Por Óscar López-Regalado*[i], Nemecio Núñez-Rojas**[ii] y José Sánchez-Rodríguez*[iii]
*Universidad César Vallejo, Perú
**Universidad San Ignacio de Loyola, Perú
***Universidad de Málaga, España
Palabras clave: PIXEL-BIT, IA, universidad
El avance tecnológico ha transformado las conductas y hábitos globales, especialmente en comunicación, interacción y consumo de información, gracias a las Tecnologías de la Información y la Comunicación (TIC) que ahora forman parte integral de la vida diaria. En este contexto surge la necesidad de que los sistemas educativos del mundo evolucionen y de manera particular las universidades se adapten a las tendencias y prácticas sociales del momento (Bozkurt et al., 2021).
En este contexto, la Inteligencia Artificial (IA) es uno de los conceptos con un desarrollo exponencial en los últimos meses, en diferentes campos del saber humano, incluido la educación. La IA se originó en 1950 y se implementó por primera vez en 1956. Se concibió como sistemas informáticos que realizan tareas cognitivas similares a las mentales humanas, incluyendo aprendizaje automático, procesamiento del lenguaje natural, minería de datos, redes neuronales y algoritmos para resolver problemas. (King, 2023; Kit et al., 2021; Rangel-de Lázaro & Duart, 2023).
La IA tiene el potencial de ser utilizada en diferentes áreas de la ciencia; en el campo educativo contribuye a la automatización de: labores administrativas, pedagógicas, apoyo dentro del aula a estudiantes y docentes. Además, fuera del ámbito escolar sirve como apoyo para la realización de labores académicas de ambos (Hinojo-Lucena et al., 2019). Sin embargo, en el aspecto académico, aún no está contribuyendo al desarrollo de pensamiento superior como el pensamiento crítico, resolución de problemas, creatividad y gestión del conocimiento (Bates et al., 2020); en la educación universitaria falta una reflexión crítica sobre: las implicaciones pedagógicas, éticas, metacognitivas, evaluación e integridad académica (Bozkurt et al., 2021; Khosravi et al., 2022); asimismo, en educación existe mucha preocupación sobre la IA generativa en torno a la enseñanza, aprendizaje, originalidad y el plagio como consideraciones éticas para un mundo más conectado en el ámbito educativo (Chatterjee & Dethlefs, 2023; Lim et al., 2023).
En la educación superior universitaria, se debe aprovechar al máximo la IA, desarrollando un lenguaje preciso y específico, a fin de comprender cómo las tecnologías impulsadas por IA afectan la dinámica de los procesos de enseñanza y aprendizaje (Bearman et al., 2023).
El avance de las IA y las tecnologías informáticas emergentes como: la computación cuántica, dispositivos portátiles, robots, dispositivos de detección, dispositivos inalámbricos y 5G, puede utilizarse para la enseñanza, aprendizaje y gestión educativa (Gwo-Jen et al., 2020).
La enseñanza de la IA tuvo su inicio en la educación universitaria, cuando los educadores de programación avanzada tenían dificultades al transmitir ideas y conceptos a los estudiantes K-12, sobre programación basada en sintaxis (Kit et al., 2021), en esa línea se utiliza con más frecuencia software educativo que incorporan técnicas de inteligencia artificial con la intención de fortalecer el proceso de enseñanza y aprendizaje (Bates et al., 2020).
Fuente de la imagen: Pexels
Las universidades deben abordar la IA, de acuerdo a los cambios sociotécnicos que producen las transformaciones sobre la percepción de autoridad y las capacidades de acción en el ámbito académico (Bearman et al., 2023); asimismo tratarla desde el punto de vista distópico (presente en la actualidad), afrontando los desafíos, oportunidades y utópico (futuro cercano), asimilando el crecimiento exponencial de la tecnología y el incremento de la capacidad de la IA, que desafía las prácticas laborales y juegan un papel fundamental en la evolución de la sociedad (Bearman et al., 2023; Carson, 2019; Moscardini et al., 2022).
La aplicación de la IA en la educación superior ofrece oportunidades como utilizar modelos de aprendizaje basados en IA hasta la ética en su aplicación, incluyendo: la evaluación del rendimiento de los estudiantes, investigación de la eficacia de los sistemas de IA, reevaluación de las teorías educativas existentes, la importancia de uso del análisis de big data, así como la colaboración entre humanos y sistemas de IA (Gwo-Jen et al., 2020).
