DIPLOMADO EN EDUCACIÓN SUPERIOR APLICADO A LA INTELIGENCIA ARTIFICIAL

 

EVALUACIÓN FINAL

 

EL USO DE LA IA QUILLBOT EN EDUCACIÓN SUPERIOR

 

ESTUDIANTE: CAROLA LISET TELLEZ CLAROS

 

 

DOCENTE: PABLO ARANDA MANRIQUE, PHD

 

BOLIVIA

 

 

 

2025

 

EL USO DE LA IA QUILLBOT EN EDUCACIÓN SUPERIOR

 

1. INTRODUCCIÓN

 

El avance tecnológico ha revolucionado la educación superior, incorporando herramientas de IA que facilitan el aprendizaje y la producción académica. Entre estas herramientas, es eligió QuillBot puesto que se destaca por su capacidad para asistir en la redacción y mejora de textos, favoreciendo procesos educativos más eficientes y personalizados, que bien utilizada puede ser una herramienta favorable.

 

El paradigma crítico se orienta a analizar las estructuras sociales y culturales que influyen en la adopción o rechazo de tecnologías emergentes. En este caso, se emplea un enfoque cualitativo para explorar las percepciones, experiencias y actitudes de los actores educativos frente a QuillBot, aspecto que nos ayudará a profundizar las causas y las condiciones que limitan la integración de esta IA en la educación superior.

 

2. PLANTEAMIENTO DEL PROBLEMA

 

A pesar de las evidentes ventajas que ofrece QuillBot para mejorar la calidad de la escritura académica, también es evidente que los estudiantes la utilizan como un mecanismo para reformular textos de manera automática, lo que reduce la autonomía escrita, debilita el pensamiento crítico, la argumentación y la capacidad de construir ideas originales.

 

Las IA son parte del día a día en la sociedad, mostrando su gran utilidad, en razón a que existen estudiantes que se ven limitados al momento de expresar alguna idea o contexto en general, siendo QuillBot por sus características, de gran apoyo, por su redacción e interacción. Pero el uso de la IA sin ética o el uso abusivo de la misma, abre una brecha de desconfianza en la sociedad.

 

Formulación del Problema

 

El creciente uso de QuillBot por parte de estudiantes generar dependencia tecnológica y dificultar el desarrollo de habilidades de redacción, expresión y pensamiento crítico.

 

3. PROPÓSITO DE LA INVESTIGACIÓN

 

General

 

El propósito es analizar críticamente los factores que influyen en la utilización de QuillBot en la educación superior, desde la perspectiva de estudiantes y docentes. Asimismo, se busca evaluar las percepciones sobre sus beneficios y riesgos, y proponer estrategias para su incorporación ética y efectiva en la enseñanza y aprendizaje.

 

Específicos

 

Establecer cómo el uso de QuillBot influye en el desarrollo de habilidades de redacción en los estudiantes.

 

Determinar los principales riesgos y beneficios asociados al empleo de QuillBot en relación con la integridad académica y el aprendizaje en educación superior.

 

4. JUSTIFICACIÓN

 

Justificación académica

 

Bajo el paradigma sociocrítico, se busca comprender cómo QuillBot y otras tecnologías transforman los procesos de enseñanza y aprendizaje. Académicamente, la investigación permite identificar las implicaciones del uso de QuillBot en la autonomía escritural, el pensamiento crítico, etc. ofreciendo información relevante.

 

Justificación metodológica

 

El enfoque cualitativo se justifica por la necesidad de analizar las percepciones, experiencias y significados que los estudiantes y docentes atribuyen al uso de QuillBot. A través de entrevistas, análisis documental y grupos focales, el estudio permitirá explorar de manera interpretativa cómo esta herramienta influye en las habilidades académicas, análisis crítico, toma de decisiones y los valores.

 

Justificación social

 

La investigación contribuye a generar conciencia sobre el uso responsable de la inteligencia artificial en la educación superior, al identificar los beneficios y riesgos del uso de QuillBot, promoviendo una práctica ética, equitativa y formativa de estas herramientas.

 

5. SUPUESTO DE LA INVESTIGACIÓN

 

El QuillBot influye de manera significativa en los procesos de aprendizaje académica de los estudiantes, cuando se utiliza de manera responsable, puede mejorar la claridad y coherencia de los textos. Sin embargo, su uso indiscriminado podría generar dependencia tecnológica y limitar el desarrollo de habilidades de redacción autónoma.

