Autor: Lic Eliana Violeta González
Email: profevioletagonzalez@gmail.com

Palabras clave: Big Data, Inteligencia Artificial, Ética educativa

Objetivo:
Este trabajo analiza el impacto del Big Data (BD) y la Inteligencia Artificial (IA) en la educación superior y continua, con tres enfoques clave:
1. Aplicaciones prácticas: Optimización de la gestión académica y personalización del aprendizaje.
2. Desafíos éticos: Privacidad de datos, sesgos algorítmicos y brechas tecnológicas.
3. Recomendaciones: Estrategias para una adopción equitativa y sostenible.

Introducción / Encuadre:
Contexto:
• La pandemia aceleró la transformación digital en universidades latinoamericanas, con adopción dispar de BD/IA (ej.: 70% en Brasil vs. 20% en Nicaragua).
• Solo el 35% de los docentes poseen capacitación en IA (UNESCO, 2023), lo que limita su implementación efectiva.

Problema:
La falta de infraestructura tecnológica, marcos regulatorios claros y formación docente especializada obstaculizan el potencial de estas herramientas, exacerbando desigualdades regionales.

Desarrollo:
1. Hallazgos Clave:
• Big Data en gestión educativa:
* En la Universidad Técnica de Ambato (UTA, Ecuador), su aplicación redujo un 85% los tiempos de gestión administrativa.
* La minería de datos educativos (MDE) permite identificar patrones de deserción y adaptar contenidos (ej.: análisis de engagement en plataformas virtuales).
• IA en aulas:
* Chatbots para tutorías personalizadas y análisis de sentimientos en tiempo real.
* Riesgos: Sesgos en algoritmos (ej.: discriminación en evaluaciones automatizadas) y vulnerabilidad de datos estudiantiles.
• Proceso KDD:
Metodología en 5 etapas para transformar datos en conocimiento accionable:
1. Integración (BD académicos y encuestas).
2. Limpieza (eliminación de datos inconsistentes).
3. Minería (uso de algoritmos como clustering).
4. Evaluación (validación pedagógica).
5. Toma de decisiones (ej.: rediseño de cursos).

2. Datos Visuales:
• Gráfico de barras: Compara la adopción de BD en Latinoamérica, destacando liderazgo de Brasil (70%) y rezago en Centroamérica (Nicaragua: 20%).
• Diagrama de flujo: Ilustra el proceso KDD aplicado a entornos educativos, desde la recolección hasta la implementación de mejoras.

Conclusiones:
Oportunidades:
• BD/IA mejoran la eficiencia administrativa y la calidad educativa mediante modelos predictivos (ej.: alertas tempranas de deserción).
• Flexibilizan la oferta académica con planes de estudio adaptativos.

Referencias:
• Meléndez-Tamayo, C. F. & Flores-Rivera, L. D. (2022). Big Data en la gestión académica administrativa... Revista Enfoques, 6(22), 197-216.
• De Giusti, A. (2023). Transformación digital en educación superior... Revista Iberoamericana de Tecnología en Educación, 35, 9-15.
• UNESCO. (2023). Educación digital en América Latina. Informe Global.