Secuencia didáctica para clasificar y evaluar aplicaciones de IA educativa

1. Datos generales

• Área: Ciencias de la Educación.
• Asignatura: Licenciatura en Tecnología e Informática.
• Nivel: Universitario.
• Duración: 4 horas, distribuidas en dos semanas de 2 horas cada una.
• Meta de aprendizaje: Clasifica la inteligencia artificial según sus aplicaciones en educación.
• Producto final: Clasificación argumentada de aplicaciones de IA educativa, sustentada en fuentes académicas y evaluada mediante criterios de pertinencia pedagógica, impacto ético, privacidad, sesgos y alfabetización digital.

2. Objetivo de aprendizaje

Al finalizar las cuatro horas de trabajo, los estudiantes clasificarán al menos cinco aplicaciones de inteligencia artificial en educación —IA generativa, tutores inteligentes, analítica del aprendizaje, evaluación automatizada y sistemas de recomendación—, diferenciando la aplicación educativa de la herramienta tecnológica que la implementa, y justificarán su clasificación mediante dos fuentes académicas o institucionales pertinentes y un análisis crítico de su pertinencia pedagógica, impacto ético, privacidad, sesgos y requerimientos de alfabetización digital.

3. Criterios conceptuales de referencia

Durante la secuencia se trabajará con una distinción fundamental:

• Aplicación educativa: finalidad o función que cumple la IA dentro de un proceso educativo.
• Tecnología o herramienta: sistema, plataforma, modelo o recurso mediante el cual se implementa la aplicación.
• Función pedagógica: acción concreta que la IA realiza, como generar explicaciones, recomendar recursos, identificar patrones o calificar respuestas.
• Impacto educativo: efectos posibles en el aprendizaje, la enseñanza, la evaluación, la inclusión y la toma de decisiones.

Nota didáctica: una misma herramienta puede incorporar varias aplicaciones. Por ejemplo, una plataforma educativa puede utilizar analítica del aprendizaje para activar un sistema de recomendación y, al mismo tiempo, incluir un tutor inteligente. Por ello, la clasificación debe centrarse en la función educativa analizada, no solamente en el nombre de la plataforma.

4. Organización general de la secuencia

5. Materiales y recursos

• Proyector o tablero.
• Tarjetas impresas con descripciones de aplicaciones, herramientas y situaciones educativas.
• Fichas de análisis comparativo para cada grupo.
• Acceso a textos académicos o institucionales seleccionados por el docente.
• Computadores o dispositivos con acceso a repositorios académicos, si están disponibles.
• Versión impresa de las lecturas para trabajar sin conectividad.
• Papelógrafos, marcadores o documentos colaborativos.
• Rúbrica analítica incluida al final de esta secuencia.

Fuentes sugeridas para el trabajo estudiantil

• Holmes, W., Bialik, M. y Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning.
• Luckin, R., Holmes, W., Griffiths, M. y Forcier, L. B. (2016). Intelligence Unleashed: An Argument for AI in Education.
• Zawacki-Richter, O., Marín, V. I., Bond, M. y Gouverneur, F. (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.
• UNESCO (2021). Recommendation on the Ethics of Artificial Intelligence.

6. Desarrollo de la secuencia didáctica

Actividad 1. Delimitación conceptual y mapa de aplicaciones

Tiempo: 40 minutos.

Objetivo parcial: Diferenciar aplicación educativa, herramienta tecnológica y función de la IA a partir de ejemplos propios de la tecnología educativa.

Materiales: Tarjetas de casos, tablero, marcadores y esquema de clasificación.

Pasos

1. Problematización inicial — 5 minutos.

   Acciones del docente: Presenta la afirmación: “ChatGPT es una aplicación de IA educativa”. Solicita que los estudiantes indiquen si están de acuerdo, en desacuerdo o si consideran que la afirmación es incompleta.

   Acciones de los estudiantes: Responden individualmente y escriben una justificación breve.

2. Construcción de distinciones — 10 minutos.

   Acciones del docente: Explica las diferencias entre aplicación, herramienta y función. Utiliza el ejemplo de un asistente conversacional para mostrar que una misma herramienta puede apoyar generación de materiales, tutoría, retroalimentación o evaluación formativa.

   Acciones de los estudiantes: Elaboran un esquema de tres columnas: “aplicación”, “herramienta” y “función educativa”.

