Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
DOI: https://doi.org/10.46296/yc.v9i16.0633  
BIG DATA E INTELIGENCIA ARTIFICIAL EN EL CONTEXTO DE LA  
EDUCACIÓN SUPERIOR PARA FOMENTAR LOS ODS  
BIG DATA AND ARTIFICIAL INTELLIGENCE IN THE CONTEXT OF HIGHER  
EDUCATION TO PROMOTE THE SDGS  
1
2
Falcones-Molina Edison Leonardo ; Pastran-Calles Félix Reinaldo  
1
Universidad Laica Eloy Alfaro de Manabí. Pedernales, Ecuador.  
Correo: edisonl.falcones@uleam.edu.ec. ORCID ID: https://orcid.org/0009-0009-8613-2701  
2
Universidad Laica Eloy Alfaro de Manabí. Pedernales, Ecuador.  
Correo: felix.pastran@uleam.edu.ec. ORCID ID: https://orcid.org/0000-0001-7046-8942  
Resumen  
Este estudio evaluó la integración de Big Data e Inteligencia Artificial (IA) en la educación superior  
para mejorar la calidad educativa y fomentar los Objetivos de Desarrollo Sostenible (ODS) en la  
Universidad Laica Eloy Alfaro de Manabí (ULEAM) - Extensión Pedernales. Se utilizó un enfoque  
mixto con un diseño no experimental, transversal y descriptivo-correlacional, aplicando  
encuestas a 58 individuos entre estudiantes y personal administrativo. Los resultados muestran  
que el 43.7% de los encuestados calificó la conectividad como buena, mientras que el 34.1%  
consideró insuficiente el equipamiento tecnológico. Además, el 40.5% de los docentes tiene  
habilidades tecnológicas buenas, pero el 28.8% las considera insuficientes. Se evidenció una  
correlación positiva (0.976) entre infraestructura tecnológica y adopción de herramientas  
digitales, destacando que el 40.3% de los encuestados cree que la IA y Big Data mejorarán  
significativamente la educación. Como resultado, se diseñó un plan estratégico basado en tres  
pilares: infraestructura tecnológica, capacitación docente y proyectos piloto. Se concluye que la  
implementación de Big Data e IA mejora la educación al personalizar el aprendizaje, optimizar la  
gestión académica y fortalecer la sostenibilidad institucional.  
Palabras claves: Educación superior, Inteligencia Artificial, Big Data, Sostenibilidad, ODS.  
Abstract  
This study evaluated the integration of Big Data and Artificial Intelligence (AI) in higher education  
to improve educational quality and promote the Sustainable Development Goals (SDGs) at the  
Universidad Laica Eloy Alfaro de Manabí (ULEAM) - Pedernales Extension. A mixed-methods  
approach was used with a non-experimental, cross-sectional, and descriptive-correlational  
design, applying surveys to 65 individuals, including students and administrative staff. The results  
show that 43.7% of respondents rated connectivity as good, while 34.1% considered the  
technological equipment insufficient. Additionally, 40.5% of teachers have good technological  
skills, but 28.8% consider them inadequate. A positive correlation (0.976) was found between  
technological infrastructure and the adoption of digital tools, highlighting that 40.3% of  
respondents believe that AI and Big Data will significantly improve education. As a result, a  
strategic plan was designed based on three pillars: technological infrastructure, teacher training,  
and pilot projects. It is concluded that the implementation of Big Data and AI enhances education  
by personalizing learning, optimizing academic management, and strengthening institutional  
sustainability.  
Keywords: Higher education, Artificial Intelligence, Big Data, Sustainability, SDGs.  
Información del manuscrito:  
Fecha de recepción: 12 de enero de 2025.  
Fecha de aceptación: 24 de marzo de 2025.  
Fecha de publicación: 10 de abril de 2025.  
1022  
Falcones-Molina et al. (2025)  
soluciones innovadoras para los  
desafíos contemporáneos (Leal  
Filho et al., 2024b).  
1
. Introducción  
Históricamente,  
el  
avance  
tecnológico ha sido un catalizador  
fundamental en diversas esferas de  
la sociedad, incluida la educación  
superior. En este contexto, la  
integración de tecnologías de Big  
Data e Inteligencia Artificial (IA) se  
ha erigido como un campo de  
estudio prometedor, con el potencial  
de transformar radicalmente la  
manera en que se imparte y se  
gestiona el conocimiento en las  
La capacidad de recopilar, analizar y  
aprovechar grandes volúmenes de  
datos proporciona una oportunidad  
sin precedentes para comprender  
mejor las necesidades y los patrones  
de aprendizaje de los estudiantes,  
así como para personalizar la  
experiencia educativa de manera  
más eficaz (Bucea-Manea-Țoniş et  
al., 2022).  
instituciones  
Arfanuzzaman, 2021).  
educativas  
En Pedernales, Ecuador, este  
paradigma cobra una relevancia  
particular. En un contexto donde la  
educación superior juega un papel  
crucial en el desarrollo social y  
económico de la región, la adopción  
de tecnologías de vanguardia como  
el Big Data y la IA podrían ser un  
factor determinante para el logro de  
(
El  
progreso  
tecnológico  
ha  
demostrado  
ser  
un  
agente  
transformador en múltiples facetas  
de la vida moderna, y la educación  
superior no ha sido la excepción. La  
convergencia de tecnologías como el  
Big Data y la Inteligencia Artificial  
los  
Objetivos  
de  
Desarrollo  
(IA) ha emergido como un campo de  
Sostenible (ODS) establecidos por  
las Naciones Unidas.  
estudio prometedor, con el potencial  
de revolucionar la forma en que se  
enseña y gestiona el conocimiento  
en las instituciones educativas a  
nivel mundial (Bachmann et al.,  
Este estudio se embarca en la tarea  
de explorar el impacto de la  
integración de estas tecnologías en  
el contexto específico de la  
educación superior en Pedernales.  
Más allá de simplemente adoptar  
una perspectiva global, se busca  
2022). Es por ello que la integración  
de estas tecnologías en el ámbito de  
la educación superior representa un  
hito significativo en la búsqueda de  
1023  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
comprender  
herramientas  
cómo  
estas  
ser  
responsabilidad de contribuir de  
manera significativa al cumplimiento  
de los objetivos de desarrollo  
sostenible tanto a través de su labor  
académica como de su impacto en la  
comunidad.  
pueden  
implementadas de manera efectiva y  
significativa en el contexto local,  
teniendo en cuenta las necesidades  
y los recursos disponibles en la  
región  
En este contexto, resulta imperativo  
realizar un estudio que explore de  
manera sistemática el impacto de la  
integración de tecnologías de Big  
Data e Inteligencia Artificial en la  
educación superior en Pedernales,  
Ecuador. Bajo esta premisa, el  
objetivo principal de este estudio es  
La investigación se sitúa en un  
momento  
crucial,  
donde  
la  
intersección entre la tecnología y la  
educación presenta tanto desafíos  
como posibilidades prometedoras.  
Por  
disponibilidad de datos  
desarrollo de algoritmos cada vez  
más sofisticados ofrecen la  
un  
lado,  
la  
creciente  
y
el  
explorar las  
oportunidades de la integración de  
tecnologías de Big Data  
el  
impacto  
y
oportunidad de mejorar la calidad y  
la eficiencia de la enseñanza y el  
aprendizaje. Por otro lado, surgen  
interrogantes sobre la privacidad de  
los datos, la equidad en el acceso a  
la tecnología y el impacto potencial  
en la relación entre estudiantes y  
educadores (Jokhan et al., 2022).  
e
Inteligencia Artificial en la educación  
superior en Pedernales, Ecuador,  
con el propósito de fomentar el  
avance de los Objetivos de  
Desarrollo Sostenible (ODS). A  
través de un análisis detallado de la  
situación actual, se buscó identificar  
las posibles aplicaciones de estas  
A nivel regional, en Pedernales,  
Ecuador, se enfrentan desafíos  
socioeconómicos y ambientales que  
requieren de acciones concretas y  
estratégicas para su abordaje. La  
Universidad Laica Eloy Alfaro de  
tecnologías,  
así  
como  
sus  
implicaciones en términos de  
eficacia, equidad y sostenibilidad en  
el contexto educativo local.  
El presente estudio tiene como  
objetivo analizar el impacto de la  
integración de tecnologías de Big  
Data e Inteligencia Artificial en la  
Manabí  
(ULEAM)  
como  
Extensión  
institución  
Pedernales,  
educativa líder en la región, tiene la  
1024  
Falcones-Molina et al. (2025)  
educación superior, específicamente  
en la Universidad Laica Eloy Alfaro  
de Manabí (ULEAM) Extensión  
Pedernales, Ecuador, con el fin de  
promover los Objetivos de Desarrollo  
Sostenible (ODS).  
efectiva de estas herramientas en el  
proceso educativo.  
Esto lo corroboran autores como  
Mhlanga, (2022) quien sostiene que  
el desarrollo tecnológico acelerado  
de las últimas décadas ha  
transformado radicalmente la forma  
en que interactuamos con el mundo,  
y la educación superior no ha sido  
ajena a esta transformación.  
