Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
Introducción
En el ámbito educativo moderno, la revisión sobre las tecnologías en inteligencia artificial (IA) se presenta como un elemento para abordar nuevos desafíos, como la adaptación a entornos digitales y la transformación de los procesos de enseñanza y aprendizaje. Por esa razón, este artículo tuvo como objetivo proporcionar una visión amplia y equilibrada del panorama actual de la IA en las escuelas. En este sentido, se estudiaron las implicaciones educativas que emergen al explorar las relaciones entre el conocimiento en informática y las nuevas herramientas tecnológicas y la formación docente universitaria, donde es fundamental destacar el énfasis en la integración de la IA en la formación tanto de docentes como de profesionales del saber.
Con esta búsqueda sistemática se exploraron las competencias, habilidades y concepciones respecto a la enseñanza de la IA en diferentes contextos internacionales, tomando como ejemplo experiencias significativas, entre ellas las desarrolladas en varios países de Europa, Asia y América, que lideran la transformación digital e incentivan a los docentes a que la incorporen en la educación.
De igual manera, fue posible visualizar diversos modelos científicos que implementan eficazmente el aprendizaje generado con estas tecnologías, y consideran la importancia de adaptarse a diferentes contextos educativos y enfoques pedagógicos, como el aprendizaje basado en proyectos y su relación con la inteligencia. En este sentido, se destaca el impacto del enfoque híbrido (modalidad virtual y presencial de manera simultánea) potenciado por la pandemia, así como la comparación de modelos en inteligencia artificial que incorporan estrategias de gamificación para fortalecer el proceso de enseñanza y aprendizaje por el rápido crecimiento de esta tecnología que ha cambiado los estilos de vida, los patrones de trabajo y los enfoques educativos, y se ha incrementado en los últimos años en el contexto de las redes inalámbricas y especialmente en la pandemia por covid-19.
Asimismo, en la formación docente, se enfatiza en la necesidad de explorar las competencias en el desarrollo profesional en algunas áreas específicas, con aplicaciones acordes a la era digital con el propósito de transformar los currículos educativos y maximizar el impacto positivo en la vida de los estudiantes en entornos digitales. Esta transformación busca potenciar el uso de tecnologías emergentes para impulsar el aprendizaje; fomentar un mayor desarrollo individual y colectivo; mejorar la competencia de los (las) docentes en la enseñanza de la IA, y promover la educación general.
Se espera que esta investigación ofrezca un panorama actualizado al profesorado en sus aulas y funcionarios encargados de generar políticas educativas, en torno al empleo de la tecnología y su buen uso, teniendo como base un componente ético sólido para la diseño y puesta en marcha de software de IA en las escuelas, sobre todo en países latinoamericanos, en donde se presenta un leve rezago en este campo.
Metodología
Para esta revisión sistemática se tuvieron en cuenta los siguientes métodos, presentes en la lista de verificación de la metodología Prisma (preferred reporting items for systematic reviews and meta-analyses (ítems de información preferentes para revisiones sistemáticas y metaanálisis)) (Page et al., 2020): criterios de elegibilidad (criterios de inclusión y exclusión); fuentes de información (base de datos Scopus); estrategias de búsqueda (presentados a través de un diagrama de flujo), y resumen de la matriz bibliográfica.
La metodología Prisma, que se diseñó para ayudar a los autores de revisiones sistemáticas a documentar de manera transparente el porqué de la labor, tiene el potencial de beneficiar a muchos grupos de interés, y permitirles a los lectores evaluar la idoneidad de los métodos y, por tanto, la fiabilidad de los hallazgos (Page et al., 2020). De acuerdo con los autores, las revisiones sistemáticas son útiles en muchos aspectos críticos, ya que pueden proporcionar una síntesis del estado del conocimiento en un área determinada, que sirven para identificar futuras prioridades de investigación; abordar preguntas que de otro modo no podrían ser respondidas por estudios individuales; identificar problemas en la investigación primaria que deben ser corregidos en futuros estudios, y generar o evaluar teorías sobre cómo o por qué ocurren fenómenos de interés.
