DOI: 10.26820/recimundo/8.(1).ene.2024.193-202
URL: https://recimundo.com/index.php/es/article/view/2180
EDITORIAL: Saberes del Conocimiento
REVISTA: RECIMUNDO
ISSN: 2588-073X
TIPO DE INVESTIGACIÓN: Artículo de investigación
CÓDIGO UNESCO: 58 Pedagogía
PAGINAS: 193-202
Integración de la IA en la educación: Desafíos y oportunidades
Integration of AI in education: Challenges and opportunities
Integração da IA na educação: Desafios e oportunidades
Edmundo Daniel Quinto Ochoa
1
; Jazmin Del Rocio Mazzini Moran
2
; Sara Noemi Erráez Mantilla
3
;
Lenin Stalin Suasnabas Pacheco
4
RECIBIDO: 10/12/2023 ACEPTADO: 15/01/2024 PUBLICADO: 12/04/2024
1. Magíster en Gerencia de Tecnologías de la Información; Profesor de Segunda Enseñanza Especialización Informática
y Programación; Licenciado en Ciencias de la Educación Mención Informática y Programación; Tecnólogo Pedagógi-
co en Informática y Programación; Universidad Agraria del Ecuador; Guayaquil, Ecuador; equinto@uagraria.edu.ec;
https://orcid.org/0000-0002-9880-9312
2. Magíster en Ingeniería Civil Mención Hidráulica; Ingeniera Civil;Investigadora Independiente; Guayaquil, Ecuador;
clarymar29@hotmail.com; https://orcid.org/0009-0008-8645-7496
3. Máster Universitario en Tecnología Educativa y Competencias Digitales; Licenciada en Ciencias de la Educación
mención Informática y Programación; Ministerio de Educación del Ecuador; Guayaquil, Ecuador; saryerraez@hotmail.
com; https://orcid.org/0009-0006-9754-3459
4. Magíster en Gerencia de Tecnologías de la Información; Licenciado en Ciencias de la Educación mención Informática
y Programación; Profesor de Segunda Enseñanza Especialización Informática y Programación; Tecnólogo Pedagó-
gico en Informática y Programación; Doctorando de Educación de las Universidad Católica Andrés Bello; Docente
de la Universidad de Guayaquil, Gestor de Investigación de la Facultad de Odontología; Guayaquil, Ecuador; lenin.
suasnabas@ug.edu.ec; https://orcid.org/0000-0002-6829-4354
CORRESPONDENCIA
Edmundo Daniel Quinto Ochoa
equinto@uagraria.edu.ec
Guayaquil, Ecuador
© RECIMUNDO; Editorial Saberes del Conocimiento, 2024
RESUMEN
El desarrollo bibliográfico discute cómo la inteligencia artificial (IA) puede mejorar la educación en todos sus niveles y los desafíos que la
integración de las tecnologías presenta, como el riesgo de sesgo y la necesidad de políticas adecuadas para su uso ético. Adicionalmen-
te, se explora el potencial de la inteligencia artificial (IA) para apoyar a los docentes, personalizar el aprendizaje y mejorar la accesibilidad
para estudiantes con discapacidades o necesidades especiales. Se reconoce la posibilidad de que la IA introduzca nuevos riesgos de
seguridad y privacidad, así como la amplificación de sesgos existentes. En tal sentido, se sugiere la creación de políticas centradas en
las personas, que protejan la privacidad y promuevan la equidad, asegurando que la IA se utilice de manera que beneficie a todos en el
ámbito educativo. Este resumen destaca la importancia de abordar tanto las oportunidades como los desafíos que la IA presenta en la
educación, con un enfoque en la equidad, la ética y la eficacia.
Palabras clave: Inteligencia Artificial, Educación, Aprendizaje.
ABSTRACT
The report discusses how artificial intelligence (AI) can improve education at all levels and the challenges that the integration of tech-
nologies presents, such as the risk of bias and the need for appropriate policies for its ethical use. Additionally, the potential of artificial
intelligence (AI) to support teachers, personalize learning, and improve accessibility for students with disabilities or special needs is
explored. The potential for AI to introduce new security and privacy risks, as well as the amplification of existing biases, is recognized. In
this sense, the creation of human-centered policies is suggested that protect privacy and promote equity, ensuring that AI is used in a way
that benefits everyone in the educational field. This brief highlights the importance of addressing both the opportunities and challenges
that AI presents in education, with a focus on equity, ethics, and effectiveness.
Keywords: Artificial Intelligence, Education, Learning.
