Horizon Nexus Journal |
Vol
.
02 | Núm
.
0
4
|
Oct
–
D
i
c
| 2024
| www.horizonnexusjournal.editorialdoso.com
ISSN:
3073
-
1275
42
El impacto de la inteligencia artificial en el aprendizaje
activo
The impact of artificial intelligence on active learning
Araujo
-
Sandoval, Orlen Ismael
1
*
1
Instituto Tecnológico
Universitario Rumiñahui
,
Ecuador, Quito
;
https://orcid.org/0000
-
0003
-
0371
-
8491
,
orlen.araujo@ister.edu.ec
*
Autor
Correspondencia
https://doi.org/10.70881/hnj/v2/n4/43
Resumen:
Este artículo revisa el impacto de la inteligencia artificial (IA) en
el aprendizaje activo, un enfoque educativo en el que los estudiantes
participan activamente en su propio proceso de
aprendizaje. La IA, con su
capacidad de personalización, permite ajustar el ritmo y contenido a las
necesidades de cada alumno, mejorando la motivación y ofreciendo
retroalimentación inmediata. Sin embargo, su implementación presenta
desafíos, como la brec
ha tecnológica en regiones desfavorecidas, la
formación docente insuficiente y los dilemas éticos relacionados con la
privacidad de los datos. También se advierte sobre la posibilidad de sesgos
en los algoritmos, que podrían reproducir desigualdades preexi
stentes. Pese
a estos desafíos, la IA tiene el potencial de mejorar la calidad educativa,
permitiendo experiencias de aprendizaje más eficaces y accesibles en
contextos diversos. Para una implementación exitosa, es fundamental
abordar las preocupaciones ét
icas y garantizar un equilibrio entre la
tecnología y el desarrollo de habilidades críticas y creativas en los
estudiantes.
Palabras clave:
inteligencia artificial; aprendizaje activo; personalización
educativa; retroalimentación inmediata; ética en IA.
Abstract:
This article reviews the impact of artificial intelligence (AI) on active
learning, an educational approach in which students actively participate in their own
learning process. AI, with its capacity for personalization, allows adjusting the pace
and conte
nt to the needs of each learner, improving motivation and providing
immediate feedback. However, its implementation presents challenges, such as the
technological gap in disadvantaged regions, insufficient teacher training and ethical
dilemmas re
lated to data privacy. There are also warnings about the possibility of
biases in the algorithms, which could reproduce pre
-
existing inequalities. Despite
these challenges, AI has the potential to improve educational quality, enabling more
effective and ac
cessible learning experiences in diverse contexts. For successful
implementation, it is critical to address ethical concerns and ensure a balance
between technology and the development of critical and creative skills in students.
Keywords:
artificial intelligence; active learning; educational personalization;
immediate feedback; AI ethics.
Cita:
Araujo
-
Sandoval, O. I. .
(2024). El impacto de la
inteligencia artificial en el
aprendizaje activo.
Horizon Nexus
Journal
,
2
(4), 42
-
53.
https://doi.org/10.70881/hnj/v
2/n4/43
Recibido:
13
/
09
/20
24
Revisado:
22
/
09
/20
24
Aceptado:
29
/
09
/20
24
Publicado:
31
/
10
/20
24
Copyright:
© 2024
por los
autores
.
Este artículo es un
artículo de acceso abierto
distribuido bajo los términos y
condiciones de la
Licencia
Creative Commons, Atribución
-
NoComercial 4.0 Internacional.
(
CC
BY
-
NC
)
.
(
https://creativecommons.org/lice
nses/by
-
nc/4.0/
)
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
43
1. Introducción
El avance de la inteligencia artificial (IA) ha impactado profundamente en el ámbito
educativo, en especial en el aprendizaje activo. Este tipo de aprendizaje, caracterizado
por la participación
activa
y reflexiva del estudiante en su propio proceso educativo, se
ve transformado por tecnologías que facilitan la personalización, el análisis de datos en
tiempo real y la adaptación a las necesidades individuales. Sin embargo, este avance
tecnológico present
a desafíos y limitaciones que afectan tanto a estudian
tes como a
docentes y plantea interrogantes sobre su implementación efectiva y ética.
La IA aplicada al aprendizaje activo permite adaptar los contenidos de manera que cada
estudiante progrese a su propio ritmo, lo cual resulta crucial en aulas diversas (López
López, 2023; Mollick & Mollick, 2023). La personalización es una de las áreas don
de la
IA ha mostrado resultados prometedores, ya que los sistemas de tutoría inteligente y los
asistentes virtuales pueden ofrecer respuestas inmediatas y guiar a los estudiantes en
el proceso de aprendizaje, reforzando su motivación y autonomía (Ouyang &
Jiao,
2021). No obstante, existen factores que limitan estos beneficios, como la brecha de
acceso a tecnologías de IA en zonas desfavorecidas, la necesidad de formación docente
para su manejo adecuado y los dilemas éticos en torno a la privacidad y el uso
de datos
personales (UNESCO, 2021; Observatorio de Educación, 2023).
