Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-9866
https://doi.org/10.17533/udea.rib.v47n2e353620 1
Alberto Ramírez TéllezAlberto Ramírez Téllez
Doctor en Teología de la Universidad
de Salamanca, doctor en Filosofía de
la UNED, con estudios posgraduales
en la Universidad de Ratisbona y en la
Hochschule für Philosophie de Múnich.
Magíster en Filosofía Latinoamericana de
la Universidad Santo Tomás; licenciado en
Filosofía y licenciado y magíster en Teología
de la Pontificia Universidad Javeriana.
Director Unidad de Posgrados, sede
principal, Bogotá, Universidad Santo
Tomás.
frayalbertoramirez@usantotomas.edu.co
https://orcid.org/0000-0001-8560-2518
Lina María Fonseca OrtizLina María Fonseca Ortiz
Magíster en Psicología Jurídica de la
Universidad Santo Tomás. Psicóloga de la
Konrad Lorenz Fundación Universitaria.
Docente de la Vicerrectoría Académica
General y docente coordinadora de la
Unidad de Posgrados, sede principal Bogotá,
Universidad Santo Tomás.
linafonseca@usta.edu.co
https://orcid.org/0000-0003-2543-2005
Freddy Camilo Triana DomínguezFreddy Camilo Triana Domínguez
Magíster en Educación de la Universidad
Santo Tomás, comunicador Social de la
Universidad Santo Tomás. Docente de
la Unidad de Posgrados, sede principal,
Bogotá, Universidad Santo Tomás.
freddytriana@usta.edu.co
https://orcid.org/0000-0002-2320 4888
Cómo citar este artículo: Ramírez, Alberto; Fonseca, Lina; Triana Freddy (2024).
Inteligencia artificial en la administración universitaria: una visión general de
sus usos y aplicaciones. Revista Interamericana de Bibliotecología, 47(2), e353620.
https://doi.org/10.17533/udea.rib.v47n2e353620
Recibido: 2023-26-05/ Aceptado: 2023-30-11
Resumen
El uso de la inteligencia artificial en la educación superior tiene un gran potencial para
el fortalecimiento y mejora de procesos institucionales y académicos, como la toma de
decisiones informadas, la investigación y la experiencia de formación de la comunidad
académica, compuesta, entre otros, por estudiantes, docentes y personal administrati-
vo. La inteligencia artificial puede ayudar a las universidades a identificar potenciales
estrategias que se basen en información y tendencias, aporta en los procesos de ins-
cripción y contribuye en reducir la deserción estudiantil; además, ayuda a identificar
factores de riesgo que inciden en los estudiantes para así brindarles las medidas de
apoyo especializado. También contribuye a la formulación de planes académicos per-
sonalizados y diferenciados, ayuda a mejorar la gestión del aprendizaje y la enseñanza;
sin embargo, es importante tener en cuenta que un alto porcentaje de estudiantes
en América Latina pertenecen a hogares de bajos ingresos y tienen acceso limitado
a tecnología, lo que puede afectar su capacidad para aprovechar estas ventajas de la
inteligencia artificial. Por lo tanto, es necesario conocer su estructura, factores y sus
efectos dada su incidencia y las tendencias frente a su uso aplicado. Se necesita una
implementación integral de la automatización inteligente en la educación que tenga
en cuenta estas desigualdades y desafíos, y se deben abordar temas como el costo y la
escalabilidad, la ética, la privacidad y la falta de experiencia en inteligencia artificial
en los entornos académicos colombianos.
Palabras clave: inteligencia artificial; universidad; gestión; estudiante de posgrado;
aprendizaje; cambio social; aprendizaje; investigación; avance tecnológico.
Inteligencia artificial en la administración universitaria: una visión
general de sus usos y aplicaciones*
© 2024 Universidad de Antioquia. Publicado por Universidad de Antioquia, Colombia.
* Este artículo es un aporte de reflexión de docentes del grupo de investigación Gober-
nanza Universitaria y Gestión del Conocimiento perteneciente a la Universidad San-
to Tomás, Colombia, en el que se busca mostrar las oportunidades que se encuentran
a la luz de la inteligencia artificial como un aliado estratégico y con prospectiva en la
gestión universitaria.
https://doi.org/10.17533/udea.rib.v47n2e353620 1
Alberto Ramírez TéllezAlberto Ramírez Téllez
Doctor en Teología de la Universidad
de Salamanca, doctor en Filosofía de
la UNED, con estudios posgraduales
en la Universidad de Ratisbona y en la
Hochschule für Philosophie de Múnich.
Magíster en Filosofía Latinoamericana de
la Universidad Santo Tomás; licenciado en
Filosofía y licenciado y magíster en Teología
de la Pontificia Universidad Javeriana.
Director Unidad de Posgrados, sede
principal, Bogotá, Universidad Santo
Tomás.
frayalbertoramirez@usantotomas.edu.co
https://orcid.org/0000-0001-8560-2518
Lina María Fonseca OrtizLina María Fonseca Ortiz
Magíster en Psicología Jurídica de la
Universidad Santo Tomás. Psicóloga de la
Konrad Lorenz Fundación Universitaria.
Docente de la Vicerrectoría Académica
General y docente coordinadora de la
Unidad de Posgrados, sede principal Bogotá,
Universidad Santo Tomás.
linafonseca@usta.edu.co
https://orcid.org/0000-0003-2543-2005
Freddy Camilo Triana DomínguezFreddy Camilo Triana Domínguez
Magíster en Educación de la Universidad
Santo Tomás, comunicador Social de la
Universidad Santo Tomás. Docente de
la Unidad de Posgrados, sede principal,
Bogotá, Universidad Santo Tomás.
freddytriana@usta.edu.co
https://orcid.org/0000-0002-2320 4888
Cómo citar este artículo: Ramírez, Alberto; Fonseca, Lina; Triana Freddy (2024).
Inteligencia artificial en la administración universitaria: una visión general de
sus usos y aplicaciones. Revista Interamericana de Bibliotecología, 47(2), e353620.
https://doi.org/10.17533/udea.rib.v47n2e353620
Recibido: 2023-26-05/ Aceptado: 2023-30-11
Resumen
El uso de la inteligencia artificial en la educación superior tiene un gran potencial para
el fortalecimiento y mejora de procesos institucionales y académicos, como la toma de
decisiones informadas, la investigación y la experiencia de formación de la comunidad
académica, compuesta, entre otros, por estudiantes, docentes y personal administrati-
vo. La inteligencia artificial puede ayudar a las universidades a identificar potenciales
estrategias que se basen en información y tendencias, aporta en los procesos de ins-
cripción y contribuye en reducir la deserción estudiantil; además, ayuda a identificar
factores de riesgo que inciden en los estudiantes para así brindarles las medidas de
apoyo especializado. También contribuye a la formulación de planes académicos per-
sonalizados y diferenciados, ayuda a mejorar la gestión del aprendizaje y la enseñanza;
sin embargo, es importante tener en cuenta que un alto porcentaje de estudiantes
en América Latina pertenecen a hogares de bajos ingresos y tienen acceso limitado
a tecnología, lo que puede afectar su capacidad para aprovechar estas ventajas de la
inteligencia artificial. Por lo tanto, es necesario conocer su estructura, factores y sus
efectos dada su incidencia y las tendencias frente a su uso aplicado. Se necesita una
implementación integral de la automatización inteligente en la educación que tenga
en cuenta estas desigualdades y desafíos, y se deben abordar temas como el costo y la
escalabilidad, la ética, la privacidad y la falta de experiencia en inteligencia artificial
en los entornos académicos colombianos.
Palabras clave: inteligencia artificial; universidad; gestión; estudiante de posgrado;
aprendizaje; cambio social; aprendizaje; investigación; avance tecnológico.
Inteligencia artificial en la administración universitaria: una visión
general de sus usos y aplicaciones*
© 2024 Universidad de Antioquia. Publicado por Universidad de Antioquia, Colombia.
* Este artículo es un aporte de reflexión de docentes del grupo de investigación Gober-
nanza Universitaria y Gestión del Conocimiento perteneciente a la Universidad San-
to Tomás, Colombia, en el que se busca mostrar las oportunidades que se encuentran
a la luz de la inteligencia artificial como un aliado estratégico y con prospectiva en la
gestión universitaria.
2[Alberto Ramírez Téllez, Lina María Fonseca Ortiz, Freddy Camilo Triana D omínguez] Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-9866
https://doi.org/10.17533/udea.rib.v47n2e353620
Artificial Intelligence in
University Administration:
An Overview of its Uses and
Applications
Abstract
The use of artificial intelligence in higher education holds
significant potential for strengthening and enhancing
institutional and academic processes. These processes
include informed decision-making, research, and the
learning experience of the academic community, comprising
students, faculty, administrative staff, and others. Artificial
intelligence can assist universities in identifying potential
strategies based on information and trends, contribute to
enrollment processes, and help reduce student dropout
rates. It aids in identifying risk factors affecting students,
allowing for the provision of specialized support measures.
Additionally, contributes to the formulation of personalized
and differentiated academic plans, enhances learning and
teaching management, among other benefits. However, it is
important to consider that a high percentage of students in
Latin America come from low-income households and have
limited access to technology. This limitation may impact their
ability to leverage the advantages of artificial intelligence.
Therefore, understanding its structure, factors, and effects
is essential given its impact and trends in applied usage. A
comprehensive implementation of intelligent automation
in education is needed, considering these inequalities and
challenges. Issues such as cost, scalability, ethics, privacy, and
the lack of expertise in artificial intelligence in Colombian
academic environments must be addressed.
Keywords: Artificial intelligence; university; management;
postgraduate student; learning; social change; research;
technological advancement.
1. Introducción
La inteligencia artificial (IA) es un área de las ciencias de
la información que se enfoca en el diseño y desarrollo de
sistemas capaces de realizar tareas que, normalmente,
requieren inteligencia humana, por ejemplo, interpre-
tar correctamente datos externos, aprender de dichos
datos y utilizar esos aprendizajes para lograr objetivos
y tareas específicas a través de una adaptación flexible.
La IA involucra la creación de algoritmos y modelos
de enseñanza y aprendizaje automáticos que permiten
a las máquinas procesar grandes cantidades de datos
y aprender de ellos. Según Russell y Norvig (2010), la
IA puede definirse como “la capacidad de una máquina
para realizar tareas que, si las realizara un ser humano,
requerirían inteligencia” (p. 2). Estos sistemas pueden
abarcar desde simples programas de procesamiento de
texto hasta métodos complejos de reconocimiento de
voz y visión artificial en entornos recreados.
La IA se ha desarrollado significativamente en las úl-
timas décadas gracias a los avances en áreas como la
seguridad armamentista, las ciencias del deporte, la
carrera espacial, la minería de datos y la robótica. Es-
tas aplicaciones son diversas e involucran a todos los
campos del conocimiento. Además de ser de interés ge-
neral, este es un tema de múltiples variables que hoy en
día, dada su empleabilidad en el saber, adquiere enorme
relevancia.
Aunque la IA es muy versátil, no se deben perder de
vista las tecnologías y su aplicación en contextos que
involucran aspectos como las limitaciones físicas o mo-
toras, la discapacidad cognitiva y las dificultades de
aprendizaje; contextos en los que sigue siendo difusa y
expuesta a paradigmas por resolver. De dicha condición
deriva una estrategia potencial para los sectores de la
educación y de la salud, como oportunidad para forta-
lecer los procesos y articular la comunidad académica.
En cualquier caso, este campo viene ganando terreno en
todas las dimensiones, con un potencial revolucionario,
en los ritmos y la dinámica de la gestión universitaria;
en los métodos de enseñanza y aprendizaje, pese a las
opiniones escépticas; y en las mejoras importantes en
la destinación y usos de recursos destinados a varios
procesos (Kaplan y Haenlein, 2019). La IA se ha conver-
tido en un área objeto de estudio cada vez más aplicable
para las universidades y espacios de educación, por su
característica de transformar la manera de gestionar
bienes y servicios, y, como ha sido referido en los últi-
mos años, ha incrementado el interés en su uso y se ha
dispuesto inversión en muchas universidades de todo
el mundo para desarrollar estrategias, líneas de acción
de programas, cursos de investigación y formación en
este campo.
Los sistemas expertos de la IA son apreciables para el
conjunto de acciones y actividades misionales propias
https://doi.org/10.17533/udea.rib.v47n2e353620
Artificial Intelligence in
University Administration:
An Overview of its Uses and
Applications
Abstract
The use of artificial intelligence in higher education holds
significant potential for strengthening and enhancing
institutional and academic processes. These processes
include informed decision-making, research, and the
learning experience of the academic community, comprising
students, faculty, administrative staff, and others. Artificial
intelligence can assist universities in identifying potential
strategies based on information and trends, contribute to
enrollment processes, and help reduce student dropout
rates. It aids in identifying risk factors affecting students,
allowing for the provision of specialized support measures.
Additionally, contributes to the formulation of personalized
and differentiated academic plans, enhances learning and
teaching management, among other benefits. However, it is
important to consider that a high percentage of students in
Latin America come from low-income households and have
limited access to technology. This limitation may impact their
ability to leverage the advantages of artificial intelligence.
