Diagnóstico académico en el colectivo de profesores universitario con Inteligencia Artificial
DOI:
10.37618/PARADIGMA.1011-2251.2023.p395-417.id1455Palabras clave:
Diagnóstico, Educación, Gestión académica, Inteligencia artificialResumen
Este trabajo tiene como objetivo proporcionar una síntesis del estado del conocimiento sobre el diagnóstico académico en la gestión del Colectivo de profesores universitario con el uso de la Inteligencia Artificial, al cual denominaremos Diagnóstico Inteligente, para proponer los procesos que lo deben caracterizar de modo que favorezca la atención personalizada del estudiante en el proceso docente-educativo. El método utilizado fue la revisión sistemática a través del protocolo PRISMA. Como resultado se concluyó que los procesos que intervienen en este tipo de diagnóstico son: a) Representación del conocimiento sobre el estudiante, b) Predicción académica-inteligente y c) Valoración sobre toma de decisiones colegiadas para su atención personalizada en el proceso docente-educativo, en un contexto histórico cultural determinado. Se precisó, además, que su implementación debe contribuir a la sostenibilidad formativa del Colectivo de profesores universitario.Descargas
Citas
ÁLVAREZ, M.; GÓMEZ, A.; NÚÑEZ, O. La inclusión educativa y el papel del maestro de apoyo. Revista científica Olimpia, v. 16, n. 55, https://redib.org/Record/oai_articulo2058562-la-inclusi%C3%B3n-educativa-y-el-papel-del-maestro-de-apoyo-revisi%C3%B3n, 2019.
ÁLVAREZ, Y.R., MOTA, Y.C., CABRERA, Y.F., HILARIÓN, I.G., HERNÁNDEZ, Y.F. Y DOMÍNGUEZ, M.F. Métodos de prototipo similares para la clasificación de datos desequilibrados de clases. En: Bello, R., Falcon, R., Verdegay, J. (Eds.) Uncertainty Management with Fuzzy and Rough Sets. Studies in Fuzziness and Soft Computing (pp. 193–209). Springer, Cham. https://doi.org/10.1007/978-3-030-10463-4_11, 2019.
ARIAS, G. Diagnóstico explicativo versus diagnóstico clasificatorio. Histórico Culturalistas, v. 31, p. 31-48. https://bajio.delasalle.edu.mx/documents/cat_estudios.pdf#page=31. 2018.
BERGOLLA, Y. C.; LAVIGNE, M. L. ¿Qué estudia la inteligencia artificial? Educación Cubana, UCI, p. 43-54. https://en.unesco.org/sites/default/files/l3_que_estudia_la_ia.pdf. 2021
CANTABELLA, M.; MARTINEZ-ESPAÑA, R.; AYUSO, B., YAÑEZ, J. A.; MUÑOZ, A. Analysis of student behavior in learning management systems through a Big Data framework. Future Generation Computer Systems, v. 90, p. 262-272, https://doi.org/10.1016/j.future.2018.08.003 2019
CASTRILLON, O. D; SARACHE, W.; RUIZ-HERRERA, S. Predicción del rendimiento académico por medio de técnicas de inteligencia artificial. Formación universitaria, v. 13, n. 1, p. 93-102. http://dx.doi.org/10.4067/S0718-50062020000100093. 2020
CEVALLOS-UVE, G. E.; LOPEZ, Y.R.; ALCIVAR, A. O.; BRAVO, J. A. Dinámica de la gestión académica de los institutos superiores tecnológicos en el desarrollo de procesos de investigación. Dilemas Contemporáneos: Educación, Política y Valores, v.7, p. 1-19. https://doi.org/10.46377/dilemas.v34i1.2216. 2020
CHEN, X.; XIE, H.; ZOU, D.; HWANG, G. Application and theory gaps during the rise of Artificial Intelligence in Education, Computers and Education: Artificial Intelligence, v. 1. https://doi.org/10.1016/j.caeai.2020.100002. 2020
