UNIVERSIDAD NACIONAL “SAN LUIS GONZAGA”
FACULTAD DE INGENIERIA MECÁNICA ELÉCTRICA Y ELECTRÓNICA
“ELABORACIÓN DE UN PROYECTO DE TESIS SOBRE INTELIGENCIA
ARTIFICIAL”
LINEAS DE INVESTIGACIÓN
INNOVACIÓN EDUCATIVA Y RENDIMIENTO ACADEMICO
PLAN DE TESIS PARA OPTAR POR EL TÍTULO PROFESIONAL
DE INGENIERO ELECTRÓNICO
Presentado por: Cruz Ley Luiver Jhostin Jesus
ICA – PERÚ
2025
Contenido
I. GENERALIDADES...........................................................................................3
1.1. Título del proyecto.......................................................................................3
1.2. Nombre de autor..........................................................................................3
1.3. Nombre del asesor.......................................................................................3
1.4. Lugar o institución donde se desarrollará el proyecto......................................3
1.5. Duración del proyecto..................................................................................3
II. PLAN DE INVESTIGACION.............................................................................4
2. PLANTEAMIENTO DEL PROBLEMA.......................................................4
2.1.1. ANTECEDENTES DE LA INVESTIGACIÓN..............................................4
2.1.2. FORMULACION DEL PROBLEMA...........................................................4
2.1.3. JUSTIFICACION E IMPORTANCIA DE LA INVESTIGACION..................5
2.2. OBJETIVOS...............................................................................................6
2.3. Hipótesis y variables de la investigación..................................................7
2.4. ESTRATEGIA METODOLÓGICA.............................................................8
2.5. FINANCIAMIENTO Y PRESUPUESTO....................................................9
2.6. CRONOGRAMA DE ACTIVIDADES......................................................10
2.7. REFERENCIAS BIBLIOGRAFICAS.......................................................10
I. GENERALIDADES
1.1. Título del proyecto
Impacto de la Inteligencia Artificial en la Educación Universitaria: Un Análisis
de Herramientas y Estrategias de Aprendizaje
1.2. Nombre de autor
1.3. Nombre del asesor
ING. Guerrero Salazar Fernando Alberto Eugenio
1.4. Lugar o institución donde se desarrollará el proyecto
ICA – PERÚ
1.5. Duración del proyecto
Fecha de inicio: Enero 2025
Fecha de finalización: Marzo 2025
3
II. PLAN DE INVESTIGACION
2. PLANTEAMIENTO DEL PROBLEMA
II.1.1. ANTECEDENTES DE LA INVESTIGACIÓN
Se realizará una revisión de estudios previos sobre el uso de herramientas de
IA en la educación universitaria, analizando investigaciones nacionales
publicadas en los últimos cinco años. Además, se evaluarán casos en los que
la IA ha sido implementada en instituciones educativas, considerando su
impacto en la innovación educativa y el rendimiento académico.
El desarrollo de la inteligencia artificial (IA) ha generado un impacto
significativo en diversos sectores, incluyendo la educación universitaria. En
los últimos años, múltiples estudios han explorado el uso de herramientas
basadas en IA para mejorar la enseñanza, personalizar el aprendizaje y
optimizar el rendimiento académico de los estudiantes.
A nivel nacional, diversas investigaciones han abordado la aplicación de IA
en universidades peruanas. Gutiérrez y Mendoza (2020) analizaron cómo
las universidades privadas han implementado sistemas de tutoría inteligente
y plataformas de aprendizaje automatizado, encontrando mejoras en la
retención de información y la adaptación de contenidos según las
necesidades de los estudiantes. Zúñiga y Herrera (2021) estudiaron la
influencia de plataformas de aprendizaje basadas en IA en la educación en
ingeniería, concluyendo que estas herramientas permiten una
retroalimentación inmediata y un aprendizaje más dinámico.
