de garantizar que este sea capaz de aprender el tema de forma eficiente; algunos STI tambi�n captan y analizan datos sobre el estado afectivo del estudiante, e inclusive monitorean su mirada para inferir su nivel de atenci�n. Sin embargo, aunque resulten intuitivamente atractivos, es importante reconocer que los supuestos incorporados a los STI, y su t�pico enfoque de ense�anza basado en la transmisi�n de conocimientos, ignoran las posibilidades de otros enfoques valorados por las ciencias del aprendizaje, como el aprendizaje colaborativo, el aprendizaje por descubrimiento guiado y el fracaso productivo.

En particular, el aprendizaje personalizado brindado por los STI suele individualizar �nicamente las v�as de acceso a los contenidos prescritos, en lugar de promover la iniciativa de los estudiantes mediante la personalizaci�n de los resultados del aprendizaje y permitirles alcanzar sus propias metas personales. Aunque estudios han demostrado que ciertos STI dise�ados por investigadores se comparan bien con la ense�anza en clase completa, y a pesar de que han sido comprados por varios sistemas educativos de todo el mundo, en realidad hay poca evidencia robusta de que los STI comerciales sean tan efectivos como afirman sus desarrolladores. El uso extensivo de los STI plantea tambi�n otros problemas; por ejemplo, tienden a reducir el contacto humano entre estudiantes y docentes; adem�s, en una clase t�pica de STI, los docentes suelen pasar mucho tiempo en su mesa para observar el tablero de interacciones de los estudiantes, si el docente decide desplazarse por el aula, pierde acceso a lo que hacen los estudiantes, lo que hace que sea un reto decidir a qu� prestarle atenci�n.

Para abordar esta cuesti�n, una extensi�n de STI llamada Lumilo (Holstein et al., 2018) utiliza gafas inteligentes de realidad aumentada para hacer �flotar� informaci�n por sobre la cabeza de cada estudiante con respecto a su aprendizaje (por ejemplo, conceptos err�neos) o comportamientos como la falta de atenci�n, ofreciendo a los docentes informaci�n profunda y continua con base en la cual pueden intervenir. Se trata de un uso cautivante de una tecnolog�a de IA inteligente, pero que, cabe se�alar, ha sido dise�ado para abordar un problema desencadenado por otro uso de la tecnolog�a de IA.

Por otra parte, una de las herramientas utilizadas es la Evaluaci�n Automatizada de la Escritura (EAES), se utiliza para el procesamiento del lenguaje natural y otras t�cnicas de IA para brindar retroalimentaci�n autom�tica sobre la escritura, a los estudiantes que trabajan en las computadoras y reciben apoyo adaptativo inmediato. Existen dos enfoques de EAES que se entrelazan: EAES formativa, que permite al estudiante mejorar su escritura antes de presentarla para evaluaci�n, y EAES sumativa, que facilita la calificaci�n autom�tica de la escritura de los estudiantes; la mayor parte de las EAES se centran en la calificaci�n en vez de en la retroalimentaci�n.

Han sido criticadas por dar cr�dito a los estudiantes por caracter�sticas superficiales como la longitud de la frase, incluso si el texto no tiene ning�n sentido o existan confusiones; los sistemas tampoco son capaces de evaluar la creatividad; lo m�s preocupante es que los algoritmos en los que se basa la EAES a veces est�n sesgados, especialmente en detrimento de los estudiantes pertenecientes a minor�as, posiblemente debido a los diferentes usos del vocabulario y la estructura de las frases. La EAES sumativa tampoco aborda el acceso f�cil a las tareas escolares y universitarias falsas; es decir, a las redacciones escritas por las tecnolog�as de IA, aprovechando la experiencia en el campo tem�tico e imitando el estilo de escritura de cada estudiante, es probable que estas sean muy dif�ciles de detectar.

Por �ltimo, el uso de la IA para calificar los trabajos tampoco reconoce el valor de la calificaci�n, aunque la correcci�n puede llevar mucho tiempo y ser tediosa, tambi�n puede ser la mejor oportunidad para que los docentes comprendan las competencias de sus estudiantes. Sin embargo, algunas actividades de EAES dirigidas a los estudiantes priorizan la entrega de retroalimentaci�n que est� dise�ada para ser procesable - para ayudar al estudiante a mejorar su escritura y para promover procesos de orden superior, como el aprendizaje autorregulado y la metacognici�n. La EAES, tanto formativa como sumativa, se utiliza actualmente en muchos contextos educativos a trav�s de programas como WriteToLearn, e-Rater, y Turnitin.

