DOI: 10.26820/reciamuc/8.(1).ene.2024.692-700

URL: https://reciamuc.com/index.php/RECIAMUC/article/view/1313

EDITORIAL: Saberes del Conocimiento

REVISTA: RECIAMUC

ISSN: 2588-0748

TIPO DE INVESTIGACIÓN: Artículo de revisión

CÓDIGO UNESCO: 58 Pedagogía

PAGINAS: 692-700

Sistema IA para personalizar y predecir el rendimiento

del estudiante

AI system to personalize and predict student performance

Pamela Katherine Pisco Rodríguez

; Liliana Vanessa Pisco Rodríguez

; Marcos Manuel

Manobanda Parrales

; Susana Esther Mejía Vera

RECIBIDO: 10/12/2023 ACEPTADO: 15/01/2024 PUBLICADO: 25/03/2024

1. Magíster en Gestión de Proyecto; Economista; Docente del Área de Admisión y Nivelación de la Uni-

versidad Estatal del Sur de Manabí; Jipijapa, Ecuador; pamela.pisco@unesum.edu.ec; https://orcid.

org/0009-0005-3303-1609

2. Diplomado en Docencia e Investigación Cientíﬁca Transformacional; Magíster en Gestión de Proyecto;

Licenciada en Ciencias de la Comunicación Especialidad Publicidad; Docente del Área de Admisión y

Nivelación de la Universidad Estatal del Sur de Manabí; Jipijapa, Ecuador;liliana.pisco@unesum.edu.ec;

https://orcid.org/0000-0002-5936-4170

3. Ingeniero Forestal; Docente del Área de Admisión y Nivelación de la Universidad Estatal del Sur de Ma-

nabí; Jipijapa, Ecuador;marcos.manobanda@unesum.edu.ec; https://orcid.org/0009-0000-8029-8668

4. Magíster en Administración de Empresas; Contadora Pública Autorizada CPA; Docente del Área Admisión

y Nivelación de la Universidad Estatal del Sur de Manabí; Jipijapa, Ecuador; susana.mejia@unesum.edu.

ec; https://orcid.org/0000-0001-9878-5421

CORRESPONDENCIA

Pamela Katherine Pisco Rodríguez

pamela.pisco@unesum.edu.ec

Jipijapa, Ecuador

RESUMEN

El acelerado avance tecnológico de los últimos años ha impactado en una transformación sin precedentes en muchas áreas de la huma-

nidad. La educación es una de ellas, en donde el auge de la Inteligencia Artiﬁcial (IA) es fundamental para el desarrollo de sistemas que

permitan mejorar, cada vez más, la calidad de este servicio. En consecuencia, el propósito de la presente investigación es plasmar las

generalidades acerca de los principales sistemas de Inteligencia Artiﬁcial usados para la personalización y predicción del rendimiento

estudiantil. El enfoque metodológico de la investigación es una revisión bibliográﬁco – documental. De la revisión se desprende la im-

portancia de los sistemas de IA para personalizar y predecir el rendimiento del estudiante los cuales, con un buen uso, puede ser una

herramienta poderosa para mejorar la calidad de la educación. Los principales sistemas analizados para este tipo de funciones fueron

los sistemas de tutores inteligentes, sistemas de análisis de datos educativos, sistemas de recomendación de cursos y sistemas de re-

troalimentación automática. Estos tipos de sistemas son capaces de analizar grandes cantidades de datos, en tiempo real, tales como:

caliﬁcaciones, asistencia, participación y comportamiento, entre otros. Todo ello con la ﬁnalidad de identiﬁcar patrones y tendencias. La

información recolectada y analizada le permite a esta tecnología personalizar la experiencia de aprendizaje para cada estudiante, pro-

porcionando así recomendaciones y recursos adaptados a sus necesidades y habilidades individuales. Por otra parte, esta información

sirve para predecir el rendimiento futuro de los estudiantes, lo que permite a los educadores intervenir tempranamente y brindar apoyo

adicional a aquellos que puedan estar en riesgo de bajo rendimiento.

Palabras clave: Sistema, Inteligencia Artiﬁcial, Personalizar, Predicción, Rendimiento.

ABSTRACT

The accelerated technological advancement of recent years has impacted an unprecedented transformation in many areas of humanity.

