Tendencias investigativas frente al uso de Inteligencia Artificial en contextos universitarios

Abstract

Palabras-clave: Machine Learning, Deep Learning, Análisis bibliométrico, Ciberseguridad, Educación 4.0 Abstract: Industry 4.0 technologies have revolutionized different social spheres, including the educational sector which, in terms of education 4.0, has benefited from the use of artificial intelligence; however, few articles have unified the existing literature on the thematic, so the present study aims to know the research trends in this field, for which a bibliometric analysis is carried out with the parameters of PRISMA-2020. Among the main results, authors such as Bond M and Marín V, among others, are the main academic references, as well as, in conceptual terms, Machine Learning is the main tool in terms of artificial intelligence development, and that In an emerging way, there are concepts such as Deep Learning or educational data mining, on which more future research is needed. Las nuevas tecnologías han proporcionado numerosas ventajas, permitiendo una mayor eficiencia en los procesos y contribuyendo a la toma de decisiones. Por tanto, tiene la capacidad de interactuar y guiar a los estudiantes en su proceso de aprendizaje con un enfoque auto exploratorio.

Headnote

Resumen: Las tecnologías de la industria 4.0 han revolucionado las diferentes esferas sociales, entre ellas el sector educativo que, en términos de educación 4.0 se ha visto beneficiado a partir del uso de la inteligencia artificial, sin embargo, pocos artículos han unificado la literatura existente sobre la temática, por lo que el presente estudio tiene como objetivo conocer las tendencias investigativas en este campo, por lo que se realiza un análisis bibliométrico con los parámetros de PRISMA-2020. Entre los principales resultados, se tiene que autores como Bond M y Marín V, entre otros, son los principales referentes académicos, así como, en términos conceptuales, el Machine Learning es la principal herramienta en términos de desarrollo de inteligencia artificial, y que de forma emergente se tienen conceptos como Deep Learning o la minería de datos educativos, sobre las cuales se necesita más investigación futura.

Palabras-clave: Machine Learning, Deep Learning, Análisis bibliométrico, Ciberseguridad, Educación 4.0

Abstract: Industry 4.0 technologies have revolutionized different social spheres, including the educational sector which, in terms of education 4.0, has benefited from the use of artificial intelligence; however, few articles have unified the existing literature on the thematic, so the present study aims to know the research trends in this field, for which a bibliometric analysis is carried out with the parameters of PRISMA-2020. Among the main results, authors such as Bond M and Marín V, among others, are the main academic references, as well as, in conceptual terms, Machine Learning is the main tool in terms of artificial intelligence development, and that In an emerging way, there are concepts such as Deep Learning or educational data mining, on which more future research is needed.

Keywords: Machine Learning, Deep Learning, Bibliometric analysis, Cybersecurity, Education 4.0

1.Introducción

En los últimos años, se ha producido una transformación significativa en la manera en que las personas manejan su tiempo y buscan información, esto ha sido impulsado por la aparición de tecnologías como la inteligencia artificial (IA) y el aprendizaje automático (ML), que son el resultado de la gestión de datos (Kuleto et al., 2021). Las cuales, han experimentado un rápido avance y se consideran tecnologías emergentes con un gran potencial para transformar la calidad de vida de las personas (Hinojo-Lucena et al., 2019).

La actualidad está siendo marcada por la cuarta revolución industrial y aquellas organizaciones que logren aprovechar sus herramientas podrán obtener mayores beneficios (Chedrawi & Howayeck, 2019). Las nuevas tecnologías han proporcionado numerosas ventajas, permitiendo una mayor eficiencia en los procesos y contribuyendo a la toma de decisiones. De esta manera, la IA está transformando diferentes sectores de la economía, y la industria educativa no es ajena a esta evolución, sin embargo, la tasa de adopción no ha sido tan alta debido a un temor generalizado por la falta de conocimiento (Rico-Bautista et al., 2021; Wang, 2021).

Y es que, a pesar de que su implementación en el campo educativo ha existido desde hace décadas, aún no está claro para los educadores cómo aprovecharla en una escala más amplia y cómo puede tener un impacto en el aprendizaje de la educación superior (Zawacki-Richter et al., 2019). Por lo que, en comparación con otras industrias, todavía está en el nivel principal (Ge & Hu, 2020).

