INTRODUCCIÓN
A
partir de las concurrentes olas tecnológicas, el despliegue de la modernidad ha
avanzado a pasos agigantados, transformando la manera en que los datos son
procesados y convertidos en información. La inteligencia artificial (IA) se ha
posicionado como una respuesta complementaria al desarrollo de nuevos sistemas
diseñados para mejorar el desempeño y la utilidad de la automatización (Arias
Navarrete, Palacios Pacheco, y Villegas Ch. 2020). Los bots de inteligencia
artificial han destacado en varios campos, resolviendo problemáticas de todo
tipo con mayor frecuencia y en tiempo real. Desde su idealización a mediados
del siglo pasado, cuando se plantearon posibles panoramas y debates filosóficos
sobre la capacidad de suplantar al factor humano en aspectos esenciales, la
visión sobre estas tecnologías ha evolucionado. Aunque todavía limitadas a la
repetición y monotonía de tareas, lo que resulta favorable en diversos
ambientes, la IA y los bots han experimentado una notable transformación desde
sus inicios (Lu et al. 2018).
Originalmente,
el concepto de bots estaba ligado a la historia informática, pero es la
reciente progresión en IA y el procesamiento del lenguaje natural lo que ha
llevado a su práctica implementación en nuevos horizontes. Un logro destacado en
este progreso es el desarrollo de modelos de lenguaje de vanguardia por
entidades como OpenAI. Estos modelos han dotado a los bots de capacidades sin
precedentes para interpretar y articular el lenguaje humano de formas cada vez
más complejas y refinadas. Con la popularidad de las plataformas de mensajería
instantánea y la necesidad imperante de obtener respuestas inmediatas y
exactas, los bots de IA han ganado terreno rápidamente. En contextos
académicos, donde la comunicación efectiva y el acceso oportuno a la
información son esenciales, la adopción de bots de IA se vislumbra como una
innovación prometedora (Puma Quilumba 2023). Estos sistemas ofrecen mejoras
significativas en la manera en que los usuarios interactúan y acceden a
servicios, optimizando así la experiencia educativa.
El
ámbito académico es uno de los contextos donde la implementación de IA es
especialmente beneficiosa. Los centros educativos, consolidados por un amplio
umbral de uso de tecnologías, consideran a los asistentes de inteligencia
artificial como aliados estratégicos con altas posibilidades de mejorar las
inter-acciones a través de un lenguaje humanizado, centrándose en respuestas a
problemas determinados (Holmes, Bialik, y Fadel 2019). A pesar de los avances,
la falta de sistemas optimizados que mejoren la interacción y el acceso a la
información se ha identificado como un problema recurrente. Estudios recientes
sugieren que la implementación de IA en entornos educativos no siempre cumple
con las expectativas debido a limitaciones técnicas y de adaptabilidad (Dennis
Pierce 2023).
En
otro contexto, la IA es un campo multidisciplinario que se enfoca en el
desarrollo de sistemas y máquinas capaces de realizar tareas que requieren
inteligencia humana. Su origen se remonta a la década de 1950, cuando los
primeros investigadores comenzaron a explorar la posibilidad de crear máquinas
que pudieran simular el pensamiento humano (Osorio 2020). A lo largo de las
décadas, la IA ha experimentado avances significativos, impulsados por el desarrollo
de algoritmos más sofistica-dos, el aumento en la capacidad de procesamiento de
datos y el acceso a grandes conjuntos de datos para el entrenamiento de modelos
de aprendizaje automático. Hoy en día, la IA se aplica en una amplia variedad
de campos, incluyendo la medicina, la robótica, el análisis de datos, los
sistemas de recomendación y la conducción autónoma, entre otros (Howard 2019).
Sus aplicaciones van desde la detección temprana de enfermedades hasta la
optimización de procesos industriales, pasando por la creación de asistentes
virtuales y la personalización de contenidos en plataformas digitales.
En
este sentido, desarticulando el funcionamiento de un asistente virtual, un bot
que integra inteligencia artificial, se puede observar como un modelo
programable destinado a entregar respuestas simulando conversaciones humanas.
