Influencia de la inteligencia artificial generativa en el perfeccionamiento de la educación: perspectivas y prácticas docentes
Resumen
La Inteligencia Artificial Generativa (IAGen) está transformando el ecosistema educativo, evidenciándose en los procesos de enseñanza y aprendizaje (PEA). Esto incluye la personalización del aprendizaje, la automatización de tareas académico-administrativas, la provisión de tutorías y retroalimentación individualizada, la detección de patrones de aprendizaje, el uso de asistentes virtuales, la evaluación formativa y sumativa, y el análisis del impacto ético de la Inteligencia Artificial (IA) en la educación. Todos estos factores considerados en la investigación se complementaron con el objetivo de evaluar las prácticas docentes con IAGen para la creación de recursos educativos. El estudio aplicó metodología cuantitativa, con la participación de 48 docentes de Instituciones de Educación Superior (IES) en la formación de herramientas IA durante el módulo del año 2024. La investigación consideró productos académicos desarrollados y clasificados en cuatro categorías: Contenidos, Gráficos, Videos y Evaluaciones. Para el análisis, se utilizaron programas como Excel y RStudio para aplicar pruebas estadísticas paramétricas y no paramétricas, evaluando la normalidad con las pruebas de Shapiro-Wilk y Anderson-Darling. Asimismo, el análisis de varianza (ANOVA), junto con las pruebas de Friedman y Kruskal-Wallis, revelaron diferencias significativas entre las categorías establecidas. Además, se analizaron correlaciones con los coeficientes de Pearson y Spearman, y se emplearon técnicas de visualización. Un cuestionario anónimo recopiló percepciones sobre la IAGen en la mejora docente. Finalmente, los resultados indican que la IAGen tiene un impacto variable en el desarrollo de productos académicos, con diferencias significativas observadas entre las categorías evaluadas. Sin embargo, su aporte favorece y mejora la acción educativa.
Descargas
-
Resumen1
-
PDF0
Citas
Alonso-Rodríguez, A. M. (2024). Hacia un marco ético de la inteligencia artificial en la educación. Teoría De La Educación. Revista Interuniversitaria, 36(2), 79-98. https://doi.org/10.14201/teri.31821
Amazon Web Services, Inc. [AWS]. (21 de diciembre de 2024). ¿Qué es la IA generativa? ¿Qué es la cloud computing?: https://aws.amazon.com/what-is/generative-ai/
Analytikus. (7 de septiembre de 2023). IA en la Educación: Automatización de Tareas Administrativas para un Futuro más Prometedor. https://es.analytikus.com/post/ia-en-la-educaci%C3%B3n-automatizaci%C3%B3n-de-tareas-administrativas-para-un-futuro-m%C3%A1s-prometedor
Baldrich, K., Domínguez-Oller, J. C., y García-Roca, A. (2024). La Inteligencia Artificial y su impacto en la alfabetización académica: una revisión sistemática. Educatio Siglo XXI, 42(3), 53-74. https://doi.org/10.6018/educatio.609591
Beneite-Martí, J. (mayo de 2023). Inteligencia artificial y educación: desafíos éticos de su aplicación. Innovación y Tendencias Educativas [INNTED]: https://innted.org/ponencia/inteligencia-artificial-y-educacion-desafios-eticos-de-su-aplicacion/
Benites, L. (18 de octubre de 2021). Prueba y estadística de Anderson-Darling: definición, ejemplos. Statologos: https://statologos.com/prueba-de-carino-de-anderson/
Bolaño-García, M., y Duarte-Acosta, N. (2024). Una revisión sistemática del uso de la inteligencia artificial en la educación. Revista colombiana de cirugía, 39(1), 51-63. https://doi.org/10.30944/20117582.2365
Carabelli, P. (2024). El uso de videos en los procesos de formación docente: un análisis de las percepciones de futuros profesores en Uruguay. Pensamiento Educativo,, 61(2), 1-11. https://doi.org/10.7764/PEL.61.2.2024.4
