Tema 3

Tema 3
Tecnologías para la Innovación Educativa
Inteligencia artificial
Índice
Material de trabajo 3
3.1. Introducción y objetivos 3
© Universidad Internacional de La Rioja (UNIR)
3.2. Caso: «Educación Smart» 4

3.3. Estrategia de análisis 4
3.4. Resolución 37
3.5 Referencias bibliográficas 39
A fondo 40
Test 42
Material de trabajo
3.1. Introducción y objetivos
Vivimos en un mundo donde las innovaciones tecnológicas nos bombardean cada día
y cualquiera podría sentirse abrumado. En los próximos años, esta tendencia se irá
incrementando y profesores y alumnos deben prepararse para comprender esta
tecnología y lograr ser partícipes, a la vez que desarrollar un espíritu crítico en la
valoración de su uso y de sus implicaciones en la vida.
El objetivo es que el alumnado sea parte activa en la sociedad y sea capaz de

aportar soluciones a los retos de su entorno.
En este contexto, debemos plantearnos como educadores cuál es nuestro papel y

cómo podemos dotar a nuestro alumnado de las herramientas necesarias para
adquirir estas capacidades. Por otra parte, el papel del profesorado tiene que
cambiar innegablemente ante los desafíos que provoca la Inteligencia Artificial
(I.A.), como los hologramas, los chatbots o los sistemas de actualización continua de
contenidos.
¿Puede la inteligencia artificial sustituir a un docente? ¿Y puede un programa

de I.A. educar a través de un dispositivo?
Estas y otras preguntas tendrán respuesta a lo largo del tema en el que trabajaremos
los siguientes objetivos:
⯈ Conocer qué es la inteligencia artificial.

⯈ Identificar los principios básicos que debe seguir la I.A.
⯈ Reconocer las principales aplicaciones de la I.A. en la educación.
⯈ Entender los beneficios y riesgos de la I.A. en educación.

3
Tema 3. Material de trabajo
⯈ Ser capaz de dar los primeros pasos con I.A. en el aula.
⯈ Familiarizarse con el Consenso de Beijing y conocer los proyectos de
implementación de I.A. por parte de la UNESCO.
3.2. Caso: «Educación Smart»
En este caso, Pablo Moreno nos contará las posibilidades actuales de la inteligencia
artificial y formulará la siguiente pregunta, ¿Inteligencia artificial en la educación, con
qué objetivo? Posteriormente desvelará algunas claves prácticas de la I.A. aplicada.
¿Qué puede empezar a hacer el educador con la Inteligencia Artificial en su centro o

aula?
3.3. Estrategia de análisis
Para poder establecer el objetivo que se persigue con la inteligencia artificial en la

educación, lo primero que tenemos que hacer es entender muy bien lo que es, qué
la define y conocer algunos ejemplos (apartado 1).
Igualmente, debemos saber qué son las analíticas del aprendizaje y la importancia
de la gestión de los datos en nuestra aula y nuestro centro (apartado 2).
En tercer lugar, es importante reconocer qué aporta la inteligencia artificial a la

educación y saber para qué nos puede servir (apartado 3).

4
Para comenzar en un ámbito aún en pleno crecimiento, es bueno plantearnos cómo
iniciar la implementación de la inteligencia artificial en los procesos educativos y
conocer proyectos ya en marcha (apartado 4).
Por último, tenemos que prestar atención a los principios básicos que rigen a la
inteligencia artificial, los problemas y dilemas a los que se enfrenta (apartado 5).

5
Definiendo la Inteligencia Artificial (apartado 1)
¿Puede pensar una máquina?
El viaje de la inteligencia artificial comienza con la publicación del artículo de Alan

Turing, On computable numbers, with an application to The entscheidungsproblem,
en 1937.
Figura 1. Alan Turing. Fuente: https://volklenders.com/volk-plus/software-y-tecnologia/alan-turing/.
En él se establecen las bases de la informática teórica y el concepto de algoritmo,

precursores de las computadoras digitales. Además, Turing plantea la pregunta
«¿puede pensar una máquina?». Puede parecer demasiado filosófica, pero para
concretar su respuesta propuso la siguiente prueba: dos habitaciones contiguas, en
A hay una persona y en B, se encuentra una persona o una máquina. La persona de
la habitación A se comunica mediante mensajes escritos, tipo chat, con lo que hay en
la habitación B (persona o máquina). La persona de la habitación A debe averiguar si
en la B hay una máquina o un ser humano, en función de las respuestas a sus
preguntas. Si no puede distinguir entre uno y otro, la máquina supera la prueba de
Turing y entonces se podría afirmar que es inteligente. Si la persona de A consigue
averiguar que las respuestas de B las da una máquina, entonces no superaría la

prueba y, por tanto, no podría considerarse inteligente. La prueba no tenía como
finalidad establecer si la máquina poseía sentimientos y/o pensamientos

6
«consciente», sino si la máquina era capaz de actuar mediante mensajes escritos, de
tal forma que hacía creer que razonaba y tenía inteligencia.
En 1956, Dartmouth, John McCarthy, Marvin Minsky y Claude Shannon acuñaron el

término de Inteligencia Artificial. Sin embargo ese concepto no se extendió y se hizo
tangible hasta que, en 2011, Deep Blue, el ordenador de IBM, venció al campeón
mundial de ajedrez Gari Kaspárov, lo que traería consigo una reflexión profunda.
Años más tarde, el ordenador Watson, también de IBM, ganaría un duelo contra el
cerebro humano en «Jeopardy», el famoso concurso de preguntas y respuestas de la
cadena norteamericana ABC.
En 2019, Ocaña-Fernández, Valenzuela-Fernández y Garro-Aburto afirmaron que la

inteligencia artificial (I.A.), en su sentido más natural, está referida al modo de simular
las capacidades de la inteligencia del cerebro humano, por lo que pensar en I.A. es
también pensar en aquello que nos hace posible interactuar y aprende. Y, por ello,
sus aplicaciones pueden contribuir enormemente en la educación.
Puedes leer su artículo completo aquí:
Ocaña-Fernández, Y., Valenzuela-Fernández, L. A., & Garro-Aburto, L. L. (2019).

inteligencia artificial y sus implicaciones en la educación superior.
http://revistas.usil.edu.pe/index.php/pyr/article/view/274.
Lo que hace años podría haber parecido ciencia ficción, hoy es una realidad para
proyectos e instituciones de todo tipo.
Resulta difícil encontrar una única definición de inteligencia artificial. Incluso para los
expertos es un reto encontrar una única interpretación, ya que los componentes de
la I.A. están en permanente transformación y, en el momento en el que se integran

7
en una aplicación de uso común, dejan de denominarse I.A. y pasan a ser programas,
algoritmos, etc.
Otra razón para no encontrar una buena definición, es que la I.A. tiene una
naturaleza interdisciplinar.
La informática, psicología, antropología, lingüística, biología, filosofía, y

neurociencia, entre otras, contribuyen a la I.A. aportando su terminología y
perspectiva.
La Universidad de Oxford, en un estudio sobre I.A aplicada a educación, la define

«como sistemas informáticos diseñados para interactuar con el mundo mediante
capacidades (por ejemplo, percepción visual y reconocimiento de voz) y
comportamientos inteligentes (por ejemplo: evaluar la información disponible y
luego realizar la acción más sensible para alcanzar un objetivo específico) que
nosotros consideraríamos propios del ser humano» (Luckin, Holmes, Griffiths y
Forcier, 2016, p. 14).
McKinsey define a la I.A. como «la capacidad de una máquina para realizar funciones
cognitivas que asociamos a la mente humana, como percibir, razonar, aprender,
interactuar con el entorno y resolver problemas o incluso utilizar la creatividad»
(ExperiencIA Oracle, 2018, s.p).

8
Descubre en esta infografía las áreas clave de la I.A (pincha en sus imágenes):
https://view.genial.ly/6128d07d9c7a290dc094e7ff
Cómo funciona la inteligencia artificial
Vivimos en la época de los datos, y cada año que pasa aumenta el volumen que
producimos, de tal forma que en menos de 48 horas somos capaces de producir la
misma cantidad de información que produjimos durante todo el año 2005.
Gracias la I.A. conseguimos dar sentido a la infinidad de datos que

acumulamos.
Las áreas del Machine Learning y del Procesamiento del Lenguaje Natural son las
encargadas de traducir los datos, que nos provee el big data, en información. Este
proceso es fundamental para conseguir que la inteligencia artificial extraiga
conclusiones, realice predicciones o se comunique con nosotros. A mayor cantidad
de datos, más fiable y representativo será el proceso que vamos a automatizar y
mejor funcionará el software.