Therefore, understanding its structure, factors, and effects
is essential given its impact and trends in applied usage. A
comprehensive implementation of intelligent automation
in education is needed, considering these inequalities and
challenges. Issues such as cost, scalability, ethics, privacy, and
the lack of expertise in artificial intelligence in Colombian
academic environments must be addressed.
Keywords: Artificial intelligence; university; management;
postgraduate student; learning; social change; research;
technological advancement.
1. Introducción
La inteligencia artificial (IA) es un área de las ciencias de
la información que se enfoca en el diseño y desarrollo de
sistemas capaces de realizar tareas que, normalmente,
requieren inteligencia humana, por ejemplo, interpre-
tar correctamente datos externos, aprender de dichos
datos y utilizar esos aprendizajes para lograr objetivos
y tareas específicas a través de una adaptación flexible.
La IA involucra la creación de algoritmos y modelos
de enseñanza y aprendizaje automáticos que permiten
a las máquinas procesar grandes cantidades de datos
y aprender de ellos. Según Russell y Norvig (2010), la
IA puede definirse como “la capacidad de una máquina
para realizar tareas que, si las realizara un ser humano,
requerirían inteligencia” (p. 2). Estos sistemas pueden
abarcar desde simples programas de procesamiento de
texto hasta métodos complejos de reconocimiento de
voz y visión artificial en entornos recreados.
La IA se ha desarrollado significativamente en las úl-
timas décadas gracias a los avances en áreas como la
seguridad armamentista, las ciencias del deporte, la
carrera espacial, la minería de datos y la robótica. Es-
tas aplicaciones son diversas e involucran a todos los
campos del conocimiento. Además de ser de interés ge-
neral, este es un tema de múltiples variables que hoy en
día, dada su empleabilidad en el saber, adquiere enorme
relevancia.
Aunque la IA es muy versátil, no se deben perder de
vista las tecnologías y su aplicación en contextos que
involucran aspectos como las limitaciones físicas o mo-
toras, la discapacidad cognitiva y las dificultades de
aprendizaje; contextos en los que sigue siendo difusa y
expuesta a paradigmas por resolver. De dicha condición
deriva una estrategia potencial para los sectores de la
educación y de la salud, como oportunidad para forta-
lecer los procesos y articular la comunidad académica.
En cualquier caso, este campo viene ganando terreno en
todas las dimensiones, con un potencial revolucionario,
en los ritmos y la dinámica de la gestión universitaria;
en los métodos de enseñanza y aprendizaje, pese a las
opiniones escépticas; y en las mejoras importantes en
la destinación y usos de recursos destinados a varios
procesos (Kaplan y Haenlein, 2019). La IA se ha conver-
tido en un área objeto de estudio cada vez más aplicable
para las universidades y espacios de educación, por su
característica de transformar la manera de gestionar
bienes y servicios, y, como ha sido referido en los últi-
mos años, ha incrementado el interés en su uso y se ha
dispuesto inversión en muchas universidades de todo
el mundo para desarrollar estrategias, líneas de acción
de programas, cursos de investigación y formación en
este campo.
Los sistemas expertos de la IA son apreciables para el
conjunto de acciones y actividades misionales propias
3[Inteligencia artificial en la administración universitaria: una visión general de sus usos y aplicaciones]
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
de las universidades, en las que, gracias a la automatiza-
ción de procesos y tareas administrativas y académicas,
se busca la posibilidad de brindar de forma ágil y es-
pecializada apoyo a toda la comunidad. Es importante
resaltar el liderazgo de instituciones de educación su-
perior a nivel regional y global, del orden público y
privado, entre las que destacan la Universidad de São
Paulo en Brasil, la Universidad Nacional de Colombia,
el Tecnológico de Monterrey en México, la Pontificia
Universidad Católica de Chile, la Universidad de Bue-
nos Aires en Argentina, el Instituto Tecnológico de
Massachussets (MIT), la Universidad Carnegie Me-
llon, la Universidad del Sur de California, estas tres
últimas en Estados Unidos, la Universidad de Granada
en España y la Universidad Tecnológica de Nanyang en
China.
Como lo señala Moreno (2019), una tendencia que no
hay que obviar es que lo que entra como criterio cru-
cial en el repunte de estas instituciones no es solo su
capacidad e infraestructura, sino también las compe-
tencias para adaptar e integrar los usos de estas nuevas
herramientas. El presente artículo permite al lector
comprender y reflexionar sobre la relevancia que re-
presenta el uso de tecnologías aplicadas a los procesos
de educación y los aspectos neurálgicos enmarcados en
cinco grandes pilares, que son 1) el proceso de inscrip-
ción y admisión, requisito indispensable para el logro
de la normalización y registro del estudiante; 2) la pla-
nificación académica y asesoramiento para la creación
de planes académicos; 3) los sistemas de gestión del
aprendizaje; 4) la gestión financiera y 5) la investiga-
ción e innovación.
La computación cognitiva de la IA que se ocupa de la
simulación de los procesos del pensamiento humano en
un modelo informático puede ayudar a las universidades
a analizar grandes cantidades y diversos tipos de datos,
para identificar patrones y tomar decisiones informa-
das. Además, con la IA se pueden predecir tendencias
de inscripción e identificar variables que inciden en
los estudiantes o población universitaria que presente
factores de riesgo y que pueda necesitar del apoyo para
la resolución de conflictos o problemáticas de diversa
índole, como en el caso de limitaciones o discapacida-
des cognitivas en procesos de aprendizaje, limitaciones
físicas o con movilidad reducida y en la dinámica de
aprendizaje del estudiante en sí. La IA se puede utilizar
para mejorar los esfuerzos de investigación mediante la
automatización de la recopilación y el análisis de datos
parametrizados, la custodia y mantenimiento de activos
fijos, como la información alfanumérica y audiovisual
que es producida en los procesos académicos. También
ayuda en la identificación de nuevas áreas de investi-
gación en función de los datos existentes y a formular
estrategias basadas en información, a partir de tenden-
cias y comportamientos para procesos en desarrollo y
susceptibles de incorporar en el ámbito académico bajo
una plataforma de inteligencia empresarial de autoser-
vicio, integrada y escalable que se conecta, visualiza e
integra sin problemas en aplicaciones que utilizan ob-
jetos conscientes en su cotidianidad.
Surgen con esto algunos aspectos relevantes sobre la
implementación de la automatización inteligente en
la gestión universitaria que sugieren una combinación
inevitable entre tecnología y pedagogía, que, si bien no
es imprescindible, es recomendable o conveniente. Esta
colaboración implica contar con talento humano tanto
académico como administrativo dispuesto a capacitar-
se en el uso de dichas herramientas y acogerlas como
cotidianas. Asimismo, su uso debe ser consistente con
el fin de que las instituciones educativas promuevan en
la comunidad académica condiciones de fácil acceso y
un ambiente claro y cómodo en su utilización.
Los procesos en los que ya ha incursionado la IA en la
gestión de la enseñanza superior son múltiples, como
ha sido expuesto. Sin embargo, los que presentan una
apuesta por su acogida en la comunidad académica y
a manera de ejemplo son los asistentes a entornos vir-
tuales basados en automatización inteligente para
ayudar a los docentes y estudiantes a realizar sus ta-
reas y resolver sus dudas, con información precisa y
relevante sobre los temas que se estén tratando en clase
(Crompton y Song, 2021). Los sistemas de tutoría in-
teligente pueden adaptarse al nivel de profundización
del conocimiento de cada estudiante y proporcionarle
recomendaciones personalizadas que pueden ayudar en
la mejora de su aprendizaje, teniendo como base algo-
ritmos de IA que analizan el desempeño del estudiante
y lo comparan con los objetivos de aprendizaje (Nye,
2015; Rodríguez-Chávez, 2021).
Entre otros aspectos del día a día, en los que la IA sirve a
las instituciones de educación superior, está la gestión
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
de las universidades, en las que, gracias a la automatiza-
ción de procesos y tareas administrativas y académicas,
se busca la posibilidad de brindar de forma ágil y es-
pecializada apoyo a toda la comunidad. Es importante
resaltar el liderazgo de instituciones de educación su-
perior a nivel regional y global, del orden público y
privado, entre las que destacan la Universidad de São
Paulo en Brasil, la Universidad Nacional de Colombia,
el Tecnológico de Monterrey en México, la Pontificia
Universidad Católica de Chile, la Universidad de Bue-
nos Aires en Argentina, el Instituto Tecnológico de
Massachussets (MIT), la Universidad Carnegie Me-
llon, la Universidad del Sur de California, estas tres
últimas en Estados Unidos, la Universidad de Granada
en España y la Universidad Tecnológica de Nanyang en
China.
Como lo señala Moreno (2019), una tendencia que no
hay que obviar es que lo que entra como criterio cru-
cial en el repunte de estas instituciones no es solo su
capacidad e infraestructura, sino también las compe-
tencias para adaptar e integrar los usos de estas nuevas
herramientas. El presente artículo permite al lector
comprender y reflexionar sobre la relevancia que re-
presenta el uso de tecnologías aplicadas a los procesos
de educación y los aspectos neurálgicos enmarcados en
cinco grandes pilares, que son 1) el proceso de inscrip-
ción y admisión, requisito indispensable para el logro
de la normalización y registro del estudiante; 2) la pla-
nificación académica y asesoramiento para la creación
de planes académicos; 3) los sistemas de gestión del
aprendizaje; 4) la gestión financiera y 5) la investiga-
ción e innovación.
La computación cognitiva de la IA que se ocupa de la
simulación de los procesos del pensamiento humano en
un modelo informático puede ayudar a las universidades
a analizar grandes cantidades y diversos tipos de datos,
para identificar patrones y tomar decisiones informa-
das. Además, con la IA se pueden predecir tendencias
de inscripción e identificar variables que inciden en
los estudiantes o población universitaria que presente
factores de riesgo y que pueda necesitar del apoyo para
la resolución de conflictos o problemáticas de diversa
índole, como en el caso de limitaciones o discapacida-
des cognitivas en procesos de aprendizaje, limitaciones
físicas o con movilidad reducida y en la dinámica de
aprendizaje del estudiante en sí. La IA se puede utilizar
para mejorar los esfuerzos de investigación mediante la
automatización de la recopilación y el análisis de datos
parametrizados, la custodia y mantenimiento de activos
fijos, como la información alfanumérica y audiovisual
que es producida en los procesos académicos. También
ayuda en la identificación de nuevas áreas de investi-
gación en función de los datos existentes y a formular
estrategias basadas en información, a partir de tenden-
cias y comportamientos para procesos en desarrollo y
susceptibles de incorporar en el ámbito académico bajo
una plataforma de inteligencia empresarial de autoser-
vicio, integrada y escalable que se conecta, visualiza e
integra sin problemas en aplicaciones que utilizan ob-
jetos conscientes en su cotidianidad.
Surgen con esto algunos aspectos relevantes sobre la
implementación de la automatización inteligente en
la gestión universitaria que sugieren una combinación
inevitable entre tecnología y pedagogía, que, si bien no
es imprescindible, es recomendable o conveniente. Esta
colaboración implica contar con talento humano tanto
académico como administrativo dispuesto a capacitar-
se en el uso de dichas herramientas y acogerlas como
cotidianas. Asimismo, su uso debe ser consistente con
el fin de que las instituciones educativas promuevan en
la comunidad académica condiciones de fácil acceso y
un ambiente claro y cómodo en su utilización.
Los procesos en los que ya ha incursionado la IA en la
gestión de la enseñanza superior son múltiples, como
ha sido expuesto. Sin embargo, los que presentan una
apuesta por su acogida en la comunidad académica y
a manera de ejemplo son los asistentes a entornos vir-
tuales basados en automatización inteligente para
ayudar a los docentes y estudiantes a realizar sus ta-
reas y resolver sus dudas, con información precisa y
relevante sobre los temas que se estén tratando en clase
(Crompton y Song, 2021). Los sistemas de tutoría in-
teligente pueden adaptarse al nivel de profundización
del conocimiento de cada estudiante y proporcionarle
recomendaciones personalizadas que pueden ayudar en
la mejora de su aprendizaje, teniendo como base algo-
ritmos de IA que analizan el desempeño del estudiante
y lo comparan con los objetivos de aprendizaje (Nye,
2015; Rodríguez-Chávez, 2021).
Entre otros aspectos del día a día, en los que la IA sirve a
las instituciones de educación superior, está la gestión
4[Alberto Ramírez Téllez, Lina María Fonseca Ortiz, Freddy Camilo Triana D omínguez] Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-9866
https://doi.org/10.17533/udea.rib.v47n2e353620
y custodia de grandes flujos de información, que requie-
ren del análisis y mantenimiento de los datos generados
por procesos académico-administrativos con el fin de
identificar comportamientos diferenciados en el apren-
dizaje de los estudiantes (Anzola-Montero, 2019).