Cerón Garnica, C., Fernández Pérez, J., Archundia Sierra, E., y Flores Santos, A. (2024). Herramientas de la inteligencia artificial en la práctica docente en educación media superior. Tecnología Educativa Revista CONAIC, 11(1), 67-72. https://www.terc.mx/index.php/terc/article/view/381
Cleveland, W. S. (1993). Visualizing Data. Nueva Jersey: Hobart Press, Summit. https://jwmason.org/wp-content/uploads/2021/08/Cleveland-1993-Visualizing-Data.pdf
Codina, L. (16 de abril de 2024). Cómo utilizar contenidos generados por IA en trabajos académicos: evaluación, atribución y transparencia. https://www.lluiscodina.com/inteligencia-artificial-trabajos-academicos/
Dagnino S., J. (2014). Análisis de Varianza. Revista Chilena de Anestesia, 43(4), 306-310. https://revistachilenadeanestesia.cl/PII/revchilanestv43n04.07.pdf
DATAtab Team. (2024). DATAtab: Online Statistics Calculator. DATAtab e.U. Graz: https://datatab.es/tutorial/test-of-normality
DATAtab Team. (2024). DATAtab: Online Statistics Calculator. DATAtab e.U. Graz: https://datatab.es/tutorial/anova
DATAtab Team. (2025). DATAtab: Online Statistics Calculator. DATAtab e.U. Graz, Austria: https://datatab.es/statistics-calculator/charts/violin-plot
Dodge, Y. (2008). The Concise Encyclopedia of Statistics. Springer Science + Business Media, LLC. https://link.springer.com/referenceworkentry/10.1007/978-0-387-32833-1_11#citeas
Domínguez Rodríguez, M. A., y Puga Macias, I. J. (2024). Integración de la Inteligencia Artificial Generativa en la elaboración de evaluaciones formativas en el proceso de aprendizaje en la etapa de la implementación del Software. Guayaquil, Ecuador: Universidad Politécnica Salesiana. https://dspace.ups.edu.ec/bitstream/123456789/29277/1/UPS-GT005920.pdf
ELearning Company, Inc. (21 de mayo de 2023). Cluelabs. El Papel de los Tutores Virtuales Potenciados por IA en la Mejora de las Experiencias de E-learning: https://cluelabs.com/blog/el-papel-de-los-tutores-virtuales-potenciados-por-ia-en-la-mejora-de-las-experiencias-de-e-learning/
Esteban-Guitart, M., Iglesias, E., González-Patiño, J., & González-Ceballos, I. (2020). La personalización educativa en tiempos de cambio e innovación educativa. Un ejemplo ilustrativo. Aula Abierta, 49(4), 395-402. https://doi.org/10.17811/rifie.49.4.2020.395-402
Flores Rivera, L. D., y López Paredes, H. (2024). Herramientas digitales en la oferta de operadores de capacitación. La Saeta Universitaria Académica Y De Investigación, 13(1), 76-105. https://doi.org/10.56067/saetauniversitaria.v13i1.430
Flores-Rivera, L., y Meléndez-Tamayo, C. (2024). Estrategias de aprendizaje digital en entornos virtuales educativos. Revista Innova Educación, 6(2), 7-22. https://doi.org/10.35622/j.rie.2024.02.001
Gallent Torres, C., Zapata González, A., y Ortego Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE - Revista Electrónica De Investigación Y Evaluación Educativa, 29(2), 1-20. https://doi.org/10.30827/relieve.v29i2.2913
González-González, C. S. (2023). El impacto de la inteligencia artificial en la educación: transformación de la forma de enseñar y de aprender. Revista Qurriculum(36), 51-60. https://doi.org/10.25145/j.qurricul.2023.36.03
Guachamin Granda, K. C., Peñafiel Guerra, V. R., Acaro Calva, O. H., Bermeo Bermeo, M. E., Duche Verdezoto, S. C., y Tulcán Salazar, K. L. (2024). Tutorización inteligente: asistentes virtuales y Chatbot en el aula. Revista Científica Multidisciplinar G-Nerando, 5(2), 1-14. https://doi.org/10.60100/rcmg.v5i2.350
Hernández, A. (octubre de 2024). Inteligencia Artificial responsable: Sesgo, transparencia y privacidad. SG Software Guru: https://sg.com.mx/buzz/inteligencia-artificial-responsable-sesgo-transparencia-y-privacidad
