Recibido:
12/02/2024 Aceptado: 26/06/2024
Tendencia
de la inteligencia artificial en la Educación Superior en América Latina (Revisión).
Artificial intelligence trends in
higher education in Latin America (Review).
Elida Yesenia Bajaña Quintana. Licenciada en
Educación Mención Primaria. Magíster en Educación Mención en Inclusión
Educativa y Atención a la Diversidad. Docente de la Facultad de Ciencias de la
Educación.
[ elidab2008@hotmail.com
] [ https://orcid.org/0009-0002-3215-0444
]
María Maricela Piedra Ramos. Psicóloga Educativa y
Orientadora Vocacional. Magíster en educación. mención intervención
psicopedagógica. Docente de la Universidad Técnica Estatal de Quevedo. Los Ríos.
Ecuador.
[ mpierdrar@uteq.edu.ec
] [ https://orcid.org/0009-0004-5816-0258
]
Alexandra Isabel Cardenas
Loor. Licenciada en Ciencias de Educación. Master en Psicopedagogía
. Universidad Técnica Estatal de Quevedo. Los Ríos. Ecuador.
[ acardenasl@uteq.edu.ec ] [ https://orcid.org/0000-0002-9791-3679
]
Shirley Vanessa Betancourt Zambrano. Psicóloga
Clínica. Master Neuropsicología y educación. Facultad de Ciencias de la
Educación. Universidad Técnica Estatal de Quevedo. Los Ríos. Ecuador.
[ sbetancourtz@uteq.edu.ec
] [ https://orcid.org/0000-0002-0869-5367 ]
Resumen
A medida que avanzan las Tecnologías de la
Información, las Instituciones de la Educación Superior de Ecuador y otras
partes del mundo exigen que los docentes y estudiantes las utilicen dentro del
salón de clases, para luego ser aplicadas en el sector laboral. Es importante
considerar que la inteligencia artificial se concibe de dos maneras: como el
desarrollo de dispositivos tecnológicos inteligentes que sirven como
herramientas para los profesionales en los diferentes campos aplicados de las
ciencias, y como un fenómeno que reconfigura la forma de aprender y de enseñar
de los estudiantes y docentes de educación superior. De ahí que se pretende
profundizar y reflexionar sobre las tendencias de la inteligencia artificial en
la educación superior, sobre sus contribuciones al aprendizaje significativo,
pertinente y contextualizado. En todo este proceso podemos diferenciar dos
momentos de cambio en la enseñanza superior de la mano de la Inteligencia
Artificial. Una primera ola con la automatización de tareas administrativas y
personalización del proceso de aprendizaje y colaboración; una segunda ola con
la llegada de la Inteligencia Artificial en su versión generativa. Herramientas
como ChatGPT, Google Bard,
Humata.ai o Sudowrite son consideradas rápidamente un
referente de este avance tecnológico y utilizadas de forma masiva por un gran
número de usuarios. Por lo que se concluye que, el uso de la inteligencia artificial sin dudas forma competencia en los
estudiantes y aparece como herramienta facilitadora para los docentes.
Palabras claves: automatización; educación superior;
competencias; inteligencia artificial; habilidades; herramientas
Abstract
As information
technologies advance, higher education institutions in Ecuador and other parts
of the world demand that teachers and students use them in the classroom, to
then be applied in the labor sector. It is important to consider that artificial intelligence
is conceived in two ways: as the development of intelligent technological
devices that serve as tools for professionals in the different applied fields
of science, and as a phenomenon that reconfigures the way students and teachers
of higher education learn and teach. Hence, we intend to delve deeper and reflect on the
trends of artificial intelligence in higher education, on its contributions to
meaningful, relevant and contextualized learning. In this whole process we can
differentiate two moments of change in higher education by the hand of
Artificial Intelligence. A first wave with the automation of administrative tasks
and personalization of the learning and collaboration process; a second wave with the arrival of
Artificial Intelligence in its generative version. Tools such as ChatGPT,
Google Bard, Humata.ai or Sudowrite are quickly
considered a benchmark for this technological advancement and are used
massively by a large number of users. Therefore, it is concluded that the use of artificial
intelligence undoubtedly creates competence in students and appears as a
facilitating tool for teachers.
Keywords: automation; higher education; competencies; artificial intelligence; skills; tools
Introducción
En las instituciones de
Educación superior (IES) en el Ecuador han incursionado en el empleo de las
Tecnologías de la Información (TI), donde docentes y estudiantes utilicen las
técnicas y herramientas de las TI en el proceso docente. Recientemente, se ha motivado
la comprensión y utilización las TI que integran técnicas de Inteligencia
Artificial (IA) para la creación de recursos didácticos dentro de la Educación
Superior (Goralski & Tan, 2020). Los recursos didácticos
creados con técnicas de IA deberán adaptarse a los cambios profesionales para
establecer una mejor trayectoria profesional y laboral de los estudiantes
universitarios (Aldowah et al., 2019).
El rápido avance de las TI ha
facilitado la implementación de aplicaciones de Inteligencia Artificial en la
educación. Estas aplicaciones se refieren al uso de tecnologías o programas de
aplicación de IA en entornos educativos para facilitar la enseñanza, el
aprendizaje o la toma de decisiones. Con la ayuda de las tecnologías de IA, que
simulan la inteligencia humana para hacer inferencias, juicios o predicciones,
los sistemas informáticos pueden brindar orientación, apoyo o retroalimentación
personalizados a los estudiantes, así como ayudar a los docentes o
especialistas en la toma de decisiones. La creación de recursos didácticos con
IA ha sido identificada como el principal foco de investigación en el campo de
las computadoras y la educación, la naturaleza interdisciplinaria de IA
presenta un desafío único para los investigadores con diferentes antecedentes
disciplinarios (Jalón Arias et al., 2022).