Estos análisis ayudan a agilizar y automatizar proce-
sos y a ajustar estructuras orgánicas de datos teniendo
como criterios la ejecución y el procesamiento que se
haga de los datos y de la información suministrada por
esta gestión de análisis para la toma de decisiones (Sa-
lazar-Cardona y Triviño-Arbeláez, 2019). Junto a esto,
se pueden indicar los procesos en los sistemas de eva-
luación automatizada basados en IA que ayuden a los
profesores a evaluar el trabajo de los estudiantes de
manera más eficiente y objetiva, y que determinen por
medio del análisis de los productos la calidad, la perti-
nencia y su posible relevancia (Pérez-Gama et al., 2017;
Polkowski et al., 2023). La etapa de evaluación represen-
ta en el proceso académico altos tiempos, multiplicidad
de recursos y de estrategias de evaluación, seguimien-
to y control, que son susceptibles de automatización.
En esta dinámica, cabe anotar que los principios clave
de las métricas y analíticas del aprendizaje es que los
datos, especialmente aquellos obtenidos mediante tec-
nologías digitales en un contexto educativo, pueden
usarse para modelar procesos de aprendizaje durante
su formación y proporcionar lo que lleva, como sostiene
Selwyn (2019), a generar una importante tensión. Por
otro lado, hay amantes de los datos que creen que todo
es medible, computable y controlable. Mientras que
los “escépticos”, frente al imperio de los datos, ven la
educación como un área en la que esta lógica no encaja.
De hecho, muchos argumentan que la educación, y es-
pecialmente los procesos de enseñanza y aprendizaje,
simplemente no pueden seguir un análisis de datos.
En cierto sentido, esto corresponde a la tensión irrecon-
ciliable entre las posiciones ontológicas del objetivismo
y el constructivismo en los que entra en juego el hecho
de que todas las formas de datos se construyen social-
mente, y cada caso de procesamiento o análisis de datos
está intrínsecamente moldeado por teorías, ideas, es-
tructuras interpretativas y suposiciones avanzadas.
De ahí que, como dice Cathy O’Neil (2016), cuando
se escucha decir que los datos son “objetivos”, parece
que se quisiera decir más bien que los datos han tenido
“éxito” (p. 224). Argumentación que toma una posición
imperativa cuando se busca cobertura e inclusión de
la población estudiantil, los modelos académicos y las
tecnologías de la información.
Teniendo en cuenta lo dicho hasta aquí, este artículo
presenta algunos elementos en la gestión universitaria
que con la implementación de IA pueden llegar a tener
un impacto significativo en los procesos académico-ad-
ministrativos y marcar grandes avances.
2. Procesos de inscripción y admisión
El proceso tradicional de admisión a la universidad sue-
le ser una tarea que requiere mucho tiempo y recursos
para las instituciones de educación superior, no solo
por el gran volumen de solicitudes en términos de di-
versidad de profesiones ofertadas y su demanda, sino
también por los momentos, tiempos de inscripción y
matrícula que se ofrecen al año, como los tiempos de
atención y respuesta por parte del estudiante y las áreas
de admisión.
Al tiempo se debe considerar que la custodia, revisión y
evaluación de la información recolectada sea sometida
a una validación cuidadosa y trabajo dispendioso, que
es susceptible de ser asistido mediante herramientas de
IA. En ese contexto, los avances en sistemas expertos
de la IA tienen el potencial de optimizar y automatizar
diversas etapas y aspectos del proceso, lo que permite
que el trabajo resulte mucho más controlado, los pro-
cesos de selección más ágiles y asistidos, que mejore la
experiencia y que se facilite a los involucrados su in-
teracción y la parametrización de la información para
articular procesos de gestión administrativa.
Una aplicación clave de la IA en el proceso de admisión
a la universidad son los chatbots y otras herramientas
como la biometría impulsada por automatización in-
teligente. Estos asistentes pueden manejar la búsqueda
bajo criterios básicos o avanzados para diversos tipos de
solicitantes; esto liberaría tiempo del personal para que
se concentre en tareas más complejas y que no son sus-
ceptibles de automatizar, como el análisis de perfiles de
admisión. Además, los chatbots, como el controvertido
ChatGPT o Youchat, pueden ayudar con la evaluación
inicial de las solicitudes: capturar y responder pre-
guntas sobre los procesos de solicitud, admisión y su
estado y brindar comentarios sobre información que se
encuentre incompleta o faltante. Al automatizar estas
https://doi.org/10.17533/udea.rib.v47n2e353620
y custodia de grandes flujos de información, que requie-
ren del análisis y mantenimiento de los datos generados
por procesos académico-administrativos con el fin de
identificar comportamientos diferenciados en el apren-
dizaje de los estudiantes (Anzola-Montero, 2019).
Estos análisis ayudan a agilizar y automatizar proce-
sos y a ajustar estructuras orgánicas de datos teniendo
como criterios la ejecución y el procesamiento que se
haga de los datos y de la información suministrada por
esta gestión de análisis para la toma de decisiones (Sa-
lazar-Cardona y Triviño-Arbeláez, 2019). Junto a esto,
se pueden indicar los procesos en los sistemas de eva-
luación automatizada basados en IA que ayuden a los
profesores a evaluar el trabajo de los estudiantes de
manera más eficiente y objetiva, y que determinen por
medio del análisis de los productos la calidad, la perti-
nencia y su posible relevancia (Pérez-Gama et al., 2017;
Polkowski et al., 2023). La etapa de evaluación represen-
ta en el proceso académico altos tiempos, multiplicidad
de recursos y de estrategias de evaluación, seguimien-
to y control, que son susceptibles de automatización.
En esta dinámica, cabe anotar que los principios clave
de las métricas y analíticas del aprendizaje es que los
datos, especialmente aquellos obtenidos mediante tec-
nologías digitales en un contexto educativo, pueden
usarse para modelar procesos de aprendizaje durante
su formación y proporcionar lo que lleva, como sostiene
Selwyn (2019), a generar una importante tensión. Por
otro lado, hay amantes de los datos que creen que todo
es medible, computable y controlable. Mientras que
los “escépticos”, frente al imperio de los datos, ven la
educación como un área en la que esta lógica no encaja.
De hecho, muchos argumentan que la educación, y es-
pecialmente los procesos de enseñanza y aprendizaje,
simplemente no pueden seguir un análisis de datos.
En cierto sentido, esto corresponde a la tensión irrecon-
ciliable entre las posiciones ontológicas del objetivismo
y el constructivismo en los que entra en juego el hecho
de que todas las formas de datos se construyen social-
mente, y cada caso de procesamiento o análisis de datos
está intrínsecamente moldeado por teorías, ideas, es-
tructuras interpretativas y suposiciones avanzadas.
De ahí que, como dice Cathy O’Neil (2016), cuando
se escucha decir que los datos son “objetivos”, parece
que se quisiera decir más bien que los datos han tenido
“éxito” (p. 224). Argumentación que toma una posición
imperativa cuando se busca cobertura e inclusión de
la población estudiantil, los modelos académicos y las
tecnologías de la información.
Teniendo en cuenta lo dicho hasta aquí, este artículo
presenta algunos elementos en la gestión universitaria
que con la implementación de IA pueden llegar a tener
un impacto significativo en los procesos académico-ad-
ministrativos y marcar grandes avances.
2. Procesos de inscripción y admisión
El proceso tradicional de admisión a la universidad sue-
le ser una tarea que requiere mucho tiempo y recursos
para las instituciones de educación superior, no solo
por el gran volumen de solicitudes en términos de di-
versidad de profesiones ofertadas y su demanda, sino
también por los momentos, tiempos de inscripción y
matrícula que se ofrecen al año, como los tiempos de
atención y respuesta por parte del estudiante y las áreas
de admisión.
Al tiempo se debe considerar que la custodia, revisión y
evaluación de la información recolectada sea sometida
a una validación cuidadosa y trabajo dispendioso, que
es susceptible de ser asistido mediante herramientas de
IA. En ese contexto, los avances en sistemas expertos
de la IA tienen el potencial de optimizar y automatizar
diversas etapas y aspectos del proceso, lo que permite
que el trabajo resulte mucho más controlado, los pro-
cesos de selección más ágiles y asistidos, que mejore la
experiencia y que se facilite a los involucrados su in-
teracción y la parametrización de la información para
articular procesos de gestión administrativa.
Una aplicación clave de la IA en el proceso de admisión
a la universidad son los chatbots y otras herramientas
como la biometría impulsada por automatización in-
teligente. Estos asistentes pueden manejar la búsqueda
bajo criterios básicos o avanzados para diversos tipos de
solicitantes; esto liberaría tiempo del personal para que
se concentre en tareas más complejas y que no son sus-
ceptibles de automatizar, como el análisis de perfiles de
admisión. Además, los chatbots, como el controvertido
ChatGPT o Youchat, pueden ayudar con la evaluación
inicial de las solicitudes: capturar y responder pre-
guntas sobre los procesos de solicitud, admisión y su
estado y brindar comentarios sobre información que se
encuentre incompleta o faltante. Al automatizar estas
5[Inteligencia artificial en la administración universitaria: una visión general de sus usos y aplicaciones]
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
tareas, las instituciones de educación superior pueden
reducir la carga administrativa del personal y garanti-
zar que los solicitantes reciban respuestas oportunas y
precisas. Un ejemplo de este uso puede seguirse en el
artículo de Ma y Feng (2021) sobre un diseño integrado
del sistema de información de la educación de posgrado
de las universidades en un entorno de campus digital.
En este estudio se establece el modelo funcional y el
modelo de flujo de datos del sistema a través de un aná-
lisis detallado y efectivo de todo el flujo de trabajo de
la gestión formativa de los estudiantes. El análisis pro-
puesto se plantea sobre la base de que los desarrollos
de IA sean aplicables en diferentes etapas del proceso
y misión universitaria, y está concebido en términos de
que tanto los sistemas propuestos como la arquitectura
e infraestructura tecnológica destinada, las herramien-
tas de desarrollo, los módulos funcionales y el diseño de
la base de datos sean escalables, dinámicos y homologa-
bles a códigos abiertos.
Se destaca la necesidad de incorporar módulos des-
centralizados y con énfasis especializados en temas de
interés en la etapa de admisión que facilite el registro
e inscripción, como la identificación del aspirante a
través de recursos biométricos. En cuyo caso, su es-
tructuración deberá ser propia y alienada a la gestión
universitaria, que unifique bases de datos estructura-
das y fragmentarias, que intente eliminar silos o vacíos
de información y que brinde en tiempo real una armó-
nica interacción entre usuarios y sistemas. Con ello, en
el marco de este pilar, se estandariza la construcción
segura de datos, se aporta a la reducción de factores que
inciden en posibles errores y se mejora la experiencia y
la dinámica en el marco del proceso.
Otra aplicación de la IA en el proceso de admisión es el
uso de algoritmos de aprendizaje automático para iden-
tificar patrones en los datos de los aspirantes, como el
rendimiento académico, las actividades extracurricu-
lares y la información demográfica. Esta información
se puede utilizar para desarrollar modelos predictivos
que ayuden a las instituciones de educación superior
a identificar candidatos de alto potencial y mejorar
la precisión de sus decisiones de admisión, como fue
soportado en un estudio realizado por Petrichenko y
Boreiko (2019).
La IA tiene el potencial de transformar el proceso de
admisión a la universidad, pues permite manejar y
administrar mayores volúmenes de solicitudes de ma-
nera más eficiente. Con el aprovechamiento del uso
algorítmico de aprendizaje automatizado, los asisten-
tes inteligentes y el análisis predictivo llegan a reducir
en las instituciones de educación superior cargas ope-
rativas y logísticas de los procesos administrativos. Del
mismo modo, a la par que se brinda una mayor preci-
sión, es posible que se brinde a los candidatos en su
selección una mayor equidad en las decisiones de ad-
misión.
Además de agilizar y automatizar los procesos de ins-
cripción y admisión, la IA también puede ayudar a las
instituciones universitarias a mejorar sus esfuerzos de
reconocer a los posibles estudiantes que tienen altas
probabilidades de inscribirse e identificarse con el per-
fil de estudiantes y profesionales de la institución. Esto
se puede dar, por ejemplo, tras el análisis de las redes
sociales y otros datos o características del aspirante o
estudiante que se encuentren en la web. Con esto, se
espera identificar los temas y nichos de interés, o si han
iniciado un proceso de búsqueda de universidades o
formación, para dirigir las estrategias de mercadeo y pu-
blicidad de la oferta académica y facilitar los procesos
de admisión a través de mensajes, anuncios personali-
zados u otro tipo de recurso para un primer contacto, y
que dicha vivencia despierte una percepción de solidez
e innovación frente al entorno universitario ofertado.
Además, la IA se puede utilizar para mejorar la experien-
cia de los estudiantes y potenciar las tasas de retención
y de divulgación. Por ejemplo, las instituciones de
educación superior pueden usar chatbots y otras herra-
mientas audiovisuales impulsadas por automatización
inteligente, como librerías y plataformas con entornos
recreados como laboratorios, salas de conferencia, fe-
rias, entre otros, y brindar a los estudiantes apoyo y
orientación personalizada a lo largo de su trayectoria
académica. Los chatbots pueden responder preguntas
comunes sobre los horarios de los cursos, tiempos de
admisión e inscripción, tareas, temas en desarrollo,
ayuda financiera, publicación de notas y resultados, al
mismo tiempo que ofrecen sugerencias para trayecto-
rias académicas y profesionales basadas en los intereses
y habilidades del estudiante. Esto puede ayudar a sentir
mayor conexión con la universidad, percibir más apoyo
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
tareas, las instituciones de educación superior pueden
reducir la carga administrativa del personal y garanti-
zar que los solicitantes reciban respuestas oportunas y
precisas. Un ejemplo de este uso puede seguirse en el
artículo de Ma y Feng (2021) sobre un diseño integrado
del sistema de información de la educación de posgrado
de las universidades en un entorno de campus digital.