Algunos profesionales universitarios tienen preocupación porque muchos estudiantes hagan un mal uso de las herramientas IA para plagiar, integridad académica o hacer un mal uso de los datos en investigación (Bockting et al., 2023 citado en Crawford et al., 2023); sin embargo, los docentes universitarios deben de tener la predisposición de generar nuevas formas de aprendizaje (Crawford et al., 2023) adaptando su estilo de enseñanza, evaluación y elaboración de materiales didácticos.
La IA en las universidades afecta a: la enseñanza, aprendizaje, proceso de enseñanza – aprendizaje, gestión educativa y a la propia investigación, para conocerlo se plantea las siguientes preguntas: ¿Cuál es la producción anual, la distribución por países y fuentes que publican sobre la investigación?; ¿Qué relación existe entre los títulos, palabras clave del autor y el resumen de los artículos?; ¿Qué relevancia temporal tiene las palabras clave en el contexto del estudio?; ¿Cómo se produce la colaboración entre autores y la frecuencia de citación de los artículos investigados?; ¿Cuál es el aporte de la IA a la enseñanza, aprendizaje, proceso de enseñanza-aprendizaje, gestión educativa e investigación a las universidades entre los años 2019 a 2023?.
Referencias Bibliográficas
Bates, T., Cobo, C., Mariño, O., & Wheeler, S. (2020). Can artificial intelligence transform higher education? International Journal of Educational Technology in Higher Education, 17(1), 42. https://doi.org/10.1186/s41239-020-00218-x
Bearman, M., Ryan, J., & Ajjawi, R. (2023). Discourses of artificial intelligence in higher education: A critical literature review. Higher Education, 86(2), 369-385. https://doi.org/10.1007/s10734-022-00937-2
Bozkurt, A., Karadeniz, A., Baneres, D., Guerrero-Roldán, A. E., & Rodríguez, M. E. (2021). Artificial intelligence and reflections from educational landscape: A review of AI studies in half a century. Sustainability (Switzerland), 13(2), 1-16. Scopus. https://doi.org/10.3390/su13020800
Carson, J. T. (2019). Blueprints of distress?: Why quality assurance frameworks and disciplinary education cannot sustain a 21st-century education. Teaching in Higher Education, 24(8), 1014-1023. https://doi.org/10.1080/13562517.2019.1602762
Chatterjee, J., & Dethlefs, N. (2023). This new conversational AI model can be your friend, philosopher, and guide … And even your worst enemy. Patterns, 4(1). https://doi.org/10.1016/j.patter.2022.100676
Crawford, J., Cowling, M., & Allen, K. A. (2023). Leadership is needed for ethical ChatGPT: Character, assessment, and learning using artificial intelligence (AI). Journal of University Teaching and Learning Practice, 20(3), 2. https://doi.org/10.53761/1.20.3.02
Gwo-Jen, H., Xie, H., Wah, B. W., & Gašević, D. (2020). Vision, challenges, roles and research issues of Artificial Intelligence in Education. Computers and Education: Artificial Intelligence, 1, 100001. https://doi.org/10.1016/j.caeai.2020.100001
Hinojo-Lucena, F.-J., Aznar-Díaz, I., Cáceres-Reche, M.-P., & Romero-Rodríguez, J.-M. (2019). Artificial Intelligence in Higher Education: A Bibliometric Study on its Impact in the Scientific Literature. Education Sciences, 9(1), Article 1. https://doi.org/10.3390/educsci9010051
Khosravi, H., Shum, S. B., Chen, G., Conati, C., Tsai, Y.-S., Kay, J., Knight, S., Martinez-Maldonado, R., Sadiq, S., & Gašević, D. (2022). Explainable Artificial Intelligence in education. Computers and Education: Artificial Intelligence, 3, 100074. https://doi.org/10.1016/j.caeai.2022.100074
King, M. R. (2023). A Conversation on Artificial Intelligence, Chatbots, and Plagiarism in Higher Education. Cellular and Molecular Bioengineering, 16(1), 1-2. https://doi.org/10.1007/s12195-022-00754-8
Kit, D. T., Lok, J. K., Wah, S. K., & Shen, M. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
Kit, D. T., Lok, J. K., Wah, S. K., & Shen, M. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041. https://doi.org/10.1016/j.caeai.2021.100041
Lim, W. M., Gunasekara, A., Pallant, J. L., Pallant, J. I., & Pechenkina, E. (2023). Generative AI and the future of education: Ragnarök or reformation? A paradoxical perspective from management educators. The International Journal of Management Education, 21(2), 100790. https://doi.org/10.1016/j.ijme.2023.100790