RESUMO
O relatório analisa a forma como a inteligência artificial (IA) pode melhorar a educação a todos os níveis e os desafios que a integração
das tecnologias apresenta, como o risco de preconceitos e a necessidade de políticas adequadas para a sua utilização ética. Além
disso, é explorado o potencial da inteligência artificial (IA) para apoiar os professores, personalizar a aprendizagem e melhorar a aces-
sibilidade para os alunos com deficiência ou necessidades especiais. Reconhece-se o potencial da IA para introduzir novos riscos de
segurança e privacidade, bem como para amplificar os preconceitos existentes. Neste sentido, sugere-se a criação de políticas centra-
das no ser humano que protejam a privacidade e promovam a equidade, assegurando que a IA é utilizada de forma a beneficiar todos
no domínio da educação. Este resumo destaca a importância de abordar tanto as oportunidades como os desafios que a IA apresenta
na educação, com foco na equidade, ética e eficácia.
Palavras-chave: Inteligência Artificial, Educação, Aprendizagem.
195
RECIMUNDO VOL. 8 N°1 (2024)
Introducción
La clara necesidad de compartir conoci-
mientos y desarrollar políticas para la Inte-
ligencia Artificial (IA), se ha convertido en
una clase de capacidades fundamentales
que avanza rápidamente y que están cada
vez más integradas en todo tipo de siste-
mas de tecnología educativa y que también
están disponibles para el público.
De acuerdo con Aleven & McLaughlin,
(2016) “se considera que la tecnología edu-
cativa incluye tanto (a) tecnologías diseña-
das específicamente para uso educativo,
como (b) tecnologías generales que se uti-
lizan ampliamente en entornos educativos”.
Las recomendaciones buscan involucrar a
docentes, líderes educativos, formuladores
de políticas, investigadores e innovadores y
proveedores de tecnología educativa mien-
tras trabajan juntos en cuestiones políticas
urgentes que surgen a medida que se utiliza
la Inteligencia Artificial (IA) en la educación.
La IA se puede definir como automati-
zación basada en asociaciones. Cuan-
do las computadoras automatizan el
razonamiento basado en asociaciones
de datos (o asociaciones deducidas
del conocimiento experto), se produ-
cen dos cambios fundamentales para
la IA y hacen que la informática vaya
más allá de la tecnología educativa
convencional; de capturar datos a de-
tectar patrones en los datos y de pro-
porcionar acceso a recursos educati-
vos para automatizar decisiones sobre
la instrucción y otros procesos educati-
vos (Molenaar, 2022).
Detectar patrones y automatizar decisiones
son saltos en el nivel de responsabilida-
des que se pueden delegar a un sistema
informático. El proceso de desarrollo de un
sistema de IA puede dar lugar a sesgos en
la forma en que se detectan los patrones y
las injusticias en la forma en que se auto-
matizan las decisiones. Por tanto, “los sis-
temas educativos deben regular el uso de
los sistemas de IA. Este informe describe
INTEGRACIÓN DE LA IA EN LA EDUCACIÓN: DESAFÍOS Y OPORTUNIDADES
oportunidades para utilizar la IA para me-
jorar la educación, reconoce los desafíos
que surgirán y desarrolla recomendaciones
para guiar el desarrollo futuro de políticas”
(Winne, 2021).
Hoy en día, muchas prioridades para mejo-
rar la enseñanza y el aprendizaje no se han
cumplido. Los educadores buscan enfo-
ques mejorados por la tecnología que abor-
den estas prioridades y que sean seguros,
eficaces y escalables. Evidentemente, los
educadores se preguntan si los rápidos
avances de la tecnología en la vida cotidia-
na podrían ayudar. Como todos, los educa-
dores utilizan servicios basados en IA en su
vida cotidiana, como asistentes de voz en
sus hogares; herramientas que pueden co-
rregir gramática, completar oraciones y es-
cribir ensayos; y planificación automatizada
de viajes en sus teléfonos.
Muchos educadores están exploran-
do activamente las herramientas de IA
a medida que se lanzan al público re-
cientemente, debido a las oportunida-
des para utilizar capacidades impulsa-
das por IA, como el reconocimiento de
voz, para aumentar el apoyo disponible
para los estudiantes con discapacida-
des, estudiantes multilingües y otros
que podrían beneficiarse de una mayor
adaptabilidad y personalización en las
herramientas digitales para el aprendi-
zaje (Akgun & Greenhow, 2022).
