CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 59-67
ISSN (en línea): 1814-4152 / Sitio web: http://cuaderno.pucmm.edu.do
CÓMO CITAR: Cukierman, U. y Vendrell Vidal, E. (2020). Aprendizajes reales en ambientes virtuales: El rol de la tecnología en la era de la Inteligencia Artificial y
el Big Data. Cuaderno de Pedagogía Universitaria, Vol. 17, n.º 34, julio-diciembre, pp. 59-67
a. Master en Tecnologías de la Información Aplicadas a la Empresa por la Universidad Politécnica de Madrid e Ingeniero Electrónico por la Universidad Tecnológica
Nacional (UTN) de Argentina. Actualmente es profesor y director del Centro de Investigación e Innovación Educativa en la UTN. Para contactar al autor:
uriel@cukierman.name
b. Doctor en Informática por la Universidad Politécnica de Valencia. Actualmente es profesor y Vicerrector de Estudios, Calidad y Acreditación en dicha
Universidad. Para contactar al autor: even@upv.es
59
Aprendizajes reales en ambientes virtuales:
El rol de la tecnología en la era de la Inteligencia Artificial
y el Big Data
Real learnings in virtual environments:
The role of technology in the Artificial Intelligence and Big Data era
Recibido: 18 de marzo de 2020 / Aceptado: 18 de mayo de 2020
Resumen
La Inteligencia Artificial y el Big Data han cobrado
relevancia en los ámbitos académicos recientemente y
se nos plantean interrogantes sobre su aplicación y
utilidad. En este artículo analizaremos los significados
de estas tecnologías, las implicancias de su utilización
en el ámbito educativo y el impacto que pudieran tener
en la labor pedagógica. Lo haremos a partir de los
cuestionamientos más habituales que toda nueva
tecnología presenta cuando se la pretende utilizar en
educación y con base en una sucinta investigación
bibliográfica que le dé sentido y sustento a este
abordaje, concluyendo así en lo que sabemos desde
hace mucho, y es que la tecnología no vale por sí
misma, sino por el uso que hacemos de ella.
UNIVERSIDAD TECNOLÓGICA
NACIONAL (UTN) DE ARGENTINA
uriel@cukierman.name
URIEL CUKIERMAN
UNIVERSITAT POLITÈCNICA DE VALÈNCIA
even@upv.es
EDUARDO VENDRELL VIDAL
a
b
Palabras clave: Inteligencia Artificial; Big Data;
Analíticas de aprendizaje; Aprendizaje adaptativo.
Abstract
Artificial Intelligence and Big Data have recently
gained relevance in academic fields, raising questions
about their application and usefulness. In this article we will analyze the meanings of these
technologies and the implications of their use for pedagogical purposes. We will do so based
on the most frequent questions that every new technology presents when it is intended to be
used in education, and based on a bibliographic research that gives meaning and support to
this approach, concluding in what we have known for long time now, and it is that technology
is not worth by itself, but by the use we make of it.
Keywords: Artificial Intelligence; Big Data; Learning analytics; Adaptive learning.
60
1. Introducción
Muchos podrían creer que la tecnología es
algo que surgió en el siglo XX y que ha
alcanzado su mayor impacto en este siglo
XXI, pero no es cierto, desde siempre ha
existido tecnología. Algunos todavía hoy se
sienten escépticos con ella, a otros les
apasiona. En el plano de la Educación, unos
enseñan Tecnología a nivel escolar como
una asignatura del currículo; otros, a nivel
universitario, son los responsables de
conducir a la nueva generación en los
avances tecnológicos en las carreras rela-
cionadas con la informática. Sin embargo,
hoy todos los docentes debemos revestir-
nos de una nueva competencia, no importa
si nos gusta o no la tecnología, si somos o
no somos del área, es imprescindible que
nos aboquemos todos a la Tecnología
Educativa.
Muchos hemos avanzado ya un largo
recorrido de aprendizaje, investigación y
experimentación en el campo que nos ha
llevado desde el desarrollo de plataformas
educativas en línea (Cukierman, 2005),
hasta la implementación de redes de
videoconferencia (Castro, Meier, Cukierman,
Waigandt, 2015), pasando por las más
variadas experiencias educativas con mayor
o menor incorporación de recursos
tecnológicos (Cukierman et al., 2017 y
2018). En estos tiempos, la tecnología es
cada vez más omnipresente y ubicua. Las
discusiones entre tecnofóbicos y tecnofíli-
cos ya son cosa del pasado. Hoy sabemos
que la cuestión no es la tecnología en sí
misma, sino cómo y para qué se usa.
Primero, la discusión fue si se permitía el
uso de calculadoras electrónicas, luego, el
objeto controversial fueron los celulares y
ahora podrían serlo la Inteligencia Artificial
(IA) y el Big Data (BD).