Es por ello, que la Inteligencia
Artificial (IA) ha tenido un crecimiento significativo en las últimas décadas,
con aplicación a una amplia variedad de sectores, desde la medicina hasta el transporte.
En particular, su utilización en la educación superior está transformando la
forma en que los educadores enseñan y los estudiantes aprenden. El impacto del
COVID-19 trajo consigo un cambio de paradigma y migración a modelos mixtos o
puramente digitales en el proceso educativo; pero no sin afectaciones al
proceso de aprendizaje de los alumnos de educación superior de forma nuclear,
si no al ser facilitador del acceso al contenido de forma digital. Sin embargo,
la IA, en sus diversas modalidades utilizada de forma básica en la enseñanza
superior, está irrumpiendo con nuevos modelos de resolución de tareas asociadas
(Cerón & Penela, 2023).
Justamente, la IA permite ahora
disponer de escenarios educativos virtuales que se ajustan al proceso de aprendizaje
específico de cada estudiante. Es decir, la plataforma procesa la información y
el desempeño del estudiante para disponer el mejor camino para su aprendizaje.
En esa medida, la IA tiene el potencial de impactar positivamente en la calidad
de vida de las personas que integran la comunidad educativa (Gorospe et al.,
2023). Es importante considerar que la inteligencia artificial se concibe de
dos maneras: como el desarrollo de dispositivos tecnológicos inteligentes que
sirven como herramientas para los profesionales en los diferentes campos
aplicados de las ciencias, y como un fenómeno que reconfigura la forma de
aprender y de enseñar de los estudiantes y docentes de educación superior
(Zavala Cárdenas et al., 2023).
De ahí que se pretende profundizar
y reflexionar sobre las tendencias de la inteligencia artificial en la
educación superior, sobre sus contribuciones al aprendizaje significativo,
pertinente y contextualizado.
Desarrollo
El uso de inteligencia
artificial en la enseñanza superior no es nuevo, pero la irrupción en su modalidad
de Inteligencia Artificial Generativa ha revolucionado aspectos que, hasta
ahora, no se habían concebido dentro de las aulas. Hasta ahora los algoritmos
se empleaban básicamente para la automatización de tareas o la personalización
en el proceso de aprendizaje; pero la Inteligencia Artificial Generativa ha cambiado
el paradigma ya que, a diferencia de usos anteriores, interfiere de forma
directa en el proceso de aprendizaje del alumno y en la metodología educativa.
Así, este nuevo reto ha calado en la universidad, llevándola a buscar nuevos
métodos de enseñanza y a entender el comportamiento de los alumnos de una forma
más amplia (Vega Jiménez et al., 2023).
Por otra parte, ofrece una serie
de ventajas y beneficios, algunos de los cuales van acompañados de ciertos
riesgos. Gracias a la Inteligencia Artificial Generativa, el cambio no está
siendo lineal, sino más bien disruptivo, lo que plantea retos a las
instituciones en términos de competencias tecnológicas de los profesores,
nuevos métodos de enseñanza e investigación y adaptación de los programas
académicos. La posibilidad de que estos sistemas automatizados puedan detectar
patrones y tomar decisiones suponen dos cambios disruptivos que afectan e
interpelan directamente el sistema educativo (U.S. Department of Education, 2023).
El riesgo de que los estudiantes
(y eventualmente docentes) abusen de esta IA disponible, ya ha generado
diversas respuestas en la Academia, discutiendo políticas o normas de uso en
todo el mundo (Xiao et al., 2023). En concreto, existe una polémica sobre los
usos y prácticas que deben adoptar instituciones y docentes para garantizar una
integración crítica de estas herramientas (García Peñalvo, 2023).
Efecto transformador de la Inteligencia artificial en la educación
superior
La educación superior ha experimentado
una notable evolución en las últimas décadas, impulsada en gran medida por los
avances tecnológicos. Entre estos avances, la Inteligencia Artificial destaca
como una herramienta revolucionaria que promete transformar la educación
tradicional en un modelo más personalizado y adaptado a las necesidades
individuales de los estudiantes. Hasta hace cinco años, el impacto de la
inteligencia artificial en la enseñanza superior se limitaba a los campos de la
automatización de tareas en el proceso educativo y administrativo y a la
personalización de contenidos. Estos usos, en combinación con las tecnologías
que facilitaron el proceso académico en el COVID-19 tuvieron un impacto
notablemente positivo en la evolución de la enseñanza superior (Cerón & Penela, 2023), usos que, hoy en día, están más que
asentados en el entorno académico superior.
