Envía por correo este artículo 
Inteligencia Artificial en Educacin Superior: Anlisis Bibliomtrico
Artificial Intelligence in Higher Education: Bibliometric Analysis
Inteligncia Artificial no Ensino Superior: Anlise Bibliomtrica
Correspondencia: afrodriguez@uce.edu.ec
Ciencias de la Educacin
Artculo de Investigacin
* Recibido: 14 de julio de 2024 *Aceptado: 19 de agosto de 2024 * Publicado: 04 de septiembre de 2024
I. Doctor en Docencia y Gestin Universitaria, Docente-Investigador de la Facultad de Cultura Fsica, Universidad Central del Ecuador, Ecuador.
II. Magster en Diseo y Gestin de Proyectos Socioeducativos, Docente-Investigadora de la Facultad de Filosofa, Letras y Ciencias de la Educacin, Universidad Central del Ecuador, Ecuador.
III. Magster en Bibliotecologa y Archivologa, Bibliotecaria de la Facultad de Filosofa, Letras y Ciencias de la Educacin, Universidad Central del Ecuador, Ecuador.
IV. Ingeniero Burstil, Licenciado, Bibliotecologa y Ciencias de la Comunicacin, Bibliotecario de la Facultad de Ciencias Administrativas, Universidad Central del Ecuador, Ecuador.
Resumen
El uso de la inteligencia artificial (IA) en la educacin superior ha crecido exponencialmente, transformando los procesos de enseanza y aprendizaje. Este estudio se enfoca en analizar el impacto de la IA en la educacin a travs de un anlisis bibliomtrico de las publicaciones cientficas recientes. El objetivo del estudio es realizar un anlisis bibliomtrico exhaustivo de las publicaciones cientficas sobre IA en la educacin superior para entender su evolucin, distribucin geogrfica, temas predominantes y colaboraciones internacionales. Se utiliz la base de datos Scopus para identificar 285 documentos relevantes mediante palabras clave como "Inteligencia Artificial", "Educacin Superior", "Estudiantes Universitarios" y "Tecnologa Educativa". Los datos fueron analizados con el software Bibliometrix y visualizados mediante VOSviewer, lo que permiti mapear tendencias y relaciones clave en la investigacin. El anlisis revel un crecimiento significativo en las publicaciones sobre IA en educacin, con Estados Unidos y China liderando en colaboracin internacional. Los temas ms investigados incluyen aprendizaje automtico, minera de datos, y educacin personalizada, destacando una fuerte interdisciplinariedad en el campo. La investigacin subraya la creciente importancia de la IA en la educacin superior, sealando tanto oportunidades como desafos ticos y de equidad. Es crucial continuar invirtiendo en competencias digitales para estudiantes y docentes para maximizar los beneficios de la IA en la educacin.
Palabras clave: Inteligencia Artificial; Educacin Superior; Anlisis Bibliomtrico; Colaboracin Internacional.
Abstract
The use of artificial intelligence (AI) in higher education has grown exponentially, transforming teaching and learning processes. This study focuses on analyzing the impact of AI in education through a bibliometric analysis of recent scientific publications. The aim of the study is to conduct an exhaustive bibliometric analysis of scientific publications on AI in higher education to understand its evolution, geographical distribution, predominant topics, and international collaborations. The Scopus database was used to identify 285 relevant documents using keywords such as "Artificial Intelligence", "Higher Education", "University Students", and "Educational Technology". The data was analyzed with Bibliometrix software and visualized using VOSviewer, which allowed mapping key trends and relationships in research. The analysis revealed significant growth in publications on AI in education, with the United States and China leading in international collaboration. The most researched topics include machine learning, data mining, and personalized education, highlighting a strong interdisciplinarity in the field. The research underlines the growing importance of AI in higher education, pointing to both opportunities and ethical and equity challenges. It is crucial to continue investing in digital skills for students and teachers to maximise the benefits of AI in education.
Keywords: Artificial Intelligence; Higher Education; Bibliometric Analysis; International Collaboration.
Resumo
A utilizao da inteligncia artificial (IA) no ensino superior tem crescido exponencialmente, transformando os processos de ensino e aprendizagem. Este estudo centra-se na anlise do impacto da IA na educao atravs de uma anlise bibliomtrica de publicaes cientficas recentes. O objetivo do estudo realizar uma anlise bibliomtrica abrangente das publicaes cientficas sobre IA no ensino superior para compreender a sua evoluo, distribuio geogrfica, temas predominantes e colaboraes internacionais. A base de dados Scopus foi utilizada para identificar 285 documentos relevantes utilizando palavras-chave como Inteligncia Artificial, Ensino Superior, Estudantes Universitrios e Tecnologia Educativa. Os dados foram analisados no software Bibliometrix e visualizados no VOSviewer, o que permitiu mapear as principais tendncias e relaes da pesquisa. A anlise revelou um crescimento significativo das publicaes sobre IA na educao, com os Estados Unidos e a China a liderarem a colaborao internacional. Os temas mais pesquisados incluem a aprendizagem automtica, a minerao de dados e a educao personalizada, destacando uma forte interdisciplinaridade na rea. A investigao sublinha a crescente importncia da IA no ensino superior, apontando tanto para oportunidades como para desafios ticos e de equidade. crucial continuar a investir em competncias digitais para estudantes e professores, de forma a maximizar os benefcios da IA na educao.
