Secuencia didáctica para construir una taxonomía de IA educativa

Datos generales

• Nivel: Universitario
• Área: Ciencias de la Educación
• Asignatura: Licenciatura en tecnología e informática
• Duración: 4 horas, distribuidas en dos sesiones de 2 horas durante dos semanas
• Metodología: Aprendizaje Basado en Casos, lectura crítica y trabajo colaborativo
• Producto final: Taxonomía fundamentada de aplicaciones de inteligencia artificial en educación

Meta de aprendizaje

Al finalizar la secuencia, el estudiante clasifica aplicaciones de inteligencia artificial utilizadas en educación mediante criterios académicos relacionados con su función pedagógica, tipo de IA, usuario destinatario, pertinencia, limitaciones, implicaciones éticas y posibles efectos sobre el aprendizaje.

Objetivo de aprendizaje

Al finalizar las cuatro horas de trabajo, los estudiantes analizarán al menos cuatro aplicaciones de inteligencia artificial vinculadas con la Licenciatura en tecnología e informática y construirán, en equipos, una taxonomía argumentada que las clasifique por función pedagógica, tipo de IA, usuario, nivel de pertinencia, limitaciones e implicaciones éticas, sustentando sus decisiones en un mínimo de tres fuentes académicas.

Criterios de evaluación

Materiales y recursos

• Fragmentos impresos o digitales de fuentes académicas y documentos institucionales.
• Fichas de análisis de fuentes.
• Fichas de casos de uso de IA en tecnología e informática.
• Papelógrafos, tarjetas, notas adhesivas, marcadores y cinta.
• Computador, proyector y hoja de cálculo o herramienta colaborativa, si están disponibles.
• Rúbrica de evaluación de la taxonomía.

Fuentes sugeridas para el trabajo académico

• Holmes, W., Bialik, M. y Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning.
• Luckin, R. et al. (2016). Intelligence Unleashed: An Argument for AI in Education.
• Zawacki-Richter, O. et al. (2019). “Systematic review of research on artificial intelligence applications in higher education”. International Journal of Educational Technology in Higher Education.
• UNESCO (2023). Guidance for Generative AI in Education and Research.

Organización temporal

Desarrollo de la secuencia didáctica

Actividad 1. Problematización y recuperación de saberes previos

Tiempo: 35 minutos

Objetivo parcial: Identificar los criterios que los estudiantes utilizan espontáneamente para clasificar herramientas de IA y reconocer la necesidad de sustituir criterios basados en popularidad o marca por criterios funcionales y académicos.

Situación detonadora: El docente presenta cuatro aplicaciones hipotéticas utilizadas en la Licenciatura en tecnología e informática:

• Un tutor adaptativo que ofrece pistas diferenciadas para resolver problemas de programación en Python.
• Un sistema generativo que produce ejemplos de código, rúbricas y actividades.
• Un evaluador automático que analiza programas y entrega retroalimentación sobre errores de sintaxis y lógica.
• Un sistema de analítica del aprendizaje que identifica estudiantes con baja participación en el aula virtual.

Acciones del docente:

1. Presenta las cuatro aplicaciones sin mencionar sus categorías técnicas ni sus posibles clasificaciones.
2. Pregunta: “¿Cómo las ordenarían? ¿Qué criterio están utilizando: marca, popularidad, función, usuario, tecnología o propósito educativo?”.
3. Registra en el tablero las categorías propuestas por los estudiantes y señala coincidencias, contradicciones y categorías ambiguas.
4. Plantea el problema central: una misma aplicación puede pertenecer a varias categorías si se utilizan criterios diferentes.

Acciones de los estudiantes:

1. Clasifican individualmente las cuatro aplicaciones y escriben una justificación breve.
2. Comparan sus decisiones en parejas e identifican diferencias en los criterios empleados.
3. Construyen un mapa inicial con posibles dimensiones de clasificación: función pedagógica, tipo de IA, usuario, proceso educativo, evidencia de efectividad y riesgos.
4. Formulan una pregunta que una taxonomía rigurosa debería responder.

Producto: Mapa inicial de criterios de clasificación.

Transición a la actividad 2: Antes de pasar a la lectura, verifica que los estudiantes comprendan que “IA generativa”, “tutoría personalizada” y “apoyo a docentes” no pertenecen necesariamente al mismo nivel de clasificación: la primera alude principalmente al tipo o capacidad tecnológica, la segunda a la función pedagógica y la tercera al usuario o destinatario.

