USOS Y EFECTOS

DE LA INTELIGENCIA
ARTIFICIAL EN
EDUCACIÓN

Ignacio Jara y Juan Manuel Ochoa1

(mayo de 2020)

En este documento se abordan los impactos de la

inteligencia artificial (IA) en la educación (K-12), a partir
de una reseña de los avances logrados en la mejora
de los procesos de enseñanza y aprendizaje, y en la
administración de los sistemas educativos. Se destacan
igualmente los aportes de la IA a la personalización del
aprendizaje mediante sistemas adaptativos que proponen
y ajustan las trayectorias educativas a las características y
comportamiento individuales de los estudiantes, así como a
las tareas rutinarias de los docentes y de la administración
educativa con base en el análisis inteligente de grandes
volúmenes de información. Por último, se discuten los
riesgos potenciales que se deben abordar por medio de
las políticas, como por ejemplo la preparación digital de
los estudiantes, la privacidad de su información personal,
la eventual perpetuación de las inequidades preexistentes,
y los temores de los docentes frente a la IA que puedan
inhibir su adopción en las escuelas.

Este documento está enmarcado dentro de la iniciativa

fAIr LAC2 del Banco Interamericano de Desarrollo (BID)
que busca promover el uso ético y responsable de los
datos y de los sistemas basados en la IA en la región,
especialmente en la provisión de servicios sociales.

1 Bajo la coordinación de Elena Arias Ortiz y Marcelo Pérez Alfaro, especialistas de la División de Educación, y Madiery
Vásquez, consultora de la División de Educación en el Banco Interamericano de Desarrollo (BID).
2 Para conocer más sobre la iniciativa fAIr LAC haz clic aquí.

2
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

1. INTRODUCCIÓN

La inteligencia artificial (IA) se ha convertido en desafíos educativos del siglo XXI, marcados por
sinónimo de nuevas promesas, pero también de cambios tecnológicos en el mundo del trabajo
los riesgos que conlleva la masificación de las y la vida social, mientras que simultáneamente
tecnologías digitales en las diferentes esferas de deben saldar sus deudas pendientes de acceso
la vida económica y social del siglo XXI. Expertos y calidad para todos los estudiantes. En este
y medios de comunicación proyectan la idea contexto, se depositan renovadas esperanzas
de que robots con apariencia y capacidades en lo que las nuevas tecnologías de IA puedan
humanas serán realidad a la vuelta de la esquina, aportar para reducir las barreras de acceso,
realizando labores que podrían salvar vidas, automatizar la gestión, y optimizar los procesos
transformar ciudades y educar niños, pero que de enseñanza y aprendizaje (UNESCO, 2019a;
también pondrán en peligro los puestos de 2019b; OCDE, 2018).
trabajo de quienes no se adapten a esta nueva
revolución tecnológica. En diversos estudios A la esperanza de que la IA pueda hacer
se intenta dimensionar el ritmo y profundidad realidad las transformaciones educativas que se
de los cambios que se avecinan, mientras que han esperado por tanto tiempo se contraponen
muchas industrias automatizan procesos gracias las dificultades y resistencia a los cambios
a las nuevas máquinas disponibles y se prueban tecnológicos aún presentes en las escuelas, tal
prototipos de inventos que hasta hace poco y como lo sugiere la baja adopción que aún
parecían de ciencia ficción (Kaku, 2012). exhíben las nuevas herramientas de IA (Horizon
Report, 2019; OCDE, 2018; Ganascia, 2018; The
Por un lado, mientras que la humanidad estaría Royal Society, 2018; Luckin et al., 2016; Woolf et
entrando a un estadio completamente nuevo de al., 2013).
invenciones tecnológicas que podrían resolver
problemas y desafíos del mundo moderno, La historia no es nueva. En todo el mundo, los
por el otro resurgen viejos temores en torno intentos por integrar tecnologías digitales en
a una humanidad acorralada por sus propias las actividades escolares han sido objeto de
creaciones. En este escenario de imágenes políticas públicas por más de tres décadas, pero
polarizadas surgen distintas voces que intentan el ritmo de adopción ha sido mucho más lento
matizar el panorama, entender el alcance de de lo esperado, y los impactos en las prácticas
esta revolución y poner en perspectiva los pedagógicas y en los resultados del aprendizaje
avances que se están registrando, sin perjuicio de los estudiantes han sido esquivos. Cada
de lo difícil que resulte aventurar proyecciones nueva ola de invenciones tecnológicas –internet,
en un escenario de cambio vertiginoso y futuro computadoras portátiles, pizarras, tabletas,
incierto (Stanford University University, 2016; celulares y toda clase de recursos y propuestas
Tuomi, 2018). digitales– ha golpeado repetidas veces a las
puertas de las aulas escolares con renovadas
La educación es uno de los ámbitos donde se esperanzas de cambio; sin embargo, la acogida
están viviendo estas tensiones. A los sistemas ha sido menor de lo que se esperaba. Y si
escolares se les exige que respondan a los bien muchos docentes y administradores han

3
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

incorporado gradualmente nuevas formas de que ha acompañado casi desde sus inicios a
trabajo apoyadas por tecnologías digitales, se mediados del siglo pasado el desarrollo de
trata de un proceso cuyo ritmo no termina por lo que hoy se conoce como tecnología de la
satisfacer a los expertos en tecnología, como información y las comunicaciones (TIC). Lo que
tampoco a quienes se proponen reformar la ha caracterizado a esta área de investigación
educación (Sutherland, 2014; McFarlane; 2019). y desarrollo es su ambición de crear máquinas
inteligentes que simulen el razonamiento y
No obstante lo anterior, existe un cierto consenso comportamiento humanos (Luckin et al., 2016;
acerca de que la revolución tecnológica Canbek y Mutlu, 2016). A lo largo de su historia,
impulsada por la IA tendrá un impacto la IA ha realizado importantes contribuciones al
significativo en el campo educativo, así como desarrollo tecnológico, entre ellas los robots que
en las demás esferas de la actividad humana. Lo ensamblan automóviles en Detroit o los tutores
que sigue siendo materia de debate son el ritmo inteligentes que se utilizan en muchas escuelas.
y profundidad de esta transformación (Tuomi, Sin embargo, casi siempre estas contribuciones
2018). En este contexto, y como punto de partida han sido más modestas que las promesas que las
para intentar una mejor comprensión de los han anunciado (Kaku, 2012).
efectos y alcances que esta revolución podría
tener en el campo de la educación, se ofrece a Durante las últimas décadas, la investigación en
continuación un breve perfil de la tecnología de IA fue creando nuevos métodos y algoritmos
IA que está comenzando a masificarse. para resolver problemas específicos. Uno
de estos avances fueron los algoritmos de
aprendizaje automático o de máquina (machine
learning), a saber, programas computacionales
que, en lugar de detallar el conjunto de reglas y
criterios que un computador debe seguir para
cumplir un objetivo —algo casi imposible cuando
la complejidad de la tarea es alta—, se enfocan
en aprender a resolver el problema por sí mismos
a partir de datos y ejemplos prexistentes. Los
algoritmos de aprendizaje automático se basan
por lo general en modelos de redes neuronales
(neural netwoks) que intentan reproducir la
biología de la mente humana con neuronas
interconectadas entre sí y señales que circulan
entre ellas. Para ello emplean un método de
representación y cálculo basado en múltiples
La revolución tecnológica de la IA capas al que se denomina “aprendizaje profundo”
(deep learning)3.
Actualmente, el término inteligencia artificial
(IA) se utiliza para referirse a una amplia gama Estos tres nombres –aprendizaje automático/
de tecnologías digitales de última generación automatizado o de máquina, redes neuronales
(UNESCO, 2019a; Horizon Report, 2019; Canbek y conocimiento profundo– aparecen en
y Mutlu, 2016). Sin embargo, la IA no es nueva; la literatura sobre aplicaciones de IA para
es un área de las ciencias de la computación referirse a las tecnologías que permiten que

