Revisión de estrategias basadas en IA, para la predicción y mejora del rendimiento académico estudiantil

Resumen

Este estudio se configura como un campo emergente que redefine las prácticas educativas, en este contexto, la investigación aborda la necesidad analizar las estrategias basadas en inteligencia artificial aplicadas a la predicción y mejora del rendimiento académico estudiantil. El estudio adoptó un enfoque cualitativo de tipo bibliográfico, sustentado en revisión documental y análisis teórico. Se emplearon métodos inductivo-deductivo, analítico-sintético y teórico, articulados con la técnica de análisis documental, para sistematizar información proveniente de artículos científicos y estudios recientes. Como resultados, se identificaron cinco estrategias innovadoras de implementación, entre ellas sistemas de alerta temprana, tutores virtuales emocionales y analítica formativa inmersiva. Dichas estrategias demostraron potencial para anticipar riesgos de deserción, personalizar procesos de enseñanza y promover mayor equidad educativa, aunque enfrentan desafíos éticos, tecnológicos y de formación docente. En conclusión, la inteligencia artificial aplicada a la educación no solo optimiza procesos de predicción y personalización, sino que demanda marcos éticos y políticas educativas inclusivas, su integración efectiva dependerá de la capacidad institucional para articular innovación tecnológica con valores de equidad y calidad formativa.