REFORZANDO LA EDUCACI�N CON INTELIGENCIA
ARTIFICIAL: IMPLEMENTACI�N DE UN CHATBOT COMO COMPA�ERO EDUCATIVO EN EL
INSTITUTO AMAZ�NICO
Diego Vicente Guam�n Jima
Instituto Superior Tecnol�gico Amaz�nico
diego17@istam.edu.ec
https://orcid.org/0000-0001-7059-5458
Alex Enrique Yunga Ben�tez
Instituto Superior Tecnol�gico Amaz�nico
alex13@istam.edu.ec
https://orcid.org/0000-0002-8756-8875
Wagner Roberto Morocho Chamba
Instituto Superior Tecnol�gico Amaz�nico
wagneroberth@gmail.com
https://orcid.org/0000-0001-8945-3177
Autor
para correspondencia: diego17@istam.edu.ec �
Recibido: 05/07/2024������� �����Aceptado:����� 30/08/2024�� �������Publicado:
22/09/2024
Resumen
La
integraci�n de la Inteligencia Artificial (IA) en el �mbito educativo se ha
convertido en una vanguardia para la innovaci�n pedag�gica y andrag�gica,
ofreciendo herramientas que personalizan y enriquecen la experiencia de
aprendizaje. Este proyecto se centra en el desarrollo e implementaci�n de un chatbot basado en Procesamiento de Lenguaje Natural (NLP)
en el Instituto Amaz�nico del cant�n Yantzaza provincia de Zamora Chinchipe,
dise�ado para actuar como un compa�ero educativo para estudiantes y docentes.
El objetivo es proporcionar acceso instant�neo a informaci�n personalizada
relevante sobre la carrera a la que pertenecen los estudiantes y docentes,
detalles sobre las mallas curriculares, gu�as de estudio, eventos
institucionales, y m�s, todo a trav�s de una interfaz conversacional e
intuitiva. Adem�s de facilitar la obtenci�n de informaci�n acad�mica y
log�stica, el chatbot est� dise�ado para apoyar el
proceso de ense�anza y aprendizaje de maneras innovadoras. Esto incluye la
orientaci�n acad�mica personalizada, donde el chatbot
puede sugerir recursos de aprendizaje basados en las dificultades espec�ficas o
intereses de un estudiante. Para la construcci�n del chatbot
se utiliz� la metodolog�a de desarrollo de software XP, en la parte del frontend se emple� el framework
Angular y en el backend se utiliz� el framework FastApi, el modelo LLM
(Modelo de Lenguaje de Gran Tama�o) fue Llama 2, espec�ficamente la compilaci�n
7B. La implementaci�n de este chatbot represent� una
mejora tecnol�gica de vanguardia, donde la tecnolog�a y la andragog�a se
entrelazaron para crear experiencias de aprendizaje m�s enriquecedoras en los
estudiantes y docentes del Instituto.
Palabras clave: Inteligencia Artificial, Lenguaje
de Procesamiento Natural, Andragog�a Tecnol�gica.
REINFORCING EDUCATION WITH ARTIFICIAL
INTELLIGENCE: IMPLEMENTATION OF AN CHATBOT AS AN EDUCATIONAL COMPANION AT THE
AMAZONICO INSTITUTE
Abstract
The integration of Artificial Intelligence (AI) in the
educational field has become a vanguard for pedagogical and andragogical
innovation, offering tools that personalize and enrich the learning experience.
This project focuses on the development and implementation of a chatbot based
on Natural Language Processing (NLP) at the Amazonian Institute of the Yantzaza canton, Zamora Chinchipe province, designed to act
as an educational companion for students and teachers. The goal is to provide
instant access to relevant personalized information about the career to which
students and teachers belong, details about curricula, study guides,
institutional events, and more, all through a conversational and intuitive
interface. In addition to facilitating the obtaining of academic and logistical
information, the chatbot is designed to support the teaching and learning
process in innovative ways. This includes personalized academic guidance, where
the chatbot can suggest learning resources based on a student's specific
difficulties or interests.To build the chatbot, the
XP software development methodology was used, in the frontend the Angular
framework was used and in the backend the FastApi
framework was used, the LLM (Large Language Model) model was Llama 2,
specifically build 13B. The implementation of this chatbot represented a
cutting-edge technological improvement, where technology and andragogy were
intertwined to create more enriching learning experiences for the Institute's
students and teachers.