3 El término “aprendizaje profundo” utilizado en IA no guarda relación con su uso en el campo educativo. En IA
“aprendizaje profundo” refiere a un tipo de algoritmo para el aprendizaje automático de sistemas computacionales.
En cambio en educación, “aprendizaje profundo” se utiliza para referirse a aprendizajes significativos requeridos para
desenvolverse en el siglo XXI como son las competencias relativas a la resolución de problemas, la creatividad y la
colaboración, entre otros (https://eligeeducar.cl/aprendizaje-profundo-se-puede-alcanzar).
4
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

los computadores aprendan a realizar tareas el procesamiento y traducción del lenguaje

específicas que de otra forma resultaría muy natural; los vehículos autónomos; los servicios
complejo o francamente imposible programar. robotizados de atención al cliente; la detección
Ahora, el aprendizaje así producido se consigue de fraudes financieros; el control de procesos; el
“entrenando” los algoritmos con millones arte sintético; los juegos digitales inteligentes;
de datos. Por ejemplo, si se quiere que un los ambientes de aprendizaje personalizados;
algoritmo de este tipo aprenda a reconocer los diagnósticos clínicos; las búsquedas
la presencia de gatos en fotografías –cosa de información; el cuidado de adultos, y la
que para un humano es trivial y para un automatización de procesos industriales, entre
computador es extremadamente difícil–, los muchos otros (Pombo, Gupta y Stankovic, 2018;
expertos deberán entrenarlo con millones de Tuomi, 2018; Stanford University, 2016).
fotografías que contengan gatos. Sin embargo,
este tipo de procesos de entrenamiento requiere
grandes volúmenes de datos y un enorme
poder computacional para poder calibrar los
parámetros que ajustan los algoritmos para
reconocer los patrones de interés (gatos)
cuando se le presenten nuevas entradas
(fotografías). Esto mantuvo a estos métodos
alejados de sus posibles aplicaciones prácticas
hasta hace aproximadamente una década
(Tuomi, 2018).

Hacia 2010, la convergencia de diferentes

avances tecnológicos4 hizo posible el Cabe señalar que el tipo de inteligencia
entrenamiento de algoritmos de aprendizaje desplegado por estos nuevos sistemas es
automático a costos razonables, lo cual abrió las impresionante si se compara con lo que existía
puertas para el desarrollo y comercialización de previamente. Sin embargo, al mismo tiempo se
una nueva generación de sistemas digitales que debe notar que sus capacidades se limitan a la
realizaban tareas de complejidad mucho más resolución de los problemas específicos para
alta de lo que era posible hasta ese momento. los que fueron creados, y que la construcción
A partir de entonces se inició una explosión de de cada uno de estos sistemas implica muchos
nuevas aplicaciones prácticas de IA que están años de investigación y desarrollo, incluyendo el
teniendo un alto impacto en diferentes ámbitos entrenamiento basado en enormes volúmenes
de la economía y la sociedad, cuyo alcance es de datos. En este sentido, hay consenso acerca
aún difícil de precisar. Se trata de algoritmos de que la IA que se puede vislumbrar hoy en día
que detectan patrones y realizan predicciones en ningún caso incluye un tipo de inteligencia
sobre la base de una gran cantidad de datos de propósito general como la humana, como
a velocidades asombrosas, y que se pueden se especula en el ámbito de la opinión pública
integrar dentro sistemas de toma de decisiones (Tuomi, 2018; Lu y Harris, 2018; Stanford
amplificando enormemente su capacidad. University, 2016).
Los campos de aplicación de esta nueva
tecnología son muy diversos y abarcan tareas Los países están muy conscientes de que
como el análisis de imágenes, audios y videos; las transformaciones económicas y sociales
4 Mientras que la acumulación de información en internet y el desarrollo de sistemas para manejar enormes bases de
datos (Big Data) permitió acceder a los datos de entrenamiento necesarios, el desarrollo de hardware multiprocesador
de bajo costo facilitó la programación paralela requerida para entrenar los algoritmos del aprendizaje automático.

5
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

derivadas de esta ola de nuevas aplicaciones carácter exploratorio, con un alcance limitado y
tecnológicas presentan oportunidades y un impacto modesto. Sin embargo, esto podría
desafíos importantes. Por eso se están cambiar a medida que los últimos avances se
realizando inversiones de gran magnitud para vayan integrando gradualmente a los sistemas
liderar la innovación en IA, al tiempo que se computacionales existentes y surjan otros
invierte en preparar a los ciudadanos para que nuevos (Horizon Report, 2019; Zaidi, Beadle y
vivan en un mundo cada vez más digital, donde Hannah, 2018; OCDE, 2018; Tuomi, 2018; Luckin
los trabajos pueden cambiar radicalmente et al., 2016).
en pocos años. China, por ejemplo, lanzó en
2016 un plan para convertirse en un polo de Así pues, se espera que los avances de la
desarrollo de IA y ordenó a las agencias a cargo IA puedan contribuir especialmente a la
de la educación en los gobiernos locales invertir personalización del aprendizaje, a la realización
el 8% de su presupuesto en la digitalización de de las tareas rutinarias de los docentes y
las escuelas (UNESCO, 2019b). Algo similar está al análisis de datos a nivel de los sistemas
ocurriendo en otros países desarrollados, donde escolares. En las próximas secciones se
la IA ha adquirido una relevancia cada vez mayor abordarán con mayor detalle estos y otros
en las agendas de investigación, innovación aportes de la IA a la educación, así como los
empresarial y desarrollo educativo (UNESCO, desafíos que se deberán abordar y las políticas
2019b; Zaidi, Beadle y Hannah, 2018; Lu y Harris, que será necesario diseñar para mitigar los
2018; Stanford University, 2016). riesgos que esta revolución pueda representar
para las escuelas y sus estudiantes.
La utilización de las nuevas tecnologías de IA
en el campo educativo es aún incipiente y de

