sábado, 6 de diciembre de 2025

TRABAJO 6: USO DE COPILOT EN LA EDUCACIÓN SUPERIOR.

 

UNIVERSIDAD TECNOLÓGICA BOLIVIANA

DIPLOMADO EN EDUCACIÓN SUPERIOR POR COMPETENCIAS APLICADO A LA INTELIGENCIA ARTIFICIAL

MODULO IV.

LA INVESTIGACIÓN CIENTÍFICA MEDIANTE EL USO DE LA INVESTIGACIÓN ARTIFICIAL – PARALELO F EXPRESS.



USO DE COPILOT EN LA EDUCACIÓN SUPERIOR.

 

 

ESTUDIANTE:                    Ing. Victor Ortiz Sirpa

DOCENTE:                          Dr. Pablo Aranda Manrique PhD.

 

 

 

Bolivia

2025

1. INTRODUCCIÓN.

 

El uso de Copilot se convierte en una herramienta esencial para analizar, como una de las tecnologías inteligentes en la formación profesional a nivel universitario, La elección del tema responde al creciente interés de las estudiantes, casas de estudio superior por integrar tecnologías digitales que potencien la investigación, la escritura académica y la productividad en todo su plantel.

 

Un paradigma crítico permitiría cuestionar las tecnologías como fenómenos sociales y sus implicaciones éticas, pedagógicas y culturales. Desde ese enfoque, la investigación buscaría interpretar la percepción y narrativas de estudiante y docentes al adoptan una IA Copilot como soporte educativo en su formación académico.

 

2. PLANTEAMIENTO DEL PROBLEMA.

 

Estas herramientas de inteligencia artificial como Copilot ha llegado con fuerza para quedarse en las universidades, transformando la manera en que los estudiantes producen textos, resuelven problemas técnicos y acceden a información rápida. Sin embargo, su uso también genera desafíos relacionados con la dependencia, la ética académica, surge una necesidad de comprender cuales serían los impactos reales por utilizar esta IA.

 

Formulación del problema.

 

El uso de Copilot en la educación superior influye directamente en el desarrollo de competencias, autónomas y reflexivas de los estudiantes y docentes, generando tanto beneficios como riesgos asociados a la dependencia tecnológica y a la disminución de la capacidad de análisis independiente crítico.

 

3. PROPOSITO DE LA INVESTIGACIÓN.

 

Propósito general.

 

Evaluar el uso de la IA como Copilot en la educación superior desde un paradigma crítico y un enfoque cualitativo.

 

Propósitos específicos.

 

Identificar los beneficios pedagógicos y académicos con el uso de Copilot.

Determinar los riegos con la dependencia tecnológica en universitarios.

 

4. JUSTIFICACIÓN.

 

Justificación académica.

 

Esta investigación tiene la necesidad de analizar como el uso de Copilot influye en la formación académica dentro de la Universidad Tecnológica Boliviana Postgrado, ya que se va incorporando cada vez más herramientas de inteligencia artificial es fundamental ver su impacto en el aprendizaje, y desarrollo. Este análisis permitirá identificar los beneficios, riesgos y desafíos dentro del proceso formativo en las practicas pedagógicas.

 

Justificación metodológica.

 

La presente investigación se basa en el enfoque cualitativo el cual nos permite comprender la percepción y experiencia de docente y estudiantes, el uso de Copilot en la educación superior facilita comprender las dinámicas reales dentro del aula con la aplicación de las IA, influyendo directamente en los procesos de enseñanza.

 

Justificación social.

 

La investigación responde a la necesidad de comprender el uso de Copilot el cual tendrá un impacto en todo los docentes y estudiantes, esto permitirá orientar de mejor manera en las prácticas educativas dentro del aula y familiarizarse con las tecnologías emergente, se busca promover un uso responsable y ético de las IA.

 

5. SUPUESTO DE INVESTIGACIÓN.

 

Esta herramienta de inteligencia artificial Copilot mejorara varios procesos de aprendizaje, pero un riesgo latente es la dependencia del mismo el cual se deberá mediar bajo un análisis crítico del usuario que utilice esta IA u otras.

