Esta investigación consiste en una revisión literaria de publicaciones científicas en el área de la inteligencia artificial (IA), pertenecientes a revistas científicas encontradas en el portal SCImago Journal & Country Rank. La búsqueda de información se realizó utilizando palabras clave y títulos de investigaciones publicadas entre los años 1970 y 2020 en la base de datos de Scopus. El objetivo de este artículo es identificar los aportes de la IA en la educación en las últimas cinco décadas, dara conocer las revistas científicas con los índices de impacto más altos en el área de la IA en los últimos 10 años, y analizar el papel que desempeñará la IA en la educación post Covid-19. Los resultados evidencian aportes significativos de la IA en la educación, empleando técnicas de redes neuronales, big data, visión por computador, asistentes digitales virtuales, aprendizaje automático y análisis predictivo, siendo Estados Unidos el país que posee el mayor número de revistas científicas (siete) dedicadas al área de la IA. Finalmente, destacamos la necesidad de involucrar la IA en el proceso de enseñanza y aprendizaje en una educación post Covid-19.

Objetivo. Este artículo muestra el diseño y entrenamiento de una red neuronal artificial (RNA) para predecir resultados académicos de estudiantes de Ingeniería Civil de la Universidad Nacional Intercultural Fabiola Salazar Leguía de Bagua-Perú en la asignatura de Matemática II. Método. Se utilizó la metodología CRISP-DM, para recolectar los datos se emplearon encuestas, el modelo de RNA se implementó en el software Matlab utilizando el comando nnstart y dos algoritmos de aprendizaje: Scaled Conjugate Gradient (SCG) y Levenberg-Marquardt (LM), el rendimiento del modelo se evaluó mediante el error cuadrático medio y el coeficiente de correlación. Conclusiones. El algoritmo LM logró mejor efectividad en la predicción.

Esta investigación tiene por objetivo determinar la relación que existe entre el liderazgo directivo y el desempeño laboral docente en las instituciones particulares de la ciudad de Jaén, presenta un diseño descriptivo correlacional, la población está constituida por 5 instituciones educativas particulares de la ciudad de Jaén, con un total 80 docentes y 720 alumnos, el tamaño de la muestra fue calculado mediante el muestreo probabilístico estratificado el cual fue conformado por 250 estudiantes y 66 docentes. Se realizaron cuatro encuestas, dos de ellas dirigidas a los estudiantes y las otras dos dirigidas a los docentes, las cuales tienen por finalidad medir la relación entre las variables. Se llegó a demostrar que existe un relación considerablemente fuerte entre el liderazgo autoritario del director y el desempeño laboral docente; en los docentes (r=0.8341) y en los estudiantes (r=0.9422), además existe un relación muy fuerte entre el liderazgo democrático del director y el desempeño laboral docente;  en los docentes (r=0.9795) y en los estudiantes (r=0.9726), finalmente existe un relación considerablemente muy fuerte entre el liderazgo liberal  del director y el desempeño laboral docente; en los docentes (r=0.9868) y en los estudiantes (r=0.8252).

Predecir los resultados académicos de los estudiantes permite al docente buscar técnicas y estrategias en el tiempo indicado durante el proceso de enseñanza y aprendizaje con el fin de mejorar el logro de competencias en sus estudiantes. En esta investigación se implementó una red neuronal artificial (RNA) para predecir los resultados académicos del curso de física de los estudiantes del II ciclo de la carrera profesional de Ingeniería Civil de la universidad Nacional Intercultural Fabiola Salazar Leguía de Bagua-Perú en función de datos históricos. La RNA se diseñó e implemento en el Software MATLAB, su arquitectura está formada por una capa de entrada, una capa oculta y una capa de salida, para el entrenamiento de la RNA se utilizó dos algoritmos que posee la Toolbox de MATLAB: el Scaled Conjugate Gradient logrando un porcentaje de predicción del 70% y el Levenberg-Marquardt logrando un porcentaje de predicción 86%.

The objective of this research is to design and implement an artificial neural network (RNA) model that allows predicting the academic performance of students at the Fabiola Salazar Leguía de Bagua National Intercultural University (UNIFSLB) in the Mathematics subject. This research presents a quantitative, non-experimental, projective and predictive approach; A dichotomous response questionnaire was developed to collect information on the factors that influence Academic Performance (AR). For the validation of the questionnaire, the expert judgment criteria was used, and for reliability the Kuder-Richarson test (reliability coefficient of 0.82). The study population was made up of 397 UNIFSLB students. The RNA model was designed in the MATLAB software, the model adjustment was performed taking into account the mean square error (0.27) and the weighted correlation coefficient during training, validation and testing (0.92%). The RNA model with the best prediction results is made up of three hidden layers (35-42-31 neurons in each hidden layer) and an output layer (1 neuron). It was concluded that it is possible to implement an RNA model with endogenous and exogenous factors to predict the AR of students El objetivo de esta investigación es diseñar e implementar un modelo de red neuronal artificial (RNA) que permita predecir el rendimiento académico de los estudiantes de la Universidad Nacional Intercultural Fabiola Salazar Leguía de Bagua (UNIFSLB) en la asignatura Matemática. Esta investigación presenta un enfoque cuantitativo, no experimental, de tipo proyectiva y predictiva; se elaboró un cuestionario de respuestas dicotómicas para recolectar información de los factores que influyen en el Rendimiento académico (RA). Para la validación del cuestionario se utilizó el criterio de juicio de expertos, y para la confiabilidad la prueba Kuder-Richarson (coeficiente de confiabilidad de 0.82). La población de estudio quedó constituida por 397 estudiantes de la UNIFSLB. El modelo de RNA se diseñó en el software MATLAB, el ajuste del modelo se realizó teniendo en cuenta el error cuadrático medio (0.27) y el coeficiente de correlación ponderado durante el entrenamiento, validación y prueba (0.92%). El modelo de  RNA con los mejores resultados en la predicción está constituido por tres capas ocultas (35-42-31 neuronas en cada capa oculta) y una capa de salida (1 neurona). Se concluyó que es posible implementar un modelo de RNA con factores endógenos y exógenos para predecir el RA de los estudiantes