6
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

2. PRINCIPALES APORTES DE LA IA
A LA ENSEÑANZA Y AL APRENDIZAJE

En el área de la enseñanza y el aprendizaje, el caso de la plataforma adaptativa para la

la literatura identifica la personalización de enseñanza del inglés en China denominada
la experiencia educativa como el principal Liulishou, con capacidad para atender en línea
ámbito que debe ser fortalecido con las nuevas a 600.000 estudiantes; o la aplicación M-Shule
aplicaciones de IA (Luckin et al., 2016; UNESCO, en Kenia, usada para impartir lecciones del
2019b; Dorca, 2015; Conati y Kardan, 2013; Peña currículum nacional vía SMS y adaptable a las
et al., 2002; Blanchard, 2015; Nye, 2015). Existen habilidades de los estudiantes, además de que
además otras contribuciones relacionadas con proporciona información acerca de su progreso
el apoyo a la colaboración y al diagnóstico de a sus profesores y padres; o la plataforma
trastornos del aprendizaje, entre otros, que se adaptativa Daptio de Sudáfrica, la cual utiliza
están explorando en la actualidad. la IA para ayudar a estudiantes y docentes
a entender los niveles de logro alcanzados
y proveer contenidos pertinentes (UNESCO,
Personalización de la educación 2019b). En América Latina, el Plan Ceibal de
Uruguay masificó la plataforma adaptativa
Un primer ámbito de contribución de la IA a de matemáticas Bettermarks, alcanzando
la educación —quizás el más conocido y con 69.000 usuarios activos en las 2.770 escuelas
más trayectoria— comprende los sistemas del país. Esta plataforma ofrece actividades
de enseñanza adaptativos. Se trata de y ejercicios interactivos, con una trayectoria
plataformas y sistemas de tutoría inteligente que se va adaptando dependiendo del nivel de
que ofrecen trayectorias personalizadas de conocimiento de cada estudiante. Los alumnos
aprendizaje basadas en los perfiles, respuestas avanzan a su ritmo y cuando tienen dificultades,
e interacciones de los estudiantes. Estas la plataforma les genera automáticamente una
aplicaciones buscan acercar el tipo, dificultad, serie de ejercicios de refuerzo. Asimismo, la
secuencia y ritmo de los materiales de plataforma le proporciona al docente una serie
aprendizaje, así como sus diálogos, preguntas de indicadores basados en la ruta realizada
y retroalimentación, a las necesidades por cada uno de los estudiantes. En Brasil, la
individuales de los estudiantes, con costos plataforma adaptativa Geekie llega a más de
considerablemente inferiores a los de los medios 55.000 escuelas. Otros casos similares, pero más
tradicionales (Luckin et al., 2016). Existe una acotados, son las plataformas de aprendizaje
variedad de productos para diversas materias personalizado en matemáticas eMAT en Chile y
del currículum —aunque con mayor frecuencia la plataforma APCI en Ecuador (CIPPEC, 2018;
en matemáticas y ciencias— que han sido Domínguez, 2011; Carrillo, Onofa y Ponce, 2010).
adoptados por los sistemas escolares en los
ámbitos local y nacional. La incorporación en estos sistemas adaptativos
de nuevos algoritmos de IA con reconocimiento
Los ejemplos de este tipo de aplicaciones se de voz e imagen, y el manejo de grandes
registran principalmente en países desarrollados, volúmenes de datos, están permitiendo
pero también en el resto del mundo. Tal es personalizar aún más las trayectorias de

7
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

aprendizaje de los estudiantes, armonizándolas los estudiantes a partir del análisis de su imagen
con elementos de su personalidad, intereses, de video y de su voz (UNESCO, 2019b).
estilos de aprendizaje y estados de ánimo
(Dorca, 2015; Conati y Kardan, 2013; Peña et al., Existe un consenso generalizado en torno al
2002). Con las nuevas aplicaciones se podrían valor de una educación personalizada que
identificar las fortalezas y debilidades de cada responda correctamente a las características
usuario, así como sus desafíos y motivaciones, y dificultades propias de cada estudiante.
con lo cual se generaría una trayectoria idónea Al mismo tiempo, diversas experiencias y
que optimice el proceso de aprendizaje de cada estudios han confirmado la utilidad del uso
estudiante e incluso ajuste los contenidos a de plataformas adaptativas para fortalecer
formatos culturalmente apropiados (Blanchard, la educación personalizada. Por ejemplo,
2015; Nye, 2015). algunos estudios sobre uso de plataformas de
matemáticas en ciertos países han confirmado
Un ejemplo que ilustra esta tendencia es su impacto en estos aprendizajes (véanse, por
RoboTutor, una aplicación para tabletas ejemplo, Perera y Aboal, 2018; Carrillo et al.,
orientada a compensar las carencias de niños de 2010). Asimismo se han elaborado informes
7-10 años con poco o ningún acceso a la escuela, en los cuales se muestra que la utilización
enseñándoles a leer, a escribir y aritmética de este tipo de sistemas adaptativos estaría
básica sin el apoyo de un adulto. RoboTutor asociada a mayores niveles de empoderamiento,
produce una retroalimentación automática a la compromiso y proactividad del estudiante con
lectura hablada que realizan los niños frente a su proceso de aprendizaje (Horizon Report,
sus dispositivos. Esta aplicación fue desarrollada 2019; NSW Department of Education, 2017;
por la Universidad Carnegie Mellon, y en 2019 Luckin et al., 2016).
recibió el Global Learning XPRIZE que premia
aquellos programas informáticos que ayudan a Una variante de atención personalizada a los
la educación de los niños de países en desarrollo estudiantes explorada en los últimos años
(CMU, 2019). En el mismo sentido, la plataforma es la de los chatbots adaptativos. Se trata
Letrus de Brasil busca apoyar el trabajo escolar de sistemas de chat automatizados que dan
de desarrollo de la escritura, ofreciendo respuesta en lenguaje natural a las consultas
retroalimentación individual con base en el de los estudiantes sobre algún tema específico.
análisis de patrones y complementándola con En Argentina, por ejemplo, se llevó a cabo un
la revisión de los maestros. Esto permite, a su experimento con este tipo de tecnología para
vez, realizar análisis comparativo del desempeño la enseñanza de conceptos básicos ligados a
individual de los estudiantes a nivel de escuela las ciencias de la computación, el cual obtuvo
para informar la planificación escolar y alinearla una buena acogida por parte de los estudiantes
a las necesidades de los estudiantes (F6S, 2019). (Benotti, Martínez y Schapachnik, 2014). Otros
estudios han confirmado que el uso frecuente
En China se están desarrollando varias iniciativas de este tipo de herramienta de comunicación
innovadoras en este ámbito. Una de ellas es facilita la incorporación de los estudiantes a
MasterLerner, un “súper profesor” en línea actividades educativas (Dutta, 2017; Benotti,
capaz de responder simultáneamente 500 Martínez y Schapachnik, 2014).
millones de consultas de los estudiantes que
están preparando el examen de ingreso a la
universidad en ese país. Otra es Hujiang, un
sistema que dará retroalimentación en línea con
base en el reconocimiento de las expresiones de

8
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

Colaboración, juegos y diagnóstico conflictos y aprendizaje colaborativo entre los