Keywords: Artificial
Intelligence, Natural Processing Language, Technological Andragogy.
Introducci�n
La transformaci�n digital en el
�mbito educativo ha emergido como una prioridad estrat�gica para instituciones
en todo el mundo, buscando mejorar la accesibilidad, personalizaci�n y
eficiencia en el aprendizaje y la gesti�n acad�mica. En este contexto, la
Inteligencia Artificial (IA) y el Procesamiento del Lenguaje Natural (NLP)
representan avances tecnol�gicos clave que est�n redefiniendo la interacci�n
entre estudiantes y sistemas educativos (Llamb�,
2023). La implementaci�n de chatbots basados en IA,
capaces de entender y procesar el lenguaje humano, promete una nueva era de
asistencia educativa personalizada y accesible (Botpress,
2022)
La inteligencia artificial en la
educaci�n ofrece un potencial significativo para abordar desaf�os clave y
revolucionar las pr�cticas de ense�anza y aprendizaje. Seg�n la UNESCO, la IA
tiene la capacidad de acelerar el progreso hacia la consecuci�n de objetivos
educativos globales, mejorando el acceso al conocimiento y la diversidad de las
expresiones culturales. La organizaci�n enfatiza un enfoque centrado en el ser
humano para la integraci�n de la IA en la educaci�n, asegurando que se promueva
la inclusi�n y la equidad. (UNESCO, s.f.)
La personalizaci�n del
aprendizaje es uno de los beneficios m�s significativos que la IA puede aportar
a la educaci�n. Herramientas y tecnolog�as basadas en IA, como algoritmos de
aprendizaje personalizados y realidad virtual/aumentada, pueden mejorar la
experiencia de aprendizaje de los estudiantes de maneras innovadoras. (Ortega,
2022)
Kamalov, Santandreu Calonge, y Gurrib (2023) argumentan que la inteligencia artificial
promete una revoluci�n sostenible y multifac�tica en la educaci�n, destacando
las mejoras en la interacci�n entre profesores y estudiantes y el aprendizaje
personalizado, enfatizando de igual manera la necesidad de una integraci�n
cuidadosa para promover un entorno educativo inclusivo y efectivo.
�
La integraci�n de chats con
inteligencia artificial en la educaci�n superior est� transformando el
paradigma educativo, ofreciendo un enfoque m�s personalizado y accesible para
el aprendizaje, los sistemas de tutor�a inteligente basados en IA pueden proporcionar
asistencia personalizada a los estudiantes, adapt�ndose a sus ritmos y estilos
de aprendizaje �nicos, lo que representa un avance significativo hacia la
educaci�n inclusiva y personalizada. (Carvalho, 2024)
Estos sistemas no solo facilitan
un aprendizaje m�s eficiente, sino que tambi�n ayudan a los educadores a
identificar y abordar las necesidades individuales de cada estudiante. (Morduchowicz, 2023)
Por otro lado, Morron (n.d) enfatiza la
capacidad de los chats de IA para mejorar la accesibilidad y la flexibilidad en
la educaci�n superior. Al estar disponibles 24/7, estos sistemas ofrecen a los
estudiantes la oportunidad de resolver dudas y acceder a material educativo en
cualquier momento, lo que es crucial para apoyar a quienes combinan sus
estudios con otras responsabilidades. Adem�s, la interacci�n constante con
estos sistemas contribuye al desarrollo de habilidades digitales cr�ticas en el
mundo actual.
El Instituto Superior Tecnol�gico
Amaz�nico ubicado en Ecuador, provincia de Zamora Chinchipe, cant�n Yantzaza,
cuenta actualmente con 107 estudiantes distribuidos en las 4 carreras que
ofrece: Tecnolog�a en Contabilidad, Tecnolog�a en Producci�n Agr�cola,
Tecnolog�a en Producci�n Pecuaria y Tecnolog�a en Desarrollo de Software. El
Instituto se ha embarcado en una iniciativa pionera para integrar estas
innovaciones tecnol�gicas mediante el desarrollo de un chatbot
educativo basado en el modelo de lenguaje LLAMA2.
