Inteligencia Artificial en el Proceso de Evaluación por Pares en la Educación Superior
Artificial Intelligence in the Peer Assessment Process in Higher Education
DOI:
https://doi.org/10.53591/iti.v17i24.2639Keywords:
análisis de sentimiento basado en aspecto, educación superior, evaluación por pares, inteligencia artificial, procesamiento de lenguaje naturalAbstract
Contexto: En los últimos años, la inteligencia artificial ha contribuido en la automatización de procesos de evaluación por pares en la educación superior. Sin embargo, persisten desafíos en la calificación de las evaluaciones cualitativas en la Universidad Técnica de Manabí del Ecuador. Objetivo: Crear un modelo de análisis de sentimientos basado en aspectos de retroalimentación por pares en idioma español. Método: Se aplicó una metodología experimental, mediante las fases del proceso estándar interindustrial para el aprendizaje automático. Se empleó técnicas de tokenización contextual, etiquetado BIO, reconocimiento de entidades nombradas, y balanceo de clases a través de aumento de datos. Se utilizó representaciones de codificadores bidireccionales a partir de transformadores para la comprensión contextual y una red neuronal convolucional para la detección de patrones. Resultados: El modelo alcanzó una precisión de 93,61%, y una puntuación F1 de 93,62%, con una pérdida de 16,77%, y una perplejidad de 1,18. Conclusiones: El modelo computacional se postula como una herramienta útil para analizar retroalimentaciones en procesos de evaluación por pares en el ámbito de la educación superior. Como trabajo futuro, se planea ampliar el conjunto de datos, e implementar otros algoritmos de análisis de sentimientos para mejorar la identificación de aspectos y la predicción de sentimiento por cada aspecto, consolidando su aplicabilidad en diversos contextos educativos en el idioma español.
References
Ahmed, H. M. M., & Sorour, S. E. (2024). Classification-driven intelligent system for automated evaluation of higher education exam paper quality. Education and Information Technologies. https://doi.org/10.1007/s10639-024-12555-9
Al-Alawi, L., Al Shaqsi, J., Tarhini, A., & Al-Busaidi, A. S. (2023). Using machine learning to predict factors affecting academic performance: the case of college students on academic probation. Education and Information Technologies, 28, 12407-12432. https://doi.org/10.1007/s10639-023-11700-0
Alqahtani, T., Badreldin, H. A., Alrashed, M., Alshaya, A. I., Alghamdi, S. S., bin Saleh, K., Alowais, S. A., Alshaya, O. A., Rahman, I., Al Yami, M. S., & Albekairy, A. M. (2023). The emergent role of artificial intelligence, natural learning processing, and large language models in higher education and research. Research in Social and Administrative Pharmacy, 19(8), 1236-1242. https://doi.org/10.1016/J.SAPHARM.2023.05.016
Atarés Huerta, L., Antonio Llorens Molina, J., & Marin-Garcia, J. A. (2021). La evaluación por pares en Educación Superior. Educación Química, 1, 32. https://doi.org/10.22201/fq.18708404e.2021.1.75905
Cárdenas, J. (2023). Inteligencia artificial, investigación y revisión por pares: escenarios futuros y estrategias de acción Artificial intelligence, research and peer-review: future scenarios and action strategies. Revista Española de Sociología (RES) / Spanish Journal of Sociology, 4, 1-15. https://doi.org/10.22325/fes/res.2023
Gul, S., Asif, M., Fazal-E-Amin, Saleem, K., & Imran, M. (2025). Advancing Aspect-Based Sentiment Analysis in Course Evaluation: A Multi-Task Learning Framework with Selective Paraphrasing. IEEE Access. https://doi.org/10.1109/ACCESS.2025.3527367
Hussain, S., Ayoub, M., Jilani, G., Yu, Y., Khan, A., Wahid, J. A., Butt, M. F. A., Yang, G., Moller, D. P. F., & Weiyan, H. (2022). Aspect2Labels: A novelistic decision support system for higher educational institutions by using multi-layer topic modelling approach. Expert Systems with Applications, 209. https://doi.org/10.1016/j.eswa.2022.118119
Jazuli, A., Widowati, & Kusumaningrum, R. (2024). Optimizing Aspect-Based Sentiment Analysis Using BERT for Comprehensive Analysis of Indonesian Student Feedback. Applied Sciences, 15(1), 172. https://doi.org/10.3390/app15010172
Jiang, X., Ren, B., Wu, Q., Wang, W., & Li, H. (2024). DCASAM: advancing aspect-based sentiment analysis through a deep context-aware sentiment analysis model. https://doi.org/https://doi.org/10.1007/s40747-024-01570-5
Kasri, M., Birjali, M., Nabil, M., Beni-Hssane, A., El-Ansari, A., & El Fissaoui, M. (2022). Refining Word Embeddings with Sentiment Information for Sentiment Analysis. Journal of ICT Standardization, 10(3). https://doi.org/10.13052/jicts2245-800X.1031
Longarela-Ares, Á. M., & Rodríguez-Padín, R. (2023). Aprendizaje colaborativo, learning-by-doing y evaluación entre pares en educación superior. EDUCA. Revista Internacional para la calidad educativa, 3(2), 275-298. https://doi.org/10.55040/EDUCA.V3I2.66
Mahrishi, M., Rodríguez Medellín, C. E., Yau Flores, M. del R., Guzmán Brito, M. P., & Abbas, A. (2025). Opinion mining of professors’ sentiments towards the adoption of technology, the latest teaching trends, and their effectiveness. Social Sciences and Humanities Open, 11. https://doi.org/10.1016/j.ssaho.2024.101249
Martínez-Seis, B. C., Pichardo-Lagunas, O., Miranda, S., Perez-Cazares, I. J., & Rodriguez-González, J. A. (2022). Deep Learning Approach for Aspect-Based Sentiment Analysis of Restaurants Reviews in Spanish. Computacion y Sistemas, 26, 899-908. https://doi.org/10.13053/CyS-26-2-4258
Marutho, D., Muljono, Rustad, S., & Purwanto. (2024). Optimizing aspect-based sentiment analysis using sentence embedding transformer, bayesian search clustering, and sparse attention mechanism. Journal of Open Innovation: Technology, Market, and Complexity, 10(1), 100211. https://doi.org/10.1016/J.JOITMC.2024.100211
Montañez Castelo, P., Simón-Cuevas, A., Olivas, J. A., & Romero, F. P. (2024). Enhancing Spanish Aspect-Based Sentiment Analysis Through Deep Learning Approach. Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 14335 LNCS, 215-224. https://doi.org/10.1007/978-3-031-49552-6_19
Pinargote-Ortega, M., Bowen-Mendoza, L., Meza, J., & Ventura, S. (2023). Peer Feedback Sentiment Analysis Prototype[Prototipo de análisis de sentimiento de retroalimentación textual entre pares]. Volume 2023, Issue E61, Pages 322 - 337, 2023(E61), 322-337.
Rodríguez-Espinosa, H., Fernando Restrepo-Betancur Gloria Cristina Luna-Cabrera, L., Fernando Restrepo-Betancur, L., & Cristina Luna-Cabrera, G. (2016). Percepción del estudiantado sobre la evaluación del aprendizaje en la educación superior. Revista Electrónica Educare, ISSN-e 1409-4258, Vol. 20, No. 3, 2016, 20(3), 18. https://doi.org/10.15359/ree.20-3.18
Roslan, N., Jamil, J. M., Shaharanee, I. N. M., & Alawi, S. J. S. (2025). Prediction of Student Dropout in Malaysian’s Private Higher Education Institute using Data Mining Application. Journal of Advanced Research in Applied Sciences and Engineering Technology, 45, 168-176. https://doi.org/10.37934/araset.45.2.168176
Sadigov, R., Yıldırım, E., Kocaçınar, B., Patlar Akbulut, F., & Catal, C. (2024). Deep learning-based user experience evaluation in distance learning. Cluster Computing, 27, 443-455. https://doi.org/10.1007/s10586-022-03918-3
Studer, S., Bui, T. B., Drescher, C., Hanuschkin, A., Winkler, L., Peters, S., & Müller, K. R. (2021). Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology. Machine Learning and Knowledge Extraction 2021, Vol. 3, Pages 392-413, 3(2), 392-413. https://doi.org/10.3390/MAKE3020020
Ulises, J., Salinas, S., Carlos, J., & Diaz, T. (2021). Análisis de Sentimientos en los Mensajes Recibidos en el Entorno Virtual de Aprendizaje de la Modalidad Abierta y a Distancia de la UTPL. Revista Ibérica de Sistemas e Tecnologias de Informação, 98-113.
Wang, W., & Xu, L. (2025). Aspect-based sentiment classification with BERT and AI feedback. https://doi.org/10.1109/TBDATA.2025.3536934
Yilmaz, Y., Nunez, A. J., Ariaeinejad, A., Lee, M., Sherbino, J., & Chan, T. M. (2022). Harnessing Natural Language Processing to Support Decisions Around Workplace-Based Assessment: Machine Learning Study of Competency-Based Medical Education. JMIR Medical Education, 8. https://doi.org/10.2196/30537
Zhao, H., Cui, C., & Wu, C. (2024). Hybrid Graph Neural Network-Based Aspect-Level Sentiment Classification. Electronics, 13(16), 3263. https://doi.org/10.3390/electronics13163263
