Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
Aplicación de la gestión educativa con
i
nteligencia
a
rtificial en la
enseñanza en educación superior y las ciencias sociales
Application of educational management with
a
rtificial
i
ntelligence in
higher education and social sciences teaching.
Aplicação da gestão educativa com
i
nteligência
a
rtificial na docência do
ensino superior e das ciências sociais.
Piedra
-
Castro
,
Wilson Iván
Universidad de Panamá, Doctorado en Educación
wipiedra@uce.edu.ec
https://orcid.org/0000
-
0002
-
9565
-
9961
DOI /
URL:
https://doi.org/10.55813/gaea/ccri/v5/n2/538
Como citar:
Piedra Castro, W. I. (2024). Aplicación de la gestión educativa con inteligencia artificial en la
enseñanza en educación superior y las ciencias sociales.
Código Científico Revista De
Investigación
, 5(2), 52
–
70.
https://doi.org/10.55813/gaea/ccri/v5/n2/538
.
Recibido
:
18
/
09
/
202
4
Aceptado:
2
8
/
1
0
/
202
4
Publicado:
3
1
/
12
/202
4
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
53
Resumen
La investigación analiza la implementación de la inteligencia artificial (IA) en la gestión
educativa dentro de la educación
superior y las ciencias sociales. El objetivo principal es
examinar el potencial de la IA para optimizar procesos administrativos y pedagógicos, así como
identificar los desafíos éticos asociados. Mediante una revisión bibliográfica en bases de datos
acadé
micas, se seleccionaron estudios recientes sobre aplicaciones y evaluaciones éticas de la
IA en educación. Los resultados muestran que la IA mejora la personalización del aprendizaje,
permite la automatización de tareas administrativas, y promueve el análi
sis de datos a gran
escala, facilitando una toma de decisiones más informada. Sin embargo, la implementación de
IA plantea preocupaciones éticas, como la privacidad de los datos estudiantiles, sesgos
algorítmicos, y el posible deterioro de habilidades de a
nálisis crítico en los estudiantes debido
a la dependencia de sistemas automatizados. La discusión sugiere que, aunque la IA aporta
beneficios significativos, su aplicación debe estar acompañada de marcos éticos y de
transparencia. En conclusión, la IA rep
resenta una herramienta transformadora en la educación,
cuya efectividad depende de una implementación responsable que equilibre eficiencia
tecnológica y desarrollo humano.
Palabras clave:
inteligencia artificial; gestión educativa; educación superior; ciencias sociales;
ética en IA.
Abstract
The research analyzes the implementation of artificial intelligence (AI) in educational
management within higher education and social sciences. The main objective is to examine the
potential of AI to optimize administrative and pedagogical processes, as we
ll as to identify the
associated ethical challenges. Through a literature review in academic databases, recent studies
on applications and ethical evaluations of AI in education were selected. The results show that
AI enhances personalization of learning,
enables automation of administrative tasks, and
promotes large
-
scale data analysis, facilitating more informed decision making. However, AI
implementation raises ethical concerns, such as privacy of student data, algorithmic biases, and
possible impairment
of critical analysis skills in students due to reliance on automated systems.
The discussion suggests that while AI brings significant benefits, its application must be
accompanied by ethical frameworks and transparency. In conclusion, AI represents a
tra
nsformative tool in education, whose effectiveness depends on responsible implementation
that balances technological efficiency and human development.
Keywords:
artificial intelligence; educational
management; higher education; social sciences;
AI ethics.
Resumo
A investigação analisa a aplicação da inteligência artificial (IA) na gestão da educação no
ensino superior e nas ciências sociais. O principal objetivo é examinar o potencial da IA para
otimizar os processos administrativos e pedagógicos, bem como identif
icar os desafios éticos
associados. Através de uma revisão da literatura em bases de dados académicas, foram
selecionados estudos recentes sobre aplicações e avaliações éticas da IA na educação. Os
resultados mostram que a IA melhora a personalização da ap
rendizagem, permite a
automatização de tarefas administrativas e promove a análise de dados em grande escala,
facilitando a tomada de decisões mais informadas. No entanto, a implementação da IA suscita
preocupações éticas, como a privacidade dos dados dos
estudantes, os enviesamentos
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
54
algorítmicos e a possível deterioração das capacidades de análise crítica dos estudantes devido
à dependência de sistemas automatizados. O debate sugere que, embora a IA traga benefícios
significativos, a sua aplicação deve ser acompanhada de quadros ético
s e de transparência. Em
conclusão, a IA representa uma ferramenta transformadora na educação, cuja eficácia depende
de uma aplicação responsável que equilibre a eficiência tecnológica e o desenvolvimento
humano.
Palavras
-
chave:
inteligência artificial; gestão da educação; ensino superior; ciências sociais;
ética da IA.
Introducción
La educación superior y las ciencias sociales enfrentan desafíos
significativos en la era
digital, caracterizada por la rápida evolución tecnológica y la necesidad de adaptarse a nuevas
metodologías de enseñanza. La incorporación de la Inteligencia Artificial (IA) en la gestión
educativa emerge como una solución potenci
al para mejorar la calidad y eficiencia de los
procesos educativos. Sin embargo, la implementación de la IA en estos campos presenta
interrogantes sobre su efectividad, impacto y viabilidad, especialmente en disciplinas que
tradicionalmente han dependido d
e la interacción humana y el análisis crítico.