Education is one of them, where the rise of Artiﬁcial Intelligence (AI) is fundamental for the development of systems that increasingly

improve the quality of this service. Consequently, the purpose of this research is to capture generalities about the main Artiﬁcial Intelli-

gence systems used for the personalization and prediction of student performance. The methodological approach of the research is a

bibliographical - documentary review. From the review, the importance of AI systems to personalize and predict student performance

emerges, which, with good use, can be a powerful tool to improve the quality of education. The main systems analyzed for this type of

functions were intelligent tutor systems, educational data analysis systems, course recommendation systems and automatic feedback

systems. These types of systems are capable of analyzing large amounts of data, in real time, such as: grades, attendance, participation

and behavior, among others. All this with the purpose of identifying patterns and trends. The information collected and analyzed allows

this technology to personalize the learning experience for each student, thus providing recommendations and resources tailored to their

individual needs and abilities. Furthermore, this information serves to predict future student performance, allowing educators to intervene

early and provide additional support to those who may be at risk of poor performance.

Keywords: System, Artiﬁcial Intelligence, Personalize, Prediction, Performance.

RESUMO

O acelerado avanço tecnológico dos últimos anos tem impactado uma transformação sem precedentes em diversas áreas da humanidade.

A educação é uma delas, onde o surgimento da Inteligência Artiﬁcial (IA) é fundamental para o desenvolvimento de sistemas que melho-

rem cada vez mais a qualidade desse serviço. Consequentemente, o objetivo desta pesquisa é captar generalidades sobre os principais

sistemas de Inteligência Artiﬁcial utilizados para a personalização e predição do desempenho dos alunos. A abordagem metodológica da

pesquisa é uma revisão bibliográﬁca - documental. Da revisão efectuada, emerge a importância dos sistemas de IA para personalizar e

prever o desempenho dos alunos, os quais, com uma boa utilização, podem ser uma poderosa ferramenta para melhorar a qualidade da

educação. Os principais sistemas analisados para este tipo de funções foram sistemas tutores inteligentes, sistemas de análise de dados

educacionais, sistemas de recomendação de cursos e sistemas de feedback automático. Estes tipos de sistemas são capazes de analisar

grandes quantidades de dados, em tempo real, tais como: notas, assiduidade, participação e comportamento, entre outros. Tudo isto com

o objetivo de identiﬁcar padrões e tendências. A informação recolhida e analisada permite a esta tecnologia personalizar a experiência de

aprendizagem de cada aluno, fornecendo assim recomendações e recursos adaptados às suas necessidades e capacidades individuais.

Para além disso, esta informação serve para prever o desempenho futuro dos alunos, permitindo aos educadores intervir precocemente e

fornecer apoio adicional àqueles que possam estar em risco de mau desempenho.

Palavras-chave: Sistema, Inteligência Artiﬁcial, Personalizar, Previsão, Desempenho.

694

RECIMAUC VOL. 8 Nº 1 (2024)

Introducción

La Inteligencia Artiﬁcial (IA) es una de las

tecnologías más poderosas, capaz de pro-

porcionar el potencial requerido para abor-

dar muchos de los grandes desafíos en

diversas áreas de la humanidad. La edu-

cación es un campo en constate evolución

que no escapa a estas tecnologías, permi-

tiéndole innovar las prácticas de enseñanza

y aprendizaje (Organización de las Nacio-

nes Unidas para la Educación, la Ciencia y

la Cultura - UNESCO, 2023).

La IA se reﬁere al conjunto de conocimientos

que las máquinas adquieren a través de la

experiencia, en función de adaptarse a nue-

vas aportaciones y ejecutar tareas similares

a las personas. Esto implica que los siste-

mas informáticos utilizan modelos matemá-

ticos y lógicos para simular el razonamiento

humano, con el ﬁn de adquirir conocimiento

a partir de nueva información y tomar deci-

siones. En esta era se destaca la capacidad

de imitar la cognición humana, replicar la

forma en que las personas piensan y resol-

ver problemas (Macías Moles, 2021).

En la contemporaneidad, la IA, ha transcen-

dido los conﬁnes de la innovación tecnoló-

gica, adentrándose muy profundamente en

el ámbito educativo, donde su inﬂuencia ha

adquirido una signiﬁcativa relevancia. El

uso de sistemas de IA en la educación tiene

el potencial de revolucionar los resultados

del aprendizaje y el desempeño de los es-

tudiantes al personalizar la educación y me-

jorar la experiencia educativa general. Esta

tecnología tiene el potencial de transformar

la forma en que los estudiantes aprenden

e interactúan con el contenido educativo

(López, Rivera, & Cruz, 2023, pág. 122).

