La IA, aporte importante para el rendimiento en la educación superior

Daisy Judith Nata Castro; Georgi Cevallos Fajardo; Jeremy López Ulloa; Jhon Pacheco Reyes

doi:10.29057/esh.v13i26.13563

Autores/as

Daisy Judith Nata Castro Universidad Técnica Estatal de Quevedo https://orcid.org/0000-0002-1193-9908
Georgi Cevallos Fajardo Universidad Técnica Estatal de Quevedo https://orcid.org/0009-0001-8183-8010
Jeremy López Ulloa Universidad Técnica Estatal de Quevedo https://orcid.org/0009-0000-0681-7722
Jhon Pacheco Reyes Universidad Técnica Estatal de Quevedo https://orcid.org/0009-0000-3945-8690

DOI:

https://doi.org/10.29057/esh.v13i26.13563

Palabras clave:

Inteligencia Artificial, Rendimiento Académico, Educación Superior, Eficiencia Tecnológica, Integración de Herramientas

Resumen

El estudio analizó las dificultades que enfrentaron los estudiantes de educación superior al utilizar la inteligencia artificial (IA) en sus actividades académicas, centrándose en la Universidad Técnica Estatal de Quevedo. Se exploró cómo la IA impactó en el rendimiento académico, su efectividad y los desafíos que surgieron al integrarla en el plan de estudios, con el objetivo de comprender mejor cómo estas tecnologías afectaron el aprendizaje. Los resultados mostraron que, aunque la mayoría de los estudiantes estaba familiarizada con herramientas como ChatGPT, el impacto de la IA en el rendimiento académico fue moderado, con solo una ligera mejora reportada por la mayoría. Los estudiantes enfrentaron problemas como la dependencia excesiva de la tecnología y la falta de precisión en la información proporcionada. Aunque la IA ahorró tiempo y fue utilizada con frecuencia para fines académicos, su efectividad varió y no siempre satisfizo las necesidades de los usuarios.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Corrales, J. A. (2020, junio 28). Experiencia del usuario: La guía completa para complacer a tu audiencia digital en el 2020. Rock Content - ES. Rock Content. https://rockcontent.com/es/blog/experiencia-del-usuario/

Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to Algorithms. MIT Press.

Gobierno de España. (s.f.). Qué es la inteligencia artificial. Gob.es. Recuperado el 25 de julio de 2024, de https://planderecuperacion.gob.es/noticias/que-es-inteligencia-artificial-ia-prtr

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.

Gutiérrez-Monsalve, J. A., Garzón, J., & Segura-Cardona, A. M. (2021). Factores asociados al rendimiento académico en estudiantes universitarios. Formación Universitaria, 14(1), 13–24. https://doi.org/10.4067/s0718-50062021000100013- Johnson, J. (2014). Designing with the Mind in Mind. Morgan Kaufmann.

Mayer-Schönberger, V., & Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think. Houghton Mifflin Harcourt.

Morin, A. (2020, octubre 22). Aprendizaje personalizado: Lo que necesita saber. Understood. https://www.understood.org/es-mx/articles/personalized-learning-what-you-need-to-know

Morron, M. (s.f.). La ética y privacidad en la educación impulsada por la inteligencia artificial. Linclearning.com. Recuperado el 26 de julio de 2024, de https://blog.linclearning.com/es/la-%C3%A9tica-y-privacidad-en-la-educaci%C3%B3n-impulsada-por-la-inteligencia-artificial

Ricci, F., Rokach, L., & Shapira, B. (2015). Recommender Systems Handbook. Springer.

Shute, V. J., & Zapata-Rivera, D. (2012). Adaptive Educational Systems. En M. Seel (Ed.), Encyclopedia of the Sciences of Learning. Springer.

Siegel, E. (2013). Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die. Wiley.

Tekniker. (s.f.). Interacción persona-máquina. Tekniker.es. (25 de julio de 2024) de https://www.tekniker.es/es/interaccion-persona-maquina