OPTIMIZACIÓN DEL EMPAREJAMIENTO TUTOR-ESTUDIANTE CON INTELIGENCIA ARTIFICIAL EN EDUCACIÓN SUPERIOR
DOI:
https://doi.org/10.63136/read1720251065pp471-481Resumen
La integración de la inteligencia artificial (IA) en la educación superior ha abierto nuevas oportunidades para optimizar las experiencias de aprendizaje. Este estudio propone un enfoque innovador para la tutoría estudiantil mediante el uso de técnicas de IA, específicamente algoritmos evolutivos y redes neuronales. Se realizará una encuesta para determinar los perfiles de aprendizaje de los estudiantes, que servirá como base para un sistema inteligente de asignación de tutores a largo plazo. Los datos recopilados serán analizados utilizando técnicas de aprendizaje automático para clasificar a los estudiantes en distintas categorías de aprendizaje. La metodología propuesta tiene como objetivo mejorar los resultados del aprendizaje estudiantil al emparejar a los alumnos con los tutores más adecuados según sus preferencias cognitivas y metodológicas. El estudio también aborda las consideraciones éticas relacionadas con la privacidad de los datos y la toma de decisiones basada en IA. Se espera que los hallazgos contribuyan al desarrollo de estrategias educativas adaptativas y basadas en datos en las instituciones de educación superior.Citas
Bilal Zori?, A., Miloloža, I., y Peji? Bach, M. (2022). Neural networks for student performance in higher education: Preliminary bibliometric analysis. En Interdisciplinary Management Research XVIII (IMR 2022) (pp. 762–781), Opatija, Croacia. (Actas registradas en EFZG).
Goodfellow, I., Bengio, Y., y Courville, A. (2016). Deep learning. MIT Press
Luckin, R., Holmes, W., Griffiths, M., y Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson. (PDF de UCL/Google).
Mitchell, M. (1998). An introduction to genetic algorithms. MIT Press.
Sazli, M. (2006). A brief review of feedforward neural networks. Communications, Faculty of Sciences, University of Ankara, Series A2-A3: Physical Sciences and Engineering, 50(1), 11–17.
Schmidhuber, J. (2015). Deep learning in neural networks: An overview. Neural Networks, 61, 85–117. https://doi.org/10.1016/j.neunet.2014.09.003
Stanley, K. O., Clune, J., Lehman, J., y Miikkulainen, R. (2019). Designing neural networks through neuroevolution. Nature Machine Intelligence, 1, 24–35. https://doi.org/10.1038/s42256-018-0006-z
Woolf, B. P. (2010). Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann.
Zawacki-Richter, O., Marín, V. I., Bond, M., y 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, 39. https://doi.org/10.1186/s41239-019-0171-0