En tal sentido, están explorando cómo la IA
puede permitir escribir o mejorar lecciones,
así como su proceso para encontrar, elegir
y adaptar material para usar en sus leccio-
nes. Sin embargo, también son conscientes
de los nuevos riesgos. “Una funcionalidad
útil y potente también puede ir acompañada
de nuevos riesgos de seguridad y privaci-
dad de los datos” (Baker, 2022).
Metodología
Esta investigación está dirigida al estudio
del tema “Integración de la IA en la educa-
ción: desafíos y oportunidades”. Para rea-
196
RECIMUNDO VOL. 8 N°1 (2024)
lizarlo se usó una metodología descriptiva,
con un enfoque documental, es decir, revi-
sar fuentes disponibles en la red, cuyo con-
tenido sea actual, publicados en revistas de
ciencia, disponibles en Google Académico,
lo más ajustadas al propósito del escrito,
con contenido oportuno y relevante desde
el punto de vista científico para dar res-
puesta a lo tratado en el presente artículo y
que sirvan de inspiración para realizar otros
proyectos. Las mismas pueden ser estudia-
das al final, en la bibliografía.
Resultados
La visión de tecnología educativa de lar-
ga data considera a los estudiantes como
aprendices activos; “los estudiantes partici-
pan en debates que mejoran su compren-
sión, utilizan visualizaciones y simulaciones
para explicar conceptos en relación con el
mundo real y aprovechan estructuras úti-
les y comentarios oportunos a medida que
aprenden” (Chen, Park, & Breazeal, 2020).
Las personas quieren que la tecnología se
alinee y se base en estos y otros conoci-
mientos apoyados en investigaciones sobre
cómo aprenden las personas. A medida
que se da forma a la tecnología educativa
mejorada con IA en torno a principios basa-
dos en la investigación, “un objetivo clave
debe ser fortalecer y apoyar el aprendiza-
je de quienes han experimentado circuns-
tancias desfavorables para el aprendizaje,
como las causadas por la pandemia de CO-
VID-19 o por desigualdades más amplias”
(Plass & Pawar, 2020). Y se debe mantener
una mirada firme hacia las formas de apren-
dizaje que más beneficiarán a los estudian-
tes en sus vidas futuras en las comunidades
y lugares de trabajo.
La adaptabilidad de la IA en el aprendizaje
Se ha reconocido que “la adaptabilidad es
una forma clave en la que la tecnología pue-
de mejorar el aprendizaje” (Aleven & McL-
aughlin, 2016). La IA puede ser un conjunto
de herramientas para mejorar la adaptabili-
dad de la tecnología educativa. La IA pue-
de mejorar la capacidad de una tecnología
para llegar a los estudiantes donde estén,
aprovechar sus fortalezas y aumentar sus
conocimientos y habilidades.
Debido a los poderes de la IA para trabajar
con formas naturales de información y las
fortalezas fundamentales de los modelos de
IA, puede ser un conjunto de herramientas
especialmente sólido para ampliar la adap-
tabilidad proporcionada a los estudiantes.
Sin embargo, especialmente con la IA, la
adaptabilidad es siempre más específica y
limitada de lo que podría sugerir una frase
amplia como encontrarse con los estudian-
tes donde estén.
Los límites fundamentales surgen de la na-
turaleza del modelo en el corazón de cual-
quier sistema específico habilitado para IA.
Los modelos son aproximaciones a la reali-
dad. “Cuando partes importantes del apren-
dizaje humano quedan fuera del modelo o
están menos desarrolladas, la adaptabilidad
resultante también será limitada y los apoyos
resultantes para el aprendizaje pueden ser
frágiles o estrechos” (Molenaar, 2022).
En consecuencia, la adaptabilidad del
aprendizaje a través de la IA se centra en
un concepto clave: trabajar hacia modelos
de IA que se ajusten a la totalidad de las
visiones de aprendizaje y evitar limitar el
aprendizaje a lo que la IA puede modelar
bien actualmente.
Sistemas de tutoría inteligentes: un ejem-
plo de modelos de IA
Un tipo de tecnología basada en IA que exis-
te desde hace mucho tiempo es el Sistema
de Tutoría Inteligente (ITS). De acuerdo con
Mousavinasab, Zarifsanaiey, & Niakan Kal-
hori, (2022) en un primer éxito, “los científi-
cos pudieron construir modelos precisos de
cómo los expertos humanos resuelven pro-
blemas matemáticos. El modelo resultante
se incorporó a un sistema que observaría la
resolución de problemas de los estudiantes
mientras trabajaban en problemas matemá-
ticos en una computadora”.
QUINTO OCHOA, E. D., MAZZINI MORAN, J. D. R., ERRÁEZ MANTILLA, S. N., & SUASNABAS PACHECO, L. S.
