Evaluación de herramientas y recursos de inteligencia artificial para la mejora de la enseñanza y el aprendizaje en la educación universitaria
DOI:
https://doi.org/10.23857/dc.v10i3.3926Palabras clave:
Inteligencia Artificial, Enseñanza Universitaria, Personalización del Aprendizaje, Análisis de Aprendizaje, Ética de DatosResumen
La integración de la inteligencia artificial (IA) en la educación universitaria ha transformado significativamente la dinámica del aprendizaje y la enseñanza. Este artículo evalúa los recursos de IA utilizados en la enseñanza universitaria, analizando su efectividad, beneficios y desafíos. La investigación emplea una metodología mixta que combina enfoques cualitativos y cuantitativos para proporcionar una visión integral del impacto de la IA en la educación superior. Los datos se recopilaron mediante encuestas a estudiantes y profesores, entrevistas en profundidad y análisis del rendimiento académico en cursos que utilizan herramientas de IA.
Los resultados indican que la IA mejora la personalización del aprendizaje, el compromiso de los estudiantes y el apoyo en la evaluación y retroalimentación. Sin embargo, también se identifican desafíos como la resistencia al cambio por parte de algunos docentes, la brecha digital y las preocupaciones éticas relacionadas con la privacidad de los datos. Además, el éxito de la implementación de IA depende de la formación y el apoyo continuo a los docentes, así como de la infraestructura tecnológica disponible.
La investigación concluye que, aunque los recursos de IA tienen un gran potencial para enriquecer la enseñanza universitaria, es crucial abordar los desafíos identificados para asegurar una integración efectiva y ética de estas tecnologías. Se recomienda la implementación de políticas institucionales que promuevan la formación en IA para docentes, el desarrollo de infraestructuras tecnológicas adecuadas y la creación de marcos éticos para el uso de datos educativos. Futuras investigaciones deberían centrarse en el impacto a largo plazo de la IA en el aprendizaje y en el desarrollo de nuevas herramientas que maximicen sus beneficios mientras se mitigan sus riesgos.
Citas
Cabero, J., & Román, P. (2020). La docencia en entornos virtuales: calidad y aprendizaje. Pixel-Bit: Revista de Medios y Educación, (57), 153-168.
Delgado, H., & Conde, M. Á. (2018). Diseño de un modelo de evaluación de la calidad docente en entornos virtuales de aprendizaje. Pixel-Bit: Revista de Medios y Educación, (52), 205-222.
Espinoza, G. (2017). Diseño de una herramienta para evaluar la calidad de la enseñanza en entornos virtuales de aprendizaje. Revista Iberoamericana de Educación a Distancia, 20(1), 15-34.
García, E., & Romero, M. (2019). La calidad de la enseñanza universitaria en entornos virtuales: una revisión sistemática. RED: Revista de Educación a Distancia, (60).
González, R., & Muñoz, R. (2020). La calidad en la docencia universitaria en entornos virtuales de aprendizaje: análisis desde la perspectiva del alumnado. RED: Revista de Educación a Distancia, (63).
Hernández, R., Gómez, A., & Carmona, J. (2017). Análisis de la calidad docente en entornos virtuales de aprendizaje. Revista de Educación a Distancia, (53).
Medina, C., & Valdés, G. (2019). Calidad de la enseñanza en entornos virtuales: perspectivas desde el estudiantado. Revista Iberoamericana de Educación a Distancia, 22(1), 73-92.
Morales, J., & Gutiérrez, J. (2020). Calidad docente en entornos virtuales de aprendizaje: un análisis desde la perspectiva de los profesores. RED: Revista de Educación a Distancia, (64).
Perdomo-Díaz, J., & Vega-Sosa, A. (2018). Modelo para la gestión de la calidad de la docencia universitaria en entornos virtuales. Revista de Investigación, Desarrollo e Innovación, 8(1), 137-151.
Vázquez-Cano, E., & López-Meneses, E. (2017). Diseño de un instrumento para evaluar la calidad de la docencia virtual en la educación superior. RIED: Revista Iberoamericana de Educación a Distancia, 20(1), 77-94.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Roberto Andrés García Viteri, Rubén Ernesto Sánchez Macías, Rubén Ernesto Sánchez Macías , Washington Edward Ulli Flores, Carlos Feliciano Vivas Lucas , Ronald Esteban Sánchez Macías
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Authors retain copyright and guarantee the Journal the right to be the first publication of the work. These are covered by a Creative Commons (CC BY-NC-ND 4.0) license that allows others to share the work with an acknowledgment of the work authorship and the initial publication in this journal.
