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

; Jazmin Del Rocio Mazzini Moran

; Sara Noemi Erráez Mantilla

;

Lenin Stalin Suasnabas Pacheco

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

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.