La integración de la IA en la educación superior y las ciencias sociales plantea varios
problemas. Primero, existe una brecha en la comprensión y adopción de tecnologías avanzadas
por parte de los educadores, lo que puede limitar su aplicación efectiva en
entornos académicos
(García Peña et al., 2020). Además, la resistencia al cambio y la falta de formación específica
en IA dificultan su implementación en la enseñanza y gestión educativa. Segundo, la
personalización del aprendizaje mediante IA puede enfren
tar obstáculos debido a la diversidad
de enfoques pedagógicos y la necesidad de adaptar las herramientas tecnológicas a contextos
específicos (González Sánchez et al., 2023). Finalmente, surgen preocupaciones éticas y de
privacidad relacionadas con el uso
de datos estudiantiles en sistemas de IA, lo que requiere una
consideración cuidadosa para evitar posibles malinterpretaciones o sesgos en los procesos
educativos (Salmerón Moreira et al., 2023).
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
55
Los factores que afectan la implementación de la IA en la gestión educativa incluyen la
infraestructura tecnológica disponible, la capacitación del personal docente y administrativo, y
la aceptación cultural de las tecnologías emergentes. La falta de recur
sos tecnológicos
adecuados puede limitar la adopción de sistemas basados en IA, especialmente en instituciones
con presupuestos restringidos (Chaves Ramírez, 2022). Asimismo, la formación insuficiente
del personal en el uso de herramientas de IA puede resu
ltar en una aplicación ineficaz o
superficial de estas tecnologías. Además, las percepciones culturales y las actitudes hacia la
tecnología influyen en la disposición de las instituciones y los individuos para adoptar la IA en
la educación (Ocaña
-
Fernández
et al., 2019).
La justificación para explorar la aplicación de la IA en la gestión educativa radica en su
potencial para transformar y mejorar los procesos de enseñanza y aprendizaje. La IA puede
facilitar la personalización del aprendizaje, adaptando el contenido y las
metodologías a las
necesidades individuales de los estudiantes, lo que puede conducir a una mayor retención y
comprensión del material (Garcia Falckenheiner et al., 2023). Además, la automatización de
tareas administrativas mediante IA puede liberar tiempo
para que los educadores se concentren
en actividades pedagógicas más significativas, mejorando la eficiencia operativa de las
instituciones educativas (García Peña et al., 2020). La viabilidad de esta integración depende
de la inversión en infraestructura
tecnológica, la formación continua del personal y el desarrollo
de políticas que aborden las preocupaciones éticas y de privacidad asociadas con el uso de IA
en la educación (Salmerón Moreira et al., 2023).
El objetivo de este artículo es realizar una revisión bibliográfica exhaustiva sobre la
aplicación de la gestión educativa con Inteligencia Artificial en la enseñanza en educación
superior y las ciencias sociales. Se busca analizar las oportunidades y desa
fíos que presenta la
integración de la IA en estos campos, evaluando su impacto en la calidad educativa, la
eficiencia administrativa y la experiencia de aprendizaje de los estudiantes. Asimismo, se
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
56
pretende identificar las mejores prácticas y recomendaciones para una implementación efectiva
y ética de la IA en la gestión educativa, considerando las particularidades de las disciplinas de
ciencias sociales y el contexto de la educación superior.
En
síntesis
, la incorporación de la Inteligencia Artificial en la gestión educativa de la
educación
superior y las ciencias sociales ofrece oportunidades significativas para innovar y
mejorar los procesos educativos. No obstante, su implementación requiere una planificación
cuidadosa, inversión en recursos tecnológicos y humanos, y una consideración étic
a profunda
para garantizar que la IA se utilice de manera efectiva y responsable en la educación.
Metodología
Para llevar a cabo la revisión sobre la aplicación de la inteligencia artificial en la gestión
educativa, se realizó una búsqueda
exhaustiva de artículos en la base de datos Scopus,
seleccionando únicamente documentos publicados en el año 2024. La estrategia de búsqueda
incluyó el uso de palabras clave específicas en inglés, como “application AND of AND
educational” y “artificial AND
intelligence”. Esta combinación permitió recuperar un total de
1125 documentos que abordan la implementación de la inteligencia artificial en diversos
contextos educativos, con un enfoque particular en la educación superior y las ciencias sociales.
A continuación, se aplicaron filtros analíticos proporcionados por Scopus para organizar y
evaluar la relevancia de los resultados. Una de las herramientas clave utilizadas fue el análisis
de “documentos por afiliación” (ver Figura 1), la cual permitió ide
ntificar las instituciones
académicas más productivas en el campo de estudio. Este análisis facilitó el reconocimiento de
los centros de investigación y universidades líderes, así como las tendencias de publicación por
afiliación, lo que aportó una visión
amplia del interés académico y de la distribución geográfica
de la investigación sobre inteligencia artificial en educación.
