miniaturadeimagen|Con el pasar de los tiempos la educación ha ido cambiando a tal grado de que ahora es mucho más fácil llegar a los estudiantes ya que existe la tecnología. Inteligencia artificial en la educación es la aplicación de la inteligencia artificial en entornos educativos. Este campo combina elementos de inteligencia artificial generativa, toma de decisiones basada en datos (automated decision-making), ética de la IA, privacidad de datos y Alfabetización en IA.
Los docentes pueden aprender a utilizar estos sistemas de IA como herramientas para generar código fuente, crear textos o contenido multimedia, así como optimizar la producción digital de materiales educativos. Al mismo tiempo, algunos gobiernos pueden ver la IA como un proyecto ideológico para normalizar el poder centralizado y la toma de decisiones, mientras que las escuelas públicas y la educación superior enfrentan una creciente privatización.
Las definiciones de la inteligencia artificial en la educación son objeto de debate y pueden generar confusión sobre su significado exacto. La IA puede tener su utilidad para mejorar la formulación de políticas, pero como parte de un conjunto de herramientas de enfoques, más que como un paradigma dominante en sí mismo. Deberíamos dar la bienvenida a los pilotos que prueben esto.
Contexto La inteligencia artificial se puede definir como «sistemas que muestran comportamiento inteligente al analizar su entorno y tomar acciones con cierto grado de autonomía para alcanzar objetivos específicos». Estos sistemas pueden ser software o estar integrados en hardware.
No hay un único enfoque para comprender la IA en educación (AIEd), pero su genealogía, sus promesas y problemáticas pueden ayudar a ver el panorama completo.
El Dartmouth workshop es considerado un evento fundacional en la historia de la IA.
Perspectivas emergentes El impacto de la IA en la educación depende de su contexto geopolítico y económico. Quienes ven la IA como un medio para la transmisión de conocimiento aceptan conceptos como el «razonamiento de las máquinas» o las «alucinaciones» de los modelos. Por otro lado, los escépticos advierten sobre los espacios imaginativos cerrados promovidos por las grandes empresas tecnológicas, que limitan el pensamiento crítico.... Desde una perspectiva reciente, se está poniendo el foco en cómo estos sistemas pueden reproducir enfoques pedagógicos dominantes, lo que ha llevado a proponer marcos de auditoría basados en teorías del aprendizaje.
Inteligencia artificial en la educación
La comunidad de IA en educación ha crecido rápidamente en el norte global. Existen posturas divergentes: algunos educadores creen que la IA facilitará el acceso al conocimiento, mientras que otros ven riesgos en su impacto social y educativo. La IA generativa reduce en gran medida el grado en que el acceso a la experiencia es un obstáculo para la educación.
Inteligencia artificial generativa y desarrollo de habilidades blandas Actualmente, la inteligencia artificial generativa (IAG) está en todas partes, crece y seguirá creciendo. Lo mejor que un docente puede hacer es adquirir herramientas, habilidades y conocimiento que les permitan elegir adecuadamente, analizar su consumo, asumir un rol activo en el uso de la tecnología y, en el caso de otros roles educativos, buscar cómo integrar la IAG de manera responsable, crítica y ética en el proceso de enseñanza.
Interactuar con estas IA permite a los estudiantes analizar y evaluar información de manera crítica, cuestionando las respuestas proporcionadas y verificando su precisión. Esto fomenta la capacidad de detectar sesgos, errores y falacias en la información, permitiendo corregir posibles problemas y mejorar la calidad del aprendizaje. Se abre una nueva ruta para las y los estudiantes de hoy hacia la búsqueda de soluciones. Ofrece, por ejemplo, simulaciones del impacto de propuestas, combinación rápida de múltiples ideas y les permite, además, desarrollar habilidades digitales avanzadas. La IAG no puede reproducir experiencias de la vida real, como lo haría cualquier ser humano con sus experiencias y emociones, pero puede agrupar patrones, presentar datos y soluciones desde perspectivas estadísticas. Puede idear en conjunto con estudiantes, y, a su vez, ellas y ellos mostrar sentido crítico ante sus respuestas, talentos y habilidades, participar en un ciclo creativo que promueve la reflexión y la búsqueda de soluciones estratégicas. La inteligencia artificial, lejos de ser una amenaza para la creatividad humana, puede convertirse en un poderoso aliado para fomentarla.
La IAG es una herramienta dependiente del usuario. Si los profesionales de la enseñanza comienzan a utilizarla para potenciar sus competencias, como una fuente de información que debe ser analizada o un ayudante capaz de crecer su eficiencia, e integrar las metodologías activas que tienen al alcance, sus estudiantes serán capaces de superar desafíos por sí mismos. Las y los docentes pueden convertir la inteligencia artificial generativa en un centro que despierte la curiosidad, encienda la llama del debate dentro del aula y como su borrador de grandes ideas. Las respuestas obtenidas por parte de la IA, con texto o imágenes, no son la solución final, si no la puerta a diferentes perspectivas con una galería de inspiración, es un punto de partida creativo con el cual las y los estudiantes pueden impulsar su creatividad
Impacto de los algoritmos en la educación
Las empresas de IA se centran en la inteligencia artificial generativa (IAG) y el análisis de datos. Sin embargo, no hay consenso científico sobre su definición. La IA ofrece evaluación automatizada, traducción automática, tutoría virtual y asistentes inteligentes.
La «cadena de suministro de IA generativa» automatiza la producción de contenido y refuerza su autoridad mediante el efecto ELIZA. No obstante, existen preocupaciones sobre su impacto ético y académico.