Marco teórico  
Antecedentes  
En  
su  
investigación  
titulada  
"
Educación, Big Data e Inteligencia  
De forma similar, Opesemowo &  
Adekomaya, (2024) sostienen que el  
interés en la aplicación de estas  
tecnologías en el ámbito educativo  
ha crecido significativamente en los  
últimos años, impulsado en parte por  
la creciente disponibilidad de datos y  
el desarrollo de algoritmos cada vez  
más sofisticados. Estudios a nivel  
mundial han destacado el potencial  
de estas tecnologías para mejorar la  
eficiencia y la efectividad de los  
procesos educativos, desde la  
personalización del aprendizaje  
hasta la identificación de patrones de  
comportamiento estudiantil y la  
Artificial: Metodologías mixtas en  
plataformas digitales", Bonam et al.  
(2020)  
exploraron  
cómo  
la  
inteligencia artificial (IA) y Big Data  
están transformando la estructura  
del campo educativo.  
Los autores plantearon que el  
estudio de la IA y Big Data debería ir  
más allá del poder computacional y  
lógico tradicional, abarcando áreas  
científicas menos exploradas, pero  
más complejas para entender su  
influencia en el ámbito educativo.  
Las conclusiones de Bonam et al.  
sugieren que es fundamental ofrecer  
un análisis triangular bajo un  
optimización  
institucional.  
de  
la  
gestión  
enfoque  
multimodal  
para  
En el contexto de los Objetivos de  
Desarrollo Sostenible (ODS),  
comprender mejor la interfaz entre la  
educación y las nuevas tecnologías,  
facilitando una integración más  
adoptados por las Naciones Unidas  
en 2015 como un llamado global  
1025  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
para abordar los desafíos más  
urgentes que enfrenta la humanidad,  
Pigola et al., (2021) afirma que la  
educación superior desempeña un  
papel crucial como motor de cambio  
y desarrollo. Los ODS abarcan una  
amplia gama de temas, desde la  
erradicación de la pobreza hasta la  
acción climática, y la educación se  
reconoce como un factor clave para  
alcanzar estos objetivos.  
Pedernales, Ecuador, aún se  
encuentra en una etapa incipiente. Si  
bien se han realizado estudios a  
nivel mundial que destacan el  
potencial de estas tecnologías, es  
necesario  
llevar  
a
cabo  
más  
investigaciones  
contextualizadas que analicen su  
aplicación y sus repercusiones en  
entornos específicos.  
Bases teóricas  
A nivel mundial, se han llevado a  
Big data  
cabo numerosas iniciativas  
y
proyectos piloto que exploran el  
potencial de estas tecnologías para  
apoyar los ODS en el contexto  
educativo. Por ejemplo, programas  
de análisis de datos han sido  
El Big Data ha emergido en el ámbito  
de la educación superior ofreciendo  
una amplia gama de oportunidades  
para mejorar la calidad, la eficiencia  
y la equidad de la enseñanza y el  
aprendizaje. En un mundo donde la  
cantidad de información generada  
cada día es exponencial, el Big Data  
se presenta como una herramienta  
para analizar y extraer conocimiento  
significativo de conjuntos de datos  
masivos (Giró Gràcia & Sancho Gil,  
implementados  
instituciones  
en  
para  
diversas  
identificar  
patrones de deserción estudiantil y  
diseñar intervenciones  
personalizadas para mejorar la  
retención y el éxito académico  
(relacionado con ODS 4) Sin  
embargo, a pesar del creciente  
interés y la evidencia inicial de  
beneficios, Teh & Rana, (2023)  
aseguran que la investigación sobre  
el impacto de las tecnologías de Big  
Data e Inteligencia Artificial en la  
educación superior, especialmente  
en contextos específicos como  
2
022).  
En el contexto de la educación  
superior, el Big Data abarca una  
variedad de áreas de aplicación. Una  
de las áreas más destacadas es la  
analítica de aprendizaje, que se  
refiere al uso de datos para  
1026  
Falcones-Molina et al. (2025)  
comprender y mejorar el proceso de  
enseñanza y aprendizaje. Mediante  
el análisis de datos generados por  
sistemas de gestión del aprendizaje,  
la sociedad moderna y, en el  
contexto de la educación superior,  
ofrece un vasto campo de  
oportunidades para mejorar la  
plataformas en línea  
y
otros  
las  
calidad, la accesibilidad  
y
la  
dispositivos  
instituciones  
patrones  
digitales,  
pueden  
comportamiento  
eficiencia del proceso educativo. En  
un mundo cada vez más digitalizado,  
la IA se presenta como una  
herramienta para personalizar la  
identificar  
de  
estudiantil, evaluar el impacto de las  
intervenciones educativas  
y
experiencia  
de  
aprendizaje,  
personalizar la experiencia de  
aprendizaje para satisfacer las  
necesidades individuales de los  
estudiantes (Bonam et al., 2020a).  
optimizar la gestión institucional y  
avanzar hacia la consecución de los  
Objetivos de Desarrollo Sostenible  
(ODS) (Guaña Moya, 2023).  
El Big Data se utiliza cada vez más  
para optimizar la gestión institucional  
en áreas como la planificación  
académica, la asignación de  
recursos y la toma de decisiones  
estratégicas. Mediante el análisis de  
datos relacionados con la matrícula,  
el rendimiento estudiantil y los  
indicadores de éxito académico, las  
En el ámbito educativo, la IA abarca  
una amplia gama de aplicaciones,  
desde sistemas de tutoría inteligente  
hasta herramientas de evaluación  
automatizada y asistentes virtuales.  
Estas tecnologías pueden adaptarse  
a las necesidades y preferencias  
individuales de los estudiantes,  
proporcionando un aprendizaje más  
instituciones  
áreas de mejora, prever tendencias  
futuras diseñar políticas  
pueden  
identificar  
personalizado  
y
efectivo. Por  
ejemplo, los sistemas de tutoría  
inteligente pueden analizar el  
progreso del estudiante y ofrecer  
y
y
programas que promuevan el éxito  
estudiantil y la retención (Bonam et  
al., 2020b).  
retroalimentación  
y
recursos  
adaptados a su nivel de habilidad y  
estilo de aprendizaje (Flores et al.,  
Inteligencia artificial  
2022).  
Los asistentes virtuales  
basados en IA pueden automatizar  
tareas rutinarias, como la gestión de  
La Inteligencia Artificial (IA) ha  
revolucionado diversos aspectos de  
1027  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
horarios y la atención al cliente,  
liberando así tiempo y recursos para  
actividades más estratégicas (Vera,  
áreas de necesidad y diseñar  
programas y servicios de apoyo que  
promuevan la equidad y la inclusión  
en la educación. Además, al utilizar  
sistemas de tutoría inteligente y  
asistentes virtuales basados en IA,  
las instituciones pueden mejorar la  
calidad y la accesibilidad de la  
2023).  
En el contexto de los ODS, la IA  
puede desempeñar un papel crucial  
en la promoción de la equidad y la  
inclusión en la educación. Al adaptar  
educación,  
ofreciendo  
un  
el contenido  
educativos  
y
los recursos  
aprendizaje más personalizado y  
efectivo para todos los estudiantes  
a
las necesidades  
individuales de los estudiantes, la IA  
puede ayudar a cerrar la brecha de  
aprendizaje y mejorar el acceso a la  
educación de calidad para todos,  
independientemente de su origen  
(
Peña et al., 2020).  
Objetivos de desarrollo sostenible  
Los Objetivos de Desarrollo  
Sostenible (ODS) establecidos por  
las Naciones Unidas en 2015 son un  
marco global que busca abordar los  
desafíos más urgentes que enfrenta  
la humanidad, desde la erradicación  
de la pobreza hasta la acción  
climática. En el contexto de la  
educación superior y su relación con  
las tecnologías emergentes como el  
Big Data y la Inteligencia Artificial  
socioeconómico  
geográfica. Además, al analizar  
datos sobre el rendimiento  
o
ubicación  
estudiantil y la eficacia de las  
intervenciones educativas, la IA  
puede proporcionar información  
valiosa para diseñar políticas y  
programas que promuevan el éxito  
académico  
y
la igualdad de  
oportunidades (Aguilar et al., 2023).  
(IA), los ODS juegan un papel  
El uso de IA en el contexto de la  
educación superior puede tener un  
impacto significativo en el avance de  
los ODS. Por ejemplo, al analizar  
importante al proporcionar un marco  
de referencia para guiar las acciones  
y políticas que promueven un  
desarrollo sostenible en este ámbito  
(Calles, 2020).  
datos  
sobre  
la  
el  
matriculación  
rendimiento  
estudiantil,  
El impacto de las tecnologías de Big  
Data e IA en la educación superior  
académico y la retención, las  
instituciones pueden identificar  
1028  
Falcones-Molina et al. (2025)  
puede alinearse con varios de los  
ODS, proporcionando herramientas  
y el desarrollo sostenible (Caro,  
2021).  
y
enfoques innovadores para  
Bases legales  
abordar desafíos clave en el ámbito  
educativo. Uno de los principales  
ODS relacionados con la educación  
es el ODS 4: "Garantizar una  
educación inclusiva, equitativa y de  
calidad, y promover oportunidades  
de aprendizaje permanente para  
todos". En este sentido, el uso de  
tecnologías de Big Data e IA puede  
contribuir a mejorar la calidad y la  
accesibilidad de la educación, al  
permitir una personalización del  
Las bases legales que respaldan una  
investigación sobre el uso de  
tecnologías de Big Data  
e
Inteligencia Artificial (IA) en la  
educación superior en Pedernales,  
Ecuador,  
Objetivos de Desarrollo Sostenible  
ODS) están enraizadas en varios  
para  
promover  
los  
(
marcos legales y normativos tanto a  
nivel nacional como internacional.  