9
En esta gráfica, puedes ver cómo se interrelacionan todas las áreas y tecnologías para
dar lugar a la inteligencia artificial
Figura 3. Interrelación de las áreas de la IA. Fuente: https://www.iic.uam.es/big-data-inteligencia-artificial/.


10
La importancia del dato en las Analíticas del
Aprendizaje (Learning Analytics) (apartado 2)
Aunque nos referimos a la inteligencia artificial como sistemas para interaccionar con
los humanos, hay una rama de la información y los datos, próxima a la inteligencia
artificial, de gran valor en el ámbito educativo. Nos referimos a las analíticas de
aprendizaje. La analítica del aprendizaje es un área de investigación y conocimiento
aplicado, emergente en el mundo de la educación.
Esta disciplina aprovecha el potencial de la tecnología big data y lo aplica en

los contextos de aprendizaje, con la finalidad de comprenderlos de forma más
profunda.
Para ello, se centra en el comportamiento digital del alumnado, aprovechando el

rastro que dejan, y recopila y sintetiza la información. El resultado es un amplio
conocimiento del alumnado que permite adaptar y personalizar las acciones
formativas.
Como ocurría con el término inteligencia artificial, no hay una única definición de la
analítica del aprendizaje. De la primera conferencia sobre este tema, LAK 2011,
celebrada en Canadá, se derivó la primera:
«Learning Analytics es la medida, recolección, análisis y reporte de datos

sobre los alumnos y sus contextos, con el propósito de comprender y
optimizar el aprendizaje y el entorno en el que ocurre» (Rodríguez Canfranc,
2019, s.p).

11
Por su parte, George Siemens, profesor de Athabasca University y fundador de
Complexive Systems Inc, empresa dedicada a la innovación educativa, e ideólogo del
conectivismo, apunta:
«Learning Analytics es el uso de datos inteligentes, de datos producidos por

los alumnos y de modelos de análisis, para descubrir información y
conexiones sociales que permitan predecir y asesorar el aprendizaje de las
personas» (Rodríguez Canfranc, P., 2019, s.p).
En estas definiciones se destacan tres puntos clave: los datos, que son la materia
prima; su análisis, que a través de algoritmos añade valor a los datos; y la acción a
tomar como respuesta a los resultados.
La analística del aprendizaje tiene una relación íntima con la digitalización de

la educación.
Parte del uso de plataformas educativas, tipo Moodle, donde el alumnado deja traza
de su actividad (accesos, horarios, tareas, participación en chats y foros, etc.), que es
recopilada y analizada con el fin de realizar una intervención tutorial, que minimice
el abandono e impulse el rendimiento. Pero es el lanzamiento del formato MOOC
(cursos masivos online) lo que termina de potenciar esta tecnología, pues permite el
análisis de un ingente volumen de datos procedentes de un alumnado multitudinario.
Con la ayuda del big data y el learning analytics se consigue mejorar la calidad de los
cursos al identificar patrones de realización y de conexión, para conseguir reforzar
aquellas partes de cada curso mejor valoradas entre el alumnado y mejorar las que
no lo son tanto. Por otra parte, evidencia dónde es prioritario invertir nuestros
esfuerzos económicos y diseñar una estrategia en este sentido.
Por su parte, el estudiante también obtiene un beneficio del uso de las analíticas del
aprendizaje, ya que le ayuda a identificar los factores que determinarán su éxito
académico y le ayudan a diseñar el currículo que mejor se adapte a sus intereses.
Además, nuevas investigaciones proponen implementar el análisis biométrico del

12
estudiante para conocer su estado anímico, su interés, el nivel de estrés… Esto
permitirá tener un amplio conocimiento del alumnado, además de ayudar a la
institución a analizar el interés por los recursos que ofrece y posibilitar su mejora.
Como veremos más adelante, en el apartado Inconvenientes de la I.A., esta tecnología
también tiene una faceta negativa en cuanto al uso indiscriminado de los datos, y
más cuando se refiere a menores.
En la siguiente infografía, puedes ver un resumen de la fundamentación educativa de

la analítica del aprendizaje:
Figura 4. Fundamentación educativa de la analítica del aprendizaje Fuente:

https://www.theflippedclassroom.es/analiticas-de-aprendizaje/.
Existe un consenso generalizado en torno al valor de una educación personalizada y

se han elaborado informes que muestran que el uso de este tipo de sistemas
adaptativos estaría asociado a mayores niveles de empoderamiento, compromiso y
proactividad del estudiante con su proceso de aprendizaje (Horizon Report, 2019;
NSW Department of Education, 2017; Luckin et al, 2016).
Existe en el mercado una variedad de productos que realizan este proceso a partir de
diversas materias curriculares, aunque la mayor parte se encuentran en Matemáticas
y Ciencias. Un ejemplo de plataformas adaptativas es el que promueven
herramientas como Snappet (https://es.snappet.org/), para las asignaturas de

13
Lengua y Matemáticas de Educación Primaria, o el proyecto ALEKS
(https://www.mheducation.es/universidades/soluciones-digitales/aleks) de
McGraw-Hill, para el aprendizaje de las matemáticas desde niveles elementales hasta
Universidad.
Las analíticas de aprendizaje normalmente se visualizan como una herramienta

tecnológicamente muy avanzada y desarrollada por una gran empresa, laboratorio o
universidad. Sin embargo, si un centro no tiene la disponibilidad de recursos para
contratar una empresa que le provea del software necesario, puede comenzar a
realizar su propia analítica del aprendizaje proporcionando al profesorado un buen
conocimiento del uso de Excel (u otra hoja de cálculo similar) como herramienta para
realizar las analíticas a los diferentes grupos de estudiantes.
A continuación, puedes leer el caso de un profesor que comenzó a hacer learning

analytics de forma muy intuitiva y utilizando Excel y Google Suite. En él explica que
lo primero que debemos tener claro es qué necesitamos saber para poder así diseñar
el documento en el que integraremos todos los datos.
Sanz, M. (2019, octubre 3). Marcos Sanz: mis primeros pasos con analítica de datos.
Edulíticas. https://eduliticas.com/2019/10/divulgacion/marcos-sanz-mis-primeros-
pasos-con-analitica-de-datos/
Y en el siguiente libro puedes encontrar diversas experiencias de aplicación en el aula.

Además, dedica un capítulo a la aplicación de las analíticas de aprendizaje según las
metodologías que se empleen en el aula.
Amo Filvà, D. (2021). Analítica del Aprendizaje. 30 experiencias con datos en el Aula.
Edulíticas. https://eduliticas.com/analitica-aprendizaje-30-experiencias-datos-aula/.

14
Estos son los pasos que debes seguir si quieres realizar tu propio learning analytics
en el aula:
Figura 5. Pasos clave en el ciclo de la analítica del aprendizaje. Fuente: https://eduliticas.com/.
Actividad de reflexión
Te puedes plantear realizar una analítica de aprendizaje de los estudiantes en tu aula

o en tu centro partiendo de algunos datos. Reflexiona sobre lo siguiente:
⯈ ¿Tienes claro el objetivo del análisis de datos que quieres realizar?

⯈ ¿Sabes qué información vas a recoger?
⯈ ¿Estás familiarizado con la herramienta que has decidido utilizar (por ejemplo,
Excel)?
⯈ ¿Sabes aplicar las fórmulas para obtener los datos y sus distribuciones para
tener la visión que necesitas?
⯈ ¿Tienes claro el uso que le vas a dar a esos datos?
El análisis de datos lo puedes aplicar como profesor en el aula, como grupo de

profesores en un ciclo o a nivel de centro. Los datos son una fuente de información
objetiva y fiable y es absolutamente necesario saber tratarlos para poder tomar

15
decisiones. Si las herramientas más sofisticadas no están a tu alcance, no dudes en
aprender a usar Excel u otra hoja de cálculo similar para sacarle todo el partido a los
datos (https://www.youtube.com/watch?v=JcE2UhFWZvc).