DIAZ-LANDA, B. D.; ROMERO, R. M.; RODRIGUEZ, W. J. M. Rendimiento académico de estudiantes en educación superior: predicciones de factores influyentes a partir de árboles de decisión. Telos: Revista de Estudios Interdisciplinarios en Ciencias Sociales, v. 23, n. 3, p. 616-639. https://doi.org/10.36390/telos233.08. 2021
DORCA, F. Implementation and use of simulated students for test and validation of new adaptive educational systems: A practical insight. International Journal of Artificial Intelligence in Education, v. 25, p. 319-345. https://en.unesco.org/sites/default/files/l3_que_estudia_la_ia.pdf 2015
ESPINOZA-ISLAS, V. M.; SANTANA-GALINDO, A. L.; RUBIALES-SANCHEZ, F. S. Diagnóstico sobre rezago escolar en el Colegio de Ciencias y Humanidades. Revista RedCA, v. 4, n. 12, p. 176-191. https://doi.org/10.36677/redca.v4i12.16619. 2022
GARCIA NIETO, N. Marco de referencia actual para el diagnóstico pedagógico. Tendencias pedagógicas, v. 12, p. 83-110. http://hdl.handle.net/11162/122002. 2007
GRAU, F. La educación inclusiva: conceptualización y retos para los docentes. Revista Española de Educación Comparada, v. 27, p. 123-148. https://programa.cienciayeducacion.rimed.cu/trabajos/44Flabia%20Joanna%20Grau%20Arredondo.pdf 2022
HERRERA-RODRIGUEZ, J.; GUEVARA-FERNANDEZ, G. El diagnóstico psicopedagógico: De la clasificación del estudiantado a la identificación de barreras para el aprendizaje y la participación. Revista Electrónica Educare, v. 26, n. 1, p. 443-463. https://www.scielo.sa.cr/pdf/ree/v26n1/1409-4258-ree-26-01-443.pdf 2022
SUAREZ, H.; GIOVANNY, C.; LLANOS, M.; BUCHELI, J. M; ANDRES, V. Una revisión sistemática sobre aula invertida y aprendizaje colaborativo apoyados en inteligencia artificial para el aprendizaje de programación. Tecnura, v. 25, n. 69, p. 196-214. https://doi.org/10.14483/22487638.16934 2021
HOYOS, J. K.; DAZA, G. Predictive model to identify college students with high dropout rates. Revista Electrónica de Investigación Educativa, v. 25, n. 13, p. 1-10. https://doi.org/10.24320/redie.2023.25.e13.5398 2023
INSIGHTS, P. How a Global Civil War May Be on the Horizon. Arlington Institute. https://arlingtoninstitute.org/postscript-insights-how-a-global-civil-war-may-be-on-the-horizon/ 2021
JARA, I.; OCHOA, J. M. Usos y efectos de la inteligencia artificial en educación. Sector Social división educación. Documento para discusión número IDB-DP-00-776. https://ie42003cgalbarracin.edu.pe/biblioteca/LIBR-NIV331012022134652.pdf 2020
LOPEZ GONZALEZ, L. Método de Respuesta Interactiva Inteligente con Redes Neuronales para Enseñanza Individualizada en Anatomía Humana en Alumnos Universitarios de Ciencias de la Salud. Tesis de Doctorado. Universidad de Murcia, España. https://digitum.um.es/digitum/bitstream/10201/56124/1/Laura%20L%c3%b3pez%20Gonz%c3%a1lez%20Tesis%20Doctoral.pdf. 2017
LUCKIN, R.; HOLMES, W.; GRIFFITHS, M.; FORCIER, L. B. Intelligence Unleashed: An argument for AI in Education. Londres: Pearson Education. https://discovery.ucl.ac.uk/id/eprint/1475756/ 2016
