Horizontes.
Revista de Investigación en Ciencias de la Educación
https://revistahorizontes.org
Volumen 7 / N° 29 /
abril-junio 2023
ISSN: 2616-7964
ISSN-L: 2616-7964
pp. 1580 – 1592
Chatbot basado en
inteligencia artificial para la educación escolar
Artificial intelligence-based chatbot
for school education
Chatbot baseado em
inteligência artificial para educação escolar
Yudi Elizabeth Lucana Wehr
ylucana@ucvvirtual.edu.pe
https://orcid.org/0000-0001-6409-7014
Walter Luis Roldan Baluis
wroldan@ucvvirtual.edu.pe
https://orcid.org/0000-0001-9222-3970
Universidad Cesar Vallejo. Lima, Perú
Artículo recibido el 3 de octubre de
2022 | Aceptado el 11 de noviembre de 2022 | Publicado el 6 de abril de 2023
Escanea en tu dispositivo móvil o revisa este artículo en:
https://doi.org/10.33996/revistahorizontes.v7i29.614
RESUMEN
El veloz avance de
herramientas digitales basadas en inteligencia artificial (IA) facilita la
implementación de soluciones innovadoras en la educación escolar. Los
adolescentes están afrontando una etapa desafiante y caracterizada por
transformaciones aceleradas. Por ello, la motivación primordial del presente
trabajo es exhibir los resultados del uso de chatbots. El objetivo de este
estudio es identificar las aplicaciones de herramientas inteligentes de
chatbots basadas en IA para la educación escolar. La metodología empleada es
una revisión sistemática de artículos en el periodo 2020 a 2022, para lo cual
se realizó la búsqueda de documentos en las bases de datos Scopus y Scielo. De
acuerdo a los criterios de elegibilidad se identificaron ocho trabajos. Los principales
hallazgos indican que las soluciones basadas en chatbots podrían fomentar el
desarrollo de los adolescentes, así como mejorar el proceso de enseñanza. Se
concluye que los resultados tienen efectos positivos en los adolescentes.
Palabras clave: Chatbots; Inteligencia artificial; Educación escolar
ABSTRACT
The rapid advancement
of digital tools based on artificial intelligence (AI) facilitates the
implementation of innovative solutions in school education. Adolescents are
facing a challenging stage characterized by accelerated transformations.
Therefore, the primary motivation of the present work is to exhibit the results
of the use of chatbots. The aim of this study is to
identify the applications of AI-based intelligent chatbot
tools for school education. The methodology employed is a systematic review of
articles in the period 2020 to 2022, for which the search of documents in the
Scopus and Scielo databases was performed. According
to the eligibility criteria, eight papers were identified. The main findings
indicate that solutions based on chatbots could foster
the development of adolescents, as well as improve the teaching process. It is
concluded that the results have positive effects on adolescents.
Key words: Chatbots;
Artificial intelligence; School education
RESUMO
O rápido avanço das ferramentas digitais baseadas em inteligência
artificial (IA) facilita a implementação de soluções
inovadoras na educação escolar. Os adolescentes estão enfrentando uma fase
desafiadora, caracterizada por transformações aceleradas. Portanto, a principal
motivação deste artigo é mostrar os resultados do uso de chatbots.
O objetivo deste estudo é identificar as aplicações de ferramentas de chatbot inteligentes baseadas em IA para a educação
escolar. A metodologia empregada é uma revisão sistemática de artigos no
período de 2020 a 2022, para a qual foi realizada uma busca de trabalhos nos
bancos de dados Scopus e Scielo.
De acordo com os critérios de elegibilidade, foram identificados oito artigos.
Os principais resultados indicam que as soluções baseadas em chatbot podem promover o desenvolvimento dos adolescentes,
bem como melhorar o processo de ensino. Conclui-se que os resultados têm
efeitos positivos sobre os adolescentes.
