UNITEC, Tegucigalpa

Integrantes:
Phoebe Cruz 12011005
Sara Escober 12111012
José Sosa 11951069
Carol Cruz 12111028
Daniel Narváez 12111041

Docente: Pablo Moya

Fecha de entrega: 11/8/2021

Clase: Metodología de la investigación

S4-Proyecto: Primer avance del proyecto

 Índic
S4-Proyecto: Primer avance del proyecto..........................................................................................1
Capítulo I. Planteamiento de la investigación...................................................................................3
1.1 Antecedentes del problema.......................................................................................................3
1.2 Planteamiento del problema.....................................................................................................4
1.2.1 Problema de investigación......................................................................................................5
1.2.2 Objetivos (General y específicos)...........................................................................................5
Objetivo General...........................................................................................................................5
Objetivos Específicos.........................................................................................................................5
1.2.3 Preguntas de investigación.....................................................................................................5
1.2.4 Justificación.............................................................................................................................6
1.2.5 Viabilidad................................................................................................................................7
Capítulo II. Marco teórico..................................................................................................................8
Inteligencia Artificial.......................................................................................................................8
Capítulo III. Metodología.............................................................................................................13
3.1 Alcance de la investigación......................................................................................................13
3.2 Diseño de la investigación........................................................................................................13
Hipótesis.........................................................................................................................................14
Operacionalización de Variable.......................................................................................................16
Delimitación de Población.................................................................................................................17
Muestreo.............................................................................................................................................17
Bibliografía.....................................................................................................................................19
Capítulo I. Planteamiento de la investigación

1.1 Antecedentes del problema

La inteligencia artificial tiene muchos antecedentes muy importantes a partir de los

años 1950 la cual inician con Alan Turing el cual es considerado el padre de la inteligencia

además es el primero en hablar de este tipo de inteligencia, él publica un artículo con el título

Computing machinery and intelligence en la revista Mind, donde él se preguntaba ´´ ¿pueden

las maquinas pensar? ´´ y también proponía un método para determinar si una maquina puede

pensar.

Aun siendo Alan Turing el primero en tocar este tema investigadores e historiadores

consideran que realmente la partida de la moderna inteligencia artificial fue a partir del año

1956, cuando Jhon McCrty, Marvin Misky y Claude Shannon afirmaron formalmente el

termino como ´´la ciencia e ingenio de hacer maquinas inteligentes, especialmente programas

de cálculo inteligente´´.

En los últimos ocho años se ha dado una expansión de la inteligencia artificial, Joshua

Bengio uno de los investigadores más prestigiosos en el ámbito de la inteligencia artificial, da

como fecha de expansión de la Inteligencia Artificial el año 2012 año en el que se

presentaron los primeros productos comerciales que entendían el habla como es el caso de

Google Now y posteriormente aplicaciones que permitían identificar el contenido de una

imagen, como hoy en día incorpora Google Photos.[ CITATION Ces17 \l 3082 ]

Existen 2 factores que explican el gran bono de la inteligencia artificial:

 Acceso a grandes volúmenes de datos: para poder utilizar algoritmos de

clasificación de imágenes y reconocimientos de gatos, por ejemplo; antes era

necesario realizar un muestreo por sí mismo. Hoy en día una simple búsqueda

en Google puede encontrar millones.

  Alta eficiencia de los procesadores de tarjetas gráficas: esto permite acelerar

el artículo de los algoritmos de aprendizaje. Lo que antes se tardaba hacer en

semanas, con el desarrollo de nuevas tecnologías se ha podido reducir a días,

horas o minutos gracias a la capacidad de procedimiento de los nuevos

sistemas. [ CITATION Tok21 \l 3082 ].

1.2 Planteamiento del problema

Es desde la antigüedad que muchas personas cultivadas (dependiendo de la época),

han inventado sistemas automatizados para encargarse de ciertas tareas y también escritos

que ya trataban de máquinas automatizadas. Para muchos hoy en día eso es considerado

como los principios de una inteligencia artificial (sin inteligencia) muy primitiva. Los

avances que se han visto desde aquellas épocas primitivas hasta lo que se puede ver hoy en

día son muchos.

