Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 178 de 196
Journal of Economic and Social Science Research
ISSN: 2953-6790
Vol. 4 - Núm. 2 / Abril – Junio 2024
Inteligencia artificial y su incidencia en la estrategia
metodológica de aprendizaje basado en
investigación
Artificial intelligence and its impact on the methodological strategy
of research-based learning
Piedra Castro Wilson Iván
1, 2
Burbano Buñay Erika Silvana
1, 2
Tamayo Verdezoto Jhonny Junior
1, 2
Moreira Alcívar Elvin Fray
1, 3
1 Panamá, Panamá, Universidad de Panamá, Doctorado en Educación
2 Ecuador, Quito, Universidad Central del Ecuador
3 Ecuador, Quito, Unidad Educativa Elena Enríquez
DOI / URL: https://doi.org/10.55813/gaea/jessr/v4/n2/106
Resumen: Este estudio examina la influencia de la
inteligencia artificial (IA) en el aprendizaje basado en
investigación (ABI), destacando tanto sus beneficios
potenciales como los desafíos asociados. Utilizando un
enfoque cualitativo de revisión bibliográfica, se analizaron
artículos académicos recientes para evaluar cómo la IA
está transformando las estrategias metodológicas del ABI.
Los resultados muestran que la IA puede
significativamente personalizar el aprendizaje,
automatizar tareas administrativas y de investigación, y
mejorar los procesos de retroalimentación y evaluación.
Sin embargo, estas ventajas vienen acompañadas de
desafíos sustanciales, como limitaciones tecnológicas,
necesidades de capacitación docente y cuestiones éticas
y sociales profundas. La discusión subraya cómo la IA
está redefiniendo los roles en la educación, cambiando la
función del docente de un transmisor de conocimiento a
un facilitador del aprendizaje, y cómo esto requiere un
enfoque pedagógico adaptativo y reflexivo. Además, se
resalta la necesidad de abordar las implicaciones éticas
de la IA para asegurar que su integración fomente una
educación equitativa y respetuosa de la privacidad y
autonomía de los estudiantes. Se enfatiza que, aunque la
IA ofrece oportunidades notables para mejorar el ABI, su
implementación debe ser meticulosamente gestionada
para optimizar los beneficios y minimizar los riesgos.
Palabras clave: Inteligencia artificial, Aprendizaje,
Investigación, Tecnología educativa.
Received: 28/Mar/2024
Accepted: 09/Abr/20234
Published: 30/Abr/2024
Cita: Piedra-Castro, W. I., Burbano-
Buñay, E. S., Tamayo-Verdezoto, J. J., &
Moreira-Alcívar, E. F. (2024). Inteligencia
artificial y su incidencia en la estrategia
metodológica de aprendizaje basado en
investigación. Journal of Economic and
Social Science Research, 4(2), 178–196.
https://doi.org/10.55813/gaea/jessr/v4/n2/
106
Journal of Economic and Social Science
Research (JESSR)
https://economicsocialresearch.com
info@editoriagrupo-aea.com
Nota del editor: Editorial Grupo AEA se
mantiene neutral con respecto a las
reclamaciones legales resultantes de
contenido publicado. La responsabilidad
de información publicada recae
enteramente en los autores.
Este artículo es un documento de acceso
abierto distribuido bajo los términos y
condiciones de la Licencia Creative
Commons, Atribución-NoComercial
4.0 Internacional.
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 179 de 196
Research Article
Abril – Junio 2024
Abstract:
This study examines the influence of artificial intelligence (AI) on inquiry-based learning
(IBL), highlighting both its potential benefits and associated challenges. Using a
qualitative literature review approach, recent academic articles were analyzed to
assess how AI is transforming ABI methodological strategies. The results show that AI
can significantly personalize learning, automate administrative and research tasks, and
improve feedback and evaluation processes. However, these advantages come with
substantial challenges, such as technological limitations, teacher training needs, and
profound ethical and social issues. The discussion highlights how AI is redefining roles
in education, changing the role of the teacher from a transmitter of knowledge to a
facilitator of learning, and how this requires an adaptive and reflective pedagogical
approach. In addition, the need to address the ethical implications of AI to ensure that
its integration fosters an education that is equitable and respectful of students' privacy
and autonomy is highlighted. It is emphasized that, although AI offers remarkable
opportunities to enhance ABI, its implementation must be meticulously managed to
optimize benefits and minimize risks.
Keywords: Artificial intelligence, Learning, Research, Educational technology.
1. Introducción
La incursión de la inteligencia artificial (IA) en la educación ha abierto nuevas
perspectivas en las estrategias metodológicas, particularmente en el Aprendizaje
Basado en Investigación (ABI). Este enfoque pedagógico promueve que los
estudiantes se involucren activamente en la investigación como parte fundamental de
su proceso de aprendizaje, facilitando así el desarrollo de habilidades críticas y
analíticas esenciales para su formación integral (Justice et al., 2006). En este marco,
la IA tiene el potencial de transformar el ABI mediante la personalización y
automatización de los procesos de aprendizaje, adaptándolos a las necesidades
individuales de los estudiantes (Zawacki-Richter et al., 2019).
Las capacidades de la IA para analizar grandes volúmenes de datos y generar
respuestas adaptativas pueden enriquecer las experiencias de aprendizaje,
proporcionando a los estudiantes feedback inmediato y recursos personalizados que
apoyan su proceso investigativo (Jarrahi, 2018). Además, la integración de
tecnologías de IA en el ABI puede facilitar un entorno de aprendizaje más colaborativo
y interactivo, características esenciales para fomentar la curiosidad y la motivación
investigativa entre los estudiantes (Popenici & Kerr, 2017).
Sin embargo, la adopción de estas tecnologías también plantea desafíos significativos,
como la necesidad de infraestructura adecuada, la capacitación de los docentes y la
creación de estrategias efectivas para la integración de la IA en los currículos
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 180 de 196
Research Article
Abril – Junio 2024
existentes (Phillips, 2016). Este estudio tiene como objetivo explorar la incidencia de
la inteligencia artificial en la estrategia metodológica del aprendizaje basado en
investigación, analizando tanto sus beneficios como los desafíos asociados a su
implementación en el contexto educativo.
Por tanto, este artículo se propone investigar cómo la implementación de la IA puede
influir en la efectividad del ABI, con el fin de proporcionar un marco de referencia que
permita a educadores y diseñadores curriculares integrar estas tecnologías de manera
efectiva y eficaz.
