Palabras clave

Inteligencia artificial, educación, contemporáneo, aprendizaje electrónico, enseñanza en línea, aprendizaje profundo

Resumen

El término «Inteligencia Artificial» fue acuñado en 1956 en una conferencia en Dartmouth College, y desde entonces, este ha experimentado un desarrollo constante y ha evolucionado de manera significativa. Algunos de los pioneros más destacados incluyen a John McCarthy, Marvin Minsky, Allen Newell y Herbert A. Simon. La aplicación de la inteligencia artificial en la educación ha aumentado considerablemente a nivel mundial en la dinámica era digital. El objetivo de la investigación es analizar bibliométricamente las incidencias de la IA en la educación contemporánea. La metodología contiene un Prisma de tres bases de datos fundamentales Scopus (n=390), Mendeley (n=113) y Science Direct (n=3.594), para un total de n=4.097 artículos en idioma inglés y español. La revisión sistematizada de la literatura reciente tiene un enfoque mixto, cuantitativos y cualitativos empleando varios paradigmas de la investigación en función del objetivo, se obtiene que la IA ha revolucionado la educación, ofreciendo soluciones personalizadas y eficientes para mejorar el aprendizaje de los estudiantes. En las principales conclusiones se plantea que en los términos teóricos de mayor impacto están los estudiantes como elemento principal de la IA de la educación contemporánea. Por otra parte, los profesores juegan un papel fundamental en este proceso a través de sus metodologías y el uso de estas tecnologías. Así mismo están los currículos educacionales mediante la toma de decisiones en los colegios y universidades que están apostando por nuevos modelos tecnológicos educativos.

Ver infografía

Referencias

Ahmed, A., Aziz, S., Qidwai, U., Farooq, F., Shan, J., Subramanian, M., Chouchane, L., EINatour, R., Abd-Alrazaq, A., Pandas, S., & Sheikh, J. (2022). Wearable artificial intelligence for assessing physical activity in high school children. Sustainability, 15(1), 638. https://doi.org/10.3390/su15010638

Link DOI | Link Google Scholar

Alhumaid, K., Naqbi, S.A., Elsori, D., & Mansoori, M.A. (2023). The adoption of artificial intelligence applications in education. International Journal of Data and Network Science, 7(1), 457-466. https://doi.org/10.5267/j.ijdns.2022.8.013

Link DOI | Link Google Scholar

Allaoua-Chelloug, S., Ashfaq, H., Alsuhibany, S., Shorfuzzaman, M., Alsufyani, A., Jalal, A., & Park, J. (2023). Real objects understanding using 3D haptic virtual reality for e-learning education. Computers, Materials & Continua, 74(1), 1607-1624. https://doi.org/10.32604/cmc.2023.032245

Link DOI | Link Google Scholar

Aloisi, C. (2023). The future of standardised assessment: Validity and trust in algorithms for assessment and scoring. European Journal of Education, 58(1), 98-110. https://doi.org/10.1111/ejed.12542

Link DOI | Link Google Scholar

Arbelaez-Ossa, L., Rost, M., Lorenzini, G., Shaw, D.M., & Elger, B.S. (2023). A smarter perspective: Learning with and from AI-cases. Artificial Intelligence in Medicine, 135, 102458. https://doi.org/10.1016/j.artmed.2022.102458

Link DOI | Link Google Scholar

Aria, M., & Cuccurullo, C. (2017). Bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959-975. https://doi.org/10.1016/j.joi.2017.08.007

Link DOI | Link Google Scholar

Bañeres, D., Rodríguez-González, M.E., Guerrero-Roldán, A.E., & Cortadas, P. (2023). An early warning system to identify and intervene online dropout learners. International Journal of Educational Technology in Higher Education, 20(1), 1-25. https://doi.org/10.1186/s41239-022-00371-5

