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

 

 

Inteligencia Artificial en Educaci�n Superior: An�lisis Bibliom�trico

 

Artificial Intelligence in Higher Education: Bibliometric Analysis

 

Intelig�ncia Artificial no Ensino Superior: An�lise Bibliom�trica

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: afrodriguez@uce.edu.ec

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

* Recibido: 14 de julio de 2024 *Aceptado: 19 de agosto de 2024 * Publicado: �04 de septiembre de 2024

 

        I.            Doctor en Docencia y Gesti�n Universitaria, Docente-Investigador de la Facultad de Cultura F�sica, Universidad Central del Ecuador, Ecuador.

      II.            Mag�ster en Dise�o y Gesti�n de Proyectos Socioeducativos, Docente-Investigadora de la Facultad de Filosof�a, Letras y Ciencias de la Educaci�n, Universidad Central del Ecuador, Ecuador.

   III.            Mag�ster en Bibliotecolog�a y Archivolog�a, Bibliotecaria de la Facultad de Filosof�a, Letras y Ciencias de la Educaci�n, Universidad Central del Ecuador, Ecuador.

   IV.            Ingeniero Burs�til, Licenciado, Bibliotecolog�a y Ciencias de la Comunicaci�n, Bibliotecario de la Facultad de Ciencias Administrativas, Universidad Central del Ecuador, Ecuador.

 

Resumen

El uso de la inteligencia artificial (IA) en la educaci�n superior ha crecido exponencialmente, transformando los procesos de ense�anza y aprendizaje. Este estudio se enfoca en analizar el impacto de la IA en la educaci�n a trav�s de un an�lisis bibliom�trico de las publicaciones cient�ficas recientes. El objetivo del estudio es realizar un an�lisis bibliom�trico exhaustivo de las publicaciones cient�ficas sobre IA en la educaci�n superior para entender su evoluci�n, distribuci�n geogr�fica, temas predominantes y colaboraciones internacionales. Se utiliz� la base de datos Scopus para identificar 285 documentos relevantes mediante palabras clave como "Inteligencia Artificial", "Educaci�n Superior", "Estudiantes Universitarios" y "Tecnolog�a Educativa". Los datos fueron analizados con el software Bibliometrix y visualizados mediante VOSviewer, lo que permiti� mapear tendencias y relaciones clave en la investigaci�n. El an�lisis revel� un crecimiento significativo en las publicaciones sobre IA en educaci�n, con Estados Unidos y China liderando en colaboraci�n internacional. Los temas m�s investigados incluyen aprendizaje autom�tico, miner�a de datos, y educaci�n personalizada, destacando una fuerte interdisciplinariedad en el campo. La investigaci�n subraya la creciente importancia de la IA en la educaci�n superior, se�alando tanto oportunidades como desaf�os �ticos y de equidad. Es crucial continuar invirtiendo en competencias digitales para estudiantes y docentes para maximizar los beneficios de la IA en la educaci�n.

Palabras clave: Inteligencia Artificial; Educaci�n Superior; An�lisis Bibliom�trico; Colaboraci�n 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 utiliza��o da intelig�ncia artificial (IA) no ensino superior tem crescido exponencialmente, transformando os processos de ensino e aprendizagem. Este estudo centra-se na an�lise do impacto da IA ​​na educa��o atrav�s de uma an�lise bibliom�trica de publica��es cient�ficas recentes. O objetivo do estudo � realizar uma an�lise bibliom�trica abrangente das publica��es cient�ficas sobre IA no ensino superior para compreender a sua evolu��o, distribui��o geogr�fica, temas predominantes e colabora��es internacionais. A base de dados Scopus foi utilizada para identificar 285 documentos relevantes utilizando palavras-chave como �Intelig�ncia Artificial�, �Ensino Superior�, �Estudantes Universit�rios� e �Tecnologia Educativa�. Os dados foram analisados ​​no software Bibliometrix e visualizados no VOSviewer, o que permitiu mapear as principais tend�ncias e rela��es da pesquisa. A an�lise revelou um crescimento significativo das publica��es sobre IA na educa��o, com os Estados Unidos e a China a liderarem a colabora��o internacional. Os temas mais pesquisados ​​incluem a aprendizagem autom�tica, a minera��o de dados e a educa��o personalizada, destacando uma forte interdisciplinaridade na �rea. A investiga��o sublinha a crescente import�ncia da IA ​​no ensino superior, apontando tanto para oportunidades como para desafios �ticos e de equidade. � crucial continuar a investir em compet�ncias digitais para estudantes e professores, de forma a maximizar os benef�cios da IA ​​na educa��o.