A nivel internacional, los Objetivos  
de Desarrollo Sostenible (ODS)  
fueron adoptados por la Asamblea  
General de las Naciones Unidas en  
aprendizaje  
adaptada  
a
las  
necesidades individuales de los  
estudiantes y al ofrecer nuevas  
formas de acceso a recursos  
educativos (Ramos Torres, 2021).  
2015 como un llamado global para  
abordar los desafíos más urgentes  
que enfrenta la humanidad. Ecuador,  
como miembro de las Naciones  
Unidas, ha respaldado estos  
objetivos y se ha comprometido a  
El uso de tecnologías de Big Data e  
IA puede ayudar a mejorar la calidad  
de la educación, ofreciendo recursos  
educativos  
adaptados  
a
las  
necesidades y contextos locales.  
Además, al promover la colaboración  
entre instituciones educativas, el  
gobierno y otras partes interesadas,  
se pueden identificar y abordar los  
desafíos específicos que enfrenta la  
tomar  
medidas  
para  
su  
cumplimiento. Por lo tanto, cualquier  
investigación que tenga como  
objetivo contribuir al avance de los  
ODS, como la investigación sobre el  
uso de tecnologías de Big Data e IA  
en la educación superior se enmarca  
en este compromiso internacional.  
educación  
en  
la  
región,  
contribuyendo así al logro de los  
ODS relacionados con la educación  
1029  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
Artículos y Resoluciones de la  
UNESCO y Naciones Unidas  
Incheon, Corea del Sur, en mayo de  
2015. Esta declaración establece la  
visión para la educación mundial  
hasta 2030 y es un componente  
clave de la Agenda de Educación  
1
. Recomendación sobre la Ética  
de la Inteligencia Artificial  
UNESCO, 2021):  
(
2030. Se encuentra en el documento  
titulado "Educación 2030:  
La Recomendación sobre la Ética de  
la Inteligencia Artificial de la  
UNESCO se encuentra en el  
documento titulado "Recomendación  
sobre la Ética de la Inteligencia  
Artificial", adoptado durante la 41ª  
reunión de la Conferencia General  
de la UNESCO en noviembre de  
Declaración de Incheon y Marco de  
Acción para la implementación del  
Objetivo de Desarrollo Sostenible 4"  
páginas 3-6, que fue publicado por la  
UNESCO  
y
otros organismos  
asociados.  
Esta el  
compromiso global con la educación  
como un derecho humano  
declaración  
reafirma  
2021, abarca desde el primero hasta  
el octavo artículo. Este documento  
proporciona un marco ético para la  
IA, destacando la importancia de  
utilizar estas tecnologías de manera  
que respeten los derechos humanos  
fundamental y un motor esencial  
para alcanzar los ODS. La  
declaración destaca la necesidad de  
innovaciones tecnológicas para  
mejorar la calidad y el acceso a la  
educación, en línea con el ODS 4.  
y
promuevan  
el  
desarrollo  
sostenible.  
Establece principios que pueden  
guiar el uso de IA en educación y  
otras áreas, asegurando que su  
implementación apoye los ODS.  
3
. Agenda 2030 para el Desarrollo  
Sostenible (Naciones Unidas,  
015):  
2
Adoptada por la Asamblea General  
de las Naciones Unidas en  
septiembre de 2015, es un plan  
global para erradicar la pobreza,  
proteger el planeta y garantizar la  
prosperidad para todos como parte  
de una nueva agenda de desarrollo  
2
. Declaración de Incheon (Foro  
Mundial sobre la Educación,  
015):  
2
La Declaración de Incheon fue  
adoptada durante el Foro Mundial  
sobre la Educación que tuvo lugar en  
1030  
Falcones-Molina et al. (2025)  
sostenible.  
contenido  
Este  
en la  
documento,  
Resolución  
tecnológicas en los países en  
desarrollo, promoviendo la  
A/RES/70/1, presenta 17 Objetivos  
de Desarrollo Sostenible (ODS) que  
abordan áreas críticas para la  
humanidad y el planeta, como la  
erradicación de la pobreza, la lucha  
contra el hambre, la promoción de la  
salud y el bienestar, la educación de  
calidad, la igualdad de género, y la  
acción por el clima, entre otros. La  
Agenda 2030 establece una visión  
compartida para el futuro, y cada  
ODS está respaldado por metas  
específicas que los países se han  
comprometido a alcanzar para 2030.  
El documento comienza en las  
primeras páginas de la resolución y  
se extiende a lo largo de unas 30  
transferencia de tecnología y la  
cooperación internacional en estos  
campos. La resolución enfatiza la  
importancia de crear entornos que  
fomenten la innovación y el uso de  
tecnologías avanzadas para abordar  
desafíos globales como el cambio  
climático, la seguridad alimentaria y  
la salud pública. Se insta a los  
Estados Miembros a integrar la CTI  
en sus políticas de desarrollo,  
reconociendo su potencial para  
impulsar el crecimiento económico  
inclusivo y sostenible. La resolución,  
contenida  
en  
el  
documento  
A/RES/72/242, se encuentra en las  
primeras páginas y detalla las  
páginas,  
detallando  
los  
recomendaciones directrices  
y
compromisos y los principios que  
guiarán la acción global durante los  
próximos años.  
específicas en este ámbito.  
5
. Marco de Acción de Educación  
030 (UNESCO, 2015):  
2
4
.
Resolución 72/242 de la  
Asamblea General de las  
Naciones Unidas (2018):  
El Marco de Acción de Educación  
030, publicado por la UNESCO en  
2
noviembre de 2015, es un  
documento clave que sigue a la  
Declaración de Incheon y detalla  
Adoptada en enero de 2018, aborda  
el papel crucial que desempeñan la  
ciencia, la tecnología y la innovación  
cómo  
los  
países  
pueden  
de  
(CTI) en el desarrollo sostenible.  
implementar  
el Objetivo  
Este  
documento  
destaca  
fortalecer  
la  
las  
y
Desarrollo Sostenible 4 (ODS 4), que  
se centra en garantizar una  
educación inclusiva, equitativa y de  
necesidad  
de  
capacidades  
científicas  
1031  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
calidad y en promover oportunidades  
de aprendizaje durante toda la vida  
para todos. Este marco ofrece una  
hoja de ruta clara para los gobiernos,  
organizaciones internacionales, y  
otras partes interesadas sobre cómo  
alcanzar las metas educativas  
establecidas para 2030. Se enfatiza  
la necesidad de un financiamiento  
adecuado, políticas inclusivas, y la  
"La educación es un derecho de las  
personas a lo largo de su vida y un  
deber ineludible e inexcusable del  
Estado. Constituye un área prioritaria  
de la política pública y de la inversión  
estatal, garantía de la igualdad e  
inclusión  
social  
y
condición  
indispensable para el buen vivir. Las  
personas, las familias y la sociedad  
tienen  
el  
derecho  
y
la  
cooperación  
internacional  
para  
responsabilidad de participar en el  
proceso educativo."  
asegurar que nadie quede atrás en el  
acceso a una educación de calidad.  
Reconoce la importancia de la  
investigación científica y tecnológica  
como un medio para promover el  
El  
Marco  
de  
Acción  
está  
estructurado para guiar tanto a nivel  
global como local, proporcionando  
estrategias concretas para superar  
los desafíos educativos. Este  
documento se extiende a lo largo de  
varias decenas de páginas y sigue  
inmediatamente después de la  
Declaración de Incheon en el texto  
publicado por la UNESCO.  
desarrollo social, económico  
y
cultural del país. En este sentido,  
cualquier investigación en el ámbito  
de la educación superior en Ecuador  
debe cumplir con los principios y  
valores  
establecidos  
en  
la  
la  
Constitución,  
garantizando  
equidad, la calidad y la accesibilidad  
de la educación para todos los  
ciudadanos.  
A nivel nacional, la Constitución de la  
República del Ecuador establece el  
derecho a la educación como un  
derecho fundamental de todas las  
personas (Articulo 26 de la  
Constitución de la República).  
En cuanto a la protección de datos y  
la privacidad, Ecuador cuenta con  
una legislación específica que regula  
la recopilación, el tratamiento y la  
protección de datos personales.  
El Artículo 26 de la Constitución de la  
República del Ecuador establece lo  
siguiente:  
El Artículo 66, numeral 19 de la  
Constitución de la República del  
1032  
Falcones-Molina et al. (2025)  
Ecuador establece lo siguiente:"Se  
estadísticos, al tiempo que se  
exploraron percepciones,  
reconoce  
y
garantizará  
a
las  
personas: 19. El derecho a la libertad  
de expresión en todas sus formas y  
manifestaciones."  
experiencias y opiniones de la  
comunidad universitaria. El diseño  
de  
la  
investigación  
fue  
no  
y
experimental,  
transversal  
La Ley Orgánica de Protección de  
Datos Personales (LOPD) establece  
los principios y procedimientos que  
deben seguirse para garantizar el  
respeto a la privacidad y la seguridad  
de la información personal de los  
ciudadanos. Cualquier investigación  
que implique la recopilación o el  
análisis de datos personales debe  
cumplir con las disposiciones de esta  
ley y obtener el consentimiento  
informado de los participantes  
descriptivo-correlacional. Se optó  
por un diseño no experimental  
porque no se manipularon variables,  
sino que se observó la realidad tal  
como se presentaba en el contexto  
universitario.  
