UNIVERSIDAD DEL VALLE DE MÉXICO

CAMPUS SAN RAFAEL

BASES METODOLÓGICAS DE LA INVESTIGACIÓN

ACTIVIDAD 10 : PROYECTO INTEGRADOR ETAPA 3

INTEGRANTES:

● Aguirre Guerrero Nicole Andrea

● Arroyo Rangel Samantha Denisse
● González Sánchez Diego Alan
● Vera Lara Estefania
● Zavala Orantes Alessandra

PROFESOR: LOYOLA RUIZ MARIO

16 / junio / 2024
1.0 Objeto de estudio:

¿Cuál ha sido el impacto ético que han tenido los estudiantes de Licenciatura de
Turismo de la UVM Campus San Rafael debido al uso de la Inteligencia Artificial
como herramienta en su proceso de aprendizaje en el período 2023-2024?

1.1 Justificación:

La IA es un conjunto de herramientas y técnicas que permiten a las máquinas

desarrollar operaciones y tomar decisiones similares a las de un humano. En el
ámbito educativo, estas tecnologías pueden adaptarse a las necesidades
individuales de cada estudiante y ofrecer un aprendizaje personalizado.

Puede ayudar a los jóvenes a orientar su estudio de manera más eficiente, y evitar
el agotamiento físico y mental. Asimismo, los educadores pueden aprovechar la IA
para identificar patrones de aprendizaje en sus alumnos, entender cómo estos
procesan la información e implementar métodos de enseñanza más accesibles y
eficaces.Estas herramientas pueden usarse para crear materiales más interactivos
que aumenten la retención y que, en general, mejoren su experiencia de
aprendizaje. Gracias a la IA, los alumnos podrán ver el estudio como una actividad
emocionante que incide directamente en su vida.

Ha tenido un impacto significativo en la educación en varias áreas, transformando la

forma en que se enseña, se aprende y se administran los sistemas educativos.

Como lo es:

El aprendizaje: Los sistemas de Inteligencia Artificial pueden adaptarse a las

necesidades individuales de los estudiantes, proporcionando contenido y
actividades educativas personalizadas. Esto permite a los estudiantes avanzar a su
propio ritmo y abordar sus áreas de oportunidad de manera más efectiva.

Análisis de datos: La Inteligencia Artificial puede analizar grandes conjuntos de

datos educativos para identificar patrones, tendencias y áreas de mejora. Esto
ayuda a los educadores a tomar decisiones informadas sobre cómo mejorar el plan
de estudios, identificar a los estudiantes que necesitan apoyo adicional y evaluar la
efectividad de las estrategias de enseñanza.
Accesibilidad: La Inteligencia Artificial puede mejorar la accesibilidad en la
educación al proporcionar herramientas de aprendizaje adaptativas para estudiantes
con discapacidades o necesidades especiales.

Innovación en la enseñanza: La Inteligencia Artificial también está impulsando la

innovación en la enseñanza, permitiendo la creación de nuevos enfoques
educativos basados en tecnologías como la realidad virtual y la simulación.

De igual forma se considera que la inteligencia artificial puede tener un impacto

negativo, así como tiene pros, considero que uno de los aspectos que es negativo
es que el hecho de que en muchas ocasiones la Inteligencia Artificial resuelve al
100% las tareas e interfiere en el aprendizaje autodidacta.

Asimismo, el estudio y desarrollo de la inteligencia artificial están justificados por su

capacidad para mejorar la eficiencia, precisión e innovación en diversos campos:

Eficiencia: Automatiza tareas repetitivas, liberando tiempo para actividades más

creativas y estratégicas.

Mejora de la precisión: Procesa grandes cantidades de datos y realiza análisis

complejos con una precisión que supera la capacidad humana.

Avances en la atención médica: Ayuda en el diagnóstico, detección temprana de

enfermedades, diseño de tratamientos personalizados y gestión de registros
médicos, mejorando la atención al paciente y salvando vidas.

Optimización de procesos empresariales: Optimiza la cadena de suministro,

gestión de inventario, predicción de la demanda y personalización de la experiencia
del cliente, aumentando la eficiencia y rentabilidad.

Innovación tecnológica: Impulsa la creación de nuevas tecnologías y productos,

desde asistentes virtuales hasta vehículos autónomos, transformando industrias y
mejorando la calidad de vida.