Palavras-chave: Intelig�ncia Artificial; Ensino superior; An�lise Bibliom�trica; Colabora��o Internacional.

 

 

 

Introducci�n

La inteligencia artificial (IA) ha experimentado un avance significativo en las �ltimas d�cadas, permitiendo que las m�quinas emulen procesos cognitivos humanos complejos, como el reconocimiento de patrones y la toma de decisiones basadas en datos (Fern�ndez, 2019; Rouhiainen, 2018). Este campo interdisciplinario combina teor�as y algoritmos para dotar a las computadoras de habilidades anteriormente consideradas exclusivas de los seres humanos, tales como la comprensi�n, el aprendizaje y la adaptaci�n a nuevas situaciones (L�pez, 2019). Mientras tanto, la inteligencia artificial general (IAG) aspira a superar las limitaciones de las aplicaciones espec�ficas, con el objetivo de equipar a las m�quinas 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 acad�mico y la participaci�n estudiantil a trav�s de la personalizaci�n del aprendizaje. Sin embargo, tambi�n se han identificado desaf�os significativos, como la brecha digital y la resistencia docente (Morocho et al., 2023).

La IA se est� convirtiendo r�pidamente en una tecnolog�a transformadora en la educaci�n superior, presentando oportunidades y desaf�os para la educaci�n, la eficiencia institucional y las actividades de investigaci�n (Ballantine et al., 2024). Existe un creciente inter�s por explorar y validar las aplicaciones de la IA para optimizar los procesos de ense�anza y aprendizaje. No obstante, tambi�n surgen interrogantes �ticos sobre c�mo implementar responsablemente estas tecnolog�as emergentes.

La implementaci�n de herramientas de IA en instituciones de educaci�n superior est� transformando los modos tradicionales de ense�ar y aprender. Si bien existen importantes oportunidades en t�rminos de personalizaci�n y mejora de los resultados acad�micos, tambi�n se presentan riesgos que deben ser mitigados (Rodr�guez et al., 2023). Uno de los principales desaf�os se vincula con el potencial impacto negativo de estas tecnolog�as en la equidad y la justicia educativa. Si los algoritmos replican sesgos presentes en los datos hist�ricos, pueden perpetuar patrones de exclusi�n y discriminaci�n. Por lo tanto, es fundamental desarrollar sistemas de IA �ticos que promuevan la inclusi�n 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 informaci�n, respetando la privacidad mediante estrictos protocolos de encriptaci�n y acceso restringido (UCES, 2023).

La IA permite personalizar y mejorar el aprendizaje de los estudiantes, facilitando su trabajo a trav�s de asistentes virtuales y optimizando los materiales de estudio. Esto es sumamente valioso en una regi�n como Latinoam�rica, donde se prev� que el impacto de la IA ser� mayor en la educaci�n terciaria que en los niveles b�sicos. No obstante, aprovechar estas posibilidades requiere realizar inversiones en infraestructura inform�tica y una transformaci�n de los programas de estudio para desarrollar curr�culos flexibles y competencias digitales desde etapas tempranas. De lo contrario, ser� dif�cil implementar herramientas de IA avanzadas. Asimismo, es clave capacitar tanto a estudiantes como a docentes en el uso de estas tecnolog�as (Pegalajar-Palomino & Rodr�guez-Torres, 2023; Rodr�guez 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 ver�n limitadas sus oportunidades laborales frente a un mercado global cada vez m�s competitivo (UCA, 2023).

 

Revisi�n de Literatura

La inteligencia artificial (IA) se ha convertido en un elemento transformador en diversos campos, y la educaci�n superior no es la excepci�n. Definida como el desarrollo de sistemas que pueden realizar tareas que normalmente requieren inteligencia humana, como el aprendizaje, el razonamiento y la autocorrecci�n, permite la creaci�n de escenarios de aprendizaje personalizados que se adaptan a las necesidades espec�ficas de cada estudiante, mejorando as� la calidad del proceso educativo (Boden, 2016; Rodr�guez-Torres et al., 2024a).

En opini�n de Zavala et al. (2023), la implementaci�n de la IA en la educaci�n superior tiene el potencial de impactar positivamente en la calidad de vida de los estudiantes y docentes. A trav�s de plataformas que analizan el desempe�o y la informaci�n de los estudiantes, la IA puede ofrecer rutas de aprendizaje m�s 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 c�mo la IA transformar� realmente la educaci�n superior.

