Inteligencia artificial

en educación

Contenido
1. SAT (Sistema de alta temprana)
2. Inteligencia artificial en educación
3. Robótica educativa
4. Inteligencia artificial y neurociencia cognitiva: el
tándem prodigioso
5. Referencias bibliográficas.
SAT (Sistema de alta temprana)

Antes de sumergirnos en la clase, conozcamos el SAT. Para explorar y

acceder a la información, simplemente debes hacer clic en el ícono

Sigue el hipervínculo en la imagen para acceder

Inteligencia artificial en educación

Retomando podemos indicar que la inteligencia artificial es una rama de la

informática que se enfoca en la creación de programas y sistemas que
imitan la inteligencia humana. Su objetivo es permitir que las máquinas
realicen tareas que requieren de inteligencia, como el aprendizaje y la
resolución de problemas.

En educación, la IA puede ayudar a mejorar la calidad de la enseñanza y el

aprendizaje de los estudiantes para entender cómo en la presente clase
trabajaremos sobre:

Innovaciones en IA en educación:

• sistemas de tutores inteligentes

• robótica educativa

• neurociencia cognitiva

• visión artificial y razonamiento.

Luego avanzaremos sobre el impacto de la IA en la demanda de habilidades

y competencias y sobre el futuro de la misma en educación.

Sistemas de tutores inteligentes.

Siguiendo a Rodríguez Chávez (2021) podemos definir a sistema tutorial

inteligente (ITS) como

sistemas computacionales diseñados para impartir instrucción y apoyar

inteligentemente los procesos de enseñanza-aprendizaje mediante la
interacción con el alumno (Arias, Jiménez y Ovalle, 2009). Desde esta
perspectiva, un ITS es un tipo de ambiente interactivo que está diseñado
para el aprendizaje individual y se distingue de los otros tipos por su
capacidad para modelar el estado cognitivo del usuario, permitiendo
brindar consejos sensibles al contexto y retroalimentar en todos los pasos
de un proceso de aprendizaje (Graesser, Chipman, Haynes y Olney, 2005).
Su objetivo principal, además de dominar un área de conocimiento en
específico, es desarrollar una metodología que se adapte al alumno e
interactúe dinámicamente con él (Hernández y Rengifo, 2015) (p.6).

En educación según indica Vidal (2022), la Inteligencia Artificial se utiliza

para mejorar el proceso de enseñanza y aprendizaje y, aunque parezca
algo nuevo, ya en los 90 se hablaba de micromundos, de tutoriales
inteligentes y de enseñanza asistida por ordenador. La mayor crítica que se
les hacía entonces era que estos programas no interactuaban con el
alumno (Gross, 1992).

Pero hoy…la inteligencia artificial actualmente trabaja precisamente en esa

dirección, en la interacción y la personalización de la respuesta.

La personalización, las tutorías inteligentes, la robótica educativa y la

analítica de aprendizaje (Learning Analytics). La inteligencia artificial crea
nuevos ecosistemas de aprendizaje en los que se mejora la experiencia del
alumno a través de la combinación de PNL (procesamiento natural del
lenguaje), Machine Learning, Learning Analytics y técnicas
de crowdsourcing que permiten adaptarse a los estilos y necesidades de
aprendizaje, calificar respuestas cortas, programar tareas o realizar
evaluación por pares (Vidal, 2022).

¿Cómo trabajan los sistemas de inteligencia artificial?

Learning Analytics permite procesar los datos extraídos de los cursos en

línea y obtener patrones sobre cómo aprendemos y utilizarlos para mejorar
la calidad del aprendizaje. En este contexto, la figura del profesor, lejos de
debilitarse, se fortalece. De la transmisión del conocimiento pasa a reforzar
su figura como mentor, acompañando a los estudiantes y facilitando su
aprendizaje (Vidal, 2022).

Los sistemas de tutoría inteligente unen alumnos con tutores

interactivos (interactive machine tutors).

Los cursos masivos MOOC (Massive Online Open Courses o Cursos online
masivos y abiertos) permiten, a través de técnicas de procesamiento
natural del lenguaje (PNL), atender aulas con cientos de estudiantes y
ofrecerles una experiencia de aprendizaje personalizada. Al mismo tiempo,
los datos almacenados por el programa sobre estilos y necesidades de
aprendizaje se utilizan para analítica de aprendizaje. La importancia de
estas técnicas no se ven solo en las aulas. También en la formación
corporativa y el aprendizaje informal, en los que la interacción cara a cara
es menos importante.