Al integrarse con modelos de lenguajes de inteligencia artificial, aumenta el
nivel de precisión y similitud, ya que al aprender de interacciones pasadas y
de la información ingresada, un bot asistente es capaz de identificar
claramente una necesidad y solventarla, realizando aproximaciones y
estimaciones en lugar de basarse únicamente en un árbol de decisiones
predeterminado.
El
propósito del estudio aquí presentado, es evaluar la viabilidad y efectividad
de un sistema integrado de bots e IA, denominado iADAN, en el contexto
académico del Instituto Tecnológico Universitario Rumiñahui, con la finalidad
de mejorar la interacción y el acceso a la información. La pregunta de investigación
que guía este estudio es: ¿En qué medida el sistema iADAN mejora la interacción
y la accesibilidad a recursos educativos en el Instituto Tecnológico
Universitario Rumiñahui? El modelo estructurado dentro del sistema iADAN
responde a la necesidad de probar la viabilidad y el pragmatismo de estos
sistemas en el ambiente académico, especialmente en Ecuador, donde conceptos
como IA son en su mayoría usados dentro de ambientes empresariales y pueden ser
desconocidos para la población civil. En este contexto, la falta de exposición
y un crecimiento desarticulado han dificultado el posicionamiento de sus
beneficios ante la opinión pública, por ello, es recomendable acercar este tipo
de tecnologías de manera digerible y amigable (Vásconez y Molina 2024). La
Inteligencia Artificial (IA) tiene el potencial de mejorar radicalmente la vida
de las personas. Sin embargo, también presenta riesgos a los derechos
fundamentales que deben ser analizados, en el caso de Ecuador, estos impactos
de la IA no se han investigado a profundidad. En vista de esta laguna en el
conocimiento, este trabajo pretende reflexionar sobre el impacto de la IA sobre
los derechos contenidos en la Constitución de la República del 2008,
considerando la realidad socio histórica del país como un elemento primordial
para abordar este problema. Para abordar este tema se recomienda una revisión
del trabajo titulado: La Inteligencia Artificial y los Derechos Fundamentales
en Ecuador (López y Aguirre 2024), cuyo objetivo es comprender el funcionamiento,
antecedentes y aplicación de la IA en el contexto ecuatoriano para formular
medidas adecuadas de protección de derechos.
Continuando
con el tema de este artículo, el sistema iADAN presenta tres aristas de
focalización: la primera corresponde a la integración de un motor de
inteligencia artificial para la generación de imágenes a través de comandos de
voz. Este sistema, actualmente con la capacidad de procesar peticiones y crear
ilustraciones digitales basadas en estas, demuestra la correcta funcionalidad
de varios sistemas agrupados y sincronizados. El procesamiento de comandos de
voz se realiza a través de una API que encapsula los requerimientos solicitados
para que, una vez transformados en un solo concepto, el motor DALL-E genere
imágenes con un alto grado de proximidad a la idea propuesta por el usuario.
Sin embargo, todo desarrollo tecnológico que propone soluciones a necesidades
integra nuevas problemáticas. Sistemas como los bots que generan contenido de
imágenes no son la excepción, el funcionamiento de un motor que genera imágenes
puede llevar a la creación indebida de material nocivo y aunque este tipo de
prácticas no son nuevas, el acceso a tecnologías tan sofisticadas ha impulsado
este tipo de escenarios (Franganillo 2022). Hoy en día, se habla de deepfakes y
contenido sintetizado únicamente mediante el uso de IA, por esta razón, el
sistema integrado de un bot para uso académico se encuentra alojado en un
repositorio centralizado y de pertenencia institucional, como una medida de
control para el uso de esta herramienta con propósitos malintencionados. El
historial de interacciones es almacenado y bajo el régimen de leyes de
protección de datos personales, este historial es eliminado regularmente, ya
que el uso del sistema está limitado al cuerpo académico e institucional
mediante sus credenciales vinculadas al sistema administrativo del Instituto
(Asamblea Nacional 2021).
