Propuesta de estrategias basadas en inteligencia artificial para el análisis de resultados ICFES y la identificación de temáticas de refuerzo en estudiantes de grado once de las instituciones educativas públicas de Piedecuesta

dc.contributor.advisorZabala Vargas, Sergio Andrés
dc.contributor.authorGomez Mejia, Rosa Ines
dc.coverage.spatialBogotá D.C.
dc.date.accessioned2026-05-12T13:40:56Z
dc.date.issued2026-01-31
dc.descriptionProponer un conjunto de estrategias basadas en inteligencia artificial para optimizar el análisis de los resultados ICFES y la identificación de temáticas de refuerzo en los estudiantes de grado once de las instituciones educativas públicas de Piedecuesta, con el fin de fortalecer la toma de decisiones pedagógicas y mejorar el desempeño académico.
dc.description.abstractEn los últimos años, los resultados de las pruebas Saber 11 han evidenciado brechas persistentes en el desempeño académico de los estudiantes de grado once en diversas áreas del conocimiento, especialmente en instituciones educativas públicas. En el municipio de Piedecuesta, Santander, estas dificultades se reflejan en resultados históricos que muestran variaciones significativas entre instituciones y áreas evaluadas, lo que limita la toma de decisiones pedagógicas oportunas y el diseño de estrategias de refuerzo académico basadas en evidencia. A pesar de que el sistema educativo cuenta con grandes volúmenes de información proveniente de evaluaciones estandarizadas, su análisis continúa realizándose de manera tradicional, sin aprovechar el potencial de herramientas tecnológicas avanzadas como la inteligencia artificial (IA). Este estudio se desarrolló bajo un enfoque cuantitativo, con apoyo de técnicas de análisis cualitativo, con el propósito de examinar la viabilidad de integrar herramientas de inteligencia artificial en el análisis de los resultados ICFES Saber 11 de las instituciones educativas públicas del municipio de Piedecuesta. La investigación se apoyó en una revisión sistemática de literatura orientada a identificar modelos y tendencias internacionales sobre el uso de la IA en el ámbito educativo, así como en la aplicación de una encuesta dirigida a rectores, directivos docentes y docentes, con el fin de evaluar el nivel de uso actual de tecnologías de análisis educativo y la disposición institucional hacia la adopción de herramientas inteligentes.
dc.format.extent104 páginas
dc.identifier.citationGomez Mejia, R. (2026). Propuesta de estrategias basadas en inteligencia artificial para el análisis de resultados ICFES y la identificación de temáticas de refuerzo en estudiantes de grado once de las instituciones educativas públicas de Piedecuesta. [Monografía, Corporación Universitaria Minuto de Dios - UNIMINUTO]. Repositorio UNIMINUTO.
dc.identifier.urihttps://repository.uniminuto.edu/handle/10656/23754
dc.language.isoes
dc.publisherCorporación Universitaria Minuto de Dios – UNIMINUTO
dc.publisher.departmentPosgrado (Virtual)
dc.publisher.programEspecialización en Gerencia de Proyectos
dc.rightsAcceso Restringido - http://purl.org/coar/access_right/c_16ec
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subject.keywordsInteligencia artificial
dc.subject.keywordsanálisis de datos educativos
dc.subject.keywordsestrategias pedagógicas
dc.subject.keywordsinstituciones educativas públicas
dc.subject.keywordsRefuerzo Acacémico
dc.titlePropuesta de estrategias basadas en inteligencia artificial para el análisis de resultados ICFES y la identificación de temáticas de refuerzo en estudiantes de grado once de las instituciones educativas públicas de Piedecuesta
dc.typeMonografía
dc.type.coarthesis
dcterms.bibliographicCitationAcevedo Argüello, C., Zabala Vargas, S., Rojas Mesa, J., & Guayán Perdomo, O. (2020). Análisis de Redes Sociales como estrategia para estudiar los Sistemas de Innovación. Revisión sistemática de la literatura. Revista Interamericana de Investigación, Educación y Pedagogía, 13(2), 369-402. https://doi.org/10.15332/s1657-107X Aldowah, H., Al-Samarraie, H., & Ghazal, S. (2020). How course, contextual, and technological challenges are related to instructors’ individual challenges to the effective use of learning analytics. Computers & Education, 147, 103771. https://doi.org/10.1016/j.compedu.2019.103771 Bernal Torres, C. A. (2022). Metodología de la investigación (4.