Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
DOI: https://doi.org/10.46296/rc.v6i12edespoct.0168  
Aplicación de la inteligencia artificial en el aprendizaje universitario  
Application of artificial intelligence in university learning  
Toro-Espinoza Marcos Fernando  
Universidad de Guayaquil. Guayaquil, Ecuador.  
Correo: marcos.toroe@ug.edu.ec  
ORCID ID: https://orcid.org/0000-0003-0454-0568  
Montalván-Espinoza Jannina Alexandra  
Universidad de Guayaquil. Guayaquil, Ecuador.  
Correo: jannina.montalvanes@ug.edu.ec  
ORCID ID: https://orcid.org/0000-0001-5655-5273  
Masabanda-Vaca Mercedes Alexandra  
Investigador Independiente. Guayaquil, Ecuador.  
Correo: mercedesmasabanda@hotmail.com  
ORCID ID: https://orcid.org/0009-0009-4060-3416  
RESUMEN  
Se subraya el papel transformador de la inteligencia artificial (IA) en la educación universitaria.  
Empleando conceptos clave de redes neuronales artificiales (RNA) y el procesamiento del  
lenguaje natural (PLN), el estudio investiga cómo la IA puede mejorar y revolucionar la  
enseñanza y el aprendizaje de los estudiantes universitarios. Expone la aplicación de asistentes  
virtuales y evaluación automática como ejemplos de la integración eficaz de la IA. También  
analiza la relevancia de IA y PLN en proporcionar experiencias de aprendizaje personalizadas y  
retroalimentación instantánea. En la conclusión, se enfatiza la necesidad de un enfoque  
estratégico al incorporar la IA en la educación para maximizar sus beneficios sin comprometer la  
calidad y equidad educativa. Guiado por una metodología de revisión bibliométrica, el artículo  
supone una contribución significativa para investigadores y educadores interesados en la  
intersección entre tecnología y educación.  
Palabras claves: inteligencia artificial, procesamiento del lenguaje natural, herramientas de IA  
para educación, técnicas de supervisión de IA, educación superior.  
ABSTRACT  
The article highlights the transformative role of artificial intelligence (AI) in higher education. Using  
key concepts of artificial neural netwoewtl language processing (NLP), the study investigates how  
AI can enhance and revolutionize university student teaching and learning. It presents the use of  
virtual assistants and automatic assessment as examples of effective AI integration. It also  
discusses the relevance of AI and NLP in providing personalized learning experiences and instant  
feedback. In conclusion, it emphasizes the need for a strategic approach to incorporating AI in  
education to maximize its benefits without compromising educational quality and equity. Guided  
Información del manuscrito:  
Fecha de recepción: 05 de julio de 2023.  
Fecha de aceptación: 20 de septiembre de 2023.  
Fecha de publicación: 16 de octubre de 2023.  
1
53  
Toro-Espinoza et al. (2023)  
by a bibliometric review methodology, the article makes a significant contribution to researchers  
and educators interested in the intersection of technology and education.  
Keywords: artificial intelligence, natural language processing, AI tools for education, AI  
supervision techniques, higher education.  
1. INTRODUCCIÓN  
Este estudio se enfoca inicialmente en presentar los conceptos fundamentales  
de la IA, como las redes neuronales artificiales (RNA) y el procesamiento del  
lenguaje natural (PLN). El objetivo es asentar las bases teóricas necesarias para  
el lector, facilitando una comprensión clara de los conceptos e ideas que se  
tratan más adelante en el texto. Posteriormente, se analizan sus posibles  
aplicaciones en el ámbito universitario y se proporciona una visión detallada de  
las herramientas online con IA más utilizadas para complementar la educación.  
El problema principal que este estudio busca resolver es cómo la IA puede  
mejorar de forma efectiva y disruptiva la enseñanza, el aprendizaje y la  
experiencia general de los estudiantes universitarios. A fin de abordar este  
problema, se realiza un análisis exhaustivo de diversas aplicaciones, como  
asistentes virtuales académicos y la evaluación automática de trabajos escritos  
y exámenes, examinando sus ventajas y desafíos asociados.  
Este estudio busca responder a la pregunta de investigación clave: ¿Cuál es el  
potencial real de la IA para transformar y optimizar la educación superior, y cómo  
se pueden alcanzar estos beneficios sin comprometer la calidad y equidad en el  
proceso de enseñanza y aprendizaje? Para ello, se analizan los hallazgos de  
una serie de investigaciones que arrojan luz sobre las posibilidades existentes  
hasta el momento. Además, se proporcionan recomendaciones para optimizar y  
aprovechar al máximo las futuras herramientas de IA en el contexto universitario.  
Método  
Este trabajo se fundamenta en las técnicas bibliométricas para su realización.  
Según Tomás-Górriz y Tomás-Casterá (2018) la bibliometría es responsable de  
llevar a cabo el análisis cuantitativo de los trabajos científicos, lo que la convierte  
1
54  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
en una herramienta clave en la comprensión de la actividad investigadora. Ofrece  
información útil para medir el desempeño y el efecto de la investigación en  
situaciones particulares.  