Palavras-chave: Chatbots; Inteligência artificial; Educação escolar
INTRODUCCIÓN
La pandemia COVID-19 impactó
gravemente en la educación mundial; a decir de la UNESCO (2020) esta emergencia
sanitaria provocó el confinamiento y cierre de las escuelas en casi 200 países
para mitigar el contagio de dicha enfermedad y aminorar los efectos negativos
en los adolescentes. Como consecuencia de ello, han emergido una serie de
problemas en todo aspecto (Deveci-Topal et al., 2021). En efecto, el
confinamiento de los estudiantes afectó la salud mental, sobre todo en la
ansiedad y depresión (Rossi et al., 2020; Xiang et al., 2020; Chen et al.,
2021). Aunado a esto, muchas escuelas no están preparadas para brindar el apoyo
profesional de salud mental (Grové 2021). En esa línea, Alqassim et al., (2022);
Hawker y Boulton (2000) advierten que los trastornos psicológicos de ansiedad y
depresión dificultan el aprendizaje de los estudiantes y por tanto merman el
rendimiento escolar. Además, el aislamiento aumentó el ciberbullying cuyo
efecto está asociado con las autolesiones no suicidas de los adolescentes (Wiguna
et al., 2021) y es un factor predictivo para el bajo rendimiento escolar (Nakamoto
y Schwartz, 2010; Deveci-Topal et al., 2021).
Por otro lado, los estudiantes del
último año de secundaria comienzan a interesarse por analizar la posible
carrera profesional a seguir en una universidad. A veces, esta etapa es
estresante y preocupante por la ingente cantidad de preguntas que rodean su
mente, más aún cuando no obtienen respuestas oportunas por parte del personal
de admisión (El-Hefny et al., 2021). En cuanto al dominio y comunicación fluida
de un idioma extranjero, la falta de una infraestructura adecuada: ambientes
físicos, equipos audiovisuales y software especializado; afectan sobremanera la
competitividad de los estudiantes (Sarosa et al., 2020). Paralelamente,
estudiantes de escuelas privadas han migrado a las escuelas públicas. Por esta
razón, aumentó la cantidad de alumnos por docente en aula, lo cual disminuyó el
tiempo que el docente pueda dedicar a cada alumno (Deveci-Topal et al., 2021)
Ahora bien, en las escuelas de los
países con mayor desarrollo económico y de primer mundo, todavía predomina el
modelo educativo donde el estudiante se encuentra embebido en un escenario
rígido por retener información y enfrentarse, a paso acelerado, a las bondades
que ofrecen las herramientas disruptivas de las Tecnologías de la Información y
Comunicación (TIC) (Mageira et al., 2022). A pesar de ello, nunca hubo un
momento más oportuno para utilizar las herramientas innovadoras en beneficio de
los estudiantes de secundaria (Williams et al., 2021).
En efecto, los adolescentes viven en
la escuela un periodo de cambios emocionales por lo que es necesario fortalecer
sus habilidades para enfrentar la vida (Giedd, 2008). Los estudiantes de hoy, subsisten
en un ambiente digital donde predomina las computadoras y los teléfonos
inteligentes. Consecuentemente, se puede inferir que la sociedad pareciera experimentar
una etapa de revoluciones sin precedentes (Noah-Harari, 2018). Para los
escolares, denominados generación Z, las plataformas digitales han transformado
parte de sus vidas y, por lo tanto, su desarrollo mental es más veloz y
procesan la información rápidamente (Deveci-Topal et al., 2021). En ese proceso
de cambios, el entrenamiento virtual de aprendizaje, a través de chatbots
basados en Inteligencia Artificial (IA) podría solucionar diversos problemas
que afrontan los estudiantes (Deveci-Topal et al., 2021; Giedd, 2008).
En esa línea y en pleno siglo XXI,
existe desbordamiento de una plétora de información que requiere una adecuada
interpretación para diferenciar lo más relevante de lo que no es. En ese
sentido, la inteligencia artificial asume un rol excluyente por cuanto es capaz
de explotar y sistematizar abundante información (Noah-Harari, 2018). De
acuerdo a Reznik (2009) la IA tiene una variada taxonomía, entre los que
resaltan: el Procesamiento del Lenguaje Natural (PLN), la síntesis del habla,
la comprensión del habla y otros. Las técnicas de PLN son usadas para
desarrollar chatbots con el propósito de dialogar en lenguaje natural con seres
humanos y en un entorno interactivo (Mageira et al., 2022; Reznik, 2009). Estos
softwares inteligentes son de gran ayuda en el campo de la salud mental y
educación para adolescentes (Deveci-Topal et al., 2021).
