Call for papers TEMÁTICA ESPECIAL: Inteligencia artificial en la evaluación y la personalización del aprendizaje

05-05-2023

call_for_papers_1600_AI_(es).jpg

Coordinadores del número

Palabras clave: personalización del aprendizaje, evaluación del estudiante, itinerarios individualizados de aprendizaje, sistemas de tutoría inteligentes, aprendizaje adaptativo.

 

Presentación

En los últimos tiempos se han generado nuevas expectativas sobre el uso de la Inteligencia Artificial en Educación (AIED, por sus siglas en inglés) debido especialmente a: los logros de la Inteligencia Artificial (IA) en general, las aplicaciones que se han puesto al servicio de la población, la mayor concienciación pública sobre el tema y los efectos de la COVID en los procesos de enseñanza y aprendizaje (Du Boulay et al., 2023). A pesar de la relevancia y actualidad del tema, la investigación en AIED tiene una larga trayectoria que se remonta a la década de los 70 con la promesa de que los tutores inteligentes tendrían el potencial de cambiar la educación gracias a la personalización (Woolf, 2007).

Junto con la evaluación de los aprendizajes en un mundo digital (Du Boulay et al., 2023), la personalización del aprendizaje es una de las oportunidades de la AIED más señaladas actualmente (UNESCO, 2019; Zawacki-Richter et al., 2019). En el contexto educativo, se entiende como la adaptación que combina los objetivos, los intereses y las competencias de un estudiante con un proceso continuo de ajuste a medida que cambian las anteriores condiciones y el contexto (Bulger, 2016). 

Es un proceso que no es dependiente del uso de tecnología, aunque existe una fuerte asociación si analizamos las tendencias contemporáneas en la investigación en tecnología educativa. Términos como las analíticas de aprendizaje, aprendizaje automático o enseñanza basada en datos se relacionan frecuentemente con la personalización del aprendizaje (Scanlon, 2011, Serrano, 2021).

Durante décadas, los sistemas tecnológicos de personalización del aprendizaje han tratado de atender a las diferencias individuales con el menor coste económico posible y en un sistema educativo masificado. Durante el siglo XX se diseñaron iniciativas, teorías y tecnologías (enseñanza programada, enseñanza asistida por ordenador, aprendizaje adaptativo, analíticas de aprendizaje...). Surgieron los sistemas ICAI (Intelligent Computer Assited Instruction) que tomaron de la IA la posibilidad de tomar decisiones, aprendiendo de una gran base de datos que se enriquece con el entrenamiento que el usuario hace tras usar la tecnología (Bartolomé y Lindín, 2019).

En el siglo XXI hablamos de entornos de aprendizaje adaptativo potenciados por la tecnología TEALE (por sus siglas en inglés) que han sido criticados desde el sector pedagógico debido a la falta de pruebas que confirmen su eficiencia y que vayan más allá de la validación de productos tecnológicos (Bartolomé, et al., 2018). 

Los desarrollos tecnológicos de personalización del aprendizaje son más prometedores que realistas. Existe escaso conocimiento sobre su calidad, su utilidad educativa y su generalización a múltiples contextos. La mayoría se centra en proporcionar recomendaciones y medir el tiempo que pasa un usuario por los distintos recursos. El propósito habitual, y casi único, es la mejora del rendimiento académico. Dejan atrás aspectos ampliamente estudiados y que sí sabemos que mejora la calidad del proceso de enseñanza y aprendizaje, tales como: la autorregulación del aprendizaje, la conducta autodeterminada, el bienestar emocional del estudiante o la dimensión social del aprendizaje (Bulger, 2016).

Los tutores inteligentes están llamados a ser los sistemas adaptativos que mayor potencial ofrecen. Pretenden convertirse en una guía de aprendizaje proactiva y que no solo sirva para asistir. Buscan orientar e inspirar más allá de un árbol de decisiones que proporcione respuestas limitadas. Sin embargo, siguen siendo considerados más una promesa que una realidad (Bulger, 2016). En este sentido, los últimos desarrollos en IA, sumados a la accesibilidad y posibilidades de integración con otras herramientas tecnológicas y plataformas, plantean un nuevo escenario en el ámbito educativo que merece ser objeto de estudio.

Con esta convocatoria pretendemos dar a conocer aquellas investigaciones que, desde la tecnología educativa, estudian como la personalización del aprendizaje guiada por la IA puede contribuir a diseñar modelos de enseñanza y situaciones de aprendizaje en contextos educativos formales y no formales. 

Nuestra perspectiva es apostar por una integración de la AIED que asista y guíe al estudiante y al educador en la toma de decisiones para diseñar itinerarios individualizados de aprendizaje (Salinas y De Benito, 2020) y mejorar los modelos de evaluación (González-Calatayud et al., 2022; Ouyang et al., 2022)  teniendo en cuenta la complejidad de la educación. 