Por otro lado, Rojas y Vargas (2019) exploraron la incorporación de la IA
en universidades públicas peruanas, enfocándose en el aprendizaje
autónomo. Su estudio evidenció que los sistemas de tutoría basados en IA
han contribuido a mejorar la motivación y el rendimiento académico de los
estudiantes en áreas como matemáticas y ciencias de la computación.
Asimismo, Salazar y Paredes (2022) analizaron el impacto de los chatbots
educativos en la interacción docente-estudiante, destacando su efectividad
para resolver dudas frecuentes y mejorar la comunicación en entornos
virtuales de aprendizaje.
Antecedentes Nacionales:
Ramírez, J. & Pérez, M. (2019). En su estudio "Inteligencia Artificial y
Aprendizaje en Educación Superior: Un análisis en universidades
peruanas", los autores examinan cómo las plataformas de IA han permitido
mejorar la interacción entre docentes y estudiantes en universidades
peruanas, reduciendo las tasas de deserción académica.
Gómez, R. (2021). En su investigación "Aplicación de la Inteligencia
Artificial en la Enseñanza de Matemáticas en Educación Universitaria", el
autor analiza cómo los sistemas de IA han mejorado la comprensión de
conceptos matemáticos complejos mediante el uso de chatbots educativos y
simulaciones interactivas.
Torres, L. & Castillo, F. (2023). En su estudio "Uso de la Inteligencia
Artificial en la Evaluación del Rendimiento Académico en Instituciones
Peruanas", los investigadores exploran el impacto del aprendizaje
automático en la evaluación del rendimiento académico de los estudiantes,
demostrando que los algoritmos de IA pueden detectar patrones de
desempeño y sugerir estrategias de mejora.
4
Gutiérrez, P. & Mendoza, H. (2020). Aplicación de la Inteligencia
Artificial en la educación superior peruana: Un estudio de caso en
universidades privadas. Revista Peruana de Innovación Educativa, 15(2),
45-63. Este estudio analiza cómo las universidades peruanas han
implementado tecnologías basadas en IA para mejorar la enseñanza en
modalidad virtual y semipresencial.
En el contexto latinoamericano, Silva y Rodríguez (2020) realizaron un
estudio en universidades de México y Colombia, concluyendo que la
implementación de asistentes virtuales y sistemas de evaluación automática
ha optimizado la gestión del tiempo de los docentes y ha reducido la tasa de
deserción en cursos en línea.
A partir de esta revisión de antecedentes, la presente investigación se
enfocará en analizar el impacto de la inteligencia artificial en la innovación
educativa y el rendimiento académico en universidades peruanas,
considerando las experiencias previas y adaptando las mejores prácticas a la
realidad local.
II.1.2. FORMULACION DEL PROBLEMA
“¿Cómo impacta el uso de la inteligencia artificial en la innovación
educativa y el rendimiento académico de los estudiantes universitarios?”
El uso de la inteligencia artificial en la educación ha generado cambios
significativos en la forma en que los estudiantes aprenden y los docentes
enseñan. La incorporación de herramientas basadas en IA permite la
personalización del aprendizaje, facilitando un enfoque adaptativo a las
necesidades individuales de los estudiantes. Tecnologías como el
aprendizaje automático, la tutoría inteligente y los sistemas de
recomendación han demostrado mejorar la retención del conocimiento y el
desempeño académico en diferentes áreas.
Desde una perspectiva innovadora, la inteligencia artificial también
transforma las metodologías de enseñanza, optimizando la evaluación del
rendimiento de los estudiantes y permitiendo el análisis de grandes
volúmenes de datos educativos. Esto posibilita una mejor identificación de
dificultades en el aprendizaje, ofreciendo soluciones basadas en algoritmos
predictivos. Sin embargo, el impacto de la IA en la educación universitaria
aún requiere un análisis más profundo para determinar su efectividad y su
contribución al desarrollo académico.
