Computación y Educación: Inteligencia Artificial 3 (2022) 100053

Computadoras y Educación: Inteligencia Artificial

página de inicio de la revista: www.sciencedirect.com/journal/computersandeducationartificialintelligence

¿Cómo podemos diseñar para el aprendizaje en un mundo de IA?

b
Lucila Carvalho1 ,* Martín De Laat, Roberto MartínezMaldonado , Yi Shan Tsai b,
Lina Markauskaite C,
d
Centro de Investigación sobre Equidad a través de la Educación, Instituto de Educación, Universidad Massey, Nueva Zelanda
b
Monash Data Futures Institute, Departamento de Ciencia de Datos e IA, Universidad de Monash, Australia
C
Centro de Investigación sobre Aprendizaje e Innovación, Escuela de Educación y Trabajo Social de Sydney, Universidad de Sydney, Australia
d
Centro para el Cambio y la Complejidad en el Aprendizaje (C3L), Universidad de Australia del Sur, Australia

INFORMACIÓN DEL ARTÍCULO ABSTRACT

Palabras clave: Inteligencia artificial Diseño para aprender Enfoque de capacidad

Las rápidas mejoras en la potencia informática y los algoritmos de Inteligencia Artificial (IA) nos permiten automatizar
decisiones importantes que dan forma a nuestra vida cotidiana e impulsan transformaciones en el lugar de trabajo. Se predice
que muchas personas no estarán preparadas para afrontar los altos grados de cambio e incertidumbre que plantea cada vez
más la IA en algunos sectores. Un desafío educativo crítico implica descubrir cómo apoyar a las generaciones jóvenes para que
desarrollen las capacidades que necesitarán para adaptarse e innovar en un mundo con IA. Este artículo sostiene que tanto los
educadores como los alumnos deberían participar no sólo en el aprendizaje sino también en el codiseño para el aprendizaje en
un mundo de IA. Además, juntos deberían explorar el conocimiento, los objetivos y las acciones que podrían ayudar a las
personas a dar forma a futuros escenarios de IA y aprender a lidiar con altos grados de incertidumbre. Una contribución clave
del artículo es una reconceptualización del diseño para el aprendizaje en un mundo de IA, que explora un espacio
problemático del diseño educativo e ilustra cómo los educadores y estudiantes pueden trabajar juntos para reimaginar el
futuro de la educación en un mundo de IA. Como parte de este espacio problemático, el artículo analiza filosofías subyacentes
(el enfoque de capacidades y la creación de valor), una pedagogía de alto nivel (con énfasis en la cocreación), estrategias
pedagógicas (pedagogías especulativas) y tácticas pedagógicas (IA). escenarios). Luego propone un marco de diseño (ACAD)
para apoyar los debates de educadores y estudiantes sobre el diseño para el aprendizaje en un mundo de IA. Este enfoque de
diseño participativo tiene como objetivo sensibilizar a las personas sobre lo que puede significar la educación, para quién y
cómo puede ser el aprendizaje con IA, y destaca la participación activa de educadores y estudiantes en el codiseño del futuro
que desean, para ayudar a dar forma al aprendizaje y viviendo en un mundo de IA.

Introducción
La agenda de desarrollo sostenible de la UNESCO (2020) describe la
necesidad de actuar en una variedad de cuestiones sociales complejas,
incluidos el cambio climático, la pobreza y el hambre. Uno de los
principales objetivos de la educación es preparar a las generaciones
jóvenes para el futuro, lo que incluye aprender a abordar estos problemas
1
* Autor correspondiente. Centro de Investigación sobre Equidad a través de la Educación, Universidad
Massey, Edificio Atrium, Nivel 3, Dairy Flat Highway, Auckland, 0632, Nueva Zelanda.
Direcciones de correo electrónico: l.carvalho@massey.ac.nz (L. Carvalho),
Roberto.MartinezMaldonado@monash.edu (R. MartínezMaldonado), yishan.tsai@monash.edu (Y.S. Tsai),
lina.markauskaite@sydney.edu.au (L. Markauskaite), maarten.delaat@unisa.edu.au (M. De
Laat).https://doi.org/10.1016/j.caeai.2022.100053 Recibido el 27 de julio de 2021; Recibido en forma
revisada el 7 de febrero de 2022; Aceptado el 8 de febrero de 2022 Disponible en línea el 10 de febrero
de 2022 2666920X/© 2022 Los autores. Publicado por Elsevier Ltd. Este es un artículo de acceso abierto
bajo la licencia CC BYNCND (http://creativecommons.org/licenses/byncnd/4.0/ ).
sociales, pero también aprender a lidiar con el rápido desarrollo de las
tecnologías y a hacer frente al acceso continuo a grandes cantidades de
nuevos conocimientos e información. Samochowiec (2020) señala que las
políticas y los estudios sobre las “habilidades futuras” tienden a asumir que
los tipos de habilidades que necesitarán las generaciones futuras son fijos,
y que los estudios rara vez abordan la imprevisibilidad del futuro. Muchos
educadores a menudo luchan por alinear sus pedagogías con la
incertidumbre y complejidad de los tiempos modernos (ZawackiRichter et al.,
2019); y las políticas tienden a quedarse atrás debido a la velocidad de los
avances tecnológicos.
Un elemento central de este debate sobre cómo las disrupciones
tecnológicas están afectando (y seguirán afectando) a la sociedad humana
es el desarrollo de la inteligencia artificial (IA).
La IA ha cambiado la forma en que llevamos a cabo nuestra vida diaria
(está en nuestros teléfonos inteligentes, en los cajeros automáticos, en
Internet y en todo lo que nos rodea) y es probable que continúe dando
forma al futuro de la humanidad. Las decisiones importantes se toman de
forma automática o semiautomática, basándose en los resultados de los
algoritmos de IA, y estas ya están afectando los empleos y los ingresos, y
alterando la fuerza laboral (Samochowiec, 2020). Nadie sabe hasta qué
punto se verán afectados los empleos y las carreras profesionales.
La mayoría de las proyecciones sobre la proporción de empleos
susceptibles de automatización varían significativamente, del 9% al 96%
(Arnts et al., 2016; Manyika et al., 2017; Muro et al., 2019; Dellot et al.,
2020). Desde una perspectiva histórica, los temores relacionados con la
pérdida de empleo debido a la automatización no son nuevos (David,
2015)2. Sin embargo, la IA ahora está desafiando los supuestos sobre qué
capacidades son intrínsecamente humanas, como la creatividad y la
resolución de problemas complejos (Iansiti y Lakhani, 2020). Además,
aunque lo más probable es que surjan nuevos empleos para compensar
las pérdidas de empleo, los muy rápidos ciclos de desarrollo de la IA
también están acelerando el ritmo al que los humanos necesitan
desarrollar sus nuevas capacidades relevantes que aún no se conocen
(Harari, 2018). Algunas personas ya se están viendo obligadas a
reinventarse para mantenerse vigentes en el mercado laboral, y
probablemente necesitarán hacerlo a mayor velocidad y más de una vez
en su vida (Nissim & Simon, 2021), lo que contribuye aún más a la
incertidumbre.

Actualmente, a pesar del impacto de la IA en nuestras vidas, la mayoría de

las personas no comprenden completamente la IA, las decisiones que
pueden tomar los algoritmos de las máquinas o el papel que desempeñan
las personas al interactuar con la IA. Es importante destacar que la IA tiene
importantes implicaciones éticas, que se destacan cada vez más como
parte de una conversación muy necesaria. A medida que la sociedad
avanza, es fundamental que las personas comprendan cómo su situación

2
Why Are There Still So Many Jobs? The History and Future of Workplace Automation. Journal of
Economic Perspectives—Volume 29, Number 3—Summer 2015—Pages 3–30
actual puede afectar las múltiples posibilidades futuras, y existe una
necesidad apremiante de apoyar a los educadores y estudiantes para que
descubran cómo crear el mejor futuro posible, como se insta a por la
iniciativa de la UNESCO Los futuros de la educación: aprender a ser (2021).

