PERSPECTIVAS UNIVERSITARIAS SOBRE INTELIGENCIA ARTIFICIAL: RETOS, AVANCES Y DESARROLLO DE COMPETENCIAS PROFESIONALES
Resumen
La inteligencia artificial (IA) se presenta como una tecnología poderosa con el potencial de transformar la educación, especialmente en la formación profesional de estudiantes universitarios. Este estudio tiene como objetivo analizar integralmente las perspectivas de estos estudiantes sobre el uso de la IA, determinando sus percepciones en cuanto a ventajas, desafíos y expectativas en la integración de la IA para el desarrollo y fortalecimiento de sus competencias disciplinares y transversales. A través de una encuesta dirigida a estudiantes universitarios, se encontró que, en general, la percepción hacia la IA es positiva. Entre las ventajas señaladas se destacan la personalización del aprendizaje, el acceso a recursos avanzados y la mejora en la eficiencia educativa. No obstante, también se identificaron desventajas como el riesgo de dependencia tecnológica, la posible reducción del pensamiento crítico y la necesidad de habilidades técnicas avanzadas. Es relevante estar preparados para aprovechar las oportunidades que generan las nuevas tecnologías. Por ello, es esencial implementar medidas que minimicen los impactos negativos al tiempo que se maximicen los beneficios de la IA en el ámbito educativo.Citas
Abeliuk, A., & Gutiérrez, C. (2021). Historia y evaluación de la inteligencia artificial. Revista Bits de Ciencia, (21), 14-21.
Agustia, M., Noviandy, T. R., Maulana, A., Suhendra, R., Muslem, M., Sasmita, N. R., ... & Idroes, R. (2022, September). Application of Fuzzy Support Vector Regression to Predict the Kovats Retention Indices of Flavors and Fragrances. In 2022 International Conference on Electrical Engineering and Informatics (ICELTICs) (pp. 13-18). IEEE.
Ahmad, S. F., Rahmat, M. K., Mubarik, M. S., Alam, M. M., & Hyder, S. I. (2021). Artificial intelligence and its role in education. Sustainability, 13(22), 12902.
Al-Surmi, A., Bashiri, M., & Koliousis, I. (2022). AI based decision making: combining strategies to improve operational performance. International Journal of Production Research, 60(14), 4464-4486.
Ayala, L. A. G., Pila, V. N. C., de los Angeles Yanchaluiza, V., Poveda, F. E. J., Lloacana, B. D. C., Pérez, A. A. C., & Albarracín, E. S. G. (2024). Integración de la inteligencia artificial en la enseñanza de matemáticas un enfoque personalizado para mejorar el aprendizaje. Ciencia Latina Revista Científica Multidisciplinar, 8(6), 818-839.
Castillo, D. E. M. (2023). La influencia de la inteligencia artificial en la personalización del aprendizaje: Perspectivas y desafíos en la educación. Revista Ingenio global, 2(2), 28.
Cenggoro, T. W., & Pardamean, B. (2023). A systematic literature review of machine learning application in COVID-19. Procedia computer science, 216, 749-756.
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20(1), 43.
Chicaíza, R. M. C., Castillo, L. A. C., Ghose, G., Magayanes, I. E. C., & Fonseca, V. T. G. (2023). Aplicaciones de Chat GPT como inteligencia artificial para el aprendizaje de idioma inglés: avances, desafíos y perspectivas futuras. Latam: revista latinoamericana de Ciencias Sociales y Humanidades, 4(2), 180.
Chowdhury, S., Dey, P., Joel-Edgar, S., Bhattacharya, S., Rodriguez-Espindola, O., Abadie, A., & Truong, L. (2023). Unlocking the value of artificial intelligence in human resource management through AI capability framework. Human resource management.
Creswell, J., & Plano Clark, V. (2017). Designing and Conducting Mixed Methods Research. Thousand Oaks, CA: Sage
García, N. R. P., Parrales, E. M. B., Cantos, M. A. B., & Ponce, M. R. M. (2024). Integración de la Inteligencia artificial en la formulación de proyectos: Oportunidades, desafíos y perspectivas futuras. RECIAMUC, 8(1), 463-477.
