Autor: Álvaro Molina Ayuso.
Twitter: @molinaayuso
![](https://ciberespiral.org/wp-content/uploads/2023/05/Alvaro.Molina.png)
Licenciado en Física y profesor de Matemáticas en Educación Secundaria. Doctor en Ciencias de la Educación en Pensamiento Computacional y enseñanza de las Matemáticas.
Resumen
En la actualidad nos encontramos con muchos recursos, ideas, y planteamientos que animan a trabajar con nuestro alumnado, de una u otra forma, empleando la inteligencia artificial. Pero, ¿por qué es necesario incluir el uso de este tipo de tecnología en el aula? ¿Necesita nuestro alumnado ser simplemente un consumidor de estos recursos o existen otras posibilidades educativas? Como siempre, el desarrollo tecnológico de nuestra sociedad marca acciones en el ámbito educativo. Hoy nos encontramos con la irrupción de esta tecnología que precisa para nuetro alumnado de un enfoque, uso y conocimientos adecuados dadas las características que puede tener su implantación en nuestra sociedad.
Palabras clave
Alfabetización digital, inteligencia artificial, Machine Learning, TIC, Scratch
Introducción
Hoy se habla mucho de los nuevos programas y aplicaciones de inteligencia artificial, de su impacto en la educación y de los cambios que suponen para estudiantes y profesorado. Pero, como siempre, esto no es más que otro punto de cambio que la tecnología provoca en el ámbito de la educación y que lo hace con muchos interrogantes: ¿cómo hay que afrontarlo?, ¿qué consideraciones hay que tener presentes para emplear esta tecnología correctamente en el aula y cómo se puede hacer?
Contexto
El desarrollo tecnológico de nuestra sociedad siempre ha tenido un notable impacto en el sector educativo. Desde que en los años 80 IBM mostrase el primer ordenador personal, siempre han surgido acontecimientos que han marcado momentos de cambio en el desarrollo de ideas, conceptos recursos o tendencias educativas: la inclusión del término “Nuevas Tecnologías” con la aparición de los ordenadores personales (Moreno, 2013), el desarrollo del lenguaje de programación LOGO de Seymour Papert (Papert, 1999), o la creación de la World Wide Web acompañado del término “Tecnologías de la Información y Comunicación (TIC) (Muñoz, 2008) son algunos de los momentos más significativos en este ámbito dados durante finales del Siglo XX. Con el comienzo del Siglo XXI, son muchas las aplicaciones, recursos educativos y sistemas que adaptan estas nuevas tecnologías a la educación. Pero quizá sea más destacado que junto a todos estos sistemas y recursos, como la web 2.0, también en esta época se empiezan a desarrollar perspectivas y enfoques metodológicos que ayudan al profesorado a utilizar este escenario con el fin de hacer una educación enfocada al desarrollo de una alfabetización digital de nuestra sociedad (Moya, 2013) diseñando, empleando y aprovechando la creación de contenidos educativos digitales.
![](https://ciberespiral.org/wp-content/uploads/2023/05/img2.png)
Toda esta evolución ha marcado distintos cambios sociales y ha hecho hoy nos encontremos con una sociedad caracterizada con un tipo de ciudadanía que consume información multimodal e hipertextual, que procesa información muy deprisa, que está continuamente conectada y que en consecuencia precisa de una adecuada alfabetización digital, entendida esta como el proceso de enseñanza-aprendizaje de la lectoescritura de textos digitales (Reig y Vílchez, 2015). Un tipo de alfabetización que se presenta en todos sus aspectos como la clave para un cambio en el ecosistema de la educación, cuya eficacia dependerá del desarrollo efectivo de esta formación (Pérez-Escoda et al., 2019) y que, como todas, busca paliar diferencias entre los distintos sectores de la sociedad; unos conocimientos básicos que ayudan a mitigar la brecha digital fomentando la capacidad de la ciudadanía para utilizar de manera crítica la información de la que disponemos con acceso libre en Internet (Gurstein, 2011). Esta alfabetización deriva en múltiples dimensiones como la alfabetización web, la alfabetización informática o la código-alfabetización (Román-González, 2016; Keshavarz, 2020) entre otras. Pero hoy nos encontramos con otro tipo de alfabetización emergente que requiere de una formación y un desarrollo competencial específico al estar ligada a un punto de inflexión en el desarrollo de nuestra sociedad: la alfabetización en inteligencia artificial (IA), entendida esta como un conjunto de competencias que permite a las personas valorar de forma crítica las tecnologías de IA, comunicarse, colaborar eficazmente con ellas y utilizarlas como herramientas en línea en un contexto particular o en el lugar de trabajo (Long y Magerko, 2020).