Por
otra parte, la implementación del Chatbot en el sistema iADAN responde a
características similares al bot de generación de contenido gráfico, integrando
tecnologías desarrolladas por OpenAI, sin embargo, su propósito principal es
generar interacciones personalizadas basadas en información referente a la
entidad académica, estableciendo una interacción limitada pero práctica para el
uso institucional y pedagógico investigativo. El proceso del Chatbot incluye
una rutina de preentrenamiento para asignarle un rol específico y establecer
limitaciones dentro del ambiente institucional. La solicitud de información se
realiza a través de la API, que procesa y entrega una respuesta mediante la
misma interfaz de programación, el desarrollo y correcto funcionamiento de la
arquitectura de estas interfaces son fundamentales para la integración de los
bots prototipos y responden al enfoque de buenas prácticas en programación
introducidas durante su creación.
Para
desarrollar este proyecto, se implementó un sistema utilizando tecnologías
avanzadas como ChatGPT y Dall-e, integradas a través de APIs y soportadas por
el patrón Modelo Vista Controlador (MVC) y el framework Laravel, en un ambiente
controlado institucionalmente. Esta implementación fue acompañada de una
infraestructura técnica robusta, que incluye la construcción de una interfaz de
usuario eficiente mediante el uso de Bootstrap, HTML y JavaScript, y la
utilización de frameworks como Vue.js para garantizar una experiencia
interactiva y dinámica.
Los
artículos consultados que se relacionan con el tema de investigación son: Design
and Implementation of Web Application for Attendance List of Lectur-ers Using
Codeigniter and Bootstrap Framework (Jamal et al. 2021); The Different Types of
Chatbots: AI, NPL, Rule-Based & More (Rahaman 2023) ; Proyecto UBOT:
asistente virtual para entornos virtuales de aprendizaje (Rubio et al. 2022);
REST API Modeling Languages - A Developer’s Perspective (Surwase 2016); El
patrón de diseño Modelo-Vista-Controlador (MVC) y su implementación en Java
Swing (Bascón Pantoja 2004); Implementación del bootstrap como una metodología
ágil en la web (Bastidas-Logroño, Espíndola-Lara, y Palma-Rivera 2020);
Exploring the Technologies and Architectures Used to Develop Micro-frontend
Applications: a Systematic Mapping and Emerging Perspectives (Marco y Farias
2024); Implementación de Chatbots con GPT como Asistentes Virtuales: Una
Revisión Sistemática de la Literatura (Motta et al. 2024); Uses and
applications of the OpenAPI/Swagger specification: a systematic mapping of the
literatura (Casas et al. 2021); ChatBot: Comunicação Virtual na Pandemia
(Popolim, Sousa, y Borges 2022).
Los
resultados de la investigación muestran que el portal iADAN fue exitosamente
implementado y ha demostrado mejoras significativas en la interacción y
accesibilidad a recursos educativos, así como en la optimización de procesos
administrativos y académicos. Además, el sistema fue desarrollado teniendo en
cuenta consideraciones éticas y de privacidad, lo que incluyó controles
estrictos para proteger la integridad y confidencialidad de los datos de los
usuarios, respetando las normativas de protección de datos personales.
En
conclusión, iADAN se presenta como una herramienta efectiva en el ámbito
académico, con un gran potencial para futuras expansiones y mejoras, estas
podrían incluir la integración de tecnologías emergentes y nuevas aplicaciones
de IA, lo que representa un primer paso pragmático en la oferta de servicios
automatizados basados en inteligencia artificial para el beneficio de la
comunidad institucional. El éxito de iADAN sugiere que la adopción de TIC en la
educación no solo es viable, sino también beneficiosa y establece una base
sólida para la futura investigación y desarrollo en la integración de IA en
contextos académicos.
MATERIALES Y MÉTODOS
El
Portal de Inteligencias iADAN se originó con el propósito de ser un recurso
educativo en el campo de la Inteligencia Artificial (IA), su visión se centró
en expandir el conocimiento sobre las IA y examinar sus aplicaciones prácticas.
Este proyecto se inició con el objetivo de fomentar el desarrollo profesional y
la comprensión técnica de las IA, reflejando el compromiso con la innovación y
la educación tecnológica.
Se
usó el patrón de arquitectura Modelo Vista Controlador (MVC) el cual permite
desarmar en capas un sistema y brindar mayor maniobrabilidad al momento de
generar una lógica, comprimida, optimizada y versátil a los cambios sobre la
marcha.
