Universidad del Zulia (LUZ)
Revista Venezolana de Gerencia (RVG)
Año 31 No. Especial 15, 2026, e31e156
Enero-Junio
ISSN 1315-9984 / e-ISSN 2477-9423
Como citar: Gonzalesi, M. R., Cavero, L. A., Bellina, L. Y., y Motta, S. L. (2026). Integración de la inteligencia artificial en la gestión educativa superior. Revista Venezolana De Gerencia, 31(Especial 15), e31e156. https://doi.org/10.52080/rvgluz.31.e15.6
Integración de la inteligencia artificial en la gestión educativa superior
Gonzales Loli, Martha Rocio*
Cavero Soto, Leyla Agueda**
Bellina Schrader, Lorena Yadira***
Motta Gonzales, Sofía Lorena****
Resumen
La inteligencia artificial simplifica y automatiza tareas repetitivas en materia administrativa, siendo herramienta transformadora y poderosa para la gestión educativa, al ser utilizado estratégicamente y con ética en los procesos internos y externos. El estudio tiene por objetivo optimizar la eficiencia de los procesos administrativos integrando la inteligencia artificial en la gestión educativa de escuelas de posgrado de universidades públicas del Perú. El estudio sigue un paradigma positivista, enfoque cuantitativo, tipo aplicado, nivel explicativo, con diseño no experimental. Población compuesta por 42 trabajadores administrativos de escuela de posgrado en estudio, muestra conformada por 42 colaboradores administrativos especialistas en uso y manejo de inteligencia artificial y procesos. Se obtuvo como resultado valor de Nagelkerke de 0.937, lo que explica un 93.70% de efecto positivo de inteligencia artificial sobre la gestión educativa superior. Se concluyó que la inteligencia artificial muestra tendencia positiva hacia la integración en gestión educativa, aunque persisten desafíos y resistencias, especialmente en la capacitación del uso manejo cumpliendo normas de ética.
Palabras clave: Inteligencia artificial; gestión educativa; administración de la educación; interacción tecnología.
Recibido: 09.07.25 Aceptado: 17.09.25
* Universidad Nacional Federico Villareal. Email: rgonzales2204@gmail.com ORCID: https://orcid.org/0000-0001-8849-4823
** Universidad Nacional Federico Villareal. Email: leyacaso@hotmail.com ORCID: https://orcid.org/0000-0002-5139-6311
*** Universidad Nacional Federico Villareal. Email: lorenabelina@hotmail.com ORCID: https://orcid.org/0000-0002-0311-3153
**** Universidad Tecnológica del Perú. ORCID: https://orcid.org/0009-0006-1616-1003
Integration of artificial intelligence in higher education management
Artificial intelligence simplifies and automates repetitive administrative tasks, serving as a transformative and powerful tool for educational management when used strategically and ethically in internal and external processes. The study aims to optimize the efficiency of administrative processes by integrating artificial intelligence into the educational management of graduate schools at public universities in Peru. The study follows a positivist paradigm, quantitative approach, applied type, explanatory level, with a non-experimental design. The population consisted of 42 administrative workers from the graduate school under study, and the sample consisted of 42 administrative staff members specializing in the use and management of artificial intelligence and processes. The result obtained was a Nagelkerke value of 0.937, which explains a 93.70% positive effect of artificial intelligence on higher education management. It was concluded that artificial intelligence shows a positive trend towards integration in educational management, although challenges and resistance persist, especially in training in its use and management in compliance with ethical standards.
Keywords: Artificial intelligence, educational management, education administration, technology interaction.
1. Introducción
La inteligencia artificial (IA) se ha convertido en una fuerza transformadora en todos los sectores empresariales y con más fuerza en la gestión educativa superior, ofreciendo herramientas innovadoras en procesos educativos, desde gestión administrativa, asignación de recursos, planificación curricular, evaluación del desempeño estudiantil como del docente, comunicación eficiente con la comunidad educativa y los informes generados que permiten tomar decisiones adecuadas a los directivos educativos. En ese orden de ideas, se determinó por objetivo optimizar la eficiencia de los procesos administrativos integrando la inteligencia artificial en la gestión educativa de una escuela de posgrado de una universidad pública del Perú.
En visión crítica, Ardisana y Gaínza (2024) indican que la inteligencia artificial en educación genera preocupaciones sobre el plagio, el impacto en el aprendizaje, el posible reemplazo de docentes y conflictos éticos. Según Bustamante y Camacho (2023), la inteligencia artificial en la práctica o gestión educativa genera problemas éticos en el tratamiento de datos. Según Caballero y Britez (2024), la innovación con inteligencia artificial de las metodologías de enseñanza, como la gestión educativa, tiene costo alto y requiere de profesionales competentes. El proceso exige habilidades tecnológicas y pedagógicas con capacitación constante de colaboradores, para aprovechar todo el potencial de la inteligencia artificial (Zhang & Aslan, 2021).
La automatización de procesos administrativos y la optimización de la evaluación mediante la inteligencia artificial mejoran la eficiencia de la gestión educativa (Yang, 2019). Sánchez et al. (2024) manifestaron que la inteligencia artificial genera incidencia significativa en la gestión pública, mejorando la eficiencia administrativa y reduciendo costos. La inteligencia artificial favorece la transparencia, la toma de decisiones, fortalece la participación ciudadana (Laupichler et al., 2022). La recopilación de datos es más efectiva y permite personalizar respuestas; sin embargo, es necesario capacitarse y adaptarse a la tecnología (Luckin et al., 2022).