De igual manera, si bien se ha reconocido su valor para aliviar la carga administrativa en las instituciones y se empieza a abordar el concepto de universidades inteligentes (AlShoqran & Shorman, 2021), su adopción en la estructura gubernamental sigue siendo un tema pendiente de exploración y discusión (Chatterjee & Bhattacharjee, 2020). Además, para llevar a cabo una gestión en la educación superior basada en tecnologías inteligentes, es necesario distribuir adecuadamente las funciones a través de una interacción altamente efectiva, lo que requiere de capacitar al personal con habilidades sólidas en el ámbito tecnológico (Konina et al., 2021).

El público en general tiene una comprensión limitada de estas tecnologías, por lo que es fundamental abordar la educación sobre el funcionamiento y las implicaciones de la inteligencia artificial de manera oportuna. La capacitación en los fundamentos de las innovaciones científicas y tecnológicas emergentes es crucial para generar un cambio de paradigma social y económico, especialmente para las próximas generaciones. Ya que hasta el momento en algunas regiones estos esfuerzos siguen siendo limitados (Estevez et al., 2019; Kong et al., 2021), mientras que otras como China, avanza rápidamente en la construcción de campus inteligente en colegios y universidades (Huang et al., 2021).

Por tanto, el aprendizaje de la IA en la educación superior tiene un componente vital desde diferentes perspectivas que pueden apoyar a las profesiones, incluyendo la orientación empresarial y el emprendimiento estratégico (Khalid, 2020), provocando que las universidades vean la necesidad de ofrecer más cursos elacionados, reflejando la creciente demanda en esta área (Allen et al., 2022). De hecho, el concepto de educación 4.0 adquiere relevancia debido a la demanda de los estudiantes por un aprendizaje cada vez más adaptativo y personalizado, el cual requiere de métodos didácticos con análisis de algoritmos de aprendizaje automático (Ciolacu et al., 2019; Villegas-Ch et al., 2019).

La educación personalizada es un modelo educativo emergente que buscar satisfacer las necesidades individuales de los estudiantes y el desarrollo de la sociedad. Sin embargo, las metodologías tradicionales no pueden satisfacer esta necesidad. La inteligencia artificial permite analizar la información de los estudiantes, extraer características y construir un modelo de capacitación personalizado que puede predecir el camino de desarrollo de los estudiantes (Xiao & Yi, 2021). Por tanto, tiene la capacidad de interactuar y guiar a los estudiantes en su proceso de aprendizaje con un enfoque auto exploratorio.

Esto representa un cambio radical en la forma en que las instituciones de educación superior operan y se adaptan para mantenerse competitivas (Ahmad & Wan Abdul Ghapar, 2019), buscando un sistema innovador que integre de manera armoniosa las fortalezas de la inteligencia natural y artificial, con el fin de incentivar la capacitación de los recursos humanos para la economía digital del siglo XXI (Vinichenko et al., 2020) respondiendo a las necesidades del mercado laboral a la vez que genera cambios significativos que buscan reducir la inequidad en las instituciones de educación superior mediante una gestión ágil y orientada a objetivos (Bucea-Manea-ţoniş et al., 2022).

En este sentido, La inteligencia artificial tiene aplicaciones en tres áreas claves del proceso educativo: aprendizaje, enseñanza y administración. Las cuales pueden solucionar problemas importantes como la identificación temprana de estudiantes con riesgo de abandonar (Salas-Pilco & Yang, 2022), lo que es de gran utilidad para las universidades privadas que actualmente están enfrentando dificultades tanto académicas como financieras luego de la pandemia (Villegas-Ch et al., 2021).

Además, es necesario considerar que la incorporación de la inteligencia artificial en la gestión educativa presenta ciertos aspectos negativos que conllevan problemas y riesgos en términos de privacidad, lo que implica algunos obstáculos para la industria (Wang, 2021). En este sentido, involucrar a estudiantes con diferentes perfiles emocionales es un desafío importante en la implementación de tecnología educativa. Aunado a ello, aún se requiere trabajar en cómo puede influir en la actitud y comportamiento de aprendizaje (Nazari et al., 2021). Estos temas provocan un debate más amplio sobre cómo la tecnología podría facilitar la enseñanza de habilidades de alto nivel y modificar los roles del personal, además de examinar el impacto en la capacidad humana de acción y en la naturaleza de la información de los datos (Cox, 2021).

De acuerdo con lo planteado anteriormente, la inteligencia artificial ha tomado un lugar destacado en el mundo de la investigación y desarrollo tecnológico. Su creciente aplicación en diferentes áreas ha generado un gran interés en la comunidad científica, especialmente en la educación superior, donde se ha explorado su potencial para mejorar los procesos de enseñanza y aprendizaje. Por esta razón, resulta fundamental conocer las tendencias investigativas en este campo, lo que permitirá establecer prioridades y objetivos a futuro para el avance del conocimiento y la práctica educativa en el ámbito universitario, para lo cual se proponen las siguientes preguntas de investigación.

