2. Retroalimentación continua: Se provee de retroalimentación inmediata y personalizada sobre el rendimiento del estudiante.

3. Adaptación dinámica: El sistema adapta el contenido en tiempo real, basándose en las respuestas y el progreso del estudiante.

4. Enfoque centrado en el estudiante: Prioriza las necesidades individuales de aprendizaje del estudiante.

5. Uso de datos: Reúne y analiza datos sobre el rendimiento del alumno para informar y mejorar la experiencia de aprendizaje.

2. Retroalimentación inmediata. Proporcionan retroalimentación instantánea al alumnado sobre su desempeño y progreso

3. Modelos para comprender al estudiante. Utilizan modelos para comprender y predecir las necesidades y comportamientos de los estudiantes, ajustando la instrucción según el nivel de conocimiento y las preferencias de aprendizaje del estudiante.

5. Interacción bidireccional. Permiten una interacción bidireccional entre los estudiantes y el sistema.

6. Evaluación continua. Evalúan continuamente el progreso del estudiante para adaptar y personalizar aún más la enseñanza.

Algunos ejemplos:

● Preparar exámenes.

● Evaluar trabajos de los alumnos.

● Hacer resúmenes introductorios a temas. Crear abstracts y listas de palabras clave.

● Generar ejercicios para extender el trabajo de los alumnos avanzados o que requieran mayor atención.

● Adaptar documentación a distintos niveles de comprensión.

● Traducir y revisar gramaticalmente.

● Creación de propuestas didácticas sobre temas y contenidos del programa educativo.

C. Autoevaluación previa. Permite a los estudiantes autoevaluarse y recibir feedback instantáneo, lo que puede mejorar tanto la comprensión de la asignatura como su preparación para los exámenes. Estas características pueden incrementar la motivación de los estudiantes y, por ende, aumentar su tasa de éxito en los exámenes o pruebas en general.

E.Disminución de las barreras lingüísticas en la integración de los estudiantes extranjeros. Para los estudiantes internacionales o aquellos que estudian en un segundo idioma, la función de “traducción del texto” puede hacer que el aprendizaje sea más inclusivo y accesible, sin que los idiomas constituyan una barrera relevante.

- Algunos docentes pueden sentirse abrumados por las demandas de su trabajo y considerar que no tienen tiempo suficiente para incorporar y aprender sobre nuevas tecnologías.

- Otros pueden albergar preocupaciones legítimas sobre las implicaciones éticas o pedagógicas de la IA en el aula.

- Factores como la falta de formación adecuada, temores infundados acerca de la complejidad de la tecnología o simplemente la inaccesibilidad de herramientas como ChatGPT en determinados ámbitos podrían explicar esta reticencia.

b) Espacios de debate y diálogo. Generen espacios de diálogo donde docentes, personal administrativo, estudiantes… puedan discutir el impacto de la IA en la educación y co-crear estrategias de adaptación e implementación.

d) Desarrollo profesional. Incentiven y apoyen activamente al cuerpo docente a dedicar tiempo a su desarrollo profesional en relación con la IA. Esto puede lograrse mediante el apoyo entre colegas, mentorías informales y otros métodos que potencien las habilidades y compartan prácticas exitosas.

Bearman, Margaret; Ryan, Juliana; y Ajjawi, Rola (2023). “Discourses of artificial intelligence in higher education: a critical literature review”. Higher Education. https://link.springer.com/article/10.1007/s10734-022-00937-2 Beerkens, Maarja (2022). “An evolution of performance data in higher education governance: a path towards a ‘big data’ era?”, Quality in Higher Education. https://doi.org/10.1080/13538322.2021.1951451 Bengio, Yoshua (2009). “Learning Deep Architectures for AI“, Foundations and Trends® in Machine Learning 2. Dept. IRO, Université de Montréal. http://dx.doi.org/10.1561/2200000006. Berendt, Bettina; Littlejohn, Allison y Blakemore, Mike. (2020). “AI in education: learner choice and fundamental rights”. Learning, Media and Technology. https://doi.org/10.1080/17439884.2020.1786399