En ese orden de ideas, Gabrielli et al.,
(2020) y Grové, (2021) diseñaron un chatbot para mejorar la baja autoestima,
soledad, depresión y ansiedad de los estudiantes. Además, estos sistemas
inteligentes también pueden ser usados para mejorar las capacidades resolutivas
de problemas educativos (Nguyen et al., 2020) y aprender un segundo idioma como
el inglés y francés (Sarosa et al., 2020; Shin et al., 2021). Por lo expuesto, el
propósito de este estudio se enfoca en obtener los resultados por el uso de inteligencia
artificial, a través del uso de chatbots para adolescentes en edad escolar y
con énfasis en aspectos vinculados a la salud mental, aprendizaje de un idioma extranjero,
ciencias, educación informática y admisión a una universidad. Consecuentemente,
el objetivo es identificar las aplicaciones de herramientas inteligentes de
aprendizaje a través de chatbots basados en IA para la educación escolar.
MÉTODOLOGÍA
Para el desarrollo de la
investigación se usó la metodología que corresponde al proceso de revisión
sistemática en el marco de las normas PRISMA (Cordeiro et al., 2023; Peters et
al., 2020). En esa línea, se recopilaron artículos de investigación asociados a
la aplicación de chatbots basados en inteligencia artificial para la salud
mental y educación escolar. Se presenta el estado y se discuten las limitaciones
de las investigaciones. En este marco, la estructura de esta revisión se
refleja en la Figura 1.
Figura 1. Estructura de
la revisión.
Para llevar a cabo el proceso de
selección y la elaboración de esta revisión sistemática, se realizó el análisis
documental de los artículos originales de investigación. Para lo cual, se
efectuaron búsquedas en las bases de datos electrónica Scopus y Scielo. Asimismo,
se acudió al tesauro UNESCO por ser un diccionario científico (Retuerto et al.,
2020). Con respecto a Scopus se puede señalar que contiene amplia literatura y
contenido de calidad (Z. Chen et al., 2021). Para la indagación de documentos se
utilizaron los términos high school, secondary education, smart tutoring system
y chatbot, en idioma inglés, junto con AND para combinarlos; a partir de una
pregunta orientadora: ¿Cuáles son los efectos de la aplicación de chabots
basado en inteligencia artificial para la educación escolar?
Con respecto a los criterios de
inclusión/exclusión, se consideraron aquellos trabajos que cumplieron los
siguientes criterios: el artículo debe tratar sobre la herramienta chatbot
basada en inteligencia artificial, el trabajo debe ser un texto completo y de
acceso abierto, el artículo debe ser original y no de revisión, el documento
debe estar escrito en inglés y estudios realizados en escolares del nivel
secundaria. Los documentos escritos en un idioma diferente al inglés, así como realizados
con niños, adultos y ancianos, monografías y tesis fueron excluidos. Se
identificaron ocho trabajos, los mismos que fueron seleccionados. Primero por
título y resúmenes y luego, se accedió y evaluó los textos completos. Esta
etapa se observa en la Figura 2.
Figura 2. Selección de
documentos.
DESARROLLO Y DISCUSIÓN
Diseño de las investigaciones
De la Tabla 1, se concluye que la
mayoría de los estudios fueron desarrollados con enfoque mixto, cuantitativo y
cualitativo (n=4) de los cuales predominó el diseño estudio de caso y
longitudinal (n=3). Tres estudios aplicaron el diseño cuasiexperimental y solo
uno fue transversal. Consecuentemente, se desprende lo imperativo de realizar
estudios con profundo análisis de datos mediante el enfoque cualitativo en
combinación con el enfoque cuantitativo. Asimismo, se debe enfatizar la
importancia de los estudios con diseño cuasi-experimental. Por otro lado, todas
las investigaciones (n=8) fueron hechas en diferentes países. Por tal razón, se
puede inferir que no existe un país que lidere la implementación de chabots
para la educación. Con respecto al tamaño de la muestra, se evidencia que los
grupos que participaron en las diversas investigaciones son adolescentes que
tienen en promedio 15 a 16 años de edad. Vale la pena mencionar que el estudio
de Sarosa et al. (2020) no brinda información sobre el tamaño de la
muestra y el grupo de edad.
Tabla 1. Diseño de las investigaciones (n=8).
|
Autor y año |
Diseño |
Tamaño de la muestra y
grupos de edad |
País |
|
Gabrielli et al. (2020) |
Mixto: Estudio de caso y
longitudinal |
21 adolescentes (edad
media 14,52 años) |
Italia |
|
Deveci-Topal et al.