La inteligencia artificial se integra de manera estratégica (Yang, 2022). Se integra vinculando con los recursos humanos para poder cambiar y mejorar el escenario laboral (Somasundaram et al., 2020). Es imprescindible que esté alineado en un entorno ético para mejorar la cultura organizacional con comunicación asertiva, trabajo en equipo y creatividad (Ouyang & Jiao, 2021). No obstante, resulta relevante supervisar las incertidumbres sobre la confianza y las condiciones justas (Udupa, 2022). Genera seguridad hacia una decisión automatizada (Khosravi et al., 2022). Las entidades deberán desarrollar políticas claras de ética y programa de capacitación en inteligencia artificial (Gašević et al., 2023).
Según Díaz et al. (2024), la inteligencia artificial potencia los procesos, mecaniza las tareas repetidas y optimiza el rendimiento de los procesos educativos, procesando grandes cantidades de información. Existe preocupación sobre la igualdad de acceso y privacidad. Según Tramallino y Marize (2024), la inteligencia artificial en educación es relevante, incorpora tecnologías de carácter interdisciplinario. Según Alfaro (2023), la transformación digital asociada a la inteligencia artificial es esencial en una gestión educativa contemporánea; mejora el proceso administrativo y adapta metodologías pedagógicas.
Según Lule-Uriarte et al. (2023), es relevante reorganizar la gestión educativa para conseguir mejora continua, fomentando e impulsando liderazgo de carácter directivo. Troncoso et al. (2023), la aplicación de la informática y la utilización de computadora personal generó estudio y empleo de la IA en muchos ámbitos, incluido lo educativo. La IA favorece óptima enseñanza y gestión administrativa, por medio de plataformas en línea y chatbots que operan como asistentes.
La tecnología digital en la actualidad se posiciona como parte de lo laboral y la vida cotidiana (Perezchica et al., 2024), de manera especial en el sector educación en sus distintos niveles (Chen et al., 2020), usa bondades de la inteligencia artificial (Zawacki et al., 2019), mejora el desempeño académico de los estudiantes (Chen et al., 2020), es herramienta de docentes para elaborar material de enseñanza (Jen et al., 2020), mejora la calidad de gestión, enseñanza y aprendizaje en educandos (Tapullima et al., 2024).
La transformación digital ha comenzado redefinir diversos aspectos empresariales y vida humana (Acosta y Finol, 2024), el sector educativo no es una excepción (Sánchez et al., 2024a), demuestra alto impacto al revolucionar los procesos pedagógicos (Oliva, 2024), facilita administrar y gestionar procesos en instituciones educativas (Sánchez et al., 2024b), en gestión educativa está adquiriendo mayor importancia, al facilitar la personalización del aprendizaje (Gairín y Alguacil, 2024), optimiza los procesos administrativos, permite tomar mejores decisiones (Gairín y Alguacil, 2024) y abrir nuevas oportunidades para la innovación tanto en el aula como en la administración institucional (Bolaño y Duarte, 2024). El propósito de este estudio es establecer cómo es la influencia de la inteligencia artificial en la transformación de la gestión educativa en una escuela de posgrado de una universidad pública en Lima, 2025.
El uso de la inteligencia artificial dentro de las instituciones educativas ha sido un fenómeno que, en verdad, ha ganado bastante atención en todo el mundo (Ocaña et al., 2019). Especialmente en las universidades públicas, que están probando diferentes formas de integrar esta tecnología y la idea es mejorar los procesos administrativos (Ramírez et al., 2024), hacer que la gestión académica sea más eficiente (Saquisari, 2024) y crear un entorno de aprendizaje que sea, bueno, más accesible (Chassignol et al., 2018), más personalizado para los estudiantes (López et al., 2024). Y, en este contexto, una escuela de posgrado en una universidad pública de Lima resulta ser un caso de estudio importante porque juega un rol valioso en formar profesionales con una alta capacidad. Y, claro, la necesidad de adaptarse a un entorno académico que cada vez se vuelve más competitivo y, claro está, más exigente.
La gestión educativa es muy importante en una escuela de posgrado, que, a diario, presenta diversos desafíos como mejorar la coordinación de un programa de carácter multidisciplinario (Tinoco, 2023), la optimización de cada plan de estudio, la evaluación y correcto seguimiento de cada estudiante relacionado a su progreso y una adecuada administración de los recursos con que cuenta la organización, es decir, poder aprovecharlos con efectividad (Nivela et al., 2024). Una solución ágil y efectiva: la IA ofrece alternativas de solución con innovación de carácter predictivo, una plataforma que se adapta a los procesos, herramientas sobre la administración efectiva de datos (Aparicio, 2023), desarrolla automatizaciones, obteniendo métodos con precisión y agilidad en gestión educativa (Souzza et al., 2024).
La adopción de la IA en la educación de carácter superior es mejorar la gestión educativa; asimismo, busca efectividad en las operaciones y experiencia en el aprendizaje de cada usuario (García et al., 2023). Examina grandes cantidades de información, logra la identificación del patrón sobre el comportamiento de carácter académico (Chambi y Choquetarqui, 2024). Facilitando la elección de decisiones estratégicas en el ámbito académico y administrativo (Mejía et al., 2023). Es notable que, aparte de obtener mejora en procesos administrativos, también optimiza el monitoreo del desempeño del estudiante. Por ende, realiza aporte en mayor desempeño y satisfacción de cada estudiante (Porcelli, 2020).