Figura 1. Ejemplo gráfico del patrón
de arquitectura Modelo Vista Controlador. Fuente (Herrera 2021).
También
es necesario mencionar el uso de PHP – Laravel como framework que, al basarse
en un lenguaje interpretado y no compilado, brinda ventajas en el desarrollo
web, las combinaciones de este tipo de herramientas crean una buena mezcla para
un correcto desarrollo de un sistema. PHP se adecúa dinámicamente al desarrollo
de aplicaciones web, aumentando la productividad mediante el uso de sus
utilidades (Pardo et al. 2018).
En
este sentido, existen variados puntos de vista con respecto del rol que
desempeña PHP, si es parte del backend o frontend, en el sistema iADAN su
aplicación está regida al desempeño del backend, complementándose con el
frontend que hace uso del lenguaje de Marcado HTML desplegado en un framework
como lo es Bootstrap, brindándole componentes estéticos a través de la
integración de CSS y JavaScript (Jamal et al. 2021), con el dinamismo que
caracteriza este último, por su interpretación desde el navegador y sin uso de
mayores recursos. También se hace uso de un marco de trabajo, en este caso el
Vue.js. sacándole un aprovechamiento alto a este lenguaje tan característico,
necesario y frecuente. Es conveniente mencionar que todos estos lenguajes y
pseudolenguajes a través de estos marcos o frameworks, aprovechan al máximo los
beneficios tecnológicos para el despliegue de aplicaciones webs con diseños y
lineamientos responsivos, con la finalidad no solo de generar una buena
experiencia de usuario, sino una funcionalidad y estabilización del sistema en
sí (Frain 2022).
Otro
punto importante en este apartado fue el uso de APIs (Interfaces de
Programación de Aplicaciones), comprendiendo a este recurso como un conjunto de
reglas definidas para que diferentes aplicaciones se comuniquen entre sí y que
han sido esenciales en el desarrollo de sistemas distribuidos y en la
integración de diferentes servicios (Monsalve et al. 2024). En el caso de
desarrollo de bots juegan un rol de gran utilidad al permitir la integración de
modelos de IA pre-entrenados, servicios de procesamiento del lenguaje natural y
otras funcionalidades en aplicaciones y sistemas existentes, esto facilita el
desarrollo de aplicaciones inteligentes y la creación de interfaces de usuario
intuitivas y eficientes.
Las
APIs más utilizadas en el desarrollo de bots e IA incluyen las ofrecidas por
plataformas como OpenAI, Google Cloud, Microsoft Azure y Amazon Web Services
(AWS), proporcionando acceso a una amplia variedad de servicios de IA,
aprendizaje automático, reconocimiento de voz, procesamiento de lenguaje
natural y mucho más. La figura a continuación muestra el funcionamiento de una
API.
Figura 2. Ejemplo gráfico del
Funcionamiento de una API. Fuente (Aguilera 2021).
Herramientas
de Desarrollo de Software:
1.
Framework Laravel:
Utilizado para la implementación del patrón Modelo Vista Controlador (MVC), que
permite una organización estructurada y escalable del código.
2.
Bootstrap: Framework CSS
utilizado para el diseño de la interfaz de usuario, proporcionando una
apariencia responsiva y moderna.
3.
JavaScript y Vue.js:
Utilizados para agregar dinamismo y funcionalidades interactivas a la interfaz
de usuario.
4.
Node.js: Empleado para
gestionar la concurrencia y el manejo de múltiples so-licitudes en tiempo real,
optimizando el rendimiento del sistema.
5.
PHP: Lenguaje de
programación usado en el backend para gestionar la lógica de la aplicación y
las interacciones con las bases de datos.
6.
HTML/CSS: Utilizados para
estructurar y estilizar las páginas web del sistema.
APIs
de Inteligencia Artificial:
1.
ChatGPT y Dall-e (OpenAI):
Modelos de lenguaje y generación de imágenes utilizados para dotar al sistema
de capacidades avanzadas de procesamiento de lenguaje natural y creación de
contenido visual.
2.
SpeechRecognition API:
Utilizada para el procesamiento de comandos de voz, permitiendo que los
usuarios interactúen con el sistema mediante instrucciones verbales.