¿Cuáles son los años donde más intereses se ha presentado sobre los usos de la inteligencia artificial en la educación superior?

¿Cuáles son los principales referentes investigativos sobre los usos de la inteligencia artificial en la educación superior?

¿Cuál es la evolución temática derivada de la producción científica sobre los usos de la inteligencia artificial en la educación superior?

¿Cuáles son las palabras clave crecientes y emergentes en el campo de investigación de los usos de la inteligencia artificial en la educación superior?

Es en este contexto que se proyecta la realización de una revisión bibliométrica, que identifica los principales temas y enfoques de investigación en el ámbito de la inteligencia artificial aplicada a la educación superior. Esta metodología permitirá analizar la producción científica de los últimos años, considerando variables como autores, países, revistas y palabras clave; con el objetivo de contribuir a la generación de conocimiento y la elaboración de una agenda investigativa que permita orientar el desarrollo de nuevas investigaciones en este campo. Asimismo, se pretende aportar al debate y discusión en torno a la aplicación de la inteligencia artificial en la educación superior, identificando oportunidades y desafíos para la implementación de esta tecnología en el ámbito académico

2.Metodología

Partiendo de un objetivo de investigación, y una pregunta planteada, se diseña una búsqueda exploratoria, a partir de un análisis bibliométrico, como método para facilitar el análisis de las publicaciones científicas incluidas en la literatura, esto partiendo del análisis de metadatos como título o palabras clave, ya que los metadatos tienen la capacidad de lograr que la recuperación de información sea integral entre las distintas bases de datos Icela González et al., (2018), además de facilitar la documentación, el intercambio, el archivo y la reutilización de los datos de investigación, adicionalmente con el fin de desarrollar métodos mas claros y replicables, este estudio cumple con los parámetros de la última versión de la declaración internacional PRISMA la cual se dio en el año 2020, donde se realiza una revisión científica que define los criterios de elegibilidad, las fuentes de información, las fuetes de búsqueda y los procesos de selección, que son recursos importante para el diseño metodológico, esto se evidencia en (Page et al., 2021)

2.1.Criterios de elegibilidad

Los criterios de elegibilidad, según los requisitos establecidos en la declaración internacional PRISMA 2020, se dividen entre criterios de inclusión y criterios de exclusión, en ese sentido para los criterios de inclusión, en la presente investigación que aborda los usos de la inteligencia artificial en la educación superior, se establece que conceptos como: Inteligencia artificial, inteligencia computacional y educación superior, se hallen que tanto en las palabras clave, como en el título de las publicaciones obtenidas, y de esta manera garantizar que las publicaciones obtenidas sean relevantes al tema de estudio.

No obstante, los criterios de exclusión están compuestos por tres etapas consecutivas de exclusión de artículos, según lo establecido por la declaración internacional PRISMA 2020. En la primera etapa, tras la lectura de los títulos, se procede a descartar todos los artículos que posean una indexación incorrecta. La segunda etapa elimina aquellos artículos que tienen impedido el acceso completo al texto, pero esto no ocurre con los análisis bibliométricos, debido a que para ellos se ocupa el análisis de metadatos, por lo tanto, no se analiza el texto completo, lo mencionado anteriormente solo aplica para las revisiones sistemáticas de la literatura. Para finalizar en la tercera etapa, se excluyen los documentos que son considerados irrelevantes, además de las publicaciones de conferencia, debido a que estos restringen el análisis que permite cumplir con el objetivo de la investigación.

2.2. Fuente de información

En esta investigación se eligieron dos bases de datos principales, para la búsqueda de publicaciones en el ámbito científico y académico, de las cuales se seleccionaron artículos relacionados con el uso de la inteligencia artificial en la educación superior, en este caso Scopus y Web of science. El uso practico de las dos bases de datos en el desarrollo de una investigación científica o académica sirven de apoyo en todas las etapas de la investigación científica(Comas et al., 2011)

2.3. Estrategia de búsqueda

Para llevar a cabo el proceso de búsqueda en las bases de datos seleccionadas anteriormente, la declaración internacional PRISMA 2020, menciona la importancia de crear un método de búsqueda adecuado, considerando que la interfaz de cada una de las bases de datos es diferente, además de definir los criterios de búsqueda y palabras clave necesarias para la indagación, y así garantizar que la totalidad de las palabras clave estén en los resultados obtenidos, para las búsqueda en las faces de datos de definieron las siguientes ecuaciones de búsqueda:

En el caso de la base de datos Scopus( TITLE ( "Artificial Intelligence" OR "IA technolog·" OR "Computational intelligence" ) AND TITLE ( "High· education" OR universit· OR "High· School" ) )

Por el lado de la base de datos Web of Science( TI= ( "Artificial Intelligence" OR "IA technolog·" OR "Computational intelligence") AND TI= ( "High· education" OR Universit· OR "High· School" ) )

2.4.Gestión de datos

Después de la implementación de la estrategia de búsqueda dentro de las bases de datos seleccionadas, se recuperaron y almacenaron en Microsoft Excel® un total de 467 publicaciones sobre los usos de la inteligencia artificial en la educación superior, que van desde 1985 hasta 2023, con la misma herramienta se aplicaron los criterios de exclusión que fueron definidos con anterioridad, lo que permitirá analizar finalmente un total de 110 publicaciones, con la ayuda del software gratuito VOSviewer, se crearon gráficos de indicadores bibliométricos facilitando así el análisis de los datos

2.5.Proceso de selección

a. análisis bibliométricos

La declaración internacional PRISMA 2020, enfatiza en la importancia de explicar los métodos de selección y análisis de las publicaciones, las cuales para este estudio fueron seleccionadas de manera independiente por los autores, para reducir el sesgo de la información encontrada; adicionalmente se realizó un análisis detallado de cada uno de los artículos para encontrar similitudes o convergencias, con el fin de resolver la diferencias encontradas en cada una de las etapas de exclusión. Para finalizar en la Figura 1 se observa el diagrama de flujo que resume el diseño metodológico utilizado, según la declaración internacional prisma 2020.

En el diagrama de flujo, se puede observar la fase inicial, en la cual se identificaron un total de 467 artículos iniciales, además del descarte de 115 artículos que se encontraban duplicados. Posteriormente se aplican las tres fases de exclusión, donde según los criterios definidos se eliminan 239 publicaciones, quedando así los 110 artículos que serán sometidos a análisis bibliométricos.

3.Resultados

La conducta de investigación en cuanto a los usos de la IA (Inteligencia Artificial) en la educación superior, indica un crecimiento constante en las publicaciones nuevas entre los años 1985 y 2023, como se puede observar en la figura 2, lo que implica un incremento en el interés por el tema de investigación. El año 2022 cuenta con 42 publicaciones, donde uno de estos artículos considera el uso de la IA y su aplicabilidad en las instituciones de educación superior, ya que, durante la última década, ha existido un gran interés de investigación en la aplicación de la IA en diversos campos, como la medicina, las finanzas y el derecho y recientemente, ha tenido un enfoque de investigación en la aplicación de la IA en la educación, donde tiene un gran potencial por esto, es necesaria una revisión sistemática de la literatura sobre la IA en la educación, demostrando que las aplicaciones de IA ayudan a abordar problemas educativos importantes, en particular detectar estudiantes en riesgo de abandonar la escuela, contribuyendo a garantizar una educación de calidad (Salas-Pilco & Yang, 2022).

Ahora bien, el año 2021 le sigue con 38 publicaciones, en una de sus investigaciones se centra en la probabilidad de que la inteligencia artificial (IA) y la robótica tengan un impacto significativo a largo plazo en la educación superior (ES). El alcance de este impacto es difícil de comprender en parte porque la literatura está dividida, así como el significado cambiante de los conceptos mismos. Pero los desarrollos están rodeados de controversias en términos de lo que es técnicamente posible, lo que es práctico implementar y lo que es deseable, pedagógicamente o para el bien de la sociedad. El artículo busca hacer una contribución enfatizando el uso de las ficciones de diseño como colecciones, explotando diferentes narrativas y estilos y géneros de escritura para establecer reflexiones intertextuales que nos ayuden a hacernos preguntas sobre las tecnologías en el sentido más amplio (Cox, 2021).

En cuanto a los indicadores de publicaciones por autor, evalúa la cantidad de citaciones asociadas a ellos. En la figura 3, se observan los autores de mayor impacto en citaciones en relación a los usos de la IA (Inteligencia Artificial) en la educación superior, de los cuales Zawacki- Richter O, Gouverneur F, Marin VI y Bond M., cuentan con 334 citaciones asociadas, donde en su investigación según diversos informes internacionales, la Inteligencia Artificial en la Educación (AIEd) es uno de los campos emergentes en la tecnología educativa en la actualidad, si bien ha existido durante aproximadamente 30 años, aún no está claro para los educadores cómo aprovecharlo pedagógicamente a una escala más amplia y cómo puede tener un impacto significativo en la enseñanza y el aprendizaje en la educación superior, las conclusiones reflejan la falta de reflexión crítica de los desafíos y riesgos de AIEd, la débil conexión con las perspectivas pedagógicas teóricas y la necesidad de una mayor exploración de los enfoques éticos y educativos en la aplicación de AIEd en la educación superior (Zawacki-Richter et al., 2019).

