Modelos de Lenguaje Grande en Sistemas Educativos Inteligentes: Nuevas Perspectivas Educativas-Una Revisión Sistemática
Autores: Ivanova, Tatyana; Terzieva, Valentina
Idioma: Inglés
Editor: MDPI
Año: 2026
Acceso abierto
Artículo científico
2026
Modelos de Lenguaje Grande en Sistemas Educativos Inteligentes: Nuevas Perspectivas Educativas-Una Revisión Sistemática
Categoría
Gestión y administración
Subcategoría
Gestión de la tecnología y la inovación
Palabras clave
Modelos de lenguaje
Inteligencia artificial
Educación
Tecnologías inteligentes
Sistemas de e-learning
Enfoques pedagógicos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Los modelos de lenguaje grandes (LLMs) son una tecnología emergente impulsada por inteligencia artificial, basada en la arquitectura de transformadores. Los LLMs se utilizan ampliamente en la educación moderna, tanto por los estudiantes como por los tutores, como herramientas independientes o integradas en sistemas de e-learning, donde pueden apoyar la personalización, el aprendizaje adaptativo, la evaluación automatizada y la retroalimentación, la generación de contenido y la tutoría inteligente. Los LLMs ofrecen muchos beneficios para los estudiantes, pero también tienen limitaciones significativas. Un enfoque para abordar las limitaciones de los LLMs es combinarlos con otras tecnologías inteligentes. El objetivo principal de esta encuesta sistemática es identificar tecnologías de apoyo adecuadas, mecanismos de uso y enfoques metodológicos capaces de ayudar a superar las limitaciones de los LLMs y apoyar su uso responsable y efectivo en la educación. Por esta razón, se realiza un análisis y discusión de la investigación científica reciente (publicada en los últimos cuatro años) accesible a través de Google Scholar, ACM, IEEE Xplore, o indexada en Scopus o Web of Science (WoS). Se utiliza un análisis bibliométrico de los resultados de las cadenas de consulta generales iniciales para refinar y formular consultas de búsqueda más específicas durante el proceso de recuperación de literatura en las bases de datos seleccionadas. La exploración del texto completo de los resultados de búsqueda relevantes sirve como fuente para el análisis crítico y las deducciones que conducen a la siguiente conclusión: los LLMs deben integrarse en sistemas de e-learning, combinados con gráficos de conocimiento, ontologías, análisis de aprendizaje y razonamiento multimodal para mejorar la fiabilidad, mejorar la efectividad pedagógica y permitir una verdadera personalización. También se necesitan nuevos enfoques pedagógicos para garantizar el uso efectivo de los LLMs tanto en contextos de tutoría como de evaluación. Por lo tanto, los autores proponen directrices metodológicas para integrar los LLMs en sistemas educativos modulares complejos.
Descripción
Los modelos de lenguaje grandes (LLMs) son una tecnología emergente impulsada por inteligencia artificial, basada en la arquitectura de transformadores. Los LLMs se utilizan ampliamente en la educación moderna, tanto por los estudiantes como por los tutores, como herramientas independientes o integradas en sistemas de e-learning, donde pueden apoyar la personalización, el aprendizaje adaptativo, la evaluación automatizada y la retroalimentación, la generación de contenido y la tutoría inteligente. Los LLMs ofrecen muchos beneficios para los estudiantes, pero también tienen limitaciones significativas. Un enfoque para abordar las limitaciones de los LLMs es combinarlos con otras tecnologías inteligentes. El objetivo principal de esta encuesta sistemática es identificar tecnologías de apoyo adecuadas, mecanismos de uso y enfoques metodológicos capaces de ayudar a superar las limitaciones de los LLMs y apoyar su uso responsable y efectivo en la educación. Por esta razón, se realiza un análisis y discusión de la investigación científica reciente (publicada en los últimos cuatro años) accesible a través de Google Scholar, ACM, IEEE Xplore, o indexada en Scopus o Web of Science (WoS). Se utiliza un análisis bibliométrico de los resultados de las cadenas de consulta generales iniciales para refinar y formular consultas de búsqueda más específicas durante el proceso de recuperación de literatura en las bases de datos seleccionadas. La exploración del texto completo de los resultados de búsqueda relevantes sirve como fuente para el análisis crítico y las deducciones que conducen a la siguiente conclusión: los LLMs deben integrarse en sistemas de e-learning, combinados con gráficos de conocimiento, ontologías, análisis de aprendizaje y razonamiento multimodal para mejorar la fiabilidad, mejorar la efectividad pedagógica y permitir una verdadera personalización. También se necesitan nuevos enfoques pedagógicos para garantizar el uso efectivo de los LLMs tanto en contextos de tutoría como de evaluación. Por lo tanto, los autores proponen directrices metodológicas para integrar los LLMs en sistemas educativos modulares complejos.