Inteligencia artificial y sus implicaciones en la
educación
Autor : Machaca Condori Alexander
Escuela Profesional de Ingenieria
Industrial
e-mail 72223188@ucsm.edu.pe
ABSTRACT— Currently in the field of artificial intelligence
(AI) and the new challenges of society require rigid changes in
training fees.
The objective of the present investigation is that the student
attains an advanced, specialized multidisciplinary training oriented
to the specialization of the academics or to promote the beginning
of research tasks in specific areas and to provide a greater degree of
knowledge in intelligence techniques and methods.
The methods used in the research are very important for the
realization of these such as artificial intelligence programs, and
personalized voice assistants for each type of student and
advancing at an understandable and attainable pace for which he
was benefactor for both due to their mutual learning
The results found are benefactors and are improving with the
interaction of both because it has artificial intelligence in short, it
reveals the unlimited applications that artificial intelligence
possesses in any field used since it covers machine learning
In conclusion, artificial intelligence is an unprecedented
qualitative improvement and to develop and implement digital
skills in order to train better professionals because computer
science is being developed to create intelligent machines, cyber
systems that look more like humans in their functions and these
capabilities are driving a lot of innovations in sectors and industries
KEYWORDS— Artificial intelligence, education, intelligent
machines, artificial interaction, digital skills
RESUMEN— En la actualidad en el campo de inteligencia
artificial (IA) y los nuevos desafíos de la sociedad exigen cambios
rígidos cánones de formación.
El objetivo de la presente investigación es de que el estudiante
alcance una formación avanzada , especializada multidisciplinar
orientada a la especialización de los académicos o promover el
inicio de tareas investigadoras en áreas especificas y proporcionar
un mayor grado de conocimientos en técnicas y métodos de
Inteligencia .
Los métodos utilizados en la investigación son muy
importantes para la realización de estas tales como programas con
inteligencia artificial , y asistentes de voz personalizadas para cada
tipo de estudiante y avanzando a un ritmo entendible y alcanzable
para lo cual fue benefactor para ambos debido a su mutuo
aprendizaje .
Los resultados encontrados son benefactores y van mejorando
con la interacción de ambos debido a que posee inteligencia
artificial en resumen nos da a conocer las ilimitadas aplicaciones
que posee la inteligencia artificial ya sea en cualquier ámbito usado
ya que abarca un aprendizaje automático
En conclusión la inteligencia artificial es una mejora cualitativa
sin precedentes y desarrollar e implementar competencias digitales
a fin de formar mejores profesionales debido a que la informática
se está desarrollando para crear máquinas inteligentes, sistemas
cibernéticos que se parezcan más a los humanos en sus funciones y
estas capacidades están impulsando una gran cantidad de
innovaciones en sectores e industrias
PALABRAS CLAVE— Inteligencia artificial, educación,
máquinas inteligentes, interacción artificial, competencias digitales
I. INTRODUCCIÓN
La presente investigación es realizado para de esta
manera lograr entender como la inteligencia artificial e s
de gran utilidad y va avanzando respecto a lo que era a lo
que actualmente es mediante la mejoría del sistema de
gestión de la educación.
Los sistemas de gestión del aprendizaje asistidos
por la IA u otras aplicaciones del ámbito de la IA en la
educación, y por la identificación de nuevas formas de
aprendizaje personalizado para apoyar el trabajo de los
docentes y hacer frente a los desafíos de la enseñanza
mediante interacciones mas seguidas mutuas y es de gran
utilidad si se especializa donde se quiere aplicar a
diferentes áreas y se convalidan mutuamente
La historia de la inteligencia artificial es muy
amplia y existen varios estudios aunque no aportaron
avances realmente notables donde lo más importante fue
el nombre que John McCarthy (quien por muchos es
considerado el padre de esta área) quien propuso el
concepto de Inteligencia Artificial (IA) para este campo
de investigación.