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
57
Para el análisis de los datos, se excluyeron estudios que no cumplían con los criterios
de relevancia y calidad, asegurando que la selección final de artículos incluyera únicamente
aquellos con una contribución significativa al entendimiento de las aplicac
iones de la
inteligencia artificial en la gestión educativa. Los artículos seleccionados se clasificaron de
acuerdo con el enfoque de cada estudio, incluyendo aplicaciones prácticas, análisis de impacto
y discusiones éticas sobre el uso de inteligencia art
ificial en la educación. Esta clasificación
permitió una estructuración coherente de la revisión, abordando las áreas más relevantes y
actuales en la temática.
Además, se emplearon herramientas de análisis cuantitativo y cualitativo de Scopus, las
cuales ayudaron a identificar patrones en el uso de inteligencia artificial en distintas áreas
educativas, además de evaluar el crecimiento y la evolución de las public
aciones en el tema en
los últimos años. La metodología de selección y análisis fue diseñada para garantizar que los
resultados de la revisión reflejen el estado actual del conocimiento y las perspectivas futuras
en el uso de inteligencia artificial en la g
estión educativa.
Figura 1.
Documentos por afiliación de instituciones académicas según Scopus.
Nota:
La Figura 1 muestra las instituciones con mayor producción de documentos sobre el tema, de acuerdo con
las analíticas de Scopus.
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
58
Resultados
1.1.
Impacto de la IA en la Personalización del Aprendizaje
La aplicación de la inteligencia artificial (IA) en el ámbito educativo ha marcado un
cambio paradigmático en la forma en que se personaliza el aprendizaje, especialmente en la
educación superior y las ciencias sociales. La IA permite crear experiencias de aprendizaje
individualizadas, adaptadas no solo a los conocimientos previos de cada estudiante, sino
también a sus habilidades, intereses y ritmo de aprendizaje (Chen et al., 2
020). La
implementación de sistemas inteligentes en la educación posibilita que el proceso formativo se
centre cada vez más en las necesidades particulares de los alumnos, aumentando así la
efectividad y eficiencia del aprendizaje.
Un componente central de la personalización del aprendizaje con IA es la capacidad de
ajustar el contenido educativo a las características individuales de los estudiantes. Los sistemas
de aprendizaje impulsados por IA pueden analizar grandes volúmenes de d
atos sobre el
comportamiento y desempeño de los estudiantes en tiempo real, permitiendo una adaptación
continua del contenido de enseñanza en función de su progreso y comprensión (Chen et al.,
2020). Esta característica es particularmente valiosa en la edu
cación superior, donde los
estudiantes pueden tener diferentes niveles de preparación y requerimientos académicos.
Los algoritmos de IA analizan patrones de aprendizaje y pueden recomendar o
modificar contenido para asegurar que cada estudiante avance de acuerdo con sus capacidades
y comprensión. Un estudio realizado por Kumar et al. (2019) destaca que los sistemas de
aprendizaje adaptativo que utilizan IA logran ajustar no solo la dificultad del material, sino
también los tipos de actividades o ejercicios que se presentan, promoviendo un aprendizaje
más profundo y menos fragmentado. Estos ajustes son esenciales para op
timizar el proceso de
enseñanza y minimizar la frustración o el desinterés que pueden surgir cuando el contenido no
corresponde al nivel o estilo de aprendizaje del alumno.
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
59
La retroalimentación inmediata es uno de los aspectos más valorados en la
personalización del aprendizaje con IA. A través de sistemas de tutoría inteligente y análisis de
datos, la IA puede identificar en tiempo real las áreas de mejora y fortalezas de ca
da estudiante,
proporcionando una retroalimentación ajustada a sus necesidades. Esta capacidad de respuesta
rápida y específica es crucial en el aprendizaje, ya que permite a los estudiantes recibir
indicaciones para corregir errores o profundizar en conce
ptos mientras aún están en el proceso
de aprenderlos (Wang & Heffernan, 2013).
La IA también facilita el diseño de itinerarios de aprendizaje personalizados, un proceso
que implica la creación de secuencias de aprendizaje ajustadas a los objetivos y progresos de
cada estudiante. Mediante algoritmos de aprendizaje automático, es posib
le prever el
rendimiento futuro de un estudiante en determinadas áreas, adaptando las actividades y el
contenido en función de los resultados obtenidos en evaluaciones anteriores. Esto permite que
el estudiante se enfrente a retos adecuados a su nivel de c
ompetencia, lo que incrementa la
probabilidad de éxito y reduce el riesgo de desmotivación o frustración (Pardo et al., 2018).
1.2.
Incremento de la motivación y retención
El uso de IA en la educación puede contribuir de manera significativa a aumentar la
motivación y la retención de conocimientos en los estudiantes. Al adaptar los contenidos
educativos a los intereses y estilos de aprendizaje individuales, se genera una may
or
implicación y compromiso en el proceso de aprendizaje (Baker & Inventado, 2014). Este
alineamiento entre los materiales de estudio y las preferencias personales es un factor clave
para mantener la atención del estudiante, evitando el abandono y mejorand
o la retención de la
información a largo plazo.
