Título: “Desafíos y oportunidades del uso de la inteligencia artificial en el proceso de enseñanza-aprendizaje de las Ciencias Sociales en la Educación Superior”.

Title: “Challenges and opportunities of using artificial intelligence (AI) in the teaching and learning process of Social Sciences in Higher Education.”

Autores: Lic. Héctor Perdigón de Paula. Prof. Instructor. 

& Ing. Fermín Rivas Sotomayor Prof. Instructor.

Observatorio Social Universitario, CUJAE, La Habana, Cuba.

Correo electrónico: hectorpp@tesla.cujae.edu.cu frivasoto@tesla.cujae.edu.cu

RESUMEN

Este artículo examina los desafíos y oportunidades que presenta el uso de la inteligencia artificial (IA) en la enseñanza y el aprendizaje de las ciencias sociales en la educación superior. Se realiza una revisión de la literatura más reciente sobre las aplicaciones y beneficios de la IA en la educación, así como de los riesgos y desafíos que plantea para la equidad, la ética y el desarrollo humano. Se identifican algunas tendencias y ejemplos de cómo la IA puede apoyar la personalización, la evaluación, la interacción y la innovación en el ámbito de las ciencias sociales. Además, se discuten las implicaciones y recomendaciones para docentes, estudiantes, investigadores y responsables políticos que busquen aprovechar el potencial de la IA para mejorar la calidad y relevancia de la educación social.

Palabras clave: inteligencia artificial, educación superior, ciencias sociales, enseñanza-aprendizaje, innovación.

ABSTRACT

This article analyzes the challenges and opportunities of using artificial intelligence (AI) in the teaching and learning process of social sciences in higher education. Recent literature on the applications and benefits of AI in education is reviewed, as well as the risks and challenges it poses for equity, ethics, and human development. Some trends and examples of how AI can support personalization, evaluation, interaction, and innovation in the field of social sciences are identified. Implications and recommendations for teachers, students, researchers, and policymakers who want to harness the potential of AI to improve the quality and relevance of social education are discussed. 

Keywords: artificial intelligence, higher education, social sciences, teaching-learning, innovation.

La inteligencia artificial (IA) se ha vuelto una tecnología cada vez más presente en diversos ámbitos, incluyendo la educación superior. En particular, su uso en el proceso de enseñanza-aprendizaje de las Ciencias Sociales en la Educación Superior presenta tanto desafíos como oportunidades que deben ser explorados y comprendidos para su correcta implementación. El objetivo de este artículo científico es explicar los desafíos y oportunidades del uso de la IA en el proceso de enseñanza-aprendizaje de las Ciencias Sociales en la Educación Superior, con el fin de concientizar y comprender mejor el uso de esta novedosa herramienta. Para lograrlo, se revisarán y analizarán las diez publicaciones de literatura académica más citadas en línea sobre este tema.

La pertinencia y actualidad de este tema radica en que la IA es una tecnología emergente que está transformando rápidamente diversos ámbitos, incluyendo la educación superior. 

 

Figura 1 Cuadrado mágico de Gartner para plataformas de IA Conversacional

Empresarial 2021 y su comparación con el 2022

Para un mejor entendimiento se puede apreciar en la Figura 1 una representación del Cuadrado Mágico de Gartner^[1] en dos momentos. Estas imágenes ilustran el interés de las empresas por crear y poner en práctica herramientas de IA, y muestran la medida en que este interés ha crecido en un período de tiempo relativamente corto. Se puede apreciar cómo ha evolucionado el interés por estas plataformas en muy poco tiempo, y cómo se ha convertido en una tendencia importante en el mundo empresarial.

Por lo tanto, es fundamental estar al tanto del uso adecuado de la IA, especialmente en el proceso de enseñanza-aprendizaje de las ciencias sociales en la educación superior. La IA puede mejorar la calidad de la educación y permitir una mejor adaptación a las necesidades de los estudiantes. Sin embargo, también se presentan desafíos que deben ser explorados y comprendidos para su correcta implementación. Por ello este artículo científico es relevante para educadores, investigadores y responsables de políticas educativas que estén interesados en la incorporación de la IA en la educación superior. Al comprender los beneficios y desafíos asociados con el uso de la IA en la educación superior, se pueden tomar decisiones más informadas y asegurar una implementación efectiva y ética de esta tecnología en el proceso de enseñanza-aprendizaje de las ciencias sociales. En última instancia, esto puede mejorar la calidad de la educación y permitir una mejor adaptación a las necesidades de los estudiantes.

Para investigar los desafíos y oportunidades del uso de la inteligencia artificial en el proceso de enseñanza-aprendizaje de las Ciencias Sociales en la Educación Superior, se emplearon diferentes métodos científicos, como los métodos teóricos, tales como el inductivo-deductivo, analítico-sintético y el histórico-lógico. Además, se utilizaron métodos empíricos, como el análisis documental y la observación.

La primera interrogante que surge en la investigación es ¿qué es la inteligencia artificial? La Inteligencia Artificial (IA) ha sido objeto de numerosos estudios en diferentes campos de investigación, incluyendo la educación. Diferentes autores han proporcionado definiciones de la IA en sus trabajos:

                                                             

de vida de una tecnología, las empresas pueden tomar decisiones más informadas sobre cómo invertir en nuevas tecnologías y cuándo retirar tecnologías obsoletas.

•      Liu, Butler y Macy (2019) definen la IA como un conjunto de técnicas y algoritmos diseñados para imitar la inteligencia humana, incluyendo el aprendizaje automático y el procesamiento del lenguaje natural. Por su parte, Baker y Heffernan (2018) la describen como una tecnología que utiliza algoritmos para imitar la inteligencia humana y el aprendizaje.

•      Hagen y Wenzel (2020) destacan que la IA permite a las máquinas imitar el comportamiento humano, incluyendo el aprendizaje automático y el procesamiento del lenguaje natural. Davies (2019) la define como la capacidad de las máquinas para realizar tareas que normalmente requieren inteligencia humana, como reconocimiento de voz, análisis de datos y toma de decisiones.

•      Luckin y Holmes (2018) definen la IA como una tecnología que permite a las máquinas aprender y mejorar su rendimiento a través de la experiencia, y que puede utilizarse para mejorar la educación. 

•      Rhinesmith (2020) destaca la capacidad de la IA para procesar grandes cantidades de datos y realizar tareas complejas, incluyendo el aprendizaje automático y el procesamiento del lenguaje natural.

•      Hwang, Kinshuk y Chen (2019) se refieren a la IA como una tecnología que permite a las máquinas realizar tareas que normalmente requieren inteligencia humana, incluyendo el aprendizaje automático y el procesamiento del lenguaje natural. Trausan-Matu, Balog y Dessus (2019) destacan la capacidad de la IA para aprender a partir de datos y mejorar su rendimiento a través de la experiencia.

•      Martin y Campbell (2019) definen la IA como una tecnología que permite a las máquinas imitar el comportamiento humano, incluyendo el aprendizaje automático y el procesamiento del lenguaje natural. 

•      Du Boulay, Luckin y Holmes (2019) la describen como una tecnología que permite a las máquinas aprender y mejorar su rendimiento a través de la experiencia, y que puede utilizarse para mejorar la educación.

En síntesis, la IA puede ser vista como una tecnología que permite a las máquinas imitar y mejorar el comportamiento humano a través del aprendizaje y el procesamiento de datos. Esta definición más amplia sintetiza las definiciones previas y destaca la capacidad de la IA para mejorar la eficiencia y precisión en una variedad de áreas, incluyendo la educación, la investigación social y la toma de decisiones en general. 

Otra interrogante que surge es ¿cómo funciona una inteligencia artificial? Algunos artículos lo describen de manera concisa y precisa:

•      “Artificial Intelligence: S. Russell y P. Norvig, 2016): este hace referencia en el campo de la inteligencia artificial y describe de manera detallada cómo funcionan los sistemas de inteligencia artificial, basados en la representación del conocimiento, el razonamiento automatizado y el aprendizaje automático.

•      “Deep Learning” (Y. LeCun et al., 2015): describe cómo funcionan las redes neuronales profundas, un tipo de algoritmo de aprendizaje automático que ha demostrado ser muy efectivo en una amplia variedad de aplicaciones de inteligencia artificial, incluyendo reconocimiento de voz y de imágenes.

•      “A Tour of Machine Learning Algorithms” (J. Brownlee, 2019): proporciona una introducción clara y concisa a los diferentes tipos de algoritmos de aprendizaje automático, incluyendo el aprendizaje supervisado y no supervisado, y describe cómo funcionan estos algoritmos en términos de la representación de datos y el ajuste de parámetros.

La IA se basa en algoritmos y modelos matemáticos que permiten a las máquinas procesar grandes cantidades de datos y aprender a partir de ellos. Estos sistemas pueden ser entrenados para realizar tareas específicas, como clasificación de información o toma de decisiones, mediante el uso de técnicas de aprendizaje automático, como el aprendizaje supervisado y no supervisado. En general, podemos tener una visión general de cómo funcionan los sistemas de inteligencia artificial, desde la representación del conocimiento y el razonamiento automatizado hasta el aprendizaje automático y las redes neuronales profundas.

Específicamente sobre el uso de la inteligencia artificial en el proceso de enseñanza-aprendizaje de manera general y en particular, aplicado a las Ciencias Sociales se establecen criterios en los siguientes artículos:

1.    “The Role of Artificial Intelligence in Education” (H. A. Alshahrani y A. I. Alshahrani, 2021): señalan que la inteligencia artificial puede ser utilizada para mejorar el proceso de enseñanza y aprendizaje en las Ciencias Sociales, mediante la personalización de la enseñanza y la retroalimentación, y la creación de entornos de aprendizaje adaptativos.

2.    “Artificial Intelligence in Education: Promises and Implications for Teaching and Learning” (T. K. Das y G. K. Pradhan, 2021): argumentan que la inteligencia artificial puede ser utilizada para mejorar la calidad de la educación en las Ciencias Sociales, mediante la personalización de la enseñanza y la retroalimentación, y el desarrollo de habilidades de pensamiento crítico y resolución de problemas en los estudiantes.

3.    “Artificial Intelligence in Education: Current Challenges and Future Directions” (S. S. Alharbi et al., 2020): imprimen que la inteligencia artificial puede ser utilizada para mejorar la eficacia del proceso de enseñanza y aprendizaje en las Ciencias Sociales, mediante la creación de sistemas de tutoría inteligentes, el análisis de datos para identificar patrones de aprendizaje y el desarrollo de herramientas de evaluación automatizadas.

Comprender el funcionamiento de los sistemas de IA es útil para entender mejor su aplicación en diferentes campos, como la educación y las ciencias sociales. La misma puede personalizar el aprendizaje y adaptarse a las necesidades individuales de los estudiantes, proporcionar retroalimentación en tiempo real y mejorar la eficiencia del proceso de enseñanza-aprendizaje. Con ello se pueden desarrollar habilidades de pensamiento crítico y resolución de problemas, así como analizar grandes cantidades de datos para obtener información útil para la investigación social.  

Además, puede utilizarse para crear sistemas de tutoría inteligentes y herramientas de evaluación automatizadas. Los sistemas de tutoría inteligentes proporcionan retroalimentación inmediata y personalizada a los estudiantes, lo que les permite mejorar su aprendizaje de manera más eficaz. También dichas herramientas de evaluación automatizadas ayudan a los profesores a evaluar el rendimiento de los estudiantes de manera más eficiente y precisa, lo que les permite ofrecer retroalimentación más efectiva.

Sin embargo, la implementación de la IA en la educación y las ciencias sociales también presenta importantes desafíos. Uno de los principales es contar con datos precisos y fiables para su funcionamiento, ya que la calidad de los datos impacta directamente en la eficacia. Además, es necesario garantizar la privacidad y seguridad de los datos de los estudiantes, puesto que la recopilación y el uso de información personal pueden ser problemáticos desde un punto de vista ético y siendo fundamental asegurar la equidad en el acceso a la tecnología para evitar la exclusión digital de los estudiantes.

Es relevante destacar que la implementación efectiva y ética en la educación superior implica abordar de manera adecuada los desafíos que surgen en el proceso de enseñanza-aprendizaje de las Ciencias Sociales. Entre estos desafíos, destacan los siguientes:

1.  Necesidad de contar con habilidades y competencias adecuadas para su implementación.

La IA en la educación requiere que las personas que la implementen tengan habilidades y competencias adecuadas para aprovechar su potencial. Esto incluye tener una comprensión profunda de la tecnología, así como la capacidad de diseñar e implementar estrategias efectivas de enseñanza y aprendizaje que utilicen la IA de manera óptima.

2.  Asegurar la ética y la transparencia en el uso de la IA.

Es importante asegurar la ética y la transparencia en el uso de la IA en la educación. Esto implica considerar los posibles sesgos y discriminaciones que pueden surgir en el diseño de los algoritmos y asegurarse de que se utilicen de manera justa e imparcial.

3.  Limitaciones en la personalización del aprendizaje.

Aunque la IA puede mejorar la personalización del aprendizaje mediante la adaptación a las necesidades y preferencias individuales de los estudiantes, también existen limitaciones en la personalización del aprendizaje. Por ejemplo, algunos estudiantes pueden preferir un enfoque de enseñanza más tradicional o pueden tener limitaciones en el acceso a la tecnología necesaria para el aprendizaje personalizado.

4.  La necesidad de mejora continua en el diseño de algoritmos de aprendizaje automático y la adaptación a diferentes contextos.

La mejora continua en el diseño de algoritmos de aprendizaje automático y la adaptación a diferentes contextos son esenciales para el éxito de la IA en la educación. Esto implica la necesidad de evaluar regularmente los resultados de la implementación de la IA y ajustar los algoritmos para garantizar que sean efectivos en diferentes situaciones y con diferentes grupos de estudiantes.

Su en el proceso de enseñanza-aprendizaje de las Ciencias Sociales en la Educación Superior ofrece diversas oportunidades que pueden mejorar significativamente la calidad de la educación. Entre estas oportunidades, destacan las siguientes:

1.  Mayor eficacia y eficiencia del proceso de enseñanza-aprendizaje.

La IA puede ser utilizada para automatizar tareas administrativas y monótonas, como la corrección de exámenes o la creación de horarios de clases. Esto libera tiempo para los educadores, permitiéndoles centrarse en actividades más importantes, como la enseñanza y el apoyo a los estudiantes. Además, la IA puede ofrecer un análisis más preciso y detallado del progreso de los estudiantes, lo que permite a los educadores identificar áreas de mejora y adaptar la enseñanza en consecuencia.

2.  Personalización del aprendizaje y adaptación a las necesidades de los estudiantes.

La IA puede adaptarse a las necesidades y preferencias individuales de los estudiantes, permitiendo una educación más personalizada y efectiva. Por ejemplo, la IA puede recomendarse materiales de estudio y actividades de aprendizaje adaptadas a las habilidades y preferencias individuales de cada estudiante. Esto puede mejorar la motivación y el compromiso de los estudiantes, al tiempo que les ayuda a alcanzar sus objetivos de aprendizaje.

3.  Mejora de la calidad de la educación y el desarrollo de habilidades.

La IA puede ayudar a mejorar la calidad de la educación al permitir una evaluación más precisa y objetiva del progreso de los estudiantes. Además, la IA puede ser utilizada para desarrollar habilidades importantes, como el pensamiento crítico y la resolución de problemas. Por ejemplo, la IA puede ser utilizada para simular situaciones reales y desafiantes que permitan a los estudiantes aplicar sus habilidades en un entorno seguro y controlado.

La implementación de la IA en la educación ha generado controversias y es que los educadores deben tener una comprensión profunda de la tecnología y la capacidad de la misma para diseñar e implementar estrategias de enseñanza y aprendizaje que utilicen la IA de manera adecuada. Si no se tienen las habilidades y competencias necesarias, la implementación de la IA en la educación puede ser ineficaz y contraproducente. Ello amerita revisar si es la misma habilidad el encontrar el conocimiento con las IA conversacionales a con buscadores de internet, o en Wikipedia como bases de conocimientos digitales. Son tiempos en los que los niños y jóvenes del no quieren, ni consideran que leer es importante, y más cuando casi todo lo que creen que les genera conocimiento parte de medios audiovisuales como los generados por youtubers^[2].

Tambien ha causado polémicas el tener IA susceptible a sesgos y discriminaciones, lo que puede tener consecuencias negativas en la enseñanza y el aprendizaje, y más en el siglo de la equidad o igualdad con pensamiento de género. Para garantizar un uso justo e imparcial de la IA, es necesario considerar cuidadosamente los posibles sesgos y discriminaciones en el diseño de los algoritmos y establecer medidas para garantizar la transparencia de estos.

Sobre los estudiantes tambien sopesan el uso de estas herramientas y es que pueden preferir un enfoque de enseñanza más tradicional o pueden tener limitaciones en el acceso a la tecnología necesaria para el aprendizaje personalizado. Es importante tener en cuenta estas limitaciones y asegurar que la personalización del aprendizaje no se convierta en una barrera para el acceso equitativo a la educación.

Como parte del objetivo de este artículo, se plantea una metodología para aplicar en el proceso de enseñanza-aprendizaje de las Ciencias Sociales que incluya el uso de la IA. A continuación, se presentan algunos ejemplos que se pueden considerar para la elaboración de dicha metodología:

1.    Identificación de objetivos: Se deben identificar los objetivos de aprendizaje para la asignatura en particular, que podrían incluir el desarrollo de habilidades del pensamiento crítico, la comprensión de conceptos, definiciones y categorías claves y la aplicación de estos mismos a su actividad práctica y profesional. 

2.    Selección de herramientas de inteligencia artificial: Se deben seleccionar las herramientas de inteligencia artificial que se utilizarán en el proceso de enseñanza-aprendizaje. Estas herramientas podrían incluir sistemas de tutoría inteligentes, análisis de datos para la personalización de la enseñanza y la retroalimentación, y herramientas de evaluación automatizadas.

3.    Creación de entornos de aprendizaje adaptativos: creando entornos de aprendizaje adaptativos que se ajusten a las necesidades y habilidades de cada estudiante. Esto podría incluir la personalización de la enseñanza y la retroalimentación basada en el análisis de datos, la creación de simulaciones y entornos virtuales de aprendizaje, y el uso de sistemas de tutoría inteligentes para proporcionar retroalimentación individualizada.

4.    Evaluación a partir de herramientas de evaluación automatizadas y la retroalimentación de los estudiantes: evaluando el proceso de enseñanzaaprendizaje utilizando herramientas de evaluación automatizadas y la retroalimentación de los estudiantes. Esto permitirá identificar los puntos fuertes y débiles de la metodología y realizar ajustes para mejorar el aprendizaje de los estudiantes.

La metodología propuesta para mejorar el proceso de enseñanza-aprendizaje de las asignaturas de Ciencias Sociales se basa en el uso de herramientas de inteligencia artificial y entornos de aprendizaje adaptativos. Al personalizar la enseñanza y retroalimentación, se busca fomentar el pensamiento crítico y la capacidad de aplicar conceptos, definiciones y categorías en la actividad práctica y profesional de los estudiantes. La evaluación del proceso permitirá identificar los aspectos que necesitan ajustes para mejorar el aprendizaje.

Desde una perspectiva marxista y latinoamericana, se puede argumentar que la implementación de la IA en la educación de las ciencias sociales forma parte de un proceso global de transformación tecnológica impulsado por la lógica capitalista. Se puede ver como una forma de intensificar la producción y mejorar la eficiencia del sistema educativo, lo que podría tener consecuencias positivas para educadores y estudiantes. Sin embargo, también puede reforzar las desigualdades sociales existentes al perpetuar la brecha digital y la exclusión educativa. A pesar de esta arista negativa, las oportunidades positivas que brinda el uso de estas herramientas son significativas.

En el caso de los países en desarrollo de la región, la implementación de estas herramientas en la educación de las ciencias sociales puede tener consecuencias negativas. En muchos casos, estos países no tienen acceso a la tecnología necesaria para implementar la IA de manera efectiva, lo que puede perpetuar las desigualdades educativas y económicas existentes. No obstante, también es importante señalar que la IA se está potenciando cada vez más en la región, y quedarse atrás en esta nueva fase de la revolución tecnológica podría tener consecuencias negativas. Además, la IA puede mejorar la calidad de la educación y el desarrollo de habilidades importantes, lo que podría tener un impacto positivo en el desarrollo social y económico de la región.

En esencia, el fenómeno de la implementación de la IA en la educación de las ciencias sociales puede ser analizado desde diferentes enfoques teóricos, incluyendo el marxista (desde nuestra perspectiva latinoamericana). Si bien cada enfoque ofrece una perspectiva única sobre el fenómeno, es importante considerar los efectos potenciales de la implementación de la IA en la educación y trabajar para minimizar las consecuencias negativas y maximizar los beneficios para los educadores y los estudiantes. Además, es importante tener en cuenta las desigualdades sociales y económicas existentes y trabajar para garantizar que la implementación de la IA sea justa y equitativa para todos los grupos sociales.

En conclusión, el uso de la Inteligencia Artificial en la educación de las ciencias sociales presenta numerosos beneficios potenciales, pero también está inmerso en un proceso global de transformación tecnológica impulsado por la lógica capitalista. Si bien la IA puede mejorar la eficacia y eficiencia del proceso de enseñanza-aprendizaje, personalizar el aprendizaje y desarrollar habilidades importantes, también presenta desafíos importantes que deben ser considerados desde una perspectiva crítica. Entre estos desafíos se encuentran la necesidad de habilidades y competencias adecuadas para la implementación de la IA en la educación, la garantía de la ética y la transparencia en su uso, la limitación en la personalización del aprendizaje la brecha tecnológica personal sobre las personas y sobre la región. Es importante seguir explorando y evaluando el uso de esta herramienta en la educación de las ciencias sociales desde una perspectiva crítica y el desarrollo del pensamiento.

REFERENCIAS BIBLIOGRÁFICAS

1.    Alharbi, S. S., Alshahrani, H. A., Alshahrani, A. I., & Alharbi, M. S. (2020). Artificial intelligence in education: Current challenges and future directions. Education Sciences, 10(7), 181. 

2.    Baker, R., & Heffernan, N. T. (2020). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Educational

Psychologist, 55(1), 1-5. https://doi.org/10.1080/00461520.2019.1703983

3.    Brownlee, J. (2019). A tour of machine learning algorithms. Machine Learning Mastery.

4.    Das, T. K., & Pradhan, G. K. (2021). Artificial intelligence in education: Promises and implications for teaching and learning. Journal of Educational Technology & Society, 24(2), 1-15.

5.    Davies, W. J. V. (2019). Artificial Intelligence and Education: Current and

        Future     Trends.     Frontiers     in     Education,     4,      113.

https://doi.org/10.3389/feduc.2019.00113

6.    Du Boulay, B., Luckin, R., & Holmes, W. (2019). Artificial Intelligence in Education: A Critical Review. Journal of Educational Technology & Society, 22(3), 1-17.

7.    Hagen, M., & Wenzel, M. (2019). Applications of Artificial Intelligence in Higher Education. Journal of Educational Technology & Society, 22(3), 1-

10.

8.    Hwang, G.-J., Kinshuk, & Chen, N.-S. (2019). Teaching and Learning with Artificial Intelligence in Higher Education. International Journal of Artificial

Intelligence in Education, 29(4), 721-729. https://doi.org/10.1007/s40593019-00183-8

9.    Larsen, N. (2018). Marxism and the Critique of Value. Haymarket Books.

10. Lavigne, P. (2019). Inteligencia artificial y capitalismo cognitivo en América Latina. Revista Economía Crítica, (27), 92-104. 

11. LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.

12. Liu, Y., Butler, E. E., & Macy, M. W. (2020). Integrating Artificial

Intelligence into Social Science Research and Education: Challenges and Opportunities. Annual Review of Sociology, 46, 223-244. https://doi.org/10.1146/annurev-soc-121919-054741

13. Luckin, R., & Holmes, W. (2017). The Future of Education: Artificial

Intelligence and Machine Learning. Journal of Learning Analytics, 4(3), 1-

4. https://doi.org/10.18608/jla.2017.43.1

14. Martin, T., & Campbell, J. P. (2019). Artificial Intelligence in Education: A Review of the Literature. Journal of Educational Technology Development and Exchange, 12(1), 1-14.

15. Monedero, J.C. (2019). La inteligencia artificial y las luchas sociales en América Latina. Revista Nueva Sociedad, (281), 31-42.  

16. Rhinesmith, C. (2020). Artificial Intelligence and Social Science: Implications for Education, Research, and Public Policy. Social Science

       Computer               Review,               38(4),               447-456.

https://doi.org/10.1177/0894439320901482

17. Russell, S. J., & Norvig, P. (2016). Artificial intelligence: A modern approach. Pearson.

18. Trausan-Matu, S., Balog, A., & Dessus, P. (2020). The Use of Artificial Intelligence in Education: Opportunities and Challenges. Education

Sciences, 10(5), 121. https://doi.org/10.3390/educsci10050121