La metodología de este estudio consistió en buscar y recopilar literatura  
relacionada con el tema "Aplicación de la inteligencia artificial en el aprendizaje  
universitario". Como parte de este proceso, se realizó una revisión documental  
de materiales pertinentes, recurriendo a archivos digitales accesibles en webs  
de reconocido prestigio.  
El enfoque bibliométrico empleado implicó el uso de palabras clave en la  
búsqueda, tales como: inteligencia artificial, procesamiento de lenguaje natural,  
herramientas de IA para educación, técnicas de supervisión de IA, entre otras.  
Cabe destacar, sin embargo, que la elección de la muestra bibliográfica no  
pretendía ser representativa, sino que se basó en criterios de discrecionalidad  
en función del tema abordado en la investigación.  
2
. DESARROLLO  
Inteligencia artificial  
A pesar de su reciente explosión de interés, la inteligencia artificial se ha estado  
desarrollando desde finales del siglo XIX. Es crucial comprender su historia y  
funcionamiento para tener una visión precisa de su impacto futuro en la sociedad  
y en la educación superior de los próximos años.  
El origen de la inteligencia artificial se encuentra en los avances pioneros  
realizados por investigadores a lo largo de la historia. Según National Geographic  
España (2023), los primeros trabajos en esta disciplina se remontan a la década  
de 1940. Sin embargo, fue en 1956 cuando se llevó a cabo la histórica  
conferencia de Dartmouth en Estados Unidos, considerada el punto de partida  
oficial de la inteligencia artificial como campo de estudio. Durante este evento,  
un grupo de científicos y matemáticos se reunió con el objetivo de explorar la  
posibilidad de crear máquinas inteligentes.  
Alan Turing fue una figura fundamental en los avances de la inteligencia artificial,  
según la misma fuente, en 1950 Turing publicó el influyente trabajo titulado  
1
55  
Toro-Espinoza et al. (2023)  
"
Computing Machinery and Intelligence". En este artículo, propuso el famoso  
Test de Turing, que presentaba un método para evaluar la inteligencia de una  
máquina. Este trabajo sentó las bases conceptuales para la inteligencia artificial  
y continúa teniendo relevancia en la actualidad.  
Es cierto que la inteligencia artificial se ha estado desarrollando formalmente  
desde 1956. Sin embargo, los avances verdaderamente significativos que  
pueden cambiar el paradigma en la forma en que las personas interactúan con  
la tecnología se han producido recientemente. La razón de esto radica en que,  
en los inicios de la investigación en inteligencia artificial, los seres humanos no  
tenían suficiente poder de cálculo ni avances adecuados en electrónica.  
No obstante, en la actualidad, hemos experimentado un cambio significativo,  
dispositivos tan arraigados a nuestra vida cotidiana, como los smartphones,  
poseen ahora la potencia de cómputo necesaria para ejecutar algoritmos de  
inteligencia artificial. Este cambio ha permitido un mayor impacto y una  
transformación en la forma en que interactuamos con la tecnología.  
Con el contexto previo podríamos definir a la inteligencia artificial como la  
capacidad de las máquinas o sistemas de software para realizar tareas que  
normalmente requerirían la intervención humana; utilizando algoritmos y  
modelos de datos para aprender, adaptarse y tomar decisiones basadas en  
patrones y experiencias previas. El objetivo de la inteligencia artificial es emular  
la inteligencia humana, permitiendo a las máquinas realizar tareas complejas de  
manera eficiente y autónoma.  
Compartiendo la opinión de Ortiz et al. (2023) que consideran que, la inteligencia  
artificial, al igual que tecnologías pasadas, emerge como una aptitud creada con  
capacidad para transformar profundamente a la humanidad, integrándose en  
nuestra vida diaria. Según el Parlamento Europeo (2022) en su informe  
"
Inteligencia Artificial en la Era Digital", la IA juega un papel esencial en la cuarta  
revolución industrial impulsando la economía digital, fomentando innovación y  
teniendo el potencial de generar más de 11 billones de euros para 2030. Aun así,  
resalta la importancia de enfocarse en el ser humano, preservar la autonomía y  
garantizar la inclusión social."  
1
56  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
Redes neuronales artificiales (RNA).  
Partiendo del trabajo realizado por García et al. (2019), podemos definir una red  
neuronal artificial como un modelo computacional, inspirado en el  
funcionamiento del cerebro humano, utilizado para procesar información,  
identificar patrones y realizar aprendizaje automático.  
Las redes neuronales artificiales fundamentan su operación en perceptrones,  
que son equivalentes digitales de las neuronas en nuestro cerebro. Al conectar  
estos perceptrones, se construyen las RNA, tal como se puede ver en la Figura  
1
.
Figura 1. Representación y equivalencias de las RNA  
Fuente: Elaborado a partir de Zhang et al. (2019)  
1
57  
Toro-Espinoza et al. (2023)  
Procesamiento del Lenguaje Natural  
El procesamiento del lenguaje natural (PLN), es una disciplina híbrida que  
entrelaza la lingüística con la inteligencia artificial, facilitando un enfoque más  
detallado en actividades como el filtrado, la interpretación, el análisis y la  
identificación de la información (Bonet, 2023).  