Diversos estudios demuestran que los estudiantes muestran mayor satisfacción y
menores tasas de deserción cuando se utilizan métodos personalizados en el proceso de
aprendizaje (Dziuban et al., 2018). Por ejemplo, un estudio de Baker (2014) señala que los
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
60
estudiantes que reciben una educación adaptada a sus intereses y necesidades tienden a
desarrollar una mayor autoconfianza y disposición hacia el aprendizaje, lo que fomenta una
actitud positiva y proactiva en su educación.
En este contexto, la IA también permite el uso de análisis de sentimientos y patrones de
comportamiento para detectar cambios en la motivación del estudiante y ofrecer intervenciones
oportunas que puedan revitalizar su interés. Estas intervenciones pueden
incluir desde
modificaciones en el material de estudio hasta la introducción de elementos lúdicos o desafíos
adicionales que estimulen el interés del estudiante, contribuyendo a una experiencia de
aprendizaje más gratificante y efectiva (Kumar et al., 2019
).
1.3.
Automatización de Procesos Administrativos en Educación Superior
La introducción de la inteligencia artificial (IA) en la educación superior está
transformando la forma en que las instituciones gestionan sus procesos administrativos,
permitiéndoles optimizar recursos y mejorar la eficiencia de sus operaciones. La IA apl
icada a
la gestión administrativa ofrece una amplia gama de soluciones automatizadas, como la
programación de clases, la evaluación de calificaciones, y el seguimiento de asistencia. Estas
mejoras no solo permiten reducir la carga de trabajo de los docente
s, liberándolos de tareas
repetitivas, sino que también optimizan el uso de espacios y materiales, y facilitan una toma de
decisiones informada basada en el análisis de grandes volúmenes de datos
(Zawacki
-
Richter et
al., 2019).
Los sistemas de IA son capaces de programar clases considerando factores como la
disponibilidad de los docentes, el tamaño de las aulas y las preferencias de los estudiantes,
maximizando así la utilización de los recursos de la institución. De acuerdo con
Aljarrah et al.
(2020), la programación de horarios y asignación de recursos mediante IA reduce los conflictos
y duplica la eficiencia en la administración, lo que resulta en una experiencia académica más
organizada y libre de errores humanos.
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
61
Uno de los beneficios clave de esta automatización es la calificación automatizada de
pruebas y tareas de tipo objetivo. Sistemas de IA, como los motores de análisis de respuestas
múltiples y de reconocimiento de patrones en respuestas abiertas, pueden pro
cesar grandes
volúmenes de datos en cuestión de minutos. Según Luckin et al. (2016), la implementación de
calificación automática no solo permite que los docentes reciban apoyo en las evaluaciones
masivas, sino que también ayuda a los estudiantes a obtener
retroalimentación inmediata,
promoviendo un aprendizaje continuo y efectivo.
1.4.
Facilitación de la toma de decisiones informada
La capacidad de la IA para procesar grandes volúmenes de datos en tiempo real y
extraer información significativa de ellos es particularmente valiosa para la toma de decisiones
estratégicas. La educación superior se enfrenta a desafíos constantes, como la
deserción
estudiantil, el rendimiento académico desigual y la necesidad de adaptación a demandas
cambiantes. La IA puede ayudar a los administradores a anticipar problemas potenciales
mediante el análisis predictivo y a diseñar intervenciones oportunas y e
specíficas (Pardo et al.,
2018).
Por ejemplo, los sistemas de IA pueden analizar datos relacionados con el rendimiento
académico y la asistencia, identificar patrones que indiquen posibles riesgos de deserción, y
sugerir estrategias de apoyo y retención antes de que los estudiantes abando
nen los programas.
Según un estudio de
Pardo, A., Han, F., & Ellis, R. A.
(20
18
), la IA aplicada en este contexto
ha permitido a las instituciones desarrollar programas de tutoría y apoyo que se activan
automáticamente para estudiantes en riesgo, lo cual h
a mejorado las tasas de retención en hasta
un 15%.
Además, los sistemas de IA ayudan en la gestión presupuestaria mediante el análisis de
datos financieros y operativos, optimizando la asignación de recursos y permitiendo a las
instituciones realizar inversiones estratégicas en áreas críticas. Esto es part
icularmente
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
62
importante en un contexto en el que las universidades enfrentan restricciones presupuestarias,
y necesitan maximizar el uso de los fondos disponibles. La IA proporciona así una ventaja
competitiva, facilitando decisiones estratégicas y reduciendo la probab
ilidad de errores
humanos en procesos complejos de planificación y asignación de recursos.
1.5.
Reducción del juicio crítico y la capacidad de análisis autónomo
La dependencia excesiva de sistemas automatizados en la educación puede tener
repercusiones negativas en el desarrollo de habilidades de pensamiento crítico y autonomía
intelectual de los estudiantes. Aunque la IA puede facilitar el acceso a la información
y
personalizar el aprendizaje, un enfoque indiscriminado en su uso puede desalentar la capacidad
de los estudiantes para analizar y cuestionar la información de manera crítica. McQuillan
(2022) advierte que la incorporación excesiva de IA en los procesos
educativos puede llevar a
una “mentalidad algorítmica”, en la que se prioriza la eficiencia y la respuesta automática sobre
la reflexión profunda y el análisis independiente.