(2021) |
Cuasi-experimental
pretest-postest |
41 adolescentes (n=20
grupo experimental, n=21 grupo de control) |
Turquía |
|
Mageira et al.
(2022) |
Cuasi-experimental |
35 adolescentes (n=18
grupo experimental, n=17 grupo de control) |
Grecia |
|
Grové (2021) |
Mixto: Estudio de caso y
longitudinal |
40 adolescentes (edad 15-
17 años) |
Australia |
|
Mathew et al. (2021) |
Mixto: Estudio de caso y
longitudinal |
60 adolescentes |
India |
|
Shin et al. (2021) |
Mixto: transversal y
estudio de caso |
27 adolescentes |
Corea del sur |
|
El-Hefny et al. (2021) |
Transversal |
23 adolescentes (edad
15-17 años) |
Egipto |
|
Sarosa et al. (2020) |
Cuasi-experimental
pretest-postest |
No brinda características
|
Indonesia |
Distribución de las aplicaciones
En la Figura 3 se presenta la
distribución de las publicaciones analizadas. En ese sentido, la Figura 3a
muestra la distribución geográfica de las publicaciones. Al respecto, se divisa
que Europa lidera las investigaciones con 4 publicaciones, le sigue Asia con 2,
mientras que Asia y Oceanía con apenas una publicación. Es preciso señalar que
el estudio de Deveci-Topal et al. (2021) es de una
universidad de Turquía, dicho país pertenece a
Europa y Asia. En esta oportunidad, la referida investigación se considera
realizada en el continente europeo por cuanto la institución educativa
pertenece a la Asociación Europea de Universidades (KOCAELI, s. f.). En
esa línea, el estudio de El-Hefny et al., (2021) se contabiliza hecha
en el continente africano, pues los investigadores pertenecen a la universidad
que se encuentra ubicada en la ciudad de El Cairo.
La Figura 3b muestra la distribución
según afiliación, se observa que siete publicaciones provienen de instituciones
académicas y una investigación proviene de una corporación comercial. En cuanto
al año de publicación, la figura 3c muestra la evolución de las publicaciones entre
los años 2020 y 2021, por lo que se puede inferir un evidente crecimiento en
este campo. Se debe señalar que las publicaciones del 2022 corresponden a solo
10 meses del año; por tal razón, se espera que la cantidad de publicaciones a
fin de año sea al menos igual al de 2021.
De la Tabla 2, cuatro investigaciones
demuestran haber utilizado una plataforma convencional. Es decir, tres trabajan
en un sistema en línea y una investigación lo hace con un sistema chatbot
instalado en equipos informáticos. Las otras cuatro investigaciones utilizan las
redes sociales para implementar las herramientas chatbots, lo cual permite
establecer la importancia de estas plataformas en el proceso de enseñanza en
línea (Fedorenko et al., 2019; McBrien et al., 2009). En efecto, Manca (2020) señala
que los medios sociales ayudan a mejorar el aprendizaje y el trabajo
colaborativo.
Tabla 2. Plataformas usadas en las investigaciones (n=8).
|
Autor
y año |
Plataforma
tecnológica |
Tipo |
|
Gabrielli et al.
(2020) |
Computadora de escritorio |
Equipo |
|
Deveci-Topal et al.
(2021) |
Telegram |
Redes sociales |
|
Mageira et al.
(2022) |
Webchat, Twitter, Facebook Messenger, Skype, WhatsApp,
Viber, Slack |
Redes sociales |
|
Grové (2021) |
Sistema en línea |
Portal web |
|
Mathew et al. (2021) |
Sistema en línea |
Portal web |
|
Shin et al. (2021) |
Sistema en línea |
Portal web |
|
El-Hefny et al.
(2021) |
Facebook Messenger |
Redes sociales |
|
Sarosa et al. (2020) |
Facebook Messenger |
Redes sociales |
Limitaciones de las investigaciones analizadas
Los ocho estudios revisados tienen
una muestra pequeña y varía en un rango de 21 a 60 participantes. A decir de Gabrielli
et al., (2020) los grupos pequeños limitan el alcance de los estudios. Además,
la conexión de red influye en el aprendizaje significativo, toda vez que las
interrupciones de la señal de internet limitan el uso del chatbot (Deveci-Topal
et al., 2021). Asimismo, los estudiantes con un nivel socioeconómico bajo no
cuentan con equipos electrónicos propios para acceder a internet y generalmente
se conectan a través de los dispositivos de sus padres (Deveci-Topal et al.,
2021). Por consiguiente, es necesario aplicar políticas educativas para mitigar
las barreras que limitan la utilización de los chatbos en la educación escolar.
