Conectando mentes y máquinas: neuroeducación e IA en la era del pensamiento computacional
Connecting Minds and Machines: Neuroeducation and AI in the Age of Computational Thinking
Cómo citar
Descargar cita
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Mostrar biografía de los autores
El artículo se fundamenta en las investigaciones en curso: Ciberdiverso-ciberser, Cibernética Educativa y Formación de Niños en la Diversidad (2022-2024). Es importante comprender la conver- gencia de la neuroeducación y la IA (La Inteligencia Artificial es la mente digital que moldeará el mañana, forjando un mundo donde las máquinas trascienden los límites de la imaginación humana) a través de las implicaciones revolucionarias para la neurociencia. La neuroeducación, un campo interdisciplinario que combina la neuro- ciencia y la educación, está experimentando una transformación de gran impacto, gracias a la integración de conceptos de pensamiento computacional, inteligencia artificial, programación y robótica. Este artículo de reflexión explora cómo estas áreas emergentes están convergiendo y generando un impacto significativo en la neurocien- cia. El pensamiento computacional se ha convertido en una herra- mienta fundamental para el análisis de datos neuro educativos. Los algoritmos de machine learning pueden procesar grandes conjuntos de datos cerebrales y proporcionar información valiosa sobre cómo los estudiantes aprenden y retienen información. Esto permite a los educadores adaptar sus enfoques pedagógicos para optimizar el aprendizaje individual. Los sistemas de IA pueden crear entornos de aprendizaje adaptativos que se ajustan automáticamente a las necesidades de cada estudiante, mejorando así la eficacia del pro- ceso educativo y activando áreas cerebrales relacionadas con la resolución de problemas y la creatividad.
Visitas del artículo 790 | Visitas PDF 439
Descargas
- Ardila, A. & Rosselli, M. (1992). Neuropsicología Clínica. Medellín: Prensa Creativa.
- Bauman, Z. (2004). Modernidad líquida. México D.F.: Editorial Fondo de Cultura Económica.
- Bra P. & Calvi L.: AHA! An open Adaptative HipermediaArchitecture. The New Review of Hypermedia
- and Multimedia, Vol. 4, Taylor Graham Publishers, 1998, pp. 115139.
- Chakraborti, T., Kulkarni, A., Sreedharan, S., Smith, D. E., & Kambhampati, S. (2019). Explicability?
- Legibility? Predictability? Transparency? Privacy? Security? The Emerging Landscape of
- Interpretable Agent Behavior. In J. Benton (Ed) Proceedings of the Twenty-Ninth International
- Conference on Automated Planning and Scheduling (Vol. 29) (ICAPS 2019) (pp. 86-96). Association
- for the Advancement of Artificial Intelligence.
- Coglianese, C. y Lehr, D. (2017). Regulating by Robot: Administrative Decision Making in the
- Machine Learning Era. Georgetown Law Journal, Forthcoming, University of Penn, Institute for
- Law & Econ Research Paper, (17-8).
- Cotino H, L. (2019), Riesgos e impactos del Big Data, la inteligencia artificial y la robótica. Enfoques,
- modelos y principios de la respuesta del derecho. Revista General de Derecho Administrativo,
- (50).
- Duque M, N. D. Duque M, (20006).Modelo Adaptativo Multi agente Para La Planificación Y Ejecución
- De Cursos Virtuales Personalizados. Universidad Nacional.
- González G., H. M., Duque M., N. D., & Ovalle C., D. A. (2008). Modelo del Estudiante para Sistemas
- Adaptativos de Educación Virtual. Revista Avances en Sistemas e Informática, 5(1), 199-206.
- Molina V, J., Torres P, C., & Restrepo P, C. (2008). Técnicas de Inteligencia Artificial para la Solución
- de Laberintos de Estructura Desconocida. Scientia Et Technica, XIV (39), 135-140.
- Monasterio, A. (2017). Ética algorítmica: Implicaciones éticas de una sociedad cada vez más
- gobernada por algoritmos. Dilemata, Ética de datos, sociedad y ciudadanía, (24), pp. 185-217.
- Navas T, O., (2021). En el umbral de una nueva era: El derecho privado ante la robótica y la
- inteligencia artificial. Revista Facultad de Jurisprudencia, (9), 178-219.
- https://doi.org/10.26807/rfj.vi9.309
- Petersen, S. E., & Sporns, O. (2015). Brain Networks and Cognitive Architectures. Neuron Perspective,
- (1), 207-219. https://dx.doi.org/10.1016/j.neuron.2015.09.027
- Ríos, J. B., & Parra, J. E. D. (2017). Las células pensantes (1st ed.). Sello Editorial Universidad
- de Caldas. https://doi.org/10.2307/j.ctv92vphn
- Rosselli, M., (2003). Maduración cerebral y desarrollo cognoscitivo. Revista Latinoamericana de
- Ciencias Sociales, Niñez y Juventud, 1(1).
- Russell, S. J., & Norvig, P. (1996). Inteligencia artificial: un enfoque moderno. México: Prentice
- Hall Hispanoamericana, S.A.
- Santos G, M. (2017). Regulación legal de la robótica y la IA: retos de futuro. Revista Jurídica de
- la Universidad de León, (4), pp. 25-50.
- Tovar, B; L. Muñoz G, L.; Murrieta C, M.; Alencastre M, Monroy R & Set H. (2006). Planning
- exploration strategies for simultaneous localization and mapping, Robotics and Autonomous
- Systems, Elsevier, Vol 54, 2006, pp. 314–331.
- Vélez B, J. I., Castillo Ossa, L. F., & González B, M. (2021). Aproximación desde la Inteligencia
- Artificial a los comportamientos poco predictivos derivados de modelos cognitivos artificiales.
- Tesis Psicológica, 16(2), 18-31. https://doi.org/10.37511/tesis.v16n2a1
- Villada O, D., Grisales G, M. C., Prada Espitia, D. A., Ocampo H, J. E., García N, M. L., Villada Y,
- M. (2016) Autorregulación e investigación: habilidades en trayecto. Fondo Editorial, Universidad
- de Manizales.
Información
Palabras clave
ISSN impreso: 1657-4672
ISSN electrónico: 2619-1733