Las afectaciones y los desafíos de la IA en el aprendizaje activo están relacionados tanto
con su capacidad para adaptarse a las habilidades y el ritmo de los estudiantes como
con sus implicaciones éticas y pedagógicas. La sobredependencia de herramientas
de
IA podría limitar la creatividad y el pensamiento crítico, capacidades fundamentales en
el aprendizaje activo. Adicionalmente, se han detectado posibles sesgos en los
algoritmos, los cuales pueden reproducir inequidades presentes en los datos con los
qu
e fueron entrenados, afectando la experiencia educativa y la equidad en el aula
(INTEF, 2023). Además, la recolección masiva de datos educativos para alimentar los
algoritmos plantea serias preocupaciones sobre la privacidad y el uso ético de los datos
de
los estudiantes, requiriendo políticas de protección rigurosas (Fundación Telefónica,
2023).
La viabilidad del uso de la IA en el aprendizaje activo se justifica tanto por sus beneficios
potenciales como por el interés creciente de instituciones educativas en mejorar la
calidad del aprendizaje. Herramientas como plataformas de aprendizaje adaptati
vo y
simuladores personalizados ofrecen experiencias inmersivas que estimulan el interés y
refuerzan la comprensión de conceptos complejos, lo que permite una mayor eficacia
en el proceso de aprendizaje (MathSpring, 2023; Smartik, 2023). La implementación
de
estas herramientas también facilita el acceso a recursos de calidad en contextos donde
los docentes son escasos, mejorando la equidad educativa en regiones rurales y
alejadas (Megaprofe, 2023). Asimismo, el desarrollo de habilidades tecnológicas en los
estudiantes es una inversión hacia el futuro, ya que el conocimiento en IA y el manejo
de sistemas inteligentes son competencias cada vez más demandadas en el ámbito
laboral (INTEF, 2023; Tuomi, 2024).
El objetivo de este artículo de revisión es analizar cómo la IA impacta el aprendizaje
activo en términos de personalización, accesibilidad, eficacia y formación de
habilidades. A través de una revisión exhaustiva de la literatura científica, este estudio
busca ofrecer una visión integral sobre las oportunidades y los desafíos que la IA
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
44
presenta en la educación actual. Exploraremos cómo se ha utilizado la IA en entornos
educativos específicos, sus efectos en el aprendizaje autónomo y activo, y los aspectos
éticos que requieren mayor atención para garantizar un uso responsable de esta
tecn
ología en las aulas del siglo XXI.
Este enfoque permite un análisis detallado y equilibrado de los beneficios y limitaciones
de la IA en la educación, proponiendo un marco de referencia para futuras
investigaciones y aplicaciones que optimicen el aprendizaje activo mediante soluciones
tecno
lógicas innovadoras.
2. Materiales y Métodos
La metodología utilizada en
este artículo sigue un enfoque de revisión bibliográfica
exploratoria. El objetivo principal fue reunir, analizar y sintetizar literatura científica
relevante sobre el impacto de la inteligencia artificial (IA) en el aprendizaje activo,
permitiendo identif
icar las tendencias, desafíos y oportunidades presentes en este
campo de estudio.
En primer lugar, se llevó a cabo una búsqueda exhaustiva de artículos, libros, informes
y documentos relacionados con la temática en bases de datos académicas como
Google
Scholar, Scopus y Web of Science, así como en plataformas especializadas en
educación e inteligencia artificial. Los criterios de inclusión se centraron en publicaciones
recientes, comprendiendo un rango temporal de los últimos cinco años, con el fi
n de
obtener información actualizada sobre el estado del arte. Asimismo, se priorizaron
aquellos estudios que abordaban de manera específica la implementación de la IA en
entornos educativos, con un énfasis particular en el aprendizaje activo.
Los términos clave utilizados en la búsqueda incluyeron "inteligencia artificial en la
educación", "aprendizaje activo", "personalización del aprendizaje con IA" y "tutoría
inteligente". Para asegurar la diversidad de fuentes, se incluyeron tanto estudios
de
carácter cualitativo como cuantitativo, así como revisiones sistemáticas que brindaron
una visión amplia del impacto de la IA en diferentes niveles educativos.
Una vez recopilada la información, se procedió a la organización y análisis de los
estudios seleccionados. Este proceso incluyó la clasificación de las investigaciones
según las categorías temáticas más relevantes, como el impacto de la IA en la
personaliz
ación del aprendizaje, la automatización de tareas docentes, los desafíos
éticos y las implicaciones para el desarrollo de habilidades. Se prestó especial atención
a aquellos estudios que mostraban resultados empíricos sobre la efectividad de
herramientas
de IA en la mejora del aprendizaje activo.
La metodología utilizada permitió una comprensión integral de cómo la IA está
transformando el proceso educativo, identificando tanto las oportunidades de mejora
como los desafíos presentes en su implementación. Además, se evaluaron estudios que
proponen e
nfoques innovadores para integrar la IA en el aula de manera ética y efectiva,
con el fin de contribuir al debate actual sobre el uso de tecnologías avanzadas en la
educación.
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
45
E
ste enfoque exploratorio ofrece una visión general y crítica del tema, abriendo la puerta
a futuras investigaciones que profundicen en las áreas identificadas como de mayor
interés o controversia.
3.