Moscardini, A. O., Strachan, R., & Vlasova, T. (2022). The role of universities in modern society. Studies in Higher Education, 47(4), 812-830. https://doi.org/10.1080/03075079.2020.1807493
Rangel-de Lázaro, G., & Duart, J. M. (2023). You Can Handle, You Can Teach It: Systematic Review on the Use of Extended Reality and Artificial Intelligence Technologies for Online Higher Education. Sustainability, 15(4), Article 4. https://doi.org/10.3390/su15043507
Artículo original:
López Regalado, O., Núñez-Rojas, N., López Gil, O. R., & Sánchez-Rodríguez, J. (2024). El Análisis del uso de la inteligencia artificial en la educación universitaria: una revisión sistemática. Pixel-Bit. Revista De Medios Y Educación, 70 https://doi.org/10.12795/pixelbit.106336
Cómo citar esta entrada:
López Regalado, Óscar; Núñez-Rojas, Nemecio; López Gil, Oscar Rafael, & Sánchez-Rodríguez, José (2024). Análisis del uso de la inteligencia artificial en la universidad. Aula Magna 2.0 [Blog]. https://cuedespyd.hypotheses.org/15834
[i] Doctor en Investigación e Innovación Educativa por la Universidad de Málaga – España. Docente de postgrado en la Universidad César Vallejo. Investigador RENACYT certificado por CONCYTEC del Perú. Autor de artículos en revistas indexadas de impacto, autor y coautor de libros. Temas de interés relacionados con tecnologías educativas
[ii] Doctor en Ciencias de la Educación y Licenciado en Educación: Física y Matemáticas por la Universidad Nacional Pedro Ruiz Gallo (Perú). Profesor Investigador de la Universidad San Ignacio de Loyola (Perú), Investigador RENACYT certificado por CONCYTEC de Perú, autor de libros, capítulos de libros y artículos científicos.
[iii] Doctor en Pedagogía. Profesor Titular del Departamento de Didáctica y Organización Escolar (Facultad de Ciencias de la Educación de la Universidad de Málaga, España). Autor de publicaciones en revistas indexadas de impacto, coautor de libros y publicaciones/contribuciones en congresos nacionales e internacionales y evaluador de artículos de investigación en revistas indexadas. Los temas de interés son los relacionados con la tecnología educativa.
OpenEdition le sugiere que cite este post de la siguiente manera:
Aula Magna 2.0 (31 de mayo de 2024). Análisis del uso de la inteligencia artificial en la universidad. Aula Magna 2.0. Recuperado 4 de octubre de 2024 de https://doi.org/10.58079/11r1k
La Industria 4.0 representa una nueva era de fabricación, donde las tecnologías digitales y físicas se fusionan para crear sistemas de producción altamente automatizados y conectados. Imaginemos fábricas donde las máquinas se comunican entre sí, los productos se ensamblan de manera personalizada y los datos se utilizan para optimizar cada etapa del proceso. Esta transformación radical está impulsada por un conjunto de tecnologías disruptivas como la Inteligencia Artificial, el Internet de las Cosas y la robótica avanzada.
Más allá de aumentar la eficiencia y la productividad, esta revolución industrial tiene el potencial de transformar la forma en que vivimos y trabajamos. Desde la creación de productos personalizados hasta la mejora de la sostenibilidad, las implicaciones de la Industria 4.0 son vastas y profundas. Sin embargo, esta transformación también plantea desafíos importantes, como la necesidad de desarrollar nuevas habilidades laborales y abordar las preocupaciones sobre la automatización de empleos.
Esta cuarta revolución industrial, marcada por la fusión de tecnologías digitales y físicas, está transformando radicalmente la forma en que producimos y consumimos. Desde la manufactura hasta la logística, la Industria 4.0 está impulsando una nueva era de eficiencia, personalización y sostenibilidad. Así mismo, se podría decir “Bienvenido a la era de las fábricas inteligentes. Donde los datos son el nuevo petróleo y la personalización es la norma”.
INTERNET DE LAS COSAS INDUSTRIAL (IIOT)
Es el conjunto de sensores, instrumentos y dispositivos autónomos conectados a través de Internet a aplicaciones industriales. Esta red permite recopilar datos, realizar análisis y optimizar la producción, aumentando la eficiencia y reduciendo los costes del proceso de fabricación y prestación de servicios.