3. Clasificación con tarjetas — 15 minutos.

   Acciones del docente: Entrega a cada grupo tarjetas con situaciones como las siguientes:

   • Un sistema recomienda ejercicios de programación según los errores frecuentes del estudiante.
   • Un modelo genera ejemplos de código en Python y explica cada línea.
   • Un tablero identifica estudiantes con baja participación en un aula virtual.
   • Un sistema califica automáticamente respuestas abiertas de una prueba.
   • Un tutor inteligente ofrece pistas graduales para resolver un algoritmo.

   Solicita que ubiquen cada caso en una categoría y que señalen qué herramienta podría implementarlo.

   Acciones de los estudiantes: Clasifican los casos, identifican la función educativa y justifican las decisiones del grupo.

4. Puesta en común — 10 minutos.

   Acciones del docente: Solicita que dos grupos expliquen clasificaciones diferentes. Destaca que puede existir más de una clasificación válida si el criterio está explícito y es conceptualmente coherente.

   Acciones de los estudiantes: Comparan criterios, revisan sus categorías y reformulan aquellas que estén basadas únicamente en el nombre de una herramienta.

Transición a la actividad 2: Antes de pasar a la siguiente actividad, verifica que cada grupo pueda responder: ¿Qué función educativa cumple la IA?, ¿qué categoría representa?, ¿qué herramienta podría implementarla? Si confunden la herramienta con la aplicación, retoma un caso y solicita clasificarlo desde la función pedagógica.

Actividad 2. Análisis comparativo de aplicaciones de IA educativa

Tiempo: 60 minutos.

Objetivo parcial: Comparar cinco aplicaciones de IA educativa utilizando fuentes académicas y criterios de pertinencia pedagógica, ética, privacidad, sesgos y alfabetización digital.

Materiales: Fuentes seleccionadas, ficha comparativa y computadores o copias impresas.

Ficha de análisis comparativo

Pasos

1. Asignación de fuentes — 10 minutos.

   Acciones del docente: Distribuye las fuentes por grupos y explica que no deben copiar definiciones sin análisis. Cada grupo debe identificar autoría, propósito, tipo de publicación y afirmaciones centrales.

   Acciones de los estudiantes: Registran dos ideas relevantes de las fuentes y anotan la referencia correspondiente.

2. Trabajo comparativo — 30 minutos.

   Acciones del docente: Acompaña el análisis con preguntas: “¿Qué problema educativo intenta resolver esta aplicación?”, “¿Qué datos necesita?”, “¿Quién controla la decisión?”, “¿Qué población podría quedar desfavorecida?” y “¿Qué saberes digitales necesita el docente y el estudiante?”.

   Acciones de los estudiantes: Completan la ficha comparativa, contrastan las cinco aplicaciones y diferencian beneficios potenciales de evidencias comprobadas.

3. Contraste entre grupos — 15 minutos.

   Acciones del docente: Organiza una revisión cruzada. Cada grupo entrega su ficha a otro grupo, que identifica una fortaleza conceptual y una afirmación que requiera mayor evidencia.

   Acciones de los estudiantes: Revisan críticamente el trabajo de sus compañeros y justifican sus observaciones.

4. Corrección conceptual — 5 minutos.

   Acciones del docente: Recoge confusiones frecuentes y realiza una síntesis: la clasificación se organiza por la aplicación educativa, mientras que la herramienta y el modelo son medios de implementación.

   Acciones de los estudiantes: Ajustan la ficha y señalan qué criterios utilizarán en la clasificación final.

Transición a la síntesis de la semana 1: Antes de cerrar la primera sesión, verifica que cada grupo tenga cinco categorías diferenciadas, al menos dos fuentes registradas y una primera valoración de riesgos. Solicita que guarden la ficha, pues será la base de la discusión de casos en la semana 2.

Actividad 3. Discusión de casos: pertinencia, ética, privacidad y sesgos

Tiempo: 55 minutos.

Objetivo parcial: Evaluar críticamente la pertinencia de una aplicación de IA educativa en un contexto concreto, considerando sus efectos pedagógicos, éticos y sociales.

Materiales: Casos impresos, ficha de deliberación y rúbrica.