La principal contribución de este artículo es la reconceptualización del diseño

educativo en un mundo de IA, mediante la exploración de un espacio problemático
del diseño educativo, con una ilustración práctica de cómo educadores y
estudiantes pueden trabajar juntos para reimaginar el futuro de la educación en
un mundo de IA. . Nos centramos principalmente en el diseño para el aprendizaje,
con una base en enfoques humanistas, agencia humana, cocreación y bienestar.
Para delinear el espacio problemático del diseño para el aprendizaje en un mundo
de IA, primero presentamos desarrollos recientes relacionados con el aprendizaje
en un mundo de IA.

2. Aprender en un mundo de IA

Hay una serie de preguntas críticas relacionadas con la educación y la IA: ¿Qué
debería saber todo niño sobre la IA? ¿Cómo podemos apoyar el aprendizaje en
contextos mediados por IA? ¿Cuáles son nuestros valores fundamentales y cómo
pueden ser reflejado en un mundo de IA? (Touretzky et al., 2019). La incertidumbre
sobre la velocidad y profundidad del desarrollo de la IA y su impacto potencial en
la sociedad hace que estas preguntas sean difíciles de responder.
En contextos educativos formales, como escuelas y universidades, ha habido una
proliferación inicial de aplicaciones de IA, incluidos sistemas de análisis de
aprendizaje y toma de decisiones basada en algoritmos, para apoyar el
aprendizaje y la enseñanza (Agus y Samuri, 2018). Estas innovaciones ofrecen
beneficios prometedores, como la identificación temprana de los desafíos que los
estudiantes pueden enfrentar (Arnold & Pistilli, 2012), el apoyo a las habilidades de
aprendizaje autorreguladas (Fan et al., 2021) y la prestación de apoyo en tiempo
real (Lucas et al., 2021). al., 2021; MartínezMaldonado et al., 2021). Sin embargo,
muchos educadores aún no están seguros de cómo la IA puede afectar la
enseñanza y el aprendizaje (ZawackiRichter et al., 2019). También se está volviendo
evidente que la IA puede hacer que algunos problemas sean aún más
pronunciados, por ejemplo, al medir el desempeño de los docentes con fines
punitivos (Selwyn & Gasevic, 2020), perfilar a los estudiantes (Selwyn, 2019) y
implementar algoritmos sesgados que pueden recomendar acciones engañosas
(Buolamwini & Gebru, 2018). Algunos autores están empezando a cuestionar si las
innovaciones de la IA en la educación pueden cultivar ciertas visiones del mundo
que corren el riesgo de perpetuar formas de pensamiento colonialistas
(Williansom & Eynon, 2020).

ZawackiRichter et al. (2019) sostienen que falta una reflexión crítica sobre los
desafíos y riesgos de la IA y destacan la necesidad de fortalecer la educación ética
y relacionada con la IA.
El poder y el peligro de la IA han provocado respuestas políticas a nivel mundial.
De hecho, se observa que las iniciativas de políticas de IA existentes no han
abordado adecuadamente el desarrollo de capacidades en IA, incluido el
aprendizaje sobre la IA (es decir, la alfabetización en IA y la comprensión de qué es
la IA), el aprendizaje con IA (es decir, vivir en un mundo cada vez más integrado
con la IA) (Miao et al., 2021). Los debates en torno a la IA y su impacto en la
sociedad se han centrado en gran medida en el miedo a la sustitución de puestos
de trabajo, mientras que las implicaciones para el aprendizaje y el desarrollo de
habilidades recibieron comparativamente poca atención (Luckin et al., 2016). La
UNESCO (2019, 2020, 2021) también ha hecho una serie de recomendaciones
para aprovechar el poder de la IA y lograr el objetivo global sostenible de una
educación de calidad. En particular, las recomendaciones de la UNESCO exigen un
"enfoque humanista" como principio general de la IA en la educación, que incluye
proteger los derechos humanos, equipar a las personas con las habilidades
necesarias para el desarrollo sostenible y para la colaboración entre humanos y
máquinas en la vida, el aprendizaje y el trabajo, así como así como fomentar los
valores humanos necesarios para desarrollar y aplicar la IA.

Las principales recomendaciones de la UNESCO destacan que el uso de la IA

debería:

 Proteger la agencia y el bienestar social de los estudiantes, y

 Empoderar a los docentes en su trabajo de facilitar la cocreación de conocimiento, la
interacción humana, el pensamiento de orden superior y los valores humanos.

Se necesitan prácticas pedagógicas que enfaticen las habilidades humanas

(creatividad, resolución de problemas complejos, pensamiento crítico y
colaboración) para respaldar la capacidad de comunicarse y colaborar con
herramientas de inteligencia artificial en la vida, el aprendizaje y el trabajo. En
respuesta a esta visión humanista, sugerimos la adopción de un enfoque de
capacidades (Sen, 1985, 1992, 1999). Los enfoques humanistas, la agencia, la
cocreación y el bienestar se incluyen en el espacio problemático del diseño para el
aprendizaje en un mundo de IA. En la siguiente sección, presentamos la
conceptualización de Goodyear (2005) del espacio problemático del diseño
educativo para fundamentar nuestra discusión sobre el diseño para el aprendizaje
en un mundo de IA.

3. Definir el espacio problemá tico del diseñ o de aprendizaje

El espacio problemático del diseño educativo de Goodyear (2005 3) incluye una
discusión sobre un marco pedagógico y un entorno educativo.
El relato original de Goodyear concibe el marco pedagógico compuesto por cuatro
capas (Fig. 1). En el nivel más alto se encuentra la capa de 'filosofía', que reconoce
cómo pensamos que aprenden las personas o nuestra comprensión de la
naturaleza del conocimiento. La segunda capa, la "pedagogía de alto nivel", es una
instanciación más concreta de los supuestos filosóficos anteriores y no contiene
prescripciones específicas para las acciones.

3
Goodyear, P. (2005). Educational design and networked learning: Patterns, pattern languages and
design practice. Australasian Journal of Educational Technology, 21(1), 82-101
Es en los niveles tercero y cuarto donde se contabilizarían las acciones: “estrategia
pedagógica” se refiere a un plan más amplio, mientras que “tácticas pedagógicas”
son una versión más detallada de las estrategias. En el espacio problemático de
Goodyear, el "entorno educativo" representa el "mundo real" donde tienen lugar
las actividades de aprendizaje.

En consonancia con el trabajo de Goodyear (2005), conceptualizamos el espacio

del problema como si incluye un marco pedagógico y una situación de aprendizaje
(Fig. 2). Aquí adoptamos una noción amplia de "entorno educativo" y la llamamos
"situación de aprendizaje" para reconocer otras formas de aprendizaje más allá de
la educación formal. En esencia, nuestra reconceptualización propuesta del
espacio problemático del diseño educativo reconoce que la participación y la
cocreación son fundamentales para diseñar para el aprendizaje en un mundo de
IA.

En las próximas secciones de este artículo, discutiremos los elementos principales.

Elementos del diseño para el espacio de aprendizaje que incluyen:

 Una filosofía subyacente, que pone en primer plano tanto el enfoque de

capacidades como el marco de creación de valor a través de principios que
conectan la agencia, la inclusión y la cocreación (sección 4);
 Una pedagogía de alto nivel – que destaca la cocreación como un enfoque
para la construcción colaborativa de conocimiento y aprendizaje para
futuros inciertos (sección 4);
 Estrategias pedagógicas: basándose en métodos especulativos para
promover la acción humana en un mundo de IA, discutimos la utilidad de
estos métodos como herramientas pedagógicas (sección 5); decir, la
implementación de la IA en la educación) y el aprendizaje para los seres
humanos. Colaboración con IA
 Fig. 2. Reconceptualización de un espacio
problemático para el diseño educativo en un
mundo de IA.

 Tácticas pedagógicas – que trata sobre el potencial de utilizar métodos de

planificación de escenarios para reimaginar un mundo con IA y estimular el
diseño para el aprendizaje de ideas (sección 5); y
 Un marco de diseño: centrándose en el marco de Análisis y Diseño
Centrados en Actividades (ACAD) para identificar relaciones entre
diferentes dimensiones del diseño y considerar cómo múltiples elementos
pueden unirse para apoyar la actividad de aprendizaje, como herramientas
(digitales y materiales). , tareas, ideas y personas (sección 6).
 La siguiente sección analiza dos elementos del marco pedagógico.
Comenzamos con una descripción de una filosofía subyacente basada en
ideas de un enfoque de capacidades (Sen, 1985, 1992, 1999) y el
aprendizaje como proceso de creación de valor. Luego consideramos una
pedagogía de alto nivel basada en los ciclos e indicadores de creación de
valor (Wenger et al., 2011).

