Buenas prácticas que integran la Inteligencia artificial en el proceso de evaluación en la Educación Superior

  1. Alba Galán Iñigo 1
  2. Judit Ruiz Lázaro 1
  3. Eva Jiménez García 1
  1. 1 Universidad Europea de Madrid
    info

    Universidad Europea de Madrid

    Madrid, España

    ROR https://ror.org/04dp46240

Livre:
Edunovatic2023. Conference Proceedings: 8th Virtual International Conference on Education, Innovation and ICT November 29 - 30, 2023

Éditorial: REDINE (Red de Investigación e Innovación Educativa)

Année de publication: 2023

Pages: 184-185

Congreso: Congreso Virtual Internacional de Educación, Innovación y TIC (8. 2023. Madrid)

Type: Communication dans un congrès

Résumé

La Inteligencia Artificial en la Educación Superior representa una innovación significativa que está transformando las formas de enseñanza y aprendizaje, así como su evaluación (Fischer, et al., 2020). En este sentido, la evaluación académica es un componente esencial en el proceso educativo, ya que proporciona retroalimentación al alumnado, evalúa su comprensión y facilita la mejora continua del aprendizaje. Los métodos tradicionales de evaluación pueden presentar limitaciones en términos de personalización, eficiencia y adaptabilidad a las necesidades individuales del alumnado (Huang, et al., 2021). Por ello, el objetivo del presente estudio se centra en analizar la producción científica sobre la evaluación en inteligencia artificial en educación superior. Para llevarlo a cabo se siguieron las indicaciones de la Declaración PRISMA (Urrútia & Bonfill, 2010): se identificaron 110 artículos de la base de datos Web of Science, de los cuales se seleccionaron 56 estudios empíricos. Las posibilidades que ofrecen cada uno de los sistemas desarrollados son variados y todos concluyen que con su implementación existe una mejora en el rendimiento académico del alumnado de Educación Superior. En las diferentes prácticas de aprendizaje automático podemos encontrar: el ajuste de la dificultad y el contenido de las preguntas en función del nivel de habilidad y conocimientos previos de cada estudiante, una retroalimentación automatizada y personalizada a las tareas realizadas o el análisis de fuentes de datos que nos aportan información relevante sobre las preferencias de aprendizaje, los patrones de interacción o la predicción de un posible abandono de los estudios. Todo esto permite una evaluación más precisa y específica y optimiza el tiempo dedicado a la evaluación, proporcionando una experiencia de evaluación más significativa (Luckin, 2017). En conclusión, esta revisión nos aporta un abanico de estudios empíricos en los que la integración de la Inteligencia Artificial en la evaluación en Educación Superior tiene resultados prometedores, situando esta posibilidad como un nuevo camino hacia la mejora del proceso de evaluación del aprendizaje.