����������������������������������������������������������������������������������

 

 

La inteligencia artificial generativa y su relevancia en la ense�anza de L2 en educaci�n superior

 

Generative artificial intelligence and its relevance to L2 teaching in higher education

 

Intelig�ncia artificial generativa e sua relev�ncia para o ensino de L2 no ensino superior

 

 

 

 

 

 

 

 

 

 

 

Correspondencia: amarurio@unemi.edu.ec

 

 

Ciencias de la Educaci�n

Art�culo de Investigaci�n

 

 

* Recibido: 16 de abril de 2025 *Aceptado: 20 de mayo de 2025 * Publicado: �30 de junio de 2025

 

        I.            Universidad Estatal de Milagro, Ecuador.

      II.            Universidad de Guayaquil, Ecuador.

   III.            Universidad de Guayaquil, Ecuador.

   IV.            Universidad de Guayaquil, Ecuador.

Resumen

A trav�s de este art�culo se busca demostrar la relevancia del IAG en el proceso de ense�anza de un idioma extranjero en los alumnos que estudian nivel superior, centr�ndose en la forma de usar la IAG de los docentes de una universidad.� Este estudio explora el uso, tanto entre alumnos como docentes, su interacci�n y las medidas preventivas que adoptan dentro de su formaci�n acad�mica. Se destaca la importancia del uso de recursos diversos dentro del �mbito educativo a nivel superior. Adem�s del uso de la IAG, comprometido en medios digitales como plataformas y hasta redes sociales, promoviendo el proceso de aprendizaje haci�ndolo m�s din�mico basado en las necesidades de todos los educandos. Con frecuencia se usa el Chat GPT y los detectores de plagio. A trav�s de los an�lisis realizados en las respuestas de un grupo de docentes, se nota que las limitaciones que presentan, dan lugar a una profunda reflexi�n en base al inter�s y preocupaci�n de los participantes sin embargo se teme que� metodolog�a utilizada podr�a tener falencias y no ser el reflejo global de la comunidad ya que solo se lo administro a una parte de ella, por lo que en futuros trabajos relacionados al tema se puede profundizar con muestras de amplio espectro donde todos los miembros de la comunidad educativa sean vinculados. Finalmente, las �reas en las que la IA es capaz de convertirse en un soporte muy importante en la adquisici�n de una segunda lengua.

Palabras claves: inteligencia artificial generativa; relevancia; ense�anza; L2; educaci�n superior.

 

Abstract

This article seeks to demonstrate the relevance of GLI in the teaching process of a foreign language to students studying at the higher education level, focusing on the use of GLI by university instructors. This study explores the use of GLI among both students and instructors, their interaction, and the preventive measures they adopt within their academic training. It highlights the importance of using diverse resources within higher education. In addition to the use of GLI, it is engaged in digital media such as platforms and even social networks, promoting the learning process by making it more dynamic based on the needs of all students. GPT Chat and plagiarism detectors are frequently used. Through the analysis carried out on the responses of a group of teachers, it is noted that the limitations they present give rise to a deep reflection based on the interest and concern of the participants; however, it is feared that the methodology used could have flaws and not be a global reflection of the community since it was only administered to a part of it, so in future works related to the subject, it can be deepened with broad spectrum samples where all members of the educational community are linked. Finally, the areas in which AI can become a very important support in second language acquisition.

Keywords: generative artificial intelligence; relevance; teaching; L2; higher education.

 

Resumo

Este artigo busca demonstrar a relev�ncia do GLI no processo de ensino de uma l�ngua estrangeira para estudantes do ensino superior, com foco no uso do GLI por professores universit�rios. Este estudo explora o uso do GLI entre alunos e professores, sua intera��o e as medidas preventivas que adotam em sua forma��o acad�mica. Destaca a import�ncia do uso de diversos recursos no ensino superior. Al�m do uso do GLI, ele est� envolvido em m�dias digitais, como plataformas e at� redes sociais, promovendo o processo de aprendizagem, tornando-o mais din�mico com base nas necessidades de todos os alunos. O GPT Chat e os detectores de pl�gio s�o frequentemente utilizados. Por meio da an�lise realizada nas respostas de um grupo de professores, nota-se que as limita��es que apresentam suscitam uma reflex�o profunda a partir do interesse e da preocupa��o dos participantes; no entanto, teme-se que a metodologia utilizada possa ter falhas e n�o ser um reflexo global da comunidade, uma vez que foi administrada apenas a uma parte dela, para que em trabalhos futuros relacionados ao tema, possa ser aprofundada com amostras de amplo espectro onde todos os membros da comunidade educacional estejam vinculados. Por fim, as �reas em que a IA pode se tornar um suporte muito importante na aquisi��o de uma segunda l�ngua.

Palavras-chave: intelig�ncia artificial generativa; relev�ncia; ensino; L2; ensino superior.

 

Introducci�n

Actualmente no se dispone de una gran variedad de enfoques metodol�gicos que puedan ser validados apropiadamente que nos indiquen de qu� manera se puede integrar de manera exitosa y sin incurrir en faltas de tipo legal y moral en el uso de la IAG para el aprendizaje de una segunda lengua (Mu�oz y Fuentes, 2024).

�El uso de la IAG (inteligencia artificial generativa) es considera como un instrumento innovador globalizado, que ha mejorado la forma de aprender y ense�ar en las diferentes �reas y etapas de la educaci�n. Intel (2025) indica que �La IA est� remodelando la educaci�n superior y qu� tecnolog�as son m�s compatibles con cualquier iniciativa de IA actual y futura de su instituci�n�.�

Dependiendo de cada instituci�n, se debe tener en consideraci�n: objetivos generales y espec�ficos, tipo de alumnos, pero sobre todo la tecnolog�a con la que la instituci�n cuenta.

Se conoce desde sus inicios que se la pens� para lograr la integraci�n de las tecnolog�as inteligentes en el aula de clases a todo nivel acad�mico, llegando con tutoriales inteligentes, cuyo objetivo principal es netamente educativo, el cual es dirigido a maximizar las capacidades cognitivas y personales (Salmer�n., et al., 2023).

Cuando se trata del entorno de los educandos es necesario reparar en que las metodolog�as educativas deben adaptarse al tipo de aprendiz, tomando en consideraci�n sus estilos de aprendizaje, de acuerdo con su contexto, as� como el nivel comprensivo de cada uno de ellos. (Segura et al., 2024).

Cada subconjunto de IA requiere una combinaci�n �nica de hardware, software y seguridad en funci�n del objetivo final del proyecto por lo que su clasificaci�n puede resultar compleja (Intel, 2025).

Existen diferentes regiones en la que los recursos no son suficientes, por lo que los alumnos deben hacer frente a una infinidad de impedimentos para lograr superar obst�culos b�sicos para lograr obtener los insumos de apoyo educacional tales como plataformas de IAG que puedan satisfacer estas necesidades b�sicas, buscando de alguna manera solucionar los vac�os econ�micos (Khani et al., 2024).

