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

Materiales y m�todos

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.

M�todos

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.

Materiales

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

Resultados y discusi�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.

Discusi�n

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.

Relevancia y Beneficios Anticipados

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����� laeducaci�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). ChatGPTy 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/