Hernández-Sellés, N. (2021). Herramientas que facilitan el aprendizaje colaborativo en entornos virtuales: nuevas oportunidades para el desarrollo de las ecologías digitales de aprendizaje. Educatio Siglo XXI, 39(2), 81–100. https://doi.org/10.6018/educatio.465741
Hintze, J. L., y Nelson, R. D. (1998). Violin Plots: A Box Plot-Density Trace Synergism. American Statistical Association, 52(2), 181-184. https://www.stat.cmu.edu/~rnugent/PCMI2016/papers/ViolinPlots.pdf
IApptitudes. (28 de febrero de 2024). IA en Educación Especial: Estrategias y Herramientas Innovadoras. https://iapptitudes.com/blog/ia-en-educacion-especial-estrategias-y-herramientas-innovadoras
Improvitz. (30 de agosto de 2023). Mejorando las experiencias de aprendizaje: El papel de los sistemas de recomendación de cursos en la educación de IA. https://impactum.mx/mejorando-las-experiencias-de-aprendizaje-el-papel-de-los-sistemas-de-recomendacion-de-cursos-en-la-educacion-de-ia/
Juca-Maldonado, F. (2024). El impacto de la inteligencia artificial en los trabajos académicos y de investigación. Revista Metropolitana De Ciencias Aplicadas, 6(Suplemento 1), 289-296. https://doi.org/10.62452/8nww1k83
López López, H. L., Rivera Escalera, A., y Cruz García, C. R. (2023). Personalización del Aprendizaje con Inteligencia Artificial en la Educación Superior. Revista Digital De Tecnologías Informáticas Y Sistemas, 7(1), 123-128. https://doi.org/10.61530/redtis.vol7.n1.2023.165.123-128
López Soto, P. J. (2013). Contraste de hipótesis. Comparación de más de dos medias independientes mediante pruebas no paramétricas: Prueba de Kruskal-Wallis. Revista Enfermería del Trabajo, 3(4), 166-171. https://dialnet.unirioja.es/servlet/articulo?codigo=4698281
Martínez Curbelo, G., Cortés Cortés, M. E., y Pérez Fernández, A. C. (2016). Metodología para el análisis de correlación y concordancia en equipos de mediciones similares. Universidad y Sociedad, 8(4), 65-70. http://scielo.sld.cu/pdf/rus/v8n4/rus08416.pdf
Mateo Diaz, M., y Lim, J. R. (Edits.). (2022). El poder del currículo para transformar la educación: cómo los sistemas educativos incorporan las habilidades del siglo XXI para preparar a los estudiantes ante los desafíos actuales. Banco Interamericano de Desarrollo [BID]. https://doi.org/10.18235/0004360
Mellado-Moreno, P. C., Sánchez-Antolín, P., y Blanco-García, M. (2021). Tendencias de la evaluación formativa y sumativa del alumnado en Web of Sciences. Alteridad. Revista de Educación, 16(2), 170-183. https://doi.org/10.17163/alt.v16n2.2021.01
Morocho Cevallos, R. A., Cartuche Gualán, A. P., Tipan Llanos, A. M., Guevara Guevara, A. M., y Ríos Quiñónez, M. B. (2023). Integración de la Inteligencia Artificial en la Educación. Ciencia Latina Revista Científica Multidisciplinar, 7(6), 2032-2053. https://doi.org/10.37811/cl_rcm.v7i6.8832
Núñez-Colín, C. A. (2018). Análisis de varianza no paramétrica: un punto de vista a favor para utilizarla. Acta Agrícola y Pecuaria, 4(3), 69-79. https://doi.org/10.30973/aap/2018.4.3/1
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura [UNESCO]. (2021). Recomendación sobre la ética de la inteligencia artificial. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura [UNESCO]. (septiembre de 2022). Inteligencia Artificial. La inteligencia artificial en la educación: https://www.unesco.org/es/digital-education/artificial-intelligence
Pacto Mundial de las Naciones Unidas. (20 de abril de 2023). ODS. ODS 4 Educación de calidad: https://www.pactomundial.org/ods/4-educacion-de-calidad/#:~:text=El%20ODS%204%20busca%EE%80%80%20garantizar
Pedreño Muñoz, A., González Gosálbez, R., Mora Illán, T., Pérez Fernández, E. d., Ruiz Sierra, J., y Torres Penalva, A. (2024). La inteligencia artificial en las universidades: retos y oportunidades. Trascend-IT Corp. https://trascendit-corp.com/plataforma-lms-con-inteligencia-artificial-libro-09/