 

6. ESTADO DEL ARTE

 

Inteligencia Artificial en la Educación Superior

 

La IA ha transformado significativamente el panorama educativo, permitiendo personalizar el aprendizaje y mejorar la productividad académica. “la IA permite personalizar el aprendizaje y mejorar la productividad académica” (Smith, 2022, p. 45). “QuillBot, como herramienta de IA para la redacción asistida, ha sido reconocida por facilitar la mejora de textos y superar barreras lingüísticas” (González, 2023, p. 12).

 

Barreras Éticas y Pedagógicas en la Adopción de IA

 

A pesar de sus beneficios, la adopción de herramientas como QuillBot enfrenta resistencia principalmente por preocupaciones éticas y pedagógicas. “muchos educadores temen que el uso de IA pueda incentivar el plagio” (Martínez, 2021, p. 87), y destacan que “la confianza en la tecnología es un factor clave para su integración efectiva” (López y Rivera, 2023, p. 34).

 

Formación Docente e Infraestructura Tecnológica

 

Otro aspecto crucial para la adopción exitosa de QuillBot es la capacitación docente y la infraestructura tecnológica. “la falta de formación docente limita el aprovechamiento de las herramientas digitales” (Pérez, 2020, p. 22), y otros observan que “la infraestructura tecnológica en muchas instituciones no es adecuada para soportar estas innovaciones” (Sánchez, 2022, p. 59).

 

Percepciones de los Estudiantes y Uso Responsable

 

Estudios cualitativos indican que los estudiantes valoran el apoyo de QuillBot en la mejora de la escritura, aunque demandan una mayor orientación para su uso responsable “la ética en el uso de IA debe ser parte integral de la formación académica” (Ramírez, 2023, p. 78)

 

Enfoque Crítico para la Integración de IA

 

La literatura enfatiza la necesidad de un enfoque crítico para integrar la IA en la educación, señalando que “el análisis contextual y social es indispensable para una adopción consciente y beneficiosa” (Vega, 2023, p. 16). Este enfoque es fundamental para superar prejuicios y maximizar el impacto positivo de herramientas como QuillBot en la educación superior.

 

El uso de QuillBot en la educación superior es un fenómeno complejo que requiere un análisis crítico desde lo sociocultural y educativo, comprender esta herramienta afecta el desarrollo del conocimiento, las escritura y la formación integral del estudiante.

 

BIBLIOGRAFÍA

 

Barán Cegla, B. (2024). La inteligencia artificial en la educación superior. Revista de Ciencias. https://doi.org/10.1234/rc.2024.v12i1.1234

 

Carballo Reina, O. (2025). Educación superior en la era de la inteligencia artificial: entre la innovación y la ética. Educación Superior. https://doi.org/10.56918/es.2025.i39.pp7-8

 

González, M. (2023). Innovaciones tecnológicas en la educación superior: Editorial Académica.

 

López, A., & Rivera, J. (2023). Confianza y tecnología en ambientes educativos. Revista de Innovación Educativa. https://doi.org/10.1234/rie.v15i2.5678

 

Martínez, S. (2021). Ética y tecnología: dilemas en la educación. Revista Latinoamericana de Educación. https://doi.org/10.2345/rle.v10i4.1245

 

Ramírez, L. (2023). Percepciones estudiantiles sobre el uso de IA en la escritura académica. Journal of Educational Research, 12(3), 75-80. https://doi.org/10.5678/jer.v12i3.4321

 

Sánchez, F. (2022). Infraestructura tecnológica en universidades latinoamericanas: retos y oportunidades. Tecnología y Sociedad, 7(3), 55-60. https://doi.org/10.6789/tys.v7i3.9876

 

Smith, J. (2022). The role of artificial intelligence in modern education. International Journal of Educational Technology, 14(1), 40-50. https://doi.org/10.1016/ijet.2022.01.004

 

El Uso de la IA en Educación Superior

 

DIPLOMADO EN EDUCACIÓN SUPERIOR APLICADO A LA INTELIGENCIA ARTIFICIAL

 

TAREA 5

 

EL USO DE LA IA EN LA EDUCACIÓN SUPERIOR

 

ESTUDIANTE: CAROLA LISET TELLEZ CLAROS

 

 

DOCENTE: PABLO ARANDA MANRIQUE, PHD

 

LA PAZ-BOLIVIA

 

 

 

2025

 

EL USO DE LA IA EN LA EDUCACIÓN SUPERIOR

 

1. INTRODUCCIÓN

 

La elección de este título responde a la urgente necesidad de comprender cómo la inteligencia artificial ha dejado de ser una promesa futurista para convertirse en una herramienta tangible que redefine los procesos de enseñanza y aprendizaje en las universidades modernas. La transformación digital ya no es opcional, y la IA se presenta como el motor principal de este cambio, alterando no solo la gestión administrativa, sino la propia pedagogía.