En este estudio se establece el modelo funcional y el
modelo de flujo de datos del sistema a través de un aná-
lisis detallado y efectivo de todo el flujo de trabajo de
la gestión formativa de los estudiantes. El análisis pro-
puesto se plantea sobre la base de que los desarrollos
de IA sean aplicables en diferentes etapas del proceso
y misión universitaria, y está concebido en términos de
que tanto los sistemas propuestos como la arquitectura
e infraestructura tecnológica destinada, las herramien-
tas de desarrollo, los módulos funcionales y el diseño de
la base de datos sean escalables, dinámicos y homologa-
bles a códigos abiertos.
Se destaca la necesidad de incorporar módulos des-
centralizados y con énfasis especializados en temas de
interés en la etapa de admisión que facilite el registro
e inscripción, como la identificación del aspirante a
través de recursos biométricos. En cuyo caso, su es-
tructuración deberá ser propia y alienada a la gestión
universitaria, que unifique bases de datos estructura-
das y fragmentarias, que intente eliminar silos o vacíos
de información y que brinde en tiempo real una armó-
nica interacción entre usuarios y sistemas. Con ello, en
el marco de este pilar, se estandariza la construcción
segura de datos, se aporta a la reducción de factores que
inciden en posibles errores y se mejora la experiencia y
la dinámica en el marco del proceso.
Otra aplicación de la IA en el proceso de admisión es el
uso de algoritmos de aprendizaje automático para iden-
tificar patrones en los datos de los aspirantes, como el
rendimiento académico, las actividades extracurricu-
lares y la información demográfica. Esta información
se puede utilizar para desarrollar modelos predictivos
que ayuden a las instituciones de educación superior
a identificar candidatos de alto potencial y mejorar
la precisión de sus decisiones de admisión, como fue
soportado en un estudio realizado por Petrichenko y
Boreiko (2019).
La IA tiene el potencial de transformar el proceso de
admisión a la universidad, pues permite manejar y
administrar mayores volúmenes de solicitudes de ma-
nera más eficiente. Con el aprovechamiento del uso
algorítmico de aprendizaje automatizado, los asisten-
tes inteligentes y el análisis predictivo llegan a reducir
en las instituciones de educación superior cargas ope-
rativas y logísticas de los procesos administrativos. Del
mismo modo, a la par que se brinda una mayor preci-
sión, es posible que se brinde a los candidatos en su
selección una mayor equidad en las decisiones de ad-
misión.
Además de agilizar y automatizar los procesos de ins-
cripción y admisión, la IA también puede ayudar a las
instituciones universitarias a mejorar sus esfuerzos de
reconocer a los posibles estudiantes que tienen altas
probabilidades de inscribirse e identificarse con el per-
fil de estudiantes y profesionales de la institución. Esto
se puede dar, por ejemplo, tras el análisis de las redes
sociales y otros datos o características del aspirante o
estudiante que se encuentren en la web. Con esto, se
espera identificar los temas y nichos de interés, o si han
iniciado un proceso de búsqueda de universidades o
formación, para dirigir las estrategias de mercadeo y pu-
blicidad de la oferta académica y facilitar los procesos
de admisión a través de mensajes, anuncios personali-
zados u otro tipo de recurso para un primer contacto, y
que dicha vivencia despierte una percepción de solidez
e innovación frente al entorno universitario ofertado.
Además, la IA se puede utilizar para mejorar la experien-
cia de los estudiantes y potenciar las tasas de retención
y de divulgación. Por ejemplo, las instituciones de
educación superior pueden usar chatbots y otras herra-
mientas audiovisuales impulsadas por automatización
inteligente, como librerías y plataformas con entornos
recreados como laboratorios, salas de conferencia, fe-
rias, entre otros, y brindar a los estudiantes apoyo y
orientación personalizada a lo largo de su trayectoria
académica. Los chatbots pueden responder preguntas
comunes sobre los horarios de los cursos, tiempos de
admisión e inscripción, tareas, temas en desarrollo,
ayuda financiera, publicación de notas y resultados, al
mismo tiempo que ofrecen sugerencias para trayecto-
rias académicas y profesionales basadas en los intereses
y habilidades del estudiante. Esto puede ayudar a sentir
mayor conexión con la universidad, percibir más apoyo
6[Alberto Ramírez Téllez, Lina María Fonseca Ortiz, Freddy Camilo Triana D omínguez] Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-9866
https://doi.org/10.17533/udea.rib.v47n2e353620
en las actividades de aprendizaje y de orientación, lo
que a su vez aumenta la probabilidad de completar la
trayectoria académica y obtener el título.
3. Planificación académica y asesora-
miento
La estructuración de planes académicos personali-
zados basados en IA fundamenta las estrategias de
intervención mediante el análisis de características, va-
riables y atributos del estudiante en forma individual,
lo que permite asociar características homogéneas o
heterogéneas, como su rendimiento académico y com-
portamiento. Estos datos se pueden procesar utilizando
algoritmos de aprendizaje automático para identificar
estándares y predecir resultados, como la probabilidad
de que un estudiante tenga éxito en un curso o progra-
ma académico en particular. Lo anterior revolucionaría
la forma en que las instituciones de educación superior
crean planes académicos personalizados para los estu-
diantes, atendiendo a sus particularidades.
Lo anterior se debe, en parte, a que la IA puede anali-
zar información que refleja los intereses, las fortalezas
y las debilidades de un estudiante, a fin de propor-
cionar información o recomendaciones a los docentes
para adaptar mejoras en el modelo de enseñanza con
el objetivo de facilitar recursos ante las necesidades
del estudiante en su ámbito personal. Por ejemplo, un
sistema impulsado por computación cognitiva podría
identificar patrones en el desempeño académico, así
como intereses individuales para sugerir cursos y acti-
vidades que serían más relevantes y atractivos para este.
Frente a las recomendaciones personalizadas que pue-
de formular la IA, tanto a los estudiantes como a los
docentes, se destacan las de proponer cursos o pro-
gramas académicos que se alineen con sus afinidades,
intereses y fortalezas, identificar áreas en las que nece-
sitan mejorar y recomendar recursos o intervenciones
específicas para ayudarlos a tener éxito en su desarrollo
profesional y personal.
Otro ejemplo es el caso de la función de seguimiento al
progreso de cada estudiante a lo largo del tiempo, ajus-
tando las sugerencias según sea necesario en función de
los cambios en sus intereses, rendimiento, desempeño
y aproximación a logros, u otros factores. Esto puede
ayudar a garantizar que cada estudiante reciba el apoyo
y la orientación que necesita para lograr sus objetivos
académicos y alcanzar su máximo potencial.
No obstante, el uso de la IA en este contexto plan-
tea importantes preocupaciones éticas, por ejemplo,
existe el riesgo de que los sistemas impulsados por IA
refuercen los sesgos y las desigualdades existentes en la
educación, especialmente si no están diseñados tenien-
do en cuenta las diversas poblaciones de estudiantes
(Selwyn, 2019). También existe el riesgo de que los
sistemas de IA se utilicen para rastrear y monitorear a
los estudiantes de manera tal que se viole su privaci-
dad y su autonomía. Para mitigar esto, los diseñadores
deben asegurarse de que sus sistemas de IA sean trans-
parentes, responsables y sujetos a una supervisión ética
y legal rigurosa. Lo anterior es indispensable porque,
como examina Selwyn (2016, 2019), las implicaciones
sociales de un uso no crítico de la IA pueden reforzar
una visión neoliberal de la educación que prioriza la
eficiencia, la productividad y la responsabilidad sobre
otros valores como la creatividad, la curiosidad y el
pensamiento crítico. Elementos que son constitutivos
de una formación integral para la vida.
Otro desafío asociado con la planificación académica
impulsada por IA es que los docentes pueden carecer
de orientación sobre cómo usar y entender este recurso
de manera efectiva. Si bien los algoritmos de robótica
inteligente pueden proporcionar información y reco-
mendaciones valiosas, en última instancia, depende
de los docentes traducir estas recomendaciones en
acciones concretas que beneficien a sus estudiantes.
Esto requiere una comprensión profunda tanto de los
posibles beneficios como de las limitaciones de los sis-
temas impulsados por IA, así como de las habilidades
y el conocimiento necesarios para integrar de manera
articulada y ordenada estos sistemas en las prácticas
docentes existentes.
Además, los docentes deben considerar el impacto
que la planificación académica impulsada por la IA
puede tener en su propia autonomía profesional y au-
toridad para la toma de decisiones (Calderón-Zamora y
Benavides-González, 2022). Si bien los sistemas de ro-
bótica inteligente pueden proporcionar información y
recomendaciones importantes, no deben utilizarse para
reemplazar a los maestros o socavar su autoridad en el
https://doi.org/10.17533/udea.rib.v47n2e353620
en las actividades de aprendizaje y de orientación, lo
que a su vez aumenta la probabilidad de completar la
trayectoria académica y obtener el título.
3. Planificación académica y asesora-
miento
La estructuración de planes académicos personali-
zados basados en IA fundamenta las estrategias de
intervención mediante el análisis de características, va-
riables y atributos del estudiante en forma individual,
lo que permite asociar características homogéneas o
heterogéneas, como su rendimiento académico y com-
portamiento. Estos datos se pueden procesar utilizando
algoritmos de aprendizaje automático para identificar
estándares y predecir resultados, como la probabilidad
de que un estudiante tenga éxito en un curso o progra-
ma académico en particular. Lo anterior revolucionaría
la forma en que las instituciones de educación superior
crean planes académicos personalizados para los estu-
diantes, atendiendo a sus particularidades.
Lo anterior se debe, en parte, a que la IA puede anali-
zar información que refleja los intereses, las fortalezas
y las debilidades de un estudiante, a fin de propor-
cionar información o recomendaciones a los docentes
para adaptar mejoras en el modelo de enseñanza con
el objetivo de facilitar recursos ante las necesidades
del estudiante en su ámbito personal. Por ejemplo, un
sistema impulsado por computación cognitiva podría
identificar patrones en el desempeño académico, así
como intereses individuales para sugerir cursos y acti-
vidades que serían más relevantes y atractivos para este.
Frente a las recomendaciones personalizadas que pue-
de formular la IA, tanto a los estudiantes como a los
docentes, se destacan las de proponer cursos o pro-
gramas académicos que se alineen con sus afinidades,
intereses y fortalezas, identificar áreas en las que nece-
sitan mejorar y recomendar recursos o intervenciones
específicas para ayudarlos a tener éxito en su desarrollo
profesional y personal.
Otro ejemplo es el caso de la función de seguimiento al
progreso de cada estudiante a lo largo del tiempo, ajus-
tando las sugerencias según sea necesario en función de
los cambios en sus intereses, rendimiento, desempeño
y aproximación a logros, u otros factores. Esto puede
ayudar a garantizar que cada estudiante reciba el apoyo
y la orientación que necesita para lograr sus objetivos
académicos y alcanzar su máximo potencial.
No obstante, el uso de la IA en este contexto plan-
tea importantes preocupaciones éticas, por ejemplo,
existe el riesgo de que los sistemas impulsados por IA
refuercen los sesgos y las desigualdades existentes en la
educación, especialmente si no están diseñados tenien-
do en cuenta las diversas poblaciones de estudiantes
(Selwyn, 2019). También existe el riesgo de que los
sistemas de IA se utilicen para rastrear y monitorear a
los estudiantes de manera tal que se viole su privaci-
dad y su autonomía. Para mitigar esto, los diseñadores
deben asegurarse de que sus sistemas de IA sean trans-
parentes, responsables y sujetos a una supervisión ética
y legal rigurosa. Lo anterior es indispensable porque,
como examina Selwyn (2016, 2019), las implicaciones
sociales de un uso no crítico de la IA pueden reforzar
una visión neoliberal de la educación que prioriza la
eficiencia, la productividad y la responsabilidad sobre
otros valores como la creatividad, la curiosidad y el
pensamiento crítico. Elementos que son constitutivos
de una formación integral para la vida.
Otro desafío asociado con la planificación académica
impulsada por IA es que los docentes pueden carecer
de orientación sobre cómo usar y entender este recurso
de manera efectiva. Si bien los algoritmos de robótica
inteligente pueden proporcionar información y reco-
mendaciones valiosas, en última instancia, depende
de los docentes traducir estas recomendaciones en
acciones concretas que beneficien a sus estudiantes.
Esto requiere una comprensión profunda tanto de los
posibles beneficios como de las limitaciones de los sis-
temas impulsados por IA, así como de las habilidades
y el conocimiento necesarios para integrar de manera
articulada y ordenada estos sistemas en las prácticas
docentes existentes.
