Impulsando la Educación Superior con IAGen: oportunidades y retos para docentes
Enviado: 06-07-2024
|Aceptado: 17-12-2024
|Publicado: 30-12-2024
Derechos de autor 2024 Ines Escario, Alejandro García, María Ripollés, Cristina Arriaga, Pilar Aurora Cáceres González, Miguel Ángel García Cumbreras
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Descargas
Palabras clave:
Inteligencia artificial generativa, Profesorado universitario;, Utilidades, Retos, Educación Superior
Agencias de apoyo:
Resumen:
La Inteligencia Artificial generativa (IAGen), con su capacidad para crear contenido original y simular interacciones humanas, está transformando diversos sectores, incluida la educación superior. Este artículo señala los principales usos y retos y revela las percepciones, desafíos y oportunidades en torno a su implementación en la educación superior. A partir de una encuesta realizada a docentes de las universidades pertenecientes a la Red Estatal de Docencia Universitaria (REDU) se revelan diferentes percepciones, desde el entusiasmo por el potencial de la IAGen para personalizar el aprendizaje y automatizar tareas, hasta la preocupación por sus implicaciones éticas y pedagógicas, como el plagio y la dependencia de la tecnología. Los usos de la IAGen incluyen la generación de contenido educativo, la retroalimentación automatizada y la creación de entornos de aprendizaje inmersivos. Entre los desafíos destacan las barreras institucionales, la falta de acceso a recursos actualizados y las dificultades para integrar la IAGen en la práctica docente de manera efectiva y ética. Los docentes desean recibir formación específica sobre IAGen, tanto en aspectos técnicos como pedagógicos, para aprovechar su potencial y mitigar sus riesgos. Estas conclusiones apuntan a la necesidad de abordar los desafíos identificados y promover la formación del profesorado para aprovechar al máximo el potencial de la IAGen en la educación superior. La investigación futura profundizará en la comprensión de las percepciones y necesidades del profesorado y en el desarrollo de estrategias efectivas para la implementación de la IAGen en el contexto universitario, teniendo en cuenta tanto sus beneficios como sus desafíos.
Citas:
Alosilla, W., Aitara, M., Múñoz, H. y Aceituno, C. (2024). Inteligencia artificicial e investigación científica. Ed. Estefany Lorena Vera Muñoz.
Ansari, A. N., Ahmad, S. y Bhutta, S. M. (2023). Mapping the global evidence around the use of ChatGPT in higher education: A systematic scoping review. Education and Information Technologies, 1-41. https://doi.org/10.1007/s10639-023-12223-4
Bahroun, Z., Anane, C., Ahmed, V. y Zacca, A. (2023). Transforming education: A comprehensive review of generative artificial intelligence in educational settings through bibliometric and content analysis. Sustainability,15(17), 12983. https://doi.org/10.3390/su151712983
Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84 (2), 191–215. https://doi.org/10.1037/0033-295X.84.2.191.
Bandura, A. (1986). Social Foundations of Thought and Action. Englewood Cliffs: Prentice-Hall.
Bandura, A. (2001). Social cognitive theory: An agentic perspective. Annual Review of Psychology, 52(1), 1-26. https://doi.org/10.1111/1467-839X.00024.
Bhargava, A., Bester, M. y Bolton, L. (2021). Employees’ perceptions of the implementation of robotics, artificial intelligence, and automation (RAIA) on job satisfaction, job security, and employability. Journal of Technology in Behavioral Science, 6(1), 106-113. https://doi.org/10.1007/s41347-020-00153-8
Bearman, M., Ryan, J. y Ajjawi, R. (2023). Discourses of artificial intelligence in higher education: A critical literature review. Higher Education,86(2), 369-385. https://doi.org/10.1007/s10734-022-00937-2.
Boubker, O. (2024). From chatting to self-educating: Can AI tools boost student learning outcomes?. Expert Systems with Applications,238, 121820. https://doi.org/10.1016/j.eswa.2023.121820
Charmaz, K. (2014). Constructing Grounded Theory. 2nd ed. London: Sage Publications.
Comisión Europea. Recomendaciones del Parlamento Europeo y del Consejo de Europa sobre las competencias clave para el aprendizaje permanente, 30.12.2006 Diario Oficial de la Unión Europea 10–18 (2006).
Corbin, J. y Strauss, A. (2008). Basics of qualitative research (3rd ed.): Techniques and procedures for developing grounded theory. SAGE Publications. https://doi.org/10.4135/9781452230153
Crompton, H. y Burke, D. (2023). Artificial intelligence in higher education: the state of the field. International Journal of Educational Technology in Higher Education, 20(1), 22. https://doi.org/10.1186/s41239-023-00392-8
Cruz, F.; García, I. Martínez, J.A.; Ruiz, A.; Ruiz, P.M.; Sánchez, A. y Turro, C. (2024). La inteligencia artificial generativa en la docencia universitaria. Oportunidades, desafíos y recomendaciones. Edita CRUE
Davis, F. D. y Granic, A. (1989). Technology acceptance model. New York. Springer.