Finalmente, con el fin de que una revisión sistemática sea valiosa, se debe elaborar una publicación transparente, completa y precisa en la que se justifique su propósito, además de qué se ha hecho y qué se ha encontrado.
Material
Para esta revisión sistemática se hizo un reconocimiento de material bibliográfico que consta de 52 artículos indexados desde 2019 a 2023, periodo en el cual las investigaciones sobre IA tuvieron un auge sin precedentes. La búsqueda y el análisis de la información se hicieron de forma manual en la base de datos Scopus, entre el 2 de marzo y 22 de marzo de 2024.
Procedimiento
Esta revisión se centra en las investigaciones más recientes sobre el uso de la inteligencia artificial en las escuelas, mediante el análisis de artículos publicados entre 2019 y 2023. Se incluyeron estudios que exploran la implementación de la IA en Educación Básica y Secundaria, excluyendo otras áreas como la educación superior o los negocios.
Criterios de inclusión. Se realizó la búsqueda con las palabras claves “artificial intelligence”, “school” y “education”. Se incluyeron artículos de revista en su versión final, de acceso abierto y en inglés y español, publicados entre los años 2019 y 2023, en las áreas de Ciencias Sociales (Social Sciences) y Ciencias de la Computación (Computer Sciences).
Criterios de exclusión. Se excluyeron textos que no fueran artículos de investigación, que hayan sido publicados antes de 2019 o después de 2023, que estuvieran relacionados con áreas de la salud, ingeniería, negocios, entre otras. También, se excluyeron términos relacionados con áreas de la salud, los negocios, docencia universitaria, para centrarse en la implementación de la IA en las escuelas, desde educación preescolar hasta secundaria.
Para delimitar el estudio sobre la inteligencia artificial en la educación, se empleó la siguiente ecuación de búsqueda en la base de datos Scopus:
Ecuación de búsqueda (básica):
TITLE-ABS-KEY (“artificial intelligence” school AND education AND NOT review AND NOT medicine AND NOT engineering).
Ecuación de búsqueda (completa): esta se detalla en la figura 1.
Análisis de la ecuación
A continuación, se presenta un análisis pormenorizado de la búsqueda:
Términos de búsqueda. La ecuación de búsqueda utiliza palabras clave como “artificial intelligence”, “school” y “education”. Utiliza operadores booleanos para excluir ciertos términos como “review”, “medicine” y “engineering” que no son relevantes para la búsqueda.
Años de publicación. Se hizo la búsqueda a artículos publicados entre 2019 y 2023.
Tipo de documento. Se limita la búsqueda a artículos académicos (ar).
Idioma. Se incluyen artículos en inglés y español.
Áreas temáticas. Se enfoca en las áreas de Ciencias Sociales (SOCI), que contiene los estudios relacionados con educación, y de Ciencias de la Computación (COMP), que abarcan los campos relacionados con algoritmos y diseño de software. Excluye otras áreas como ingeniería, matemáticas, psicología, entre otras.
Etapa de publicación. La búsqueda se enfoca en documentos en su etapa final de publicación, para que cualquier lector tenga acceso inmediato a los documentos.
Acceso abierto. Se incluyen únicamente documentos de acceso abierto.
Exclusiones de palabras clave. Se excluyen palabras clave relacionadas con medicina, educación médica, entre otras, para refinar la búsqueda, debido a que, al excluir esos términos, se asegura que la búsqueda se centre en los artículos relacionados con la implementación de la IA en la educación, arrojando resultados más precisos y relevantes.
Exclusiones de títulos de revistas. Se excluyeron revistas específicas para evitar resultados no deseados, que incluso después de descartar áreas relacionadas con la medicina o negocios, seguían apareciendo.
Matriz bibliográfica
En la tabla 1, se presenta una matriz bibliográfica abreviada de los resultados de los artículos en orden cronológico, en la que se detallan aspectos importantes como el nombre del documento, el DOI (digital object identifier), el tipo de investigación y el año de publicación.