Casos para el análisis

• Caso A: analítica y alerta temprana. Una institución de educación superior utiliza datos de acceso al aula virtual, entregas y calificaciones para predecir qué estudiantes podrían abandonar un curso de programación. El sistema genera alertas automáticas para los docentes, pero los estudiantes desconocen qué datos se utilizan.
• Caso B: evaluación automatizada. Una plataforma califica respuestas escritas sobre fundamentos de redes y programación. El sistema favorece respuestas con determinadas estructuras lingüísticas y el docente considera utilizar la calificación sin revisión humana.
• Caso C: IA generativa para aprender a programar. Los estudiantes utilizan un asistente generativo para producir código. Algunos reciben explicaciones útiles, pero otros obtienen código incorrecto o reproducen soluciones sin comprenderlas.
• Caso D: recomendación adaptativa. Una plataforma recomienda recursos de aprendizaje a partir del historial de errores. Los estudiantes que cometen errores iniciales reciben únicamente ejercicios básicos y tienen menos oportunidades de acceder a contenidos avanzados.

Pasos

1. Asignación y lectura del caso — 10 minutos.

   Acciones del docente: Entrega un caso por grupo y solicita identificar la aplicación de IA, la población afectada, los datos involucrados y la decisión educativa que se pretende apoyar.

   Acciones de los estudiantes: Leen el caso y completan la identificación inicial.

2. Deliberación crítica — 25 minutos.

   Acciones del docente: Facilita el trabajo con cinco preguntas obligatorias:

   • ¿La aplicación es pertinente para el propósito pedagógico planteado?
   • ¿Qué beneficios concretos puede producir y bajo qué condiciones?
   • ¿Qué riesgos existen para la privacidad y la protección de datos?
   • ¿Qué sesgos podrían aparecer en los datos, el modelo o la decisión humana?
   • ¿Qué nivel de alfabetización digital requieren docentes y estudiantes para utilizarla críticamente?

   Acciones de los estudiantes: Elaboran una decisión argumentada: aprobar, aprobar con condiciones o rechazar provisionalmente la aplicación. Deben sustentarla con una fuente trabajada en la actividad 2.

3. Audiencia crítica — 15 minutos.

   Acciones del docente: Organiza una presentación breve de cada grupo y solicita a los demás formular una objeción o una condición de uso.

   Acciones de los estudiantes: Presentan su análisis, responden preguntas y revisan si su clasificación cambia al considerar los riesgos.

4. Síntesis — 5 minutos.

   Acciones del docente: Destaca que clasificar no significa aprobar automáticamente una aplicación. Una clasificación rigurosa debe explicar su función y valorar su pertinencia en contexto.

   Acciones de los estudiantes: Escriben una conclusión individual sobre el criterio que consideran más decisivo para utilizar IA en educación.

Transición a la actividad 4: Antes de pasar a la clasificación final, verifica que cada grupo pueda justificar una categoría mediante la función educativa, una fuente y un criterio crítico. Si el grupo solo enumera beneficios, solicita incorporar al menos un riesgo, una medida de mitigación y una condición de alfabetización digital.

Actividad 4. Elaboración de una clasificación argumentada

Tiempo: 50 minutos.

Objetivo parcial: Construir y defender una clasificación propia de aplicaciones de IA educativa, con criterios explícitos y respaldo académico.

Producto: Matriz o mapa conceptual argumentado con cinco categorías: IA generativa, tutores inteligentes, analítica del aprendizaje, evaluación automatizada y sistemas de recomendación.

Pasos

1. Definición del criterio de clasificación — 10 minutos.

   Acciones del docente: Solicita que cada grupo formule una frase que complete: “Clasificamos las aplicaciones de IA educativa según…”. Ofrece como posibilidad la función pedagógica principal, sin imponerla como única alternativa.

   Acciones de los estudiantes: Definen el criterio y explican por qué es más adecuado que clasificar únicamente por nombres de plataformas o modelos.

2. Construcción de la matriz — 20 minutos.

   Acciones del docente: Revisa que cada categoría incluya definición, finalidad educativa, ejemplo de implementación, fuente y análisis crítico.

   Acciones de los estudiantes: Elaboran la matriz con la siguiente estructura:

   Categoría	Definición funcional	Ejemplo en Tecnología e Informática	Fuente	Pertinencia pedagógica	Riesgo y medida de mitigación	Alfabetización digital requerida
   IA generativa		Generación y explicación de código o contenidos digitales.
   Tutores inteligentes		Orientación personalizada para resolver problemas de algoritmos.
   Analítica del aprendizaje		Identificación de patrones de participación en un aula virtual.
   Evaluación automatizada		Análisis de respuestas sobre programación, bases de datos o redes.
   Sistemas de recomendación		Sugerencia de ejercicios o recursos según desempeño.

