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

 

 

Innovaci�n educativa con inteligencia artificial: desarrollando mentores digitales

 

Educational innovation with artificial intelligence: developing digital mentors

 

Inova��o educacional com intelig�ncia artificial: desenvolvendo mentores digitais

 

 

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: ivonne.pineda@educacion.gob.ec

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

* Recibido: 04 de abril de 2024 *Aceptado: 20 de mayo de 2024 * Publicado: �13 de junio de 2024

 

        I.            Unidad Educativa Fiscal R�plica Vicente Rocafuerte, Ecuador.

      II.            Unidad Educativa Fiscal R�plica Vicente Rocafuerte, Ecuador.

   III.            Unidad Educativa Fiscal R�plica Vicente Rocafuerte, Ecuador.

   IV.            Unidad Educativa Particular Independencia Ecuatoriana, Ecuador.

 

Resumen

Los mentores digitales, impulsados por la inteligencia artificial, representan una innovaci�n educativa de gran potencial para personalizar el aprendizaje y mejorar la eficacia del proceso educativo. Estos mentores tienen la capacidad de adaptarse din�micamente a las necesidades individuales de los estudiantes, ofreciendo trayectorias de aprendizaje personalizadas y detectando tempranamente posibles dificultades de aprendizaje. Adem�s, automatizan tareas administrativas, liberando tiempo para que los educadores se enfoquen en actividades m�s significativas, y enriquecen el contenido educativo al proporcionar recursos interactivos y din�micos. Sin embargo, es fundamental abordar los desaf�os �ticos y garantizar la equidad en el acceso y la transparencia en el uso de estos mentores digitales. Solo mediante una implementaci�n responsable y �tica de la inteligencia artificial en la educaci�n podremos aprovechar plenamente su potencial para transformar y mejorar el proceso educativo, asegurando que todos los estudiantes tengan acceso a una educaci�n de calidad y adaptada a sus necesidades individuales.

Palabras clave:� Mentores digitales; Inteligencia artificial; Educaci�n personalizada; Eficiencia educativa; Desaf�os �ticos.

 

Abstract

Digital mentors, powered by artificial intelligence, represent an educational innovation with great potential to personalize learning and improve the effectiveness of the educational process. These mentors have the ability to dynamically adapt to the individual needs of students, offering personalized learning trajectories and detecting possible learning difficulties early. Additionally, they automate administrative tasks, freeing up time for educators to focus on more meaningful activities, and enrich educational content by providing interactive and dynamic resources. However, it is essential to address ethical challenges and ensure equity in access and transparency in the use of these digital mentors. Only through a responsible and ethical implementation of artificial intelligence in education can we fully harness its potential to transform and improve the educational process, ensuring that all students have access to quality education adapted to their individual needs.

Keywords: Digital mentors; Artificial intelligence; Personalized education; Educational efficiency; Ethical challenges.

Resumo

Os mentores digitais, alimentados por intelig�ncia artificial, representam uma inova��o educacional com grande potencial para personalizar a aprendizagem e melhorar a efic�cia do processo educativo. Esses mentores t�m a capacidade de se adaptar de forma din�mica �s necessidades individuais dos alunos, oferecendo trajet�rias de aprendizagem personalizadas e detectando precocemente poss�veis dificuldades de aprendizagem. Al�m disso, automatizam tarefas administrativas, liberando tempo para que os educadores se concentrem em atividades mais significativas, e enriquecem o conte�do educacional ao fornecer recursos interativos e din�micos. No entanto, � essencial enfrentar os desafios �ticos e garantir a equidade no acesso e a transpar�ncia na utiliza��o destes mentores digitais. S� atrav�s de uma implementa��o respons�vel e �tica da intelig�ncia artificial na educa��o poderemos aproveitar plenamente o seu potencial para transformar e melhorar o processo educativo, garantindo que todos os alunos tenham acesso a uma educa��o de qualidade adaptada �s suas necessidades individuais.

Palavras-chave: Mentores digitais; Intelig�ncia artificial; Educa��o personalizada; Efici�ncia educacional; Desafios �ticos.