2. Materiales y métodos
Este estudio adopta un enfoque cualitativo de revisión bibliográfica para explorar la
incidencia de la inteligencia artificial (IA) en el aprendizaje basado en investigación
(ABI). La revisión bibliográfica permite una comprensión profunda de los fenómenos
estudiados mediante el análisis de literatura existente, evaluando tanto teorías
consolidadas como investigaciones recientes.
Los criterios de inclusión para los documentos abarcaron estudios publicados en los
últimos diez años, con el fin de asegurar la relevancia y actualidad de los datos. Se
priorizaron artículos en inglés y español que discuten la integración de la IA en
contextos educativos, con un enfoque específico en el ABI. Se emplearon en
diferentes configuraciones para maximizar la amplitud y profundidad de la búsqueda.
Adicionalmente, se realizó una revisión de las referencias citadas en los estudios
seleccionados para identificar otros trabajos pertinentes.
Para asegurar la validez y confiabilidad de la revisión, se aplicaron criterios de calidad
y rigor científico, evaluando aspectos como la relevancia del estudio, la claridad en la
descripción de metodologías y la coherencia en los argumentos presentados. Los
estudios que no cumplían con estos criterios fueron excluidos de la revisión. De las
bases de documentos utilizadas se destaca Scopus, a partir de esta y sus datos se
presentan las Figuras 1, 2 y 3. A continuación de desarrollan estas:
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 181 de 196
Research Article
Abril – Junio 2024
Figura 1
Registro anual
Nota: Autores (2024)
En la Figura 1, se presentan los datos de la plataforma en cuanto a los documentos
que se han registrado a través de los distintos años, y en relación a las palabras clave
que dan forma a la investigación dentro de la temática de la inteligencia artificial y el
aprendizaje. Observando un crecimiento acelerado a partir de 2017, teniendo razón
de ser por los avances y las nuevas practicas en conjunto de la IA en distintas áreas
como la educación.
Figura 2
Países de origen
Nota: Autores (2024)
En la Figura 2, en relación a la anterior figura, se destacan los principales países desde
los cuales se han producido, ubicándose entre los mayores exponentes los territorios
de Estados Unidos y China con una gran diferencia seguidos de India. Países que
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 182 de 196
Research Article
Abril – Junio 2024
destacan en el ámbito de las innovaciones tecnológicas y aplicaciones en diferentes
ámbitos de la cotidianidad.
Figura 3
Palabras claves
Nota: Autores (2024)
En la Figura 3, se presenta una nube de relaciones entre palabras clave como:
Inteligencia artificial, Educación, Sistemas de aprendizaje. Esta refleja el amplio
alcance y el impacto de la IA en la sociedad actual. Se está utilizando en una amplia
gama de campos para mejorar la eficiencia, la productividad y la calidad de vida. Sin
embargo, es importante ser consciente de los retos éticos y sociales que plantea la
IA, y trabajar para garantizar que se desarrolle y utilice de forma responsable.
3. Resultados
3.1. Potencialidades de la IA en el Aprendizaje Basado en Investigación
3.1.1. Personalización del aprendizaje
Uno de los aportes más significativos de la inteligencia artificial (IA) al Aprendizaje
Basado en Investigación (ABI) es su capacidad para personalizar la experiencia
educativa. La IA puede analizar grandes volúmenes de datos sobre el rendimiento y
las preferencias de aprendizaje de los estudiantes, permitiendo así adaptar los
materiales y actividades a sus necesidades individuales (Goksel & Bozkurt, 2019).
Esta personalización no solo se refiere a la adaptación de contenidos, sino también al
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 183 de 196
Research Article
Abril – Junio 2024
ritmo y estilo de aprendizaje, lo que resulta en un entorno más inclusivo y efectivo para
todos los estudiantes.
Además, las tecnologías de IA ofrecen la posibilidad de identificar las áreas en las que
los estudiantes pueden estar experimentando dificultades, proponiendo recursos
adicionales o actividades alternativas para mejorar su comprensión (Holmes et al.,
2019). Por ejemplo, sistemas inteligentes pueden sugerir proyectos de investigación
adaptados a los intereses y al nivel de habilidad del estudiante, fomentando así un
mayor compromiso y motivación hacia la investigación.
La implementación de sistemas adaptativos que utilizan IA también ha demostrado
mejorar los resultados de aprendizaje al proporcionar feedback inmediato y
personalizado. Este tipo de retroalimentación es crucial en el ABI, donde los
estudiantes se embarcan en proyectos de investigación que requieren un análisis
crítico y una evaluación continua (Nicolae Moroianu et al., 2023). La capacidad de la
IA para procesar y responder a las entradas de los estudiantes en tiempo real facilita
un aprendizaje más dinámico y receptivo, adaptándose constantemente a las
necesidades del estudiante.
A pesar de estos avances, es crucial monitorear la implementación de estas
tecnologías para asegurar que la personalización no se convierta en una forma de
seguimiento invasivo que pueda comprometer la privacidad de los estudiantes (Zhang
et al., 2018). Por lo tanto, es esencial establecer políticas claras y medidas de
protección de datos al integrar la IA en sistemas educativos.
3.1.2. Automatización de tareas administrativas y de investigación
La integración de la inteligencia artificial en el ámbito educativo no solo se limita a la
personalización del aprendizaje, sino que también extiende sus beneficios a la
automatización de tareas administrativas y de investigación. Esta automatización
representa un avance significativo en la eficiencia de los procesos educativos,
liberando tiempo valioso para estudiantes y docentes que anteriormente se dedicaba
a tareas repetitivas y de bajo valor agregado (Igbokwe, 2023).
En el contexto del Aprendizaje Basado en Investigación, la IA puede gestionar y
organizar grandes volúmenes de datos de investigación, facilitando la catalogación de
información y la recuperación eficiente de recursos y referencias. Herramientas como
los sistemas de gestión de aprendizaje (LMS) con capacidades de IA pueden
automáticamente organizar la documentación y seguimiento de los proyectos de
investigación, desde la fase de propuesta hasta la evaluación final (Khritish Swargiary
& Roy, 2023).