4. Filosofía y pedagogía de alto nivel: el enfoque de capacidades y la

creació n de valor
Para abordar los altos niveles de incertidumbre y desempoderamiento de las
personas, el diseño para el aprendizaje debe estar respaldado por enfoques
humanistas que se centren en empoderar a los estudiantes (UNESCO, 20194).
Como parte de nuestra conceptualización del espacio del problema, incluimos el
enfoque de capacidades como filosofía subyacente y también consideramos que
el aprendizaje debe verse como un proceso de creación de valor (Fig. 2). En
contextos educativos, los enfoques colaborativos se utilizan a menudo para
facilitar la creación conjunta de significado y la cocreación entre varias partes
interesadas.
Para cocrear con éxito futuros educativos en un mundo de IA, los educadores y los
estudiantes necesitarían un espacio seguro, donde los educadores pudieran
4
https://unesdoc.unesco.org/ark:/48223/pf0000368303
aportar su experiencia profesional y los estudiantes sus experiencias y deseos
únicos, para integrar conjuntamente ideas y acordar los valores y la enseñanza y
el aprendizaje a los que se aspira. resultados. Un sentido de agencia es esencial
para la cocreación, ya que las personas necesitan sentirse empoderadas para
tomar decisiones hacia objetivos personales, lo cual es parte de las capacidades
clave requeridas para la participación de un individuo en el diseño para el
aprendizaje en el contexto de un futuro impredecible de la IA. El enfoque de
capacidades aporta un enfoque humanista, con un enfoque en la agencia y el
bienestar.
Poquet y De Laat (2021) han argumentado que los entornos para el aprendizaje y
el desarrollo requieren que los individuos tomen decisiones sobre lo que valoran
y lo que les gusta perseguir. Especialmente en el contexto de toda la vida, estas
elecciones son muy personales, influenciables y existencial. Muchos han
argumentado (por ejemplo, Boyadjieva & IlievaTrichkova, 2018; Rubenson, 2019)
que los enfoques educativos para el aprendizaje permanente deben ampliar el
aprendizaje y la educación para incluir el desarrollo humano, el bienestar y la
equidad a través de un "enfoque de capacidades". El enfoque de capacidades, tal
como lo concibió originalmente Amartya Sen, enfatiza el desarrollo humano más
que el capital humano, centrándose en los valores de los individuos y las
limitaciones estructurales que pueden impedir que las personas alcancen esos
valores (Sen, 19855, 19926, 19997). Como tal, la capacidad está conectada con la
agencia y con la capacidad de uno para seguir sus propias aspiraciones. Se trata
de ser "libre para actuar y lograr objetivos y valores que considere importantes"
(Sen, 1985, p. 203).
Algunos de los conceptos centrales relacionados con el enfoque de capacidades
incluyen capacidad, funcionamiento, libertad, factores de conversión y agencia
(capability, functioning, freedom, conversion factors, and agency). Esencialmente, el
enfoque de las capacidades trata de lo que las personas pueden hacer dentro de
las limitaciones de lo que tienen y hacia su derecho moral al bienestar. Para
nuestra discusión en este artículo es importante la noción de capacidad y cómo
reconoce que las personas tienen libertad individual dentro de un conjunto de
oportunidades que están disponibles para ellas, mientras que funcionamiento se
refiere a recursos, actividades o actitudes que los individuos reconocen
importantes para el logro de sus objetivos (Comim et al., 2008). En resumen,
centrarse en las capacidades enfatiza tanto la libertad como las oportunidades. El
enfoque de capacidades prevé el empoderamiento de estudiantes y educadores
para que puedan encontrar formas efectivas de apoyar el desarrollo de
conocimientos, objetivos y acciones que serían necesarios para hacer frente a la
incertidumbre y el próximo cambio en los posibles escenarios futuros de un
mundo con IA ( Samochowiec, 2020).8
Relacionado con el enfoque de capacidades está el concepto de aprendizaje como
un proceso de creación de valor. El marco de creación de valor desarrollado por
Wenger et al. (2011) se centra en el valor que las personas y las redes crean
cuando participan en actividades de aprendizaje social. Las experiencias humanas
5
Well-Being, Agency and Freedom: The Dewey Lectures 1984
6
Inequality Reexamined. Libro Nuevo examen de la desigualdad
7
La perspectiva de la libertad
8
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4612360
evolucionan constantemente y, con el tiempo, las personas y las redes crean
historias. Es en el contexto de estas historias donde se puede apreciar qué
"aprendizaje" se está produciendo y qué valor se está creando. Las historias de
creación de valor son relatos de lo que sucedió, representan aspiraciones de lo
que las personas están tratando de lograr. Estas historias suelen ser ricas,
continuas y situadas en la actividad diaria. Por muy poderosas que puedan ser
estas historias, existe una paradoja cuando se trata de convertirlas en un activo
real dentro de redes, comunidades de práctica y/u organizaciones (De Laat, 2012):
las actividades de aprendizaje espontáneo implícitas a menudo son en su mayoría
invisibles para todos los que no lo son directamente involucrados. De hecho, es
posible que los propios alumnos ni siquiera sepan que están aprendiendo. Como
consecuencia, el aprendizaje informal pasa desapercibido y, por tanto, es difícil de
evaluar, gestionar y valorar (Wenger et al., 2011).
Hay cinco ciclos en el marco de creación de valor.
 El primer ciclo pone énfasis en el valor inmediato experimentado por los
participantes. Por ejemplo, tener una reunión inspiradora con excelentes
debates e ideas tiene un valor directo en sí mismo.
 El segundo ciclo se refiere al valor potencial. Este valor aún no se ha
materializado, pero es prometedor en el contexto de las experiencias de
aprendizaje que tienen lugar en redes y comunidades. Por ejemplo, se
puede compartir una experiencia sobre cómo responder a una
determinada situación. Es posible que esta situación nunca ocurra, pero es
reconfortante saber qué hacer. Otro ejemplo podría ser el de compartir
recursos dentro de una red. Estos recursos pueden resultar útiles para los
miembros más adelante.
 El valor aplicado, el tercer ciclo, se refiere a cambios en la práctica. ¿Cuál es
el impacto de la participación en la forma en que las personas hacen las
cosas? Una persona puede decidir implementar una determinada idea que
fue presentada o sugerida por primera vez por otros miembros de la red.
Cuando se analiza el valor aplicado, se intenta identificar cómo han
cambiado las prácticas en el proceso de aprovechar el conocimiento que se
comparte en una red o comunidad.
 El cuarto ciclo, valor realizado, trata de comprender cómo se ha mejorado
el desempeño, por ejemplo, debido a cambios en la práctica. ¿Qué
evidencia se puede reunir para documentar lo que se ha logrado como
resultado de implementar un cambio o aplicar una nueva práctica? El
quinto y último ciclo trata de replantear el valor o redefinir el éxito. A veces
el resultado del aprendizaje implica una completa transformación de cómo
las personas ven y entienden las cosas, así como redefinir cómo se mide o
logra el éxito. Esto podría incluir replantear estrategias, objetivos y valores.
También puede significar transformar o dejar atrás las estructuras
existentes en favor de un nuevo marco o enfoque.

El marco de creación de valor proporciona una manera de hacer más explícita la

actividad de aprendizaje no detectada, utilizando ciclos e indicadores de creación
de valor para ayudar a pintar una imagen del valor que se está creando con base
en los datos disponibles incorporados o asociados con las historias de las
personas. Como tal, el marco de creación de valor ayuda a las personas a
reflexionar sobre sus aspiraciones y su participación en actividades, lo que a su
vez también puede ayudar a las personas a alcanzarlas. Pone en primer plano una
visión del aprendizaje en la que las personas abordarían el cambio como un
proceso de creación de valor, lo que encaja bien en el contexto del diseño para el
aprendizaje y la IA, y de lidiar con altos niveles de incertidumbre.
Dentro del espacio problemático del diseño educativo, prevemos que el enfoque
de capacidades proporciona una perspectiva humanista donde el desarrollo
humano, el bienestar y la equidad son supuestos subyacentes centrales sobre
cómo las personas aprenden en un mundo de IA (Fig. 2). También consideramos
los procesos de co-creación como una parte inherente de un enfoque de diseño
basado en valores. Prevemos que el marco de creación de valor respalde los
debates sobre lo que las personas valoran y el mundo en el que quieren vivir,
cómo podría ser la educación y cómo se podría lograr el aprendizaje con y sobre la
IA. La imprevisibilidad del futuro requiere que aprendamos a afrontar el cambio y,
al hacerlo, obtengamos valores personales y colectivos de este proceso de
aprendizaje. Las pedagogías que apoyan el aprendizaje basado en valores y los
debates orientados al futuro son importantes para que estas ideas de alto nivel
sean viables. Los comentamos a continuación.