Las herramientas de lectura y aprendizaje de idiomas utilizan cada vez m�s la IA para mejorar su abordaje. Por ejemplo, algunas utilizan la personalizaci�n del plan de aprendizaje al estilo de los STI, junto con el reconocimiento del habla impulsado por la IA; normalmente, el reconocimiento del habla se emplea para comparar la producci�n de los estudiantes con muestras grabadas de hablantes nativos, con el fin de brindar retroalimentaci�n autom�tica que ayude al estudiante a mejorar su pronunciaci�n. Otros usos de la traducci�n autom�tica consisten en ayudar a los estudiantes a leer material did�ctico en otros idiomas y permitir que estudiantes de diferentes culturas interact�en m�s f�cilmente entre s�.

Por otra parte, otros sistemas detectan y analizan autom�ticamente las habilidades de lectura para ofrecer retroalimentaci�n personalizada a los estudiantes. Entre las aplicaciones de IA para lectura y aprendizaje de idiomas se encuentran AI Teacher, Amazing English, Babbel, y Duolingo. Tambi�n se est� explorando el uso de robots habilitados por la IA o �inteligentes� en la educaci�n, especialmente en entornos para ni�os y ni�as con discapacidades o dificultades de aprendizaje. Por ejemplo, se han creado robots humanoides con capacidad de habla para estudiantes en el espectro autista que proporcionan interacciones mec�nicas predecibles en lugar de humanas, lo que puede resultar confuso para estos estudiantes; el objetivo es desarrollar sus habilidades comunicativas y sociales.

Se sabe que el aprendizaje colaborativo, es el que los estudiantes trabajan juntos para resolver problemas, mejora los resultados del aprendizaje: pero la colaboraci�n efectiva entre estudiantes puede ser dif�cil de lograr. La IA puede transformar el aprendizaje colaborativo de varias maneras: una herramienta podr�a ayudar a conectar a los estudiantes a distancia; podr�a identificar a los estudiantes m�s adecuados para determinadas tareas colaborativas y agruparlos; o podr�a contribuir activamente a las discusiones de grupo, como un agente virtual�(UNESCO, 2021).

En el trabajo de Valdez (2023) se comparan resultados obtenidos del software de sistema experto publicado por S�nchez et al. (2021) contra los resultados arrojados por el Sistema Experto de Evaluaci�n Inteligente (SEEI). Este �ltimo es la actualizaci�n del primero, por lo que en este documento se exponen las similitudes y diferencias entre el software predecesor y el sucesor. Ambos softwares utilizan Inteligencia Artificial (IA) para calcular en una escala de cero a diez, la calificaci�n resultante de un proceso de evaluaci�n de los aprendizajes de estudiantes de bachillerato, en el contexto mexicano. El objetivo de esta investigaci�n fue encontrar validez en el instrumento SEEI, ya que este evolucion� de su predecesor con intenciones de que pueda ser utilizado por cualquier docente, para evaluar cualquier competencia, en cualquier asignatura, en cualquier instituci�n educativa situada en cualquier parte del mundo con s�lo tener acceso a internet.

En el estudio realizado por S�nchez et al. (�(S�nchez, 2021) se muestran los hallazgos al utilizar un software que aplica l�gica difusa (LD) para evaluar aprendizajes por competencias en la asignatura de probabilidad y estad�stica. El documento revela que el software increment� significativamente la precisi�n y exactitud comparado con una r�brica que emplea promedio y otra que utiliza regla de tres. La importancia de realizar la comparaci�n radica en que ahora SEEI fue modificado, no s�lo con ajustes al modelo para evaluar el desempe�o en probabilidad y estad�stica, tambi�n fue dotado de un algoritmo que adapta el cerebro no biol�gico de LD a cualquier asignatura, en cualquier nivel educativo y para evaluar cualquier competencia.

As�, los resultados favorables de este estudio muestran evidencia suficiente para que se contin�e con la l�nea de investigaci�n y empezar a validar SEEI en esos otros contextos; existe una alta similitud entre los resultados arrojados por SEEI y los arrojados por el modelo difuso presentado por S�nchez et al. (2020), que en realidad son los resultados del software predecesor. En esa investigaci�n se mostr� c�mo el modelo difuso result� ser m�s preciso que las r�bricas contra las que se compar�, y a su vez, la presente investigaci�n revel� una precisi�n similar en SEEI, lo que permite deducir que SEEI fue tambi�n mejor que las r�bricas en t�rminos de precisi�n matem�tica.