Con respecto a los autores más productivos esta Kuleto V, García-Ortiz J, Sanchez-Viteri S y Villegas-Ch W, si bien no cuentan con una gran cantidad de citaciones, son los que demuestran un mayor interés en la temática, centrando sus investigaciones en como actualmente las universidades privadas, producto de la pandemia que aún enfrenta el mundo, atraviesan momentos muy delicados en varios ámbitos, tanto académicos como financieros, académicamente hay problemas de aprendizaje y estos están directamente relacionados con la tasa de deserción, lo que trae problemas económicos, y a esto se le suman los problemas económicos ocasionados por la pandemia, donde las tasas de estudiantes que quieren acceder a una educación privada han bajado considerablemente, por tal razón, es necesario que todas las universidades privadas cuenten con apoyo para mejorar sus ingresos estudiantiles y evitar recortes en presupuestos y recursos, para intentar solucionar estos problemas, es importante integrar tecnologías como los Chatbots, que utilizan la inteligencia artificial de tal forma que tareas como brindar información sobre un curso académico sean abordadas por ellos, reduciendo la carga administrativa y mejorando la experiencia del usuario (Villegas-Ch et al., 2021).

Frente al impacto por revista, se presenta en la figura 4, las revistas con mayor cantidad de citaciones por publicación en los usos de la IA (Inteligencia Artificial) en la educación superior. La revista con mayor cantidad de citaciones por publicación tiene 374 y es International Journal Of Educational Technology In Higher Education, siendo una de las mayores exponentes en la materia, en como la forma en que las personas viajan, organizan su tiempo y adquieren información ha cambiado debido a las tecnologías de la información. La inteligencia artificial (IA) y el aprendizaje automático (ML) son mecanismos que evolucionaron a partir de la gestión de datos y los procesos de desarrollo, la incorporación de estos mecanismos en los negocios es una tendencia que muchas industrias diferentes, incluida la educación, han identificado como revolucionarias. Los resultados indicaron que AI y ML son tecnologías esenciales que mejoran el aprendizaje, principalmente a través de las habilidades de los estudiantes, el aprendizaje colaborativo en instituciones de educación superior y un entorno de investigación accesible (Kuleto et al., 2021).

Posterior a esta se encuentra Research And Practice In Technology Enhanced Learning con 198 citaciones por publicación, donde exploran los fenómenos del surgimiento del uso de la inteligencia artificial en la enseñanza y el aprendizaje en la educación superior, investigando las implicaciones educativas de las tecnologías emergentes en la forma en que los estudiantes aprenden y cómo las instituciones enseñan y evolucionan, considerando que existe una necesidad de investigación sobre las implicaciones éticas del control actual sobre los desarrollos de la IA y la posibilidad de marchitar la riqueza del conocimiento y las perspectivas humanas con el monopolio de unas pocas entidades, además se cree que es importante enfocar más investigaciones sobre los nuevos roles de los docentes en las nuevas vías de aprendizaje para estudiantes de grado superior, con un nuevo conjunto de atributos de posgrado, con un enfoque en la imaginación, la creatividad y la innovación; el conjunto de habilidades y destrezas que difícilmente pueden ser replicadas por máquinas (Popenici & Kerr, 2017).

4.Discusión

El análisis de la evolución temática se hace a través de las palabras clave de las investigaciones sobre los usos de la IA (Inteligencia Artificial) en la educación superior, Dicho análisis se hace partiendo de un periodo de tiempo, en este caso entre los años 1985 y 2023, como se observa en la Figura 5. El concepto más utilizado en el año 2022 fue Deep Learning (aprendizaje profundo), en el artículo donde hace presencia hacen énfasis en la importancia en que un maestro brinde retroalimentación y orientación a los estudiantes individuales en función de su estado de aprendizaje, sin embargo, es un desafío para los maestros proporcionar retroalimentación inmediata a los estudiantes sin ninguna ayuda. El avance de la inteligencia artificial (IA) ha proporcionado una posible solución para hacer frente a este problema. Los resultados mostraron que, en comparación con el aprendizaje artístico apoyado por tecnología convencional, el aprendizaje a través de aprendizaje de arte basado en el aprendizaje profundo podría facilitar los logros de aprendizaje de los estudiantes, la aceptación de la tecnología, la actitud de aprendizaje, la motivación de aprendizaje, la autoeficacia, la satisfacción y el rendimiento en el curso de arte (Chiu et al., 2022).