Además, los docentes deben considerar el impacto
que la planificación académica impulsada por la IA
puede tener en su propia autonomía profesional y au-
toridad para la toma de decisiones (Calderón-Zamora y
Benavides-González, 2022). Si bien los sistemas de ro-
bótica inteligente pueden proporcionar información y
recomendaciones importantes, no deben utilizarse para
reemplazar a los maestros o socavar su autoridad en el
7[Inteligencia artificial en la administración universitaria: una visión general de sus usos y aplicaciones]
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
aula (Moreno, 2019, p. 267). Es relevante destacar que
ante la planeación y los factores que inciden en forma
positiva o negativa en ella, se pueden tener cuestio-
namientos frente al manejo ético. Esto se fundamenta
en que no toda la carga del proceso se puede soportar
mediante la IA, por lo que juega un papel determinante
y relevante el criterio y los saberes del personal ad-
ministrativo y docente frente a que sean incluidos los
recursos y contenidos necesarios para asegurar una co-
rrecta construcción y desarrollo.
Los sistemas de IA deben verse como una herramien-
ta complementaria que puede ayudar a los docentes a
tomar decisiones informadas sobre la mejor manera de
apoyar el aprendizaje y formación de sus estudiantes.
Ahora bien, como afirman Beetham y Sharpe (2019), el
auge de las tecnologías digitales ha creado la necesidad
de nuevos enfoques para la pedagogía y la importancia
de diseñar pedagogías que tengan en cuenta la diversi-
dad de los educandos, sus contextos y sus necesidades.
Como sostienen estas autoras, la pedagogía necesita ser
repensada y rediseñada para la era digital con el reco-
nocimiento de las particularidades individuales. Las
pedagogías tradicionales, que se basan en la transmi-
sión de conocimientos de docente a estudiante ya no
son suficientes en la era digital y se debe seguir avan-
zando en el aprendizaje activo, la colaboración y la
creatividad.
Podría decirse que, al aprovechar grandes cantidades
de datos y algoritmos sofisticados, estos sistemas de IA
pueden proporcionar a los docentes información valiosa
que contribuya al entorno académico y su desarrollo. Sin
embargo, para garantizar que estos sistemas se utilicen
de manera ética y eficaz, las instituciones de educación
superior deben tomar medidas para abordar los posi-
bles riesgos y desafíos asociados a esta IA y brindar a los
docentes la orientación y el apoyo que necesitan para
aprovechar al máximo este poderoso recurso.
4. Sistemas de gestión del aprendizaje
Un estudio reciente (Zawacki-Richter et al., 2019) seña-
la que la IA aplicada en la educación es uno de los campos
emergentes en la tecnología educativa, y que si bien ha
existido durante aproximadamente treinta años, aún no
está claro para los educadores cómo aprovecharlo peda-
gógicamente a una escala más amplia y cómo puede tener
un impacto significativo en la enseñanza y el aprendizaje
en la educación superior.
Utilizar la IA para mejorar los sistemas de gestión del
aprendizaje utilizados por instituciones educativas
ofrece multitud de opciones dentro de cada una de las
categorías, más o menos complejas, más o menos fáciles
de configurar, más o menos económicas. Por ende, ayu-
da a las universidades a proporcionar observaciones,
recomendaciones y sugerencias personalizadas tanto a
estudiantes, en su rol de aprendizaje, como a docentes en
la enseñanza y al personal administrativo en su función.
En cualquier caso, es crucial poner el énfasis en que la
tecnología educativa no trata únicamente de tecnología,
sino que incluye y afecta las dimensiones pedagógicas,
éticas, sociales, culturales y económicas. Así lo declara
Neil Selwyn (2016), quien explora en su trabajo el uso de
la tecnología en la educación y plantea preguntas críticas
sobre el impacto que tiene en el sistema educativo y en la
formación de la educación moderna. Es claro, como afir-
ma este autor, que la tecnología no es una panacea para
todos los problemas educativos. No obstante, es necesa-
rio comprender los fenómenos de cambio y adaptación
que en el sector de la educación se están presentando, los
posibles beneficios y desventajas de la tecnología en el
aula y su impacto en la enseñanza y el aprendizaje.
En coherencia, se hace énfasis en que el uso aplicado de
IA en la consolidación de los procesos de aprendizaje está
sujeto a fenómenos propios del comportamiento huma-
no, que es particular y susceptible de manera individual
para cada uno de los actores involucrados. Estos proce-
sos pueden desviarse de su propósito superior y permitir
espacios en los que los docentes y estudiantes pueden
experimentar sensaciones de relajamiento y despreocu-
pación por el desarrollo académico, y el protagonismo
del docente pierde autoridad y es suplantado. También
es el caso en el que los docentes aumentan sus niveles de
confianza, a tal punto que no preparan en debida forma
sus contenidos por la expectativa que deriva del uso y
funciones pedagógicas de la IA.
5. Gestión financiera
La gestión financiera en las instituciones de educación es
un área en la cual es notable la mejora en la eficiencia y la
accesibilidad gracias a los procesos automatizados que
se logran con el uso del IA. Con los crecientes desafíos
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
aula (Moreno, 2019, p. 267). Es relevante destacar que
ante la planeación y los factores que inciden en forma
positiva o negativa en ella, se pueden tener cuestio-
namientos frente al manejo ético. Esto se fundamenta
en que no toda la carga del proceso se puede soportar
mediante la IA, por lo que juega un papel determinante
y relevante el criterio y los saberes del personal ad-
ministrativo y docente frente a que sean incluidos los
recursos y contenidos necesarios para asegurar una co-
rrecta construcción y desarrollo.
Los sistemas de IA deben verse como una herramien-
ta complementaria que puede ayudar a los docentes a
tomar decisiones informadas sobre la mejor manera de
apoyar el aprendizaje y formación de sus estudiantes.
Ahora bien, como afirman Beetham y Sharpe (2019), el
auge de las tecnologías digitales ha creado la necesidad
de nuevos enfoques para la pedagogía y la importancia
de diseñar pedagogías que tengan en cuenta la diversi-
dad de los educandos, sus contextos y sus necesidades.
Como sostienen estas autoras, la pedagogía necesita ser
repensada y rediseñada para la era digital con el reco-
nocimiento de las particularidades individuales. Las
pedagogías tradicionales, que se basan en la transmi-
sión de conocimientos de docente a estudiante ya no
son suficientes en la era digital y se debe seguir avan-
zando en el aprendizaje activo, la colaboración y la
creatividad.
Podría decirse que, al aprovechar grandes cantidades
de datos y algoritmos sofisticados, estos sistemas de IA
pueden proporcionar a los docentes información valiosa
que contribuya al entorno académico y su desarrollo. Sin
embargo, para garantizar que estos sistemas se utilicen
de manera ética y eficaz, las instituciones de educación
superior deben tomar medidas para abordar los posi-
bles riesgos y desafíos asociados a esta IA y brindar a los
docentes la orientación y el apoyo que necesitan para
aprovechar al máximo este poderoso recurso.
4. Sistemas de gestión del aprendizaje
Un estudio reciente (Zawacki-Richter et al., 2019) seña-
la que la IA aplicada en la educación es uno de los campos
emergentes en la tecnología educativa, y que si bien ha
existido durante aproximadamente treinta años, aún no
está claro para los educadores cómo aprovecharlo peda-
gógicamente a una escala más amplia y cómo puede tener
un impacto significativo en la enseñanza y el aprendizaje
en la educación superior.
Utilizar la IA para mejorar los sistemas de gestión del
aprendizaje utilizados por instituciones educativas
ofrece multitud de opciones dentro de cada una de las
categorías, más o menos complejas, más o menos fáciles
de configurar, más o menos económicas. Por ende, ayu-
da a las universidades a proporcionar observaciones,
recomendaciones y sugerencias personalizadas tanto a
estudiantes, en su rol de aprendizaje, como a docentes en
la enseñanza y al personal administrativo en su función.
En cualquier caso, es crucial poner el énfasis en que la
tecnología educativa no trata únicamente de tecnología,
sino que incluye y afecta las dimensiones pedagógicas,
éticas, sociales, culturales y económicas. Así lo declara
Neil Selwyn (2016), quien explora en su trabajo el uso de
la tecnología en la educación y plantea preguntas críticas
sobre el impacto que tiene en el sistema educativo y en la
formación de la educación moderna. Es claro, como afir-
ma este autor, que la tecnología no es una panacea para
todos los problemas educativos. No obstante, es necesa-
rio comprender los fenómenos de cambio y adaptación
que en el sector de la educación se están presentando, los
posibles beneficios y desventajas de la tecnología en el
aula y su impacto en la enseñanza y el aprendizaje.
En coherencia, se hace énfasis en que el uso aplicado de
IA en la consolidación de los procesos de aprendizaje está
sujeto a fenómenos propios del comportamiento huma-
no, que es particular y susceptible de manera individual
para cada uno de los actores involucrados. Estos proce-
sos pueden desviarse de su propósito superior y permitir
espacios en los que los docentes y estudiantes pueden
experimentar sensaciones de relajamiento y despreocu-
pación por el desarrollo académico, y el protagonismo
del docente pierde autoridad y es suplantado. También
es el caso en el que los docentes aumentan sus niveles de
confianza, a tal punto que no preparan en debida forma
sus contenidos por la expectativa que deriva del uso y
funciones pedagógicas de la IA.
5. Gestión financiera
La gestión financiera en las instituciones de educación es
un área en la cual es notable la mejora en la eficiencia y la
accesibilidad gracias a los procesos automatizados que
se logran con el uso del IA. Con los crecientes desafíos
8[Alberto Ramírez Téllez, Lina María Fonseca Ortiz, Freddy Camilo Triana D omínguez] Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-9866
https://doi.org/10.17533/udea.rib.v47n2e353620
financieros que enfrentan las universidades, se ha vuelto
imperativo aprovechar la tecnología de IA para lograr la
sostenibilidad financiera. Los sistemas impulsados por
la robótica inteligente pueden ayudar de varias maneras,
como reducir costos, aumentar los ingresos y mejorar los
procesos de toma de decisiones financieras. Por ejemplo,
se puede utilizar para agilizar la elaboración de presu-
puestos, la contabilidad, los informes financieros y los
reportes a autoridades o terceros interesados, lo que ge-
nera importantes ahorros de recursos.
La escalabilidad es un factor crucial en la gestión finan-
ciera de las universidades, y la IA puede desempeñar un
papel crucial para garantizarla. La tensión entre la lógi-
ca de la eficacia y la de la adecuación afecta a la mayoría
de las acciones organizativas, como señalan Tambe et al.
(2019). Mediante el uso de sistemas impulsados por IA,
se reducirá la carga del personal administrativo y esto les
permitirá concentrarse en otras tareas críticas y activida-
des que demanden los servicios académicos. Esto puede
ser particularmente beneficioso para las universidades
más pequeñas, dada la cantidad de personal y la limita-
ción de recursos, y les permitirá administrar sus finanzas
de manera eficiente sin tener que contratar personal adi-
cional (Metcalf et al., 2019).
Las instituciones educativas también pueden utilizar la
IA no solo para destinarla al aprendizaje de la población
estudiantil, sino también del personal administrativo y
docente, dado que la computación cognitiva incluye sis-
temas de autogestión que imita el funcionamiento del
cerebro humano mediante la extracción de datos, la for-
malización de patrones, el reconocimiento de algoritmos
y el procesamiento del lenguaje natural.
Con el uso se pretende mejorar las perspectivas de finan-
ciación de los aspirantes, mediante la identificación de
posibles donantes o inversores que se alineen con la mi-
sión y los valores de la institución (Metcalf et al., 2019).
La IA puede analizar los registros historiales de los do-
nantes y las transacciones financieras, para identificar
estándares y tendencias que pueden ayudar a las univer-
sidades a optimizar sus estrategias y etapas financieras
como el recaudo, el pago de nóminas, el pago a provee-
dores y los demás servicios que demande la universidad.
También, se puede utilizar para crear campañas de fi-
nanciación personalizadas para grupos de estudiantes
específicos, lo que aumenta las posibilidades de obtener
donaciones significativas de terceros.
Uno de los mayores desafíos que enfrentan las universida-
des es garantizar el acceso a la educación de estudiantes
de bajos recursos, y el uso de la IA puede contribuir a
abordar este problema mediante la creación de paque-
tes de ayudas o auxilios financieros específicos que se
adapten a las necesidades únicas de los estudiantes, me-
diante el análisis de datos como los ingresos familiares,
el rendimiento académico y la información demográfica.
Este enfoque puede contribuir a que las universidades
aumenten la matrícula de estudiantes de bajos ingresos y
promuevan una mayor diversidad e inclusión.
El uso de estas tecnologías mejora la transparencia y res-
ponsabilidad financiera al proporcionar datos en tiempo
real sobre el desempeño financiero, lo que puede servir
a los administradores a tomar decisiones documentadas
sobre asuntos financieros, como presupuestos y estra-
tegias de gasto e inversión en distintos momentos en
el tiempo. Al garantizar la transparencia financiera, las
instituciones educativas pueden generar confianza con
las partes interesadas, como inversionistas, donantes,
estudiantes y el público en general; así se evidencia una
estructura consolidada.