Este proyecto busca aprovechar la
capacidad de LLAMA2 para comprender consultas en lenguaje natural y
proporcionar respuestas coherentes y relevantes, facilitando el acceso de los
estudiantes a informaci�n acad�mica crucial como historiales acad�micos, calificaciones,
planes de clase, s�labos, etc. y tambi�n brindar informaci�n y recursos
relacionados con temas espec�ficos de asignaturas o intereses acad�micos de los
estudiantes. La elecci�n de LLAMA2 se fundamenta en su desempe�o excepcional en
tareas de NLP, demostrando capacidades avanzadas de generaci�n y comprensi�n de
texto. (Brown et al., 2020)
�
Para garantizar la eficacia y la
adaptabilidad de esta soluci�n, el proyecto se ha guiado por principios de
desarrollo �gil, espec�ficamente la metodolog�a Extreme Programming
(XP). Este enfoque promueve pr�cticas como el desarrollo iterativo, la
programaci�n en parejas, y el desarrollo dirigido por pruebas (TDD) (Mancuzo, 2020)., que son esenciales para adaptar el chatbot a las necesidades espec�ficas de la comunidad
educativa del instituto de manera eficiente.
La arquitectura del sistema se ha
dise�ado con una separaci�n clara entre el front-end
y el back-end, utilizando Angular y FastAPI, respectivamente. Angular fue seleccionado por su
robustez y eficiencia en la creaci�n de interfaces de usuario interactivas
(Cetina, 2022).
Mientras que FastAPI
proporciona un framework de alto rendimiento para el
manejo de solicitudes del lado del servidor, debido a que trabaja con el
lenguaje de programaci�n Python y de esta forma se optimiza la interacci�n con
el modelo LLAMA2. (Roque, 2023)
Este proyecto no solo representa
un paso adelante en la digitalizaci�n de los servicios educativos en el
Instituto Superior Tecnol�gico Amaz�nico sino tambi�n un modelo para la
integraci�n efectiva de tecnolog�as de IA en el sector educativo, ofreciendo perspectivas
valiosas sobre el dise�o, desarrollo y despliegue de chatbots
educativos basados en NLP
Para el desarrollo e implementaci�n del chatbot educativo, se adopt� una investigaci�n aplicada
enfocada en el desarrollo tecnol�gico, espec�ficamente en la creaci�n de un
sistema basado en inteligencia artificial (IA) y procesamiento de lenguaje
natural (NLP) para mejorar la interacci�n de los estudiantes con el entorno
educativo del Instituto Superior Tecnol�gico Amaz�nico.
Esta investigaci�n aplicada utiliza la metodolog�a
�gil Extreme Programming (XP), conocida por su
enfoque en la excelencia t�cnica, la simplicidad y la capacidad de adaptaci�n a
cambios (Raeburn, 2024). La elecci�n de esta
metodolog�a se alinea con el objetivo de desarrollar un sistema robusto y
flexible.
Adopci�n
de Extreme Programming (XP):
Planificaci�n
Inicial: Se realiz� una sesi�n de planificaci�n de
lanzamiento para definir el alcance del proyecto, los objetivos y las
iteraciones (releases). Se priorizaron las historias
de usuario basadas en su valor para los estudiantes y la factibilidad t�cnica.
�������������������������������������������������������������������������� Desarrollo
Iterativo y Entregas Frecuentes: Se adopt� el enfoque iterativo de XP, dividiendo
el proyecto en ciclos de desarrollo cortos (iteraciones) para permitir entregas
frecuentes de nuevas funcionalidades. Esto facilit� la adaptaci�n a cambios y
la incorporaci�n de feedback temprano de los
usuarios.
�������������������������������������������������������������������������� Programaci�n
en Parejas y Revisi�n de C�digo: La programaci�n en parejas fue una pr�ctica clave,
donde dos desarrolladores trabajaron juntos en una misma tarea, uno escribiendo
el c�digo y el otro revisando simult�neamente. Esto mejor� la calidad del
c�digo y foment� el conocimiento compartido entre el equipo.