 

Introducci�n

La inteligencia artificial (IA) est� revolucionando la educaci�n, marcando momentos clave en la transformaci�n del proceso de ense�anza-aprendizaje (Frick, 1991, p. 10). Herramientas tecnol�gicas, como la IA, est�n desempe�ando un papel crucial en la innovaci�n educativa. Espec�ficamente, la creaci�n de mentores digitales a trav�s de sistemas como ChatGPT est� en el centro de esta tendencia, generando debates sobre sus beneficios y desaf�os (Holmes, Hui, Miao, & Ronghuai, 2021). Los defensores, como Baidoo-Anu y Owusu Ansah (2023), sostienen que esta tecnolog�a mejora las pr�cticas pedag�gicas (p. 13), mientras que Attard y Holmes (2022) se�alan problemas �ticos y pr�cticos que podr�an exacerbar las desigualdades existentes.

Grau (1995) describe la tecnolog�a educativa como un proceso integrado que involucra personas, ideas y dispositivos para resolver problemas de aprendizaje (p. 5). La inteligencia artificial generativa (IAG) ejemplifica esta visi�n al desarrollarse como mentores digitales que no solo apoyan la ense�anza, sino que tambi�n personalizan el aprendizaje. No obstante, su implementaci�n educativa requiere supervisi�n y normativa para asegurar una aplicaci�n responsable (Azoulay, 2023). La cuesti�n central es si se est� ejerciendo suficiente responsabilidad �tica en el uso de la IAG en el �mbito educativo.

Padilla R. (2019) afirma que la IAG facilita el acceso al aprendizaje, automatiza la gesti�n y optimiza los m�todos educativos (p. 2). Esta innovaci�n introduce una nueva etapa de preparaci�n para los docentes, quienes deben garantizar equidad y transparencia en el proceso educativo (Mhlanga, 2023).

La incorporaci�n de tecnolog�as como ChatGPT en la educaci�n tambi�n presenta desaf�os en el sistema de evaluaci�n. No solo se trata de utilizar la IAG para realizar evaluaciones, sino tambi�n de adaptar los m�todos de evaluaci�n a esta nueva tecnolog�a. Seg�n Stokel-Walker (2022), la alta calidad de las tareas generadas por la IA podr�a transformar las formas convencionales de evaluaci�n educativa (p. 6). Esta investigaci�n explora c�mo los mentores digitales desarrollados por la IA est�n cambiando la evaluaci�n y el aprendizaje, reflejando el estado actual y los cambios necesarios para integrar la IAG de manera efectiva en la educaci�n.

El objetivo principal de este trabajo es explorar el impacto de la inteligencia artificial en la innovaci�n de los m�todos educativos, centr�ndose en la responsabilidad �tica del docente y el sistema de evaluaci�n. Para lograr este objetivo, se emplea una encuesta para investigar las perspectivas de los docentes de secundaria en una Instituci�n de Educaci�n Superior (IES) en la Comunidad Valenciana, as� como los criterios de los estudiantes de magisterio en una Universidad Pedag�gica en Ecuador.

Los resultados obtenidos revelan la conexi�n entre la responsabilidad �tica en el uso de la inteligencia artificial y la evaluaci�n educativa, contribuyendo as� a la promoci�n de la innovaci�n metodol�gica en el �mbito educativo. Esta investigaci�n ofrece una visi�n hol�stica de c�mo la inteligencia artificial est� influyendo en la pr�ctica docente y en el proceso de evaluaci�n, destacando la importancia de consideraciones �ticas en la implementaci�n de estas tecnolog�as en la educaci�n.

 

Desarrollo

La Inteligencia Artificial: Una Mirada a su Definici�n y su Aplicaci�n en el Entorno Educativo.

En el contexto de la transformaci�n educativa, la inteligencia artificial (IA) emerge como una fuerza disruptiva que impulsa la innovaci�n en el aula. La Inteligencia Artificial Generativa (I.A.G.), representada por herramientas como ChatGPT y DALL-E, se posiciona como una herramienta poderosa que promete revolucionar la experiencia de aprendizaje. Estos mentores digitales, basados en modelos de aprendizaje autom�tico profundo, son capaces de generar contenido educativo diverso, desde texto hasta im�genes, ofreciendo nuevas posibilidades en el proceso educativo.

Si bien la eficiencia de la inteligencia artificial para procesar informaci�n es indiscutible, es importante reconocer sus limitaciones, como la falta de comprensi�n emocional y contextual. En el �mbito educativo, surge la necesidad de abordar con responsabilidad �tica el uso de estas tecnolog�as en el aula. La supervisi�n constante y la evaluaci�n cuidadosa se vuelven imperativas para garantizar que la integraci�n de la inteligencia artificial en la ense�anza y la evaluaci�n educativa sea beneficiosa y �tica.