Palavras-chave: Inteligncia Artificial; Ensino superior; Anlise Bibliomtrica; Colaborao Internacional.
Introduccin
La inteligencia artificial (IA) ha experimentado un avance significativo en las ltimas dcadas, permitiendo que las mquinas emulen procesos cognitivos humanos complejos, como el reconocimiento de patrones y la toma de decisiones basadas en datos (Fernndez, 2019; Rouhiainen, 2018). Este campo interdisciplinario combina teoras y algoritmos para dotar a las computadoras de habilidades anteriormente consideradas exclusivas de los seres humanos, tales como la comprensin, el aprendizaje y la adaptacin a nuevas situaciones (Lpez, 2019). Mientras tanto, la inteligencia artificial general (IAG) aspira a superar las limitaciones de las aplicaciones especficas, con el objetivo de equipar a las mquinas con la capacidad de realizar tareas generales y adaptativas, similares a las humanas (Elverdin, 2023; Russell & Norvig, 2016).
En el contexto educativo, la IA ha demostrado ser una herramienta poderosa, mejorando el rendimiento acadmico y la participacin estudiantil a travs de la personalizacin del aprendizaje. Sin embargo, tambin se han identificado desafos significativos, como la brecha digital y la resistencia docente (Morocho et al., 2023).
La IA se est convirtiendo rpidamente en una tecnologa transformadora en la educacin superior, presentando oportunidades y desafos para la educacin, la eficiencia institucional y las actividades de investigacin (Ballantine et al., 2024). Existe un creciente inters por explorar y validar las aplicaciones de la IA para optimizar los procesos de enseanza y aprendizaje. No obstante, tambin surgen interrogantes ticos sobre cmo implementar responsablemente estas tecnologas emergentes.
La implementacin de herramientas de IA en instituciones de educacin superior est transformando los modos tradicionales de ensear y aprender. Si bien existen importantes oportunidades en trminos de personalizacin y mejora de los resultados acadmicos, tambin se presentan riesgos que deben ser mitigados (Rodrguez et al., 2023). Uno de los principales desafos se vincula con el potencial impacto negativo de estas tecnologas en la equidad y la justicia educativa. Si los algoritmos replican sesgos presentes en los datos histricos, pueden perpetuar patrones de exclusin y discriminacin. Por lo tanto, es fundamental desarrollar sistemas de IA ticos que promuevan la inclusin de todos los estudiantes. Otra rea sensible es la privacidad y la seguridad de los datos que las instituciones recogen sobre sus estudiantes. Se debe garantizar un uso responsable y confidencial de esta informacin, respetando la privacidad mediante estrictos protocolos de encriptacin y acceso restringido (UCES, 2023).
La IA permite personalizar y mejorar el aprendizaje de los estudiantes, facilitando su trabajo a travs de asistentes virtuales y optimizando los materiales de estudio. Esto es sumamente valioso en una regin como Latinoamrica, donde se prev que el impacto de la IA ser mayor en la educacin terciaria que en los niveles bsicos. No obstante, aprovechar estas posibilidades requiere realizar inversiones en infraestructura informtica y una transformacin de los programas de estudio para desarrollar currculos flexibles y competencias digitales desde etapas tempranas. De lo contrario, ser difcil implementar herramientas de IA avanzadas. Asimismo, es clave capacitar tanto a estudiantes como a docentes en el uso de estas tecnologas (Pegalajar-Palomino & Rodrguez-Torres, 2023; Rodrguez et al., 2022), invirtiendo en capital humano, ya que el dominio de la IA se est volviendo un requerimiento en todas las disciplinas y profesiones. Quienes no desarrollen estas destrezas vern limitadas sus oportunidades laborales frente a un mercado global cada vez ms competitivo (UCA, 2023).
Revisin de Literatura
La inteligencia artificial (IA) se ha convertido en un elemento transformador en diversos campos, y la educacin superior no es la excepcin. Definida como el desarrollo de sistemas que pueden realizar tareas que normalmente requieren inteligencia humana, como el aprendizaje, el razonamiento y la autocorreccin, permite la creacin de escenarios de aprendizaje personalizados que se adaptan a las necesidades especficas de cada estudiante, mejorando as la calidad del proceso educativo (Boden, 2016; Rodrguez-Torres et al., 2024a).
En opinin de Zavala et al. (2023), la implementacin de la IA en la educacin superior tiene el potencial de impactar positivamente en la calidad de vida de los estudiantes y docentes. A travs de plataformas que analizan el desempeo y la informacin de los estudiantes, la IA puede ofrecer rutas de aprendizaje ms efectivas y pertinentes, facilitando un aprendizaje significativo y contextualizado. Sin embargo, a pesar de su reconocimiento como un factor de alto impacto, persiste una falta de conocimiento sobre cmo la IA transformar realmente la educacin superior.
