Inteligencia Artificial y Machine Learning como recurso educativo desde la perspectiva de docentes en distintas etapas educativas no universitarias

  1. Dúo Terrón, Pablo 1
  2. Moreno Guerrero, Antonio José 2
  3. López Belmonte, Jesús 2
  4. Marín Marín, José Antonio 2
  1. 1 Universidad Internacional de La Rioja
    info

    Universidad Internacional de La Rioja

    Logroño, España

    ROR https://ror.org/029gnnp81

  2. 2 Universidad de Granada
    info

    Universidad de Granada

    Granada, España

    ROR https://ror.org/04njjy449

Revista:
Revista Interuniversitaria de Investigación en Tecnología Educativa

ISSN: 2529-9638

Año de publicación: 2023

Número: 15

Páginas: 58-78

Tipo: Artículo

DOI: 10.6018/RIITE.579611 DIALNET GOOGLE SCHOLAR lock_openDIGITUM editor

Otras publicaciones en: Revista Interuniversitaria de Investigación en Tecnología Educativa

Resumen

La Inteligencia Artificial (IA) está considerada la cuarta revolución industrial y está provocando profundos cambios en la sociedad del siglo XXI. Además, tiene el potencial de afrontar los mayores retos en el campo de la educación como implantar metodologías activas innovadoras a través de proyectos STEAM utilizando IA. Esta investigación tiene como objetivo principal identificar el impacto que tiene el aprendizaje automático o machine learning, subcampo de la IA, como recurso educativo en el proceso de enseñanza-aprendizaje en diferentes etapas educativas no universitarias analizando la edad, el género y la experiencia previa en proyectos y conocimientos de la IA desde el punto de vista del profesorado. Fue empleado un método cuantitativo de carácter descriptivo y comparativo. El instrumento utilizado está basado en un cuestionario de 25 ítems y 2 preguntas abiertas. En la muestra han participado de manera libre y voluntaria docentes (n=92) pertenecientes a las comunidades autónomas de Asturias, Extremadura y la Ciudad Autónoma de Ceuta, los cuáles han asistido a un curso de formación sobre IA para realizar proyectos de innovación en el aula. Los principales resultados ofrecen unos valores altos de media en todos los docentes para implantar proyectos basados en IA como recurso educativo. Los resultados se dividen en función al sexo, edad, etapa educativa y experiencia previa de los docentes. Presentan mayor puntuación y valoración los docentes entre 20-29 años, los del género masculino, los docentes pertenecientes a la etapa de Educación Infantil y aquellos que tienen experiencia y conocimientos previos en IA. Posteriormente, se procede a la discusión y conclusión de la investigación.