16
Utilidad de la Inteligencia artificial en la educación
(apartado 3)
Como ocurre en todos los ámbitos de la sociedad, la educación está inmersa en un

proceso de cambio profundo que está generando grandes reflexiones respecto a los
procesos de enseñanza, el equilibrio en la incorporación de la tecnología en el aula y
su propio papel en el proceso educativo. Sin lugar a duda, uno de los grandes pilares
de este cambio es el aprendizaje personalizado.
Implementar la I.A. en la educación representa una gran inversión para una

institución educativa, pero los beneficios o mejoras que puede suponer son muy
destacables. A continuación, se exponen algunas de las más importantes:
Asistir al docente
La I.A. apoya la labor docente al realizar o facilitar tareas automáticas, como las
administrativas o la corrección de exámenes tipo test, con un ordenador o un
dispositivo inteligente y la instalación de una aplicación o programa específico. Evita
que los docentes pierdan tiempo en tareas mecánicas y repetitivas y que puedan
emplear su tiempo en otras tareas más específicas y productivas, como las
enseñanzas individualizadas.
Por ejemplo, algunas plataformas, como Moodle, ya incorporan esta opción. Es decir
que la propia plataforma corrige cuestionarios y elabora informes en los que se
especifican las respuestas acertadas y erróneas, los intentos, etc.
Como profesor virtual
Los chatbots son programas informáticos capaces de mantener una conversación de

forma autónoma a través de una aplicación web. Estas aplicaciones facilitan los

17
entornos de aprendizaje online, ya que, actúan como profesor o tutor interactivo
que resuelve dudas, explica ciertos temas o cuestiones y realiza evaluaciones
automáticas y personalizadas para cada alumno. Los tutores virtuales pueden
identificar los errores más comunes del alumnado y proporcionar un feedback preciso
y en tiempo real que les ayude a mejorar su desempeño. Según la Universidad de
Stanford, el uso de tutores virtuales se expandirá significativamente en los próximos
quince años.
Un ejemplo de chatbot ligado al aprendizaje adaptativo es Watsom. Se trata de una

aplicación desarrollada por una empresa española, KIO AI, que, a partir de juegos,
detecta posibles casos de acoso escolar. Puedes ver más información sobre el
proyecto aquí: https://www.ibm.com/case-studies/watsomapp-ai-watson-school.
Medir el rendimiento académico de los estudiantes
La I.A. puede garantizar el éxito educativo e, incluso, realizar un diagnóstico

temprano de algunos trastornos de aprendizaje, como el TDAH. Esta tecnología mide,
compara y analiza el progreso académico de cada estudiante de manera
personalizada. Puede crear un patrón de comportamiento a nivel de conocimiento,
así como una curva de aprendizaje adaptada a cada uno.
Un ejemplo es el proyecto piloto en el que trabaja un equipo de expertos de la

Universidad Internacional de La Rioja (UNIR).
Reconocimiento del alumnado
El diseño e implementación de herramientas de reconocimiento facial, de la voz y

hasta el estilo de redacción que validan la identidad de los alumnos durante un

examen a distancia y que reconocen su autoría en el resto de las actividades
académicas.

18
Un ejemplo es el proyecto piloto, TeSLA, promovido por la Unión Europea. En él han
participado 500 profesores de siete universidades y 23 000 estudiantes, algunos con
necesidades educativas especiales.
La empresa sueca Lexplore desarrolló una aplicación para predecir la dislexia, con
base en el seguimiento del movimiento de los ojos de los niños. Y, en la actualidad,
existen otras en vías de desarrollo para identificar el autismo y el déficit de atención,
con el uso de robots sociales (Craglia et al, 2018).
Asimismo, el uso de algoritmos de reconocimiento de fonemas permitiría su

identificación y la corrección en tiempo real de la pronunciación de distintas palabras,
lo cual podría utilizarse para desarrollar habilidades de habla y escucha de otra
lengua, sin necesidad de contar con un hablante nativo (Johnson et al, 2014;
Markowitz, 2013; Miangah y Nezarat, 2012). Este tipo de tecnologías de
reconocimiento de voz también se está aprovechando en plataformas adaptativas
como Liulishou, mencionada anteriormente y utilizada para la enseñanza del inglés
en China.
Actividad de reflexión
Si quieres, puedes. Imagínate que quieres desarrollar un chatbot para ayudar a las
familias y a los estudiantes a tomar decisiones educativas o de su organización
académica.
Haz una prueba con https://es.snatchbot.me/education Puedes encontrar muchos

ejemplos y plantillas.

19
Otros beneficios
Además de liberar a los docentes y gestores de los centros o instituciones de tareas

mecánicas, la I.A. presenta otros beneficios en educación, por ejemplo:
⯈ Actualiza contenidos de forma continua. La I.A. se encarga de analizar y procesar

la información incorporada a su base de datos para que pueda ser utilizada de
forma productiva.
⯈ Acceso universal a los conocimientos. Este gran potencial de la I.A. está presente,
pero debe destacarse que su implementación será mucho más avanzada en los
países o zonas más desarrolladas, por lo que, en principio, existirán desigualdades
en el acceso a la información.
⯈ Identificación de nuevos temas de estudio. Los docentes pueden pedirle que
busque los contenidos más relevantes y actualizados dentro de internet, de
acuerdo con una temática preestablecida, y la máquina creará cursos
automáticamente, de forma que el docente solo tenga que verificar que la
información sea correcta. Además, el software también podrá generar
actividades y ejercicios relacionados con la unidad temática.
⯈ Lifelong learning. La inteligencia artificial siempre está dispuesta a resolver las
dudas del alumnado, las veinticuatro horas del día, los siete días de la semana, es
decir, siempre se puede adaptar a la disponibilidad del alumno. Además, no se
cansa, no limita el tiempo de clase ni el número de alumnos que le plantean
preguntas.
⯈ Integra datos cuantitativos. Analiza e interpreta datos, no solo con el fin de
evaluar qué metodologías o herramientas se deben utilizar con un alumno en
concreto para garantizar un proceso de aprendizaje más eficaz, sino que también
realiza esta acción con otros objetivos. Por ejemplo, para prevenir actitudes que
puedan suponer un problema en el aula o retrasos en el aprendizaje.

20
⯈ Promueve el aprendizaje colaborativo. Analiza los resultados de cada alumno y
propone al docente grupos de trabajo cuyos miembros se complementen y donde
las carencias de cada alumno puedan ser subsanadas por las aptitudes de otros.
Además, desde hace años, las plataformas para el trabajo colaborativo hacen uso
de espacios de discusión asincrónicos. Tal es el caso de los foros en los que los
estudiantes comparten sus preguntas y realizan tareas conjuntas (O’Malley,
2012; McLaren, Scheuer y Mikšátko, 2010). Por ejemplo, se han desarrollado
sistemas que ofrecen retroalimentación a los estudiantes para las distintas
materias y que informan a los docentes de aquellas situaciones que podrían
requerir su atención, lo cual se hace por medio de una síntesis de las discusiones
que se han llevado a cabo hasta ese momento (véase, por ejemplo, McLaren,
Scheuer y Mikšátko, 2010).
Con este tipo de iniciativas se busca aprovechar la capacidad de la IA de analizar

las respuestas y articular las discusiones en tiempo real con el fin de fomentar las
habilidades de argumentación y debate de los alumnos (McLaren, Scheuer y
Mikšátko, 2010; Scheuer et al., 2010). La automatización de este tipo de procesos
también puede ser importante para apoyar la actividad del docente cuando los
grupos de estudiantes son numerosos. Esto es así ya que el análisis y resumen de
las distintas discusiones que han tenido lugar dentro de los diversos grupos de
trabajo dota al docente de datos concretos para apoyar de manera eficiente a
cada grupo sin tener que pasar por el proceso de recapitulación de todo lo
ocurrido (Gadanidis, 2017; Luckin et al, 2016).
⯈ Impulsa la integración de la tecnología en el aula. Promueve el cambio de

paradigma respecto a un sistema educativo actual obsoleto. Prepara a los
alumnos para un futuro marcado por las nuevas tecnologías, en el cual serán
imprescindibles conceptos como la programación y la robótica, internet de las
cosas (IoT), realidad aumentada, virtual y mixta, entre otros.
⯈ Mejora del Marketing Educativo. Las instituciones podrán ajustar sus campañas
de captación y retención, según perfiles de comportamiento de estudiantes
actuales y potenciales.