Desafos y Oportunidades
Es importante considerar que uno de los principales desafos que enfrenta la educacin superior en la era de la IA es la falta de comprensin y precisin en su aplicacin. Aunque se reconoce la importancia de la IA, las instituciones educativas deben estar preparadas para adaptarse a estas nuevas realidades tecnolgicas y evitar que la educacin se convierta en un conjunto de saberes obsoletos. Esto implica no solo la adopcin de nuevas tecnologas, sino tambin la necesidad de establecer polticas y regulaciones claras que garanticen la tica y la privacidad en su uso (Rodrguez-Torres et al., 2024b).
La Necesidad de un Enfoque Crtico
Es esencial fomentar una reflexin crtica sobre el papel de la IA en el proceso educativo. La IA no debe ser vista nicamente como una herramienta, sino como un fenmeno que reconfigura radicalmente las formas de aprender y ensear, promoviendo aprendizajes profundos y transferibles a nuevas situaciones o a la resolucin de problemas complejos en la profesin. Para integrar la IA de manera efectiva y tica, es necesario que los educadores y las instituciones educativas reconsideren sus prcticas y adopten un enfoque que enfatice la personalizacin del aprendizaje, el acceso a la informacin y la optimizacin de la gestin administrativa (Maher et al., 2023).
El uso de la IA en la educacin superior est revolucionando el sector, permitiendo un aprendizaje ms personalizado y mejorando el acceso a la informacin. No obstante, la implementacin de IA tambin presenta desafos ticos y prcticos que deben ser abordados para maximizar sus beneficios. Estos desafos incluyen preocupaciones sobre la privacidad, la seguridad de los datos, el sesgo algortmico, y la equidad en el acceso (Holmes et al., 2021). Segn Gonzlez et al. (2023), la IA posee un potencial transformador significativo en la educacin, posicionndose como una de las innovaciones tecnolgicas ms importantes que podran revolucionar el sector en las prximas dcadas. Sin embargo, la implementacin efectiva de la IA debe acompaarse de consideraciones ticas y pedaggicas rigurosas para garantizar que esta tecnologa potencie un aprendizaje integral sin reemplazar el papel fundamental de los educadores (Reiss, 2021).
Desafos y Consideraciones ticas
La implementacin de la IA en la educacin requiere una planificacin cuidadosa y una formacin adecuada para docentes y estudiantes. La formacin y capacitacin continua de los docentes en la aplicacin de estrategias didcticas innovadoras con principios de equidad y acceso deben abordarse con responsabilidad tica (Rodrguez-Torres et al., 2024c; Salmern et al., 2023). De esta forma se garantiza procesos de control para asegurar un impacto favorable en la calidad educativa.
Bibliometra y produccin cientfica
El papel de las unidades de bibliometra en la evaluacin y monitoreo de la produccin cientfica es fundamental, especialmente en reas emergentes como la IA en la educacin superior. Pacheco y Alhuay (2019) destacan la importancia de desarrollar y adaptar indicadores bibliomtricos que evalen eficazmente la calidad y el impacto de las investigaciones en IA y su aplicacin educativa. Estas unidades no solo facilitan la colaboracin entre investigadores, sino que tambin fomentan la creacin de redes multidisciplinarias, aumentando as la visibilidad y el alcance de la investigacin (Pacheco & Alhuay, 2019).
La bibliometra emplea diversas metodologas, como el anlisis de citas, para medir el impacto y la relevancia de la investigacin, identificando tendencias y reas de inters emergentes. La aplicacin de indicadores como el ndice h y el factor de impacto permite una evaluacin ms detallada de la produccin cientfica. Adems, el anlisis de redes de co-citacin revela conexiones entre reas de investigacin y autores, visualizando el desarrollo de campos de estudio especficos (Mena-Huacas, 2024).
Mena-Huacas (2024) subraya la relevancia de los estudios bibliomtricos en IA y educacin, evidenciando un incremento significativo en las publicaciones cientficas y su distribucin geogrfica. Esta tendencia refleja un inters creciente en la IA aplicada a la educacin, con una notable concentracin de investigaciones en pases como Estados Unidos, China y Reino Unido. Adems, se destaca que el 98% de las publicaciones estn en ingls, lo que podra afectar el acceso global a la investigacin (Garca Pealvo et al., 2024).
En el contexto educativo, Garca Pealvo et al. (2024) enfatizan la necesidad de incorporar la inteligencia artificial en la educacin superior de manera crtica y reflexiva, considerando la personalizacin del aprendizaje. Segn Cotrina et al. (2021), la integracin de la IA est transformando las prcticas educativas, mejorando la interaccin entre docentes y estudiantes, y subraya la necesidad de desarrollar competencias digitales en ambos grupos (Cotrina et al., 2021; Rodrguez et al., 2023).
Snchez (2023) destaca el potencial de la IA para mejorar la calidad y accesibilidad de la educacin, aunque tambin seala desafos, como la distribucin desigual de la investigacin geogrficamente. lvarez y Prieto (2023) aaden que la implementacin de la IA requiere una revisin crtica de las estrategias pedaggicas para garantizar su efectividad en el aprendizaje, resaltando la importancia de la personalizacin educativa en funcin de las necesidades de los estudiantes (Snchez, 2023).