Además, la IA tiene el potencial de automatizar la recolección de datos y el análisis
preliminar, permitiendo a los investigadores centrarse en la interpretación y el
desarrollo de conclusiones. Por ejemplo, algoritmos de procesamiento de lenguaje
natural (NLP) pueden analizar literatura existente y extraer tendencias y patrones
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 184 de 196
Research Article
Abril – Junio 2024
relevantes, proporcionando una base sólida para nuevos estudios e hipótesis (Zhang
& Aslan, 2021).
Sin embargo, es crucial que la implementación de estas tecnologías se realice con
una consideración ética adecuada, asegurando que la automatización no comprometa
la integridad de los procesos educativos ni la calidad del aprendizaje. La supervisión
humana sigue siendo esencial para garantizar que los resultados de la IA sean
interpretados correctamente y que las decisiones educativas se tomen con juicio
pedagógico (“Ethical Use of Information Technology in Higher Education,” 2022).
3.2. Desafíos en la Implementación de la IA en el ABI
3.2.1. Limitaciones tecnológicas y de infraestructura
La adopción eficaz de la inteligencia artificial (IA) en el contexto educativo está
intrínsecamente vinculada a la disponibilidad y calidad de la infraestructura
tecnológica. Diversos estudios han señalado que muchas instituciones educativas
enfrentan desafíos significativos en este aspecto, los cuales pueden obstaculizar la
integración y el funcionamiento óptimo de soluciones basadas en IA (Carpenter,
2020). La carencia de hardware adecuado, acceso limitado a software avanzado y la
insuficiencia de conexiones de internet de alta velocidad son algunas de las barreras
tecnológicas más comunes.
Además, la capacidad de almacenar y procesar grandes volúmenes de datos es
crucial para el desempeño eficiente de los sistemas de IA. Las deficiencias en estas
capacidades pueden resultar en interrupciones y limitar la habilidad de la IA para
ofrecer adaptaciones personalizadas y respuestas en tiempo real, aspectos
fundamentales para el aprendizaje basado en investigación (Ipperciel, 2022).
La infraestructura necesaria para soportar la IA en educación no solo incluye aspectos
tecnológicos sino también la preparación del personal docente. La falta de formación
adecuada en IA representa una limitación crítica, ya que muchos educadores no están
familiarizados con sus aplicaciones prácticas, lo cual dificulta la integración de estas
tecnologías en las metodologías pedagógicas y en la supervisión efectiva de
proyectos de investigación (Bates, 2015).
Para superar estas limitaciones, es vital que las políticas educativas y las inversiones
en tecnología se orienten hacia la creación de infraestructuras robustas y el desarrollo
profesional continuo. Esto incluye la provisión de soporte técnico adecuado y la
actualización constante de los recursos tecnológicos, asegurando así una
implementación efectiva y sostenible de la IA en los entornos educativos (Reich &
Mizuko , 2017).
3.2.2. Preparación y capacitación docente
La integración efectiva de la inteligencia artificial (IA) en el ámbito educativo no solo
requiere una infraestructura tecnológica adecuada, sino también una sólida
preparación y capacitación del personal docente. La formación de los educadores en
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 185 de 196
Research Article
Abril – Junio 2024
el uso de herramientas de IA es fundamental para que puedan aplicar estas
tecnologías de manera efectiva en sus prácticas pedagógicas y en el diseño de
proyectos de Aprendizaje Basado en Investigación (ABI) (Ertmer & Ottenbreit-
Leftwich, 2010).
La capacitación docente debe abarcar no solo los aspectos técnicos del manejo de
herramientas de IA, sino también la comprensión de sus aplicaciones pedagógicas.
Esto incluye formar a los docentes en cómo utilizar la IA para diseñar actividades de
aprendizaje que fomenten la investigación y el análisis crítico, así como en la
evaluación de las contribuciones de la IA al aprendizaje estudiantil (Reimers &
Schleicher, 2020).
Además, es crucial que los programas de formación docente incluyan componentes
que aborden las implicaciones éticas del uso de la IA en la educación. Esto implica
enseñar a los educadores a considerar cuestiones como la privacidad de los datos
estudiantiles y la equidad en el acceso a la tecnología, asegurando que la
implementación de la IA fomente un entorno de aprendizaje inclusivo y justo (Holmes
et al., 2019).
A pesar de la creciente incorporación de la IA en el sector educativo, muchos
programas de formación docente aún no cuentan con los recursos o la experticia
necesaria para ofrecer esta capacitación de manera adecuada. La brecha entre las
habilidades tecnológicas disponibles y las requeridas para utilizar eficazmente la IA
en la educación sigue siendo un desafío significativo (Yildiz Durak, 2021).
3.3. Impacto de la IA en la Interacción Estudiante-Docente
3.3.1. Cambios en los roles educativos
La integración de la inteligencia artificial (IA) en entornos educativos está redefiniendo
los roles tradicionales de docentes y estudiantes, especialmente en contextos de
Aprendizaje Basado en Investigación (ABI). La IA no solo asiste en la gestión de la
enseñanza y el aprendizaje sino que también facilita nuevas formas de interacción
educativa, lo que requiere una reevaluación de las responsabilidades y funciones de
los educadores (Muneeba Anis, 2024).
Los docentes, en particular, encuentran un cambio significativo en su rol, pasando de
ser transmisores de conocimiento a facilitadores del aprendizaje. En este nuevo
contexto, el educador utiliza la IA para diseñar experiencias de aprendizaje más ricas
y personalizadas, lo que permite centrarse más en guiar, motivar y apoyar a los
estudiantes en su proceso investigativo (Holmes et al., 2016). Este enfoque promueve
una mayor autonomía en los estudiantes, quienes se vuelven más activos en la gestión
de su propio aprendizaje, explorando y utilizando los recursos que la IA pone a su
disposición.
Además, la IA puede asumir ciertas tareas administrativas y analíticas, como la
evaluación de grandes conjuntos de datos o la personalización de materiales de
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 186 de 196
Research Article
Abril – Junio 2024
estudio, permitiendo a los docentes dedicar más tiempo a interactuar directamente
con los estudiantes y a atender sus necesidades individuales de manera más efectiva
(Holmes et al., 2019).
Sin embargo, esta transición también plantea desafíos. La capacitación adecuada y
continua de los docentes es esencial para asegurar que puedan competente y
éticamente integrar la IA en sus prácticas pedagógicas. Además, es fundamental
abordar cualquier resistencia al cambio que pueda surgir tanto en docentes como en
estudiantes, asegurando que ambos grupos se sientan cómodos y apoyados en estos
nuevos roles (Zawacki-Richter & Latchem, 2018).