El aprendizaje personalizado es un enfoque

educativo que busca adaptar el proceso de

enseñanza y aprendizaje a las característi-

cas, necesidades e intereses de cada es-

tudiante. Implica ofrecer a los estudiantes

opciones sobre qué, cómo, cuándo y dónde

aprender; tener en cuenta sus formas, ritmos

y preferencias de aprendizaje; proporcionar-

PISCO RODRÍGUEZ, P. K., PISCO RODRÍGUEZ, L. V., MANOBANDA PARRALES, M. M., & MEJÍA VERA, S. E.

les retroalimentación continua y orientación;

así como fomentar su autonomía y respon-

sabilidad. En este sentido, la IA puede me-

jorar signiﬁcativamente la personalización

del aprendizaje, ofreciendo una cantidad de

beneﬁcios entre los que se destaca el análi-

sis del comportamiento y el desempeño de

los estudiantes y la adaptación del conteni-

do del curso para satisfacer las necesidades

y preferencias de aprendizaje individuales,

entre otros. Este enfoque personalizado del

aprendizaje tiene el potencial de hacer que

la educación sea más atractiva y eﬁcaz para

estudiantes de todas las edades (Ruiz Mi-

randa & Ruiz Miranda, 2024).

Por otra parte, esa búsqueda de la calidad

en la educación, que es uno de los objetivos

medulares de las instituciones académicas,

sigue motivando el despliegue de estrate-

gias y programas que permitan seguir me-

jorando el desempeño y permanencia de

los estudiantes Entre estas estrategias se

encuentran la predicción del rendimiento

del estudiante, la cual es fundamental para

identiﬁcar tempranamente a los estudiantes

que se encuentran en riesgo y reconocer

las áreas de mejora del sistema educativo.

Con algoritmos de inteligencia artiﬁcial es

posible encontrar patrones en los datos que

indiquen cuando un estudiante está en ries-

go académico e intervenir a tiempo según

el tomador de decisiones considere (Martí-

nez, Aguilera, & Mejía, 2023).

En consecuencia, el propósito de la presente

investigación es plasmar las generalidades

acerca de los principales sistemas de Inteli-

gencia Artiﬁcial usados para la personaliza-

ción y predicción del rendimiento estudiantil.

Materiales y Métodos

Para desarrollar la presente investigación se

enfocó en una metodología de revisión do-

cumental bibliográﬁca. Fueron usadas diver-

sas bases de datos para la búsqueda de in-

formación concerniente al tema investigado,

entre las que se encuentran: SciELO, Dial-

net, ELSEVIER, Cochrane, Redalyc, entre

otras. Se llevó a cabo una búsqueda aleato-

695

RECIMAUC VOL. 8 Nº 1 (2024)

SISTEMA IA PARA PERSONALIZAR Y PREDECIR EL RENDIMIENTO DEL ESTUDIANTE

ria y consecutiva, usando las expresiones o

descriptores siguientes: “Sistemas de Inteli-

gencia Articial + educación”, “Sistemas de

Inteligencia Articial + Personalización de la

educación” y “Sistemas de Inteligencia Arti-

cial + Predicción de rendimiento estudian-

til”. Los resultados se ﬁltraron según criterios

de idioma, el cual se consideró el español y

el inglés, relevancia, correlación temática y

fecha de publicación en los últimos cuatro

años, exceptuando un registro de data ante-

rior, pero con contenido vigente y relevante

para el presente estudio.

El material bibliográﬁco recolectado con-

sistió en artículos cientíﬁcos, en general,

guías clínicas, e-books, ensayos clínicos,

consensos, protocolos, tesis de posgrado y

doctorado, noticias cientíﬁcas, boletines y/o

folletos de instituciones oﬁciales o privadas

de reconocida trayectoria en el ámbito cien-

tiﬁcoacadémico y demás documentos e in-

formaciones, considerados de interés y con

valor de la evidencia cientíﬁca a criterio del

equipo investigador.

Resultados

La evidencia ha demostrado que la IA posee

una enorme capacidad para procesar gran-

des cantidades de datos y extraer informa-

ción relevante, lo que ha llevado a avances

signiﬁcativos en la forma como un individuo

accede al conocimiento. En tal sentido, la

capacidad de adaptar los materiales edu-

cativos, las actividades y las evaluaciones

a las necesidades y preferencias individua-

les de cada estudiante ha mejorado con-

siderablemente la eﬁcacia del proceso de

aprendizaje. Asimismo, la IA ha facilitado la

creación de estos entornos de aprendiza-

je interactivos, donde los estudiantes pue-

den interactuar con simulaciones, juegos

y herramientas digitales que los motivan y

estimulan su participación activa (Aparicio

Gómez, 2023, pág. 218).

En la educación superior, La IA se ha conver-

tido en un recurso tecnológico de gran im-

portancia, la cual viene dada por las propias

características especíﬁcas que ofrece esta

tecnología, que complementa los recursos

tradicionales. Por una parte, es una tecno-

logía interactiva y de fácil administración, y

mediante su uso se aporta información adi-

cional. Mientras que, por otra parte, los dis-

positivos que se utilizan son comunes entre

los estudiantes y a la vez son ampliamente

aceptados (smartphone). (Brigham, 2017).