En resumen, la relacin entre tecnologa y subjetividad humana enfatiza la necesidad de integrar diversas perspectivas para promover la equidad en el acceso a la educacin. Las instituciones de educacin superior deben adoptar reformas significativas para adaptarse a un futuro tecnolgico, asegurando que la digitalizacin promueva la inclusin y la sostenibilidad. La implementacin de tecnologas como la inteligencia artificial debe estar acompaada de un anlisis tico y crtico para evitar inequidades y desigualdades (lvarez & Prieto, 2023).
El propsito de este estudio es realizar un anlisis bibliomtrico detallado sobre la implementacin y el impacto de la inteligencia artificial (IA) en la educacin superior, destacando su potencial para transformar los mtodos tradicionales de enseanza y aprendizaje.
Mtodo
El presente estudio es descriptivo y se bas en un anlisis bibliomtrico de metadatos obtenidos de la base de datos Scopus (www.scopus.com). Se eligi Scopus debido a que es una de las bases de datos acadmicas ms grandes y reconocidas a nivel mundial, proporcionando resmenes y citas de una amplia gama de publicaciones cientficas revisadas por pares. Esta base de datos es altamente eficaz para visualizar, rastrear y analizar la produccin cientfica (Deta et al., 2021).
El estudio se centr en analizar publicaciones cientficas sobre inteligencia artificial y educacin superior, utilizando tcnicas bibliomtricas para evaluar su relevancia. Se seleccionaron las siguientes palabras clave: "Inteligencia Artificial," "Educacin Superior," "Estudiantes Universitarios," y "Tecnologa Educativa," con la ayuda de un tesauro especializado. Con estos trminos, se realiz una bsqueda en Scopus, identificando un total de 285 documentos, que fueron posteriormente exportados a Excel para su anlisis.
El anlisis bibliomtrico se llev a cabo utilizando el software Bibliometrix, mientras que la visualizacin de los datos se realiz con VOSviewer. Este software de mapeo bibliomtrico analiza tendencias de investigacin y las palabras clave ms frecuentemente utilizadas en artculos cientficos, presentando mapas que agrupan estas palabras clave en clusters, lo que facilita su comprensin (Pais et al., 2023). Este enfoque permiti evaluar la concurrencia temtica de las palabras clave y visualizar las relaciones entre diferentes conceptos en la literatura cientfica, proporcionando coherencia en la interpretacin de los resultados.
El anlisis descriptivo incluy la evaluacin de autores, palabras clave, afiliacin institucional, co-ocurrencia de palabras clave, autores ms relevantes y la distribucin geogrfica de las publicaciones en los 285 documentos analizados. Adems, se observ el tamao del nodo y la fuerza del vnculo en los resultados del mapeo y la visualizacin utilizando VOSviewer, lo que permiti una comprensin ms profunda de las redes de investigacin y su estructura.
Resultados
La imagen que has proporcionado parece ser un diagrama de flujo tipo Sankey que muestra las relaciones entre diferentes temas de investigacin (a la izquierda) y los autores (en el centro), as como las instituciones a las que estn afiliados (a la derecha). A continuacin, se realiza una interpretacin del diagrama:
Temas de Investigacin (DE - Dominio Especfico)
- Los bloques a la izquierda representan los diferentes temas de investigacin relacionados con la educacin superior y la inteligencia artificial. Entre estos temas se incluyen "active learning", "higher education", "educational innovation", "AI", "machine learning", "e-learning", "ICT", y "gamification".
- Estos temas estn coloreados de acuerdo a su relevancia o frecuencia de aparicin en los documentos analizados. Por ejemplo, "active learning" y "AI" parecen tener un mayor peso, lo que indica una tendencia de investigacin significativa en estas reas.
Autores (AU)
- Los bloques en el centro representan a los autores que han contribuido significativamente a la investigacin en estos temas.
- Los flujos que conectan los temas de investigacin con los autores muestran las reas especficas en las que cada autor ha trabajado. Por ejemplo, "kumar a" parece estar fuertemente asociado con "active learning", mientras que otros autores como "zhang y" y "ferreira mijaman mohammad ibn saud islamic university" estn vinculados a mltiples temas, como "AI" y "machine learning".
Afiliacin Institucional (AU_UN)
- Los bloques a la derecha representan las instituciones a las que estn afiliados los autores. Estas incluyen universidades como la "Universidade Portucalense", "Research Triangle Park", "The State University of New Jersey", entre otras.
- Los flujos desde los autores hacia las instituciones muestran dnde se realiza esta investigacin. Por ejemplo, "kumar a" est afiliado a la "Universidade Portucalense", y se observa que la investigacin en "active learning" est fuertemente representada en esta institucin.
Fig.2. Palabras claves, autores y afiliacin
La figura 2 muestra la relacin entre autores, palabras clave y afiliaciones en el contexto de la IA en la educacin superior. Estos autores y trminos clave estn relacionados con investigaciones y desarrollos en el campo de la IA aplicada a la educacin superior y permite identificar la:
- Concentracin de Investigacin: El diagrama indica que la investigacin en "active learning" y "AI" es prominente, con varios autores contribuyendo desde diferentes instituciones. Esto sugiere un inters acadmico consolidado en estas reas.