Las
sesiones de revisi�n de c�digo se realizaron regularmente para mantener altos
est�ndares de calidad y coherencia en el c�digo del proyecto.
�������������������������������������������������������������������������� Desarrollo
Dirigido por Pruebas (TDD): Se implement� TDD para dise�ar y desarrollar las
funcionalidades del chatbot. Esto implic� escribir
pruebas antes del c�digo de producci�n, asegurando que cada funcionalidad
estuviera correctamente especificada y funcionara seg�n lo esperado desde el
principio.
�������������������������������������������������������������������������� Integraci�n
Continua: Se configur� un sistema de integraci�n continua para
automatizar la compilaci�n y las pruebas del software. Esto permiti� detectar y
corregir errores r�pidamente, manteniendo el proyecto en un estado listo para
desplegar en todo momento.
Dise�o
Simple y Refactorizaci�n: Se realiz� un dise�o simple, enfoc�ndose en la
funcionalidad esencial requerida por los usuarios finales y evitando la
complejidad innecesaria. La refactorizaci�n fue una actividad constante para
mejorar el dise�o del sistema sin cambiar su comportamiento, manteniendo el
c�digo limpio y f�cil de entender.
�
Comunicaci�n
y Retroalimentaci�n: La comunicaci�n directa y frecuente con los stakeholders, incluidos estudiantes y docentes, fue
esencial para comprender sus necesidades y c�mo el chatbot
podr�a satisfacerlas mejor.
Software
y Tecnolog�as Utilizadas:
Angular: Un framework de desarrollo para construir aplicaciones web de
una sola p�gina. Se seleccion� por su capacidad de crear interfaces de usuario
din�micas y reactivas, esenciales para la interactividad del chatbot.
�������������������������������������������������������������������������� FastAPI: Un
moderno framework web para construir APIs con el lenguaje de programaci�n Python, elegido por su
simplicidad, rendimiento y facilidad de uso para operaciones de backend. Su compatibilidad con est�ndares asincr�nicos
permite manejar eficientemente las solicitudes concurrentes, crucial para la
escalabilidad del chatbot.
�������������������������������������������������������������������������� LLAMA2: Un
modelo de lenguaje de �ltima generaci�n para procesamiento de lenguaje natural,
utilizado para el entendimiento y generaci�n de texto en el chatbot.
Fue entrenado adicionalmente con datos espec�ficos del contexto educativo del
Instituto Superior Tecnol�gico Amaz�nico para mejorar su precisi�n y
relevancia.
�������������������������������������������������������������������������� Servidor
VPS en Ubuntu: Se opt� por un servidor VPS (Servidor Privado
Virtual) que corre Ubuntu debido a su estabilidad, seguridad y flexibilidad.
Esta elecci�n permiti� un control completo del entorno de hosting, crucial para
la personalizaci�n y el despliegue del sistema.
Herramientas
de Desarrollo y Gesti�n:
�������������������������������������������������������������������������� Git: Para
el control de versiones y colaboraci�n en equipo, facilitando la gesti�n del
c�digo fuente del proyecto.
Docker:
Utilizado para contenerizar la aplicaci�n, asegurando
la consistencia entre los entornos de desarrollo, prueba y producci�n.
�������������������������������������������������������������������������� Jenkins: Para
la integraci�n y entrega continuas (CI/CD), automatizando la compilaci�n, las
pruebas y el despliegue de la aplicaci�n
Backend
Para el backend se emple� el lenguaje de programaci�n Python
conjuntamente con el framework FastApi,
y los Modelos de Lenguaje de Gran Escala (LLM, por sus siglas en ingl�s de Large Language Models) los cu�les son sistemas de inteligencia artificial
entrenados para comprender, generar y trabajar con lenguaje humano a gran
escala (Munar, 2023).
Son el resultado de
entrenar algoritmos de aprendizaje profundo en vastas cantidades de texto, lo
que les permite realizar tareas relacionadas con el lenguaje, como traducci�n,
resumen, generaci�n de texto, y m�s. Los LLM aprenden a predecir la siguiente
palabra en una secuencia de palabras dada, lo cual les permite generar texto
coherente y relevante a partir de prompts o entradas
proporcionadas por los usuarios. (Amazon Web Services,
s.f.).