Hariri, W. (2023). Unlocking the potential of ChatGPT: A comprehensive exploration of its applications, advantages, limitations, and future directions in natural language processing. arXiv preprint arXiv:2304.02017.
Herrera, P., Orozco, R., Núñez, W., y Avalos, P. (2024). Inteligencia artificial en la educación artística: Retos y perspectivas. Revista Imaginario Social, 7(2).
Idroes, G. M., Maulana, A., Suhendra, R., Lala, A., Karma, T., Kusumo, F., ... & Noviandy, T. R. (2023). TeutongNet: A fine-tuned deep learning model for improved forest fire detection. Leuser Journal of Environmental Studies, 1(1), 1-8.
Idroes, R., Noviandy, T. R., Maulana, A., Suhendra, R., Sasmita, N. R., Muslem, M., ... & Irvanizam, I. (2023). ANFIS-Based QSRR Modelling for Kovats Retention Index Prediction in Gas Chromatography. Infolitika Journal of Data Science, 1(1), 8-14.
Kahlon, N. K., & Singh, W. (2023). Machine translation from text to sign language: a systematic review. Universal Access in the Information Society, 22(1), 1-35.
Kapania, S., Siy, O., Clapper, G., Sp, A. M., & Sambasivan, N. (2022, April).” Because AI is 100% right and safe”: User attitudes and sources of AI authority in India. In Proceedings of the 2022 CHI Conference on Human Factors in Computing Systems.
Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., ... & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large (Aucott, 2009) (Kasneci, 2023)language models for education. Learning and individual differences, 103, 102274.
Kohnke, L., Moorhouse, B. L., & Zou, D. (2023). ChatGPT for language teaching and learning. Relc Journal, 54(2), 537-550.
Khurana, D., Koli, A., Khatter, K., & Singh, S. (2023). Natural language processing: state of the art, current trends and challenges. Multimedia tools and applications, 82(3).
Krenn, M., Pollice, R., Guo, S. Y., Aldeghi, M., Cervera-Lierta, A., Friederich, P., ... & Aspuru-Guzik, A. (2022). On scientific understanding with artificial intelligence. Nature Reviews Physics, 4(12), 761-769.
Kreuzberger, D., Kühl, N., & Hirschl, S. (2023). Machine learning operations (mlops): Overview, definition, and architecture. IEEE access, 11, 31866-31879.
Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 1-35.
Noviandy, T. R., Maulana, A., Emran, T. B., Idroes, G. M., & Idroes, R. (2023). QSAR Classification of Beta-Secretase 1 Inhibitor Activity in Alzheimer's Disease Using Ensemble Machine Learning Algorithms. Heca Journal of Applied Sciences, 1(1), 1-7.
Petra?cu, G. M. (2023). Student’s Perceptions of AI in Education. https://www.kaggle.com/datasets/gianinamariapetrascu/survey-on-students perceptions-of-ai-in-education, accessed 2-5-2023.
Pisica, A. I., Edu, T., Zaharia, R. M., & Zaharia, R. (2023). Implementing artificial intelligence in higher education: Pros and cons from the perspectives of academics. Societies, 13(5), 118.
Presbitero, A., Teng-Calleja, M. (2023). Job attitudes and career behaviors relating to employees’ perceived incorporation of artificial intelligence in the workplace: a career selfmanagement perspective, Personnel Review, Vol. 52, No. 4, 1169–1187.
Roumeliotis, K. I., & Tselikas, N. D. (2023). Chatgpt and open-ai models: A preliminary review. Future Internet, 15(6), 192.
Zhang, B., Zhu, J., & Su, H. (2023). Toward the third generation artificial intelligence. Science China Information Sciences, 66(2), 121101.
Zhou, K. Q., & Nabus, H. (2023). The ethical implications of DALL-E: Opportunities and challenges. Mesopotamian Journal of Computer Science, 2023, 16-21.