A. Métodos
 Las técnicas de inteligencia artificial más utilizadas en el
campo de la educación son: las técnicas de personalización
basadas en modelos de estudiantes y de grupos, los sistemas
basados en agentes inteligentes, y las ontologías y las
técnicas de web semántica.
Las técnicas de personalización, que son la base de los
sistemas tutores inteligentes, están basadas en modelos del
estudiante. En general, estos modelos consisten en la
elaboración de una representación cualitativa que considere
el comportamiento del alumno en función tanto del
conocimiento existente sobre un determinado ámbito como
del aprendizaje de otros estudiantes en este dominio .
Estas representaciones pueden utilizarse posteriormente
en sistemas tutores inteligentes, en entornos de aprendizaje
inteligente o en generar agentes inteligentes que representen
estudiantes que colaboren con los estudiantes humanos. La
utilización de técnicas de aprendizaje automático permite
actualizar y extender los modelos de estudiantes iniciales
para adaptarlos tanto a la evolución de los mismos como a
una posible actualización e contenidos y actividades
educativas [20]. Las dos técnicas más populares para modelar
estudiantes son:
Los modelos basados en superposición o overlay y las
redes bayesianas. El primer método consiste en considerar el
modelo del estudiante como un subconjunto del
conocimiento del experto en el ámbito donde se realiza el
aprendizaje. De este modo, el aprendizaje se mide en función
de la comparación con los conocimientos del modelo del
experto.
El segundo método consiste en representar el proceso de
aprendizaje como una
red de estados de conocimiento, y posteriormente, inferir
de forma probabilística el estado del estudiante a partir de la
interacción de éste con el tutor.
Los agentes software son considerados entidades
software, como por ejemplo programas software o robots,
que presentan en grado diferente, tres características
principales: autonomía, cooperación y aprendizaje.
La autonomía se refiere a la capacidad del agente de
actuar y decidir por sí mismo gracias a su representación y
comprensión el mundo que le rodea. La cooperación significa
a la habilidad para interactuar con otros agentes a través de
algún tipo de lenguaje de comunicación. Finalmente, el
aprendizaje es esencial para adaptar el comportamiento al
entorno exterior y optimizar el desarrollo de las tareas. La
capacidad de aprender, junto con otras capacidades como el
razonamiento o la planificación, dotan a los agentes software
de cierta inteligencia lo que permite la realización de tareas
más complejas. Los equipos de agentes inteligentes
componen Sistemas MultiAgente orientados a desarrollar
tareas que un único agente no puede realizar. En estos
sistemas el control y el conocimiento está distribuido y la
computación que se realiza es asíncrona.
Existen múltiples tareas en el ámbito de la educación y
del aprendizaje, como por ejemplo la monitorización de las
entradas, las salidas y las actividades de los estudiantes, la
consulta en el buzón de ejercicios para comprobar que los
trabajos se envían en fecha, la respuesta de los mensajes con
las preguntas de los alumnos, la corrección de test y
exámenes, que un sistema dotado con agentes inteligentes
puede realizar .
Las ontologías buscan capturar y representar el
conocimiento de forma consensuada, para que puede ser
reutilizado y compartido tanto por aplicaciones software
como por grupos de personas
. Una ontología consiste en clases y sus atributos, las
relaciones entre las clases, las propiedades de las relaciones y
los axiomas que permiten restringir las interpretaciones de
definiciones de acuerdo al significado pretendido de los
conceptos. En el ámbito educativo se han propuesto varias
ontologías para describir: el contenido de documentos
utilizados como recursos educativos , la interacción entre
alumnos durante tareas de aprendizaje colaborativo, la
semántica relacionada con los objetos del aprendizaje, y
finalmente, la semántica implícita en lenguajes orientados al
diseño del aprendizaje .