- Interdisciplinariedad: Algunos autores estn vinculados a mltiples temas, lo que sugiere que su investigacin abarca varias reas de inters dentro de la inteligencia artificial y la educacin superior.
- Distribucin: Las instituciones representadas indican una distribucin internacional de la investigacin, con universidades de diversas partes del mundo contribuyendo al campo.
Fig. 2. Co-ocurrencia y palabras claves
El mapa presentado es un grfico de co-ocurrencias generado por el software VOSviewer, que visualiza las relaciones entre diferentes trminos (palabras clave) en el mbito de la inteligencia artificial (IA) aplicada a la educacin. Cada nodo representa una palabra clave, y el tamao del nodo indica la frecuencia de aparicin del trmino en los documentos analizados. Las lneas que conectan los nodos reflejan la co-ocurrencia de trminos en los mismos artculos, mientras que los colores agrupan los trminos en clusters, indicando temas relacionados.
Cluster Rojo - Inteligencia Artificial en Educacin
- Centro del mapa: El trmino "artificial intelligence" es el nodo ms grande, lo que indica que es el trmino ms central y frecuentemente utilizado en los estudios relacionados.
- Trminos asociados: "learning systems", "machine learning", "e-learning", y "students" son otros trminos clave en este cluster, lo que sugiere un enfoque en cmo la IA se integra en los sistemas de aprendizaje y educacin electrnica.
Cluster Verde - Metodologa y Procesamiento de Datos
- Mtodos y anlisis: Trminos como "methodology", "algorithms", y "data mining" aparecen en este cluster, indicando que una gran parte de la investigacin se centra en el desarrollo y la aplicacin de algoritmos y metodologas para el procesamiento de datos en el contexto educativo.
- tica y humanidades: La presencia de trminos como "ethics" y "human" sugiere que tambin hay una consideracin significativa sobre las implicaciones ticas y humansticas de aplicar la IA en la educacin.
Cluster Azul - Innovacin y Aprendizaje Activo
- Enseanza y aprendizaje: Trminos como "active learning", "teaching", y "gamification" estn agrupados en este cluster, lo que destaca el inters en las metodologas pedaggicas innovadoras que incorporan IA para mejorar el aprendizaje activo y las experiencias educativas.
- Educacin superior: "higher education" y "educational innovation" son trminos importantes en este cluster, lo que indica un foco en cmo la IA est transformando la educacin en el nivel universitario.
Relaciones entre Clusters
- Interconexin: El mapa muestra una densa red de conexiones entre los clusters, lo que sugiere que estos temas no estn aislados, sino que se interrelacionan fuertemente. Por ejemplo, la "inteligencia artificial" (cluster rojo) est estrechamente conectada con las "metodologas" (cluster verde) y las "innovaciones educativas" (cluster azul), lo que refleja un enfoque multidisciplinario en la investigacin.
- Tendencias emergentes: La interseccin de trminos como "learning systems", "machine learning", y "methodology" puede indicar reas emergentes en la investigacin, donde se exploran nuevos modelos de aprendizaje basados en IA.
Este mapa de co-ocurrencias proporciona una visin integral de las reas de investigacin predominantes en el uso de la inteligencia artificial en la educacin, destacando tanto las metodologas tcnicas como las aplicaciones pedaggicas. El grfico revela que trminos como "aprendizaje automtico", "minera de datos" y "aprendizaje profundo" estn estrechamente relacionados, lo que indica su relevancia en la investigacin educativa en inteligencia artificial. Asimismo, se observa que el trmino "inteligencia artificial" est vinculado a una amplia gama de otros conceptos, lo que sugiere su aplicacin en diversas facetas educativas. Esto subraya el carcter interdisciplinario de la investigacin, que combina enfoques tecnolgicos, pedaggicos y de las ciencias sociales para abordar los desafos y oportunidades que presenta la inteligencia artificial en el mbito educativo.
Fig. 3. Autores ms relevantes
La figura 3 muestra los documentos ms citados a nivel global en el campo de la inteligencia artificial y reas relacionadas. Aqu se visualizan diez artculos con el nmero total de citas que han recibido, reflejando su impacto y relevancia en la comunidad cientfica.
Documentos ms Citados
- Whitehill et al. (2009): Este artculo, publicado en IEEE Transactions on Pattern Analysis and Machine Intelligence, es el ms citado con 229 citas. Esto indica que el trabajo realizado por Whitehill y sus coautores es altamente influyente, posiblemente proponiendo un mtodo o enfoque innovador que ha sido ampliamente adoptado o discutido en la literatura.
- Kulis et al. (2009): Otro artculo destacado en la misma revista, con 229 citas, lo que sugiere que este documento es igualmente influyente y podra estar relacionado temticamente con el trabajo de Whitehill et al. (2009).
