Con la reciente masificación del uso de la Inteligencia Artificial (IA), especialmente ChatGPT, muchas instituciones educativas en representación de sus directivos y profesores han mostrado cierta preocupación en el uso de estas por parte de los estudiantes. Es así como el presente estudio se enfoca en la implementación de ChatGPT, una herramienta de IA, en la enseñanza de la programación en los primeros semestres de Ingeniería de Sistemas y así poder usar la IA en beneficio de la Educación. La IA es una de las tecnologías más prometedoras para mejorar la enseñanza y el aprendizaje de la programación, se podría explorar la capacidad de los modelos de lenguaje natural para generar código o proporcionar sugerencias de programación o retroalimentación personalizada en tiempo real a los estudiantes y también ayudar a los profesores. Sin embargo, también es importante considerar los aspectos éticos de la implementación de la IA en la educación. Para este estudio, se llevó a cabo una revisión bibliográfica de estudios relacionados con la implementación de la IA en la educación y el uso de ChatGPT y luego de la implementación se midió el desempeño académico y motivación de los estudiantes por medio de sus notas y una encuesta para obtener información sobre su experiencia de aprendizaje con ChatGPT. Los resultados del estudio muestran que la implementación de ChatGPT en la enseñanza de la programación puede mejorar significativamente el aprendizaje de los estudiantes. Los estudiantes informaron una mayor comprensión de los conceptos de programación y una mayor confianza en su capacidad para programar lo que se tradujo en una mejor motivación hacia la programación. En conclusión, la implementación de la IA en la enseñanza de la programación es un campo en constante evolución que puede ser de gran ayuda para mejorar el aprendizaje de los estudiantes y donde los profesores deberán hacer un enfoque adecuado en la ética para reforzar la honestidad académica y evitar el plagio. Al ser un tema emergente se necesitan más estudios para comprender el potencial de la IA en la enseñanza de la programación.

Climate change, primarily driven by human activities such as burning fossil fuels, is causing significant long-term changes in temperature and weather patterns. To mitigate these impacts, there is an increased focus on renewable energy sources. However, optimizing power consumption through effective usage control and waste recycling also offers substantial potential for reducing energy demands. This study explores non-intrusive load monitoring (NILM) to estimate disaggregated energy consumption from a single household meter, leveraging advancements in deep learning such as convolutional neural networks. The study uses the UK-DALE dataset to extract and plot power consumption data from the main meter and identify five household appliances. Convolutional neural networks (CNNs) are trained with transfer learning using VGG16 and MobileNet. The models are validated, tested on split datasets, and combined using ensemble methods for improved performance. A new voting scheme for ensembles is proposed, named weighted average confidence voting (WeCV), and it is used to create combinations of the best 3 and 5 models and applied to NILM. The base models achieve up to 97% accuracy. The ensemble methods applying WeCV show an increased accuracy of 98%, surpassing previous state-of-the-art results. This study shows that CNNs with transfer learning effectively disaggregate household energy use, achieving high accuracy. Ensemble methods further improve performance, offering a promising approach for optimizing energy use and mitigating climate change.