Modelos de lenguaje y alucinaciones
La función de los Modelos de Lenguaje de Gran Tamaño (LLM´s) por sus siglas en inglés, es entender, procesar y generar grandes cantidades de lenguaje humano, pero al ser un modelo que se basa del Machine Learning, estos actúan fundamentalmente desde la predicción estadística, cuyo objetivo es predecir la siguiente palabra o fragmento de texto en una secuencia. Para lograr esto, se analiza el texto que se escribe y se selecciona la continuación más probable basándose en los patrones gramaticales, estructurales y lógicos que han ido aprendiendo con el entrenamiento recibido previamente.Entonces modelos al estar forzados matemáticamente a dar una respuesta, tienen que devolverle una respuesta al usuario, por ende existen ocasiones, debido a que no son una base de datos, donde no pueden completar la consulta, generando así como resultado una secuencia de texto que probabilísticamente es la más adecuada al contexto de la conversación, creando lo que en el mundo de la Inteligencia artificial generativa se le conoce como las «alucinaciones». Estas respuestas incorrectas no son fallos, sino consecuencias del diseño del modelo
Educación y futuro de la IA
La tecnología educativa sigue evolucionando con la IA, lo que genera debates sobre su impacto en el aprendizaje y la ética. Mientras algunos defienden su integración curricular, otros advierten sobre su uso no regulado y sus riesgos sociales. La inteligencia artificial (IA) es un concepto y una herramienta ubicuos que ya se encuentran en toda la sociedad y una parte integral de la vida cotidiana. Como tal, la comprensión básica y el conocimiento de la IA deberían ser un componente crítico de la educación de los estudiantes para fomentar ciudadanos globales exitosos. La infusión de IA en tantos aspectos de la vida humana ha creado la necesidad de que no solo podamos usar IA (incluso cuando no nos damos cuenta) sino también tener una mayor comprensión de sus amplias aplicaciones, utilidad, limitaciones y sesgos. Por lo tanto, existe la necesidad de un esfuerzo concertado para educar a todos los sectores para crear una población mejor preparada para prosperar en nuestro mundo habilitado para la IA en rápida evolución
El rol de los Modelos de Lenguaje Grande (LLM) como tutores inteligentes se define por su capacidad para proporcionar experiencias de aprendizaje personalizadas, adaptativas y escalables, en diversas funciones críticas:
Personalización y Adaptabilidad Retroalimentación en Tiempo Real Simulación y Entrenamiento Especializado Apoyo Emocional y Motivacional Rol de Entornos Híbridos
Aplicaciones de la IA en la orientación y personalización educativa En el ámbito de la orientación educativa y profesional, la inteligencia artificial se emplea para analizar perfiles formativos y laborales mediante técnicas de aprendizaje automático y procesamiento del lenguaje natural. Estos sistemas permiten extraer, normalizar y comparar competencias declaradas en currículos o perfiles profesionales con marcos estandarizados de habilidades.
En el contexto europeo, algunas iniciativas se apoyan en clasificaciones como ESCO (European Skills, Competences, Qualifications and Occupations), desarrollada por la Comisión Europea, que describe y clasifica ocupaciones y competencias relevantes para el mercado laboral y la educación y formación. El uso de taxonomías comunes facilita, entre otros fines, la identificación de brechas de habilidades y el apoyo a decisiones formativas alineadas con estándares compartidos.
Organismos internacionales han señalado que la IA puede contribuir a personalizar trayectorias educativas y a mejorar la adecuación entre formación y empleo, en un contexto de transformación tecnológica y cambio en la demanda de competencias.
No obstante, la literatura especializada subraya desafíos relacionados con la transparencia y explicabilidad de los sistemas, así como con la protección de datos personales cuando se aplican modelos algorítmicos a decisiones educativas.
Estas aplicaciones buscan facilitar la toma de decisiones formativas y mejorar la adecuación entre formación y mercado laboral. Además de la literatura académica e institucional, algunos medios de divulgación especializados han analizado el impacto de la inteligencia artificial en la orientación profesional desde una perspectiva aplicada, destacando tanto sus oportunidades como sus límites prácticos.
Historia Los esfuerzos por integrar la IA (Inteligencia Artificial) en los contextos educativos a menudo han ido a la par del avance tecnológico en la historia de la inteligencia artificial.
En la década de 1960, los educadores e investigadores comenzaron a desarrollar sistemas de instrucción basados en el funcionamiento de las computadoras, tales como PLATO (Lógica Programada para la Automatización de Operaciones de Enseñanza), que fue desarrollado por la Universidad de Illinois .
En las décadas de 1970 y 1980, los sistemas de tutoría inteligente o ITS (Intelligent Tutoring Systems) por sus siglas en inglés, se adaptaron a la instrucción en el aula.
La Sociedad Internacional de Inteligencia Artificial en la Educación fue fundada en 1993.
A finales de la década de 2010 y principios de la de 2020, los grandes modelos lingüísticos o LLM (Large Language Models) y otras tecnologías de IA (Inteligencia Artificial) generativa se han convertido en el foco de atención de las conversaciones sobre IA en la educación. Durante este tiempo, se han desarrollado y empleado detectores de contenido de IA para detectar el uso no autorizado de IA en contextos educativos, aunque su precisión es limitada. Algunas escuelas prohibieron los LLM, pero muchas prohibiciones se levantaron posteriormente. Teoría IAEd (Inteligencia Artificial Educativa) sigue la teoría aplicada en los estudios de educación, el aprendizaje automático y campos relacionados.
Los Tres paradigmas de la IAEd