Relevancia de las Publicaciones
- Enfoque en la Inteligencia Artificial: Los documentos en la lista provienen de revistas de alto impacto, como IEEE Transactions on Pattern Analysis and Machine Intelligence y IEEE Transactions on Medical Imaging. Esto subraya la relevancia de la inteligencia artificial en la investigacin actual, particularmente en el anlisis de patrones y aplicaciones mdicas.
- Diversidad de reas de Investigacin: Aunque la mayora de los artculos provienen del campo de la inteligencia artificial y la informtica, tambin se incluyen artculos en reas como la educacin (Mitrovic et al., 2000) y tecnologas sociales (Robinson, 2010). Esto indica que la investigacin en IA tiene aplicaciones multidisciplinarias.
Distribucin de Citaciones
- Variedad en el Impacto: Las citas varan significativamente entre los documentos, con los dos primeros artculos acumulando ms de 200 citas cada uno, mientras que los dems tienen entre 30 y 70 citas. Esto puede reflejar diferencias en la novedad, aplicabilidad o accesibilidad de las investigaciones presentadas en estos artculos.
Fig. 4. Autores por pases
La figura 4 muestra la distribucin de publicaciones cientficas segn el pas de origen del autor correspondiente, diferenciando entre publicaciones realizadas dentro de un solo pas (SCP: Single Country Publications) y aquellas que implican colaboracin entre autores de mltiples pases (MCP: Multiple Country Publications).
Liderazgo en Publicaciones
- Estados Unidos (USA): Lidera la lista con la mayor cantidad de publicaciones, especialmente en colaboracin internacional (MCP). Esto sugiere que los investigadores en los EE.UU. estn fuertemente involucrados en redes de colaboracin global, lo cual es caracterstico de una comunidad acadmica bien conectada y de alta influencia.
- China: Tambin muestra un nmero significativo de publicaciones, con una proporcin considerable de colaboraciones internacionales (MCP). Este dato destaca la creciente presencia de China en la investigacin global, especialmente en campos relacionados con la tecnologa y la ciencia.
Tendencias de Colaboracin
- Colaboracin Internacional: Pases como el Reino Unido, Alemania, y Espaa tambin muestran un buen equilibrio entre publicaciones nacionales (SCP) e internacionales (MCP), lo que sugiere un enfoque tanto en la investigacin interna como en la colaboracin global.
- Colaboracin Nacional: Algunos pases, como India y Brasil, tienen una mayor proporcin de publicaciones nacionales (SCP), lo que podra indicar un enfoque ms regional o menos acceso a redes internacionales de colaboracin.
Diversidad Geogrfica
- Europa: Muchos pases europeos como Alemania, el Reino Unido, Portugal y Espaa estn representados en el grfico, reflejando la importancia de la regin en la produccin cientfica global, con un enfoque balanceado entre la investigacin nacional e internacional.
- Asia y Amrica Latina: Adems de China e India, otros pases asiticos como Indonesia y Hong Kong, junto con pases latinoamericanos como Argentina y Colombia, muestran participacin, aunque con un menor nmero de publicaciones en comparacin con los lderes.
Implicaciones
- Estados Unidos y China como Centros Globales: Estos dos pases son claramente los centros de la investigacin cientfica, especialmente en reas donde la colaboracin internacional es clave.
- Importancia de la Colaboracin Internacional: La gran cantidad de MCP en varios pases subraya la importancia de las colaboraciones internacionales en la ciencia moderna, lo que permite a los investigadores acceder a recursos, datos y conocimientos ms all de sus fronteras nacionales.
La figura 4 refleja la distribucin geogrfica de la produccin cientfica y destaca la importancia de la colaboracin internacional, especialmente en pases con un alto nmero de publicaciones. Tambin pone de manifiesto cmo las dinmicas de colaboracin pueden variar entre regiones, lo que puede estar influenciado por factores como el acceso a redes internacionales, recursos disponibles, y polticas de investigacin nacionales.
Conclusiones
El estudio plantea las siguientes conclusiones:
1. Creciente Importancia de la Inteligencia Artificial en la Educacin Superior: El anlisis bibliomtrico realizado evidencia un incremento significativo en las publicaciones cientficas relacionadas con la inteligencia artificial aplicada a la educacin superior, destacando su papel emergente como un elemento transformador en los procesos de enseanza y aprendizaje. Este crecimiento sugiere un inters acadmico global en explorar y validar las aplicaciones de IA en este campo.
2. Interdisciplinariedad y Colaboracin Internacional: Los resultados indican que la investigacin en inteligencia artificial en educacin superior es altamente interdisciplinaria, combinando enfoques de tecnologa, pedagoga y ciencias sociales. Adems, la colaboracin internacional, especialmente entre Estados Unidos, China y pases europeos, ha sido clave para el avance en esta rea, permitiendo la creacin de redes de investigacin robustas y diversas.
3. Desafos ticos y de Equidad en la Implementacin de la IA: A pesar de los beneficios que la inteligencia artificial puede ofrecer, el estudio resalta desafos significativos relacionados con la tica y la equidad. La implementacin de sistemas de IA debe estar acompaada de un anlisis crtico para evitar la perpetuacin de sesgos y desigualdades, garantizando que estas tecnologas contribuyan a un aprendizaje inclusivo y justo.