Los sistemas de PLN pueden desempeñar un papel significativo en la educación  
superior al facilitar una enseñanza más personalizada, eficiente y accesible. A  
través del análisis e interpretación de patrones en texto y conversaciones, el PLN  
puede mejorar el proceso de aprendizaje al dirigirse específicamente a las áreas  
de interés o debilidad de cada estudiante.  
Las herramientas de PLN presentan un doble beneficio en la educación superior:  
por un lado, asisten a profesores y alumnos en la navegación por la ingente  
cantidad de información, facilitando la identificación de recursos relevantes y  
ajustados a sus necesidades académicas. Por otro lado, apoyan el desarrollo de  
habilidades lingüísticas y de escritura al optimizar las actividades de evaluación,  
proporcionando retroalimentación instantánea y específica a los estudiantes, al  
mismo tiempo que alivian la carga de trabajo de los docentes.  
El PLN tiene la capacidad de realzar el ámbito de la educación superior al  
abordar y mejorar varios aspectos del proceso de enseñanza y aprendizaje,  
resultando en una experiencia académica más eficiente y gratificante para todas  
las partes involucradas. No obstante, implementar el PLN como una solución  
aislada podría resultar insuficiente en el ámbito educativo, es esencial orientar  
su uso hacia áreas específicas y desarrollar estrategias pedagógicas holísticas  
para maximizar sus beneficios.  
En consecuencia, a continuación, discutiremos varias propuestas y herramientas  
online encaminadas a potenciar la educación superior a través del uso  
estratégico del PLN.  
Asistente virtual académico  
Un asistente virtual es muy manera muy didáctica de interactuar con alumnos,  
en este sentido utilizaremos la experiencia y datos recolectados por González y  
Mateo (2022) su implementación de un asistente virtual para la resolución de  
1
58  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
dudas sobre los procesos académicos en la Universidad Politécnica Salesiana  
ha demostrado resultados prometedores. Utilizando inteligencia artificial y  
procesamiento de lenguaje natural, este asistente ha proporcionado una manera  
efectiva y didáctica para interactuar con los alumnos.  
Las siguientes Figuras 2 y 3 presentan algunos de los resultados obtenidos de  
este estudio.  
Figura 2. Tiempos de cada usuario para comprender la aplicación  
Fuente: González y Mateo (2022)  
Figura 3. Valoración final de la aplicación  
Fuente: González y Mateo (2022)  
Estos resultados muestran que un asistente virtual puede ser una herramienta  
eficaz en un entorno académico, proporcionando asistencia inmediata y  
relevante a las consultas de los estudiantes. Virtualmente, estos asistentes  
pueden desempeñar un papel clave en mejorar la eficiencia de los procesos  
académicos y mejorar la experiencia general de los estudiantes.  
Evaluación automática de trabajos escritos y exámenes  
En el exigente mundo académico, la corrección y evaluación de actividades y  
exámenes es indiscutiblemente una de las labores que más tiempo consume a  
1
59  
Toro-Espinoza et al. (2023)  
los docentes. Aunque este proceso es esencial, la posibilidad del error humano  
siempre está latente. En consecuencia, es razonable considerar la aplicación de  
la inteligencia artificial para agilizar y elevar la precisión de las evaluaciones  
académicas.  
La rápida expansión y las prometedoras capacidades de la IA nos llevan a  
reflexionar sobre su integración en el proceso de evaluación académica. Sin  
embargo, surge una pregunta legítima: ¿Son los softwares disponibles  
actualmente aptos para realizar adecuadamente esta tarea? La implementación  
de la IA en este contexto se enfrenta a un riguroso examen dado que no sólo  
consiste en reemplazar un proceso tradicional, sino que debe garantizar mejoras  
objetivas en la eficiencia y precisión del proceso de evaluación.  
Para elucidar esta pregunta crucial, recurrimos a los resultados del estudio de  
Carrasco et al. (2023) en su escrutinio, los autores le realizaron a ChatGPT, una  
de las inteligencias artificiales más avanzadas basada en el Procesamiento de  
Lenguaje Natural (NLP), una serie de pruebas. Esta IA se enfrentó a la tarea de  
responder preguntas del examen Médico Interno Residente (MIR), una de las  
evaluaciones emblemáticas en el campo médico en España.  
Los hallazgos resultantes de esta evaluación experimental de la IA brindan una  
perspectiva significativa sobre su potencial en el ámbito de la evaluación  
académica. Específicamente, las Figura 4 y 5 ilustran los resultados que revelan  
la capacidad de acierto de ChatGPT al responder al examen MIR.  
Figura 4. Porcentaje de acierto de ChatGPT en el examen MIR 2022 por tipo de  
especialidad/asignatura  
Fuente: Carrasco et al. (2023)  
1
60  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
Figura 5. Porcentaje de acierto de ChatGPT en el examen MIR 2022 según el contenido de la  
pregunta  
Fuente: Carrasco et al. (2023)  
Carrasco et al (2023) concluye que “la herramienta ChatGPT ha sido capaz de  
acertar de manera correcta el 51,4% de las preguntas. Este porcentaje aumenta  
al 54,8% al analizar únicamente las preguntas que no tenían ninguna imagen  
asociada (185 preguntas)” (p. 58).  