primeros (UNESCO, 2019b; NSW Department of
Una segunda línea de aporte de la IA al proceso Education, 2017; Luckin et al., 2016).
pedagógico se relaciona con el apoyo que esta
presta a la colaboración entre estudiantes. En Un tercer ámbito en el que se espera una
educación, las plataformas para el trabajo contribución de la IA a la educación es su
colaborativo presentes desde hace varias incorporación en plataformas de juego
décadas hacen uso de espacios de discusión utilizadas como experiencias de aprendizaje.
asincrónicos. Tal es el caso de los foros en los El aporte de la IA a los juegos incluye la
que los estudiantes comparten sus preguntas modelación del jugador (reconocimiento de
y realizan tareas conjuntas (O’Malley, 2012; emociones faciales en tiempo real, adaptación
McLaren, Scheuer y Mikšátko, 2010). Son de la dificultad en forma automática y
diversos los avances que en materia de IA evaluación del sigilo) y el procesamiento de
están buscando contribuir a la forma en que lenguaje natural (evaluación en tiempo real
se interactúa en estos espacios. Por ejemplo, del contenido y entonación de lo dicho), entre
se han desarrollado sistemas que ofrecen otros elementos (Westera et al., 2019). Los
retroalimentación a los estudiantes para las juegos equipados con este tipo de experiencias
distintas materias y que informan a los docentes tendrían un potencial muy significativo en
de aquellas situaciones que podrían requerir el ambiente educativo, en la medida en que
su atención, lo cual se hace por medio de una permitirían desarrollar competencias sociales,
síntesis de las discusiones que se han llevado a de comunicación y de trabajo en equipo, así
cabo hasta ese momento (véase, por ejemplo, como persistencia, creatividad, autoeficacia y
McLaren, Scheuer y Mikšátko, 2010). capacidad de resolver problemas (Westera et
al., 2019; Romero, Usart y Ott, 2015). Diversos
Con este tipo de iniciativas se busca aprovechar autores señalan las ventajas de utilizar juegos
la capacidad de la IA de analizar las respuestas y con estos atributos aportados por la IA, ya
articular las discusiones en tiempo real con el fin que la participación de los estudiantes en
de fomentar las habilidades de argumentación estos contextos lúdicos de acción facilitaría
y debate de los alumnos (McLaren, Scheuer la articulación conjunta de varias de estas
y Mikšátko, 2010; Scheuer et al., 2010). La habilidades (Romero et al., 2015; Dede, 2010;
automatización de este tipo de procesos Westera et al., 2019). Igualmente, elementos
también puede ser importante para apoyar la muy propios de este tipo de juegos como la
actividad del docente cuando los grupos de evaluación del sigilo, es decir, la posibilidad
estudiantes son numerosos, ya que el análisis de evitar conflictos “ocultándose”, están
y resumen de las distintas discusiones que han fuertemente asociados al pensamiento
tenido lugar dentro de los diversos grupos de divergente y a la búsqueda de soluciones por
trabajo dota al maestro de insumos para apoyar fuera de lo común (Westera et al., 2019; Mislevy
de manera eficiente a cada grupo sin tener que 2011).
pasar por el proceso de recapitulación de todo
lo ocurrido (Gadanidis, 2017; Luckin et al., 2016). Por último, están surgiendo aplicaciones con las
que se busca aprovechar las nuevas capacidades
La incorporación de estas herramientas de de la IA en materia de reconocimiento de
IA como ente mediador de conversaciones patrones en conjuntos de datos muy complejos
entre los estudiantes y sus maestros está para realizar diagnósticos y otro tipo de
demostrando que favorece el desarrollo de contribuciones específicas. Por ejemplo,
habilidades de comunicación, resolución de la empresa sueca Lexplore desarrolló una

9
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

aplicación para predecir la dislexia con base en Consideraciones educativas y prácticas

el seguimiento del movimiento de los ojos de
los niños. Se están diseñando otras parecidas El aprovechamiento de la mayor parte de las
para identificar el autismo y el déficit de aplicaciones educativas desarrolladas a partir
atención con el uso de robots sociales (Craglia de las nuevas capacidades tecnológicas de la IA
et al., 2018). Asimismo, el uso de algoritmos supone condiciones de acceso a dispositivos
de reconocimiento de fonemas permitiría su y conexión a internet que permitan un trabajo
identificación y la corrección en tiempo real de individual y personalizado con los recursos
la pronunciación de distintas palabras, lo cual digitales. Esto implica que todos los alumnos
podría utilizarse para desarrollar habilidades de dispongan de una computadora portátil o una
habla y escucha de otra lengua sin necesidad de tableta (propia o del centro educativo) para
contar con un hablante nativo (Johnson et al., realizar las actividades pertinentes y que las
2014; Markowitz, 2013; Miangah y Nezarat, 2012). escuelas dispongan de internet de alta velocidad
Este tipo de tecnologías de reconocimiento para garantizar el trabajo fluido de cientos
de voz también se está aprovechando en de alumnos simultáneamente. Si bien cabría
plataformas adaptativas como Liulishou, suponer que en el mediano plazo es posible que
mencionada anteriormente y utilizada para la estas condiciones se tornen habituales en los
enseñanza del inglés en China. sistemas escolares de los países desarrollados,
se requerirán de todas maneras inversiones
También se está explorando el potencial importantes en infraestructura digital durante
del procesamiento del lenguaje natural los próximos años, incluso en naciones
para mejorar la capacidad de exposición de avanzadas en esta materia como Estados Unidos
los estudiantes. Se trata de desarrollar un (Lu y Harris, 2018). En cambio en los países en
asistente que, por medio del uso de cámaras vías de desarrollo solo las lograrán pequeños
y micrófonos instalados convenientemente grupos de escuelas, de modo que quedarán por
en el aula, contraste la información que está fuera del alcance de la mayoría de los centros
proporcionando el expositor con la información educativos probablemente por un buen tiempo,
de apoyo que este proyecta. Asimismo ofrece pese a los esfuerzos desplegados en materia
retroalimentación instantánea con base en el de políticas en las últimas décadas (Jara, 2015).
análisis del lenguaje corporal, la entonación de Aunque en América Latina y el Caribe se han
la voz y otros comportamientos no verbales con logrado avances importantes en temas de
el fin de mejorar la efectividad del estudiante digitalización y conectividad, existe aún una
como expositor (Canbek y Mutlu, 2016). fragmentación sustancial para zonas rurales
con altos niveles de marginación. Es posible
entonces que las promesas de una educación
personalizada apoyada por la IA no se cristalicen
todavía en los lugares donde más se necesita.

Pero más allá de estas restricciones prácticas,

existen consideraciones de índole pedagógica
que es necesario incorporar al análisis del
impacto que podrían tener los nuevos recursos
digitales potenciados por la IA. Como se
señaló anteriormente, la personalización
de la enseñanza es uno de los principales
ámbitos donde se espera que la IA contribuya

10
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

a la educación, gracias al potencial de esta ventajas de esta nueva tecnología (véase la

tecnología para detectar patrones y realizar sección 4 más adelante).
predicciones a grandes velocidades. Sin
embargo, se sabe que una experiencia educativa Muchas de estas preocupaciones surgen como
de calidad requiere una combinación de reacción a una visión en la que el futuro de
actividades individuales y colectivas que permita la educación es inexorablemente uno donde
conversaciones grupales y la adquisición de la diversidad de métodos de enseñanza y el
significados propios del aprendizaje social, algo trabajo docente requerido para el aprendizaje
que todo ejercicio educativo debe considerar son reemplazados por el trabajo personalizado
(Tuomi, 2018). De ahí la preocupación de en plataformas adaptativas potenciadas por la
que un énfasis excesivo en el uso de recursos IA. Sin embargo, este no parece ser el derrotero
digitales potenciados por la IA que realcen la más probable, pues ya ha comenzado a aparecer
personalización y las actividades individuales alguna evidencia de que la IA es más efectiva
vaya en desmedro de una experiencia educativa cuando complementa —no reemplaza— los
balanceada. métodos de enseñanza existentes, es decir,
cuando el ejercicio individual se agrega al trabajo
También hay preocupación por el sesgo social de la clase; cuando los sistemas de corrección
de una educación que hace hincapié en el automática enriquecen —no sustituyen— las
trabajo personal de los estudiantes. Para que observaciones del maestro; o cuando los sistemas
estos últimos sigan en forma independiente sus proporcionan al docente información sobre las
propias trayectorias de aprendizaje se requieren fortalezas y debilidades de los estudiantes para
niveles de autonomía que no siempre están su análisis y decisiones. En este escenario, el
presentes en el caso de los niños que viven en docente tiene el papel protagónico en el aula,
ambientes de privación y carecen de ayuda analizando la información que suministra la
en sus hogares. Por lo tanto, una educación IA, y guiando y articulando el trabajo de los
excesivamente personalizada podría favorecer estudiantes. En este escenario, el desafío se
a los sectores de mayor capital sociocultural, relaciona más bien con las capacidades de los
en detrimento de los niños con mayores docentes para realizar estas tareas, ya que son
necesidades educativas (Lu y Harris, 2018). En relativamente pocos los que cuentan con las
este mismo sentido, hay preocupación por el competencias necesarias para procesar todo
sesgo implícito de las aplicaciones de IA que el volumen de información individual que los
han sido entrenadas con datos de poblaciones nuevos sistemas proveen, y/o para traducirla en
diferentes a las que finalmente las utilizan, lo las respuestas personalizadas que se supone
que podría afectar también las posibilidades deben proporcionar (Lu y Harris, 2018).
de los sectores marginados de aprovechar las