Infraestructura
de Almacenamiento y Seguridad:
1.
Repositorio Centralizado:
Servidor dedicado al almacenamiento seguro del historial de interacciones,
diseñado para cumplir con las normativas de protección de datos personales.
2.
Bases de Datos SQL:
Empleadas para gestionar la información de usuarios, so-licitudes y respuestas
generadas por los bots.
Entorno
de Desarrollo:
1.
Entorno Local y en la
Nube: Utilizados para el desarrollo, prueba e implementación del sistema. Se
utilizaron servidores locales para el desarrollo inicial y servidores en la
nube para el despliegue y acceso institucional.
2.
Herramientas de Control de
Versiones (Git): Usadas para la gestión del código fuente, permitiendo un
seguimiento y control detallado de las modificaciones realizadas durante el
desarrollo del proyecto.
Para
la creación del sistema iADAN como un servicio web que consta de apartados para
la demostración y uso de bots y la integración de APIs de motores de
inteligencia artificial, se manejó y mantuvo el enfoque por capas para la
realización integral del aplicativo, desarmando en partes fundamentales cada
aspecto, y el desempeño de cada rol asignado a cada herramienta en concreto,
estableciendo una hoja de ruta para la viabilidad del proyecto.
Primera
Fase: Diseño del Sistema y Selección de Tecnologías, en esta fase inicial, se
diseñó el sistema iADAN, estableciendo la arquitectura del sistema y
seleccionando las tecnologías más adecuadas para su desarrollo. Se eligieron
herramientas de desarrollo como Laravel, Bootstrap y Vue.js para construir una
interfaz de usuario eficiente y una estructura backend robusta, además, se
seleccionaron las APIs de OpenAI para proporcionar capacidades avanzadas de IA.
Segunda
Fase: Integración de APIs y desarrollo de la infraestructura técnica. Una vez
seleccionadas las tecnologías, se procedió a la integración de las API ChatGPT
y Dall-e, asegurando que el sistema pudiera procesar comandos de voz y generar
contenido visual, esta fase también incluyó el desarrollo de la infraestructura
técnica necesaria, incluyendo la configuración de servidores y bases de datos,
y la implementación de un repositorio centralizado para el almacenamiento
seguro de datos.
Tercera
Fase: Implementación y preentrenamiento de los bots. En esta fase, los bots
fueron implementados en el entorno académico, sometidos a un preentrenamiento
para adaptarlos a las necesidades específicas del instituto, se definieron
roles y limitaciones para garantizar que las interacciones fueran coherentes
con los objetivos pedagógicos y de investigación.
Cuarta
Fase: Pruebas de funcionamiento y evaluación del sistema. Se realizaron pruebas
exhaustivas del sistema en diversos escenarios, evaluando su rendimiento y
capacidad para mejorar la interacción y acceso a la información en el entorno
académico, estas pruebas permitieron identificar áreas de mejora y realizar
ajustes necesarios.
Quinta
Fase: Evaluación del impacto y planificación de mejoras futuras. Finalmente, se
evaluó el impacto del sistema iADAN, analizando su efectividad para optimizar
procesos académicos y administrativos, se planificaron futuras expansiones y
mejoras basadas en los resultados obtenidos y en la retroalimentación del
cuerpo académico.
RESULTADOS Y DISCUSIÓN
Se
desarrolló un algoritmo basado en técnicas de procesamiento de lenguaje natural
(NLP) para el Chatbot del sistema iADAN. Este algoritmo se diseñó para
interpretar comandos de voz y texto, procesarlos mediante un modelo de
lengua-je avanzado como ChatGPT, y generar respuestas que simulan
conversaciones humanas. El algoritmo sigue un flujo que inicia con la entrada
del usuario, pasa por la descomposición sintáctica y semántica del lenguaje, y
culmina con la generación de respuestas adaptadas al contexto y necesidades del
usuario.