 

Desaf�os y Oportunidades

Es importante considerar que uno de los principales desaf�os que enfrenta la educaci�n superior en la era de la IA es la falta de comprensi�n y precisi�n en su aplicaci�n. Aunque se reconoce la importancia de la IA, las instituciones educativas deben estar preparadas para adaptarse a estas nuevas realidades tecnol�gicas y evitar que la educaci�n se convierta en un conjunto de saberes obsoletos. Esto implica no solo la adopci�n de nuevas tecnolog�as, sino tambi�n la necesidad de establecer pol�ticas y regulaciones claras que garanticen la �tica y la privacidad en su uso (Rodr�guez-Torres et al., 2024b).

 

La Necesidad de un Enfoque Cr�tico

Es esencial fomentar una reflexi�n cr�tica sobre el papel de la IA en el proceso educativo. La IA no debe ser vista �nicamente como una herramienta, sino como un fen�meno que reconfigura radicalmente las formas de aprender y ense�ar, promoviendo aprendizajes profundos y transferibles a nuevas situaciones o a la resoluci�n de problemas complejos en la profesi�n. Para integrar la IA de manera efectiva y �tica, es necesario que los educadores y las instituciones educativas reconsideren sus pr�cticas y adopten un enfoque que enfatice la personalizaci�n del aprendizaje, el acceso a la informaci�n y la optimizaci�n de la gesti�n administrativa (Maher et al., 2023).

El uso de la IA en la educaci�n superior est� revolucionando el sector, permitiendo un aprendizaje m�s personalizado y mejorando el acceso a la informaci�n. No obstante, la implementaci�n de IA tambi�n presenta desaf�os �ticos y pr�cticos que deben ser abordados para maximizar sus beneficios. Estos desaf�os incluyen preocupaciones sobre la privacidad, la seguridad de los datos, el sesgo algor�tmico, y la equidad en el acceso (Holmes et al., 2021). Seg�n Gonz�lez et al. (2023), la IA posee un potencial transformador significativo en la educaci�n, posicion�ndose como una de las innovaciones tecnol�gicas m�s importantes que podr�an revolucionar el sector en las pr�ximas d�cadas. Sin embargo, la implementaci�n efectiva de la IA debe acompa�arse de consideraciones �ticas y pedag�gicas rigurosas para garantizar que esta tecnolog�a potencie un aprendizaje integral sin reemplazar el papel fundamental de los educadores (Reiss, 2021).

 

Desaf�os y Consideraciones �ticas

La implementaci�n de la IA en la educaci�n requiere una planificaci�n cuidadosa y una formaci�n adecuada para docentes y estudiantes. La formaci�n y capacitaci�n continua de los docentes en la aplicaci�n de estrategias did�cticas innovadoras con principios de equidad y acceso deben abordarse con responsabilidad �tica (Rodr�guez-Torres et al., 2024c; Salmer�n et al., 2023). De esta forma se garantiza procesos de control para asegurar un impacto favorable en la calidad educativa.

 

Bibliometr�a y producci�n cient�fica

El papel de las unidades de bibliometr�a en la evaluaci�n y monitoreo de la producci�n cient�fica es fundamental, especialmente en �reas emergentes como la IA en la educaci�n superior. Pacheco y Alhuay (2019) destacan la importancia de desarrollar y adaptar indicadores bibliom�tricos que eval�en eficazmente la calidad y el impacto de las investigaciones en IA y su aplicaci�n educativa. Estas unidades no solo facilitan la colaboraci�n entre investigadores, sino que tambi�n fomentan la creaci�n de redes multidisciplinarias, aumentando as� la visibilidad y el alcance de la investigaci�n (Pacheco & Alhuay, 2019).

La bibliometr�a emplea diversas metodolog�as, como el an�lisis de citas, para medir el impacto y la relevancia de la investigaci�n, identificando tendencias y �reas de inter�s emergentes. La aplicaci�n de indicadores como el �ndice h y el factor de impacto permite una evaluaci�n m�s detallada de la producci�n cient�fica. Adem�s, el an�lisis de redes de co-citaci�n revela conexiones entre �reas de investigaci�n y autores, visualizando el desarrollo de campos de estudio espec�ficos (Mena-Huacas, 2024).

Mena-Huacas (2024) subraya la relevancia de los estudios bibliom�tricos en IA y educaci�n, evidenciando un incremento significativo en las publicaciones cient�ficas y su distribuci�n geogr�fica. Esta tendencia refleja un inter�s creciente en la IA aplicada a la educaci�n, con una notable concentraci�n de investigaciones en pa�ses como Estados Unidos, China y Reino Unido. Adem�s, se destaca que el 98% de las publicaciones est�n en ingl�s, lo que podr�a afectar el acceso global a la investigaci�n (Garc�a Pe�alvo et al., 2024).

