Taxonomía de Holmes y Tuomi sobre la IA en educación

La taxonomía propuesta por Holmes y Tuomi (2022) en su artículo "State of the art and practice in AI in education" se centra en clasificar las aplicaciones de la inteligencia artificial en el ámbito educativo (AIED) en tres categorías principales: AIED enfocada en los estudiantes, AIED enfocada en los profesores y AIED enfocada en las instituciones. Esta clasificación se desarrolla para proporcionar un marco claro que permita entender las diferentes maneras en que la IA puede integrarse en la educación, considerando tanto sus aplicaciones prácticas como sus implicaciones éticas, pedagógicas y sociales.

1. AIED enfocada en los estudiantes

Este apartado incluye diversas tecnologías diseñadas para apoyar directamente a los estudiantes en su proceso de aprendizaje:

• Sistemas de Tutoría Inteligente (ITS): Son los más comunes y generalmente ofrecen tutorías personalizadas, adaptándose al ritmo y nivel de cada estudiante. Ejemplos incluyen sistemas que enseñan matemáticas paso a paso, analizando las respuestas de los estudiantes para ofrecer el contenido adecuado.
• Aplicaciones asistidas por IA: Incluyen herramientas como traductores automáticos o aplicaciones de matemáticas que pueden resolver problemas complejos al instante. Estas herramientas, aunque útiles, han generado debate sobre si facilitan o socavan el aprendizaje.
• Simulaciones y juegos basados en IA: Estas tecnologías incluyen entornos de realidad virtual (VR) y realidad aumentada (AR) que permiten a los estudiantes interactuar con modelos 3D o escenarios simulados, como en la formación médica o la enseñanza de química.
• IA para apoyar a estudiantes con discapacidades: Aquí se incluyen tecnologías que ayudan a diagnosticar y tratar dificultades de aprendizaje como la dislexia o el autismo, así como herramientas de texto a voz y otras que han sido adaptadas para estudiantes con necesidades especiales.
• Sistemas de tutoría basados en diálogos (DBTS): Estas plataformas utilizan un enfoque socrático, guiando a los estudiantes a través de preguntas hacia la resolución de problemas, fomentando una comprensión profunda en lugar de la memorización.
• Entornos de Aprendizaje Exploratorio (ELE): Permiten a los estudiantes explorar y manipular conceptos de manera libre para construir su propio conocimiento. Estos entornos son asistidos por IA para proporcionar retroalimentación en tiempo real.

2. AIED enfocada en los profesores

Este apartado abarca herramientas diseñadas para asistir a los docentes en sus tareas:

• Detección de plagio: Herramientas ampliamente usadas que identifican similitudes entre trabajos académicos para detectar posibles casos de plagio, como Turnitin.
• Curaduría inteligente de materiales educativos: Estas herramientas ayudan a los docentes a encontrar y organizar recursos educativos de alta calidad en línea, facilitando la preparación de clases y materiales.
• Monitorización del aula: Utilizan IA para analizar la atención y participación de los estudiantes en tiempo real, por ejemplo, rastreando hacia dónde dirigen la mirada o monitoreando la actividad cerebral.
• Evaluación automática sumativa: Sistemas que permiten la corrección automática de exámenes y tareas, ahorrando tiempo a los profesores y ofreciendo una evaluación rápida y consistente.
• Asistente de enseñanza basado en IA: Estas herramientas están diseñadas para apoyar a los profesores en su labor diaria, como sugerir comentarios o proporcionar recomendaciones basadas en el análisis del desempeño de los estudiantes.

3. AIED enfocada en las instituciones

Estas aplicaciones están orientadas a mejorar la administración y gestión de las instituciones educativas:

• Admisiones asistidas por IA: Sistemas que ayudan en la selección de estudiantes, buscando reducir sesgos y mejorar la equidad en los procesos de admisión.
• Planificación de cursos y horarios: Herramientas que optimizan la asignación de recursos, la programación de clases y la planificación de cursos, facilitando la gestión operativa de las instituciones.
• Identificación de estudiantes en riesgo: Tecnologías que analizan datos de los estudiantes para identificar aquellos que podrían estar en riesgo de abandonar los estudios, permitiendo una intervención temprana.
• E-proctoring (Vigilancia de exámenes en línea): Durante la pandemia de COVID-19, estas herramientas han ganado popularidad, utilizando IA para monitorear a los estudiantes durante exámenes en línea, asegurando la integridad académica, aunque han generado controversia por cuestiones de privacidad y equidad.