Actividad 2. Lectura crítica de fuentes académicas

Tiempo: 85 minutos

Objetivo parcial: Extraer de fuentes académicas definiciones y criterios que permitan construir una clasificación conceptual y no basada en la marca o popularidad de las herramientas.

Organización: Equipos de cuatro estudiantes. Cada equipo recibe dos fragmentos de fuentes académicas o institucionales. Los fragmentos deben abordar aplicaciones de IA, funciones educativas, tipos de IA, oportunidades, riesgos o condiciones de implementación.

Acciones del docente:

1. Explica que leer críticamente no consiste en copiar definiciones, sino en identificar conceptos, relaciones, condiciones y límites de uso.
2. Entrega la siguiente ficha de análisis:

3. Modela brevemente el análisis de un párrafo, diferenciando una afirmación de la fuente de una interpretación del lector.
4. Circula por los equipos y formula preguntas como: “¿La fuente está describiendo una tecnología o una función educativa?”, “¿Qué evidencia permite afirmar que la herramienta favorece el aprendizaje?”, “¿La categoría es excluyente o puede combinarse con otra?”.
5. Solicita que cada equipo seleccione tres criterios que considere indispensables para clasificar aplicaciones de IA en educación.

Acciones de los estudiantes:

1. Realizan una primera lectura para identificar el tema y la tesis de cada fuente.
2. Realizan una segunda lectura para subrayar definiciones, criterios, beneficios, límites y riesgos.
3. Registran la información en la ficha sin confundir ejemplos con categorías.
4. Comparan las dos fuentes y señalan coincidencias, diferencias o tensiones conceptuales.
5. Redactan una definición operativa de “aplicación de IA educativa” y proponen criterios para clasificarla.
6. Comparten un criterio con el grupo y justifican su relevancia mediante una referencia.

Producto: Matriz de conceptos y criterios fundamentados en fuentes académicas.

Transición a la actividad 3: Antes de cerrar la sesión, verifica que cada equipo tenga al menos tres criterios respaldados por fuentes y que pueda distinguir entre:

• Tipo de IA: IA generativa, sistemas expertos, aprendizaje automático, procesamiento del lenguaje natural o analítica del aprendizaje.
• Función pedagógica: tutoría personalizada, generación de contenidos, evaluación, retroalimentación o apoyo a la enseñanza.
• Usuario o destinatario: estudiante, docente, institución o equipo de gestión educativa.

Los estudiantes conservan su matriz para utilizarla en la segunda semana.

Actividad 3. Análisis comparativo de casos

Tiempo: 60 minutos

Objetivo parcial: Aplicar los criterios académicos a casos concretos y analizar la pertinencia, las limitaciones y las implicaciones éticas de diferentes aplicaciones de IA en la formación tecnológica.

Casos de análisis:

• Caso A: tutoría adaptativa de programación. Un sistema analiza los errores de un estudiante al resolver ejercicios de Python y ofrece pistas graduadas. Ajusta la dificultad según los resultados previos.
• Caso B: generación de materiales para bases de datos. Una herramienta de IA generativa produce ejemplos de consultas SQL, explicaciones y ejercicios diferenciados para una clase.
• Caso C: evaluación y retroalimentación automática de código. Un sistema revisa programas entregados por los estudiantes, detecta errores frecuentes y genera comentarios inmediatos sobre sintaxis, eficiencia y posibles problemas lógicos.
• Caso D: analítica del aprendizaje para gestión académica. Una institución utiliza datos de acceso, entregas y participación para identificar estudiantes con riesgo de abandonar una asignatura de programación.

Acciones del docente:

1. Entrega un caso a cada equipo y la matriz comparativa.
2. Solicita que los estudiantes no clasifiquen el caso únicamente por el nombre de la herramienta, sino por su función principal y sus características verificables.
3. Realiza preguntas de profundización: “¿Qué hace realmente la IA?”, “¿Qué parte del proceso educativo transforma?”, “¿Qué usuario toma decisiones a partir del resultado?”, “¿Qué riesgos aparecen si la clasificación o recomendación es incorrecta?”.
4. Organiza una puesta en común en la que cada equipo presenta su caso y los demás pueden cuestionar la clasificación.

