Impacto de la inteligencia artificial generativa en la educación superior: un estudio comparativo

• Castaño Umaña, Reynaldo Antonio ^[1]
  1. [1] Universidad Nacional de Ingeniería

     Universidad Nacional de Ingeniería

     Perú

     
• Localización: Compromiso social, ISSN-e 2707-1138, Vol. 7, Nº. 12, 2024, 110 págs.
• Idioma: español
• Títulos paralelos:
  • Generative artificial inteligence Impact on Higher Education: A Comparative Analysis
• Enlaces
  • Texto completo
• Dialnet Métricas: 5 Citas
• Resumen
  • español

    Esta investigación, realizada en el año 2023 con estudiantes y docentes de la Facultad de Ciencias y Sistemas de la Universidad Nacional de Ingeniería, explora la adopción y percepción de las Inteligencias Artificiales Generativas (IAG) en el ámbito académico. Los resultados revelan una brecha significativa en el uso de estas herramientas, con un 94% de los estudiantes y solo un 7% de los docentes reportando su utilización. Los estudiantes perciben las IAG como facilitadoras del aprendizaje, mientras que los docentes expresan preocupaciones éticas y técnicas relacionadas principalmente con la autenticidad de los trabajos y la adaptación de sus métodos de evaluación. Para abordar esta brecha, se recomienda implementar programas de capacitación docente, promover el acceso equitativo a las IAG y desarrollar lineamientos claros sobre su uso ético dentro de la facultad. Estas acciones contribuirán a una integración efectiva de las IAG en la educación en ingeniería, mejorando la calidad de la enseñanza y el aprendizaje.

  • English

    This research, carried out in 2023 with students and faculty from the Faculty of Sciences and Systems at the National University of Engineering, explores the adoption and perception of generative artificial intelligence (GAI) in the academic field. The results reveal a significant gap in the use of these tools, with 94% of students and only 7% of faculty reporting their use. Students perceive GAI as facilitators of learning, while faculty express ethical and technical concerns related mainly to the authenticity of student work and the adaptation of their evaluation methods. To address this gap, it is recommended to implement faculty training programs, promote equitable access to GAI, and develop clear guidelines on its ethical use within the faculty. These actions will contribute to the effective integration of GAI in engineering education, improving the quality of teaching and learning.