En el contexto actual, algunas institucio-

nes educativas han aprovechado la IA en

su vertiente de chatbots o tutores virtuales

para interactuar con el alumnado y optimi-

zar su aprendizaje al poder controlar su pro-

greso, evaluar las tareas o prestarles apoyo

de manera instantánea. Otra rama de la IA

utilizada en el ámbito educativo es el Ma-

chine Learning, entendido como un sistema

de IA que construye modelos matemáticos,

a partir de datos registrados como mues-

tra, para hacer predicciones o tomar deci-

siones emulando la inteligencia humana sin

necesidad de pre-programación (Ayuso del

Puerto & Gutiérrez Esteban, 2022).

Existen varios sistemas de IA que se pueden

utilizar para personalizar y predecir el rendi-

miento escolar. Algunos de ellos incluyen:

Sistemas de tutores inteligentes (STI)

Estos sistemas utilizan algoritmos de IA para

adaptar el contenido y la forma de enseñan-

za a las necesidades individuales de cada

estudiante. Pueden identiﬁcar las fortalezas

y debilidades de cada estudiante y propor-

cionar recomendaciones personalizadas

para mejorar su rendimiento académico. Un

tutor inteligente actúa como un tutor perso-

nal para cada uno de los estudiantes, por

lo tanto, puede discernir sus necesidades y

los procesos metacognitivos que requieren

en el aprendizaje. Es un sistema de softwa-

re, adaptable a los conocimientos previos,

y tiene en cuenta el modelo de inteligencia

triárquica de Sternberg, y los procesos cog-

nitivos (taxonomía de bloom) subyacentes

involucrados. Los Sistemas Tutores Inteligen-

tes (STI) comenzaron a desarrollarse en los

años ochenta con la idea de asistir y guiar

al estudiante en su proceso de aprendizaje.

696

RECIMAUC VOL. 8 Nº 1 (2024)

Se buscó emular el comportamiento de un

tutor humano, a través de un sistema que

pueda adaptarse al comportamiento de los

estudiantes, identiﬁcando la forma en que

éstos resuelven un problema, y brindar ayu-

das cognitivas cuando lo requieran. A los STI

los constituyen tres áreas básicas, la investi-

gación educativa, la inteligencia artiﬁcial y la

psicología cognitiva o educativa. A lo largo

de los años, estos sistemas tuvieron avances

signiﬁcativos en uno o más de sus compo-

nentes, entre los que se pueden mencionar:

• Se agregó una interfaz con agentes in-

formáticos conversacionales, proporcio-

nando métodos de intervención de tuto-

ría electrónica, a través del diálogo.

• Se incorporó tecnología automatizada

de obtención de conocimiento para de-

sarrollar contenidos didácticos.

• Se adaptó la enseñanza según cómo

aprenden los estudiantes.

• Se logró reducir el comportamiento emo-

cional negativo de los estudiantes que

tienen discapacidades de aprendizaje

severas.

• Se generaron en forma automática proble-

mas matemáticos verbales, usando con-

ceptos y enseñanzas de otras materias.

• Se agregó la construcción de mapas

conceptuales referente al tema que se

está estudiando, contribuyendo al pro-

ceso de aprendizaje a partir del estable-

cimiento de asociación entre conceptos

y sus relaciones, permitiendo un apren-

dizaje signiﬁcativo.

• Se integraron recursos de aprendizaje.

Se determinó mediante un diagnóstico

cognitivo, el nivel del estudiante en la

materia que se está trabajando, gene-

rando una ruta de aprendizaje de acuer-

do a sus necesidades.

• Se abordó la cognición, la metacogni-

ción y el afecto.

• Se construyeron modelos dinámicos.

(Pezzini, 2022).