LUZARDO, H.; MOLINA, T. J.; GODOY, T. C. Diagnóstico académico de la educación superior, analizando el aprendizaje mediante modalidad virtual. Revista Conrado, v. 18, n. S3, p. 84-93. https://www.researchgate.net/profile/Hendry-J-Luzardo-M-2/publication/365198794_Diagnostico_academico_de_la_educacion_superior_analizando_el_aprendizaje_mediante_modalidad_virtual/links/636a447654eb5f547cb30fe2/Diagnostico-academico-de-la-educacion-superior-analizando-el-aprendizaje-mediante-modalidad-virtual.pdf 2022
MALDONADO, M.; HERRERA, V. El diagnóstico oportuno: iniciando con el pie derecho la aventura del bachillerato. Memoria Universitaria, v. 1, n. 1, p. 1-11. https://revistas.uaz.edu.mx/index.php/MemUni/article/view/787/716 2020
MARI, R. Propuesta de un modelo de diagnóstico en educación. http://biblioteca.udgvirtual.udg.mx/jspui/handle/123456789/2710 2008
MEDEIROS M.; BANDEIRA S.; DOS SANTOS C.; CAMPOS LOPES P. Propuestas de metodologías activas utilizando tecnologías digitales y herramientas metacognitivas para auxiliar en el proceso de enseñanza y aprendizaje. Paradigma, v.40, n. 204, p, 204-220. https://doi.org/10.37618/PARADIGMA.1011-2251.2019.p204 – 220.id748 2019
PAGE, M. J.; MCKENZIE, J. E.; BPSSUYT, P. M.; BOUTRON, I.; HOFFMANN, T. C.; MULROW, C. D.; SHAMSEER, L.; TETZLAFF, J. M.; AKL, E. A.; BRENNAN, S. E.; CHOU, R.; GLANVILLE, J.; GRIMSHAW, J. M.; HROBJARTSSON, A.; LALU, M. M.; LI, T.; LODER, E. W.; MAYO-WILSON, E.; MCDONALD, S.; MCGUINNESS, L. A.; STEWART, L. A.; THOMAS, J.; TRICCO, A. C.; WELCH, V. A.; WHITING, P.; MOHER, D.; YEPES-NUÑEZ, J. J.; URRUTIA, G.; ROMERO-GARCIA, M.; ALONSO-FERNANDEZ, S. Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas. Revista Panamericana de Salud Pública, v. 74, n. 9, p. 790-799. https://doi.org/10.1016/j.recesp.2021.06.016 2022
PULIDO-JIMENEZ, J. Retos técnicos y capacidades en inteligencia artificial para la i4. 0. Manufactura y gestión del ciclo de vida del producto (PLM), p. 327. https://es.unesco.org/themes/tic-educacion/inteligencia-artificial 2022
RAMENTOL, E.; MADERA, J.; RODRIGUEZ, A. Detección temprana de posible abandono de estudios universitarios utilizando un nuevo método basado en la teoría probabilística de conjuntos aproximados. En Gestión de la incertidumbre con conjuntos borrosos y ásperos. Estudios en Fuzziness y Soft Computing, p. 211-232. Springer, Cham DOI: 10.1007/978-3-030-10463-4_12 2019
RODRIGUEZ, G.C.; MARTINEZ, R. G.; NAVALON, J.G.; ROMAN, C.P. Inteligencia artificial para predecir la lealtad a la universidad. Journal of Management and Business Education, v. 2, n. 1, p. 17- 27. https://doi.org/10.35564/jmbe.2019.0003 2019
RUSSO, C. Minería de datos aplicada a estrategias para minimizar el rezago académico y la deserción universitaria en carreras de informática de la unnoba. Tesis de doctorado. Recuperado el 17 de julio de 2022, de http://sedici.unlp.edu.ar/bitstream/handle/10915/79958/Documento_completo.pdf-PDFA1b.pdf?sequence=1&isAllowed=y. 2019
SALINAS, D. Gestión Académica y Desempeño Docente, según los estudiantes de una universidad privada en Lima, Perú. Industrial data, v. 21, n. 1, p. 83-90. https://doi.org/10.15381/idata.v21i1.14914 2018
SANCHEZ-SERRANO, S.; PEDRAZA-NAVARRO, I.; DONOSO-GONZALEZ, M. ¿Cómo hacer una revisión sistemática siguiendo el protocolo PRISMA?: Usos y estrategias fundamentales para su aplicación en el ámbito educativo a través de un caso práctico. Bordón, Revista de Pedagogía, v. 74, n. 3, p. 51-66. https://doi.org/10.13042/Bordon.2022.95090 2022