Pero realmente la inteligencia artificial tiene sus inicios en 1956. Al reunirse un grupo

de 10 investigadores de distintos campos de estudio se acuña este concepto de “inteligencia

artificial”.

Los cambios por los que ha pasado esta ciencia son varios, entre ellos están:

estrategias de búsqueda, las áreas de aplicación, la arquitectura de los sistemas, entre otros.

Lo que en realidad es de importancia para este estudio es ver de que manera ha avanzado la

inteligencia artificial a través de los años y como esto ha cambiado la vida cotidiana de las

personas.
1.2.1 Problema de investigación

Cómo la inteligencia artificial ha avanzado a lo largo de los años y ha cambiado nuestra

vida cotidiana

1.2.2 Objetivos (General y específicos)

Objetivo General

Determinar el impacto que la implementación de la inteligencia artificial ha tenido en

la sociedad desde sus inicios para medir el impacto específico en el avance del conocimiento

en la sociedad y específicamente en los estudiantes de UNITEC.

Objetivos Específicos

1. Determine cuál es la definición real de inteligencia artificial y cómo se ha

desarrollado a lo largo de los años.

2. Analice cómo ayudó a moldear la sociedad tal como la vemos hoy.

3. Investigue cómo nuestros estudiantes de UNITEC lo han aprovechado para ayudar a

avanzar en el conocimiento.

4. Descubra cómo la IA nos ha afectado como sociedad.

1.2.3 Preguntas de investigación

1. ¿Cómo ha avanzado la inteligencia artificial a lo largo de los años?

2. ¿Ha sido para bien o para mal el avance de la IA en lo que respecta a la sociedad?

3. ¿Cómo han utilizado los estudiantes de UNITEC la IA en su vida diaria y en la vida

universitaria?
1.2.4 Justificación

Realizamos esta investigación para ayudar a comprender qué es la inteligencia

artificial por completo para luego profundizar en cómo ha afectado al mundo entero y a la

sociedad con ella, para mostrar cuán dependientes somos de ellos y cómo al mismo tiempo

están avanzando tanto que están reemplazando a los humanos en sus trabajos, pero al mismo

tiempo mostrando cómo la inteligencia artificial es la simulación de los procesos de

inteligencia humana por las máquinas, especialmente los sistemas informáticos. Las

aplicaciones específicas de la IA incluyen sistemas expertos, procesamiento del lenguaje

natural, reconocimiento de voz y visión artificial. En general, los sistemas de IA funcionan

ingiriendo grandes cantidades de datos de entrenamiento etiquetados, analizando los datos en

busca de correlaciones y patrones, y utilizando estos patrones para hacer predicciones sobre

estados futuros. De esta manera, un chatbot que recibe ejemplos de chats de texto puede

aprender a producir intercambios realistas con personas, o una herramienta de

reconocimiento de imágenes puede aprender a identificar y describir objetos en imágenes al

revisar millones de ejemplos. (Burns, 2021)

Las empresas más grandes y exitosas de la actualidad han utilizado la inteligencia

artificial para mejorar sus operaciones y obtener ventajas sobre sus competidores.
1.2.5 Viabilidad

Investigando inteligencias artificiales en estudiantes de UNITEC. La forma en que los

estudiantes usan las inteligencias artificiales se puede descubrir a través de entrevistas, y es

factible hacerlo, incluso cuando estamos en nuestras clases en línea en este momento porque

podemos publicar las entrevistas a través de diferentes plataformas de redes sociales como los

grupos de WhatsApp utilizando formularios de Google para crear la encuesta, y compartirla

con los estudiantes para que se difundan en diferentes carreras para que los temas sean

variados. Son 3 meses en un semestre, tiempo suficiente para realizar las actividades

necesarias, y con un buen trabajo, grupo y buena comunicación este proyecto no debería

tener problemas y funcionar bien y con éxito.

Capítulo II. Marco teórico
Usando el método de mapeo

Inteligencia Artificial

A medida que se ha acelerado la exageración en torno a la IA, los proveedores se han

esforzado por promover cómo sus productos y servicios utilizan dicha Inteligencia. A

menudo, lo que ellos denominan Inteligencia Artificial es simplemente un componente de la

IA, como el aprendizaje automático. La IA requiere una base de hardware y software

especializados para escribir y entrenar algoritmos de aprendizaje automático. Ningún

lenguaje de programación es sinónimo de IA, pero algunos, incluidos Python, R y Java, son

populares.