Link DOI | Link Google Scholar

Cerqueira, J.M., Cleto, B., Moura, J.M., Sylla, C., & Ferreira, L. (2023). Potentiating learning through augmented reality and serious games. In A.Y.C. Nee & S.K. Ong (eds), Springer Handbook of Augmented Reality (pp. 369-390). Springer. https://doi.org/10.1007/978-3-030-67822-7_15

Link DOI | Link Google Scholar

Chai, C.S., Chiu, T.K.F., Wang, X., Jiang, F., & Lin, X.F. (2023). Modeling Chinese Secondary School students’ behavioral intentions to learn artificial intelligence with the theory of planned behavior and self-determination theory. Sustainability, 15(1), 605. https://doi.org/10.3390/su15010605

Link DOI | Link Google Scholar

Dabbous, A., & Boustani, N.M. (2023). Digital explosion and entrepreneurship education: Impact on promoting entrepreneurial intention for business students. Journal of Risk and Financial Management, 16(1), 27-48. https://doi.org/10.3390/jrfm16010027

Link DOI | Link Google Scholar

Dong, Y. (2022). Application of artificial intelligence software based on semantic web technology in english learning and teaching. Journal of Internet Technology, 23(1), 143-152. https://doi.org/10.53106/160792642022012301015

Link DOI | Link Google Scholar

Ednie, G., Kapoor, T., Koppel, O., Piczak, M.L., Reid, J.L., Murdoch, A.D., Cook, C.N., Sutherland, W.J., & Cooke, S.J. (2022). Foresight science in conservation: Tools, barriers, and mainstreaming opportunities. Ambio, 52(2), 411-424. https://doi.org/10.1007/s13280-022-01786-0

Link DOI | Link Google Scholar

Flores-Vivar, J., & García-Peñalvo, F. (2023). Reflexiones sobre la ética, potencialidades y desafíos de la inteligencia artificial en el marco de una educación de calidad (ODS4). [Reflexiones sobre la ética, potencialidades y desafíos de la IA en el marco de la Educación de Calidad (ODS4)]. Comunicar, 74, 37-47. https://doi.org/10.3916/C74-2023-03

Link DOI | Link Google Scholar

García-Orosa, B., Canavilhas, J., & Vázquez-Herrero, J. (2023). Algorithms and communication: A systematized literature review. [Algoritmos y comunicación: Revisión sistematizada de la literatura]. Comunicar, 74, 9-21. https://doi.org/10.3916/C74-2023-01

Link DOI | Link Google Scholar

Hinojo-Lucena, F., Aznar-Díaz, I., Cáceres-Reche, M., & Romero-Rodríguez, J. (2019). Artificial intelligence in higher education: A bibliometric study on its impact in the scientific literature. Education Sciences, 9(1), 51-60. https://doi.org/10.3390/educsci9010051

Link DOI | Link Google Scholar

Ho, M., Le, N., Mantello, P., Ho, M., & Ghotbi, N. (2023). Understanding the acceptance of emotional artificial intelligence in japanese healthcare system: A cross-sectional survey of clinic visitors’ attitude. Technology in Society, 72, 102-166. https://doi.org/10.1016/j.techsoc.2022.102166

Link DOI | Link Google Scholar

Hort, M., Moussa, R., & Sarro, F. (2023). Multi-objective search for gender-fair and semantically correct word embeddings. Applied Soft Computing, 133, 109916. https://doi.org/10.1016/j.asoc.2022.109916

Link DOI | Link Google Scholar

Hu, Y., Fu, J.S., & Yeh, H. (2023). Developing an early-warning system through robotic process automation: Are intelligent tutoring robots as effective as human teachers? Interactive Learning Environments, 1-14. https://doi.org/10.1080/10494820.2022.2160467

Link DOI | Link Google Scholar

Hua-Hu, K. (2023). An exploration of the key determinants for the application of AI-enabled higher education based on a hybrid soft-computing technique and a DEMATEL approach. Expert Systems with Applications, 212, 118-762. https://doi.org/10.1016/j.eswa.2022.118762