Referencias bibliográficas

  • Alfaro, A. D. J., y Ospina, J. V. D. (2021). Revisión sistemática de literatura: Técnicas de aprendizaje automático (machine learning). Cuaderno activa, 13(1), 113-121.
  • Álvarez-Napagao, S., Ashmore, B., Barroso, M., Barrue, C., Beecks, C., Berns, F., Bosi, I., Chala, S. A., Ciulli, N., Garcia-Gasulla, M., Grass, A., Ioannidis, D., Jakubiak, N., Kopke, K., Lamsa, V., Megias, P., Nizamis, A., Pastrone, C., Rossini, R., … Ziliotti, L. (2021). Knowledge project –concept, methodology and innovations for Artificial Intelligence in industry 4.0. 2021 IEEE 19th International Conference on Industrial Informatics (INDIN). https://doi.org/10.1109/indin45523.2021.9557410
  • Ayuso del Puerto, D., y Gutiérrez-Esteban, P. (2022). La Inteligencia Artificial como Recurso Educativo durante la Formación Inicial del Profesorado. RIED-Revista Iberoamericana de Educación a Distancia, 25(2), 347-362. https://doi.org/10.5944/ried.25.2.32332
  • Barnes, J., FakhrHosseini, S. M., Vasey, E., Ryan, J., Park, C. H., y Jeon, M. (2019). Promoting STEAM education with child-robot musical theater. 2019 14th ACM/IEEE International Conference on Human-Robot Interaction (HRI). https://doi.org/10.1109/hri.2019.8673311
  • Benavides, M. O., y Gómez-Restrepo, C. (2005). Métodos en investigación cualitativa: triangulación. Revista colombiana de psiquiatría, 34(1), 118-124.
  • Carney, M., Webster, B., Alvarado, I., Phillips, K., Howell, N., Griffith, J., Jongejan, J., Pitaru, A., y Chen, A. (2020). Teachable machine: Approachable web-based tool for Exploring Machine Learning Classification. Extended Abstracts of the 2020 CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3334480.3382839
  • Caruso, A. L., y Cavalheiro, S. A. (2021). Integração Entre Pensamento Computacional e Inteligência Artificial: Umarevisão sistemática de literatura. Anais Do XXXII Simpósio Brasileiro de Informática NaEducação (SBIE 2021). https://doi.org/10.5753/sbie.2021.218125
  • Cerón, J.A. (2023). Programming language for boys and girls: Connected and disconnected perspectives in basic education. Revista Internacional de Pedagogía e Innovación Educativa, 3(1), 45–66. https://doi.org/10.51660/ripie.v3i1.108
  • Contreras, L. E., Tarazona Bermúdez, G. M., y Alemán Cardona, A. P. (2023). Machine Learning aplicado al rendimiento académico en educación superior: factores, variables y herramientas. Editorial Universidad Distrital Francisco José de Caldas.
  • Cruz, Y. M. M., Sotelo, W. S. F., Cruz, Y. A. M., y Aliaga, J. C. C. (2022). Inteligencia artificial en la gestión pública en tiempos de Covid-19. Revista de ciencias sociales, 28(5), 331-340. https://doi.org/10.31876/rcs.v28i.38167
  • Degli-Esposti, S. (2021). El rol del análisis de género en la reducción de los sesgos algorítmicos. Información Comercial Española, ICE: Revista de economía (921), 127-143.
  • Dúo-Terrón, P. (2023). Análisis del Software Scratch en la Producción Científica durante 20 Años: Programación en educación para desarrollar disciplinas de pensamiento computacional y STEAM. EducationSciences, 13(4), 1-27. http://dx.doi.org/10.3390/educsci13040404
  • Dúo-Terron P., Hinojo-Lucena F-J., Moreno-Guerrero A-J., and López-Núñez J-A.(2022a). STEAM in Primary Education. Impact on Linguistic and Mathematical Competences in a Disadvantaged Context. Front. Educ. 7:792656. http://dx.doi.org/10.3389/feduc.2022.792656
  • Dúo-Terrón, P., Hinojo-Lucena, F.-J., Moreno-Guerrero, A.-J., y López-Belmonte, J. (2022b). Impact of the Pandemic on STEAM Disciplines in the Sixth Grade of Primary Education. Eur. J. Investig. Health Psychol. Educ., 12(8), 989–1005. http://dx.doi.org/10.3390/ejihpe12080071
  • Espinoza Freire, E. E., y Calva Nagua, D. X. (2020). La ética en las investigaciones educativas. Revista Universidad y Sociedad, 12(4), 333-340.