Este fenómeno puede resultar en una educación menos crítica y más pasiva, donde los
estudiantes dependen de las recomendaciones y evaluaciones automatizadas sin
cuestionar su
validez o interpretar sus significados. Las ciencias sociales, que promueven la comprensión de
contextos complejos y el análisis crítico, corren un riesgo particular de ver disminuida su
riqueza educativa si se reduce la interacción humana en
favor de la automatización (McQuillan,
2022). Es fundamental, por lo tanto, encontrar un equilibrio en la aplicación de IA en la
educación que permita aprovechar sus beneficios sin sacrificar las habilidades esenciales de
juicio crítico.
1.6.
Rol de la IA en la
m
ejora de la
i
nvestigación
a
cadémica
La inteligencia artificial (IA) ha emergido como una herramienta invaluable en la
investigación en ciencias sociales, transformando tanto los métodos tradicionales de
recolección de datos como el análisis de fenómenos complejos. Su incorporación en la
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
63
investigación social permite una mayor precisión y profundidad en la obtención de resultados,
amplía las capacidades metodológicas y promueve la colaboración interdisciplinaria. A
continuación, se detallan algunas de las aplicaciones más relevantes de la I
A en este contexto:
Uno de los aportes más notables de la IA en las ciencias sociales es la capacidad de
recolectar y analizar grandes volúmenes de datos de manera rápida y eficiente, lo cual resulta
fundamental en una era donde los datos digitales y masivos (big data) se han
vuelto
omnipresentes. En este ámbito, herramientas basadas en IA permiten obtener datos de
plataformas de redes sociales, foros en línea y otras fuentes digitales, lo que facilita la
identificación de patrones de comportamiento y tendencias en tiempo real
(González
-
Bailón,
2017).
La IA también ha demostrado ser una herramienta poderosa para apoyar el proceso de
revisión de literatura, una fase esencial en cualquier investigación académica. Los
investigadores se enfrentan a bases de datos y bibliotecas digitales que contienen millon
es de
artículos científicos y fuentes relevantes, y navegar este mar de información puede ser un
proceso abrumador. Herramientas de IA especializadas en recuperación de información y
recomendación de documentos permiten automatizar la búsqueda de literatur
a relevante,
identificando fuentes clave y resúmenes de investigaciones similares (Beel et al., 2016).
Además, los sistemas de recomendación académica basados en IA sugieren lecturas
relacionadas, lo que permite a los investigadores ampliar sus referencias bibliográficas y
descubrir estudios que podrían haber pasado desapercibidos. Esta tecnología facilita
una
revisión exhaustiva y organizada, aumentando la productividad de los investigadores y
contribuyendo a la solidez del marco teórico. La IA incluso permite a los investigadores
enfocarse en los estudios más relevantes mediante el análisis de citas y pala
bras clave, lo que
optimiza el proceso de revisión y ayuda a los académicos a mantenerse actualizados en sus
respectivos campos (Baker & Inventado, 2014).
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
64
1.7.
Realización de simulaciones y modelados complejos
La capacidad de la IA para realizar simulaciones y modelados complejos ha abierto
nuevas posibilidades en las metodologías de investigación en ciencias sociales, particularmente
en áreas que requieren el estudio de fenómenos dinámicos y no lineales. Las si
mulaciones
basadas en IA, como los modelos de agentes, permiten a los investigadores replicar y analizar
comportamientos sociales en entornos virtuales, lo que facilita la comprensión de fenómenos
complejos como la difusión de información, el comportamient
o de mercados económicos y la
dinámica de redes sociales (Gilbert & Troitzsch, 2005).
En ciencias sociales, los modelos basados en agentes son especialmente útiles para
estudiar fenómenos como la propagación de rumores, el cambio de opinión o la colaboración
en grupos, ya que permiten observar cómo los individuos interactúan y responden a d
iferentes
estímulos en un entorno controlado. Este tipo de modelado facilita la evaluación de hipótesis
de manera segura y económica, sin necesidad de llevar a cabo experimentos a gran escala en
el mundo real (Epstein, 2006). La IA permite ajustar los pará
metros de las simulaciones y
probar diferentes escenarios, lo que incrementa la flexibilidad y alcance de los modelos en
ciencias sociales.
Discusión
La aplicación de la inteligencia artificial (IA) en la educación superior y las ciencias
sociales plantea tanto oportunidades como desafíos significativos que requieren una reflexión
crítica y una evaluación ética rigurosa. La capacidad de la IA para optim
izar procesos
administrativos y apoyar el análisis y recolección de datos ha transformado los métodos de
gestión en instituciones educativas, permitiendo a los docentes concentrarse en tareas
pedagógicas y de investigación que realmente aportan al proceso
educativo (Zawacki
-
Richter
et al., 2019). Sin embargo, esta automatización, si bien
aligera
la carga administrativa, también
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
65
introduce riesgos potenciales para la privacidad y el manejo ético de los datos estudiantiles,
dado el volumen y la naturaleza sensible de la información recopilada (UNESCO, 2021).