Resultados
3.1. Personalización del Aprendizaje
La inteligencia artificial (IA) ha transformado el campo educativo al ofrecer soluciones
que permiten personalizar el aprendizaje, ajustando los contenidos a las necesidades
individuales de cada estudiante. Este enfoque beneficia tanto a los alumnos como a
los
docentes, mejorando la motivación, proporcionando retroalimentación en tiempo real y
adaptando las actividades educativas para optimizar el aprendizaje. A continuación, se
detallan los principales aspectos de este impacto:
3.
1
.1. Ajuste de los contenidos al ritmo de cada estudiante
La personalización del aprendizaje mediante IA se basa en la capacidad de la tecnología
para analizar grandes volúmenes de datos y ajustar los contenidos según el ritmo de
cada estudiante. Herramientas como sistemas de tutoría inteligente y plataformas de
aprendizaje adaptativo recogen información sobre el progreso y las necesidades del
alumno, lo que les permite adaptar el material educativo de manera personalizada.
Plataformas como Khan Academy utilizan IA para crear rutas de aprendizaje
específicas, ajus
tando ejercicios y lecciones según el rendimiento del estudiante (IEEE
Spectrum, 2023; Mollick & Mollick, 2023). Esta adaptabilidad fomenta la autonomía en
el aprendizaje y refuerza la motivación, ya que los estudiantes perciben que avanzan
según su capaci
dad y no bajo una presión homogénea.
Este ajuste es esencial en entornos educativos con gran diversidad de habilidades,
permitiendo que tanto los estudiantes más avanzados como los que requieren más
apoyo puedan tener un ritmo adecuado de aprendizaje. Además, la IA proporciona
actividades adi
cionales o explica conceptos de diferentes maneras hasta que el
estudiante domina el tema. Este proceso continuo de ajuste no solo mejora el
aprendizaje, sino que también aumenta la satisfacción y la confianza del alumno
(Frontiers, 2024).
3.1.2. Retroalimentación inmediata y personalizada
Uno de los beneficios más notables de la IA en el aprendizaje personalizado es la
capacidad de proporcionar retroalimentación inmediata. En lugar de esperar a que el
docente evalúe una tarea, los estudiantes pueden recibir respuestas y correcciones en
tiem
po real, lo que facilita el aprendizaje activo y autónomo. Herramientas como los
asistentes virtuales y los chatbots están diseñados para proporcionar esta
retroalimentación, ajustándose a las respuestas del estudiante y ayudando a corregir
errores de mane
ra inmediata (Halkiopoulos & Gkintoni, 2024).
Además, la retroalimentación personalizada no solo se limita a correcciones, sino que
también incluye recomendaciones de materiales adicionales, sugerencias para mejorar
áreas específicas y orientación para futuros estudios. Esta capacidad de adaptación
fo
menta un ciclo de mejora continua en el estudiante, maximizando su potencial
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
46
académico (IEEE Spectrum, 2023). Este enfoque es particularmente útil en el
aprendizaje activo, donde la retroalimentación inmediata ayuda a los estudiantes a
ajustar sus estrategias de estudio de manera eficiente y efectiva.
3.1.3. Identificación de áreas de mejora
La IA también juega un papel crucial en la identificación de áreas de mejora. Los
algoritmos utilizados en plataformas educativas son capaces de analizar patrones de
comportamiento y desempeño para identificar las fortalezas y debilidades de cada
estudiant
e. Esto permite que tanto los docentes como los estudiantes enfoquen sus
esfuerzos en las áreas que necesitan más atención. Sistemas como ALEKS y
MathSpring emplean algoritmos de IA que detectan con precisión las áreas en las que
el alumno tiene dificultad
es y adaptan las actividades para reforzar esos conceptos
(Mollick & Mollick, 2023; Halkiopoulos & Gkintoni, 2024).
Este proceso es particularmente efectivo en materias que requieren un dominio
incremental de conceptos, como las matemáticas o las ciencias. Al detectar lagunas en
el conocimiento, la IA sugiere actividades específicas que permiten al estudiante trabajar
e
n sus áreas débiles sin necesidad de repetir todo el contenido, lo que optimiza su
tiempo de estudio y refuerza el aprendizaje significativo (IEEE Spectrum, 2023).
Para concluir
, la personalización del aprendizaje mediante IA no solo facilita la
adaptación del ritmo educativo a las necesidades de cada
estudiante, sino que también
mejora la motivación, proporciona retroalimentación en tiempo real y permite identificar
áreas de mejora de manera más precisa. Esta combinación de factores convierte a la IA
en una herramienta poderosa para transformar la educ
ación en un entorno más inclusivo
y efectivo.
3.2. Desafíos Éticos y Tecnológicos en la IA en Educación
La implementación de la inteligencia artificial (IA) en el ámbito educativo ofrece grandes
promesas, pero también presenta desafíos éticos y tecnológicos que deben ser
abordados con urgencia y rigor. Estos retos abarcan desde la gestión de la privacidad
de
los datos personales de los estudiantes, hasta la perpetuación de sesgos en los
algoritmos y la creciente dependencia tecnológica que podría afectar el desarrollo de
habilidades críticas.