En general, los sistemas de IA funcionan ingiriendo grandes cantidades de datos de

entrenamiento etiquetados, analizando los datos en busca de correlaciones y patrones, y

utilizando estos patrones para hacer predicciones sobre estados futuros. De esta manera, un

chatbot que recibe ejemplos de chats de texto puede aprender a producir intercambios

realistas con personas, o una herramienta de reconocimiento de imágenes puede aprender a

identificar y describir objetos en imágenes al revisar millones de ejemplos. La programación

de IA se centra en tres habilidades cognitivas: aprendizaje, razonamiento y autocorrección.

(Marr, 2020)

Ya vivimos en un mundo donde los sistemas no humanos pueden hacer cosas que

antes solo los humanos podían hacer. En algunos casos, estos sistemas no humanos pueden

realizar tareas incluso mejor que nosotros. La inteligencia artificial ahora puede imitar el

habla humana, traducir idiomas, diagnosticar cánceres, redactar documentos legales y jugar (e

incluso vencer a los competidores humanos). Ya estamos en una sociedad donde los sistemas
pueden realizar tareas que no creíamos que fueran posibles en nuestro tiempo. Las

capacidades de los sistemas no humanos continuarán expandiéndose. (Burns, 2021)

“Esta línea entre en línea y fuera de línea, el espacio real y el ciberespacio es una que

se volverá menos importante y menos significativa a medida que pase el tiempo. Los sistemas

son cada vez más capaces y están más integrados en el mundo que nos rodea”, explicó

Susskind. Solía ser muy fácil distinguir entre tecnología y no tecnología. Hoy y cada vez más

en el futuro, la tecnología se dispersará en el mundo que nos rodea en objetos y artefactos que

nunca antes pensamos como tecnología, como hogares inteligentes con electrodomésticos

inteligentes y en espacios públicos en ciudades inteligentes llenas de sensores. (Susskind,

2020)

"De lejos, el mayor peligro de la inteligencia artificial es que la gente concluye

demasiado pronto que la entiende".

—Eliezer Yudkowsky

A medida que las máquinas se vuelven cada vez más capaces, las tareas que se

considera que requieren "inteligencia" a menudo se eliminan de la definición de IA, un

fenómeno conocido como efecto de IA. Por ejemplo, el reconocimiento óptico de caracteres

se excluye con frecuencia de las cosas que se consideran IA, ya que se ha convertido en una

tecnología de rutina.

Los problemas (u objetivos) tradicionales de la investigación de la IA incluyen el

razonamiento, la representación del conocimiento, la planificación, el aprendizaje, el

procesamiento del lenguaje natural, la percepción y la capacidad de mover y manipular

objetos. Por lo tanto, las capacidades de las máquinas modernas generalmente clasificadas

como IA incluyen comprender con éxito el habla humana, competir al más alto nivel en

sistemas de juego estratégicos (como ajedrez y Go), operar autos de manera autónoma,
enrutamiento inteligente en redes de entrega de contenido y simulaciones militares.

(Yudkowsky, 2014)

La inteligencia artificial (IA) ha tenido un impacto tremendo en todas las industrias,

entre ellas la educación. Por un lado, está transformando la forma en que las instituciones y

los docentes hacen su trabajo y, por otro, revoluciona la forma en que aprenden los

estudiantes. Según Market Research Engine, la IA global en el mercado de la educación

alcanzará los $ 5.80 mil millones para 2025 a una tasa de crecimiento anual compuesta del

45%. La IA muestra un gran potencial para automatizar el trabajo administrativo y facilitar

las tareas de organizaciones y profesores.

Además de gestionar el entorno del aula, los profesores y profesores tradicionalmente

también han tenido que gestionar numerosas tareas administrativas y organizativas. A

excepción de la evaluación de tareas, la calificación de pruebas y la lectura de ensayos,

también se encargan de completar diferentes trámites, administrar materiales didácticos,

organizar recursos para conferencias, realizar informes periódicos de progreso y más.