  • Fursykova, T., Chystiakova, L., Shlianchak, S., Kravchenko, O., y Kuris, Y. (2023). Inteligencia artificial y nuevas formas de gobierno en la era digital. Cuestiones políticas, 41(76), 528-539. https://doi.org/10.46398/cuestpol.4176.31
  • González Arencibia, M., y Martínez Cardero, D. (2020). Dilemas éticos en el escenario de la inteligencia artificial. Economía y Sociedad, 25(57), 93-109. http://dx.doi.org/10.15359/eys.25-57.5
  • González, J. (2011). The notion of free software. Rev. Tradumàtica: Traducció I Tecnol. De La Inf. I La Comun., 9, 5–11.
  • Hernández, R., Fernández, C., y Baptista, P. Definición del ámbito de la investigación a realizar: Exploratoria, descriptiva, correlacional o explicativa. En Metodología de la Investigación, 6ª ed.; Hernández, R., Fernández, C., Baptista, P., Eds.; MC Graw Hill Educación: Nueva York, NY, EE. UU., 2014; págs. 100-1 88–101.
  • Li, L. (2022). A Literature Review of AI Education for K-12. Canadian Journal for New Scholars in Education, 13(3), 114-121.
  • Liu, F., y Kromer, P. (2020). Early age education on Artificial Intelligence: Methods and tools. Advances in Intelligent Systems and Computing, 696–706. https://doi.org/10.1007/978-3-030-50097-9_71
  • Lüthy, I. A. (2022). Inteligencia artificial y aprendizaje de máquina en diagnóstico y tratamiento del cáncer. Medicina, 82(5), 798-800.
  • Manganelli, S. (2020). Prácticas educativas STEAM para fomentar el desarrollo de competencias científico-tecnológicas. En XXVI Congreso Argentino de Ciencias de la Computación (CACIC)(Modalidad virtual, 5 al 9 de octubre de 2020).
  • Martínez Ciuró, Ó. (2021). La educación no formal y la educación STEAM: espacios inclusivos y motivadores. Cuadernos de Pedagogía, (519), 72-77.
  • Meng, X., Li, S., Malik, M.M., y Umer, Q. (2022). Machine-Learning-Based Suitability Prediction for Mobile Applications for Kids. Sustainability, 14(19), 1-14. http://dx.doi.org/10.3390/su141912400
  • Merino, C. F. A. (2021). Estado de la cuestión de la inteligencia artificial y los sistemas de aprendizaje autónomo. Sociología y tecnociencia. Revista digital de sociología del sistema tecnocientífico, 11(2), 182-195. https://doi.org/10.24197/st.Extra_2.2021.182-195
  • Munarriz, B. (1992). Técnicas y métodos en investigación cualitativa.En Metodología educativa I. Jornadas de Metodología de Investigación Educativa (A Coruña, 23-24 abril 1991), Cords. Eduardo Abalde Paz, Jesús Miguel Muñoz Cantero. A Coruña: Universidade da Coruña, Servizo de Publicacions, 1992, p. 101-116. https://ruc.udc.es/dspace/handle/2183/8533
  • Pelekais, C. (2000). Métodos cuantitativos y cualitativos: diferencias y tendencias. Telos: Revista De Estudios Interdisciplinarios En Ciencias Sociales, 2(2), 347-352. https://ojs.urbe.edu/index.php/telos/article/view/997
  • Prasad, P.Y., Prasad, D., Malleswari, D.N., Shetty, M., y Gupta, N. (2022). Implementation of Machine Learning Based Google Teachable Machine in Early Childhood Education. International Journal of early childhood special education, 14 (3), 4132-4138. https://doi.org/10.9756/INT-JECSE/V14I3.527
  • Ramachandran, K. K., Apsara, A., Saleth, Hawladar, S., Asokk, D. ,Bhaskar, B., y Pitroda, J. R. (2022). Machine learning and role of artificial intelligence in optimizing work performance and employee behavior. MaterialsToday: Proceedings, 51(8), 2327-2331. https://doi.org/10.1016/j.matpr.2021.11.544
  • Resolución de 4 de mayo de 2022, de la Dirección General de Evaluación y Cooperación Territorial, por la que se publica el Acuerdo de la Conferencia Sectorial de Educación, sobre la actualización del marco de referencia de la competencia digital docente. Boletín Oficial del Estado, 116, de 16 de mayo de 2022, 67979-68026. https://www.boe.es/eli/es/res/2022/05/04/(5)