Análisis de resultados
Del total de 52 artículos encontrados, las figuras 3, 4 y 5 muestran un análisis de los resultados obtenidos por la base de datos Scopus.
Análisis por año de publicación
En la búsqueda sistemática, los datos recopilados revelan una tendencia en aumento en el número de artículos publicados por año. En 2019, se identificaron un total de 3 artículos válidos y aumentó a 6 en 2020. Luego tuvo un incremento en los años siguientes. En 2021, se publicaron 13 artículos y en 2022 este número creció a 17. Se le puede atribuir al aumento significativo este año a la aparición del programa ChatGPT. Sin embargo, en 2023, se observó una ligera disminución en la producción de artículos, con un total de 13 documentos, quizás debido al estancamiento tras la pandemia en 2020 y 2021, lo que llevó a un aumento en 2022, normalizándose en 2023.
Análisis por área de conocimiento
Los artículos sobre IA en educación están distribuidos entre Ciencias Sociales (56,5 %) y Ciencias de la Computación (43,5 %). Este equilibrio sugiere una convergencia entre el enfoque tecnológico y el humano y contextual, en la implementación de soluciones educativas basadas en IA. De hecho, algunos artículos están clasificados en los dos campos académicos, en donde se encuentran 39 artículos clasificados dentro las Ciencias Sociales, y 27 dentro de las Ciencias de la Computación.
Análisis por país o territorio
El análisis revela la contribución de varios países en esta área, liderada por Estados Unidos, seguido de China, mientras que Australia y Hong Kong comparten el tercer lugar. Reino Unido muestra también un liderazgo, seguido de cerca por Alemania. Estos datos resaltan el interés global en esta tecnología y muestran la importancia de la colaboración internacional para impulsar su desarrollo e implementación en el sector educativo.
Análisis por citación de artículos
También es importante dar un vistazo al número de citas de los artículos. En general, se observa que estos tienen una gran referenciación: 42 de ellos fueron citados por lo menos una vez.
El artículo más citado es “Machine learning for human learners: Opportunities, issues, tensions and threats” (2021), de Webb et al., con un total de 44 citas hasta el momento. Este artículo examina las implicaciones de los desarrollos recientes en el aprendizaje automático para los estudiantes humanos, comparando el aprendizaje profundo en computadoras y humanos para examinar sus similitudes y diferencias.
De acuerdo con los autores, para que los estudiantes puedan comprender la naturaleza de los sistemas que pueden respaldar su propio aprendizaje, así como actuar como ciudadanos responsables al contemplar las implicaciones éticas que plantea el aprendizaje automático, deben comprender los aspectos clave de los sistemas de aprendizaje automático y tener oportunidades para adaptar y crear dichos sistemas.
En la tabla 2 se detallan los artículos que fueron citados más de 30 veces, a la fecha del 22 de marzo de 2024.
Análisis y discusión de resultados
De la revisión exhaustiva de los artículos, se extrajeron cuatro grandes temáticas relacionadas con la inteligencia artificial: (a) procesos de enseñanza (con 26 artículos); (b) pedagogía, currículo y formación docente (con 11 artículos); (c) gestión educativa (con 5 artículos), y (d) implicaciones éticas en el uso de la IA en la educación (con 10 artículos).
Procesos de enseñanza
Uno de los campos donde más se emplea la IA es el de la enseñanza. Decenas de docentes alrededor del mundo están utilizando esta tecnología para mediar sus procesos académicos. Entre las investigaciones más destacadas se encuentran las siguientes:
Deveci et al. (2021) hicieron un estudio que indagaba por el éxito de un chatbot en las clases de ciencias en estudiantes de grado quinto. Los autores plantean que esta tecnología es un software de procesamiento del lenguaje natural (NLP) que utiliza IA para comprender las preguntas más rápido y proporcionar respuestas eficientes, mientras que los asistentes inteligentes la utilizan para extraer información crítica de grandes conjuntos de datos definidos por el usuario para mejorar el tiempo. Al analizar las opiniones de los estudiantes sobre el chatbot, en general encontraron varias utilidades como ayudar al aprendizaje de manera más amena, que aumentó su curiosidad sobre la asignatura, tenían fácil acceso a cualquier hora y lo podrían utilizar en otras materias. Los estudiantes percibieron el chatbot como una guía para ayudarles a aprender temas fuera del aula y los cursos en línea fue una razón de la preferencia de los estudiantes por utilizar la herramienta.
