Presentación del número especial “IA generativa, ChatGPT y Educación. Consecuencias para el Aprendizaje Inteligente y la Evaluación Educativa”
- Guárdia Ortiz, Lourdes
- Bekerman, Zvi 1
- Zapata Ros, Miguel 2
-
1
Hebrew University of Jerusalem
info
-
2
Universidad de Murcia
info
ISSN: 1578-7680
Año de publicación: 2024
Título del ejemplar: Generative AI, ChatGPT and Education. Consequences for Intelligent Learning and Educational Assessment.
Volumen: 24
Número: 78
Tipo: Artículo
Otras publicaciones en: RED: revista de educación a distancia
Resumen
En julio de 2023, ante el auge de los LLM (Large Langauge Models), RED convocó este número especial sobre IA generativa y Educación, donde se prestase especial atención a sus consecuencias para el aprendizaje inteligente y la evaluación educativa. Se quería dar espacio a contribuciones que incluyesen investigación relacionada con estos temas. Y también a experiencias sobre el aprendizaje inteligente y evaluación formativa en contextos ChatGPT. Hoy, un año después, publicamos este número, con estas preguntas de carácter general ¿la IA tiene el potencial de revolucionar los métodos de enseñanza, la evaluación y la ayuda al alumno, existentes? el pensamiento creativo y la resolución de problemas son fundamentales en entornos modernos y muy complejos ¿Esta IA podría ayudar a los alumnos a enfrentarse a esos problemas? También había otras cuestiones que podían ser planteadas como dudas de sus beneficios que se podrían resumir en ¿Cuáles son los impactos que se producirán cuando la IA generativa comience a servir como un socio activo en acciones sociales, creativas e intelectuales sostenidas, no sólo puntuales o como repuesta a preguntas aisladas? Ahora esos impactos en las prácticas que puedan existir son desconocidos. La otra intención era que, para abordar estas preguntas y en general la necesidad de un despliegue efectivo de los sistemas de IA en la educación, es preciso hacerlo desde un punto de vista teórico, más allá de los resultados que, sobre las interrogantes señaladas, nos proporcione la investigación empírica. Y que no guíe y dirija en nuevas encrucijadas, tanto en la investigación como la práctica. Ese marco teórico, suponíamos entonces, nos proporcionará los asideros y las andaderas para garantizar que los principios, los valores y las construcciones confiables configuren el uso de la IA en la educación. En las conclusiones vemos en qué escasa medida estas expectativas se han cumplido. Como consecuencia, lo que veíamos como una necesidad en esta convocatoria: la importancia crítica de la teoría en el diseño, desarrollo y despliegue de la IA en la educación se ve necesaria ahora más que nunca, pero igualmente desasistidos. En esa perspectiva, nos seguimos planteando de forma crítica la relevancia y la continuidad de las teorías de aprendizaje ya existentes cuando la IA se constituya como una realidad en las aulas. También reiteramos, por incumplida, la llamada a considerar nuevos marcos, modelos y formas de pensar. Nos referimos a aquellos que incluyen la presencia de agentes no humanos, que dudamos en llamar una nueva tecnología, porque se parece más a un socio activo que a una tecnología simple, como sucedía hasta ahora. Ese planteamiento, siguiendo con las primeras conclusiones de insuficiencia en la respuesta, es precisamente lo que nos hace insistir en una serie de preguntas importantes para un futuro, precisamente sobre la revisión de las teorías de aprendizaje basadas en las configuraciones existentes. Y en investigar cuáles serían en este caso sus alternativas. Pero más allá de esas conclusiones generales el número especial ofrece, tras una extensa y exhaustiva difusión en su convocatoria la constancia de una escasa investigación empírica de casos prácticos en la aplicación de la IA generativa en educación. No obstante, del centenar largo de contribuciones recibidas se han seleccionado siete en la revisión editorial previa. El resto se ha descartado por no ajustarse a las normas o no ser el tipo de contribuciones solicitadas (destacan entre ellas, por su alto número, las revisiones de la literatura per se y los self report studies). Y de esas siete han pasado la revisión editorial seis, que se describen al final. La principal aportación de ese reducido número de contribuciones ha sido no solo la constatación de este nivel de investigación y práctica, sino sobre todo las interesantísimas aportaciones de estos seis artículos y del ensayo de uno de los autores invitados. Reclamamos su atención sobre esos artículos y los resultados claros y las evidencias obtenidas sobre el uso concreto de la IA generativa en entornos específicos. Resultados de inevitable uso por las escuelas, las universidades y los profesores en esos entornos o en otros a los que se puedan transferir.