La  
naturaleza  
transversal permitió recolectar los  
datos en un único momento en el  
tiempo, mientras que el carácter  
descriptivo-correlacional  
posibilitó  
analizar relaciones entre variables  
como la infraestructura tecnológica,  
el uso de herramientas digitales, la  
(artículo 66, numeral 19 de la  
Constitución de la República).  
percepción  
docente  
sobre  
la  
tecnología y su impacto en la  
educación y la sostenibilidad.  
2. Metodología  
Para la recolección de datos, se  
utilizaron técnicas cuantitativas y  
cualitativas. Entre las técnicas  
cuantitativas, se aplicaron encuestas  
La investigación siguió un enfoque  
mixto, combinando métodos  
cuantitativos y cualitativos para  
obtener una visión integral sobre el  
impacto de la adopción de  
tecnologías avanzadas en la calidad  
educativa y el desarrollo sostenible  
en la Universidad Laica Eloy Alfaro  
de Manabí (ULEAM) Extensión  
Pedernales. Este enfoque permitió  
estructuradas  
a
estudiantes  
y
personal administrativo, las cuales  
incluyeron preguntas cerradas con  
escalas que  
permitieron medir la percepción  
sobre conectividad, acceso  
software, uso de herramientas  
de  
valoración  
a
analizar  
datos  
numéricos  
y
1033  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
digitales, impacto de la tecnología en  
el aprendizaje y compromiso con los  
Objetivos de Desarrollo Sostenible  
digitalización y la sostenibilidad en la  
universidad. Se realizaron las  
encuestas y entrevistas para captar  
la percepción y disposición de la  
comunidad universitaria respecto a  
(ODS). Los datos obtenidos fueron  
analizados mediante estadística  
descriptiva e inferencial, utilizando la  
matriz de correlación de Pearson  
la  
avanzadas. Los datos obtenidos  
fueron organizados en un  
adopción  
de  
tecnologías  
para  
identificar  
asociaciones  
significativas entre variables clave.  
DataFrame mediante la librería  
Pandas de Python y analizados con  
La población objeto de estudio  
estuvo compuesta por 65 individuos,  
herramientas  
estadísticas  
para  
determinar correlaciones y patrones  
relevantes.  
entre  
estudiantes  
y
personal  
ULEAM  
Para  
administrativo  
Extensión  
de  
la  
Pedernales.  
determinar el tamaño de la muestra,  
se empleó un método de muestreo  
intencional u opinático (Arias, 2012)  
porque el personal administrativo y  
3. Resultados y discusión  
3
.1.  
Diagnóstico inicial  
El proceso metodológico inició con  
un diagnóstico que permitió  
establecer un panorama claro de las  
capacidades, limitaciones  
estudiantes  
comparten  
características homogéneas en  
cuanto a la temática de esta  
investigación, concretamente el uso  
de Big data y desean desarrollar  
actividades con IA. Por lo tanto, el  
tamaño de la muestra es de 56  
individuos. Esto aseguraría que los  
y
oportunidades existentes en la  
institución. Este diagnóstico abarcó  
varias áreas clave que fueron  
fundamentales  
implementación  
para  
la  
de  
exitosa  
resultados  
del  
estudio  
sean  
tecnologías avanzadas  
y
para  
representativos y confiables dentro  
del margen de error del 5%.  
asegurar que estas contribuyeran a  
los Objetivos de Desarrollo  
Sostenible (ODS). En primer lugar,  
se evaluó la infraestructura  
Desde la perspectiva cualitativa, se  
llevó a cabo un análisis documental  
de planes institucionales, normativas  
y políticas relacionadas con la  
tecnológica disponible. Esto incluyó  
un análisis del estado de la  
1034  
Falcones-Molina et al. (2025)  
conectividad  
en  
el  
campus,  
residuos y el uso de papel, así como  
identificar programas relacionados  
con la sostenibilidad que estuvieran  
activos en ese momento. Asimismo,  
se analizó la inclusión de los ODS en  
examinando aspectos como la  
velocidad, estabilidad y cobertura de  
la conexión a internet, así como la  
disponibilidad de redes inalámbricas  
accesibles para estudiantes  
y
los  
currículos  
académicos,  
docentes. Paralelamente, se analizó  
el software y las herramientas  
digitales disponibles, inventariando  
las plataformas que se usaban en  
ese momento, como Moodle o  
herramientas de videoconferencia, y  
evaluando la accesibilidad de  
software avanzado para análisis de  
datos e inteligencia artificial.  
evaluando el nivel de conocimiento  
de estudiantes y docentes sobre  
temas de sostenibilidad ambiental.  
Esto identificar  
oportunidades para vincular la  
implementación de tecnologías  
permitió  
avanzadas con estrategias de  
desarrollo sostenible, alineándose  
con los objetivos globales de  
sostenibilidad.  
encuestas  
Se realizaron  
entrevistas para  
Una  
segunda  
dimensión  
y
fundamental del diagnóstico fue el  
análisis de los procesos educativos  
actuales. Esto implicó un estudio de  
las metodologías de enseñanza-  
aprendizaje empleadas en la  
explorar la percepción y disposición  
de los diferentes actores de la  
comunidad universitaria respecto al  
uso de tecnologías avanzadas.  
Estas consultas recogerán opiniones  
de estudiantes, docentes y personal  
administrativo sobre la relación entre  
tecnología, calidad educativa y  
sostenibilidad.  
institución,  
determinando si  
métodos  
la  
predominaban  
tradicionales  
o
digitales  
y
frecuencia con que se utilizaban  
herramientas tecnológicas durante  
las clases.  
El diagnóstico también incluyó un  
análisis del nivel de conciencia sobre  
la sostenibilidad en el campus. Esto  
implicó  
examinar  
prácticas  
sostenibles existentes, como el  
consumo de energía, el manejo de  
1035  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
3.1.1. Encuesta para el Diagnóstico Inicial  
Tabla 1. Encuesta para el Diagnóstico Inicial  
Pregunta Opciones de respuesta (%)  
Sección  
Infraestructura tecnológica  
1
.1 Conectividad  
¿La conexión a internet del campus es 0-20% (Muy deficiente)  
estable  
actividades académicas?  
y
suficiente para  
las 21-40% (Deficiente)  
41-60% (Regular)  
6
8
1-80% (Buena)  
1-100% (Excelente)  
1
.2 Equipamiento ¿Los equipos tecnológicos disponibles 0-20% (Muy insuficiente)  
computadoras, proyectores, etc.) son 21-40% (Insuficiente)  
adecuados? 41-60% (Aceptable)  
(
6
8
1-80% (Adecuado)  
1-100% (Muy adecuado)  
1
.3 Software  
¿Cuenta con acceso a plataformas 0-20% (No hay acceso)  
educativas y software especializado 21-40% (Acceso limitado) 41-  
para análisis de datos?  
60% (Acceso parcial)  
6
8
1-80% (Acceso suficiente)  
1-100% (Acceso total)  
Procesos educativos actuales  
2
.1 Metodologías ¿Los docentes usan herramientas 0-20% (Nunca)  
de enseñanza  
tecnológicas de manera regular en sus 21-40% (Rara vez)  
clases? 41-60% (A veces)  
6
8
1-80% (Frecuentemente)  
1-100% (Siempre)  
2
.2 Rendimiento  
académico  
¿Considera que el uso de tecnología 0-20% (Nada)  
mejora el aprendizaje de los 21-40% (Poco)  
estudiantes?  
41-60% (Moderadamente)  
6
1-80% (Mucho)  
8
1-100% (Significativamente)  
2
.3 Capacidades  
docentes  
¿Los docentes tienen habilidades 0-20% (Muy insuficientes)  
suficientes para usar tecnologías 21-40% (Insuficientes)  
avanzadas en la enseñanza?  
41-60% (Regulares)  
6
8
1-80% (Buenas)  
1-100% (Muy buenas)  
Uso de datos en decisiones  
3
.1 Recolección  
de datos  
¿La institución recopila y utiliza datos 0-20% (Nunca)  
académicos (rendimiento, asistencia) 21-40% (Rara vez)  
de manera eficiente?  
41-60% (A veces)  
6
8
1-80% (Frecuentemente)  
1-100% (Siempre)  
3
.2 Análisis  
¿Se usan datos para prever problemas 0-20% (Nunca)  
académicos o diseñar estrategias de 21-40% (Rara vez)  
predictivo  
mejora?  
41-60% (A veces)  
6
8
1-80% (Frecuentemente)  
1-100% (Siempre)  
Conciencia sobre sostenibilidad  
4
.1 Prácticas  
¿Se implementan prácticas sostenibles 0-20% (Nunca)  
en el campus (manejo de residuos, 21-40% (Rara vez)  
sostenibles  
ahorro de energía)?  