197
RECIMUNDO VOL. 8 N°1 (2024)
Los investigadores que estudiaron a los tu-
tores humanos descubrieron que la retroa-
limentación sobre pasos específicos (y no
sólo las soluciones correctas o incorrectas)
es una clave probable para explicar por
qué la tutoría es tan efectiva. Por ejemplo,
“cuando un estudiante se apartaba del
modelo experto, el sistema brindaba retro-
alimentación para ayudarlo y el estudiante
vuelve a encaminarse” (Winne, 2021).
Es importante destacar que esta retroalimen-
tación fue más allá de lo correcto o incorrecto
y, en cambio, el modelo pudo proporcionar
retroalimentación sobre pasos específicos
de un proceso de solución. Por lo tanto, un
avance significativo de la IA puede ser su
capacidad para proporcionar adaptabilidad
a nivel paso a paso y su capacidad para ha-
cerlo a escala con un costo modesto.
Direcciones importantes para expandir la
adaptabilidad basada en IA
A la adaptabilidad a veces se la denomina
personalización. Aunque se trata de un tér-
mino conveniente, muchos observadores
han notado lo impreciso que es. Para algu-
nos educadores, la personalización signifi-
ca dar a los alumnos voz y elección, y para
otros significa que un sistema de gestión
del aprendizaje recomienda una lista de re-
producción individual de actividades para
realizar cada estudiante.
Oculta en esa imprecisión está la realidad de
que muchos productos de tecnología educa-
tiva que se personalizan lo hacen de manera
limitada. “Ajustar la dificultad y el orden de
los materiales de las lecciones se encuen-
tran entre las dos formas más comunes en
que se adaptan los productos de tecnología
educativa” (Ruiz & Fusco, 2022). Sin embar-
go, cualquier profesor sabe que apoyar el
aprendizaje implica mucho más que ajustar
la dificultad y la secuencia de los materiales.
Por ejemplo, un buen profesor puede encon-
trar maneras de involucrar a un estudiante
conectándolo con sus propias experiencias
pasadas y puede dar forma a las explicacio-
nes hasta que realmente se conecten.
Cuando se dice conocer al alumno don-
de esté, los profesores humanos aportan
una imagen mucho más completa de cada
alumno que la mayoría de las tecnologías
educativas disponibles. Tampoco es proba-
ble que el profesor personalice demasiado
(actuando como un algoritmo que sólo pre-
senta material por el cual el alumno ha ex-
presado interés), limitando así la exposición
del estudiante a nuevos temas. La naturale-
za de los momentos de enseñanza que un
maestro humano puede captar es más am-
plia que los momentos de enseñanza que
captan los modelos de IA actuales.
Incidencia de la IA en la enseñanza
Los docentes han imaginado durante mu-
cho tiempo muchas cosas que la tecnología
podría hacer posibles, dentro de sus aulas
y sus estudiantes. Hoy en día, casi todos los
profesores han experimentado usos de tec-
nologías para la enseñanza que nadie anti-
cipó. Algunas de esas experiencias fueron
positivas y otras no. Todas las experiencias
proporcionan un contexto importante a me-
dida que pensamos más sobre la enseñan-
za y la tecnología.
Existe una necesidad crítica de cen-
trarse en abordar los desafíos que ex-
perimentan los docentes. Debe resultar
más fácil para los profesores realizar el
maravilloso trabajo que siempre hacen.
También se debe recordar por qué las
personas eligen la profesión docente y
asegurar de que puedan realizar el tra-
bajo que importa (Godwin, 2021).
Esta sección analiza ejemplos de IA que
apoyan a los docentes y la enseñanza, in-
cluidos estos conceptos: asistentes de IA
para reducir las cargas de enseñanza ruti-
narias; IA que proporciona a los profesores
recomendaciones para las necesidades de
sus alumnos y amplía su trabajo con los es-
tudiantes; e IA que ayuda a los profesores a
reflexionar, planificar y mejorar su práctica.
INTEGRACIÓN DE LA IA EN LA EDUCACIÓN: DESAFÍOS Y OPORTUNIDADES
198
RECIMUNDO VOL. 8 N°1 (2024)
Uso de la IA para mejorar los trabajos do-
centes
El trabajo de la enseñanza es notoriamente
complejo y los profesores toman miles de
decisiones cada día. Los docentes partici-
pan en los procesos del aula, en las interac-
ciones con los estudiantes fuera del salon
de clases, en el trabajo con otros docentes
y en funciones administrativas. También son
parte de sus comunidades y, por lo tanto,
se espera que interactúen con sus familias
y cuidadores.
