Beneficios y limitaciones en docentes y estudiantes universitarios salvadoreños sobre el uso de IA en procesos de enseñanza-aprendizaje
DOI:
https://doi.org/10.31637/epsir-2024-368Palabras clave:
Inteligencia Artificial, educación, enseñanza, procesos, aprendizaje, beneficios, limitación, éticaResumen
Introducción: El estudio examina los beneficios y limitaciones percibidos por docentes y estudiantes universitarios salvadoreños sobre el uso de inteligencia artificial (IA) en procesos de enseñanza-aprendizaje. Metodología: Se utilizó una metodología mixta con entrevistas a 5 docentes y cuestionarios a 673 estudiantes de 20 universidades salvadoreñas. Resultados: Los resultados indican que la mayoría tiene un conocimiento básico de herramientas de IA como ChatGPT y Copilot. Las percepciones son predominantemente positivas, aunque existen preocupaciones sobre la integridad ético-académica y la necesidad de capacitación. Discusión: Se resalta la necesidad de un enfoque equilibrado que maximice los beneficios de la IA y mitigue sus riesgos, sugiriendo futuras investigaciones para explorar mejoras en la educación superior. Conclusiones: La IA tiene un gran potencial, pero es fundamental abordar las limitaciones actuales y promover una implementación reflexiva y cuidadosa en la educación universitaria.
Descargas
Citas
Arroyo, M. y Merlino, I. (2008). Metodología de la investigación social. https://bit.ly/3XTfb2t
Creswell, J. (2013). Introducción y Enfoque del Estudio. https://bit.ly/4cly2Yx
Fraga-Varela, F. y Rodríguez-Groba, A. (2020). Realidad virtual y aumentada e inteligencia artificial aplicadas a la formación universitaria. Education in the Knowledge Society, 21, 15. https://doi.org/10.14201/eks.23537
Göschlberger, B. (2021). Acceptance Models for Intelligent Tutoring Systems. In D. Ifenthaler, y J. Y. K. Yau (Eds.), Utilizing Learning Analytics to Support Study Success (pp. 153-169). https://bit.ly/3W9ROR4
Hernández-Sampieri, R. y Mendoza Torres, C. P. (2018). Metodología de la Investigación. La rutas cualitativa, cuantitativa y mixta. Mc Graw Hill Education
Hernández Sampieri et al. (2014). Metodología de la investigación (6a ed.). McGraw-Hill.
Lavicza, Z., Baranyi, P., Hohenwarter, M., Jones, K. y Kortenkamp, U. (2022). Teachers’ perceptions and acceptance of automated technology in education. British Journal of Educational Technology, 53(1), 149-163. https://doi.org/10.1111/bjet.13162
Liu, D., Geertshuis, S. y Grainger, R. (2022). Understanding academics' adoption of learning technologies: A systematic review. Computers & Education, 172, 104259. https://doi.org/10.1016/j.compedu.2021.104259
Luckin, R., Holmes, W., Griffiths, M. y Forcier, L. B. (2016). Intelligence Unleashed: An argument for AI in Education. Pearson. https://bit.ly/3KbhGW4
Martínez, F., Hinojo, M. A., y Aznar, I. (2020). Percepción de los docentes sobre el impacto de la Inteligencia Artificial en educación superior. Revista Espacios, 41(3), 11-20. https://acortar.link/SC1sdS
MINED (2023). Estadísticas educativas. https://bit.ly/4crtP5N
Moreno-Guerrero, A. J., Lopez-Belmonte, J., Marín-Marín, J. A., y Soler-Costa, R. (2020). E-Learning in Higher Educational Institutions: A Bibliometric Analysis. Social Sciences, 9(12), 231. https://doi.org/10.3390/socsci9120231
Nwana, H. S. (1990). Intelligent tutoring systems: an overview. Artificial Intelligence Review, 4, 251–277. https://doi.org/10.1007/BF00155578
Papamitsiou y Economides. (2014). Learning Analytics and Educational Data Mining in Practice: A Systematic Literature Review of Empirical Evidence. Educational Technology & Society 17(4), 49-64.
Portillo Peñuelas, A. B. (2020). La inteligencia artificial en la educación superior, la nueva materia pendiente. RIED. Revista Iberoamericana de Educación a Distancia, 24(1), 331-350. https://doi.org/10.5944/ried.24.1.26455
Rivas M., Suárez-Alemán, A. y Serebrisky, T. (2010) Hechos estilizados de transporte urbano en América Latina y el Caribe. IDB. http://dx.doi.org/10.18235/0001606
Roll, I. y Wylie, R. (2016). Evolution and Revolution in Artificial Intelligence in Education. International Journal of Artificial Intelligence in Education, 26(2), 582-599. https://doi.org/10.1007/s40593-016-0110-3
Sáez López, J. M. (2020). Posibilidades educativas de la Inteligencia Artificial en la educación superior. Revista Iberoamericana de Educación a Distancia, 24(1), 195-211. https://doi.org/10.5944/ried.24.1.26566
Taylor, S. J. y Bogdan, R. (1986). Introducción a los métodos cualitativos: La búsqueda de significados. Paidós
Ugalde Binda, N. y Balbastre-Benavent, F. (2013). Investigación cuantitativa e investigación cualitativa: Buscando las ventajas de las diferentes metodologías de investigación. Revista de Ciencias Económicas, 31(2), 179-187. Universidad de Costa Rica. https://acortar.link/HQazk0
Volungevičienė, A., Brown, M., Greenspon, R., Gaebel, M. y Morrisroe, A. (2021). Developing a high-performance digital education ecosystem: Institutional self-assessment instruments. European University Association. https://shre.ink/DLrP
Zawacki-Richter, O., Marín, V. I., Bond, M. y Gouverneur, F. (2019). Education of the future? Blended learning with artificial intelligence. Digital Transformations, University Publication. https://shre.ink/DLrz
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Armando Briñis Zambrano, David Alberto Quintana Pérez
![Creative Commons License](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Authors who publish with this journal agree to the following terms:- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Non Commercial, No Derivatives Attribution 4.0. International (CC BY-NC-ND 4.0.), that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).