3.2.1. Preocupaciones sobre privacidad y seguridad de los datos educativos
Uno de los principales desafíos éticos en el uso de la IA en educación es la privacidad
y seguridad de los datos de los estudiantes. Los sistemas de IA requieren recopilar
grandes cantidades de datos, incluyendo información sobre el rendimiento académico,
comportamiento en línea, preferencias de aprendizaje y datos demográficos. Esto
genera preocupaciones significativas en torno a cómo se almacenan, gestionan y
protegen esos datos. El riesgo de violaciones de privacidad es real, ya que los datos
educativos
son altamente sensibles y su mal manejo puede exponer a los estudiantes a
vulnerabilidades, tales como el uso indebido de información personal o incluso ataques
cibernéticos (Porayska
-
Pomsta et al., 2024). En este contexto, es fundamental que las
instituci
ones educativas establezcan políticas claras sobre la recolección y el
almacenamiento de datos, asegurando el cumplimiento de normativas de protección,
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
47
como el Reglamento General de Protección de Datos (GDPR) en Europa o las leyes de
privacidad en otras regiones.
Además, la privacidad no solo implica el resguardo de datos personales, sino también
el respeto a la autonomía del estudiante. En muchos casos, las plataformas de IA
pueden realizar un seguimiento detallado de las actividades del alumno, lo que plantea
dud
as sobre la vigilancia continua y sus efectos psicológicos. La cuestión central es si
los estudiantes tienen pleno control y conocimiento sobre cómo se utilizan sus datos y
si cuentan con el derecho a optar por no participar en estos sistemas. A medida que
la
IA sigue integrándose en los sistemas educativos, la creación de marcos éticos sólidos
para la protección de la privacidad será una tarea crítica para los desarrolladores de
tecnología y los legisladores (Markkula Center for Applied Ethics, 2023).
3.2.2. Posible perpetuación de sesgos en los algoritmos
Los algoritmos de IA, que suelen depender de grandes volúmenes de datos
históricos
para su entrenamiento, corren el riesgo de replicar y amplificar sesgos preexistentes.
Este es uno de los desafíos más preocupantes, ya que los sistemas educativos basados
en IA pueden perpetuar inequidades socioeconómicas, de género y raciales
presentes
en los datos originales.
Si los conjuntos de datos utilizados para entrenar estos algoritmos no son
representativos de la diversidad estudiantil, el sistema puede ofrecer soluciones o
recomendaciones que favorecen a ciertos grupos sobre otros, exacerbando las
desigualdades educat
ivas en lugar de corregirlas (Holmes et al., 2024). Por ejemplo, si
un algoritmo se entrena con datos que subrepresentan a estudiantes de ciertas
minorías, estos podrían recibir menos oportunidades o intervenciones menos eficaces,
perpetuando ciclos de exc
lusión.
E
ste problema ha sido destacado en numerosos estudios que evidencian que los
sistemas de IA tienden a reflejar las mismas desigualdades presentes en la sociedad.
Para mitigar este riesgo, es crucial que los desarrolladores y educadores colaboren en
la creac
ión de algoritmos más transparentes y equitativos, que incluyan la supervisión
humana para evitar la automatización de decisiones sesgadas (Markkula Center for
Applied Ethics, 2023). Además, es necesario implementar auditorías periódicas de los
algoritmos
y garantizar que los conjuntos de datos utilizados para entrenar los sistemas
de IA sean diversos y representen adecuadamente a todas las comunidades
estudiantiles.
3.2.3. Riesgo de dependencia tecnológica y limitación del pensamiento crítico
Otro desafío ético clave es la creciente dependencia de la tecnología en los procesos
educativos, lo que podría limitar el desarrollo del pensamiento crítico y la autonomía de
los estudiantes. El uso extensivo de sistemas de IA para tareas como la
retroali
mentación automatizada, la personalización del aprendizaje y la resolución de
problemas podría llevar a una reducción en las habilidades cognitivas necesarias para
abordar problemas de manera independiente y creativa. La dependencia excesiva en la
tecnolog
ía puede generar una especie de “desempoderamiento intelectual” en los
estudiantes, quienes podrían volverse más pasivos y menos capaces de tomar
decisiones informadas sin la intervención de la IA (Porayska
-
Pomsta et al., 2024).
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
48
Este fenómeno, conocido como "deshabilitación moral" o "deskilling", ya ha sido
documentado en otras áreas, como la aviación, donde los pilotos, al confiar demasiado
en el piloto automático, han reportado una pérdida de habilidades manuales esenciales.
En
la educación, esta tendencia podría manifestarse en una reducción de la capacidad
de los estudiantes para analizar críticamente la información, debatir ideas complejas o
tomar decisiones éticas. Para contrarrestar este riesgo, es importante que los sistema
s
educativos equilibren el uso de la IA con el fomento de habilidades humanas esenciales,
como el pensamiento crítico, la resolución de problemas y la creatividad (Markkula
Center for Applied Ethics, 2023).
En
sintesis
, aunque la IA tiene un gran potencial para mejorar la educación, su
implementación debe ser cuidadosamente gestionada para abordar los desafíos éticos
y tecnológicos asociados. La protección de la privacidad, la mitigación de los sesgos
algorítmicos y la
prevención de la dependencia tecnológica son aspectos fundamentales
para garantizar que la IA sea una herramienta que potencie, y no limite, el aprendizaje
humano.
