Palabras clave
evaluation
learning
artificial intelligence
self-regulation
Retroalimentación
evaluación
aprendizaje
inteligencia artificial
autorregulación
Cómo citar
Resumen
La inteligencia artificial generativa ha irrumpido en el proceso de enseñanza y aprendizaje en la educación superior, donde uno de los desarrollos representativos es el ChatGPT de OpenIA. Asimismo, entre los usos más socorridos de esta herramienta se encuentran los procesos evaluativos donde permiten brindar retroalimentación automática y personalizada. Se presenta un estudio de tipo exploratorio cuyo objetivo fue analizar la capacidad de la inteligencia artificial generativa para ofrecer retroalimentación formativa a una actividad de aprendizaje de una asignatura de la carrera de psicología de la Universidad Nacional Autónoma de México que se imparte con el apoyo de una plataforma tecnológica. Como parte de la metodología del estudio, se seleccionaron de manera aleatoria cuatro trabajos elaborados por el estudiantado que fueron evaluados y retroalimentados por la profesora responsable de la asignatura, mismos con los que fue alimentado el ChatGPT-4. Los resultados indican que el sistema inteligente identifica parcialmente la calidad de las actividades realizadas, hubo discrepancia en las calificaciones asignadas con la profesora responsable, no obstante, sobresale su capacidad de retroalimentar de manera personalizada de acuerdo con el modelo seleccionado. Se concluye que es necesario entrenar al sistema con mayor número de tareas y precisión en las instrucciones (prompts).
Citas
Aparicio-Gómez, William. «La inteligencia artificial y su incidencia en la educación: Transformando el aprendizaje para el Siglo XXI». Revista Internacional de Pedagogía e Innovación Educativa 3, n.º 2 (2023): 217-229.
Bobula, Michal. «Generative Artificial Intelligence (AI) in Higher Education: A Comprehensive Review of Challenges, Opportunities, and Implications». Journal of Learning Development in Higher Education, nº 30 (2024): 1-27. https://doi.org/10.47408/jldhe.vi30.11
Boud, David, y Molloy, Elizabeth. «Rethinking models of feedback for learning: the challenge of design». Assessment & Evaluation in Higher Education 38, n.º 6 (2013): 698–712. https://doi.org/10.1080/02602938.2012.691462
Escuela 21. 7 Ventajas de la aplicación de la Inteligencia Artificial para la evaluación del aprendizaje en la escuela (blog). https://www.escuela21.org/blog/evaluacion-inteligente/ s.f.
González-González, Carina. «El impacto de la inteligencia artificial en la educación: Transformación de la forma de enseñar y de aprender». Revista Qurriculum n.º 36 (2023): 51-60. https://doi.org/10.25145/j.qurricul.2023.36.03
Hattie, John, y Timperley, Helen. «The Power of Feedback». Review of Educational Research 77, n.º 1 (2007): 81-112. https://doi.org/10.3102/003465430298487
Hummel, Hans. «Feedback model to support designers of blended learning courses». The International Review of Research in Open and Distributed Learning 7, n. º 3 (2006): 1-16. https://doi.org/10.19173/irrodl.v7i3.379
Lee, Daniel, Arnold, Matthew, Srivastava, Amit, Plastow, Katrina, Strelan, Peter, Ploeckl, Florian, Lekkas, Dimitra, Palmer, Edward. «The impact of generative AI on higher education learning and teaching: A study of educators’ perspectives». Computers and Education: Artificial Intelligence 6, (2024):1-10. https://doi.org/10.1016/j.caeai.2024.100221
Luckin, Rose. «Towards artificial intelligence-based assessment systems». Nature Human Behaviour 1, n. º 28 (2017): 1-3. https://doi.org/10.1038/s41562-016-0028
Macías, Richard, Solorzano, Luis, Choez, Cindy y Blandón, Byron. «La inteligencia artificial; análisis del presente y futuro en la educación superior». Revista G-ner@ndo 4, n. º 1 (2023): 861– 887.
Moreno, Tiburcio. Evaluación formativa, retroalimentación y aprendizaje autorregulado. La retroalimentación: Un proceso clave para la enseñanza y la evaluación formativa. México: Universidad Autónoma Metropolitana, 2021.
Nicol, David y Macfarlane-Dick, Debra. «Formative assessment and self‐regulated learning: a model and seven principles of good feedback practice». Studies in Higher Education 31, n.º 2 (2006): 199–218. https://doi.org/10.1080/03075070600572090
Salmerón, Yinis, Luna, Heriberto, Murillo, Wilvir y Pacheco, Víctor. «El futuro de la inteligencia artificial para la educación en las Instituciones de Educación Superior». Revista Conrado 19, n.º 93 (2023): 27-34.
Sánchez Mendiola Melchor. «Evaluación del aprendizaje». En Evaluación del y para el aprendizaje: instrumentos y estrategias, editado por la Universidad Nacional Autónoma de México, 17-39. México: UNAM. 2020.
UNESCO. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. Guía para el uso de la IA generativa en educación e investigación. Francia: UNESCO, 2024. https://unesdoc.unesco.org/ark:/48223/pf0000389227
Universidad Nacional Autónoma de México. UNAM. Recomendaciones para el uso de la inteligencia artificial generativa en la docencia. México: UNAM, 2023. https://iagenedu.unam.mx/docs/recomendaciones_uso_iagen_docencia_unam_2023.pdf
Universidad Nacional de Educación a Distancia. UNED. Guía para integrar las tecnologías basadas en inteligencia artificial generativa en los procesos de enseñanza y aprendizaje. España: UNED, 2023. https://www.uned.es/universidad/inicio/institucional/areas-direccion/vicerrectorados/innovacion/iaeducativa.html
Vera, Fernando. «Integración de la Inteligencia Artificial en la educación superior: Desafíos y oportunidades». Revista Electrónica Transformar 4, n.º 1 (2023): 17-34.
Comentarios
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Derechos de autor 2024 Ana Ma. Bañuelos Márquez, Eric Romero Martínez