En el contexto educativo, la IA generativa abre nuevas posibilidades para la personalización del aprendizaje, la creación de contenido educativo adaptado a las necesidades individuales de los estudiantes y la exploración de enfoques pedagógicos innovadores. Al permitir la generación automática de material educativo diverso y personalizado, la IA generativa puede ayudar a los educadores a superar los desafíos asociados con la diferenciación del aprendizaje en aulas cada vez más diversas.

UNESCO. (2021). Artificial Intelligence in Education: Challenges and Opportunities for Sustainable Development. UNESCO Policy Paper Series.

1. Generación de contenido educativo, esto sucede gracias a sistemas de IA generativa capaces de crear contenido educativo diverso, incluyendo textos, imágenes, videos y simulaciones interactivas. Estos sistemas pueden producir material adaptado a diferentes niveles de habilidad y áreas de conocimiento, lo que permite una mayor personalización del aprendizaje

2. Aplicaciones de retroalimentación, debido a que se está utilizando para desarrollar sistemas de tutoría inteligente que pueden interactuar con el alumnado de manera natural y proporcionar retroalimentación personalizada en tiempo real. Estos sistemas pueden identificar áreas de dificultad, ofrecer explicaciones adicionales y sugerir actividades de refuerzo.

3. Colaboración entre humanos y tecnología, se están explorando modelos de colaboración entre humanos y sistemas de IA generativa en entornos educativos. Estos modelos permiten que los educadores y los estudiantes trabajen junto con la IA para crear y mejorar el contenido educativo, aprovechando la creatividad y la experiencia de ambos.

4. Desafíos y limitaciones, a pesar de los avances significativos, existen desafíos y limitaciones en la aplicación de la IA generativa en educación. Estos incluyen preocupaciones éticas sobre la privacidad de los datos, el sesgo algorítmico y la calidad del contenido generado. Además, la integración efectiva de la IA generativa en entornos educativos requiere una comprensión profunda de la pedagogía y una colaboración estrecha entre educadores y expertos en IA.

Blikstein, P. (2019). Aprender con la era de la IA: educación, inteligencia artificial y la futura de la escuela. International Journal of Educational Technology in Higher Education.

1. Personalización del aprendizaje, permitiendo la creación de contenido educativo altamente personalizado, adaptado a las necesidades individuales de cada estudiante. Al analizar datos sobre el progreso, sus preferencias de aprendizaje y áreas de interés, la IA puede generar material educativo específico que se ajuste a su nivel de competencia y estilo de aprendizaje.

2. Fomento de la creatividad, proporcionando al alumnado herramientas y recursos para explorar su creatividad y expresión artística. Al generar contenido original, como textos, imágenes o música, la IA puede inspirar para experimentar con nuevas ideas y formas de expresión, fomentando así su desarrollo cognitivo y creativo.

3. Apoyo a la diversidad y la inclusión, pudiendo ayudar a abordar las necesidades de una población estudiantil cada vez más diversa, incluyendo diferentes estilos de aprendizaje, habilidades y necesidades especiales. Al proporcionar material educativo adaptado a las características individuales, la IA puede promover la inclusión y la equidad en el aprendizaje.

4. Facilitación de la retroalimentación, ya que pueden ofrecer retroalimentación personalizada al alumnado en tiempo real, identificando áreas de fortaleza y debilidad y ofreciendo sugerencias para mejorar. Esto permite recibir orientación individualizada y apoyo adicional según sus necesidades específicas, mejorando así su rendimiento académico y su autoeficacia.

5. Exploración de escenarios y simulaciones, que permiten al alumnado explorar conceptos complejos de manera práctica y envolvente. Estas experiencias inmersivas ayudan a los estudiantes a comprender mejor los conceptos abstractos, a desarrollar habilidades de resolución de problemas y a aplicar el conocimiento en situaciones del mundo real.

