Integración estratégica de la inteligencia artificial en el ámbito educativo: potenciando el aprendizaje mediante prácticas docentes innovadoras
Palabras clave:
inteligencia artificial, educación, estrategias docentes, aprendizaje personalizadoResumen
El estudio tuvo como objetivo principal optimizar el uso de la inteligencia artificial (IA) en la educación mediante estrategias docentes eficaces. Para ello, se aplicó una metodología basada en la investigación y análisis de enfoques pedagógicos y en la evaluación práctica de aplicaciones actuales de IA en entornos educativos. Se realizaron experimentos con sistemas de IA y se recopiló información de estudiantes y docentes para valorar la efectividad de estas tecnologías en el proceso de enseñanza-aprendizaje. Los resultados indicaron que la IA mejoró significativamente la eficacia de las estrategias docentes al ofrecer recursos que permitieron adaptar el contenido a las necesidades individuales de los estudiantes, fomentando así un aprendizaje personalizado y más efectivo. Además, la IA facilitó el análisis de grandes volúmenes de datos y la generación de retroalimentación instantánea, contribuyendo a la identificación rápida de áreas de mejora y al diseño de intervenciones educativas precisas. Se destacó también la percepción docente sobre la importancia de estar capacitados para integrar adecuadamente la IA en el aula. En conclusión, el proyecto evidenció que la implementación adecuada de estrategias pedagógicas respaldadas por IA tiene un impacto positivo en la calidad educativa, transformando los procesos de enseñanza y aprendizaje hacia modelos más personalizados y eficientes.
Referencias
Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. Cambridge Handbook of the Learning Sciences (2nd ed., pp. 253–274).
Baker, R. S., D’Mello, S. K., Rodrigo, M. M. T., & Graesser, A. C. (2010). Better to be frustrated than bored: The incidence, persistence, and impact of learners’ cognitive–affective states during interactions with three different computer-based learning environments. International Journal of Human-Computer Studies, 68(4), 223–241. https://doi.org/10.1016/j.ijhcs.2009.12.003
Clark, R. E. (1983). Reconsidering research on learning from media. Review of Educational Research, 53(4), 445–459. https://doi.org/10.3102/00346543053004445
D’Mello, S. K., & Graesser, A. C. (2012). Dynamics of affective states during complex learning. Learning and Instruction, 22(2), 145–157. https://doi.org/10.1016/j.learninstruc.2011.10.001
Fullan, M., & Langworthy, M. (2014). A rich seam: How new pedagogies find deep learning. Pearson.
Koedinger, K. R., & Aleven, V. (2007). Exploring the assistance dilemma in experiments with cognitive tutors. Educational Psychology Review, 19(3), 239–264. https://doi.org/10.1007/s10648-007-9049-0
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539
Piaget, J. (1977). The development of thought: Equilibration of cognitive structures. Viking Press.
Russell, S., & Norvig, P. (2016). Artificial Intelligence: A Modern Approach (3rd ed.). Pearson.
Siemens, G., & Baker, R. S. (2012). Learning analytics and educational data mining: Towards communication and collaboration. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge, 252–254. https://doi.org/10.1145/2330601.2330661
Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE Review, 46(5), 30–32.
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221. https://doi.org/10.1080/00461520.2011.611369
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Verónica Annabel Estrella Romero (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