La capacidad de la IA para procesar y analizar grandes volúmenes de datos también
facilita la recolección de información a una escala sin precedentes, permitiendo estudios
sociales de mayor alcance y precisión. Esto supone una ventaja significativa para el
avance en
la comprensión de fenómenos complejos, ya que los investigadores pueden ahora acceder a
herramientas que identifican patrones en tiempo real y personalizan los enfoques investigativos
(González
-
Bailón, 2017). Sin embargo, esta capacidad de análi
sis plantea interrogantes éticos
sobre el sesgo inherente a los algoritmos utilizados, los cuales, al ser entrenados en conjuntos
de datos que reflejan estructuras y prejuicios sociales existentes, pueden perpetuar y amplificar
desigualdades si no son supe
rvisados adecuadamente (Birhane, 2021). La supervisión y
auditoría continua de estos sistemas es, por tanto, indispensable para garantizar que las
herramientas de IA se utilicen de manera justa y equitativa en el análisis de datos de ciencias
sociales.
En el ámbito académico, la IA contribuye de manera notable a la productividad
investigativa, apoyando la revisión de literatura y la búsqueda de fuentes relevantes a través de
sistemas de recomendación que permiten al investigador obtener una visión panorá
mica de su
campo de estudio en menor tiempo. Esto representa un beneficio importante en términos de
eficiencia, ya que facilita el acceso a fuentes críticas y permite a los académicos concentrarse
en análisis más profundos (Beel et al., 2016). Sin embargo,
la dependencia excesiva de sistemas
automatizados podría reducir la capacidad de análisis autónomo y juicio crítico de los
estudiantes, quienes podrían tender a aceptar los resultados generados por la IA sin
cuestionarlos o examinarlos detenidamente, lo c
ual sería particularmente problemático en áreas
que exigen una evaluación crítica y reflexiva, como las ciencias sociales (McQuillan, 2022).
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
66
Este fenómeno refuerza la necesidad de equilibrar el uso de la tecnología con métodos
tradicionales de enseñanza que fomenten habilidades analíticas e independientes.
Por otro lado, la IA ha ampliado las metodologías de investigación en ciencias sociales
al permitir simulaciones y modelados complejos que ofrecen a los investigadores una
perspectiva única sobre dinámicas sociales y fenómenos que difícilmente podrían ser
replicados en el mundo real (Gilbert & Troitzsch, 2005). Estas simulaciones, como los modelos
basados en agentes, son especialmente útiles en el estudio de interacciones sociales y la
propagación de comportamientos, proporcionando a los científicos sociale
s una herramienta
que les permite formular y probar hipótesis de manera controlada y segura. Sin embargo, estos
modelos dependen en gran medida de los datos de entrada y las asunciones de los
investigadores, lo que implica un riesgo de sesgo si no se consi
dera adecuadamente la
complejidad social en el diseño de los modelos. En este sentido, la ética en la construcción de
modelos y la transparencia de los algoritmos se vuelve fundamental para evitar interpretaciones
reduccionistas o deterministas de los fenó
menos sociales (Kitchin, 2014).
Finalmente, la IA promueve la colaboración interdisciplinaria, integrando diversas
herramientas analíticas en proyectos de investigación que involucran a especialistas de
diferentes disciplinas. La capacidad de la IA para analizar grandes volúmenes de dato
s y su
aplicación en contextos interdisciplinarios fomenta una comprensión más integral de los
fenómenos sociales, uniendo perspectivas que enriquecen el análisis y la interpretación de los
resultados (Kleinberg et al., 2015). Sin embargo, el uso de algori
tmos opacos dificulta el
entendimiento y control de las decisiones tomadas por la IA en estos contextos, lo cual puede
generar desconfianza en su implementación en disciplinas que requieren transparencia y
rendición de cuentas (Holmes et al., 2019). La UNE
SCO (2021) enfatiza la importancia de
promover la transparencia en los algoritmos y su explicabilidad, de manera que tanto
investigadores como participantes puedan comprender y evaluar las decisiones y resultados
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
67
generados por la IA, lo que fortalecerá la confianza en el uso ético de la tecnología en la
investigación.
Conc
l
usión
La implementación de la inteligencia artificial en la educación superior y las ciencias
sociales representa un avance significativo en la optimización de procesos administrativos, el
análisis de datos y el desarrollo de metodologías innovadoras de investig
ación. Esta tecnología
facilita la automatización de tareas rutinarias, liberando a los docentes de cargas
administrativas y permitiéndoles centrarse en actividades pedagógicas y de investigación de
mayor valor académico. Asimismo, la IA ha demostrado ser
una herramienta poderosa en el
ámbito investigativo, ofreciendo posibilidades avanzadas para la recolección y análisis de
grandes volúmenes de datos, la optimización en la revisión de literatura y la creación de
simulaciones y modelados complejos que expan
den las capacidades metodológicas en ciencias
sociales.