11
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

Habilidades para un mundo con IA Pese a que existe un nivel consenso en torno a
la necesidad de formar al estudiantado en este
Otro de los desafíos a los que se enfrentan tipo de habilidades —con frecuencia enunciadas
las políticas educativas en el nuevo contexto en muchos programas de estudios nacionales—,
de masificación de la IA en el mundo del la forma en que se las debe desarrollar no es del
trabajo y la vida social se relaciona con el todo clara. Más aún, dentro de los principales
desarrollo de habilidades que permitan a los déficits en la formación de los actuales docentes
estudiantes desenvolverse apropiadamente figura justamente el de la enseñanza y promoción
en su vida adulta. Existe un nivel de consenso de este tipo de competencias (NSW Department
acerca de que esta nueva generación de of Education, 2017; Woolf et al., 2013).
estudiantes se enfrentará a un mercado del
trabajo radicalmente distinto del que vivieron En este escenario, las políticas educativas
las generaciones anteriores, y que por esa deberían asumir un papel activo en lo que se
razón deberán estar dotados de un conjunto refiere a crear las condiciones que hagan posible
de habilidades nuevas para que se puedan el desarrollo de estas habilidades en el entorno
desempeñar de manera idónea en la sociedad escolar. Allí la IA podría desempeñar una función
del futuro (NSW Department of Education, 2017; de apoyo muy relevante en su promoción. Las
Luckin et al., 2016; Pellegrino y Hilton, 2012). nuevas aplicaciones educativas de IA podrían
proporcionar el conocimiento necesario tanto a
Entre las competencias requeridas figuran los estudiantes como a los docentes, y hacerlo
la resolución de problemas no rutinarios, el con el dinamismo requerido para que se las
pensamiento lógico y crítico, y las habilidades pueda adaptar rápidamente a los cambios en la
interpersonales, de presentación y de resolución demanda del mundo laboral (véase por ejemplo
de conflictos. Asimismo se necesitarán Dragon et al., 2013; Floryan y Woolf, 2013).
habilidades intrapersonales, descritas en
términos generales como la capacidad de
adaptación, la autoadministración y el desarrollo
personal (NSW Department of Education, 2017;
Luckin et al., 2016; Pellegrino y Hilton, 2012).

En el siglo XXI se requerirá igualmente una

comprensión más profunda del mundo
digital –ciencias informáticas, pensamiento
computacional, programación–, para que los
jóvenes puedan participar en la discusión de
los dilemas que la IA está planteando a las
sociedades modernas e incorporarse de manera
activa y flexible a trabajos que operan cada vez
más con apoyos tecnológicos (Van Laar et al.,
2017; OCDE, 2016; Arntz, Gregory y Zierahn,
2016).

15
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

4. LOS RIESGOS Y DESAFÍOS

DEL USO DE LA IA EN
LA EDUCACIÓN

La revolución tecnológica de la IA plantea En segundo lugar, existe preocupación acerca

un conjunto de cuestionamientos, desafíos de que los sesgos implícitos en las nuevas
y riesgos que deben ser abordados por las aplicaciones de IA no ayuden a garantizar una
políticas públicas, pues de lo contrario podría educación inclusiva y de calidad para todos. El
mermarse la posibilidad de aprovechar los entrenamiento de los algoritmos de aprendizaje
beneficios potenciales que esta ofrece y que se automático se realiza con datos provenientes
describieron en las secciones anteriores. de ciertos contextos y personas, lo que podría
conducir a que estos sistemas internalicen
En primer lugar está la preocupación por la criterios parciales o discriminatorios propios
protección de la privacidad de los escolares. de esas fuentes. En tal sentido, su utilización
La inteligencia de los algoritmos de aprendizaje podría reproducir estos sesgos dentro de las
automático (machine learning) se obtiene al aulas, manteniendo o aumentando las brechas
entrenarlos con grandes volúmenes de datos, que ya existen en el campo educativo. Así pues,
lo que en el caso de la educación significa es esencial que se diseñen políticas destinadas
utilizar la información de los estudiantes y a prevenir que la incorporación de IA aumente
sus familias disponible en las escuelas y, en las brechas de género, raciales u otro tipo
algunos casos, en las redes sociales y otros existentes en la actualidad (Horizon Report,
registros de imágenes, videos y audios que 2019; BID, 2019b; UNESCO, 2019b).
realizan las aplicaciones para personalizar
sus respuestas. Los riesgos de información se En tercer lugar, y en relación con lo anterior,
relacionan con los protocolos de seguridad, también existe la preocupación de que la IA
mientras que la gobernanza de los datos por acentúe aún más los problemas de equidad
parte del sistema educativo y de las empresas educativa que se registran dentro de los países
que desarrollan las aplicaciones es materia de y entre ellos. Se reconoce que la difusión de
cuestionamiento y debate. Lo anterior se debe estas nuevas tecnologías ha sido hasta ahora
a que la información personal de los menores baja, en parte porque aún implican costos
de edad es más susceptible de ser usada para de inversión elevados para las escuelas, y en
fines distintos a los aprobados, con lo cual parte por la poca preparación de los docentes
aquellos pueden terminar siendo víctimas de en su manejo, lo que les impide comprender
manipulación comercial o de otro tipo (UNESCO, bien sus aportes y aprovecharlas en las aulas.
2019a; 2019b; Hilbert, 2015). Asimismo, el riesgo Es probable que las escuelas y países con más
de un ciberataque es alto cuando no existen recursos puedan ir creando las condiciones para
protocolos de seguridad apropiados en el uso el uso de la IA más rápido que en los países y
de la IA. Aunque no es un riesgo exclusivo sectores más pobres, aumentando en la práctica
de aquella, el potencial de sus aplicaciones la inequidad educativa preexistente (Zaidi,
para mejorar los procesos de enseñanza y Beadle y Hannah, 2018; NSW Department of
aprendizaje aumenta la exposición de los datos Education, 2017; McKinsey Global Institute, 2017;
personales de los estudiantes y sus familias. Luckin et al, 2016; Zaidi et al, 2018).