Los beneficios ofrecidos por la IAG son tan amplios que pueden ser aplicados en clases de tipo inclusivas, en la que los beneficiados son los estudiantes considerados con NE (necesidades especiales), quienes presentan una serie de necesidades educativas tales como f�sicas y cognitivas. Al usar esta tecnolog�a (IAG), se pueden obtener textos que al ser generados vayan acorde con el nivel de aprendizaje del alumno, los cuales pueden ser actividades adaptadas a sus necesidades individuales ayudando a que los mismos vivan una pr�ctica m�s ajustada a sus necesidades y estilos de aprendizaje, proporcionando un entorno m�s equitativo (Flores y Pe�a, 2024).

 

Metodolog�a

Al realizar la revisi�n bibliogr�fica se pudo conocer sobre otros trabajos relacionados al tema de IA en la regi�n, principalmente en nuestro pa�s. Estos datos recopilados fueron extra�dos de datos de tipo digital con un alto nivel de impacto a nivel mundial, lo cuales han sido generados en varios sistemas inform�ticos, econ�micos y educativos en todo el pa�s. El tipo de esta investigaci�n es cualitativo, con un procedimiento inductivo, el mismo que nos facilita la extracci�n y an�lisis para realizar la respectiva descripci�n de datos sobre los descubrimientos buscando documentaci�n publica con rasgos cient�ficos. Los buscadores m�s frecuentes son Google acad�mico, Scielo, Dialnet, entre otros. Tambi�n fuentes como literatura gris: tesis de pre y postgrado, los mismos que contienen temas, objetivos y resultados relativos al tema planteado en el presente art�culo. Se considera solamente las publicaciones de los cinco �ltimos a�os, es decir desde el 2020 hasta el 2025, as� como tambi�n las palabras claves como: �inteligencia artificial generativa�, �ense�anza�, �L2�, �educaci�n superior�. La totalidad de las investigaciones encontradas fue de 115, de los cuales 29 fueron excluidas por no contar con los requisitos necesarios, por lo que se utiliz� la diferencia, es decir 86. La matriz Excel orden� los datos recopilados en orden alfab�tico y los datos descriptivos como gr�ficos, cuadros, mapas se los realizaron con Word y Excel. Se consideraron trabajos regionales a nivel de provincias y a nivel mundial, comparando resultados entre pa�ses de la regi�n y a nivel global.

De la totalidad de los 86 documentos valorados, 52 fueron desarrollados en nuestro pa�s, Ecuador, siendo estos de naturaleza gris netamente, es decir trabajos de pre y postgrado, en cuanto la diferencia (34) corresponden a literatura cient�fica, tales como art�culos de revistas.

Los registros de literatura indexada podr�an limitar alguna informaci�n de considerable importancia. Publicar un trabajo investigativo da paso al estudiante de abrir sus horizontes investigativos, incrementando sus habilidades comunicativas cient�ficas en el planteamiento de problemas y casos de diferente �ndole (Vit�n-Castillo et al., 2022).

�

Resultados y Discusi�n

�         �Qu� es la inteligencia artificial Generativa?

Con el famoso Chat GPT, la inteligencia artificial se dio a conocer a nivel global, siendo el a�o 2022 el surgimiento de esta herramienta tecnol�gica que inici� con una serie de posibilidades inform�ticas para ayudar en todos los �mbitos cient�ficos y educativos. La Inteligencia artificial generativa fue desarrollada por Open AI para proponer un sin n�mero de posibilidades en forma accesible con su gratuidad, permitiendo que la gente de todo nivel socioecon�mico tenga acceso libre a la generaci�n de contenidos y grandes vol�menes de informaci�n precisa de toda �ndole, con una facilidad asombrosa para generar contenidos y analizar grandes vol�menes de datos (Brown et al., 2020).

En lo que academia se refiere, la aparici�n de la IAG ha creado inc�gnitas con relaci�n a su uso en el aula de clases, buscando respuestas a las diferentes implicaciones sobre la asignaci�n de trabajos acad�micos creados con la ayuda de esta nueva tecnolog�a.

Se plantea la idea de que tan original puede llegar a ser, por lo que es necesario la revisi�n de par�metros que permitan a los docentes y alumnos �redefinir estrategias did�cticas y mecanismos de evaluaci�n para mitigar dichos riesgos� (Wiliam, 2024).

As� mismo, las investigaciones de En Billy y Anush (2023) tratan de clarificar cuales son las clases de usos que estudiantes y educadores americanos de un alma mater realizan con el soporte de la IAG, as� como su percepci�n del impacto potencial que esta podr�a tener. Concluyendo que una mayor parte de los educandos y docentes, �reconocen los beneficios de integrar la IAG, aunque consideran que esta no puede alcanzar el nivel de creatividad humana en la educaci�n�

Ruediger et al.� (2024) en las encuestas realizada a un grupo de docentes en educaci�n superior en instituciones estadounidenses sobre si tienen acceso al uso o no la IAG.� Encontrando que muchos de los participantes de las encuestas ya hab�an trabajado antes con la IAG, con excepci�n de las personas de edades media ya que no se encuentran muy seguras de que usar esta tecnolog�a pueda servir para bien a los diferentes prop�sitos educacionales. Este impedimento es muy fuerte entre las personas que llenan la encuesta en la parte formativa y moral por lo que les parecer�a mejor idea prohibir a los alumnos el uso de la IAG. La gran mayor�a de los participantes aclaran que la ayuda proporcionada por la IAG en sus clases debe ser permitida por el instituto superior proveedor de educaci�n.

Firat (2023), por otro lado, al realizar el an�lisis de las opiniones de varios educadores encuestados para conocer los beneficios del uso de ChatGPT y el uso de IA en el universo a nivel de la educaci�n superior que apoyan la conveniencia de utilizar la IA para incrementar la participaci�n de estudiantes que tienen que realizar tareas aburridas o de poca relevancia, d�ndoles m�s tiempo para practicar habilidades superiores y tutor�a.� Se cree que los chats bots ayudan a rendir mejor e incrementan la retenci�n de conocimientos de los estudiantes, apoyando las concepciones sobre el proceso ense�anza-aprendizaje.

Por su parte Firat (2023) informa que para que los beneficios de la IA en el campo educativo sean maximizados es esencial el afrontar los diferentes problemas que se presentan con respecto a la parte evaluativa con la intenci�n de revisar la competencia digital y las consideraciones�� �ticas.