Sin embargo, la implementación de IA también conlleva desafíos éticos cruciales. La
recolección y el procesamiento de datos personales suscitan preocupaciones sobre la privacidad
y la protección de la información estudiantil, especialmente en un contexto e
n el que el volumen
de datos utilizados por los sistemas de IA es cada vez mayor. Asimismo, el riesgo de sesgos en
los algoritmos, si no se controla adecuadamente, puede perpetuar desigualdades sociales,
afectando la equidad y justicia en la toma de decisi
ones educativas y administrativas. Por otro
lado, la dependencia excesiva de sistemas automatizados en los procesos de enseñanza y
aprendizaje plantea el riesgo de reducir la capacidad crítica y la autonomía intelectual de los
estudiantes, quienes pueden l
legar a aceptar las recomendaciones de la IA sin evaluarlas
críticamente.
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
68
Además, la opacidad de los algoritmos utilizados en la IA dificulta la transparencia y la
comprensión de las decisiones que estos sistemas generan, lo que puede generar desconfianza
entre los usuarios y limitar la adopción de estas tecnologías en contextos
educativos. Es
fundamental, por lo tanto, fomentar el desarrollo de algoritmos explicables y transparentes que
permitan a los educadores, estudiantes e investigadores comprender las bases de las decisiones
generadas por la IA.
En
síntesis
, la IA ofrece oportunidades transformadoras para la educación superior y las
ciencias sociales, pero su implementación debe llevarse a cabo con precaución y atención a los
principios éticos. La supervisión constante, la adopción de marcos legales adecuado
s, la
promoción de prácticas inclusivas en el diseño de algoritmos y el equilibrio entre la tecnología
y el pensamiento crítico son fundamentales para maximizar los beneficios de la IA en la
educación y la investigación sin comprometer los derec
hos y valores fundamentales de los
individuos involucrados. La integración responsable de la IA en estos campos permitirá que la
tecnología contribuya de manera significativa al progreso académico, respetando siempre la
dignidad y el bienestar de los estud
iantes y la comunidad académica en general.
Referencias
bibliográficas
Aljarrah, A., Thomas, M., & Shehab, M. (2020).
Artificial Intelligence in Higher Education:
The State of Practice and Implications for Research.
International Journal of
Educational Technology in Higher Education
, 17(1), 55
-
68.
https://doi.org/10.1186/s41239
-
023
-
00392
-
8
Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. En J.
A. Larusson & B. White (Eds.),
Learning Analytics: From Research to Practice
(pp.
61
-
75).
Springer.
https://doi.org/10.1007/978
-
1
-
4614
-
3305
-
7_4
Beel, J., Gipp, B., Langer, S., & Breitinger, C. (2016). Research
-
paper recommender systems:
A literature survey.
International Journal on Digital Libraries, 17
(4), 305
-
338.
https://doi.org/10.1007/s00799
-
015
-
0156
-
0
Birhane, A. (2021). Algorithmic injustice: A relational ethics approach.
Patterns, 2
(2), 100205.
https://doi.org/10.1016/j.patter.2021.100205
Cajamarca
-
Correa, M. A., Cangas
-
Cadena, A. L., Sánchez
-
Simbaña, S. E., & Pérez
-
Guillermo,
A. G. (2024). Nuevas tendencias en el uso de recursos y herramientas de la Tecnología
Educativa para la Educación Universitaria .
Journal of Economic and Social Scien
ce
Research,
4(3), 127
–
150.
https://doi.org/10.55813/gaea/jessr/v4/n3/124
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
69
Chaves Ramírez, M. R. (2022). El papel de la inteligencia artificial en la educación superior.
Revista Académica Institucional
, 3(2), 24
–
30.
https://rai.usam.ac.cr/index.php/raiusam/article/view/54
Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review.
IEEE
Access
, 8, 75264
-
75278.
https://doi.org/10.1109/ACCESS.2020.2988510
Dziuban, C., Moskal, P., & Hartman, J. (2018). Adapting to learning styles: The impact of
adaptive learning technology on student performance.
Online Learning
, 22(3), 1
-
13.
https://doi.org/10.24059/olj.v22i3.1465
Epstein, J. M. (2006).
Generative Social Science: Studies in Agent
-
Based Computational
Modeling
. Princeton University Press.
Garcia Falckenheiner, A., Villanes Rojas, S., Felippe Mori, M., Cerna Barco, R., Paliza
Champi, L., & Pajuelo Aguirre, P. (2023).
Impacto de la inteligencia artificial en la
Educación Superior.
AD MAJOREM PATRIAE GLORIAM
, 6(1), 9
–
19.
García Peña, V. R., Mora Marcillo, A. B., & Ávila Ramírez, J. A. (2020). La inteligencia
artificial en la educación.
Dominio de las Ciencias
, 6(Extra 3), 648
–
666.
http://dx.doi.org/10.23857/dc.v6i3.1421
Gilbert, N., & Troitzsch, K. G. (2005).
Simulation for the Social Scientist
. McGraw
-
Hill
Education.
González Sánchez, J. L., Villota Garcia, F. R., Moscoso Parra, A. E., Garces Calva, S. W., &
Bazurto Arévalo, B. M. (2023). Aplicación de la Inteligencia Artificial en la Educación
Superior.
Dominio de las Ciencias
, 9(3), 1097
–
1108.
González
-
Bailón, S. (2017).
Decoding the Social World: Data Science and the Unintended
Consequences of Communication
. MIT Press.
Holmes, W., Bialik, M., & Fadel, C. (2019).