4.Estrategias y tá cticas pedagó gicas: pedagogías para futuros desconocidos

Esta sección pasa a los dos elementos siguientes del marco pedagógico en el
espacio problemático del diseño educativo (Fig. 2) y analiza estrategias y tácticas
pedagógicas: un conjunto de métodos que pueden ayudarnos a aceptar la
incertidumbre de aprender y vivir en el mundo de la educación. AI.
¿Cómo podríamos empoderar y preparar a los estudiantes para un mundo que
aún no existe, cuando sólo sabemos que este mundo estará impregnado de IA?
En las áreas de aprendizaje y transformación social, vimos el surgimiento de varios
métodos de aprendizaje de acción y diseño radical orientados al futuro, como los
sueños sociales (Dunne & Raby, 20139; Long & Manley, 201910).
Estos métodos participativos apuntan a desarrollar capacidades colectivas de las
comunidades para pensar en los futuros probables, plausibles, posibles y
preferibles que la gente desea, y construir una base para acciones que podrían
conducir a esos futuros. Ofrecen "campos de juego metodológicos" para
involucrar a las personas en el pensamiento colectivo sobre su futuro y para
cambiar su relación personal con ellos. Dunne y Raby (2013) sostienen que el
propósito principal de tales métodos especulativos es “crear espacios para la
discusión y el debate sobre formas alternativas de ser e inspirar y alentar la
imaginación de las personas a fluir libremente” (Dunne y Raby, 2013, p. 1 ). La
suposición es que las especulaciones imaginativas conjuntas permiten a las
personas crear una mejor comprensión de qué tipo de futuro quieren y no
quieren. Esto aumenta la probabilidad de acciones de seguimiento hacia los
futuros preferidos, evitando aquellas que son indeseables.

9
Speculative Everything: Design, Fiction, and Social Dreaming
10
Social Dreaming Philosophy, Research, Theory and Practice
Estos métodos también se han utilizado como herramientas pedagógicas para
capacitar a los alumnos para que cocreen visiones del mundo futuro en el que
quieren vivir (Gonçalves, 201611). Los métodos radicales de diseño y acción aspiran
a democratizar el conocimiento y empoderar a los estudiantes para que se hagan
cargo de su propio futuro. Por lo tanto, a menudo se centran en los aspectos
socioemocionales de la imaginación y el aprendizaje compartidos, rompiendo
conexiones con las formas convencionales de crear conocimiento que a menudo
tienen su origen en las culturas intelectuales occidentales. Como afirman Dunne y
Raby (2013) :

“Al estar involucrados con la ciencia y la tecnología y trabajar con muchas

empresas de tecnología, regularmente nos encontramos pensando en futuros,
especialmente sobre 'El Futuro'. Por lo general, se trata de predecir o pronosticar
el futuro, a veces se trata de nuevas tendencias e identificar señales débiles que
pueden extrapolarse al futuro cercano, pero siempre se trata de intentar precisar
el futuro. Esto es algo que no nos interesa en absoluto; Cuando se trata de tecnología,
las predicciones futuras han resultado erróneas una y otra vez. En nuestra opinión,
es una actividad inútil. Sin embargo, lo que nos interesa es la idea de futuros
posibles y usarlos como herramientas para comprender mejor el presente y
discutir el tipo de futuro que la gente quiere y, por supuesto, el que no quiere”.
(Dunne y Raby, 2013, pág. 2).

Los responsables de la toma de decisiones y los investigadores en materia de

educación han estado tratando de abordar la cuestión de los futuros posibles
mediante estudios con visión de futuro. Históricamente, entre los estudios de este
tipo más conocidos se encuentran los de la OCDE, entre ellos Qué escuelas para el
futuro (2001) y más tarde Pensar escenarios, repensar la educación (2006), en los que
expertos en educación y formuladores de políticas emplearon metodologías de
pensamiento futuro para realizar análisis y desarrollar escenarios para la
educación del mañana (van Notten, 200612). Se pueden desarrollar muchos tipos
diferentes de escenarios, y la idea central de la metodología de desarrollo de
escenarios es involucrar a los formuladores de políticas en un proceso riguroso de
visión de futuro sobre posibles futuros integrando el conocimiento actual sobre
educación y enfocándose firmemente en las tendencias en el entorno más amplio,
como los desarrollos de la IA. Estos escenarios construidos son “descripciones
consistentes y coherentes de futuros hipotéticos alternativos que reflejan
diferentes perspectivas sobre desarrollos pasados, presentes y futuros” (van
Notten, 2006, p. 70). Son artefactos de conocimiento compartido que

11
Social dreaming: From inquiry to insight Masters thesis. Parsons, School of Design – The New School
(2016) Retrieved June 3, 2021
https://static1.squarespace.com/static/56787cbd40667a75f6c6feaf/t/
573a8b0b356fb08a016abca7/1463454477021/Ricardo+Dutra_Social+Dreaming+%28online+quality
%29.pdf
12
P. van Notten
Scenario development: A typology of approaches OECD (Ed.), Think scenarios, rethink education.
Schooling for Tomorrow, OECD Publishing, Paris (2006).
https://doi-org.ezproxy.library.sydney.edu.au/10.1787/9789264023642-en
proporcionan la base para discutir posibles decisiones políticas y planificar
acciones.

Durante los últimos 20 años, ha habido una proliferación significativa de estudios

futuros y metodologías con visión de futuro para realizar dichos estudios, incluido
el desarrollo de escenarios, Delphi y métodos de escaneo de horizontes (Glenn y
Gordon, 200913). Estos métodos se han aplicado ampliamente en la educación, en
particular para reflexionar e imaginar cómo los desarrollos tecnológicos podrían
moldear su futuro. Por ejemplo, durante algunos años, EDUCAUSE ha estado
utilizando métodos de exploración de horizontes para analizar señales débiles en
la tecnología educativa y las tendencias emergentes y cómo pueden dar forma a la
educación (por ejemplo, Pelletier et al.,202114). Estos métodos, a diferencia de los
métodos de sueños sociales, enfatizan la importancia del conocimiento experto y
el rigor metodológico. Por ejemplo, un informe reciente de exploración del
horizonte describe la metodología de la siguiente manera:

“La metodología del Informe Horizon se basa en las perspectivas y el conocimiento

de un panel de expertos de profesionales y líderes de opinión de todo el mundo
que representan las industrias de educación superior, enseñanza y aprendizaje y
tecnología…. Después del proceso Delphi, a nuestros panelistas expertos se les
asignó la tarea de responder y discutir una serie de preguntas abiertas, así como
participar en rondas posteriores de votación por consenso (consulte la barra
lateral “Preguntas del panel”), todas enfocadas en identificar las tendencias. ,
tecnologías y prácticas que serán más importantes para dar forma al futuro de la
enseñanza y el aprendizaje postsecundario”. (Pelletier et al., 2021, págs. 47–48, el
énfasis es nuestro).