41-60% (A veces)  
6
8
1-80% (Frecuentemente)  
1-100% (Siempre)  
4
.2 Conocimiento ¿Tiene conocimiento sobre los 0-20% (Nada)  
de ODS Objetivos de Desarrollo Sostenible y su 21-40% (Poco)  
importancia en la educación? 41-60% (Moderado)  
1036  
Falcones-Molina et al. (2025)  
6
8
1-80% (Mucho)  
1-100% (Totalmente)  
Percepción y disposición  
.1 Opinión sobre ¿Cree que la adopción de IA y Big Data 0-20% (Nada)  
5
tecnología  
mejorará la calidad educativa en la 21-40% (Poco)  
institución? 41-60% (Moderadamente)  
6
8
1-80% (Mucho)  
1-100% (Significativamente)  
5
.2 Disposición  
¿Estaría dispuesto a participar en 0-20% (Nada)  
capacitaciones sobre el uso de IA y Big 21-40% (Poco)  
Data?  
41-60% (Moderadamente)  
6
8
1-80% (Mucho)  
1-100% (Totalmente)  
Figura 1. Pregunta 1  
existen áreas de mejora para  
garantizar una experiencia uniforme.  
La percepción "Buena" sugiere que  
la infraestructura básica está  
establecida, pero el 34.6% que la  
califica como "Regular" podría  
apuntar a problemas intermitentes o  
velocidades insuficientes en zonas  
específicas del campus.  
El gráfico muestra que la mayoría de  
los participantes califican la conexión  
a internet como "Buena" (43.7%),  
mientras  
que  
la  
un  
porcentaje  
como  
significativo  
evalúa  
"Regular" (34.6%). Solo el 21.7% la  
considera "Deficiente". Esto indica  
que, aunque la conectividad es  
adecuada para la mayoría, aún  
Figura 2. Pregunta 2  
1037  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
"
Aceptable". Sin embargo, el 34.1%  
El gráfico refleja que el 38.4%  
considera que el equipamiento  
tecnológico es "Adecuado", seguido  
por el 27.5% que lo califica como  
lo evalúa como "Insuficiente", lo que  
indica una preocupación significativa  
en esta área.  
Figura 3. Pregunta 3  
mientras que un 29.7% señala  
Acceso limitado". Solo el 33.5%  
reporta "Acceso suficiente".  
En este caso, el 36.8% de los  
encuestados indica tener "Acceso  
parcial" a plataformas y software,  
"
Figura 4. Pregunta 4  
todavía hay una parte considerable  
de docentes que no la integran con  
regularidad. Este patrón podría  
deberse a la falta de capacitación o  
a la percepción de que no todas las  
materias requieren herramientas  
El gráfico revela que el 41.5% de los  
encuestados indica que los docentes  
usan herramientas tecnológicas "A  
veces", mientras que un 37.2% lo  
hacen Sin  
embargo, un 21.3% lo califica como  
Rara vez". Esto refleja un panorama  
mixto: aunque una proporción  
significativa utiliza tecnología,  
"Frecuentemente".  
tecnológicas.  
implementar  
Se  
recomienda  
de  
"
programas  
formación continua para docentes  
1038  
Falcones-Molina et al. (2025)  
que  
innovadoras, así como motivar su  
uso mediante incentivos  
reconocimiento institucional. Esto  
incluyan  
metodologías  
asegurará una experiencia de  
aprendizaje más consistente  
y
o
alineada con las demandas actuales  
de los estudiantes.  
Figura 5. Pregunta 5  
resultados subrayan el valor de la  
tecnología como herramienta  
La mayoría de los encuestados, un  
5.3%, considera que la tecnología  
4
educativa, pero también señalan que  
no todos los usuarios perciben su  
impacto de manera uniforme.  
mejora "Mucho" el aprendizaje de los  
estudiantes, mientras que el 28.9%  
lo califica como "Moderadamente" y  
un 25.8% indica "Poco". Estos  
Figura 6. Pregunta 6  
El 40.5% de los encuestados califica  
las habilidades tecnológicas de los  
docentes como "Buenas", mientras  
que un 30.7% las considera  
"
Regulares" un 28.8% las  
y
encuentra "Insuficientes".  
1039  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
Figura 7. Pregunta 7  
esfuerzos son frecuentes, lo cual es  
El gráfico muestra que la mayoría de  
los encuestados (39.6%) considera  
que la institución "a veces" recopila y  
utiliza datos académicos de manera  
eficiente. Esto indica que existen  
esfuerzos ocasionales en la gestión  
de datos, pero no son consistentes ni  
alentador, pues sugiere que hay  
ciertas áreas donde se emplean  
estrategias basadas en datos. Sin  
embargo, un 28.0% opina que rara  
vez  
se  
realiza  
esta  
labor,  
evidenciando que un sector de la  
comunidad académica percibe una  
gestión insuficiente.  
sistemáticos.  
Un  
porcentaje  
significativo (32.4%) cree que estos  
Figura 8. Pregunta 8  
sistemática. Un 31.8% considera que  
estos datos "rara vez" se emplean  
con este fin, lo que implica una  
percepción de falta de planificación o  
recursos dedicados al análisis  
predictivo. Solo un 25.7% cree que  
estas estrategias son frecuentes,  
destacando que el aprovechamiento  
de datos sigue siendo limitado.  
En este gráfico, la mayor parte de los  
encuestados (42.5%) cree que los  
datos "a veces" se usan para prever  
problemas académicos o diseñar  
estrategias. Esto sugiere que,  
aunque la institución ha comenzado  
a explorar el uso de análisis  
predictivo, aún no lo hace de manera  
1040  
Falcones-Molina et al. (2025)  
Figura 9. Pregunta 9  
como manejo de residuos o ahorro  
de energía. Sin embargo, un 33.9%  
opina que estas prácticas se realizan  
solo "a veces", mientras que el  
El análisis de este gráfico muestra  
que el 41.2% de los encuestados  
considera  
que  
se  
las  
prácticas  
sostenibles  
implementan  
24.9% percibe que "rara vez" se  
"frecuentemente". Este dato es  
aplican.  
positivo  
y
refleja un esfuerzo  
institucional significativo en áreas  
Figura 10. Pregunta 10  
lo califica como "poco", lo que indica  
que todavía hay segmentos de la  
población que no están  
En este gráfico, el 40.7% de los  
encuestados indica tener "mucho"  
conocimiento sobre los Objetivos de  
Desarrollo Sostenible (ODS). Este es  
un hallazgo alentador, ya que refleja  
un nivel significativo de conciencia  
en la comunidad educativa. Sin  
embargo, el 29.6% señala un  
conocimiento "moderado" y el 29.7%  
completamente familiarizados con  
estos objetivos.  
1041  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
Figura 11. Pregunta 11  
Solo el 22.6% considera que esta  
influencia será "poca", lo que indica  
una percepción positiva  
El gráfico revela que la mayoría de  
los encuestados (40.3%) cree que la  
adopción de tecnologías como IA y  
Big Data mejorará "mucho" la calidad  
educativa, mientras que el 37.1%  
opina que lo hará "moderadamente".  
generalizada respecto al impacto de  
estas tecnologías.  
Figura 12. Pregunta 12  
El análisis de este gráfico muestra  
que el 42.8% de los encuestados  
estaría "muy" dispuesto a participar  
en capacitaciones sobre el uso de IA  
y Big Data, y un 33.5% señala una  
disposición "moderada". Solo el  
3.2.  
Análisis de correlación  
Mediante este análisis se busca  
determinar cómo la adopción de  
tecnologías avanzadas, como Big  
Data e Inteligencia Artificial (IA),  
impacta en la calidad educativa y el  
23.7%  
indica  
tener  
"poca"  
desarrollo  
Universidad Laica Eloy Alfaro de  
Manabí (ULEAM), Extensión  
Pedernales. Para ello, se realizó un  
sostenible  
en  
la  
disposición, lo que sugiere que  
existe un interés significativo en  
adquirir estas habilidades.  
1042  
Falcones-Molina et al. (2025)  
estudio basado en datos de  
encuestas sobre infraestructura  
tecnológica, uso de herramientas  
digitales, capacidades docentes,  
análisis de datos y conciencia sobre  
sostenibilidad. A partir de esta  
información, se aplicó un análisis de  
correlación para identificar las  
relaciones entre estas variables y su  
influencia en el entorno educativo.  
metodología se aplicó a todas las  
variables.  
Para organizar los datos, se creó una  
tabla en un DataFrame utilizando la  
librería Pandas de Python. Cada  
columna representaba una variable  
de la encuesta, como la percepción  
de conectividad, el acceso  
a
software educativo, la frecuencia en  
el uso de herramientas tecnológicas,  
el impacto de la tecnología en el  
aprendizaje, la recolección y análisis  
de datos académicos, y el nivel de  
conocimiento sobre los Objetivos de  
Dado que las respuestas de la  
encuesta estaban expresadas en  
términos cualitativos dentro de  
rangos porcentuales, fue necesario  
convertirlas en valores numéricos  
para realizar el análisis. Por ejemplo,  
en la pregunta sobre conectividad,  
un 43.7% de los encuestados calificó  
la conexión como “Buena”, mientras  
que un 34.6% la consideró “Regular”  
y un 21.7% “Deficiente”. Esta  
Desarrollo  
Sostenible  
(ODS).  
Posteriormente, se aplicó la función  
`.corr()` para obtener la matriz de  
correlación de Pearson, que permite  
medir la relación entre dos variables,  
con valores que van desde -1  
(correlación negativa perfecta) hasta  
+
1 (correlación positiva perfecta).  