Este artículo se detiene en estos dos últimos
conceptos y pretende analizar su signifi-
cado, su posible uso en el ámbito educativo
y el impacto que pueden tener en la labor
pedagógica.
En primer lugar, se hará un somero repaso
2. Una primera aproximación
conceptual al tema
Es muy común que se hable de educación
virtual cuando se refiere a educación a
distancia o mediada por tecnología. Por eso
es oportuno iniciar este estudio haciendo
algunas reflexiones conceptuales al
respecto. Virtual refiere a algo opuesto a lo
real, por lo tanto, algo que no existe. Por eso
sería preferible no utilizar el término virtual
para adjetivar a la educación. Lo que
importa en educación es lo que el alumno
realmente aprende que, es importante
aclarar, no es lo mismo que lo que el
profesor enseña. Por eso nos centraremos
en los aprendizajes reales que ocurren en
espacios que no tienen existencia física
palpable, entonces diremos que dichos
aprendizajes se desarrollan en ambientes
virtuales, los cuales son mediados por
recursos tecnológicos.
Ahora bien, ya en esta segunda década del
siglo XXI la IA y el BD están en boca de
todos, quizás con poco conocimiento del
significado de estos conceptos y con mucho
de fantasía generada por novelas, películas
y muchos “opinadores” que hablan del tema
sin molestarse en indagar en búsqueda de
información seria al respecto. Por ello es
oportuno en este punto dedicar algunas
líneas a definir ambos conceptos de una
manera precisa. Según la Real Academia
de la lengua española, la Inteligencia
Artificial, en lo sucesivo IA, es un concepto
que refiere a la “disciplina científica que se
ocupa de crear programas informáticos que
ejecutan operaciones comparables a las
que realiza la mente humana, como el
a los conceptos de IA y BD, su origen y su
desarrollo básico inicial, para luego analizar
su aplicación al ámbito educativo, conside-
rando si su uso en este entorno puede
aportar una mejora en el aprendizaje de los
estudiantes. Este análisis se aborda desde
la consideración de aplicaciones concretas
y deteniéndonos en unos de los aspectos
clave del aprendizaje: la evaluación. Final-
mente, se emiten unas conclusiones como
resultado del análisis.
aprendizaje o el razonamiento lógico” (Real
Academia Española, s.f.). El concepto no es
realmente nuevo, de hecho fue en el año
1955 que aparece mencionado por primera
vez en un trabajo que es considerado la
piedra basal de este nuevo campo. En este
trabajo, los autores se refieren a la IA
diciendo que:
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 59-67
61
Es muy común que se hable de educación
virtual cuando se refiere a educación a
distancia o mediada por tecnología. Por eso
es oportuno iniciar este estudio haciendo
algunas reflexiones conceptuales al
respecto. Virtual refiere a algo opuesto a lo
real, por lo tanto, algo que no existe. Por eso
sería preferible no utilizar el término virtual
para adjetivar a la educación. Lo que
importa en educación es lo que el alumno
realmente aprende que, es importante
aclarar, no es lo mismo que lo que el
profesor enseña. Por eso nos centraremos
en los aprendizajes reales que ocurren en
espacios que no tienen existencia física
palpable, entonces diremos que dichos
aprendizajes se desarrollan en ambientes
virtuales, los cuales son mediados por
recursos tecnológicos.
Ahora bien, ya en esta segunda década del
siglo XXI la IA y el BD están en boca de
todos, quizás con poco conocimiento del
significado de estos conceptos y con mucho
de fantasía generada por novelas, películas
y muchos “opinadores” que hablan del tema
sin molestarse en indagar en búsqueda de
información seria al respecto. Por ello es
oportuno en este punto dedicar algunas
líneas a definir ambos conceptos de una
manera precisa. Según la Real Academia
de la lengua española, la Inteligencia
Artificial, en lo sucesivo IA, es un concepto
que refiere a la “disciplina científica que se
ocupa de crear programas informáticos que
ejecutan operaciones comparables a las
que realiza la mente humana, como el
3. ¿Qué relación tienen la IA y
el BD con la educación?
A primera vista pareciera que estos
conceptos no tienen nada que ver con la
educación, en la que tratamos con
inteligencias humanas y, por lo tanto,
absolutamente reales y, en general, con
datos muy personalizados, o por lo menos
así pretendemos que sea. En efecto,
cuando hablamos del aprendizaje que
queremos que alcancen nuestros alumnos,
lo asociamos con el desarrollo de sus
inteligencias, dicho así, en plural, tal como lo
propuso Gardner en su ya famosa “Teoría
de las inteligencias múltiples” (Gardner,
1983) (Gardner y Hatch, 1989) (Gardner,
1991), que no tienen nada de artificial.