Al explorar las percepciones de docentes y estudiantes, se vislumbra el potencial de la I.A.G. para personalizar el aprendizaje y crear evaluaciones adaptadas a las necesidades individuales de los estudiantes. Sin embargo, la innovaci�n educativa con inteligencia artificial tambi�n plantea desaf�os �ticos que requieren una reflexi�n cuidadosa en el aula del futuro. Es crucial encontrar un equilibrio entre aprovechar las oportunidades que ofrece la inteligencia artificial y abordar sus implicaciones �ticas para promover una transformaci�n educativa que sea inclusiva, equitativa y responsable.

 

�tica y Responsabilidad del Profesorado en el Uso de la Inteligencia Artificial

La inteligencia artificial (IA), que se remonta a los a�os 70, ha experimentado una evoluci�n notable, alcanzando su m�xima expresi�n a trav�s de la Inteligencia Artificial Generativa (I.A.G.), ejemplificada por el popular ChatGPT (Lim, Gunasekara, Pallant, Pallant, & Pechenkina, 2023). Este avance tecnol�gico ha posibilitado la redacci�n de proyectos estudiantiles, la s�ntesis de investigaciones y la resoluci�n de tareas complejas, entre otras aplicaciones (Stokel-Walker, 2022). Sin embargo, la creciente sofisticaci�n y adaptaci�n de la IA a las tendencias humanas tambi�n plantea inquietudes sobre la integridad acad�mica, incrementando el riesgo de plagio (Jim�nez, G�mez, & �lvarez, 2023).

Ante estas preocupaciones �ticas, la comunidad docente se enfrenta a desaf�os significativos, dado el uso extendido de herramientas como ChatGPT en todos los niveles educativos (Jim�nez, G�mez, & �lvarez, 2023). Los educadores deben profundizar en los principios de responsabilidad y �tica para garantizar un uso apropiado de esta tecnolog�a, dado que su labor educativa implica la formaci�n en valores de los estudiantes (Garrett, Beard, & Fiesler, 2020). La �tica demanda que las decisiones docentes sean justas, imparciales y respetuosas de los derechos y la dignidad de los estudiantes (Garrett, Beard, & Fiesler, 2020).

Adem�s, es fundamental asegurar la transparencia en el uso de los algoritmos de la I.A.G., garantizando que sean comprensibles y explicables para prevenir sesgos y discriminaci�n (Garrett, Beard, & Fiesler, 2020). En este contexto, este estudio se enfoca en explorar las perspectivas futuras del uso de la inteligencia artificial en la educaci�n, reconociendo que el futuro de la did�ctica educativa estar� moldeado por la inteligencia artificial (Baidoo-Anu & Owusu Ansah, 2023).

 

La Integraci�n de la Inteligencia Artificial en los M�todos de Evaluaci�n Educativa

Desde hace unos 25 a�os, el estudio de la inteligencia artificial (IA) en la educaci�n ha ido ganando terreno, especialmente con los primeros enfoques en la creaci�n de programas inform�ticos para entornos de aprendizaje interactivos (Roll & Wylie, 2016). Este impulso dio origen al campo de la Inteligencia Artificial en la Educaci�n (AIED), el cual ha abierto nuevas posibilidades para mejorar las actividades de aprendizaje y desarrollar entornos educativos tecnol�gicamente avanzados (Hwang, Xie, Wah, & Ga�ević, 2020).

Sin embargo, sigue siendo un desaf�o considerable crear sistemas relevantes que aborden las complejidades inherentes a la ense�anza y la evaluaci�n (Kay, 2012). A pesar de los avances en sistemas de tutor�a interactiva, ha habido poca atenci�n dirigida hacia la mejora del proceso de evaluaci�n (Hwang, Xie, Wah, & Ga�ević, 2020).

La IA en la educaci�n ha proporcionado herramientas para automatizar la evaluaci�n, detectar el plagio y ofrecer retroalimentaci�n (Rudolph, Tan, & Tan, 2023). Por ejemplo, los docentes pueden emplear ChatGPT para crear r�bricas de evaluaci�n que mejoren las indicaciones y proporcionen retroalimentaci�n continua (Rudolph, Tan, & Tan, 2023).