En última instancia, la IA tiene el potencial de crear entornos de aprendizaje más
colaborativos y centrados en el estudiante, pero esto requiere un rediseño consciente
de los roles educativos y una reconfiguración de las dinámicas de poder y autoridad
tradicionales en el aula (Ferguson & Clow, n.d.).
3.3.2. Facilitación de la retroalimentación y evaluación
La implementación de la inteligencia artificial (IA) en el ámbito educativo ofrece
oportunidades significativas para mejorar los procesos de retroalimentación y
evaluación, elementos clave en cualquier modalidad de aprendizaje, pero
especialmente en el Aprendizaje Basado en Investigación (ABI). Las herramientas de
IA son capaces de proporcionar evaluaciones formativas y sumativas de manera
rápida y precisa, lo que permite a los estudiantes recibir retroalimentación inmediata
sobre su desempeño y comprensión (Krstić et al., 2022).
Una de las principales ventajas de la IA en este contexto es su capacidad para analizar
grandes cantidades de datos de los estudiantes, incluidos trabajos escritos,
participaciones en foros y respuestas a pruebas, para generar retroalimentación
personalizada y relevante. Esta capacidad no solo aumenta la eficacia del aprendizaje
al proporcionar correcciones y sugerencias en tiempo real, sino que también libera a
los docentes de la carga de realizar tareas evaluativas repetitivas y les permite
concentrarse en intervenciones pedagógicas más profundas y significativas (Wilson &
Andrada, 2016).
Además, la IA puede ayudar a identificar patrones de aprendizaje y dificultades
comunes entre los estudiantes, lo que facilita a los educadores la adaptación de sus
métodos de enseñanza y la implementación de estrategias de apoyo más efectivas.
Este tipo de análisis predictivo es particularmente útil en el ABI, donde los estudiantes
se enfrentan a desafíos de investigación complejos y a menudo necesitan orientación
específica para avanzar en sus proyectos (He et al., 2019).
Es crucial que los sistemas de IA sean diseñados y monitoreados cuidadosamente
para evitar sesgos y garantizar que la evaluación sea equitativa para todos los
estudiantes (Rios-Campos et al., 2023). En resumen, mientras la IA tiene el potencial
de transformar radicalmente la retroalimentación y evaluación en educación, es
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 187 de 196
Research Article
Abril – Junio 2024
fundamental abordar estos desafíos para asegurar que su implementación contribuya
positivamente al proceso educativo y respete los principios éticos fundamentales.
3.4. Implicaciones Éticas y Sociales de la IA en la Educación
3.4.1. Consideraciones éticas
La implementación de la inteligencia artificial (IA) en la educación trae consigo una
serie de consideraciones éticas que deben ser evaluadas cuidadosamente para
proteger los intereses y derechos de todos los involucrados, especialmente de los
estudiantes. Una de las principales preocupaciones éticas es la privacidad y seguridad
de los datos personales, ya que los sistemas de IA requieren acceso a grandes
volúmenes de información personal para su funcionamiento óptimo (Wachter et al.,
2017).
Además, la transparencia de los algoritmos de IA es otro aspecto crítico. Los
educadores y estudiantes deben tener claro cómo se toman las decisiones basadas
en la IA, especialmente cuando estas afectan los resultados educativos y las
oportunidades de los estudiantes. La falta de transparencia puede llevar a
desconfianza y a cuestionamientos sobre la equidad de las intervenciones
automatizadas (Mittelstadt & Floridi, 2016).
La posibilidad de sesgo algorítmico también es una preocupación significativa. Si no
se diseñan adecuadamente, los algoritmos pueden perpetuar o incluso exacerbar las
desigualdades existentes, por ejemplo, al favorecer a estudiantes de determinados
perfiles demográficos. Por lo tanto, es crucial desarrollar e implementar la IA con un
enfoque consciente de la equidad y la inclusión (Selbst et al., 2019).
Por último, la dependencia de la tecnología y la potencial deshumanización del
aprendizaje son preocupaciones que deben ser abordadas. Aunque la IA puede
ofrecer herramientas valiosas, es vital que no reemplace la interacción humana
esencial en el proceso educativo, sino que funcione como un complemento que
enriquezca la experiencia de aprendizaje (Turkle, 2011).
Para manejar estas consideraciones éticas de manera efectiva, es imprescindible
establecer políticas claras, realizar evaluaciones éticas continuas y fomentar un
diálogo abierto entre desarrolladores de tecnología, educadores, estudiantes y otros
stakeholders. La formación en ética de la IA también debería ser una parte integral de
la capacitación para educadores y diseñadores tecnológicos (Jobin et al., 2019).
3.4.2. Impacto social
La adopción de la inteligencia artificial (IA) en la educación tiene el potencial de
transformar significativamente el paisaje social, ofreciendo tanto oportunidades como
desafíos. Uno de los impactos sociales más notables es la democratización del acceso
a la educación. Herramientas de IA, como plataformas de aprendizaje adaptativo y
sistemas de tutoría inteligentes, pueden hacer que recursos educativos de alta calidad
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 188 de 196
Research Article
Abril – Junio 2024
sean más accesibles a una población más amplia, reduciendo así las barreras
geográficas y socioeconómicas (Williamson, 2017).
Sin embargo, mientras la IA puede facilitar el acceso, también plantea preocupaciones
sobre la equidad educativa. La variabilidad en la calidad y en la disponibilidad de la
infraestructura tecnológica entre diferentes regiones y grupos sociales puede
exacerbar las desigualdades existentes, creando lo que se conoce como la "brecha
digital". Esta brecha no solo se refiere al acceso a la tecnología, sino también a la
capacidad de usarla efectivamente, lo que puede dejar a estudiantes de entornos
desfavorecidos en desventaja (Reich & Mizuko, 2017).
Además, la IA en la educación puede influir en la naturaleza del trabajo y las
habilidades requeridas en el futuro. A medida que la IA se integra más en los currículos
y métodos de enseñanza, hay un desplazamiento en las habilidades que se valoran,
con un énfasis creciente en habilidades digitales, pensamiento crítico y creatividad
(Zhao, 2017). Esto requiere un reajuste en la educación y capacitación para preparar
adecuadamente a los estudiantes para las demandas del mercado laboral del siglo
XXI.