De acuerdo con los autores, los chatbots son asistentes digitales eficaces que pueden proporcionar información a sus usuarios, responder preguntas y discutir un tema específico o realizar una tarea determinada. Pueden conocer las preferencias de un usuario a lo largo del tiempo, hacer sugerencias e incluso anticipar sus necesidades. Siri de Apple, Alexa de Amazon, Microsoft Cortana o el Asistente de Google se encuentran entre las tecnologías de este tipo artificial más conocidas. Los asistentes virtuales siguen reglas o flujos integrados para responder preguntas que les permiten contestar a sus usuarios.
A diferencia de los asistentes digitales, que se encuentran dentro de la IA tradicional, existe la IA generativa, como ChatGPT, Perplexity, Dall-E, MuseNet, entre otras, que se centran en el desarrollo de algoritmos que pueden crear contenido nuevo y original, como texto, imágenes, música y video.
Para Chang et al. (2023) , esta tecnología supone un desafío significativo para el rol tradicional de los educadores y existe la preocupación de que los estudiantes puedan utilizar estas herramientas para obtener reconocimiento académico sin un compromiso real en el proceso de aprendizaje. En este contexto, es evidente que la IA generativa se ha convertido en una tendencia ineludible en el ámbito educativo y que, sin duda, será utilizada por los estudiantes. Los autores sugieren que, en lugar de intentar reprimir su uso, los docentes deberían adoptar una postura proactiva, además de buscar y explorar formas de adaptar su enfoque pedagógico a esta nueva realidad.
Por su parte, Cheng y Wang (2023) consideran que el reciente surgimiento de la IA generativa, en particular ChatGPT, hace imperativa la conexión de la educación con la IA. Según los autores, aunque muchos investigadores tratan de buscar la manera de implementar esta tecnología en la educación básica, varios gobiernos ya han introducido políticas para tratar este tema. Se ponen de ejemplo a Estados Unidos, Reino Unido y China, que enfatizan la educación como eje para la aplicación de la IA.
Xia, et al. (2023) aseguran que la inteligencia artificial (IA) puede proporcionar un entorno positivo para el aprendizaje autorregulado (self-regulated learning (SRL)) y que las tecnologías de IA pueden apoyar potencialmente el autoaprendizaje de conocimientos disciplinarios de los estudiantes a través de chatbots que entablan conversaciones, por ejemplo, corrigiendo errores de pronunciación, ortografía y gramaticales.
Los factores que afectan este aprendizaje de los (las) adolescentes a través de las tecnologías de IA aún no están claros, porque el comportamiento disciplinario puede afectar la motivación en los estudiantes, como lo explica la teoría de la autodeterminación (self-determination theory (SDT)); por este motivo se revisaron los efectos de la satisfacción de necesidades en SDT y la relación entre el conocimiento de los estudiantes y SRL. Se realizó una encuesta a 323 estudiantes de noveno de escuelas en Hong Kong y se analizó que su conocimiento previo de inglés, pero no su conocimiento de IA, afectaba directamente su SRL, por esto se requiere un aprendizaje cognitivo para satisfacer de autonomía y competencia para un mayor aprendizaje.