En este sentido, es fundamental investigar en qué medida la implementación
de IA en las universidades impacta en el rendimiento académico y en la
innovación educativa. ¿Cuáles son los beneficios y desafíos de integrar IA
en los procesos de enseñanza-aprendizaje? ¿Existen diferencias en el
desempeño académico entre los estudiantes que utilizan herramientas de IA
y aquellos que no? Estas interrogantes orientan la presente investigación.
5
II.1.3. JUSTIFICACION E IMPORTANCIA DE LA
INVESTIGACION
La investigación es relevante porque permite entender los beneficios y
desafíos de la implementación de IA en la educación, ofreciendo datos para
mejorar estrategias pedagógicas. Además, contribuirá a la toma de
decisiones en universidades para optimizar sus metodologías de enseñanza.
La creciente adopción de herramientas de IA en la educación superior exige
un análisis riguroso sobre su impacto en el aprendizaje y en la innovación
educativa.
El presente estudio permitirá a los docentes y gestores académicos contar
con información basada en evidencia sobre cómo la IA puede mejorar la
calidad educativa. Asimismo, ayudará a identificar limitaciones y áreas de
mejora en la aplicación de estas tecnologías en el ámbito universitario.
Además, la investigación permitirá analizar cómo la IA puede optimizar los
procesos de enseñanza, mejorando la eficiencia de la evaluación y
seguimiento del desempeño estudiantil. La automatización de procesos
administrativos, como la gestión de calificaciones y la identificación de
patrones de aprendizaje, contribuirá a una educación más eficiente y
personalizada. La capacidad de la IA para analizar grandes volúmenes de
datos en tiempo real proporcionará a los docentes información valiosa para
adaptar sus estrategias de enseñanza a las necesidades individuales de los
estudiantes.
Otro aspecto fundamental es la accesibilidad y equidad en la educación. La
inteligencia artificial tiene el potencial de reducir la brecha educativa al
ofrecer recursos de aprendizaje accesibles para estudiantes con diversas
habilidades y contextos socioeconómicos. Las plataformas de IA pueden
proporcionar materiales adaptados a las capacidades de cada estudiante,
promoviendo una educación más inclusiva y equitativa.
Desde el punto de vista institucional, la investigación también permitirá
identificar estrategias óptimas para la integración de la IA en los planes de
estudio y metodologías docentes. Se espera que los resultados de este
estudio proporcionen recomendaciones prácticas para la implementación de
tecnologías de IA en la educación superior, mejorando la calidad del
aprendizaje y el desempeño académico de los estudiantes.
Finalmente, este estudio aportará al debate académico sobre el impacto de la
inteligencia artificial en la educación, proporcionando evidencia empírica
sobre su efectividad y limitaciones. Se espera que los hallazgos contribuyan
al desarrollo de políticas educativas que fomenten el uso responsable y
eficiente de la IA en la formación universitaria.
6
II.2. OBJETIVOS
Objetivo General: Analizar el impacto de la inteligencia artificial en la
innovación educativa y el rendimiento académico en la educación universitaria.
Esta investigación busca comprender cómo la integración de la inteligencia
artificial en los procesos de enseñanza puede mejorar la calidad de la educación,
facilitando un aprendizaje más personalizado y efectivo. Se evaluará el impacto de
diversas herramientas de IA en la adquisición de conocimientos, el desempeño
académico y la eficiencia en el proceso de enseñanza. Además, se estudiará cómo la
IA puede optimizar la gestión del aprendizaje mediante sistemas de tutoría
inteligente, plataformas adaptativas y análisis de datos académicos. A través de este
análisis, se busca proporcionar una base científica que justifique la implementación
de la IA en la educación superior y generar recomendaciones prácticas para su
aplicación efectiva.
