Como Citar
Resumo
El Ministerio de Educación Nacional (MEN) de Colombia realiza la medición de la calidad de educación superior aplicando pruebas estandarizadas, más concretamente las pruebas Saber Pro, con las cuales se evalúan las habilidades cognitivas, comunicativas, matemáticas y socioeconómicas de los estudiantes de últimos ciclos propedéuticos de programas de este nivel.
Ahora bien, en la actualidad se han desarrollado algoritmos de inteligencia artificial (IA) que se enfocan en modelos de aprendizaje automático partiendo de bases de datos en las cuales se identifican patrones y relaciones entre variables o bien, generando con esto una base de diseño de modelos analíticos descriptivos y predictivos.
En este artículo se hace una revisión bibliográfica y conceptual acerca de algoritmos de aprendizaje automático y sus aplicaciones en el sector académico para luego presentar la etapa inicial (análisis descriptivo) y sus resultados parciales asociados del proyecto desarrollado por estudiantes de la especialización en Inteligencia Artificial pertenecientes al semillero de investigación Modelos Predictivos Enfocados a la Ejecución y Mejoras de Resultados Académicos de la Corporación Universitaria Minuto de Dios.
Este proyecto se centra en el desarrollo de modelos predictivos con algoritmos de aprendizaje automático enfocados a la mejora del desempeño académico de los estudiantes de diferentes Instituciones de Educación Superior (IES), tomando como referencia los resultados de las pruebas Saber Pro suministrados por el Instituto Colombiano para la Evaluación de la Calidad de la Educación - ICFES entre los periodos 2021-2 a 2023-1.
Referências
Ministerio de Educación Nacional - MEN. Decreto Numero 3963: Examen de Estado de Calidad de la Educación Superior. En: Ley 1324. República de Colombia (2009).
Aguirre, M., Méndez, A., Aceta, C., Torralbo, M., del Pozo, A., Fernández, I., Etxalar, A., Torres, M. I., Agirre, J. A., Artetxe, E., Altuna, I., & Etxebeste, I. (2025). Towards the development of a conversational CNC assistant: Compiling a sample of key questions and procedures for benchmarking purposes. Procedia Computer Science, 253, 863–873. https://doi.org/10.1016/j.procs.2025.01.148
Adelantado-Renau, M., Diez-Fernandez, A., Beltran-Valls, M. R., Soriano-Maldonado, A., & Moliner-Urdiales, D. (2019). The effect of sleep quality on academic performance is mediated by Internet use time: DADOS study. Jornal de Pediatria, 95(4), 410–418. https://doi.org/10.1016/j.jped.2018.03.006
Amalia, C., & Sanabria, C. (2013). Una Mirada A Los Resultados De Aprendizaje. Edu.Co. https://www.colombiaaprende.edu.co/sites/default/files/files_public/2022-07/Una%20mirada%20a%20los%20resultados%20de%20aprendizaje
Aznarte, J. L. (2020). Consideraciones éticas en torno al uso de tecnologías basadas en datos masivos en la UNED. RIED Revista Iberoamericana de Educación a Distancia, 23(2), 237. https://doi.org/10.5944/ried.23.2.26590
Bonami, B., Piazentini, L., & Dala-Possa, A. (2020). Education, Big Data and Artificial Intelligence: Mixed methods in digital platforms. Comunicar, 28(65), 43–52. https://doi.org/10.3916/c65-2020-04
Castillejos López, B. (2022). Inteligencia artificial y los entornos personales de aprendizaje: atentos al uso adecuado de los recursos tecnológicos de los estudiantes universitarios. Educación, 31(60), 9–24. https://doi.org/10.18800/educacion.202201.001
Contreras, L. E., Tarazona Bermúdez, G. M., & Alemán Cardona, A. P. (2023). Machine Learning aplicado al rendimiento académico en educación superior: factores, variables y herramientas. Editorial Universidad Distrital Francisco José de Caldas.