Resolución de problemas complejos: Aborda problemas multidimensionales en

áreas como climatología, astronomía, investigación genética y ciencia de los
materiales, proporcionando insights y soluciones difíciles de alcanzar de otro modo.
Podemos decir que la inteligencia artificial ofrece numerosas oportunidades para
mejorar la eficiencia, precisión e innovación en diversos campos, lo que la convierte
en una disciplina vital para estudiar y desarrollar; también habría que analizar sus
pros y contras ya que a lo largo de nuestra investigación frente a todo, los beneficios
de la inteligencia artificial también conllevan una obligación por usarlas de manera
responsable y ética. Como toda tecnología, la IA debe servir para celebrar las
capacidades humanas y promover un equilibrio entre el bienestar social, el avance
científico y el desarrollo sostenible. Podemos ver que el uso de la Inteligencia
Artificial en la educación constituye una oportunidad sin precedentes para que el
sector educativo se adapte a las nuevas tendencias tecnológicas y que estudiantes
y profesores tengan que actualizarse para hacer frente a los nuevos desafíos y
herramientas disponibles para mejorar la experiencia de enseñanza y aprendizaje.

1.2 Objetivo general:

Analizar el impacto actual de la inteligencia artificial en los estudiantes de

licenciatura de Turismo en la UVM San Rafael preparándose para enfrentar los
desafíos y aprovechar las oportunidades que surgen en un mundo cada vez más
impulsado por la IA, analizando las necesidades de los estudiantes e identificando
las áreas de oportunidad que existen.

1.3 Objetivos específicos:

● Comprender los desafíos éticos y de privacidad asociados con el uso de la

inteligencia artificial en la educación.
● Identificar habilidades y conocimientos son necesarios para que los
educadores utilicen eficazmente herramientas de inteligencia artificial en el
aula.
● Conocer el proceso de personalización de aprendizaje que da la IA en el
aula.
● Plantear ejemplos de herramientas de inteligencia artificial que están
transformando la enseñanza y el aprendizaje en diferentes niveles
educativos.
 ● Reconocer los principios éticos y de responsabilidad social que tienen los
alumnos de licenciatura de la UVM campus San Rafael debido al uso de la
inteligencia artificial.

1.4 Marco teórico

La inteligencia artificial (IA) se ha convertido en sinónimo de nuevas promesas, pero

también de los riesgos que conlleva la masificación de las tecnologías digitales en
las diferentes esferas de la vida económica y social del siglo XXI. A la esperanza de
que la IA pueda hacer realidad las transformaciones educativas que se han
esperado por tanto tiempo se contraponen las dificultades y resistencia a los
cambios tecnológicos aún presentes en las escuelas, tal y como lo sugiere la baja
adopción que aún exhiben las nuevas herramientas de IA (Horizon Report, 2019;
OCDE, 2018; Ganascia, 2018; The Royal Society, 2018; Luckin et al., 2016; Woolf et
al., 2013). La revolución tecnológica de la IA plantea un conjunto de
cuestionamientos, desafíos y riesgos que deben ser abordados por las políticas
públicas, pues de lo contrario podría mermarse la posibilidad de aprovechar los
beneficios potenciales que esta ofrece.

Algunos conceptos son fundamentales para comprender y abordar el impacto social

de la IA de manera ética y responsable. Sin embargo, es importante reconocer que
aún existen desafíos significativos y que estos objetivos deben ser continuamente
revisados y actualizados a medida que evoluciona la tecnología y cambian las
necesidades y preocupaciones de la sociedad.

Transparencia: Garantizar que los sistemas de IA sean transparentes en su

funcionamiento y toma de decisiones, lo que permite a las personas comprender
cómo y por qué se llega a ciertas conclusiones o recomendaciones.

Equidad: Buscar la equidad y la justicia en el diseño y la implementación de

sistemas de IA, evitando sesgos injustos que podrían perjudicar a ciertos grupos
sociales.

Privacidad: Proteger la privacidad de los individuos y sus datos personales,

asegurando que la recopilación y el uso de datos por parte de los sistemas de IA se
realicen de manera ética y respetuosa.
Seguridad: Asegurar la seguridad de los sistemas de IA para evitar posibles riesgos
y consecuencias negativas, como ataques cibernéticos, manipulación maliciosa o
accidentes.