Finalmente, la introducción de la IA en la educación también plantea cuestiones éticas
y sociales relacionadas con la privacidad y el manejo de los datos personales de los
estudiantes, así como con la toma de decisiones automatizada que puede afectar sus
trayectorias educativas y profesionales (Salvi & Singh, 2023).
Para abordar estos desafíos y maximizar los beneficios sociales de la IA en la
educación, es crucial que las políticas públicas y las estrategias educativas estén
orientadas a fomentar una implementación equitativa y consciente de estas
tecnologías.
3.5. Perspectivas Futuras y Recomendaciones para la Integración de la IA en el ABI
3.5.1. Tendencias emergentes
La integración de la inteligencia artificial (IA) en la educación continúa evolucionando
a un ritmo acelerado, impulsada por avances tecnológicos y cambios en las demandas
educativas. Una de las tendencias más destacadas es el desarrollo de sistemas de IA
cada vez más sofisticados, capaces de realizar tareas complejas como la evaluación
automática de trabajos escritos y la facilitación de debates en línea, lo que permite
una interacción más rica y dinámica en el aprendizaje basado en investigación (Ma et
al., 2014).
Otra tendencia emergente es el uso de la realidad virtual (VR) y la realidad aumentada
(AR) combinadas con IA para crear entornos de aprendizaje inmersivos y
personalizados. Estos entornos pueden simular situaciones reales de investigación o
laboratorio, permitiendo a los estudiantes explorar y experimentar de manera segura
y controlada, lo que potencia su aprendizaje y retención de conocimientos (Bailenson,
2021).
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 189 de 196
Research Article
Abril – Junio 2024
Además, la IA está facilitando la implementación de la analítica de aprendizaje, que
utiliza datos generados por los estudiantes para mejorar los procesos de enseñanza
y aprendizaje. Este enfoque permite identificar patrones y prever necesidades de
intervención temprana, asegurando que los estudiantes reciban el apoyo necesario
para superar obstáculos en su proceso educativo (Ifenthaler & Yau, 2020).
La personalización del aprendizaje continúa siendo una prioridad, con sistemas de IA
que adaptan el contenido y el ritmo de enseñanza a las características individuales de
cada estudiante. Esto no solo mejora la eficiencia del aprendizaje sino que también
aumenta la motivación y satisfacción del estudiante (Krstić et al., 2022).
Finalmente, se está prestando cada vez más atención a las implicaciones éticas de la
IA en la educación, con un enfoque creciente en desarrollar tecnologías que sean
transparentes, justas y respetuosas con la privacidad de los usuarios (Eubanks, 2018).
3.5.2. Recomendaciones prácticas
La implementación exitosa de la inteligencia artificial (IA) en el aprendizaje basado en
investigación (ABI) requiere una serie de estrategias cuidadosamente planificadas.
Aquí presentamos algunas recomendaciones prácticas basadas en la literatura actual
y en las mejores prácticas identificadas en estudios recientes:
1. Desarrollo profesional continuo: Es esencial que los docentes reciban
formación continua sobre las últimas herramientas y técnicas de IA. Los
programas de desarrollo profesional deberían incluir tanto la capacitación
técnica como la pedagógica, asegurando que los educadores puedan integrar
eficazmente la IA en sus prácticas docentes (Parisa Tadi et al., 2023).
2. Infraestructura tecnológica robusta: Las instituciones educativas deben invertir
en la infraestructura necesaria para soportar tecnologías de IA. Esto incluye no
solo hardware y software adecuados, sino también un soporte técnico sólido
que pueda resolver problemas rápidamente y mantener los sistemas operando
de manera eficiente (EDUCAUSE, 2019).
3. Diseño ético de la tecnología: Al desarrollar o implementar sistemas de IA, es
crucial considerar las implicaciones éticas desde el diseño. Esto incluye la
protección de la privacidad de los datos, la transparencia de los algoritmos y la
prevención de sesgos. La colaboración con expertos en ética puede ayudar a
guiar estas decisiones (Fjeld et al., 2020).
4. Evaluación y ajuste continuo: La IA en educación debe ser objeto de
evaluaciones periódicas para asegurar su eficacia y ajustar los enfoques según
sea necesario. Las métricas de evaluación deberían incluir no solo el
rendimiento académico de los estudiantes, sino también su satisfacción y su
percepción del aprendizaje (Annuš, 2024).
5. Colaboración interdisciplinaria: Fomentar la colaboración entre pedagogos,
tecnólogos, diseñadores instruccionales y estudiantes puede enriquecer la
implementación de la IA. Esta colaboración puede ofrecer nuevas perspectivas
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 190 de 196
Research Article
Abril – Junio 2024
y soluciones innovadoras que un solo campo no podría alcanzar por sí mismo
(Reich & Mizuko, 2017).
6. Inclusión y accesibilidad: Garantizar que las soluciones de IA sean accesibles
para todos los estudiantes, incluyendo aquellos con necesidades especiales.
La tecnología debe ser diseñada para ser inclusiva, adaptando sus
funcionalidades a diferentes estilos y ritmos de aprendizaje (Giroux et al.,
2022).
4. Discusión
Los resultados de este estudio ilustran el potencial transformador de la inteligencia
artificial (IA) en el aprendizaje basado en investigación (ABI), así como los desafíos
que acompañan a su implementación. La personalización del aprendizaje y la
automatización de tareas administrativas y de investigación son claros ejemplos de
cómo la IA puede mejorar la eficacia y eficiencia del proceso educativo. Estos
hallazgos están en línea con la investigación de Holmes et al. (2019), que destacó
cómo la IA puede adaptar los recursos educativos a las necesidades individuales de
los estudiantes, potenciando su autonomía y engagement.
Sin embargo, como se discutió en los resultados, la adopción de la IA también trae
consigo limitaciones significativas, especialmente en términos de infraestructura y
capacitación docente. Estos desafíos son consistentes con los trabajos de Wilson y
Andrade (2016), que resaltan la brecha existente entre las capacidades tecnológicas
necesarias para implementar la IA y los recursos disponibles en muchas instituciones
educativas.
