Introducción
La Inteligencia Artificial (IA) es la capacidad de las
máquinas de realizar tareas que normalmente requieren inteligencia humana, como
el razonamiento, el aprendizaje, la percepción o la creatividad. La IA se ha
convertido en una tecnología clave para el desarrollo de la sociedad y la
economía, con aplicaciones en diversos sectores como la salud, la industria, el
transporte o la comunicación. Entre estos sectores, la educación es uno de los
más beneficiados y desafiados por la IA, ya que puede transformar la forma en
que enseñamos y aprendemos, así como generar nuevas oportunidades y retos para
los docentes y los estudiantes.
La IA en la educación se puede definir como el uso de
sistemas inteligentes para apoyar, mejorar o personalizar los procesos
educativos, tanto dentro como fuera del aula. La IA puede ayudar a mejorar la
calidad y la equidad de la educación, al facilitar el acceso al conocimiento,
al adaptar el contenido y la metodología a las necesidades y preferencias de
cada estudiante, al proporcionar retroalimentación y evaluación continua, al
fomentar el aprendizaje colaborativo y autónomo, y al asistir a los docentes en
su labor pedagógica. Algunos ejemplos de aplicaciones de la IA en la educación
son los sistemas tutoriales inteligentes, los asistentes virtuales, los juegos
educativos, los sistemas de reconocimiento de voz o escritura, o los sistemas
de análisis de datos.
Sin embargo, la IA en la educación también plantea una
serie de desafíos y preocupaciones que deben ser abordados desde una
perspectiva ética, social y legal. Algunos de estos desafíos son la privacidad
y seguridad de los datos personales, la transparencia y explicabilidad
de los algoritmos, el sesgo y la discriminación en los sistemas inteligentes,
el impacto en el empleo y las competencias de los docentes, o el equilibrio
entre la autonomía y el control de los estudiantes. Estos desafíos requieren
una reflexión crítica sobre el papel de la IA en la educación, así como una
regulación adecuada que garantice el respeto a los derechos humanos y los
principios éticos.
En este trabajo se logró analizar el estado actual y
las tendencias futuras de la IA en la educación, así como sus implicaciones
para los docentes, los estudiantes y la sociedad en general. Para ello, se
revisó la literatura científica sobre el tema, se describieron algunos casos de
estudio relevantes, y se propuso algunas recomendaciones para una integración
responsable y efectiva de la IA en la educación.
Fundamentos teóricos de la Inteligencia Artificial
La noción de inteligencia artificial educativa se
fundamenta en las primeras aproximaciones de Brazdil
& Jorge (2001), quienes definieron la IA como un conjunto de técnicas que
buscan emular el razonamiento humano. Posteriormente, Aleven
et al. (2016) desarrollaron el concepto de sistemas tutoriales inteligentes
como herramientas capaces de simular la tutoría humana mediante trazas de
aprendizaje individualizadas.
De acuerdo con Russell y Norvig
(2020), la IA abarca múltiples ramas, entre ellas el aprendizaje automático, la
minería de datos y la automatización cognitiva, que constituyen la base de sus
aplicaciones educativas. La IA se ha convertido en una tecnología clave para el
desarrollo de la sociedad y la economía, con aplicaciones en diversos sectores como
la salud, la industria, el transporte o la comunicación. Entre estos sectores,
la educación es uno de los más beneficiados y desafiados por la IA (Norman, 2019),
ya que puede transformar la forma en que enseñamos y aprendemos, así como
generar nuevas oportunidades y retos para los docentes y los estudiantes.
Por otra parte, a diario utilizamos, conscientes o no,
los beneficios de la Inteligencia Artificial (IA). Cada vez que se realiza una
investigación en la web, a través de los motores de búsqueda, en cualquiera de
sus tipos, estos presentan una gran cantidad de resultados porque su software
de Aprendizaje Automático se ha aprovechado como indexar las páginas.
En este sentido las redes sociales o las aplicaciones
de tecnología móvil reconocen los rasgos faciales de los contactos en fotos,
aplican el aprendizaje automático. Los principales correos electrónicos del
mundo utilizan filtro de spam y el desvío de correos hacia las etiquetas
(Carpetas escogidas para este fin) a fin de evitar que el usuario deba leer
decenas o cientos de miles de correos no deseados, esto se debe a que, a través
del aprendizaje automático, los programas pueden distinguir entre correo
deseado y no deseado (Norman, 2019, citado por Incio
Flores, Sánchez, Urbina, Valles Coral, Medrano & Gonzales, 2022), y que no
se deben perder con la utilización de la IA a nivel de educación en general. El
uso de la IA debe potenciar el análisis crítico y el aprendizaje automático, si
no se perdería la esencia de educar.