LLAMA 2,
espec�ficamente, es un ejemplo de estos modelos avanzados y es el que se
utiliz� para la construcci�n del chat, dise�ado para ofrecer un rendimiento a�n
m�s refinado en tareas de procesamiento de lenguaje natural. Estos modelos
pueden ser particularmente �tiles en el �mbito educativo, donde pueden servir
como asistentes virtuales para responder preguntas de los estudiantes,
proporcionar tutor�a personalizada o facilitar el acceso a informaci�n
acad�mica. A continuaci�n, se detalla el c�digo o programaci�n que se emple�
para configurar adecuadamente el modelo.
Importaci�n de librer�as
Figura 1. Importaci�n de
librer�as necesarias para trabajar con el modelo de Llama 2.
Estas librer�as se
utilizaron para las tareas que involucraron procesamiento del lenguaje natural
(NLP) y obtenci�n de datos de la bases de datos Postgres
donde se encuentra la informaci�n acad�mica de los estudiantes.
La integraci�n de SQLAlchemy simplific� la conexi�n y gesti�n de los datos.
Adem�s, permitieron la interpretaci�n de consultas escritas en lenguaje
natural, facilitando as� la interacci�n del usuario con el sistema.
En resumen, estas
bibliotecas ofrecieron un conjunto robusto de funcionalidades para el
desarrollo de la aplicaci�n, en donde se requiri� an�lisis de texto y acceso a
la informaci�n dentro del contexto de LlAMA 2.
Cargando el modelo Llama 2 y el contexto
Figura 2. Cargando el modelo
espec�fico y fijando el contexto con el que tiene que trabajar Llama 2.
Este c�digo muestra
c�mo cargar el modelo de LLAMA 2 para su uso como generador de texto. Primero,
se especifica la ruta del modelo, en este caso se ha empleado llama-2-7b-
chat.Q4_K_M.gguf, luego, se inicializa una instancia de LlamaCpp
con la ruta del modelo y una temperatura de 0, lo que indica que se desactiva
el sampling estoc�stico durante la generaci�n de
respuestas.
Posteriormente, se
establece una conexi�n con la base de datos PostgreSQL en donde reposa la
informaci�n completa de los estudiantes, luego, se crea un motor de base de
datos utilizando la funci�n create_engine de SQLAlchemy, que facilit� la interacci�n con la informaci�n.
Finalmente, se
inicializa un contexto de servicio utilizando la clase ServiceContext,
donde se especifica el modelo de LLAMA a utilizar (llm)
y el modelo de incrustaci�n de texto (embed_model).
Este contexto de servicio se utiliz� para proporcionar el modelo y que este
adquiriera un comportamiento de memoria para recordar las preguntas o
respuestas anteriores con las que se ha trabajado.
Especificaci�n de las tablas de inter�s
En la figura 3, se
puede evidenciar el conjunto de tablas con las que el modelo va interactuar
para presentar la informaci�n al usuario, de acuerdo a las interrogantes que se
le hagan, es importante mencionar que se pude trabajar con n tablas
relacionales.
�
Figura 3. Especificando las
tablas de inter�s de la base de datos de la instituci�n.
FrontEnd
Para la parte visual se
emple� el framework Angular, se opt� por crear un
dise�o minimalista similar a ChatGPT, ha continuaci�n
se muestra brevemente el servicio empleado y la interfaz gr�fica.
Servicio: El c�digo que se
muestra en la figura 4, detalla como inicializar los listeners
de un WebSocket para recibir los mensajes del
servidor donde est� desplegado el modelo Llama. Cuando se recibe un mensaje, se
procesa y se env�a a la funci�n handleMessage.
Adem�s, maneja los errores de conexi�n que se puedan presentar en la
comunicaci�n entre el frontend y el backend.
Figura 4. Especificando las
tablas de inter�s de la base de datos de la instituci�n.
Interfaz gr�fica: Se ha empleado
Bootstrap para presentar y formatear de manera profesional la informaci�n al
usuario, de tal manera que la aplicaci�n sea intuitiva y f�cil de usar.
Figura 5. Interfaz gr�fica del chatbot, se ha optado por un dise�o minimalista, de tal
manera que se facilite la interacci�n con el usuario.