Se convierte en mandatorio el desarrollo de formas y desarrollar�� destrezas que nos aseguren una implementaci�n muy responsable que pueda ser iguala los nuevos descubrimientos en el campo tecnol�gico. En muchos de los escenarios en la regi�n de Latinoam�rica, Garc�a-Cuevas et al., 2023) trataron de analizar como la implementaci�n de la IAG desde la �ptica de muchos de los profesores universitarios de una universidad virtual en M�xico encuestados. Se encontr� que m�s de uno de los educadores comentaron que un dominio tecnol�gico de nivel medio ha avanzado, con diferencias en la adopci�n de la IA seg�n la disciplina, y una correlaci�n entre la edad de los docentes y su disposici�n a utilizar estas herramientas.�

Esta investigaci�n analiza y remarca la relevancia de crear manera de realizar una capacitaci�n en IA que puedan ser satisfacer los diferentes perfiles y preocupaciones �ticas de los educadores. Bernilla (2024) realiz� una investigaci�n relacionada a las percepciones de diferentes preguntas acad�micas sobre los diferentes usos de la IA sobre las actividades acad�micas de los educandos, es la opini�n de los participantes del proyecto de una universidad que est� ubicada en Per�.

Dichos participantes se�alaron las muchas bondades de aumentas habilidades y competencias a trav�s del uso de la IA. Pero surgen ciertos cuestionamientos y preocupaci�n sobre la confiabilidad de y precisi�n de los resultados. Bernilla (2024) concluye que: es muy conveniente incorporar poco a poco al IAG en la pol�tica educacional, en la pol�tica educativa, as� como tambi�n en la planificaci�n, as� como en el pensum acad�mico de todas las instituciones de educaci�n superior.� De la misma manera, es mandatorio comenzar con procesos para capacitar a los docentes en c�mo deben aplicar las estrategias did�cticas en el uso de esta tecnolog�a, para crear espacios donde puedan interactuar y cambiar ideas a fin de mejor sus capacidades en la IA (p.26).� Con respecto a esto, Andreoli et al. (2024), y sus hallazgos contemplan un tipo de exploraci�n cualitativa donde los educadores de una universidad ubicada en Argentina pudieron entender que el potencial que tiene el uso de la IAG en el aula de clases, sin descuidar los cuestionamientos en que tan confiable y �tico pueden llegar a ser estos trabajos.

Creen en la necesidad de realizar capacitaciones docentes en forma peri�dica enfatizando lo importante de �la generaci�n�� de a IAG o Inteligencia Artificial Generativa. Se la considera como un recurso de car�cter artificial que cuyos contenidos resultan nuevos y muchas veces dan la facilidad de crear modelos de informaci�n adquiriendo nuevos conocimientos relacionados al aprendizaje que est� a la vanguardia de la innovaci�n inform�tica (Jurado et al., 2025). �La inteligencia artificial de car�cter convencional solo se limita a analizar y clasificar informaci�n, mientras que la IA generativa emplea modelos profundos de todos los aprendizajes recreando una variedad de comportamientos humanos� (UNIR, 2024).

�         �C�mo funciona la IA Generativa?

A medida que pasa el tiempo, la IAG est� siendo utilizada en m�s campos del conocimiento cada vez. Esta resuelve problemas complicados globales, de tal manera que no hay campos que no se puedan cubrir, haciendo uso de traducciones de im�genes, diagn�sticos, la fusi�n de fotos, cuadros y textos, entre muchos otros usos (Sengar et al., 2024).

La IA Generativa ofrece sistemas de IA con su gran capacidad de generar, existen varios tipos, los mismos que son adaptables a tareas y formas espec�ficas para generar medios. Las m�s populares son: Redes Generativas Antag�nicas por sus siglas en ingles GAN (Kumar y Singh, 2023).

Los MG conocidos como los modelos generativos m�s aceptados en el campo de la estad�stica y su aprendizaje automatizados ya que el modelo generador de datos y su equivalente para tiene la funci�n de reconocer en forma pr�ctica toda la informaci�n recolectada permitiendo as� todo tipo de an�lisis (Mu�oz y Fuentes, 2024).� En este tipo de modelos MG, el uso de las observaciones no es relevante, en vez de eso se trata de calcular probabil�sticamente cuando ocurre la observaci�n total de lo que se desea realizar.��

�         Contexto de la IAG en educaci�n superior: Se han realizado diferentes actividades para lograr encontrar algunas respuestas a las preguntas relacionadas a que el hallazgo de la IAG dentro del contexto de la educaci�n superior.

En el 2024, Bond et al. al realizar un metaan�lisis se dieron cuenta que a medida de su revisi�n bibliogr�fica encontraron doce beneficios de car�cter principal, convirti�ndose en el aprendizaje personalizado el m�s destacado. Se encontraron con una cantidad superior de conocimientos basados en la comprensi�n de los estudiantes, influenciando en forma positiva basados en los resultados del proceso que contiene no solo aprendizaje sino ense�anza, el mismo que cuenta con una reducci�n del tiempo de planificaci�n y administraci�n para los docentes, con mayor grado de equidad en educaci�n, as� como una evaluaci�n y retroalimentaci�n m�s precisas.

Chan (2023), por�� su�� parte, realiz� una�� investigaci�n�� con�� estudiantes�� y�� docentes�� de universidades de la India para conocer las percepciones que estos ten�an y las implicaciones de la IAG que imaginaban, con la intenci�n de proponer pol�ticas institucionales ajustadas al contexto�� interno de la instituci�n, as� como�� externo. En esta investigaci�n se descubri� que�� los�� estudiantes y docentes demostraron preocupaci�n por el posible impacto si se da mal uso del IAG en las tareas, as� como en la necesidad de que existan pol�ticas institucionales al respecto, las mismas que puedan incluir consideraciones sobre la privacidad, transparencia, acceso y seguridad.

�         La Inteligencia Artificial Generativa en la educaci�n superior

Es considerado un tema pol�mico debido a la cantidad de herramientas que derivan de la IAG, tales como: Chat GPT, Humata.ai o Sudowrite en los infinitos procesos de ense�anza, aprendizaje y evaluaci�n a nivel superior y aun en los colegios y escuelas a nivel regional y global. Su implementaci�n dentro del campo educativo superior, se presentan una variedad de nuevas oportunidades con respecto a la retroalimentaci�n inmediata, generaci�n de recursos y material innovador para motivar tanto a los profesores como a alumnos, sus aprendizajes y practicas m�s interactivas, adapt�ndose a las diferentes necesidades de los educandos, etc.

Tambi�n se puede reorganizar para realizar planteamientos relevantes que pongan en tela de duda la �tica y la integridad acad�mica como la fiabilidad de la informaci�n, la transparencia respecto a las fuentes utilizadas o la privacidad y seguridad de los datos.

El objetivo de este art�culo es examinar, desde una triple perspectiva (alumnado, profesorado y centro), las implicaciones �ticas de su uso en educaci�n superior. La idea es buscar analizar el impacto que esta causa a nivel de seguridad, accesibilidad, sostenibilidad con reforma al plagio, fraude y suplantaci�n de autor�a.