Machine Learning (aprendizaje automático), tiene un gran peso dentro de esta discusión temática al ser una de las palabras más empelada en investigaciones durante el año 2019, donde en una de ellas presenta una solución potencial para llenar un vacío tanto en la investigación como en la práctica de que existen pocas interacciones entre la cooperación industrial transnacional (TIC) y la cooperación universitaria transnacional (TUC) en los ecosistemas de innovación transnacional, para fortalecer las sinergias entre TIC y TUC para la innovación, el primer paso es unir empresas industriales adecuadas de dos países para colaborar a través de sus conexiones comunes con asociaciones universitarias/ académicas transnacionales, su enfoque de sistema de coincidencia basado en IA ayudará a comprender el papel potencial de la universidad para el cambio institucional y la creación de confianza, que son importantes para la dimensión sostenible del desarrollo del ecosistema de innovación (Cai et al., 2019).

El indicador sobre del comportamiento de palabras clave en estudios de los usos de la IA (Inteligencia Artificial) en la educación superior, referentes a su frecuencia y aplicabilidad, se elabora un plano cartesiano, como se muestra en la Figura 7, mediante el cual, para el eje horizontal o eje X, se establece la frecuencia de las palabras clave, es decir, el número de veces que estos han sido mencionados en estudios científicos, y para el eje vertical o eje Y, se posiciona el año promedio de uso de cada palabra, así ubicando las palabras clave principales evidenciadas en la temática.

En el cuadrante II, se sitúan los términos menos frecuentes, aunque también son los más actuales en el campo de la investigación, por lo que son consideradas palabras clave emergentes o aquellas que han surgido en la literatura científica en los últimos años. En este cuadrante, hay conceptos como Self-efficacy (Minería de datos educativos), donde en uno de los estudios donde participa se observa como la inteligencia artificial y sus subdisciplinas se están volviendo cada vez más relevantes en numerosas áreas académicas y en la industria y ahora pueden considerarse un área central de las ciencias de la computación, y como el sector de la educación superior ofrece más cursos de aprendizaje automático e inteligencia artificial que nunca, Presumiendo que la confianza, la ansiedad matemática y las diferencias en los antecedentes educativos de los estudiantes fueron factores clave aquí (Allen et al., 2021).

Por otro lado, se localiza que en el Cuadrante I predomina y sostiene una elevada duración en el tiempo el termino Machine Learning (Aprendizaje automático), donde en una de las investigaciones donde se da a conocer está enfocada en como el contexto de la era de la información, el desarrollo de la inteligencia artificial está floreciendo y se está integrando cada vez más a la vida económica, lo cual es una tendencia inevitable del desarrollo social futuro, la educación es también inseparable del apoyo a la ciencia y la tecnología, la inserción de la inteligencia artificial ha cambiado los modelos y métodos tradicionales de enseñanza, y bajo la influencia de la tecnología de inteligencia artificial, la educación universitaria se está desarrollando cada vez más en la dirección de la informatización y la inteligencia. Los resultados de la investigación muestran que, en la innovación educativa basada en la información creada por el intercambio de conocimientos, los objetivos y métodos de enseñanza cambian constantemente, y entrenando la imaginación, la creatividad, el pensamiento crítico y el aprendizaje autónomo de los estudiantes pueden adaptarse a la sociedad actual en rápido desarrollo (Xia & Li, 2022).

5.Conclusiones

A partir de la presente investigación, se encontró que la producción científica sobre el uso de inteligencia artificial en el contexto universitario se ha dado, en su mayoría, en los últimos 3 años, demostrando la importancia de la temática en la actualidad. Los principales autores son Bond M, Marín V, Gouverneur F y Zawacki-Richter O. La evolución temática demuestra la relevancia actual del Deep Learning, como concepto emergente y del Machine Learning, como concepto creciente y consolidado, para el desarrollo de aplicaciones de inteligencia artificial y sus diferentes usos para la enseñanza y el aprendizaje en el contexto universitario.