21
Cómo iniciar la implementación de la I.A. en los
procesos educativos (apartado 3)
Para comenzar con la transformación e introducir la I.A. en tu institución es

primordial tener en cuenta los objetivos de esta tecnología y su alcance, y valorar las
capacidades del centro. En definitiva, de una aplicación estratégica y meditada de la
I.A. se obtendrán mejores resultados para los docentes, el alumnado y para la imagen
corporativa de la institución. Es prioritario apostar por un cambio de cultura en los
miembros de la comunidad educativa y facilitarles la capacitación en nuevas
tecnologías como:
⯈ Pensamiento computacional, programación y robótica.

⯈ Realidad aumentada y virtual.
⯈ Sistemas de tutoría inteligentes.
⯈ Sistemas de aprendizaje.
⯈ Analítica del aprendizaje para mejorar la toma de decisiones.
Si seguimos este proceso, será más sencillo implementar otras tecnologías de la I.A,
como los tutores virtuales o los campus inteligentes cuando llegue el momento. Un
estudio de la Universidad de Stanford: Artificial Intelligence and Life in 2030 (ver A
fondo) analiza la presencia y repercusión de la I.A en diferentes ámbitos de la
sociedad.
Sus autores comentan que en los próximos años es probable que los docentes
reciban ayuda de la inteligencia artificial y esta servirá para desdibujar la línea
entre la enseñanza formal en el aula y el aprendizaje individual, de forma que

cada alumno vaya a su propio ritmo.
También remarcan que, a estas alturas, esperaban que ese uso ya se hubiera iniciado
de una forma normalizada, tanto en colegios como en universidades. Sin embargo,

22
han constatado que no es así a causa de la falta de inversión y de estudios sobre su
eficacia.
Actividades desenchufadas
No obstante, como ocurría con el pensamiento computacional y la robótica, también

se puede comenzar con la inteligencia artificial desenchufada. Esto ayuda a los
estudiantes a experimentar los conceptos e ideas propios de la inteligencia artificial,
que los convertirá en creadores y no solo en meros consumidores de la tecnología.
Uno de los usos de la I.A. es el reconocimiento de objetos y personas por parte de las
máquinas. Para comprender este proceso, se pueden plantear en el aula actividades
deep learning, para recrear con los alumnos el proceso de reconocimiento de
imágenes de una red neuronal simplificada.
Para ayudar al alumnado a comprender cómo ‘piensa’ una máquina, las actividades
que se sugieren implican la clasificación con árboles de decisión. En el documento
que puedes leer a continuación, encontrarás una actividad que utiliza una baraja con
monos serios y sonrientes a partir de la cual, el alumnado irá creando su árbol de
decisión para averiguar cuáles muerden y cuáles no.
Puedes descargar de la página web el documento con las actividades y todos los
recursos necesarios para llevarlas a cabo: https://www.aiunplugged.org/.
Primeros pasos con dispositivos
La Sociedad Internacional de Tecnología para la Educación (ISTE) insiste en la

necesidad de trasladar al alumnado los conceptos básicos de la inteligencia artificial
y llega a comparar la importancia de adquirir competencias en esta tecnología con el

aprendizaje de idiomas.

23
El ISTE aplica el modelo SAMR de Ruben Puentedura (visto en el tema 1) para diseñar
una propuesta de actividades desenchufadas y medir el grado de adquisición de
competencias por parte del alumnado. La finalidad de algunas de estas actividades
es la motivación para usar la tecnología para alcanzar los niveles de modificación y
redefinición. Otras, consiguen que el alumnado participe conceptualmente con
tecnologías de I.A. que le lleven al nivel de sustitución y aumento del SAMR. Los
conocimientos adquiridos con este tipo de actividades los ayudará a comprender e
incluso a crear tecnologías de IA.
En este enlace puedes encontrar la propuesta de actividades para Educación

Primaria:
Sociedad Internacional de Tecnología para la Educación (ISTE) (2021). Proyectos

prácticos de IA para el aula. Una guía para maestros de primaria.
https://cdn.iste.org/www-
root/Libraries/Documents%20%26%20Files/Artificial%20Intelligence/AIGDK5_1120_ES.
pdf?_ga=2 73089681 366966694 1620225934-1760689067 1620120538
Y en este, para Educación Secundaria:
Sociedad Internacional de Tecnología para la Educación (ISTE) (2021). Proyectos

prácticos de IA para el aula. Una guía para maestros de secundaria.
https://cdn.iste.org/www-
root/Libraries/Documents%20%26%20Files/Artificial%20Intelligence/AIGDSE_1120_ES.
pdf?_ga=2 32830782 1632471274 1618307380-1292981164 1618307380
Proyectos de implantación de I.A
Igual que ocurre en otros ámbitos, las organizaciones internacionales establecen

marcos internacionales para que los países y las administraciones locales puedan
utilizarlos como una guía para su implementación. En el caso de la inteligencia

24
artificial, la UNESCO ha decido ayudar a los Estados Miembros para que saquen
provecho del potencial de las tecnologías de la I.A con miras a la consecución de la
Agenda de Educación 2030, a la vez que garantiza que su uso en el contexto educativo
se rija por los principios fundamentales de inclusión y equidad. Por una parte la
UNESCO tiene el compromiso de una «inteligencia artificial» para todos, que permita
a las personas beneficiarse por igual de la revolución tecnológica y luchar contras las
desigualdades mediante el acceso al conocimiento, a la investigación con atención a
la diversidad cultural. Así, en el en el marco del Consenso de Beijing la UNESCO
elaboró un documento que aglutina las oportunidades y desafíos de la inteligencia
artificial en el ámbito de la educación, planteando las competencias básicas
necesarias en I.A, titulado Artificial Intelligence and Education: Guidance for Policy-
makers (Inteligencia artificial y educación: Guía para los encargados de formular
políticas),
En el marco de sus proyectos, la UNESCO sostiene que el despliegue de las

tecnologías de la I.A en la educación debe tener como objetivo la mejora de las
capacidades humanas y la protección de los derechos humanos con miras a una
colaboración eficaz entre humanos y máquinas en la vida, el aprendizaje y el trabajo,
así como en favor del desarrollo sostenible.
El vínculo entre la I.A y la educación consiste en tres ámbitos: aprender con la I.A (por
ejemplo, utilizando las herramientas de I.A en las aulas), aprender sobre la I.A (sus
tecnologías y técnicas) y prepararse para la I.A (por ejemplo, permitir que todos los
ciudadanos comprendan la repercusión potencial de la I.A en la vida humana).
Actualmente la UNESCO tiene como ejes prioritarios la integración de los aspectos

técnicos y humanos de la I.A en los programas formativos y trabaja en torno a tres
ejes:
⯈ Elaboración de un marco de competencias en I.A para los centros educativos.

25
⯈ Creación y gestión de un repertorio en línea que acogerá los recursos pedagógicos
seleccionados en materia de I.A, los planes de estudio nacionales sobre la I.A y
otras formaciones en competencias digitales esenciales.
⯈ Organización de talleres para integrar la formación en materia de IA en los planes
de estudio nacionales o institucionales en determinados países.
La UNESCO está desarrollando un repertorio en línea que tiene como objetivo

proporcionar una plataforma centralizada a los Estados Miembros que reflexionan
acerca de la mejor manera de enseñar la I.A a los jóvenes – su funcionamiento, su
utilización y sus posibles consecuencias para la humanidad. El repertorio tiene como
objetivo ayudar a los encargados de elaborar planes de estudio a actualizar sus
competencias en I.A. en los planes pedagógicos de las escuelas y otros centros
educativos; a facilitar la preparación de (especialistas) formadores; y a proporcionar
recursos específicos en materia de la I.A. en la educación de libre acceso para todos.
Los talleres de integración de la I.A. en los planes pedagógicos nacionales o

institucionales se dirigen a los docentes y creadores de planes de estudio. Serán
elaborados por docentes y especialistas en la creación de planes pedagógicos, en
inteligencia artificial y en la creación de talleres.
Más información sobre los programas de UNESCO sobre la Inteligencia Artificial:
UNESCO. (2019). La Inteligencia Artificial en la Educación

https://es.unesco.org/themes/tic-educacion/inteligencia-artificial.
En el Consenso de Beijing sobre la inteligencia artificial en la educación, los

representantes de los Estados Miembros, de organizaciones internacionales, de

instituciones académicas, de la sociedad civil y del sector privado aprobaron el primer
primer documento que proporciona orientaciones y recomendaciones sobre la mejor
manera por parte de los Estados de responder a las oportunidades y desafíos
vinculados con la I.A. para acelerar el progreso en la consecución del ODS 4.