Gracias a la Inteligencia Artiﬁcial los alum-

nos pueden disfrutar de la posibilidad de

contar con tutores virtuales en cualquier

momento que lo necesiten. La ventaja prin-

cipal de contar con un tutor virtual es que

pueden ayudar rápidamente a los alumnos

con sus dudas, corregir errores y ofrecer un

feedback inmediato. un sistema de tutores

de Inteligencia Artiﬁcial con los cuales se

consigue que cada estudiante alcance un

aprendizaje personalizado ya que los mis-

mos trabajan con cada estudiante de ma-

nera diferente, adaptándose a sus necesi-

dades, haciendo posible la colaboración e

integrando las características cognitivas,

afectivas y sociales. También detectan di-

ﬁcultades en el aprendizaje y pueden mo-

diﬁcar el contenido con los recursos peda-

gógicos existentes. Además, entrenan a los

estudiantes, sostienen una colaboración

y aprendizaje con ellos y monitorean a los

estudiantes basados en la respuesta de los

mismos. representaría una gran oportuni-

dad para los estudiantes de aumentar sus

conocimientos en los temas que consideren

con mayor debilidad y tendrían la oportuni-

dad de recibir las clases a su ritmo, hecho

que beneﬁcia, sobre todo, a aquellos alum-

nos que además de estudiar trabajasen y

no pudiesen ir al total de las clases presen-

ciales (Macías Moles, 2021, pág. 32).

Estas herramientas pueden monitorear el

progreso del estudiante, identiﬁcar áreas

de diﬁcultad y ofrecer retroalimentación in-

mediata. Además, pueden adaptar las lec-

ciones y ejercicios en función de las necesi-

dades especíﬁcas del estudiante. Algunos

sistemas incluso utilizan chatbots o agentes

virtuales para brindar respuestas a pre-

guntas frecuentes y apoyar el proceso de

aprendizaje en cualquier momento. Estas

plataformas son especialmente útiles para

la tutoría individualizada y el refuerzo del

aprendizaje (Andrade Espín, 2023, pág. 6).

PISCO RODRÍGUEZ, P. K., PISCO RODRÍGUEZ, L. V., MANOBANDA PARRALES, M. M., & MEJÍA VERA, S. E.

697

RECIMAUC VOL. 8 Nº 1 (2024)

Sistemas de análisis de datos educativos

Estos sistemas recopilan y analizan gran-

des cantidades de datos educativos, como

caliﬁcaciones, asistencia, participación en

clase, etc. Utilizando algoritmos de IA, pue-

den identiﬁcar patrones y tendencias en los

datos que pueden ayudar a predecir el ren-

dimiento académico de los estudiantes.

El Big Data en educación implica la reco-

lección, análisis y utilización de grandes

conjuntos de datos relacionados con los es-

tudiantes y sus entornos de aprendizaje. Es-

tos datos pueden incluir, pero no se limitan

a, el rendimiento académico, los hábitos de

estudio, las interacciones en línea y las res-

puestas a materiales educativos. El análisis

de estos vastos volúmenes de datos ofrece

insights profundos que pueden mejorar la

personalización del aprendizaje, optimizar

los currículos y estrategias educativas, y

predecir tendencias y necesidades futuras.

Existen ejemplos de tecnología aplicada

al entorno escolar, por poner 3 ejemplos:

BBDD, NPL, Blockhain y Gamiﬁcación. Las

bases de datos pueden mejorar los resulta-

dos educativos a través de:

• Seguimiento del Rendimiento Estudiantil:

Al almacenar datos detallados sobre ca-

liﬁcaciones, asistencia y participación de

los estudiantes, los educadores pueden

identiﬁcar patrones e intervenir cuando

sea necesario para mejorar los resultados.

• Desarrollo del Currículo: Analizar los da-

tos de rendimiento estudiantil ayuda a

reﬁnar y actualizar el currículo para satis-

facer mejor los objetivos de aprendizaje

y las necesidades de los estudiantes.

• Asignación de Recursos: Las bases de

datos ayudan a identiﬁcar qué áreas,

departamentos o programas podrían ne-

cesitar más recursos, basándose en da-

tos como números de inscripción, rendi-

miento estudiantil y uso de recursos.

• Análisis Predictivo: Usando datos histó-

ricos, las escuelas pueden predecir ten-

dencias como tasas de inscripción y po-

sibles tasas de abandono, permitiendo

medidas proactivas.

• Aprendizaje Personalizado: Los datos

sobre estilos de aprendizaje individuales

y progreso pueden usarse para perso-

nalizar el contenido educativo, haciendo

el aprendizaje más efectivo y atractivo

(Morales Cordera, 2024).

Sistemas de recomendación de cursos

Las instituciones modernas de educación

superior se enfrentan a desafíos complejos

a la hora de desarrollar planes de estudio

que se adapten a las necesidades e inte-

reses de los estudiantes. Para superar este

desafío, los sistemas de recomendación

basados en inteligencia artiﬁcial son una

alternativa atractiva. Estos sistemas utilizan

algoritmos de IA para recomendar cursos y

materiales de estudio a los estudiantes en

función de sus intereses, habilidades y ob-

jetivos académicos. Pueden ayudar a los

estudiantes a elegir cursos que se adapten

a sus necesidades y maximicen su rendi-

miento académico (Akbar, Sopandi, Ba-

druzzaman, & Khalik, 2023).