En palabras de Álvarez y Otero, “el Machine Learning
utiliza algoritmos orientados a la identificación de patrones
en datos para generar predicciones, segmentar grupos de
comportamiento homogéneo o identificar la solución más
eficiente para una meta establecida”.
El Machine Learning es la rama de la ciencia que busca
el desarrollo de técnicas que permitan a los ordenadores
aprender por sí mismos. Para ello se crean programas que
pueden generalizar ciertas respuestas a partir de información
sin estructurar, que se suministra como ejemplos. Con ello,
se induce al conocimiento por parte del ordenador.
Conocida como lógica heurística. Esta técnica incide en
lo relativo de un escenario observado como posición
diferencial. Es un tipo de lógica que toma dos valores al azar,
contextualizados y relacionados entre sí. Por ejemplo,
considerar una persona de 2 metros como alta al haber
tomado antes el valor de una persona de un metro como baja.
Hace referencia a un sistema de información que se basa
en el conocimiento de un área de aplicación de gran
complejidad y muy específica. Sirve como asistente
consultor y experto para los usuarios de su interfaz.
Se recurre a la IA cuando se considera útil incorporar a
un sistema de ordenadores un conocimiento o
comportamiento ante los eventos que serían más propios de
un ser humano
Son entornos que proporcionan respuestas sobre
problemáticas muy específicas, pudiendo realizar inferencias
muy parecidas a las de un ser humano acerca de los
conocimientos concretos consultados.
«En todos aquellos procesos que requieran la interacción
entre personas y sistemas, el uso de inteligencia artificial
permite identificar el usuario y adaptar los servicios a sus
características y necesidades, maximizando el valor ofrecido
en todo momento. Por ejemplo, mediante la aplicación de
modelos predictivos, el sistema puede personalizar la
experiencia para el usuario adaptando, por ejemplo, el
catálogo de contenidos multimedia en base a los gustos del
usuario, ofreciéndole así una experiencia única y
personalizada», aseguran los expertos de GFI.
Consiste en el estudio de la vida y de los entornos
artificiales que muestran cualidades propias de los seres
vivos en entornos de simulación.
 Consiste en generar un nuevo conocimiento que no
existía previamente. Se hace a partir de la información que se
contiene en bases de datos de documentos y mediante el
cruce de contenido de los archivos.
Es una técnica que se basa en la teoría de «actor-red»,
poniendo de manifiesto redes y creando nuevas. También
implica el ejercicio de la teoría de la «traducción-traslación»,
acercando y poniendo en relación los actores, con el objetivo
de producir una traducción en la que llevar los enunciados o
modalidades hacia nuevos estadios evolutivos.
Consisten en modelos de representación del conocimiento
que se usan de manera amplia. Son apropiados para
escenarios en los que el conocimiento que se necesita
representar surge de manera natural en una estructura de
reglas.
La Inteligencia Artificial es hoy día no sólo objeto de
investigación sino que se ha convertido en parte integrante de
los planes de estudio de las carreras de Ingeniería de
Informática. Y éste es el público al que está dirigido este
libro, cuyo objetivo consiste en exponer los aspectos básicos
de estas tecnologías de una forma clara, así como
proporcionar la bibliografía necesaria para ampliar los temas.
De esta forma, la solución al problema se establece como
un algoritmo de búsqueda que analiza los nodos del EE y se
representa por el conjunto definido de la siguiente forma [N,
A, I, D] (Luger y Stubblefield, 1989) donde: · N es el
conjunto de nodos del EE. Estos corresponden a los estados
en el proceso de solución del problema. · A es el conjunto de
arcos o ligas entre nodos. Corresponden a los pasos en el
proceso de solución del problema. · I es un subconjunto no
vacío de N que contiene el ó los estados iniciales del
problema. · D es un subconjunto no vacío de N que contiene
el ó los estados finales o la solución al problema, los cuales
pueden ser obtenidos usando una propiedad medible de los
estados encontrados durante la búsqueda ó una propiedad de
la ruta recorrida durante la búsqueda.
