Potencialidades de la IA en educación

1. Personalización del aprendizaje
   La IA permite crear modelos de aprendizaje adaptativo personalizados, respondiendo a las necesidades, ritmo y estilo de cada estudiante. Esto mejora la experiencia educativa y fomenta la autorregulación del aprendizaje​. Mejorará la experiencia de los estudiantes al ofrecerles la oportunidad de crear funciones

   y modelos de aprendizajes adaptativos con herramientas personalizadas (Flogie & Aberšek, 2021 et Flores Vivar 2023)).

2. Asistencia y tutorías inteligentes
   La IA puede actuar como asistente del profesorado mediante tutores inteligentes, recomendaciones de contenido, detección de emociones del alumnado, corrección automática y seguimiento en foros​.

3. Automatización de tareas docentes
   Libera tiempo del docente al automatizar tareas administrativas y de evaluación, permitiéndole enfocarse en aspectos sociales y pedagógicos del proceso educativo​.

4. Apoyo a la educación inclusiva y de calidad (ODS4)
   La IA puede ayudar a garantizar el acceso equitativo e inclusivo a la educación, facilitando el aprendizaje en contextos diversos y adaptándose a distintas realidades culturales y sociales​. "La inteligencia artificial puede ser una gran oportunidad para acelerar el logro de los objetivos de desarrollo sostenible. Pero, cualquier revolución tecnológica conduce a nuevos desequilibrios que debemos anticipar" (Unesco, 2011)

5. Fomento de la alfabetización algorítmica y digital
   El conocimiento de la IA debe formar parte de los planes educativos mediante un enfoque interdisciplinar que combine aspectos técnicos, éticos y filosóficos, incluyendo formación docente especializada​.

6. Impulso a la Educación 4.0
   La IA es un motor clave en la transformación hacia la Educación 4.0, desde la infancia hasta la formación superior y profesional, con énfasis en habilidades transversales, pensamiento computacional y aprendizaje basado en proyectos​.

7. Análisis del aprendizaje y big data educativo
   El uso de IA permite recopilar, analizar y utilizar grandes volúmenes de datos para mejorar los procesos de enseñanza-aprendizaje, facilitando decisiones pedagógicas más informadas​.

8. Creación de entornos educativos más interactivos y eficientes
   La combinación de IA con tecnologías como robótica o computación en la nube genera ecosistemas educativos dinámicos que enriquecen el entorno de aprendizaje

   
   

   Referencia:

   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

   https://www.revistacomunicar.com/index.php contenido=detalles&numero=74&artic lo=74-2023-03

   
   

1. Impacto y expectativas: La IA ha generado grandes expectativas en la educación, con aplicaciones que van desde la automatización de tareas docentes hasta el aumento de la cognición humana en el aprendizaje (Molenaar, 2022; Tuomi, 2018).

2. Inversiones y crecimiento comercial: En 2021, las inversiones globales en IA alcanzaron los 94 mil millones de dólares, y se espera que el mercado de IA en educación (IAEd) supere los 20 mil millones de dólares en cinco años (Statista, 2022; GMI, 2022). ​ Más de 30 corporaciones de IAEd ya cuentan con financiamiento multimillonario. ​

3. Aplicaciones en educación: La IA se utiliza en sistemas de tutoría inteligente (ITS), simulaciones asistidas por IA, chatbots, evaluación automática, y apoyo a estudiantes con discapacidades, entre otros. ​ Estas herramientas buscan personalizar el aprendizaje y mejorar la eficiencia educativa (Holmes et al., 2022). ​

4. Controversias y limitaciones: Aunque algunos sistemas han mostrado mejoras en el aprendizaje, los resultados no son concluyentes. ​ Por ejemplo, los ITS han demostrado impactos modestos en estudios pequeños, pero las evaluaciones independientes a gran escala son escasas (Kulik & Fletcher, 2016; Roschelle et al., 2016). ​ Además, persisten preocupaciones éticas sobre el uso de IA en monitoreo estudiantil y evaluación automática (Wall Street Journal, 2019; Hsu et al., 2021). ​