Sin duda en nuestro ámbito se presentan excelentes ejemplos de MOOC, les

dejo algunos solo para que den una vuelta y si alguno les llama mucho NO
DUDES EN HACERLO.

El que más me gusta, o los mejor dichos lo que más me gustan son las de
INTEF.

Un MOOC vinculado a lo que estudiamos

Otras ofertas

Otra variante de estos sistemas son los que permiten el desarrollo

personalizado de aprendizajes uno muy popular es Duolingo

Las plataformas educativas incorporan paulatinamente mayores

herramientas en función de tipo de Sistemas de Tutores Inteligentes.

Progreso de lectura - Microsoft Teams

Bueno pero los nombrados entre otros tienen un alcance limitado como
Sistema de Tutoría Inteligente. Para avanzar es muy interesante que
prueben sistemas como ALEKS.

ALEKS ("Assessment and LEarning in Knowledge Spaces") es un sistema

educativo basado en inteligencia artificial para la evaluación y aprendizaje
individualizado en cursos de matemáticas que está disponible las 24 horas,
los 7 días de la semana por internet, su nivel va de intermedio a elevado. Es
producido por la acreditada editorial científica MC GRAW HILL.
Robótica educativa

Analizaremos sobre la temática siguiendo los desarrollos que en la materia

han generado los profesionales de Grupo Iberdrola[1] empresa que hace
más de 100 años se dedica al análisis de avances energético. La robótica
educativa —o robótica pedagógica— es una disciplina concebida para que
los estudiantes se inicien desde edades muy tempranas en la robótica y la
programación de forma interactiva.

[1] https://www.iberdrola.com

En el caso de la enseñanza infantil y primaria, la robótica educativa pone a

disposición de los alumnos todo lo necesario para construir y programar de
forma sencilla un robot capaz de ejecutar diferentes tareas. Asimismo,
también hay robots más avanzados —y de mayor coste— destinados a
la educación secundaria y superior. En cualquier caso, la complejidad de la
disciplina siempre se adapta a la edad de los alumnos.

La robótica educativa se engloba dentro de la llamada educación

STEM (Science, Technology, Engineering and Mathematics), un modelo de
enseñanza destinado a enseñar conjuntamente ciencia, matemáticas y
tecnología y en el que la práctica prima sobre la teoría.

Aportes de los robots en la educación.

En edades tempranas, los robots educativos ayudan a los niños a

desarrollar, mientras juegan, una de las habilidades cognitivas básicas del
pensamiento lógico matemático: el pensamiento computacional. Es decir,
ayudan a desarrollar el proceso mental que utilizamos para resolver
problemas de diversa índole mediante una secuencia de acciones
ordenadas.

Además de desarrollar el pensamiento computacional, los robots

educativos favorecen el desarrollo de otras habilidades cognitivas entre
niños y jóvenes:

Aprender de los errores: descubrir que los errores no son definitivos

sino una fuente de nuevas conclusiones es una valiosa lección para el
futuro.
 Trabajo en equipo: el planteamiento de retos grupales fomenta la
socialización y colaboración.

Adaptación: debido al creciente aumento de la automatización y los

aparatos inteligentes, familiarizarse con el uso de robots les hará
estar más adaptados al mundo del mañana.

Creatividad: la búsqueda de soluciones y la libertad para asignarle

nuevas funciones a estos robots estimula la imaginación y creatividad.

Autoestima: la consecución de éxitos en un campo novedoso mejora

la percepción que los estudiantes tienen de sí mismos.

Emprendimiento: además de aumentar su autoestima, los éxitos en un

campo les impulsan a abordar nuevas tareas en otros campos.

Autoevaluación: al poder ver los resultados de sus actos al momento,

sin necesidad de que un adulto les diga si lo han hecho bien o mal, los
estudiantes aprenden a evaluar su propio desempeño.

Aplicaciones prácticas: el hecho de poner en práctica conocimientos

matemáticos o físicos aprendidos en el colegio motiva a los niños y
jóvenes a seguir estudiando estas materias.

Más habilidades cognitivas sobre las que los robots educativos influyen
positivamente son la responsabilidad, el orden y un desarrollo más óptimo
de la percepción espacial y de las relaciones entre objetos.