Referencias bibliográficas
- Bauer, E. , Greisel, M. , Kuznetsov, I. , Berndt, M. , Kollar, I. , Dresel, M. , Fischer, MR y Fischer, F. ( 2023 ). Uso del procesamiento del lenguaje natural para respaldar la retroalimentación entre pares en la era de la inteligencia artificial: un marco interdisciplinario y una agenda de investigación . Revista británica de tecnología educativa. https://doi.org/10.1111/bjet.13336
- Biesta, G., Allan, J., & Edwards, R. (2011). The theory question in research capacity building in education: Towards an agenda for research and practice. British Journal of Educational Studies, 59(3), 225– 239.
- Chomsky, N., Roberts, I., & Watumull, J. (2023). Noam Chomsky: The False Promise of ChatGPT. The New York Times, 8.
- Dawson, S., Joksimovic, S., Mills, C., Gašević, D., & Siemens, G. (2023) Advancing theory in the age of artificial intelligence. British Journal of Educational Technology.
- Garello, M. V., & Rinaudo, M. C. (2013). Autorregulación del aprendizaje, feedback y transferencia de conocimiento: Investigación de diseño con estudiantes universitarios. Revista electrónica de investigación educativa, 15(2), 131-147.
- Grover, S., & Pea, R. (2013). Computational thinking in K–12: A review of the state of the field. Educational researcher, 42(1), 38-43.
- Hilpert, JC , Greene, J. y Bernacki, M. ( 2023 ). Aprovechar los marcos de complejidad para refinar las teorías del compromiso y promover el aprendizaje autorregulado en la era de la inteligencia artificial . Revista británica de tecnología educativa . https://doi.org/10.1111/bjet.13340
- Huh, Y., & Reigeluth, C. M. (2017). Self-regulated learning: The continuous-change conceptual framework and a vision of new paradigm, technology system, and pedagogical support. Journal of Educational Technology Systems, 46(2), 191-214.
- Reigeluth, C. M. (2006). New instructional theories and strategies for a knowledge-based society. In Innovations in instructional technology (pp. 207-217). Routledge.
- Reigeluth, C. M. (2016). Instructional theory and technology for the new paradigm of education. Revista de Educación a Distancia (RED), (50).
- Computational thinking and thinking about computing. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 366(1881), 3717-3725.
- Zapata-Ros, M. (2013). MOOCs, una visión crítica y una alternativa complementaria: La individualización del aprendizaje y de la ayuda pedagógica. Campus Virtuales, 2(1), 20-38.
- Zapata-Ros, M. (febrero 2014). Charles Reigeluth: la personalización del aprendizaje y el nuevo paradigma de la educación para la sociedad postindustrial del conocimiento. In Pensadores de ayer para problemas de hoy: teóricos de las ciencias sociales (pp. 153-191).
- Zapata-Ros, M. (2015). Teorías y modelos sobre el aprendizaje en entornos conectados y ubicuos. Bases para un nuevo modelo teórico a partir de una visión crítica del “conectivismo”. Education in the Knowledge Society, 16(1), 69-102.
- Zapata-Ros, M. (sept 2015). Pensamiento computacional: Una nueva alfabetización digital. Revista de Educación a Distancia (RED), (46).
- Zapata-Ros, M. (2018). La universidad inteligente. RED. Revista de Educación a Distancia, 57(10). http://www.um.es/ead/red/57/zapata2.pdf http://dx.doi.org/10.6018/red/57/10