4. Relevancia de la Capacitacin en Competencias Digitales: La investigacin destaca la necesidad de invertir en la capacitacin de docentes y estudiantes en competencias digitales para maximizar el impacto positivo de la inteligencia artificial en la educacin. Sin un enfoque adecuado en el desarrollo de habilidades tecnolgicas y pedaggicas, las instituciones de educacin superior podran enfrentar dificultades en la integracin efectiva de la IA en sus programas educativos.
Estas conclusiones reflejan la complejidad y el potencial de la inteligencia artificial en la educacin superior, subrayando la necesidad de un enfoque cuidadoso y tico en su implementacin para maximizar sus beneficios.
Referencias
1. Andrie, B., Lee, J. B., & Bailey, A. (2012). Tensor decomposition for signal processing and machine learning. IEEE Transactions on Medical Imaging, 31(6), 1153-1169. https://doi.org/10.1109/TMI.2012.2189995
2. lvarez, M., & Prieto, P. (2023). Presentacin del Dossier temtico: La educacin superior en la era digital. Revista Educacin Superior Y Sociedad (ESS), 35(2), 28-45. https://doi.org/10.54674/ess.v35i2.879
3. Ballantine, J., Boyce, G. & Stoner, G. (2024). A critical review of AI in accounting education: Threat and opportunity. Critical Perspectives on Accounting, 1-12. https://doi.org/10.1016/j.cpa.2024.102711
4. Boden, M. A. (2017). Inteligencia artificial. Turner.
5. Cotrina-Aliaga, J. C., Vera-Flores, M. ngel, Ortiz-Cotrina, W. C., & Sosa-Celi, P. (2021). Use of Artificial Intelligence (AI) as a strategy in higher education. Revista Iberoamericana De educacin. https://doi.org/10.31876/ie.vi.81
6. Deta, U., Arika, A., Lentika, D., Al Lathifah, S., Suliyanah, S., Admoko, S., & Suprapto, N. (2021). Research Trend of Socio Scientific Issues (SSI) in Physics Learning Through Bibliometric Analysis in 2011-2020 using Scopus Database and the Contribution of Indonesia. Jurnal Penelitian Pendidikan IPA, 7(4), 682-692. https://doi.org/10.29303/jppipa.v7i4.862
7. Elverdin, J. C. (2023). Inteligencia artificial, La punta del iceberg? Revista de la Facultad de Odontologa de la Universidad de Buenos Aires, 38(88), 7-7.
8. Fernndez, A. (2019). Inteligencia artificial en los servicios financieros. Boletn Econmico / Banco de Espaa, 2, 1-10. https://repositorio.bde.es/bitstream/123456789/8448/1/be1902-art7.pdf
9. Garca Pealvo, F. J., Llorens-Largo, F., & Vidal, J. (2024). La nueva realidad de la educacin ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educacin a Distancia, 27(1), 939. https://doi.org/10.5944/ried.27.1.37716
10. Gonzlez Snchez, J. L., Villota Garca, F. R., Moscoso Parra, A. E., Garces Calva, S. W., & Bazurto Arvalo, B. M. (2023). Aplicacin de la Inteligencia Artificial en la Educacin Superior. Dominio de las Ciencias, 9(3), 10971108. https://doi.org/10.23857/dc.v9i3.3488
11. Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., Shum, S. B., Santos, O., Rodrigo, M. T., Cukurova, M., Bittencourt, I., & Koedinger, K. (2021). Ethics of AI in education: Towards a community-wide framework. International Journal of Artificial Intelligence in Education, 32(4), 504-526. https://doi.org/10.1007/s40593-021-00239-1
12. Kulis, B., Basu, S., Dhillon, I. S., & Mooney, R. J. (2009). Semi-supervised graph clustering: A kernel approach. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(2), 219-230. https://doi.org/10.1109/TPAMI.2008.217