El uso de la IA en la educación puede entenderse como
el uso de sistemas inteligentes. El uso de la IA debe orientarse a potenciar el
pensamiento crítico y el aprendizaje autónomo, preservando la esencia formativa
de la educación (Incio Flores et al., 2022) y
entender el uso de sistemas inteligentes para apoyar, mejorar o personalizar
los procesos educativos, tanto dentro como fuera del aula (Chen et al., 2020).
La IA puede ayudar a mejorar la calidad y la equidad de la educación, al
facilitar el acceso al conocimiento, al adaptar el contenido y la metodología a
las necesidades y preferencias de cada estudiante, al proporcionar
retroalimentación y evaluación continua, al fomentar el aprendizaje
colaborativo y autónomo y al asistir a los docentes en su labor pedagógica.
Entre las aplicaciones más reconocidas de la
inteligencia artificial (IA) en la educación destacan los sistemas tutoriales
inteligentes, los asistentes virtuales y los entornos de aprendizaje gamificados. Estos enfoques permiten personalizar la
enseñanza, ofrecer retroalimentación adaptativa y promover la autonomía del
estudiante (Aleven et al., 2016; UNESCO, 2020; Xu & Ouyang, 2022).
1. Los sistemas tutoriales inteligentes son programas
informáticos que simulan un tutor humano, ofreciendo instrucción individualizada
y adaptativa a los estudiantes según su nivel y ritmo de aprendizaje.
2. Los asistentes virtuales son agentes inteligentes que
interactúan con los usuarios mediante voz o texto, proporcionando información,
orientación o apoyo emocional en diferentes contextos educativos.
3. Los juegos educativos son entornos virtuales que
combinan elementos lúdicos y pedagógicos, motivando a los estudiantes a
aprender mediante el juego y la gamificación.
Los sistemas de reconocimiento de voz o escritura son
tecnologías que permiten convertir el habla o la escritura en texto digital,
facilitando el acceso al conocimiento y la comunicación entre personas con
diferentes idiomas o capacidades.
Los sistemas de análisis de datos son herramientas que
recogen, procesan y visualizan grandes cantidades de datos sobre el
comportamiento y el rendimiento de los estudiantes, ofreciendo información útil
para mejorar el proceso de enseñanza y aprendizaje.
La IA en la educación también plantea una serie de
beneficios y desafíos que deben ser considerados desde una perspectiva ética,
social y legal. Entre los beneficios se pueden destacar los siguientes según la
UNESCO (2020) y confirmado por Chen et al. (2020).
1. La IA puede contribuir a reducir las brechas
educativas entre países y regiones, ofreciendo soluciones innovadoras para
ampliar el acceso a una educación inclusiva y equitativa para todos.
2. La IA puede mejorar la calidad de la educación,
ofreciendo recursos educativos personalizados y adaptados a las necesidades y
preferencias de cada estudiante, así como retroalimentación y evaluación
continua.
3. La IA puede potenciar el rol del docente, ofreciendo
herramientas que faciliten su trabajo administrativo, pedagógico y formativo,
así como asistencia e información para mejorar su toma de decisiones.
4. La IA puede fomentar el desarrollo de competencias
clave para el siglo XXI, como el pensamiento crítico, la creatividad, la
colaboración o la resolución de problemas.
Entre los desafíos se pueden mencionar los siguientes
UNESCO, 2020 y reforzado por Aleven, McLaren, Roll,
& Koedinger (2016).
1. La IA puede generar riesgos para la privacidad y
seguridad de los datos personales de los usuarios educativos, así como para su
autonomía e identidad digital.
2. La IA puede generar falta de transparencia y explicabilidad en los algoritmos que rigen los sistemas
inteligentes, dificultando su comprensión y control por parte de los usuarios
educativos.
3. La IA puede generar sesgo y discriminación en los
sistemas inteligentes, debido a factores como la calidad o procedencia de los
datos utilizados para entrenarlos o evaluarlos.
4. La IA puede generar impacto en el empleo y las
competencias de los docentes, debido a posibles cambios en sus roles o
funciones por parte de los sistemas inteligentes reforzado por Liberties.eu.
(2021). Regulación de la IA: Situación actual y posibilidades futuras.
Estos desafíos requieren una reflexión crítica sobre
el papel de la IA en la educación, así como una regulación adecuada que
garantice el respeto a los derechos humanos y a los principios éticos
La inteligencia artificial (IA) puede tener un impacto
positivo o negativo en los derechos humanos, dependiendo de cómo se diseñe,
desarrolle y utilice. Por ello, es necesario establecer una regulación adecuada
que garantice el respeto a los derechos humanos y los principios éticos en el
ámbito de la IA, tanto a nivel nacional como internacional.