En el contexto educativo, Garc�a Pe�alvo et al. (2024) enfatizan la necesidad de incorporar la inteligencia artificial en la educaci�n superior de manera cr�tica y reflexiva, considerando la personalizaci�n del aprendizaje. Seg�n Cotrina et al. (2021), la integraci�n de la IA est� transformando las pr�cticas educativas, mejorando la interacci�n entre docentes y estudiantes, y subraya la necesidad de desarrollar competencias digitales en ambos grupos (Cotrina et al., 2021; Rodr�guez et al., 2023).

S�nchez (2023) destaca el potencial de la IA para mejorar la calidad y accesibilidad de la educaci�n, aunque tambi�n se�ala desaf�os, como la distribuci�n desigual de la investigaci�n geogr�ficamente. �lvarez y Prieto (2023) a�aden que la implementaci�n de la IA requiere una revisi�n cr�tica de las estrategias pedag�gicas para garantizar su efectividad en el aprendizaje, resaltando la importancia de la personalizaci�n educativa en funci�n de las necesidades de los estudiantes (S�nchez, 2023).

En resumen, la relaci�n entre tecnolog�a y subjetividad humana enfatiza la necesidad de integrar diversas perspectivas para promover la equidad en el acceso a la educaci�n. Las instituciones de educaci�n superior deben adoptar reformas significativas para adaptarse a un futuro tecnol�gico, asegurando que la digitalizaci�n promueva la inclusi�n y la sostenibilidad. La implementaci�n de tecnolog�as como la inteligencia artificial debe estar acompa�ada de un an�lisis �tico y cr�tico para evitar inequidades y desigualdades (�lvarez & Prieto, 2023).

El prop�sito de este estudio es realizar un an�lisis bibliom�trico detallado sobre la implementaci�n y el impacto de la inteligencia artificial (IA) en la educaci�n superior, destacando su potencial para transformar los m�todos tradicionales de ense�anza y aprendizaje.

 

M�todo

El presente estudio es descriptivo y se bas� en un an�lisis bibliom�trico 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 acad�micas m�s grandes y reconocidas a nivel mundial, proporcionando res�menes y citas de una amplia gama de publicaciones cient�ficas revisadas por pares. Esta base de datos es altamente eficaz para visualizar, rastrear y analizar la producci�n cient�fica (Deta et al., 2021).

El estudio se centr� en analizar publicaciones cient�ficas sobre inteligencia artificial y educaci�n superior, utilizando t�cnicas bibliom�tricas para evaluar su relevancia. Se seleccionaron las siguientes palabras clave: "Inteligencia Artificial," "Educaci�n Superior," "Estudiantes Universitarios," y "Tecnolog�a Educativa," con la ayuda de un tesauro especializado. Con estos t�rminos, se realiz� una b�squeda en Scopus, identificando un total de 285 documentos, que fueron posteriormente exportados a Excel para su an�lisis.

El an�lisis bibliom�trico se llev� a cabo utilizando el software Bibliometrix, mientras que la visualizaci�n de los datos se realiz� con VOSviewer. Este software de mapeo bibliom�trico analiza tendencias de investigaci�n y las palabras clave m�s frecuentemente utilizadas en art�culos cient�ficos, presentando mapas que agrupan estas palabras clave en clusters, lo que facilita su comprensi�n (Pais et al., 2023). Este enfoque permiti� evaluar la concurrencia tem�tica de las palabras clave y visualizar las relaciones entre diferentes conceptos en la literatura cient�fica, proporcionando coherencia en la interpretaci�n de los resultados.

El an�lisis descriptivo incluy� la evaluaci�n de autores, palabras clave, afiliaci�n institucional, co-ocurrencia de palabras clave, autores m�s relevantes y la distribuci�n geogr�fica de las publicaciones en los 285 documentos analizados. Adem�s, se observ� el tama�o del nodo y la fuerza del v�nculo en los resultados del mapeo y la visualizaci�n utilizando VOSviewer, lo que permiti� una comprensi�n m�s profunda de las redes de investigaci�n 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 investigaci�n (a la izquierda) y los autores (en el centro), as� como las instituciones a las que est�n afiliados (a la derecha). A continuaci�n, se realiza una interpretaci�n del diagrama:

 

Temas de Investigaci�n (DE - Dominio Espec�fico)

-        Los bloques a la izquierda representan los diferentes temas de investigaci�n relacionados con la educaci�n 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 est�n coloreados de acuerdo a su relevancia o frecuencia de aparici�n en los documentos analizados. Por ejemplo, "active learning" y "AI" parecen tener un mayor peso, lo que indica una tendencia de investigaci�n significativa en estas �reas.