 

Temas o líneas de interés
  • Entornos de aprendizaje adaptativo potenciados por la tecnología.
  • IA en la evaluación del aprendizaje.
  • Influencia de la IA en el diseño de situaciones de enseñanza-aprendizaje. 
  • Itinerarios individualizados de aprendizaje asistidos por IA
  • Los sistemas de tutoría inteligente.



Referencias:

Bartolomé, A., Castañeda, L. y Adell, J. (2018). Personalisation in educational technology: the absence of underlying pedagogies. International Journal of Educational Technology in Higher Education, 14. https://doi.org/10.1186/s41239-018-0095-0 

Bartolomé, A. y Lindín, C. (2019). Posibilidades del Blockchain en Educación. Education in the Knowledge Society, 19 (4). https://doi.org/10.14201/eks20181948193 

Bulger, M. (2016). Personalized Learning: The Conversations We’re Not Having. Data & Society. https://datasociety.net/library/personalized-learning-the-conversations-were-not-having/ 

González-Calatayud, V., Prendes-Espinosa P. y Roig-Vila, R. (2021). Artificial Intelligence for Student Assessment: A Systematic Review. Applied Sciences 11 (12). https://doi.org/10.3390/app11125467 

Ouyang, F., Zheng, L. y Jiao, P. (2022). Artificial intelligence in online higher education: A systematic review of empirical research from 2011 to 2020. Education and Information Technologies, 27. https://doi.org/10.1007/s10639-022-10925-9 

Salinas, J. y De Benito, B. (2020). Construction of personalized learning pathways through mixed methods. Comunicar, 65. https://doi.org/10.3916/C65-2020-03 

Scanlon, E. (2021). Educational Technology Research: Contexts, Complexity and Challenges. Journal of Interactive Media in Education ,1. https://doi.org/10.5334/jime.580 

Serrano, J.L. (2021). Qué debes saber antes de usar tecnología para enseñar y aprender. Blog eduHacking. https://joseluisserrano.net/tecnologia-educativa/ 

UNESCO (2019). Beijing Consensus on Artificial Intelligence and Education. https://unesdoc.unesco.org/ark:/48223/pf0000368303

Zawacki-Richter, O., Marín, V.I., Bond, M., y Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators?. International Journal of Educational Technology in Higher Education, 16, (39) https://doi.org/10.1186/s41239-019-0171-0

Woolf, B.P. (2007). Building Intelligent Interactive Tutors. Student-centered strategies for revolutionizing e-learning. Elsevier. https://doi.org/10.1016/B978-0-12-373594-2.X0001-9 

 

Fechas importantes:
  • Inicio de recepción de manuscritos: Septiembre de 2023.
  • Fecha límite de recepción de manuscritos:  31 de marzo de 2024.
  • Publicación del número especial: Septiembre de 2024.

 

Sobre los editores:

José Luis Serranojl.serranosanchez@um.es
Universidad de Murcia, España.

Profesor Titular de Tecnología Educativa en la Universidad de Murcia. Miembro del Grupo de Investigación de Tecnología Educativa de la Universidad de Murcia. Editor Ejecutivo de RiiTE Revista Interuniversitaria de Investigación en Tecnología Educativa. Su investigación se centra en cómo la tecnología puede apoyar y guiar los procesos de enseñanza y aprendizaje y en el desarrollo del pensamiento computacional en educación. Es autor del blog y el podcast de educación eduHacking (www.joseluisserrano.net).

 

Juan Moreno-García; juan.moreno@uib.es
Universitat de les Illes Balears, España

Profesor del Departamento de Pedagogía Aplicada y Psicología de la Educación en la UIB. Investigador del Grupo de Tecnología Educativa (GTE). Editor adjunto de la Edutec, Revista Electrónica de Tecnología Educativa.  Sus líneas de trabajo se centran en la educación superior y la tecnología educativa. En particular, en el diseño y la implementación de entornos de aprendizaje personalizados, la creación y uso de recursos educativos abiertos, la gestión del conocimiento y comunidades virtuales de prácticas. 

 

Cristina Conati; conati@cs.ubc.ca
University of British Columbia, Canada


Cristina Conati es Catedrática de Ciencias de la Computación en la Universidad de British Columbia de Canadá. Es académica distinguida en la Sauder School of Business. Ha recibido numerosos premios y reconocimientos por su trabajo (Miembro distinguida ACM, premio UBC Killam en ciencia 2022, premio Educational Data Mining Test of Time). Dirige el Grupo Human-AI Interaction group at UBC (https://hai.cs.ubc.ca/). Su investigación se encuentra en la intersección de la Inteligencia Artificial (IA), la Interacción Humano-Computadora (IHC) y la Ciencia Cognitiva, con el objetivo de crear sistemas de IA que puedan realizar tareas útiles y ser bien aceptados por sus usuarios (https://www.cs.ubc.ca/people/cristina-conati). En este contexto, ha investigado ampliamente sobre IA y Educación (AIED) y Sistemas Tutores Inteligentes. Es editora asociada del Journal of AIED y miembro del Comité Ejecutivo de la AIED Society.