Aproximación Teórica de las Redes Neuronales Artificiales para el Aprendizaje

Néstor Mauricio Guerrero Higuera, Alonso José Larreal Bracho

Resumen


Las Redes Neuronales Artificiales (RNA) utilizan modelos computaciones buscando emular el funcionamiento de un cerebro humano, interconectando unidades llamadas neuronas a través de señales. Aunque estas herramientas han sido optimizadas, facilitando y masificando su uso en diferentes campos, especialmente en mercadeo, su aplicación en el ámbito de la educación ha tenido un avance limitado. El presente articulo tiene como propósito realizar un análisis documental acerca del desarrollo y la utilización de las RNA en educación, efectuando una exhaustiva evaluación y análisis de la literatura relevante sobre las RNA y su implementación en el contexto educativo. Para esto, se extrajo información de múltiples fuentes, poniendo énfasis en los objetivos de investigación, metodologías empleadas, resultados obtenidos y conclusiones formuladas. Posteriormente se ha sintetizado la información de manera concisa y precisa, con el propósito de proporcionar a los lectores una descripción del estado actual de las RNA en diversos contextos educativos. Además, se exploran las posibilidades existentes y se plantea cómo estas tecnologías podrían ser adaptadas para el desarrollo de herramientas que faciliten la labor al interior y fuera del aula de clase. En este sentido, se ha observado un creciente interés por emplear herramientas de Inteligencia Artificial para enriquecer las actividades en el contexto educativo, junto a las RNA se ha buscado presentar estas nuevas tecnologías como aportantes significativos en el proceso de adquisición de conocimiento por parte de los estudiantes. Sin embargo, es fundamental la orientación del docente, quien debe dar a entender que estas herramientas son medios para un fin y no el fin en sí mismo en el desarrollo de competencias y habilidades, demostrando que las herramientas existentes pueden aligerar las cargas de trabajo de los educadores y fomentar un aprendizaje significativo de los estudiantes, colocándolos en el centro del proceso pedagógico.

Referencias


Acuña, M. (2021). La Educación Híbrida: un Modelo Transformador de la Educación Tradicional a la Virtualidad. Una Mirada a la Transformación de las Nuevas Generaciones desde la Óptica de los Actores del Proceso Formativo en la Educación Virtual., (págs. 26 - 33). Bogotá. Obtenido de https://www.researchgate.net/profile/Dustin-Gomez-Rodriguez/publication/356537093_Las_transformaciones_digitales_de_las_Universidades_Breve_revision_de_literatura_Capitulo/links/619fb35c3068c54fa51cf086/Las-transformaciones-digitales-de-las-Universidades-

Cano Barrón, D. D., Centurión Cardeña, H. J., Quej Cosgaya, H. M., & Tamayo Camul, J. L. (2019). Prototipo de un Modelo Predictivo del Rezago Educativo Basado en Redes Neuronales. Revista del Centro de Graduados e Investigación. Instituto Tecnológico de Merida., 34(80), 38 - 42. Obtenido de https://www.researchgate.net/profile/Miguel-Angel-Lopez-10/publication/343350695_ENERGIA_A_PARTIR_DE_LOS_RESIDUOS_SOLIDOS_URBANOS_GENERADOS_EN_VERACRUZ_VERACRUZ/links/5f248ced458515b729f8b18f/ENERGIA-A-PARTIR-DE-LOS-RESIDUOS-SOLIDOS-URBANOS-GENERADOS-EN-V

De Zubiria, J. (15 de mayo de 2022). [@juliandeZubiria]. Nuccio Ordine es profesor, filósofo y escritor italiano. Él nos invita a pensar que ninguna plataforma digital puede hacer lo que hacen los mejores docentes: cambiar la vida de un joven. ¡Feliz #DiaDelMaestro![Tweet]. Twitter. Obtenido de https://twitter.com/juliandezubiria/status/1525894035549962240

García Gonzalez, J. R., Sanchez Sanchez, P. A., Orozco, M., & Obredor, S. (2019). Extracción de Conocimiento para la Predicción y Análisis de los Resultados de la Prueba de Calidad de la Educación Superior en Colombia. Formación Universitaria, 12(4), 55 - 62. Obtenido de http://dx.doi.org/10.4067/S0718-50062019000400055