En tal sentido, es importante considerar las implicacio-
nes éticas del uso de la IA en la gestión financiera de las
instituciones de educación superior. Por ejemplo, en este
ámbito, la automatización inteligente puede reforzar los
sesgos existentes en los procesos de toma de decisiones o
excluir a ciertos grupos de estudiantes en función de las
evaluaciones algorítmicas. Para mitigar estos riesgos, las
instituciones de educación superior deben asegurarse de
que sus sistemas de IA estén diseñados para promover la
equidad, la transparencia y la inclusión. En este sentido,
se deben desarrollar políticas y pautas para el uso ético
de estos sistemas expertos en la gestión financiera, como
la protección de la privacidad de los datos y la respon-
sabilidad algorítmica frente a compromisos tributarios y
fiscales.
Teniendo a la vista estos aspectos, puede decirse que,
al aprovechar los sistemas impulsados por IA, las insti-
tuciones de educación superior pueden optimizar sus
procesos financieros, aumentar las perspectivas de fi-
nanciación y promover un mayor acceso a la educación.
https://doi.org/10.17533/udea.rib.v47n2e353620
financieros que enfrentan las universidades, se ha vuelto
imperativo aprovechar la tecnología de IA para lograr la
sostenibilidad financiera. Los sistemas impulsados por
la robótica inteligente pueden ayudar de varias maneras,
como reducir costos, aumentar los ingresos y mejorar los
procesos de toma de decisiones financieras. Por ejemplo,
se puede utilizar para agilizar la elaboración de presu-
puestos, la contabilidad, los informes financieros y los
reportes a autoridades o terceros interesados, lo que ge-
nera importantes ahorros de recursos.
La escalabilidad es un factor crucial en la gestión finan-
ciera de las universidades, y la IA puede desempeñar un
papel crucial para garantizarla. La tensión entre la lógi-
ca de la eficacia y la de la adecuación afecta a la mayoría
de las acciones organizativas, como señalan Tambe et al.
(2019). Mediante el uso de sistemas impulsados por IA,
se reducirá la carga del personal administrativo y esto les
permitirá concentrarse en otras tareas críticas y activida-
des que demanden los servicios académicos. Esto puede
ser particularmente beneficioso para las universidades
más pequeñas, dada la cantidad de personal y la limita-
ción de recursos, y les permitirá administrar sus finanzas
de manera eficiente sin tener que contratar personal adi-
cional (Metcalf et al., 2019).
Las instituciones educativas también pueden utilizar la
IA no solo para destinarla al aprendizaje de la población
estudiantil, sino también del personal administrativo y
docente, dado que la computación cognitiva incluye sis-
temas de autogestión que imita el funcionamiento del
cerebro humano mediante la extracción de datos, la for-
malización de patrones, el reconocimiento de algoritmos
y el procesamiento del lenguaje natural.
Con el uso se pretende mejorar las perspectivas de finan-
ciación de los aspirantes, mediante la identificación de
posibles donantes o inversores que se alineen con la mi-
sión y los valores de la institución (Metcalf et al., 2019).
La IA puede analizar los registros historiales de los do-
nantes y las transacciones financieras, para identificar
estándares y tendencias que pueden ayudar a las univer-
sidades a optimizar sus estrategias y etapas financieras
como el recaudo, el pago de nóminas, el pago a provee-
dores y los demás servicios que demande la universidad.
También, se puede utilizar para crear campañas de fi-
nanciación personalizadas para grupos de estudiantes
específicos, lo que aumenta las posibilidades de obtener
donaciones significativas de terceros.
Uno de los mayores desafíos que enfrentan las universida-
des es garantizar el acceso a la educación de estudiantes
de bajos recursos, y el uso de la IA puede contribuir a
abordar este problema mediante la creación de paque-
tes de ayudas o auxilios financieros específicos que se
adapten a las necesidades únicas de los estudiantes, me-
diante el análisis de datos como los ingresos familiares,
el rendimiento académico y la información demográfica.
Este enfoque puede contribuir a que las universidades
aumenten la matrícula de estudiantes de bajos ingresos y
promuevan una mayor diversidad e inclusión.
El uso de estas tecnologías mejora la transparencia y res-
ponsabilidad financiera al proporcionar datos en tiempo
real sobre el desempeño financiero, lo que puede servir
a los administradores a tomar decisiones documentadas
sobre asuntos financieros, como presupuestos y estra-
tegias de gasto e inversión en distintos momentos en
el tiempo. Al garantizar la transparencia financiera, las
instituciones educativas pueden generar confianza con
las partes interesadas, como inversionistas, donantes,
estudiantes y el público en general; así se evidencia una
estructura consolidada.
En tal sentido, es importante considerar las implicacio-
nes éticas del uso de la IA en la gestión financiera de las
instituciones de educación superior. Por ejemplo, en este
ámbito, la automatización inteligente puede reforzar los
sesgos existentes en los procesos de toma de decisiones o
excluir a ciertos grupos de estudiantes en función de las
evaluaciones algorítmicas. Para mitigar estos riesgos, las
instituciones de educación superior deben asegurarse de
que sus sistemas de IA estén diseñados para promover la
equidad, la transparencia y la inclusión. En este sentido,
se deben desarrollar políticas y pautas para el uso ético
de estos sistemas expertos en la gestión financiera, como
la protección de la privacidad de los datos y la respon-
sabilidad algorítmica frente a compromisos tributarios y
fiscales.
Teniendo a la vista estos aspectos, puede decirse que,
al aprovechar los sistemas impulsados por IA, las insti-
tuciones de educación superior pueden optimizar sus
procesos financieros, aumentar las perspectivas de fi-
nanciación y promover un mayor acceso a la educación.
9[Inteligencia artificial en la administración universitaria: una visión general de sus usos y aplicaciones]
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
Sin embargo, es esencial garantizar que el uso de la IA en
la gestión financiera esté guiado tanto por los principios
y valores éticos e institucionales como por parámetros
técnicos y legales.
6. Investigación e innovación
La investigación es un componente vital de las institu-
ciones de educación superior y una de las características
insignia que las destaca, por lo que juega un papel im-
portante en el avance y gestión del conocimiento. Hoy en
día, es más necesario que la innovación sea impulsada en
aras del crecimiento científico, social y económico. Aun-
que la investigación tiene el potencial de avanzar en la
solución de importantes problemas sociales, el apoyo y
destinación de recursos humanos y económicos parece
modesto si se mira el presupuesto que los países en vía
de desarrollo invierten en el sector. No es ajeno el caso en
los campos de educación superior, de modo que un com-
promiso actual es la mejora de las condiciones y la forma
de definir las partidas presupuestales para la promoción
y producción de la investigación. En este desafío, el uso
de herramientas que usan la IA parece ganar terreno y
posicionarse en el ámbito académico y científico.
Esta incursión conlleva otro desafío: enfrentar la som-
bra que pesa sobre la calidad de la investigación, que, si
bien carece de recursos, parece concentrarse en la publi-
cación de artículos y la obtención de fondos, y tramites
bibliotecarios, en lugar de causar investigaciones de alta
calidad que aborden problemas del mundo y aporten a
su solución. Esto ha abierto una brecha motivada por
el cuestionamiento en la confiabilidad de las investiga-
ciones cualitativas y cuantitativas. Un panorama visto
de esta manera ha llevado a percibir que el enfoque en
la investigación incrementa beneficios o impacto a corto
plazo, pero que se desvanecen a largo plazo y no son sos-
tenibles en el tiempo.
Este paradigma exige adoptar un enfoque equilibrado
para la inversión y aplicación de la investigación, inclui-
dos tanto los métodos tradicionales como las tecnologías
emergentes. Aquí es relevante mencionar que es algo que
se toma como “modelo” y que es posible transformarlo
en potencial gracias a la IA, por cuanto tiene el poten-
cial de mejorar y acelerar los procesos de investigación.
Es relevante además considerar que las instituciones de
educación superior evalúen críticamente sus prioridades
y áreas de investigación y se aseguren de que su uso se
alinee con su misión de beneficiar a la sociedad y pro-
mover la ciencia, el desarrollo experimental, la gestión
del conocimiento y la transformación social, en lugar de
priorizar únicamente la comercialización, las ganancias
lucrativas y los títulos.
Ahora bien, teniendo en cuenta esto, ¿cómo se puede uti-
lizar la IA para apoyar la investigación y la innovación
en las instituciones de educación superior? Quizá uno de
los usos más extendidos es el recurso de herramientas de
análisis de datos que permiten a los investigadores ex-
traer y analizar grandes flujos de información de forma
rápida y precisa (Sancho-Escrivá et al., 2020). Lo que
brinda a los investigadores identificar tendencias, com-
portamientos y correlaciones en los datos e información
y los modelos investigativos en los que son empleados,
lo que puede ayudar a formular nuevas preguntas e hi-
pótesis de investigación (Cisneros-Caicedo et al., 2022).
Con ello se aprecia que ayuda a los investigadores a iden-
tificar y profundizar en sus áreas de estudio, así como en
nuevas áreas y enfoques en el campo de la investigación,
que quizás no hayan sido considerados anteriormente.
Junto a las herramientas de análisis, también aparece un
aumento en la precisión y la confiabilidad de los resul-
tados de la investigación, sin importar su metodología.
Las herramientas impulsadas por IA pueden analizar los
datos con mayor y múltiples variables y atributos, lo que
reduce el grado de incertidumbre y también el riesgo de
errores; además, mejora la calidad de la investigación en
un sinnúmero de campos (Sancho-Escrivá et al., 2020).
Aspectos que generan una mayor confianza, aumentan
la credibilidad y disminuyen sesgos y visiones subjeti-
vas, como sostiene Sancho-Escrivá (2020, p. 22). A esto
se debe el impacto creciente en la publicación de los
resultados de la investigación, pues, de ser aceptados y
utilizados por otros investigadores, se configura la trans-
ferencia del conocimiento y pueden ser utilizados en
futuros campos de investigación.
Cada vez y más a menudo aparecen más evidencias del
uso de la IA para apoyar la innovación en el campo de la
investigación realizada en las instituciones de educación
superior, al permitirles a los investigadores identificar
aplicaciones potenciales para los objetivos de sus investi-
gaciones. Esto les ayuda a distinguir fenómenos, modelos
de patrones y tendencias en la información que se pue-
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
Sin embargo, es esencial garantizar que el uso de la IA en
la gestión financiera esté guiado tanto por los principios
y valores éticos e institucionales como por parámetros
técnicos y legales.
6. Investigación e innovación
La investigación es un componente vital de las institu-
ciones de educación superior y una de las características
insignia que las destaca, por lo que juega un papel im-
portante en el avance y gestión del conocimiento. Hoy en
día, es más necesario que la innovación sea impulsada en
aras del crecimiento científico, social y económico. Aun-
que la investigación tiene el potencial de avanzar en la
solución de importantes problemas sociales, el apoyo y
destinación de recursos humanos y económicos parece
modesto si se mira el presupuesto que los países en vía
de desarrollo invierten en el sector. No es ajeno el caso en
los campos de educación superior, de modo que un com-
promiso actual es la mejora de las condiciones y la forma
de definir las partidas presupuestales para la promoción
y producción de la investigación. En este desafío, el uso
de herramientas que usan la IA parece ganar terreno y
posicionarse en el ámbito académico y científico.
Esta incursión conlleva otro desafío: enfrentar la som-
bra que pesa sobre la calidad de la investigación, que, si
bien carece de recursos, parece concentrarse en la publi-
cación de artículos y la obtención de fondos, y tramites
bibliotecarios, en lugar de causar investigaciones de alta
calidad que aborden problemas del mundo y aporten a
su solución. Esto ha abierto una brecha motivada por
el cuestionamiento en la confiabilidad de las investiga-
ciones cualitativas y cuantitativas. Un panorama visto
de esta manera ha llevado a percibir que el enfoque en
la investigación incrementa beneficios o impacto a corto
plazo, pero que se desvanecen a largo plazo y no son sos-
tenibles en el tiempo.
Este paradigma exige adoptar un enfoque equilibrado
para la inversión y aplicación de la investigación, inclui-
dos tanto los métodos tradicionales como las tecnologías
emergentes. Aquí es relevante mencionar que es algo que
se toma como “modelo” y que es posible transformarlo
en potencial gracias a la IA, por cuanto tiene el poten-
cial de mejorar y acelerar los procesos de investigación.
Es relevante además considerar que las instituciones de
educación superior evalúen críticamente sus prioridades
y áreas de investigación y se aseguren de que su uso se
alinee con su misión de beneficiar a la sociedad y pro-
mover la ciencia, el desarrollo experimental, la gestión
del conocimiento y la transformación social, en lugar de
priorizar únicamente la comercialización, las ganancias
lucrativas y los títulos.
Ahora bien, teniendo en cuenta esto, ¿cómo se puede uti-
lizar la IA para apoyar la investigación y la innovación
en las instituciones de educación superior? Quizá uno de
los usos más extendidos es el recurso de herramientas de
análisis de datos que permiten a los investigadores ex-
traer y analizar grandes flujos de información de forma
rápida y precisa (Sancho-Escrivá et al., 2020). Lo que
brinda a los investigadores identificar tendencias, com-
portamientos y correlaciones en los datos e información
y los modelos investigativos en los que son empleados,
lo que puede ayudar a formular nuevas preguntas e hi-
pótesis de investigación (Cisneros-Caicedo et al., 2022).
