IA Generativa y Educación Superior: Tendencias, Desafíos y Direcciones Futuras a partir de una Revisión Sistemática de la Literatura
Autores: Batista, João; Mesquita, Anabela; Carnaz, Gonçalo
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
IA Generativa y Educación Superior: Tendencias, Desafíos y Direcciones Futuras a partir de una Revisión Sistemática de la Literatura
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Desarrollo
Inteligencia artificial generativa
Educación superior
Impacto
Enseñanza
Aprendizaje
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
(1) Antecedentes: El desarrollo de la inteligencia artificial generativa (IAG) está transformando la educación superior. Esta revisión sistemática de la literatura sintetiza estudios empíricos recientes sobre el uso de la IAG, centrándose en su impacto en la enseñanza, el aprendizaje y las prácticas institucionales. (2) Métodos: Siguiendo las directrices de PRISMA, se empleó una estrategia de búsqueda integral para localizar artículos científicos sobre la IAG en la educación superior publicados por Scopus y Web of Science entre enero de 2023 y enero de 2024. (3) Resultados: La búsqueda identificó 102 artículos, de los cuales 37 cumplían con los criterios de inclusión. Estos estudios se agruparon en tres temas: la aplicación de tecnologías de IAG, la aceptación y percepciones de los interesados, y situaciones de uso específicas. (4) Discusión: Los hallazgos clave incluyen la versatilidad y el potencial uso de la IAG, la aceptación por parte de los estudiantes y la mejora educativa. Sin embargo, también se señalaron desafíos como las prácticas de evaluación, las estrategias institucionales y los riesgos para la integridad académica. (5) Conclusiones: Los hallazgos ayudan a identificar posibles direcciones para futuras investigaciones, incluyendo la integridad en la evaluación y las estrategias pedagógicas, consideraciones éticas y desarrollo de políticas, el impacto en los procesos de enseñanza y aprendizaje, las percepciones de estudiantes e instructores, los avances tecnológicos y la preparación de habilidades futuras y la disposición de la fuerza laboral. El estudio tiene ciertas limitaciones, particularmente debido al corto período de tiempo y los criterios de búsqueda, que podrían haber variado si hubiera sido realizado por diferentes investigadores.
Descripción
(1) Antecedentes: El desarrollo de la inteligencia artificial generativa (IAG) está transformando la educación superior. Esta revisión sistemática de la literatura sintetiza estudios empíricos recientes sobre el uso de la IAG, centrándose en su impacto en la enseñanza, el aprendizaje y las prácticas institucionales. (2) Métodos: Siguiendo las directrices de PRISMA, se empleó una estrategia de búsqueda integral para localizar artículos científicos sobre la IAG en la educación superior publicados por Scopus y Web of Science entre enero de 2023 y enero de 2024. (3) Resultados: La búsqueda identificó 102 artículos, de los cuales 37 cumplían con los criterios de inclusión. Estos estudios se agruparon en tres temas: la aplicación de tecnologías de IAG, la aceptación y percepciones de los interesados, y situaciones de uso específicas. (4) Discusión: Los hallazgos clave incluyen la versatilidad y el potencial uso de la IAG, la aceptación por parte de los estudiantes y la mejora educativa. Sin embargo, también se señalaron desafíos como las prácticas de evaluación, las estrategias institucionales y los riesgos para la integridad académica. (5) Conclusiones: Los hallazgos ayudan a identificar posibles direcciones para futuras investigaciones, incluyendo la integridad en la evaluación y las estrategias pedagógicas, consideraciones éticas y desarrollo de políticas, el impacto en los procesos de enseñanza y aprendizaje, las percepciones de estudiantes e instructores, los avances tecnológicos y la preparación de habilidades futuras y la disposición de la fuerza laboral. El estudio tiene ciertas limitaciones, particularmente debido al corto período de tiempo y los criterios de búsqueda, que podrían haber variado si hubiera sido realizado por diferentes investigadores.