Autores
Rosana Rebolledo Font de la Vall
Mercè Gisbert Cervera
Universitat Rovira i Virgili
- Introducció:
Les eines digitals per a la docència i la investigació han patit un canvi significatiu en el funcionament i també en les capacitats. La incidència d’aquests canvis en el context educatiu s’ha traduït, a la darrera dècada, en una transformació dels escenaris per a l’aprenentatge (han passat de ser presencials a ser híbrids o a distància), en els processos docents, el professorat ha adoptat l’ús de les eines digitals per al procés de disseny i implementació de la docència i també per als estudiants, ja que la tecnologia els permet orientar el procés. Plataformes i aplicacions que abans semblaven estàtiques ara han evolucionat integrant una capa d’intel·ligència artificial (IA) per optimitzar tasques que abans suposaven hores de treball humà. Per exemple, el PowerPoint ha passat de ser un simple editor de diapositives a permetre fer presentacions amb assistència d’IA (Copilot), adaptar dissenys de forma intuïtiva o fins i tot suggerir millores en temps real.
Altres eines com Gamma ( https://gamma.app ) són un exemple del desenvolupament d’algorismes intel·ligents capaços d’automatitzar una presentació interactiva, multimèdia i professional utilitzant només una instrucció textual o prompt. Aquesta plataforma d’accés obert i gratuït ofereix la possibilitat de treballar de manera col·laborativa, de manera síncrona alhora que exportar-ne el contingut en múltiples formats.
El punt d’inflexió arriba a finals del 2022, amb el llançament públic de ChatGPT. Des de llavors, el creixement de la IA al sector educatiu ha estat vertiginós. Empreses EdTech han accelerat la integració d’algorismes que prometen accelerar i millorar la productivitat docent: assistents per crear materials didàctics, sistemes d’avaluació adaptatius o tutors virtuals capaços de personalitzar l’aprenentatge.
Aquest salt qualitatiu, va més enllà de la mera digitalització de tasques, representa el que Puentedura va definir en el seu model SAMR (que fa referència al model que difereixes nivells d’integració de la tecnologia) el nivell de la “Redefinició” (Puentedura, 2006; Bustos, Gilene i Romero, 2024) és el nivell en què la tecnologia no es modifica dinàmiques educatives, potenciant la creativitat i també l’eficiència. A partir d’ara no n’hi haurà prou de conèixer el funcionament de les eines noves, sinó també tenir la capacitat de gestionar les seves actualitzacions de manera continuada.
Les tecnologies de darrera generació, com la IA, permeten abordar la diversitat de l’estudiantat a l’aula considerant que és un repte pedagògic continu. Els estudiants tenen diferents necessitats, ritmes i formes d’aprenentatge, cosa que exigeix enfocaments flexibles que respectin la seva individualitat (Yang et al., 2019). Els sistemes d’intel·ligència artificial (IA) permeten abordar aquestes diferències mitjançant l’adaptació dinàmica de continguts, avaluacions i retroalimentació, situant l’estudiant, ara si, al centre del procés educatiu (Gkountara i Prasad, 2022; Chen et al., 2020).
- Què és una eina IA adaptativa?
Una eina IA adaptativa és un sistema que utilitza algorismes i dades per ajustar automàticament la instrucció segons les necessitats individuals. Per exemple, els xatbots conversacionals com ara EnglishBot (Ruan, 2021) o els sistemes d’avaluació automàtica d’escriptura (AWE) (Wang et al., 2022) analitzen l’acompliment, identifiquen patrons d’error i ofereixen rutes d’aprenentatge personalitzades.
Els sistemes d’ensenyament híbrids (presencial-virtual) es beneficien significativament de les eines IA adaptatives, les quals ofereixen a l’estudiant avantatges clau per a un aprenentatge personalitzat i eficient a qualsevol disciplina. Les característiques principals d’aquestes eines són:
- Interacció activa i autonomia:
Els chatbots i els exercicis interactius permeten als estudiants practicar habilitats en contextos simulats, fomentant un aprenentatge autodirigit. Per exemple, en ciències socials, els chatbots poden guiar debats ètics o anàlisis de casos, mentre que en matemàtiques faciliten la resolució de problemes mitjançant diàlegs estructurats. Aquesta flexibilitat complementa les sessions presencials amb pràctiques autònomes adaptatives (Belda-Medina i Kokoskova, 2023).
- Seguiment precís d’errors:
Els assistents basats en IA identifiquen errors en temps real, ja sigui en redaccions, càlculs matemàtics o dissenys gràfics. al., 2021).
