Inteligencia artificial en ambientes de aprendizaje ubicuo: una revisión sistemática de literatura

• Autores: Unzaga, Silvina; Durán, Elena Beatriz; Álvarez, Margarita
• Año de publicación: 2024
• Idioma: español castellano
• Tipo de recurso: artículo
• Materia: Ciencias Informáticas; Aprendizaje ubicuo; Inteligencia artificial; Revisión sistemática de literatura; Contexto de aprendizaje; Personalización; Recomendación; Ubiquitous learning; Artificial intelligence; Systematic literature review; Learning context; Personalization; Recommendation
• Institución: Universidad Nacional de La Plata

El aprendizaje ubicuo (u-learning) se refiere a un aprendizaje en cualquier momento y en cualquier lugar. El u-learning se va difundiendo día a día, al punto tal que hay países donde se ha convertido en un enfoque convencional de enseñanza y aprendizaje, y muchas instituciones lo adoptan cuando los alumnos no pueden asistir a clases presenciales. Por su parte, las Ciencias de la Computación, y concretamente el campo de la Inteligencia Artificial (IA) presenta herramientas y técnicas para apoyar el crecimiento del u-learning y proporcionar recomendaciones, inferir el contexto y las situaciones de aprendizaje, generar perfiles de estudiante y adaptar el contenido, las actividades de aprendizaje, los caminos de aprendizaje, entre otras aplicaciones. El objetivo de este estudio fue realizar una revisión sistemática de trabajos de IA en entornos de aprendizaje ubicuos entre los años 2013 a 2023, con el objetivo de lograr una visión de la literatura relevante, identificar las brechas y proporcionar un alcance claro para esta área de investigación. Para ello, se aplicó un enfoque ampliamente aceptado y flexible que consta de los siguientes pasos: planificación, ejecución y resumen de resultados. Los artículos se obtuvieron de bases de datos ampliamente utilizadas, a saber, IEEExplore, ACM, Science Direct, Springer y Google Académico. Se revisaron finalmente un total de 28 publicaciones preseleccionadas para este estudio entre 993 artículos identificados a través de búsquedas en las bases de datos mencionadas. Para refinar la necesidad de la revisión se propuso un marco de análisis bidimensional, compuesto por dos vistas diferentes pero complementarias que captura un aspecto particular de los sistemas de ulearning en los que se aplica IA. A su vez cada vista se descompone en facetas que facilitan la comprensión de un aspecto particular. Considerando cada una de las facetas, los resultados obtenidos muestran que la IA se aplica principalmente para: recomendar contenido a los estudiantes en base a diferentes aspectos, detectar el entorno de aprendizaje ubicuo y reaccionar a los cambios de contextos, recomendar rutas de aprendizaje supervisadas, e inferir el nivel de conocimiento del alumno sobre un tema. Las principales técnicas de IA utilizadas resultaron ser: los agentes inteligentes, las Redes Bayesianas, las ontologías y las Reglas.
Ubiquitous learning (u-learning) refers to learning anytime, anywhere. U-learning is spreading day by day, to the point that there are countries where it has become a conventional approach to teaching and learning, and many institutions adopt it when students cannot attend face-toface classes. Computer Science, and specifically the field of Artificial Intelligence (AI), presents tools and techniques to support the growth of u-learning and provide recommendations, infer the context and learning situations, generate student profiles, and adapt the content, learning activities, learning paths, among other applications. The aim of this study was to conduct a systematic review of AI work in ubiquitous learning environments between the years 2013 to 2023, with the aim of gaining insight into the relevant literature, identifying gaps and providing a clear scope for this research area. To achieve this, a widely accepted and flexible approach was applied which consists of the following steps: planning, execution and summary of results. The papers were sourced from widely used databases, namely IEEExplore, ACM, Science Direct, Springer and Google Scholar. A total of 28 publications preselected for this study were finally reviewed among 993 articles identified through searches in the aforementioned database. To refine the need for the review, a two-dimensional analysis framework was proposed. It is composing of two different but complementary views that capture a particular aspect of ulearning systems in which AI can be applied. In turn, each view is broken down into facets to facilitate the understanding of a particular aspect. Considering each facet, the results obtained show that AI is mainly applied to recommend content to students based on different aspects, to detect the ubiquitous learning environment and react to changes in contexts, to recommend supervised learning routes and, to infer the student's level of knowledge on a topic. The main AI techniques used turned out to be: intelligent agents, Bayesian Networks, ontologies and Rules.
Facultad de Informática