En su investigación con bases de datos de preguntas del United States Medical  
Licensing Examination (USMLE), Gilson et al. (2023) lograron una tasa de acierto  
del 60% utilizando un sistema de inteligencia artificial, este porcentaje es  
generalmente la marca de aprobación de la prueba y es equivalente al nivel  
académico de un estudiante de medicina de tercer año en los Estados Unidos.  
Siguiendo una línea de investigación similar a los estudios mencionados  
previamente, Sun (2023) también exploró la eficacia de ChatGPT en un  
escenario de examen académico. En este caso, la IA se enfrentó a un examen  
de parasitología junto a los estudiantes de medicina, los resultados mostraron  
una tasa de acierto del 60,8% para ChatGPT, en comparación con el 90,8%  
obtenido por los estudiantes.  
Los resultados de las últimas dos investigaciones pueden parecer bajos, sin  
embargo, con esos datos ChatGPT supera a otras alternativas similares,  
mejorando resultados como los obtenidos por Jin et al. (2021) y (Ha y Yaneva,  
2
019).  
1
61  
Toro-Espinoza et al. (2023)  
Herramientas de I.A para la educación superior  
Las soluciones impulsadas por inteligencia artificial están revolucionando el  
panorama de la educación superior, proporcionando métodos disruptivos e  
innovadores para optimizar la enseñanza, el aprendizaje y mejorar la vivencia  
estudiantil.  
En la Tabla 1 se proporciona un resumen sintetizado de algunas de las  
herramientas de IA más destacadas empleadas en el campo de la educación  
superior, basado en Vera (2023).  
Tabla 1. Herramientas que pueden ayudar a la complementación de la educación superior.  
Herramienta  
Descripción  
Plagscan permite la detección de plagio en trabajos académicos, gracias a su  
potente análisis basado en I.A y amplia base de datos, permite a profesores y  
estudiantes confirmar la originalidad de sus investigaciones. De esta manera,  
Plagscan contribuye a mantener un entorno académico ético, alentando el  
pensamiento crítico y genuino, características fundamentales en la formación  
de profesionales competentes y responsables. https://www.plagscan.com/es/  
Una herramienta comparable a Plagscan, empleada para identificar plagio en  
trabajos académicos. Esta colabora en el hallazgo de posibles equivalencias  
con diversas fuentes en línea y bases de datos adicionales, al mismo tiempo  
que ofrece a los estudiantes retroalimentación constructiva sobre la  
Plagscan  
Turnitin  
ChatGPT  
Socrative  
autenticidad  
y
unicidad  
de  
sus  
producciones  
académicas.  
https://www.turnitin.com/es  
ChatGPT es una herramienta de inteligencia artificial que puede beneficiar  
significativamente la educación superior. Al ser capaz de entender y generar  
texto en lenguaje natural, se convierte en un recurso interactivo que puede  
ayudar a los estudiantes a aclarar dudas, expandir conocimientos o incluso  
revisar y corregir trabajos académicos. https://chat.openai.com/  
Socrative es una herramienta interactiva creada para la educación, está  
diseñada para involucrar a los estudiantes y mejorar la comprensión del  
contenido a través de actividades en tiempo real. Permite a los profesores  
crear quizzes, encuestas y debates que pueden utilizarse para evaluar el  
conocimiento  
y
generar  
retroalimentación  
constructiva.  
https://www.socrative.com/  
Brainly es una plataforma de aprendizaje colaborativo basado en IA que puede  
ser un recurso valioso en la educación superior. Ofrece a los estudiantes un  
espacio donde pueden plantear preguntas y recibir respuestas de otros  
estudiantes en todo el mundo. Además, permite a los alumnos participar en  
debates académicos, fomentando el pensamiento crítico y la elaboración de  
ideas. https://brainly.lat/  
Brainly  
Google Classroom es una herramienta basada en IA que facilita la  
organización y el flujo de trabajo en entornos de educación. Como plataforma  
de gestión de aprendizaje, permite a los profesores crear, distribuir y calificar  
tareas de manera eficiente, mientras se integra con otras aplicaciones de la  
suite de Google. Los estudiantes pueden acceder a material de estudio,  
Google  
Classroom  
1
62  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
entregar tareas, colaborar en tiempo real y recibir retroalimentación directa de  
sus docentes. https://classroom.google.com/  
Fuente: Creado a partir de Vera (2023).  
A partir del análisis que hemos realizado de la tabla 1, podemos llegar a una  
conclusión significativa: no son conjeturas o proyecciones futuristas, la  
inteligencia artificial ya tiene aplicaciones diseñadas específicamente para  
entornos educativos. La IA ya está teniendo un impacto considerable en la  
experiencia universitaria de muchos estudiantes alrededor del mundo. No  
obstante, es importante resaltar que su despliegue no ha sido uniforme en todas  
las instituciones académicas a nivel mundial. En consecuencia, es esencial que  
enfoquemos nuestros esfuerzos en optimizar estas herramientas de IA y  
personalizarlas para maximizar su efectividad y utilidad.  