A partir de la revisi�n bibliogr�fica realizada, y seg�n lo que plantean algunos autores, se explorar�n posibilidades de integraci�n de la IAG en las aulas universitarias, mediante pr�cticas pedag�gicas que orienten al alumnado en su correcta utilizaci�n, y permitan al profesorado buscar nuevos enfoques educativos. Este proceso de transformaci�n exigir� el establecimiento de unas directrices claras que se ajusten a los c�digos �ticos y las pol�ticas de integridad de las instituciones de educaci�n superior. Finalmente �se rescata que la educaci�n, innovaci�n e integridad acad�mica brindar� a la comunidad universitaria una nueva oportunidad para impulsar mejoras en la ense�anza universitaria� (Gallent et al., 2023).

Las estructuras resaltan las diferentes actividades comunicativas y comunitarias en las diferentes redes sociales revelan informaci�n valiosa sobre dichas redes y sus entidades constituyentes. La detecci�n de comunidades se realiza mediante la identificaci�n de grupos de nodos relacionados basados en intereses mutuos, caracter�sticas comunes, objetivos o interacciones en una red.�

El presente trabajo se manifiesta un novedoso enfoque de aprendizaje profundo e innovador basado en autocodificadores que son apilados, complementado con el algoritmo de agrupamiento k-means basado en el algoritmo Crow Search (CSA), para descubrir la estructura comunitaria en muchas redes muy complejas. Siguiendo nuestro enfoque, para comenzar se genera una matriz de modularidad para el grafo de entrada. Posteriormente, la matriz de modularidad se pasa a trav�s de una serie de autocodificadores apilados para reducir su dimensionalidad, preservando la topolog�a de la red y optimizando el tiempo de c�lculo del algoritmo propuesto.

Se obtiene una matriz que se utiliza para entrar en un algoritmo de agrupamiento k-means modificado, complementado con la optimizaci�n Crow Search para detectar las comunidades. Se utiliz� la parte optima basada en el algoritmo Crow Search para generar los centroides iniciales del algoritmo k-means, en lugar de generarlos aleatoriamente. Se realiz� un an�lisis experimental exhaustivo en diversos conjuntos de datos muy reales y sint�ticos, siendo evaluados las diversas m�tricas de rendimiento. Si comparamos los resultados obtenidos por el algoritmo con diversos algoritmos de detecci�n de comunidades, tanto tradicionales como actuales.

Los resultados obtenidos revelan que nuestro m�todo propuesto alcanza resultados admirables (Kumar et al., 2022). El objetivo principal es el reconocer patrones y clasificarlos siguiendo un modelo determinado previamente.� Los modelos generativos que tienen mayor aceptaci�n son: de Bayes o Naive Bayes, Auto decodificadores o Variacional autoencoders y las RGA o Generative Adversarial Network (Kumar y Singh, 2023). En el cuadro a continuaci�n se explica su contenido y su contenido.

 

Figura 1

Fuente: (Kumar y Singh, 2023)

 

Al referirnos a la terminolog�a �generativo� se conoce la raz�n de ser del modelo, el mismo que es concebir nueva informaci�n. La parte antag�nica se refiere a la forma activa de car�cter competitivo que relaciona los dos modelos el que genera y el que discrimina. Para generar nuevos datos y que estos se puedan distinguir de los conjuntos de entrenamiento mientras que la parte discriminativa es capaz de distinguir que datos son creados de los que son parte del entrenamiento y as� estos dos modelos se desaf�an constantemente uno al otro ajust�ndose para crear data que sean las m�s reales posibles

�         La IAG o inteligencia artificial generativa en el �mbito de la educaci�n superior: usos y opiniones de los profesores

La inteligencia artificial generativa (IAG) ha suscitado gran inter�s en el �mbito educativo, as� como preocupaciones sobre su mal uso. Este estudio explor� las inquietudes de los docentes sobre su uso, c�mo la han utilizado ellos, las medidas est�n form�ndose y, en general, se realiz� una investigaci�n de tipo cuantitativa, no experimental, de tipo transversal, con alcance exploratorio y descriptivo. Incluy� la elaboraci�n y aplicaci�n de un instrumento tipo cuestionario, as� como su an�lisis de tipo descriptivo.� Se encontr� que los preventivos que adoptan y su formaci�n en el tema.

�docentes: a) est�n preocupados por el riesgo de que ex�menes y tareas sean resueltos con el apoyo de la IAG, b) reconocen los beneficios de la IAG para el an�lisis de datos, la generaci�n de ideas, la redacci�n de actividades de aprendizaje y la creaci�n de materiales did�cticos, destacando el ahorro de tiempo y la mejora en la calidad educativa, c)

perciben capaces de integrar la IAG en sus clases.� Los docentes se muestran �vidos en el uso de la IAG en lo personal y acad�mico, pero en sus clases sienten preocupaci�n sobre los riesgos, aunque a�n no realizan ajustes a sus mecanismos de evaluaci�n (Perezchica-Vega et al., 2024).

�         Sobre el impacto de IAG

En sus clases respecto a la primera de las �reas de revisi�n del instrumento, sobre el impacto de IAG en sus clases,� en� la� Tabla� 1,� Tabla� 2� y� Tabla� 3� encontramos� resultados que nos� hablan� tanto� de� las preocupaciones que los docentes tienen presentes respecto al uso que los estudiantes pueden realizar de la IAG, aspectos m�s amplios de la IAG en el ambiente acad�mico, y los potenciales beneficios o� posibilidades� que� les� interesan� a� los� docentes� respecto� a� la� incorporaci�n� de� la IAG en sus clases. Como podemos observar en la Tabla 1, la principal preocupaci�n est� relacionada con la integridad de los ex�menes, ya sea que se resuelvan completamente o con apoyo de IAG, lo cual sugiere que los educadores est�n m�s preocupados por el impacto de la IAG en la evaluaci�n directa del aprendizaje de los estudiantes.� Las tareas en texto tambi�n son una preocupaci�n notable, particularmente cuando son generadas completamente por IAG, lo que podr�a dificultar la evaluaci�n del trabajo aut�ntico de los estudiantes. En contraste, el uso de IAG para apoyo en tareas de imagen, dise�o de presentaciones y proyectos parece ser visto como menos problem�tico, quiz�s porque estos formatos son menos directamente evaluativos de los conocimientos fundamentales de los estudiantes.� En resumen, las preocupaciones se centran en los aspectos de evaluaci�n directa y la posibilidad de que la IAG comprometa la autenticidad y la integridad acad�mica.

 

Tabla 1 �Cu�l de las siguientes posibilidades le preocupan m�s en cuanto al impacto de la IAG

en la clase?