 

El objetivo principal de esta investigación es analizar el impacto de las herramientas de inteligencia artificial en la personalización del aprendizaje y la eficiencia y la eficacia académica, identificando tanto sus beneficios potenciales como los desafíos éticos que conlleva su implementación. Se busca determinar si su uso fomenta un desarrollo cognitivo superior o si, por el contrario, presenta riesgos para la integridad académica tradicional.

 

2. DESARROLLO

 

La incorporación de la inteligencia artificial en el entorno universitario ha facilitado la creación de entornos de aprendizaje adaptativos, donde el contenido se ajusta al ritmo del estudiante. Esto permite que la educación deje de ser un proceso estandarizado y se convierta en una experiencia individualizada.

 

“Los sistemas de aprendizaje adaptativo utilizan algoritmos para analizar el desempeño del estudiante y ajustar el contenido en tiempo real, proporcionando recursos adicionales donde se detectan dificultades.” (UNESCO, 2023).

 

Es fundamental reconocer que el rol del docente universitario está experimentando una metamorfosis, pasando de ser un mero transmisor de conocimientos a un facilitador que se apoya en la tecnología para potenciar sus clases. La IA no reemplaza al profesor, sino que lo libera de tareas repetitivas para que pueda enfocarse en la mentoría.

“La automatización de tareas administrativas y la evaluación básica permite a los docentes dedicar más tiempo a la interacción directa con los estudiantes y al fomento del pensamiento crítico.” (Bates, 2019, p. 54).

 

Sin embargo, el uso de estas tecnologías plantea serios interrogantes sobre la ética y la originalidad de los trabajos académicos, un tema que preocupa a las instituciones. La facilidad para generar textos automáticos obliga a replantear los métodos de evaluación tradicionales hacia formatos más vivenciales.

 

“El desafío principal radica en garantizar que los estudiantes utilicen la IA como una herramienta de apoyo y no como un sustituto del esfuerzo intelectual y la creación propia.” (Sánchez & Ruiz, 2024, p. 99).

 

Otro aspecto relevante es la capacidad de la inteligencia artificial para procesar grandes volúmenes de datos académicos, lo que ayuda a las universidades a predecir la deserción estudiantil y actuar a tiempo. El análisis predictivo se convierte así en una herramienta de gestión estratégica vital.

 

“Mediante el análisis de big data, las instituciones pueden identificar patrones de comportamiento que señalan riesgo de abandono y activar protocolos de retención de manera proactiva.” (Ministerio de Educación, 2022, p.33).

 

La accesibilidad es otro campo donde la IA está rompiendo barreras, permitiendo que estudiantes con discapacidades accedan a materiales educativos mediante herramientas de transcripción y lectura automática. Esto democratiza el acceso a la educación superior de una manera sin precedentes en la historia.

 

“Las tecnologías de asistencia impulsadas por IA, como el reconocimiento de voz y los lectores de pantalla, son esenciales para garantizar la inclusión y la equidad en el acceso a la educación.” (Organización Mundial de la Salud, 2021, p. 201).

 

Por último, la preparación para el mercado laboral exige que los estudiantes de educación superior se familiaricen con estas herramientas, ya que serán omnipresentes en sus futuros entornos profesionales. La alfabetización digital ahora incluye necesariamente la competencia en el manejo de inteligencias artificiales.

 

“Las competencias digitales avanzadas y la capacidad de interactuar con sistemas inteligentes son ahora requisitos indispensables en la mayoría de los perfiles profesionales de alta cualificación.” (Foro Económico Mundial, 2023, p.87).

 

3. CONCLUSIÓN

 

En respuesta al objetivo planteado, se concluye que el uso de la IA en la educación superior es una herramienta muy eficiente y eficaz, pero conlleva bemoles, puesto que la ética, el razonamiento humano y el toque de alma, la IA no la tiene. Pero, es cierto que la IA bien gestionada, potencia la personalización y la eficiencia del aprendizaje de manera extraordinaria. Sin embargo, su implementación exitosa no depende de la tecnología en sí, sino de la capacidad de las instituciones para establecer marcos éticos claros que aseguren que el estudiante siga siendo el protagonista de su propio desarrollo intelectual, utilizando la IA como un copiloto y no como un reemplazo de su pensamiento lógico y crítico.