La irrupción de la IA en educación: ¿por qué, para qué y cómo?
En los últimos años, la tecnología basada en algoritmos de inteligencia artificial, sobre todo en algoritmos de Machine Learning (ML), ha cobrado mucha relevancia en el panorama social gracias a la irrupción de aplicaciones de carácter generativo para componer textos, imágenes o incluso música. Estas aplicaciones como Dall-e o ChatGPT nos ofrecen muchas posibilidades y nuevos escenarios para un aprendizaje más autónomo, autodidacta y personalizado (Firat, 2022). Pero también el uso sin orden ni concierto de este tipo de tecnologías pueden producir algunos efectos de carácter más negativo y, en ocasiones, contrarios a un adecuado desarrollo de las habilidades asociadas a la alfabetización digital como una dependencia excesiva de la tecnología, la falta de interacción social o los errores de sesgo (Cribben y Zeinali, 2023).
![](https://ciberespiral.org/wp-content/uploads/2023/05/IMG-IA.png)
Por ello, es importante tener presente una serie de consideraciones a la hora de implantar el uso de estas tecnologías emergentes en el ámbito educativo, para que el proceso de aprendizaje de nuestro alumnado sea efectivo, práctico y sirva para familiarizarlo con los conceptos básicos de la IA. En este sentido, es importante que el profesorado se plantee una serie de cuestiones a la hora de usar estos recursos: ¿qué deben saber?, ¿qué deben ser capaces de hacer?, ¿por qué y para qué?.
Para dar respuesta a estos aspectos, se puede tener como referente el conjunto de competencias y resultados esperados en el aprendizaje y alfabetización en IA propuestas por Long y Magerko (2020) y que recoge la UNESCO en el documento “K-12 AI curricula. A mapping of goverment-endosered AI curricula”(2022). Aquí se destacan habilidades y destrezas tales como reconocer la IA en la tecnología que usamos, siendo capaces de distinguir si una aplicación o programa informático se basa en este tipo de algoritmos. Igualmente, nuestro alumnado debe ser capaz de reconocer que hay muchas maneras de pensar y desarrollar máquinas «inteligentes», identificando diversas tecnologías que utilizan IA, como el Machine Learning. Respecto a este tipo de algoritmos, ya que es quizá el más predominante en las aplicaciones de uso cotidiano, deben comprender los pasos implicados en el Machine Learning, las prácticas y retos que cada paso conlleva y reconocer que los humanos desempeñan un papel importante en la programación, la elección de modelos y el ajuste de los sistemas de IA. Junto a estas habilidades, además conviene desarrollar la capacidad de identificar posibles sesgos y caracterizar y describir diferentes perspectivas sobre las cuestiones éticas clave que rodean a la IA: privacidad, empleo, toma de decisiones o sesgo.
Actualmente nos encontramos con muchos recursos educativos que facilitan la inclusión de este tipo de tecnologías en la práctica docente con el fin de que nuestro alumnado pueda ser creador de experiencias y artefactos computacionales empleando algoritmos de IA. En este tipo de recursos como Teachable Machine, Machine Learning for Kids, Pictoblox o learningml, predomina el uso de algoritmos de Machine Learning, por lo que a la hora de emplearlos para el diseño de experiencias educativas que intenten acercar a nuestro alumnado al conocimiento de estas tecnologías, con el fin de actualizar y desarrollar sus habilidades dentro de la alfabetización digital, es positivo tener presente el marco educativo para el ML propuesto por Lao (2020). Esta propuesta, que es muy similar y está inspirada en el marco conceptual propuesto por Brennan-Resnick (2012) para el pensamiento computacional, está basada en principios propios de teorías educativas como el construccionismo (Papert y Harel, 1991) y propone tres ejes principales: conocimientos, habilidades y actitudes. Los conocimientos hacen referencia a la importancia de aprender qué es el ML y comprender los procesos de creación de estos algoritmos desde la identificación de un problema hasta su resolución, pasando por la recopilación de datos, el entrenamiento y el desarrollo haciendo siempre una mejora reiterada del proceso. Las habilidades permiten discernir entre qué problema se puede o no resolver empleando tecnología de ML o cuándo es útil emplear esta tecnología. Las habilidades permiten identificar el ML como un elemento tecnológico útil e importante en nuestras vidas con el fin de ver y establecer su aplicación práctica y reflexiva en diferentes entornos y contextos.