Responsabilidad: Establecer estándares de responsabilidad para los

desarrolladores y usuarios de sistemas de IA, asegurando que se hagan
responsables de las acciones y decisiones de estos sistemas.

Colaboración: Fomentar la colaboración entre diferentes sectores (académico,

industrial, gubernamental, etc.) para abordar los desafíos éticos, sociales y técnicos
relacionados con la IA de manera integral y multidisciplinaria.

• Investigaciones recientes sobre el tema

1. Generación de Lenguaje Natural: Investigaciones recientes han mejorado

los modelos de generación de lenguaje natural, como GPT-3, permitiendo
una mayor coherencia y comprensión contextual (Brown et al., 2020).
2. Visión por Computadora: Avances en el campo de visión por computadora
han permitido el desarrollo de sistemas de reconocimiento de objetos más
precisos y rápidos, como los modelos de detección de objetos basados en
redes neuronales convolucionales (Ren et al., 2015).
3. Aprendizaje por Refuerzo: Las investigaciones en aprendizaje por refuerzo
han avanzado en la creación de algoritmos que pueden aprender a realizar
tareas complejas mediante la interacción con el entorno, como el uso de
Deep Q-Networks (Mnih et al., 2015).
4. Interpretación de Imágenes Médicas: En el ámbito de la salud, se han
desarrollado modelos de inteligencia artificial capaces de interpretar
imágenes médicas con una precisión comparable a la de los expertos
humanos, lo que podría mejorar el diagnóstico y tratamiento de
enfermedades (Esteva et al., 2017).

• Hipótesis

Si se utilizan las IA como herramienta única y sin responsabilidad durante el proceso

de aprendizaje de los estudiantes, tendrá un impacto negativo tanto ético como
personal en el futuro.
• Relación entre hipótesis y variables

Variable dependiente: el impacto negativo tanto ético como personal que genera el
mal uso de las IA.

Variable independiente: uso sin responsabilidad de las IA como herramienta única.

ETAPA 3

PARTICIPANTES.

Para esta investigación sobre el impacto ético que han tenido los estudiantes de
Licenciatura de Turismo de la UVM Campus San Rafael debido al uso de la
Inteligencia Artificial como herramienta en su proceso de aprendizaje en el período
2023-2024, seleccionamos una muestra de 24 participantes siguiendo los
lineamientos establecidos. La muestra fue seleccionada mediante una entrevista,
donde se incluyeron estudiantes de diferentes edades, géneros y semestres
académicos.

Edad:

La mayoría de los participantes se concentraron en las edades de 20 y 21 años, con

un 37.5% y 33.3% respectivamente. Otros grupos de edad (16, 19, 23 y 25 años)
tuvieron una representación menor, cada uno con un 4.2%.

Género:

La muestra estuvo compuesta por un 66.7% de participantes femeninos y un 33.3%

masculinos.
Semestre Académico:

Los participantes provenían de diferentes semestres, siendo el sexto semestre el

más representado con un 21.7%.

Otros semestres con representación significativa fueron el segundo (13%) y el

séptimo, cuarto, tercero y sexto, cada uno con un 8.7%.

El cuarto semestre y otros varios semestres tuvieron una representación del 4.3%.

INSTRUMENTOS.

Durante la recolección de datos, se utilizó un formulario de Forms compuesto por 12

preguntas. Este cuestionario digital fue diseñado para recopilar información precisa
y relevante de los estudiantes, quienes accedieron al formulario a través de un
enlace compartido. A continuación, se describen a detalle las pruebas, test,
cuestionarios e instrumentos de medición utilizados, así como los escenarios y
equipos implicados.

a) Descripción de formulario:

Se hizo uso de la plataforma Forms de Microsoft, en donde se vaciaron una serie de

preguntas cerradas con opciones múltiples, con el fin de obtener respuestas
específicas y cuantificables.
 b) Proceso de distribución:

Se generó un enlace el cual se compartió con los estudiantes de la escuela a través

de medios de comunicación como whatsapp. Se estableció un periodo de tiempo
específico durante el cual los estudiantes podían completar el formulario, el tiempo
que se dio fue de una semana.

c) Escenarios de uso:

Entorno Virtual: Dado que el formulario se distribuyó en línea, los estudiantes

tuvieron la flexibilidad de responder desde cualquier ubicación con acceso a
internet, ya sea en casa o en cualquier otro lugar.