Los sistemas de ensayos automatizados (AES) son ampliamente utilizados en la evaluaci�n educativa, especialmente en cursos formativos (Zawacki-Richter, Mar�n, Bond, & Gouverneur, 2019). Estos sistemas, basados en modelos estad�sticos, procesamiento del lenguaje natural y an�lisis sem�ntico, se centran en evaluar escritos y ensayos estudiantiles (Ma & Slater, 2015).

Para avanzar en la mejora de los procesos de evaluaci�n educativa, es necesario que los docentes se familiaricen con estos avances tecnol�gicos (Zawacki-Richter, Mar�n, Bond, & Gouverneur, 2019). En este sentido, este trabajo propone un modelo l�gico para el dise�o de evaluaciones que aprovechen la IA, adem�s de reflexionar sobre la necesidad de normativas educativas que regulen su uso en el contexto educativo.

 

M�todo

La integraci�n de la inteligencia artificial (IA) en la educaci�n promete mejorar significativamente el proceso de ense�anza-aprendizaje al permitir un seguimiento m�s personalizado del progreso de los estudiantes y aumentar su motivaci�n acad�mica (Lee, 2019). En este sentido, la creaci�n de mentores digitales se vuelve fundamental para facilitar esta innovaci�n educativa.

Para desarrollar mentores digitales efectivos, es crucial seleccionar los m�todos y t�cnicas adecuados que aprovechen plenamente el potencial de la IA (Shehab, 2019). Estos m�todos pueden incluir el uso de algoritmos de aprendizaje autom�tico para adaptar el contenido educativo a las necesidades individuales de los estudiantes, la implementaci�n de sistemas de tutor�a virtual basados en IA para brindar apoyo personalizado, y el dise�o de plataformas educativas inteligentes que utilicen IA para analizar datos de aprendizaje y ofrecer retroalimentaci�n en tiempo real.

      1.            Protecci�n de los datos de los estudiantes: Los mentores digitales deben garantizar la privacidad y seguridad de los datos personales y de aprendizaje de los estudiantes, implementando medidas adecuadas de seguridad y transparencia en su recopilaci�n y uso.

      2.            Mantenimiento del papel fundamental de los docentes: A pesar de la presencia de mentores digitales, los docentes siguen siendo esenciales en el proceso educativo, orientando y guiando a los estudiantes. Por lo tanto, es crucial que las soluciones de IA se desarrollen en colaboraci�n con los docentes y que se les brinde capacitaci�n adecuada en su uso.

      3.            Evaluaci�n de la efectividad de la IA en la educaci�n: Para asegurar que los mentores digitales sean efectivos, es necesario llevar a cabo investigaciones rigurosas sobre su impacto en el proceso de ense�anza y aprendizaje. Esta evaluaci�n ayudar� a identificar las mejores pr�cticas y a garantizar que las soluciones de IA beneficien realmente a los estudiantes.

      4.            Transparencia y �tica en el desarrollo y uso de la IA: Es fundamental que los mentores digitales se desarrollen y utilicen de manera �tica y transparente, evitando posibles sesgos en los algoritmos y garantizando la transparencia en las decisiones basadas en IA.

      5.            Enfoque en el aprendizaje centrado en el estudiante: Los mentores digitales deben centrarse en el aprendizaje personalizado y adaptarse a las necesidades individuales de cada estudiante, ofreciendo una experiencia educativa m�s flexible y adaptada a las preferencias de aprendizaje de cada uno.

 

An�lisis de datos

El an�lisis de datos desempe�a un papel esencial en la creaci�n de mentores digitales efectivos en el �mbito educativo. Esta pr�ctica permite comprender el progreso y el comportamiento de los estudiantes, as� como evaluar la eficacia de las soluciones de IA en la personalizaci�n del aprendizaje (Al-Qudah, 2020). Adem�s, identifica �reas de aplicaci�n de la IA, como la creaci�n de programas de estudio personalizados, la evaluaci�n de los estudiantes y el desarrollo de chatbots y asistentes virtuales (Jim�nez, 2020).

