Paradigmas para la enseñanza de inteligencia artificial en la educación ecuatoriana

Autores/as

DOI:

https://doi.org/10.62305/alcon.v4i3.139

Palabras clave:

inteligencia artificial; enseñanza; aprendizaje; paradigmas para la enseñanza.

Resumen

La enseñanza de la inteligencia artificial en el ámbito educativo ha sido una experiencia única y enriquecedora, dado el papel histórico y continuo. El introducir a los estudiantes en la historia de la inteligencia artificial ha desempeñado un papel fundamental en su desarrollo. Explorar los conceptos clave de la inteligencia artificial como el sistema de producción, el razonamiento simbólico y el aprendizaje automático nos ha permitido desarrollar este tipo de paradigma como un enfoque nuevo en la educación de esta generación. El enseñar los fundamentos de la programación simbólica como manipulación de listas, definición de funciones recursivas, representación simbólica de conocimiento y manipulación de símbolos, cómo diseñar y desarrollar sistemas expertos utilizando inteligencia artificial. Esto implica enseñarles a representar conocimiento de dominio, implementar reglas de inferencia y crear sistemas de retroalimentación para mejorar el rendimiento del sistema. El haber explorado las técnicas de aprendizaje automático simbólico, como la inducción de árboles de decisión, la inferencia bayesiana y la lógica difusa en la colaboración en proyectos de investigación. Al haberse integrado estos paradigmas, los estudiantes pueden obtener una comprensión profunda de la inteligencia artificial mientras desarrollan habilidades prácticas en programación.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Abelson, H. (1996). Structure and Interpretation of Computer Programs, Second Edition. Cambridge.

Arco, J. C. (2023). Implementación de Interfaz en Common. Madrid : Universidad Politécnica de Madrid .

Cruz, F. (2012). Importancia de la evaluación y autoevaluación en el rendimiento académico. México: Revista del Instituto.

García, F. (2023). ¿Por qué enseñar a aprender en la universidad? Madrid: Dialnet.

Jr., G. S. (1990). Common LISP. The Language. Second Edition. Massachusetts: Digital Press; 2nd Updated edición.

Keene, S. E. (1989). Object-Oriented Programming in COMMON LISP: A Programmer's Guide to CLOS. Addison-Wesley Professional.

Lamkins, D. (2004). Successful Lisp: How to Understand and Use Common Lisp. BookFix.com .

McCarthy, J. (1960). Recursive Functions of Symbolic Expressions. Massachusetts: Massachusetts Institute of Technology.

McCarthy, J. (1985). Programmer´s manual. Cambridge: Massrchusetts Institute of Toohnology.

Moyne, J. (2023). LISP. PRIMER LENGUAJE PARA PROGRAMADORES DE COMPUTADORAS.

Santos, M. (2019). La magia del triángulo: convivencia, conflicto e inclusión. Málaga: Contextos Educativos .

Seibel, P. (2005). Practical Common Lisp. Berkeley: Apress.

Shapiro, S. (1991). Common LISP: an interactive approach. New York: Library of Congress Cataloging-in-Publication Data.

Steele, G. (11990). Common LISP. The Language. Second Edition . Boston: Digital Press; 2nd Updated edición.

Touretzky, D. S. (1989). COMMON LISP:. California: Carnegie Mellon University.

Walrond, A. (2009). Practical Common Lisp - Distilled.

Watson, M. (2024). Loving Common Lisp, or the Savvy Programmer's Secret Weapon. McGraw-Hill.

Descargas

Publicado

2024-05-16

Cómo citar

Bastidas Logroño, D. J. ., Zambrano Socola, J. M., Coronel Iñaguazo, A. C., & Ramirez Requelme, M. M. (2024). Paradigmas para la enseñanza de inteligencia artificial en la educación ecuatoriana . Revista Científica De Innovación Educativa Y Sociedad Actual "ALCON", 4(3), 49–56. https://doi.org/10.62305/alcon.v4i3.139

Número

Sección

Artículos originales