Además, este estudio ha puesto de manifiesto los cambios en los roles educativos,
donde los docentes evolucionan de transmisores de conocimiento a facilitadores del
aprendizaje, un cambio que requiere no solo nuevas habilidades, sino también un
nuevo entendimiento pedagógico como sugieren Holmes et al. (2016). Esta
transformación destaca la necesidad de programas de formación docente que se
alineen con las realidades de un aula moderna mediada por tecnología.
La facilitación de la retroalimentación y evaluación mediante IA es otra área de impacto
notable. La capacidad de proporcionar respuestas inmediatas y personalizadas, como
se observa en los trabajos de Muneeba Anis (2024), puede mejorar significativamente
la experiencia de aprendizaje y los resultados académicos. Sin embargo, la
implementación de tales sistemas debe ser cuidadosa para evitar la dependencia
excesiva de la tecnología en funciones críticas, lo que podría deshumanizar el proceso
educativo y fomentar una cultura de "enseñanza al examen".
Las consideraciones éticas y el impacto social de la IA en la educación son aspectos
que no deben subestimarse. Como plantean Eubanks (2018) y otros estudiosos, la
integración de la IA conlleva riesgos significativos, incluyendo problemas de
privacidad, sesgos algorítmicos y amplificación de desigualdades existentes. Por lo
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 191 de 196
Research Article
Abril – Junio 2024
tanto, es vital que las instituciones implementen políticas claras y marcos reguladores
para guiar el uso ético de la IA.
En conclusión, mientras que la IA tiene el potencial de revolucionar el ABI, es
imperativo que su implementación sea considerada y cuidadosa, con un fuerte
enfoque en la equidad, la ética y el apoyo humano continuo. Este estudio sugiere que
la educación del futuro puede ser profundamente personalizada y eficiente, pero
también plantea preguntas importantes sobre los valores que deseamos preservar en
entornos educativos cada vez más tecnológicos.
5. Conclusiones
Este estudio ha explorado la incidencia significativa de la inteligencia artificial (IA) en
el aprendizaje basado en investigación (ABI), destacando tanto las potencialidades
como los desafíos asociados a su integración en entornos educativos. Los hallazgos
revelan que la IA puede transformar de manera fundamental el ABI al personalizar la
experiencia de aprendizaje, automatizar tareas administrativas y de investigación, y
facilitar la retroalimentación y la evaluación.
La capacidad de la IA para adaptar el contenido educativo a las necesidades
individuales y proporcionar evaluaciones oportunas y personalizadas promete mejorar
la eficacia del aprendizaje. Sin embargo, estos beneficios vienen acompañados de
desafíos significativos, como las limitaciones tecnológicas y de infraestructura, la
necesidad de una formación docente robusta, y preocupaciones éticas y sociales que
no deben ser ignoradas.
La discusión también ha resaltado el impacto de la IA en los roles educativos,
transformando a los docentes de transmisores de conocimiento a facilitadores del
aprendizaje. Este cambio sugiere una evolución en la pedagogía que requiere un
apoyo continuo a través de la formación profesional y la colaboración interdisciplinaria.
Desde una perspectiva ética, es fundamental abordar las preocupaciones
relacionadas con la privacidad, el sesgo algorítmico y la equidad. La adopción de
marcos regulatorios y políticas claras será crucial para garantizar que la
implementación de la IA en la educación refuerce un entorno de aprendizaje justo e
inclusivo.
Para futuras investigaciones, sería provechoso explorar estrategias concretas que
mitiguen los desafíos identificados y evaluar en profundidad el impacto a largo plazo
de la IA en los resultados educativos. Investigar más a fondo cómo los estudiantes y
educadores perciben y interactúan con las tecnologías de IA podría ofrecer insights
adicionales para su implementación efectiva.
En conclusión, mientras que la IA presenta oportunidades significativas para
enriquecer y transformar el ABI, su integración debe ser manejada con cuidado,
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 192 de 196
Research Article
Abril – Junio 2024
considerando siempre las implicaciones éticas y buscando promover una educación
equitativa y accesible para todos.
Referencias Bibliográficas
Annuš, N. (2024). Education in the Age of Artificial Intelligence. TEM Journal, 404–
413. https://doi.org/10.18421/tem131-42
Bailenson, J. N. (2021). Nonverbal Overload: A Theoretical Argument for the Causes
of Zoom Fatigue. Technology, Mind, and Behavior, 2(1).
https://doi.org/10.1037/tmb0000030
Bates, A. W. (Tony). (2015). Teaching in a Digital Age: Guidelines for designing
teaching and learning for a digital age. In Umn.edu.
https://open.umn.edu/opentextbooks/textbooks/221
Bonilla Bonilla, M.A., Góngora Cheme, R.K., Casanova-Villalba, C.I., y Guamán
Chávez, R.E. (Coordinadores). (2023). Libro de memorias. I Simposio de
investigadores emergentes en cien-cia y tecnología. Religación Press.
https://doi.org/10.46652/ReligacionPress.115
Carpenter, P. (2020). Challenges and Opportunities in Academic HPC Systems
Research in 2030. Sc19.Supercomputing.org.
https://sc19.supercomputing.org/proceedings/bof/bof_pages/bof197.html
Casanova-Villalba, C. I., Herrera-Sánchez, M. J. & Rivadeneira-Moreira, J. C. (2023).
Spin-offs en el mundo académico: ¿Cómo se traducen en impacto tangible?. In
Libro de memorias. I Simposio de investigadores emergentes en cien-cia y
tecnología. Religación Press. https://doi.org/10.46652/ReligacionPress.115.p5
EDUCAUSE. (2019). 2019 Horizon Report. EDUCAUSE.
https://library.educause.edu/resources/2019/4/2019-horizon-report
Ertmer, P. A., & Ottenbreit-Leftwich, A. T. (2010). Teacher technology change: How
knowledge, confidence, beliefs, and culture intersect. Journal of Research on
Technology in Education, 42(3), 255–284.
https://doi.org/10.1080/15391523.2010.10782551
Ethical Use of Information Technology in Higher Education. (2022). In EAI/Springer
Innovations in Communication and Computing. Springer International
Publishing. https://doi.org/10.1007/978-981-16-1951-9
Eubanks, V. (2018). VIRTUAL POORHOUSE : how the fear of poverty is shaping our
digital destiny.