Se han utilizado métodos de previsión similares para repensar las habilidades

futuras y otros tipos de investigación orientada al futuro (Kirschner y Stoyanov,
2020). Los métodos de futuros se utilizan ampliamente hoy en día en la
planificación de políticas y la toma de decisiones en muchos dominios e incluyen
una amplia gama de herramientas, como el método Delphi, escaneo de
horizontes, planificación de escenarios, visualización y otras (DPMC, 2021; GOScience,
2017). ). Estas técnicas de futuros son principalmente herramientas epistémicas
para realizar análisis, participar en la creación de sentido estructurado y alcanzar
consenso sobre los futuros imaginados. Estas herramientas se adaptan de manera
flexible a diversos contextos, problemas y propósitos.
Los métodos radicales de diseño y aprendizaje activo, como los sueños sociales, se
han creado principalmente para democratizar el conocimiento e involucrar a las
comunidades vulnerables y marginadas en la reimaginación y transformando sus
futuros. Los métodos de previsión futura se han desarrollado como herramientas
para que los expertos realicen análisis rigurosos y creen artefactos de
conocimiento conjunto que informen la toma de decisiones. La combinación de
13
J.C. Glenn, T.J. Gordon (Eds.), Futures research methodology (3rd ed.), The Millennium Project (2009)
14
K. Pelletier, M. Brown, C. Brooks, et al. Educause horizon report. Teaching and learning edition
Educause, Boulder, CO (2021)
https://library.educause.edu/-/media/files/library/2021/4/2021hrteachinglearning.pdf?
la=en&hash=C9DEC12398593F297CC634409DFF4B8C5A60B36E
estos dos enfoques son poderosas herramientas pedagógicas para involucrar a los
estudiantes en la recopilación rigurosa de datos, el análisis, el diálogo conjunto y la
visión de su propio futuro. Empoderan a los alumnos al equiparlos con
herramientas metodológicas y capacidad de acción para pensar de manera
rigurosa y sistémica sobre su futuro, incluido el papel de la IA. Estos métodos son
una parte fundamental de la caja de herramientas metodológicas para los
estudiantes que probablemente enfrentarán desafíos e incertidumbre cada vez
más "perversos" en su futuro (Goodyear & Markauskaite, 2017; 2019;
Markauskaite, 2020).
Por ejemplo, durante varios años, dos de los autores de este artículo han estado
utilizando un método de exploración de horizontes como marco pedagógico en
cursos de posgrado sobre las fronteras de la investigación en tecnología del
aprendizaje. En estos cursos, los estudiantes (al igual que los expertos) investigan
tecnologías emergentes, tendencias en un contexto más amplio, participan en un
diálogo conjunto de expertos dirigido por estudiantes y crean informes horizonte
sobre las innovaciones educativas elegidas. Uno de esos cursos se creó utilizando
un diseño participativo dirigido por estudiantes (Ripley et al., 202115). De manera
similar, en un curso impartido conjuntamente con socios de la industria de la
empresa global de contratación Randstad, los equipos interdisciplinarios de
estudiantes universitarios utilizaron métodos de desarrollo de escenarios para
construir los escenarios del trabajo futuro, incluida la forma en que este trabajo
podría verse afectado por la IA (Randstad, 2018 ). Estos estudiantes asumieron el
papel de expertos, ya que realizaron análisis rigurosos de la situación actual y
consideraron tendencias en el campo y un contexto más amplio, encuestaron y
entrevistaron a las partes interesadas y crearon escenarios utópicos y distópicos
de posibles futuros del trabajo.
Los escenarios creados también son valiosos objetos de conocimiento para
quienes que trabajan en la industria y la academia, y toman decisiones:
“Para la industria, [los escenarios] dan una idea de qué tipos de modelos laborales
futuros estarán dispuestos a adoptar nuestros graduados y en qué tipos de
culturas laborales querrán trabajar. Para el mundo académico, dan una idea de en
qué tipo de mundo futuro quieren vivir nuestros graduados y, de hecho, qué tipo
de mundo quieren cocrear”. (Randstad, 2018).
Para ilustrar esto, podríamos utilizar un ejemplo similar de escenarios de IA,
creado por Samochowiec (2020)16. El autor sugiere cuatro posibles futuros, cada
uno de los cuales problematiza cómo la IA podría afectar el futuro de la educación,
entre ellos: el colapso, el precariado de la economía informal, el cero neto y el lujo
de la IA totalmente automatizada.( collapse, gig economy precariat, net zero and
fully automated AI luxury.) En el escenario del colapso , hay bajo orden social,
escasez y restricción de la libertad, un escenario que se caracteriza por la falta de
acceso a necesidades básicas como agua, alimentos y atención médica, y que
probablemente desafiaría a la sociedad y tal vez requeriría que las personas se
desarrollen conocimientos y habilidades para sobrevivir, pero también para

15
D. Ripley, L. Markauskaite, N. Arthars, M. Khosronejad Co-designing for learning across disciplines:
Design principles for student-led innovation Paper presented at the 19th biennial EARLI conference for
research on learning and instruction, Goteborg, Sweden (2021). https://eprints.qut.edu.au/236867/
16
J. Samochowiec Future skills: Four scenarios for the world of tomorrow. Jacobs
Foundation (2020)
adaptarse o luchar contra este sombrío panorama. En el precariado de la
economía colaborativa, las máquinas quitan a los humanos los puestos de trabajo
actuales de la clase media, pero sólo una pequeña élite viviría más allá del umbral
de pobreza. Este escenario requeriría, por ejemplo, conocimientos y habilidades
sobre cómo readaptarse rápidamente al mercado laboral. El cero neto es un
escenario de abundancia, en el que la mayoría de las personas tienen acceso a lo
que necesitan, pero esto puede requerir la voluntad de seguir reglas y la
autorrestricción, que deberían ser aceptadas y acordadas por todos los miembros
de la sociedad: habilidades de colaboración y negociación. probablemente jugaría
un papel importante. El último escenario es un lujo de IA totalmente
automatizado, donde las máquinas reemplazan el trabajo de los humanos y todos
disfrutan del fruto de este trabajo, lo que tal vez requeriría motivación y propósito
propio.
Los intentos de predecir el futuro son arriesgados y rara vez tienen éxito, y estos
escenarios no deben verse como predicciones reales y directas. Más bien, son
visiones de futuros más deseables y menos deseables creados por personas. Hay
muchos otros escenarios potenciales que se pueden idear.
Pero en un entorno educativo, el uso de escenarios puede ofrecer un punto de
partida para la reflexión y el debate sobre los elementos positivos y negativos en
escenarios futuros, y cómo podríamos abordar los diferentes desafíos potenciales
que se avecinan. Como tal, la cocreación de escenarios futuros se puede utilizar
como tácticas pedagógicas para promover debates sólidos, imaginación y
pensamiento de los estudiantes sobre su futuro.
Habiendo discutido las ideas centrales relacionadas con las cuatro capas del
marco pedagógico en el espacio problemático del diseño educativo en un
mundo de IA (a la izquierda de la Fig. 2), ahora pasamos a un marco de diseño
que nos permite reunir y dar cuenta de múltiples elementos en una situación
de aprendizaje (derecha de la Fig. 2).