6. Innovación en la evaluación y la retroalimentación, que está transformando la forma en que se evalúa el aprendizaje de los estudiantes y se proporciona retroalimentación. Los sistemas de evaluación basados en IA pueden analizar el desempeño de los estudiantes de manera objetiva y detallada, identificando áreas de mejora y ofreciendo retroalimentación específica para cada alumno/a.

1. Aprendizaje Basado en Proyectos (ABP), ya que se centra en la resolución de problemas y la creación de productos o proyectos significativos. Al integrar la IA generativa en proyectos educativos, el alumnado pueden utilizar herramientas de generación de contenido para crear proyectos auténticos y creativos que demuestren su comprensión y aplicación del conocimiento.

2. Aprendizaje Basado en la Indagación (ABI), este fomenta la exploración activa y la investigación guiada. La IA generativa puede proporcionar herramientas y recursos para apoyar la indagación de los estudiantes, ayudándoles a generar y analizar datos, identificar patrones y formular preguntas de investigación significativas.

3. Aprendizaje Basado en la Experiencia (ABE), se centra en la participación activa y la reflexión sobre experiencias auténticas. La IA generativa puede crear entornos de aprendizaje inmersivos y experiencias de aprendizaje simuladas que permitan a los estudiantes explorar situaciones del mundo real y aprender de manera práctica.

4. Aprendizaje autónomo y autodirigido, se enfoca en el desarrollo de la autonomía y la autorregulación del aprendizaje. La IA generativa puede proporcionar herramientas y recursos personalizados que permitan a los estudiantes dirigir su propio proceso de aprendizaje y explorar sus intereses de manera independiente.

   
   

Todas estas pedagogías ofrecen enfoques flexibles y centrados en el estudiante que se alinean bien con el uso de la IA generativa en educación. Al integrar estas pedagogías con herramientas de IA generativa, los educadores pueden proporcionar experiencias de aprendizaje más significativas y efectivas para su alumnado.

Puesto que no es posible enseñar ética a una máquina, hay que enseñarles a las empresas y sus desarrolladores a que el desarrollo y uso de la IA se realice de una manera ética (Flores y García, 2023).

Cada vez más investigadores coinciden en que los sistemas inteligentes tomen decisiones en base a cuestiones éticas, pero ¿Qué principios éticos deben gobernar lo que hacemos con la IA?

Flores-Vivar, J. M., y García-Peñalvo, F. J. (2023). Reflexiones sobre la ética,

potencialidades y retos de la Inteligencia Artificial en el marco de la Educación de Calidad (ODS4). Comunicar, 74(31), 37-47.

Además, el potencial y el impacto de la IA deben tenerse en cuenta en todas las materias escolares. Y por supuesto, son totalmente necesarios los planes de formación del profesorado para que los docentes puedan recibir la capacitación adecuada.

Flores-Vivar, J. M., y García-Peñalvo, F. J. (2023). Reflexiones sobre la ética,

potencialidades y retos de la Inteligencia Artificial en el marco de la Educación de Calidad (ODS4). Comunicar, 74(31), 37-47.

• Privacidad de los datos. Desafío: La recolección de datos de la IA puede plantear preocupaciones sobre la privacidad de los datos en los estudiantes. Más información aquí. Para abordar el problema se implementarán políticas de privacidad robustas.

• Equidad de acceso a la tecnología. Desafío. La IA generativa puede incrementar las brechas existentes. Para abordar el problema se elaborarán programas de inclusión digital para todos los estudiantes.

• Resultados erróneos. Desafío. La IA puede generar información errónea o discriminatoria. Para abordar el problema, lo normal sería que el profesor realizará una auditoría para identificar y mitigar los posibles datos erróneos.

  https://www.youtube.com/watch?v=aMlcd8SFF-U

  
  

• Involucramiento de la comunidad. Desafío. La IA generativa puede generar preocupaciones entre estudiantes y padres. Una buena práctica sería realizar sesiones informativas para educar a la comunidad.

