Microecosistemas de aprendizaje adaptativo: personalización mediante algoritmos predictivos

Eugenio Rafael Mora Zambrano

Resumen


El estudio sobre los microecosistemas de aprendizaje adaptativo se centró en analizar la eficacia de los algoritmos predictivos para personalizar la educación y mejorar el rendimiento académico de los estudiantes. Utilizando un enfoque metodológico cualitativo y una revisión bibliográfica, se recopilaron datos de investigaciones académicas recientes sobre el tema. Los principales resultados indicaron que la integración de inteligencia artificial (IA) y algoritmos predictivos permitió ajustar dinámicamente el contenido educativo a las necesidades individuales, lo que incrementó el rendimiento académico en un 20% en matemáticas y mejoró la retención del conocimiento a largo plazo en un 30%. Además, se destacó que estos sistemas fomentaron un entorno educativo más inclusivo y flexible, adaptándose a diversos contextos sociales y culturales. Sin embargo, el estudio también abordó preocupaciones éticas relacionadas con la privacidad de los datos y la equidad en el acceso a estas tecnologías. En conclusión, aunque los microecosistemas adaptativos resultaron ser herramientas valiosas para personalizar el aprendizaje, fue esencial abordar las consideraciones éticas para garantizar una implementación justa y equitativa. Se recomendó realizar investigaciones empíricas adicionales para evaluar el impacto real de estos sistemas en diferentes poblaciones estudiantiles y explorar más a fondo las implicaciones sociales del uso de IA en la educación.


Palabras clave


Microecosistemas; aprendizaje adaptativo; algoritmos predictivos; inteligencia artificial; personalización educativa.

Texto completo:

PDF HTML

Referencias


Arteaga Alcívar, Y. A., Vidal Jiménez, L. A., Espinosa Cevallos, P. A., & Valencia Arguello, E. (2024). Evaluación de las plataformas de aprendizaje adaptativo en educación secundaria. Revista Dilemas Contemporáneos: Educación, Política y Valores, 12(1).

Cisneros Hernández, M. A. J. (2019). Análisis de los procesos de gestión cultural en proyectos de intervención artística con grupos de atención prioritaria en la Ciudad de México (Tesis doctoral, Universidad Autónoma de la Ciudad de México).

Eickelmann, B. (2024). Measuring secondary school students' competence in computational thinking in ICILS 2018: Challenges, concepts, and potential implications for school systems around the world. En S.-C. Kong & H. Abelson (Eds.), Computational thinking education (cap. 4). Springer.

Ferrero, F. (2018). Big data y educación: Un análisis vigotskiano de los "algoritmos predictivos del éxito de los estudiantes".

García Villarroel, J. J. (2021). Implicancia de la inteligencia artificial en las aulas virtuales para la educación superior. Orbis Tertius UPAL, 5(10), 31–52.

García, M. B. (2024). Transformando la educación con inteligencia artificial: Innovaciones para mejorar la experiencia y el rendimiento académico. Praxis, 20(3), 2.

Giró Grácia, X., & Sancho-Gil, J. M. (2022). La inteligencia artificial en la educación: Big data, cajas negras y solucionismo tecnológico. RELATEC: Revista Latinoamericana de Tecnología Educativa, 21(1), 129–145.

Labusch, A., Eickelmann, B., & Vennemann, M. (2024). Computational thinking processes and their congruence with problem-solving and information processing. En S.-C. Kong & H. Abelson (Eds.), Computational thinking education (cap. 5). Springer.

Marshall, E. A., Guenette, F. L., Ward, T., Morley, T., Lawrence, B., & Fisher, K. (2011). Adolescents' science career aspirations explored through identity and possible selves. En L. D. Yore, E. Van der Flier-Keller, D. W. Blades, T. W. Pelton, & D. B. Zandvliet (Eds.), Pacific CRYSTAL Centre for Science, Mathematics, and Technology Literacy: Lessons Learned (pp. 47–65). Sense Publishers.

Morales, N. O., & García, P. A. O. (2024). Aplicación de modelos de inteligencia artificial en pruebas estandarizadas para la optimización del rendimiento académico en educación superior. European Public & Social Innovation Review, 9, 1–21.

Moreno-Arribas, M. V., González de Llano, D., & Rodriguez-Saavedra, M. (2021). Cerveza artesanal: Innovaciones biotecnológicas en cervecería y sobre su impacto en la microbiota y salud intestinal. CSIC-UAM - Instituto de Investigación en Ciencias de la Alimentación (CIAL).

Mosquera Laverde, W. E., Gomez Espinosa, C. P., Osorio Mass, R. C., Paez Paez, J., Simanca, F., & Cortes, J. (2022). Tecnología blockchain: herramienta para la sostenibilidad de las empresas hoteleras de Bogotá-Colombia.

Pindo, B. M. C. P. C., Aguirre, A. J. C., Endara, M. G. H., Dávila, C. F. C., & Aguirre, J. C. O. (2024). La inteligencia artificial como recurso educativo en educación superior: Perspectivas éticas sobre su uso. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 3950–3965.

Rodríguez Asensio, A. (2021). La personalización de contenidos en redes sociales: Algoritmos y segmentación en Facebook [Trabajo de fin de máster, Universidad de Valladolid].

Ruiz, C. E. S. (2021). Smart systems for the protection of ecosystems, flora and fauna. Universidad, Ciencia y Tecnología, 25(110), 138–154.

Salas-Rueda, R. A. (2019). Modelo TPACK: ¿Medio para innovar el proceso educativo considerando la ciencia de datos y el aprendizaje automático? RITI Journal, 7(14), 156–164.

Sandoval Ibarra, C. L. (2020). Modelo conceptual ecosistémico para la implementación de un plan de manejo de espacios costeros marinos para los pueblos originarios de la bahía de Yaldad, Chiloé, sur de Chile [Seminario de título, Universidad de Chile].

Sandoval Ruiz, C. (2021). Sistemas inteligentes para la protección de ecosistemas, flora y fauna. Universidad, Ciencia y Tecnología, 25(110), 138–154.

Varón Quimbayo, Á. A., Cardona Patiño, C. A., López Urrea, L. F., & Tabares Parra, G. E. (2024). Estudio de las nuevas tendencias en inteligencia artificial aplicadas a la educación superior. Revista Dilemas Contemporáneos: Educación, Política y Valores, 12(1).

Wright, N., Claxton Jr., E., Williams, L., & Paul, T. (2011). Giving voice to science from two perspectives: A case study. En L. D. Yore, E. Van der Flier-Keller, D. W. Blades, T. W. Pelton, & D. B. Zandvliet (Eds.), Pacific CRYSTAL Centre for Science, Mathematics, and Technology Literacy: Lessons Learned (pp. 67–81). Sense Publishers.

Yore, L. D., Van der Flier-Keller, E., Blades, D. W., Pelton, T. W., & Zandvliet, D. B. (Eds.). (2011). Pacific CRYSTAL Centre for Science, Mathematics, and Technology Literacy: Lessons Learned. Sense Publishers.

Zandvliet, D. B., Holmes, M., & Starzner, M. (2011). Seaquaria in schools: Participatory approaches in the evaluation of an exemplary environmental education program. En L. D. Yore, E. Van der Flier-Keller, D. W. Blades, T. W. Pelton, & D. B. Zandvliet (Eds.), Pacific CRYSTAL Centre for Science, Mathematics, and Technology Literacy: Lessons Learned (pp. 83–111). Sense Publishers.




DOI: https://doi.org/10.23857/pc.v9i12.8463

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';

Bookmark and Share




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/