5. Modelos de IA: La IA basada en datos ha dominado los avances recientes, pero enfrenta desafíos como el alto consumo energético y la dependencia de grandes cantidades de datos etiquetados (Tuomi, 2020; Denton et al., 2021). ​ Por otro lado, la IA basada en conocimiento sigue siendo relevante en educación, especialmente en sistemas de tutoría inteligentes para áreas como matemáticas y física (Tuomi, 2018). ​

6. Clasificación de Aplicaciones IA: Las aplicaciones de IA en educación se clasifican en tres categorías: centradas en el estudiante, en el profesorado y en la institución. ​ Cada categoría incluye herramientas específicas, como sistemas de tutoría, detección de plagio, planificación de cursos y supervisión electrónica (Holmes et al., 2019).

   
   

   Referencia:

   Holmes, W., y Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4), 542-570. https://onlinelibrary.wiley.com/doi/pdf/10.1111/ejed.12533

El modelo de evaluación impulsado por la IA debería aportar una propuesta pedagógica diferente en la que la evaluación no se implemente exclusivamente para obtener calificaciones del alumnado con un carácter sumativo. Es importante que la evolución de las tecnologías aplicadas a la evaluación aporte datos para que el profesorado tenga la posibilidad de ofrecer un entorno educativo en el que se haga realidad la personalización del aprendizaje.

Referencia:

Fundació Jaume Bofill. (2022). Los algoritmos a examen: ¿Por qué IA en educación? https://fundaciobofill.cat/es/publicaciones/los-algoritmos-a-examen

1. Alfabetización en datos

La inteligencia artificial se basa en el procesamiento de grandes volúmenes de datos. Por ello, resulta esencial que el alumnado comprenda cómo se recogen, se interpretan y se utilizan estos datos, así de cómo afecta a sus vidas personales. Es necesario que entiendan el uso que se hace de su información personal y tomen conciencia de su propia huella digital (Mercadal, s.f.).

2. Alfabetización en información

Actualmente, en un contexto marcado por la sobrecarga de contenido digital y la proliferación de fake news, es fundamental que el alumnado desarrolle la capacidad de localizar y valorar la información, reflexionar críticamente sobre su origen y comprender cómo puede utilizarse para construir nuevos conocimientos (Mercadal, s.f.). Esta competencia se vuelve aún más necesaria ante el uso creciente de herramientas de inteligencia artificial generativa, capaces de producir textos aparentemente fiables pero que pueden contener errores, sesgos o desinformación. Por ello, es imprescindible adoptar una mirada crítica para evaluar la fiabilidad de las fuentes (Farné, 2023).

3. Creación de contenido digital

Según Mercadal (s.f.), crear, modificar e integrar contenidos permite al alumnado convertirse en agentes activos dentro del ecosistema digital, siempre que estas prácticas vayan acompañadas de una valoración crítica en cada fase del proceso creativo. En este sentido, el uso de herramientas de inteligencia artificial debe abordarse desde una perspectiva que favorezca la reinterpretación y la transformación de los contenidos, evitando una actitud pasiva o acrítica.

4. Colaboración y comunicación digital

Una dimensión esencial para el desarrollo de la competencia digital crítica es la capacidad de comunicarse y colaborar en línea. Como señala Mercadal (s. f.), la interacción es imprescindible para desarrollar proyectos y crear recursos de forma conjunta en entornos digitales. En el contexto actual, marcado por el uso creciente de tecnologías basadas en inteligencia artificial, esta competencia cobra aún más relevancia. Herramientas como los chatbots o los sistemas de recomendación transforman la comunicación, facilitando la interacción pero también generando nuevos desafíos. Según Herrera et al. (2024), estas tecnologías requieren que el alumnado desarrolle habilidades para expresarse con claridad, empatía y sentido crítico, comprendiendo cómo la IA media sus relaciones y puede influir en sus formas de colaboración.