Para que una red IIoT sea efectiva, debe hacer dos cosas esenciales: 1. Una red IIoT efectiva requiere conectar dispositivos y activos a un sistema central y gestionar los datos recolectados. 2. Las redes IIoT se basan en tecnologías como Conectividad (incluido 5G), Sensores IIoT, Potencia de computación en la nube, computación de borde, IA, machine learning y seguridad cibernética.
Características del internet industrial de las cosas (iiot). No todos los sistemas pueden clasificarse como IIoT. Requiere sistemas conectados en red que generen datos para análisis y produzcan acciones concretas. Funciona en capas; Dispositivos: sensores, localizadores GPS, máquinas, entre otros. Red: conectividad entre dispositivos y servidores a través del cloud computing o el edge computing. Servicios: aplicaciones informáticas que analizan y procesan datos para ofrecer un servicio concreto. Contenido: interfaz con el operario humano, como ordenador, tablet, gafas de realidad virtual o realidad aumentada.
Aplicaciones del internet industrial de las cosas (iiot)
Aplicaciones del Internet de las Cosas en la industria: Uso de vehículos autónomos para transporte en fábricas. Optimización del rendimiento de máquinas con sensores y procesamiento de datos. Mejora de logística y distribución con sensores en productos almacenados.
Beneficios del internet industrial de las cosas (iiot)
Las Posibilidades y beneficios del iiot son enormes, incluyendo toma de decisiones rápida y sustentada gracias a información precisa de dispositivos, identificación de patrones y oportunidades. Mantenimiento predictivo y preventivo: análisis de datos de sensores permite predecir fallos, aumentando calidad.
INTELIGENCIA ARTIFICIAL (IA) Y MACHINE LEARNING (ML)
La IA se refiere a la simulación de procesos de inteligencia humana por parte de sistemas informáticos. Esto incluye el aprendizaje, el razonamiento y la autocorrección. Por otro lado, el machine learning es una rama de la IA que se centra en el desarrollo de algoritmos que permiten a las computadoras aprender de datos y mejorar su rendimiento con el tiempo sin ser programadas explícitamente para cada tarea.
La Inteligencia Artificial (IA) y el Machine Learning (ML) son conceptos relacionados pero distintos; la IA es un campo amplio que se refiere al uso de tecnologías para crear máquinas y computadoras que puedan imitar funciones cognitivas asociadas con la inteligencia humana. Permite que las máquinas aprendan, vean, entiendan y respondan al lenguaje, analicen datos, hagan recomendaciones, etc. Es la capacidad de las máquinas de mostrar habilidades y comportamientos “inteligentes”.
El ML es una rama de la IA que permite que las máquinas aprendan y mejoren automáticamente a partir de la experiencia y el procesamiento de datos, usa estadísticas y algoritmos para identificar patrones y hacer predicciones. Es la técnica que se utiliza para mejorar las capacidades “inteligentes” de las máquinas, por ello, hay puntos clave como:
La Inteligencia Artificial (IA) es más general que el Machine Learning (ML), ya que este último se enfoca en el aprendizaje computacional dentro de la IA.
Tanto la IA como el ML contribuyen a la eficiencia y automatización al permitir la realización de tareas de manera más rápida y precisa, como en el caso de los robots en la manufactura.
El Machine Learning es fundamental para la toma de decisiones basadas en datos al analizar información para identificar patrones y hacer predicciones, especialmente beneficioso en áreas como la salud para predecir brotes de enfermedades y personalizar tratamientos.
La Inteligencia Artificial posibilita la personalización en el comercio electrónico y el marketing al ofrecer recomendaciones adaptadas a los consumidores, mejorando así la experiencia del usuario y aumentando las ventas.
La IA impulsa la innovación al facilitar el desarrollo de nuevos productos como asistentes virtuales, vehículos autónomos y aplicaciones inteligentes que mejoran la calidad de vida
COMPUTACIÓN EN LA NUBE
La (computación en la nube) se a la entrega de recursos informáticos a través de Internet. Esto abarca una variedad de servicios, incluyendo almacenamiento, potencia de procesamiento, bases de datos, análisis, inteligencia artificial y aplicaciones de software. Al externalizar estos recursos, las empresas pueden acceder a la infraestructura informática en el momento que la necesitan, sin tener que invertir en hardware o mantenimiento de infraestructura física.