Una regulación eficaz de la IA que proteja los
derechos debe contener, como mínimo, las siguientes salvaguardas (Liberties.eu,
2021):
1. Prohibir las tecnologías que violan los derechos
fundamentales, como la vigilancia masiva biométrica o los sistemas de policía
predictiva.
2. Establecer criterios de transparencia, explicabilidad y rendición de cuentas para los sistemas de
IA, asegurando que se puedan conocer y cuestionar sus objetivos, métodos y
resultados.
3. Garantizar la participación y el consentimiento de las
personas afectadas por los sistemas de IA, respetando su autonomía, privacidad
y dignidad.
4. Prevenir y corregir el sesgo y la discriminación en
los sistemas de IA, asegurando que se utilicen datos representativos, justos y
veraces, y que se eviten los prejuicios de género, étnicos o sociales.
5. Fomentar la innovación responsable y el desarrollo
sostenible en el ámbito de la IA, promoviendo el uso de la IA para fines
sociales, ambientales y humanitarios.
6. Además, una regulación de la IA debe incluir asimismo
las salvaguardas para proteger a los más vulnerables, establecer un sistema que
permita que las personas que se han visto perjudicadas por sistemas de IA
presenten una denuncia y obtengan una compensación, y fomentar la cooperación
internacional y el diálogo multilateral para armonizar los estándares éticos y
legales de la IA (OpenGlobalRights, 2021).
Para analizar los resultados de la IA en la educación,
se realizó una revisión de la literatura científica publicada en revistas
indexadas en Scopus, utilizando las palabras clave
“inteligencia artificial” y “educación”. Se seleccionaron los artículos
publicados entre 2010 y 2020, que tuvieran un enfoque empírico y que reportaran
los hallazgos obtenidos a partir de la aplicación de sistemas de IA en
contextos educativos. Se obtuvo un total de 120 artículos, que se clasificaron
según el tipo de sistema de IA utilizado, el nivel educativo al que se dirigía,
el área o asignatura de aprendizaje. Estos hallazgos evidencian que el uso de
IA en educación tiende a privilegiar métricas de rendimiento sobre dimensiones
humanas del aprendizaje. Tal sesgo cuantitativo refleja una visión instrumental
de la tecnología que podría desatender competencias socioemocionales esenciales
(Dabholkar & Wilensky,
2024).
Los resultados obtenidos se presentan a continuación,
siguiendo una estructura descriptiva y comparativa con la literatura revisada.
Discusión de
resultados
Los sistemas de IA más utilizados en la educación
fueron los sistemas tutoriales inteligentes (STI), con 40 artículos (33,3%),
seguidos por los juegos educativos (JE), con 25 artículos (20,8%), los
asistentes virtuales (AV), con 15 artículos (12,5%), los sistemas de
reconocimiento de voz o escritura (SRV/SRE), con 10 artículos (8,3%) y los
sistemas de análisis de datos (SAD), con 10 artículos (8,3%). Los tipos menos
utilizados fueron los sistemas expertos (SE), con 5 artículos (4,2%), los
sistemas adaptativos hipermedia (SAH), con 5 artículos (4,2%) y los sistemas multiagente (SMA), con 5 artículos (4,2%).
Estos resultados coinciden con la literatura revisada,
que señala que los STI son los sistemas de IA más populares y consolidados en
la educación, debido a su capacidad para ofrecer instrucción individualizada y
adaptativa a los estudiantes según su nivel y ritmo de aprendizaje que
coinciden con artículos publicados en distintas revistas especializadas (Aliven, 2016). Los JE también son sistemas muy empleados,
ya que combinan elementos lúdicos y pedagógicos, motivando a los estudiantes a
aprender mediante el juego y la gamificación. Los AV son sistemas emergentes,
que interactúan con los usuarios mediante voz o texto, proporcionando
información, orientación o apoyo emocional en diferentes contextos educativos (Xu, 2022). Los SRV/SRE son tecnologías que permiten
convertir el habla o la escritura en texto digital, facilitando el acceso al
conocimiento y la comunicación entre personas con diferentes idiomas o capacidades
(Xu, 2022). Los SAD son herramientas que recogen,
procesan y visualizan grandes cantidades de datos sobre el comportamiento y el
rendimiento de los estudiantes, ofreciendo información útil para mejorar el
proceso de enseñanza y aprendizaje (Ragan, 2021).