Figura 3. Interfaz de inicio de
iADAN
El
modelo DALL-E, integrado en el sistema iADAN, fue utilizado para la generación
de imágenes a partir de descripciones en lenguaje natural. Este modelo funciona
tomando los comandos de voz o texto, interpretándolos a través de un proceso de
codificación en un espacio latente, y produciendo imágenes que representan
visualmente la solicitud del usuario. El modelo fue ajustado para mejorar la
precisión y relevancia de las imágenes generadas, asegurando una alta similitud
con las descripciones proporcionadas.
Figura 4. Interfaz para la
generación de imágenes de iADAN.
Se
implementó un prototipo funcional del Chatbot iADAN, diseñado para mejorar la
interacción y el acceso a la información en el entorno académico del Instituto
Tecnológico Universitario Rumiñahui. Este prototipo, desarrollado con el
framework Laravel y tecnologías frontend como Bootstrap y Vue.js, fue preentrenado
para manejar solicitudes específicas del ámbito educativo, proporcionando
respuestas precisas y contextualizadas.
Figura 5. Interfaz para la
interacción con el chatbot de iADAN.
Durante
las pruebas en un entorno controlado, el prototipo demostró ser capaz de
gestionar eficazmente múltiples interacciones simultáneas, mejorando
significativamente la experiencia de usuario en comparación con métodos
tradicionales de acceso a la información. El chatbot fue evaluado por su
capacidad para comprender preguntas complejas y ofrecer soluciones rápidas y
relevantes.
El
sistema iADAN fue implementado en un entorno académico real dentro del
Instituto Tecnológico Universitario Rumiñahui. Se llevaron a cabo pruebas
exhaustivas en diferentes escenarios educativos, evaluando su efectividad para
mejorar la interacción entre estudiantes y personal académico, así como para
optimizar procesos administrativos.
Figura 6. Interfaz del portal de IA
de iADAN.
Los
resultados obtenidos mostraron que el portal iADAN logró cumplir con los
objetivos de mejorar la accesibilidad a los recursos educativos y la eficiencia
de los procesos académicos. La retroalimentación de los usuarios indicó una
experiencia más fluida y satisfactoria, con acceso rápido y preciso a la
información relevante. Además, la implementación del sistema permitió optimizar
los recursos administrativos, reduciendo la carga de trabajo y mejorando la
eficiencia operativa.
CONCLUSIONES
La
implementación del sistema iADAN en el entorno académico del Instituto
Tecnológico Universitario Rumiñahui ha proporcionado una visión clara de cómo
la integración de inteligencia artificial (IA) puede transformar procesos
educativos. Los resultados obtenidos a lo largo de este estudio han demostrado
que iADAN es una herramienta capaz de mejorar significativamente la
accesibilidad y la eficiencia en la gestión de información académica, lo que a
su vez optimiza la experiencia de los usuarios, tanto estudiantes como personal
administrativo.
Uno
de los principales logros de iADAN ha sido su capacidad para ofrecer respuestas
precisas y contextualizadas a través de algoritmos avanzados de procesamiento
de lenguaje natural y modelos de generación de contenido visual. Esto no solo
ha demostrado la capacidad del sistema para manejar interacciones complejas en
tiempo real, sino también su potencial para adaptarse a necesidades específicas
dentro de un entorno académico. Este tipo de adaptabilidad es fundamental en un
contexto donde la personalización del aprendizaje y la eficiencia
administrativa son cada vez más demandadas.
En
cuanto a los desafíos identificados durante la implementación, la gestión de
grandes volúmenes de datos y la integración de múltiples APIs presentaron
dificultades técnicas que fueron superadas con éxito, pero que resaltan la
necesidad de un enfoque continuo en la optimización del sistema. Además, la
preocupación por la ética y la privacidad en el uso de IA fue un tema
recurrente. Aunque se implementaron controles robustos para asegurar el
cumplimiento de las normativas de protección de datos, la creación de contenido
generado por IA, como las imágenes producidas por DALL-E, plantea la necesidad
de un monitoreo y control continuo para evitar la generación de material
inapropiado.
La
evaluación del impacto de iADAN en el entorno real ha sido positiva,
evidenciando mejoras significativas en la forma en que los usuarios acceden a
la información y gestionan sus tareas académicas. No obstante, la
retroalimentación de los usuarios ha señalado la necesidad de ampliar las capacidades
del sistema para abordar una gama más amplia de solicitudes y problemas, lo que
sugiere que el sistema, aunque efectivo en su forma actual, tiene un amplio
margen para el desarrollo y expansión futura.