Hoy en día las tareas cotidianas se han
vuelto más fáciles. “Se puede solicitar y re-
cibir alertas y notificaciones sobre eventos.
Seleccionar la música que se quiere escu-
char solía ser un proceso de varios pasos
(incluso con música digital), ahora se pue-
de decir el nombre de la canción y se repro-
duce” (Robles, 2017). Asimismo, mapear un
viaje antes requería un engorroso estudio
de mapas, pero ahora los teléfonos móviles
nos permiten elegir entre varias opciones
de transporte para llegar a un destino.
Preparar y apoyar a los docentes en la
planicación y la reexión
De acuerdo con Zhang, Lee, & Ali, (2022)
“el desarrollo profesional deberá equilibrar-
se no solo para discutir oportunidades sino
también para informar a los docentes sobre
nuevos riesgos, al tiempo que se les brin-
dan herramientas para evitar los peligros de
la IA”. Por naturaleza, la enseñanza requiere
mucho tiempo en la planificación, así como
para tener en cuenta la amplitud de nece-
sidades en sus listas, especialmente para
entornos de aprendizaje inclusivos.
La IA podría ayudar a los profesores con re-
comendaciones adaptadas a su situación y
sus formas de practicar la enseñanza y apo-
yarles en la adaptación de los materiales en-
contrados para que se ajusten a sus necesi-
dades exactas en el aula. Incluso más allá de
encontrar componentes, la IA podría ayudar
a adaptar recursos estandarizados para que
se ajusten mejor a necesidades específicas.
Por ejemplo, proporcionar un asistente
de voz que permita a un estudiante con
dificultades visuales escuchar material
y responder a él o permitir que un gru-
po de estudiantes presente su proyecto
usando Lenguaje de Señas Americano
(ASL), que podría expresarse de forma
audible para otros estudiantes utilizan-
do una capacidad de traducción de
ASL a inglés hablado por IA. De hecho,
coordinar los IEP es un trabajo que
requiere mucho tiempo y que podría
beneficiarse de la automatización de
apoyo y la interactividad personalizada
que puede proporcionar la IA (Calde-
rón, 2020) .
La reflexión también es importante. En el
bullicio de un salón de clases, a veces re-
sulta difícil comprender completamente
qué está expresando un estudiante o qué
situaciones conducen a ciertos comporta-
mientos positivos o negativos. Una vez más,
el contexto es primordial. En este momen-
to, es posible que los profesores no sean
conscientes de los acontecimientos exter-
nos que podrían influir en su comprensión
de cómo se presentan los estudiantes en
sus aulas. Las herramientas que detectan
patrones y sugieren formas de compartir
información pueden ayudar a estudiantes y
profesores a comunicarse más plenamente
sobre sus fortalezas y necesidades.
Desafíos que se presentan en la educa-
ción debido a la integración de la IA
El circuito más amplio del que deberían for-
mar parte los profesores es el circuito que
determina qué hacen las herramientas del
aula y qué herramientas están disponibles.
Hoy en día, los profesores ya desempeñan
un papel en el diseño y selección de tecno-
logías. Los profesores pueden opinar sobre
el uso y la viabilidad, examinan la evidencia
de eficacia y comparten sus hallazgos con
otros líderes escolares a través de ideas
sobre lo que se necesita para implementar
bien la tecnología.
QUINTO OCHOA, E. D., MAZZINI MORAN, J. D. R., ERRÁEZ MANTILLA, S. N., & SUASNABAS PACHECO, L. S.
199
RECIMUNDO VOL. 8 N°1 (2024)
Desafío: equilibrar la toma de decisiones
humana e informática
Un nuevo desafío importante con las herra-
mientas habilitadas por IA para los docentes
es que la IA puede permitir la actividad au-
tónoma de una computadora y, por lo tanto,
cuando un docente delega trabajo en una he-
rramienta habilitada por IA, puede continuar
con ese trabajo de manera algo indepen-
diente. La profesora Molenaar, (2022) se ha
preguntado sobre los desafíos del control en
un escenario de enseñanza híbrida: “¿Cuán-
do debería un profesor tener el control? ¿Qué
se puede delegar a un sistema computacio-
nal? ¿Cómo puede un docente monitorear el
sistema de IA y anular sus decisiones o recu-
perar el control según sea necesario?”.