En consecuencia y debido a que ChatGPT es una de las herramientas de IA más  
populares, según Shubham (2023), debido a su habilidad para responder con  
naturalidad, asemejándose en gran medida a la interacción humana, resulta  
valioso aportar sugerencias para mejorar su utilización en el ámbito de la  
educación superior. Estas proposiciones se encuentran detalladas en la Tabla 2.  
Tabla 2. Aplicaciones del ChatGPT como asistente virtual  
Aplicación  
Descripción  
Esta herramienta es capaz de brindar asesoría virtual inmediata a los  
estudiantes. Mediante respuestas a indagaciones y simplificación de  
ideas complejas, facilita una experiencia de aprendizaje de manera  
personalizada y efectiva.  
Tutoría virtual  
Puede analizar la estructura de los textos, sugerir mejoras y proveer  
correcciones, contribuyendo al desarrollo de habilidades de escritura  
eficaces en los estudiantes.  
Retroalimentación  
de escritura  
Con su IA avanzada, se erige como una herramienta capaz de asistir a  
los estudiantes en la planificación de estudios, elección  
y
recomendaciones de cursos y programas de estudio, así como en la  
orientación sobre requisitos de graduación. Este enfoque integral e  
informativo contribuye al éxito académico y permite a los estudiantes  
trazar eficientemente su trayectoria educativa.  
Asesoramiento  
académico  
Fuente: Creado a partir de Vera (2023)  
Supervisión de las herramientas de IA  
Valverde (2021) destaca que, desde 2018, se han producido significativos  
avances tecnológicos en gran variedad de sectores económicos e industriales.  
Según este autor, esto podría sugerir que las máquinas reemplazarán gran parte  
1
63  
Toro-Espinoza et al. (2023)  
del trabajo humano, se debería ver como una oportunidad en lugar de una  
amenaza.  
Aunque la industria, la economía y nuestra vida cotidiana han cambiado  
vertiginosamente con la tecnología, la educación ha experimentado cambios  
mínimos en comparación. Este desajuste entre el sistema educativo y la realidad  
del mundo moderno requiere atención.  
Necesitamos un cambio educativo disruptivo impulsado por inteligencia artificial  
que transforme las aulas en espacios de colaboración y experimentación. Este  
enfoque permitiría a los estudiantes explorar nuevas formas de aprendizaje,  
ampliar sus habilidades y fortalecer su inteligencia emocional. Al incluir la  
inteligencia artificial en la educación, podremos cerrar la brecha actual y preparar  
a los estudiantes para un mundo cada vez más tecnológico.  
Siguiendo la línea de pensamiento de Valverde (2021), y enriqueciéndola con  
ideas previamente exploradas, mientras incorporamos la perspectiva de Rojas y  
Rudy (2021), proponemos la integración de la inteligencia artificial en tres  
aspectos centrales de la educación. Esta integración tiene como objetivo  
optimizar y transformar las metodologías de enseñanza y aprendizaje tanto  
presentes como futuras. Los aspectos que se proponen son: el aprendizaje  
supervisado, el aprendizaje no supervisado y el aprendizaje reforzado.  
Aprendizaje supervisado  
Partiendo del concepto de Joyanes (2019) podemos decir que el aprendizaje  
supervisado exige la guía humana para discernir aciertos y errores en numerosas  
aplicaciones informáticas, aportando la semántica esencial para el aprendizaje  
algorítmico.  
Aplicar el aprendizaje supervisado es un enfoque que permite a las IA educarse  
bajo la orientación humana, aprendiendo a discernir entre lo correcto e  
incorrecto. En el entorno académico, esto implica aprender y adaptarse a las  
complejidades de la pedagogía y ajustarse a las necesidades educativas  
individuales de los estudiantes.  
Esto permite una enseñanza personalizada, mejora la interacción educativa y  
contribuye en gran medida a avanzar en la educación digital. De esta manera,  
1
64  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
las IA se convierten en herramientas poderosas para complementar y enriquecer  
el proceso de enseñanza-aprendizaje en la educación superior, ver Figura 6.  
Figura 6. Diagrama de flujo del aprendizaje supervisado  
Fuente: (Bustamanete, 2021)  
Aunque aplicar el aprendizaje supervisado a la IA en la educación superior tiene  
muchos beneficios, también trae consigo ciertas complejidades y desventajas:  
•
Recolección y etiquetado de datos: para que las IA puedan aprender de  
manera efectiva a través de la supervisión, necesitan acceso a grandes  
conjuntos de datos educativos, que son etiquetados adecuadamente. Esto  
puede requerir muchas horas de trabajo humano y una colaboración  
cuidadosa entre educadores y científicos de datos.  
•
•
Tiempo y recursos: El entrenamiento de la IA implica tiempo y recursos  
significativos. Estos pueden ser prohibitivos para las instituciones  
educativas, especialmente las que ya tienen presupuestos ajustados.  
