Uso de machine learning en la educación superior entre 2019 y 2024. Una revisión sistemática

• Autor: Ponte Ramirez, Carlos Alberto
• Formato: tesis de maestría
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/150161
• Enlace del recurso: https://hdl.handle.net/20.500.12692/150161
• Nivel de acceso: acceso abierto
• Materia: Aprendizaje automático; Educación superior; Revisión sistemática; https://purl.org/pe-repo/ocde/ford#5.03.00

El objetivo de esta tesis es de investigar las características más relevantes de las publicaciones académicas sobre el uso de machine learning [ML], en la educación superior entre 2019 y 2024 mediante una revisión sistemática. La investigación sigue una aproximación cualitativa de nivel descriptivo y utiliza un diseño de revisión sistemática dirigido por el método PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses). La población del estudio incluye artículos académicos de bases de datos reconocidas como Web of Science y Scopus, seleccionándose una muestra de 28 artículos según criterios específicos de inclusión y exclusión como los siguientes: a) Estudios que aborden el uso de ML en la educación superior, b) Artículos publicados entre 2019 y 2024, c) Disponibilidad del texto completo para revisión detallada d) Estudios que cumplan con estándares mínimos de calidad tanto en español como en otros idiomas. Los hallazgos muestran que el ML tiene un gran potencial para personalizar el aprendizaje, automatizar procesos administrativos y realizar análisis predictivos, lo que constituye sus principales aplicaciones en ML. Las instituciones más investigadas fueron universidades, debido a su capacidad para integrar nuevas tecnologías y mejorar la calidad educativa. Sin embargo, se identificaron desafíos y barreras significativas como la falta de infraestructura tecnológica adecuada, la resistencia al cambio entre el personal educativo y la insuficiente capacitación en ML. Además, estas aplicaciones alinean con los Objetivos de Desarrollo Sostenible (ODS), especialmente en mejorar la calidad y accesibilidad de la educación (ODS 4).