Según Kajiwara et al. (2023) , el estudio sobre la educación en inteligencia artificial (IA) en educación secundaria plantea tres desafíos: el aprendizaje automático, la enseñanza y la influencia y aceptación de la tecnología en la IA. Las personas que participaron utilizaron un modelo para esquematizar el proceso de adquisición, representación de datos y gráficas. Los resultados mostraron que el proceso de percepción, la representación de datos y el razonamiento basado en reglas y el aprendizaje y evaluación de modelos simples son capaces de comprender el proceso de optimización del modelo mediante juegos de donde los participantes comprenden los criterios de decisión de la IA, cuyo objetivo es desarrollar un curso de aprendizaje autónomo basado en proyectos para la implementación de tecnología de IA.
Además, la recopilación de datos y la visualización del estado se realizaron por medio de varios dispositivos de hardware como Arduino, sensores, y programación de Python. En este estudio participaron estudiantes de grado undécimo. Las variables incluyeron la comprensión de los conceptos de IA, el pensamiento computacional (CT) y la actitud de aprendizaje.
Zhang (2023) señala que en los avances en inteligencia artificial (IA), las tecnologías de redes han experimentado mejoras sustanciales como las aulas inalámbricas basadas en IA en diversas instituciones educativas y las diferentes experiencias en el aprendizaje independiente. Además, al incorporar conocimientos relevantes del aula y emplear un mecanismo de gestión bien estructurado, las aulas inalámbricas presentan claras ventajas sobre las configuraciones de aula tradicionales, fomentan la retroalimentación visual, refuerzan las capacidades de aprendizaje independiente de los estudiantes y elevan la calidad general de la enseñanza moderna.
Pedagogía, currículo y formación docente
En este apartado, se menciona una gran variedad de investigaciones. Algunas tienen que ver con el aporte desde las universidades a la formación de los docentes, y otras proponen hacer cambios estructurales en los lineamientos pedagógicos en la enseñanza de asignaturas, a través de herramientas metodológicas o modificaciones a las mallas curriculares.
Por una parte, tenemos un trabajo que analizó la forma en que las y los docentes de secundaria construyen comprensiones epistemológicas al interactuar con científicos, mediante la aplicación de observación participante, entrevistas a un grupo de docentes, artefactos en el aula y videos. Dai (2023) pudo establecer tres patrones de interacción entre docentes y científicos: negociación recíproca de la presentación del conocimiento, la observación e interpretación de las prácticas científicas, y la inconsistencia en la transmisión del conocimiento.
También pueden mencionarse An (2023) , Cheng y Wang (2023) , Kim y Kwon (2023) , Henze et al. (2022) , y Kim y Kim (2022), quienes investigaron sobre cómo mejorar las prácticas educativas en las aulas. El primero hizo una investigación acerca de las percepciones, conocimientos y la intención de comportamiento con profesores de Inglés en secundaria, sobre el uso de la IA para apoyar la enseñanza de esta lengua, mediante la implementación de una encuesta a cientos de docentes en un distrito de China. Los resultados fueron positivos con respecto a los valores medidos, y le permitieron al autor crear un esquema que brinde a docentes un esquema teórico que fomente su intención conductual para la incorporación de la IA en la enseñanza de la segunda lengua.
Las tres siguientes investigaciones se propusieron identificar problemas relacionados con la formación del profesorado en la introducción de la IA en la educación. El estudio de Cheng y Wang (2023) se aplicó a profesores de China y Rusia, a través de un cuestionario en línea, y concluyó que la formación de docentes relacionada con IA mejora el aprendizaje de los estudiantes, pero debe combinarse con educación tradicional para que sea exitosa.
Entre tanto, Henze et al. (2022) , y Kim y Kwon (2023) exploraron las experiencias y percepciones de los docentes de educación secundaria, aplicando los planes de estudio de IA, y los resultados del estudio ayudaron a comprender las prácticas de esta tecnología en esos países, cuya información servirá de insumo para los formadores de docentes y para los formuladores de políticas que mejoren la competencia de los maestros en la enseñanza basada en la IA, con propuestas bastante similares.
Gestión educativa
En la gestión educativa, hay estudios que brindan una perspectiva bastante amplia acerca de los potenciales que ofrece la IA.