Privacidad de los datos: recopilar y utilizar los datos de los estudiantes  
para entrenar la IA plantea preocupaciones de privacidad que deben ser  
manejadas adecuadamente para evitar violaciones de la privacidad y  
garantizar el cumplimiento de las leyes y regulaciones de protección de  
datos.  
•
Sobre dependencia en la IA: existe el riesgo de que los educadores y  
estudiantes se vuelvan demasiado dependientes de la IA, lo que podría  
disminuir la participación e interacción humana en el proceso educativo.  
1
65  
Toro-Espinoza et al. (2023)  
La IA debe ser usada como una herramienta para complementar, no  
reemplazar, a los instructores humanos.  
Estas desventajas y desafíos no disminuyen el enorme potencial de la IA en la  
educación superior, pero requieren medidas prudentes y una implementación  
cuidadosa.  
Aprendizaje no supervisado  
El aprendizaje no supervisado se refiere a un método de entrenamiento donde  
se presenta a una red una multiplicidad de ejemplos sin indicaciones explícitas  
sobre qué debe identificar. En cambio, se le permite a la red aprender a discernir  
características y agruparlas con ejemplos afines, lo que faculta la visión de  
agrupaciones, conexiones o patrones escondidos en los datos, ver Figura 7.  
La naturaleza autónoma del aprendizaje no supervisado también permite a los  
modelos evolucionar y adaptarse a entornos educativos en constante cambio.  
Estos modelos pueden identificar áreas problemáticas  
y
realizar  
recomendaciones pertinentes, como proporcionar estrategias personalizadas a  
estudiantes que enfrentan dificultades o señalar temas que podrían necesitar  
mayor atención y tiempo para ser comprendidos.  
Figura 7. Diagrama de flujo del aprendizaje no supervisado  
Fuente: (Bustamanete, 2021)  
1
66  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
Crear inteligencias artificiales en la educación superior mediante el uso del  
aprendizaje no supervisado puede presentar algunas desventajas o  
complejidades.  
•
Calidad de los datos: el aprendizaje no supervisado depende de la calidad  
de los datos para producir resultados útiles. Si los datos de entrada son  
incorrectos o están mal recopilados, esto puede generar resultados  
inexactos o incluso engañosos.  
•
Interpretación de resultados: el aprendizaje no supervisado puede  
identificar patrones y conexiones en los datos que podrían no ser  
inmediatamente obvios para los humanos. Si bien esto puede conducir a  
ideas sorprendentes, también puede dificultar la interpretación de los  
resultados.  
•
•
Tiempo y recursos: aunque el aprendizaje no supervisado puede ser más  
eficiente en términos de no requerir datos etiquetados, el proceso de  
entrenamiento y ajuste del modelo aún puede llevar mucho tiempo y  
consumir muchos recursos de computación, especialmente con conjuntos  
de datos grandes.  
Falta de control: con el aprendizaje supervisado, los humanos tienen un  
control directo sobre lo que el modelo aprende al proporcionar las  
"
respuestas correctas" a través de los datos etiquetados. En el  
aprendizaje no supervisado, los modelos deciden qué aprenden  
basándose únicamente en los datos de entrada, lo que puede dar lugar a  
resultados indeseados o inesperados.  
•
Problemas de privacidad: los sistemas de aprendizaje no supervisados a  
menudo requieren grandes cantidades de datos para funcionar  
eficazmente, lo que puede plantear problemas de privacidad,  
particularmente en el ámbito educativo donde se manejan datos sensibles  
de los estudiantes.  
Aunque el aprendizaje no supervisado tiene un gran potencial para mejorar la  
educación superior, también puede presentar desafíos significativos que  
necesitan ser abordados cuidadosamente.  
1
67  
Toro-Espinoza et al. (2023)  
Aprendizaje reforzado  
Machicao (2020) considera que el aprendizaje reforzado se basa en un contexto  
o entorno específico donde un agente aprende a decidir sus acciones. Este  
agente cambia continuamente el estado del entorno basándose en una  
recompensa acumulativa, operando a lo largo de múltiples rutas dentro de un  
sistema dinámico.  
El objetivo de este agente es aprender a tomar las acciones óptimas que  
maximicen su recompensa total en un período de tiempo. Para hacer esto, el  
agente necesita descubrir qué acciones llevan a las recompensas más altas a  
través de la exploración y aprovechar esta información para realizar acciones  
efectivas en el futuro, algo que se conoce como explotación, ver Figura 8.  
Por lo tanto, el agente se entrena para realizar tareas mediante la optimización  
de sus acciones basado en la retroalimentación de recompensas y  
penalizaciones que recibe. Un ejemplo popular de aprendizaje reforzado es el  
entrenamiento de programas de computadora para jugar y ganar juegos como el  
Ajedrez, donde la IA aprende a hacer los movimientos que aumentarán su  
posibilidad de ganar la partida.  
Figura 8. Diagrama de flujo del aprendizaje reforzado  
Fuente: (Bustamanete, 2021)  
El uso del aprendizaje reforzado en inteligencia artificial también presenta ciertas  
complejidades y desventajas:  
•
Definir recompensas es un desafío: puede ser muy complicado establecer  
sistemas de recompensas o castigos que orienten correctamente el  
1
68  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
comportamiento del agente de IA. A veces no está claro cómo una acción  
debe ser recompensada o castigada.  