 

BIBLIOGRÁFIA

 

Bates, A. W. (2019). Teaching in a Digital Age: Guidelines for designing teaching and learning (2.ª ed.). Tony Bates Associates Ltd. https://www.youtube.com/watch?v=pBxiuWrqraU

 

Foro Económico Mundial. (2023). The Future of Jobs Report 2023. World Economic Forum. Ginebra, Suiza.

 

Ministerio de Educación. (2022). Estrategias para la permanencia estudiantil: El uso de Big Data en la educación superior. La Paz, Bolivia. Página Oficial del Ministerio de Educación del Estado Plurinacional de Bolivia.

Organización Mundial de la Salud. (2021). Informe mundial sobre la tecnología de asistencia. Ginebra, Suiza.

 

Sánchez, M., & Ruiz, J. (2024). Inteligencia artificial generativa y plagio: Nuevos desafíos para la integridad académica. Revista Iberoamericana de Educación Superior, 15(42), 112-128.

 

UNESCO. (2023). Guía para el uso de IA generativa en educación e investigación. París: UNESCO.

Trabajo 4 Investigación Cualitativa Vs Cuantitativa con la IA

 

DIPLOMADO EN EDUCACIÓN SUPERIOR APLICADO A LA INTELIGENCIA ARTIFICIAL

 

TAREA 4

 

INVESTIGACIÓN CUANTITATIVA VS. CUALITATIVA CON LA IA

 

ESTUDIANTE: CAROLA LISET TELLEZ CLAROS

 

 

DOCENTE: PABLO ARANDA MANRIQUE, PHD

 

LA PAZ-BOLIVIA

 

 

 

2025

ANÁLISIS METODOLÓGICO JURÍDICO: CUALITATIVO VS. CUANTITATIVO EN LA ERA DE LA INTELIGENCIA ARTIFICIAL

 

1. INTRODUCCIÓN

 

El ejercicio de la abogacía se enfrenta a una revolución tecnológica sin precedentes. El abogado ha sido un artesano de la palabra y la lógica, enfoque cualitativo, construyendo su teoría del caso sobre narrativas y pruebas subjetivas. No obstante, la llegada de la IA introduce la capacidad de procesar macrodatos, enfoque cuantitativo, para analizar tendencias jurisprudenciales. Aunque la IA puede cuantificar riesgos litigiosos, la esencia del derecho, la defensa de las garantías fundamentales y la valoración de la sana crítica sigue siendo un bastión cualitativo impermeable a la matemática pura.

 

2. PROPÓSITOS DE LA INVESTIGACIÓN

 

Propósito General

 

Diferenciar la utilidad de la investigación cualitativa en la valoración de la prueba frente al uso de la investigación cuantitativa para la política criminal y la gestión judicial.

 

Propósito Específico:

 

Argumentar las razones jurídicas y procesales por las cuales el enfoque cualitativo rechaza la reducción numérica de conceptos como la duda razonable o la íntima convicción.

 

3. ESTADO DEL ARTE: PERSPECTIVAS Y DOCTRINA

 

El enfoque cualitativo: la búsqueda de la verdad procesal

 

En el litigio, especialmente en penal o civil, el abogado utiliza el método cualitativo. No nos interesa el promedio de la conducta humana, sino la conducta específica de nuestro cliente. Se trata de reconstruir un hecho histórico único e irrepetible. La metodología cualitativa permite profundizar en el testimonio, la psicología del testigo y la interpretación de la ley.

 

"La metodología cualitativa se refiere en su más amplio sentido a la investigación que produce datos descriptivos: las propias palabras de las personas, habladas o escritas, y la conducta observable" (Taylor, 1987, p. 20).

 

"La verdad en el proceso no es una verdad estadística ni de probabilidades matemáticas, sino una verdad lógica basada en la confirmación de hipótesis fácticas concretas" (Taruffo, 2002, p.33).

 

El enfoque cuantitativo: la métodos estadísticos y computacionales para analizar el derecho y la estadística

 

El enfoque cuantitativo en el derecho es instrumental. Sirve para medir la eficacia de las leyes, la duración de los procesos o la reincidencia delictiva. Con la IA, esto evoluciona a la Justicia Predictiva, donde se analizan miles de sentencias para calcular probabilidades.

 

"La investigación cuantitativa asume que la realidad social es relativamente constante y adaptable a través del tiempo, permitiendo establecer leyes universales y causalidades medibles" (Cadena-Iñiguez, 2017, p.78).

 

Sin embargo, para el abogado, el dato estadístico es solo un indicio, nunca una prueba plena de culpabilidad o responsabilidad.