Otro importante beneficio de los robots educativos es que enseñan a los

niños a familiarizarse y aprender conceptos básicos de programación, una
habilidad que va cobrando mayor relevancia cada año. Un dato
revelador: según la Comisión Europea en 2020 habrá en Europa 825.000
puestos de trabajo sin cubrir debido a la falta de profesionales de las
ciencias de la computación y de las TIC.

En el caso de la educación secundaria y superior, los robots

educativos ayudan a que los alumnos profundicen en sus conocimientos de
robótica y programación a través de modelos más avanzados. Asimismo,
los robots humanoides de alto coste, programados para impartir cualquier
asignatura, también son de utilidad en las aulas gracias a su capacidad
para atraer la atención de los alumnos y, en las clases de robótica y
programación, porque ejercen de nexo perfecto entre la teoría y la práctica

Antes de cerrar el tema un videíto...

Portal educ.ar desde la página de educación de salta. Te invitamos a dar

una vuelta por todos los materiales que desde la presente página se
articulan http://www.edusalta.gov.ar/index.php/informacion/partes-de-
prensa/4365-como-aprender-robotica-y-ponerlo-en-practica-en-
nuestras-aulas
Inteligencia artificial y neurociencia
cognitiva: el tándem prodigioso

La inteligencia artificial (IA) y la neurociencia prometen formar una

asociación cada vez más fructífera que conducirá a resultados
sorprendentes en el diseño y construcción de dispositivos y
aplicaciones inteligentes.

De hecho, el maestro en inteligencia artificial de Google y fundador de Deep

Mind, Demis Hassabis, afirmó que, si la inteligencia artificial no se inspira en
el cerebro, desaparecerá "Sólo podremos traspasar los límites de la
inteligencia artificial comprendiendo mejor la inteligencia humana"
(Hassabis, 2018).

Esto implica un cambio de los métodos tradicionales de IA

dominados por la lógica y los modelos matemáticos teóricos a la
computación biológica, complementada con la neurociencia
y desempeñando un papel activo en las funciones cognitivas.

John Von Neumann, el padre de la arquitectura de las computadoras

digitales modernas, hizo una serie de analogías estimulantes e influyentes
en su libro, "La computadora y el cerebro". La metáfora del cerebro como
computadora digital ha demostrado ser bastante popular y, a menudo, se
lleva demasiado lejos. Por ejemplo, el campo de la IA se refiere al potencial
de acción de una neurona como una implementación biológica de un
esquema de codificación binaria. Esta y otras malas interpretaciones de la
biología cerebral deben eliminarse de los pensamientos acerca de cómo se
puede implementar la inteligencia. Incluso con la concepción rudimentaria
de cómo se implementa en los cerebros. Existen diferencias claras entre las
computadoras y los cerebros (Zambrano et al., 2018, p. 441).
A medida que la inteligencia artificial se vuelva menos artificial y
más parecida al cerebro, abordará tareas que el cerebro pueda realizar.

La calidad inigualable del cerebro en interacciones complejas en tiempo

real con el mundo será útil para crear inteligencia artificial con mayor
razonamiento.

Los investigadores de inteligencia artificial que intenten imitar las

notables capacidades del cerebro se beneficiarán al aprender más
sobre neurociencia y las diferencias entre los humanos y la
inteligencia artificial.

Por otro lado, el campo de la neurociencia también se beneficiará de los

avances en inteligencia artificial que ayuden a comprender la inteligencia
humana y procesar las enormes cantidades de datos procesados por la
neurociencia moderna.

Pocos dudan de que la inteligencia artificial alcanzará su máximo potencial

para producir conocimiento inspirado en la inteligencia humana.

Visión artificial y razonamiento.

Para trabajar sobre este tema seguiremos los aportes de Benavidez (2021)
quien indica que la visión artificial es un campo de la inteligencia artificial
que tiene como objetivo programar un computador para que "entienda"
una escena o las características de una imagen. Esta información es
empleada para tomar decisiones o controlar un proceso. Sin duda el
análisis de imagen y biométricos se hace cada vez más común en nuestra
vida cotidiana.

Para reconocer cuan amplio es su uso en la actualidad demos una vuelta

por diversos ámbitos:
1. LA INDUSTRIA: automatización, metrología laser, identificación,
cuantificación, manipulación, estudio de materiales,
electroluminiscencia, corte automático, control de calidad.

2. ENTRETENIMIENTO: Kinect, Realidad virtual, Realidad aumentada,

videoconsolas.