Desafío: facilitar el trabajo docente evi-
tando la vigilancia
También se reconoce que las mismas tec-
nologías que facilitan los trabajos podrían
introducir nuevas posibilidades de vigilan-
cia. En un ejemplo conocido, “cuando se
habilita un asistente de voz en la cocina,
puede ayudar con tareas domésticas sim-
ples, como configurar un temporizador de
cocción. Sin embargo, el mismo asistente
de voz podría escuchar cosas que se pre-
tenden privadas” (Calderón, 2020).
Este tipo de dilema se producirá en las au-
las y para los profesores. “Cuando permiten
que un asistente de IA capture datos so-
bre lo que dicen, qué recursos didácticos
buscan u otros comportamientos, los datos
podrían usarse para personalizar recursos
y recomendaciones para el maestro” (God-
win, 2021). Sin embargo, los mismos datos
también podrían usarse para monitorear al
maestro, y ese monitoreo podría tener con-
secuencias para el maestro. Lograr una IA
confiable que mejore el trabajo de los do-
centes será casi imposible si los docentes
experimentan una mayor vigilancia.
Una tensión relacionada es que pedir a los
docentes que estén “al tanto” podría ge-
nerar más trabajo para los docentes si no
se hace bien y, por lo tanto, estar al tanto
podría estar en tensión con facilitar el tra-
bajo docente. También está relacionada la
tensión entre no confiar lo suficiente en la
IA (para obtener asistencia) o confiar dema-
siado en ella (e incurrir en vigilancia o pérdi-
da de privacidad).
Evaluación formativa y oportunidades de la
integración de la IA en la educación
La evaluación formativa “es tradicionalmen-
te un uso clave de la tecnología educati-
va porque los ciclos de retroalimentación
son vitales para mejorar la enseñanza y el
aprendizaje” (Panadero & Lipnevich, 2022).
Como se ha enfatizado, una de las princi-
pales prioridades de la IA es mantener a los
humanos informados y en control, lo que in-
cluye centrarse en las personas involucra-
das en evaluaciones formativas: estudian-
tes, maestros, líderes escolares, familias/
cuidadores y otras personas que apoyan a
los estudiantes. En la siguiente definición,
“se tiene en cuenta la superposición entre
las definiciones de IA y evaluación forma-
tiva; ambos tienen que ver con detectar
patrones y elegir un curso de acción futuro
(que se adapte a las fortalezas y necesida-
des del alumno)” (Zhang, Lee, & Ali, 2022).
Aprovechando las mejores prácticas
De acuerdo con Winne, (2021), “varias di-
mensiones tienen potencial para dar forma al
futuro de las evaluaciones formativas, y mu-
chas tienen extensiones listas al campo de
los sistemas y herramientas habilitados por
IA”. Por ejemplo, el NETP de 2017 analizó
cómo la tecnología puede conducir a mejo-
res evaluaciones formativas en siete dimen-
siones, que se enumeran a continuación:
1. Habilitación de tipos de preguntas me-
jorados:
para brindar a los estudiantes más for-
mas de demostrar lo que saben y pue-
den hacer.
2. Medición de Competencias Complejas:
INTEGRACIÓN DE LA IA EN LA EDUCACIÓN: DESAFÍOS Y OPORTUNIDADES
200
RECIMUNDO VOL. 8 N°1 (2024)
para provocar mejor el crecimiento en
habilidades importantes que van más allá
de los estándares típicos de la materia,
por ejemplo, en prácticas de medición,
habilidades sociales como el trabajo en
equipo, autorregulación y habilidades
relevantes para el trabajo (por ejemplo,
hacer presentaciones o liderar equipos).
3. Proporcionar comentarios en tiempo real:
mantener y aumentar la participación de
los estudiantes y apoyar el aprendizaje
efectivo, brindando respuestas y sugeren-
cias oportunas y útiles a cada estudiante.
4. Aumento de la accesibilidad:
incluir a estudiantes neuro diversos y
aprovechar sus mejores capacidades
de comunicación mientras comparten lo
que saben y pueden hacer.
5. Adaptarse a la habilidad y conocimiento:
para hacer las evaluaciones más preci-
sas y eficientes.
6. Evaluación integrada en el proceso de
aprendizaje:
enfatizar el papel de la evaluación en la
mejora de la enseñanza y el aprendizaje
7. Evaluar para el aprendizaje continuo:
para revelar el progreso a lo largo del
tiempo y no solo hitos predeterminados.
Los modelos de IA y los sistemas habilita-
dos para IA pueden tener potencial para
fortalecer las evaluaciones formativas. En
un ejemplo, “un tipo de pregunta que invita
a los estudiantes a dibujar un gráfico o crear
un modelo se puede analizar con algoritmos
de IA, y se pueden agrupar modelos de es-
tudiantes similares para que el maestro los
interprete” (Akgun & Greenhow, 2022).