Sin embargo, la aparición de
soluciones al alcance de todos basadas en tecnología de Inteligencia Artificial
Generativa ha planteado un cambio radical en el comportamiento de los alumnos
que está impactando de lleno en los elementos constitutivos de la enseñanza
superior. Este no es un tema menor, no debemos olvidar que Naciones Unidas ha
fijado un objetivo para el desarrollo sostenible (ODS 4) por el cual la Inteligencia
Artificial tiene el potencial de abordar algunos de los desafíos más grandes de
la educación actual, innovar en las prácticas de enseñanza y aprendizaje y, en
última instancia ser un acelerador de dicho ODS 4 (Dehouche
& Dehouche, 2023)
Históricamente, la educación
superior ha seguido un modelo estándar, en el que un grupo diverso de
estudiantes recibe el mismo contenido, en los mismos plazos, y se evalúa de la
misma manera. Sin embargo, cada estudiante es único, con diferentes
antecedentes, habilidades y ritmos de aprendizaje. Hasta la llegada de la
Inteligencia Artificial Generativa (siendo el ejemplo paradigmático ChatGPT), nos era suficiente con utilizar la Inteligencia
Artificial para romper este paradigma tradicional al ofrecer herramientas que
permiten personalizar la educación según las características y necesidades
individuales de cada estudiante (Chávez Solís et al., 2023).
Sin embargo, la Inteligencia
Artificial Generativa, lleva consigo el acceso a la información mediante el uso
del lenguaje natural, la capacidad de recibir respuestas en el mismo lenguaje y
el poder de la tecnología para analizar imágenes, proponer soluciones a
problemas o desarrollar tareas de forma casi indistinguible al ser humano.
Ahora, el cambio de paradigma es que el actor dueño de las acciones de la
Inteligencia Artificial no es la institución a través de algoritmos para la
personalización del aprendizaje, es el alumno. El alumno como actor activo de
un proceso de consumerización de la Inteligencia
Artificial Generativa y el cambio de comportamiento que esto conlleva a la hora
de abordar los retos del proceso de aprendizaje (tareas, resolución de problemas,
redacción de ensayos) han generado un paradigma que no era el primigenio cuando
se pensó en el uso de la Inteligencia Artificial en las aulas (Ocaña Fernández
et al., 2019).
Es por ello, que algunas
investigaciones cuya población en estudio son estudiantes han hecho énfasis en
conocer las experiencias y confianza que tienen estos en el uso de la IA (Kelly
et al., 2023), donde estos indican que la confianza de los estudiantes en la IA
parece aumentar con la experiencia. Por su parte, Ghazi
Mauer et al. (2023) al analizar las perspectivas de
los estudiantes sobre el uso de la IA en entornos educativos con énfasis en las
ventajas, desafíos y expectativas asociadas con la integración de las IA en el
proceso de aprendizaje, indican que los estudiantes tienen una percepción
positiva y consideran que su integración es positiva para el proceso educativo.
Mientras que Imran & Lashari
(2023) desarrollaron un estudio en el que se midió el impacto de ChatGPT en estudiantes de pregrado, los resultados
mostraron una tendencia mixta respecto a que ChatGPT
obstaculiza la escritura creativa, mientras que otro grupo consideraba que es
beneficioso si se utiliza, pero bajo supervisión adecuada o en condiciones
controladas.
Al analizar la percepción de los
estudiantes sobre las mejoras de la IA en la calidad de la educación superior Ríos
Hernández et al. (2023) reportaron que el 79,9 % reconocen la elevada
contribución de esta herramienta al proceso educativo en la educación superior,
el 70% la personalización de la enseñanza, 52,8 % afirma la reducción de la
desigualdad en el aprendizaje, el 69,7% reafirma las mejoras en la eficiencia
del proceso de enseñanza-aprendizaje, así como el 77,6 y 66,5% aseguran la
ayuda en la creación y desarrollo de habilidades digitales y la utilización
ética y responsable de esta herramienta en la educación superior, por lo que,
arribaron estos autores al criterio de que
no hay duda de que la Inteligencia Artificial sigue generando un
creciente interés en la educación superior, especialmente en carreras como la
comunicación y periodismo, cuyas posibilidades de crear contenido se ven
atravesadas por esta tecnología generativa.
Los participantes en
investigaciones desarrolladas en Latinoamérica enfatizan la relevancia de
emplear métodos educativos que se ajusten a las necesidades específicas de cada
estudiante, lo que impulsa una experiencia educativa más eficiente y adecuada a
las demandas individuales, según lo proponen Liu et al. (2023). Este resultado coincide
con lo encontrado en el estudio desarrollado por Ghazi
Mauer et al. (2023), quienes indican que los
estudiantes encuestados en su investigación tienen una percepción positiva de
la IA y consideran que su integración es importante para el proceso educativo.
En medio de este panorama de
transformación educativa, es crucial no solo comprender las expectativas y
preocupaciones de los estudiantes, sino también establecer políticas
institucionales que fomenten y respalden la integración efectiva de la IA en la
educación superior. Hasta el momento, se observa una brecha significativa en la
identificación y aplicación de políticas concretas por parte de las
instituciones educativas, lo que subraya la necesidad urgente de desarrollar
estrategias claras y proactivas para maximizar el potencial de la IA en el
ámbito educativo. Este enfoque holístico es esencial para asegurar una
integración efectiva, así como para garantizar que responda de manera óptima a
las necesidades cambiantes de la comunidad estudiantil, tal como lo propone la Organización
de las Naciones Unidas para la Educación, la Ciencia y la Cultura UNESCO
(2023).
En todo este proceso podemos
diferenciar dos momentos de cambio en la enseñanza superior de la mano de la
Inteligencia Artificial. Una primera ola cuyo objetivo era la automatización de
tareas administrativas y personalización del proceso de aprendizaje y colaboración;
una segunda ola con la llegada de la Inteligencia Artificial en su versión
generativa.