3. LECTURA DE CÓDIGOS: letras, números, código de barras, OCR, OCV.

4. MEDICINA: imágenes diagnósticas, medicina forense, Escáner 3D,

cirugía robotizada, ortopedia, tomografía axial computarizada, RX,
resonancia magnética, medicina nuclear, Angiografía, endoscopía,
retina artificial, industria farmacéutica.

5. BIOMETRÍA: reconocimiento de caras, posturas 3D, firmas, huellas,

retina, iris, movimiento de los labios, deformación.

6. ROBÓTICA: guiado de robots, control de brazos móviles, sensores,

ensamblado de piezas, interacción sin mandos.

7. INTELIGENCIA ARTIFICIAL: control de sistemas, planificación automática,

reconocimiento de escritura, reconocimiento del habla,
reconocimiento de patrones.

8. PSICOLOGÍA: Neurociencia, aprendizaje, redes neuronales.

9. BIOLOGÍA: Microscopía de fluorescencia, conteo de microorganismos y

células, identificación de propiedades como el color, forma, tamaño,
textura, reconocimiento de hojas, plantas, grado de floración,
patrones.

10. SEGURIDAD: Telepresencia, radar, aplicaciones militares, vigilancia,

seguimiento de actividades humanas, objetos abandonados.

11. TRÁFICO VEHICULAR: Vehículos autónomos, Drones Semáforos

inteligentes, control de tráfico, control de velocidad, identificación
automática de placas y de señales de tránsito.
 12. TELEDETECCIÓN: análisis multiespectral, geología, fotogrametría,
cartografía.

13. ASTRONOMÍA: misiones espaciales, detección de rayos gamma,

radiotelescopios, Tracking (Benavides, 2021, p.4).

En todos estos ámbitos, la visión artificial, no sólo tiene un futuro prometedor

sino un campo de aplicación exponencial a medida que surjan nuevos
servicios y demandas. Esta multitud de usos y áreas de investigación
demanda, por parte de la sociedad, profesionales que posean
conocimientos en visión artificial.

Vemos algunas diferencias y posibilidades que se pueden establecer entre

la Visión Artificial vs Visión Biológica

Dentro del espectro electromagnético la visión humana solamente capta

un pequeño rango de frecuencias y amplitudes: “rango de luz visible”, los
sistemas de visión artificial pueden captar todo el espectro, es decir,
además del rango de luz visible puede captar ondas de radio, de televisión,
microondas, infrarrojos, ultravioletas, rayos X, rayos gamma y rayos
cósmicos.

La velocidad de respuesta de la visión humana es de 0,06 segundos,

mientras que en las cámaras de estado sólido es de 0,00001 segundos y
este tiempo se va reduciendo según se mejora la electrónica de estos
sistemas.

A diferencia de los sistemas artificiales, la visión humana se cansa, se ve

afectada por las emociones y es poco consistente por la fatiga y las
distracciones, en cambio la visión artificial mantiene su nivel de rendimiento
constante a lo largo de su vida útil. Es ideal en trabajos repetitivos y
monótonos.
El ser humano puede discernir entre 10 ó 20 niveles de gris, los sistemas de
visión artificial tienen una definición muy superior.

La visión humana tiene muy poca precisión y para obtener información

cuantitativa necesita apoyarse en instrumentos de medida, los sistemas de
visión artificial tienen gran precisión en la medición, dependiendo
solamente de la resolución espacial de los componentes del sistema.

Los sistemas de visión artificial pueden trabajar en entornos muy peligrosos,

con riesgos radioactivos, químicos, biológicos, ruido, polución, temperaturas
muy altas y muy bajas (Benavides, 2021, p.4, 5).

Antes de cerrar esta clase te proponemos leer un fragmento de un artículo

sobre ¿cómo se usa la IA en reconocimiento de emociones y de la atención
en clase en China?

¡Sonria! Lo estamos filmando

Inteligencia artificial: la clave para vigilar a los estudiantes en China. 15

mayo, 2019[1]

Siete escuelas de ese país están probando una cámara de video que
analiza minuto a minuto las expresiones faciales de los estudiantes
para verificar si ponen atención. ¿Será este el futuro de la educación?

Hay una pequeña cámara de vigilancia encima del tablero. Los

alumnos de la escuela secundaria Niulanshan, en Pekín, no lo
sospechan, pero los está observando. Cada minuto, toma una foto de
la clase.