La necesidad de tener infraestructura tecnológica adecuada genera resistencia al cambio; existe preocupación de carácter ético sobre la privacidad de la información y la brecha digital (Bernilla, 2024). El estudio de la inteligencia artificial en la gestión educativa, en especial en universidad pública, en escuela de posgrado, es fundamental; ayuda a entender tanto las oportunidades como los obstáculos que enfrenta el sistema educativo y la sociedad moderna.
2. Teorías sobre inteligencia artificial y gestión educativa
En esta sección se plasman las teorías sobre inteligencia artificial y gestión educativa, así como las dimensiones que las conforman.
2.1. Inteligencia artificial
La teoría de la simulación cognitiva señala que la inteligencia artificial repite las capacidades cognitivas humanas, como son elección de decisiones, conocimientos y comprensión, realizándolo por medio de procedimientos y simulaciones digitales (Newell y Simón, 1972). Simula comportamiento inteligente como conciencia igual que el humano; además, existe posibilidad de que la máquina ejecute conciencia de sí misma y logre experimentar ideas y sensaciones como lo hace un humano (Searle, 1980).
La teoría del aprendizaje automático (machine learning) señala que la IA propone que la máquina es capaz de extraer conocimiento de los datos sin contar con programación explícita. Mediante algoritmos de enseñanza automática, consigue identificar comportamientos en grandes flujos de datos y mejorar en el transcurso del tiempo. Cabe agregar que utiliza métodos de aprendizaje con supervisión y sin supervisión hacia el desarrollo de sistemas que aprenden y mejoran nueva experiencia e información (Samuel, 1959).
La inteligencia artificial, de acuerdo a Corvalán (2018), implementa algoritmos muy elaborados, permitiendo la ejecución de actividades como detectar tendencias económicas, la predicción de delitos y detectar patologías. La IA simula la capacidad cognitiva del ser humano (Al Darayseh, 2023). Es componente de la ciencia de la computación (Al Ka’B, 2023). Centra la ejecución de un sistema con comportamiento inteligente (Badaró et al., 2013). Mariño y Primorac (2016) reproducen la cognición del ser humano hacia la resolución de una problemática (Chiu et al., 2023). Herrera y Muñoz (2017) es el estudio dirigido a la comprensión de la inteligencia. Alan Turing es identificado como el creador de la IA con su “máquina de Turing” (Ramos, 2014).
Las dimensiones como la interacción estudiante-tecnología, definida como secuencia en que el estudiante utiliza la herramienta tecnológica para favorecer su aprendizaje y trámite administrativo. Por otra parte, abarca la utilización de dispositivos, plataformas digitales, permitiendo el acceso a contenidos, participación en nuevas experiencias de carácter interactivo y mayor comunicación (Rosas, 2021).
Los recursos educativos abarcan tutoriales virtuales, retroalimentación digital y contenidos personalizados, acompañados de procesamiento de datos para la identificación de la necesidad del estudiante (Menacho et al., 2024). Asimismo, consigue mejorar el aprendizaje por medio de algoritmos de personalización de contenidos, simplificación de tareas y apoyo al docente en su decisión sustentada en la información de enseñanza (Pacha et al., 2024).
2.2. Gestión educativa
La gestión educativa se sustenta con teoría del liderazgo transformacional, enfocada en cómo el líder educativo inspira y motiva a la comunidad educativa en conseguir metas en común, promoviendo cambios y mejora continua por medio del compartimiento de una visión, promoviendo originalidad y novedad (Bass, 1999).
La teoría de la gestión participativa destaca la relevancia de integrar a cada miembro de la comunidad educativa en tomar mejores decisiones, fomentando un ambiente de colaboración; administrativo, docente y estudiante tienen voz para la obtención de resultados educativos (Likert, 1994). Por otra parte, la teoría de la gestión por objetivos (MBO), centrada en determinar objetivos con claridad y que puedan ser medidos en una institución educativa, sincronizada hacia el docente, directivo y estudiante, promoviendo el monitoreo constante y evaluación del desarrollo, persiguiendo la mejora de la productividad de la entidad (Drucker, 2012).
La gestión educativa abarca el planeamiento, la organización, dirección y monitoreo del talento humano, recursos físicos y económicos en la mejora de la formación y del correcto funcionamiento de la institución; además, involucra tomar decisiones planificadas, normativas y acciones, promoviendo un entorno colaborativo (Flores, 2021). Desde el aspecto filosófico, práctico y epistemológico, es una secuencia educativa y no solo en el aspecto administrativo (Mora, 2009). Según Flores (2021), optimiza la efectividad de una institución y aumenta la calidad en la educación; para Lule-Uriarte et al. (2023), refuerza las prácticas educativas mediante el liderazgo.
Las dimensiones de la gestión educativa, como la innovación en la administración educativa, referida a la introducción de innovadores enfoques y tácticas para la mejora de la efectividad en la formación, adaptándose a desarrollos sociales y tecnológicos que crecen continuamente (Ríos y Ruiz, 2020). La elección de alternativas fundamentada en datos, referida a elegir decisiones informadas con la utilización de una información real, como el desempeño y comportamiento del estudiante, hacia la optimización de la gestión y resultados de carácter educativo (Arriagada, 2020).
La integración de tecnologías educativas establece la incorporación de insumos tecnológicos hacia la enseñanza y adecuada administración en la educación, como plataforma digital, software y equipos electrónicos, para impulsar la información, favorecer la mejora y gestión en la comunicación en la institución educativa (Campos, 2021).