Ferrari, A. (2013). DIGCOMP: A Framework for Developing and Understanding Digital Competence in Europe. Sevilla: JRC-IPTS.
Filgueiras, F. (2023). Artificial intelligence and education governance. Education, Citizenship and Social Justice. https://doi.org/10.1177/17461979231160674.
Flores-Vivar, J. M. y García-Peñalvo, F. J. (2023). Reflections on the ethics, potential, and challenges of artificial intelligence in the framework of quality education (SDG4). Comunicar, 31(74), 37-47. https://doi.org/10.3916/C74-2023-03
Glaser, B. G. y Strauss, A. (1967). The Discovery of Grounded Theory: Strategies for Qualitative Research. Chicago: Aldine Pub. Co. https://doi.org/10.1097/00006199-196807000-00014
Holmes, W., Porayska-Pomsta, K., Holstein, K., Sutherland, E., Baker, T., Shum, S. B., ... y Koedinger, K. R. (2022).Ethics of AI in Education: Towards a Community-Wide Framework. Int. J. Artif. Intell. Educ., 32, 504–526. https://doi.org/10.1007/s40593-021-00239-1
Holmström, J. (2022). From AI to digital transformation: The AI readiness framework.Business Horizons, 65(3), 329-339. https://doi.org/10.1016/j.bushor.2021.03.006
López Martín, E. y Martín Gutiérrez, S. (2023). Guía para integrar las tecnologías basadas en inteligencia artificial generativa en los procesos de enseñanza y aprendizaje.UNED
Luan, H., Geczy, P., Lai, H., Gobert, J., Yang, S. J., Ogata, H, y Tsai, C. C. (2020). Challenges and future directions of big data and artificial intelligence in education. Frontiers in psychology, 11, 580820. https://doi.org/10.3389/fpsyg.2020.580820
Luckin, R., Cukurova, M., Kent, C. y du Boulay, B. (2022). Empowering educators to be AI-ready. Computers and Education: Artificial Intelligence, 3, 100076. https://doi.org/10.1016/j.caeai.2022.100076
Mouta, A., Pinto-Llorente, A.M. y Torrecilla-Sánchez, E.M. (2024). Uncovering Blind Spots in Education Ethics: Insights from a Systematic Literature Review on Artificial Intelligence in Education. Int J Artif Intell Educ. https://doi.org/10.1007/s40593-023-00384-9
Nugroho, H. E. R. U. (2017). IT adoption model for higher education. Journal of Theoretical and Applied Information Technology, 95(12),2619-2625.
Ouyang, F., Zheng, L. y Jiao, P. (2022). Artificial intelligence in online higher education: A systematic review of empirical research from 2011 to 2020. Education and Information Technologies, 27(6), 7893-7925. https://doi.org/10.1007/s10639-022-10925-9
Porayska-Pomsta, K. (2024). A manifesto for a pro-actively responsible AI in education. International Journal of Artificial Intelligence in Education, 34(1), 73-83. https://doi.org/10.1007/s40593-023-00346-1
Redecker, C. (2020). Marco europeo para la competencia digital de los educadores: DigCompEdu. (Y. Punie, Ed., Fundación Universia y Ministerio de Educación y Formación Profesional de España, Trad.) Secretaría Técnica del Ministerio de Educación y Formación Profesional de España (original publicado en 2017)
Ribera, M. y Díaz Montesdeoca, O. (2024). ChatGPT y educación universitaria: posibilidades y límites de ChatGPT como herramienta docente. Barcelona: Universitat de Barcelona. IDP/ICE & Ediciones Octaedro. https://doi.org/10.36006/15224-1
Shortridge-Baggett, L. M. (2000). The theory and measurement of the self-efficacy construct. En Lenz y Shortridge-Baggett (eds.), Self-Efficacy in Nursing: Research and Measurement Perspectives, (pp. 9-28). New York: Springer Publishing Company.
Vuorikari, R., Kluzer, S. y Punie, Y. (2022). DigComp 2.2: Marco de Competencias Digitales para la Ciudadanía, con nuevos ejemplos de conocimientos, habilidades y actitudes. Versión española: Asociación Somos Digital https://somos-digital. org/digcomp
Wang, X., Li, L., Tan, S. C., Yang, L. y Lei, J. (2023). Preparing for AI-enhanced education: Conceptualizing and empirically examining teachers’ AI readiness. Computers in Human Behavior, 146, 107798. https://doi.org/10.1016/j.chb.2023.107798