Corvalán, J. G. (2018). Inteligencia artificial: retos, desafíos y oportunidades – Prometea: la primera inteligencia artificial de Latinoamérica al servicio de la Justicia. Revista de Investigações Constitucionais, 5(1), 295. https://doi.org/10.5380/rinc.v5i1.55334
Escandón Barbosa, D. M., & Ayala, A. H. (2017). El compromiso exportador en Colombia: un análisis de redes neuronales. 24, 362–388. https://www.proquest.com/scholarly-journals/el-compromiso-exportador-en-colombia-un-análisis/docview/2013604511/se-2
Fernández, A. M., Reyes, M. J., & López, M. I. V. (2022). Tecnologías de la información y comunicación (TIC) en formación y docencia. FMC - Formación Médica Continuada en Atención Primaria, 29(3), 28–38. https://doi.org/10.1016/j.fmc.2022.03.004
Froment, F., & de-Besa Gutiérrez, M. (2022). La predicción de la credibilidad docente sobre la motivación de los estudiantes: el compromiso y la satisfacción académica como variables mediadoras. Revista de psicodidáctica, 27(2), 149–157. https://doi.org/10.1016/j.psicod.2022.04.003
Gao, Y., Liu, S., & Yang, L. (2025). Artificial intelligence and innovation capability: A dynamic capabilities perspective. International Review of Economics & Finance, 98(103923), 103923. https://doi.org/10.1016/j.iref.2025.103923
García-González, J. R., Sánchez-Sánchez, 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. https://doi.org/10.4067/s0718-50062019000400055
Gil-Vera, V. D., & Quintero-López, C. (2021). Predicción del rendimiento académico estudiantil con redes neuronales artificiales. CIT Informacion Tecnologica, 32(6), 221–228. https://doi.org/10.4067/s0718-07642021000600221
Giró-Gracia, X., Universidad de Barcelona, Sancho-Gil, J. M., & Universidad de Barcelona. (2022). La Inteligencia Artificial en la educación: Big data, cajas negras y solucionismo tecnológico. Revista latinoamericana de tecnología educativa, 21(1), 129–145. https://doi.org/10.17398/1695-288x.21.1.129
Gómez, B. R. (2013). Fundamentos teóricos de la evaluación por competencias: trazabilidad histórica del concepto/. 13(2), 14–23. https://www.proquest.com/scholarly-journals/fundamentos-teóricos-de-la-evaluación-por/docview/1495407097/se-2?accountid=48797
Gómez, P., Martínez, D., Delgado, R., Lopez, R., & Freire, P. (2023). Desarrollo de Competencias Digitales Docentes en el Ecuador. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, 62, 157–165. https://www.proquest.com/docview/2880950505?parentSessionId=J2RZw33b8KX2I2sL5I8%2BRHrSPjN%2B7XiaHCL6uegACM8%3D&pq-origsite=summon&accountid=4879 7
Guías de orientación examen Saber Pro. (2023). ICFES. https://www.icfes.gov.co/gu%C3%ADas-de-orientaci%C3%B3n-examen-saber-pro
Jurado, H. F. M. (2020). Modelos De Redes Neuronales Artificiales, Como Sustento Evaluativo Al Crecimiento Pedagógico Virtual En Educación Superior. Revista Científica de Publicación del Centro Psicopedagógico y de Investigación en Educación Superior, 7(2), 11–11. https://ojs.cepies.umsa.bo/index.php/RCV/article/view/61
Lee, S. J., Poon, J., Jindarojanakul, A., Huang, C.-C., Viera, O., Cheong, C. W., y Lee, J. D. (2025). Artificial intelligence in dentistry: Exploring emerging applications and future prospects. Journal of Dentistry, 155(105648), 105648. https://doi.org/10.1016/j.jdent.2025.105648
La Inteligencia Artificial y su uso en la Educación Inclusiva. (2023, noviembre 22). Argentina.gob.ar. https://www.argentina.gob.ar/andis/la-inteligencia-artificial-y-su-uso-en-la-educacion-inclusiva