Niyogisubizo et al. (2022) abordan la temática de la deserción escolar. Por medio de redes neuronales, proponen un sistema de detección de causas de deserción escolar en educación secundaria, basado en el constructivismo social de Morin y la teoría general de sistemas de Bertalanffy, para fortalecer la permanencia y el rendimiento académico. Los autores manifiestan el gran potencial que puede tener este modelo tecnológico en la transformación de la educación secundaria.
Según Howard et al. (2022) , se les está dando poco uso a los datos para la toma de decisiones en el campo educativo, entonces proponen un marco de viajes de datos, no solo para enmarcar los procesos dinámicos de ellos, sino también para establecer identidades y alfabetizaciones, con el fin de explorar la política educativa y las implicaciones del uso de la IA en la educación.
A’mar et al. (2022) ven en el director de escuela un actor fundamental en el proceso educativo. Aplicaron una encuesta a más de 1000 directivos y docentes de escuelas públicas palestinas sobre mejora sistémica, liderazgo visionario, excelencia en la práctica profesional, cultura de aprendizaje de la era y ciudadanía digital. Esto arrojó resultados positivos y una relación significativa entre esos cinco rasgos asociados con el liderazgo tecnológico y desarrollo profesional en las escuelas públicas de Cisjordania.
Por último, en un estudio de Inusah et al. (2023) , se evidencia la importancia de implementar esta tecnología para tratar de solventar problemas básicos como la falta de sillas y mesas en las escuelas. Los autores plantean un sistema experto neuronal (ES), que emplea una notificación inteligente del sistema para monitorear la necesidad y suministro de recursos solicitado a los actores que intervienen en el proceso. La dinámica ha mejorado los tiempos de entrega, ha incrementado la velocidad en la toma de decisiones y ha facilitado el manejo del recurso.
Implicaciones éticas en el uso de las IA
Cuando se habla de las implicaciones éticas que trae la implementación de la IA, no solo se hace referencia a la mala utilización de algoritmos matemáticos que pueden tener sesgos a la hora de programarla, sino también a otra serie de hechos que generarían conflicto a la hora de ponerse en funcionamiento el uso de la IA.
Saltman (2020) expone los riesgos tanto en la implementación de la IA en las escuelas públicas como en la privatización de la educación y de la desaparición de la educación democrática, todo ligado a las políticas neoliberales de los últimos cuarenta años, y pone de ejemplo, entre otros, la aplicación de la tecnología de aprendizaje adaptativo.
Al revisar los componentes éticos que debe tener todo tipo de tecnologías relacionadas con IA en la educación, los autores van más allá de reconocer los riesgos obvios que surgen día tras día, como el uso inadecuado de datos de cualquier actor educativo, como estudiantes o docentes, o la discriminación mediante sesgos en los algoritmos. También se encuentran temas importantes como el cuidado del medio ambiente y la democratización de la educación.
Por otro lado, frente a programas como ChatGPT, Gray (2020) manifiesta su preocupación por el uso de privacidad de datos sin control de niños y jóvenes en las escuelas, cuando se pone en práctica la IA. Este autor propone un modelo que protege a los individuos dentro de la Unión Europea, que a su juicio no logra un equilibrio entre la equidad, los derechos pedagógicos individuales, los derechos de privacidad de los datos y el uso efectivo de los mismos.
Otra visión poco tradicional es aquella asociada con que en el futuro la IA va a acercar el rol de la familia con el de la escuela, pero existe el temor de poder aumentar el nivel de aprendizaje a costa del componente social (Reiss, 2021). El autor ve con buenos ojos el enorme potencial de esta tecnología en un futuro cercano, y que los grandes beneficios en los procesos de enseñanza se verán primero en los estudiantes con necesidades educativas especiales. Un ejemplo de los beneficios es el que se está viendo en algunas escuelas de Inglaterra, tanto públicas como privadas, que están utilizando una herramienta de IA diseñada para predecir autolesiones, abuso de drogas y trastornos alimenticios, lo cual ha hecho que disminuyan los incidentes de autolesión. Este autor examina la personalización del aprendizaje. Aunque manifiesta que existen pros, considera que, en el caso de los estudiantes jóvenes, una proporción bastante alta de lo que se debe aprender no es distintivo para el alumno. Cuando lo que se va a aprender es común a varios alumnos, estos pueden aprender unos de otros, así como también del docente. En su propia experiencia, se convenció de que hay también un papel de suma importancia vital para la discusión en grupo. Explica que no hay razón para enfrentar la IA y el aprendizaje grupal y que, por el contrario, se pueden complementar.