References

Referencias

Ahmad, M. F., & Wan Abdul Ghapar, W. R. G. (2019). The Era of Artificial Intelligence in Malaysian Higher Education: Impact and Challenges in Tangible Mixed-Reality Learning System toward Self Exploration Education (SEE). Procedía Computer Science, 163, 2-10. https://doi.org/ıo.ıoı6/j.procs.20i9.i2.079

Allen, B., McGough, A. S., & Devlin, M. (2021). Toward a Framework for Teaching Artificial Intelligence to a Higher Education Audience. ACM Transactions on Computing Education (TOCE), 22(2). https://doi.org/10.1145/3485062

Al-Shoqran, M., & Shorman, S. (2021). A Review on Smart Universities and Artificial Intelligence. In Studies in Computational Intelligence (Vol. 935). https://doi. org/10.1007/978-3-030-62796-6_16

Bucea-Manea-ţoniş, R., Kuleto, V., Gudei, S. C. D., Lianu, C., Lianu, C., Ilić, M. P., & P&acaron;un, D. (2022). Artificial Intelligence Potential in Higher Education Institutions Enhanced Learning Environment in Romania and Serbia. Sustainability (Switzerland), 14(10). https://doi.org/10.3390/su14105842

Cai, Y., Ferrer, B. R., & Lastra, J. L. M. (2019). Building University-Industry Co-Innovation Networks in Transnational Innovation Ecosystems: Towards a Transdisciplinary Approach of Integrating Social Sciences and Artificial Intelligence. Sustainability 2019, Vol. 11, Page 4633, 11(17), 4633. https://doi.org/10.3390/SU11174633

Chatterjee, S., & Bhattacharjee, K. K. (2020). Adoption of artificial intelligence in higher education: a quantitative analysis using structural equation modelling. Education and Information Technologies, 25(5), 3443-3463. https://doi.org/10.1007/ s10639-020-10159-7

Chedrawi, C., & Howayeck, P. (2019). Artificial Intelligence a Disruptive Innovation in Higher Education Accreditation Programs: Expert Systems and AACSB. Lecture Notes in Information Systems and Organisation, 30, 115-129. https://doi. org/10.1007/978-3-030-10737-6_8

Chiu, M. C., Hwang, G. J., Hsia, L. H., & Shyu, F. M. (2022). Artificial intelligencesupported art education: a deep learning-based system for promoting university students' artwork appreciation and painting outcomes. Https://Doi.Org/10.1080/ 10494820.2022.2100426.

Ciolacu, M., Tehrani, A. F., Binder, L., & Svasta, P. M. (2019). Education 4.0 - Artificial Intelligence Assisted Higher Education: Early recognition System with Machine Learning to support Students' Success. 2018 IEEE 24th International Symposium for Design and Technology in Electronic Packaging, SIITME 2018 - Proceedings, 23-30. https://doi.org/10.1109/SIITME.2018.8599203

Comas, R., Sureda,J., Pastor, M., &Morey, M. (2011). Labúsqueda de información con fines académicos entre el alumnado universitario. Revista Espanola de Documentacion Científica, 34(1), 44-64. https://doi.org/10.3989/REDC.2011.1.769

Cox, A. M. (2021). Exploring the impact of Artificial Intelligence and robots on higher education through literature-based design fictions. International Journal of Educational Technology in Higher Education, 18(1). https://doi.org/10.1186/ s41239-020-00237-8

Estevez, J., Garate, G., & Grana, M. (2019). Gentle Introduction to Artificial Intelligence for High-School Students Using Scratch. IEEE Access, 7, 179027-179036. https:// doi.org/10.1109/ACCESS.2019.2956136

Ge, Z., & Hu, Y. (2020). Innovative Application of Artificial Intelligence (AI) in the Management of Higher Education and Teaching. Journal of Physics: Conference Series, 1533(3). https://doi.org/10.1088/1742-6596/1533/3Z032089

Hinojo-Lucena, F. J., Aznar-Díaz, I., Cáceres-Reche, M. P., & Romero-Rodríguez, J. M. (2019). Artificial Intelligence in Higher Education: A Bibliometric Study on its Impact in the Scientific Literature. Education Sciences 2019, Vol. 9, Page 51, 9(1), 51. https://doi.org/10.3390/EDUCSCI9010051

Huang, X., Huang, X., & Wang, X. (2021). Construction of the Teaching Quality Monitoring System of Physical Education Courses in Colleges and Universities Based on the Construction of Smart Campus with Artificial Intelligence. Mathematical Problems in Engineering, 2021. https://doi.org/10.1155/2021/9907531