II. RESULTADOS
La descripción de un sistema desde el punto de vista de la
IAD, puede hacerse de acuerdo a dos elementos
fundamentales [Dem,90]. El primero se concentra en las
componentes fundamentales
del sistema como una composición de estos, o sea como
la sociedad en que viven nuestros agentes (IAD clásica).
Un Agente puede definirse como una entidad, semi o
completamente autónoma, la cual actúa racionalmente de
acuerdo a sus percepciones del exterior y el estado de su
conocimiento.
Desde un punto de vista estructural, y de acuerdo a
[Ber,92] , el agente puede dividirse en dos partes principales.
La primera está relacionada con el conocimiento que el
agente posee acerca del mundo exterior, las habilidades de
otros agentes y las suyas propias, así como sus tópicos de
interés; el segundo aspecto abarca el procesamiento dinámico
que el agente realiza de los mensajes y que definirá su
actividad de razonamiento ante problemas e informaciones
nuevas. Por esto se basa en un lenguaje de comunicación
externo, para interactuar con otros agentes, uno interno, para
la comunicación entre sus propias componentes, y un
conjunto de métodos que permite el procesamiento de estos
mensajes.
La sociedad de agentes está organizada como una red en
la cual los nodos representan dichas entidades, y los enlaces
los puentes de intercambio de información entre los mismos.
A partir de la organización de los enlaces, el intercambio de
información puede hacerse o bien directamente, o bien
indirectamente a través de un intermediario. A partir del
control esbozado en el párrafo anterior, se puede decir que
existen dos tipos fundamentales de sociedades en la
Inteligencia Artificial Distribuida: la centralizada y la
descentralizada.
3.1 Modelo de Organización El constituyente proceso
indica el orden temporal en el que son realizadas las
funciones del constituyente función y se muestra en la fig.
3.1
La introducción del sistema multiagente acelerará la
detección de la mejor estrategia para el objetivo y el usuario.
Así mismo agilizará el proceso de desarrollo de un curso a
distancia, y el proceso de aprendizaje del usuario
III. DISCUSIÓN
La educación es una de las áreas de aplicación de la IA.
Se plantea que el uso de las técnicas de IA en la elaboración
de software educativos permite que los sistemas:
• Se adapten mejor a las características de los estudiantes
teniendo en cuenta el historial de actuaciones del alumno y
no a una respuesta aislada.
• Generen problemas, soluciones y diagnósticos cómo y
cuándo se necesite durante una sesión de aprendizaje. Los
sistemas expertos constituyen un valioso recurso en el
proceso docente porque un profesional en formación puede
beneficiarse observando cómo un sistema experto resuelve
un problema difícil, así como analizando las explicaciones
que ofrece y los métodos de búsqueda y solución aplicados
por el sistema. La aplicación didáctica de los sistemas
expertos permite (Lenat, 1990):
• Resolver problemas complicados de manera que su
forma de operar sirva de guía para el alumno.
 • Organizar el saber disponible sobre la materia,
posibilitando su aplicación directa a la solución del
problema. • Preservar el conocimiento para su utilización
futura.
• Establecer una comunicación eficiente con el estudiante.
• Captar y presentar en diferentes formas las respuestas que
recibe o proporciona.
• Reconocer una extensa gama de errores de
razonamiento. • Proveer conjuntos de problemas distintos y
graduar su dificultad relativa. El software educativo requiere
de grupos multidisciplinarios donde intervengan al menos
educadores y especialistas en computación (Shneiderman,
2006). Estos programas abarcan finalidades muy diversas
que pueden ir desde la adquisición de conceptos al desarrollo
de destrezas básicas, o la resolución de problemas. Otros
autores suelen llamarlos Software Instructivos, Programas
Instructivos o Materiales Educativos Computarizados.
Existen diferentes tipos de software educativos que pueden
utilizarse en el proceso de enseñanza-aprendizaje entre los
que se encuentran: • Programas de ejercitación.