 

Autores (AU)

-        Los bloques en el centro representan a los autores que han contribuido significativamente a la investigaci�n en estos temas.

-        Los flujos que conectan los temas de investigaci�n con los autores muestran las �reas espec�ficas 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" est�n vinculados a m�ltiples temas, como "AI" y "machine learning".

 

Afiliaci�n Institucional (AU_UN)

-        Los bloques a la derecha representan las instituciones a las que est�n 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 d�nde se realiza esta investigaci�n. Por ejemplo, "kumar a" est� afiliado a la "Universidade Portucalense", y se observa que la investigaci�n en "active learning" est� fuertemente representada en esta instituci�n.

 

Fig.2. Palabras claves, autores y afiliaci�n

 

La figura 2 muestra la relaci�n entre autores, palabras clave y afiliaciones en el contexto de la IA en la educaci�n superior. Estos autores y t�rminos clave est�n relacionados con investigaciones y desarrollos en el campo de la IA aplicada a la educaci�n superior y permite identificar la:

-        Concentraci�n de Investigaci�n: El diagrama indica que la investigaci�n en "active learning" y "AI" es prominente, con varios autores contribuyendo desde diferentes instituciones. Esto sugiere un inter�s acad�mico consolidado en estas �reas.

-        Interdisciplinariedad: Algunos autores est�n vinculados a m�ltiples temas, lo que sugiere que su investigaci�n abarca varias �reas de inter�s dentro de la inteligencia artificial y la educaci�n superior.

-        Distribuci�n: Las instituciones representadas indican una distribuci�n internacional de la investigaci�n, con universidades de diversas partes del mundo contribuyendo al campo.

 

Fig. 2. Co-ocurrencia y palabras claves

 

El mapa presentado es un gr�fico de co-ocurrencias generado por el software VOSviewer, que visualiza las relaciones entre diferentes t�rminos (palabras clave) en el �mbito de la inteligencia artificial (IA) aplicada a la educaci�n. Cada nodo representa una palabra clave, y el tama�o del nodo indica la frecuencia de aparici�n del t�rmino en los documentos analizados. Las l�neas que conectan los nodos reflejan la co-ocurrencia de t�rminos en los mismos art�culos, mientras que los colores agrupan los t�rminos en clusters, indicando temas relacionados.

 

Cluster Rojo - Inteligencia Artificial en Educaci�n

-        Centro del mapa: El t�rmino "artificial intelligence" es el nodo m�s grande, lo que indica que es el t�rmino m�s central y frecuentemente utilizado en los estudios relacionados.

-        T�rminos asociados: "learning systems", "machine learning", "e-learning", y "students" son otros t�rminos clave en este cluster, lo que sugiere un enfoque en c�mo la IA se integra en los sistemas de aprendizaje y educaci�n electr�nica.

 

Cluster Verde - Metodolog�a y Procesamiento de Datos

-        M�todos y an�lisis: T�rminos como "methodology", "algorithms", y "data mining" aparecen en este cluster, indicando que una gran parte de la investigaci�n se centra en el desarrollo y la aplicaci�n de algoritmos y metodolog�as para el procesamiento de datos en el contexto educativo.

-        �tica y humanidades: La presencia de t�rminos como "ethics" y "human" sugiere que tambi�n hay una consideraci�n significativa sobre las implicaciones �ticas y human�sticas de aplicar la IA en la educaci�n.

 

Cluster Azul - Innovaci�n y Aprendizaje Activo

-        Ense�anza y aprendizaje: T�rminos como "active learning", "teaching", y "gamification" est�n agrupados en este cluster, lo que destaca el inter�s en las metodolog�as pedag�gicas innovadoras que incorporan IA para mejorar el aprendizaje activo y las experiencias educativas.

-        Educaci�n superior: "higher education" y "educational innovation" son t�rminos importantes en este cluster, lo que indica un foco en c�mo la IA est� transformando la educaci�n en el nivel universitario.

 

Relaciones entre Clusters

-        Interconexi�n: El mapa muestra una densa red de conexiones entre los clusters, lo que sugiere que estos temas no est�n aislados, sino que se interrelacionan fuertemente. Por ejemplo, la "inteligencia artificial" (cluster rojo) est� estrechamente conectada con las "metodolog�as" (cluster verde) y las "innovaciones educativas" (cluster azul), lo que refleja un enfoque multidisciplinario en la investigaci�n.