La
inteligencia artificial en la educación superior
Aplicaciones
educativas
La inteligencia artificial como
herramienta de toma de decisiones y automatización a tiempo real hace aportes
relevantes que solventan muchas de las necesidades en la educación superior.
Estas herramientas llevan en la universidad mucho más tiempo que las soluciones
generativas de inteligencia artificial, pero también se basan en el uso de
inteligencia artificial como la comparación de patrones, análisis de comportamiento
o aprendizaje guiado. Ha sido producto de una evolución de tecnologías
precursoras como los sistemas de formación en línea y que tienen menos impacto
en la comunidad al haber sido una evolución y no una disrupción como el caso de
la inteligencia artificial generativa; pero son, sin duda un apoyo claro a
procesos educativos en la enseñanza superior que, a diferencia de la
inteligencia artificial generativa, ya han demostrado su impacto positivo en el
proceso de aprendizaje (Ríos Hernández et al., 2024).
La creciente introducción de
dispositivos móviles como iPod, reproductores de MP3, PDA (Personal Digital Assistant), Dispositivos de USB (Universal Serial Bus),
e-book, Smartphones, Netbooks y Tablet Pc, en los contextos de Educación
Superior y los resultados positivos de dicha inserción, constatan una realidad
avalada por numerosas investigaciones y experiencias (Vázquez Cano, 2015),
entre otras. El gran abanico de posibilidades pedagógicas que esta tecnología
ofrece se debe, fundamentalmente, a la proliferación de aplicaciones móviles
educativas caracterizadas por responder adecuadamente a los requisitos de
ubicuidad y rapidez (tabla 1).
Tabla 1.
Aplicaciones educativas para Smartphone
|
Clasificación |
Aplicaciones |
||
|
Comunicación |
Correo electrónico: Gmail, Hotmail, Unican, Yahoo u otras Mensajería instantánea: WhatsApp, Line, Wechat
u otras Redes sociales: Facebook, Twitter, Qzone, Linkedin u otras Video llamadas: Skype, Hangouts, Fring,
Tango u otras Sms |
||
|
Gestión y organización |
Gestión de archivos |
Alojamiento de archivos en la
nube: Dropbox, Mediafire, RapidShare, Youtube u otras Administrador de archivos en el Smarhpone: File Explorer, ASTRO, Mis Archivos
u otras |
|
|
Gestión Del Tiempo |
Calendarios: aCalendar, Touch Calendar, CalenGoo, EasyCalendar u otras Agendas y diarios: Total
agenda, Agenda personal única u otras Listado de tareas: Trello, Do it, Do it tomorrow, otras |
||
|
Gestión del aula: (pasar
lista, listados de notas…): Teacher Kit, Teacher Tool, Power
Teacher Mobile Plataformas educativas u otras Gestión económica (acceso a
cuentas corrientes, gestión contable): Tus gastos, PaYpal,
Daily fiance, Bancos u
otras |
|||
|
Enseñanza-aprendizaje-evaluación
|
Idiomas (vocabulario, gramática, conversación, traductores): Busuu, Duolingo, Babbel,
Traductor, Google Translate u otras Diccionarios y enciclopedias: DRAE, WordReference,
Enciclopedia u otras Bases de datos bibliográficas: Scopus, Westlaw, PubMec u otras |
||
|
Lectura, creación y modificación de contenidos |
Documentos de texto: Adobe
Reader, Microsoft Office,
Documents by Readdle u otras Hojas de cálculo: Excel,
Gnumeric u otros Imagen: ToonPaint,
PhotoGrid, Photo2fun u otras Vídeo: Magisto,
Cinemagram, Viddy u otras Audio: Documents
by Readdle, Podcast, RecorderPro Lite u otras. Presentaciones: iCloud,
Keynote, Prezzi u otras. |
||
|
Cálculo: MathPac, Calculus Tools, MyScript Calculator u otras Lectura: Aldiko, Moon+Readore u otras Plataformas
de teleformación: Moodle, Blackboard u otras Aplicaciones
diseñadas específicamente para la materia/s que usted
imparte Evaluación:
Socrative, Flashcards u
otras álculo: MathPac, |
|||
Fuente: Ramírez García et al. (2018)
Sistemas tutores inteligentes
Los Sistemas Tutores
Inteligentes son sistemas que proporcionan aprendizaje y/o formación
personalizada. Estos sistemas disponen de conocimiento sobre los contenidos,
conocimiento sobre el alumno y conocimiento sobre las metodologías de
aprendizaje. Muy orientados a la formación en línea o mixta, permiten
transformar el modelo de aprendizaje yendo más allá de la realización de
formación en línea tradicional. Estos sistemas actúan bajo el concepto de
entrenador, ofreciendo sugerencias cuando el alumno duda o no es capaz de
resolver una tarea específica. Así, a diferencia de los sistemas en línea
tradicionales que muestran las respuestas, estos son capaces de ir guiando al
alumno en el proceso (Rodríguez Chávez, 2021).
Sistemas de evaluación automática
Tradicionalmente el sistema de
evaluación basado en test califica a los alumnos en base a las respuestas
correctas elegidas, pudiendo o no aplicar ciertas reglas de peso en la
evaluación final. Estos sistemas evalúan las fortalezas y debilidades del
estudiante a través de la comparación de las respuestas ofrecidas con una
matriz de habilidades previamente configurada. A este respecto, cabe destacar
el sistema Tol (Test on Line) de la Universidad Politécnica
de Milán. Este sistema está provisto de una base de datos de tests y de un algoritmo de selección de preguntas
configurable por el profesorado. Otras referencias interesantes en el ámbito
del aprendizaje de idiomas es el sistema CELLA (Comprehensive English Languaje Learning Assesment) que evalúa
las competencias lingüísticas y estima el potencial en el dominio del idioma
(Nazar & Renau, 2023).