• Tutoriales.
• Sistemas expertos (Durkin, 1994).
• Programas de demostración.
• Simuladores.
• Repasadores.
• Juegos.
• Sistemas de aplicación. El relativo y creciente uso de la
computación en la Educación está más relacionado con el
impacto que la computación y la informática han tenido en el
mundo moderno y continuará teniendo. Hay que ver a la
computadora como un medio complementario a otros a que
puede utilizar el profesor, pero este medio debe superar las
limitaciones de los medios educativos convencionales,
enfrentando el reto que le imponen los últimos avances
tecnológicos. En la década de los 80 una de las áreas de
aplicación de la IA que más se desarrolló fue la esfera
educacional, específicamente los sistemas para
entrenamiento (Tennyson ,1987). Por otra parte (Galvis,
1994) y (Alessi, 1985) incluyen a los sistemas expertos como
uno de los tipos de sistemas de Enseñanza Asistida por
Computadoras (EAC) que utilizan técnicas de IA. Un
profesional en formación puede beneficiarse observando
cómo un sistema experto resuelve un problema difícil, así
como analizando las explicaciones que ofrece y los métodos
de búsqueda y solución aplicados por el sistema. Es por ello
que
La Inteligencia Artificial en la Informática Educativa
Los sistemas expertos constituyen un valioso recurso en
el proceso docente. En (Galvis, 1994) se plantea que desde el
punto de vista del usuario que aprende, un sistema experto es
un sistema que además de demostrar gran capacidad de
desempeño en términos de velocidad, precisión y exactitud,
tiene como contenido un dominio de conocimientos que
requiere de gran cantidad de experiencia humana, no solo
principios y reglas de alto nivel, si no que es capaz de hallar
o juzgar la solución a algo, explicando o justificando lo que
halla o juzga, de modo que es capaz de convencer al usuario
de que su razonamiento es correcto.
Esta capacidad de razonar como un experto es lo que
hace que estos sistemas sean útiles para que los aprendices
ganen experiencia en dominios en que es necesario obtenerla
y hagan explícito el conocimiento que está detrás de ella. En
la etapa de diseño de un SE el esfuerzo intelectual que exige
formalizar el conocimiento que se va a incluir puede llevar al
diseñador a un mayor o más detallado conocimiento del tema
que se trata, la estructura misma de un sistema experto
permite ver el conocimiento y el proceso de aprendizaje
desde una perspectiva sistémica como una unión de
información o conocimiento y manipulación de ese
conocimiento (Hayes-Roth, 1983).
Dado que un SE encierra lo que sabe un experto
especialista acerca de un dominio específico, resulta
razonable pensar en él como base de un sistema
individualizado de aprendizaje apoyado por la computadora
en ese dominio (Raeth, 1990). Los SE no constituyen la
única vía para el empleo de las técnicas de IA en la
enseñanza. Se pudiera hacer referencia a un término más
general, como son los Sistemas de Enseñanza-Aprendizaje
Inteligentes (SEAI).
Estos utilizan técnicas de IA y enfocan una sesión de
trabajo como un proceso de cooperación entre el sistema y el
alumno, con el objetivo de propiciar el aprendizaje. El
sistema debe analizar en cada momento el comportamiento
del estudiante para caracterizar su actuación y decidir cuál es
la estrategia más adecuada a aplicar; qué explicarle, con
qué‚ nivel de detalle, cuándo interrumpirle, cómo corregirle,
de forma que culmine con éxito el proceso de aprendizaje,
para decidir y aplicar dicha estrategia, es necesario conocer la
materia que se imparte y comprender la forma en que se
asimila. Las variantes metodológicas de estos SEAI son: •
Tutores inteligentes.
• Entrenadores inteligentes.
• Sistemas inteligentes basados en simulación.
• Juegos inteligentes.