- Retroalimentació immediata per a millora contínua:
Tecnologies com l’anàlisi automatitzada de dades o l’avaluació de projectes ofereixen correccions instantànies. A l’àmbit de la física, els simuladors interactius mostren errors en experiments virtuals; en art, IA avalua composicions i suggereix ajustaments. Això permet perfilar l’exercici abans d’avaluacions presencials, optimitzant el temps a l’aula.
- Adaptació multinivell segons domini:
Les plataformes adaptatives permeten ajustar el nivell de dificultat de les activitats segons el progrés individual dels estudiants. En història, per exemple, el contingut a treballar pot variar des de resums bàsics fins a anàlisis crítiques de fonts primàries; en enginyeria, els problemes tècnics poden escalar-ne la complexitat. Aquesta adaptabilitat garanteix que l’estudiantat avanci al seu ritme en línia mentre el docent pot enfocar-se a les sessions presencials i dedicar més temps a treballs grupals oa projectes col·laboratius (González, 2023).
- Eines IA Multimodals
Les eines IA multimodals són sistemes d’intel·ligència artificial capaços de processar, interpretar i generar informació a través de múltiples formats o “maneres” (text, àudio, imatges, vídeo, dades interactives, etc.). Zheng et al., 2023) Hi ha diferents tipus d’eines, a continuació, presentem un exemple de tauler amb eines IA multimodals de lliure accés (vegeu la figura 1):
Figura 1. Tauler d’eines multimodals
Font: https://bit.ly/multimodales
Els docents poden aprofitar aquestes eines multimodals dIA per facilitar els processos d’aprenentatge adaptatiu, la personalització continguts i metodologies segons les necessitats de cada estudiant. Si les organitzem per modes d’ús podríem situar algunes de les eines existents, per exemple, de la manera següent:
- Personalització del contingut
- Chatbots i Assistents Virtuals (ChatGPT, Claude, Poe, Pi, Gemini): Responen dubtes a temps real i adapten les explicacions al nivell de l’estudiant.
- Text-to-Image & Video (Leonardo.ai, Runway, Pika, HeyGen, Synthesia): Generen material visual i audiovisual adaptat a diferents estils d’aprenentatge.
- Generadors de presentacions (Gamma.app, Anakin.ai, MagicSlide): Permeten crear presentacions interactives personalitzades segons el ritme de l’estudiant.
- Suport a la diversitat d’estils d’aprenentatge
- Àudio a Text i Text a Àudio (Eleven Labs, Udio, Audyo, Transkriptor, Turboscribe): Faciliten l’accés al contingut per a estudiants amb dificultats de lectura o amb preferència per l’aprenentatge auditiu.
- Text-to-Video & Avatars (Synthesia, Deepbrain AI, Elai.io): Expliquen conceptes en vídeo amb narració en veu natural, afavorint els que aprenen millor amb contingut visual.
- Anotacions i Mapes Conceptuals (Napkin, NotebookLM): Organitzen la informació de forma estructurada per a estudiants que aprenen millor amb esquemes i resums.
- Avaluacions adaptatives i gamificades
- Generadors de Quizzes i Avaluacions (Kwizie.ai, Conker.ai, HyperQuiz, QuestionWell): Creen avaluacions dinàmiques adaptades a cada nivell de coneixement.
- Transformació de Vídeos en Avaluacions (Diffit, NoteGPT, Tactiq.io): Extreuen informació de vídeos i generen preguntes personalitzades.
- Plataformes d’aprenentatge interactiu (Curipod, Labs.Google, Magic School AI): Dissenyen activitats i lliçons ajustades als interessos i dificultats dels estudiants.
- Suport a la Investigació i Producció Acadèmica
- Assistents de Recerca (Scite, Elicit, Research Rabbit): Ajuden a cercar informació i organitzar referències per a treballs acadèmics.
- Transcripció i Resum de Continguts (Turboscribe, Adobe Podcast): Faciliten l’accés a informació d’àudio i vídeo en format escrit, útil per a anàlisi de dades i revisió de contingut.
- Inclusió i accessibilitat
- Conversió de Text a Veu i Viceversa: Ideal per a estudiants amb dislèxia o dificultats auditives.
- Vídeos amb Subtítols Automàtics (NoteGPT, Tactiq.io): Beneficien persones amb problemes d’audició o que prefereixen la lectura simultània.
- Edició d’Àudio i Vídeo amb IA (CapCut, Adobe Podcast): Permeten millorar la qualitat dels recursos multimèdia utilitzats a l’aula.