 

6. ESTADO DEL ARTE.

 

La inteligencia artificial está transformando los entornos en la educación de manera automática y diseños para colaborar con información, Cabero (2022) indica que la inteligencia artificial en la educación no solo transforma la forma en que los estudiantes acceden a la información, sino que también impulsa nuevas dinámicas pedagógicas basadas en la personalización y la interacción inteligente.

 

Por lo panto la IA es la manera en que el docente y estudiante accedan de manera óptima y rápida al conocimiento, “La inteligencia artificial redefine la manera en que los estudiantes acceden al conocimiento, reorganiza las prácticas pedagógicas y transforma los roles educativos, generando nuevas formas de interacción entre tecnología y aprendizaje” (García, 2022, p. 44).

 

Los autores como Martínez (2020) señalan que la IA permite identificar patrones de estudio, predecir dificultades y apoyar una retroalimentación personalizada. Esta afirmación respalda que su presencia funcional, sino estratégica dentro de los nuevos modelos educativos.

 

Herramienta educativa Copilot.

 

Microsoft Copilot es una herramienta que utiliza modelos lingüísticos avanzados para procesar lenguaje natural y asistir a los usuarios en diversas tareas académicas, “Copilot está diseñado para asistir al usuario en diversas tareas mediante lenguaje natural, proporcionando sugerencias, contenidos y soluciones que optimizan la productividad, permitiendo así un uso más eficiente del tiempo y los recursos académicos” (Microsoft, 2023).

 

Asimismo, (Microsoft 2023) explica que puede crear, resumir, corregir y transformar la información en tiempo real, lo que le convierte en un asistente digital de amplio alcance en la educación superior tanto para el docente como el estudiante.

 

La afirmación “la adopción de herramientas basadas en IA requiere una reflexión profunda sobre sus efectos en la autonomía del estudiante y en la originalidad de los productos académicos” (Ruiz y Peña 2022, p. 48). El uso de Copilot debe integrarse dentro de marcos éticos y pedagógicos previamente definidos.

 

La incorporación de copilot exigiría a los estudiantes que desarrollen competencias digitales, asi como la habilidad de análisis crítico, “la educación superior debe promover una cultura digital que no solo facilite el acceso a la información, sino que fortalezca el criterio y la capacidad de evaluación del estudiante” (Tünnermann 2021, p. 57). La IA obliga a profundizar más en criterio.

 

Adicionalmente, se menciona que “el docente debe asumir un rol mediador que oriente el uso ético, creativo y reflexivo de la inteligencia artificial en el aula universitaria” (Molina, 2022, p. 26). Esto nos muestra que las casas de estudios superiores deben de actualizar su metodología de enseñanza.

 

BIBLIOGRAFÍA.

 

Cabero, J. (2022). Inteligencia artificial aplicada a la educación, Madrid, España: Editorial Síntesis.

García, M., & López, A. (2021). Transformación digital en universidades latinoamericanas, Ciudad de México, México: Alfaomega.

Martínez, R. (2020). Tecnologías emergentes para el aprendizaje superior, Madrid, España: Pearson.

Microsoft. (2023). Microsoft Copilot: Documentación oficial, En https://learn.microsoft.com

Molina, F. (2022). Competencias digitales en educación superior, Buenos Aires, Argentina: EduTech Press.

Ruiz, P., & Peña, S. (2022). Ética digital y herramientas inteligentes, Madrid, España: McGraw-Hill.

Tünnermann, C. (2021). Universidad y transformación digital, Barcelona, España: Paidós

 

TRABAJO 5: EL USO DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN SUPERIOR

 

UNIVERSIDAD TECNOLÓGICA BOLIVIANA

 



  

DIPLOMADO EN EDUCACIÓN SUPERIOR POR COMPETENCIAS APLICADO A LA INTELIGENCIA ARTIFICIAL

 

DOCUMENTO CIENTÍFICO

 

EL USO DE LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN SUPERIOR

 

Estudiante:                      Victor Ortiz Sirpa

Docente:                                    Pablo Aranda Manrique PhD.