Figura 13. Dataframe de resultados  
Variable  
Conectividad  
Equipamiento  
Software  
Uso de herramientas tecnológicas  
Impacto en aprendizaje  
Habilidades docentes  
Recolección de datos  
Análisis predictivo  
Prácticas sostenibles  
Conocimiento de ODS  
Opinión sobre IA/Big Data  
Disposición a capacitación  
Fila 1 (%)  
43.7  
38.4  
36.8  
41.5  
45.3  
40.5  
39.6  
42.5  
41.2  
40.7  
40.3  
42.8  
Fila 2 (%)  
Fila 3 (%)  
21.7  
34.1  
33.5  
21.3  
25.8  
28.8  
28.0  
25.7  
24.9  
29.7  
22.6  
23.7  
34.6  
27.5  
29.7  
37.2  
28.9  
30.7  
32.4  
31.8  
33.9  
29.6  
37.1  
33.5  
Cada columna representa los valores porcentuales obtenidos en las respuestas de la encuesta.  
1043  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
Figura 14. Matriz de correlaciones  
maximizar el impacto de la  
La matriz muestra la relación entre  
distintas variables clave  
tecnología (0.999), y la recolección  
de datos académicos mejora el  
análisis predictivo (0.999). La  
disposición a capacitarse en IA y Big  
relacionadas con la infraestructura  
tecnológica, la capacitación docente,  
la gestión de datos y el desarrollo  
sostenible en la educación superior  
en la ULEAM Extensión Pedernales.  
Data está ligada prácticas  
a
sostenibles (0.999). Para mejorar la  
educación  
en  
ULEAM, se  
fortalecer  
La conectividad a internet está  
altamente correlacionada con el uso  
de herramientas tecnológicas en la  
enseñanza (0.976) y la percepción  
de IA y Big Data (0.968), facilitando  
recomienda  
infraestructura,  
equipamiento  
y
formación en tecnología.  
su  
integración  
educativa.  
El  
equipamiento tecnológico influye  
directamente en el acceso a software  
especializado La  
(0.997).  
capacitación docente es clave para  
1044  
Falcones-Molina et al. (2025)  
3.2. Desarrollo de modelo teórico-práctico  
3.2.1. Propuesta para un sistema de monitoreo y evaluación basado en Big  
Data  
Etapa  
Acción específica  
Explicación  
Definir objetivos  
Identificar métricas clave. Seleccionar indicadores de rendimiento  
académico (tasas de aprobación, deserción)  
y sostenibilidad (uso de recursos, prácticas  
verdes).  
Evaluar  
infraestructura  
Revisar conectividad, Realizar un análisis detallado del estado de  
equipos y software.  
la tecnología en el campus y priorizar áreas  
críticas como aulas y laboratorios.  
Diseñar  
arquitectura  
Crear base de datos Garantizar que los datos se integren de  
centralizada y protocolos forma eficiente y que se cumpla con  
de recolección.  
estándares de seguridad y privacidad.  
Implementar  
herramientas  
Configurar plataformas Desarrollar interfaces accesibles para  
de análisis y dashboards visualizar el progreso educativo y sostenible  
interactivos.  
en tiempo real.  
clave necesarias para garantizar su  
funcionalidad y alineación con los  
objetivos educativos y sostenibles.  
Esta tabla organiza el proceso para  
implementar un sistema basado en  
Big Data, destacando las acciones  
Etapa: Definir objetivos del sistema  
Objetivo específico Descripción  
Medir tasas de Identificar áreas con Datos claros para  
aprobación, deserción bajo desempeño diseñar estrategias  
y tiempo de graduación. proponer  
intervenciones  
específicas.  
Evaluar consumo de Monitorear y optimizar Reducción  
Aspecto  
Rendimiento  
académico  
Resultado esperado  
y
de  
mejora  
académica.  
Sostenibilidad  
ODS  
del  
recursos como papel y el uso de recursos en el consumo y mejora en  
energía. campus. prácticas sostenibles.  
Identificar cómo se Vincular los indicadores Incremento en la  
integran los ODS en sostenibles con el conciencia  
y
currículos y actividades progreso académico.  
universitarias.  
adopción de prácticas  
alineadas con los  
ODS.  
deben definir indicadores como  
tasas de aprobación, niveles de  
deserción y tiempo promedio de  
El primer paso en el proceso de  
implementación  
es  
establecer  
claramente qué se espera del  
sistema de monitoreo y evaluación.  
Esto implica trabajar con equipos  
interdisciplinarios para identificar  
métricas claves relacionadas con el  
graduación.  
En  
términos  
de  
sostenibilidad, se monitoreará el  
consumo de papel, energía y la  
adopción de prácticas sostenibles.  
Estos objetivos se documentarán en  
un plan estratégico que vincule cada  
rendimiento  
académico  
y
la  
sostenibilidad. Por ejemplo, se  
1045  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
indicador con acciones específicas y  
metas medibles a corto, mediano y  
largo plazo.  
En la segunda etapa, se realiza un  
análisis exhaustivo de los recursos  
tecnológicos disponibles en el  
campus.  
Etapa: Evaluar infraestructura tecnológica  
Elemento  
Criterios  
de Método  
Acción recomendada  
evaluado  
evaluación  
Conectividad  
Velocidad, estabilidad Realizar pruebas de Mejorar puntos de acceso  
y cobertura de la red. velocidad en y ampliar cobertura en  
diferentes áreas del zonas críticas.  
campus y encuestas a  
usuarios.  
Equipamiento Disponibilidad  
y
Inventario de equipos Adquirir  
equipos  
calidad de equipos en aulas, laboratorios modernos  
tecnológicos. y oficinas. laboratorios  
priorizando  
y
áreas  
académicas con mayor  
demanda.  
Software  
Acceso a herramientas Análisis del software Adquirir licencias de  
avanzadas como disponible software especializado y  
plataformas de análisis encuestas sobre su capacitar a usuarios en  
y simulación. uso y eficacia. su manejo.  
y
estrictos de seguridad para proteger  
los datos sensibles, como  
información personal de estudiantes.  
Se diseñarán dashboards  
Con los objetivos y la infraestructura  
identificados, se procede a diseñar la  
arquitectura del sistema. Este  
incluirá una base de datos  
interactivos que permitan a los  
usuarios visualizar métricas clave en  
tiempo real, ajustándose a las  
centralizada  
información  
administrativa  
para  
consolidar  
académica,  
ambiental,  
y
necesidades  
estudiantes,  
administradores).  
de  
cada  
grupo  
asegurando su interoperabilidad con  
sistemas existentes como Moodle o  
plataformas de gestión institucional.  
También se establecerán protocolos  
(
docentes,  
Etapa: Diseñar la arquitectura del sistema  
Componente Especificación técnica Descripción  
centralizado Integrar datos  
Beneficio esperado  
de Datos organizados y  
Base  
de Sistema  
datos  
para consolidar datos múltiples fuentes, como accesibles  
para  
calificaciones, asistencia análisis en tiempo  
y consumo de recursos. real.  
académicos,  
administrativos  
ambientales.  
y
Seguridad  
Protocolos de privacidad Implementar estándares Protección de datos  
y encriptación de datos de  
sensibles. SSL/TLS y medidas de cumplimiento  
seguridad como sensibles  
y
de  
de  
autenticación.  
regulaciones  
privacidad.  
1046  
Falcones-Molina et al. (2025)  
Interfaz  
usuario  
de Dashboards interactivos Diseñar visualizaciones Acceso  
fácil  
a
para  
estudiantes, claras y adaptadas a las información  
docentes  
y
necesidades de cada relevante para tomar  
administradores.  
grupo.  
decisiones  
informadas.  
Etapa: Implementar herramientas de análisis  
Funcionalidad Descripción Impacto esperado  
Análisis de grandes Usar plataformas como Descubrimiento  
volúmenes de datos Hadoop o Spark para tendencias ocultas  
Herramienta  
Big Data  
de  
y
para  
identificar procesar datos masivos mejora en la toma de  
patrones.  
en tiempo real.  
decisiones basadas en  
datos.  
IA  
y
Predicción  
de Entrenar algoritmos para Reducción  
de  
la  
aprendizaje  
automático  
riesgos académicos detectar estudiantes en deserción y uso eficiente  
y
optimización de riesgo  
y
diseñar de los recursos del  
campus.  
recursos.  
intervenciones  
personalizadas.  
Dashboards  
Visualización  
métricas clave en como Power BI  
de Configurar herramientas Monitoreo continuo del  
progreso educativo  
o
y
tiempo real.  
Tableau para reportes sostenible.  
dinámicos.  
y generar predicciones. Por ejemplo,  
estos algoritmos pueden detectar  
estudiantes en riesgo de deserción o  
prever picos en el consumo de  
recursos. Para facilitar el acceso a la  
información, se crearán dashboards  
La última etapa es la configuración  
de las herramientas de análisis. Se  
seleccionarán plataformas de Big  
Data, como Hadoop o Spark, para  
manejar grandes volúmenes de  
datos de manera eficiente. Además,  
se desarrollarán algoritmos de  
inteligencia artificial y aprendizaje  
automático para identificar patrones  
personalizados  
indicadores  
que muestren  
relevantes  
y
recomendaciones basadas en datos.  
3.2.2. Cronograma de implementación (2025-2027)  
Año Periodo  
Actividad  
Explicación  
2
025 Primer  
Diagnóstico avanzado.  
Identificar brechas tecnológicas  
y
trimestre  
educativas para diseñar la estrategia  
inicial.  