Fuente: (Perezchica-Vega et al., 2024)

 

Los resultados que podemos observar es la preocupaci�n que se tiene sobre la honestidad acad�mica, destacando la forma de reconocer el grado del uso de la IAG en las actividades estudiantes para asegurarse que la honestidad acad�mica, la misma que es fundamental debido a su afectaci�n directa en la evaluaci�n del desempe�o de cada estudiante. La situaci�n de la �propiedad intelectual� y privacidad representan preocupaciones fuertes, el no saber con certeza sobre la autor�a de materiales generados por IAG y sobre el manejo de informaci�n personal de los alumnos respecto a los educadores se consideran cr�ticos. Tendr�a un impacto negativo en el uso de la IAG cuando se desarrollan competencias en el alumnado. Para concluir, la preocupaci�n sobre la diversidad, equidad e inclusi�n es importante y resulta un problema latente.

 

 

Tabla 2 �Cu�les son los siguientes aspectos le preocupan m�s al uso de IAG por parte de sus estudiantes?

 

Fuente: (Perezchica-Vega et al., 2024)

 

Por otro lado, respecto a los potenciales beneficios o posibilidades que interesan a los docentes respecto a las promesas de la IAG, encontramos en la Tabla 3 que el mayor inter�s se centra en el uso de IAG para el an�lisis de datos de investigaci�n, la generaci�n de apoyos audiovisuales y el dise�o de proyectos, lo que sugiere que los educadores valoran la capacidad de la IAG para facilitar procesos complejos y creativos en la educaci�n. El uso de IAG para generar ideas de soluci�n tambi�n es muy valorado, destacando su potencial para fomentar la creatividad y la resoluci�n de problemas. Aunque la elaboraci�n de documentos y la generaci�n de s�ntesis o res�menes son considerados beneficios �tiles, son vistos como menos prioritarios. El menor inter�s en el uso de IAG para resolver ex�menes refleja una preocupaci�n sobre la integridad y la equidad en las evaluaciones acad�micas, lo cual coincide con los resultados de la Tabla 1. En resumen, los resultados indican un inter�s significativo en las capacidades de la IAG para apoyar en la investigaci�n, la creatividad y la planificaci�n de proyectos, mientras se mantiene una cautela comprensible respecto a su uso en evaluaciones directas como los ex�menes.

�

Opciones	M	Mdn	DE
Ex�menes resueltos por completo con IAG����� ������������� Tareas en texto elaboradas por IAG����������������������������� Ex�menes resueltos con apoyo de IAG������������������������ Tareas en texto apoyadas por IAG������������������������������� S�ntesis o res�menes de apoyo para estudiar elaborados por IAG Dise�o de proyectos con apoyo de IAG�����������������������	3.65 3.48 3.41 3.00 2.98   2.98	4 4 4 3 3   3	1.48 1.28 1.40 1.23 1.27   1.28

Tabla 3. �Cu�les de los siguientes beneficios o posibilidades le interesan m�s sobre la incorporaci�n de IAG por sus estudiantes en sus clases?

Fuente: (Perezchica-Vega et al., 2024)

�

�         Sobre los usos que realizan los docentes de la IAG en contextos profesionales dentro de las instituciones

En�� esta�� secci�n�� del�� instrumento, los�� resultados�� indican�� que�� los�� docentes�� est�n�� m�s familiarizados y utilizan m�s frecuentemente herramientas de generaci�n de texto como Chat GPT y Grammarly (Tabla 4, en comparaci�n con otro tipo de herramientas asociada a la creaci�n

de im�genes, contenidos audiovisuales o de apoyo a la docencia. Estas herramientas son altamente valoradas por su capacidad para mejorar la redacci�n y corregir errores.� Es Chat GPT la m�s conocida/utilizada en opini�n de los participantes, lo cual coincide con que su liberaci�n gratuita es de los momentos que abren el inter�s generalizado por este tipo de aplicaciones, mientras que varias de las herramientas restantes han estado en publicaci�n anteriormente en diferentes art�culos.

 

Tabla 4. �Cu�les de las siguientes IAG conoce y/o ha utilizado?

Fuente: (Perezchica-Vega et al., 2024)

En cuanto a los usos espec�ficos en contextos profesionales (Tabla 5), los docentes encuentran m�s �til la IAG para tareas pr�cticas y cotidianas, como la redacci�n de correos electr�nicos y documentos de trabajo. Sin embargo, tambi�n hay un inter�s significativo en el uso de IAG para generar contenido visual y apoyar en la redacci�n de textos formales y an�lisis de datos de investigaci�n.

 

Tabla 5 �Cu�les de los siguientes usos le da a la IAG como usuario en contextos profesionales?

Fuente:� (Perezchica-Vega et al., 2024)

 

En resumen, los docentes ven un gran valor en la IAG para mejorar la eficiencia y calidad de su trabajo profesional, aunque su uso var�a seg�n el tipo de tarea y la herramienta espec�fica. La menor familiaridad y uso de herramientas de contenido audiovisual y apoyo a la docencia sugiere �reas potenciales para mayor formaci�n y exploraci�n.3.3. Sobre los usos que realizan los docentes de la IAG en contextos acad�micos (docentes) En la secci�n del instrumento que aborda los usos que los docentes realizan en el contexto acad�mico de las herramientas de IAG (Tabla 6), encontramos que los docentes encuentran la IAG particularmente �til para tareas que requieren la creaci�n de contenido estructurado y repetitivo, como materiales did�cticos y actividades de aprendizaje. La integraci�n de la IAG en el aprendizaje de los estudiantes tambi�n es valorada, destacando un enfoque en preparar a los alumnos para trabajar con estas tecnolog�as. Podr�a interpretarse que los docentes ven un gran valor en la IAG para mejorar la eficiencia y la calidad de los materiales educativos y las actividades de aprendizaje, mientras mantienen cierta cautela en su aplicaci�n para la interacci�n directa con los estudiantes y la evaluaci�n. Lo anterior est� respaldado en cierta medida con los resultados encontrados en la Tabla 7, donde los docentes resaltan como beneficios del uso de la IAG en contextos acad�micos, principalmente para ahorro de tiempo o automatizaci�n, preparar a los alumnos en el uso de herramientas novedosas y crear mejores materiales did�cticos y actividades de aprendizaje.

 

Tabla 6 �Cu�les de los siguientes usos le da a la IAG como usuario en contextos acad�micos?

Fuente: (Perezchica-Vega et al., 2024)

 

Tabla 7 �En qu� medida se identifica con los siguientes beneficios del uso de la IAG en contextos acad�micos?

Fuente: (Perezchica-Vega et al., 2024)

����������������������������������������������������������������������

La tabla ocho, muestra que los profesores incorporados de alguna forma al uso de las herramientas de IAG terminan promoviendo entre los estudiantes el uso de las mismas herramientas que ellos ya conocen y han utilizado.� Por esta raz�n, se puede observar en la Tabla 8 resultados donde destacan las mismas herramientas que en la Tabla 4.