Los dispositivos que se utilizaron fueron dispositivos personales; los estudiantes

pudieron utilizar sus propios dispositivos como computadoras, tabletas o teléfonos
celulares para acceder y completar el formulario. Además, se requirió con una
buena conexión a Internet para acceder al formulario, la conexión a internet podía
ser a través de redes Wi-Fi institucionales o de casa, y/ o datos móviles.

PROCEDIMIENTOS

Describiendo el paso a paso en nuestra recolección de datos, comenzaremos como

ya se mencionó antes, acerca de que decidimos hacer un Forms y compartirlo con
nuestra muestra que fueron los alumnos de Licenciatura de Turismo de la UVM
Campus San Rafael de entre todos los semestres, se les invitó mediante un link a
participar en nuestra encuesta, solamente tenían que contestar nuestras preguntas
de acuerdo a su experiencia con las IA. Es un método que para nosotros fue más
sencillo poder recabar los resultados de nuestra muestra para así obtener datos
más conclusos acerca de nuestras preguntas. No nos tomó demasiado tiempo
recabar los datos ya que al ser un link es más fácil poder recabar datos y hace que
se simplifiquen nuestros tiempos.Los participantes fueron muy abiertos
apoyándonos a contestar la encuesta e incluso interesados por el tema de las IA.
Entre los integrantes decidimos verificar cada detalle de respuesta de nuestros
encuestados y saber que es lo que pensaban, y cómo se identificaban con él.
Nuestras preguntas bastantes sencillas y entendibles para nuestra muestra y que no
se les dificultara al contestarlas, en general podemos concluir que nos fue bastante
bien con nuestra muestra y que fueron bastante accesibles y amables al contestar
nuestras preguntas, y que con nuestras instrucciones simples pero claras, todos
quedaron dispuestos y satisfechos con el resultado.
Referencias Bibliográficas

● Arastoopour, G., Tabibian, B., Velagapudi, P., Veloso, M., & Gordon, G. J.
(2017). AI-based tutoring in open-ended domains: A review. Artificial
Intelligence, 252, 258-295.
● UNESCO. (2019). Artificial Intelligence in Education: Challenges and
Opportunities for Sustainable Development. Retrieved from
https://unesdoc.unesco.org/ark:/48223/pf0000371663.
● Inteligencia artificial en la educación - Innovación Educativa. (s. f.).
Innovación Educativa.
https://innovacioneducativa.upc.edu.pe/inteligencia-artificial-en-la-educacion/
● 7 ventajas de la inteligencia artificial en la educación. (s. f.).
https://www.mundana.us/blog/inteligencia-artificial-en-la-educacion
● Aplicaciones de la inteligencia artificial en la educación. (s. f.). Colombia
Aprende.
https://www.colombiaaprende.edu.co/agenda/tips-y-orientaciones/aplicacione
s-de-la-inteligencia-artificial-en-la-educacion
● Arntz, M., T. Gregory y U. Zierahn, U. 2016. The Risk of Automation for Jobs
in OECD Countries: A Comparative Analysis.
● Barrett, M., L.Branson, S. Carter, F. DeLeon, J. Ellis, C. Gundlach y D. Lee.
2019. Using Artificial Intelligence to Enhance Educational Opportunities and
Student Services in Higher Education. Inquiry: The Journal of the Virginia
Community Colleges, 22(1), 1-11.
● Benotti, L., M. C. Martínez y F. Schapachnik. 2014. Engaging High School
Students Using Chatbots. En Proceedings of the 2014 conference on
Innovation & technology in computer science education (pp. 63-68). ACM.
● Banco Interamericano de Desarrollo (BID). 2016. Uruguay: Implementación
de un sistema de monitoreo en analíticas de aprendizaje y tutorías virtuales
(UR-T1143). Documento de Cooperación Técnica.
● Brown, T. B., et al. (2020). Language models are few-shot learners.
https://arxiv.org/abs/2005.14165
● Ren, S., et al. (2015). Faster R-CNN: Towards real-time object detection with
region proposal networks. https://arxiv.org/abs/1506.01497
● Mnih, V., et al. (2015). Human-level control through deep reinforcement
learning. https://www.nature.com/articles/nature1423
● Esteva, A., et al. (2017). Dermatologist-level classification of skin cancer with
deep neural networks. https://www.nature.com/articles/nature21056