4.
Discusión
La inteligencia artificial (IA) en la educación, específicamente en el aprendizaje activo,
plantea tanto oportunidades transformadoras como desafíos éticos y tecnológicos que
requieren un análisis profundo. A lo largo de esta revisión, se ha explorado cómo
la IA
puede personalizar el aprendizaje, mejorar la motivación y ofrecer retroalimentación
adaptada a las necesidades individuales, lo que resalta su enorme potencial. Sin
embargo, los problemas relacionados con la privacidad de los datos, los sesgos
inhe
rentes en los algoritmos y la posible dependencia tecnológica presentan riesgos que
deben ser gestionados cuidadosamente.
En cuanto a la personalización del aprendizaje, los estudios han demostrado que la IA
tiene la capacidad de ajustar los contenidos según el ritmo y las necesidades específicas
de cada estudiante, lo que mejora significativamente su rendimiento y compromiso
(Halkiopoulos & Gkintoni, 2024). La retroalimentación inmediata y precisa que
proporcionan los sistemas de IA es una ventaja clave, ya que permite corregir errores
en tiempo real y refuerza el aprendizaje autónomo. Sin embargo, aunque la
personalización d
el aprendizaje mediante IA parece mejorar la experiencia educativa de
manera significativa, sigue existiendo el desafío de garantizar que estos sistemas no
refuercen desigualdades preexistentes. Al depender de datos históricos para su
entrenamiento, los al
goritmos de IA pueden perpetuar sesgos culturales y sociales, lo
que podría limitar el acceso equitativo a una educación de calidad para todos los
estudiantes (Holmes et al., 2024).
Este es uno de los mayores dilemas éticos de la IA en la educación. La equidad en el
acceso y la distribución de oportunidades educativas puede verse socavada si los
desarrolladores no toman en cuenta la diversidad de los datos utilizados para entrenar
los
sistemas de IA. Estudios recientes han subrayado que los algoritmos tienden a
reflejar las desigualdades presentes en los conjuntos de datos originales, lo que podría
traducirse en experiencias de aprendizaje diferenciadas para estudiantes de diversos
con
textos socioeconómicos (Porayska
-
Pomsta et al., 2024). A pesar de los avances
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
49
tecnológicos, se debe reconocer que la IA, al operar con datos históricos, tiene el
potencial de reforzar patrones de exclusión, lo que subraya la necesidad de una
supervisión ética rigurosa y continua.
Asimismo, el debate sobre la privacidad de los datos cobra cada vez más relevancia en
la implementación de la IA en la educación. La creciente dependencia de sistemas de
IA para la recolección y análisis de datos de los estudiantes plantea preguntas sobre
la
seguridad y el uso ético de dicha información. Los estudiantes, al ser sujetos de un
monitoreo constante a través de plataformas digitales, podrían ver comprometida su
privacidad si los datos no son adecuadamente protegidos. A pesar de los avances en
no
rmativas de protección de datos, como el Reglamento General de Protección de
Datos (GDPR) en Europa, los riesgos de ciberataques y el uso indebido de información
educativa siguen siendo una preocupación significativa (Markkula Center for Applied
Ethics, 20
23). Es imprescindible que las instituciones educativas implementen políticas
robustas que protejan los derechos de los estudiantes, garantizando que los datos sean
utilizados únicamente para mejorar su experiencia de aprendizaje y no para fines
comerciale
s o de vigilancia.
Por último, el riesgo de dependencia tecnológica plantea un desafío no menos
importante. La automatización excesiva de procesos educativos, como la
retroalimentación y la resolución de problemas, puede llevar a una reducción del
pensamiento crítico y la au
tonomía del estudiante. La "deshabilitación moral" o
"deskilling" es un fenómeno real en el que la sobredependencia de la tecnología
disminuye la capacidad de los individuos para tomar decisiones informadas y resolver
problemas de manera autónoma (Porayska
-
Pomsta et al., 2024). En el contexto
educativo, esto podría traducirse en una generación de estudiantes que, al depender
excesivamente de la IA, pierda la capacidad de abordar problemas complejos de manera
creativa y crítica.
A modo de
conclusión, aunque la IA tiene un potencial considerable para transformar la
educación y mejorar la experiencia de aprendizaje de manera personalizada, es
fundamental abordar los desafíos éticos y tecnológicos que surgen con su
implementación. La protecci
ón de la privacidad, la lucha contra los sesgos en los
algoritmos y la prevención de una dependencia excesiva de la tecnología son aspectos
que requieren atención constante. Solo a través de una supervisión ética adecuada y un
enfoque equilibrado
se podrá garantizar que la IA realmente potencie el aprendizaje
humano y no limite las capacidades críticas que los estudiantes necesitan para
prosperar en un mundo cada vez más automatizado.
5.
Conclusiones
El análisis sobre el impacto de la inteligencia artificial en la educación, particularmente
en el aprendizaje activo, revela tanto promesas significativas como desafíos que
requieren atención continua. La IA ha demostrado su capacidad para personalizar el
aprendizaje de manera efectiva, adaptando los contenidos educativos al ritmo y
necesidades específicas de los estudiantes. Esto no solo mejora la motivación y el
rendimiento académico, sino que también permite una retroalimentación inmediata y
personalizad
a, optimizando el proceso de aprendizaje. Sin embargo, el éxito de estas
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
50
aplicaciones tecnológicas depende en gran medida de cómo se gestionen sus desafíos
inherentes.