 

 

 

 

 

La Paz - Bolivia

2025

 

 

 

1. INTRODUCCIÓN.

 

La incorporación de la Inteligencia Artificial (IA) en la educación superior surge como una estrategia innovadora para adecuar los procesos de enseñanza-aprendizaje a las necesidades de los estudiantes, optimizar los recursos académicos y adaptarse a la tecnología. Se pretende analizar cómo las tecnologías pueden transformar la educación universitaria, tanto en sus beneficios como en sus desafíos, y ver los resultados en la calidad educativa.

Esta investigación tiene como un obejtivo examinar los principales usos, beneficios y riesgos de la IA dentro de la educación superior, evaluando cómo su implementación puede modificar metodologías de enseñanza. De esta manera, se busca ofrecer una visión crítica que permita ponderar ventajas y limitaciones de su integración en instituciones de educación superior.

 

2. DESARROLLO.

 

Según los reciente estudios sobre los efectos de la IA en la educación superior:

La inteligencia artificial ha despertado un creciente interés entre los usuarios, generando un aumento en su uso para aprovechar sus beneficios en ámbitos como la solución de problemas, la personalización de servicios y el estímulo de la creatividad. (Discoveries S. 2023)

Esto indicaria que la IA se emplea no solo como herramienta, sino como medio para adaptar el aprendizaje al ritmo, estilo y necesidades de cada estudiante, promoviendo una enseñanza más personalizada.

Además, en la investigación sobre IA en educación superior se señala que:

La integración de la Inteligencia Artificial (IA) en la educación permite adaptar los contenidos a las necesidades individuales de los estudiantes y fomenta una enseñanza más inclusiva y equitativa.(Liceo A., 2023).

Este uso permite potencialmente reducir brechas de acceso al conocimiento, especialmente en contextos donde hay diversidad de estudiantes con distintos perfiles.

Por otro lado, un análisis reciente demuestra que la adopción de IA en universidades no está exenta de desafíos éticos y técnicos. Según dicho análisis:

La integración de IA dentro de la educación superior ha dado lugar a importantes preocupaciones éticas … incluyendo preocupaciones sobre la privacidad de datos, equidad en recursos educativos y sesgos algorítmicos. (springernk E., 2025)

Estos riesgos implican que, sin regulaciones adecuadas — transparencia, protección de datos, políticas institucionales — la IA podría generar desigualdades o comprometer la integridad académica.

También, un estudio sobre la percepción de docentes respecto al uso de IA en la universidad revela que muchos consideran que el uso de estas herramientas requiere capacitación profesional:

Faculty perspectives on the use of artificial intelligence (AI) in higher education are crucial for AI’s meaningful integration … sin embargo, la investigación es escasa. (Springernk E., 2025)

Este hallazgo resalta que la efectividad de la IA depende en buena parte de la preparación de los docentes y su disposición a integrar nuevas tecnologías de forma pedagógica — no meramente técnica.

Finalmente, en trabajos recientes se advierte que la implementación de IA en educación superior también debe considerar las desigualdades en acceso tecnológico, sobre todo en regiones con limitaciones de infraestructura:

“La integración de IA tecnologías en educación puede presentar obstáculos para estudiantes de entornos desfavorecidos, quienes pueden tener menor competencia digital y menor acceso a tecnologías.” (MDPI, 2025)

Esto implica que sin una planificación inclusiva, la IA podría exacerbar brechas educativas en lugar de reducirlas.

 

3. CONCLUSIÓN.

 

La incorporación de la IA en la educación superior representa una oportunidad significativa para modernizar la enseñanza, personalizar, optimizar recursos y facilitar una educación más inclusiva. Su implementación conlleva riesgos reales como problemas de infraestructura, capacitación docente y desigualdad en acceso. Para que la IA contribuya al mejoramiento educativo, su uso debe estar regulado, acompañado de políticas institucionales, formación adecuada y estrategias inclusivas. Solo así podrá responder al objetivo de mejorar la calidad y equidad en la educación universitaria

 

4. BIBLIOGRAFÍA.

 

Educational Technology Journal (2024). Faculty perspectives on the use of artificial intelligence (AI) in higher education. SpringerOpen, Alemania: Springer.