El chatbot y su aplicación en el campo de la salud
mental
De acuerdo a la Tabla 3, el uso de
herramientas digitales basadas en IA por parte de la Generación Z está
aumentando en todo el planeta (Ly et al., 2017; Young Oh et al., 2020). En esa
línea, los actores de la sociedad deben promover programas de aspectos
positivos de la salud mental (Grové, 2021). Ejemplo, la utilización de chatbot
basados en videos juegos, interfaces atractivos e información debidamente
organizada y cohesionada para mejorar el bienestar, reducir el estrés y
promover la inteligencia emocional en adolescentes (Gabrielli et al., 2020). Estos
resultados permiten inferir que las soluciones basadas en IA podrían fomentar el
desarrollo de los adolescentes para convertirse en adultos mentalmente sanos.
Tabla 3. Tipos de aplicación y resultados relevantes en salud
mental.
|
Autor y año |
Tipo |
Resultados relevantes |
|
Gabrielli et al.
(2020) |
Salud mental |
El chatbot fue bien
recibido por los estudiantes. Esta investigación tuvo una intervención de
coaching virtual para el entrenamiento de habilidades: relaciones
interpersonales, resolución de conflictos, comunicación asertiva, liderazgo,
emociones positivas, otros. |
|
Grové (2021) |
Salud mental |
Este experimento tuvo
efectos positivos sobre la salud mental y el bienestar de los adolescentes.
Los participantes lo consideran necesario para mejorar el estado de ánimo,
así como la interacción entre estudiantes, y por tanto potenciar el
aprendizaje. |
El chatbot y su aplicación en el campo de la educación
escolar
La sociedad se está transformando
digitalmente a gran escala donde los algoritmos inteligentes encuentran una explicación
a las interrogantes (Noah-Harari, 2018). Uno de los objetivos de los chatbots
basados en IA no es reemplazar la enseñanza humana sino brindar una solución
complementaria al proceso educativo existente e interactivo y apoyar a los
responsables a formular políticas educativas (Sarosa et al. 2020). En este
marco, los agentes conversacionales representan un componente para el
aprendizaje escolar. En relación a la Tabla 4, se observa que hay diversos chatbots
para mejorar y potenciar el proceso cognitivo de los adolescentes. Existen aquellos
utilizados para el campo de las ciencias de la computación (Mathew et al., 2021).
Asimismo, existen software de diálogo que
responden interrogantes sobre temas de admisión a la universidad (El-Hefny et
al., 2021) y chatbots utilizados para estudiar el curso de ciencias (Grové, 2021). En esa línea de aprendizaje, los
estudiantes de secundaria disfrutan interactuar con una herramienta conversacional
para el aprendizaje de un idioma extranjero (Shin et
al., 2021). Al respecto, Sarosa et al., (2020)
señalan que las plataformas de redes sociales deben ser aprovechadas como canales
de aprendizaje del idioma inglés. Es preciso señalar que existen factores
endógenos como las interrupciones en la señal de internet, nivel socio
económico, las pequeñas pantallas de los teléfonos inteligentes y otros que podrían
influir negativamente en el proceso de aprendizaje (Shin et al.,
2021).
Tabla 4. Tipos de aplicación y resultados relevantes en el
campo educativo.
|
Autor y año |
Tipo |
Resultados relevantes |
|
Deveci-Topal et al.
(2021) |
Ciencias |
Se determinó que la
aplicación de chatbot afectó positivamente la experiencia de aprendizaje de
ciencias "Materia y estado cambiante de la materia”, brindó información
nueva para los estudiantes. Sin embargo, algunos estudiantes manifestaron su
disconformidad cuando obtuvieron la misma respuesta a diferentes preguntas.
Asimismo, los adolescentes declararon que les gustaría usar actividades de
chatbot en otros cursos, como inglés, matemáticas y ciencias sociales. |
|
Mageira et al.