Ferguson, R., & Clow, D. (n.d.). Where is the evidence? A call to action for learning
analytics Conference or Workshop Item Where is the evidence? A call to action
for learning analytics. 56–65. https://doi.org/10.1145/3027385.3027396
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 193 de 196
Research Article
Abril – Junio 2024
Fjeld, J., Achten, N., Hilligoss, H., Nagy, A., & Srikumar, M. (2020). Principled Artificial
Intelligence: Mapping Consensus in Ethical and Rights-Based Approaches to
Principles for AI. SSRN Electronic Journal.
https://doi.org/10.2139/ssrn.3518482
Giroux, F., Couture, L., Lasbareille, C., Boasen, J., Stagg, C. J., Fleming, M. K., Sylvain
Sénécal, & Pierre-Majorique Léger. (2022). Usability Evaluation of Assistive
Technology for ICT Accessibility: Lessons Learned with Stroke Patients and
Able-Bodied Participants Experiencing a Motor Dysfunction Simulation. Lecture
Notes in Information Systems and Organisation, 349–359.
https://doi.org/10.1007/978-3-031-13064-9_35
Goksel, N., & Bozkurt, A. (2019). Artificial Intelligence in Education. Handbook of
Research on Learning in the Age of Transhumanism, 224–236.
https://doi.org/10.4018/978-1-5225-8431-5.ch014
He, J., Baxter, S. L., Xu, J., Xu, J., Zhou, X., & Zhang, K. (2019). The practical
implementation of artificial intelligence technologies in medicine. Nature
Medicine, 25(1), 30–36. https://doi.org/10.1038/s41591-018-0307-0
Herrera-Enríquez, G., Herrera-Sánchez, M., Casanova-Villalba, C., Puyol-Cortez, J.,
Mendoza-Armijos, H, (2021). Manual para Elaboración del Plan de Titulación
como Conclusión de Carrera. Editorial Grupo Compás.
Herrera-Sánchez, M. J., Casanova-Villalba, C. I., Bravo Bravo, I. F., & Barba
Mosquera, A. E. (2023). Estudio comparativo de las desigualdades en el
tecnoestrés entre instituciones de educación superior en América Latina y
Europa. Código Científico Revista De Investigación, 4(2), 1288–1303.
https://doi.org/10.55813/gaea/ccri/v4/n2/287
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education : promises
and implications for teaching and learning. The Center For Curriculum
Redesign.
Holmes, W., Luckin, R., Ucl Knowledge Lab, & Al, E. (2016). Intelligence unleashed :
an argument for AI in education. Pearson.
Ifenthaler, D., & Yau, J. Y.-K. (2020). Utilising learning analytics to support study
success in higher education: a systematic review. Educational Technology
Research and Development, 68(4), 1961–1990.
https://doi.org/10.1007/s11423-020-09788-z
Igbokwe, I. C. (2023). Application of Artificial Intelligence (AI) in Educational
Management. International Journal of Scientific and Research Publications,
13(3). https://doi.org/10.29322/ijsrp.13.03.2023.p13536
Ipperciel, D. (2022). What Should the Future of Learning Look Like? Looking Back,
Looking Forward. International Journal of Higher Education, 11(5), 51.
https://doi.org/10.5430/ijhe.v11n5p51
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 194 de 196
Research Article
Abril – Junio 2024
Jarrahi, M. H. (2018). Artificial Intelligence and the Future of work: Human-AI
Symbiosis in Organizational Decision Making. Business Horizons, 61(4), 577–
586. https://doi.org/10.1016/j.bushor.2018.03.007
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines.
Nature Machine Intelligence, 1(9), 389–399.
https://www.nature.com/articles/s42256-019-0088-2
Justice, C., Rice, J., Warry, W., Inglis, S., Miller, S., & Sammon, S. (2006). Inquiry in
Higher Education: Reflections and Directions on Course Design and Teaching
Methods. Innovative Higher Education, 31(4), 201–214.
https://doi.org/10.1007/s10755-006-9021-9
Khritish Swargiary, & Roy, K. (2023). Leveraging Artificial Intelligence for Enhanced
Project Completion in Education. https://doi.org/10.32388/adg6h8
Krstić, L., Aleksić, V., & Krstić, M. (2022). Artificial Intelligence in Education: A Review.
Proceedings TIE 2022. https://doi.org/10.46793/tie22.223k
Loor Giler, J. L., Lorenzo Benítez, R., & Herrera Navas, C. D. (2021). Manual de
actividades didácticas para el desarrollo de la comprensión lectora en
estudiantes de subnivel de básica media. Journal of Economic and Social
Science Research, 1(1), 15–37. https://doi.org/10.55813/gaea/jessr/v1/n1/18
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
Madrid-Gómez, K. E., Arias-Huánuco, . J. M., Zevallos-Parave, Y., Alfaro-Saavedra,
M. N., Camposano-Córdova, A. I., & Yaulilahua-Huacho, R. (2023). Estrategias
activas para el aprendizaje autónomo: Un enfoque en Alumnos de Secundaria.
Editorial Grupo AEA. https://doi.org/10.55813/egaea.l.2022.53
Madrid-Gómez, K. E., Arias-Huánuco, J. M., Zevallos-Parave, Y., Camposano-
Córdova, A. I., & Yaulilahua-Huacho, M. (2023). Entre el Autoconocimiento y la
Autoestima: Explorando el Programa “Súbete a mi Auto” en el ámbito
Universitario. Editorial Grupo AEA. https://doi.org/10.55813/egaea.l.2022.54
Madrid-Gómez, K. E., Herrera-Aponte, M. B., Arias-Huánuco, J. M., Zevallos-Parave,
Y., Camposano-Córdova, A. I., & LLancari-Choccelahua, R. B. (2023).
Interacciones Familiares y Autoestima: Un Estudio entre Estudiantes de
Secundaria. Editorial Grupo AEA. https://doi.org/10.55813/egaea.l.2022.52
Mittelstadt, B., & Floridi, L. (2016). The Ethics of Biomedical Big Data. In Law,
governance and technology series. Springer International Publishing.
https://doi.org/10.1007/978-3-319-33525-4
Muneeba Anis. (2024). Teacher Professional Development in the Digital Age:
Addressing the Evolving Needs Post-covid. International Journal for
Multidisciplinary Research, 6(1).
https://doi.org/10.36948/ijfmr.2024.v06i01.12386
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 195 de 196
Research Article
Abril – Junio 2024
Nicolae Moroianu, Silvia-Elena Iacob, & Alexandra Maria Constantin. (2023). Artificial
Intelligence in Education: a Systematic Review. Sciendo EBooks, 906–921.
https://doi.org/10.2478/9788367405546-084
Pacheco-Altamirano, A. M., Camposano-Córdova, A. I., Torres-Acevedo, C. L., Oré-
Rojas, J. J., Gavidia-Anticona, J. A., Yauri-Huiza, Y., & Rojas-Quispe, Ángel E.