Liceo Aduanero (2023). Integración de la Inteligencia Artificial en la educación y su aporte para la inclusión educativa. Ecuador: Revista Educativa del Liceo Aduanero.

MDPI Education Sciences (2025). AI Technologies in Education: Opportunities and Barriers for Students from Disadvantaged Backgrounds. Suiza: MDPI.

Sapiens Discoveries (2023). La inteligencia artificial y sus beneficios en el aprendizaje y la creatividad. México: Sapiens Discoveries International Journal.

Springer Ethics & Education (2025). Ethical challenges in integrating Artificial Intelligence in Higher Education. Alemania: Springer.

 

TRABAJO 4: LA INVESTIGACIÓN CUANTITATIVA VERSUS CUALITATIVA EN LA INGENIERÍA CIVIL.

 

UNIVERSIDAD TECNOLÓGICA BOLIVIANA





 

DIPLOMADO EN EDUCACIÓN SUPERIOR POR COMPETENCIAS APLICADO A LA INTELIGENCIA ARTIFICIAL

 

DOCUMENTO CIENTÍFICO

 

LA INVESTIGACIÓN CUANTITATIVA VERSUS CUALITATIVA EN LA INGENIERÍA CIVIL.

 

Estudiante:        Victor Ortiz Sirpa

Docente:            Pablo Aranda Manrique PhD.

 

 

La Paz - Bolivia

2025

1. INTRODUCCIÓN.

 

La investigación cuantitativa es la más utilizada en ingeniería civil, pues esta disciplina depende ampliamente de datos medibles, cálculos estructurales, análisis estadísticos y modelos matemáticos.

La investigación cualitativa se enfoca en comprender la práctica profesional, la percepción de trabajadores sobre las medidas de seguridad, la gestión de proyectos, el impacto social. Este enfoque no busca medir datos numéricos, sino interpretar experiencias, prácticas constructivas y procesos sociales asociados al desarrollo de infraestructura.

 

¿Por qué en investigación cualitativa no se usa este enfoque en ingeniería civil?

 

En ingeniería civil, la investigación cualitativa no se usa como enfoque principal por que se requiere una precisión numérica, cálculos verificables, datos medibles, diseño modelado de las estructuras la cualitativa va más dirigido a aspectos sociales y mediditas de seguridad.

 

2. OBJETIVO GENERAL.

 

Comparar los enfoques cualitativo y cuantitativo aplicados a la ingeniería civil, dentro a los procesos de investigación científica.

 

OBJETIVOS ESPECÍFICOS.

 

Identificar las características principales de los enfoques cualitativo y cuantitativo aplicados a problemas de ingeniería civil.

Determinar las razones por las cuales la investigación cualitativa no se emplea como método principal en proyectos de diseño y análisis técnico.

 

3. ESTADO DEL ARTE.

 

La investigación cualitativa en ingeniería civil permite analizar no solo los procesos constructivos, sino también las dinámicas humanas presentes en obra. Comprender cómo interactúan los trabajadores y cómo perciben la seguridad influye directamente en la eficiencia del proyecto. Este tipo de análisis aporta una visión más amplia que los simples datos numéricos (Hernández, 2016).

A diferencia del enfoque cuantitativo, el método cualitativo privilegia la interpretación profunda de los fenómenos sociales presentes en un proyecto de infraestructura. Esta perspectiva es fundamental cuando se estudian impactos sociales, conflictos comunitarios o la percepción ciudadana ante una obra pública. Su valor radica en captar aquello que los números no muestran (Martínez, 2014).

En ingeniería civil, comprender la opinión del usuario final es esencial, especialmente en proyectos como carreteras, puentes o sistemas de transporte. La investigación cualitativa facilita el análisis de estas percepciones, permitiendo mejoras en el diseño orientadas al bienestar social. De esta forma, la técnica complementa la visión estrictamente técnica del ingeniero (Villanueva, 2018).

La observación directa en campo constituye una herramienta clave para el análisis cualitativo dentro de la ingeniería civil. A través de ella es posible identificar patrones de comportamiento, fallas en la organización y factores humanos que afectan la productividad. Esta información, aunque no cuantificable, es crucial para la toma de decisiones (Sandoval, 2017).