En la actualidad, la IA aporta y genera cambios positivos en la gestión educativa, realizándolo de diversas formas; optimiza la formación personalizada, permitiendo la adaptación de contenidos hacia la necesidad específica de cada estudiante; además, simplifica procesos administrativos, como la programación y calificación. Permite disponer de más tiempo para que el docente ponga todo su esfuerzo en lo relevante, que es la calidad en la enseñanza. Asimismo, la IA favorece algo relevante como es el análisis predictivo del desempeño del estudiante; con ello, detectar problemas a tiempo optimiza la gestión de los recursos, llevando a cabo todo con mayor efectividad.
3. Enfoque metodológico del estudio
El estudio se basa en el paradigma positivista, porque se sustenta en el verdadero saber, obteniéndose por medio de la observación basada en la experiencia y la metodología científica, siendo importante la neutralidad, exactitud en la medición y la identificación de patrones generales para dar explicación a un problema. Cabe agregar que la teoría debe ser verificada por medio de una prueba observable, pudiéndose medir y cuantificar (Bernal, 2022). Enfoque cuantitativo, centrado en recopilar datos y analizar la información para detectar patrones y determinar la asociación entre las variables; además, se hace uso de estadígrafos para la medición y prueba de las hipótesis, para generar conclusiones con objetividad (Hernandez, Fernandez & Baptista, 2014).
Se relaciona con el método hipotético-deductivo; según Sánchez et al. (2024a), es una perspectiva científica que se utiliza para la investigación de problemas por medio de plantear hipótesis y la deducción de resultados comprobables. Es tipo aplicada, hace referencia a la aplicación de teorías y metodologías en situaciones concretas (Hernández et al., 2017). Es correlacional causal, pretende determinar asociaciones entre las variables y establecer si existe una influencia directa sobre la otra, centrado en cómo y por qué ocurre esta relación (Bernal, 2022). Diseño no experimental, debido a que el investigador, por medio de las encuestas, examina las variables sin manipulación ni intervención en su contexto natural (Sánchez et al., 2024b).
La población fue integrada por 42 trabajadores administrativos de una escuela de posgrado de Lima. Muestra seleccionada mediante el muestreo censal; se consideró a los 42 colaboradores del área administrativa conocedores del uso y manejo de IA como los procesos. Como instrumento de medición, se empleó el cuestionario y, como técnica, la encuesta. Se utilizaron tablas de frecuencias por variables y dimensiones con las que cada integrante de la muestra seleccionó su respuesta. Para la prueba de la hipótesis, en consecuencia, se empleó la regresión logística ordinal y, para calcular el grado de influencia porcentual, se empleó el coeficiente de Nagelkerke.
4. Integración de la inteligencia artificial en la gestión educativa superior: Hallazgos esenciales
Se efectuaron diversos análisis estadísticos, que permitieron obtener comprensión profunda de los datos que respaldan las conclusiones con evidencias cuantitativas, respecto a la inteligencia artificial como de gestión educativa, que a continuación se explica.
En la tabla 1, se plasma que el instrumento de medición usado para la inteligencia artificial y la gestión educativa dispone de fiabilidad alta, garantizando que la información obtenida de la muestra es confiable, tanto en aplicabilidad e integridad al influir en la población. Además, facilita a usuarios información respecto al nivel de exactitud del instrumento utilizado, lo que a su vez garantiza efectuar conclusiones adecuadas conforme a los objetivos planteados.
Tabla 1
Confiabilidad del instrumento de medición
|
Variable |
Alfa de Cronbach |
N de elementos |
|
Inteligencia artificial |
0.973 |
12 |
|
Gestión educativa |
0.977 |
12 |
En este estudio, es necesario aplicar el modelo estadístico de regresión logística multivariado para sustentar la relación entre la variable explicativa y la variable explicada; se expone en la siguiente tabla.
En la tabla 2 se observa que el p-valor equivale a 0.000 frente al nivel de significación α que equivale a 0.05; por lo tanto, advierte que la inteligencia artificial, juntamente con sus dimensiones: Interacción estudiante-tecnología, uso educativo de la inteligencia artificial e integración de la inteligencia artificial explican efecto significativo en la planificación, ejecución y control de la gestión educativa, como en sus dimensiones: innovación en la administración educativa, toma de decisiones basada en datos e integración de tecnologías educativas. Asimismo, la verisimilitud final de 0.000 manifiesta la aceptación de la hipótesis planteada en la investigación.
Tabla 2
Prueba de regresión logística ordinal
|
Modelo |
Logaritmo de la verosimilitud -2 |
Chi-cuadrado |
gl |
Sig. |
|
Sólo interceptación |
55,040 |
|||
|
Final |
,000 |
55,040 |
3 |
,000 |
Tal como se verifica en la tabla 3, el coeficiente de Nagelkerke de 0,937 manifiesta el efecto de la inteligencia artificial en un 93.70% sobre la gestión educativa. En ese sentido, elaborar, ejecutar y controlar procesos, políticas, procedimientos, programas, cronogramas, mallas curriculares, estrategias y otros temas administrativos, usando o aplicando la IA, mejora significativamente la gestión educativa, situación que permite dar servicios educativos de calidad a los usuarios, mejorando imagen institucional y reputación de los líderes frente a la gestión de las mismas.