6.Un marco para diseñ ar para el aprendizaje: los mú ltiples elementos en

una situació n de aprendizaje
Esta sección se centra en la situación de aprendizaje y en cómo enmarcar las
discusiones de diseño que involucran múltiples elementos y como parte del
diseño para el aprendizaje en un mundo de IA (Fig. 2). No sabemos lo que nos
espera y, sin embargo, necesitamos descubrir colectivamente cuál es el futuro
que nos gustaría tener por delante. Necesitamos entender cómo podemos
tomar colectivamente medidas significativas para contribuir a ese futuro. En
esta sección, sugerimos que un marco de diseño ayudará a romper la
complejidad del diseño para el aprendizaje y permitirá a los educadores y
estudiantes reflexionar sobre las relaciones partetodo, es decir, considerar
cómo cada elemento de diseño (parte) puede contribuir a formar un conjunto
específico de elementos (un todo) y cómo este conjunto, a su vez, influye en la
actividad de aprendizaje.
El marco de análisis y diseño centrado en actividades (ACAD) (Goodyear &
Carvalho, 2014; Goodyear, Carvalho, & Yeoman, 2021) ofrece lentes tanto teóricas
como aplicadas que pueden ayudar a respaldar el diseño de experiencias de
aprendizaje efectivas. ACAD reconoce que la actividad de aprendizaje está situada
epistémica, física y socialmente y, por lo tanto, está determinada por (i) tareas de
aprendizaje propuestas o diseño epistémico, (ii) herramientas físicas y digitales
disponibles para los estudiantes o diseño de escenarios, y (iii) dinámicas sociales
específicos planificados en avance o diseño social.
La actividad de aprendizaje se encuentra en el corazón del marco y se entiende
como un fenómeno emergente (Fig. 3). Las dimensiones epistémica, espacial y
social del diseño implican que hay que tomar decisiones –sobre las tareas,
herramientas y disposiciones sociales de una situación de aprendizaje– y éstas
ensamblaje de elementos. En el "tiempo de aprendizaje", cuando los alumnos
interactúan con estos elementos, el conjunto queda entrelazado con la
actividad de aprendizaje emergente. En general, ACAD pone de relieve que la
interacción de los alumnos con este conjunto de elementos no se puede
predecir por completo de antemano, ya que los alumnos tienen capacidad
para cocrear lo que se ha propuesto.
Pero la actividad está influenciada por los componentes diseñables, que empujan
a los alumnos hacia ciertas direcciones.
Yeoman (2015) ha combinado los conceptos analíticos del marco ACAD
(Goodyear & Carvalho, 2014) con las nociones anteriores de marcos
pedagógicos de Goodyear (1999, 2005) (Fig. 1), y las de Alexander et al. (1977)
investigación sobre patrones de diseño y lenguaje de patrones. Yeoman (2015)
sugirió el uso de la estructura alámbrica de ACAD para mapear (a través de
una cuadrícula) en una sola vista (Fig. 4), donde los múltiples elementos
diseñables de ACAD se presentan en diferentes niveles de granularidad: micro,
meso y macro.
Basándose en el marco de ACAD, la estructura alámbrica y la antropología del
diseño (Gunn et al., 201317), Yeoman y Carvalho (2019) crearon el kit de
herramientas ACAD, que consta de un método basado en tarjetas, andamios
de tareas, escenarios de aprendizaje y imágenes, que se utilizan para facilitar
debates sobre diseño educativo fundamentados teóricamente. Como tal, el
conjunto de herramientas se ha utilizado para apoyar a los equipos de diseño
educativo mediante procesos de andamiaje de intercambio e integración de
conocimientos (McDonnell, 2009), a menudo utilizados como estímulos
conversacionales para fomentar la negociación de significados compartidos, con
respecto a formas valoradas de actividad de aprendizaje y la elementos
diseñables que pueden unirse en apoyo de estos (Good year, Carvalho, &
Yeoman, 2021; Yeoman & Carvalho, 2019).

17
W. Gunn, T. Otto, R.C. Smith (Eds.), Design anthropology: Theory and practice,
Bloomsbury, London, UK (2013)
Fig. 4. Design for learning in an AI world and the ACAD wireframe (Goodyear,
Carvalho, & Yeoman, 2021, p.457).

El uso de un marco de diseño y un conjunto de herramientas como ACAD

(Goodyear, Carvalho y Yeoman, 2021) en combinación con el marco de creación
de valor (Wenger et al., 2011) puede ayudar a respaldar debates
enriquecedores entre educadores y estudiantes sobre cómo diseñar para el
aprendizaje en un mundo de IA, por ejemplo, mientras se crean escenarios
futuros o al considerar los escenarios para el futuro de la IA creados por otros
(Samochowiec, 2020). ACAD puede ayudar a educadores y estudiantes a
participar en actividades de codiseño y guiar conversaciones de diseño que den
cuenta de diferentes elementos de una situación de aprendizaje, a través de las
dimensiones del diseño (escenario, social,epistémico) El diseño epistémico, por
ejemplo, puede considerar los tipos

Fig. 3. Marco ACAD (adaptado de Goodyear & Carvalho, 2014, p. 59).

de tareas de aprendizaje y formas de conocimiento que probablemente sean

parte del futuro, como la creación de escenarios de IA o la adopción de otras
combinaciones de métodos especulativos y de visión de futuro. Esto puede
incluir aprender sobre la IA, pero también aprender con la IA y cómo la IA
podría apoyar los procesos de aprendizaje de maneras que no repliquen
continuamente las formas de pensamiento colonialistas (Williansom & Eynon,
2020) y, en cambio, brinden oportunidades para todos.
Estas discusiones también pueden enmarcarse en diferentes niveles de
granularidad (micro, meso y macro). E incluya preguntas sobre qué elementos
estarían en juego en el entorno inmediato de una situación de aprendizaje que
involucre IA (micro), o qué reglas institucionales pueden necesitar ser
consideradas (si las hay) en diferentes escenarios futuros de IA (meso) y qué
políticas pueden apoyar prácticas educativas futuras que involucren IA
(macro).
La filosofía subyacente de tal enfoque de diseño incluye las características
humanísticas del enfoque de capacidades (Sen, 1985, 1992, 1999), donde los
educadores y estudiantes pueden guiarse por principios que conectan la
agencia humana, la inclusión y la co creación, pero también discuten otros
principios y valores que pueden sustentar sus visiones para el futuro, como
considerar la IA en relación con su impacto en ecosistemas planetarios más
amplios.
No sabemos cómo serán los entornos de aprendizaje futuros y, a medida que
volvemos a imaginar cómo serán los entornos formales tradicionales de las
aulas en las escuelas y es probable que las universidades cambien aún más
(diseño de escenario), debemos reconocer que la IA está en constante
evolución. Por ejemplo, las analíticas de aprendizaje pueden proporcionar
retroalimentación personalizada y en tiempo real, y ayudar tanto a los
educadores como a los estudiantes a trabajar mejor con esa retroalimentación
para profundizar sus experiencias de aprendizaje. Creemos que es probable
que los espacios físicos de aprendizaje sigan siendo importantes para futuros
entornos de aprendizaje con IA: los espacios físicos brindan oportunidades
para la copresencia de humanos, pero los nuevos entornos futuros pueden
desafiar las reglas estrictas que rodean la regularidad de los encuentros
físicos, por ejemplo, como un lunes. a viernes tipo de evento, tal como está
establecido actualmente en nuestros sistemas escolares. A medida que
educadores y estudiantes participen en debates sobre el aprendizaje en el
mundo de la IA, considerando las herramientas, los recursos y la complejidad
de las tecnologías emergentes (diseño de escenarios), también necesitarán
reconocer la importancia de estar presente con otros humanos (diseño social).
además de discutir el papel de los algoritmos en la educación.

7. Observaciones finales
Williamson y Eynon (2020) han pedido el uso de enfoques más participativos
en la educación, o enfoques que puedan permitir simultáneamente el
desarrollo de ideas y cambios en la práctica.
De manera similar, dentro del contexto de la IA en la educación, hacemos un
llamado a la cocreación dentro de la sociedad, a una visión de la educación
que implica la participación activa tanto de estudiantes como de educadores
en debates sobre el aprendizaje, en redes y comunidades de aprendizaje.
Al abordar la imprevisibilidad del futuro, reconceptualizamos el espacio
problemático del diseño educativo en un mundo de IA, donde nos gustaría ver
a educadores y estudiantes reflexionando profundamente sobre el papel de la
IA y las estructuras de diseño que darán forma a la actividad de aprendizaje.
Estas ideas están integradas en nuestro pensamiento sobre todos los
elementos del marco pedagógico y la situación de aprendizaje (Fig. 2). El
enfoque de capacidades aporta los principios humanistas subyacentes para
sustentar el diseño en un mundo de IA: principios que enfatizan la importancia
de la agencia, la inclusión y la cocreación (filosofía) de las personas. El marco
de creación de valor ofrece una manera de conceptualizar aún más la actividad
de aprendizaje dentro de cinco ciclos (pedagogía de alto nivel), permitiendo a
los educadores y estudiantes adoptar un enfoque holístico para diseñar para
el aprendizaje, uno que considere el valor inmediato, el valor potencial, el valor
aplicado y el valor realizado. valor y la reformulación de los valores en juego.
Además, se pueden utilizar métodos especulativos y progresistas (estrategias
pedagógicas), basados, por ejemplo, en escenarios futuros, para situar los
debates sobre diseño, ayudando a educadores y estudiantes a considerar los
posibles desafíos futuros (tácticas pedagógicas). Finalmente, ACAD se puede
utilizar para enmarcar debates de codiseño, donde educadores y estudiantes
exploran el papel de varios elementos, para considerar su influencia en la
actividad de aprendizaje emergente dentro de múltiples escenarios. ACAD
también puede ayudar a educadores y estudiantes a buscar alineación o
disonancia en diferentes dimensiones de diseño y en diferentes niveles de
granularidad. La figura 4 sugiere cómo se pueden representar algunos de los
elementos analizados en este artículo dentro de la estructura alámbrica de
ACAD. En conjunto, estas herramientas analíticas y enfoques de diseño
pueden facilitar conversaciones complejas sobre el conocimiento, los objetivos
y las acciones que todos necesitaremos tomar para adoptar con flexibilidad y
abordar la incertidumbre de un futuro con IA. También pueden contribuir a los
debates sobre cómo podrían ser los entornos de aprendizaje en el futuro, a
medida que educadores y estudiantes trabajen juntos para reimaginar y co-
crear escenarios que estén alineados con sus valores.
Al diseñar futuros de aprendizaje impredecibles en un mundo de IA, debemos
reconocer que es probable que los humanos trabajen en equipo con la IA en
múltiples situaciones de aprendizaje diferentes. Por lo tanto, a medida que los
educadores y estudiantes se involucran en el diseño para el aprendizaje, no
sólo necesitarán planificar las interacciones entre humanos (por ejemplo,
estudiantes y estudiantes o educadores y estudiantes), sino que también es
probable que los robots desempeñen un papel en el aprendizaje futuro.
ambientes. Como tal, los diseñadores probablemente necesitarán considerar
estructuras o arreglos sociales para facilitar y fomentar interacciones fluidas
entre los humanos y la IA. Es posible que estén en juego muchos cambios,
incluido el uso de agrupaciones de aprendizaje que dependen de la edad,
hacia entornos acogedores donde jóvenes y mayores puedan aprender juntos
y enseñarse mutuamente sobre diferentes elementos de vivir y trabajar con IA.
En conclusión, para hacer frente a los dinamismos y las complejidades de los
desarrollos de la IA, necesitamos adoptar enfoques humanistas de diseño
participativo, al mismo tiempo que utilizamos métodos y marcos orientados al
futuro que apoyen conversaciones complejas sobre el diseño educativo, y al
hacerlo, podemos contribuir. para empoderar a educadores y estudiantes
para cocrear el mejor futuro posible. Qué significará la educación y cómo será,
son algunas de las preguntas clave que todos debemos abordar en este
momento, mientras consideramos los desafíos potenciales asociados con el
diseño para el aprendizaje y los futuros impredecibles de vivir, trabajar y
aprender con IA. .