5. Bienestar y seguridad digital

El desarrollo de la competencia digital crítica implica también atender al impacto de las tecnologías emergentes en el bienestar y la seguridad del alumnado. En el contexto de la inteligencia artificial generativa, surgen riesgos adicionales relacionados con la privacidad, la exposición a contenidos generados automáticamente, y la dificultad de reconocer su origen. Holmes y Tuomi (2022) advierten sobre la necesidad de proteger la autonomía y los derechos de los menores frente a sistemas de IA que, por su diseño no suele ser transparente o está sesgado.

Para afrontarlo, resulta clave que el alumnado conozca estos riesgos y los aborde desde una perspectiva crítica que le permita identificarlos, cuestionarlos y desarrollar estrategias de protección personal y colectiva en entornos digitales mediados por IA.

6. Ciudadanía digital

Mercadal (s. f.) señala que es esencial que el alumnado comprenda sus derechos y deberes en los entornos digitales, y que se les prepare para reconocer cuándo su participación puede estar condicionada por tecnologías opacas. Además, la Comisión Europea (2022) subraya que una ciudadanía digital crítica requiere desarrollar una comprensión ética del uso de datos y de los sistemas de inteligencia artificial, lo que incluye el respeto por los derechos de autor y la protección de la privacidad.

Por lo tanto, el alumnado debe ser consciente de sus responsabilidades al utilizar herramientas de inteligencia artificial generativa, promoviendo un uso informado, ético y respetuoso con los demás.

7. Enseñanza y aprendizaje digital

Según Mercadal (s. f.), es necesario que tanto el profesorado como el alumnado desarrollen criterios sólidos para seleccionar y utilizar las tecnologías digitales con sentido pedagógico. En esta misma línea, la Comisión Europea (2022) subraya la importancia de una integración ética de la IA en el ámbito educativo, que garantice la transparencia, el control humano y la equidad. Holmes y Tuomi (2022) también advierten que la implementación de la IA debe ir acompañada de formación docente y reflexión sobre su impacto en el aprendizaje.

Desde esta perspectiva, desarrollar la competencia digital crítica implica aprender a utilizar la inteligencia artificial generativa como una herramienta que mejore la experiencia educativa, pero siempre desde una perspectiva crítica.

8. Uso de la tecnología

Mercadal (s. f.) insiste en la necesidad de cuestionar los fines y lógicas que subyacen al diseño de las tecnologías que utilizamos. En esta línea, Holmes y Tuomi (2022) advierten que, si no se educa en una visión crítica, el alumnado puede asumir como neutros sistemas tecnológicos que en realidad responden a decisiones humanas cargadas de valores.

Por ello, el alumnado debe ser capaz de dominar el uso de las tecnologías, incluida la inteligencia artificial generativa, de manera que estas potencien el aprendizaje, pero siempre desde una perspectiva ética y sostenible.

Referencias bilbiográficas

• European Commission. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. https://education.ec.europa.eu/document/ethical-guidelines-on-the-use-of-ai-and-data-in-teaching-and-learning-for-educators

• Farné, A. (2023). Alfabetización digital crítica. Universitat Jaume I. https://doi.org/10.6035/ALFIN.2023.06

• Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European Journal of Education, 57(4), 542–558.

• Ortíz, J. J. H., Avilés, J. M. P., Valdivieso, M. V. H., y Morán, D. X. M. (2024). La inteligencia artificial y su impacto en la comunicación: recorrido y perspectivas. Telos: Revista de Estudios Interdisciplinarios en Ciencias Sociales, 26(1), 278-296.

• Mercadal, À. (s. f.). Alfabetización digital crítica. Universitat Oberta de Catalunya. Recuperado de https://biblioteca.uoc.edu/es/biblioguias/biblioguia/Alfabetizacion-digital-critica/

La Unesco (2022) nos mencionó que "Long y Magerko (2020) presentan una serie de competencias y consideraciones de diseño para la alfabetización en IA basadas en un estudio de revisión de la literatura sobre la investigación existente que buscaba determinar los temas emergentes en 1) aquello que los expertos en IA consideran que el público en general debería saber, y 2) las percepciones comunes y los conceptos erróneos habituales entre los estudiantes."