(2022) |
Idiomas |
Los hallazgos muestran
que el chatbot educativo apoyó en la enseñanza de los idiomas inglés y
francés. La mayoría de los participantes señalaron que la conversación con el
chatbot ayuda a aprender un idioma extranjero. Asimismo, resaltaron el uso
del chatbot durante las 24 horas del día, sin miedo al fracaso y al error, y
en un ambiente amigable y fuera del salón de clase. |
|
Mathew et al. (2021) |
Informática |
Este experimento tuvo
éxito capturando la solicitud planteada, lo cual elevó el nivel de confianza
y el estímulo para la extracción de información de temas de la ciencia de la
computación. El chatbot tiene el potencial de brindar cobertura en los
componentes analizados. |
|
Shin et al. (2021) |
Idiomas |
Los hallazgos permiten inferir que los estudiantes se
involucraron con una actitud positiva en sus conversaciones en inglés
con el chatbot. Este sistema es adecuado para los alumnos en fluidez
conversacional, nivel de lenguaje y respuestas a expresiones verbales. Sin
embargo, el chatbot emitía ocasionalmente comentarios impropios o
insignificantes que obstaculizaban la interacción de los alumnos y por tal
razón, impedía la continuidad de la comunicación. |
|
El-Hefny et al.
(2021) |
Admisión a la universidad |
Los resultados sugieren que los participantes
consideraron una herramienta útil al chatbot, toda vez que las respuestas
obtenidas fueron informativas y útiles. Sin embargo, algunos participantes
afirmaron que las funcionalidades del chatbot no estaban bien cohesionadas.
En síntesis, los estudiantes resaltan la utilidad y adopción de los chatbots
de admisión universitaria. |
|
Sarosa et al. (2020) |
Idiomas |
Este experimento demostró
que con el chatbot se puede aprender inglés de forma independiente pues
cuenta con amplia información y ejercicios integrados para obtener preguntas
en diferentes niveles o encontrar más desafíos cuando sea necesario para
evitar el aburrimiento del aprendizaje. La ventaja del chatbot es la
disponibilidad virtual durante las 24 horas del día. |
CONCLUSIONES
Se concluye que las redes sociales
son útiles para mejorar la relación entre usuarios y mejorar el trabajo
colaborativo. En efecto, Vizcaya-Moreno y Pérez-Cañaveras (2020) señalan que la
educación superior en países desarrollados incorpora dispositivos móviles
inteligentes y redes sociales como parte de los métodos de enseñanza. Asimismo,
se puede concluir que los chatbots son importantes para mejorar la resiliencia,
la salud mental y fomentar el desarrollo de importantes habilidades para la
vida de los estudiantes de secundaria. Además, mediante el entrenamiento
virtual se puede potenciar el aprendizaje de diversas materias, como el inglés,
francés, informática y otros. Sin embargo, la utilización de estos agentes
conversacionales es aún mínima para reducir las brechas educativas. Por
ejemplo, estas soluciones aún no abordan casos de acoso y ciberacoso, y cursos
de ciencias como la física, química y otros. Asimismo, es imperativo resaltar
las limitaciones de los chatbots en el sentido que a veces se pierde el interés
de seguir usándolo porque, a decir de los participantes, es evidente la
robotización de sus respuestas.
El presente análisis de revisión se
limita a encontrar documentos de dos repositorios científicos, principalmente
SCOPUS y SCIELO, aunque este último no arrojó ninguna investigación. Si bien,
la base de datos SCOPUS es un sistema principal en el campo de la inteligencia
artificial y cubre aspectos de innovaciones, la ocasión de artículos
extraviados en este campo claramente existe. Además, este trabajo se limita a
documentos escritos en inglés. Finalmente, existe una ingente cantidad de
probables herramientas futuras de IA en la aplicación de chatbot para la
educación escolar. Sin embargo, fueron analizados algunos posibles usos que
evidencia el fortalecimiento de la capacidad cognitiva de los estudiantes.
CONFLICTO DE INTERESES. Los autores
declaran que no existe conflicto de intereses para la publicación del presente
artículo científico.