(2023). Comprendiendo la Lectura: Del Nivel Literal al Crítico en Estudiantes de
EBA. Editorial Grupo AEA. https://doi.org/10.55813/egaea.l.2022.40
Parisa Tadi, Anienie Veldsman, & Sadeghi, A. (2023). Professional Development in
Online Teaching and Learning at Tertiary Level During Pandemic: A Quest for
Student’s Care. Pacific Journal of Technology Enhanced Learning, 4(3), 9–19.
https://doi.org/10.24135/pjtel.v4i3.151
Phillips, M. (2016). Digital Technology, Schools and Teachers’ Workplace Learning. In
Palgrave Macmillan UK eBooks. Palgrave Macmillan.
https://doi.org/10.1057/978-1-137-52462-1
Popenici, S. A. D., & Kerr, S. (2017). Exploring the impact of artificial intelligence on
teaching and learning in higher education. Research and Practice in Technology
Enhanced Learning, 12(1). https://doi.org/10.1186/s41039-017-0062-8
Puyol-Cortez, J. L., & Mina-Bone, S. G. (2022). Explorando el liderazgo de los
profesores en la educación superior: un enfoque en la UTELVT Santo
Domingo. Journal of Economic and Social Science Research, 2(2), 16–28.
https://doi.org/10.55813/gaea/jessr/v2/n2/49
Reich, J., & Mizuko , I. (2017). From Good Intentions to Real Outcomes: Equity by
Design in Learning Technologies. Digital Media and Learning Research Hub.
Reimers, A., & Schleicher, F. M. (2020). A Framework to Guide an Education
Response to the COVID-19 Pandemic of 2020. Organisation for Economic Co-
Operation and Development.
Rios-Campos, C., Vega, S. M. Z., Tejada-Castro, M. I., Viteri, J. D. C. L., Zambrano,
E. O. G., Gamarra, J. M. B., Núñez, J. B., & Vara, F. E. O. (2023). Ethics of
artificial intelligence. South Florida Journal of Development, 4(4), 1715–1729.
https://doi.org/10.46932/sfjdv4n4-022
Salvi, Ms. R., & Singh, Dr. R. (2023). Artificial Intelligence and Human Society.
International Journal of Social Science and Human Research, 6(09).
https://doi.org/10.47191/ijsshr/v6-i9-13
Selbst, A. D., Boyd, D., Friedler, S. A., Venkatasubramanian, S., & Vertesi, J. (2019).
Fairness and Abstraction in Sociotechnical Systems. Proceedings of the
Conference on Fairness, Accountability, and Transparency - FAT* ’19.
https://doi.org/10.1145/3287560.3287598
Silva Alvarado, J. C., & Herrera Navas, C. D. (2022). Estudio de Kahoot como recurso
didáctico para innovar los procesos evaluativos pospandemia de básica
superior de la Unidad Educativa Iberoamericano. Journal of Economic and
Journal of Economic and Social Science Research / Vol. 04 / Núm. 02 / www.economicsocialresearch.com
Pág. 196 de 196
Research Article
Abril – Junio 2024
Social Science Research, 2(4), 15–40.
https://doi.org/10.55813/gaea/jessr/v2/n4/23
Terrazo-Luna, E. G., Riveros-Anccasi, D., Torres-Acevedo, C. L., Rojas-Quispe, A. E.,
Cencho Pari, A., Coronel-Capani, J., & Yaulilahua-Huacho, R. (2023).
Habilidades Perceptivas: Mejorando el Aprendizaje Remoto en Estudiantes de
5 años. Editorial Grupo AEA. https://doi.org/10.55813/egaea.l.2022.30
Torres-Torres, O. L. (2024). Evaluación de Genially como herramienta didáctica en la
práctica docente de la educación a distancia. Journal of Economic and Social
Science Research, 4(1), 1–18. https://doi.org/10.55813/gaea/jessr/v4/n1/82
Turkle, S. (2011). Alone Together: Why We Expect More from Technology and Less
from Each Other. Basic Books.
Wachter, S., Mittelstadt, B., & Floridi, L. (2017). Transparent, explainable, and
accountable AI for robotics. Science Robotics, 2(6), eaan6080.
https://doi.org/10.1126/scirobotics.aan6080
Williamson, B. (2017). Big Data in Education: The digital future of learning, policy and
practice. https://doi.org/10.4135/9781529714920
Wilson, J., & Andrada, G. N. (2016). Using Automated Feedback to Improve Writing
Quality. Advances in Higher Education and Professional Development Book
Series, 679–704. https://doi.org/10.4018/978-1-4666-9441-5.ch026
Yildiz Durak, H. (2021). Preparing pre-service teachers to integrate teaching
technologies into their classrooms: Examining the effects of teaching
environments based on open-ended, hands-on and authentic tasks. Education
and Information Technologies, 26(5), 5365–5387.
https://doi.org/10.1007/s10639-021-10511-5
Zawacki-Richter, O., & Latchem, C. (2018). Exploring four decades of research in
Computers & Education. Computers & Education, 122, 136–152.
https://doi.org/10.1016/j.compedu.2018.04.001
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic
review of research on artificial intelligence applications in higher education –
where are the educators? International Journal of Educational Technology in
Higher Education, 16(1). Springeropen. https://doi.org/10.1186/s41239-019-
0171-0
Zhang, K., & Aslan, A. B. (2021). AI technologies for education: Recent research &
future directions. Computers and Education: Artificial Intelligence, 2(100025),
100025. https://doi.org/10.1016/j.caeai.2021.100025
Zhang, L., Wang, S., & Liu, B. (2018). Deep Learning for Sentiment Analysis : A
Survey. ArXiv (Cornell University). https://doi.org/10.48550/arxiv.1801.07883
Zhao, Y. (2017). What works may hurt: Side effects in education. Journal of
Educational Change, 18(1), 1–19. https://doi.org/10.1007/s10833-016-9294-4