Tabla 3
Modelo de regresión logística para inteligencia artificial y gestión educativa
|
Cox y Snell |
,840 |
|
Nagelkerke |
,937 |
|
McFadden |
,809 |
En la tabla 4, la dimensión estudiante tecnología influye en 75% sobre la IA, exigiendo en la práctica que toda implementación o automatización de procesos educativos requiere que los usuarios o partes interesadas se adapten, capaciten bajo principios y valores el uso y manejo de la información o data existente en el entorno educativo. En tanto, la dimensión uso educativo de la inteligencia artificial participa en un 82% sobre la IA, manifestando que los procesos educativos generan y almacenan gran cantidad de información, a partir de matrículas, requerimientos administrativos, entrega de tareas o trabajos; asimismo, desde lo administrativo se tiene data de concursos, contratos, información de estudiantes, documentos internos y otros. Dicho almacenamiento facilita a la IA buscar en tiempo real información mediante un código. Finalmente, la dimensión e integración de la inteligencia artificial es parte de IA en un 74%, esto es, que los procesos educativos deben estar operativos o conectados en todo momento, permitiendo al usuario acceder a la información que requiera mediante sistemas computacionales, por citar biblioteca virtual, videos de clase, seguimiento de trámite y otros.
Tabla 4
Distribución R cuadrado por dimensiones de inteligencia artificial
|
Dimensiones |
Coeficiente de Nagelkerke |
Influencia porcentual |
|
Interacción estudiante-tecnología |
0.750 |
75% |
|
Uso educativo de la inteligencia artificial |
0.821 |
82% |
|
Integración de la inteligencia artificial |
0.743 |
74% |
Según la tabla 5, la dimensión Innovación en la administración educativa participa en un 82% sobre gestión educativa, requiriendo implantar, mejorar, modificar, cambiar los ciclos de planificación, ejecución como de evaluación de los procesos internos educativos, con iniciativas innovadoras, mejora continua para transformar los sistemas educativos, haciéndolos más eficientes, inclusivos y adaptados a las demandas de un mundo en constante cambio.
Por otra parte, la dimensión toma de decisiones basada en datos influye en un 85% sobre la gestión educativa; implica la recopilación, análisis e interpretación de datos relevantes por parte de los líderes educativos para tomar decisiones adecuadas con el fin de mejorar las políticas, programas, procesos y prácticas educativas en el entorno institucional. En tanto, la dimensión integración de tecnologías educativas influye en un 83% sobre gestión educativa, exige incorporar software, ERP, herramientas digitales, redes sociales en los procesos educativos que potencien la calidad del servicio, así como la sostenibilidad en el futuro.
Tabla 5
Distribución R cuadrado por dimensiones de gestión educativa
|
Dimensiones |
Coeficiente de Nagelkerke |
Influencia porcentual |
|
Innovación en la administración educativa |
0.816 |
82% |
|
Toma de decisiones basada en datos |
0.847 |
85% |
|
Integración de tecnologías educativas |
0.826 |
83% |
5. Conclusión
Integrar el uso de inteligencia artificial en los procesos educativos en escuelas de posgrado de universidades públicas en Perú cuenta con deficiencias en partidas presupuestarias, obsolescencia de equipos de cómputo, servicios de internet limitado, incumplimiento en pago de servicios de bibliotecas virtuales, generando dificultades de integración entre las herramientas digitales con los procesos educativos. Situación que exige a los líderes educativos planificar necesidades y considerar en las partidas presupuestarias con el fin de contar con presupuesto para adquirir software, ERP, plataformas digitales, todos ellos inteligentes, equitativos y adaptables, implementados estratégica y responsablemente e implementar la IA en los procesos educativos.
Exige a los líderes educativos implementar o modificar políticas, reglamentos, procedimientos, código de ética, estrategias sobre el uso adecuado de inteligencia artificial al momento de obtener información de la escuela de posgrado. Por otra parte, urge la necesidad de contratar especialistas en programación de redes interconectadas, profesionales competentes en procesos internos y externos al nivel educativo superior, y capacitar a colaboradores en materia, con el propósito de elaborar e implementar procedimientos educativos adecuados a la realidad operativa, garantizando servicios e información de calidad a los usuarios.
Los procedimientos manuales actuales generan incomodidades en los usuarios, en especial en los educandos, como consecuencia de solicitudes y recojos de documentos de manera presencial, demoras, colas y pérdida de tiempo; en ese sentido, integrar la inteligencia artificial a los procesos educativos facilitará a los usuarios requerir información desde cualquier lugar y hora, asimismo, recibir lo requerido de manera rápida y oportuna, nivelándolo a la escuela de posgrado frente a sus competidores.
La información de posgrado que se comparta en herramientas digitales es susceptible ante fraudes, sustracciones, daños, modificaciones o eliminaciones de datos, mediante virus, gusanos, sitios web falsos y otros, situación que requiere implementar medidas de seguridad mediante contraseñas seguras, software antivirus y antimalware, firewalls, copias de seguridad, concientización al usuario, garantizando información confiable y fidedigna a los usuarios.
Referencias
Acosta, S., & Finol, M. (2024). Artificial intelligence as a mechanism to improve university educational management. Revista De Ciencias Sociales, 3(3), 583-597. https://doi.org/10.31876/rcs.v30i3.42697
Al Darayseh, A. (2023). Acceptance of artificial intelligence in teaching science: Science teachers’ perspective. Computers and Education: Artificial Intelligence, 4, 1-9. https://www.sciencedirect.com/science/article/pii/S2666920X23000115/pdfft?md5=67cb10d3a7912e85bdff1feab33e20bd&pid=1-s2.0-S2666920X23000115-main.pdf.
Al Ka’B, A. (2023). Proposed artificial intelligence algorithm and deep learning techniques for development of higher education. International Journal of Intelligent Networks, 4, 68-73. https://doi.org/10.1016/j.ijin.2023.03.002.