16
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

En cuarto lugar, existe tambien un reto que ya no sabemos con certeza qué estaba
relacionado a la interacción IA – estudiantes y la pensando y cómo emitió un juicio…” (Chen,
expectativa generada por la IA que la tecnología 2018). En otros casos, los investigadores han
pueda educar por sí sola a los estudiantes quedado sorprendidos cuando los algoritmos
y reemplazar a los docentes. La percepción han llegado a soluciones que no habían sido
popular de robots con capacidades humanas consideradas, lo cual deja al descubierto
divulgadas por los medios de comunicación un cierto margen de impredecibilidad en la
refuerza la idea de que, como está ocurriendo operación de este tipo de tecnología. Estas
en otros sectores de la economía, las máquinas características de la IA, que la diferencian
podrían automatizar las tareas de las cuales del resto de las tecnologías digitales que la
son responsables los docentes. Sin embargo, preceden, generan cuestionamientos éticos
si bien algunas de las labores rutinarias que sobre la responsabilidad de sus acciones, e
realizan podrían ser apoyadas por IA, hoy incluso sobre las responsabilidades legales
no se vislumbra en el horizonte que esto se que habría que afrontar en caso de que estas
pueda extender a la función fundamental acciones tuvieran consecuencias negativas para
que cumplen los docentes en el proceso de otras personas (Scherer, 2015).
construcción de los aprendizajes significativos
de los estudiantes (Tuomi, 2018; UNESCO, 2019a; Son varios los llamados que se han hecho
Horizon Report, 2019; Ganascia, 2018,). Para para que se impulsen políticas que maximicen
facilitar la adopción de las aplicaciones de IA los beneficios y mitiguen los riesgos de la
en las escuelas y por parte de los docentes es incorporación de las IA en las diferentes esferas
necesario despejar estas dudas que circulan en de la vida económica y social, incluyendo
la cultura popular, así como poner en su justa la educación. En América Latina y el Caribe
medida la contribución que puedan prestar las destaca la iniciativa fAIr LAC del BID (BID,
nuevas herramientas tecnológicas a los procesos 2019b). Esta se orienta a promover el uso
de enseñanza y aprendizaje y que serán ético de la IA para que se pueda aprovechar
complementarias al trabajo de los docentes. su potencial en el desarrollo de los países, al
tiempo que se resguarda la privacidad de los
Por último, muchos temen por el grado de datos y se evitan los posibles sesgos en la
autonomía que pudieran tener los sistemas construcción de los algoritmos. En particular, las
basados en IA. A diferencia de los sistemas políticas educativas deben abordar esta misión
computacionales tradicionales en que los incorporando en su diseño estratégico una visión
criterios y reglas de operación quedan explícitos en la cual se consideren las potencialidades y
en el código de sus programas, los algoritmos desafíos que conlleva la la IA. Esto con el fin de
de aprendizaje automático, que se autocalibran impulsar una educación que, respondiendo a las
para predecir los resultados deseados durante necesidades de la sociedad moderna, pueda al
su proceso de entrenamiento, no operan con mismo tiempo despejar los temores, actuar con
base en ningún criterio o regla y son, en cierta realismo y abordar sus dificultades (UNESCO,
medida, opacos respecto a por qué funcionan de 2019b; Tuomi, 2018).
la manera en que lo hacen (Craglia et al., 2018).
Un investigador que participa en el desarrollo
del sistema para automatizar la corrección de
los ensayos realizados por los estudiantes en
China ilustra esta situación al referirse al sistema
creado: “... [el algoritmo] ha evolucionado
continuamente y se ha vuelto tan complejo

17
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

5. CONCLUSIONES

En la última década, la inteligencia artificial de aplicaciones que los apoyen en tareas

(IA) ha mostrado avances muy significativos rutinarias, y a una mayor precisión en el diseño
que hacen posible implementar sistemas que y focalización de las políticas con base en el
abordan problemas que, aunque específicos, análisis inteligente de grandes volúmenes de
comportan una complejidad antes impensada. información educativa.
Los campos de aplicación de estos nuevos
algoritmos son amplios, y entre ellos figura Los responsables por la formulación de políticas
de manera prominente la educación. Esto tienen también el desafío de desarrollar en
aplica tanto a sus procesos de enseñanzas y las nuevas generaciones las habilidades y
aprendizaje directamente, como a sus sistemas conocimientos requeridos para desenvolverse
administrativos. en un mundo laboral dominado por la
automatización y donde la vida social está cada
Aunque todavía es prematuro dimensionar vez más digitalizada.
el impacto que esta revolución tendrá para la
educación, ya existen indicios de que podría Asimismo, por medio de las políticas se
tener un efecto profundo en la manera en que deben buscar formas de mitigar los riesgos y
los sistemas escolares educan y se administran. preocupaciones inherentes al uso de la IA en
El principal impacto esperado en el área de la la educación, salvaguardando la privacidad
enseñanza es el de una mayor personalización de la información personal de los estudiantes;
del aprendizaje gracias a sistemas adaptativos evitando que su uso en las aulas amplifique —
que ajustan las trayectorias educativas a las en vez de disminuir— los sesgos e inequidades
características y comportamiento individual preexistentes en la sociedad; y despejando los
de los estudiantes. En el ámbito de la mitos y temores que puedan obstaculizar su
administración, se espera un ahorro de tiempo adopción en las escuelas.
de los docentes gracias a la disponibilidad

18
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

Referencias
Arntz, M., T. Gregory y U. Zierahn, U. 2016. The Risk of Automation for Jobs in OECD Countries: A
Comparative Analysis.
Barrett, M., L.Branson, S. Carter, F. DeLeon, J. Ellis, C. Gundlach y D. Lee. 2019. Using Artificial
Intelligence to Enhance Educational Opportunities and Student Services in Higher Education. Inquiry:
The Journal of the Virginia Community Colleges, 22(1), 1-11.
Benotti, L., M. C. Martínez y F. Schapachnik. 2014. Engaging High School Students Using Chatbots.
En Proceedings of the 2014 conference on Innovation & technology in computer science
education (pp. 63-68). ACM.
Banco Interamericano de Desarrollo (BID). 2016. Uruguay: Implementación de un sistema de
monitoreo en analíticas de aprendizaje y tutorías virtuales (UR-T1143). Documento de Cooperación
Técnica.
------------. 2019a. Del papel a la nube: cómo guiar la transformación digital de los sistemas de
información y gestión educativa (SIGED). Consultado en https://publications.iadb.org/es/del-papel-la-
nube-como-guiar-la-transformacion-digital-de-los-sistemas-de-informacion-y-gestion
------------. 2019b. fAIr LAC. BID Mejorando vidas. Consultado en https://www.iadb.org/es/fairlac
Blanchard, E. G. 2015. Socio-cultural Imbalances in AIED Research: Investigations, Implications and
Opportunities. International Journal of Artificial Intelligence in Education, 25, 204-228.
Canbek, N.G. y M. E. Mutlu. 2016. On the Track of Artificial Intelligence: Learning with Intelligent
Personal Assistants. Journal of Human Sciences, 13(1), 592-601.
Carrillo, P., M. Onofa y J. Ponce. 2010. Information Technology and Student Achievement: Evidence
from a Randomised Experiment in Ecuador. IDB Working Paper Series No. IDB-WP-223.
Chen, S. 2018. China’s schools are quietly using AI to mark students’ essays… but do the robots make
the grade? Society, South China Morning Post. Consultado en https://www.scmp.com/news/china/
society/article/2147833/chinasschools-are-quietly-using-ai-mark-studentsessays-do
CIPPEC. 2018. Un sistema educativo digital para la Argentina. CIPPEC, Argentina.
Carnegie Mellon University (CMU) 2019. RoboTutor. Carnegie Mellon University. Consultado en https://
www.cmu.edu/scs/robotutor/
Cobo, C. 2019. Is Education Ready to Work in Data-intensive Environments? World Bank EduTech
Blog. Consultado en https://blogs.worldbank.org/edutech/education-ready-work-data-intensive-
environments
Cobo, C., C. Brovetto y F. Gago. 2016. A Global Network for Deep Learning: The Case of Uruguay.
Consultado en https://ssrn.com/abstract=2834902
Consejo Directivo Central de la Administración Nacional de Educación Pública (CODICEN). 2016.
Propuesta para un sistema de protección de trayectorias educativas. CODICEN.
Conati, C. y S. Kardan. 2013. Student Modeling: Supporting Personalized Instruction, from Problem
Solving to Exploratory, Open-Ended Activities. AI Magazine, 34(2).

