Intelligent systems and their application in the evaluation of university academic performance: A literature review in the South American context

• Del-Águila-Castro, Magdalena ^[1]
  1. [1] Universidad César Vallejo

     Universidad César Vallejo

     Provincia de Trujillo, Perú

     
• Localización: Revista científica de sistemas e informática, ISSN-e 2709-992X, Vol. 4, Nº. 2, 2024 (Ejemplar dedicado a: Revista Científica de Sistemas e Informática; e745)
• Idioma: inglés
• Títulos paralelos:
  • Sistemas inteligentes y su aplicación en la evaluación del desempeño académico universitario: una revisión de la literatura en el contexto sudamericano
• Enlaces
  • Texto completo
• Resumen
  • español

    El estudio tuvo como objetivo analizar el impacto de los sistemas inteligentes en la mejora del rendimiento académico y la personalización del aprendizaje, mediante una revisión de 29 artículos publicados entre 2016 y 2024. Se centró en el uso de la inteligencia artificial, el aprendizaje automático, la minería de datos y los sistemas de tutoría inteligentes en la educación. Los resultados mostraron que estas tecnologías optimizan la evaluación educativa y mejoran el rendimiento académico. Los modelos predictivos identifican a estudiantes en riesgo de abandono escolar, facilitando intervenciones tempranas. Las arquitecturas adaptativas demostraron ser efectivas en diversas disciplinas, y los sistemas de tutoría inteligentes mejoraron la interacción y la retroalimentación. A pesar de estos avances, persisten desafíos en la accesibilidad en entornos con recursos limitados, y preocupaciones éticas relacionadas con la privacidad de los datos y el sesgo algorítmico. El estudio resalta la necesidad de un enfoque inclusivo y ético para garantizar que estas tecnologías transformen la educación y beneficien a todos los estudiantes.

  • English

    The study aimed to analyze the impact of intelligent systems on improving academic performance and personalized learning, through a review of 29 articles published between 2016 and 2024. It focused on the use of artificial intelligence, machine learning, data mining, and intelligent tutoring systems in education. The results showed that these technologies optimize educational assessment and improve academic performance. Predictive models help identify students at risk of dropping out, enabling early interventions. Adaptive architectures proved effective across various disciplines, and intelligent tutoring systems enhanced interaction and feedback. Despite these advances, challenges remain in accessibility in resource-limited environments and ethical concerns related to data privacy and algorithmic bias. The study highlights the need for an inclusive and ethical approach to ensure these technologies transform education and benefit all students.