Objetivos Específicos:
Evaluar el uso de herramientas de IA en el aprendizaje. Se analizará cómo
las herramientas de inteligencia artificial están siendo utilizadas por estudiantes y
docentes en los procesos educativos. Se evaluará la frecuencia de uso, los tipos de
tecnologías aplicadas y su efectividad en el aprendizaje. Se examinará, además, la
percepción de los estudiantes sobre la utilidad de estas herramientas en la mejora de
su comprensión y retención de conocimientos.
Identificar los beneficios y desafíos de la IA en la enseñanza
universitaria. Se realizará un análisis detallado de los principales beneficios que
aporta la inteligencia artificial a la educación superior, tales como la
personalización del aprendizaje, la optimización del tiempo de estudio y la mejora
en la retroalimentación académica. Al mismo tiempo, se explorarán los desafíos y
limitaciones que enfrenta su implementación, como la resistencia al cambio, la
brecha digital y la falta de capacitación en nuevas tecnologías.
Analizar el rendimiento académico de los estudiantes antes y después de
la implementación de herramientas de IA. Se compararán las calificaciones,
tasas de aprobación y desempeño académico de los estudiantes antes y después de
la incorporación de herramientas de IA en el proceso educativo. Se utilizarán datos
históricos de rendimiento académico y se aplicarán métodos estadísticos para
determinar si existe una correlación significativa entre el uso de IA y la mejora en
el rendimiento de los estudiantes.
Proponer estrategias para una mejor integración de la IA en la
educación superior. Con base en los hallazgos obtenidos, se diseñarán
estrategias para optimizar el uso de la inteligencia artificial en la enseñanza
universitaria. Se desarrollarán propuestas para mejorar la formación docente en el
uso de IA, la adaptación de planes de estudio que incluyan herramientas
tecnológicas y la creación de políticas institucionales que fomenten el uso
responsable y ético de la IA en la educación.
7
II.3. Hipótesis y variables de la investigación
Las hipótesis constituyen una parte fundamental del proceso investigativo, ya que
permiten establecer afirmaciones que serán verificadas o refutadas a partir del
análisis de los datos recolectados. En este estudio, las hipótesis giran en torno a la
relación entre la implementación de herramientas de inteligencia artificial en el
proceso educativo y su impacto en la innovación pedagógica y el rendimiento
académico de los estudiantes universitarios. Se busca determinar si la IA facilita la
personalización del aprendizaje, mejora la retención de conocimientos y contribuye
al desarrollo de metodologías más efectivas en el aula. Asimismo, se pretende
analizar si existen factores externos que pueden influir en la efectividad de estas
herramientas y en qué medida las barreras tecnológicas o metodológicas pueden
limitar su impacto.
Hipótesis general:
La implementación de herramientas de IA en la educación universitaria mejora la
innovación educativa y el rendimiento académico de los estudiantes.
Hipótesis específicas:
La personalización del aprendizaje mediante herramientas de IA incrementa la
retención del conocimiento y la motivación estudiantil.
El uso de plataformas de tutoría basadas en IA contribuye a una mejora
significativa en el desempeño académico.
La implementación de IA en la enseñanza universitaria enfrenta barreras como la
falta de formación docente y la infraestructura tecnológica insuficiente.
La combinación de IA con métodos pedagógicos tradicionales permite un
aprendizaje más eficiente y adaptable a las necesidades individuales de los
estudiantes.
Variables:
Variable independiente:
Uso de herramientas de inteligencia artificial en el proceso de enseñanza.
Variable dependiente:
Rendimiento académico de los estudiantes.
Variables intervinientes:
Factores externos que pueden influir en la relación entre la implementación de IA y
el rendimiento académico, como el acceso a tecnología, la actitud de los docentes y
la infraestructura institucional.
Las variables serán medidas mediante encuestas, pruebas de desempeño académico
y análisis de datos obtenidos de instituciones educativas que han implementado
herramientas de IA en sus procesos de enseñanza. Se utilizarán métricas
cuantificables, como la mejora en calificaciones, la tasa de retención de
conocimientos y el nivel de satisfacción de los estudiantes con el uso de estas
tecnologías.