Probando el chat: En este apartado se va
a demostrar la interacci�n del modelo con la informaci�n de un usuario, para
ello se ha solicitado a la estudiante Tania Lima del quinto ciclo de la carrera
de Desarrollo de Software del Instituto, que haga las preguntas que ella crea
convenientes de acuerdo a su historial acad�mico o informaci�n de la carrera.
Figura 6. Interacci�n con el chatbot
La pregunta realizada
por la estudiante fue la siguiente: �Hola mi nombre es Tania Gabriela Lima Tendez, me puedes informar el horario de clases de la
materia de Calidad de Software del presente periodo acad�mico�, se puede
evidenciar que la respuesta por parte del modelo es la siguiente: �Por
supuesto, para el presente periodo acad�mico octubre 2023 - marzo 2024, tu
horario para la materia de Calidad de Software es: lunes de 17:00 a 19:00
horas, martes de 17:00 a 19:00 horas y jueves de 20:30 a 22:30 horas.�,
siendo esta respuesta correcta de acuerdo a la informaci�n que se dispone en
base de datos.
La implementaci�n de chatbots avanzados utilizando modelos de Procesamiento de
Lenguaje Natural (NLP), como LLAMA 2, en el Instituto Superior Tecnol�gico
representa un avance significativo hacia la digitalizaci�n y personalizaci�n de
la educaci�n superior. Esta secci�n discute la relevancia, los beneficios
anticipados, y los desaf�os potenciales asociados con la adopci�n de esta
tecnolog�a para mejorar el acceso a informaci�n acad�mica crucial como el
historial acad�mico, calificaciones, asignaturas, mallas curriculares, horarios
de clase, etc.
Los sistemas basados en
NLP como LLAMA 2 ofrecen una interacci�n natural y fluida, lo cual es crucial
para facilitar un acceso intuitivo y eficiente a la informaci�n acad�mica. Este
tipo de tecnolog�a puede adaptarse a las consultas en lenguaje natural de los
estudiantes, proporcionando respuestas precisas y contextuales. La capacidad de
estos sistemas para aprender de interacciones previas y mejorar continuamente
con el tiempo promete una experiencia cada vez m�s personalizada para los
usuarios.
La implementaci�n de un
chatbot educativo con estas capacidades aborda varias
necesidades clave:
Acceso ininterrumpido: Los estudiantes pueden
consultar informaci�n esencial en cualquier momento y lugar, eliminando la
necesidad de esperar por respuestas humanas durante horas laborables.
Personalizaci�n: Al adaptarse a las
necesidades individuales de los estudiantes, el sistema puede guiarlos a trav�s
de sus trayectorias acad�micas de manera m�s efectiva, sugiriendo recursos y
oportunidades alineadas con sus intereses y rendimiento acad�mico.
Eficiencia
administrativa: las
consultas frecuentes se automatizan, liberando al personal acad�mico y
administrativo para enfocarse en tareas que requieren intervenci�n humana,
optimizando los recursos institucionales.
Desaf�os Potenciales
A pesar de los claros
beneficios, la adopci�n de chatbots de IA en entornos
educativos no est� exenta de desaf�os. La precisi�n de las respuestas, la
protecci�n de la privacidad de los datos de los estudiantes y la integraci�n
efectiva con los sistemas de informaci�n existentes son �reas cr�ticas que
requieren atenci�n cuidadosa.
Adem�s, la resistencia
al cambio por parte de usuarios habituados a m�todos tradicionales de
comunicaci�n podr�a representar un obst�culo inicial.
Conclusiones
La introducci�n de chatbots basados en NLP como LLAMA 2 en el Instituto
Superior Tecnol�gico Amaz�nico ofrece una promesa considerable para transformar
la forma en que los estudiantes acceden y gestionan su informaci�n acad�mica.
Si bien existen desaf�os, la planificaci�n estrat�gica, el compromiso con la
mejora continua y la adopci�n de pr�cticas de seguridad de datos robustas
pueden asegurar que esta tecnolog�a cumpla su potencial como una herramienta
valiosa para enriquecer la experiencia educativa.