Artificial Intelligence in
Education: Promises and
Implications for Teaching and Learning
. Boston: Center for Curriculum Redesign.
Kitchin, R. (2014).
The Data Revolution: Big Data, Open Data, Data Infrastructures and Their
Consequences
. SAGE Publications.
Kleinberg, J., Ludwig, J., Mullainathan, S., & Obermeyer, Z. (2015). Prediction policy
problems.
American Economic Review, 105
(5), 491
-
495.
https://doi.org/10.1257/aer.p20151023
Kumar, V., Kumar, U., & Basu, S. (2019). Adaptive learning: A review of AI
-
based
applications in educational technology.
International Journal of Information and
Education Technology
, 9(11), 798
-
803.
https://doi.org/10.18178/ijiet.2019.9.11.1306
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016).
Intelligence Unleashed: An
Argument for AI in Education
. Pearson.
McQuillan, D. (2022). Resisting AI: An Anti
-
fascist Approach to Artificial Intelligence.
Journal of Sociology, 58
(4), 567
-
583.
Ocaña
-
Fernández, Y., Valenzuela
-
Fernández, L. A., & Garro
-
Aburto, L. L. (2019).
Inteligencia artificial y sus implicaciones en la educación superior.
Propósitos y
Representaciones
, 7, 536
–
568.
Pardo, A., Han, F., & Ellis, R. A. (2018).
Combining university student self
-
regulated learning
indicators and engagement with online learning events to predict academic
performance.
IEEE Transactions on Learning Technologies
, 12(2), 200
-
212.
https://doi.org/10.1109/TLT.2018.2856808
Piedra
-
Castro, W. I., Burbano
-
Buñay, E. S., Tamayo
-
Verdezoto, J. J., & Moreira
-
Alcívar, E.
F. (2024). Inteligencia artificial y su incidencia en la estrategia metodológica de
aprendizaje basado en investigación.
Journal of Economic and Social Science
Resea
rch,
4(2), 178
–
196.
https://doi.org/10.55813/gaea/jessr/v4/n2/106
Piedra
-
Castro, W. I., Cajamarca
-
Correa, M. A., Burbano
-
Buñay, E. S., & Moreira
-
Alcívar, E.
F. (2024). Integración de la inteligencia artificial en la enseñanza de las Ciencias
Código Científico Revista de Investigación
Vol.
5
–
Núm.
2
/
Julio
–
Diciembre
–
202
4
70
Sociales en la educación superior.
Journal of Economic and Social Science
Research,
4(3), 105
–
126.
https://doi.org/10.55813/gaea/jessr/v4/n3/123
Popenici, S., & Kerr, S. (2017). Exploring the Impact of Artificial Intelligence on Teaching
and Learning in Higher Education.
Research and Practice in Technology Enhanced
Learning
, 12(1), 22
-
34.
https://doi.org/10.1186/s41039
-
017
-
0062
-
8
Salmerón Moreira, Y. M., Luna Alvarez, H. E., Murillo Encarnacion, W. G., & Pacheco
Gómez, V. A. (2023). El futuro de la Inteligencia Artificial para la educación en las
instituciones de Educación Superior.
Conrado
, 19, 27
–
34.
http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1990
-
86442023000400027&lng=es&tlng=pt
.
Santander
-
Salmon, E. S. (2024). Métodos pedagógicos innovadores: Una revisión de las
mejores prácticas actuales. Revista Científica Zambos, 3(1), 73
-
90.
https://doi.org/10.69484/rcz/v3/n1/13
Silva Alvarado, J. C., & Herrera Navas, C. D. (2022). Estudio de Kahoot como recurso
didáctico para innovar los procesos evaluativos pospandemia de básica superior de la
Unidad Educativa Iberoamericano.
Journal of Economic and Social Science
Research,
2(4)
, 15
–
40.
https://doi.org/10.55813/gaea/jessr/v2/n4/23
Terrazo
-
Luna, E. G., Riveros
-
Anccasi, D., Torres
-
Acevedo, C. L., Rojas
-
Quispe, A. E.,
Cencho Pari, A., Coronel
-
Capani, J., & Yaulilahua
-
Huacho, R. (2023). Habilidades
Perceptivas: Mejorando el Aprendizaje Remoto en Estudiantes de 5 años. Editorial
Grupo AE
A.
https://doi.org/10.55813/egaea.l.2022.30
Thelwall, M. (2018). Sentiment analysis in social networks.
Encyclopedia of Social Network
Analysis and Mining
, 1
-
10.
Torres
-
Torres, O. L. (2024). Evaluación de Genially como herramienta didáctica en la práctica
docente de la educación a distancia.
Journal of Economic and Social Science
Research,
4(1), 1
–
18.
https://doi.org/10.55813/gaea/jessr/v4/n1/82
UNESCO. (2021). Recomendación sobre la Ética de la Inteligencia Artificial.
Recuperado de
https://unesdoc.unesco.org/
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
Wang, Y., & Heffernan, N. T. (2013). The student skill model.
User Modeling and User
-
Adapted Interaction
, 23(1), 1
-
39
.
https://doi.org/10.1007/978
-
3
-
642
-
30950
-
2_51