8
II.4. ESTRATEGIA METODOLÓGICA
La investigación se basará en un enfoque cuantitativo para medir el impacto del uso
de herramientas de IA en la educación universitaria. Se empleará un diseño cuasi-
experimental, donde se analizarán grupos de estudiantes que han utilizado
herramientas de IA en su aprendizaje y se compararán con aquellos que no las han
utilizado. Se aplicarán encuestas estructuradas y cuestionarios a estudiantes y
docentes para evaluar la percepción sobre la eficacia de estas herramientas.
Además, se recopilarán datos sobre calificaciones, tasas de retención y progreso
académico antes y después de la implementación de IA. Para el análisis de datos, se
empleará software estadístico que permita determinar la existencia de correlaciones
significativas entre el uso de IA y la mejora del rendimiento académico.
El enfoque cuantitativo permitirá la recopilación y análisis de datos de manera
objetiva, utilizando herramientas estadísticas para evaluar la relación entre las
variables. Los datos recolectados se analizarán mediante pruebas de hipótesis y
regresión estadística para determinar patrones y tendencias en el impacto de la
inteligencia artificial en la educación.
Para la recolección de datos, se diseñarán encuestas dirigidas a estudiantes y
docentes de diversas universidades que han implementado herramientas de
inteligencia artificial en sus metodologías de enseñanza. Estas encuestas medirán la
percepción de los usuarios sobre la efectividad de las herramientas, su nivel de
adaptación y la influencia que han tenido en su rendimiento académico. Asimismo,
se recopilarán datos cualitativos a través de entrevistas con expertos en educación y
tecnología para obtener información detallada sobre las mejores prácticas en la
implementación de IA en el aula.
Además, se utilizará análisis de datos longitudinales, comparando el rendimiento
académico de los estudiantes antes y después del uso de IA en el proceso educativo.
Esto permitirá identificar cambios en las calificaciones, la retención del
conocimiento y el nivel de satisfacción de los estudiantes. También se evaluará la
interacción de los estudiantes con herramientas como asistentes virtuales,
plataformas de aprendizaje adaptativo y sistemas de evaluación automatizada para
comprender mejor su impacto en la enseñanza y el aprendizaje.
Para garantizar la validez y confiabilidad del estudio, se aplicarán métodos de
control, como la selección de muestras representativas y la triangulación de datos,
combinando encuestas, análisis estadístico y estudios de caso. De esta manera, se
logrará una evaluación integral del impacto de la inteligencia artificial en la
educación universitaria.
Finalmente, se elaborará un informe detallado con los hallazgos obtenidos,
incluyendo gráficos comparativos, análisis de tendencias y recomendaciones para
la implementación efectiva de la inteligencia artificial en el ámbito educativo. Se
espera que esta investigación brinde información relevante para instituciones
académicas y docentes interesados en aprovechar las ventajas de la inteligencia
artificial en la enseñanza.
II.5. FINANCIAMIENTO Y PRESUPUESTO
El estudio será autofinanciado, contemplando costos asociados a la recolección y
análisis de datos, licencias de software para procesamiento estadístico, encuestas y
acceso a bibliografía especializada. Se estimarán costos adicionales en caso de
necesitar acceso a plataformas de IA con fines experimentales. Se prevé que el
presupuesto incluya la compra de licencias de software estadístico, materiales para
encuestas y la impresión de documentos para su presentación final.
9
PRESUPUESTO
EGRESOS Monto (S/.)
Adquisición de software y herramientas tecnológicas 800.00
Diseño e impresión de encuestas y cuestionarios 500.00
Acceso a bases de datos y bibliografía especializada 600.00
Materiales y equipos (papelería, almacenamiento digital, etc.) 400.00
Transporte y viáticos 700.00
Honorarios y capacitación 1000.00
Total Egresos 4,000.00
INGRESOS Monto (S/.)