La nube es como un lugar en internet donde las empresas pueden guardar y manejar su información y tecnología de una manera más eficiente. Antes, esto era algo nuevo y misterioso, pero ahora es algo común en el mundo de los negocios. Cuando una empresa se cambia a la nube, generalmente significa que están actualizando su forma de guardar datos y su infraestructura de tecnología. La nube les da a las empresas la capacidad de ser más flexible, rápido e innovador, lo que les permite adaptarse fácilmente a lo que el mercado les pide.
Beneficios de la Computación en la Nube para la Empresa Moderna: Ahorro de Costes: Pago por uso para gastar solo en lo necesario. Escalabilidad: Ajuste de recursos según la demanda. Alto Rendimiento: Integración de hardware de última generación. Economías de Escala: Optimización de recursos reduce costos. Agilidad e Innovación Acelerada: Experimentar y lanzar características rápidamente.
Características de la Computación en la Nube: Autoservicio bajo Demanda: API para gestionar recursos. Amplio Acceso a la Red: Recursos globalmente distribuidos. Agrupación de Recursos: Asignación dinámica maximiza eficiencia. Rápida Elasticidad: Escalar automáticamente en respuesta al tráfico. Medición del Servicio: Detalles de uso y facturación claros
Tipos de Implementaciones en la Nube. Nube Pública: Proporcionada por proveedores externos como AWS, Microsoft Azure, utilizada para ofrecer recursos a múltiples usuarios. Nube Privada: Servicios exclusivos para una organización, brindando alta seguridad y control en su centro de datos o instalaciones de un proveedor. Nube Híbrida: Combinación de nubes públicas y privadas que permite a las empresas elegir dónde almacenar datos y cómo gestionar aplicaciones, optimizando seguridad y flexibilidad.
Servicios de Computación en la Nube. Modelos de servicio IaaS (Infraestructura como Servicio): Provisión de recursos informáticos virtualizados. PaaS (Plataforma como Servicio): Entornos para desarrollar aplicaciones sin gestionar la infraestructura. SaaS (Software como Servicio): Aplicaciones accesibles vía Internet, eliminando la necesidad de instalación local.
La computación en la nube ha revolucionado la forma en que las empresas operan, ofreciendo una flexibilidad sin precedentes y facilitando la innovación. Las organizaciones que aprovechan estos recursos pueden adaptarse mejor a las exigencias del mercado y optimizar sus operaciones para ser más eficientes y competitivas.
ROBÓTICA AVANZADA
Se define la robótica como una disciplina interdisciplinaria que busca crear máquinas capaces de realizar tareas de forma autónoma o simular comportamientos biológicos. Es importante destacar que la robótica no se limita a la construcción de robots físicos, sino que también involucra el desarrollo de software, algoritmos de inteligencia artificial y sistemas de control. Judea Pearl (2018): “La robótica avanzada busca robots que puedan aprender, razonar y tomar decisiones de forma similar a los humanos” (s/p). Es decir, la robótica avanzada busca desarrollar máquinas que no solo sean herramientas diseñadas para tareas específicas, sino que también posean la capacidad de aprender de su entorno, razonar sobre situaciones complejas y tomar decisiones informadas, acercándose así al nivel de autonomía y adaptabilidad que caracteriza a los seres humanos. Esto tiene implicaciones significativas en diversas áreas, como la asistencia médica, la fabricación, la exploración y la vida cotidiana.
Áreas de Aplicación: La robótica se aplica en la industria manufacturera, el ámbito médico, en servicios y en exploración. Industria: La robótica industrial ha mejorado la eficiencia y precisión en tareas repetitivas y peligrosas. Salud: Los robots quirúrgicos y de rehabilitación están transformando el tratamiento de enfermedades y la asistencia a personas discapacitadas. Servicio: Los robots están cada vez más presentes en la vida cotidiana, brindando atención al cliente, realizando labores de limpieza y contribuyendo a la seguridad. Exploración: Los robots exploradores se emplean en entornos extremos como el espacio y el fondo marino para realizar tareas inaccesibles para los humanos.