REFERENCIAS
Alqassim, A. Y., Mahfouz, M. S., Hakami, M. M., Al
Faqih, A. A., Shugairi, A. A., Alsanosy, M. R., Rayyani, A. Y., Albrraq, A. Y.,
Muaddi, M. A., y Alharbi, A. A. (2022). Depression, Anxiety, Stress and Their Association with the Use of
Electronic Devices among Adolescents during the COVID-19 Pandemic. International Journal of Mental Health Promotion, 24(2), 251-262.
https://doi.org/10.32604/ijmhp.2022.019000
Chen, X., Qi, H., Liu, R., Feng, Y., Li, W., Xiang, M., Cheung, T., Jackson, T., Wang,
G., y Xiang, Y. T. (2021). Depression, anxiety
and associated factors among Chinese adolescents during the COVID-19 outbreak:
a comparison of two cross-sectional studies. Translational Psychiatry, 11(1),
1-8. https://doi.org/10.1038/s41398-021-01271-4
Chen, Z., Hu, G., Zheng, M., Song, X., y Chen, L. (2021). Bibliometrics of machine learning research
using homomorphic encryption. Mathematics, 9(21), 1-22. https://doi.org/10.3390/math9212792
Cordeiro, R., Souza, A., y Paulo, C. De. (2023). Impacts of technology on children ’ s
health : a systematic review Impactos da tecnologia na saúde
infantil : revisão sistemática. Sociedade de Pediatria de São Paulo, 41, 1-8.
https://doi.org/10.1590/1984-0462/2023/41/2020504
Deveci-Topal, A., Dilek Eren, C., y Kolburan Geçer, A. (2021). Chatbot application in a 5th grade science
course. Education and Information Technologies, 26(5),
6241-6265. https://doi.org/10.1007/s10639-021-10627-8
El-Hefny, W., Mansy, Y., Abdallah, M., y Abdennadher, S. (2021). Jooka: A
Bilingual Chatbot for University Admission. Advances
in Intelligent Systems and Computing, 1367, 2-11.
https://doi.org/10.1007/978-3-030-72660-7_64
Fedorenko, E. H., Velychko, V. Y., Stopkin,
A. V., Chorna, A. V., y Soloviev,
V. N. (2019). Informatization of education as a pledge of the existence and development of a
modern higher education. CEUR Workshop Proceedings, 2433, 20-32.
http://ceur-ws.org/Vol-2433/paper01.pdf
Gabrielli, S., Rizzi, S., Carbone,
S., y Donisi, V. (2020). A chatbot-based coaching intervention for
adolescents to promote life skills: Pilot study. JMIR Human Factors, 7(1), 1-7.
https://doi.org/10.2196/16762
Giedd, J. N. (2008). The Teen Brain: Insights from Neuroimaging. Journal of
Adolescent Health, 42(4), 335-343. https://doi.org/10.1016/j.jadohealth.2008.01.007
Grové, C. (2021). Co-developing a Mental Health and
Wellbeing Chatbot With and for Young People.
Frontiers in Psychiatry, 11(February), 1-12.
https://doi.org/10.3389/fpsyt.2020.606041
Hawker, D., y Boulton,
M. (2000). Twenty years’ research on peer
victimization and psychosocial maladjustment: a meta-analytic review of
cross-sectional studies. J Child Psychol Psychiatry,
41(4), 441-455. https://pubmed.ncbi.nlm.nih.gov/10836674/
KOCAELI. (s. f.). Kocaeli University.
http://int.kocaeli.edu.tr/index_en.php?enpages=page yid=kocaeli-university
Ly, K. H., Ly, A. M., y Andersson,
G. (2017). A fully automated conversational agent for promoting mental
well-being: A pilot RCT using mixed methods. Internet Interventions, 10(2017),
39-46. https://doi.org/10.1016/j.invent.2017.10.002
Mageira, K., Pittou, D., Papasalouros,
A., Kotis, K., Zangogianni,
P., y Daradoumis, A. (2022). Educational AI Chatbots for Content and Language Integrated Learning. Applied Sciences (Switzerland), 12(7), 2-16. https://doi.org/10.3390/app12073239
Manca, S. (2020). Snapping, pinning, liking or texting: Investigating social media in
higher education beyond Facebook. Internet and Higher
Education, 44(2020), 1-13.
https://doi.org/10.1016/j.iheduc.2019.100707
Mathew,
A. N., Rohini, V., y Paulose,
J. (2021). NLP-based personal
learning assistant for school education. International Journal of Electrical and Computer
Engineering, 11(5), 4522-4530.
https://doi.org/10.11591/ijece.v11i5.pp4522-4530
McBrien, J. L., Jones, P., y Cheng, R. (2009). Virtual spaces: Employing a synchronous online classroom to facilitate
student engagement in online learning. International Review of Research in Open
and Distance Learning, 10(3), 1-17. https://doi.org/10.19173/irrodl.v10i3.605
Nakamoto, J., y Schwartz, D. (2010). Is peer
victimization associated with academic achievement? A
meta-analytic review. Social Development, 19(2), 221-242.
https://doi.org/10.1111/j.1467-9507.2009.00539.x
Nguyen, H. D., Tran, D. A., Do, H. P., y Pham, V. T. (2020). Design an Intelligent System to automatically Tutor the Method for
Solving Problems. International Journal of Integrated Engineering, 12(7),
211-223. https://doi.org/10.30880/ijie.2020.12.07.024
Noah-Harari, Y. (2018). 21 lecciones para el siglo XXI. Debate, Barcelona.