  • Rodríguez García, J. D., Moreno-León, J., Román-González, M., y Robles, G. (2020b). LearningML: una herramienta para fomentar las habilidades de Pensamiento Computacional mediante proyectos prácticos de Inteligencia Artificial. Revista de Educación a Distancia (RED), 20(63), 1-37. https://doi.org/10.6018/red.410121
  • Rodríguez, J. D. (2023). Pasado, presente y futuro de LearningML. Evento multiplicador del Proyecto Erasmus+ FAIAS. TV Universidad Rey Juan Carlos (2:55:00) (Consultado el 20 julio de 2023). https://tv.urjc.es/video/63eecf56c758c1df0830def5
  • Rodríguez, J. D. (S.F.) LearningML - AI madeeasy. (Consultado el 18 de julio de 2023). https://web.learningml.org/
  • Rodríguez-García, J.D., Moreno-León, J., Román-González, M., y Robles, G. (2020a). Introducción a los fundamentos de la inteligencia artificial con LearningML: inteligencia artificial simplificada. En VIII congreso internacional sobre ecosistemas tecnológicos para potenciar la multiculturalidad (pp. 18-20).
  • Rodríguez-García, J.D., Moreno-León, J., Román-González, M., y Robles, G. (2021). Evaluación de una intervención online para enseñar inteligencia artificial con learningML a alumnos de 10-16 años. En Actas del 52º simposio técnico de ACM sobre educación en informática (págs. 177-183).
  • Román-González, M. (2022). Pensamiento computacional: un constructo que llega a la madurez. Aula Magna, 2.0. Revistas Científicas de Educación en Red. https://cuedespyd.hypotheses.org/11109 (consultado el 19 de enero de 2023).
  • Rouhiainen, L. (2018). Inteligencia Artificial. 101 cosas que debes saber hoy sobre nuestro futuro. Alienta Editorial.
  • Sakulkueakulsuk, B., Witoon, S., Ngarmkajornwiwat, P., Pataranutaporn, P., Surareungchai, W., Pataranutaporn, P., y Subsoontorn, P. (2018). Kids making AI: Integrating machine learning, gamification, and social context in STEM education. 2018 IEEE International Conference on Teaching, Assessment, and Learning for Engineering (TALE). https://doi.org/10.1109/tale.2018.8615249
  • Sandoval Serrano, L. J. (2018). Algoritmos de aprendizaje automático para análisis y predicción de datos. Revista Tecnológica, (11), 36-40.
  • Sanusi, I. T., Oyelere, S. S., Agbo, F. J., y Suhonen, J. (2021). Survey of resources for introducing machine learning in K-12 context. 2021 IEEE Frontiers in Education Conference (FIE). https://doi.org/10.1109/fie49875.2021.9637393
  • Silva, L. A. A., De La Piedra, D. M. C., Calderón, V. E. H., & Ramírez, E. M. G. (2023). Trabajo infantil como factor de riesgo en la conducta antisocial de adolescentes: Un análisis descriptivo-comparativo. Revista de ciencias sociales, 29(7), 127-140.
  • Su, Y.-S., Shao, M., y Zhao, L. (2022). Effect of mind mapping on creative thinking of children in Scratch visual programming education. Journal of Educational Computing Research, 60(4), 906–929.
  • Temitayo Sanusi, I. (2021). Teaching machine learning in K-12 Education. Proceedings of the 17th ACM Conference on International Computing Education Research. https://doi.org/10.1145/3446871.3469769
  • Touretzky, David S., y Gardner-McCune, C. (2022). Artificial Intelligence Thinking in K–12. Computational Thinking Education in K–12, 153–180. https://doi.org/10.7551/mitpress/13375.003.0013
  • Vivar, J. M. F., y Peñalvo, F. J. G. (2023). Reflexiones sobre la ética, potencialidades y retos de la Inteligencia Artificial en el marco de la Educación de Calidad (ODS4). Comunicar, 74, 37-47. https://doi.org/10.3916/C74-2023-03
  • Wing, J. (2010). Computational Thinking: What and Why? (consultado el 6 de julio de 2023) http://www.cs.cmu.edu/~CompThink/resources/TheLinkWing.pdf
  • Zhu, K. (2019). An Educational Approach to Machine Learning with Mobile Applications [Tesis doctoral, Massachusetts Institute of Technology].
Fuente de los datos: Dialnet