3. Revisión mediante rúbrica — 10 minutos.

   Acciones del docente: Entrega o proyecta la rúbrica y solicita una autoevaluación rápida antes de la presentación.

   Acciones de los estudiantes: Revisan si cada categoría está definida por su aplicación y no por la herramienta; comprueban la presencia de fuentes y criterios éticos.

4. Defensa breve — 10 minutos.

   Acciones del docente: Solicita a cada grupo explicar su criterio, una categoría difícil de delimitar y una condición indispensable para el uso responsable de una aplicación.

   Acciones de los estudiantes: Presentan y defienden su clasificación. Responden una pregunta crítica de otro grupo.

Transición al cierre: Antes de finalizar, verifica que la clasificación no sea una lista de herramientas. Debe mostrar categorías funcionales, relaciones entre aplicaciones, fuentes de respaldo y condiciones de uso educativo responsable.

7. Cierre y metacognición

Tiempo: Integrado en los 15 minutos finales de la segunda semana.

El docente solicita respuestas individuales a las siguientes preguntas:

• ¿Qué diferencia establezco ahora entre una aplicación de IA educativa y una herramienta que la implementa?
• ¿Qué categoría fue más difícil de distinguir y por qué?
• ¿Qué criterio ético podría modificar una decisión de adopción tecnológica?
• ¿Qué fuente académica aportó mayor claridad a mi clasificación?
• ¿Qué conocimiento de alfabetización digital necesita un futuro docente de Tecnología e Informática para usar esta aplicación responsablemente?

Como evaluación formativa, cada estudiante entrega un “ticket de salida” con:

1. Una definición propia de aplicación de IA educativa.
2. Una categoría y un ejemplo contextualizado.
3. Un riesgo asociado y una medida de mitigación.

8. Evaluación

Rúbrica analítica para la clasificación argumentada

Ponderación sugerida: clasificación conceptual, 20%; rigor y uso de fuentes, 15%; pertinencia pedagógica, 20%; impacto ético y sesgos, 15%; privacidad, 15%; alfabetización digital, 10%; argumentación y comunicación, 5%.

Desempeño esperado: Se considera logrado cuando el estudiante obtiene al menos nivel 3 en clasificación conceptual, rigor y uso de fuentes, y pertinencia pedagógica, además de identificar riesgos relacionados con ética, privacidad y sesgos.

9. Atención a errores conceptuales frecuentes

• “ChatGPT es una categoría de aplicación educativa”. Corrección: ChatGPT es una herramienta o modelo que puede implementar distintas aplicaciones, como generación de contenidos, tutoría, retroalimentación o apoyo a la programación.
• “Toda plataforma adaptativa es un tutor inteligente”. Corrección: debe analizarse qué función realiza: recomendar recursos, adaptar una secuencia, ofrecer tutoría o producir analítica.
• “Si una herramienta usa datos, pertenece automáticamente a analítica del aprendizaje”. Corrección: la categoría depende de si la finalidad principal es analizar procesos educativos para informar decisiones, no solo de que existan datos.
• “La evaluación automatizada es objetiva porque la realiza un sistema”. Corrección: los datos, criterios y modelos pueden contener sesgos; toda valoración automatizada requiere validación y revisión pedagógica.
• “Una clasificación encontrada en internet es válida por estar publicada”. Corrección: debe examinarse la autoría, el propósito, la metodología, la fecha, la evidencia y la pertinencia disciplinar de la fuente.

10. Adaptaciones y contingencias TIC

La tecnología puede utilizarse para consultar repositorios, contrastar fuentes y elaborar la clasificación, pero no es indispensable para alcanzar el objetivo.

• Si hay conectividad: utilizar repositorios académicos, documentos compartidos y un tablero digital para comparar las clasificaciones de los grupos.
• Si falla la conectividad: trabajar con copias impresas de las fuentes sugeridas, tarjetas de casos y papelógrafos. El docente puede llevar previamente descargados los textos y ejemplos.
• Si hay pocos dispositivos: asignar un dispositivo por grupo y distribuir funciones: lector de fuente, analista conceptual, relator y verificador ético.
• Si los estudiantes utilizan IA generativa durante la actividad: permitirla únicamente como objeto de análisis o apoyo declarado. Deben verificar sus respuestas con las fuentes, registrar los prompts relevantes y explicar qué decisiones fueron tomadas por el grupo.