WFWiston Forero-Corba

Wiston Forero-Corba

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Wiston Forero-Corba has a total of 2 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Evaluación de un modelo predictivo de Competencia Digital Docente usando técnicas de aprendizaje automático

    by Wiston Forero-Corba, Francisca Negre-Bennasar, Francisco José Perales López

    La Competencia Digital Docente (CDD) se define como el conjunto de habilidades y destrezas digitales que los docentes aplican en los procesos de enseñanza-aprendizaje. El aprendizaje automático (ML), rama de la inteligencia artificial, emplea técnicas para identificar y predecir patrones en grandes volúmenes de datos. Los estudios sobre CDD resultan esenciales para las instituciones educativas, pues impactan en el desarrollo integral de los estudiantes y orientan a los directivos en la implementación de acciones de formación que fortalezcan las capacidades digitales de su planta docente. El objetivo de este trabajo es evaluar un modelo de predicción de la CDD considerando dimensiones pedagógicas, comunicativas, investigativas, tecnológicas y de gestión. La metodología adoptó un enfoque mixto, descriptivo y no experimental, sustentado en la Investigación Basada en Diseño. La muestra incluyó 128 docentes de una institución educativa en Bogotá y 53 docentes de 41 instituciones colombianas. Los resultados evidenciaron que el nivel de CDD es limitado en los docentes del país. Las conclusiones destacan la alta efectividad del uso de técnicas inteligentes para la predicción de la CDD y plantean propuestas que pueden orientar futuras investigaciones en el ámbito educativo.

  • Open Access

    Diseño y simulación de un modelo de predicción para la evaluación de la competencia digital docente usando técnicas de Machine Learning

    by Wiston Forero-Corba, Francisca Negre Bennásar

    Machine Learning (ML) es un campo de la inteligencia artificial que, a través de técnicas, elabora predicciones de datos masivos. La competencia digital docente (CDD) refiere comúnmente a las habilidades y destrezas de los docentes en sistemas digitales y su aplicación en los procesos de enseñanza-aprendizaje. La investigación sobre CDD es importante para las instituciones, ya que de su evaluación dependen el aprendizaje, trayectoria, dirección y comportamiento de los alumnos. La CDD en Colombia se basa en 5 elementos: Comunicativa, de gestión, investigativa, pedagógica y tecnológica, y cada uno de ellos se mide en tres niveles: Explorador, integrador e innovador. Las preguntas de investigación fueron: (1) ¿Qué tipo de resultados podemos esperar de la predicción de la CDD con técnicas de ML? (2) ¿Qué técnicas de ML son efectivas para predecir la CDD? (3) ¿Qué ventajas trae predecir la CDD con técnicas de ML? La metodología pretende diseñar un modelo de predicción de la CDD en Colombia aplicando 9 técnicas de ML usando el software Orange Data Mining. Los resultados muestran la alta efectividad que tienen las técnicas inteligentes para predecir la CDD. El modelo muestra que es retroalimentable, escalable y permite proponer itinerarios personalizados de aprendizaje.


  • Top Cited Papers
    Open Access

    Técnicas y aplicaciones del Machine Learning e Inteligencia Artificial en educación: una revisión sistemática

    by Wiston Forero-Corba, Francisca Negre Bennasar

    El Machine Learning es un campo de la inteligencia artificial que está impactando últimamente en todas las áreas del conocimiento. Las áreas de las ciencias sociales, en especial la educación, no es ajena a ella, por tanto, se realiza una revisión sistemática de la literatura sobre aquellas técnicas y aplicaciones del Machine Learning e inteligencia artificial en Educación. La falta de conocimientos y habilidades de los educadores en Machine Learning e inteligencia artificial limita la implementación óptima de estas tecnologías en la educación. El objetivo de este trabajo es identificar las oportunidades de mejora de los procesos de enseñanza-aprendizaje y la gestión educativa en todos los niveles del contexto educativo a través de la aplicación de Machine Learning e inteligencia artificial. Las bases de datos utilizadas para la búsqueda bibliográfica fueron Web of Science y Scopus, la metodología aplicada se basó en la declaración PRISMA para la obtención y análisis de 55 artículos publicados en revistas de alto impacto entre los años 2021 y 2023. Los resultados mostraron que los estudios trataron un total de 33 técnicas de Machine Learning e inteligencia artificial y múltiples aplicaciones que fueron implementadas en contextos educativos en niveles de educación primaria, secundaria y superior en 38 países. Las conclusiones mostraron el fuerte impacto que tiene el uso de Machine Learning e inteligencia artificial. Este impacto se ve reflejado en el uso de diferentes técnicas inteligentes en contextos educativos y el aumento de investigaciones en escuelas de secundaria sobre inteligencia artificial.