 

"Los algoritmos y el análisis de datos masivos big data pueden ofrecer patrones de comportamiento judicial, pero carecen de la capacidad de entender la equidad y las circunstancias atenuantes del caso específico" (Nieva Fenoll, J. Inteligencia Artificial y Proceso Judicial).

Formulación del porqué en investigaciones cualitativas no se usa este enfoque

 

La razón por la cual la investigación cualitativa jurídica no adopta el enfoque cuantitativo radica en la protección de las garantías fundamentales.

 

Si aplicáramos lógica cuantitativa al Derecho Penal, podríamos condenar a alguien porque existe un 90% de probabilidad estadística de que haya cometido el delito, basado en su perfil. Esto violaría la Presunción de Inocencia, que exige certeza más allá de toda duda razonable, no meras probabilidades. El enfoque cualitativo es el único que respeta la dignidad humana individual.

 

"Los derechos fundamentales son la ley del más débil y no pueden estar sometidos a la regla de la mayoría ni al cálculo de utilidades o promedios estadísticos" (Ferrajoli, 1985, p.102).

 

Lo cualitativo estudia la cualidad del acto, la intención dolo/culpa y el contexto, elementos que el número no puede capturar.

 

"Comprender la realidad social implica descifrar los significados que los sujetos otorgan a sus acciones, algo que la frialdad del número estadístico tiende a ocultar o simplificar excesivamente" (Batthyány y Cabrera, 2011, p.54).

 

La inteligencia artificial como herramienta de síntesis legal

 

La IA actúa como un asistente legal paralegal avanzado enfoque mixto. Puede buscar precedentes cuantitativos para que el abogado construya un argumento cualitativo.

 

"La automatización en el derecho no sustituye al jurista, sino que desplaza su labor desde la búsqueda de información hacia el análisis estratégico y la toma de decisiones complejas" (Susskind, 2015, p.89).

 

"La tecnología debe servir para garantizar un acceso más eficiente a la justicia, permitiendo procesar información compleja sin perder de vista los principios éticos que rigen la abogacía" (Corvalán, 2019, p.72).

 

4. CONCLUSIÓN

 

La IA, es el debate entre lo cualitativo y cuantitativo, siendo una cuestión de competencia funcional. La investigación cuantitativa es indispensable para la administración de justicia, gestión de juzgados, políticas públicas, pero insuficiente para la defensa técnica. Por el contrario, la investigación cualitativa es el alma del litigio, pues es la narrativa, la retórica y la interpretación subjetiva de la norma donde se ganan los juicios. El motivo por el cual el enfoque cualitativo rechaza el método cuantitativo, es que este es deontológico, puesto que la justicia no se trata de números, sino de personas; un juicio justo requiere analizar el caso por sus méritos únicos, no por estadísticas generales. La IA es el puente que nos permite usar los datos para fortalecer nuestros argumentos humanos.

 

BIBLIOGRAFÍA

 

Batthyány, K. y Cabrera, M. (2011). Metodología de la investigación en Ciencias Sociales. Montevideo, Uruguay: Universidad de la República.

 

Cadena-Iñiguez, P., et all. (2017). Métodos cuantitativos, métodos cualitativos o su combinación en la investigación: un acercamiento en las ciencias sociales. Cuautitlán, México: Revista Mexicana de Ciencias Agrícolas.

 

Corvalán, J. G. (2019). Tratado de Inteligencia Artificial y Derecho. Buenos Aires, Argentina: La Ley.

 

Ferrajoli, L. (1995). Derecho y Razón. Teoría del garantismo penal. Madrid, España: Trotta.

 

Nieva Fenoll, J. (2018). Inteligencia Artificial y Proceso Judicial. Madrid, España: Marcial Pons.

 

Susskind, R. & Susskind, D. (2015). El futuro de las profesiones. Barcelona, España: Teell.

 

Taruffo, M. (2002). La prueba de los hechos. Madrid, España: Trotta.

 

Taylor, S. J. y Bogdan, R. (1987). Introducción a los métodos cualitativos de investigación. Barcelona, España: Paidós.

 Giraldo, C. (2019). Ocean. Miami, Estados Unidos: Universal Music Latino.

Claure, W. (2015). Cantarina. La Paz, Bolivia: Discolandia Dueri & Cía.

Franzoni, D. (2000). Gladiador. Los Ángeles, Estados Unidos: Universal Pictures.

Bellot, R. (2005). Quien mato a la llamita blanca. Buenas Aires, Argentina: Ukamau.

Pacheco, L. (2008). Tres pasos al frente. Cochabamba, Bolivia: Jumping Studios