SILVA, Y.¿Cómo logró Cuba el “milagro” de la alfabetización en un solo año?, Período Granma, p. 8. https://www.granma.cu/cuba/2019-12-24/como-logro-cuba-el-milagro-de-la-alfabetizacion-en-solo-un-ano-24-12-2019-02-12-18 2019
TRIANA, B.; ALARCON, R.; QUEVEDO, M. El clima organizacional en los colectivos de año académico. REFCalE. v. 7, n. 2, p. 206-217. https://www.researchgate.net/publication/335755669_El_clima_organizacional_en_los_colectivos_de_anos_academicos. 2019
TRIANA, B.; GARCIA, J.; ALARCON, R.; GIBERT, R. Gestión organizacional para favorecer las influencias educativas en el colectivo de año académico universitario. Retos de la Dirección, v. 15, n. 1, p. 178-201. Epub 25 de abril de 2021. http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2306-91552021000100178&lng=es&tlng=es. 2021
TRIANA, B.; GARCIA, J.; ALARCON, R. Implementación de una estrategia para la gestión organizacional del colectivo de año académico universitario. Anales de la Academia de Ciencias de Cuba, v. 12, n. 2 http://revistaccuba.sld.cu/index.php/revacc/article/view/1139 2022
UNESCO. Planificar la educación en la era de la Inteligencia Artificial: un paso más hacia adelante. Conferencia internacional sobre la Inteligencia Artificial en la Educación. Beijing, China. https://es.unesco.org/themes/tic-educacion/conferencia-ia-educacion-2019 2019
UNESO. La Inteligencia Artificial en la Educación. https://es.unesco.org/themes/tic-educacion/inteligencia-artificial 2020
VASCONCELOS, S.M.; MENEZES, P.; RIBEIRO, M. D.; HEITMAN, E. Rigor científico y ciencia abierta: desafíos éticos y metodológicos en la investigación cualitativa. SciELO en Perspectiva, https://blog.scielo.org/es/2021/02/05/rigor-cientifico-y-ciencia-abierta-desafios-eticos-y-metodologicos-en-la-investigacion-cualitativa/ 2021
VIGOTSKY, L. S. Fundamentos de Defectología, Obras Completas, Tomo V, Ed. Pueblo y Educación, Ciudad de la Habana, Cuba. 1989
VIVEROS, S.; SANCHEZ, L. La gestión académica del modelo pedagógico sociocrítico en la institución educativa: rol del docente. Revista Universidad y Sociedad, v. 10, n. 5, p. 424-433. https://rus.ucf.edu.cu/index.php/rus/article/view/1082. 2018
YANG, S.; OGATA, H. ; TATSUNORI, T. ; CHEN N. Human-centered artificial intelligence in education: Seeing the invisible through the visible. Computers and Education: Artificial Intelligence, v. 2, p. 1-5. https://doi.org/10.1016/j.caeai.2021.100008. https://www.sciencedirect.com/science/article/pii/S2666920X21000023. 2021
YILIN, P.; CHAI, CH.; SIU-YUNG JONG, M.; DAI, Y.; GUO, Y.; QIN, J. Modeling the structural relationship among primary students’ motivation to learn artificial intelligence. Computers and Education: Artificial Intelligence, v. 2, p. 1-7 https://doi.org/10.1016/j.caeai.2020.100006. 2021
YURELL, I.; GUERRA, Y.; CONDE, M. Diagnóstico pedagógico en el proceso docente educativo: pensamiento pedagógico de avanzada. Atlante Cuadernos de Educación y Desarrollo. https://www.eumed.net/rev/atlante/2018/10/diagnostico-pedagogico.html
Descargas
Publicado
Métricas
Visualizações do artigo: 336 PDF downloads: 140
English
Español (España)
Français (France)
Português (Brasil)