Ramos Armijos, D. F., Ramos Armijos, N. J., Tapia Puga, V. M., y Tapia Puga, L. I. (2024). Explorando las Fronteras: la Aplicación de Inteligencia Artificial en la Evaluación Educativa. Ciencia Latina Revista Científica Multidisciplinar, 7(6), 5657-5672. https://doi.org/10.37811/cl_rcm.v7i6.9108
Rivas-Ruiz, R., Roy-García, I., Pérez-Rodríguez, M., Berea, R., Moreno-Palacios, J., Moreno-Noguez, M., . . . Ureña-Wong, K. R. (2020). Pertinencia e impertinencia de los gráficos en la investigación clínica. Revista Alergia México, 67(4), 381-396. https://doi.org/10.29262/ram.v67i4.854
Roco-Videla, Á., Flores, S. V., Olguin-Barraza, M., y Aguilera-Eguía, R. (2024). Consideraciones ante el uso de la prueba de Shapiro-Wilk cuando se trabaja con muestras pequeñas. Revista Angiología, 76(1), 61-62. https://doi.org/10.20960/angiologia.00568
Sahngun Nahm, F. (2016). Nonparametric statistical tests for the continuous data: the basic concept and the practical use. Korean Journal of Anesthesiology, 69(1), 8-14. https://doi.org/10.4097/kjae.2016.69.1.8
Salazar Salazar, Á. A. (2020). El video como instrumento de evaluación. Revista Universitaria De Informática RUNIN, 7(10), 20-26. https://revistas.udenar.edu.co/index.php/runin/article/view/6127
Sanabria Medina, G., y Regil-Vargas, L. (2024). Inteligencia artificial para la recomendación de recursos en educación en línea. Apertura, 16(2), 6-21. https://doi.org/10.32870/Ap.v16n2.2542
Tufte, E. R. (2001). The Visual Display of Quantitative Information. Graphics Press. https://kyl.neocities.org/books/%5BTEC%20TUF%5D%20the%20visual%20display%20of%20quantitative%20information.pdf
UNESCO. (17 de mayo de 2024). El uso de la IA en la educación: decidir el futuro que queremos. https://www.unesco.org/es/articles/el-uso-de-la-ia-en-la-educacion-decidir-el-futuro-que-queremos
Universitat Oberta de Catalunya [UOC]. (12 de octubre de 2024). Chatbots en el aprendizaje (Asistentes virtuales). Innovaciones y Tendencias en la Digitalización de la Educación [Innotedec]: https://blogs.uoc.edu/educacion-digital/tendencias/chatbots-en-el-aprendizaje-asistentes-virtuales/
VenceYa. (28 de noviembre de 2024). Pruebas no paramétricas: significado y clasificación. https://venceya.com/pruebas-no-parametricas-definicion-y-tipos/
Derechos de autor 2026 Servicio de Publicaciones de la Universidad de Murcia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Las obras que se publican en esta revista están sujetas a los siguientes términos:
1. El Servicio de Publicaciones de la Universidad de Murcia (la editorial) conserva los derechos patrimoniales (copyright) de las obras publicadas, y favorece y permite la reutilización de las mismas bajo la licencia de uso indicada en el punto 2.
2. Las obras se publican en la edición electrónica de la revista bajo una licencia Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional (texto legal). Se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que: i) se cite la autoría y la fuente original de su publicación (revista, editorial y URL de la obra); ii) no se usen para fines comerciales; iii) se mencione la existencia y especificaciones de esta licencia de uso.
3. Condiciones de auto-archivo. Se permite y se anima a los autores a difundir electrónicamente las versiones pre-print (versión antes de ser evaluada) y/o post-print (versión evaluada y aceptada para su publicación) de sus obras antes de su publicación, ya que favorece su circulación y difusión más temprana y con ello un posible aumento en su citación y alcance entre la comunidad académica. Color RoMEO: verde.
