Inteligencia artificial y aprendizaje personalizado en el siglo XXI
Resumen (es)
La integración de la inteligencia artificial (IA) en la educación ha transformado radicalmente los enfoques pedagógicos tradicionales, dando lugar a sistemas de aprendizaje personalizados que responden a las necesidades individuales del estudiante. Este artículo explora cómo la IA, a través de algoritmos adaptativos, sistemas de recomendación y chatbots educativos, está reconfigurando la experiencia de aprendizaje. La metodología empleada es de carácter cualitativo y exploratorio, basada en revisión documental de literatura científica reciente. Se analizan 20 estudios que abordan el diseño, implementación, impactos y desafíos éticos de la personalización algorítmica en entornos educativos. Entre los principales hallazgos se identifica que los sistemas basados en IA mejoran el rendimiento académico, incrementan la motivación y fomentan la autonomía del estudiante. No obstante, también surgen preocupaciones sobre la opacidad algorítmica, la privacidad de los datos y los sesgos en los modelos de recomendación. Las conclusiones destacan la necesidad de establecer políticas educativas que orienten el uso ético y transparente de la IA en contextos de aprendizaje. Se sugiere avanzar hacia un enfoque centrado en el estudiante, que equilibre la eficacia tecnológica con principios pedagógicos y valores democráticos.
Resumen (en)
The integration of artificial intelligence (AI) in education has profoundly transformed traditional pedagogical approaches, enabling personalized learning systems that cater to individual student needs. This article examines how AI—through adaptive algorithms, recommendation systems, and educational chatbots—is reshaping learning experiences. The methodology employed is qualitative and exploratory, based on a literature review of recent scientific research. Twenty studies were analyzed that focus on the design, implementation, impacts, and ethical challenges of algorithmic personalization in educational environments. Key findings suggest that AI-based systems enhance academic performance, increase motivation, and promote learner autonomy. However, concerns remain about algorithmic opacity, data privacy, and biases in recommendation models. The conclusions emphasize the need for educational policies that promote ethical and transparent AI usage in learning contexts. The article advocates for a student-centered approach that balances technological efficiency with pedagogical principles and democratic values.
Resumen (pt)
A integração da inteligência artificial (IA) na educação transformou profundamente as abordagens pedagógicas tradicionais, possibi- litando sistemas de aprendizagem personalizados que atendem às necessidades individuais dos alunos. Este artigo examina como a IA - por meio de algoritmos adaptativos, sistemas de recomendação e chatbots educacionais - está remodelando as experiências de apren- dizagem. A metodologia empregada é qualitativa e exploratória, com base em uma revisão da literatura de pesquisas científicas recentes. Foram analisados 20 estudos que enfocam o projeto, a implemen- tação, os impactos e os desafios éticos da personalização algorítmica em ambientes educacionais. As principais conclusões sugerem que os sistemas baseados em IA melhoram o desempenho acadêmico, aumentam a motivação e promovem a autonomia do aluno. No en- tanto, ainda há preocupações sobre a opacidade dos algoritmos, a privacidade dos dados e os vieses nos modelos de recomendação. As conclusões enfatizam a necessidade de políticas educacionais que promovam o uso ético e transparente da IA em contextos de aprendizagem. O artigo defende uma abordagem centrada no aluno que equilibre a eficiência tecnológica com princípios pedagógicos e valo- res democráticos.
Referencias
Aparicio-Gómez, Oscar-Yecid, Aparicio-Gómez, William-Oswaldo (2024). Innovación educativa con sistemas de aprendizaje adaptativo impulsados por Inteligencia Artificial. Revista Internacional De Pedagogía E Innovación Educativa, 4(2), 343-363. https://doi.org/10.51660/ripie42222
Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. In J. A. Larusson & B. White (Eds.), Learning Analytics: From Research to Practice (pp. 61–75). Springer. https://doi.org/10.1007/978-1-4614-3305-7_4
Burrell, J. (2016). How the machine ‘thinks’: Understanding opacity in machine learning algorithms. Big Data & Society, 3(1), 1–12. https://doi.org/10.1177/2053951715622512
Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial Intelligence trends in education: A narrative overview. Procedia Computer Science, 136, 16–24. https://doi.org/10.1016/j.procs.2018.08.233
Chatti, M. A., Muslim, A., & Schroeder, U. (2018). Toward an open learning analytics ecosystem. Technology, Knowledge and Learning, 23(2), 265–298. https://doi.org/10.1007/s10758-018-9370-0
Drachsler, H., & Greller, W. (2016). Privacy and analytics: It's a DELICATE issue. Proceedings of the Sixth International Conference on Learning Analytics & Knowledge (LAK’16), 89–98. https://doi.org/10.1145/2883851.2883893
Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin’s Press.
Falmagne, J.-C., Cosyn, E., Doignon, J.-P., & Thiéry, N. (2013). The assessment of knowledge, in theory and in practice. In E. G. C. Jr. & N. Mislevy (Eds.), Handbook of educational measurement and psychometrics using R (pp. 527–550). Routledge.
Goel, A., & Polepeddi, L. (2016). Jill Watson: A virtual teaching assistant for online education. Georgia Institute of Technology.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Kulik, J. A., & Fletcher, J. D. (2016). Effectiveness of intelligent tutoring systems: A meta-analytic review. Review of Educational Research, 86(1), 42–78. https://doi.org/10.3102/0034654315581420
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson Education.
Ma, W., Adesope, O. O., Nesbit, J. C., & Liu, Q. (2014). Intelligent tutoring systems and learning outcomes: A meta-analysis. Journal of Educational Psychology, 106(4), 901–918. https://doi.org/10.1037/a0037123
Pane, J. F., Steiner, E. D., Baird, M. D., & Hamilton, L. S. (2015). Continued progress: Promising evidence on personalized learning. RAND Corporation. https://doi.org/10.7249/RR1365
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Shute, V. J., & Zapata-Rivera, D. (2012). Adaptive educational systems. In P. Durlach & A. Lesgold (Eds.), Adaptive Technologies for Training and Education (pp. 7–27). Cambridge University Press.
Strauss, A., & Corbin, J. (1998). Basics of qualitative research: Techniques and procedures for developing grounded theory (2nd ed.). SAGE Publications. https://doi.org/10.4135/9781452230153
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221. https://doi.org/10.1080/00461520.2011.611369
Williamson, B., & Eynon, R. (2020). Historical threads, missing links, and future directions in AI in education. Learning, Media and Technology, 45(3), 223–235. https://doi.org/10.1080/17439884.2020.1798995
Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.
Cómo citar
Licencia
Derechos de autor 2025 Revista Interamericana de Investigación Educación y Pedagogía RIIEP
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
RIIEP está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
La Universidad Santo Tomás conserva los derechos patrimoniales de las obras publicadas, y favorece y permite la reutilización de las mismas bajo la licencia anteriormente mencionada.