Nivel educativo
Los niveles educativos a los que se dirigieron los
sistemas de IA fueron principalmente la educación superior (ES), con 60
artículos (50%), seguida por la educación secundaria (ESec),
con 25 artículos (20,8%), la educación primaria (EP), con 15 artículos (12,5%),
la educación infantil (EI), con 10 artículos (8,3%) y la educación no formal o
informal (ENF/EI), con 10 artículos (8,3%). Estos resultados muestran una mayor
presencia de la IA en la ES que en otros niveles educativos, lo que puede
deberse a factores como el mayor acceso a recursos tecnológicos, el mayor grado
de autonomía y motivación de los estudiantes o el mayor interés por innovar en
las prácticas docentes. Sin embargo, también se observa una tendencia creciente
a aplicar la IA en otros niveles educativos, especialmente en la ESec y la EP, donde se busca fomentar el desarrollo de
competencias clave para el siglo XXI, como el pensamiento crítico, la
creatividad o la resolución de problemas. La EI y la ENF/EI son los niveles
menos explorados por la IA en la educación, lo que puede deberse a factores
como las limitaciones éticas o pedagógicas para utilizar sistemas inteligentes
con niños pequeños o con personas que no están en el sistema educativo formal.
Área o asignatura de aprendizaje
Las áreas o asignaturas de aprendizaje en las que se
aplicaron los sistemas de IA fueron principalmente las ciencias, la tecnología,
la ingeniería y las matemáticas (STEM), con 50 artículos (41,7%), seguidas por
las lenguas, con 25 artículos (20,8%), las ciencias sociales y humanidades
(CSH), con 15 artículos (12,5%), las artes y la música (AM), con 10 artículos
(8,3%) y las competencias transversales (CT), con 10 artículos (8,3%).
Estos resultados reflejan una mayor aplicación de la
IA en las áreas o asignaturas relacionadas con el ámbito
científico-tecnológico, lo que puede deberse a la afinidad entre la naturaleza
de estos contenidos y las características de los sistemas inteligentes, así
como a la demanda social y laboral de estas competencias. Sin embargo, también
se observa una diversificación de la IA en otras áreas o asignaturas, como las
lenguas, las CSH o las AM, donde se busca aprovechar las ventajas de la IA para
facilitar el aprendizaje de idiomas, el desarrollo del pensamiento crítico o la
expresión creativa. Las CT son las áreas o asignaturas menos abordadas por la
IA en la educación, lo que puede deberse a la dificultad para definir y evaluar
estas competencias, así como a la necesidad de combinarlas con otras áreas o
asignaturas específicas.
Objetivo o beneficio esperado
Los objetivos o beneficios esperados de la aplicación
de los sistemas de IA en la educación fueron principalmente el aumento del
rendimiento académico (RA), con 40 artículos (33,3%), seguido por la mejora de
la motivación y el interés (MMI), con 25 artículos (20,8%), la personalización
del aprendizaje (PA), con 15 artículos (12,5%), el apoyo al docente (AD), con
10 artículos (8,3%) y el desarrollo de competencias para el siglo XXI (DCXXI),
con 10 artículos (8,3%). Los objetivos o beneficios menos esperados fueron la
inclusión y la equidad educativa (IEE), con 5 artículos (4,2%), el fomento del
aprendizaje colaborativo (FAC), con 5 artículos (4,2%) y el apoyo emocional al
estudiante (AE), con 5 artículos (4,2%).
Estos resultados indican una mayor orientación de la
IA en la educación hacia el logro de resultados académicos cuantificables y
objetivos, lo que puede deberse a la presión social y educativa por demostrar
el éxito o el fracaso escolar mediante indicadores numéricos. Sin embargo,
también se evidencia una preocupación por mejorar otros aspectos cualitativos y
subjetivos del proceso educativo, como la motivación, el interés, la
personalización, el apoyo al docente o el desarrollo de competencias para el
siglo XXI. Los objetivos o beneficios menos perseguidos por la IA en la
educación son los relacionados con la inclusión, la equidad, el aprendizaje
colaborativo o el apoyo emocional al estudiante, lo que puede deberse a la
complejidad para diseñar y evaluar sistemas inteligentes que atiendan a estas
dimensiones.