19
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

Craglia M. (Ed.), A. Annoni, P. Benczur, P. Bertoldi, P. Delipetrev, G. De Prato, C. Feijoo, E. Fernández

Macías, E. Gómez, M. Iglesias, H. Junklewitz, M. López Cobo, B. Martens, S. Nascimento, S. Nativi, A.
Polvora, I. Sánchez, S. Tolan, I. Tuomi y L. Vesnic Alujevic. 2018. Artificial Intelligence – A European
Perspective, EUR 29425 EN, Oficina de Publicaciones, Luxemburgo.
Dede, C. 2010. Comparing Frameworks for 21st Century Skills. En J. Bellanca y R. Brandt, editores. 21st
Century Skills: Rethinking How Students Learn (pp. 51–75). Bloomington, IN: Solution Tree Press
Dillaha W. y J. Haren. 2017. The Newest Trends un Data-Driven Decision Making. Consultado en http://
blogs.edweek.org/edweek/education_futures/2017/01/the_newest_trend_in_data-driven_decision_
making_connecting_student_and_educator_growth.html
Domínguez, P. 2011. Medición del impacto de una empresa privada en la comunidad: el caso de
Compumat (Tesis de maestría inédita). Pontificia Universidad Católica de Chile.
Dorca, F. 2015. Implementation and use of simulated students for test and validation of new adaptive
educational systems: A practical insight. International Journal of Artificial Intelligence in Education, 25,
319-345.
Dragon, T., M. Mavrikis, B. M. McLaren, A. Harrer, C. Kynigos, R. Wegerif y Y. Andyang. 2013.
Metafora: A Web-Based Platform for Learning to Learn Together in Science and Mathematics. IEEE
Transactions on Learning Technologies, 99(1).
Dutta, D. 2017. Developing an Intelligent Chat-bot Tool to Assist high School Students for Learning
General Knowledge Subjects. Georgia Institute of Technology.
E U Joint Research Centre for Policy (Editores: R. Vuorikari, J. Castaño Muñoz; Autores y
Colaboradores: R. Ferguson, A. Brasher, D. Clow, A. Cooper, G. Hillaire, J. Mittelmeier, B. Rienties, T.
Ullmann y R. Vuorikari). 2016. Research Evidence on the Use of Learning Analytics - Implications for
Education Policy. Joint Research Centre Science for Policy Report.
F6S (2019). Letrus Brasil. F6S Netwok. Consultado en https://www.f6s.com/letrusbrazil
Floryan, M. y B. P. Woolf 2013. Improving the Efficiency of Automatic Knowledge Generation Through
Games and Simulations. En Proceedings of 16th International Conference on Artificial Intelligence in
Education, Lecture Notes in Computer Science 7926. Berlin: Springer.
Frey, C.B. M. A. Osborne. 2013. The Future Of Employment: How Susceptible Are Jobs To
Computarisation. Oxford: University of Oxford.
Gadanidis, G. 2017. Artificial Intelligence, Computational Thinking, and Mathematics Education. The
International Journal of Information and Learning Technology, 34(2), 133-139.
Ganascia, J.G. 2018. Inteligencia artificial: Entre el mito y la realidad. El Correo de la UNESCO.
Inteligencia Artificial: Promesas y Amenazas. Bélgica: UNESCO Press.
Hilbert, M. 2015. Big Data for Development: A Review of Promises and Challenges. Development
Policy Review, 34(1), 135-174.
Horizon Report (2019). EDUCAUSE: Higher Education Edition. Louisville, CO: EDUCAUSE. Consultado
en https://library.educause.edu/media/files/library/2019/4/2019horizonreport.pdf?la=en&hash=C8E-
8D444AF372E705FA1BF9D4FF0DD4CC6F0FDD1

20
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

Jara, I. 2015. Infraestructura digital para educación: avances y desafíos para Latinoamérica. Cuaderno
Siteal/TIC. IIPE – UNESCO Sede Regional Buenos Aires.
Jing, M. 2018. China Wants to Bring Artificial Intelligence to its Classrooms to Boost its Education
System. Science & Research, South China Morning Post. Consultado en https://www.scmp.com/tech/
science-research/article/2115271/china-wants-bring-artificial-intelligence-its-classrooms-boost
Johnson, L., S. Becker, V. Estrada y A. Freeman. 2014. Horizon Report: 2014 Higher Education.
Consultado en http://www.editlib.org/p/130341/

Kaku, M. 2012. La física del futuro: Cómo la ciencia determinará el destino de la humanidad y nuestras
vidas cotidianas en el siglo XXII. Buenos Aires: Debate.
Kim, Y., T. Soyata y R. F.Behnagh. 2018. Towards Emotionally Aware AI Smart classroom: Current
Issues and Directions for Engineering and Education. IEEE Access, 6, 5308-5331.
Loble, L. 2018. Aprender a vivir en la era de la IA. El Correo de la UNESCO. Inteligencia Artificial:
Promesas y Amenazas. Bélgica: UNESCO Press.
Lu, L. L. y L.A. Harris. 2018. Artificial Intelligence (AI) and Education. FOCUS: Congressional Research
Service. Consultado en https://fas.org/sgp/crs/misc/IF10937.pdf

Luckin, R., W. Holmes, M. Griffiths y L. B. Forcier. 2016. Intelligence Unleashed: An argument for AI in
Education. Londres: Pearson Education.
Markowitz, J. A. 2013. Beyond SIRI: Exploring Spoken Language in Warehouse Operations, Offender
Monitoring and Robotics. En Mobile Speech and Advanced Natural Language Solutions, 3-21. New
York: Springer.
Martens B. 2018. The Impact of Data Access Regimes on Artificial Intelligence and Machine Learning,
Digital Economy Working Paper 2018-09;, EUN JRC Technical Reports.

McFarlane, A. 2019. Aprendizaje auténtico para la era digital: desencadena el potencial del aula.
México: Trillas.
McKinsey Global Institute. 2017. A Future that Works: Automation, Employment and Productivity.
Consultado en https://www.mckinsey.com/~/media/mckinsey/featured%20insights/Digital%20
Disruption/Harnessing%20automation%20for%20a%20future%20that%20works/MGI-A-future-that-
works-Executive-summary.ashx
McLaren, B. M., O. Scheuer y J. Mikšátko. 2010. Supporting Collaborative Learning and
E-discussions Using Artificial Intelligence Techniques. International Journal of Artificial Intelligence in
Education, 20(1), 1-46.
Miangah, T.M. y A. Nezarat. 2012. Mobile-Assisted Language Learning. International Journal of
Distributed and Parallel Systems, 3(1), 309-319.
Mislevy, R.J. 2011. Evidence-Centered Design for Simulation-Based Assessment. CRESST Report
800. Los Angeles, CA: National Center for Research on Evaluation, Standards, and Student Testing
(CRESST).