 

Tabla 8. En caso de integrar herramientas de IAG en las actividades de aprendizaje para que las utilicen los alumnos, �Cu�les les pide utilizar? (puede seleccionar m�s de una opci�n)

Fuente: (Perezchica-Vega et al., 2024)

 

Las consideraciones sobre este respecto, es que los encuestados puedan evaluar las ventajas en potencia que implican el uso de la IAG en el �mbito escolar, que ya se describ�an en la Tabla 1 y Tabla 2, no en todas las situaciones podemos encontrar acciones o diferentes ajustes que deben atender dichas preocupaciones.� Con referencia a la tabla�� nueve, podemos�� encontrar�� que�� la�� mayor�a�� de�� los�� docentes a�n�� no�� se ajusta significativamente sus mecanismos de evaluaci�n para enfrentar los riesgos asociados con la IAG, que probablemente se deba a la poca o nulas medidas establecidas en el tiempo necesario para adaptarse con facilidad a los diversos cambios tecnol�gicos.� Entre los que pueden realizar ajustes, se destaca la modificaci�n de evaluaciones y el uso de detectores de plagio para garantizar la autenticidad. Al incorporar los rubros de evaluaci�n referentes a la IAG dentro de las pol�ticas de un curso y su implementaci�n en el proceso evaluativo, siendo los menos comunes, lo que sugiere que estos enfoques est�n en una etapa que empieza con la adopci�n. Resumiendo, se puede reconocer las muchas necesidades de ajustes, varios miembros del profesorado no han podido implementar los cambios significativos correspondientes al enfoque que predomina en la adaptaci�n de las evaluaciones y el mantenimiento de la integridad acad�mica.

Los estudios realizados por Chatterjee y Bhattacharjee (2020) Delgado et al. (2024) junto con Garc�a Pe�a et al. (2024), exploraron el uso de innovadoras tecnologias que pueden ser utilizadas en el campo de la educacion, sus resultados indican la tendencia positiva para la generacion de textos. Mientras que existen estudios que previamente abarcaron una variedad de tecnologias, esta investigacion es enfocada especialmente en la IAG y c�mo influye en la ense�anza y el uso de las herramientas convirti�ndose en el futuro de la educacion.

�

Tabla 9. �Qu� ajuste ha realizado en sus mecanismos de evaluaci�n ante los riesgos que supone la IAG para sus clases? (puede seleccionar m�s de una opci�n)

Fuente: (Perezchica-Vega et al., 2024)

�

Se busca conocer sobre preparaci�n y grado de conocimiento que los docentes tienen sobre la IAG. En el momento que las herramientas de IAG cobraron relevancia mundial, los educadores han dado muestra de una variedad de reacciones, desde�� quienes no conocen de ella, hasta�� quienes buscan innovar con el saber utilizar estas herramientas, las que son capaces de resolver problemas, o los que las pone a prueba a fin de valorar su uso en situaciones reales. Debido a esto, es considerado una gran responsabilidad incluso de las propias IES el tener dentro de sus mecanismos para la formaci�n docente que ayuden a orientar a su personal en el conocimiento y dominio de estas herramientas, su correcto uso y aprovechamiento, as� como incorporar en el dialogo a nivel acad�mico sobre las opciones de beneficio y riesgos que propone el uso de la IAG en las gestiones acad�micas. En este sentido, la tabla diez nos revela un valor moderado por parte de los participantes, los mismos que notan la disponibilidad y efectividad de la formaci�n en IAG, sinti�ndola insuficiente, aunque s� expresan una valoraci�n m�s positiva de su capacidad para adaptarse a estas tecnolog�as en su d�a a d�a durante el momento de la ense�anza dentro de la instituci�n.

 

Tabla 10. �C�mo valora los siguientes aspectos?

Fuente: (Perezchica-Vega et al., 2024)

 

Con respecto a la formaci�n recibida (tabla once), se destaca que esta se ha dado principalmente a trav�s de Webinars o conferencias, seguido de la exploraci�n directa de las herramientas, o la inscripci�n a cursos de formaci�n docente dentro de la instituci�n.

�

Tabla 11. �Qu� formaci�n ha recibido respecto al uso de la IAG, su aprovechamiento y como prevenir deshonestidad acad�mica de estudiantes? (seleccionar los 3 principales)

Fuente: (Perezchica-Vega et al., 2024)

 

Tabla 12. �Cu�les de los tipos de formaci�n mencionados le interesan m�s para formarse respecto al uso de la IAG, su aprovechamiento y como prevenir deshonestidad acad�mica de estudiante?

Fuente: (Perezchica-Vega et al., 2024)

 

En la tabla doce, se observan las alternativas formativas de manera muy parecidas, mostrando un genuino inter�s que se enfocan en cursos que formen al profesor, que est�n bien estructurados dentro de la instituci�n, por la exploraci�n directa de herramientas, y en tercer lugar por los Webinars con metodolog�as enforcadas en una formaci�n en las tecnolog�as contempor�neas. Una preocupaci�n latente resultan los aspectos asociados a la propiedad intelectual, sin embargo, se remarca que muchos docentes indicaron que no se han realizado cambios relevantes en la forma de realizar evaluaciones con relacion a la IAG. La necesidad de que se establezcan lineamientos que puedan guiar a la comunidad educativa sobre el uso apropiado que debe darse a esta nuevas tecnologia, para� evitar la� deshonestidad acad�mica.

�         Potenciando la IAG

Gracias al mejoramiento de los atributos de la IAG, al utilizar traductores en cualquier idioma, su capacidad de discernimiento y su aproximaci�n es casi perfecta, pero sobre discriminan el uso formal e informal de los idiomas, incluyendo su forma acad�mica. Este avance sigue creciendo d�a con d�a al punto de conseguir secuencias ling��sticas muy cerca de la perfecci�n.� Estas mejoras se originan desde los aparatos reconocedores de voces y fisionom�as, tales como los asistentes virtuales como: Alexa, relojes biom�tricos, aplicaciones, etc.

Hey Google, chatbots de IA generativa, como ChatGPT, es que procesan preguntas complejas, encuentran informaci�n (Pascual , 2023).� Otra de las ventajas que ofrece ChatGPT es la interacci�n personalizada que, en el caso del aprendizaje de lenguas, puede tener un impacto positivo desde el punto de vista motivacional, entre otros factores, por la facilidad en su uso a nivel tecnol�gico e interactivo (Belda-Medina y Calvo-Ferrer, 2022) la IAG presenta una cuarta dimensi�n que se refiere a la forma como se expone a la lengua� a los nuevos aprendices junto con la oportunidad que sus respectivos docentes puedan orientarlos a trav�s de pr�cticas pedag�gicas y practica en el aula de clase ya sea virtual o presencial (Cabeza-Campillo, 2024).