La cantidad y variedad de asistentes de

aprendizaje digitales basados en inteligen-

cia artiﬁcial aumentan constantemente. A

modo de ejemplo, a continuación, se men-

cionan algunos de estos sistemas tomados

de la investigación de Weber et al., (2022):

• El proyecto tech4comp de la Universidad

de Dresden está desarrollando un sistema

de tutoría adaptativo basado en IA, cuyo

objetivo es potenciar a los tutores huma-

nos. A diferencia del enfoque centrado en

el alumno, tech4comp proporciona a los

profesores y mentores información sobre

el progreso del aprendizaje individual.

• Las plataformas comerciales MOOC

proporcionan funciones de búsqueda

más o menos inteligentes para encontrar

recursos que se ajusten a las necesida-

des de los alumnos.

SISTEMA IA PARA PERSONALIZAR Y PREDECIR EL RENDIMIENTO DEL ESTUDIANTE

698

RECIMAUC VOL. 8 Nº 1 (2024)

• Grammarly basado en IA, es un asistente

lingüístico de redacción comercial que

puede corregir la ortografía y la gramá-

tica y proporcionar comentarios sobre la

variedad de palabras, la estructura de

las oraciones, el plagio y el estado de

ánimo de los textos.

• Instituciones de educación superior,

como, por ejemplo, la Universidad Bam-

berg o el Instituto de Ciencias Cognitivas

de la Universidad de Osnabrück ofrecen

asistentes de planiﬁcación de estudios

que permiten programar cursos por se-

mestres de acuerdo con las normas de

estudio curriculares. (p. 247)

Sistemas de retroalimentación automática

Estos sistemas utilizan algoritmos de IA

para proporcionar retroalimentación instan-

tánea a los estudiantes sobre su trabajo y

desempeño académico. Pueden identiﬁcar

errores comunes, proporcionar explicacio-

nes detalladas y sugerir formas de mejorar.

Según los fundamentos de Rubio, Segura,

& Vidal, (2021), la retroalimentación dirigida

al estudiante juega un papel clave en el ren-

dimiento, pero implementarla en el aula de

forma efectiva resulta no ser una tarea nada

sencilla y a día de hoy continúa siendo un

gran desafío para la comunidad educativa.

Los profesores tienen mucha presión por-

que a medida que aumentan las inscripcio-

nes en los cursos, hay un nivel decreciente

de tiempo por cada estudiante lo que re-

percute en la tarea de poder entregar fee-

dback oportuno y personalizado. Además,

debido a la gran cantidad de estudiantes, la

retroalimentación suele ser un proceso muy

estandarizado en el que cada estudiante

recibe una por defecto. Una solución para

este problema podría ser el empleo de téc-

nicas de análisis de datos y en particular,

el uso de la Descripción Lingüística de Da-

tos (LDD para abreviar) para usarse como

herramienta de análisis del aprendizaje. La

combinación de estas dos áreas explora

cómo se pueden recopilar y analizar datos

utilizando LDD y proporcionar a los estu-

diantes e instructores una herramienta útil

cuyo objetivo sería:

1. No afectar sustancialmente los métodos

de evaluación clásico aplicando una

capa de recogida de datos como salida

de los procesos anteriores.

2. Ahorrar tiempo en la entrega de la retro-

alimentación para prestar atención en

otros aspectos de la evaluación.

3. Obtener un seguimiento individualizado y

efectivo de los estudiantes que permita

centrarse en sus debilidades y fortalezas.

4. Mejorar la calidad general del proce-

so de enseñanza-aprendizaje al ser un

apoyo para el profesor.

Estos son solo algunos ejemplos de siste-

mas de IA que se pueden utilizar para per-

sonalizar y predecir el rendimiento escolar.

Cada sistema tiene sus propias caracterís-

ticas y beneﬁcios, y su elección dependerá

de las necesidades y objetivos especíﬁcos

de cada institución educativa.

Conclusión

En conclusión, los sistemas de IA para per-

sonalizar y predecir el rendimiento del estu-

diante puede ser una herramienta poderosa

para mejorar la educación en muchos sen-

tidos. Los principales sistemas analizados

para este tipo de funciones fueron los sis-

temas de tutores inteligentes, sistemas de

análisis de datos educativos, sistemas de

recomendación de cursos y sistemas de re-

troalimentación automática. Estos tipos de

sistemas son capaces de analizar grandes

cantidades de datos, en tiempo real, tales

como: caliﬁcaciones, asistencia, participa-

ción y comportamiento, entre otros. Todo

ello con la ﬁnalidad de identiﬁcar patrones

y tendencias.

