Facultad de Ingeniería, Universidad Tecnológica del Perú. Perú.
Facultad de Ingeniería, Universidad Tecnológica del Perú. Perú.
Facultad de Negocios, Universidad Tecnológica del Perú. Perú.
La IA se está introduciendo cada vez más en el campo de la educación y el sistema educativo, con esto también el enfoque a la personalización de la educación según las necesidades de cada estudiante. Esta revisión tiene como objetivo analizar el impacto del aprendizaje adaptativo mediante el uso de inteligencia artificial y técnicas de machine learning en la mejora del aprendizaje en la educación universitaria identificando las principales aplicaciones, beneficios y desafíos de esta tecnología. Se realizaron búsquedas exhaustivas en la base de datos de Scopus, donde 22 de 125 estudios encontrados cumplieron con los criterios de inclusión. Los resultados mostraron que la clasificación de los estudiantes según su tipo de percepción del contenido educativo y el uso del análisis de texto escrito como base para esta clasificación fue propuesta como estrategias para mejorar la calidad y personalización de la educación. Asimismo, se destacó la utilidad de algoritmos de machine learning basados en SVM para predecir las calificaciones finales de los estudiantes y detectar posibles dificultades de aprendizaje Se llegó a la conclusión de que la detección temprana de dificultades de aprendizaje, la personalización del aprendizaje y la consideración de variables demográficas y de género para mejorar el rendimiento académico de los estudiante proporcionan una base sólida para el diseño de estrategias educativas efectivas y que resaltan el potencial de la IA y el ML para transformar el sector educativo.
Este artículo se distribuye bajo la licencia Creative Commons Attribution 4.0 License. A menos que se indique lo contrario, el material publicado asociado se distribuye bajo la misma licencia.
The statements, opinions and data contained in the journal are solely those of the individual authors and contributors and not of the publisher and the editor(s). We stay neutral with regard to jurisdictional claims in published maps and institutional affiliations.