El enfoque cuantitativo sigue siendo el pilar de la ingeniería civil debido a su precisión en la medición y modelación de variables. La resistencia de materiales, los esfuerzos internos o la capacidad de carga de un suelo requieren cifras verificables y repetibles. Por ello, la validez de las decisiones técnicas depende de datos numéricos confiables (Robles, 2015).

La seguridad estructural únicamente puede garantizarse mediante análisis matemáticos y datos numéricos. En ese sentido, la investigación cuantitativa se convierte en un requisito indispensable para el diseño de infraestructuras seguras. Los ingenieros deben basar sus decisiones en cálculos que puedan evaluarse y reproducirse con exactitud (López, 2013).

Los ensayos de laboratorio, tales como la compactación, la granulometría o la resistencia a la compresión, permiten obtener datos concretos sobre el comportamiento de los materiales. Estos valores son esenciales para predecir su desempeño en obra. La investigación cuantitativa, por tanto, proporciona un fundamento técnico esencial para la práctica profesional (Vargas, 2020).

La utilización de modelos matemáticos y simulaciones constituye una herramienta poderosa para representar fenómenos estructurales o hidráulicos. Estas representaciones permiten prever riesgos, optimizar diseños y reducir costos. Así, el enfoque cuantitativo se posiciona como una base sólida para cualquier análisis técnico riguroso (Pérez, 2019).

 

4. CONCLUSIÓN.

 

La investigación cualitativa y cuantitativa cumplen funciones distintas dentro de la ingeniería. La cuantitativa es indispensable para cálculos, análisis, modelaciones y procesos donde la precisión determina la seguridad de las obras. La cualitativa, no sustituye a los métodos numéricos, complementa el análisis con percepciones humanas, condiciones sociales dentro de los proyectos. Ambas pueden coexistir, pero la ingeniería, por su naturales matematica, se fundamenta en el método cuantitativo

 

5. BIBLIOGRAFÍA.

 

Hernández, R. (2016). Metodologías cualitativas en ciencias aplicadas. México: Alfaomega.

López, C. (2013). Seguridad estructural y análisis numérico. Bogotá - Colombia: Ecoe Ediciones.

Martínez, P. (2014). Enfoques de investigación científica. Buenos Aires - Argentina: Tetra Editores.

Pérez, J. (2019). Modelación matemática para ingeniería. Lima - Peru: Ingeniería Global.

Robles, L. (2015). Métodos cuantitativos aplicados a la ingeniería. Santiago- Chile: Ediciones Técnicas.

Sandoval, F. (2017). Observación y análisis en obras civiles. Quito - Ecuador: Ediciones Constructor.

Vargas, M. (2020). Ensayos de materiales para ingeniería civil. Bogotá - Colombia: Norma.

Villanueva, A. (2018). Infraestructura y percepción ciudadana. La Paz - Bolivia: Andina Consultores.

TRABAJO 3

 CITAS DIRECTAS DE CANCIONES Y PELICULAS CON IA.

Giraldo, C. (2019). Ocean. Miami, Estados Unidos: Universal Music Latino.

Claure, W.  (2019). Cantarina. La Paz, Bolivia: Willy Claure prod.

Wick, D. (2000). Gladiator. Los Ángeles, Estados Unidos: DreamWorks.

Aguilar, R. (2007). ¿Quién mató a la llamita blanca? La Paz, Bolivia: Ukamau.

Pacheco L. (1973). Tres pasos al frente. Cochabamba, Bolivia: Jumping Studios.

TRABAJO 2.

 CREACIÓN DE UN BLOG CON INTELIGENCIA ARTIFICIAL.


https://ortizsirpavictor.blogspot.com/

TRABAJO 1.


REDACCIÓN DE UN DC CONFIGURACIÓN DEL PÁRRAFO.



TRABAJO 6: USO DE COPILOT EN LA EDUCACIÓN SUPERIOR.

  UNIVERSIDAD TECNOLÓGICA BOLIVIANA DIPLOMADO EN EDUCACIÓN SUPERIOR POR COMPETENCIAS APLICADO A LA INTELIGENCIA ARTIFICIAL MODULO IV. ...