De hecho, una encuesta revela que los profesores dedican su tiempo a:

· Docencia (43%)

· Lecciones de planificación (13%)

· Pruebas de calificación (11%)

· Haciendo trabajo administrativo (7%)

Estos números nos dicen que los educadores dedican gran parte de su tiempo a

realizar tareas que no son de enseñanza, lo que puede resultar abrumador. Aquí es donde la

inteligencia artificial puede ser muy útil. Tiene el poder de calificar exámenes y administrar

el trabajo administrativo, lo que les quita una gran carga de encima. Por ejemplo, ProProfs

Quiz Maker es un software de examen en línea que le permite crear exámenes personalizados
y le brinda calificaciones y resultados automatizados. Esto permite a los profesores ser más

productivos, pero también tener más tiempo para sesiones individuales. (Dukadinovska,

2020)

“El panorama de la educación ha cambiado rápidamente en los últimos años: los

cambios demográficos que afectan la composición de las familias, las múltiples opciones

escolares disponibles para los niños, las disparidades de riqueza, la economía global que

exige nuevas habilidades de los trabajadores y los continuos avances en tecnología son

algunos de los factores que afectan la educación. Dados estos cambios, ¿cómo pueden las

escuelas seguir preparando a los estudiantes para el futuro? En un mundo donde la

información está disponible en línea, ¿cómo pueden las escuelas seguir siendo relevantes? La

aparición de la Inteligencia Artificial (IA) ha exacerbado la necesidad de tener estas

conversaciones. Su impacto en la educación y las múltiples posibilidades que ofrece están

presionando a los líderes educativos para que reformulen el currículo escolar y los canales

para impartirlo”. (Holmes, Bialik, & Fadel, 2019)

Hay 7 tipos de inteligencia artificial

· Máquinas reactivas

· Memoria limitada

· Teoría de la mente

· Consciente de sí mismo

· Inteligencia artificial estrecha (ANI)

· Inteligencia artificial general (AGI)

· Súper inteligencia artificial (ASI)

 La creación de una máquina con inteligencia a nivel humano que se pueda aplicar a

cualquier tarea es el Santo Grial para muchos investigadores de IA, pero la búsqueda de AGI

ha estado plagada de dificultades.

La búsqueda de un "algoritmo universal para aprender y actuar en cualquier entorno"

(Russell & Norvig, 2010) no es nueva, pero el tiempo no ha aliviado la dificultad de crear

esencialmente una máquina con un conjunto completo de habilidades cognitivas.

AGI ha sido durante mucho tiempo la musa de la ciencia ficción distópica, en la que robots

supe inteligentes invaden a la humanidad, pero los expertos coinciden en que no es algo de lo

que debamos preocuparnos pronto.

Capítulo III. Metodología

3.1 Alcance de la investigación

El alcance de la investigación va enfocado a responder las preguntas de investigación,

pero centrándonos en explicar el porqué de las cosas por lo que probablemente nuestra

investigación empiece teniendo un alcance exploratorio y termine siendo explicativo y

esperamos encontrarla relación entre estas variables

Uso de la IA

Cantidad de estudiantes Años Factibilidad de su uso

3.2 Diseño de la investigación

A continuación, se describe la estrategia que se adoptó para resolver problemas y dificultades

planteados en este estudio.

La investigación se orientó hacia la incorporación de un diseño no experimental transversal,

recogiendo datos e información de diferentes fuentes y documentos de confianza encontrados

en internet.

Es una investigación evaluativa ya que se busca un análisis de eficiencia, eficacia, efectividad

y el impacto social que tiene este tema en el mundo actual.

Al igual que tiene un diseño descriptivo ya que estamos recopilando datos de cómo y porqué

el mundo está incorporado cada vez más la inteligencia artificial.

Hipótesis

Nuestra hipótesis en este caso será una hipótesis de investigación dado que nuestra

investigación terminará siendo explicativa, la cual esta formada por dos variables siguientes;

el como la inteligencia artificial a avanzado a lo largo de los años y el cómo ha cambiado

nuestra vida cotidiana.

