Aplicación de inteligencia artificial y visión computacional para la evaluación automatizada de actividades prácticas en educación técnica superior
DOI:
https://doi.org/10.63688/j1k4f290Palabras clave:
inteligencia artificial, visión computacional, evaluación automatizada, educación técnica superior, aprendizaje prácticoResumen
La presente investigación tuvo como objetivo analizar la aplicación de inteligencia artificial y visión computacional en la evaluación automatizada de actividades prácticas dentro de la educación técnica superior. El estudio se desarrolló mediante una revisión sistemática de literatura científica basada en el modelo PRISMA, permitiendo identificar, seleccionar y analizar investigaciones relacionadas con automatización evaluativa, reconocimiento visual y tecnologías inteligentes aplicadas a contextos educativos técnicos. La búsqueda documental se realizó en bases de datos indexadas como Scopus, Web of Science, IEEE Xplore, SpringerOpen y MDPI, considerando publicaciones científicas entre 2018 y 2024. Tras el proceso de cribado y aplicación de criterios de inclusión y exclusión, se seleccionaron 16 artículos científicos para el análisis final.
Los resultados evidenciaron que los sistemas automatizados alcanzan elevados niveles de precisión en comparación con la evaluación humana, favoreciendo procesos más objetivos, consistentes y eficientes. Del mismo modo, se identificó que la visión computacional y los algoritmos de aprendizaje profundo permiten supervisar actividades prácticas en tiempo real, registrar movimientos técnicos y generar retroalimentación inmediata sobre el desempeño estudiantil. Además, la automatización evaluativa contribuye a optimizar el tiempo docente y fortalecer procesos de seguimiento académico basados en evidencia cuantificable.
Sin embargo, los estudios revisados también muestran desafíos relacionados con infraestructura tecnológica, calidad de datos y capacitación docente para la correcta implementación de estas herramientas. En conclusión, la integración de inteligencia artificial y visión computacional representa una estrategia innovadora con alto potencial para transformar los procesos de evaluación práctica en educación técnica superior, promoviendo eficiencia, objetividad y fortalecimiento de competencias técnicas.
Referencias
Alam, M., & Uddin, M. (2020). Automatic student assessment system using machine learning techniques. International Journal of Advanced Computer Science and Applications, 11(5), 169–176. https://doi.org/10.14569/IJACSA.2020.0110522
Booth, A., Sutton, A., & Papaioannou, D. (2016). Systematic approaches to a successful literature review (2.ª ed.). Sage Publications.
Caspari-Sadeghi, S. (2023). Artificial intelligence in technology-enhanced assessment: A survey of machine learning. Journal of Educational Technology Systems, 51(3). https://doi.org/10.1177/00472395221138791
Codina, L. (2020). Cómo hacer revisiones bibliográficas tradicionales o sistemáticas utilizando bases de datos académicas. Revista ORL, 11(2), 139–153. https://doi.org/10.14201/orl.22977
García-Sánchez, F., & López, M. (2022). Challenges in the implementation of intelligent educational systems in higher education. Education Sciences, 12(9), 611. https://doi.org/10.3390/educsci12090611
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa, cualitativa y mixta. McGraw-Hill Education.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://doi.org/10.1007/978-3-030-23207-8
Jocovic, V., Marinkovic, M., Stojanovic, S., & Nikolic, B. (2024). Automated assessment of pen and paper tests using computer vision. Multimedia Tools and Applications, 83, 2031–2052. https://doi.org/10.1007/s11042-023-15767-2
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. (2016). Intelligence unleashed: An argument for AI in education. Pearson Education. https://doi.org/10.13140/RG.2.2.16375.65445
Moher, D., Liberati, A., Tetzlaff, J., & Altman, D. G. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7), e1000097. https://doi.org/10.1371/journal.pmed.1000097
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., et al. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Paiva, J. C., Leal, J. P., & Figueira, Á. (2022). Automated assessment in computer science education: A state-of-the-art review. ACM Transactions on Computing Education, 22(3), 1–40. https://doi.org/10.1145/3513140
Rashid, S., Asif, M., & Ahmad, N. (2021). Applications of artificial intelligence in education and future trends. International Journal of Emerging Technologies in Learning, 16(18), 4–16. https://doi.org/10.3991/ijet.v16i18.24325
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4.ª ed.). Pearson.
Sahu, P., & Patnaik, S. (2021). Computer vision and artificial intelligence in education: Emerging research and applications. En Advances in Intelligent Systems and Computing (Vol. 1352, pp. 233–245). Springer. https://doi.org/10.1007/978-981-16-4369-9_21
Sun, M. (2023). A vision sensing-based automatic evaluation method for teaching effect based on deep residual network. Mathematical Biosciences and Engineering, 20(4), 6358–6373. https://doi.org/10.3934/mbe.2023275
Szeliski, R. (2022). Computer vision: Algorithms and applications (2.ª ed.). Springer. https://doi.org/10.1007/978-3-030-34372-9
Valera, Á., Velastín, S., & García, J. (2021). Computer vision applications in education and skill assessment. Applied Sciences, 11(12), 5467. https://doi.org/10.3390/app11125467
Wang, J., See, Y. L., Kok, O. L., Chee, K. T., Yuan, S. R., Bin Sani, S., & Hwee Juan Agnes, T. (2024). Artificial intelligence-enabled evaluating for computer-aided drawings (AMCAD). International Journal of Mechanical Engineering Education, 52(1), 3–31. https://doi.org/10.1177/03064190231175231
Xiao, Y., & Watson, M. (2019). Guidance on conducting a systematic literature review. Journal of Planning Education and Research, 39(1), 93–112. https://doi.org/10.1177/0739456X17723971
Xie, Y., Liu, H., & Zhang, Q. (2022). Vision-based intelligent assessment systems for practical education environments. Computers & Education: Artificial Intelligence, 3, 100086. https://doi.org/10.1016/j.caeai.2022.100086
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Beatriz Estefanía Pérez Peñafiel, Andrea Patricia Sánchez Zumba, Estefanía Jacqueline Sánchez Tenesaca, Dennys Mauricio Coronel Vallejo (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