26
Puedes leer el texto completo:
UNESCO. (2019). Consenso de Beijing sobre la inteligencia artificial y la educación

https://unesdoc.unesco.org/ark:/48223/pf0000368303
La incorporación en estos sistemas adaptativos de nuevos algoritmos de I.A. con

reconocimiento de voz e imagen, y el manejo de grandes volúmenes de datos, están
permitiendo personalizar aún más las trayectorias de aprendizaje de los estudiantes,
armonizándolas con elementos de su personalidad, intereses, estilos de aprendizaje
y estados de ánimo. Un ejemplo que ilustra esta tendencia es RoboTutor, una
aplicación para tabletas orientada a compensar las carencias de niños de 7-10 años
con poco o ningún acceso a la escuela, enseñándoles a leer, a escribir y aritmética
básica sin el apoyo de un adulto. RoboTutor produce una retroalimentación
automática a la lectura hablada que realizan los niños frente a sus dispositivos. Esta
aplicación fue desarrollada por la Universidad Carnegie Mellon, y en 2019 recibió el
Global Learning XPRIZE que premia aquellos programas informáticos que ayudan a la
educación de los niños de países en desarrollo.
En China se están desarrollando varias iniciativas innovadoras en este ámbito. Una

de ellas es MasterLerner, un «súper profesor» en línea capaz de responder
simultáneamente 500 millones de consultas de los estudiantes que están preparando
el examen de ingreso a la universidad en ese país.
Plataformas de I.A.
Pearson & Watson (https://www.pearson.com/ped-blogs/blogs/2018/11/ai-based-

tutoring-new-kind-personalized-learning.html). La combinación de las capacidades
de IBM con los productos de aprendizaje digital de Pearson tiene como resultado el
desarrollo de una tecnología cognitiva que ayuda a estudiantes y profesores a
mejorar sus resultados, desde los niveles más básicos hasta la universidad. Las
soluciones y servicios de IBM Education permiten personalizar el aprendizaje,

27
aumentar la capacidad de investigación y optimizar las operaciones. Es capaz de
registrar el perfil de cada estudiante y crear patrones con los que responder a sus
preguntas adaptándose a su nivel cognitivo. Además, registra su rendimiento para
informar al profesorado en qué áreas necesita refuerzo. Watson actúa como un tutor
digital que evalúa las respuestas de los estudiantes para guiarlos con sugerencias,
comentarios, explicaciones e identificar conceptos erróneos comunes, trabajando
con cada uno de ellos, a su ritmo hasta que se domine el tema. Es decir,
personalizando el aprendizaje. Este proyecto se ha llegado a utilizar en España, en
concreto en algunos colegios de Madrid, con el nombre de «Watson va a clase».
Puedes ver este vídeo:
Squirrel AI (http://squirrelai.com/). Startup china de I.A. que intenta revolucionar la

educación sin sustituir a los profesores. Ofrece clases extraescolares para reforzar el
aprendizaje de los alumnos ayudándolos a superar sus exámenes. En un primer
momento, cada alumno debe realizar una prueba diagnóstico que evalúa en qué
áreas necesita más refuerzo y según sus resultados se crea un plan específico a
medida, es decir, ofrece una enseñanza adaptada a cada alumno que se va
reajustando según avanza en el plan de estudios. Los creadores de esta plataforma
realizaron un estudio durante cuatro días a un grupo de 87 estudiantes en octubre

28
de 2017 y reveló que el sistema era mejor para elevar los resultados de las pruebas
de matemáticas que los maestros en una clase tradicional de doce niños. Eso no
significa que el modelo de enseñanza de Squirrel prescinda de los profesores, si no
que el modelo de profesor debe cambiar. El CEO de MIT Technology Review, comentó
durante una entrevista: «Cuando la educación mediante I.A. prevalezca, los
profesores humanos serán como un piloto». Su función será controlar que el alumno
avanza en su plan de estudios y solo intervenir cuando el estudiante esté atascado. El
problema de Squirrel es que está pensada para preparar los exámenes
estandarizados de China, pero no explora qué nuevas áreas le podrían interesar al
alumno para fomentar sus habilidades.
PAM (Profuturo) (https://profuturo.education/recursos-docentes/). Es una

plataforma adaptativa incluida dentro del Plan Ceibal, Uruguay, a la que se puede
acceder en cualquier momento y desde cualquier lugar, que tiene como eje central
enseñar matemáticas, integrando activamente a los docentes y estudiantes. Posee
algunas características típicas de LMS (Learning Management System), por ejemplo,
permite a los docentes trabajar en grupos, proponer y lanzar diferentes tipologías de
actividades, y asociar metas de aprendizaje. Estas metas conectan directamente con
sus opciones de evaluación, PAM pone a disposición un enfoque evaluativo integral
que busca generar un seguimiento en tiempo real, mediante reportes que se pueden
ir obteniendo de forma inmediata. La característica más importante de esta App es
que se adapta al ritmo de aprendizaje de cada uno de los estudiantes, ofreciendo una
atención individualizada. Esto lo consigue analizando diversos mecanismos de
interacción y de resolución de problemas. En su análisis de datos, intenta ir en todo
momento más allá de la observación de la variable ‘correcto’ – ‘incorrecto’. Avanza
hacia un modelo que tiene como clave elemental, descifrar la causa de los errores y
proponer diversas alternativas de resolución, con el ánimo de guiar a los estudiantes
por diferentes caminos, teniendo en cuenta sus capacidades.

29
Aquí puedes ver un video de cómo se utiliza PAM en las escuelas de Uruguay.
MEC FLIX (Profuturo) (http://mecflix.mec.gov.br/). Esta iniciativa forma parte del

proyecto ENEM, se trata de una plataforma que ofrece una secuencia de aprendizaje
a través de vídeos gratuitos cedidos por una serie de socios educativos seleccionados
por el Ministerio de Educación de Brasil (MEC). Su objetivo es poner a disposición del
profesorado y del alumnado materiales didácticos relacionados con el contenido
exigido en el Examen Nacional de Enseñanza Media de Brasil. Además de vídeos esta
plataforma permite:
⯈ Guardar las videollamadas que encuentre interesantes, crear o elegir una playlist
de vídeos.
⯈ Compartir listas de reproducción con amigos.
⯈ Evaluar el contenido proporcionado, haciendo clic en el botón de «disfrutar»
ubicado debajo del vídeo.

⯈ Personalizar la visualización de las videotecas.
⯈ Visualizar las listas de reproducción de otros usuarios.
⯈ Hacer anotaciones y acceder a estas anotaciones a través de un panel de usuario.

30
Splash Learn. (https://www.splashlearn.com/) Es un programa de matemáticas
basado en juegos pensado para las etapas Educación infantil y Primaria en el que
confían más de 77 000 escuelas en los Estados Unidos. SplashLearn personaliza el
aprendizaje e informa a los docentes de los progresos de sus alumnos a través de
paneles.
Duolingo (https://es.duolingo.com/). Suma tutorías inteligentes, el procesamiento

del lenguaje natural y Automatic Speech Recognition (ASR) para crear un programa
de aprendizaje automático de idiomas que reconoce nuestros errores y dirige nuestro
aprendizaje hasta solventarlos.
Letrus (https://www.letrus.com.br/). Es un programa portugués de habilidades de

escritura impulsado por la inteligencia artificial para la retroalimentación
automatizada de la escritura del alumnado. Tiene como objetivo reducir el
analfabetismo funcional en la lengua portuguesa, mejorando las oportunidades de
práctica para los estudiantes y profesores de secundaria. El programa apoya las

aptitudes de escritura de los estudiantes mediante la retroalimentación híbrida de la
I.A. y las personas. Los estudiantes reciben los comentarios inmediatos del software

31
que puede identificar patrones de escritura, así como una retroalimentación más
detallada que proviene de las correcciones humanas.
Dytective (detective) (https://www.changedyslexia.org/). Es una herramienta

diseñada por la empresa española Change Dyslexia capaz de detectar la dislexia en
unos 15 minutos. Esta aplicación ayuda a los alumnos con dislexia a superar sus
dificultades de escritura y lectura a partir juegos. Hasta la fecha, más de 270 000 niños
de 43 países diferentes se han beneficiado de un pre-diagnóstico gratuito de la
dislexia.