Acciones de los estudiantes:

1. Analizan el caso asignado y completan la matriz.
2. Determinan una función pedagógica principal y, si corresponde, una función secundaria.
3. Identifican el tipo o combinación de tipos de IA presentes.
4. Clasifican a los usuarios principales y los procesos educativos involucrados.
5. Valoran la pertinencia del caso para la Licenciatura en tecnología e informática.
6. Identifican al menos dos limitaciones y dos implicaciones éticas.
7. Presentan su clasificación y responden a las objeciones de los demás equipos.

Producto: Matriz comparativa de cuatro aplicaciones de IA educativa.

Transición a la actividad 4: Antes de construir la taxonomía, verifica que los estudiantes comprendan que una aplicación puede tener más de una función o tipo de IA, pero debe identificarse una categoría principal según el propósito educativo que cumple en el caso analizado. También verifica que sus afirmaciones sobre pertinencia y riesgos estén vinculadas con una fuente o con una inferencia claramente explicada.

Actividad 4. Construcción y defensa de la taxonomía

Tiempo: 60 minutos

Objetivo parcial: Construir una taxonomía multidimensional, coherente y transferible para comparar aplicaciones de inteligencia artificial en educación.

Propuesta de estructura para la taxonomía:

1. Nivel 1: función pedagógica principal. Tutoría personalizada, generación de contenidos, evaluación, retroalimentación o apoyo a la enseñanza.
2. Nivel 2: tipo o capacidad de IA. IA generativa, sistemas expertos, aprendizaje automático, procesamiento del lenguaje natural y analítica del aprendizaje.
3. Nivel 3: usuario destinatario. Estudiantes, docentes, instituciones o equipos de gestión educativa.
4. Nivel 4: valoración educativa. Pertinencia, condiciones de uso, limitaciones, riesgos éticos y posibles efectos sobre el aprendizaje.

Acciones del docente:

1. Entrega a cada equipo sus matrices de las actividades anteriores y materiales para construir la taxonomía.
2. Indica que la taxonomía debe incluir categorías, definiciones operativas, ejemplos de casos y justificaciones con fuentes.
3. Recuerda que una taxonomía debe permitir clasificar casos nuevos, no solamente ordenar los cuatro casos trabajados.
4. Proporciona la lista de verificación:

• ¿Las categorías se basan en la función educativa y no en la marca?
• ¿Cada categoría está definida con claridad?
• ¿Se diferencia el tipo de IA de la función pedagógica?
• ¿Se identifican los usuarios y procesos educativos involucrados?
• ¿Se incorporan pertinencia, limitaciones e implicaciones éticas?
• ¿Las decisiones están sustentadas en al menos tres fuentes académicas?
• ¿La taxonomía podría aplicarse a una herramienta no analizada en clase?

5. Solicita una defensa oral breve de cada taxonomía y formula una pregunta crítica a cada equipo.
6. Realiza una retroalimentación final centrada en la coherencia conceptual y en la utilidad de la taxonomía para analizar nuevas aplicaciones.

Acciones de los estudiantes:

1. Revisan y depuran los criterios obtenidos en las actividades anteriores.
2. Construyen una representación visual o tabular de la taxonomía.
3. Ubican los cuatro casos en las categorías correspondientes y justifican las posibles clasificaciones múltiples.
4. Incluyen definiciones y referencias académicas.
5. Redactan una conclusión sobre cuál debería ser el criterio principal para clasificar IA educativa.
6. Presentan la taxonomía y defienden una decisión clasificatoria que pueda ser discutida.

Producto final: Taxonomía colaborativa de IA educativa, acompañada de una justificación escrita de entre 500 y 700 palabras.

Evaluación formativa

Rúbrica breve para el producto final

Adaptación y contingencia tecnológica

La secuencia puede desarrollarse con recursos digitales o impresos. Si falla la conectividad, se utilizan previamente descargados o impresos los fragmentos de las fuentes, las fichas de casos y una plantilla de taxonomía en papel. La construcción colaborativa se realiza con papelógrafos y tarjetas. Si hay conectividad, los equipos pueden utilizar una hoja de cálculo o un mural digital, pero el análisis conceptual y la fundamentación no dependen de una herramienta específica.