Link DOI | Link Google Scholar

Huang, A.Y.Q., Lu, O.H.T., & Yang, S.J.H. (2023). Effects of artificial Intelligence–enabled personalized recommendations on learners’ learning engagement, motivation, and outcomes in a flipped classroom. Computers and Education, 194, 104684. https://doi.org/10.1016/j.compedu.2022.104684

Link DOI | Link Google Scholar

Hussain, A. (2023). Use of artificial intelligence in the library services: prospects and challenges. Library Hi Tech News, 40(2), 15-17. https://doi.org/10.1108/LHTN-11-2022-0125

Link DOI | Link Google Scholar

Kaur, D., Uslu, S., Rittichier, K.J., & Durresi, A. (2022). Trustworthy artificial intelligence: A review. ACM Computing Surveys, 55(2), 1-38. https://doi.org/10.1145/3491209

Link DOI | Link Google Scholar

King, M.R., & chatGPT. (2023). A conversation on artificial intelligence, chatbots, and plagiarism in higher education. Cellular and Molecular Bioengineering, 16(1), 1-2. https://doi.org/10.1007/s12195-022-00754-8

Link DOI | Link Google Scholar

Lahza, H., Khosravi, H., & Demartini, G. (2023). Analytics of learning tactics and strategies in an online learnersourcing environment. Journal of Computer Assisted Learning, 39(1), 94-112. https://doi.org/10.1111/jcal.12729

Link DOI | Link Google Scholar

Li, C., Zheng, P., Yin, Y., Wang, B., & Wang, L. (2023). Deep reinforcement learning in smart manufacturing: A review and prospects. CIRP Journal of Manufacturing Science and Technology, 40, 75-101. https://doi.org/10.1016/j.cirpj.2022.11.003

Link DOI | Link Google Scholar

Matthew, J., Pagea, J.E., McKenziea, P.M., Bossuyt, 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., Hróbjartsson, A., Lalu, M.M., Li, T., Loder, E.W., Mayo-Wilson, E., McDonald, S., McGuiness, L.A., … Moher, D. (2021). Declaración PRISMA 2020: Una guía actualizada para la publicación de revisiones sistemáticas. Revista Española de Cardiología, 74(9), 790-799. https://doi.org/10.1016/j.recesp.2021.06.016

Link DOI | Link Google Scholar

Ouyang, F., Wu, M., Zheng, L., Zhang, L., & Jiao, P. (2023). Integration of artificial intelligence performance prediction and learning analytics to improve student learning in online engineering course. International Journal of Educational Technology in Higher Education, 20(1), 4. https://doi.org/10.1186/s41239-022-00372-4

Link DOI | Link Google Scholar

Picciano, A.G. (2019). Artificial intelligence and the academy’s loss of purpose. Online Learning Journal, 23(3), 270-284. https://doi.org/10.24059/olj.v23i3.2023

Link DOI | Link Google Scholar

Sayed, B.T., Madanan, M., & Biju, N. (2023). An efficient artificial intelligence-based educational data mining approach for higher education and early recognition system. SN Computer Science, 4(2), 130. https://doi.org/10.1007/s42979-022-01562-7

Link DOI | Link Google Scholar

Shen, C., & Tan, Y. (2023). Effect evaluation model of computer aided physical education teaching and training based on artificial intelligence. Computer-Aided Design and Applications, 20(S5), 106-115. https://doi.org/10.14733/cadaps.2023.S5.106-115

Link DOI | Link Google Scholar

Sun, F., & Ye, R. (2023). Moral considerations of artificial intelligence. Science and Education, 32(1), 1-17. https://doi.org/10.1007/s11191-021-00282-3

