Efectos olvidados del uso de la inteligencia artificial en la educación superior

Abstract

Translate Article

Take Notes

Este estudio analiza los impactos indirectos del uso de inteligencia artificial (IA) en la educación universitaria, integrando la lógica difusa y la teoría de los efectos olvidados como herramientas para cuantificar trayectorias acumulativas no visibles en evaluaciones tradicionales. A partir de valoraciones expertas se construyeron matrices de incidencia directa, auto-incidencia y acumulación, aplicando un modelo convolutivo max–min. El análisis permitió identificar y cuantificar efectos olvidados, es decir, relaciones indirectas que no fueron reconocidas en la valoración inicial pero que emergen al considerar la estructura relacional del sistema. Los resultados revelan tres trayectorias destacadas donde variables como estrategias pedagógicas (a₃) y preparación docente (a₄) inciden significativamente en resultados como retención de conocimientos (b₇), satisfacción estudiantil (b₃) y desempeño académico (b₁). La presencia reiterada de políticas institucionales (a₆) como nodo articulador evidencia su rol estructural en la generación de efectos acumulativos. Este trabajo aplica el modelo de efectos olvidados al contexto universitario mediante una adaptación empírica basada en valoraciones difusas y representación gráfica. La propuesta ofrece elementos útiles para la interpretación de relaciones sistémicas en entornos educativos mediados por IA, y abre la posibilidad de desarrollar líneas de investigación que amplíen su validación empírica, comparen contextos institucionales diversos y articulen este enfoque con otros modelos analíticos en ciencias de la educación.