Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inteligencia artificial
Índice
Material de trabajo 3
3.1. Introducción y objetivos 3
© Universidad Internacional de La Rioja (UNIR)
A fondo 40
Test 42
Material de trabajo
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.
Estas y otras preguntas tendrán respuesta a lo largo del tema en el que trabajaremos
los siguientes objetivos:
© Universidad Internacional de La Rioja (UNIR)
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.
Igualmente, debemos saber qué son las analíticas del aprendizaje y la importancia
© Universidad Internacional de La Rioja (UNIR)
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).
© Universidad Internacional de La Rioja (UNIR)
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.
Lo que hace años podría haber parecido ciencia ficción, hoy es una realidad para
proyectos e instituciones de todo tipo.
© Universidad Internacional de La Rioja (UNIR)
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
Otra razón para no encontrar una buena definición, es que la I.A. tiene una
naturaleza interdisciplinar.
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).
© Universidad Internacional de La Rioja (UNIR)
https://view.genial.ly/6128d07d9c7a290dc094e7ff
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.
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.
© Universidad Internacional de La Rioja (UNIR)
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.
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:
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.
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.
© Universidad Internacional de La Rioja (UNIR)
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
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
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/
Amo Filvà, D. (2021). Analítica del Aprendizaje. 30 experiencias con datos en el Aula.
© Universidad Internacional de La Rioja (UNIR)
Edulíticas. https://eduliticas.com/analitica-aprendizaje-30-experiencias-datos-aula/.
Actividad de reflexión
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.
© Universidad Internacional de La Rioja (UNIR)
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).
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.
⯈ Mejora del Marketing Educativo. Las instituciones podrán ajustar sus campañas
de captación y retención, según perfiles de comportamiento de estudiantes
actuales y potenciales.
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
© Universidad Internacional de La Rioja (UNIR)
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,
Actividades desenchufadas
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/.
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).
ejes:
Plataformas de I.A.
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,
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
⯈ 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»
© Universidad Internacional de La Rioja (UNIR)
UNESCO. (2020). Documento final: primera versión del proyecto de recomendación sobre
© Universidad Internacional de La Rioja (UNIR)
⯈ 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.
© Universidad Internacional de La Rioja (UNIR)
A pesar de todas las ventajas que parece que supone, no debemos obviar que la
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
© Universidad Internacional de La Rioja (UNIR)
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
⯈ 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.)
Criterios de evaluación:
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.
Se penalizará:
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/.
© Universidad Internacional de La Rioja (UNIR)
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
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
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
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/.
© Universidad Internacional de La Rioja (UNIR)
Título de la asignatura
41
Tema x. Lo + recomendado
Test
1. Elige la mejor definición de inteligencia artificial aplicada a la educación.
3. ¿Qué conceptos clave propone la UNESCO como base para usar de manera
responsable la I.A.?
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.