Alfaro, L. (2023). Digital transformation and artificial intelligence in modern public management –Perú. Revista De Ciencia E Investigación En Defensa, 4(3), 22-38. https://doi.org/10.58211/recide.v4i3.116.
Aparicio, W. (2023). Artificial Intelligence and its Impact on Education: Transforming Learning for the 21st Century. Revista internacional de pedagogía e innovación educativa, 3(2), 217-229. https://www.researchgate.net/publication/372053496_La_Inteligencia_Artificial_y_su_Incidencia_en_la_Educacion_Transformando_el_Aprendizaje_para_el_Siglo_XXI.
Ardisana, E., & Gaínza, B. (2024). Artificial intelligence (ChatGPT) in university education: reality and ethical considerations. Chakiñan, Revista De Ciencias Sociales Y Humanidades, 1, 1-14. https://doi.org/10.1590/SciELOPreprints.9560.
Arriagada, M. (2020). Ciencia de Datos: hacia la automatización de las decisiones. Ingeniare. Revista chilena de ingeniería, 28(4), 556-557. https://www.scielo.cl/pdf/ingeniare/v28n4/0718-3305-ingeniare-28-04-556.pdf.
Badaró, S., Ibañez, L., & Agüero, M. (2013). Sistemas expertos: fundamentos, metodologías y aplicaciones. Ciencia y tecnología, 13, 349-364. http://dx.doi.org/10.18682/cyt.v1i13.122.
Bass, B. (1999). Two Decades of Research and Development in Transformational Leadership. European Journal of Work and Organizational Psychology, 8 (1), 9-32. https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=5caea17127da453f21562b01d0710898ba01cf19.
Bernal, C. (2022). Metodología de la investigación. Administración, economia, humanidades y ciencias sociales (5 ed.). Editoria Pearson.
Bernilla, E. (2024). Teachers Facing Artificial Intelligence in a Public University in Northern Perú. Educación, 33(64), 8-28. http://dx.doi.org/10.18800/educacion.202401.m001.
Bolaño, M., & Duarte, N. (2024). A systematic review of the use of artificial intelligence in education. Revista Colombiana de Cirugía, 39(1), 51-63. https://doi.org/10.30944/20117582.2365.
Bustamante, R., & Camacho, A. (2023). Artificial Intelligence in Schools: A Systematic Review (2019-2023). Enunciación, 29(1), 62-82. https://doi.org/10.14483/22486798.22039.
Caballero, F., & Britez, R. (2024). Artificial Intelligence in the Improvement of Teaching and Learning, Ministry of Education and Science. ACADEMO Revista de Investigación en Ciencias Sociales y Humanidades, 11(2), 99-108. https://doi.org/10.30545/academo.2024.may-ago.1.
Campos, R. (2021). Technology Integration Models into adult education: TPACK and SAMR. Rev. Actual. Investig. Educ., 21(1), 429-456. http://dx.doi.org/10.15517/aie.v21i1.42411 .
Chambi, M., & Choquetarqui, C. (2024). Implementation of tools based on artificial intelligence in the field of higher education. Edu. Sup. Rev. Cient. Cepies, 11(1), 81-92. http://www.scielo.org.bo/pdf/escepies/v11n1/2518-8283-escepies-11-01-81.pdf.
Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial Intelligence trends in education: a narrative overview. Rocedia Computer Science, 136, 16-24. https://doi.org/10.1016/j.procs.2018.08.233.
Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. In IEEE Access, 8, 75264-75278. https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=9069875.
Chen, X., Xie, H., Zou, D., & Hwang, G. (2020). Application and theory gaps during the rise of Artificial Intelligence in Education. Computers and Education: Artificial Intelligence, 1, 1-20. https://doi.org/10.1016/j.caeai.2020.100002.
Chiu, T., Xia, Q., Chai, S., & Cheng, M. (2023). Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education. Computers and Education: Artificial Intelligence, 4, 1-15. https://www.sciencedirect.com/science/article/pii/S2666920X2200073X/pdfft?md5=930c2043fe88f4e565cb0b1e8c8aed32&pid=1-s2.0-S2666920X2200073X-main.pdf.
Corvalán, G. (2018). Artificial intelligence: challenges and opportunities Prometea: the first artificial intelligence of Latin America at the service of the Justice System. Rev. Investig. Const., 5(1), 295-316. https://doi.org/10.5380/rinc.v5i1.55334.
Diaz, F., Rodríguez, K., & Estrada, L. (2024). Impact of Artificial Intelligence on the training of students in Higher Education. Yachay, 13(1), 44-61. https://doi.org/10.36881/yachay.v13i1.782.
Drucker, P. (2012). The Practice of Management. Burlington. https://books.google.co.ve/books?id=pry6XLvL02QC&printsec=frontcover#v=onepage&q&f=false
Flores, H. (2021). Educational management, discipline with its own characteristics. Dilemas contemp. educ. política valores, 9(1), 1-27. https://doi.org/10.46377/dilemas.v9i1.2832.
Gairín, J., & Alguacil, L. (2024). La gestión de la inteligencia artificial en los contextos universitarios iberoamericanos. EDO-Serveis – Universitat Autònoma de Barcelona. https://ddd.uab.cat/pub/llibres/2024/300143/Serie_Testimonios_IA_DEF_21_.pdf
García, T., Zambrano, F., Acuña, M., & Acuña, L. (2023). Opportunities and challenges in the application of artificial intelligence in higher education. REICOMUNICAR, 6(12), 255-282. https://doi.org/10.46296/rc.v6i12edespoct.0172.
