Metodología para mejorar la programación con Inteligencia Artificial

Autores/as

Palabras clave:

Inteligencia artificial, enseñanza de programación, personalización de aprendizaje, entornos interactivos

Resumen

Este artículo explora el potencial de las tecnologías de inteligencia artificial para mejorar y personalizar la enseñanza de la programación a nivel universitario. Se discuten conceptos como la personalización avanzada, las recomendaciones contextuales y las experiencias interactivas para involucrar más a los estudiantes. También se presentan algunas herramientas de IA que pueden usarse como instrumentos de programación para facilitar el aprendizaje. Una revisión de la literatura reciente indica un creciente interés en la aplicación de técnicas como el aprendizaje adaptativo, la realidad aumentada y el procesamiento de lenguaje natural en este campo.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Elizabeth Patricia Pommier Gallo, Universidad Mayor de San Andrés

    Licenciada en Informática por la Universidad Mayor de San Andrés y con un Máster en Formación Docente e Innovación Educativa de la Universidad de Barcelona, nuestra experta es miembro activo de la Asociación Mundial de Tutores Virtuales (ASOMTV). Ha realizado diversas especializaciones en FATLA, incluyendo Educación Virtual, Tecnología Educativa, Entornos Educativos 3D, Administración Web, Comercio Electrónico, Periodismo Digital, Smart Working, Plataformas e-Learning y Aulas Virtuales. Su formación también incluye un Diplomado en Especialización en el Diseño y Desarrollo de Cursos Virtuales de IT Madrid IT Business y la Universidad Católica Boliviana San Pablo (UCB), un Diplomado en Didáctica y Evaluación de las Ciencias Exactas por la Universidad de Harvard LASPAU y UCB, y un Diplomado en Machine Learning y Ciencia de Datos de la Universidad Privada Boliviana (UPB). Actualmente, se desempeña como Directora de Experto en Educación Virtual en FATLA y Coordinadora de Formación en el Centro de Ciberseguridad de Bolivia. Su trayectoria docente se extiende a universidades como la Universidad Mayor de San Andrés (UMSA), la Universidad Católica Boliviana (UCB), la Universidad Privada Boliviana (UPB) y la Universidad Privada Domingo Savio (UPDS), donde ha sido tutora, relatora y miembro de tribunales en defensas de pregrado y posgrado. Además, ha impartido clases en varias maestrías y diplomados en Posgrado en Informática en UMSA, UCB y la Escuela Militar de Ingeniería (EMI).

Referencias

Andrist, S., Tan, X. Z., Gleicher, M., Mutlu, B. (2014). Conversational gaze aversion for humanlike robots. In Proceedings of the 2014 ACM/IEEE international conference on Human-robot interaction (pp. 25–32).

Bennedsen, J., y Caspersen, M. E. (2007). Failure rates in introductory programming. ACM SIGcse Bulletin, 39(2), 32-36.

Bornat, R., Dehnadi, S., y Simon. (2008). Mental models, consistency and programming aptitude. In Proceedings of the tenth conference on Australasian computing education-Volume 78 (pp. 53-61).

Bower, M., Howe, C., McCredie, N., Robinson, A., y Grover, D. (2014). Augmented Reality in education–cases, places and potentials. Educational Media International, 51(1), 1-15.

Brown, N.C., Altadmri, A. (2017). Investigating novice programming mistakes: educator beliefs vs. student data. In Proceedings of the 2017 ACM SIGCSE Technical Symposium on Computer Science Education (pp. 201–206).

Fernández Miranda, M., Román Acosta, D., Jurado Rosas, A. A., Limón Domínguez, D., & Torres Fernandez, C. (2024). Artificial Intelligence in Latin American Universities: Emerging Challenges. Computación y Sistemas, 28(2). https://doi.org/10.13053/CyS-28-2-4822

González Ciriaco, L. A. ., & Medina Marín, A. J. (2023). Avances y desafíos éticos en la integración de la IA en la producción científica. Journal of Scientific Metrics and Evaluation, 1(I), 48-67. https://doi.org/10.69821/JoSME.v1iI.2

Gulwani, S. (2017). Automating programming education: A step towards meeting society's tech challenges. Communications of the ACM, 61(8), 28-30.

Leeds, D., West, J., Lee, L. (2020). Object Oriented Learning Assistant: Using NLP to Help Novices While They Code. arXiv preprint arXiv:2010.12697.

Mishra, A., Huang, H., Znati, T., Diana, C., Mooty, M., Gandhe, A., ... y Singh, V. (2022). NL2Code: Generating Code

Mishra, A., y Singh, V. (2021). Natural language programming. In Proceedings of the 29th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering (pp. 1650-1654).

Park, O. C., y Lee, J. (2003). Adaptive instructional systems. Educational Technology Research and Development, 51(4), 63-84.

Pu, X., Narasimhan, K. (2022). Explanations can improve predictive models of student errors in programming. In Proceedings of the Seventh ACM Conference on Learning@ Scale (pp. 353–358).

Román Acosta, D. D., Alarcón Osorio, D., y Rodríguez Torres, E. (2023). Implementación de ChatGPT: aspectos éticos, de edición y formación para estudiantes de posgrado. Revista Senderos Pedagógicos, 15(1), 15–31. https://doi.org/10.53995/rsp.v15i1.1592

Román-Acosta, D. D., Rodríguez Torres, E., Baquedano Montoya, M. B., López Zavala & L. C., Pérez Gamboa, A. J., (2024). ChatGPT and its use to improve academic writing in postgraduate students. PRA, 24(36), 53–75. https://doi.org/10.26620/uniminuto.praxis.24.36.2024.53–75

Román-Acosta, D. (2024). Exploración filosófica de la epistemología de la inteligencia artificial: Una revisión sistemática. Uniandes Episteme, 11(1), 101–122. https://doi.org/10.61154/rue.v11i1.3388

Singh G., Gulwani S., Solar-Lezama A. (2013). Automated feedback generation for introductory programming assignments. In Proceedings of the 34th ACM SIGPLAN conference on Programming language design and implementation (pp. 15–26).

VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197-221.

Watson, C., y Li, F. W. (2014). Failure rates in introductory programming revisited. In Proceedings of the 2014 conference on Innovation & technology in computer science education (pp. 39-44).

Descargas

Publicado

2024-06-05

Número

Vol. 2 Núm. 1 (2024)

Sección

Artículos

Licencia

Derechos de autor 2024 Elizabeth Patricia Pommier Gallo (Autor/a)

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Cómo citar

Pommier Gallo, E. P. (2024). Metodología para mejorar la programación con Inteligencia Artificial. Actas Iberoamericanas En Ciencias Sociales, 2(1), 86-97. https://plagcis.com/journal/index.php/aicis/article/view/28