Los resultados de ambos softwares resultaron ser igual de precisos, adem�s el promedio general de todos los alumnos evaluados no se vio alterado, estas dos cualidades dan validez a SEEI y brindan evidencia suficiente para que este software siga evolucionando, ya que se reafirma el poder de la Inteligencia Artificial sobre los modelos matem�ticos tradicionales a base de escalas. De esta manera se reafirmar�a el poder de c�mputo de la IA sobre los modelos matem�ticos basados en r�brica con los que actualmente se eval�an los aprendizajes basados en competencia y surgir�a una nueva y prometedora era en las que los docentes por fin tendr�n herramientas de evaluaci�n de vanguardia.

Barros y colaboradores (Barros, 2000) presentaron un sistema en el que se combina trabajo de modelizaci�n con trabajo experimental para permitir al usuario beneficiarse de la tecnolog�a con ayuda de la Inteligencia Artificial y de los Sistemas Cooperativos. Se ha trabajado en la definici�n de modelos para formalizar y construir artefactos computacionales que permitan proponer innovaciones en las formas de ense�ar y aprender. Se presenta una arquitectura gen�rica para aprendizaje colaborativo organizada en cuatro niveles y a partir de la cual se ha desarrollado el sistema DEGREE (acr�nimo de Distance education Environment for GRoup ExperiencEs). Este sistema permite la realizaci�n de experiencias de aprendizaje colaborativo a distancia y el an�lisis de la forma de trabajar de los grupos cuando realizan las tareas comunes.

Las principales aportaciones de la IA en la evaluaci�n de los estudiantes de niveles educativos inferiores se centran en la predicci�n de su rendimiento, evaluaciones m�s objetivas y automatizadas mediante redes neuronales o procesamiento del lenguaje natural, el uso de robots educativos para analizar su proceso de aprendizaje y la detecci�n de factores espec�ficos que hacen m�s atractivas las clases (Mart�nez M. e., 2023).

En la investigaci�n de Mart�nez y colaboradores (Mart�nez G. e., 2005) se presenta un estudio del aprendizaje de los estudiantes haciendo uso de un ambiente virtual, e-Vitro, que es de apoyo tanto para profesores como para los estudiantes, en un curso de Inteligencia Artificial. El an�lisis del aprendizaje del estudiante se basa en el modelado de la interacci�n del estudiante con el software y el an�lisis autom�tico de agentes de software que �l desarrolla para interactuar en el ambiente de e-Vitro.

Con el apoyo de e-Vitro se realizan dos tipos de an�lisis para obtener informaci�n acerca del aprendizaje de los estudiantes. El primero es un an�lisis automatizado de los agentes que el estudiante desarrolla y el segundo, se basa en el seguimiento de c�mo el estudiante interact�a con e-Vitro. El sistema proporciona los resultados de estos dos an�lisis al profesor quien debe revisarlos y determinar si necesita hacer alguna observaci�n al estudiante. Una vez que cada estudiante desarrolla un agente y lo incorpora al ambiente virtual de e- Vitro, el sistema lo pone a prueba para tratar de determinar c�mo es su comportamiento y cu�les son las caracter�sticas de su implementaci�n.

Este an�lisis supone que el estudiante se basa en el contenido del curso para por lo menos de manera general, presentar las cualidades y limitaciones de los m�todos que ah� se presentan, es decir, si el tema que se est� trabajando es la soluci�n de problemas mediante el uso del algoritmo de b�squeda a profundidad y se sabe que dicho algoritmo presenta una serie de ventajas y limitaciones, se pondr� a prueba al agente del estudiante para determinar si presenta dichas ventajas y limitaciones. Para realizar esto, el sistema es capaz de crear situaciones en el ambiente virtual que simulen ciertas condiciones que obligan al agente a responder de cierta manera y as� saber si presenta o no las caracter�sticas que se esperan.