32
Principios básicos que debe seguir la I.A.
(apartado 5)
La Inteligencia artificial es una herramienta poderosa que se puede usar para

beneficiar enormemente al mundo, pero debe ser utilizada de manera responsable.
La UNESCO ha introducido una serie de conceptos clave sobre los que los estados y
las organizaciones pueden implementar los suyos propios:
⯈ Proporcionalidad: las tecnologías de I.A. no deben exceder los límites

preestablecidos para alcanzar metas u objetivos legítimos y deben adaptarse al
contexto de su uso.
⯈ Supervisión y determinación humanas: los humanos son ética y legalmente
responsables de todas las etapas del ciclo de vida de los sistemas de I.A.
⯈ Gestión medioambiental: los sistemas de I.A. deben contribuir a la interrelación
pacífica de todos los seres vivos y respetar el entorno natural, especialmente en
la extracción de materias primas.
⯈ Igualdad de género: las tecnologías de la I.A. no deben reproducir las brechas de
género que existen en el mundo real, en particular en lo que respecta a los
salarios, la representación, el acceso y la difusión de estereotipos. Es necesario
adoptar medidas políticas, incluida la discriminación positiva, para evitar estos
grandes escollos.
Puedes encontrar el texto completo del anteproyecto aquí:
UNESCO. (2020). Documento final: primera versión del proyecto de recomendación sobre
la Ética de la Inteligencia Artificial.

https://unesdoc.unesco.org/ark:/48223/pf0000373434_spa.
Por su parte, empresas que están desarrollando software de inteligencia artificial,

como Microsoft, establecen unos principios propios diseñados a partir de los de la

33
UNESCO para garantizar que las aplicaciones de inteligencia artificial ofrezcan
soluciones a problemas difíciles sin consecuencias negativas y no deseadas. Estos son:
⯈ Imparcialidad. Los sistemas de I.A. deben tratar a todas las personas de manera
equitativa. Por ejemplo, si pensamos en un modelo de Machine Learning para
admitir una solicitud de aprobación de préstamo bancario, el modelo debe hacer
predicciones acerca de si el préstamo ha de ser aprobado o no sin incorporar
ningún sesgo de género, origen étnico u otros factores que puedan implicar una
ventaja o desventaja injusta para grupos específicos de solicitantes.
⯈ Confiabilidad y seguridad. El desarrollo de aplicaciones de software basadas en
inteligencia artificial debe someterse a rigurosos procesos de prueba y
administración de implementaciones para garantizar que funcionen de manera
segura y fiable. Por ejemplo, si se utiliza un software basado en I.A. para la
conducción de un vehículo autónomo o para utilizar un modelo de Machine
Learning que diagnostica los síntomas y emite recetas a los pacientes. La fiabilidad
debe estar asegurada, ya que, podría poner en peligro la vida humana.
⯈ Privacidad y seguridad. Los modelos de Machine Learning en los que se basan los
sistemas de inteligencia artificial dependen de grandes volúmenes de datos, que
pueden contener datos personales de los usuarios. Por tanto, es imprescindible
que estos sistemas sean seguros y que respeten la privacidad.
⯈ Inclusión. La inteligencia artificial debe aportar beneficios a todos los sectores de
la sociedad, independientemente de su capacidad física, género, orientación
sexual, origen étnico u otros factores.
⯈ Transparencia. Los sistemas de inteligencia artificial deben ser comprensibles.
Los usuarios deben ser plenamente conscientes del propósito del sistema, su
funcionamiento y las limitaciones que se pueden esperar.
Responsabilidad. Los diseñadores y desarrolladores de soluciones basadas en I.A.

deben trabajar dentro de un marco de gobernanza y principios de organización que
garanticen que la solución cumpla con los estándares éticos y legales claramente
definidos.

34
Inconvenientes de la I.A.
A pesar de todas las ventajas que parece que supone, no debemos obviar que la
inteligencia artificial en la educación también podría crear algunas dudas. Por

ejemplo, si su uso no será un instrumento que limite la socialización entre alumnos o
entre alumnos y profesores. Sin embargo, a pesar de que la tecnología podría hacerlo
posible, a la falta de recursos económicos y de datos que constaten su eficacia, se
une el hecho de que herramientas como los ordenadores, los teléfonos móviles o las
tabletas, todavía no están plenamente integrados en las aulas.
Por otro lado, se requiere que el profesorado esté preparado para este cambio de
paradigma, algo que parece un requerimiento esencial en este momento ante el
momento cambiante al que nos enfrentamos. La I.A. provocará un cambio en el rol
del docente, no solo porque deberá aumentar sus conocimientos sobre tecnología,
sino también porque podrá centrarse más en el alumno e incluso estar presente en
varias aulas a la vez.
Otro gran inconveniente puede ser que, el acceso poco equitativo a este recurso
acabe generando más desigualdades sociales. Los países menos desarrollados se
arriesgan a sufrir nuevas divisiones sociales y tecnológicas y es necesario hacer frente
a algunos obstáculos importantes para establecer las condiciones básicas de
implementación de nuevas estrategias para mejorar el aprendizaje. Muy ligado a
este, surge también la preocupación acerca de que los sesgos implícitos en las nuevas
aplicaciones de I.A. no ayuden a garantizar una educación inclusiva y de calidad para
todos. El entrenamiento de los algoritmos de aprendizaje automático se realiza con
datos provenientes de ciertos contextos y personas, lo que podría conducir a que
estos sistemas internalicen criterios parciales o discriminatorios propios de esas
fuentes. En este sentido, su uso podría reproducir estos sesgos dentro de las aulas,
manteniendo o aumentando las brechas que ya existen en el campo educativo.
Por último y no menos importante, resulta la preocupación por la protección de la
privacidad de los escolares. La inteligencia de los algoritmos de aprendizaje

35
automático (machine learning) se obtiene al entrenarlos con grandes volúmenes de
datos, lo que en el caso de la educación significa utilizar la información de los
estudiantes y sus familias disponible en las escuelas y, en algunos casos, en las redes
sociales y otros registros de imágenes, vídeos y audios que realizan las aplicaciones
para personalizar sus respuestas.
Por todos estos motivos, algunas organizaciones como PROFUTURO o la UNESCO,

como veíamos anteriormente, plantean grandes retos para la I.A. de cara al futuro.
Figura 6. Los seis retos de la IA en Educación. Fuente: Profuturo


36
3.4. Resolución
En el caso que vimos, se nos cuentan diversas posibilidades de incorporar la

Inteligencia Artificial a la Educación nos planteamos es ¿qué puede empezar a hacer
el educador con la Inteligencia Artificial en su centro o en su aula?
La Inteligencia Artificial comprende la incorporación de datos masivos y su
tratamiento mediante una lógica algorítmica. Por ello, el educador debe, en primer
lugar, estar bien entrenado en pensamiento computacional para poder participar en
los temas relativos a la inteligencia artificial. En el planteamiento del caso, veíamos
que cualquier actividad que implique análisis de datos y la toma de decisiones a partir
de ellos es susceptible de aplicar la IA.
Objetivos de la actividad: Ser capaz de aplicar los conocimientos y competencias

adquiridos en el ámbito del pensamiento computacional y la inteligencia artificial.
Descripción: Generar una propuesta didáctica en la que se trabajen contenidos y

habilidades con una mirada significativa e interdisciplinar a la vez que se desarrolla el
Pensamiento Computacional desconectado (tema 2), teniendo en cuenta las
nociones logarítmicas y el pensamiento lógico en las que se basa la Inteligencia
Artificial (tema 3). Esta propuesta puede ser de cualquier nivel educativo (desde
infantil a la etapa adulta). El objetivo de la propuesta es apoyar el desarrollo del
pensamiento computacional y la lógica en los estudiantes.
Contenidos mínimos de la propuesta didáctica. Intenta que la propuesta sea de tu

ámbito profesional a fin de que esté contextualizada.
⯈ Título de la propuesta
⯈ Características de la propuesta: global, transversal, interdisciplinar, proyecto,
taller, conjunto de actividades, etc.
⯈ Contexto de la propuesta: nivel(es), etapa(s), área(s) de conocimiento,
contenidos implicados, etc.)