Es importante considerar algunas tendencias y desafíos en el campo de la robótica. Inteligencia Artificial: La integración de la IA en los robots les permite aprender, adaptarse y tomar decisiones más complejas. Colaboración humano-robot: La tendencia es hacia robots que puedan trabajar de forma segura y eficiente junto a los humanos. Ética: El desarrollo de la robótica plantea importantes cuestiones éticas, como la responsabilidad legal en caso de accidentes y el impacto en el empleo. Costo: Aunque los costos de los robots están disminuyendo, la implementación de soluciones robóticas a gran escala sigue siendo una inversión significativa.
McKerrow (1986) describe a la robótica como “una máquina que puede ser programada para realizar una gran variedad de tareas, del mismo modo que un ordenador es un circuito electrónico que puede ser programado para llevar a cabo a cabo diferentes tareas” (s/p). Una perspectiva interesante sobre la naturaleza y funcionalidad. De aquí podemos resumir que tanto los robots como los ordenadores son herramientas que pueden ser configuradas para ejecutar diversas funciones. Esto implica que su utilidad no está limitada a una sola tarea, sino que pueden adaptarse a diferentes necesidades según las instrucciones que se les proporcionan.
IMPRESIÓN 3D
La impresión 3D, también conocida como fabricación aditiva, es una tecnología de fabricación que crea objetos tridimensionales a partir de un diseño digital. A diferencia de los métodos de fabricación tradicionales que sustraen material (como el mecanizado), la impresión 3D construye el objeto capa por capa, añadiendo material. Cómo funciona. Diseño Digital: Se crea un modelo 3D del objeto deseado utilizando software de diseño. Preparación del Archivo: El modelo 3D se convierte en un formato legible por la impresora 3D. Impresión: La impresora 3D utiliza un material como plástico, metal, cerámica o resina, que se deposita en capas finas sobre una plataforma de construcción. Cura: Después de la impresión, el objeto puede necesitar un proceso de curado para solidificar el material.
Los beneficios de la impresión 3D: permite crear prototipos rápidamente y a bajo costo, permite crear objetos personalizados y diseños complejos, permite producir productos solo cuando se necesitan, reduciendo el inventario y facilita la creación de nuevos productos y diseños que antes no eran posibles.
La impresión 3D, con su capacidad para crear objetos tridimensionales a partir de diseños digitales, ha adquirido una importancia significativa en diversos ámbitos, algunos puntos clave sobre su importancia:
La impresión 3D reduce drásticamente el tiempo y costo del prototipado, permitiendo a los diseñadores probar múltiples diseños rápidamente y optimizar sus ideas. Permite crear productos personalizados para cada usuario, adaptándose a sus necesidades específicas y la impresión 3D elimina la necesidad de grandes inventarios, permitiendo la producción de productos solo cuando se necesitan. Esto reduce costos de almacenamiento y desperdicio, mejorando la eficiencia, facilita la producción local, reduciendo la dependencia de cadenas de suministro globales y creando nuevas oportunidades de empleo
REALIDAD AUMENTADA (RA) Y REALIDAD VIRTUAL (RV)
La inteligencia artificial (IA) y la realidad aumentada (RA) están transformando significativamente los sistemas de información gerencial, ofreciendo nuevas oportunidades para mejorar la toma de decisiones y la eficiencia operativa en las organizaciones.
Realidad Aumentada en Sistemas de Información:
Realidad Aumentada en Sistemas de Información: La realidad aumentada superpone información digital sobre el entorno físico, facilitando la interacción con datos en tiempo real. Los avances en dispositivos móviles han permitido el desarrollo de sistemas de RA más precisos y accesibles. En el ámbito gerencial, la RA mejora el aprendizaje al integrar información visual en tareas diarias, aumentando la productividad.
La Realidad Aumentada en Aplicaciones Gerenciales: La Realidad Aumentada se utiliza en capacitación y desarrollo para crear entornos de simulación sin riesgos, facilitando el aprendizaje práctico de los empleados. Herramientas de RA permiten la visualización de datos en entornos físicos, facilitando la interpretación de información compleja en áreas como la planificación de proyectos y la gestión de recursos. En la industria, la RA se emplea en mantenimiento y soporte técnico para guiar a los técnicos a través de procedimientos, mejorando la precisión y reduciendo el tiempo de inactividad. Según Azuma (1997) afirma que:
La RA proporciona una forma de visualización que puede ayudar en la educación y capacitación al ofrecer experiencias inmersivas que facilitan el aprendizaje práctico. Por lo tanto, lo podemos considerar una excelente forma de adquirir conocimiento al menor, por no decir, nulo riesgo (p.24).