Com hem pogut observar ja hi ha moltes eines, encara que les xarxes o la indústria tecnològica tingui interès que només algunes siguin visibles. El repte cada vegada és més, estar al dia amb l’aparició d’eines noves i les actualitzacions d’aquestes. En una realitat en què les eines es reinventen cada mes, els docents i els investigadors ens enfrontem a un doble desafiament: explorar les novetats amb curiositat i adoptar aquelles que realment sumin valor. En aquest sentit, volem finalitzar aquest apartat assenyalant que IA no reemplaçarà el rol humà a l’educació, però els qui la ignorin l’avenç de la tecnologia d’IA corren el risc de quedar-se ancorats en el passat ja que, com ja ha passat amb tecnologies anteriors, ja formen part d’una realitat social i professional per a la qual haurem de preparar l’estudiantat.
- Quin és el rol del professorat i la relació amb els sistemes adaptatius d’ensenyament-aprenentatge en entorns híbrids?
Tot i que els sistemes adaptatius automatitzen tasques operatives i personalitzen aspectes de l’aprenentatge, el professorat continua sent l’eix central del procés educatiu: dissenya la seqüència pedagògica, garanteix el compliment del currículum oficial i, sobretot, aporta el vessant humà a l’experiència formativa. La seva tasca, ja fa temps que no s’ha de limitar a transmetre continguts estandarditzats, sinó que, tenint en compte les tecnologies d’última generació, integra eines multimodals IA per equilibrar les exigències d’un programa predeterminat i les necessitats individuals del seu estudiantat. Les tasques bàsiques del professorat, en si, no canvien ja que la seva aportació més gran és el disseny, desenvolupament i avaluació dels processos de formació, però si han canviat molt les estratègies i les eines que utilitza, o pot utilitzar, per fer-ho possible. Tot seguit, analitzem els canvis que ha generat la tecnologia, i la IA permetrà desenvolupar-les encara més, i que defineixen nous rols que hauria d’assumir el docent. Destaquem els següents:
1.Dissenyador d’experiències d’aprenentatge contextualitzades
El docent programa i seqüència l’ensenyament, utilitzant sistemes IA com a aliats estratègics. Per exemple, podeu configurar assistents virtuals perquè ofereixin exercicis de reforç a estudiants amb dificultats en matemàtiques, mentre altres accedeixen a projectes avançats de programació mitjançant plataformes com Magic School AI. Així, manté la coherència curricular sense sacrificar-ne la flexibilitat, adaptant recursos i ritmes sense perdre de vista els objectius d’aprenentatge.
2.Mediador crític entre l’estudiant i la tecnologia
La IA no és neutral: els seus algoritmes poden replicar biaixos culturals, generar al·lucinacions (informació falsa presentada com a veraç) o prioritzar respostes superficials. El professorat ha d’aprendre, com a professional de la docència, i ensenyar a l’estudiantat a interactuar amb aquestes eines de manera efectiva, però sense oblidar els principis ètics que han d’acompanyar l’ús de la tecnologia, especialment la IA. Això inclou:
- Utilitzar prompts precisos (per exemple, com sol·licitar a un cercador, per exemple, ChatGPT que compari fonts històriques amb rigor acadèmic).
- Tenir en compte els riscos, la qual cosa implica no confiar cegament en correccions automàtiques de codi sense verificar-ne la lògica (GitHub Copilot) o utilitzar imatges generades per IA sense qüestionar estereotips (Leonardo.ai)).
- Fomentar el pensament crític, contrastant sempre les respostes que ens tornen sistemes com Gemini o Claude amb fonts verificables.
3.Avaluador formatiu i guia emocional
La retroalimentació automàtica de sistemes com Kwizie.ai o Conker.ai agilitza la correcció d’exercicis, però el docent ha d’aportar allò que la màquina no pot ser una mirada holística que ha de considerar el context socioemocional de l’estudiant. Per exemple, si un alumne comet errors persistents en redaccions la IA assenyalarà faltes gramaticals, però el professor indagarà si hi ha factors com l’ansietat o la manca d’autonomia com a generadores d’aquestes fallades i haurà d’orientar les correccions des del punt de vista pedagògic per ajudar l’estudiant a superar aquests problemes.
En conclusió, la integració d’IA en models híbrids no desplaça el docent, però aquest ha de tenir la preparació suficient per ser un bon dissenyador i facilitador del procés formatiu integrant els escenaris i eines tant analògiques com digitals. Alhora, ha de tenir la capacitat d’assumir els canvis tecnològics i la seva velocitat sense perdre la connexió humana.