Con ello se aprecia que ayuda a los investigadores a iden-
tificar y profundizar en sus áreas de estudio, así como en
nuevas áreas y enfoques en el campo de la investigación,
que quizás no hayan sido considerados anteriormente.
Junto a las herramientas de análisis, también aparece un
aumento en la precisión y la confiabilidad de los resul-
tados de la investigación, sin importar su metodología.
Las herramientas impulsadas por IA pueden analizar los
datos con mayor y múltiples variables y atributos, lo que
reduce el grado de incertidumbre y también el riesgo de
errores; además, mejora la calidad de la investigación en
un sinnúmero de campos (Sancho-Escrivá et al., 2020).
Aspectos que generan una mayor confianza, aumentan
la credibilidad y disminuyen sesgos y visiones subjeti-
vas, como sostiene Sancho-Escrivá (2020, p. 22). A esto
se debe el impacto creciente en la publicación de los
resultados de la investigación, pues, de ser aceptados y
utilizados por otros investigadores, se configura la trans-
ferencia del conocimiento y pueden ser utilizados en
futuros campos de investigación.
Cada vez y más a menudo aparecen más evidencias del
uso de la IA para apoyar la innovación en el campo de la
investigación realizada en las instituciones de educación
superior, al permitirles a los investigadores identificar
aplicaciones potenciales para los objetivos de sus investi-
gaciones. Esto les ayuda a distinguir fenómenos, modelos
de patrones y tendencias en la información que se pue-
10[Alberto Ramírez Téllez, Lina María Fonseca Ortiz, Freddy Camilo Triana D omínguez] Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-9866
https://doi.org/10.17533/udea.rib.v47n2e353620
den usar para desarrollar nuevos productos, servicios
o procesos. Lo anterior puede aumentar el impacto y
potencializar los resultados, propósitos y alcance de la
investigación, y brindar no solo nuevas fuentes de ingre-
sos y temas por explorar, sino también oportunidades de
colaboración con socios de la industria y del sector em-
presarial en general.
Por otro lado, abre nuevas rutas, lo que significa identi-
ficar y cerrar brechas y oportunidades de investigación
de la cosa no investigada. Mediante el análisis de datos
de múltiples fuentes, las herramientas de IA en la edu-
cación ayudan a los investigadores a identificar áreas de
investigación que se han pasado por alto o que no se han
investigado lo suficiente, o sencillamente que están sur-
giendo, lo que les permite identificar nuevas necesidades
de incursionar en el campo de la investigación, pues po-
drían conducir a descubrimientos e innovaciones. Un
grupo de investigadores liderado por Alicia Cisneros
sostiene que:
Entre los entornos presencial y virtual existen obvias
ventajas, desventajas y limitaciones en la aplicación de
técnicas y herramientas en la recolección de datos, pero
durante la pandemia los adelantos en inteligencia arti-
ficial y de avances tecnológicos han permitido que en
el entorno virtual se rompan viejos paradigmas, se ase-
gure la cantidad y la calidad de datos y se disminuyan
significativamente los errores que se podían presentar
por ejemplo a la hora de establecer la muestra poblacio-
nal (Cisneros-Caicedo et al., 2022, p. 1166).
Una de las características que tiene el recurso de la IA es
que su éxito está determinado por un trabajo colabora-
tivo, abierto e interconectado, así que esto marca no solo
las posibilidades que se le brindan a la investigación y a
sus productos, sino que integra estos a un contexto mu-
cho más amplio. De modo que esto debe llevar a que las
instituciones de educación superior procuren facilitar la
colaboración y el intercambio de conocimientos entre
investigadores, centros de investigación y laboratorios,
todo para beneficio del usuario final, y facilitar además la
colaboración entre investigadores que trabajan en dife-
rentes campos o en diferentes instituciones y locaciones.
Es así como puede decirse, a modo de cierre de este
apartado, que la IA es una herramienta poderosa que se
emplea para respaldar la investigación y la innovación,
al proporcionar herramientas analíticas avanzadas que
permiten a los investigadores analizar y entender di-
versos conjuntos de datos, identificar desviaciones que
pueden no ser evidentes de inmediato e identificar nue-
vas áreas y oportunidades en términos de métodos y
resultados. Estas nuevas herramientas pueden ayudar a
mejorar la precisión y la confiabilidad de los resultados
de la investigación. Con el rápido crecimiento de la tec-
nología en el sector de la educación, es probable que las
instituciones de educación superior que invierten o des-
tinan recursos en investigación e innovación impulsadas
por IA vean grandes beneficios en muchos campos y no
solo en lo económico, sin excluirlo.
7. Conclusión
En este contexto, es necesario implementar la IA en el
entorno universitario como elemento primordial en los
modelos de educación y la gestión administrativa que los
acompaña. Preocupa la cuestión sobre un alto porcentaje
de estudiantes que pertenecen a hogares de bajos ingre-
sos con escaso acceso a ventajosos usos tecnológicos,
lo que en definitiva aumenta más las probabilidades de
interrumpir sus estudios. En ese caso, las ventajas aquí
enumeradas, y enmarcadas en pilares de lo que represen-
ta el uso de la IA en la gestión universitaria, buscan que
las instituciones de educación superior consideren esta
tecnología liberada y migrar a procesos de reestructura-
ción tecnológica y de enseñanza. La IA está concebida
de forma tal que ofrece una amplia gama de tecnologías,
capacidades y características, y su auge abre oportunida-
des interesantes para la educación y la forma en cómo se
administra e imparte. Para aprovechar todo su potencial
en este ámbito, es necesario reducir la brecha entre los
modelos estándar de aprendizaje y los retos de imple-
mentación en condiciones innovadoras enmarcadas en
tecnologías de IA y sus aplicaciones educativas.
Este texto ha presentado algunos de los usos de las
tecnologías de IA más utilizadas y sus beneficios
comprobados o potenciales para la educación. Para
los involucrados, la IA puede facilitar una variedad
de interacciones, aumentar la participación en estas,
crear materiales de aprendizaje adaptables, proporcio-
nar instrucción metacognitiva y crear un entorno de
aprendizaje que enriquezca y mejore los resultados del
aprendizaje y los procesos administrativos que de ellos
se derivan. Igualmente, en el ámbito del proceso edu-
cativo, la IA puede proporcionar modelos predictivos,
https://doi.org/10.17533/udea.rib.v47n2e353620
den usar para desarrollar nuevos productos, servicios
o procesos. Lo anterior puede aumentar el impacto y
potencializar los resultados, propósitos y alcance de la
investigación, y brindar no solo nuevas fuentes de ingre-
sos y temas por explorar, sino también oportunidades de
colaboración con socios de la industria y del sector em-
presarial en general.
Por otro lado, abre nuevas rutas, lo que significa identi-
ficar y cerrar brechas y oportunidades de investigación
de la cosa no investigada. Mediante el análisis de datos
de múltiples fuentes, las herramientas de IA en la edu-
cación ayudan a los investigadores a identificar áreas de
investigación que se han pasado por alto o que no se han
investigado lo suficiente, o sencillamente que están sur-
giendo, lo que les permite identificar nuevas necesidades
de incursionar en el campo de la investigación, pues po-
drían conducir a descubrimientos e innovaciones. Un
grupo de investigadores liderado por Alicia Cisneros
sostiene que:
Entre los entornos presencial y virtual existen obvias
ventajas, desventajas y limitaciones en la aplicación de
técnicas y herramientas en la recolección de datos, pero
durante la pandemia los adelantos en inteligencia arti-
ficial y de avances tecnológicos han permitido que en
el entorno virtual se rompan viejos paradigmas, se ase-
gure la cantidad y la calidad de datos y se disminuyan
significativamente los errores que se podían presentar
por ejemplo a la hora de establecer la muestra poblacio-
nal (Cisneros-Caicedo et al., 2022, p. 1166).
Una de las características que tiene el recurso de la IA es
que su éxito está determinado por un trabajo colabora-
tivo, abierto e interconectado, así que esto marca no solo
las posibilidades que se le brindan a la investigación y a
sus productos, sino que integra estos a un contexto mu-
cho más amplio. De modo que esto debe llevar a que las
instituciones de educación superior procuren facilitar la
colaboración y el intercambio de conocimientos entre
investigadores, centros de investigación y laboratorios,
todo para beneficio del usuario final, y facilitar además la
colaboración entre investigadores que trabajan en dife-
rentes campos o en diferentes instituciones y locaciones.
Es así como puede decirse, a modo de cierre de este
apartado, que la IA es una herramienta poderosa que se
emplea para respaldar la investigación y la innovación,
al proporcionar herramientas analíticas avanzadas que
permiten a los investigadores analizar y entender di-
versos conjuntos de datos, identificar desviaciones que
pueden no ser evidentes de inmediato e identificar nue-
vas áreas y oportunidades en términos de métodos y
resultados. Estas nuevas herramientas pueden ayudar a
mejorar la precisión y la confiabilidad de los resultados
de la investigación. Con el rápido crecimiento de la tec-
nología en el sector de la educación, es probable que las
instituciones de educación superior que invierten o des-
tinan recursos en investigación e innovación impulsadas
por IA vean grandes beneficios en muchos campos y no
solo en lo económico, sin excluirlo.
7. Conclusión
En este contexto, es necesario implementar la IA en el
entorno universitario como elemento primordial en los
modelos de educación y la gestión administrativa que los
acompaña. Preocupa la cuestión sobre un alto porcentaje
de estudiantes que pertenecen a hogares de bajos ingre-
sos con escaso acceso a ventajosos usos tecnológicos,
lo que en definitiva aumenta más las probabilidades de
interrumpir sus estudios. En ese caso, las ventajas aquí
enumeradas, y enmarcadas en pilares de lo que represen-
ta el uso de la IA en la gestión universitaria, buscan que
las instituciones de educación superior consideren esta
tecnología liberada y migrar a procesos de reestructura-
ción tecnológica y de enseñanza. La IA está concebida
de forma tal que ofrece una amplia gama de tecnologías,
capacidades y características, y su auge abre oportunida-
des interesantes para la educación y la forma en cómo se
administra e imparte. Para aprovechar todo su potencial
en este ámbito, es necesario reducir la brecha entre los
modelos estándar de aprendizaje y los retos de imple-
mentación en condiciones innovadoras enmarcadas en
tecnologías de IA y sus aplicaciones educativas.
Este texto ha presentado algunos de los usos de las
tecnologías de IA más utilizadas y sus beneficios
comprobados o potenciales para la educación. Para
los involucrados, la IA puede facilitar una variedad
de interacciones, aumentar la participación en estas,
crear materiales de aprendizaje adaptables, proporcio-
nar instrucción metacognitiva y crear un entorno de
aprendizaje que enriquezca y mejore los resultados del
aprendizaje y los procesos administrativos que de ellos
se derivan. Igualmente, en el ámbito del proceso edu-
cativo, la IA puede proporcionar modelos predictivos,
11[Inteligencia artificial en la administración universitaria: una visión general de sus usos y aplicaciones]
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
identificar a estudiantes dotados o en riesgo, realizar
un seguimiento del progreso del aprendizaje, generar
materiales de aprendizaje, calificaciones y evaluaciones
personalizadas, y analizar instantáneamente datos a
gran escala para fines de evaluación o gobernanza. Los
entornos de aprendizaje mejorados con IA pueden for-
talecer los sistemas de gestión del aprendizaje, originar
comentarios visuales y mejorar las interacciones de la
enseñanza y aprendizaje a través de tecnologías inmer-
sivas e intuitivas.
Al enfatizar estos factores, se trazó una guía para que
tanto los profesionales de la tecnología que crean tec-
nologías de IA para la educación, los docentes, el cuerpo
administrativo de gestión universitaria, como los inves-
tigadores comprendan que el uso de tecnologías de IA
específicas propende a mejorar el aprendizaje, la gestión,
la enseñanza y la investigación; además, brinda sopor-
te a la gestión del conocimiento. Se resaltan entonces
los beneficios y contrastes como los posibles desequi-
librios que estos usos puedan producir, por lo que este
documento también se propuso para indicar algunos
de los desafíos clave que enfrenta el desarrollo de IA en
la educación, como el costo y la escalabilidad, la ética y
la privacidad, la falta de orientación práctica y la expe-
riencia limitada en IA del docente y de los estudiantes.
Con todo esto, al final, se pretende señalar la necesidad
de proyectos de tecnología de IA en educación supe-
rior que sean más integrales y accesibles para satisfacer
las diversas necesidades e intereses de la comunidad
universitaria.
8. Referencias
1. Anzola-Montero, Germán (2019). Innovación
tecnológica en la gestión universitaria. Revista
U.D.C.A Actualidad & Divulgación Científica, 22(2).
https://doi.org/10.31910/rudca.v22.n2.2019.1380
2. Beetham, Helen; Sharpe, Rhona (Eds.) (2019).
Rethinking pedagogy for a digital age: Principles
and practices of design (3.a ed.). Routledge.
https://doi.org/10.4324/9781351252805
3. Calderón-Zamora, Rodolfo; Benavides-Gonzalez, Luis
(2022). La inteligencia artificial como herramienta en la
docencia universitaria. Revista Académica Institucional, 3(2),
10-17.