21
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

Nouri, J., M. Ebner, D. Ifenthaler, M. Saqr, J. Malmberg, M. Khalil, O. Viberg, J. Bruun, M. Conde-
González, Z. Papamitsiou y U. Berthelsen. 2019. Efforts in Europe for Data-Driven Improvement of
Education – A Review of Learning Analytics Research in Seven Countries. International Journal of
Learning Analytics and Artificial Intelligence for Education. 1(1). Consultado en https://doi.org/10.3991/
ijai.v1i1.11053

NSW Department of Education. 2017. Education: Future Frontiers. Discussion Paper Nº 2: Challenges
and Opportunities. New South Wales Government, Australia. Consultado en https://education.nsw.
gov.au/our-priorities/innovate-for-the-future/education-for-a-changing-world/media/documents/
exar/future-frontiers-discussion-paper-2.pdf

Nye, B.D. 2015. Intelligent Tutoring Systems by and for the Developing World: A Review of Trends
and Approaches for Educational Technology in a Global Context. International Journal of Artificial
Intelligence in Education, 25(2), 177-203.

O’Malley, C. (Ed.). 2012. Computer Supported Collaborative Learning (Vol. 128). Springer Science &
Business Media.

Organization for Cooperation and Economic Development (OCDE). 2016. Policy Brief on the Future of
Work - Skills for a Digital World © OECD.

------------. 2018. AI: Intelligent Machines, Smart Policies Conference Summary. OECD Digital Economy
Papers, 270.

Ovalle, D. y J. Jiménez. 2006. Ambiente inteligente distribuido de aprendizaje: integración de ITS y

CSCL por medio de agentes pedagógicos. Revista EIA (6), 89-104.

Pellegrino, J. y M. Hilton. 2012. Committee on Defining Deeper Learning and Twenty-First Century
Skills. National Research Council. Atlanta, GA: National Academies Press

Peña, C., J. Marzo, J. de la Rosa y R. Fabregat. 2002. Un sistema de tutoría inteligente adaptativo
considerando estilos de aprendizaje. Revista UIS ingenierías, 1(2), 17-29.

Perera, M. y D. Aboal. 2018. The Impact of a Mathematics Computer-Assisted Learning Platform on

Students’ Mathematics Test Scores. Fundación CEIBAL. Consultado en https://digital.fundacionceibal.
edu.uy/jspui/ handle/123456789/225

Pombo, C., R. Gupta, R. y M. Stankovic. 2018. Servicios sociales para ciudadanos digitales:
oportunidades para América Latina y el Caribe. Banco Interamericano de Desarrollo. Consultado en
https://publications.iadb.org/bitstream/handle/11319/8885/Servicios-sociales-para-ciudadanos-
digitales-Oportunidades-para-America-Latina-y-el-Caribe.pdf?sequence=1&isAllowed=y

Prentzas, J. e I. Hatzilygeroudis. 2011. Techniques, Technologies and Patents Related to Intelligent

Educational Systems. En G. D. Magoulas, (ed.) E-Infrastructures and Technologies for Lifelong
Learning: Next Generation Environments (pp. 1–28). Hershey: Information Science Reference.

Prentzas, J. 2013. Artificial Intelligence Methods in Early Childhood Education. En Artificial Intelligence,
Evolutionary Computing and Metaheuristics, 169-199. Springer, Berlin, Heidelberg.

Rojas, P. 2017. Learning Analytics. Una revisión de la literatura. Educ. Educ., 20(1), 106-128.

Romero, M., M. Usart y M. Ott. 2015. Can Serious Games Contribute to Developing and Sustaining 21st
Century Skills?. Games and Culture, 10(2), 148-177.

22
 USOS Y EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN EDUCACIÓN

Russell, S. J. y P. Norvig, P. 2016. Artificial Intelligence: A Modern Approach. Malaysia: Pearson

Education Limited.

Scherer, M.U. 2015. Regulating Artificial Intelligence Systems: Risks, Challenges, Competencies, and
Strategies. Harvard Journal of Learning & Technology, 29, 353.

Scheuer, O., F. Loll, N. Pinkwart y B. M. McLaren. 2010. Computer-supported Argumentation: A Review

of the State of the Art. International Journal of Computer-Supported Collaborative Learning, 5(1), 43-
102.

Schlidkamp K., M. Kuin Lai, L. Eral, editores. 2013. Data-based Decision Making in Education:
Challenges and Opportunities. Google Books. Dordrecht, Alemania: Springer.

Schildkamp K., L. Karbautzki y J. Vanhoof. 2014. Exploring Data Use Practices Around Europe:
Identifying Enablers and Barriers. Studies in Educational Evaluation, vol. 42, 15–24.
Smith, A. y J. Anderson. 2014. AI, Robotics, and the Future of Jobs. PEW Research Center.

Stanford University University (2016). Artificial Intelligence and Life in 2030. One hundred year
study on artificial intelligence report of the 2015 study panel. Consultado en https://ai100.Stanford
University.edu/sites/g/files/sbiybj9861/f/ai_100_report_0916fnl_single.pdf

Sutherland, R. 2014. Education and Social Justice. Bristol, Reino Unido: Policy Press.

The Royal Society. 2018. The Impact of Artificial Intelligence on Work: An Evidence Synthesis on
Implications for Individuals, Communities, and Societies. Londres: The Royal Society. Consultado en
https://www.thebritishacademy.ac.uk/sites/default/files/AI-and-work-evidence-synthesis.pdf

Trach E. 2018. Tackling Data-Driven Decision Making in Education. Consultado en https://www.

schoology.com/blog/tackling-data-driven-decision-making-education

Tuomi, I. 2018. The Impact of Artificial Intelligence on Learning, Teaching, and Education. European
Union Joint Research Centre for Policy Report. Consultado en https://ec.europa.eu/jrc/en/publication/
eur-scientific-and-technical-research-reports/impact-artificial-intelligence-learning-teaching-and-
education

UN Educational, Scientific and Cultural Organization (UNESCO). 2019a. Concept Note. International
Conference on Artificial Intelligence and Education Planning Education in the AI Era: Lead the Leap.
Beijing, China.

------------. 2019b. Artificial Intelligence in Education: Challenges and Opportunities for Sustainable
Development. Working Papers on Education Policy, 7.

Van Geel M., T. Keuning, A. J. Visscher y J. P. Fox . 2016. Assessing the Effects of a School-wide Data-
based Decision-making Intervention on Student Achievement Growth in Primary Schools. American
Educational Research Journal, vol. 53, no. 2, 360–39.

Van Laar, E., A. van Deursen, J. van Dijk y J. de Haan. 2017. The relation between 21st-century skills
and digital skills: A systematic literature review. Computers in Human Behavior, 72, 577-588.

Westera, W., R. Prada, S. Mascarenhas, P. A. Santos, J. Dias, M. Guimarães y C. Christyowidiasmoro.

2019. Artificial Intelligence Moving Serious Gaming: Presenting Reusable Game AI
Components. Education and Information Technologies, 1-30.

23