13. Lpez, J. (2019). Las narrativas de la inteligencia artificial. Revista de Biotica y Derecho, (46), 5-28.
14. Maher, J., Khan, O., & Jian, M. (2023). Personalized learning through AI. Advances in Engineering Innovation. https://doi.org/10.54254/2977-3903/5/2023039
15. Mena-Guacas, A. F., Vzquez-Cano, E., Fernndez-Mrquez, E., & Lpez-Meneses, E. (2024). La inteligencia artificial y su produccin cientfica en el campo de la educacin. Formacin universitaria, 17(1), 155-164. http://dx.doi.org/10.4067/S0718-50062024000100155
16. Mitrovic, A., Martin, B., & Mayo, M. (2002). Using evaluation to shape its design: Results and experiences with SQL-Tutor. International Journal of Artificial Intelligence in Education, 12(3), 298-326
17. Pacheco-Mendoza J., y Alhuay-Quispe J. (2019). Unidades de Bibliometra, espacios necesarios para el monitoreo de produccin cientfica en la universidad moderna. Rev haban cienc md, 18(3), 376-380. http://www.revhabanera.sld.cu/index.php/rhab/article/view/2874
18. Pais, J., Dias, R., Rocha, I., & Pedrosa, I. (2023). The evolution of dashboard in research: An VOSviewer analysis. 2023 18th Iberian Conference on Information Systems and Technologies (CISTI), 1-7. https://doi.org/10.23919/CISTI58278.2023.10211741
19. Pegalajar-Palomino, M. C. & Rodrguez-Torres, . F. (2023) Digital literacy in university students of education degrees in Ecuador. Front. Educ. 8:1299059. https://doi.10.3389/feduc.2023.1299059
20. Reiss, M. (2021). The use of AI in education: Practicalities and ethical considerations. London Review of Education. https://doi.org/10.14324/LRE.19.1.05
21. Rodrguez, A., Orozco, K., Garca, J., Rodrguez, S. y Barros, H. (2023). La Implementacin de la Inteligencia Artificial en la Educacin: Anlisis Sistemtico. Revista Dominio de la Ciencias, 9(3), 2162-2178. https://doi.org/10.23857/dc.v9i3.3548
22. Rodrguez, ., Cargua, A., Cargua, N., y Garcs, J. (2023). Competencias Digitales de los Estudiantes de la Carrera de Pedagoga de la Actividad Fsica y Deporte: Caso Ecuatoriano. En A. Morales, A. Vargas, J., J. Martnez-Iglesias y C. Gallardo (Coords.). Innovacin y Transferencias de Conocimientos. (pp. 81-96). Dynkinson.
23. Rodrguez, . F., Medina, M. A., Tapia, D. A., y Rodrguez, J. C. (2022). Formacin docente en el proceso de cambio e innovacin en la educacin. Revista Venezolana de Gerencia, 27(8),1420-1434. https://doi.org/10.52080/rvgluz.27.8.43
24. Rodrguez-Torres, ., Marn-Marn, J. A., Lpez Belmonte, J. y Pozo-Snchez, S. (2024a). Inteligencia artificial en la educacin superior: desafos ticos, aportes y competencias necesarias para su implementacin. En J. Fernndez, C. Gallardo, J. Snchez y C. Rodrguez (Coords.). Estrategias y Prcticas Innovadoras para la transformacin Pedaggica. (pp. 123-140). Editorial DYKINSON, S.L.
25. Rodrguez-Torres, ., Rodrguez-Alvear, F., Collaguazo-Lapo, D., y Rodrguez-Alvear, J. (2024b). Diferencias y Aplicaciones de Big Data, Inteligencia Artificial, Machine Learning y Deep Learning. Dom. Cien., 10 (3), 960-982. https://doi.org/10.23857/dc.v10i3.3966
26. Rodrguez-Torres, ., Cargua-Garca, N., Bustamante-Torres, J., y Naranjo-Pinto, J. (2024c). Implementacin de la virtualidad en la educacin superior en tiempos de COVID 19. En J. Lpez-Belmonte, P. Do-Terrn, A-J. Moreno-Guerrero y J. Martnez-Iglesias. Innovacin pedaggica y tecnolgica para transformar los espacios de aprendizaje (pp.101-118). Editorial DYKINSON, S.L
27. Rouhiainen, L. (2018). Inteligencia artificial: 101 cosas que debes saber hoy sobre nuestro futuro. CELESA (Centro de exportacin de Libros Espaoles).
28. Russell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. Pearson Education Limited.
29. Salmern, Y. M., Luna, H. E., Murillo, W. G., & Pacheco, V. A. (2023). El futuro de la Inteligencia Artificial para la educacin en las instituciones de Educacin Superior. Revista Conrado, 19(93), 2734. https://conrado.ucf.edu.cu/index.php/conrado/article/view/3156
30. Snchez, I. A. (2023). Inteligencia Artificial en la Educacin Superior: Un Anlisis Bibliomtrico. Revista Educacin Superior y Sociedad (ESS), 35(2), 156-173. https://doi.org/10.54674/ess.v35i2.820
31. UCA. (24 de agosto de 2023). Inteligencia Artificial en la Educacin Superior: oportunidades y desafos (2023). [Archivo de video]. Youtube. https://www.youtube.com/watch?v=73RAVUKHOWs
32. UCES. (29 de mayo 2023). Inteligencia artificial y universidad: El final de la educacin como la conocemos? [Archivo de video]. Youtube. https://www.youtube.com/watch?v=hEs1UzXlD5g&t=323s
33. Whitehill, J., Ruvolo, P., Fan, J., Palniswami, M., & Movellan, J. R. (2009). Whose vote should count more: Optimal integration of labels from labelers of unknown expertise. IEEE Transactions on Pattern Analysis and Machine Intelligence, 31(11), 2105-2118. https://doi.org/10.1109/TPAMI.2009.88
34. Zavala Crdenas, E., Salazar Guaraca, D., Albn Ynez, E., & Mayorga Albn, A. (2023). El rol de la inteligencia artificial en la enseanza-aprendizaje de la educacin superior. Polo del Conocimiento, 8(3), 3028-3036. https://doi.org/10.23857/pc.v8i3.5542
2024 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
(https://creativecommons.org/licenses/by-nc-sa/4.0/).
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/