Gašević, D., Siemens, G., & Sadi, S. (2023). Empowering learners for the age of artificial intelligence. Computers and Education: Artificial Intelligence, 4, 1-4. https://www.sciencedirect.com/science/article/pii/S2666920X23000097/pdfft?md5=b9783cb7ece9ecf8e0b647617e69d3a2&pid=1-s2.0-S2666920X23000097-main.pdf.
Herrera, L., & Muñoz, D. (2017). Inteligencia artificial y lenguaje natural. Lenguas Modernas, (19), 157–165. https://lenguasmodernas.uchile.cl/index.php/LM/article/view/45790
Hernandez, R., Fernandez, C., & Baptista, M. (2014). Metodologia de la investigacion. (6 ed.). Mc Graw Hill education.
Hernandez, R., Mendez, S., Mendoza, C., & Cuevas, A. (2017). Fundamentos de investigacion. Mc Graw Hill education.
Jen, G., Xie, H., Wah, B., & Gasevic, D. (2020). Vision, challenges, roles and research issues of Artificial Intelligence in Education. Computers and Education: Artificial Intelligence, 1, 1-5. https://doi.org/10.1016/j.caeai.2020.100001.
Khosravi, H., Shum, B., Chen, G., Conati, C., Tsai, S., Kay, J., . . . Gaševic, D. (2022). Explainable Artificial Intelligence in education. Explainable Artificial Intelligence in education, 1-22. https://www.sciencedirect.com/science/article/pii/S2666920X22000297/pdfft?md5=26f79fe5fc9f314f279846cdfa6bd1af&pid=1-s2.0-S2666920X22000297-main.pdf.
Laupichler, C., Aster, A., Schirch, J., & Raupac, T. (2022). Artificial intelligence literacy in higher and adult education: A scoping literature review. Computers and Education: Artificial Intelligence, 3, 1-15. https://www.sciencedirect.com/science/article/pii/S2666920X2200056X/pdfft?md5=8e0d1ffe078727e0870356bf5c27083f&pid=1-s2.0-S2666920X2200056X-main.pdf.
Likert, R. (1994). El factor humano en la empresa: su dirección y valoración. Deusto.
López, O., Nuñez, N., López, O., & Sánchez, J. (2024). Analysis of the use of artificial intelligence in universityeducation: a systematic review. Revista de medios y educación, 70, 97-122. https://doi.org/10.12795/pixelbit.106336.
Luckin, R., Cukurova, M., Kent, C., & Du Boula, B. (2022). Empowering educators to be AI-ready. Computers and Education: Artificial Intelligence, 3, 1-11. https://www.sciencedirect.com/science/article/pii/S2666920X22000315/pdfft?md5=e714befa115b570081b2d7fb79051e3c&pid=1-s2.0-S2666920X22000315-main.pdf.
Lule-Uriarte, M. N., Serrano-Mesía, M. M., & Montenegro-Cruz, N. Y. (2023). La gestión educativa: factor clave en la calidad educacional. Revista Científica UISRAEL, 10(3), 57–71. https://doi.org/10.35290/rcui.v10n3.2023.893
Mariño, S., & Primorac, C. (2016). Propuesta metodológica para desarrollo de modelos de redes neuronales artificiales supervisadas. International Journal of Educational Research and Innovation, 6, 231-245. https://www.upo.es/revistas/index.php/IJERI/article/view/1654/1569.
Mejía, A., Imán, G., & Vega, A. (2023). Integrating articial intelligence to promote educational excellence in the university: A promising future. Revista Internacional De Ciencias Sociales, 2(2), 28-38. https://doi.org/10.57188/RICSO.2023.012.
Menacho, M., Pizarro, L., Osorio, J., & León, B. (2024). Artificial Intelligence as a Tool in the Autonomous Learning of Higher Education Students. Revista InveCom., 4(2), 1-10. https://doi.org/10.5281/zenodo.10693945.
Mora, D. (2009). Objeto e importancia de la gestión educativa. Rev. de Inv. Educ., 2(3), 7-12. http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S1997-40432009000300001.
Newell, A., & Simon, A. (1972). Human problema solving. Prentice-Hall.
Nivela, M., González, E., & Pérez, M. (2024). Transforming Education: The Role of Artificial Intelligence in Personalized Learning. Código Científico Revista de Investigación 5(2), 1314-1338. https://doi.org/10.55813/gaea/ccri/v5/n2/629.
Ocaña, Y., Valenzuela, L., & Garro, L. (2019). Artificial Intelligence and its Implications in Higher Education. Propós. represent., 7(2), 536-568. http://dx.doi.org/10.20511/pyr2019.v7n2.274.
Oliva, H. (2024). Management and implementation of Artificial Intelligence in the context of Higher Education. Instituto de Ciencia, Tecnología e Innovación (ICTI), 29, 33-52. https://doi.org/10.5377/ryr.v1i59.18717.
Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 2, 1-6. https://www.sciencedirect.com/science/article/pii/S2666920X2100014X/pdfft?md5=34e8abc4fce32807ec75f01375aebb23&pid=1-s2.0-S2666920X2100014X-main.pdf.
Pacha, N., Barba, H., & Sevilla, L. (2024). Systematic analysis of artificial intelligence integration in robotics learning in secondary education. Universidad, Ciencia y Tecnología, 28(123), 111-121. https://doi.org/10.47460/uct.v28i123.811.
Perezchica, J., Sepúlveda, J., & Román, A. (2024). Generative artificial intelligence in higher education: uses and opinions of teachers. European Public & Social Innovation Review, 9, 1-20. https://doi.org/10.31637/epsir-2024-593.