Referencia bibliográfica

UNESCO. (2023). Currículos de IA para la enseñanza preescolar, primaria y secundaria: Un

mapeo de los currículos de IA aprobados por los gobiernos. Educación 2030,

ED-2022/FLI-ICT/K-12. https://unesdoc.unesco.org/ark:/48223/pf0000380602_spa

Algunos de los retos que todavía la inteligencia artificial generativa debe superar en el futuro son las predispuestas por Fundació Jaume Bofil (2022) tras el consenso de Beijing establecido por la UNESCO y las recomendaciones de la Unión Europea en 2021. 

1. Automatización de tareas mecánicas docentes
   Los expertos consideran que aún queda camino por recorrer para aplicar tecnologías basadas en IA que automaticen de manera eficiente y responsable tareas educativas mecánicas. Alertan también del riesgo de introducir sesgos discriminatorios o de potenciar desigualdades, por lo que señalan la necesidad de legislación adecuada.

2. Evaluación
   Aunque aún se está desarrollando, la aplicación de la IA en evaluación se ve como una oportunidad para personalizar el aprendizaje mediante la evaluación formativa. Aunque esta aplicación de la IA aún suscita preocupaciones, dependerá de una adecuada implementación de la legislación para asegurar una educación equitativa y objetiva.

3. Invisibilidad de la tecnología en las aulas
   La tecnología se integra de tal forma que muchos docentes usan herramientas basadas en IA sin ser conscientes de ello. Esto puede dificultar una implementación crítica y consciente, ya que la tecnología deja de percibirse como mediadora de la educación y se asume como neutral.

4. Formación del profesorado
   Se destaca que el profesorado necesita formación específica para utilizar la IA de forma ética y crítica. Esta formación debe incluir tanto los riesgos como las oportunidades de estas tecnologías, y capacitarlos para acompañar al alumnado en su desarrollo en una sociedad cada vez más tecnológica.

5. Necesidad de marcos legales y éticos claros
   Los expertos subrayan la necesidad de legislación que regule el uso de IA en educación para evitar desigualdades, sesgos y aplicaciones poco éticas. También se resalta que este ámbito requiere un especial cuidado por su impacto directo sobre el desarrollo educativo y social del alumnado.

CUESTIONES ÉTICAS DEL USO DE LA IA

En el contexto actual, la creciente integración de sistemas de inteligencia artificial en los entornos educativos plantea importantes desafíos éticos que deben abordarse de forma crítica. Lejos de limitarse a su dimensión tecnológica, la IA influye directamente en aspectos fundamentales del proceso educativo, como la privacidad, la equidad o la transparencia. Por ello, tanto la UNESCO como la Comisión Europea han desarrollado directrices específicas que ayudan a garantizar que el uso de estas tecnologías respete los derechos del alumnado, promueva prácticas educativas justas y esté alineado con los principios éticos fundamentales.

1. Privacidad y uso de datos personales
   La UNESCO (2021) subraya que el tratamiento de datos en sistemas de IA debe respetar la intimidad del alumnado, limitando la recopilación al mínimo necesario y garantizando tanto su seguridad como el consentimiento informado por parte de los usuarios​.

2. Transparencia y explicabilidad
   Tanto la UNESCO como la Comisión Europea coinciden en que los sistemas de IA utilizados en educación deben ser comprensibles y auditables. Esto implica que alumnado y profesorado deben poder entender cómo funcionan estas tecnologías, cómo se toman las decisiones automatizadas y en qué se basan dichas decisiones​​.

3. Equidad y no discriminación
   Se alerta sobre el riesgo de que los algoritmos perpetúen sesgos sociales si no se diseñan de forma responsable. Según la UNESCO (2021), es fundamental que la IA no refuerce desigualdades estructurales ni discrimine por razones de género, origen o capacidades​.

4. Supervisión humana y revisión de decisiones automatizadas
   La supervisión humana es indispensable en contextos educativos. La UNESCO (2021) recomienda que cualquier decisión relevante tomada por un sistema de IA, como una evaluación o una recomendación de aprendizaje, debe ser revisable por una persona. Además, el profesorado debe mantener el control sobre el proceso pedagógico en todo momento​.