Desde
una perspectiva más amplia, iADAN no solo cumple con las expectativas de
mejorar la eficiencia en el entorno académico, sino que también sirve como un
caso de estudio para la aplicación de IA en otros contextos educativos. La
capacidad de la IA para adaptarse y personalizar la experiencia del usuario
destaca su potencial como una herramienta clave para el futuro de la educación.
Sin embargo, el éxito de estas tecnologías dependerá en gran medida de una
implementación cuidadosa que tenga en cuenta no solo los beneficios técnicos,
sino también las implicaciones éticas y sociales.
Para
finalizar, el sistema iADAN ha demostrado ser una solución efectiva para
mejorar la interacción y accesibilidad en entornos académicos, con resultados
que refuerzan la viabilidad de integrar tecnologías de IA en la educación. El
trabajo realizado hasta ahora sienta una base sólida para futuras expansiones,
donde la evolución continua de las capacidades del sistema, junto con un
enfoque riguroso en la ética y la seguridad, permitirá maximizar el impacto
positivo de la IA en el ámbito educativo. Con el avance constante de las
tecnologías de IA, iADAN representa un paso importante hacia un futuro donde la
educación esté más conectada, personalizada y eficiente.
CONTRIBUCIÓN DE LOS AUTORES
En
la presente investigación, los cinco autores de este artículo científico
formamos un equipo organizado para el desarrollo del sistema web iADAN basado
en IA para el Instituto Superior Universitario Rumiñahui.
REFERENCIAS BIBLIOGRÁFICAS
Aguilera, Cecilia. 2021. «API testing: guía
práctica introductoria - Abstracta». Blog de Desarrollo de Software, Testing e
Inteligencia Artificial | Abstracta. Recuperado 12 de agosto de 2024
(https://es.abstracta.us/blog/api-testing-guia-practica/).
Arias Navarrete, Adrián Santiago, Xavier
Palacios Pacheco, y William Villegas Ch. 2020. «Integración de un chatbot a un
LMS como asistente para la gestión del aprendizaje». RISTI: Revista Ibérica de
Sistemas e Tecnologias de Informação (Extra 32):164-75.
Asamblea Nacional. 2021. «Ley_organica_de_proteccion_de_datos_personales».
Recuperado 12 de agosto de 2024
(https://www.finanzaspopulares.gob.ec/wp-content/uploads/2021/07/ley_organica_de_proteccion_de_datos_personales.pdf).
Bascón Pantoja, Ernesto. 2004. «El patrón de
diseño Modelo-Vista-Controlador (MVC) y su implementación en Java Swing». Acta
Nova 2(4):493-507.
Bastidas-Logroño, Diego Javier,
Espíndola-Lara, y Alex Darío Palma-Rivera. 2020. «Implementación del bootstrap
como una metodología ágil en la web». Revista Arbitrada Interdisciplinaria
Koinonía 5(9):268-87.
Casas, Sandra, Diana Cruz, Graciela Vidal, y
Marcela Constanzo. 2021. «Uses and
applications of the OpenAPI/Swagger specification: a systematic mapping of the
literature». Pp. 1-8 en 2021 40th International Conference of the Chilean
Computer Science Society (SCCC).
Dennis Pierce, Alice Hathaway. 2023. «The
Promise (and Pitfalls) of AI for Education -». THE Journal. Recuperado 12 de agosto de 2024
(https://thejournal.com/Articles/2018/08/29/The-Promise-of-AI-for-Education.aspx).
Frain, Ben. 2022. Responsive Web Design with
HTML5 and CSS: Build Future-Proof Responsive Websites Using the Latest HTML5
and CSS Techniques. Packt
Publishing Ltd.
Franganillo, Jorge. 2022. «Contenido generado
por inteligencia artificial: oportunidades y amenazas». Anuario ThinkEPI
16(1):42.
Herrera, Jonathan. 2021. «Patrón de diseño
MVC. ¿Qué es y cómo puedo utilizarlo?» Easy App CODE. Recuperado 12 de agosto
de 2024 (https://www.easyappcode.com/patron-de-diseno-mvc-que-es-y-como-puedo-utilizarlo).