• Evaluadores inteligentes. Sus fundamentos teóricos se
apoyan en la Ingeniería del Conocimiento, las técnicas de IA,
así como la
ciencia pedagógica, ya que por medio de entrevistas y
sesiones realizadas con los profesores más experimentados se
recopilan conocimientos valiosos que se pueden formalizar y
codificar. El éxito de este tipo de sistema estará determinado
por su capacidad de manipular características específicas y
procesos involucrados en la instrucción, incluyendo la
capacidad de establecer diálogo en lenguaje cercano al
natural (Garijo, 1985).
V. CONCLUSIONES
El SBC-ED permite la creación y seguimiento de cursos
adaptativos a través de Internet. La estructura y el contenido
de los cursos se gestionan de forma independiente,
facilitando los procedimientos de adaptación a cada
estudiante, así como la reutilización y el mantenimiento de la
información. La generación automática de páginas hace
posible el mantenimiento de la coherencia en las páginas de
menús, incluso después de producirse cambios en la
estructura del curso. La estructura de cada curso se compone
de un conjunto de objetivos, tareas y reglas docentes,
mientras que los contenidos están formados por actividades a
cumplir y elementos multimedia que se utilizan para generar
dinámicamente las páginas HTML que se presenta a los
estudiantes. Este sistema representa un avance importante en
la capacidad de adaptación de la estrategia de enseñanza y en
la capacidad de adaptación de los cursos desarrollados, al
permitir la elección dinámica de actividades que persiguen
un objetivo a lograr. Este enfoque resulta de vital
importancia para la creación de una plataformas inteligentes
de educación, pues provee de un entorno interactivo de gran
capacidad de reacción. Esto se alcanza debido a la
distribución de tareas a agentes que trabajan de forma
concurrente; esto significa, por ejemplo, que mientras el
alumno realiza los ejercicios finales de un tema, el agente
pedagógico planificador esta decidiendo la estrategia de
enseñanza a seguir con los próximos conceptos.
REFERENCIAS
[1] Revista de Informática Educativa y Medios Audiovisuales Vol. 5(10),
págs.11-18. 2008
14 ISSN 1667-8338 © LIE-FI-UBA. liema@fi.uba.ar
[2] [KADS,93] R. De Hoog, R.Martil, B. Wielinga, R. Taylor, C. Bright,
and W. van de Velde. The CommonKADS model set. ESPRIT Project
P5248 KADS-II/M1/DM..1b/UvA/018/5.0, University of Ámsterdam,
Lloyd`s Register, Touche Ross Management Consultants & Free
University of Brussels, Dec.1993.
[3] [Mor,94] F. Morales, “Sistemas Tutoriales Basados en Casos”, en
Informática 94, Cuarta Convención Internacional y Feria de Software,
La Habana, Cuba, Febrero 1994. [
[4] [Mor,95] F. Morales, “Implementando Cooperación en un Mundo
MultiAgente”. Reporte Interno de Investigaciones. Universidad de La
Habana, Fac. Matemática y Computación. 1995.
[5] Fogel David B., "Evolutionary Computation". IEEE Press. Estados
Unidos. 1995.
[6] Luger and Stubblefield, "Artificial Intelligence and the Design of
Expert Systems". The Benjamin/Cummings Publishing Company, Inc.
Estados Unidos. 1989.
[7] C. Koch. Christof Koch forecast the future. New Scientist. 2006.
http://www.newscientist.com/channel/opinion/s cience-
forecasts/dn10626-christof-kochforecasts-the-future.html
[8] K. Kennedy: Top 10 Smart technologies for Schools: Artificial
Intelligence, 2002. http://www.techlearning.com/db_area/archives
/TL/2002/11/topten5.html
[9] P. Brusilovsky y C. Peylo: Adaptive and Intelligent Web-based
Educational Systems. International Journal of Artificial Intelligence in
Education, 13:156–169, 2003.