Mamani-Coaquira, Y., Ibarra, M. J., Vilca, E. M., Ramos, E. O., & Cruz, M. A. (2021). Identificar Sentimientos en Cuarentena por la Covid-19 mediante Clasificador Léxico y Aprendizaje Supervisado. RISTI - Revista Ibérica de Sistemas e Tecnologias de Informação, 19, 618–631. https://www.proquest.com/scholarly-journals/identificar-sentimientos-en-cuarentena-por-la/docview/2493869956/se-2
Mercado Polo, D., Pedraza Caballero, L., & Martínez Gómez, E. (2015). Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo. Prospectiva, 13(2), 88. https://doi.org/10.15665/rp.v13i2.491
Pakshina, N. A., Pravdina, M. V., & Krivonogova, M. A. (2012). Creating user-friendly dialogue in systems of virtual training. IFAC Proceedings Volumes, 45(11), 241–245. https://doi.org/10.3182/20120619-3-ru-2024.00022
Pérez Puente, L. (2013). Internet para investigadores en humanidades La búsqueda de artículos y libros en la Red. Perfiles educativos, 35(139), 190–201. https://doi.org/10.1016/s0185-2698(13)71816-6
Pérez del Barrio, A., Menéndez Fernández-Miranda, P., Sanz Bellón, P., Lloret Iglesias, L., & Rodríguez González, D. (2022). Inteligencia artificial en Radiología: introducción a los conceptos más importantes. Radiologia, 64(3), 228–236. https://doi.org/10.1016/j.rx.2022.03.003
Plant, E. A., Ericsson, K. A., Hill, L., & Asberg, K. (2005). Why study time does not predict grade point average across college students: Implications of deliberate practice for academic performance. Contemporary Educational Psychology, 30(1), 96–116. https://doi.org/10.1016/j.cedpsych.2004.06.001
Ruíz Ramírez, E. (2023). Avances y desafíos de la inteligencia artificial en el mundo laboral. Una visión desde el sector público y privado. Dialnet. https://dialnet.unirioja.es/servlet/articulo?codigo=9015608
Raschka, S., & Mirjalili, V. (2023). Python machine learning - (2a ed.). Packt Publishing.
Rojas Rubio, L., & Meneses Villegas, C. (2022). Una comparación empírica de algoritmos de aprendizaje automático versus aprendizaje profundo para la detección de noticias falsas en redes sociales. Ingeniare. Revista Chilena de Ingeniería, 30(2), 403–415. https://doi.org/10.4067/s0718-33052022000200403
Rojas, S., González, J., Súarez, M., & González, J. (2022). Fortalecimiento de canales de comunicación para personas con discapacidad fono-auditiva en ambientes de educación básica mediante captura de movimientos usando lenguajes de señas. Ingeniería y Competitividad, 25(1). https://doi.org/10.25100/iyc.v25i1.12066
Salas, N. D., & Tello, M. B. (2023). La Inteligencia Artificial en la Educación: Herramientas de Aprendizaje y Evaluación de la Escritura (en L1). Revista de logopedia, foniatría y audiología (Internet), 43(4), 100328. https://doi.org/10.1016/j.rlfa.2023.100328
Selwyn, N. (2019). ¿Deberían los robots sustituir al profesorado? La IA y el futuro de la educación. Morata.
Valero, C. S. (2017). Aplicación de métodos de aprendizaje automático en el análisis y la predicción de resultados deportivos (Application of automated learning methods for analyzing and predicting sports outcomes). Retos digital, 34, 377–382. https://doi.org/10.47197/retos.v0i34.58506
Vuralli, D., Polat, S., Isõk, E. I., Öksüzler, M., & Göker, A. S. Ö. &. (2023). Crista Galli Morphometry and Morphology: An Anatomical, Radiological, and Machine Learning Application Study.
Zárate-Valderrama, J., Bedregal-Alpaca, N., & Cornejo-Aparicio, V. (2021). Modelos de clasificación para reconocer patrones de deserción en estudiantes universitarios. Ingeniare. Revista Chilena de Ingeniería, 29(1), 168–177. https://doi.org/10.4067/s0718-33052021000100168
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) 2025 Revista Teinnova