Uno de los principales problemas éticos y tecnológicos identificados es la necesidad de
proteger la privacidad y seguridad de los datos educativos. A medida que los sistemas
de IA recopilan grandes volúmenes de datos, surge el riesgo de su mal uso o
vulner
abilidad ante ataques cibernéticos, lo que subraya la importancia de desarrollar
políticas robustas de protección de datos. Además, los sesgos presentes en los
algoritmos representan un obstáculo importante, ya que pueden perpetuar
desigualdades existentes
en la sociedad. Es crucial implementar mecanismos para
mitigar estos sesgos y garantizar que los sistemas educativos sean inclusivos y justos
para todos los estudiantes.
Finalmente, el uso extensivo de la IA en el ámbito educativo plantea el riesgo de que los
estudiantes desarrollen una dependencia excesiva de la tecnología, lo que podría limitar
su capacidad para pensar de manera crítica y resolver problemas de manera aut
ónoma.
Para evitar este fenómeno, conocido como "deshabilitación moral", es fundamental
equilibrar el uso de herramientas tecnológicas con el fomento de habilidades cognitivas
humanas esenciales.
En
definitiva
, la IA tiene un enorme potencial para transformar la educación, pero su
implementación debe ser guiada por principios éticos sólidos y una supervisión
constante para evitar efectos adversos en el aprendizaje. Solo a través de un enfoque
equilibrado y cons
ciente será posible aprovechar todo el potencial de la IA en la
educación sin comprometer la autonomía ni la equidad en el proceso formativo.
Referencias Bibliográficas
Andino
-
Jaramillo, R. A., &
Palacios
-
Soledispa, D. L. (2023). Investigación para la
aplicación de una estrategia de mejoramiento del clima laboral en una unidad
educativa.
Journal of Economic and Social Science Research
,
3
(3), 52
–
75.
https://doi.org/10.55813/gaea/jessr/v3/n3/73
Andino
-
Jaramillo, R. A., & Palacios
-
Soledispa, D. L. (2023). Investigación para la
aplicación de una estrategia de mejoramiento del clima laboral en una unidad
educativa.
Journal of Economic and Social Science Research
,
3
(3), 52
–
75.
https://doi.org/10.55813/gaea/jessr/v3/n3/73
Díaz
-
Avelino, J. R., Casanova
-
Villalba, C. I., Carrillo
-
Barragán, C. E., Cueva
-
Jiménez,
M. G., Herrera
-
Sánchez, M. J., & Zambrano
-
Muñoz, C. K. (2024).
Integrando IA
en los Nuevos Paradigmas de las Ciencias Económicas y Gestión Empresarial.
Editorial Grupo AEA.
https://doi.org/10.55813/egaea.l.78
Frontiers. (2024). Crafting Personalized Learning Paths with AI for Lifelong Learning.
Frontiers in Education.
https://doi.org/10.3389/feduc.2024.1424386
Fundación Telefónica. (2023). Observatorio de la Educación. Mejora del aprendizaje
mediante inteligencia artificial en la educación.
http://observatorioeducacion.es/
Halkiopoulos, C., & Gkintoni, E. (2024). Leveraging AI in E
-
Learning: Personalized
Learning and Adaptive Assessment.
Electronics, 13(18), 3762.
https://doi.org/10.3390/electronics13183762
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
51
Herrera
-
Sánchez, M. J., Casanova
-
Villalba, C. I., Moreno
-
Novillo, Ángela C., & Mina
-
Bone, S. G. (2024).
Tecnoestrés en docentes universitarios con funciones
académicas y administrativas en Ecuador.
Revista Venezolana De
Gerencia
,
29
(11), 606
-
621.
https://doi.org/10.52080/rvgluz.29.e11.36
Holmes, W., Porayska
-
Pomsta, K., & Nemorin, S. (2023).
Ethical Challenges of AI in
Educational Contexts.
Computers and Society.
https://doi.org/10.4337/9781800375413.00038
IEEE Spectrum. (2023). How Artificial Intelligence Can Personalize Education.
IEEE
Spectrum.
INTEF. (2023). Integración de la inteligencia artificial en el sistema educativo. Informe
sobre el impacto de la IA en el aprendizaje y la enseñanza en España.
Loor Giler, J. L., Lorenzo Benítez, R., & Herrera Navas, C. D. (2021). Manual de
actividades didácticas para el desarrollo de la comprensión lectora en
estudiantes de subnivel de básica media.
Journal of Economic and Social
Science Research
,
1
(1), 15
–
37.
https://doi.org/10.55813/gaea/jessr/v1/n1/18
Loor Giler, J. L., Lorenzo Benítez, R., & Herrera Navas, C. D. (2021). Manual de
actividades didácticas para el desarrollo de la comprensión lectora en
estudiantes de subnivel de básica media.
