Modelos de lenguaje en educación: Inteligencia Artificial Generativa para optimizar el análisis del desempeño docente
DOI:
10.29105/innoacad.v1i2.36
Publication Date:
2025-05-31T03:38:59Z
AUTHORS (4)
ABSTRACT
Este artículo explora el uso de la Inteligencia Artificial Generativa, específicamente los Grandes Modelos Lenguaje (LLM), para analizar respuestas abiertas en evaluaciones del desempeño docente. Aunque LLM ofrecen capacidades avanzadas interpretar y clasificar datos textuales, su tendencia a generar "alucinaciones" plantea desafíos contextos donde precisión es crucial. Para mitigar estos riesgos, se presentan tres enfoques: dominio específico, entrenados con educativos mejorar relevancia; Pequeños (SLM), modelos más ligeros que optimizan eficiencia reducen posibilidad errores; nube entrenamiento few-shot, permiten ajustes rápidos mediante ejemplos representativos, aunque implicaciones privacidad protección datos. Finalmente, describen beneficios estas herramientas las instituciones educativas, incluyendo mejora toma decisiones, accesibilidad tecnológica sostenibilidad ecológica.
SUPPLEMENTAL MATERIAL
Coming soon ....
REFERENCES (18)
CITATIONS (0)
EXTERNAL LINKS
PlumX Metrics
RECOMMENDATIONS
FAIR ASSESSMENT
Coming soon ....
JUPYTER LAB
Coming soon ....