•
•
•
•
Batalla entre explorar y explotar: la IA necesita equilibrar la toma de  
decisiones basada en acciones probadas y que sabemos que funcionan  
(explotación), versus probar cosas nuevas que podrían llevar a resultados  
aún mejores (exploración). Este equilibrio puede ser difícil de conseguir.  
Tiempo para alcanzar los resultados deseados: los algoritmos de  
aprendizaje reforzado pueden tomar mucho tiempo en dar resultados  
óptimos. Este tiempo de espera puede ser un obstáculo para algunas  
aplicaciones, especialmente cuando los cambios ocurren frecuentemente.  
Sensibilidad a los inicios: los modelos de aprendizaje reforzado pueden  
ser muy dependientes de las condiciones iniciales de las que parten.  
Pequeños cambios en estas condiciones pueden dar lugar a grandes  
variaciones en su desempeño.  
Limitaciones para adaptar lo aprendido a situaciones nuevas: los agentes  
de aprendizaje reforzado podrían tener problemas para aplicar sus  
habilidades en contextos o situaciones nuevas. Esto puede ser una  
limitación si necesitas que tu IA se adapte a diferentes escenarios o  
problemáticas.  
Aunque el aprendizaje reforzado tiene un enorme potencial y aplicaciones útiles,  
también implica retos y limitaciones que necesitan ser considerados y abordados  
cuidadosamente.  
3. CONCLUSIONES  
A partir de una revisión bibliográfica, hemos reconocido que actualmente existen  
herramientas de inteligencia artificial (IA) específicamente diseñadas para  
apoyar y potenciar la educación superior, lo cual resulta consistente con la  
creciente influencia de la IA en diversos ámbitos en los últimos años.  
Adicionalmente, encontramos evidencia de varias propuestas y metodologías  
para implementar la IA en un contexto universitario.  
La inteligencia artificial y sus diversas aplicaciones están empezando a  
transformar la educación superior de maneras significativas y útiles. Desde los  
1
69  
Toro-Espinoza et al. (2023)  
sistemas de procesamiento del lenguaje natural (PLN) que facilitan una  
enseñanza más personalizada y eficiente, hasta la implementación de asistentes  
virtuales que proporcionan una interacción efectiva con los alumnos, la IA ofrece  
un amplio potencial para mejorar la educación superior.  
Un estudio realizado por González y Mateo (2022) resultó particularmente  
relevante, donde se recogieron opiniones de usuario obteniendo una  
retroalimentación positiva sobre el uso de IA en el entorno académico.  
Para responder a la pregunta fundamental: ¿cuál es el potencial real de la IA  
para transformar y optimizar la educación superior, y cómo se pueden alcanzar  
estos beneficios sin comprometer la calidad y equidad en el proceso de  
enseñanza y aprendizaje? se revisaron varios estudios que aplican la IA para  
responder a exámenes universitarios, específicamente en el campo de la salud;  
los resultados arrojaron que los niveles de precisión de las respuestas  
proporcionadas por las IA oscilan entre el 51.4% y 60.8%.  
Aunque estos descubrimientos son valorados de manera positiva por los autores  
de los estudios analizados, no alcanzan la precisión necesaria para sustituir a un  
profesor capacitado en la corrección de dichos exámenes. Sin embargo, es  
relevante destacar el nivel de precisión alcanzado, especialmente cuando se  
considera que la IA utilizada (ChatGPT) es una red neuronal de procesamiento  
de lenguaje natural de propósito general, es decir, no fue diseñada  
específicamente para resolver exámenes académicos.  
La conclusión es desafiante, el camino permanece abierto para la investigación  
y desarrollo de IA diseñadas exclusivamente para uso académico. Como se  
menciona en este artículo, es esencial entrenar correctamente estas IA, lo que  
comprende el aprendizaje supervisado, no supervisado y reforzado, cada uno  
con sus ventajas y desafíos únicos, para garantizar una implementación exitosa.  
REFERENCIAS  
Bonet, A. (2023). Abordando el tratamiento automático de la desinformación:  
modelado de la confiabilidad en noticias mediante Procesamiento del  
Lenguaje Natural. Obtenido de http://hdl.handle.net/10045/134921  
1
70  
Revista Científica Arbitrada de Investigación en Comunicación, Marketing y Empresa  
REICOMUNICAR. Vol. 6, Núm. 12 (Ed. Especial Octubre 2023) ISSN: 2737-6354.  
Aplicación de la inteligencia artificial en el aprendizaje universitario.  
Bustamanete, D. (2021). Modelo predictivo de rendimiento académico para el  
apoyo,, prevención y disminución de la tasa de deserción universitaria.  