Al evaluar los beneficios y desaf�os del uso de la IA en la educaci�n, se destaca su capacidad para brindar apoyo a los docentes y automatizar tareas repetitivas, lo que permite que dediquen m�s tiempo a la preparaci�n de clases y a la atenci�n individualizada de los estudiantes (Badii, 2020). Esto concuerda con el concepto de mentores digitales, ya que la IA act�a como un mentor virtual que ayuda a los docentes en su labor educativa.

 

Metodolog�a

Revisi�n Documental:

�         Aseg�rate de incluir una amplia gama de fuentes acad�micas y art�culos cient�ficos relevantes sobre el tema. Puedes considerar tambi�n la inclusi�n de libros y estudios de caso para obtener una visi�n completa.

�         Es importante definir claramente los criterios de inclusi�n de los estudios que se revisar�n, como el per�odo de tiempo, el enfoque metodol�gico y los resultados esperados.

Identificaci�n de Tendencias y Perspectivas:

�         Realiza un an�lisis exhaustivo de las perspectivas encontradas en la literatura revisada, asegur�ndote de abordar tanto los aspectos positivos como las preocupaciones �ticas y los desaf�os asociados con el uso de la IA en la educaci�n.

�         Considera la posibilidad de entrevistar a expertos en el campo para obtener perspectivas adicionales y actualizadas sobre el tema.

An�lisis Cr�tico y Comparativo:

�         Al llevar a cabo este an�lisis, presta especial atenci�n a la calidad de los estudios revisados, incluida la validez de los m�todos utilizados y la relevancia de los resultados.

�         Identifica las lagunas en la investigaci�n actual y sugiere �reas para investigaciones futuras que puedan abordar estas limitaciones.

S�ntesis y Conclusiones:

�         Aseg�rate de que las conclusiones sean claras y est�n respaldadas por la evidencia presentada en la revisi�n documental y el an�lisis cr�tico.

�         Proporciona recomendaciones espec�ficas para el desarrollo de mentores digitales basadas en los hallazgos y conclusiones de tu investigaci�n.

 

Resultados

El estudio subraya el impacto positivo de la inteligencia artificial (IA) en la educaci�n, resaltando su capacidad para transformar el sistema educativo actual hacia una educaci�n personalizada y adaptativa. En este contexto, los mentores digitales emergen como una aplicaci�n clave de la IA en la educaci�n, especialmente en la creaci�n de sistemas de ense�anza adaptativos.

La IA permite dise�ar trayectorias de aprendizaje personalizadas al recopilar y analizar datos sobre el progreso y las interacciones de los estudiantes. Estos mentores digitales pueden identificar �reas de mejora y proporcionar un apoyo individualizado, lo que mejora significativamente la experiencia de aprendizaje y el rendimiento acad�mico de los estudiantes.

Adem�s, los mentores digitales pueden detectar tempranamente posibles dificultades de aprendizaje en los estudiantes mediante el an�lisis de datos, lo que permite intervenciones oportunas para brindar apoyo adicional y prevenir la deserci�n escolar.

La automatizaci�n de tareas rutinarias, como la correcci�n de ex�menes o la generaci�n de informes, a trav�s de la IA, libera tiempo para que los educadores se centren en actividades m�s significativas, como la interacci�n con los estudiantes y el dise�o de estrategias de ense�anza innovadoras.

Los mentores digitales tambi�n enriquecen el contenido educativo al proporcionar recursos interactivos y din�micos, como chatbots y tutores virtuales basados en IA, que ofrecen respuestas instant�neas y apoyo en cualquier momento, fomentando la autonom�a y la autodirecci�n en el aprendizaje. En resumen, el desarrollo de mentores digitales con IA es fundamental para una educaci�n personalizada y adaptativa que aproveche todo el potencial de la inteligencia artificial en el �mbito educativo.

 

Conclusiones

Los mentores digitales, impulsados por la inteligencia artificial, est�n configurando un nuevo paradigma en la educaci�n, prometiendo una experiencia de aprendizaje m�s personalizada y adaptable. Estos mentores tienen el potencial de transformar radicalmente la forma en que concebimos y entregamos la educaci�n, al adaptarse din�micamente a las necesidades individuales de cada estudiante.

Una de las mayores fortalezas de los mentores digitales radica en su capacidad para ofrecer una educaci�n personalizada. Gracias a la recopilaci�n y an�lisis de datos sobre el progreso y las interacciones de los estudiantes, estos mentores pueden dise�ar trayectorias de aprendizaje adaptadas a las fortalezas y debilidades de cada individuo, mejorando as� la efectividad del proceso educativo.