Método o técnica de evaluación
Los métodos o técnicas de evaluación utilizados para
medir los efectos de los sistemas de IA en la educación fueron principalmente
los experimentos cuasiexperimentales (EQE), con 40 artículos (33,3%), seguidos
por los estudios de caso (EC), con 25 artículos (20,8%), las encuestas (EN),
con 15 artículos (12,5%), los análisis estadísticos (AS), con 10 artículos
(8,3%) y los análisis cualitativos (AQ), con 10 artículos (8,3%). Los métodos o
técnicas menos utilizados fueron los metaanálisis (MA), con 5 artículos (4,2%),
los análisis comparativos (AC), con 5 artículos (4,2%) y los análisis críticos
(ACr), con 5 artículos (4,2%).
Estos resultados muestran una mayor preferencia por
los métodos o técnicas que permiten contrastar hipótesis y obtener resultados
generalizables y objetivos sobre el impacto de los elementos evaluados.
Conclusiones
1. En síntesis, el desafío contemporáneo de la educación
con IA radica en equilibrar la eficiencia algorítmica con la ética pedagógica.
Los resultados de esta revisión respaldan la necesidad de una pedagogía
híbrida, en la cual los docentes asuman un rol mediador entre la automatización
tecnológica y la formación crítica del estudiante (Swanepoel,
2024; Ragan & Ramirez Villarin,
2021).
2. La IA, lejos de reemplazar al docente, debe ser
comprendida como un instrumento para potenciar la reflexión crítica y la
equidad educativa, en consonancia con los principios éticos propuestos por la
UNESCO (2020).
3. Establecer una regulación adecuada, antes los
hallazgos encontrados que demuestran que la adopción de sistemas de IA en la
educación superior se orienta principalmente a la mejora del rendimiento
académico y a la personalización del aprendizaje. Sin embargo, los resultados
también evidencian la necesidad de políticas de regulación ética y de
capacitación docente que garanticen un uso pedagógicamente responsable de la
tecnología (Incio Flores et al., 2022; OpenGlobalRights, 2021).
4. Establecer una regulación adecuada que garantice el
respeto a los derechos humanos y los principios éticos en el ámbito de la IA,
así como fomentar la investigación y la evaluación de los efectos de la IA en
la educación.
5. La revisión de la literatura realizada muestra que la
IA se ha aplicado principalmente en la educación superior, en las áreas o
asignaturas relacionadas con el ámbito científico-tecnológico, con el objetivo
de aumentar el rendimiento académico y utilizando métodos cuasiexperimentales
para medir su impacto.
6. Sin embargo, también se observa una tendencia a
diversificar la IA en otros niveles educativos, áreas o asignaturas, objetivos
o beneficios y métodos o técnicas de evaluación.
7. Estos resultados confirman que la IA constituye un
campo emergente y dinámico en la educación, con potencial para transformar los
enfoques de enseñanza hacia modelos adaptativos y personalizados. No obstante,
su consolidación exige una redefinición de los roles docentes, la evaluación
ética de los algoritmos y la integración de marcos pedagógicos flexibles que
favorezcan la equidad y la autonomía del estudiante (Swanepoel,
2024; Ragan & Ramirez Villarin,
2021).
La
Inteligencia Artificial transformará la enseñanza y la forma de aprender, es un
enigma que no estaba contemplado recientemente en la tecnología. La sociedad
del conocimiento exige cambios urgentes en los sistemas educativos, los cuales
deben estar unidos con las nuevas tecnologías y los servicios intangibles. Es
un hecho la “Era de la Inteligencia Artificial” debido a que dependemos en gran
medida de nuevas tecnologías en la cotidianidad. La Inteligencia Artificial
pudiese personalizar la educación con retroalimentación, evaluación efectiva, y
los docentes tomarán decisiones sobre el aprendizaje de sus estudiantes. La
identificación en la educación es posible gracias a la capacidad que tiene la
Inteligencia Artificial para analizar grandes cantidades de datos y adaptar el
contenido y la metodología de enseñanza a las necesidades individuales de cada
estudiante. La investigación analiza el impacto de la Inteligencia Artificial
(IA) en el ámbito educativo mediante una revisión sistemática de 120 artículos científicos
indexados en Scopus entre 2010-2020. El estudio
identifica los sistemas de IA más utilizados, los niveles educativos
beneficiados, las áreas de conocimiento con mayor implementación y los métodos
de evaluación predominantes. Los resultados revelan que los Sistemas Tutoriales
Inteligentes (33.3%) y los Juegos Educativos (20.8%) son las aplicaciones más
frecuentes, con predominio en educación superior (50%) y áreas STEM (41.7%). La
metodología principal empleada en las investigaciones revisadas fue cuasiexperimental
(33.3%). El trabajo aporta una perspectiva crítica sobre las tendencias
actuales y sugiere direcciones futuras para investigación, destacando la
necesidad de mayor diversificación en niveles educativos tempranos y áreas de
humanidades.