Agradecimientos

La investigación de Roberto MartínezMaldonado está financiada en parte por la Fundación Jacobs.

References

1. Agus and Samuri, 2018

R. Agus, S.M. Samuri

Learning analytics contribution in education and child development: A

review on learning analytics

Asian Journal of Assessment in Teaching and Learning, 8 (2018), pp. 36-47

 Google Scholar

 Alexander et al., 1977

C. Alexander, S. Ishikawa, M. Silverstein
A pattern language
Oxford University Press, Oxford, UK (1977)
Google Scholar
Arnold and Pistilli, 2012
K. Arnold, M. Pistilli
Course signals at Purdue: Using learning analytics to increase student success
Proceedings of the 2nd international conference on learning analytics and
knowledge, ACM, New York, NY, USA (2012), pp. 267-270
CrossRef
View in ScopusGoogle Scholar
 Arntz et al., 2016
M. Arntz, T. Gregory, U. Zierahn
The risk of automation for jobs in OECD countries
OECD, Paris (2016)
Google Scholar
Boyadjieva and Ilieva-Trichkova, 2018
P. Boyadjieva, P. Ilieva-Trichkova
Lifelong learning as an emancipation process: A capability approach
M. Milana, S. Webb, J. Holford, R. Waller, P. Jarvis (Eds.), The Palgrave international
handbook on adult and lifelong education and learning, Springer (2018), pp. 267-
288
CrossRef
Google ScholarBuolamwini and Gebru, 2018
J. Buolamwini, T. Gebru
Gender shades: Intersectional accuracy disparities in commercial gender
classification
Conference on fairness, accountability and transparency, PMLR (2018, January), pp.
77-91
View in Scopus
Google Scholar
 Comim et al., 2008
F. Comim, M. Qizilbash, S. Alkire
The capability approach: Concepts, measures and applications
Cambridge University Press (2008)
Google Scholar
 David, 2015
H.J. David
Why are there still so many jobs? The history and future of workplace automation
The Journal of Economic Perspectives, 29 (3) (2015), pp. 3-30
Google Scholar
 De Laat, 2012
M. De Laat
Enabling professional development networks: How connected are you? Heerlen: Look
Open Universiteit of the Netherlands (2012)
Google Scholar
 Dellot et al., 2020
B. Dellot, R. Mason, F. Wallace-Stephens
The four futures of work: Coping with uncertainty in an age of radical technologies
RSA, London (2020)
Google Scholar
DPMC, 2021
DPMC
Futures thinking
Department of the Prime Minister and Cabinet, New Zealand (2021)
Retrieved June 3, 2021, from
https://dpmc.govt.nz/our-programmes/policy-project/policy-methods-toolbox/
futures-thinking
Google Scholar
Dunne and Raby, 2013
A. Dunne, F. Raby
Speculative everything: Design, fiction, and social dreaming
The MIT Press, Cambridge (2013)
Retrieved June 3, 2021, from
http://www.jstor.org/stable/j.ctt9qf7j7
Google Scholar
Dutra Gonçalves, 2016
D.R. Dutra Gonçalves
Social dreaming: From inquiry to insight
Masters thesis
Parsons, School of Design – The New School (2016)
Retrieved June 3, 2021
https://static1.squarespace.com/static/56787cbd40667a75f6c6feaf/t/
573a8b0b356fb08a016abca7/1463454477021/Ricardo+Dutra_Social+Dreaming+
%28online+quality%29.pdf
Google Scholar
Fan et al., 2021
Y. Fan, J. Saint, S. Singh, J. Jovanovic, D. Gašević
April). A learning analytic approach to unveiling self-regulatory processes in
learning tactics
LAK21: 11th international learning analytics and knowledge conference (2021), pp.
184-195
CrossRef
View in ScopusGoogle Scholar
 Glenn and Gordon, 2009
J.C. Glenn, T.J. Gordon (Eds.), Futures research methodology (3rd ed.), The
Millennium Project (2009)
Google Scholar
GO-Science, 2017
GO-Science
Tools for futures thinking and foresight across UK Government
Government office for Science, UK (2017)
Retrieved June 3, 2021, from
https://assets.publishing.service.gov.uk/government/uploads/system/uploads/
attachment_data/file/674209/futures-toolkit-edition-1.pdf
Google Scholar
Goodyear, 1999
P. Goodyear
Pedagogical frameworks and action research in open and distance learning
European Journal of Open, Distance and E-Learning (1999), pp. 1-7
View in Scopus
Google ScholarGoodyear and Carvalho, 2014
P. Goodyear, L. Carvalho
Framing the analysis of learning network architectures
L. Carvalho, P. Goodyear (Eds.), The architecture of productive learning networks,
Routledge, New York, NY (2014), pp. 48-70
View in Scopus
Google ScholarGoodyear et al., 2021
P. Goodyear, L. Carvalho, P. Yeoman
Activity-Centred Analysis and Design (ACAD): Core purposes, distinctive qualities
and current developments
Educational Technology Research & Development, 69 (2021), pp. 445-464,
10.1007/s11423-020-09926-7
View in ScopusGoogle ScholarGoodyear and Markauskaite, 2019
P. Goodyear, L. Markauskaite
The impact of practice on wicked problems and unpredictable futures
J. Higgs, S. Cork, D. Horsfall (Eds.), Challenging future practice possibilities, Brill-
Sense, Rotterdam, The Netherlands (2019), pp. 41-52
CrossRef
Google Scholar
 Gunn et al., 2013
W. Gunn, T. Otto, R.C. Smith (Eds.), Design anthropology: Theory and practice,
Bloomsbury, London, UK (2013)
Google Scholar
 Harari, 2018
Y.N. Harari
21 lessons for the 21st Century
Random House (2018)
Google Scholar
 Iansiti and Lakhani, 2020
M. Iansiti, K.R. Lakhani
Competing in the age of AI: Strategy and leadership when algorithms and networks
run the world
Harvard Business Press (2020)
Google Scholar
Kirschner and Stoyanov, 2020
P.A. Kirschner, S. Stoyanov
Educating youth for nonexistent/Not yet existing professions
Educational Policy, 34 (3) (2020), pp. 477-517, 10.1177/0895904818802086
View in ScopusGoogle ScholarLong and Manley, 2019
S. Long, J. Manley (Eds.), Social dreaming: Philosophy, research, theory and
practice, Routledge (2019), 10.4324/9780429449277
Google Scholar
 Lucas et al., 2021
C. Lucas, S.B. Shum, M. Liu, M. Bebawy
Implementing AcaWriter as a novel strategy to support pharmacy students'
reflective practice in scientific research
American Journal of Pharmaceutical Education (2021)
Google Scholar
Luckin et al., 2016
R. Luckin, W. Holmes, M. Griffiths, L. Forcier
Intelligence unleashed: An argument for AI in education
Pearson Education, London (2016)
https://static.googleusercontent.com/media/edu.google.com/en//pdfs/Intelligence-
Unleashed-Publication.pdf
Google Scholar
 Manyika et al., 2017
J. Manyika, M. Chui, M. Miremadi, J. Bughin, K. George, P. Willmott, M. Dewhurst