González Bárcenas, V. M., Miranda García, B., Reyes Nava, A., Eleuterio, R. A., & Rendón Lara, E. (2020). Procesamiento de bases de datos escolares por medio de redes neuronales artificiales. CIENCIA ergo-sum, Revista Científica Multidisciplinaria de Prospectiva, 27(3). Obtenido de https://cienciaergosum.uaemex.mx/article/view/13136

Iglesias, A. (2022). Cognición Artificial: Una Disciplina Emergente para Explicar la toma de decisiones de las Redes Neuronales Artificiales. Ciencia Cognitiva, 16(1), 14 - 17. Obtenido de http://www.cienciacognitiva.org/?p=2177

Lases Franyutti, M. A. (2022). Estudiantes empoderados con estructuras cognoscitivas nuevas. Logos Boletín Científico De La Escuela Preparatoria No. 2, 17(9), 1-3. Obtenido de https://repository.uaeh.edu.mx/revistas/index.php/prepa2/article/view/8287

Longoni, M. G., Porcel, E. A., & López, M. V. (2010). Modelos de redes neuronales perceptrón multicapa y de base radial para la predicción del rendimiento académico de alumnos universitarios. XVI Congreso Argentino de Ciencias de la Computación (págs. 692-701). La Plata: Red de Universidades con Carreras en Informática (RedUNCI). Obtenido de http://sedici.unlp.edu.ar/handle/10915/19333

Martinez, V., & Martinez, F. (2004). Redes neuronales artificiales aplicadas a la evaluación docente y a la toma de decisiones en matemática educativa. Acta Latinoamericana de Matemática Educativa (págs. 509-513). México: Comité Latinoamericano de Matemática Educativa A. C. Obtenido de http://funes.uniandes.edu.co/6346/

Mendoza Jurado, H. F. (2020). Modelos de redes neuronales artificiales, como sustento evaluativo al crecimiento pedagógico virtual en Educación Superior. Educación Superior, 7(2), 26 - 36. Obtenido de http://www.scielo.org.bo/pdf/escepies/v7n2/v7n2_a06.pdf

Mora Romo, J. F., & Martell Muñoz, J. (2021). Predicción de efectos fisiológicos causados por el estrés académico mediante redes neuronales artificiales. Revista Iberoamericana de Psicología, 14(3), 25 - 37. Obtenido de https://reviberopsicologia.ibero.edu.co/article/view/2010%C2%A0

Musso, M. (2009). Sistemas predictivos utilizando redes neuronales artificiales: introducción a los fundamentos y sus aplicaciones en educación y ciencias sociales. Investigación en Ciencias del Comportamiento. Avances Iberoamericanos. Tomo I., 433 - 459. Obtenido de https://www.researchgate.net/publication/280301512_Sistemas_predictivos_utilizando_redes_neuronales_artificiales_introduccion_a_los_fundamentos_y_sus_aplicaciones_en_educacion_y_ciencias_sociales

Saavedra Delgado, S., Efio Rivas, M., & Chirinos Mundaca, C. (2015). Identificación de Estilos de Aprendizaje Bajo el Modelo VARK Con Redes Neuronales. Revista Científica Institucional Tzhoecoen, 7(1), 199 - 216. Obtenido de http://revistas.uss.edu.pe/index.php/tzh/article/view/188/187

Santín González, D. (1999). Detección de alumnos de riesgo y medición de la eficiencia de centros escolares mediante redes neuronales. [ Documentos de Trabajo de la Facultad de Ciencias Económicas y Empresariales]. Universidad Computense de Madrid, Madrid. Obtenido de http://eprints.ucm.es/6674/

Santín González, D. (s.f.). Eficiencia Técnica y Redes Neuronales: Un Modelo para el Cálculo del Valor Añadido en Educación. [Trabajo de Grado Doctoral]. Universidad Complutense de Madrid, Madrid. Obtenido de https://eprints.ucm.es/id/eprint/5264/1/T26531.pdf

Sierra Ramos, J. M. (s.f.). Introducción a las Redes Neuronales Artificiales. [Trabajo de Pregrado]. Universidad Complutense de Madrid, Madrid. Obtenido de https://eprints.ucm.es/id/eprint/71132/


Enlaces refback

  • No hay ningún enlace refback.


ISSN: 2443-4426  Licencia de Creative Commons  Esta obra está bajo una
licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.