 

CONCLUSIONES

• La integraci�n de las nuevas tecnolog�as de Informaci�n y Comunicaci�n, en general, y de la Inteligencia Artificial, a la educaci�n, es un proceso que ya se inici� desde principios del siglo XXI, se aceler� durante el a�o de la emergencia sanitaria del COVID 19 y hoy se consolida con la din�mica de innovaci�n y desarrollo de esas tecnolog�as en todo el mundo, sin excluir a Am�rica Latina, a pesar de la conocida brecha tecnol�gica que afecta a amplios sectores de la poblaci�n.
• La Inteligencia Artificial abre la posibilidad de atender a las singularidades y necesidades espec�ficas de aprendizaje de los estudiantes, en la personalizaci�n de la educaci�n, aprovechando adem�s tecnolog�as como las asociadas a la Big Data, como el minado de datos, la creaci�n de nuevos ambientes virtuales y nuevas tecnolog�as de evaluaci�n del rendimiento, que permiten una atenci�n y correcci�n del aprendiz en el desarrollo mismo del trabajo colaborativo en red.
• Organismos internacionales como la UNESCO han elaborado documentos de orientaciones pol�ticas para los pa�ses de todo el mundo, en los cuales se sugieren l�neas de acci�n y aprovechamiento de la nueva tecnolog�a de la IA en las actividades educativas. As� mismo, la incorporaci�n de la IA abre nuevas cuestiones de tipo �tico, acerca principalmente de la disponibilidad y el uso de la Big Data de la huella virtual de las actividades de las personas, asuntos que deben ser dilucidados en conjunto de los acad�micos, pensadores, desarrolladores, organismos internacionales y gobiernos, lo cual introducir� regulaciones importantes para salvar riesgos como la violaci�n de la intimidad y los sesgos algor�tmicos.
• Como parte de la personalizaci�n del aprendizaje, la IA permite el desarrollo de las tutor�as virtuales, y mecanismos para la evaluaci�n del desempe�o de los estudiantes, as� como de sus competencias. Por lo dem�s, la personalizaci�n de la educaci�n debe basarse en un conocimiento detallado de las fortalezas y las debilidades de cada alumno, a partir del uso de datos y del di�logo para diagnosticar las necesidades de cada alumno.
• Las nuevas tecnolog�as, implicadas en la IA requieren el desarrollo de las aptitudes y de la confianza de cada estudiante, por lo que las estrategias de aprendizaje deber�n fomentarlas, entre �stas destacan las que comprometen de forma activa a todos los estudiantes y que se adaptan a cada ritmo y tipo de aprendizaje. El aprendizaje personalizado requiere que la comunidad, las instituciones locales y los servicios sociales ayuden a los centros escolares a mejorar el progreso en las aulas.

Se requieren nuevas investigaciones emp�ricas acerca de las experiencias de incorporaci�n de la IA en la educaci�n, sobre todo en contextos como los latinoamericanos, donde se siente el efecto de las denominadas brechas tecnol�gicas, que determinan la posible discriminaci�n y exclusi�n de segmentos importantes de la poblaci�n

Referencias

Acosta, E. (2018). Determinaci�n de perfiles de rendimiento acad�mico en la UNNE con miner�a de datos educativos. Corrientes: XX Workshop de Invesrtigadores en Ciencias de la Computaci�n. Universidad Nacional del Nordeste.

Acurio, W. (2022). Implementaci�n de la Inteligencia Artificial como recurso educativo. Reimundo, 402-413. https://doi.org/10.26820/recimundo/6.2.abr.2022.402-413.

Aguilera, A. (2016). Desempleo tecnol�gico: una aproximaci�n al caso latinoamericano. Ad-minister, 29-42. https://doi.org/10.17230/ad-minister.29-3.

Aparicio, W. (2023). La Inteligencia Artificial y su incidencia en la educaci�n: transformando el aprendizaje en el siglo XXI. Revista Internacional de Pedagog�a e Innovaci�n, 217-230.

Barros, B. e. (2000). DEGREE: un sistema para la realizaci�n y evaluaci�n de experiencias de aprendizaje colaborativo en ense�anza a distancia. Revista Iberoamericana de Inteligencia Artificial, 27-37. https://www.reserchgate.net/540efOc20cf2d8daaacf860d.pdf.

Bonilla, L. (2022). Cuarta revoluci�n industrial y educaci�n en Am�rica Latina. Buenos Aires: Laboratorio Educativo.

Calvet, L. (2015). Educational Data Mining and Learning Analytics: differences, similarities and time evolution. RUSC. Universties and knowledge, 98-112. DOI: http://dx.doi.org/10.7238/rusc.v12i3.2515.

Calvo, D. (2020). Materiales y evaluaci�n del nivel de alfabetizaci�n para el reconocimiento de bots sociales en contextos de desinformaci�n pol�tica. Icono, 31-60. https://doi.org/10.7195/ril4.v18i2.1515.

D�az, D. e. (2023). SCAECH> herramienta basada en Inteligencia ARtificial para la evaluaci[on del aprendizaje en entornos construccionistas. Educaci�n en Ingenier�a, 1-9. DOI: https://doi.org/10.26507/rei.v18n35.1248.