4. Cisneros-Caicedo, Alicia; Guevara-García, Axel;
Urdánigo-Cedeño, Johnny; Garcés-Bravo, Julio (2022).
Técnicas e instrumentos para la recolección de datos
que apoyan a la investigación científica en tiempo de
pandemia. Domino de las Ciencias, 8(1), 1165-1185.
5. Crompton, Helen; Song, Donggil (2021). The Potential
of Artificial Intelligence in Higher Education.
Revista Virtual Universidad Católica del Norte, 62, 1-4.
https://doi.org/10.35575/rvucn.n62a1
6. Kaplan, Andreas; Haenlein, Michael (2019). Siri, Siri,
in my hand: Who’s the fairest in the land? On the
interpretations, illustrations, and implications of
artificial intelligence. Business Horizons, 62(1), 15-25.
https://doi.org/10.1016/j.bushor.2018.08.004
7. Ma, Jing; Feng, Bo (2021). Integrated design of graduate
education information system of universities in digital
campus environment. Wireless Communications and Mobile
Computing, 2021, 1-12. https://doi.org/10.1155/2021/8357488
8. Metcalf, Lynn; Askay, David; Rosenberg, Louis (2019).
Keeping humans in the loop: Pooling knowledge through
artificial swarm intelligence to improve business decision
making. California Management Review, 61(4), 84-109.
https://doi.org/10.1177/0008125619862256
9. Moreno, Raúl (2019). La llegada de la inteligencia
artificial a la educación. Revista de Investigación
en Tecnologías de la Información, 7(14), 260-270.
https://doi.org/10.36825/RITI.07.14.022
10. Nye, Benjamin (2015). Intelligent tutoring systems by
and for the developing world: A review of trends and
approaches for educational technology in a global context.
International Journal of Artificial Intelligence in Education, 25(2),
177-203. https://doi.org/10.1007/s40593-014-0028-6
11. O’Neil, Cathy (2016). Weapons of math destruction: How big
data increases inequality and threatens democracy. Crown.
12. Pérez-Gama, Jesús; Vega-Vega, Anselmo; Rubio, Juan;
Espinosa-Sanchez, Gaby; Perez-Gutierrez, Byron
(2017). Intelligent higher education model based on
competences and architectures for the colombian post-
conflict. Proceedings of the 15th LACCEI International Multi-
Conference for Engineering, Education, and Technology: “Global
Partnership for Development and Engineering Education.”
https://doi.org/10.18687/LACCEI2017.1.1.117
13. Petrichenko, Roman; Boreiko, Dimitriis (2019).
Adaptive detection of battery energy storage system
charge/discharge cycles quantity. 2019 IEEE 7th
IEEE Workshop on Advances in Information.
Electronic and Electrical Engineering (AIEEE), 1-4.
https://doi.org/10.1109/AIEEE48629.2019.8977114
14. Polkowski, Zdzislaw; Borah, Samarjeet; Mishra, Sambit;
Desai, Darshana (2023). Online Learning Systems: Methods and
Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-98666
https://doi.org/10.17533/udea.rib.v47n2e353620
identificar a estudiantes dotados o en riesgo, realizar
un seguimiento del progreso del aprendizaje, generar
materiales de aprendizaje, calificaciones y evaluaciones
personalizadas, y analizar instantáneamente datos a
gran escala para fines de evaluación o gobernanza. Los
entornos de aprendizaje mejorados con IA pueden for-
talecer los sistemas de gestión del aprendizaje, originar
comentarios visuales y mejorar las interacciones de la
enseñanza y aprendizaje a través de tecnologías inmer-
sivas e intuitivas.
Al enfatizar estos factores, se trazó una guía para que
tanto los profesionales de la tecnología que crean tec-
nologías de IA para la educación, los docentes, el cuerpo
administrativo de gestión universitaria, como los inves-
tigadores comprendan que el uso de tecnologías de IA
específicas propende a mejorar el aprendizaje, la gestión,
la enseñanza y la investigación; además, brinda sopor-
te a la gestión del conocimiento. Se resaltan entonces
los beneficios y contrastes como los posibles desequi-
librios que estos usos puedan producir, por lo que este
documento también se propuso para indicar algunos
de los desafíos clave que enfrenta el desarrollo de IA en
la educación, como el costo y la escalabilidad, la ética y
la privacidad, la falta de orientación práctica y la expe-
riencia limitada en IA del docente y de los estudiantes.
Con todo esto, al final, se pretende señalar la necesidad
de proyectos de tecnología de IA en educación supe-
rior que sean más integrales y accesibles para satisfacer
las diversas necesidades e intereses de la comunidad
universitaria.
8. Referencias
1. Anzola-Montero, Germán (2019). Innovación
tecnológica en la gestión universitaria. Revista
U.D.C.A Actualidad & Divulgación Científica, 22(2).
https://doi.org/10.31910/rudca.v22.n2.2019.1380
2. Beetham, Helen; Sharpe, Rhona (Eds.) (2019).
Rethinking pedagogy for a digital age: Principles
and practices of design (3.a ed.). Routledge.
https://doi.org/10.4324/9781351252805
3. Calderón-Zamora, Rodolfo; Benavides-Gonzalez, Luis
(2022). La inteligencia artificial como herramienta en la
docencia universitaria. Revista Académica Institucional, 3(2),
10-17.
4. Cisneros-Caicedo, Alicia; Guevara-García, Axel;
Urdánigo-Cedeño, Johnny; Garcés-Bravo, Julio (2022).
Técnicas e instrumentos para la recolección de datos
que apoyan a la investigación científica en tiempo de
pandemia. Domino de las Ciencias, 8(1), 1165-1185.
5. Crompton, Helen; Song, Donggil (2021). The Potential
of Artificial Intelligence in Higher Education.
Revista Virtual Universidad Católica del Norte, 62, 1-4.
https://doi.org/10.35575/rvucn.n62a1
6. Kaplan, Andreas; Haenlein, Michael (2019). Siri, Siri,
in my hand: Who’s the fairest in the land? On the
interpretations, illustrations, and implications of
artificial intelligence. Business Horizons, 62(1), 15-25.
https://doi.org/10.1016/j.bushor.2018.08.004
7. Ma, Jing; Feng, Bo (2021). Integrated design of graduate
education information system of universities in digital
campus environment. Wireless Communications and Mobile
Computing, 2021, 1-12. https://doi.org/10.1155/2021/8357488
8. Metcalf, Lynn; Askay, David; Rosenberg, Louis (2019).
Keeping humans in the loop: Pooling knowledge through
artificial swarm intelligence to improve business decision
making. California Management Review, 61(4), 84-109.
https://doi.org/10.1177/0008125619862256
9. Moreno, Raúl (2019). La llegada de la inteligencia
artificial a la educación. Revista de Investigación
en Tecnologías de la Información, 7(14), 260-270.
https://doi.org/10.36825/RITI.07.14.022
10. Nye, Benjamin (2015). Intelligent tutoring systems by
and for the developing world: A review of trends and
approaches for educational technology in a global context.
International Journal of Artificial Intelligence in Education, 25(2),
177-203. https://doi.org/10.1007/s40593-014-0028-6
11. O’Neil, Cathy (2016). Weapons of math destruction: How big
data increases inequality and threatens democracy. Crown.
12. Pérez-Gama, Jesús; Vega-Vega, Anselmo; Rubio, Juan;
Espinosa-Sanchez, Gaby; Perez-Gutierrez, Byron
(2017). Intelligent higher education model based on
competences and architectures for the colombian post-
conflict. Proceedings of the 15th LACCEI International Multi-
Conference for Engineering, Education, and Technology: “Global
Partnership for Development and Engineering Education.”
https://doi.org/10.18687/LACCEI2017.1.1.117
13. Petrichenko, Roman; Boreiko, Dimitriis (2019).
Adaptive detection of battery energy storage system
charge/discharge cycles quantity. 2019 IEEE 7th
IEEE Workshop on Advances in Information.
Electronic and Electrical Engineering (AIEEE), 1-4.
https://doi.org/10.1109/AIEEE48629.2019.8977114
14. Polkowski, Zdzislaw; Borah, Samarjeet; Mishra, Sambit;
Desai, Darshana (2023). Online Learning Systems: Methods and
12[Alberto Ramírez Téllez, Lina María Fonseca Ortiz, Freddy Camilo Triana D omínguez] Rev. Interam. Bibliot. Medellín (Colombia) Vol. 47, número 2/mayo-agosto 2024 e353620 ISSN 0120-0976 / ISSN (en línea) 2538-9866
https://doi.org/10.17533/udea.rib.v47n2e353620
Applications with Large-Scale Data. CRC Press. https://doi.
org/10.1201/9781003272823
15. Rodríguez-Chávez, Mario (2021). Sistemas de
tutoría inteligente y su aplicación en la educación
superior. RIDE Revista Iberoamericana para
la Investigación y el Desarrollo Educativo, 11(22).
https://doi.org/10.23913/ride.v11i22.848
16. Russell, Stuart; Norvig, Peter (Eds.) (2010). Artificial
intelligence: A modern approach. Prentice Hall.
17. Salazar-Cardona, Johnny; Triviño-Arbelaez, Jorge
(2019). Aplicación de learning analytics y educational
data mining en una institución de educación superior en
Colombia. Revista Ingenierías Universidad de Medellín, 19(36),
71-89. https://doi.org/10.22395/rium.v19n36a4
18. Sancho-Escrivá, José; Fanjul-Peyró, Carlos; De la Iglesia-
Vayá, María; Montell, Joaquin; Escartí-Fabra, María
(2020). Aplicación de la Inteligencia Artificial con
Procesamiento del Lenguaje Natural para textos de
investigación cualitativa en la relación médico-paciente
con enfermedad mental mediante el uso de tecnologías
móviles. Revista de Comunicación y Salud, 10(1), 19-41.
https://doi.org/10.35669/rcys.2020.10(1).19-41
19. Selwyn, Neil (2016). Is technology good for education? Polity.
20. Selwyn, Neil (2019). What’s the problem with
learning analytics? Journal of Learning Analytics, 6(3).
https://doi.org/10.18608/jla.2019.63.3
21. Tambe, Praanna; Cappelli, Peter; Yakubovich,
Valery (2019). Artificial intelligence in human
resources management: Challenges and a path
forward. California Management Review, 61(4), 15-42.
https://doi.org/10.1177/0008125619867910
22. Zawacki-Richter, Olaf; Marín, Victoria; Bond, Melissa;
Gouverneur, Franziska (2019). Systematic review of
research on artificial intelligence applications in higher
education – where are the educators? International Journal
of Educational Technology in Higher Education, 16(1), 39.
https://doi.org/10.1186/s41239-019-0171-0
https://doi.org/10.17533/udea.rib.v47n2e353620
Applications with Large-Scale Data. CRC Press. https://doi.
org/10.1201/9781003272823
15. Rodríguez-Chávez, Mario (2021). Sistemas de
tutoría inteligente y su aplicación en la educación
superior. RIDE Revista Iberoamericana para
la Investigación y el Desarrollo Educativo, 11(22).
https://doi.org/10.23913/ride.v11i22.848
16. Russell, Stuart; Norvig, Peter (Eds.) (2010). Artificial
intelligence: A modern approach. Prentice Hall.
17. Salazar-Cardona, Johnny; Triviño-Arbelaez, Jorge
(2019). Aplicación de learning analytics y educational
data mining en una institución de educación superior en
Colombia. Revista Ingenierías Universidad de Medellín, 19(36),
71-89. https://doi.org/10.22395/rium.v19n36a4
18. Sancho-Escrivá, José; Fanjul-Peyró, Carlos; De la Iglesia-
Vayá, María; Montell, Joaquin; Escartí-Fabra, María
(2020). Aplicación de la Inteligencia Artificial con
Procesamiento del Lenguaje Natural para textos de
investigación cualitativa en la relación médico-paciente
con enfermedad mental mediante el uso de tecnologías
móviles. Revista de Comunicación y Salud, 10(1), 19-41.
https://doi.org/10.35669/rcys.2020.10(1).19-41
19. Selwyn, Neil (2016). Is technology good for education? Polity.
20. Selwyn, Neil (2019). What’s the problem with
learning analytics? Journal of Learning Analytics, 6(3).
https://doi.org/10.18608/jla.2019.63.3
21. Tambe, Praanna; Cappelli, Peter; Yakubovich,
Valery (2019). Artificial intelligence in human
resources management: Challenges and a path
forward. California Management Review, 61(4), 15-42.
https://doi.org/10.1177/0008125619867910
22. Zawacki-Richter, Olaf; Marín, Victoria; Bond, Melissa;
Gouverneur, Franziska (2019). Systematic review of
research on artificial intelligence applications in higher
education – where are the educators? International Journal
of Educational Technology in Higher Education, 16(1), 39.
https://doi.org/10.1186/s41239-019-0171-0