5. Formación docente en ética de la IA
   La Comisión Europea (2022) destaca que los docentes deben recibir formación no solo en el uso técnico de estas herramientas, sino también en sus dimensiones éticas, legales y pedagógicas. Esta capacitación es clave para poder guiar al alumnado en un uso crítico y responsable de la IA en su vida académica y personal​

Referencias bibliográficas

• Fundació Jaume Bofill. (2022). Los algoritmos a examen: ¿Por qué IA en educación? https://fundaciobofill.cat/es/publicaciones/los-algoritmos-a-examen

• European Commission. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. https://education.ec.europa.eu/document/ethical-guidelines-on-the-use-of-ai-and-data-in-teaching-and-learning-for-educators

• UNESCO (2022). Recomendación sobre la ética de la IA. https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa

Uno de los campos de la IA con mayor potencial educativo es el machine learning, una tecnología que permite a las máquinas aprender a partir de los datos y mejorar sus respuestas de forma autónoma (Maina, 2024) . Este tipo de sistemas es capaz de identificar patrones, realizar predicciones a partir de la información que reciben del entorno y adaptarse a nuevas situaciones.

En el ámbito educativo, según Dúo et al. (2023), este tipo de inteligencia artificial puede convertirse en un recurso pedagógico valioso si se trabaja desde un enfoque activo y significativo. Un ejemplo concreto es la herramienta LearningML, diseñada específicamente para que el alumnado de primaria y secundaria tenga sus primeras experiencias con la creación de modelos de IA a partir de sus propios datos. A través de LearningML, los estudiantes pueden entrenar modelos para reconocer imágenes o textos, siguiendo una metodología visual e intuitiva. 

Además, permite desarrollar habilidades como el pensamiento computacional y es una gran ayuda para la comprensión de cómo funcionan los algoritmos de IA que intervienen en nuestra vida diaria. Esta herramienta no solo acerca los fundamentos de la inteligencia artificial al aula, sino que lo hace a través de una propuesta pedagógica coherente con los retos de la educación actual, fomentando una participación activa, crítica y creativa por parte del alumnado.

Referencias Bibliográficas:

Dúo, P., Moreno, A. J., López, J., y Marín, J. A. (2023). Inteligencia Artificial y Machine Learning como recurso educativo desde la perspectiva de docentes en distintas etapas educativas no universitarias. RiiTE Revista Interuniversitaria de Investigación en Tecnología Educativa, (15), 58–78. https://doi.org/10.6018/riite.579611 

Maina, F. M. (2024). Inteligencia artificial. Innotedec. https://blogs.uoc.edu/educacion-digital/tendencias/inteligencia-artificial/ 

Soldai. (2017, 6 de julio). Tipos de aprendizaje automático. Medium. https://medium.com/soldai/tipos-de-aprendizaje-autom%C3%A1tico-6413e3c615e2 

1. Recopilación de datos:
   El primer paso consiste en reunir ejemplos de textos, imágenes o sonidos que representen distintas categorías que se desean clasificar. Estos datos son la base del “conjunto de entrenamiento”, y deben estar organizados según su clase (por ejemplo, imágenes de gatos vs. perros).
   

2. Entrenamiento del modelo:
   Una vez organizados los datos, la herramienta construye un modelo de IA que aprende a reconocer las características de cada clase. El objetivo es que este modelo sea capaz de clasificar correctamente nuevos datos similares a los del entrenamiento, aunque no los haya visto antes.
   

3. Creación de una aplicación en Scratch:
   Finalmente, el modelo entrenado puede exportarse directamente a Scratch, permitiendo al alumnado diseñar una aplicación interactiva. Por ejemplo, pueden programar un juego o una actividad que utilice el modelo de IA para hacer de asistente, clasificar imágenes, textos u otros contenidos.
   

Este enfoque no solo hace comprensibles conceptos complejos de inteligencia artificial, sino que convierte al alumnado en protagonista del aprendizaje, al participar de una forma activa integrando la tecnología de forma crítica, creativa y con propósito educativo.

Referencia bibliográfica:

Rodríguez García, J. D. (2025). LearningML: Artificial Intelligence made easy. https://web.learningml.org/