Una evaluación formativa mejorada pue-
de permitir a los profesores responder
mejor a la comprensión de los estudian-
tes de un concepto como tasa de cam-
bio en una situación compleja del mundo
real. La IA también puede brindar a los
alumnos retroalimentación sobre habili-
dades complejas, como aprender el len-
guaje de señas americano o hablar un
idioma extranjero y en otras situaciones
de práctica en las que no hay ninguna
persona disponible para brindar retroali-
mentación inmediata (Godwin, 2021).
En general, un asistente de IA puede redu-
cir la carga de los profesores relacionada
con la calificación de aspectos más simples
de las respuestas de los estudiantes, lo que
les permite centrar su juicio especializado
en cualidades importantes de un ensayo
completo o un proyecto complejo. También
brinda mejores comentarios con accesibili-
dad. Por ejemplo, una tecnología de apren-
dizaje habilitada por IA “puede interactuar
verbalmente con un estudiante sobre su
respuesta a una pregunta de ensayo, ha-
ciendo preguntas que guíen al estudiante a
aclarar su argumento sin necesidad de que
lea una pantalla o escriba en un teclado”
(Chen, Park, & Breazeal, 2020).
Adicionalmente, la IA puede integrarse en
el proceso de aprendizaje, brindando retro-
alimentación a los estudiantes mientras tra-
bajan para resolver un problema, en lugar
de hacerlo solo más tarde, después de que
el estudiante haya llegado a una respuesta
incorrecta. “Cuando la evaluación formativa
está más integrada, puede apoyar mejor el
aprendizaje, y la retroalimentación oportuna
es fundamental” (Wiggins, 2015).
Implicaciones para la enseñanza y el
aprendizaje
La retroalimentación instructiva en tiempo
real puede ser beneficiosa cuando ayuda a
los alumnos y profesores a mejorar. Pero con
demasiada frecuencia la experiencia común
deja a estudiantes y profesores con sentimien-
tos desagradables hacia la evaluación y, por
lo tanto, plantea un conflicto provocador entre
los beneficios potenciales de datos recopila-
dos a través de evaluaciones formativas y las
implicaciones prácticas de administrar eva-
luaciones adicionales en las aulas y escuelas.
QUINTO OCHOA, E. D., MAZZINI MORAN, J. D. R., ERRÁEZ MANTILLA, S. N., & SUASNABAS PACHECO, L. S.
201
RECIMUNDO VOL. 8 N°1 (2024)
Las evaluaciones formativas mejoradas
por IA pueden tener el potencial de aho-
rrar tiempo a los profesores (por ejemplo,
el tiempo dedicado a calificar), lo que les
permitirá dedicar más tiempo a ayudar a
los estudiantes. Las evaluaciones mejora-
das con IA también pueden beneficiar a los
docentes si brindan información detallada
sobre las fortalezas o necesidades de los
estudiantes que pueden no ser visibles y si
apoyan la adaptación o mejora de la instruc-
ción al sugerir un pequeño conjunto de re-
comendaciones basadas en evidencia para
ayudar a los estudiantes a dominar el con-
tenido. Estas evaluaciones también pueden
ser útiles fuera del aula si logran proporcio-
nar retroalimentación cuando el maestro no
está disponible, por ejemplo, al completar
la tarea o practicar un concepto durante la
sala de estudio.
Conclusión
La IA está transformando rápidamente el
panorama educativo, ofreciendo oportuni-
dades emocionantes y desafíos significati-
vos. A medida que las instituciones educati-
vas adoptan tecnologías basadas en IA, es
crucial considerar tanto los beneficios como
los riesgos asociados.
En primer lugar, la IA tiene el potencial de
personalizar el aprendizaje para cada es-
tudiante. Los algoritmos pueden adaptarse
a las necesidades individuales, proporcio-
nando materiales y actividades específicos
según el nivel de habilidad y los intereses
de cada estudiante. Esto puede mejorar
significativamente la eficacia del proceso
de enseñanza y aprendizaje.
Además, la IA puede ayudar a los docentes
a administrar mejor sus aulas. Los sistemas
de gestión de aprendizaje basados en IA
pueden automatizar tareas administrativas,
como calificar exámenes y rastrear el pro-
greso de los estudiantes. Esto libera tiempo
para que los profesores se concentren en
la interacción directa con los estudiantes y
brinden apoyo individualizado.