Universidad de Bogotá Jorge Tadeo Lozano. Obtenido de  
https://expeditiorepositorio.utadeo.edu.co/bitstream/handle/20.500.12010  
/
20869/Documento%20final.pdf?sequence=1&isAllowed=y  
Carrasco, J. P., García, E., Sánchez, D. A., Porter, E., De La Puente, L., Navarro,  
J., & Cerame, A. (2023). ¿Es capaz “ChatGPT” de aprobar el examen MIR  
de 2022? Implicaciones de la inteligencia artificial en la educación médica  
en España. Revista Española de Educación Médica, 4(1), 15.  
doi:https://doi.org/10.6018/edumed.556511  
García, J. R., Sánchez, P. A., Orozco, M., & Obredor, S. (2019). Extracción de  
Conocimiento para la Predicción y Análisis de los Resultados de la Prueba  
de Calidad de la Educación Superior en Colombia. Scielo, 12(4), 55-62.  
doi:http://dx.doi.org/10.4067/S0718-50062019000400055  
Gilson, A., Safranek, C., Huang, T., Socrates, V., Chi, L., Taylor, R. A., &  
Chartash, D. (2023). How Does ChatGPT Perform on the United States  
Medical Licensing Examination? The Implications of Large Language  
Models for Medical Education and Knowledge Assessment. JMIR  
MEDICAL EDUCATION, 9, 9. doi:https://doi.org/10.2196/45312  
González, A., & Mateo, P. (Marzo de 2022). Diseño, desarrollo e implementación  
de una asistente virtual para la resolución de dudas sobre los procesos  
académicos de la Universidad Politécnica Salesiana - sede Cuenca  
utilizando inteligencia artificial y procesamiento de lenguaje natural.  
Obtenido de http://dspace.ups.edu.ec/handle/123456789/22027  
Ha, L., & Yaneva, V. (2019). Automatic question answering for medical MCQs:  
Can it go further than information retrieval? RANLP, 5.  
doi:https://wlv.openrepository.com/handle/2436/622750  
Jin, D., Pan, E., Oufattol, N., Weng, W.-H., Fang, H., & Szolovits, P. (2021). What  
Disease Does This Patient Have? A Large-Scale Open Domain Question  
Answering Dataset from Medical Exams. Appl. Sci, 11(14), 1.  
doi:https://doi.org/10.3390/app11146421  
Joyanes, L. (2019). Inteligencia de negocios y analítica de datos: una visión  
global de business intelligence & analytics. Alpha Editoria.  
Machicao, J. (2020). El aprendizaje reforzado: un punto de encuentro entre las  
políticas públicas y la inteligencia artificial. Research Gate, 5.  
doi:http://dx.doi.org/10.13140/RG.2.2.14627.60965  
National Geographic España. (2023). Breve historia de la Inteligencia Artificial.  
Obtenido https://www.nationalgeographic.com.es/ciencia/breve-  
de  
historia-de-la-inteligencia-artificial_19310  
1
71  
Toro-Espinoza et al. (2023)  
Ortiz, E., van der Mersch, B., & Morfín, J. A. (2023). Ética en la Inteligencia.  
IBERO,  
69,  
6.  
doi:https://revistas.ibero.mx/ibero/uploads/volumenes/69/pdf/6-etica-en-  
la-inteligencia-artificial.pdf  
Parlamento Europeo. (2022). Informe sobre la inteligencia artificial en la era  
digital.  
doi:https://www.europarl.europa.eu/doceo/document/A-9-2022-  
0
088_ES.html  
Rojas, P., & Rudy, J. (2021). Modelo de Aprendizaje Automático Supervisado  
para Identificar Patrones de Bajo Rendimiento Académico en los  
Ingresantes al Instituto de Educación Superior Pedagógico Público –  
Juliaca. Obtenido de http://hdl.handle.net/20.500.12840/4505  
Shubham, S. (15 de Febrero de 2023). ChatGPT: How to get started and start  
asking queries. Obtenido de https://timesofindia.indiatimes.com/gadgets-  
news/chatgpt-how-to-get-started-and-start-asking-  
queries/articleshow/97947383.cms  
Sun, H. (2023). Are ChatGPT’s knowledge and interpretation ability comparable  
to those of medical students in Korea for taking a parasitology  
examination?: a descriptive study. J Educ Eval Health Prof, 20(1), 5.  
doi:https://doi.org/10.3352/jeehp.2023.20.1  
Tomás-Górriz, V., & Tomás-Casterá, V. (2018). La Bibliometría en la evaluación  
de la actividad científica. Hospital a Domicilio, 2(4), 145-163.  
doi:https://doi.org/10.22585/hospdomic.v2i4.51  
Valverde, Á. (2021). Inteligencia artificial (IA), un nuevo recurso didáctico en la  
educación superior. Revista Académica Institucional , 3(2), 14-23.  
doi:https://rai.usam.ac.cr/index.php/raiusam/article/view/53  
Vera, F. (2023). Integración de la Inteligencia Artificial en la Educación superior:  
Desafíos y oportunidades. Revista Transformar, 4(1), 18. Obtenido de  
https://www.revistatransformar.cl/index.php/transformar/article/view/84  
Zhang, Q., Yu, H., Barbiero, M., Wang, B., & Gu, M. (2019). Artificial neural  
networks enabled by nanophotonics. Light Sci Appl, 8(1), 1-14.  
doi:https://doi.org/10.1038/s41377-019-0151-0  
1
72