Segundo  
trimestre  
Tercer  
trimestre  
Cuarto  
Adquisición de equipos y Invertir en herramientas tecnológicas  
software. necesarias para el piloto.  
Capacitación a docentes y Formar un equipo piloto que lidere la  
personal administrativo. implementación del sistema.  
Lanzamiento del programa Probar el sistema en una facultad o área  
piloto. específica, recolectando datos iniciales.  
Evaluación del programa Analizar resultados del piloto para ajustar  
trimestre  
026 Primer  
semestre  
Segundo  
semestre  
2
piloto.  
herramientas y procesos.  
Expansión del sistema.  
Implementar el sistema  
a
nivel  
institucional, incorporando algoritmos  
predictivos.  
1047  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
2
027 Primer  
Medición del impacto.  
Evaluar el impacto en rendimiento  
académico, sostenibilidad y satisfacción  
de los usuarios.  
trimestre  
Segundo  
trimestre  
Implementación  
mejoras.  
de Ajustar estrategias basadas en resultados  
y retroalimentación de la comunidad  
universitaria.  
Segundo  
semestre  
Reportes  
consolidación.  
finales  
y
Publicar reportes finales que detallen el  
impacto y sirvan como base para futuras  
iniciativas.  
proceso esté estructurado y alineado  
Este  
cronograma  
divide  
las  
con  
metas  
específicas  
de  
actividades en períodos trimestrales,  
asegurando que cada paso del  
implementación.  
3.2.3. Plan de análisis de datos y algoritmos predictivos  
Fase  
Definición  
métricas  
Actividad  
de Selección de indicadores Identificar qué datos son relevantes para  
educativos y sostenibles. evaluar progreso sostenibilidad  
calificaciones, uso de recursos, etc.).  
Explicación  
y
(
Recopilación de Integración  
de  
datos Consolidar  
rendimiento  
información  
académico,  
previa sobre  
asistencia  
datos  
históricos.  
y
prácticas sostenibles.  
Modelado  
predictivo  
Entrenamiento  
algoritmos.  
de Usar datos para entrenar modelos que  
detecten patrones como riesgos de deserción  
o sobreconsumo de recursos.  
Validación de Comparación  
de Ajustar algoritmos para mejorar la precisión y  
modelos  
predicciones y resultados relevancia de las predicciones.  
reales.  
Uso práctico  
Implementación  
de Aplicar los modelos para personalizar  
análisis  
clave.  
en  
procesos intervenciones educativas y optimizar la  
sostenibilidad.  
que las decisiones académicas y  
Esta tabla detalla cómo los datos se  
transformarán en herramientas  
prácticas mediante análisis  
algoritmos predictivos, asegurando  
sostenibles estén basadas en  
evidencia sólida.  
y
Fase: Definición de métricas clave  
Descripción  
Área  
Métrica  
Objetivo  
específica  
Educativa  
Tasas  
de Evaluar  
el  
rendimiento Identificar áreas de  
aprobación  
deserción.  
y
académico y el progreso de riesgo  
los estudiantes en sus para  
académico  
diseñar  
programas de estudio.  
estrategias de mejora.  
desempeño Detectar materias o  
en materias grupos que requieren  
Promedio  
calificaciones.  
de Analizar el  
académico  
específicas y por niveles.  
mayor  
apoyo  
pedagógico.  
Sostenibilidad Consumo de papel Monitorear el uso de recursos Reducir el impacto  
y energía.  
en  
las  
actividades ambiental del campus.  
y
administrativas  
académicas.  
1048  
Falcones-Molina et al. (2025)  
Prácticas  
de Evaluar la implementación de Promover iniciativas  
efectivas  
reciclaje y manejo estrategias sostenibles en el más  
y
de residuos.  
campus.  
alineadas con los  
ODS.  
deserción o el consumo energético,  
se seleccionarán en función de su  
impacto potencial y su alineación con  
los Objetivos de Desarrollo  
Sostenible (ODS). Una vez  
definidas, se documentarán en un  
marco de referencia que sirva como  
guía para el análisis de datos.  
El proceso inicia con la identificación  
de indicadores específicos que  
permitan evaluar el progreso  
académico sostenible. Se  
realizarán talleres participativos con  
docentes, estudiantes  
y
y
administradores para definir las  
métricas más relevantes. Estas  
métricas, como las tasas de  
Fase: Recopilación de datos  
Aspecto  
Tipo de datos  
Método  
de Propósito  
recolección  
Datos  
académicos  
Asistencia,  
calificaciones,  
tiempos  
Sistemas de gestión Consolidar información  
académica  
(Moodle, histórica para análisis  
predictivo.  
de SIGA, etc.).  
graduación.  
Datos  
Consumo  
de Auditorías internas Evaluar la eficiencia en  
y
administrativos recursos,  
costos sistemas de monitoreo. el uso de recursos y  
operativos.  
mejorar  
la  
sostenibilidad.  
Datos  
Uso de energía, Sensores, facturas de Analizar patrones de  
ambientales  
generación  
residuos.  
de servicios públicos  
y
consumo  
y
proponer  
de  
reportes institucionales. estrategias  
optimización.  
administrativas  
y
sensores  
En la segunda fase, se integrarán  
datos históricos actuales  
ambientales. Se garantizará que los  
datos estén limpios, completos y  
y
provenientes de diversas fuentes. Se  
extraerá información de sistemas de  
gestión académica, auditorías  
organizados  
en  
una  
base  
centralizada para facilitar su análisis.  
Fase: Modelado predictivo  
Descripción  
Modelo/Algoritmo Aplicación  
específica  
Beneficio  
Regresión  
logística  
Predicción  
deserción  
estudiantil.  
de Analizar variables como Identificar estudiantes  
asistencia, rendimiento en riesgo y diseñar  
académico  
y
nivel intervenciones  
tempranas.  
socioeconómico.  
Árboles  
decisión  
de Identificación de Determinar qué prácticas Optimizar estrategias  
factores críticos tienen mayor impacto en de sostenibilidad  
en sostenibilidad. la reducción de residuos campus-wide.  
o consumo energético.  
1049  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
Redes neuronales Análisis  
patrones  
de Predecir tendencias de Proveer  
calificaciones basadas en recomendaciones  
en múltiples factores como personalizadas  
complejos  
a
y
rendimiento.  
hábitos de estudio.  
estudiantes  
docentes.  
regresión logística podría identificar  
factores que influyen en la deserción  
estudiantil, mientras que los árboles  
de decisión pueden optimizar  
Con los datos recopilados, se  
procederá  
a
entrenar modelos  
predictivos mediante algoritmos  
como regresión logística, árboles de  
decisión y redes neuronales. Estos  
modelos se ajustarán para detectar  
patrones y generar predicciones  
precisas. Por ejemplo, un modelo de  
estrategias  
sostenibles.  
Este  
proceso incluirá la validación inicial  
de los modelos para asegurar que  
sus predicciones sean confiables.  
Fase: Validación de modelos  
Descripción  
Método de Actividad  
validación  
Objetivo  
División de Dividir datos en Usar el 70% de los datos Medir la precisión  
y
datos  
conjuntos  
entrenamiento  
prueba.  
de para entrenar el modelo y fiabilidad del modelo en  
el 30% para evaluarlo. nuevos datos.  
y
Métricas de Calcular precisión, Evaluar qué tan bien el Asegurar la efectividad  
evaluación  
recall y F1-score.  
modelo predice resultados de los modelos antes de  
deseados.  
implementarlos  
procesos reales.  
en  
Pruebas  
piloto  
Implementar  
el Aplicar modelos en una Ajustar  
y
mejorar el  
modelo en un área muestra representativa de modelo antes de su  
controlada. estudiantes procesos adopción a gran escala.  
administrativos.  
o
del modelo. Además, se aplicarán  
métricas como precisión, recall y F1-  
score para evaluar su efectividad.  
Basándose en los resultados, se  
realizarán ajustes en los algoritmos y  
en la configuración de los modelos  
antes de su adopción final.  
Antes de implementar los modelos a  
gran escala, se realizarán pruebas  
piloto en áreas específicas de la  
institución. Los datos de prueba se  
dividirán  
en  
conjuntos  
de  
entrenamiento y validación para  
medir la precisión y el desempeño  
Fase: Uso práctico  
Descripción  
de Usar modelos predictivos Reducir la tasa de  
Ámbito  
Decisiones  
académicas  
Aplicación  
Detección  
estudiantes  
riesgo.  
Resultado esperado  
en para identificar estudiantes deserción  
con alta probabilidad de intervenciones  
mediante  
abandono.  
específicas.  
1050  
Falcones-Molina et al. (2025)  
Personalización  
del aprendizaje.  
Ofrecer  
adaptados  
recursos Mejorar el rendimiento  
a
las académico  
y
la  
necesidades individuales satisfacción estudiantil.  
de cada estudiante.  
Gestión  
Optimización del Ajustar  
el  
consumo Disminuir el impacto  
sostenible  
uso de recursos.  
energético  
y reducir el ambiental y los costos  
desperdicio basado en operativos.  
patrones de uso.  
Monitoreo  
prácticas  
sostenibles.  
de Evaluar la efectividad de Fomentar la adopción de  
las iniciativas sostenibles prácticas  
más  
y
implementadas  
campus.  
en  
el responsables  
alineadas con los ODS.  