Sabemos que la inteligencia artificial inevitablemente ha avanzado y con el tiempo se

a acoplado a actividades diarias de nuestra vida por lo cual en esta investigación se tratara de

encontrar de que forma ah avanzado y como ha cambiado nuestra vida incluyendo la

identificación de las formas negativas y positivas que afecta a la sociedad, para lo cuales se

ha identificado las siguientes hipótesis:

 Gracias a la IA el humano llegara a no realizar ninguna actividad por si

mismo ya que existen muchas maquinas las cuales están ya programadas para realizar

diferentes actividades como ser, limpiar el piso de nuestra casa, encender o apagar

luces, serrar y abrir puertas etc. Por lo cual se puede decir que en un futuro el humano

dejara de hacer actividad dentro de casa, claramente esto es muy beneficioso a

personas tal vez discapacitadas o simplemente personas que están realmente ocupadas

trabajando o cuidando un familiar sin embargo para otras puede significar un riesgo

para su salud desarrollando enfermedades como la obesidad.

 La IA evita casi por completo los errores y obtener una mejor

precisión, a la hora de computar y comparar grandes cantidades de variables y datos,

así como también detecta anomalías y fraudes en ya sea análisis de datos financieros o

sociales, esto es algo muy beneficioso para varios trabajos de la vida cotidiana ya que

siendo así más que nada se pueden reducir anomalías y fraudes siendo esta ya

programada.
  La IA permite que los maestros puedan realizar exámenes,

asignaciones, incluso clase de una forma rápida y a distancia no necesariamente

estando en un centro educativo, así como también permite dar clases dentro del aula

de una forma ´´avanzada´´ con pizarras táctiles o presentaciones.

 Operacionalización de Variable

Variable Concepto Dimensiones Indicadores

Conceptual: La IA hace
que la vida de las Las dimensiones que Los indicadores de las
personas sea más pueden surgir de las variables “inteligencia
eficiente, impulsando variables “inteligencia artificial” y “avance"
muchos programas y artifical” y “avance” son: son:
servicios que les
ayudan a hacer las
cosas cotidianas, como Utilización de
conectarse con amigos autoconciencia,
La utilización seguida
y usar un programa de aprendizaje automatico,
de los robots de
correo electrónico o un emulación de la lógica
servicio, los asistentes
servicio de viajes humana, predicción de
virtuales a clientes o
compartidos. Los eventos, automatización
chatbots.
mejores ejemplos de IA de procesos,
Procesamiento del
en la vida diaria son la ciberseguridad,
lenguaje natural.
navegación de viaje, los marketing predictivo,
Rapidez del proceso.
dispositivos domésticos recomendaciones en
Mayor capacidad de
inteligentes, los redes sociales,
aprendizaje y
teléfonos inteligentes, accidentes, mal uso de la
memorización.
los drones y los IA, uso en armas, la IA
Cómo la inteligencia Agilidad y movilidad
automóviles más avanzada del mundo
artificial ha avanzado a de procesos y viajes en
inteligentes. (Sophia), interacción con
lo largo de los años y ha carreteras.
[ CITATION NAD20 \l dispositivos mediante la
cambiado nuestra vida
1033 ] voz, uso en vehiculos.
cotidiana.
Operacional: Muchos
asistentes digitales usan Las dimensiones que
Los indicadores de la
IA para comprender los pueden surgir de la
variable “Vida
matices del lenguaje variable “Vida
cotidiana son:
humano. Esto permite cotidiana” son:
que los dispositivos
procesen oraciones Comunicación entre
completas pronunciadas humanos, contacto físico
por el usuario y entre humanos, ejercicio
respondan con un habla diario, tener que trabajar,
natural. Las habilidades descnaso, alimentación No sentirse solo,
del lenguaje natural diaria, movimiento de un Satisfacción al
mejorarán cada vez más lugar a otro, emociones a establecer una relación
con el tiempo hasta que las que estamos con alguien más, des
los asistentes digitales expuestos, estresarse, distracción.
suenen como humanos.[ entretenimiento, uso de
CITATION Pre20 \l redes sociales, constante
1033 ] flujo de información, en
constante aprendizaje.
 Delimitación de Población.

En este estudio se tomará como población principal el centro educativo Universidad

Tecnológica Centro Americana (UNITEC) del campus ubicado en Francisco Morazán,

Tegucigalpa, tomando en si jóvenes estudiantes de una sola carrera la cual en este caso será la

carrera Licenciatura en Animación Digital y Diseño Interactivo, para esto hemos delimitado

aún más eligiendo estudiar a estudiantes de primer y tercer año de dicha carrera.