Con todas estas ideas presentes, el profesorado puede establecer un diseño adecuado para trabajar con recursos basados en IA empleando algoritmos de ML. Pero, ¿cómo pueden desarrollarse tales prácticas educativas?
A continuación, se citan dos ejemplos en los que nuestro alumnado puede utilizar un algoritmo de ML para desarrollar proyectos educativos que faciliten el desarrollo de sus habilidades y competencias de manera sencilla empleando el recurso educativo learningml. Esta plataforma web gratuita y de código abierto tiene como objetivo acercar los fundamentos del ML de forma práctica a estudiantes o personas interesadas en el campo de la IA (Rodríguez-García et al., 2020). Una plataforma diseñada para acercar estos principios de manera práctica, bajo el fundamento de “suelo bajo, techo alto y paredes anchas”: lo suficientemente fácil como para aprender y comenzar a usarla en poco tiempo pero que permite crear proyectos complejos y avanzados pudiendo además responder a distintos intereses y utilizarse en diferentes situaciones (Rodríguez-García et al., 2020). Para trabajar en esta plataforma no es necesario crear un usuario. Solo hay que acceder a ella, seleccionar el tipo de clasificación que se va a hacer, en este caso clasificación de textos, y comenzar a trabajar.
Una forma adecuada para comenzar a trabajar con este tipo de herramientas es experimentando con la clasificación de imágenes. En el primer ejemplo se plantea cómo emplear el algoritmo de esta plataforma para trabajar la clasificación de diferentes tipos de residuos generados por nuestro alumnado en la escuela con el fin de crear una aplicación que indique en qué contenedor hay que depositar cada residuo. Para poder hacer este trabajo, nuestro alumnado debe comenzar a clasificar en el algoritmo de ML los diferentes tipos de residuos según deban depositarse en el contenedor de papel, de residuos orgánicos o para envases.
![](https://ciberespiral.org/wp-content/uploads/2023/05/imagen10.jpeg)
Posteriormente podrán desarrollar la fase de entrenamiento del algoritmo para que se genere un modelo que permita comparar nuevas imágenes con las que se han incluido previamente. Finalmente podrá probar la clasificación que hace el algoritmo y con ello poder crear una aplicación interactiva con Scratch a través de esta misma plataforma.
![](https://ciberespiral.org/wp-content/uploads/2023/05/IMG-Scratch-reciclaje-4-1024x527.png)
Otro segundo ejemplo para presentar a nuestro alumnado estos conceptos de ML es trabajar con la clasificación de textos. Esta clasificación puede ser un poco menos intuitiva que la anterior, ya que con el uso de imágenes es más fácil entender cómo puede funcionar el modelo generado por el algoritmo para identificar similitudes. Pero trabajar con textos es una opción muy interesante para abordar estas prácticas desde otra perspectiva. Por ejemplo, nuestro alumnado puede utilizar este tipo de clasificación para hacer que el algoritmo pueda clasificar diferentes tipos de problemas de Matemáticas a partir del enunciado.
![](https://ciberespiral.org/wp-content/uploads/2023/05/problemasenlearningml.png)
Aquí los alumnos y alumnas deben comenzar buscando distintos tipos de problemas a partir de la operación que puede ser más adecuada para su resolución. Por ejemplo, problemas en los que haya que sumar, restar o multiplicar datos. Con esto completarán las clases que se definen en el algoritmo de ML y posteriormente podrán utilizarlo para clasificar un nuevo problema pudiendo crear una aplicación interactiva con Scratch.
![](https://ciberespiral.org/wp-content/uploads/2023/05/Scratch-problemas-1024x528.png)
En los siguientes enlaces se pueden consultar cómo llevar a cabo estas dos experiencias de manera completa a través de un diseño competencial que ayuda al alumnado a desarrollar un aprendizaje flexible y reflexivo en un entorno en el que puede trabajar como un pensador crítico a la hora de afrontar la resolución de problemas (Dúo-Terrón et al., 2022):
Clasificación de imágenes. https://procomun.intef.es/ode/view/1675998001765
Clasificación de textos. https://procomun.intef.es/ode/view/1676257202053
La tecnología basada en inteligencia artificial y en algoritmos de Machine Learning, su evolución y la inclusión en nuestra vida diaria, marcan un punto de inflexión en el desarrollo de nuestra sociedad y la forma en la que interactúa la ciudadanía. Un cambio que, como se ha mencionado anteriormente, puede tener ventajas e inconvenientes. Pero que es una realidad que no va a ser ajena a ningún sector de la población. Por este motivo, toda la ciudadanía precisa de una adecuada alfabetización en inteligencia artificial y, concretamente, nuestro alumnado necesita conocer qué es la IA y cómo funciona para tener una mejor comprensión de las posibilidades que nos ofrece con el fin de aprovechar esta tecnología para el bien común.
