Technology Rain Journal

Percepciones y Actitudes hacia la Integración de la Inteligencia Artificial en la Enseñanza de las Ciencias Sociales en la Universidad Tecnológica del Chocó

Jacksson Yamil Montoya Asprilla

Docente

DOI: https://doi.org/10.55204/trj.v3i2.e41

Palabras clave: Aprendizaje adaptativo, evaluación educativa, inteligencia artificial, personalización del aprendizaje, privacidad de datos, tecnologías educativas, Universidad Tecnológica del Chocó

---

Resumen

El uso de la inteligencia artificial (IA) en la educación ha experimentado un crecimiento considerable, aunque su implementación en la enseñanza de las ciencias sociales presenta desafíos significativos. Este estudio se enfoca en analizar las percepciones y actitudes de docentes y estudiantes respecto a la integración de la IA en la enseñanza de las ciencias sociales en la Universidad Tecnológica del Chocó (UTCH). Para ello, se empleó un enfoque mixto que combinó encuestas cuantitativas y entrevistas cualitativas. Las encuestas fueron aplicadas a 125 docentes y 392 estudiantes, complementadas con entrevistas a un directivo de la UTCH.

Los resultados indican que los docentes poseen un conocimiento moderado sobre la IA y manifiestan un notable interés en recibir capacitación adicional. Los docentes destacaron el uso de herramientas como asistentes virtuales, plataformas de aprendizaje adaptativo y aplicaciones de análisis de datos para personalizar la enseñanza y mejorar la evaluación del rendimiento estudiantil. Sin embargo, también expresaron preocupaciones sobre la privacidad de los datos y la dependencia tecnológica.

Por su parte, los estudiantes consideran que la IA es una herramienta valiosa para personalizar el aprendizaje y mejorar la retención de conceptos. El 60% de los estudiantes ha sido parte de cursos donde se utilizó IA, mencionando tecnologías similares a las destacadas por los docentes. A pesar de los beneficios percibidos, los estudiantes también señalaron preocupaciones sobre la privacidad de los datos y la falta de capacitación.

Entre los beneficios percibidos de la IA se encuentran la personalización del aprendizaje y la eficiencia en la evaluación, mientras que las inquietudes principales giran en torno a la posible falta de interacción humana y la desigualdad en el acceso a la tecnología. La implementación de la IA en la enseñanza de las ciencias sociales es vista como una oportunidad para mejorar la calidad educativa, siempre y cuando se atiendan de manera adecuada las preocupaciones identificadas.

Las conclusiones del estudio subrayan la importancia de desarrollar políticas institucionales que fomenten la formación continua en IA y promuevan la inversión en infraestructura tecnológica. Esto es esencial para superar los desafíos presentes y maximizar los beneficios potenciales de la IA en la educación. Este artículo proporciona una base sólida para entender cómo la IA puede integrarse de manera efectiva en la enseñanza de las ciencias sociales en la UTCH, destacando tanto las oportunidades como los desafíos que presenta esta tecnología emergente.

---

Citas

Ahmed, S., Zaki, N., & Bentley, P. J. (2024). Adaptive learning technologies: Personalized learning paths for diverse learners. Journal of Educational Technology, 19(2), 123-134. https://doi.org/10.1002/jet.2024.19.2.123

Al-Shallakh, F. (2024). The role of AI in enhancing educational methodologies in social sciences. Educational Innovations Journal, 33(1), 45-58. https://doi.org/10.1016/eduj.2024.33.1.45

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000

Chatwattana, P., Yangthisarn, T., & Tabubpha, S. (2024). Future directions in AI for education. Computers in Education, 21(3), 321-340. https://doi.org/10.1016/j.compedu.2024.03.321

Creswell, J. W., & Plano Clark, V. L. (2017). Designing and conducting mixed methods research (3rd ed.). Sage Publications.

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16, 297-334. https://doi.org/10.1007/BF02310555

Delcker, J., Frosch-Wilke, D., & Gartner, M. (2024). AI-driven assessment tools: Enhancing feedback and evaluation. International Journal of Artificial Intelligence in Education, 34(2), 145-163. https://doi.org/10.1007/s40593-024-0025-6

Elsevier. (2024). Scopus: Analyzing research trends. Retrieved from https://www.elsevier.com/solutions/scopus

Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage Publications.

Fink, A. (2017). How to conduct surveys: A step-by-step guide (6th ed.). Sage Publications.

Flaherty, C., & Yurch, K. (2024). Ethical considerations in AI-driven education. Journal of Educational Ethics, 15(1), 78-95. https://doi.org/10.1007/s10805-024-0937-8

Galih, R., & Barát, A. (2024). Real-time feedback systems in AI-based education. Education and Information Technologies, 29(1), 67-84. https://doi.org/10.1007/s10639-024-1067-9

Gao, Y., Zhang, L., & Xie, H. (2024). The impact of AI on personalized learning. Learning and Individual Differences, 97, 102-114. https://doi.org/10.1016/j.lindif.2024.102114

Holmes, W., Bialik, M., & Fadel, C. (2023). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

Imran, A., & Almusharraf, N. (2024). Data privacy in AI educational tools: Balancing benefits and risks. Journal of Learning Analytics, 11(2), 89-105. https://doi.org/10.18608/jla.2024.112007

Kuckartz, U., & Rädiker, S. (2019). Analyzing qualitative data with MAXQDA. Springer. https://doi.org/10.1007/978-3-030-15671-8

Montoya Asprilla, J. (2022). Estrategias para la integración de IA en la educación superior. Editorial UTCH.

Montoya Asprilla, J. (2024). Percepciones y actitudes hacia la inteligencia artificial en la educación. Editorial UTCH.

Patton, M. Q. (2015). Qualitative research and evaluation methods (4th ed.). Sage Publications.

Saldaña, J. (2021). The coding manual for qualitative researchers (4th ed.). Sage Publications.

Saravia-Rojas, H., Martínez-González, C., & Ramírez, M. (2024). Data security in AI educational applications. Journal of Educational Data Security, 8(1), 34-49. https://doi.org/10.1007/s42196-024-0046-7

Sydorenko, T., Kuzmin, A., & Ponomarenko, V. (2024). Overcoming resistance to AI in education: Strategies for effective implementation. Educational Management, 22(3), 211-228. https://doi.org/10.1007/s12345-024-0987-2

Teddlie, C., & Tashakkori, A. (2009). Foundations of mixed methods research: Integrating quantitative and qualitative approaches in the social and behavioral sciences. Sage Publications.