Aprendizaje colaborativo
Más allá de la posibilidad que
ofrecen los sistemas colaborativos apoyados en tecnología comúnmente
implementados, estos sistemas disponen de un agente mediador que facilita la
interacción y la obtención de los objetivos del grupo. Estos sistemas permiten
caracterizar el comportamiento de grupos de estudiantes y de individuos a
través de un conjunto de atributos. El agente facilitador emplea estos
atributos y ofrece sugerencias y consejos con el objetivo de mejorar la
interacción entre grupos o individuos del grupo. Destaca el sistema Debbie (DePauw Electronic Blackboard) desarrollado a comienzos de
la década del 2000 en la Universidad Depauw. Esta
tecnología permite a profesores y alumnos compartir de forma instantánea ideas
e información, centrando a los alumnos en comprender, analizar y discutir los conceptos
presentados en el aula (Quic & Cardona, 2020).
Aprendizaje basado en juegos
Más comúnmente conocido como
“juegos serios” para diferenciarlos de la variante dedicada al ocio, estos
sistemas utilizan las técnicas de los juegos digitales para motivar el aprendizaje
en el alumno. Permiten realizar tareas y experimentar con situaciones
imposibles de simular en otros entornos debido a sus costes, tiempo de
implementación y diseño, infraestructura e incluso seguridad. Ejemplos de este
tipo son los simuladores de situaciones reales que se han venido utilizando en
las escuelas superiores de diferentes ejércitos. Estos simuladores han
resultado muy útiles incluso para alumnos de ciencias sociales al poder
disponer de modelos socioemocionales y simular situaciones muy difíciles de
emular en la vida real con técnicas tradicionales (González Pérez & Álvarez
Serrano, 2022).
La
Inteligencia Artificial Generativa en la educación superior
La Inteligencia Artificial
Generativa (IAG), herramientas como ChatGPT (Generative Pre-trained Transformer), Google Bard (en
español, bardo o poeta lírico), Humata.ai o Sudowrite
fueron consideradas rápidamente un referente de este avance tecnológico y
utilizadas de forma masiva por un gran número de usuarios. Ahora bien, no son
las únicas, cada semana aparecen nuevas aplicaciones de este tipo, en su
mayoría gratuitas, que ofrecen funcionalidades más avanzadas en sus versiones
de pago, lo que permite obtener respuestas más precisas y coherentes, un mayor
límite de tokens, navegación por Internet, posibilidad de procesar textos e
imágenes, cargar documentos e incluso interactuar con el chatbot
en tiempo real gracias a su sistema de voz. A estas características, se añade
su amplia disponibilidad a través del ecosistema móvil, lo que facilita un
acceso rápido y cómodo desde cualquier lugar (García Peñalvo et al., 2024).
En la educación superior, las
habilidades fundamentales del estudiante demandan capacidad de generalización,
transferencia a diferentes campos de conocimientos y que, además, se pongan en
acción; la permanencia, que se convierte en parte de la inteligencia y del
conocimiento; además de ser capaz de incluir en el análisis final sus propios
puntos de vista al igual que en cualquier otra circunstancia. Es plausible dudar
de la permanencia del conocimiento en el estudiante obtenido a través del uso
de estas herramientas debido a la facilidad de acceso y al balance mínimo entre
proceso de búsqueda de información, esfuerzo y consolidación de dicho
aprendizaje. Sin esta permanencia la acción se ve limitada al no permear estos
conocimientos como parte de un proceso de aprendizaje tradicional (Gallent Torres et al., 2023).
Aunque el uso de la Inteligencia
Artificial Generativa es extremadamente novedoso en el mundo académico, ya se
pueden constatar algunos beneficios tanto para alumnos como para profesores.
Aun estando esta tecnología en una fase incipiente en la enseñanza superior no
debemos pasarlos por alto y analizar, en cada caso e institución, si puede ser
la llave para el desarrollo de un plan de adopción de esta tecnología en los
centros. Uno de los usos de la Inteligencia Artificial Generativa, quizá no muy
espectacular, pero de gran calado en el proceso de aprendizaje superior es la
capacidad para responder a las indicaciones del usuario y generar resultados
originales.
Los generadores de texto a texto
basados en Inteligencia Artificial Generativa pueden ayudar a los estudiantes
que no hablan nativamente la lengua del centro a escribir y entender,
permitiéndoles hacer tormentas de ideas y recibir comentarios sobre sus
escritos a través de aplicaciones como ChatGPT. Otras
herramientas de Inteligencia Artificial Generativa como los generadores de
Inteligencia Artificial de texto a imagen como DALL-E y Stable
Diffusion pueden servir como valiosas herramientas
para enseñar conceptos técnicos y artísticos en artes y diseño (Crespo Artiaga
et al., 2023).