Esta información es útil para personalizar

la experiencia de aprendizaje para cada

estudiante, proporcionando así recomen-

daciones y recursos adaptados a sus ne-

cesidades y habilidades individuales. La

PISCO RODRÍGUEZ, P. K., PISCO RODRÍGUEZ, L. V., MANOBANDA PARRALES, M. M., & MEJÍA VERA, S. E.

699

RECIMAUC VOL. 8 Nº 1 (2024)

personalización de la educación permite a

los estudiantes a maximizar su potencial y

lograr un mejor rendimiento académico.

Asimismo, esta información sirve para

predecir el rendimiento futuro de los estu-

diantes, lo que permite a los educadores

intervenir tempranamente y brindar apoyo

adicional a aquellos que puedan estar en

riesgo de bajo rendimiento. Las implicacio-

nes de esta intervención se encuentran di-

rectamente relacionadas con la prevención

del abandono escolar y la promoción del

éxito académico.

No obstante, es importante tener en cuenta

que un sistema de IA no puede reemplazar

por completo la labor de los educadores.

Los profesores siguen siendo fundamenta-

les para brindar orientación, apoyo emocio-

nal y motivación a los estudiantes. Su uso

debe estar enfocado en ser una herramien-

ta complementaria para respaldar el trabajo

de los educadores y no como un sustituto.

Otro aspecto esencial a considerar es abor-

dar las preocupaciones éticas y de privaci-

dad al implementar este tipo de sistemas en

el ámbito educativo. Resulta fundamental

establecer políticas claras para garantizar

la protección de los datos de los estudian-

tes y garantizar que se utilicen de manera

ética y responsable.

Bibliografía

Akbar, Z., Sopandi, E., Badruzzaman, B., & Khalik,

F. (2023). El papel de los sistemas de recomenda-

ción basados en inteligencia artiﬁcial en la selec-

ción de cursos para estudiantes. Revista de cien-

cias sociales que utiliza tecnología, 1(4), 249-260.

doi:http://dx.doi.org/10.55849/jssut.v1i4.671

Andrade Espín, E. (2023). IA y personalización educa-

tiva: evaluar su efectividad en adaptar contenidos

para diversos estudiantes en la educación moderna.

LATAM Revista Latinoamericana de Ciencias Socia-

les y Humanidades, 4(4), 1-10. Recuperado el 18 de

febrero de 2024, de https://www.researchgate.net/

publication/374708629_IA_y_personalizacion_edu-

cativa_evaluar_su_efectividad_en_adaptar_con-

tenidos_para_diversos_estudiantes_en_la_educa-

cion_moderna_The_influence_of_artificial_intelli-

gence_on_education_personalization_anal/ful

Aparicio Gómez, W. O. (2023). La Inteligencia Ar-

tiﬁcial y su Incidencia en la Educación. Revista

Internacional de Pedagogía e Innovación Edu-

cativa, 3(2), 217-229. Recuperado el 23 de fe-

brero de 2024, de https://www.researchgate.net/

publication/372053496_La_Inteligencia_Artifi-

cial_y_su_Incidencia_en_la_Educacion_Trans-

formando_el_Aprendizaje_para_el_Siglo_XXI/

fulltext/64a3295395bbbe0c6e0e0a17/La-Inte-

ligencia-Artificial-y-su-Incidencia-en-la-Educa-

cion-Trans

Ayuso del Puerto, D., & Gutiérrez Esteban, P.

(2022). La Inteligencia Artiﬁcial como recurso

educativo durante la formación inicial del pro-

fesorado . Revista Iberoamericana de Educa-

ción a, 25(2), 347-358. Recuperado el 15 de

junio de 2023, de https://www.redalyc.org/jour-

nal/3314/331470794017/331470794017.pdf

Brigham, T. J. (2017). Veriﬁcación de la realidad:

conceptos básicos de la realidad aumentada,

virtual y mixta. Medical Reference Services Quar-

terly, 36(2), 171-178. doi:http://doi.org/10.1080/02

763869.2017.1293987

López, H., Rivera, A., & Cruz, C. (2023). Persona-

lización del aprendizaje con Inteligencia Artiﬁ-

cial en la educación superior. Revista ReDTIS,

7(1), 122-128. Recuperado el 03 de marzo de

2024, de https://www.researchgate.net/publi-

cation/376577076_PERSONALIZACION_DEL_

APRENDIZAJE_CON_INTELIGENCIA_AR-

TIFICIAL_EN_LA_EDUCACION_SUPERIOR/

link/657da11b9d7bc03b307d40fc/download?_tp=ey-

Jjb250ZXh0Ijp7ImZpcnN0UGFnZSI6InB1YmxpY-

2F0aW9uIiwicGFnZSI6InB1YmxpY2F0aW9u

Macías Moles, Y. (2021). La tecnología y la Inteli-

gencia Artiﬁcial en el sistema educativo. Tesis de

Maestría, Universidad Jaume I. Recuperado el

15 de febrero de 2024, de https://repositori.uji.es/

xmlui/bitstream/handle/10234/195263/TFM_2021_

Mac%c3%adas%20Moles_Yovanna.pdf?sequen-

ce=1&isAllowed=y

Martínez, A. S., Aguilera, V. J., & Mejía, C. A.