Porcelli, A. (2020). Artificial intelligence and robotics: its social, ethical and legal dilemmas. Derecho glob. Estud. sobre derecho justicia, 6(16), 49-105. https://doi.org/10.32870/dgedj.v6i16.286.
Ramírez, A., Fonseca, L., & Triana, F. (2024). Artificial Intelligence in University Administration: An Overview of its Uses and Applications. Rev. Interam. Bibliot., 47(2), 1-12. https://doi.org/10.17533/udea.rib.v47n2e353620.
Ramos, L. (2014). Psicología cognitiva e inteligencia artificial: mitos y verdades. Avances en Psicología, 22(1), 21-27. http://revistas.unife.edu.pe/index.php/avancesenpsicologia/article/view/270.
Ríos, P., & Ruiz, C. (2020). Educational Innovations in Latin America: guidelines for the formulations of public policies. Innovaciones Educativas, 22(32), 199-212. http://dx.doi.org/10.22458/ie.v22i32.2828.
Rosas, M. (2021). Relationship between the use of technology in higher-level students with their academic performance in contingency situations due to COVID-19. Dilemas contemp. educ. política valores, 9(1), 1-19. https://doi.org/10.46377/dilemas.v9i.2952.
Samuel, A. (1959). Some Studies in Machine Learning Using the Game. IBM Journal of Research and Development, 3(3), 210-229. https://doi.org/10.1147/rd.33.0210.
Sánchez, M., Tejada, G., Flores, M., Bedon, T., Torres, J., Velasco, M., . . . Bazan, J. (2024a). Desarrollo de Competencias Profesionales en el Contexto de la Transformación Digital. Revista de climatología, 24, 2071-2081. https://rclimatol.eu/wp-content/uploads/2024/07/Articulo-RCLIMCS24_Gina-Estrada.pdf.
Sánchez, M., Tejada, G., Flores, M., Torres, J., Velasco, M., Patricio, S., & Cruzado, W. (2024b). Inteligencia artificial en la gestión pública en Lima, 2024. Revista de Climatología, 24, 2094-2101. https://rclimatol.eu/wp-content/uploads/2024/09/Articulo-RCLIMCS24_Gina.pdf.
Saquisari, A. (2024). Artificial intelligence in university education: a systematic review on improving quality and academic performance. Dom. Cien., 10(4), 1493-1511. https://doi.org/10.23857/dc.v10i4.4136.
Searle, J. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417-424. https://www.cambridge.org/core/journals/behavioral-and-brain-sciences/article/abs/minds-brains-and-programs/DC644B47A4299C637C89772FACC2706A.
Somasundaram,, M., Latha, P., & Pandian, S. (2020). Curriculum Design Using Artificial Intelligence (AI) Back Propagation Method. Procedia Computer Science, 172, 134-138. https://www.sciencedirect.com/science/article/pii/S1877050920313430/pdf?md5=d3a7d308bdd49104572226682efb3f8f&pid=1-s2.0-S1877050920313430-main.pdf.
Souzza, C., Zambrano, Y., Santana, B., Arcentales, E., Rodríguez, Y., & Muñoz, N. (2024). Artificial intelligence and its impact on education: an analysis from a transformative role. SouthFloridaJournalofDevelopment, 5(7), 1-13. https://doi.org/10.46932/sfjdv5n7-031.
Tapullima, C., Mamani, O., Turpo, J., Olivas, L., & Carranza, R. (2024). Artificial Intelligence in University Education: Bibliometric Review in Scopus and Web of Science. Revista Electrónica Educare, 28, 1-21. https://doi.org/10.15359/ree.28-S.18489.
Tinoco, C. (2023). Use of artificial intelligence in university education: a systematic review. Paideia XXI, 13(2), 359–375. https://doi.org/10.31381/paideiaxxi.v13i2.6002.
Tramallino, P., & Marize, A. (2024). Developments and discussions on the use of artificial intelligence (AI) in education. Educación, 33(64), 29-54. https://doi.org/10.18800/educacion.202401.M002.
Troncoso, M., Dueñas, K., & Carballo, E. (2023). Artificial Intelligence and Education: New Relationships in an Interconnected World. Estudios del Desarrollo Social, 11(2), 1-20. http://scielo.sld.cu/pdf/reds/v11n2/2308-0132-reds-11-02-e14.pdf.
Udupa, P. (2022). Application of artificial intelligence for university information system. Engineering Applications of Artificial Intelligence, 114, 1-3. https://www.sciencedirect.com/science/article/abs/pii/S0952197622002081?via%3Dihub.
Yang, W. (2022). Artificial intelligence education for young children: Why, what, and how in curriculum design and implementation. Computers and Education: Artificial Intelligence, 3, 3-7. https://www.sciencedirect.com/science/article/pii/S2666920X22000169/pdfft?md5=194f688fbde839993b9157b570edda00&pid=1-s2.0-S2666920X22000169-main.pdf.
Yang, X. (2019). Accelerated move for AI education in China. ECNU Review of Education, 2(3), 347-352. https://journals.sagepub.com/doi/pdf/10.1177/2096531119878590.
Zawacki, O., Marín, V., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher International education, 16(39), 1-27. https://doi.org/10.1186/s41239-019-0171-0.
Zhang, K., & Aslan, B. (2021). AI technologies for education: Recent research & future directions. Computers and Education: Artificial Intelligence, 2, 1-11. https://www.sciencedirect.com/science/article/pii/S2666920X21000199/pdfft?md5=6f79cd1edcc954755ba3b4feec270613&pid=1-s2.0-S2666920X21000199-main.pdf.