Journal of Economic and Social
Science Research
,
1
(1), 15
–
37.
https://doi.org/10.55813/gaea/jessr/v1/n1/18
López López, J. (2023). Personalización del aprendizaje con inteligencia artificial en
educación primaria y secundaria. Revista de Ciencias de la Educación y
Tecnología, 5(2), 73
-
82.
https://doi.org/10.61530/redtis.vol7.n1.2023.165.123
-
128
Madrid
-
Gómez, K. E., Arias
-
Huánuco, J. M., Zevallos
-
Parave, Y., Camposano
-
Córdova,
A. I., & Yaulilahua
-
Huacho, M. (2023).
Entre el Autoconocimiento y la Autoestima:
Explorando el Programa “Súbete a mi Auto” en el ámbito Universitario.
Editorial
Grupo AEA.
https://doi.org/10.55813/egaea.l.2022.54
Madrid
-
Gómez, K. E., Arias
-
Huánuco, J. M., Zevallos
-
Parave, Y., Camposano
-
Córdova,
A. I., & Yaulilahua
-
Huacho, M. (2023).
Entre el Autoconocimiento y la Autoestima:
Explorando el Programa “Súbete a mi Auto” en el ámbito Universitario.
Editorial
Grupo AEA.
https://doi.org/10.55813/egaea.l.2022.54
Madrid
-
Gómez, K. E., Herrera
-
Aponte, M. B., Arias
-
Huánuco, J. M., Zevallos
-
Parave, Y.,
Camposano
-
Córdova, A. I., & LLancari
-
Choccelahua, R. B. (2023).
Interacciones
Familiares y Autoestima: Un Estudio entre Estudiantes de Secundaria.
Editorial
Grupo AEA.
https://doi.org/10.55813/egaea.l.2022.52
Markkula Center for Applied Ethics. (2020). Artificial Intelligence and Ethics: Sixteen
Challenges and Opportunities.
Markkula Center for Applied Ethics. (2023). Artificial Intelligence and Ethics: Sixteen
Challenges and Opportunities
Mollick, E., & Mollick, L. (2023). AI in the Classroom: Transforming the Role of Educators.
One Useful Thing.
https://doi.org/10.48550/arXiv.2407.05181
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
52
Mollick, E., & Mollick, L. (2023).
Siete modelos de implementación de IA en entornos
educativos: Evaluación pedagógica y funcional.
Educational Review Journal,
45(4), 423
-
450.
http://dx.doi.org/10.56712/latam.v5i3.2061
Ouyang, Y., & Jiao, H. (2021).
Efectos de la inteligencia artificial en los enfoques
pedagógicos: Un análisis desde el constructivismo y el cognitivismo.
Journal of
Educational Technology and Society, 24(3), 63
-
71.
Pacheco
-
Altamirano, A. M., Camposano
-
Córdova, A. I., Torres
-
Acevedo, C. L., Oré
-
Rojas, J. J., Gavidia
-
Anticona, J. A., Yauri
-
Huiza, Y., & Rojas
-
Quispe, Ángel E.
(2023).
Comprendiendo la Lectura: Del Nivel Literal al
Crítico en Estudiantes de
EBA.
Editorial Grupo AEA.
https://doi.org/10.55813/egaea.l.2022.40
Pacheco
-
Altamirano, A. M., Camposano
-
Córdova, A. I., Torres
-
Acevedo, C. L., Oré
-
Rojas, J. J., Gavidia
-
Anticona, J. A., Yauri
-
Huiza, Y., & Rojas
-
Quispe, Ángel E.
(2023).
Comprendiendo la Lectura: Del Nivel Literal al Crítico en Estudiantes de
EBA.
Editorial Grupo AEA.
https://doi.org/10.55813/egaea.l.2022.40
Porayska
-
Pomsta, K., Holmes, W., & Nemorin, S. (2023).
The Ethics of AI in Education.
arXiv.
https://doi.org/10.4337/9781800375413.00038
Porayska
-
Pomsta, K., Holmes, W., & Nemorin, S. (2024). The Ethics of AI in Education.
arXiv.
https://doi.org/10.48550/arXiv.2406.11842
Puyol
-
Cortez, J. L. (2024).
Factores determinantes en la toma de decisiones
estratégicas en el sector retail.
Revista Científica Zambos
,
3
(1), 36
-
55.
https://doi.org/10.69484/rcz/v3/n1/11
Puyol
-
Cortez, J. L. (2024).
Factores determinantes en la toma de decisiones
estratégicas en el sector retail.
Revista Científica Zambos
,
3
(1), 36
-
55.
https://doi.org/10.69484/rcz/v3/n1/11
Puyol
-
Cortez, J. L., & Mina
-
Bone, S. G. (2022). Explorando el liderazgo de los profesores
en la educación superior: un enfoque en la UTELVT Santo Domingo.
Journal of
Economic and Social Science Research
,
2
(2), 16
–
28.
https://doi.org/10.55813/gaea/jessr/v2/n2/49
Puyol
-
Cortez, J. L., & Santander
-
Salmon, E. S. (2023).
Educación y desigualdad social,
sus enfoques sobre políticas educativas inclusivas.
Horizon Nexus Journal
,
1
(1),
35
-
49.
https://doi.org/10.70881/hnj/v1/n1/11
Puyol
-
Cortez, J. L., Casanova
-
Villalba, C. I., Herrera
-
Sánchez, M. J., & Rivadeneira
-
Moreira, J. C. (2024).