Inicios de la IAG y sus implicaciones en relación con la integridad
académica
El desarrollo exponencial de la
IAG en este último año ha provocado que muchas universidades no hayan tomado
todavía una posición clara con respecto a esta nueva tecnología, y estén adoptado
estrategias distintas para encarar los retos que plantea en educación superior:
desde prohibir cualquier forma de IA en la universidad, explorar cómo el
alumnado y el profesorado aprovechan su potencial para mejorar el proceso de
enseñanza-aprendizaje, hasta incluir una mención expresa sobre su uso en las
guías docentes o establecer directrices y pautas de comportamiento en esta
materia. No hay que olvidar que, por su pronta irrupción en este contexto,
existen una serie de desafíos éticos y logísticos que enfrentan a centros y
educadores al intentar incorporar esta tecnología en las estructuras
curriculares existentes (Healy, 2023).
De acuerdo con Sullivan et al.
(2023), se reconoce que el uso de herramientas de IAG en las evaluaciones
universitarias genera cierta preocupación en lo que respecta a la integridad
académica. Se mencionan casos en los que se ha detectado un alto porcentaje de
estudiantes que han utilizado ChatGPT en tareas de
evaluación, lo que ha llevado a algunas universidades a prohibir su uso. Esto
plantea interrogantes sobre cómo garantizar la equidad y la autenticidad en las
evaluaciones, y cómo evitar que el fraude académico comprometa el sistema
educativo. Ahora bien, existe una limitación adicional: la velocidad con la que
surgen las actualizaciones y el tiempo de respuesta y reacción ante ellas; es
decir, mientras las distintas partes implicadas en el proceso educativo debaten
sobre su uso, el alumnado y el profesorado ya han empezado a utilizar la IAG en
su quehacer académico sin disponer de un marco regulatorio institucional.
En este sentido, la propuesta de
Chan (2023) resulta de interés por establecer un marco de política educativa de
IAG sostenible que permita atender las múltiples implicaciones de su uso en la enseñanza
universitaria. Su modelo se organiza en tres dimensiones:
Pedagógica: enfocada a utilizar
la IAG de manera ética y responsable para mejorar los resultados de enseñanza y
aprendizaje.
De gobernanza: centrada en
cuestiones relacionadas con la privacidad, la seguridad y la responsabilidad,
lo que implica definir políticas, pautas y regulaciones claras para el uso de
la
IAG, y exige promover conciencia y
responsabilidad por parte de los agentes involucrados; y
Operativa: orientada a abordar
los aspectos relacionados con la infraestructura y la formación; y a
proporcionar los recursos y la capacitación necesaria para que el profesorado,
alumnado y personal técnico comprendan y utilicen adecuadamente la IAG.
Estas tres dimensiones exigen
revisar los modelos educativos y planes de estudio con el fin de mejorar el
aprendizaje y adaptarlo a las necesidades formativas actuales.
Herramientas educativas basadas en tecnologías IAG
El número de herramientas
informáticas que incluyen algún tipo de característica inteligente se ha visto
incrementado en 2022 y, con un carácter exponencial, en 2023. Esto se debe, en
buena medida, a los modelos de lenguaje de gran tamaño o LLM (Gruetzemacher & Paradice,
2022) donde el concepto de “grande” crece a la par que la IA, que están siendo
entrenados con una amplia base de conocimiento y utilizando una tremenda
potencia de cómputo.
No se pretende realizar un
listado exhaustivo de estas herramientas, para ello ya hay interesantes
recursos que se actualizan frecuentemente (Ebrahimi,
2023) o directorios de herramientas de IA, como Futurepedia
o All Things AI, que
intentan reflejar esta evolución desbordante. Más bien, se quiere hacer una
categorización de las herramientas que presentan un potencial uso educativo,
así como elegir algunos representantes de este enfoque generativo que están
comenzando a destacar, ya sea por su aceptación en entornos de producción o por
su potencial para futuros avances, aunque, en este momento, se encuentren todavía
en una fase incipiente de prototipado.
Con independencia que cada vez
habrá un mayor número de herramientas multimodales que transformen diferentes
tipos de entrada en distintos tipos de salidas, para comprender el panorama
actual en relación con el contexto educativo se clasifican en herramientas que
fundamentalmente generan texto, imágenes, vídeo, objetos 3D, audio, código
fuente, y herramientas para la detección de texto generado con IA (tabla 2).
Tabla 2.
Herramientas de Inteligencia Artificial Generativa
|
Clasificación |
Acción |
Herramienta |
|
Generación de texto |
Apoyo a
la investigación |
ChatPDF, Consensus, Elicit, Humata, Klavier, SciSpace Copilot, Scite Assistant, Trinka |
|
Chatbot |
ChatGPT, ChatSonic, Claude |
|
|
Creación
de contenidos |
Jasper, Notion |
|
|
Enseñanza de idiomas |
Twee |
|
|
Generador
de currículo personal |
Resume Builder |
|
|
Generador de exámenes |
Conker. Monic |
|
|
Herramientas
ofimáticas |
Google Workspace, Microsoft 365 Copilot |
|
|
Motor de búsqueda |
Microsoft Bing, Perplexity, You |
|
|
Parafraseado
de texto |
Quillbot |
|
|
Generación de imágenes |
Generación de grafos |
GraphGPT |
|
Generación
de imágenes |
Adobe Firefly, Bing Image Creator, Craiyon, DALL·E 2, Deep Dream Generator, Dream by Wombo, Leap, Midjourney, NightCafe,
Stable Diffusion Online, Starryai, Stockimg,
Visual ChatGPT |
|
|
Generación de presentaciones |
ChatBA, Decktopus,
GPT for Slides,
SlidesAI |
|
|
Generación de vídeo |
Conversor
de vídeo a texto |
YoutubeDigest |
|
Generación de vídeos |
Fliki, Gencraft,
Imagen video, Make a
video |
|
|
Generación de objetos 3D |
Generación
de objetos 3D |
AICommand, DreamFusion, GET3D, Imagine 3D |
|
Generación de audio |
Conversor de voz a texto |
Otter, Transkriptor |
|
Generación
de audio |
AudioLM, Lovo, Murf.ai, Voicemaker |
|
|
Modulador de voz |
Voicemod |
|
|
Generación de código fuente |
Depuración
de código |
Adrenaline, Code GPT |
|
Generación de código |
Amazon
CodeWhisper, Codeium, Ghostwriter, Github copilot,
Text2SQL |
|
|
Detección de texto generado con IA |
Antiplagio |
Turnitin |
|
Detección de textos generados
con IA |
AI Text Classifier,
GPTZero |
Fuente: García Peñalvo et al. (2024)
Conclusiones
1.