Des de fa dècades l’ expertesa del professorat ja no és només dominar continguts disciplinars, sinó curar eines digitals, interpretar dades d’aprenentatge i conrear habilitats toves com empatia, pensament crític, creativitat que les màquines no poden replicar de manera individualitzada i contextualitzada. En aquest escenari, resistir-se a la IA implica empobrir les oportunitats educatives; abraçar-la amb criteri pedagògic, en canvi, permet redefinir l’ensenyament com un espai on allò col·lectiu i personalitzat coexisteixen, gràcies a la sinergia entre els docents i la tecnologia.
- Referències
Belda-Medina, J., i Kokoskova, V. (2023). Integration chatbots in education: Insights from the Chatbot-Human Interaction Satisfaction Model (CHISM). International Journal of Educational Technology in Higher Education, 20(1). https://doi.org/10.1186/s41239-023-00432-3
Baltrušaitis, T., Ahuja, C., & Morency, LP (2019). Multimodal Machine Learning: A Survey and Taxonomy. IEEE Transactions on Pattern Analysis and Machine Intelligence, 41(2), 423-443. https://doi.org/10.1109/TPAMI.2018.2798607
Bustos, C., Gilene, F., & Romero, L. (2024). Potencialitats i limitacions de la IA a l’àmbit educatiu. Una proposta didàctica aplicant el model SAMR. A IA en acció: tres departaments molt connectats.
Chan, CKY (2023). A comprehensive AI policy education framework for university teaching and learning. International Journal of Educational Technology in Higher Education, 20(1), 38.
Chen, X., Xie, H., & Hwang, G.-J. (2020). A multi-perspective study on artificial intelligence in education: Grants, conferences, journals, programari tools, institutions, and researchers. Computers and Education: Artificial Intelligence, 1, 100005. https://doi.org/10.1016/j.caeai.2020.100005
Delgado, HOK, d’Azevedo Fay, A., Sebastiany, MJ, & Silva, ADC (2020). Artificial intelligence adaptive learning tools: The teaching of English in focus. Brazilian English Language Teaching Journal, 11(2). https://doi.org/10.15448/2178-3640.2020.2.38749
Gkountara, D., & Prasad, R. (2022). Review of Artificial Intelligence in Foreign Language Learning. El 2022 25th International Symposium on Wireless Personal Multimedia Communications (WPMC). https://doi.org/10.1109/WPMC55625.2022.10014767
González, C. (2023). L’impacte de la intel·ligència artificial a l’educació: transformació de la manera d’ensenyar i aprendre. Servei de Publicacions, Universitat de la Laguna. http://riull.ull.es/xmlui/handle/915/32719
Liaqat, A., Munteanu, C., & Demmans Epp, C. (2021). Col·laborar amb Mature English Language Learners per Combinar Peer and Automated Feedback: A User-Centered Approach per Designing Writing Support. International Journal of Artificial Intelligence in Education, 31(4), 638-679. https://doi.org/10.1007/s40593-020-00204-4
Pokrivcakova, S. (2019). Preparing teachers per a l’aplicació d’AI-powered technologies in foreign language education. Journal of Language and Cultural Education, 7(3), 135-153. https://doi.org/10.2478/jolace-2019-0025
Pontedura, RR (2006). Transformation, Technology, and Education. Hippasus. http://hippasus.com/resources/tte/
Ruan, S. (2021). Smart Tutoring Through Conversational Interfaces. [Tesi Doctoral, Universitat de Stanford]. https://purl.stanford.edu/mf470sn6849
Wang, I., Luo, X., Liu, C.-C., El teu, I.-F., & Wang, N. (2022). An Integrated Automatic Writing Avaluation and SVVR Approach to Improve Students’ EFL Writing Performance. Sustainability, 14(18). https://doi.org/10.3390/su141811586
Yang, S., Tian, H., Sun, L., & Yu, X. (2019). From one-size-fits-all teaching to adaptive learning: The crisis and solution of education in the era of AI. A Journal of Physics: Conference Series (Vol. 1237, No. 4, p. 042039). IOP Publishing. https://doi.org/10.1088/1742-6596/1237/4/042039
Zadorozhnyy, A., & Lai, WYW (2024). ChatGPT and L2 Written Communication: A Game-Changer o Just Another Tool? Languages, 9(1). https://doi.org/10.3390/languages9010005
Zheng, L., Niu, J., Long, M., & Fan, J. (2023). Multimodal Learning for Adaptive Education: A Meta-Review. Computers & Education: Artificial Intelligence, 4, 100138. https://doi.org/10.1016/j.caeai.2023.100138
Zhu, A. (2020). Supply and demand of AI-aided language education. https://doi.org/10.31004/jrpp.v7i1.24609