Más adelante, McKenzie y Gulson (2023) ofrecen una perspectiva diferente de lo que implica el uso no solo de este avance, sino también del manejo de datos digitales y su correlación con el gasto de energía eléctrica que repercute en el cambio climático, lo que va ligado a la instalación de infraestructura para mantener de forma lineal el crecimiento del número de escuelas.
Los autores proponen tres alternativas para hacer de las escuelas sitios más amigables con el medio ambiente, como los programas de “ecoescuelas” y las iniciativas de “IA para el bien” de EdTech, los esfuerzos por “computar dentro de los límites”, generando un decrecimiento en la construcción de esos andamiajes tecnológicos.
Conclusiones
Esta revisión sistemática, cuyo objetivo consistió en comprender el contexto actual del uso de la inteligencia artificial (IA) en las escuelas, se realizó de forma manual. Este tipo de revisión tiene como características su rigor y meticulosidad, las cuales posibilitan un análisis más profundo y crítico de los trabajos seleccionados, a la vez que asegurar la calidad y confiabilidad de la información recopilada. A diferencia de la revisión automatizada, la manual permite identificar aspectos sutiles y matices, y ofrece flexibilidad para adaptar el proceso a medida que surgen nuevos hallazgos, lo que permitió encontrar los siguientes resultados muy prometedores:
En cuanto los procesos de enseñanza, la pedagogía, el currículo y la práctica docente, los estudios encontrados coinciden en que los (las) docentes sí desean incorporar al currículo a sus prácticas educativas la tecnología de la IA, sin dejar de lado la educación tradicional. El punto de vista de los docentes es esencial para el desarrollo curricular, debido a que son los usuarios finales de los materiales curriculares y con el aumento en la demanda de educación de IA en las escuelas, la capacitación de los maestros es muy importante para los procesos de enseñanza y aprendizaje.
Por otro lado, en lo concerniente al componente de la gestión educativa, se puede considerar crucial en el desarrollo y en las mejoras de los procesos educativos, toda vez que se encarga de la toma de decisiones para el buen funcionamiento de las escuelas que favorecen el clima escolar, y pone como eje el bienestar de los estudiantes y de la comunidad educativa en general.
En cuanto a las implicaciones éticas de la implementación de IA en la educación, se deben abordar tanto los problemas cotidianos en el tratamiento de datos de cualquiera de los actores educativos o los sesgos en los algoritmos, como aquellos que son sustanciales el cuidado del entorno natural y la democratización de la educación.
En la revisión sistemática se observan los grandes avances en Asia, Europa y Estados Unidos en el campo de la IA en las escuelas. Sin embargo, los países de América Latina no se quedan atrás, como es el caso de Colombia, en donde se ha trabajado desde el Gobierno en lineamientos para regular la implementación de la IA en la educación. Pero estos esfuerzos políticos deben venir acompañados de un trabajo mancomunado con las escuelas desde su gestión educativa, al igual que la puesta en marcha de marcos éticos que regulen el diseño de estos avances, y una inversión más fuerte en investigación; por supuesto, hay que involucrar al profesorado en el desarrollo, implementación y evaluación de la IA, para integrarla al currículo.
Reconocimiento
Este artículo surge de la revisión bibliográfica que sirve como insumo al proyecto de “Impacto de la implementación de un modelo de inteligencia artificial (chatbot) en la gestión educativa de un colegio público de Bogotá”, desarrollado para el Doctorado en Educación de la Universidad Antonio Nariño de Bogotá.