REVISIÓN METODOLÓGICA AG2C PARA LA
ENSEÑANZA DEL ÁLGEBRA BÁSICA A ESTUDIANTES CON
DISCALCULIA.
Perfiles
,
1
(32), 15
-
27.
https://doi.org/10.47187/perf.v1i32.280
Ramírez
-
Solórzano, F. L., & Herrera
-
Navas, C. D. . (2024).
Inclusión Educativa:
Desafíos y Oportunidades para la Educación de Estudiantes con Necesidades
Especiales.
Revista Científica Zambos, 3
(3), 44
-
63.
https://doi.org/10.69484/rcz/v3/n3/57
Rodriguez
-
Ayala, A. E., & Ayala
-
Tigmasi, R. A. (2023). El rol de la educación a distancia
en la educación superior, revisión de la literatura.
Horizon Nexus Journal
,
1
(3),
44
-
56.
https://doi.org/10.70881/hnj/v1/n3/23
Horizon Nexus Journal
Horizon Nexus Journal | Vol. 02 | Núm. 0
4
|
Oct
–
D
i
c
| 2024 | www.horizonnexusjournal.editorialdoso.com
53
Santander
-
Salmon, E. S. (2024).
Métodos pedagógicos innovadores: Una revisión de
las mejores prácticas actuales.
Revista Científica Zambos, 3
(1), 73
-
90.
https://doi.org/10.69484/rcz/v3/n1/13
Silva Alvarado, J. C., & Herrera Navas, C. D. (2022). Estudio de Kahoot como recurso
didáctico para innovar los procesos evaluativos pospandemia de básica superior
de la Unidad Educativa Iberoamericano.
Journal of Economic and Social Science
Research
,
2
(4), 15
–
40.
https://doi.org/10.55813/gaea/jessr/v2/n4/23
Silva Alvarado, J. C., & Herrera Navas, C. D. (2022).
Estudio de Kahoot como recurso
didáctico para innovar los
procesos evaluativos pospandemia de básica superior
de la Unidad Educativa Iberoamericano.
Journal of Economic and Social Science
Research
,
2
(4), 15
–
40.
https://doi.org/10.55813/gaea/jessr/v2/n4/23
Terrazo
-
Luna, E. G., Riveros
-
Anccasi, D., Gonzales
-
Castro, A., Ore
-
Rojas, J. J., Rojas
-
Quispe, A. E., Cayllahua
-
Yarasca, U., & Torres
-
Acevedo, C. L. (2023).
Desarrollo
del Pensamiento Creativo: mediante Juegos Libres para Niños.
Editorial Grupo
AEA.
https://doi.org/10.55813/egaea.l.2022.29
Terrazo
-
Luna, E. G., Riveros
-
Anccasi, D., Gonzales
-
Castro, A., Ore
-
Rojas, J. J., Rojas
-
Quispe, A. E., Cayllahua
-
Yarasca, U., & Torres
-
Acevedo, C. L. (2023).
Desarrollo
del Pensamiento Creativo: mediante Juegos Libres para Niños.
Editorial Grupo
AEA.
https://doi.org/10.55813/egaea.l.2022.29
Terrazo
-
Luna, E. G., Riveros
-
Anccasi, D., Torres
-
Acevedo, C. L., Rojas
-
Quispe, A. E.,
Cencho Pari, A., Coronel
-
Capani, J., & Yaulilahua
-
Huacho, R. (2023).
Habilidades Perceptivas: Mejorando el Aprendizaje Remoto en Estudiantes de 5
años.
Editorial Grupo AEA.
https://doi.org/10.55813/egaea.l.2022.30
Torres
-
Roberto, M. A. (2024).
Evaluación Formativa Continua en la Enseñanza y
aprendizaje del Cálculo: Mejorando el Rendimiento Académico en Estudiantes
de Educación Profesional.
Journal of Economic and Social
Science
Research
,
4
(2), 93
–
113.
https://doi.org/10.55813/gaea/jessr/v4/n2/104
Torres
-
Roberto, M. A. (2024).
Evaluación Formativa Continua en la Enseñanza y
aprendizaje del Cálculo: Mejorando el Rendimiento Académico en Estudiantes
de Educación Profesional.
Journal of Economic and Social Science
Research
,
4
(2), 93
–
113.
https://doi.org/10.55813/gaea/jessr/v4/n2/104
Torres
-
Torres, O. L. (2024).
Evaluación de Genially como herramienta didáctica en la
práctica docente de la educación a distancia.
Journal of Economic and Social
Science Research
,
4
(1), 1
–
18.
https://doi.org/10.55813/gaea/jessr/v4/n1/82
Tuomi, I. (2024). Inteligencia artificial y el aprendizaje del futuro: Consideraciones éticas
y pedagógicas. Informe sobre Tecnología y Educación en Europa, 1(1), 120
-
138.
https://hdl.handle.net/11592/9966
Zambrano
-
Muñoz, C. K. (2023).
Pedagogía y neurociencia y sus conexiones
emergentes en la educación actual.
Horizon Nexus Journal
,
1
(4), 32
-
46.
https://doi.org/10.70881/hnj/v1/n4/27
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.