  
  

GRETEL. (2024, 20 de enero). Noticias e investigación sobre el aprendizaje avanzado en tecnologías de la información. [Blog]. Espacio de divulgación sobre la investigación en tecnologías y metodologías para mejorar el aprendizaje. Editorial Team GRETEL. https://blogs.salleurl.edu/es/la-privacidad-de-los-datos-de-los-estudiantes-en-la-era-de-la-inteligencia-artificial

El nuevo marco CDL para las escuelas presentado en este informe incluye las siguientes dimensiones principales de las alfabetizaciones digitales: Uso de la tecnología, Alfabetización de datos, Alfabetización informacional, Creación de conocimiento digital, Comunicación y colaboración digital, Bienestar y seguridad digital, Ciudadanía digital y Enseñanza y aprendizaje digital.

USO DE LA TECNOLOGÍA:

• Habilidades técnicas críticas

• Pensamiento computacional

• Riesgos tecnológicos y resolución de problemas

ALFABETIZACIÓN DE DATOS:

• Análisis de datos

• Protección de datos y seguridad de datos

• Big data y datos abiertos

• Visualización de datos

ALFABETIZACIÓN INFORMACIONAL:

• Uso de medios digitales

• Comprensión lectora en línea

• Proceso de consulta en línea

• Validación y verificación de fuentes

CREACIÓN DE CONTENIDO DIGITAL:

• Expresión digital creativa

• Co-creación

• Producción multimodal

• Edición digital

• Remezcla

COMUNICACIÓN Y COLABORACIÓN DIGITAL:

• Comunicación en línea

• Colaboración en línea

• Empatía digital

• Networking

• Identidad y perfiles digitales

• Privacidad en línea

BIENESTAR Y SEGURIDAD DIGITAL:

• Empoderamiento

• Seguridad en línea

• Sobreexposición digital

• Individualidad digital

• Pertenencia digital

• Ergonomía

CIUDADANÍA DIGITAL:

• Derechos y responsabilidades

• Uso sostenible

• Compromiso cívico digital

ENSEÑANZA Y APRENDIZAJE DIGITAL:

• Métodos pedagógicos digitales

• Analítica del aprendizaje

• Ecologías de aprendizaje digital

La infografía es un resumen de forma muy visual de cuáles son los desafíos.

Inteligencia artificial en la educación (youtube.com)

1. Brecha Digital:

   La brecha digital se refiere a la disparidad en el acceso a la tecnología y la conectividad. No todos los estudiantes tienen igualdad de acceso a dispositivos, Internet de alta velocidad o plataformas digitales.

   Si la IA se implementa sin considerar esta brecha, algunos alumnos quedarán rezagados. Es fundamental garantizar que todos los estudiantes tengan acceso a las herramientas de IA para no aumentar la desigualdad.

2. Sesgos en los Modelos:

   Los algoritmos de IA aprenden a partir de datos históricos. Si estos datos contienen sesgos (por ejemplo, de género, raza o clase social), los modelos también los reflejarán.

   Los sesgos pueden afectar la equidad en la educación. Debemos ser conscientes de esto al diseñar sistemas de IA y trabajar para mitigar los sesgos.

3. Privacidad y Ética:

   La IA en la educación implica recopilación de datos, seguimiento del progreso del estudiante y personalización del aprendizaje. Esto plantea preocupaciones de privacidad.

   Debemos proteger la privacidad de los alumnos y garantizar que los datos se utilicen de manera ética. Las políticas y regulaciones deben abordar estas cuestiones.

4. Dependencia Excesiva:

   Si confiamos demasiado en la IA, corremos el riesgo de descuidar la interacción humana. Los profesores siguen siendo esenciales para el desarrollo integral de los estudiantes.

   Encontrar un equilibrio entre la automatización y la interacción personal es crucial para una educación efectiva.