Elegimos esta carrera ya que esta está un poco relacionada relacionada con lo que es

la IA y son los jóvenes estudiantes que podrían darnos respuesta a nuestro problema ya

planteado ya que sea en gran uso o medio sabremos como estos estudiantes usan la

Inteligencia Artificial en su carrera o bien de que forma pueden usarla futuramente en su

ámbito laboral.

Muestreo

El muestreo utilizado para la presente investigación es el probabilístico. El muestreo

probabilístico es un tipo de muestra estadística que se centra en analizar y estudiar grupos

específicos de una población estadística, utilizando la selección aleatoria.

Su requisito principal consiste en que todas las personas de la población estudiada, cuenten

con las mismas oportunidades de selección.

Cuando se habla de una población de elementos limitados, la forma de delimitar la muestra es

aplicando la fórmula para poblaciones finitas la fórmula es la siguiente:

Z 2 pqN
n=
e2 ( N−1 ) + Z2 pq

Dónde:
N = tamaño de la población

n = tamaño de la muestra representativa que deseamos obtener.

Z= nivel de confianza (NC) (85%)

p = Probabilidad de éxito (0.5)

q = probabilidad de fracaso (0.5)

 Bibliografía

Burns, E. (2021, octubre 30). What is artificial intelligence? Retrieved from

SeacrhEnterpriseAI: https://searchenterpriseai.techtarget.com/definition/AI-Artificial-
Intelligence
Dukadinovska, M. (2020, Agosto 12). 7 Ways AI Is Changing the Education Industry.
Retrieved from Idea motive: https://www.ideamotive.co/blog/ways-ai-is-changing-
the-education-industry
Holmes, W., Bialik, M., & Fadel, C. (2019, marzo 3). Artificial Intelligence in Education:
Promises and Implications for Teaching and Learning. In W. Holmes, M. Bialik, & C.
Fadel, Artificial Intelligence in Education: Promises and Implications for Teaching
and Learning (p. 242). Center for Curriculum Redesign.
Marr, B. (2020, Marzo 9). What’s The Impact of Artificial Intelligence and Technology on
Society? Retrieved from Forbes:
https://www.forbes.com/sites/bernardmarr/2020/03/09/whats-the-impact-of-artificial-
intelligence-and-technology-on-society/
Russell, S., & Norvig, P. (2010). Artificial Intelligence: A Modern Approach. In S. Russell,
& P. Norvig, Artificial Intelligence: A Modern Approach (p. 1069). California:
University of California at Berkeley.
Susskind, D. (2020). A world without work. In D. Susskind, A world without work (p. 336).
London: Brian Towers.
Yudkowsky, E. (2014). The Cambridge Handbook of Artificial Intelligence. In W. M. Keith
Frankish, The Cambridge Handbook of Artificial Intelligence (p. 354). Cambridge
University Press.
Cesce seguros de tu éxito . (09 de Febrero de 2017). cesce. Obtenido de
https://www.cesce.es/es/w/asesores-de-pymes/breve-historia-la-inteligencia-artificial-
camino-hacia-la-empresa
Tokio School. (04 de Febrero de 2021). Tokio. Obtenido de
https://www.tokioschool.com/noticias/antecedentes-inteligencia-artificial/
BATOK, N. (2020, Noviembre 30). Artificial Intelligence has changed our world. Retrieved
from SCIENCE & TECHNOLOGY : https://wsimag.com/science-and-
technology/64215-artificial-intelligence-has-changed-our-world
Khatri, P. (2020, marzo 16). 5 Ways AI Is Impacting Our Everyday Lives. Retrieved from
TECHNATIVE: https://technative.io/5-ways-ai-is-impacting-our-everyday-lives/

Munera, L. E. (1991). Inteligencia artificial y sistemas expertos. Inteligencia artificial y

sistemas expertos.
Editorial Grudemi (2019). Muestreo probabilístico. Recuperado de Enciclopedia Económica
(https://enciclopediaeconomica.com/muestreo-probabilistico/).