Gabriel, F. (2017). A machine learning approach to investigating the effects of mathematics dispositions on mathematical literacy. International Jorunal of Research and Method in Education, 306-327.

Gracia, X. (2022). La Inteligencia Artificial en la educaci�n: Big Data, cajas negras y solucionismo tecnol�gico. Revista Latinoamericana de Tecnolog�a Educativa, 129-147. https://doi.org/10.17398/1695-288X.21.1.129.

Howe, N. (2000). Millenials rising: the next great generation. New York: Vintage.

Jara, I. (2020). Usos y efectos de la Inteligencia Artificial. Buenos Aires: Banco Interamericano de Desarrollo.

Leao, H. (2022). La bio�tica se enfrenta hoy a enormes desaf�os. Bio�tica, 32-45. https://doi.org/10.1590/1983-80422022304000es.

Leiva, D. (2009). Aprendizaje colaborativo y web 2.0: el papel de las TIC en el paso de la ense�anza transmisiva al aprendizaje constructivo. Sevilla: CEP.

Mart�nez, G. e. (2005). Exploraci�n del aprendizaje de los estudiantes haciendo uso de ambientes colaborativos: ense�ando Inteligencia Artificial. RIED, 147-158. https:// edinet.educacion.gob.es/xmlui/handle/11162/91490.

Mart�nez, M. e. (2023). IMacto de la Inteligencia Artificial en los m�todos de evaluaci�n en la educaci�n primaria y secundaria. Revisi�n sistem�tica de la literatura. Revista de Psicodid�ctica, 93-103. https://doi.org/10.1016/j.psicod.2023.06.001.

OECD/CERI. (2006). Escuelas del futuro. La personalizaci�n de la ense�anza. New Yord. https://www.oecd.org/education/school/36234148.pdf: OECD.

Parra-Sanchez, J. (2022). Potencialidades de la Inteligencia Artificial en Educaci�n Superior: un enfoque de la personalizaci�n . Revista de Tecnolog�a Educativa, 12-34. http://doi.org/10.37843/rted.v14il.296.

Piqueras, J. (2018). Evaluaci�n de problemas emocionales y nuevas tecnolog�as para j�venes. Estudios de la Juventud, 91-115. .

Puerto, D. (2022). La Inteligencia Artificial como recurso educativo durante la formaci�n inicial del profesorado. RIED, 25-41. https://doi.org/10.5944/ried.25.2.32332.

Ray, S. (2018). Applications of Educational Data Minng and Learning Analytics tools on Handling Big Data in Higher Education. En H. Alani, Applications of Big Data Analytics (p�gs. 126-198). New York: Springer.

Rodr�guez, W. (2018). Herramientas culturales y transformaciones mentales: las TIC y la comunicaci�n en perspectiva hist�rico cultural. Actualidades Investigativas en Educaci�n, 1-21. https://doi.org/10.15517/aie.v18i2.33068.

S�nchez, J. (2021). Comparaci�n del nivel de desempe�o de una competencia usando tres instrumentos, dos basados en r�bricas y otra en l�gica difusa. RELEP, 123-145. https://doi.org/10.46990/relep.2020.2.4.245.

Sekeroglu, B. (2019). La Inteligencia en Educaci�n: aplicaci�n en la evaluaci�n del desempe�o del alumno. Dilemas contempor�neos: educaci�n, pol�tica y valores, 1-21. http://www.dilemascontemporaneoseducacionpoliticayvalores.com.

Terrones, A. (2022). Inteligencia Artificial sostenible y evaluaci�n �tica constructiva. Isegor�a, 32-45. https://doi.org/10.3989/isegoria.2022.67.10.

Tortorici, P. (2020). Artificial Intelligence and Machine Learning. Harvard: Harvard University.

UNESCO. (2021). Inteligencia artificial y educaci�n: gu�a para las personas a cargo de fprmular pol�ticas. New York: UNESCO.

Valdez, A. (2023). Evaluacion de los aprendizajes con Inteligencia Artificial. En V. autores, Investigaci�n Educativa en diversos entornos econ�micos y sociales (p�gs. 439-454). Bogot�: EIDEC editorial. https://doi.org/io.34893/7031-3923.f.

Zuboff, S. (2020). La era del capitalismo de la vigilancia. Barcelona: Paidos.

 

 

 

 

 

 

 

 

 

 

� 2024 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).