A future that works: AI, automation, employment, and productivity
McKinsey Global Institute (2017)
Google Scholar
Markauskaite, 2020
L. Markauskaite
Commentary: Learning for knowledge work practices in the wild
Research Papers in Education, 35 (1) (2020), pp. 105-115,
10.1080/02671522.2019.1677762
View in ScopusGoogle Scholar
 Markauskaite and Goodyear, 2017
L. Markauskaite, P. Goodyear
Epistemic fluency and professional education: Innovation, knowledgeable action
and actionable knowledge
Springer, Dordrecht (2017)
Google Scholar
 Martinez-Maldonado et al.,
R. Martinez-Maldonado, L. Yan, J. Deppeler, M. Phillips, D. Gašević
Classroom Analytics: Telling stories about learning spaces using sensor data
E. Gil, Y. Mor, Y. Dimitriadis, C. Köppe (Eds.), Hybrid learning spaces, Springer,
Cham, Switzerland (2021)
Google Scholar
McDonnell, 2009
J. McDonnell
Collaborative negotiation in design: A study of design conversations between
architect and building users
CoDesign, 5 (2009), pp. 35-50
CrossRef
Google ScholarMiao et al., 2021
F. Miao, W. Holmes, R. Huang, H. Zhang
AI and education: Guidance for policy-makers
UNESCO, France (2021)
https://unesdoc.unesco.org/ark:/48223/pf0000376709
Google Scholar
 Muro et al., 2019
M. Muro, J. Whiton, R. Maxim
What jobs are affected by AI?
Brookings Metropolitan Policy Program, Washington DC (2019)
Google Scholar
Nissim and Simon, 2021
G. Nissim, T. Simon
The future of labor unions in the age of automation and at the dawn of AI
Technology in Society, 67 (2021), p. 101732
View PDFView articleView in ScopusGoogle Scholarvan Notten, 2006
P. van Notten
Scenario development: A typology of approaches
OECD (Ed.), Think scenarios, rethink education. Schooling for Tomorrow, OECD
Publishing, Paris (2006)
https://doi-org.ezproxy.library.sydney.edu.au/10.1787/9789264023642-en
Google Scholar
OECD, 2001
OECD
What schools for the future?
Schooling for Tomorrow, OECD Publishing, Paris (2001)
https://www.oecd-ilibrary.org/education/what-schools-for-the-
future_9789264195004-en
Google Scholar
OECD, 2006
OECD
Think scenarios, rethink education
Schooling for Tomorrow, OECD Publishing, Paris (2006)
https://doi-org.ezproxy.library.sydney.edu.au/10.1787/9789264023642-en
Google Scholar
Pelletier et al., 2021
K. Pelletier, M. Brown, C. Brooks, et al.
Educause horizon report. Teaching and learning edition
Educause, Boulder, CO (2021)
Retrieved June 3, 2021, from
https://library.educause.edu/-/media/files/library/
2021/4/2021hrteachinglearning.pdf?
la=en&hash=C9DEC12398593F297CC634409DFF4B8C5A60B36E
Google Scholar
Poquet and De Laat, 2021
O. Poquet, M. De Laat
Developing capabilities: Lifelong learning in the age of AI
British Journal of Educational Technology (2021), pp. 1-14
00
View in Scopus
Google ScholarRandstad, 2018
Randstad
How to attract tomorrow's talent, today
Retrieved June 3, 2021
https://www.randstad.com.au/hr-news/talent-management/how-to-attract-
tomorrows-talent-today
(2018)
Google Scholar
 Ripley et al., 2021
D. Ripley, L. Markauskaite, N. Arthars, M. Khosronejad
Co-designing for learning across disciplines: Design principles for student-led
innovation
Paper presented at the 19th biennial EARLI conference for research on learning
and instruction, Goteborg, Sweden (2021)
Google Scholar
Rubenson, 2019
K. Rubenson
Assessing the status of lifelong learning: Issues with composite indexes and
surveys on participation
International Review of Education, 65 (2) (2019), pp. 295-317, 10.1007/s11159-019-
09768-3
View in ScopusGoogle Scholar
 Samochowiec, 2020
J. Samochowiec
Future skills: Four scenarios for the world of tomorrow
Jacobs Foundation (2020)
Google Scholar
Selwyn, 2019
N. Selwyn
What's the problem with learning analytics?
Journal of Learning Analytics, 6 (3) (2019), pp. 11-19
View in Scopus
Google ScholarSelwyn and Gasevic, 2020
N. Selwyn, D. Gasevic
The datafication of higher education: Discussing the promises and problems
Teaching in Higher Education, 25 (4) (2020), pp. 527-540
CrossRef
View in ScopusGoogle ScholarSen, 1985
A. Sen
Well-being, agency and freedom: The Dewey lectures 1984
The Journal of Philosophy, 82 (4) (1985), pp. 169-221
CrossRef
Google Scholar
 Sen, 1992
A. Sen
Inequality reexamined
Oxford University Press (1992)
Google Scholar
 Sen, 1999
A. Sen
Development as freedom
(1 edn.), Knopf Press, New York (1999)
Google Scholar
Touretzky et al., 2019
D. Touretzky, C. Gardner-McCune, F. Martin, D. Seehorn
July). Envisioning AI for k-12: What should every child know about AI?
Proceedings of the AAAI conference on artificial intelligence, Vol. 33 (2019), pp.
9795-9799
No. 01
CrossRef
View in ScopusGoogle ScholarUNESCO, 2019
UNESCO
Beijing consensus on artificial intelligence and education
UNESCO, France (2019)
https://unesdoc.unesco.org/ark:/48223/pf0000368303
Google Scholar
UNESCO, 2020
UNESCO
The sustainable development agenda
https://www.un.org/sustainabledevelopment/development-agenda/
(2020)
Google Scholar
UNESCO, 2021
UNESCO
Futures of education: Learning to become
https://en.unesco.org/futuresofeducation/initiative
(2021)
Google Scholar
 Wenger et al., 2011
E. Wenger, B. Trayner, M. de Laat
Promoting and assessing value creation in communities and networks: A
conceptual framework. Rapport, Vol. 18, Open University of the Netherlands (2011)
Google Scholar
Williamson and Eynon, 2020
B. Williamson, R. Eynon
Historical threads, missing links, and future directions in AI in education
Learning, Media and Technology, 45 (3) (2020), pp. 223-235,
10.1080/17439884.2020.1798995
View in ScopusGoogle Scholar
 Yeoman, 2015
P. Yeoman
Habits & habitats: An ethnography of learning entanglement
Unpublished PhD Thesis
The University of Sydney (2015)
Google Scholar
Yeoman and Carvalho, 2019
P. Yeoman, L. Carvalho
Moving between material and conceptual structure: Developing a card-based
method to support design for learning
Design Studies, 64 (2019), pp. 64-89, 10.1016/j.destud.2019.05.003
View PDFView articleView in ScopusGoogle ScholarZawacki-Richter et al., 2019
O. Zawacki-Richter, V.I. Marín, M. Bond, F. Gouverneur
Systematic review of research on artificial intelligence applications in higher
education – where are the educators?
International Journal of Educational Technology in Higher Education, 16 (2019), p.
39, 10.1186/s41239-019-0171-0 View in ScopusGoogle Scholar