Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superior
- Autores
- Tessore, Juan Pablo; Russo, Claudia Cecilia; Ramón, Hugo Dionisio
- Año de publicación
- 2025
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Los grandes modelos de lenguaje (LLM) han transformado el procesamiento del lenguaje natural (NLP) mediante arquitecturas avanzadas como el Transformer y su mecanismo de autoatención. Modelos como GPT, LaMDA, LLaMA y BERT han impulsado aplicaciones en diversos sectores, incluyendo la educación. En el ámbito educativo, los LLM ofrecen oportunidades para personalizar el aprendizaje, adaptar contenido según las necesidades individuales de los estudiantes y mejorar la interacción mediante experiencias inmersivas. Además, facilitan el acceso a información relevante, optimizando el tiempo de docentes y administrativos al reducir tareas repetitivas. Sin embargo, la integración de los LLM en la educación plantea desafíos significativos, como la privacidad de los datos, la equidad en el acceso tecnológico y la ética en el uso de la inteligencia artificial. Asimismo, el análisis de los datos generados por la interacción con estos modelos puede proporcionar información valiosa para mejorar los procesos de enseñanza, identificar patrones de aprendizaje y ofrecer retroalimentación en tiempo real. Este trabajo busca evaluar el impacto de los LLM en la educación, explorando sus beneficios, limitaciones y riesgos. Además, de analizar las mejores prácticas para su implementación efectiva y ética en la comunidad universitaria, garantizando un uso responsable y equitativo.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Grandes modelos del lenguaje
Inteligencia artificial
Educación - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/184457
Ver los metadatos del registro completo
id |
SEDICI_4ba9437978b9483c809a94fd7e66579d |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/184457 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superiorTessore, Juan PabloRusso, Claudia CeciliaRamón, Hugo DionisioCiencias InformáticasGrandes modelos del lenguajeInteligencia artificialEducaciónLos grandes modelos de lenguaje (LLM) han transformado el procesamiento del lenguaje natural (NLP) mediante arquitecturas avanzadas como el Transformer y su mecanismo de autoatención. Modelos como GPT, LaMDA, LLaMA y BERT han impulsado aplicaciones en diversos sectores, incluyendo la educación. En el ámbito educativo, los LLM ofrecen oportunidades para personalizar el aprendizaje, adaptar contenido según las necesidades individuales de los estudiantes y mejorar la interacción mediante experiencias inmersivas. Además, facilitan el acceso a información relevante, optimizando el tiempo de docentes y administrativos al reducir tareas repetitivas. Sin embargo, la integración de los LLM en la educación plantea desafíos significativos, como la privacidad de los datos, la equidad en el acceso tecnológico y la ética en el uso de la inteligencia artificial. Asimismo, el análisis de los datos generados por la interacción con estos modelos puede proporcionar información valiosa para mejorar los procesos de enseñanza, identificar patrones de aprendizaje y ofrecer retroalimentación en tiempo real. Este trabajo busca evaluar el impacto de los LLM en la educación, explorando sus beneficios, limitaciones y riesgos. Además, de analizar las mejores prácticas para su implementación efectiva y ética en la comunidad universitaria, garantizando un uso responsable y equitativo.Red de Universidades con Carreras en Informática2025-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf750-754http://sedici.unlp.edu.ar/handle/10915/184457spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:50:17Zoai:sedici.unlp.edu.ar:10915/184457Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:50:17.511SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superior |
title |
Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superior |
spellingShingle |
Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superior Tessore, Juan Pablo Ciencias Informáticas Grandes modelos del lenguaje Inteligencia artificial Educación |
title_short |
Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superior |
title_full |
Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superior |
title_fullStr |
Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superior |
title_full_unstemmed |
Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superior |
title_sort |
Trazando el futuro educativo: exploración, afinamiento y aplicación de grandes modelos del lenguaje en la educación superior |
dc.creator.none.fl_str_mv |
Tessore, Juan Pablo Russo, Claudia Cecilia Ramón, Hugo Dionisio |
author |
Tessore, Juan Pablo |
author_facet |
Tessore, Juan Pablo Russo, Claudia Cecilia Ramón, Hugo Dionisio |
author_role |
author |
author2 |
Russo, Claudia Cecilia Ramón, Hugo Dionisio |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Grandes modelos del lenguaje Inteligencia artificial Educación |
topic |
Ciencias Informáticas Grandes modelos del lenguaje Inteligencia artificial Educación |
dc.description.none.fl_txt_mv |
Los grandes modelos de lenguaje (LLM) han transformado el procesamiento del lenguaje natural (NLP) mediante arquitecturas avanzadas como el Transformer y su mecanismo de autoatención. Modelos como GPT, LaMDA, LLaMA y BERT han impulsado aplicaciones en diversos sectores, incluyendo la educación. En el ámbito educativo, los LLM ofrecen oportunidades para personalizar el aprendizaje, adaptar contenido según las necesidades individuales de los estudiantes y mejorar la interacción mediante experiencias inmersivas. Además, facilitan el acceso a información relevante, optimizando el tiempo de docentes y administrativos al reducir tareas repetitivas. Sin embargo, la integración de los LLM en la educación plantea desafíos significativos, como la privacidad de los datos, la equidad en el acceso tecnológico y la ética en el uso de la inteligencia artificial. Asimismo, el análisis de los datos generados por la interacción con estos modelos puede proporcionar información valiosa para mejorar los procesos de enseñanza, identificar patrones de aprendizaje y ofrecer retroalimentación en tiempo real. Este trabajo busca evaluar el impacto de los LLM en la educación, explorando sus beneficios, limitaciones y riesgos. Además, de analizar las mejores prácticas para su implementación efectiva y ética en la comunidad universitaria, garantizando un uso responsable y equitativo. Red de Universidades con Carreras en Informática |
description |
Los grandes modelos de lenguaje (LLM) han transformado el procesamiento del lenguaje natural (NLP) mediante arquitecturas avanzadas como el Transformer y su mecanismo de autoatención. Modelos como GPT, LaMDA, LLaMA y BERT han impulsado aplicaciones en diversos sectores, incluyendo la educación. En el ámbito educativo, los LLM ofrecen oportunidades para personalizar el aprendizaje, adaptar contenido según las necesidades individuales de los estudiantes y mejorar la interacción mediante experiencias inmersivas. Además, facilitan el acceso a información relevante, optimizando el tiempo de docentes y administrativos al reducir tareas repetitivas. Sin embargo, la integración de los LLM en la educación plantea desafíos significativos, como la privacidad de los datos, la equidad en el acceso tecnológico y la ética en el uso de la inteligencia artificial. Asimismo, el análisis de los datos generados por la interacción con estos modelos puede proporcionar información valiosa para mejorar los procesos de enseñanza, identificar patrones de aprendizaje y ofrecer retroalimentación en tiempo real. Este trabajo busca evaluar el impacto de los LLM en la educación, explorando sus beneficios, limitaciones y riesgos. Además, de analizar las mejores prácticas para su implementación efectiva y ética en la comunidad universitaria, garantizando un uso responsable y equitativo. |
publishDate |
2025 |
dc.date.none.fl_str_mv |
2025-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/184457 |
url |
http://sedici.unlp.edu.ar/handle/10915/184457 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-575-267-2 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/182261 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 750-754 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844616361776513024 |
score |
13.070432 |