Link DOI | Link Google Scholar

Tongkachok, K., Ali, B.M., Ganguly, M., Kumar, S., Malathi, M., & Subramanian, M. (2023). A detailed exploration of artificial intelligence and digital education and its sustainable impact on the youth of society. In S. Yadav., A. Haleem, P.K. Arora., & H. Kumar, H. (eds), Proceedings of Second International Conference in Mechanical and Energy Technology (pp. 139-146). Springer. https://doi.org/10.1007/978-981-19-0108-9_15

Link DOI | Link Google Scholar

Ursani, Z., & Ursani, A.A. (2023). The theory of probabilistic hierarchical learning for classification. Annals of Emerging Technologies in Computing, 7(1), 61-74. https://doi.org/10.33166/AETiC.2023.01.005

Link DOI | Link Google Scholar

Vila, E.M.S., & Penín, M.L. (2007). Introduction to special issue AI techniches applied in education. Inteligencia Artificial, 11(33), 7-12. https://doi.org/10.4114/ia.v11i33.914 

Link DOI | Link Google Scholar

Wang, X., Liu, Q., Pang, H., Tan, S.C., Lei, J., Wallace, M.P., & Li, L. (2023). What matters in AI-supported learning: A study of human-AI interactions in language learning using cluster analysis and epistemic network analysis. Computers and Education, 194, 104703. https://doi.org/10.1016/j.compedu.2022.104703

Link DOI | Link Google Scholar

Zhen, R., Song, W., He, Q., Cao, J., Shi, L., & Luo, J. (2023). Human-computer interaction system: A survey of talking-head generation. Electronics, 12(1), 218-239. https://doi.org/10.3390/electronics12010218

Link DOI | Link Google Scholar

Zhou, W. (2023). The development system of local music teaching materials based on deep learning. Optik, 273, 170421. https://doi.org/10.1016/j.ijleo.2022.170421

Link DOI | Link Google Scholar

Crossmark

Ficha técnica

Recibido: 09-02-2023

Revisado: 25-03-2023

Aceptado: 02-05-2023

OnlineFirst: 30-06-2023

Fecha publicación: 01-10-2023

Tiempo de revisión del artículo : 44 (en días) | Media de tiempo de revisión de los manuscritos del número 77: 32 (en días)

Tiempo de aceptación del artículo: 82 (en días) | Media tiempo aceptación de los manuscritos del número 77: 76 (en días)

Tiempo de edición OnlineFirst: 189 (en días) | Media tiempo edición de los OnlineFirst del número 77: 183 (en días)

Tiempo de publicacicón final del artículo: 234 (en días) | Media tiempo de publicación final de los articulos del número 77: 228 (en días)

Métricas

Métricas de este artículo

Vistas: 126785

Lectura del abstract: 118982

Descargas del PDF: 7803

Métricas completas de Comunicar 77

Vistas: 1131932

Lectura del abstract: 1099160

Descargas del PDF: 32772

Citado por

Citas en Web of Science

Actualmente no existen citas hacia este documento

Citas en Scopus

Actualmente no existen citas hacia este documento

Citas en Google Scholar

Incidencias de la inteligencia artificial en la educación MAT De La Cruz, EMM Benites, CGC Cachinelli… - RECIMUNDO, 2023 - recimundo.com

https://recimundo.com/index.php/es/article/view/2045

Descarga

Métricas alternativas

Cómo citar

Sanabria-Navarro, J., Silveira-Pérez, Y., Pérez-Bravo, D., & de-Jesús-Cortina-Núñez, M. (2023). Incidences of artificial intelligence in contemporary education. [Incidencias de la inteligencia artificial en la educación contemporánea]. Comunicar, 77, 97-107. https://doi.org/10.3916/C77-2023-08

Compartir

           

Oxbridge Publishing House

4 White House Way

B91 1SE Sollihul Reino Unido

Administración

Redacción

Creative Commons

Esta web utiliza cookies para obtener datos estadísticos de la navegación de sus usuarios. Si continúas navegando consideramos que aceptas su uso. +info X