Finalmente, los modelos validados  
se integrarán en los procesos  
académicos y administrativos de la  
institución. Por ejemplo, los modelos  
predictivos ayudarán a diseñar  
intervenciones personalizadas para  
estudiantes en riesgo, optimizar el  
Uno de los hallazgos más relevantes  
fue la relación positiva entre la  
infraestructura tecnológica  
y
la  
adopción de herramientas digitales  
en el aula. Se observó que la  
conectividad a internet y el acceso a  
software educativo tienen un impacto  
significativo en la disposición de  
docentes y estudiantes para integrar  
tecnologías avanzadas en sus  
consumo  
instalaciones del campus y evaluar el  
impacto de las iniciativas  
energético  
en  
las  
sostenibles. Los resultados se  
presentarán mediante dashboards  
interactivos que permitirán a los  
procesos  
de  
enseñanza  
y
aprendizaje. Además, la percepción  
sobre la utilidad de la IA y el Big Data  
en la educación se correlacionó  
estrechamente con la capacitación  
usuarios  
tomar  
decisiones  
informadas de manera rápida y  
eficiente.  
docente,  
lo  
que  
de  
resalta  
la  
las  
del  
importancia  
fortalecer  
competencias  
digitales  
4. Conclusiones  
profesorado para maximizar el  
impacto de estas herramientas.  
A partir del diagnóstico realizado, se  
identificaron fortalezas y desafíos en  
la infraestructura tecnológica, el uso  
de herramientas digitales, las  
En cuanto a la calidad educativa, el  
análisis de correlación mostró que el  
uso de tecnologías avanzadas  
contribuye a la personalización del  
competencias  
docentes  
y
la  
conciencia sobre los Objetivos de  
Desarrollo Sostenible (ODS).  
aprendizaje,  
permitiendo  
la  
1051  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
identificación de patrones de  
rendimiento y la aplicación de  
intervenciones pedagógicas más  
efectivas. La IA y el Big Data pueden  
facilitar la predicción de riesgos  
académicos, la mejora en la gestión  
institucional y la optimización del uso  
de recursos, promoviendo una  
educación más inclusiva y equitativa.  
competencias  
digitales,  
la  
integración de los ODS en el  
currículo y el desarrollo de proyectos  
piloto que permitan evaluar el  
impacto de estas tecnologías. Con  
una planificación adecuada, la  
ULEAM Extensión Pedernales podrá  
posicionarse como un referente en la  
aplicación  
de  
tecnologías  
emergentes para la educación y la  
sostenibilidad.  
Desde la perspectiva del desarrollo  
sostenible, el estudio evidenció una  
conexión entre la adopción de  
tecnologías digitales y la conciencia  
sobre los ODS. Se identificó que los  
Bibliografía  
Aguilar, G. M. F., Gavilanes, D. C. A.,  
Freire, E. M. A., & Quincha, M.  
L. (2023). Inteligencia artificial  
y la educación universitaria:  
Una revisión sistemática.  
Magazine de las Ciencias:  
Revista de Investigación e  
Innovación, 8(1), 109-131.  
participantes  
con  
mayor  
conocimiento sobre los ODS  
mostraban una actitud más positiva  
hacia  
la  
implementación  
de  
herramientas de Big Data e IA.  
Además, se observó una correlación  
entre la gestión eficiente de datos y  
Arfanuzzaman,  
Harnessing  
M.  
(2021).  
artificial  
la  
optimización  
de  
prácticas  
intelligence and big data for  
SDGs and prosperous urban  
sostenibles en el campus, lo que  
refuerza la viabilidad de utilizar estas  
tecnologías como mecanismos para  
future  
in  
South  
Asia.  
and  
Environmental  
sustainability indicators, 11,  
00127.  
fortalecer  
la  
sostenibilidad  
1
institucional.  
Arias, F. G. (2012). El Proyecto de  
Investigación. Introducción a  
la Metodología Científica. 6ta.  
Edición. FIDIAS G. ARIAS  
ODÓN.  
Se recomienda la implementación de  
un plan estratégico basado en los  
hallazgos del estudio. Este debe  
incluir la mejora de la infraestructura  
tecnológica, el fortalecimiento de la  
Bachmann, N., Tripathi, S., Brunner,  
M., & Jodlbauer, H. (2022).  
capacitación  
docente  
en  
1052  
Falcones-Molina et al. (2025)  
The contribution of data-  
driven technologies in  
achieving the sustainable  
development goals.  
Inteligencia en  
educación: una revisión de la  
artificial  
literatura  
en  
revistas  
científicas  
internacionales.  
Sustainability, 14(5), 2497.  
Apuntes universitarios, 12(1),  
53-372.  
3
Bonam, B., Piazentin, L., & Possa, A.  
D. (2020). Educación, Big  
Data e Inteligencia Artificial:  
Giró Gràcia, X., & Sancho Gil, J. M.  
(2022). La Inteligencia  
Artificial en la educación: Big  
data, cajas negras  
solucionismo tecnológico.  
metodologías  
plataformas  
mixtas  
en  
digitales.  
y
Comunicar: Revista Científica  
de Comunicación  
Educación, (65), 43-52.  
y
Guaña Moya, E. J. (2023). El papel  
de la tecnología en la  
Bucea-Manea-Țoniş, R., Kuleto, V.,  
Gudei, S. C. D., Lianu, C.,  
Lianu, C., Ilić, M. P., & Păun,  
transformación  
educación y el aprendizaje  
personalizado.  
de  
la  
D. Artificial  
intelligence potential in higher  
(2022).  
Jokhan, A., Chand, A. A., Singh, V.,  
&
Mamun, K. A. (2022).  
Increased digital resource  
consumption in higher  
education  
enhanced  
institutions  
learning  
environment in Romania and  
Serbia. Sustainability, 14(10),  
educational institutions and  
the artificial intelligence role in  
informing decisions related to  
5842.  
Calles, C. (2020). ODS y educación  
superior. Una mirada desde la  
función de investigación.  
Revista Educación Superior y  
Sociedad (ESS), 32(2), 167-  
student  
Sustainability, 14(4), 2377.  
performance.  
Leal Filho, W., Eustachio, J. H. P. P.,  
Nita, A. C., Dinis, M. A. P.,  
Salvia, A. L., Cotton, D. R., ...  
201.  
&
Dibbern, T. (2024). Using  
Caro, M. D. M. (2021). Educación,  
Gobierno Abierto y progreso:  
los Objetivos de Desarrollo  
Sostenible (ODS) en el ámbito  
educativo. Una visión crítica  
de la LOMLOE. Revista de  
educación y derecho, (23).  
data science for sustainable  
development  
education.  
in higher  
Sustainable  
Development, 32(1), 15-28.  
Leal Filho, W., Ribeiro, P. C. C.,  
Mazutti, J., Lange Salvia, A.,  
Bonato Marcolin, C., Lima  
Silva Borsatto, J. M., ... &  
Viera Trevisan, L. (2024).  
Using artificial intelligence to  
implement the UN sustainable  
Flores, F. A. I., Sanchez, D. L. C.,  
Urbina, R. O. E., Coral, M. Á.  
V., Medrano, S. E. V., &  
Gonzales, D. G. E. (2022).  
1053  
Revista Científica Multidisciplinaria Arbitrada YACHASUN. Volumen 9, Número 16 (Ed. ene – jun. 2025) ISSN: 2697-3456  
Big data e inteligencia artificial en el contexto de la educación superior para fomentar los ODS.  
development goals at higher  
Ramos Torres, D. I. (2021).  
education  
International  
Sustainable Development &  
World Ecology, 1-20.  
institutions.  
Journal of  
Contribución de la educación  
superior a los Objetivos de  
Desarrollo Sostenible desde  
la docencia. Spanish Journal  
of  
Comparative  
Mhlanga, D. (2022). Human-  
centered artificial intelligence:  
The superlative approach to  
Education/Revista Española  
de Educación Comparada,  
2020(37).  
achieve  
sustainable  
development goals in the  
fourth industrial revolution.  
Sustainability, 14(13), 7804.  
Teh, D., & Rana, T. (2023). The Use  
of Internet of Things, Big Data  
Analytics  
and  
Artificial  
Intelligence for Attaining UN's  
SDGs. In Handbook of big  
Opesemowo,  
O.  
A.  
V.  
G.,  
(2024).  
Artificial  
&
Adekomaya,  
Harnessing  
Intelligence for Advancing  
Sustainable Development  
Goals in South Africa's Higher  
data  
accounting and auditing (pp.  
35-253). Singapore:  
and  
analytics  
in  
2
Springer Nature Singapore.  
Education  
Qualitative  
International  
Learning,  
System:  
A
Vera, F. (2023). Integración de la  
Inteligencia Artificial en la  
Educación superior: Desafíos  
Study.  
Journal  
Teaching  
of  
and  
y
oportunidades.  
Educational Research, 23(3),  
7-86.  
Transformar, 4(1), 17-34.  
6
Peña, V. R. G., Marcillo, A. B. M., &  
Ramírez, J. A. Á. (2020). La  
inteligencia artificial en la  
educación. Dominio de las  
Ciencias, 6(3), 28.  
Pigola, A., da Costa, P. R., Carvalho,  
L. C., Silva, L. F. D., Kniess,  
C. T., & Maccari, E. A. (2021).  
Artificial  
intelligence-driven  
digital technologies to the  
implementation  
sustainable  
of  
the  
development  
goals: A perspective from  
Brazil and Portugal.  
Sustainability, 13(24), 13669.  
1054