El uso de la inteligencia artificial sin dudas forma competencia en los
estudiantes y aparece como herramienta facilitadora para los docentes, aunque
vale destacar que existen riesgos derivados del uso inadecuado de esta
tecnología por lo que debe realizarse de forma ética y responsable.
2.
Para disminuir estos riesgos, es
necesario dinamizar y evolucionar los pilares de la educación superior y el
cambio de rol es sus principales actores. De ahí que, producto a los cambios y
evolución de la IA a inteligencia artificial generativa la educación superior
debe adaptar sus procesos a estos cambios y analizar sus ventajas, así como
mejorar la competencia en el profesorado y la formación de los alumnos.
Referencias
bibliográficas
Aldowah,
H., Al-Samarraie, H., & Fauzy,
W. M. (2019). Educational data
mining and learning analytics for 21st century higher education: A review and
synthesis. Telematics and Informatics,
37, 13-49. https://www.sciencedirect.com/science/article/pii/S0736585318304234
Cerón, M. H., & Penela,
C. G. (2023). La Inteligencia Artificial en la Educación Superior. https://marketing.onlinebschool.es/Prensa/Informes/Informe%20OBS%20-%20La%20Inteligencia%20Artificial%20en%20la%20Educaci%C3%B3n%20Superior.pdf
Chan, C. K. Y.
(2023). A comprehensive AI policy education framework for university teaching
and learning. International Journal of
Educational Technology in Higher Education, 20(1), 1-25. https://doi.org/10.1186/s41239-023-00408-3
Chávez Solís, M. E., Labrada Martínez, E., Carbajal Degante,
E., Pineda Godoy, E., Collins, E.
& Ghahramani, Z. (2021). LaMDA:
our breakthrough conversation technology. Google. http://bit.ly/3I5udIZ
Crespo Artiaga, D.,
Ruiz Martínez, P. M., Claver Iborra, J. M., Fernández Martínez, A. &
Llorens Largo, F. (2023). UNIVERSITIC 2022. Análisis de la madurez digital de
las universidades españolas en 2022. Crue
Universidades Españolas. https://bit.ly/3n60tp3
Dehouche, N., & Dehouche, K. (2023). What’s in a
text-to-image prompt: The potential Developments, Lisboa (Portugal), 24-26 de junio de 2023
Ebrahimi, Y.
(2023).1000 AI collection tools. http://bit.ly/3YOjkSK
Gallent Torres, C., Zapata González, A., & Ortego Hernando, J. L. (2023). El impacto de la
inteligencia artificial generativa en educación superior: una mirada desde la
ética y la integridad académica. Relieve,
29(2). http://doi.org/10.30827/relieve.v29i2.29134
García Peñalvo, F. J., Llorens Largo, F.,
& Vidal, J. (2024). The
new reality of education in the face of advances in generative artificial
intelligence. RIED.
Revista Iberoamericana de Educación a Distancia,
27(1): 9-39. https://doi.org/10.5944/ried.27.1.37716
García Peñalvo, F. J. (2023). The perception of Artificial
Intelligence in educational contexts after the launch of ChatGPT:
Disruption or Panic? Education in the Knowledge Society, 24. https://doi.org/10.14201/eks.31279
Ghazi Mauer, I., Teuku Rizky, N., Aga, M., Irvanizam, I., Zulkarnain, J., Lensoni, L., Abdul-Hawil, A.,
Trina-Ekawati, T., & Rinaldi, I. (2023). Student
perspectives on the role of artificial intelligence in education: A
survey-based analysis. Journal of Educational Management and Learning, 1(1),
8-15.. https://doi.org/10.60084/jeml.v1i1.58
González Pérez, A. G., & Álvarez
Serrano, A. R. (2022). Aprendizaje basado en juegos para aprender una segunda
lengua en educación superior. Innoeduca: international journal of technology and educational
innovation, 8(2),
114-128. https://doi.org/10.24310/innoeduca.2022.v8i2.13858
Goralski,
M. A. & Tan, T. K. (2020). Artificial
intelligence and sustainable development. The
International Journal of Management Education, 18(1), 100330. https://www.sciencedirect.com/science/article/pii/S1472811719300138
Gorospe,
L., Muñoz, J., Sendra, S., & de Luis, R. (2023). Retos de la formación en
radiología en la era de la inteligencia artificial. Revista Radiología. https://doi.org/10.1016/j.rx.2020.10.003
Gruetzemacher, R. & Paradice, D. (2022).