(2023). Predicción del desempeño escolar en el

nivel superior. Un análisis descriptivo. Universi-

tas Ciencia, 11(32), 1-20. Recuperado el 20 de

febrero de 2024, de https://www.researchgate.

net/profile/Vicente-Josue-Aguilera-Rueda/pu-

blication/376410548_Prediccion_del_desem-

peno_escolar_en_nivel_superior_Un_analisis_

descriptivo/links/6579e666ea5f7f02056a8bae/

Prediccion-del-desempeno-escolar-en-nivel-su-

perior-Un-analisi

SISTEMA IA PARA PERSONALIZAR Y PREDECIR EL RENDIMIENTO DEL ESTUDIANTE

700

RECIMAUC VOL. 8 Nº 1 (2024)

Morales Cordera, D. (09 de enero de 2024).

Linkedin. Recuperado el 20 de febrero de

2024, de https://www.linkedin.com/pul-

se/la-revoluci%C3%B3n-educativa-trav%-

C3%A9s-de-ia-y-el-big-data-morales-cordera-iwjff

Organización de las Naciones Unidas para la Edu-

cación, la Ciencia y la Cultura - UNESCO. (2023).

Organización de las Naciones Unidas para la Edu-

cación, la Ciencia y la Cultura - UNESCO. Recupe-

rado el 05 de enero de 2024, de https://www.unes-

co.org/es/digital-education/artiﬁcial-intelligence

Pezzini, M. C. (2022). Tutores inteligentes en la en-

señanza: Una revisión y análisis en la educación

secundaria . Tesis de grado, Universidad Nacional

de la Plata, Facutad de Informática, La Plata, Bue-

nos Aires. Recuperado el 20 de febrero de 2024,

de https://sedici.unlp.edu.ar/bitstream/hand-

le/10915/147791/Documento_completo.pdf-PD-

FA.pdf?sequence=1&isAllowed=y

Rubio, C., Segura, A. M., & Vidal, C. (2021). Retroali-

mentación automática, inmediata y personalizada

a los estudiantes y apoyar la tarea de evaluación a

distancia en tiempos del Covid -19. Teoría y prác-

tica en investigación educativa: una perspectiva

internacional. Recuperado el 24 de febrero de

2024, de https://www.researchgate.net/proﬁle/

Clemente-Manzano-2/publication/351061929_RE-

TROALIMENTACION_AUTOMATICA_INMEDIA-

TA_Y_PERSONALIZADA_PARA_APOYAR_LA_TA-

REA_DE_EVALUACION_A_DISTANCIA_EN_TIEM-

POS_DEL_COVID-19_EMPLEANDO_DESCRIP-

CION_LINGUISTICA_DE_DATOS/links/60

Ruiz Miranda, E., & Ruiz Miranda, D. (febrero de

2024). Gaceta Universidad Abierta a Distan-

cia de México. Recuperado el 02 de marzo de

2024, de https://gaceta.unadmexico.mx/histori-

co-anual/99-2023/julio-septiembre-2023/tecnolo-

gias/209-la-inteligencia-artiﬁcial-en-la-personali-

zacion-de-la-educacion-a-distancia

Weber, F., Schrumpf, J., Dettmer, N., & Thelen, T.

(2022). Un sistema de recomendación basado en

web para la educación superior: SIDDATA. iJET,

17(22), 246-254. Recuperado el 25 de febrero de

2024, de https://online-journals.org/index.php/i-jet/

article/view/31887/12315

CITAR ESTE ARTICULO:

Pisco Rodríguez, P. K., Pisco Rodríguez, L. V., Manobanda Parrales, M.

M., & Mejía Vera, S. E. (2024). Sistema IA para personalizar y predecir

el rendimiento del estudiante. RECIAMUC, 8(1), 692-700. https://doi.

org/10.26820/reciamuc/8.(1).ene.2024.692-700

PISCO RODRÍGUEZ, P. K., PISCO RODRÍGUEZ, L. V., MANOBANDA PARRALES, M. M., & MEJÍA VERA, S. E.