La inteligencia artificial y su aplicación en los sistemas de información gerencial: La inteligencia artificial, a través de algoritmos, proporciona insights valiosos al analizar grandes volúmenes de datos, lo cual optimiza la toma de decisiones estratégicas. Se utiliza en análisis predictivo para anticipar tendencias futuras, en la automatización de tareas rutinarias para aumentar la productividad, y en la personalización de ofertas para mejorar la experiencia del cliente.
Beneficios de la sinergia entre IA y RA: La combinación de la inteligencia artificial y la realidad aumentada transforma la forma en que las empresas operan, permitiendo a los usuarios interactuar de manera innovadora con su entorno. Esta sinergia mejora la experiencia del usuario, facilita la adaptación a cambios del mercado y las necesidades de los clientes, y mejora el aprendizaje en diversos aspectos
BIG DATA Y ANALÍTICA AVANZADA EN LA INDUSTRIA 4.0
La Industria 4.0, también conocida como la Cuarta Revolución Industrial, se caracteriza por la integración de tecnologías digitales en los procesos de producción. Dentro de este contexto, el Big Data y la Analítica Avanzada juegan un papel crucial en la transformación y optimización de las operaciones industriales.
Relación entre la Big Data y Analítica Avanzada con la Industria 4.0
Generación masiva de datos: La Industria 4.0 genera una cantidad exponencial de datos provenientes de diferentes fuentes como sensores, máquinas, dispositivos IoT, sistemas de control, etc. Análisis de datos: Estos datos son analizados utilizando técnicas de Big Data y Analítica Avanzada para obtener información valiosa. Toma de decisiones inteligente: La información extraída de los datos permite a las empresas tomar decisiones estratégicas y operativas con mayor precisión y eficiencia.
Los beneficios de Big Data y Analítica Avanzada en la Industria 4.0 son: la optimización de procesos, mantenimiento predictivo, Control de calidad, Personalización de productos, Desarrollo de nuevos productos, Gestión de la cadena de suministro, Gestión de riesgos.
Ejemplos de aplicaciones de Big Data y Analítica Avanzada en la Industria 4.0:
Análisis de vibraciones en máquinas: Predecir fallos en los componentes mediante el análisis de vibraciones en tiempo real.
Optimización de la producción: Ajustar la producción en función de la demanda en tiempo real, minimizando los costes y maximizando la eficiencia.
Análisis de datos de sensores: Supervisar el estado de las máquinas, detectar anomalías y optimizar el rendimiento.
Análisis de datos de clientes: Personalizar la experiencia del cliente, optimizar la atención al cliente y desarrollar productos y servicios más relevantes.
El Big Data y la Analítica Avanzada son herramientas esenciales para aprovechar el potencial de la Industria 4.0. Permiten a las empresas obtener información valiosa de los datos generados en los procesos industriales, tomar decisiones más inteligentes y optimizar sus operaciones
SISTEMAS CIBERFÍSICOS
Un sistema ciberfísico es el resultado de la integración de ordenadores y redes con un proceso físico. Se trata de “sistemas construidos a partir de la integración perfecta de la computación y los componentes físicos. Los avances en CPS permitirán superar a los simples sistemas integrados actuales en cuanto a capacidad, adaptabilidad, escalabilidad, resiliencia, seguridad y usabilidad.
Los sistemas ciberfísicos han transformado el modo en que interactuamos con los sistemas de ingeniería. Tradicionalmente, la ingeniería y el desarrollo de un sistema, un proceso o una máquina y su posterior utilización estaban desacoplados, pero la Cuarta Revolución Industrial ha cambiado este paradigma. Así, la Industria 4.0 ha favorecido la integración de computación, almacenamiento de datos, redes y dispositivos en los denominados sistemas ciberfísicos (CPS en su abreviatura en inglés), que se conectan entre sí y con Internet gracias al IoT (Internet de las Cosas).
Por tanto, sus características principales son: La capacidad de relacionarse con los objetos físicos para monitorizar y/o controlarlos. La utilización de la información disponible en el mundo virtual. En algunos casos, la capacidad de aprender y evolucionar.
Los sistemas ciberfísicos son un conjunto de sistemas interactivos apoyados por máquinas inteligentes que, coordinadas y controladas por una entidad central, mandan información operativa a trabajadores calificados. De esta manera, las operaciones de producción funcionan con autocontrol mientras que los ingenieros trabajan en problemas potencia análisis universitario