Deep Transfer Learning &
Beyond: Transformer Language Models in Information Systems Research. ACM
Computing Surveys, 54(10s). https://doi.org/10.1145/3505245
Healy, M. (2023).
Using Curriculum Theory to Inform Approaches to Generative AI in Schools. arXiv preprint arXiv:2309.13053. https://doi.org/10.48550/arXiv.2309.13053
Imran, A. A.,
& Lashari, A. A. (2023). Exploring the World of Artificial Intelligence:
The Perception of the University Students about ChatGPT
for Academic Purpose. Global Social
Sciences Review, 8(1), 375-384. https://doi.org/10.31703/gssr.2023(VIII-I).34
Jalón Arias, E. J., Chalacan,
L. J. M., & Toapanta, W. V. C. (2022). La inteligencia artificial como
acelerador para la creación de recursos didácticos en la educación superior. Revista
Conrado, 18(S3), 8-14. https://conrado.ucf.edu.cu/index.php/conrado/article/download/2631/2592/5338
Kelly, A.,
Sullivan, M., & Strampel, K. (2023). Generative
artificial intelligence: University student awareness, experience, and
confidence in use across disciplines. Journal
of University Teaching & Learning Practice, 20(6), 12-16. https://doi.org/10.53761/1.20.6.12
Liu, Y., Han, T., Ma,
S., Zhang, J., Yang, Y., Tian, J., He, H., Li, A., He, M., Liu, Z., Wu, Z.,
Zhu, D., Li, X., Qiang, N., Shen, D., Tianming Liu y Ge, B. (2023). Summary of ChatGPT/GPT-4 Research and Perspective Towards the Future of
Large Language Models. https://doi.org/10.48550/arXiv.2304.01852
Nazar, R., & Renau, I. (2023). Estilector: un sistema de evaluación automática de la
escritura académica en castellano. Perspectiva Educacional, 62(2),
37-59. http://dx.doi.org/10.4151/07189729-vol.62-iss.2-art.1427
Ocaña
Fernández, Y., Valenzuela Fernández, L. A., & Garro Aburto, L. L. (2019). Inteligencia
artificial y sus implicaciones en la educación superior. Propósitos y
representaciones, 7(2), 536-568. http://dx.doi.org/10.20511/pyr2019.v7n2.274
Quic,
P. J., & Cardona, M. I. (2020). El aprendizaje colaborativo en la educación
superior. Revista Guatemalteca de Educación Superior, 3(1), 6-18.
https://doi.org/10.46954/revistages.v1i1.1
Ramírez García, A., Salcines Talledo, I. y González Fernández, N. (2018).
Parentalidad Positiva ante los Smartphones. En R. García Ruiz, A.
Pérez-Rodríguez y A. Torres (Eds.), Educar para los nuevos Medios. Claves para
el desarrollo de la competencia mediática en el entorno
Ríos Hernández, I. N., Mateus, J. C., Rogel, D. R., & Meléndez, L. R. Á. (2024). Percepciones
de estudiantes latinoamericanos sobre el uso de la inteligencia artificial en
la educación superior. Austral Comunicación, 13(1), e01302-e01302. https://doi.org/10.26422/aucom.2024.1301.rio
Rodríguez Chávez, M. H. (2021). Sistemas
de tutoría inteligente y su aplicación en la educación superior. RIDE.
Revista Iberoamericana para la Investigación y el Desarrollo Educativo, 11(22).
https://doi.org/10.23913/ride.v11i22.848
Sullivan, M.,
Kelly, A., & McLaughlan, P. (2023). ChatGPT in higher education: Considerations for academic
integrity and student learning. Journal
of Applied Learning & Teaching, 6(1), 31-40. https://doi.org/10.37074/jalt.2023.6.1.17
U.S. Department of
Education, Office of Educational Technology (2023). Artificial Intelligence and Future of Teaching and Learning: Insights
and Recommendations, Washington, DC. https://tech.ed.gov/files/2023/05/ai-futureof-teaching-and-learning-report.pdf
UNESCO
(2023). Inteligencia artificial. https://www.unesco.org/es/artificial-intelligence
Vázquez
Cano, E. (2015). El reto Tecnológico para la sostenibilidad de los massive open online courses
(MOOC). Panorama, 9(17), 51-60. https://www.redalyc.org/pdf/3439/343976486005.pdf
Vega
Jiménez, J., Leyva, L. L. L., & Leon, A. M.
(2023). ChatGPT e inteligencia artificial, señal de
alerta para el proceso editorial de revistas médicas. Revista Cubana de
Información en Ciencias de la Salud, 34.
https://acimed.sld.cu/index.php/acimed/article/download/2515/pdf
Xiao, X., Yang, H., Xu, K., Yin, S., Wang, Z., Zhu,
C., & Song, C. (2023). Cement rotary kiln temperature prediction based on
time-delay calculation and residual network and bidirectional novel gated
recurrent unit multi-model fusion. Measurement, 218, 113123.https://doi.org/10.1016/j.measurement.2023.113123
Zavala
Cárdenas, E. P. Z., Guaraca, D. P. S., Yánez, E. H. A., & Albán, A. L. M.
(2023). El rol de la inteligencia artificial en la enseñanza-aprendizaje de la
educación superior. Polo del Conocimiento: Revista científico-profesional,
8(3), 3028-3036. https://dialnet.unirioja.es/servlet/articulo?codigo=9252162