- Referencias Bibliográficas
Brennan, K., & Resnick, M. (2012). New frameworks for studying and assessing the development of computational thinking. Annual American Educational Research Association Meeting, Vancouver, Canada, 1–25.
Cribben, I., & Zeinali, Y. (2023). The benefits and limitations of ChatGPT in Business education and research : a focus on management science , operations management and data analytics.
Dúo-Terrón, P., Hinojo-Lucena, F. J., Moreno-Guerrero, A. J., & López-Belmonte, J. (2022). Impact of the Pandemic on STEAM Disciplines in the Sixth Grade of Primary Education. European Journal of Investigation in Health, Psychology and Education, 12(8), 989–1005. https://doi.org/10.3390/ejihpe12080071
Firat, D. M. (2022). How Chat GPT Can Transform Autodidactic Experiences and Open Education? 2(5), 255. https://doi.org/10.31219/osf.io/9ge8m
Gurstein, M. (2011). Open Data: Empowering the empowered of effective data use for everyone. First Monday, 16(2), 2–7. http://firstmonday.org/article/view/3316/2764
Keshavarz, H. (2020). Web self-efficacy: A psychological prerequisite for web literacy. Webology, 17(1), 81–98. https://doi.org/10.14704/WEB/V17I1/A209
Lao, N. (2020). Reorienting machine learning education towards tinkerers and ML-engaged citizens[Massachusetts Institute of Technology]. https://dspace.mit.edu/handle/1721.1/129264
Long, D., & Magerko, B. (2020). What is AI Literacy? Competencies and Design Considerations. Conference on Human Factors in Computing Systems – Proceedings, 1–16. https://doi.org/10.1145/3313831.3376727
Moreno, J. E. (2013). La tecnología educativa emergente en el contexto educativo del siglo XXI. Editorial. Educación y Territorio, 3(1), 7–11.
Moya, M. (2013). De las TICs a las TACs : la importancia de crear contenidos educativos digitales. Revista Didática, Innovación y Multimedia, 27, 1–15.
Muñoz, J. (2008). NNTT, TIC, NTIC, TAC… en educación ¿pero esto qué es? Quaderns Digitals: Revista de Nuevas Tecnologías y Sociedad, 51, 1–9.
Papert, S. (1999). What is Logo and who needs it? In Logo philosophy and implementation. https://doi.org/10.1057/s41599-018-0114-8
Papert, S., & Harel, I. (1991). Situating Constructionism. Constructionism, 1–12.
Pérez-Escoda, A., García-Ruiz, R., & Aguaded, I. (2019). Dimensions of digital literacy based on five models of development. Cultura y Educación, 31(2), 232–266. https://doi.org/10.1080/11356405.2019.1603274
Reig, D., & Vílchez, L. (2015). Los jóvenes en la era de la hiperconectividad: tendencias, claves y miradas. Revista Fuentes, 17, 145–147. https://doi.org/10.12795/revistafuentes.2015.i17.08
Rodríguez-garcía, J. D., Moreno-León, J., Román-González, M., & Robles, G. (2020). LearningML : A Tool to Foster Computational Thinking Skills Through Practical Artificial Intelligence Projects LearningML : una herramienta para fomentar las habilidades de Pensamiento Computacional mediante proyectos prácticos de Inteligencia Artificial. RED. Revista de Educación a Distancia, 20(63), 37.
Rodríguez-García, J. D., Moreno-León, J., Román-González, M., & Robles, G. (2020). Introducing Artificial Intelligence Fundamentals with LearningML: Artificial Intelligence made easy. ACM International Conference Proceeding Series, 18–20. https://doi.org/10.1145/3434780.3436705
Román-González, M. (2016). Codigoalfabetización y pensamiento computacional en educación primaria y secundaria: validación de un instrumento y evaluación de programas [UNED]. http://e-spacio.uned.es/fez/view/tesisuned:Educacion-Mroman
UNESCO. (2022). K-12 AI curricula: A mapping of government-endorsed AI curricula. https://unesdoc.unesco.org/ark:/48223/pf0000380602