-        Tendencias emergentes: La intersecci�n de t�rminos como "learning systems", "machine learning", y "methodology" puede indicar �reas emergentes en la investigaci�n, donde se exploran nuevos modelos de aprendizaje basados en IA.

Este mapa de co-ocurrencias proporciona una visi�n integral de las �reas de investigaci�n predominantes en el uso de la inteligencia artificial en la educaci�n, destacando tanto las metodolog�as t�cnicas como las aplicaciones pedag�gicas. El gr�fico revela que t�rminos como "aprendizaje autom�tico", "miner�a de datos" y "aprendizaje profundo" est�n estrechamente relacionados, lo que indica su relevancia en la investigaci�n educativa en inteligencia artificial. Asimismo, se observa que el t�rmino "inteligencia artificial" est� vinculado a una amplia gama de otros conceptos, lo que sugiere su aplicaci�n en diversas facetas educativas. Esto subraya el car�cter interdisciplinario de la investigaci�n, que combina enfoques tecnol�gicos, pedag�gicos y de las ciencias sociales para abordar los desaf�os y oportunidades que presenta la inteligencia artificial en el �mbito educativo.

 

Fig. 3. Autores m�s relevantes

 

La figura 3 muestra los documentos m�s citados a nivel global en el campo de la inteligencia artificial y �reas relacionadas. Aqu� se visualizan diez art�culos con el n�mero total de citas que han recibido, reflejando su impacto y relevancia en la comunidad cient�fica.

 

Documentos m�s Citados

-        Whitehill et al. (2009): Este art�culo, publicado en IEEE Transactions on Pattern Analysis and Machine Intelligence, es el m�s citado con 229 citas. Esto indica que el trabajo realizado por Whitehill y sus coautores es altamente influyente, posiblemente proponiendo un m�todo o enfoque innovador que ha sido ampliamente adoptado o discutido en la literatura.

-        Kulis et al. (2009): Otro art�culo destacado en la misma revista, con 229 citas, lo que sugiere que este documento es igualmente influyente y podr�a estar relacionado tem�ticamente 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 investigaci�n actual, particularmente en el an�lisis de patrones y aplicaciones m�dicas.

-        Diversidad de �reas de Investigaci�n: Aunque la mayor�a de los art�culos provienen del campo de la inteligencia artificial y la inform�tica, tambi�n se incluyen art�culos en �reas como la educaci�n (Mitrovic et al., 2000) y tecnolog�as sociales (Robinson, 2010). Esto indica que la investigaci�n en IA tiene aplicaciones multidisciplinarias.

 

Distribuci�n de Citaciones

-        Variedad en el Impacto: Las citas var�an significativamente entre los documentos, con los dos primeros art�culos acumulando m�s de 200 citas cada uno, mientras que los dem�s tienen entre 30 y 70 citas. Esto puede reflejar diferencias en la novedad, aplicabilidad o accesibilidad de las investigaciones presentadas en estos art�culos.

 

Fig. 4. Autores por pa�ses

La figura 4 muestra la distribuci�n de publicaciones cient�ficas seg�n el pa�s de origen del autor correspondiente, diferenciando entre publicaciones realizadas dentro de un solo pa�s (SCP: Single Country Publications) y aquellas que implican colaboraci�n entre autores de m�ltiples pa�ses (MCP: Multiple Country Publications).

 

Liderazgo en Publicaciones

-        Estados Unidos (USA): Lidera la lista con la mayor cantidad de publicaciones, especialmente en colaboraci�n internacional (MCP). Esto sugiere que los investigadores en los EE.UU. est�n fuertemente involucrados en redes de colaboraci�n global, lo cual es caracter�stico de una comunidad acad�mica bien conectada y de alta influencia.

-        China: Tambi�n muestra un n�mero significativo de publicaciones, con una proporci�n considerable de colaboraciones internacionales (MCP). Este dato destaca la creciente presencia de China en la investigaci�n global, especialmente en campos relacionados con la tecnolog�a y la ciencia.

 

Tendencias de Colaboraci�n

-        Colaboraci�n Internacional: Pa�ses como el Reino Unido, Alemania, y Espa�a tambi�n muestran un buen equilibrio entre publicaciones nacionales (SCP) e internacionales (MCP), lo que sugiere un enfoque tanto en la investigaci�n interna como en la colaboraci�n global.

