Publications

Permanent URI for this collectionhttps://repositorio.grial.eu/handle/123456789/34

Browse

Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Asistentes de aprendizaje con inteligencia artificial en Ingeniería del Software: diseño y percepción del alumnado
    (Asociación para el Desarrollo de la Informática Educativa (ADIE), 2026-09-02) García-Peñalvo, Francisco José; Conde, Miguel Ángel
    Este trabajo analiza el uso de dos asistentes de aprendizaje basados en inteligencia artificial en una asignatura de Ingeniería del Software. El primero adopta una estrategia socrática y guía al alumnado mediante preguntas, pistas y reflexión progresiva. El segundo, construido con LAMB, proporciona respuestas directas fundamentadas en materiales docentes seleccionados por el profesorado. A partir de los registros de uso y de 53 respuestas anónimas, se estudian la adopción, la utilidad percibida y las preferencias de aprendizaje. Los resultados muestran que ambos asistentes fueron valorados positivamente, aunque respondieron a necesidades diferentes: el enfoque socrático favoreció el razonamiento conceptual, mientras que LAMB fue preferido para el repaso y la preparación de exámenes. Los hallazgos subrayan la necesidad de ajustar el diseño de estos sistemas al momento del aprendizaje, la presión evaluativa y las expectativas del alumnado
  • Thumbnail Image
    Item
    Analíticas del aprendizaje basadas en datos e inteligencia artificial en la educación superior: una revisión sistemática
    (IEEE, 2025-09-29) González-Pérez, Laura Icela; García-Peñalvo, Francisco José; Argüelles-Cruz, Amadeo José
    La integración responsable de la inteligencia artificial en la educación (IAED) ofrece una oportunidad estratégica para alinear los entornos formativos con los principios de la Sociedad 5.0, potenciando la sinergia humano-tecnología en favor de una educación de calidad y del bienestar social. Este estudio presenta una revisión sistemática de 36 artículos arbitrados (2021–2025), centrados en aplicaciones educativas que emplean analíticas de aprendizaje (LA) con enfoques data-driven e integran modelos de Machine Learning (ML) como parte de su evidencia empírica. En cada estudio se identificaron tres elementos clave: el contexto de aplicación de la IAED, el enfoque data-driven adoptado y el modelo de ML utilizado. Los hallazgos revelan una desconexión entre los modelos de IA empleados y los datos educativos, los cuales, en muchos casos, se reducen a logs de acceso a calificaciones capturadas manualmente, que no permiten medir procesos cognitivos de manera profunda. Esta limitación compromete tanto la capacidad de los modelos ML para entrenarse de manera efectiva como su utilidad para ofrecer intervenciones pedagógicas útiles, como pueden ser rutas de aprendizaje personalizadas, retroalimentación en tiempo real, detección temprana de dificultades y seguimiento y visualización. Otro hallazgo relevante es la ausencia de marcos psicopedagógicos integrados a estándares de calidad y de gobernanza de datos, indispensables para avanzar hacia enfoques prescriptivos y éticos, coherentes con las metas de aprendizaje. Se recomienda que los líderes educativos promuevan aplicaciones de IAED sustentadas en marcos de gestión de datos y ética, asegurando métricas válidas y confiables que impulsen una educación más equitativa e inclusiva.