Luego, un software de reconocimiento facial identifica a los alumnos y,

según su lenguaje corporal los clasifica en una de seis conductas
diferentes: leyendo, escribiendo, alzando la mano, de pie, escuchando
al profesor o reclinándose sobre la mesa.

Parece una novela de ciencia ficción, un ‘fanfic’ de 1984 de George

Orwell. Pero es lo que viven -sin saberlo, en muchos casos- los
estudiantes de algunos colegios en China que están probando el
Sistema de Cuidado de Clase, un software de monitoreo del aula con
inteligencia artificial, parte del plan del gobierno de “Educación
Inteligente”.

En teoría, la idea de esta tecnología es ayudar a los profesores y

padres a conocer el comportamiento de sus hijos y alumnos, saber
cuándo uno de ellos tiene problemas para prestar atención y poder
intervenir cuanto antes.

La tecnología puede, no solo ‘leer’ el comportamiento del estudiante,

sino recoger la información pasada y presente del estudiante para
crear una puntuación semanal que puede usar el maestro para
identificar a los jóvenes que más necesitan ayuda.

Además, los padres también pueden ver en tiempo real el

comportamiento de sus hijos, si ponen atención o se duermen en
clase, una posibilidad que atrae mucho a la nueva generación de
papás helicóptero.

“Por lo general, los profesores solo están pendientes de dos tipos de

estudiantes: los más inteligentes y los más necios. La idea de nuestra
tecnología es cuidar de cada niño en el salón de clase, incluso los más
ignorados alumnos de nivel promedio”, dijo Zhang Haopeng, director
general de Hanwang Education, la empresa que desarrolló el software,
al medio chino Sixth Tone.

A quienes no les gusta tanto es a los estudiantes. Según un extenso

reportaje publicado en Sixth Tone, algunos alumnos sienten “ansiedad
 de pensar que, si los cogen distraídos en clase, eso afecte sus
posibilidades de entrar en la universidad que desean”…

[1] https://www.redem.org/inteligencia-artificial-la-clave-para-
vigilar-a-los-estudiantes-en-china/

Te pedimos que nos cuentes alguna experiencia que hayas vivido con ITS, si
no has probado alguno aun deberás hacerlo, la experimentación es central
en esto de las IA. Debes publicar la historia en el padlet con una muestra de
lo desarrollado por medio de una imagen.

Recuerda indicar claramente tu nombre y apellido en la publicación

Además, vamos a jugar con IA: Publica en el foro tus resultados

Primero te invitamos a reconocer que imágenes se han desarrollado con IA

con el siguiente juego de Google.

El juego Odd One Out pone a prueba la capacidad de las personas para
detectar las imágenes que sean generadas por inteligencia artificial. La
dificultad se presenta en forma de límite de tiempo pues los jugadores no
podrán pasar varios segundos analizando cada una.

El juego de Google Odd One Out utiliza inteligencia artificial para genera
imágenes.

Segundo juego: Un-Dough!

¡El juego “Un-Dough!” tiene muchas semejanzas con el del “ahorcado”. Sin
embargo, no se presentan pistas previas para adivinar el nombre
de monumentos históricos alrededor del mundo más allá de indicar a
qué país pertenece.
Foro: Resultado Juegos

Te invitamos a la BOTpíldora de la presente clase… en ella revisaremos solo

algunas de las aplicaciones de la IA fuera del ámbito educativo sin duda
esto es solo el comienzo.
Referencias bibliográficas.

Benavides, G. (2021). Visión Artificial: la innovación disruptiva en la

educación. Recuperado
de https://recursos.educoas.org/sites/default/files/5186.pdf

Rodríguez Chávez, M. (Mayo-2021). Sistemas de tutoría inteligente y su

aplicación en la educación superior. Revista Iberoamericana
Investigación. 11(22) 5-25.

Vidal, A. (2022), Inteligencia artificial para mejorar la enseñanza y el

aprendizaje. Recuperado de https://blog.bechallenge.io/inteligencia-
artificial-en-la-
educacion/#:~:text=Tutor%C3%ADas%20Inteligentes%20(TI)%3A%20Si,dirige%
20nuestro%20aprendizaje%20a%20solventarlos.

Zambrano, M (2018). La neurociencia y su relación con la inteligencia

artificial. Revista Científica de Investigación actualización del mundo de las
Ciencias, 3 (48) 423-441.