-        Colaboraci�n Nacional: Algunos pa�ses, como India y Brasil, tienen una mayor proporci�n de publicaciones nacionales (SCP), lo que podr�a indicar un enfoque m�s regional o menos acceso a redes internacionales de colaboraci�n.

 

Diversidad Geogr�fica

-        Europa: Muchos pa�ses europeos como Alemania, el Reino Unido, Portugal y Espa�a est�n representados en el gr�fico, reflejando la importancia de la regi�n en la producci�n cient�fica global, con un enfoque balanceado entre la investigaci�n nacional e internacional.

-        Asia y Am�rica Latina: Adem�s de China e India, otros pa�ses asi�ticos como Indonesia y Hong Kong, junto con pa�ses latinoamericanos como Argentina y Colombia, muestran participaci�n, aunque con un menor n�mero de publicaciones en comparaci�n con los l�deres.

 

Implicaciones

-        Estados Unidos y China como Centros Globales: Estos dos pa�ses son claramente los centros de la investigaci�n cient�fica, especialmente en �reas donde la colaboraci�n internacional es clave.

-        Importancia de la Colaboraci�n Internacional: La gran cantidad de MCP en varios pa�ses subraya la importancia de las colaboraciones internacionales en la ciencia moderna, lo que permite a los investigadores acceder a recursos, datos y conocimientos m�s all� de sus fronteras nacionales.

La figura 4 refleja la distribuci�n geogr�fica de la producci�n cient�fica y destaca la importancia de la colaboraci�n internacional, especialmente en pa�ses con un alto n�mero de publicaciones. Tambi�n pone de manifiesto c�mo las din�micas de colaboraci�n pueden variar entre regiones, lo que puede estar influenciado por factores como el acceso a redes internacionales, recursos disponibles, y pol�ticas de investigaci�n nacionales.

 

Conclusiones

El estudio plantea las siguientes conclusiones:

      1.            Creciente Importancia de la Inteligencia Artificial en la Educaci�n Superior: El an�lisis bibliom�trico realizado evidencia un incremento significativo en las publicaciones cient�ficas relacionadas con la inteligencia artificial aplicada a la educaci�n superior, destacando su papel emergente como un elemento transformador en los procesos de ense�anza y aprendizaje. Este crecimiento sugiere un inter�s acad�mico global en explorar y validar las aplicaciones de IA en este campo.

      2.            Interdisciplinariedad y Colaboraci�n Internacional: Los resultados indican que la investigaci�n en inteligencia artificial en educaci�n superior es altamente interdisciplinaria, combinando enfoques de tecnolog�a, pedagog�a y ciencias sociales. Adem�s, la colaboraci�n internacional, especialmente entre Estados Unidos, China y pa�ses europeos, ha sido clave para el avance en esta �rea, permitiendo la creaci�n de redes de investigaci�n robustas y diversas.

      3.            Desaf�os �ticos y de Equidad en la Implementaci�n de la IA: A pesar de los beneficios que la inteligencia artificial puede ofrecer, el estudio resalta desaf�os significativos relacionados con la �tica y la equidad. La implementaci�n de sistemas de IA debe estar acompa�ada de un an�lisis cr�tico para evitar la perpetuaci�n de sesgos y desigualdades, garantizando que estas tecnolog�as contribuyan a un aprendizaje inclusivo y justo.

      4.            Relevancia de la Capacitaci�n en Competencias Digitales: La investigaci�n destaca la necesidad de invertir en la capacitaci�n de docentes y estudiantes en competencias digitales para maximizar el impacto positivo de la inteligencia artificial en la educaci�n. Sin un enfoque adecuado en el desarrollo de habilidades tecnol�gicas y pedag�gicas, las instituciones de educaci�n superior podr�an enfrentar dificultades en la integraci�n efectiva de la IA en sus programas educativos.

Estas conclusiones reflejan la complejidad y el potencial de la inteligencia artificial en la educaci�n superior, subrayando la necesidad de un enfoque cuidadoso y �tico en su implementaci�n 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). Presentaci�n del Dossier tem�tico: �La educaci�n superior en la era digital�. Revista Educaci�n 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 educaci�n. 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 Odontolog�a de la Universidad de Buenos Aires, 38(88), 7-7.