La incorporaci�n de
Modelos de Lenguaje de Gran Escala (LLM) como LLAMA 2 en el Instituto, subraya
el compromiso de la instituci�n con la innovaci�n educativa y el mejoramiento
de la experiencia de aprendizaje. Estos modelos ofrecen una plataforma robusta
para facilitar el acceso instant�neo a informaci�n relevante y personalizada,
marcando un hito en la manera en que los estudiantes interact�an con sus
curr�culos y recursos acad�micos.
Es fundamental abordar
con diligencia los retos asociados a la privacidad de datos y la adaptabilidad
de los sistemas, para maximizar su efectividad y garantizar una integraci�n
segura y provechosa en el �mbito educativo. La sinergia entre el cuerpo estudiantil,
el personal docente y los equipos de TI ser� esencial para navegar estos
desaf�os y optimizar el uso de estas tecnolog�as revolucionarias.
Referencias
bibliogr�ficas
Llamb�, C. (2023).
Transformaci�n digital en la educaci�n: Oportunidades, desaf�os y claves para
avanzar. CAF.
https://www.caf.com/es/conocimiento/visiones/2023/08/transformacion-digital-en-la-educacion-oportunidades-desafios-y-claves-para-avanzar/
Botpress.����� (2022). An introduction to AI
chatbots. https://botpress.com/es/blog/an-introduction-to-ai-chatbots
UNESCO.������ (s.f.).
La����� inteligencia artificial������� en����� la� educaci�n. https://www.unesco.org/es/digital-education/artificial-intelligence
Ortega, C. (2022).
Inteligencia artificial en la educaci�n: Impacto y ejemplos. QuestionPro.
https://www.questionpro.com/blog/es/inteligencia-artificial-en-la-educacion/
Kamalov, F., Santandreu Calonge, D., & Gurrib, I. (2023). New Era of Artificial Intelligence in
Education: Towards a Sustainable Multifaceted Revolution. Sustainability, 15(16), 12451.
https://doi.org/10.3390/su151612451
Carvalho, LL. (2024). Chatbot en la educaci�n: �cu�les son los beneficios para tu
instituci�n?. https://www.sydle.com/es/blog/chatbot-en-la-educacion-
cuales-son-los-beneficios-634d4f67491b8e20c4b01486
Morduchowicz, A. (2023). ChatGPT� y educaci�n:
�oportunidad, amenaza o desaf�o?. https://blogs.iadb.org/educacion/es/chatgpt-educacion/
Morron, M. (n.d). Chat GPT y el futuro de
la educaci�n.�
https://blog.linclearning.com/es/chat-gpt-y-el-futuro-de-la-educacion
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal,
P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., ... Neelakantan, A.
(2020). Language models are few- shot learners. Advances in Neural Information
Processing Systems, 33, 1877�1901.
�
Mancuzo, G. (2020). Programaci�n
Extrema: Pros y Contras. https://blog.comparasoftware.com/programacion-extrema-ventajas-desventajas/
Cetina, V. (2022).
�Cu�les son las ventajas de Angular como framework front-end?. Devoteam.
https://mx.devoteam.com/expert-view/cuales-son-las-ventajas-de-angular-como-framework-front-
end/#:~:text=Angular%20le%20permite%20comunicarse%20con,sean%20reutilizabl
es%20y%20m%C3%A1s%20aislados.
Roque, L. (2023). Leveraging Llama 2 Features in Real-world
Applications: Building Scalable Chatbots with FastAPI,
Celery, Redis, and Docker. Towards Data Science.
https://towardsdatascience.com/leveraging-llama-2-features-in-real-
world-applications-building-scalable-chatbots-with-fastapi-406f1cbeb935
Raeburn, A. (2024). La
programaci�n extrema (XP) produce resultados, pero �es la metodolog�a��� adecuada������� para
ti?. https://asana.com/es/resources/extreme-programming-xp
Munar, P. (2023). �Qu�
son los grandes modelos de lenguaje o LLM (Large Language Models)?
https://www.cyberclick.es/numerical-blog/que-son-los-
grandes-modelos-de-lenguaje-o-llm-large-language-models
Amazon Web Services. (s.f.). What is a large language model?
https://aws.amazon.com/es/what-is/large-language-model/