Aplicación móvil para la calificación ágil de exámenes optativos mediante inteligencia artificial y procesamiento de imágenes

##plugins.themes.academic_pro.article.sidebar##

Publicado may 4, 2024
https://doi.org/10.5281/zenodo.16337309%20
Download
PDF HTML
Statistic
Vol. 6 Núm. 1 (2024): Edición mayo-octubre 2024

##plugins.themes.academic_pro.article.main##

David Enrique Robelly Fajardo
Instituto Tecnológico Superior Juan Bautista Aguirre
https://orcid.org/0009-0007-8392-1313
Sergio Josué Martinez Chaguay Martinez Chaguay
Instituto Tecnológico Superior Juan Bautista Aguirre
https://orcid.org/0009-0007-3802-5915
Marcos Cristobal Herrera Rocafuerte
Instituto Tecnológico Superior Juan Bautista Aguirre
https://orcid.org/0009-0005-5863-0827
Freddy Javier Frere Quintero
Universidad de Granada
https://orcid.org/0000-0002-1843-9762

Resumen

La corrección manual de exámenes representa una carga significativa para los docentes, afectando la eficiencia en el ámbito académico. Este artículo presenta el desarrollo de una aplicación móvil que integra inteligencia artificial (IA) y procesamiento de imágenes para automatizar la calificación de exámenes optativos en la carrera de Desarrollo de Software del Instituto Tecnológico Superior Juan Bautista Aguirre. Utilizando la metodología XP, se implementaron algoritmos de aprendizaje automático y técnicas de reconocimiento de patrones. Los estudiantes cargan imágenes de sus exámenes que son evaluadas automáticamente por el sistema, permitiendo revisión docente. Los resultados evidencian una reducción notable en el tiempo de evaluación y un aumento en la precisión de las calificaciones, proponiendo un modelo replicable para mejorar procesos evaluativos en instituciones educativas.

##plugins.themes.academic_pro.article.details##

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Cómo citar
Robelly Fajardo, D. E., Martinez Chaguay, S. J. M. C., Herrera Rocafuerte, M. C., & Frere Quintero, F. J. (2024). Aplicación móvil para la calificación ágil de exámenes optativos mediante inteligencia artificial y procesamiento de imágenes . Revista Científica ARISTAS, 6(1), 23–34. https://doi.org/10.5281/zenodo.16337309

Citas

  1. Arias, J. M. (2002). Procesamiento de imágenes en la educación de postgrado en ciencias médicas y biológicas. Revista Cubana de Educación Superior: https://n9.cl/x0ncyd
  2. Comas Rodríguez, R (2025) ¿Es ético el uso de herramientas de inteligencia artificial en el desarrollo de una investigación? Revista Uniandes Episteme, 12(1),1-3. https://doi.org/10.61154/rue.v12i1.3732
  3. Ecuador, A. N. (1998). Ley de Propiedad Intelectual. Registro Oficial N.º 320. https://n9.cl/ob1gt6
  4. Ecuador, A. N. (2018). Ley de Gobierno Digital. Registro Oficial N.º 366. https://n9.cl/ob1gt6
  5. Ecuador, A. N. (2021). Ley Orgánica de Protección de Datos Personales. Registro Oficial N.º 459: https://n9.cl/ob1gt6
  6. Ecuador., A. N. (2008). Constitución de la República del Ecuador. Registro Oficial N.º 449: https://n9.cl/ob1gt6
  7. Emprendiendo, T. (2024). Guía completa sobre la educación personalizada: todos los pasos para su desarrollo. Triunfa Emprendiendo. https://n9.cl/e4g1c
  8. Examino. (2024). Cómo corregir exámenes con IA: Guía completa para profesores: https://n9.cl/tjp7t
  9. Flick, U. (2012). Introducción a la investigación cualitativa (4.ª ed). Morata. https://n9.cl/3rhhl
  10. Goodfellow, I., Bengio, Y., Courville, A. & Bengi, Y. (2016) Deep Learning. MIT press. https://n9.cl/kh7o8
  11. Holmes, W. B. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign: https://n9.cl/pmlwi
  12. I., U. d. (2012). La evaluación de los estudiantes en la Educación Superior. https://www3.uji.es/~betoret/Formacion/Evaluacion/Documentacion/La%20evaluacion%20estudiantes%20en%20la%20ESuperior%20UV.pdf
  13. Jordi. (2024). Revolucionando la IA y la Visión de Vanguardia con Modelos Abiertos y Personalizables. Blog De Inteligencia Artificial. https://n9.cl/jdxpe
  14. Kanagarathinam, K. (2016). Revisión del Reconocimiento Óptico de Caracteres y sus aplicaciones. ARPN Journal of Ingeniería y Ciencias Aplicadas, 3441-3444.
  15. Marrero Pérez, M. D., Santana Machado, A. T., Y Águila Rivalta, Y. Y. (2016). Las imágenes digitales como medios de enseñanza en la docencia de las ciencias médicas. EDUMECENTRO, 8(1), 125-142. https://n9.cl/btyq8b
  16. Mata Solís, L. D. (2020). Entrevistas semiestructuradas en investigación cualitativa. Investiga UNED: https://n9.cl/1zv5d
  17. Olteanu, A. (2024). Datacamp. Guía Llama 3.2: Cómo funciona, casos de uso y más: https://n9.cl/4976c
  18. Ortega, C. (s.f.). ¿Qué es una entrevista estructurada, semiestructurada y no estructurada? https://n9.cl/87uzr
  19. Patricio Letelier, M Carmen Penadés. (2012). Metodologías ágiles para el desarrollo de software: eXtreme Programming (XP). Researchgate.net. https://n9.cl/gfjyy
  20. Pineda, R. (2025). La IA debe amplificar las capacidades educativas, no sustituirlas: Banco Mundial. El País. https://n9.cl/ilznc
  21. Radu-Lefebvre, M. &. Lefebvre, V. (2024). Quiero ser libre: emancipación del sucesor en la empresa familiar. Boletín De Estudios Económicos, 78 (234), 31-40. https://doi.org/10.18543/bee.2755
  22. Russell, S. &. Norvig, P. (2021). Artificial intelligence: a modern approach (4th ed.). Pearson Education. https://n9.cl/dw9obf
  23. UNESCO. (2021). Artificial intelligence in education: A global perspective. https://unesdoc.unesco.org

Artículos similares

<< < 1 2 3 4 5 6 > >> 

También puede {advancedSearchLink} para este artículo.

Artículos más leídos del mismo autor/a