Icela González, L., María, P., Ramírez-Montoya, S., José, F., Héctor, G.-P., Ceballos, G., & Ibarra, E. A. J. (2018). RITEC & CRIS: Interoperabilidad para visibilidad y medición del impacto de la producción científica energética. Innovación y Sustentabilidad Energética: Implementaciones Con Cursos Masivos Abiertos e Investigación Educativa, 57-63. https://gredos.usal.es/handle/10366/139459

Khalid, N. (2020). Artificial intelligence learning and entrepreneurial performance among university students: evidence from malaysian higher educational institutions. Journal of Intelligent and Fuzzy Systems, 39(4), 5417-5435. https:// doi.org/10.3233/JIFS-189026

Kong, S.-C., Man-Yin Cheung, W., & Zhang, G. (2021). Evaluation of an artificial intelligence literacy course for university students with diverse study backgrounds. Computers and Education: Artificial Intelligence, 2. https://doi.org/10.1016/j. caeai.2021.100026

Konina, O. V., Tinkov, S. A., & Tinkova, E. V. (2021). Management in Higher Education Based on "Smart Technologies": Digital Managerial Staff vs. Artificial Intelligence. In Lecture Notes in Networks and Systems (Vol. 155). https://doi.org/10.1007/9783-030-5912б-7_190

Kuleto, V., Ilić, M., Dumangiu, M., Ranković, M., Martins, O. M. D., P&acaron;un, D., & Mihoreanu, L. (2021). Exploring opportunities and challenges of artificial intelligence and machine learning in higher education institutions. Sustainability (Switzerland), 13(18). https://doi.org/10.3390/su131810424

Nazari, N., Shabbir, M. S., & Setiawan, R. (2021). Application of Artificial Intelligence powered digital writing assistant in higher education: randomized controlled trial. Heliyon, 7(5). https://doi.org/10.1016/j.heliyon.2021.e07014

Page, M. J., McKenzie, J. E., 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., ... Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. International Journal of Surgery, 88, 105906. https://doi.org/10.1016/J.IJSU.2021.105906

Popenici, S. A. D., & 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), 1-13. https://doi.org/10.1186/S41039-017-0062-8/ METRICS

Rico-Bautista, D., Medina-Cardenas, Y., Coronel-Rojas, L. A., Cuesta-Quintero, F., Maestre-Gongora, G., & Guerrero, C. D. (2021). Smart University: Key Factors for an Artificial Intelligence Adoption Model. In Advances in Intelligent Systems and Computing: Vol. 1307AISC. https://doi.org/10.1007/978-981-33-4565-2_10

Salas-Pilco, S. Z., & Yang, Y. (2022). Artificial intelligence applications in Latin American higher education: a systematic review. International Journal of Educational Technology in Higher Education, 19(1), 1-20. https://doi.org/10.1186/S41239022-00326-W/TABLES/6

Villegas-Ch, W., García-Ortiz, J., Mullo-Ca, K., Sánchez-Viteri, S., & Roman-Cañizares, M. (2021). Implementation of a virtual assistant for the academic management of a university with the use of artificial intelligence. Future Internet, 13(4), 97. https:// doi.org/10.3390/fi13040097

Villegas-Ch, W., Palacios-Pacheco, X., & Lujan-Mora, S. (2019). Artificial intelligence as a support technique for university learning. EDUNINE 2019 - 3rd IEEE World Engineering Education Conference: Modern Educational Paradigms for Computer and Engineering Career, Proceedings. https://doi.org/10.1109/ EDUNINE.2019.8875833

Vinichenko, M. V., Melnichuk, A. V., & Karácsony, P. (2020). Technologies of improving the university efficiency by using artificial intelligence: Motivational aspect. Entrepreneurship and Sustainability Issues, 7(4), 2696-2714. https://doi. org/i0.9770/jesi.2020.7.4(9)

Wang, Y. (2021). Educational management system of colleges and universities based on embedded system and artificial intelligence. Microprocessors and Microsystems, 82. https://doi.org/io.ioi6/j.micpro.202i.i03884

Xia, X., & Li, X. (2022). Artificial Intelligence for Higher Education Development and Teaching Skills. Wireless Communications and Mobile Computing, 2022. https:// doi.org/10.1155/2022/7614337

Xiao, M., & Yi, H. (2021). Building an efficient artificial intelligence model for personalized training in colleges and universities. Computer Applications in Engineering Education, 29(2), 350-358. https://doi.org/10.1002/cae.22235

Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education - where are the educators? International Journal of Educational Technology in Higher Education, 16(1). https://doi.org/10.1186/s41239-019-0171-0