Peters, M. D. J., Marnie, C., Tricco,
A. C., Pollock, D., Munn,
Z., Alexander, L., McInerney, P., Godfrey,
C. M., y Khalil, H. (2020). Updated methodological guidance for the conduct of scoping reviews. JBI Evidence Synthesis, 18(10), 2119-2126. https://doi.org/10.11124/JBIES-20-00167
Retuerto, D. M., de Lahidalga,
I. R. M., y Lasurtegui, I. I. (2020). Disruptive behavior programs on primary school students: A systematic
review. European Journal of Investigation in Health,
Psychology and Education, 10(4), 995-1009.
https://doi.org/10.3390/ejihpe10040070
Reznik, L. (2009). General principles and purposes of
computational intelligence. Systems Science and Cybernetics, III.
http://www.eolss.net/sample-chapters/c02/E6-46-04-01.pdf
Rossi, R., Socci, V., Talevi,
D., Mensi, S., Niolu, C., Pacitti, F., Di Marco, A., Rossi,
A., Siracusano, A., y Di Lorenzo, G. (2020). COVID-19 Pandemic and Lockdown Measures Impact on Mental Health Among
the General Population in Italy. Frontiers in Psychiatry, 11, 1-12. https://doi.org/10.3389/fpsyt.2020.00790
Sarosa, M., Kusumawardani, M., Suyono, A., y Wijaya, M. H.
(2020). Developing a social media-based Chatbot for English learning. IOP Conference Series:
Materials Science and Engineering, 732(1), 1-6. https://doi.org/10.1088/1757-899X/732/1/012074
Shin, D., Kim, H., Lee, J. H., y
Yang, H. (2021). Exploring the use of
an artificial intelligence chatbot as second language
conversation partners*. Korean Journal of English Language and Linguistics,
2021(21), 375-391. https://doi.org/10.15738/kjell.21..202104.375
UNESCO (2020). La educación en tiempos de la pandemia
de COVID-19. Naciones Unidas.
https://www.cepal.org/es/publicaciones/45904-la-educacion-tiempos-la-pandemia-covid-19
Vizcaya-Moreno, M. F., y Pérez-Cañaveras, R. M.
(2020). Social media used and teaching methods preferred by
generation z students in the nursing clinical learning environment: A
cross-sectional research study. International Journal of Environmental Research
and Public Health, 17(21), 1-10. https://doi.org/10.3390/ijerph17218267
Wiguna, T., Minayati, K., Kaligis,
F., Ismail, R. I., Wijaya,
E., Murtani, B. J., y Pradana,
K. (2021). The Effect of Cyberbullying,
Abuse, and Screen Time on Non-suicidal Self-Injury Among
Adolescents During the Pandemic: A Perspective From the Mediating Role of
Stress. Frontiers in Psychiatry, 12, 1-10.
https://doi.org/10.3389/fpsyt.2021.743329
Williams, M. L., Morse, B. L., DeGraffenried,
W., y McAuliffe, D. L. (2021). Addressing Stress in High School Students During the COVID-19 Pandemic. NASN school
nurse (Print), 36(4), 226-232. https://doi.org/10.1177/1942602X21993053
Xiang, Y. T., Yang, Y., Li, W., Zhang, L., Zhang, Q.,
Cheung, T., y Ng, C. H. (2020). Timely mental health care for the 2019 novel
coronavirus outbreak is urgently needed. The Lancet Psychiatry, 7(3), 228-229.
https://doi.org/10.1016/S2215-0366(20)30046-8
Young Oh, E., Song, D., y Hong,
H. (2020). Interactive Computing Technology
in Anti-Bullying Education: The Effects of Conversation-Bot’s Role on K-12
Students’ Attitude Change Toward Bullying Problems. En Journal of Educational Computing Research 58 (1), 200-219.
https://doi.org/10.1177/0735633119839177