Los algoritmos son la base fundamental de esta tecnolog�a las cuales facilitan la asignaci�n de tareas, como tareas que son calificadas autom�ticamente, as� como ex�menes virtuales y otro tipo de asignaciones ya sea grupal o individual. (Chaudhry y Kazim, 2022).

Seg�n Huang et al. (2023) a trav�s del an�lisis bibliom�trico de publicaciones sobre IA y ense�anza

de lenguas desde el a�o 2000 hasta 2019, concluyen que la identificaci�n de temas relevantes frecuentes en la literatura especializada sobre la materia. Por �ltimo, el enfrentar los problemas educativos como la confiabilidad en esta tecnolog�a y la aceptaci�n en su uso �tico por parte

de los miembros del proceso acad�mico (Tejero L�pez, 2024), as� como "los desaf�os sociales, como la accesibilidad generalizada� (Dooly y Comas-Quinn, 2024). Existen tres aspectos plenamente identificados en la interacci�n permanente con la IA: oportunidades de contacto con la lengua, adaptaci�n a diferentes perfiles de aprendizaje y el an�lisis sistematizado del material ling��stico (Rabad�n G�mez, 2024).�

Hay m�ltiples y novedosas aplicaciones para el aprendizaje de idiomas que utilizan algoritmos generados por IA para adaptar la experiencia de aprendizaje y determinar el nivel de dificultad de los ejercicios propuestos a cada usuario (Kharwal et al., 2022), por ejemplo, los chat-bots no solo pueden emplearse para interactuar oralmente, sino tambi�n, como se�alan (Sharples y P�rez, 2022), para practicar la escritura creativa, mediante actividades en las que el aprendiente y la herramienta pueden cocrear una historia por turnos, as� como para desarrollar otras habilidades reflexivas como la lectura cr�tica o la argumentaci�n. Otros usos de la IA

en el aprendizaje aut�nomo incluyen participar en una inmersi�n ling��stica digital (Soler Montes y Juan-L�zaro, 2024), resolver dudas y obtener feedback inmediato y personalizado. Todos estos beneficios permiten avanzar en el aprendizaje (Kukulska-Hulme et al., 2024), adapt�ndose al ritmo

del aprendiente (y tambi�n en consonancia con muchas corrientes educativas actuales, que tienden hacia la automatizaci�n de los procesos de aprendizaje, cf., (Dokukina y Gumanova, 2020).�

Seg�n Ellis (2022), la IA tambi�n puede ayudar a los aprendices de lenguas a gestionar la adquisici�n de determinados de los que se habla muy poco (Jara Chiriboga et al., 2025).

Por ejemplo, en el caso de la educaci�n universitaria, Ellis (2022) se refiere al uso de asistentes para crear referencias bibliogr�ficas y los sistemas de detecci�n de plagio.

En relaci�n con los chatbots, Dokukina y Gumanova (2020) resaltan varias ventajas generales relacionadas con el aprendizaje aut�nomo de lenguas.

 

Conclusiones

Se puede concluir que los docentes de esta instituci�n est�n altamente interesados en las bondades que la IAG pueda brindar en el mejor desempe�o de sus trabajos dentro y fuera del aula de clases. Sin embargo, tambi�n reconocen que puede llegar a ser un desaf�o a la hora de llevarlo a la pr�ctica. Una de las principales preocupaciones es que no se ha mostrado ning�n tipo de ajuste en relaci�n con la integridad de los futuros trabajos realizados por los estudiantes utilizando esta tecnolog�a.

A pesar de que la herramienta ChatGPT es muy popular entre docentes y alumnos, su uso en la generaci�n de videos y an�lisis de resultados investigativos, etc., la elaboraci�n de estos est� supeditada a la data obtenida a trav�s de la IAG, resultando insuficiente para aquellos educadores que deben realizar planificaciones y la redacci�n de las diferentes actividades que se realizan en el aula de clases y a nivel administrativo. Aunque los Webinars proveen de informaci�n relevante sobre el uso de estas herramientas de generaci�n de im�genes e informaci�n, aun necesitan m�s tiempo para perfeccionar su manejo y la forma de evaluar los trabajos presentados por los educandos.

Al final, se hace preciso hacer espacios de trabajo para llevar a cabo debates relacionados a la parta �tica y legal de la implementaci�n y relevancia del uso de las IAG en la educaci�n superior. La honestidad acad�mica es una de las primeras aristas sino la m�s importante a la hora de dar paso al cumplimiento sobre �propiedad intelectual�, tomando en cuenta las repercusiones legales que esta implica, cuando la meta es mejorar el proceso de ense�anza aprendizaje en una segunda lengua y la forma de adquirir las competencias para consolidar estos aspectos a fin de conseguir la meta que es innovar a trav�s del uso de la IAG sin afectar los procesos formativos, pr�cticos y evaluativos.

 

Referencias

1.      Andreoli, S., Perillo, L., Aubert, E., y Cherbavaz, M. (2024). Entre humanos y algoritmos: percepciones docentes sobre la exploraci�n con IAG en la Ense�anza del Nivel Superior. . Revista Iberoamericana de Tecnolog�a en Educaci�n y Educaci�n en Tecnolog�a, 37e6, 1-20. https://doi.org/https://doi.org/10.24215/18509959.37.e6

2.      Bernilla Rodr�guez, E. (2024). Docentes ante la inteligencia artificial en una universidad . p�blica del norte del Per�. Educaci�n, 33(64) , 8-28. . https://doi.org/http://dx.doi.org/1018800/educacion.20241.m001

3.      Billy, I., y Anush, H. (2023). A study of the perception of students and instructors on the usage of Artificial Intelligence in education. International Journal of Higher Education Management, 9(2), 66-73. https://doi.org/https://doi.org/10.24052/IJHEM/V09N02/ART-6

4.      Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., Oxley, E., . . . Siemens, G. (2024). A meta systematic review of artificial intelligence in higher education: a call for increased ethics, collaboration, and rigour. International Journal of Educational Technology in Higher Education, 21(1). https://doi.org/https://acortar.link/XnpC9M

5.      Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., . . . Ramesh, A. (2020). Language Models are Few-Shot Learners. arXiv Is Hiring a DevOps Engineer, 4, 1-75. https://doi.org/https://arxiv.org/pdf/2005.14165

6.      Chan, C. Y. (2023). A comprehensive AI policy education framework for university teaching and learning. g. International Journal of Educational Technology in Higher Education, 20(38), 1-25. https://doi.org/https://doi.org/10.1186/s41239-023-00408-3

7.      Chatterjee, S., y Bhattacharjee, K. K. (2020). Adopci�n de inteligencia artificial en la educaci�n superior: un an�lisis cuantitativo utilizando modelos de ecuaciones estructurales. Educ Inf Technol, 25 , 3443�3463. https://doi.org/https://doi.org/10.1007/s10639-020-10159-7