37
⯈ Objetivos que se pretenden desarrollar vinculados al contexto de nivel y etapa.
⯈ Competencias que se desarrollarán.
⯈ Contenidos que se tratarán.
⯈ Propuesta didáctica (proyecto, taller, etc.) con al menos tres actividades de
pensamiento computacional desenchufado o de inteligencia artificial
desenchufada, adecuadas al nivel de los estudiantes.
⯈ Metodología: explicar cómo va el docente a trabajar estas actividades con los
estudiantes
⯈ Cronograma de realización por parte de los estudiantes de cada actividad.
⯈ Método de evaluación de cada actividad.
Justificación de la propuesta didáctica: ¿qué elementos y por qué consideras que la

propuesta ayuda al desarrollo del pensamiento computacional y el pensamiento
lógico?
Autoevaluación: comenta qué opinas de la propuesta que has elaborado, qué te ha

resultado más difícil y por qué, ¿ves factible su implementación en tu contexto?, ¿qué
valoración te darías?
Formato de entrega: Se entregará en formato Word (letra Times New Roman,

tamaño 12, interlineado simple) y su extensión no debe abarcar más de 4 páginas (3
hojas con la propuesta didáctica y 1 hoja con la justificación y la autoevaluación).
Criterios de evaluación:
⯈ La contextualización y las competencias propuestas.

⯈ Adecuación de las actividades desenchufadas al nivel educativo y a las
competencias.
⯈ Calidad de la propuesta: contenidos, actividades, metodología.
⯈ La explicación detallada de las actividades.
⯈ Claridad en la redacción y comprensión de las actividades.
⯈ La justificación sobre la propuesta didáctica.

38
⯈ La aplicación de criterios claros y ecuánimes en la autoevaluación
⯈ Cumplimiento con los requisitos de extensión y formato.
Se penalizará:
⯈ Con un suspenso ‘0’ en la actividad el plagio (copia-pega del contenido de la

asignatura o de compañeros o de material en Internet o de cualquier otro tipo).
⯈ Las faltas de acentuación: por cada 5 faltas (de acentos diferentes) se restará 0,
25.
⯈ Las faltas de ortografía: cada falta restará 0,10.
3.5 Referencias bibliográficas
ExperiencIA Oracle. (2014, septiembre 14). Diferencias entre la Inteligencia Artificial

y el Machine Learning. Medium. https://medium.com/@experiencIA18/diferencias-
entre-la-inteligencia-artificial-y-el-machine-learning-f0448c503cd4.
Luckin, R., Holmes, W., Griffiths, M. & Forcier, L. B. (2016). Intelligence Unleashed. An
argument for AI in Education. Londres: Pearson.
https://www.pearson.com/content/dam/corporate/global/pearson-dot-
com/files/innovation/Intelligence-Unleashed-Publication.pdf.
Rodríguez Canfranc, P. (2019, julio 1) Learning Analytics: el poder del big data en la
educación. Telos. https://telos.fundaciontelefonica.com/la-cofa/learning-analytics-
el-poder-del-big-data-en-la-educacion/.

39
A fondo
Más allá de 2001: Odiseas de la inteligencia.
De la Casa, C., Fraile Gómez, D., Sainz Rabanal, S., Prosper Díaz-Mor, S., Escribano
Palomino, A., Santisteban Bruno, R. (2018) Más allá de 2001: Odiseas de la inteligencia.
Fundación Telefónica. https://espacio.fundaciontelefonica.com/wp-
content/uploads/2018/11/Odiseas-IA.pdf
Guía práctica de la Fundación Telefónica para comprender y profundizar en la

inteligencia artificial:
Artificial intelligence and life in 2030
Stone, P., Brooks, R., Brynjolfsson, E., Calo, R., Etzioni, O., Hager, G., Hirschberg, J.,
Kalyanakrishnan, S., Kamar, E., Kraus, S., Leyton-Brown, K., Parkes, D., Press, W.,
Saxenian, A., Shah, J., Tambe, M. y Teller, A. (2016). Artificial intelligence and life in 2030.
Stanford University.
https://ai100.stanford.edu/sites/g/files/sbiybj18871/files/media/file/AI100Report_MT
_10.pdf
Estudio completo de la Universidad de Stanford (en inglés).


40
Tema 3. A fondo
I.A. en las universidades de Reino Unido
Bothwell, E. (2021, marzo 19). UK launches national centre to accelerate AI use in

universities. The World University ranking.
https://www.timeshighereducation.com/news/uk-launches-national-centre-
accelerate-ai-use-inuniversities.
Implantación de la I.A. en las universidades de Reino Unido, donde han creado un

centro nacional para unificar la toma de decisiones (en inglés):
Learning Analytics with Excel Pivot Tables
Dierenfeld, H., Merceron, A. (2012, septiembre 14-15). Learning Analytics with Excel
Pivot Tables [Conferencia]. 115-121. https://research.moodle.org/56/1/15%20-
%20Dierenfeld%20-
%20Learning%20Analytics%20with%20Excel%20Pivot%20Tables.pdf
Documento de la Beuth University of Applied Sciences, en Alemania donde explica

cómo implementar learning analytics con documentos de Excel (en inglés).
Edulíticas | Analítica del Aprendizaje – Learning Analytics
Amo Filvà, D. (s.f) Guía Analítica del Aprendizaje: lo que necesitas saber para integrarla
en el aula. https://eduliticas.com/guia-rapida-y-practica-analitica-del-aprendizaje/.
Guía práctica para comprender y empezar a utilizar learning analytics de modo

presencial y online.
Título de la asignatura
41
Tema x. Lo + recomendado
Test
1. Elige la mejor definición de inteligencia artificial aplicada a la educación.
A. Software diseñado para crear rutas de aprendizaje según las capacidades y

los comportamientos de los usuarios.
B. Tecnología diseñada para sustituir a los seres humanos en las tareas
mecánicas y en la organización del aprendizaje.
C. Sistemas informáticos diseñados para interactuar con el mundo mediante
capacidades y comportamientos inteligentes que nosotros consideraríamos
propios del ser humano.
D. Tecnología diseñada para sustituir a los seres humanos en las tareas
mecánicas, en la organización del aprendizaje, en las acciones de marketing y
mejora de los procesos.
2. ¿Cuáles de estas son áreas clave de la I.A.?
A. Detección de anomalías, I.A. conversacional, Machine Learning, visión

informática y procesamiento del lenguaje natural.
B. Detección de áreas susceptibles de mejora, I.A. conversacional, Desing
Thinking, visión informática y procesamiento del lenguaje natural.
C. Detección de errores, Machine Learning, visión informática y procesamiento
del lenguaje natural.
3. ¿Qué conceptos clave propone la UNESCO como base para usar de manera
responsable la I.A.?
A. Proporcionalidad, supervisión y determinación humanas, gestión

medioambiental, transparencia, igualdad de género.

B. Proporcionalidad, supervisión y determinación humanas, gestión
medioambiental, ODS, igualdad de género.
C. Proporcionalidad, supervisión y determinación humanas, gestión
medioambiental, igualdad de género.

42
Tema 3. Test
4. Relaciona los principios diseñados por Microsoft para minimizar las
consecuencias negativas de la I.A. con su definición.
El desarrollo de software de
inteligencia artificial debe someterse a
rigurosos procesos de prueba y
Imparcialidad
administración de implementaciones
para garantizar que funcionen de
1 A manera segura y fiable.
La IA debe aportar beneficios a todos

Confiabilidad y seguridad los sectores de la sociedad sin
2 B excepción.
Los usuarios de IA deben ser

conscientes del propósito del
Privacidad y seguridad
sistema, de su funcionamiento y de
3 C sus limitaciones.
Los sistemas de IA deben tratar a

Inclusión todas las personas de manera
4 D equitativa.
Los sistemas deben ser seguros y

Transparencia respetar la privacidad, dado el
5 E volumen de datos que manejan.
Los programadores y diseñadores de

Responsabilidad IA deben trabajar dentro de un marco
6 F ético y legal.