ª ed.). Pearson Educación. Congreso de la República de Colombia. (1994). Ley 115 de 1994. Ley General de Educación. Congreso de la República de Colombia. (2012). Ley 1581 de 2012. Protección de datos personales. Departamento Nacional de Planeación. (2019). CONPES 3975. Política Nacional de Inteligencia Artificial. European Commission. (2020). White paper on artificial intelligence: A European approach to excellence and trust. García-Peñalvo, F. J. (2021). Digital transformation in education: Challenges, opportunities and impact. Education in the Knowledge Society, 22, e244. https://doi.org/10.14201/eks.244 Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2018). Metodología de la investigación (6.ª ed.). McGraw-Hill Education. Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. Instituto Colombiano para la Evaluación de la Educación. (2022). Guía de interpretación de resultados Saber 11. ICFES. Instituto Colombiano para la Evaluación de la Educación. (2023). Informe nacional de resultados Saber 11. ICFES.   Jaimes-Quintanilla, M., & Zabala-Vargas, S. (2024). Inteligencia artificial en la gestión de proyectos: Caso construcción y obra civil. European Public & Social Innovation Review, 9, 1-21. https://doi.org/10.31637/epsir-2024-1615 Jaimes-Quintanilla, M., & Zabala-Vargas, S. (2025). Apropiación de tecnologías emergentes en el sector de obra civil: Un análisis cualitativo. En Ciencia Transdisciplinar en la Nueva Era Edición 4 (4.a ed.). Editorial Instituto Antioqueño de Investigación. 10.5281/zenodo.17831487 Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson Education. Mukherjee, S. (2019). Educational data analytics: Theory and practice. Springer. Organisation for Economic Co-operation and Development. (2022). Education at a glance 2022: OECD indicators. OECD Publishing. Papamitsiou, Z., & Economides, A. A. (2020). Learning analytics and educational data mining in practice: A systematic literature review. Computers in Human Behavior, 72, 224–237. https://doi.org/10.1016/j.chb.2016.02.016 Redecker, C., & Punie, Y. (2017). European framework for the digital competence of educators: DigCompEdu. Publications Office of the European Union. Romero, C., & Ventura, S. (2017). Educational data mining: A review of the state of the art. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 7(1), e1181. https://doi.org/10.1002/widm.1181 Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson. Salas-Pilco, S. Z., Yang, Y., & Zhang, Z. (2022). Student engagement in online learning in Latin America: A learning analytics perspective. Computers & Education, 180, 104429. https://doi.org/10.1016/j.compedu.2022.104429   Siemens, G., & Baker, R. S. (2019). Learning analytics and educational data mining: Towards communication and collaboration. Proceedings of the 2nd International Conference on Learning Analytics and Knowledge, 252–254. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO Publishing. UNESCO. (2023). Guidance on generative AI in education and research. UNESCO Publishing. Vázquez-Cano, E., López-Meneses, E., & García-Garzón, E. (2020). Use of artificial intelligence in education: A systematic review. Education in the Knowledge Society, 21, 1–18. https://doi.org/10.14201/eks.22045 Weihrich, H., & Koontz, H. (2020). Administración: Una perspectiva global y empresarial (15.ª ed.). McGraw-Hill. Zabala-Vargas, S., & Jaimes-Quintanilla, M. (2025). Tecnologías 4.0 (IOT y ciencia de datos) orientada a optimizar la gestión de proyectos de construcción. European Public & Social Innovation Review, 10, 1-21. https://epsir.net/index.php/epsir/article/view/1621 Zabala-Vargas, S., Jaimes-Quintanilla, M., & Jimenez-Barrera, M. H. (2023). Big Data, Data Science, and Artificial Intelligence for Project Management in the Architecture, Engineering, and Construction Industry: A Systematic Review. Buildings, 13(12), 2944. https://doi.org/10.3390/buildings13122944 Zabala-Vargas, S., Jiménez-Barrera, M., Vargas-Sanchez, L., & Jaimes-Quintanilla, M. (2023). Big data in construction project management: The Colombian northeast case. Life-Cycle of Structures and Infrastructure Systems, 1, 1, 3476-3483. https://doi.org/0.1201/9781003323020 Zabala-Vargas, S., Martinez-Ortega, J., & Jaimes-Quintanilla, M. (2025). Administración de proyectos apoyada en tecnologías emergentes (inteligencia artificial y ciencia de datos) en el sector de obra civil. VII International conference on applied engineering and innovative technologies-AENIT, Perú. https://easychair.org/cfp/AENIT2025 Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16(39). https://doi.org/10.1186/s41239-019-0171-0

Files

Original bundle

Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
TE.PRO_GomezMejiaRosaInes_2026
Size:
1.84 MB
Format:
Adobe Portable Document Format
Loading...
Thumbnail Image
Name:
Autorizacion_GomezMejiaRosaInes_2026
Size:
320.83 KB
Format:
Adobe Portable Document Format

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description: