Un BOT de enseñanza de semiconductores y circuitos integrados para la democratización precisa del conocimiento

Contenido principal del artículo

Juan Andrés Lopez-Cubides
Fredy Segura-Quijano
Juan Sebastian Moya-Baquero

Resumen

La pandemia de 2020 impactó diferentes áreas de la sociedad, como la salud, la economía y la educación. Además, la inequidad en el acceso a Internet, a los dispositivos electrónicos de consumo y la desigualdad económica aumentan la brecha educativa entre los países desarrollados y en desarrollo. Aún así, los avances tecnológicos permiten la posibilidad de mitigar los impactos negativos mediante el desarrollo de diferentes herramientas para preservar la calidad de la educación. La Inteligencia Artificial es una herramienta que ha crecido exponencialmente en los últimos años, principalmente cuando se utiliza como navegador de información. Sin embargo, esta herramienta debe ser más madura para garantizar la correcta transmisión del conocimiento, especialmente en campos que necesitan más información disponible. Presentamos Silibot, un Chatbot que utiliza modelos de inteligencia artificial para apoyar el aprendizaje autónomo en los campos de semiconductores y circuitos integrados. Es una herramienta desarrollada para reducir la inequidad en el acceso a la educación y complementar el trabajo de los profesores durante las clases. Implementamos Silibot en Dialogflow CX con más del 90 % de precisión.

Detalles del artículo

Cómo citar
Lopez-Cubides, J. A., Segura-Quijano, F., & Moya-Baquero, J. S. (2024). Un BOT de enseñanza de semiconductores y circuitos integrados para la democratización precisa del conocimiento. Revista Tecnología En Marcha, 37(5), Pág 5–14. https://doi.org/10.18845/tm.v37i5.7213
Sección
Artículo científico

Citas

U. N. ECLAC, “The sociodemographic impacts of the covid-19 pandemic in latin america and the caribbean,”

Fourth session of a Regional Conference on Population and Development in Latin America and the Caribbean.,

pp. 1–154, 2022.

U. N. D. P. U. R. B. of Asia and the Pacific, “The-social-economic-impact-of-covid-19-in-the-asia-pacificregion,” pp. 1–36, 2020.

A. G ́eron, Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. ” O’Reilly Media, Inc.”, 2022.

I. Goodfellow, Y. Bengio, and A. Courville, Deep learning. MIT press, 2016.

A. F. Muhammad, D. Susanto, A. Alimudin, F. Adila, M. H. Assidiqi, and S. Nabhan, “Developing english

conversation chatbot using dialogflow,” in 2020 International Electronics Symposium (IES). IEEE, 2020, pp.

–475.

C. Kidd and B. Saxena. (2021) Nlp vs nlu: What’s the difference? [Online]. Available: https://www.bmc.com/

blogs/nlu-vs-nlp-natural-language-understanding-processing/

G. Brustenga, M. F.-A. Guillerm, and N. Molas-Castells, “Briefing paper: chatbots in education,” Barcelona,

J. J. Sophia and T. P. Jacob, “Edubot-a chatbot for education in covid-19 pandemic and vqabot comparison,”

in 2021 Second International Conference on Electronics and Sustainable Communication Systems (ICESC).

IEEE, 2021, pp. 1707–1714.

J. A. Lopez Cubides, “Dise ̃no, desarrollo y entrenamiento de un bot para

una plataforma transmedia del p ́aramo de santurb ́an,” Ph.D. dissertation,

Universidad Industrial de Santander.

O. Tapalova and N. Zhiyenbayeva, “Artificial intelligence in education:

Aied for personalised learning pathways,” Electronic Journal of eLearning, vol. 20, no. 5, pp. 639–653, 2022.

J. Franganillo and J. Guallar, “Chatgpt escribe un poema al estilo de lorca: el resultado muestra sus debilidades,” The Conversation, 2023, 6 febrero., 2023