Adem�s, los mentores digitales tienen la capacidad de detectar tempranamente posibles dificultades de aprendizaje en los estudiantes. Mediante el an�lisis de datos, pueden identificar patrones de comportamiento que sugieren dificultades en ciertas �reas, lo que permite intervenciones oportunas para brindar apoyo adicional y prevenir la deserci�n escolar.

La automatizaci�n de tareas rutinarias por parte de los mentores digitales tambi�n conlleva una mejora en la eficiencia educativa. Al liberar a los educadores de tareas administrativas, como la correcci�n de ex�menes o la generaci�n de informes, estos mentores permiten que los docentes dediquen m�s tiempo a actividades significativas, como la interacci�n con los estudiantes y el dise�o de estrategias de ense�anza innovadoras.

Adem�s, los mentores digitales enriquecen el contenido educativo al proporcionar recursos interactivos y din�micos. Chatbots y tutores virtuales basados en IA pueden ofrecer respuestas instant�neas y brindar apoyo en cualquier momento, fomentando la autonom�a y la autodirecci�n en el aprendizaje de los estudiantes.

En resumen, los mentores digitales representan una herramienta poderosa para la innovaci�n educativa con inteligencia artificial. Su capacidad para personalizar el aprendizaje, detectar dificultades tempranas, mejorar la eficiencia educativa y enriquecer el contenido educativo los convierte en aliados indispensables en el proceso de transformaci�n educativa hacia un modelo m�s adaptativo y centrado en el estudiante. Sin embargo, es crucial abordar los desaf�os �ticos y garantizar la equidad en el acceso y la transparencia en su uso para maximizar su impacto positivo en el aprendizaje de todos los estudiantes.

 

Referencias

      1.            Adiguzel, T., Kaya, M., & Cansu, F. (2023). Revolutionizing education with AI: Exploring the transformative potential of ChatGPT. Contemporary Educational Technology, 15(3), p429.

      2.            Attard, C., & Holmes, K. (2022). An exploration of teacher and student perceptions of blended learning in four secondary mathematics classrooms. Mathematics Education Research Journal, 34(4), 719-740.

      3.            Badii, A. &. (2020). Artificial intelligence in education: a comprehensive review. Education and Information Technologies, Pag. 25, 5395-5426.

      4.            Azoulay, A. (31 de 05 de 2023). www.unesco.org. Obtenido de https://www.unesco.org/es/articles/audrey-azoulay-aprovechar-al-maximo-lainteligencia-artificial-0

      5.            Al-Qudah, D. A.-J. (2020). The potential of artificial intelligence in enhancing education: a review

      6.            of the literature. International Journal of Emerging Technologies in Learning, Pag. 15, 84-97

      7.            Jim�nez, C. A. (2020). The role of artificial intelligence in education: a review of current research. Journal of Educational Technology Systems, Pag. 48, 367-381.

      8.            Baidoo-Anu, D., & Owusu Ansah, L. (2023). Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of ChatGPT in promoting teaching and learning. SSRN 4337484.

      9.            Becerra Correa, N., & Alvarado Nieto, D. (2000). La evaluaci�n en la inteligencia artificial. Tecnura, 61.

  10.            Esnaola, L. (1 de 06 de 2023). ChatGPT, una herramienta que no podemos desconocer en pr�ctica docente. Obtenido de https://wite.unnoba.edu.ar/wpcontent/uploads/2023/05/ChatGPT-una-herramienta-que-no-podemos-desconocer-ennuestra-practica-docente.pdf

  11.            Frick, T. (1991). Restructuring Education through Technology. Bloomington, IN.

  12.            Garrett, N., Beard, N., & Fiesler, C. (2020). M�s que "Si el tiempo lo permite" el papel de la �tica en la educaci�n de la IA. Actas de la Conferencia AAAI/ACM sobre IA, �tica y Sociedad, (p�gs. 272-278).

  13.            Lee, S. J. (2019). Sm art education: the present and future of artificial intelligence in education. Journal of Intelligence and Information Systems, Pag. 25, 49-62.

  14.            George, D., & Mallery, P. (2003). SPSS for Windows Step by Step: A Simple Guide and Reference, 11.0 Update. Allyn and Bacon.