      8.            Fern�ndez, A. (2019). Inteligencia artificial en los servicios financieros. Bolet�n Econ�mico / Banco de Espa�a, 2, 1-10. https://repositorio.bde.es/bitstream/123456789/8448/1/be1902-art7.pdf

      9.            Garc�a Pe�alvo, F. J., Llorens-Largo, F., & Vidal, J. (2024). La nueva realidad de la educaci�n ante los avances de la inteligencia artificial generativa. RIED-Revista Iberoamericana de Educaci�n a Distancia, 27(1), 9�39. https://doi.org/10.5944/ried.27.1.37716

  10.            Gonz�lez S�nchez, J. L., Villota Garc�a, F. R., Moscoso Parra, A. E., Garces Calva, S. W., & Bazurto Ar�valo, B. M. (2023). Aplicaci�n de la Inteligencia Artificial en la Educaci�n Superior. Dominio de las Ciencias, 9(3), 1097�1108. 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.            L�pez, J. (2019). Las narrativas de la inteligencia artificial. Revista de Bio�tica 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., V�zquez-Cano, E., Fern�ndez-M�rquez, E., & L�pez-Meneses, E. (2024). La inteligencia artificial y su producci�n cient�fica en el campo de la educaci�n. Formaci�n 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 Bibliometr�a, espacios necesarios para el monitoreo de producci�n cient�fica en la universidad moderna. Rev haban cienc m�d, 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. & Rodr�guez-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.            Rodr�guez, A., Orozco, K., Garc�a, J., Rodr�guez, S. y Barros, H. (2023). La Implementaci�n de la Inteligencia Artificial en la Educaci�n: An�lisis Sistem�tico. Revista Dominio de la Ciencias, 9(3), 2162-2178. https://doi.org/10.23857/dc.v9i3.3548�

  22.            Rodr�guez, �., Cargua, A., Cargua, N., y Garc�s, J. (2023). Competencias Digitales de los Estudiantes de la Carrera de Pedagog�a de la Actividad F�sica y Deporte: Caso Ecuatoriano. En A. Morales, A. Vargas, J., J. Mart�nez-Iglesias y C. Gallardo (Coords.). Innovaci�n y Transferencias de Conocimientos. (pp. 81-96). Dynkinson.

  23.            Rodr�guez, �. F., Medina, M. A., Tapia, D. A., y Rodr�guez, J. C. (2022). Formaci�n docente en el proceso de cambio e innovaci�n en la educaci�n. Revista Venezolana de Gerencia, 27(8),1420-1434. https://doi.org/10.52080/rvgluz.27.8.43

  24.            Rodr�guez-Torres, �., Mar�n-Mar�n, J. A., L�pez Belmonte, J. y Pozo-S�nchez, S. (2024a). Inteligencia artificial en la educaci�n superior: desaf�os �ticos, aportes y competencias necesarias para su implementaci�n. En J. Fern�ndez, C. Gallardo, J. S�nchez y C. Rodr�guez (Coords.). Estrategias y Pr�cticas Innovadoras para la transformaci�n Pedag�gica. (pp. 123-140). Editorial DYKINSON, S.L.

  25.            Rodr�guez-Torres, �., Rodr�guez-Alvear, F., Collaguazo-Lapo, D., y Rodr�guez-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.            Rodr�guez-Torres, �., Cargua-Garc�a, N., Bustamante-Torres, J., y Naranjo-Pinto, J. (2024c). Implementaci�n de la virtualidad en la educaci�n superior en tiempos de COVID 19. En J. L�pez-Belmonte, P. D�o-Terr�n, A-J. Moreno-Guerrero y J. Mart�nez-Iglesias. Innovaci�n pedag�gica y tecnol�gica 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 exportaci�n de Libros Espa�oles).

  28.            Russell, S. J., & Norvig, P. (2016). Artificial intelligence: a modern approach. Pearson Education Limited.

  29.            Salmer�n, Y. M., Luna, H. E., Murillo, W. G., & Pacheco, V. A. (2023). El futuro de la Inteligencia Artificial para la educaci�n en las instituciones de Educaci�n Superior. Revista Conrado, 19(93), 27�34. https://conrado.ucf.edu.cu/index.php/conrado/article/view/3156

  30.            S�nchez, I. A. (2023). Inteligencia Artificial en la Educaci�n Superior: Un An�lisis Bibliom�trico. Revista Educaci�n 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 Educaci�n Superior: oportunidades y desaf�os (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 educaci�n 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 C�rdenas, E., Salazar Guaraca, D., Alb�n Y�nez, E., & Mayorga Alb�n, A. (2023). El rol de la inteligencia artificial en la ense�anza-aprendizaje de la educaci�n superior. Polo del Conocimiento, 8(3), 3028-3036. https://doi.org/10.23857/pc.v8i3.5542

 

 

 

 

 

 

 

� 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/).