8.      Delgado, N., Carrasco, L. C., de la Maza, M. S., y Etxabe-Urbieta, , J. M. (2024). Aplicaci�n de la Inteligencia Artificial (IA) en Educaci�n: Los beneficios y limitaciones de la IA percibidos por el profesorado de educaci�n primaria, educaci�n secundaria y educaci�n superior. Revista electr�nica interuniversitaria de formaci�n del profesorado, 27(1), , 27(1), 207-224. https://doi.org/https://revistas.um.es/reifop/article/view/577211

9.      Firat, M. (2023). ChatGPT means for universities: Perceptions of scholars and students. Journal of Applied Learning and Teaching, 6(1), 57-63. https://doi.org/https://doi.org/10.37074/jalt.2023.6.1.22

10.  Flores, R. R., y Pe�a, M. (2024). Aprendizaje Basado en Modelizaci�n asistido con Inteligencia Artificial en las Ciencias Naturales: Propuesta de intervenci�n neurodid�ctica. Revista Pr�xis Educativa, 19. https://doi.org/https://doi.org/10.5212/PraxEduc.v.19.22722.011

11.  Gallent , C. T., Zapata Gonz�lez, A., y Ortego Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educaci�n superior: una mirada desde la �tica y la integridad acad�mica. RELIEVE - Revista Electr�nica De Investigaci�n Y Evaluaci�n Educativa, 29(2), El impacto de la inteligencia artificial generativa en educaci�n superior: una mirada desde la �tica y la integridad acad�mica . RELIEVE - Revista Electr�nica De Investigaci�n Y Evaluaci�n Educativa, 29(2). https://doi.org/DOI: https://doi.org/10.30827/relieve.v29i2.29134

12.  Garc�a Pe�a, V. R., Pineda Maigua, J. S., Mendoza Villamar, R. A., Maldonado Echeverr�a, G. E., y Caisaguano Revelo, M. D. (2024). Uso de aplicaciones de Inteligencia Artificial en la educaci�n superior, su normalizaci�n y regularizacion. C�digo Cient�fico. Revista de investigaci�n, 5(2), 1358-1378. https://doi.org/DOI / URL: https://doi.org/10.55813/gaea/ccri/v5/n2/617

13.  Garc�a-Cuevas, J., Alor-D�vila, L., y Cisneros-Del Toro, Y. (2023). Percepci�n de los tutores virtuales sobre el impacto de la inteligencia artificial en la educaci�n universitaria. Company Games & Business Simulation Academic Journal, 3(1), 49-58. . https://doi.org/http://bit.ly/3RX6Tmo

14.  Intel. (21 de 4 de 2025). Tecnolog�as que facilitan la inteligencia artificial (IA) en la educaci�n superior. INTEL: https://www.intel.la/content/www/xl/es/education/highered/artificial-intelligence.html

15.  Khani, M., Luo, J., Assadi Shalmani, M., Taleban, A., Adams, J., y Friedland, D. (2024). Avanzar en la atenci�n sanitaria personalizada: Aprovechamiento de la IA explicable para la evaluaci�n del riesgo de VPPB. Health Information Science and Systems, 1, 13(1),. https://doi.org/https://doi.org/10.1007/s13755-024-00317-3

16.  Kumar , L., y Singh, D. (2020 de Abril de 2023). Redes Generativas Antag�nicas y sus aplicaciones. Especialista en Inteligencia de Datos orientada a Big Data. Universidad Nacional de la Plata, La Plata. Research Gate: https://www.researchgate.net/publication/358780409_Redes_Generativas_Antagonicas_y_sus_aplicaciones

17.  Kumar, S., Mallik, A., y Sengar, S. S. (2022). Community detection in complex networks using stacked autoencoders and crow search algorithm. The Journal of Supercomputing, 79(7), 1-28. https://doi.org/DOI: 10.1007/s11227-022-04767-y

18.  Liu, S. (2023). Audio-Driven Talking Face Generation: A Review. Journal of the Audio Engineering Society, 71(7/8), 408-419. https://doi.org/DOI: 10.17743/jaes.2022.0081

19.  Min, D., Song, M., Ko, E., y Hwang, S. (2022). StyleTalker: One-shot Style-based Audio-driven Talking Head Video Generation. arXiv Is Hiring a DevOps Engineer. https://doi.org/http://doi.org//1048550/arxiv.org/abs/2208.10922

20.  Perezchica-Vega, J. E., Sep�lveda-Rodr�guez, J. A., y Rom�n-M�ndez, A. D. (2024). Inteligencia artificial generativa en la educaci�n superior: usos y opiniones de los profesores. Generative artificial intelligence in higher education: uses and opinions of teachers]. European Public & Social Innovation Review, 9, 1-20. https://doi.org/DOI: https://doi.org/10.31637/epsir-2024-593

21.  Salmer�n Moreira, , Y., Luna Alvarez, H., Murillo Encarnacion, W., y Pacheco G�mez, V. (2023). El futuro de la Inteligencia Artificial para la educaci�n en las instituciones de Educaci�n superior. Conrado,, 19(93),, 27-34. https://doi.org/https://conrado.ucf.edu.cu/index.php/conrado/article/view/3156

22.  Segura, F., Segura, F., Zudaire, M., y Segura, F. (2024). Avances en Inteligencia Artificial para la clasificaci�n automatizada de la artrosis de rodilla mediante el sistema IKDC. European Journal of Orthopaedic Surgery & Traumatology, 32, 35(1). https://doi.org/https://doi.org/10.1007/s00590-024-04124-0

23.  Sengar, S. S., Hasan, A. B., Kuma, S., y Carroll, F. (2024). Generative artificial intelligence: a systematic review and. Multimedia Tools and Applications, 1-40. https://doi.org/https://doi.org/10.1007/s11042-024-20016-1

24.  UNIR. (noviembre de 14 de 2024). Inteligencia Artificial Generativa: qu� es y c�mo funciona. UNIR: https://ecuador.unir.net/actualidad-unir/inteligencia-artificial-generativa/

25.  Vit�n-Castillo , A. A., River�n-Carralero , W. J., Hern�ndez-Garc�a , F., Lazo-Herrera , L. A., y Rivero-Morey, R. J. (2022). Factores asociados a la publicaci�n por miembros de grupos cient�ficos estudiantiles en universidades m�dicas cubanas. Revista Cubana de Medicina Militar, 51.2. https://doi.org/http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0138-65572022000200012&lng=es.

26.  Wiliam, R. (2024). The ethical implications of using generative chatbots in higher education. Frontiers in Education, 8, 05-06. https://doi.org/https://doi.org/10.3389/feduc.2023.1331607

27.  Zhang, Z., Li, L., Ding, Y., y Fan, C. (2021). Flow-guided One-shot Talking Face Generation with a High-resolution. Research Gate. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Nashville, TN, USA,, pp. 3660-3669. https://doi.org/DOI: 10.1109/CVPR46437.2021.00366

 

 

 

 

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).