Holmes, Wayne, Maya Bialik, y Charles Fadel.
2019. Artificial Intelligence in Education. Promise and Implications for
Teaching and Learning.
Howard, John. 2019. «Artificial Intelligence:
Implications for the Future of Work». American Journal of Industrial Medicine
62(11):917-26. doi: 10.1002/ajim.23037.
Jamal, Yamani, Mundzir, Vidy, Nasruddin Bin
Idris, Isa Rosita, y Gunawan. 2021. «Design and Implementation of Web
Application for Attendance List of Lecturers Using Codeigniter and Bootstrap
Framework». Journal of Physics:
Conference Series 1807(1):012030. doi: 10.1088/1742-6596/1807/1/012030.
López, Bernardo Sebastián López, y Juan
Antonio Peña Aguirre. 2024. «La Inteligencia Artificial y los Derechos Fundamentales
en Ecuador».
Lu, Huimin, Yujie Li, Min Chen, Hyoungseop
Kim, y Seiichi Serikawa. 2018.
«Brain Intelligence: Go beyond Artificial Intelligence». Mobile Networks and
Applications 23(2):368-75. doi: 10.1007/s11036-017-0932-8.
Marco, Vítor, y Kleinner Farias. 2024. «Exploring the Technologies and
Architectures Used to Develop Micro-Frontend Applications: A Systematic Mapping
and Emerging Perspectives».
Monsalve, Elizabeth Suescún, Marta Tabares
Betancur, Liliana González Palacio, y Mariana Vásquez Escobar. 2024. «Hacia un
Modelo de Gobierno de APIs, Mapeo Sistemático de la Literatura». Revista
Perspectivas 6(2). doi: 10.47187/perspectivas.6.2.219.
Motta, B., Salazar A, A. Salcedo, y B. Ticona.
2024. «Implementación de Chatbots con GPT como Asistentes Virtuales: Una
Revisión Sistemática de la Literatura: DOI. 10.54798/JZHA4188». Revista
Cientifica Emprendimiento Científico Tecnologico (5):12-12.
Osorio, Nasly Enerieth Amado. 2020. «El
derecho de autor en la Inteligencia Artificial de machine learning». Revista La
Propiedad Inmaterial (30):327-53. doi: 10.18601/16571959.n30.12.
Pardo, Milton Rafael Valarezo, Joofre Antonio
Honores Tapia, Antonio Steeven Gómez Moreno, y Luis Fernando Vinces Sánchez.
2018. «Comparación De Tendencias Tecnológicas En Aplicaciones Web». 28-49.
Popolim, Isabela Simei, Leonardo Biasoli Piola
de Sousa, y Leandro Borges. 2022. «ChatBot: Comunicação Virtual na Pandemia».
Revista Eletrônica de Computação Aplicada 3(1).
Puma Quilumba., W. G. 2023. «Implementación de
un chatbot como estrategia de apoyo en el servicio de soporte bibliotecario de
la Universidad Técnica del Norte aplicando técnicas de procesamiento de
lenguaje natural». Universidad
Técnica del Norte.
Rahaman, Shifa. 2023. «The Different Types of
Chatbots: AI, NPL, Rule-Based & More». Recuperado 25 de agosto de 2024
(https://www.fullview.io/blog/types-of-chatbots,
https://www.fullview.io/blog/types-of-chatbots).
Rubio, José M., Tanya Neira-Peña, Danilo
Molina, Cristian Vidal-Silva, José M. Rubio, Tanya Neira-Peña, Danilo Molina, y
Cristian Vidal-Silva. 2022. «Proyecto UBOT: asistente virtual para entornos
virtuales de aprendizaje». Información tecnológica 33(4):85-92. doi:
10.4067/S0718-07642022000400085.
Surwase, Vijay. 2016. «REST API Modeling
Languages - A Developer’s Perspective». 2(10).
Vásconez, Carlos Sebastián Páez, y Carlos
Francisco Bambino Molina. 2024. «Inteligencia Artificial y Derecho de Autor,
Precedentes Actuales.»