43
Tema 3. Test
5. ¿Qué es learning analytics?
A. Capacidad que tienen las máquinas de recibir un conjunto de datos y

aprender por sí mismas cambiando y ajustando la información.
B. Medida, recolección, análisis y reporte de datos sobre los alumnos y sus
contextos con el propósito de comprender el aprendizaje y el entorno en el que
ocurre.
C. Área de la I.A. que se ocupa de crear un software que se ocupa de entender
el lenguaje escrito y hablado.
6. ¿Qué aplicaciones tiene la I.A. en educación?
A. Análisis del aprendizaje, automatización de tareas, chatbots, medición del

rendimiento académico, reconocimiento biométrico del alumnado.
B. Análisis del aprendizaje, automatización de tareas, chatbots, medición del
rendimiento académico, reconocimiento biométrico del alumnado,
hologramas que facilitan la ubicuidad.
C. Análisis del aprendizaje, corrección de exámenes, medición del rendimiento
académico, reconocimiento biométrico del alumnado.

44
Tema 3. Test
7. Relaciona los beneficios de la I.A. con su aplicación real.
La AI se encarga de analizar y procesar

la información incorporada a su base
de datos para que pueda ser utilizada
Lifelong learning 1 A de forma productiva.
El conocimiento profundo de estas

tecnologías convierte al alumnado en
Actualización continua de creador de tecnología y lo sitúan en el
contenidos 2 B centro del aprendizaje.
Interpreta datos con el fin de evaluar

metodologías y herramientas para
conseguir un proceso de aprendizaje
eficaz y evitar actitudes que puedan
Impulsa la integración de la suponer un problema en el aula o un
tecnología en el aula 3 C retraso en el aprendizaje.
Adecuación a la disponibilidad del

alumnado, respuesta de preguntas 24
horas al día y 7 días a la semana, no
Integra datos cuantitativos 4 D
limita el tiempo de clase y capaz de
responder de forma simultánea un
número de dudas ilimitado.

45
Tema 3. Test
8. ¿Cómo iniciar la implementación de I.A. en los procesos educativos?
A. Se empieza con pensamiento computacional que permite pasar a realizar

actividades sencillas con dispositivos y, por último, se realizarán actividades
desenchufadas de I.A. que llevarán al más alto nivel del modelo SAMR.
B. La formación en AR y AV es el primordial para iniciarse en la I.A. y adquirir las
competencias necesarias para desarrollar actividades con dispositivo más
complejas que nos lleven a los niveles más elevados del modelo SAMR.
C. Se debe comenzar por cambiar la cultura y capacitar a la comunidad
educativa. Después, se desarrollarán actividades desenchufadas de I.A. que
permitirán realizar actividades con dispositivos.
9. ¿Qué papel juega la UNESCO en los proyectos de implementación de I.A. en

educación?
A. Ayudar a los estados miembros a sacar provecho de la I.A. y conseguir que

esta se rija a nivel educativo por los principios de inclusión y equidad.
B. Dictar las normas que deben regir de forma obligatoria la implantación de la
I.A. en todos los centros e instituciones educativas de los países miembros.
C. Organizar conferencias, como el Consenso de Beijing, donde se pongan en
común las prácticas docentes más innovadoras.
10. Elige el ámbito que NO se incluye dentro de las recomendaciones estratégicas

sobre I.A. en el Consenso de Beijing.
A. La I.A. al servicio de la gestión y la implementación de la educación.

B. La I.A. al servicio del empoderamiento de los docentes y su enseñanza.
C. Cambio de rol del docente como gestor de I.A. y el alumnado como
espectador.
D. El desarrollo de los valores y de las competencias necesarias para la vida y el

trabajo en la era de la I.A.

46
Tema 3. Test

Tema 3

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 3

Cargado por

Copyright:

Formatos disponibles

Tema 3

Tecnologías para la Innovación Educativa

3.2. Caso: «Educación Smart» 4

3.1. Introducción y objetivos

El objetivo es que el alumnado sea parte activa en la sociedad y sea capaz de

En este contexto, debemos plantearnos como educadores cuál es nuestro papel y

¿Puede la inteligencia artificial sustituir a un docente? ¿Y puede un programa

⯈ Conocer qué es la inteligencia artificial.

Tecnologías para la Innovación Educativa

3.2. Caso: «Educación Smart»

¿Qué puede empezar a hacer el educador con la Inteligencia Artificial en su centro o

3.3. Estrategia de análisis

Para poder establecer el objetivo que se persigue con la inteligencia artificial en la

de la gestión de los datos en nuestra aula y nuestro centro (apartado 2).

En tercer lugar, es importante reconocer qué aporta la inteligencia artificial a la

Tecnologías para la Innovación Educativa

Tecnologías para la Innovación Educativa

¿Puede pensar una máquina?

El viaje de la inteligencia artificial comienza con la publicación del artículo de Alan

Figura 1. Alan Turing. Fuente: https://volklenders.com/volk-plus/software-y-tecnologia/alan-turing/.

En él se establecen las bases de la informática teórica y el concepto de algoritmo,

averiguar que las respuestas de B las da una máquina, entonces no superaría la

Tecnologías para la Innovación Educativa

En 1956, Dartmouth, John McCarthy, Marvin Minsky y Claude Shannon acuñaron el

En 2019, Ocaña-Fernández, Valenzuela-Fernández y Garro-Aburto afirmaron que la

Puedes leer su artículo completo aquí:

Ocaña-Fernández, Y., Valenzuela-Fernández, L. A., & Garro-Aburto, L. L. (2019).

Tecnologías para la Innovación Educativa

La informática, psicología, antropología, lingüística, biología, filosofía, y

La Universidad de Oxford, en un estudio sobre I.A aplicada a educación, la define

Tecnologías para la Innovación Educativa

Cómo funciona la inteligencia artificial

Gracias la I.A. conseguimos dar sentido a la infinidad de datos que

Tecnologías para la Innovación Educativa

Figura 3. Interrelación de las áreas de la IA. Fuente: https://www.iic.uam.es/big-data-inteligencia-artificial/.

Tecnologías para la Innovación Educativa

Esta disciplina aprovecha el potencial de la tecnología big data y lo aplica en

Para ello, se centra en el comportamiento digital del alumnado, aprovechando el

«Learning Analytics es la medida, recolección, análisis y reporte de datos

Tecnologías para la Innovación Educativa

«Learning Analytics es el uso de datos inteligentes, de datos producidos por

La analística del aprendizaje tiene una relación íntima con la digitalización de

Tecnologías para la Innovación Educativa

En la siguiente infografía, puedes ver un resumen de la fundamentación educativa de

Figura 4. Fundamentación educativa de la analítica del aprendizaje Fuente:

Existe un consenso generalizado en torno al valor de una educación personalizada y

Tecnologías para la Innovación Educativa

Las analíticas de aprendizaje normalmente se visualizan como una herramienta

A continuación, puedes leer el caso de un profesor que comenzó a hacer learning

Y en el siguiente libro puedes encontrar diversas experiencias de aplicación en el aula.

Tecnologías para la Innovación Educativa

Figura 5. Pasos clave en el ciclo de la analítica del aprendizaje. Fuente: https://eduliticas.com/.

Te puedes plantear realizar una analítica de aprendizaje de los estudiantes en tu aula

⯈ ¿Tienes claro el objetivo del análisis de datos que quieres realizar?

⯈ ¿Tienes claro el uso que le vas a dar a esos datos?

El análisis de datos lo puedes aplicar como profesor en el aula, como grupo de

Tecnologías para la Innovación Educativa

Tecnologías para la Innovación Educativa

Como ocurre en todos los ámbitos de la sociedad, la educación está inmersa en un

Implementar la I.A. en la educación representa una gran inversión para una

Como profesor virtual

Los chatbots son programas informáticos capaces de mantener una conversación de

Tecnologías para la Innovación Educativa