  15.            Grau, J. E. (1995). Tecnolog�a y educaci�n. Buenos Aires: Fundec.

  16.            Hern�ndez-Sampieri, R., & Mendoza, C. (2018). Metodolog�a de la investigaci�n: las rutas cuantitativa, cualitativa y mixta. Ciudad de M�xico: McGRAW-HILL INTERAMERICANA EDITORES, S.A. de C. V.

  17.            Holmes, W., Hui, Z., Miao, F., & Ronghuai, H. (2021). Inteligencia artificial y educaci�n: Gu�a para las personas a cargo de formular pol�ticas. UNESCO Publishing.

  18.            Hwang, G. J., Xie, H., Wah, B. W., & Ga�ević, D. (2020). Vision, challenges, roles and research issues of Artificial Intelligence in Education... Computers and Education: Artificial Intelligence, 1, 100001.

  19.            Jim�nez, J., G�mez, E., & �lvarez, P. (2023). ChatGPT e inteligencia artificial: �obst�culo o ventaja para la educaci�n m�dica superior? Educaci�n M�dica Superior, 37(2).

  20.            Kay, J. (2012). AI and education.Grand Challenges. IEEE Intelligent System 27(5), 6669.

  21.            Kocmi, T. F., Grundkiewicz, R., Junczys-Dowmunt, M., Matsushita, H., & Menezes, A. (2021). To ship or not to ship: An extensive evaluation of automatic metrics for machine translation. arXiv preprint arXiv:2107.10821.�

  22.            Lim, W., Gunasekara, A., Pallant, J., Pallant, J., & Pechenkina, E. (2023). Generative AI and the future of education: Ragnar�k or reformation? A paradoxical perspective from management educators. The International Journal of Management Education, 21(2), 100790.

  23.            Lim, W., Kumar, S., Verma, S., & Chaturvedi, R. (2022). Alexa, what do we know about conversational commerce? Insights from a systematic literature review. Psychology and Marketing, 39(6), 1129�1155.

  24.            Ma, H., & Slater, T. (2015). Using the developmental path of cause to bridge the gap between AWE scores and writing teachers� evaluations. Writing & Pedagogy, 7(2), 395422.

  25.            Mhlanga, D. (2023). Open AI in education, the responsible and ethical use of ChatGPT towards lifelong learning. Education, the Responsible and Ethical Use of ChatGPT Towards Lifelong Learning. SSRN.

  26.            Padilla, R. (2019). La llegada de la inteligencia artificial a la educaci�n. Revista de Investigaci�n en Tecnolog�as de la Informaci�n: RITI, 7(14), 260-270.

  27.            Padilla, R. D. (2019). La llegada de la inteligencia artificial a la educaci�n. Revista de Investigaci�n en Tecnolog�as de la Informaci�n: RITI, 7(14), 260-270.

  28.            Renova, H., Arreola, D., & Ram�rez, A. (2021). �Qu� tan apropiadamente reportaron los autores el Coeficiente del Alfa de Cronbach? Ciencia Latina Revista Cient�fica Multidisciplinar, 5(3), 2438-2462.

  29.            Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International Journal of Artificial Intelligence in Education, 26, 582-599.

  30.            Rouhiainen, L. (2018). Inteligencia artificial. Madrid: Alienta Editorial.

  31.            Rudolph, J., Tan, S., & Tan, S. (2023). ChatGPT: Bullshit spewer or the end of traditional assessments in higher education? Journal of Applied Learning and Teaching, 6(1).

  32.            Sahoo, S., Kumar, S., Abedin, M., Lim, M., & Jakhar, S. (2023). Deep learning applications in manufacturing operations: A review of trends and ways forward. Journal of Enterprise Information Management, 36(1), 221�251.

  33.            Stokel-Walker, C. (2022). AI bot ChatGPT writes smart essay. Nature.

  34.            UNESCO. (30 de 5 de 2023). siteal.iiep.unesco.org. Obtenido de https://siteal.iiep.unesco.org/bdnp/3317/resolucion-2382014-reglamento-aplicacionsistema-evaluacion-escolar

  35.            Zawacki-Richter, O., Mar�n, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education�where are the educators? International Journal of Educational Technology in Higher 16(1), 1-27

 

 

 

 

 

 

� 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/).

 

 

 

 

 

 

 

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