Sin embargo, también existen desafíos. Uno
de los principales es el riesgo de sesgo
en los algoritmos de IA. Si no se diseñan
adecuadamente, estos algoritmos pueden
perpetuar prejuicios y discriminación. Por
lo tanto, es fundamental garantizar que los
sistemas de IA sean transparentes, éticos y
equitativos. Adicionalmente, la privacidad y
la seguridad son preocupaciones importan-
tes. La recopilación de datos personales de
los estudiantes para alimentar los algoritmos
de IA debe realizarse de manera responsa-
ble y proteger la información confidencial.
En conclusión, la integración de la IA en la
educación es un camino prometedor, pero
requiere una planificación cuidadosa y una
supervisión constante. Si se abordan ade-
cuadamente los desafíos, la IA puede mejo-
rar significativamente la calidad de la edu-
cación y preparar a los estudiantes para un
futuro cada vez más digitalizado.
Bibliografía
Akgun, S., & Greenhow, C. (2022). Artificial intelligen-
ce in education: Addressing ethical challenges in
K-12 settings. AI Ethics, 431–440.
Aleven, V., & McLaughlin, E. (2016). Instruction ba-
sed on adaptive learning technologies. Handbook
of research on learning and instruction, 522-560.
Baker, R. E. (2022). Using demographic data as pre-
dictor variables: A questionable choice. Obtenido
de https://doi.org/10.35542/osf.io/y4wvj
Calderón, O. (2020). Los retos de la Educación 4.0.
frente a los tiempos de confinamiento. . Revista
de Educación, Cultura y Cambio, 1(1), 1-18. Re-
cuperado el 04 de Abr de 2024, de https://bit.
ly/3u9n3wv
Chen, C., Park, H., & Breazeal, C. (2020). Teaching
and learning with children: Impact of reciprocal
peer learning with a social robot on children’s lear-
ning and emotive engagement. Computers & Edu-
cation, 150.
Godwin, R. (2021). Big data and language learning:
Opportunities and challenges. Language Learning
& Technology, 4-19.
Molenaar, I. (2022). Towards hybrid human-AI lear-
ning technologies. European Journal of Education,
1–14.
INTEGRACIÓN DE LA IA EN LA EDUCACIÓN: DESAFÍOS Y OPORTUNIDADES
202
RECIMUNDO VOL. 8 N°1 (2024)
Mousavinasab, E., Zarifsanaiey, N., & Niakan Kalho-
ri, S. (2022). Intelligent tutoring systems: A syste-
matic review of characteristics, applications, and
evaluation methods. . Interactive Learning Environ-
ments, 142-163.
Panadero, E., & Lipnevich, A. (2022). A review of
feedback models and typologies: Towards an inte-
grative model of feedback elements. Educational
Research Review, 100416.
Plass, J., & Pawar, S. (2020). Toward a taxonomy of
adaptivity for learning. Journal of Research on Te-
chnology in Education, 275–300.
Robles, B. (2017). La utilización de objetos de apren-
dizaje de realidad aumentada en la enseñanza
universitaria de educación primaria. International
Journal of Educational Research and Innovation,
9, 90-104. Recuperado el 04 de Abr de 2024, de
https//bit.ly/3E15wua
Ruiz, P., & Fusco, J. (2022). Teachers partnering with
artificial intelligence: Augmentation and automa-
tion. Obtenido de Digital Promise: https://digitalpro-
mise.org/2022/07/06/teachers-partnering- with-ar-
tificial-intelligence-augmentation-and-automation/
Wiggins, G. (2015). Seven keys to effective feed-
back. Obtenido de ACSD: https://www.ascd.org/
el/articles/seven-keys-to-effectivefeedback
Winne, P. (2021). Open learner models working in
symbiosis with self-regulating learners: A research
agenda. International Journal of Artificial Intelli-
gence in Education, 446-459.
Zhang, H., Lee, I., & Ali, S. (2022). Integrating ethics
and career futures with technical learning to pro-
mote AI literacy for middle school students: An
exploratory study. International Journal of Artificial
Intelligence in Education, 1–35.
CITAR ESTE ARTICULO:
Quinto Ochoa, E. D., Mazzini Moran, J. D. R., Erráez Mantilla, S. N., & Suas-
nabas Pacheco, L. S. (2024). Integración de la IA en la educación: Desafíos y
oportunidades. RECIMUNDO, 8(1), 193-202. https://doi.org/10.26820/recimun-
do/8.(1).ene.2024.193-202
QUINTO OCHOA, E. D., MAZZINI MORAN, J. D. R., ERRÁEZ MANTILLA, S. N., & SUASNABAS PACHECO, L. S.