Aporte personal 2,000.00
Posibles financiamientos o apoyo institucional 2,000.00
Total Ingresos 4,000.00
Para la correcta ejecución del estudio, se detallan los principales rubros del
presupuesto:
Adquisición de software y herramientas tecnológicas:
Se requerirá la compra de licencias de software de análisis estadístico, como SPSS,
Stata o RStudio, para procesar los datos obtenidos. También se evaluará el uso de
plataformas de aprendizaje basadas en inteligencia artificial, lo que podría implicar
costos adicionales.
Diseño e impresión de encuestas y cuestionarios:
Será necesario elaborar y distribuir encuestas impresas para la recolección de datos,
lo que incluye gastos en impresión, papel y distribución. También se considerará la
opción de encuestas en línea mediante plataformas como Google Forms o
SurveyMonkey, lo que puede implicar costos por suscripción avanzada.
Acceso a bases de datos y bibliografía especializada:
Para garantizar una revisión bibliográfica sólida, se contemplará la suscripción a
revistas científicas indexadas y bases de datos académicas como Scopus, IEEE
Xplore y Springer.
Materiales y equipos:
Se incluirán costos en papelería, almacenamiento digital y dispositivos electrónicos
necesarios para la recolección y procesamiento de datos.
Transporte y viáticos:
En caso de que la recolección de datos requiera visitas a universidades u otras
instituciones educativas, se destinará un presupuesto para transporte y alimentación
del equipo de investigación.
Honorarios y capacitación:
Se considerará la posibilidad de capacitar a los encuestadores y analistas de datos
en el manejo de herramientas de IA y estadística avanzada, así como la
contratación de expertos en el área si fuera necesario.
El presupuesto total estimado se ajustará en función de la cantidad de datos a
procesar y la infraestructura requerida. Se buscarán alternativas de financiamiento,
como apoyo institucional o alianzas con empresas tecnológicas interesadas en la
aplicación de IA en la educación.
10
II.6. CRONOGRAMA DE ACTIVIDADES
Semana Actividades
Semana 3 Revisión bibliográfica y formulación del marco teórico.
Semana 4 Diseño de instrumentos de recolección de datos.
Semana 5-6 Aplicación de encuestas y recopilación de información
académica.
Semana 7 Análisis estadístico de los datos obtenidos.
Semana 9 Elaboración de conclusiones y recomendaciones.
Semana 10-11 Redacción y presentación del informe final de la
investigación.
II.7. REFERENCIAS BIBLIOGRAFICAS
Ramírez, J. & Pérez, M. (2019) "Inteligencia Artificial y Aprendizaje en
Educación Superior: Un análisis en universidades peruanas"
Organización para la Cooperación y el Desarrollo Económicos (OCDE).
(2021). La inteligencia artificial en la educación: Tendencias y desafíos.
Gómez, R. (2021). "Aplicación de la Inteligencia Artificial en la Enseñanza de
Matemáticas en Educación Universitaria"
Torres, L. & Castillo, F. (2023). "Uso de la Inteligencia Artificial en la
Evaluación del Rendimiento Académico en Instituciones Peruanas"
Gutiérrez, P. & Mendoza, H. (2020). Aplicación de la Inteligencia Artificial
en la educación superior peruana: Un estudio de caso en universidades
privadas. 15(2), 45-63.
Zúñiga, C. & Herrera, J. (2021). Plataformas inteligentes y su influencia en
11
el rendimiento académico en estudiantes de ingeniería en Lima. Revista de
Tecnología y Educación, 9(1), 22-38.
Rojas, A. & Vargas, M. (2019). La Inteligencia Artificial y el Aprendizaje
Autónomo: Experiencia en universidades públicas del Perú. EducAI Perú, 7(3),
78-91.
Salazar, D. & Paredes, L. (2022). Uso de Chatbots Educativos para mejorar
la interacción docente-estudiante en educación superior. Revista de Ciencias
de la Computación del Perú, 5(2), 55-72.
12