No obstante, la tecnología se ha hecho
imprescindible en todos los contextos, y así
vemos que la IA y el BD están generando
aprendizaje o el razonamiento lógico” (Real
Academia Española, s.f.). El concepto no es
realmente nuevo, de hecho fue en el año
1955 que aparece mencionado por primera
vez en un trabajo que es considerado la
piedra basal de este nuevo campo. En este
trabajo, los autores se refieren a la IA
diciendo que:
uno de los mercados de mayor crecimiento
en la educación (Technavio, 2018). Obvi-
amente, que haya un mercado no implica
que lo que se vende sea bueno, sino que
hay alguien dispuesto a comprarlo. Pero si
hay tanto interés en invertir ingentes sumas
de dinero en este tipo de tecnología, eso
nos lleva a preguntarnos sobre su utilidad y,
para responder esta pregunta, primero hay
que entender cómo la IA y el BD pueden
aportar a la mejora del aprendizaje.
Comencemos explorando dos conceptos
directamente relacionados entre sí. Se
trata de “Analíticas de Aprendizaje” y
“Aprendizaje Adaptativo”. El primero de
ellos deriva directamente de lo que se llama
“Inteligencia de Negocios” y también de lo
que se conoce como “Analíticas Web”, en
ambos casos se trata de recolectar y
analizar grandes volúmenes de información
para facilitar la toma de decisiones y/o
comprender el comportamiento de los usua-
rios (Grigori, D., Casati, F., Castellanos, M.,
Dayal, U., Sayal, M., y Shan, M. 2004) (Web
Analytics Association, 2007). En conse-
cuencia, podemos decir que las Analíticas
de Aprendizaje constituyen una aplicación
educativa de Analíticas Web que pretende
obtener un perfil de los estudiantes, con
base en un proceso de recopilación y análi-
sis de las interacciones de los estudiantes
con base en sus actividades de aprendizaje
en línea (New Media Consortium, 2016), o
sea, esto supone que todo lo que hace el
estudiante lo hace a través de la Web, lo
que de por sí constituye una aseveración de
dudosa validez, al menos en nuestro ámbito
nacional y regional (Argentina en particular y
Latinoamérica en general), pero dejaremos
el análisis crítico de este tema para más
adelante.
Analicemos a continuación el concepto de
“Aprendizaje Adaptativo” que se define
como el conjunto de tecnologías que res-
ponden a las interacciones de un estudiante
en tiempo real proporcionándole un apoyo
individual automatizado (EdSurge, 2016).
Se trata, pues, de que el modelo de apren-
dizaje se adapte o acondicione a las cir-
cunstancias y avance del estudiante, de
manera personalizada. Esto se consigue
controlando la información que se “libera”
hacia el estudiante, su ritmo de aprendizaje
y a través de una retroalimentación adecua-
da e inmediata. Estos tres elementos clave
pueden ser controlados, precisamente, con
la aplicación de la IA y el BD en el
aprendizaje del estudiante.
A esta altura queda suficientemente clara la
respuesta a la pregunta con la que iniciamos
esta sección. Vayamos entonces a realizar
un análisis crítico de estas tecnologías y de
su impacto efectivo en los ámbitos educa-
tivos y lo haremos partiendo, nuevamente,
de una pregunta.
Vayamos ahora pues por la definición del
otro concepto involucrado en este estudio, o
sea, el de Big Data, en lo sucesivo BD. Si
bien en algunos textos en español se suele
referir a este concepto como “Datos
Masivos”, es más común hablar de él utili-
zando su denominación en inglés, idioma en
el cual se lo considera un sustantivo, por ello
es que nos referiremos a “el” BD. El manejo
de grandes cantidades de datos se remonta
a épocas muy lejanas en el tiempo, pero es
recién en los últimos años que se ha
producido un crecimiento exponencial del
volumen de información disponible y apta
para ser procesada. Este aumento expo-
nencial de los datos tiene relación directa,
obviamente, con el desarrollo de la
tecnología y de su amplio uso. No obstan-
te, hay un fenómeno o desarrollo intrínse-
camente asociado al BD: la accesibilidad a
la información y la conectividad. Con ello
han proliferado las aplicaciones, algoritmos
y dispositivos físicos que permiten conec-
tarse a Internet y entre ellos mismos,
generando posibilidades no imaginadas
hasta hace bien poco y ofreciendo oportu-
nidades de desarrollo en ámbitos muy
Se intentará encontrar cómo hacer
que las máquinas utilicen el
lenguaje, formen abstracciones y
conceptos, resuelvan tipos de
problemas que ahora están reser-
vados para los humanos y se
mejoren a sí mismos. [...] Para el
propósito actual, se considera que
el problema de la inteligencia
artificial consiste en hacer que una
máquina se comporte de una
manera que se llamaría inteligente
si un humano se comportara de
esa manera. (McCarthy, Minsky,
Rochester, y Shannon, 1955)
diferentes. El Internet de las Cosas (Internet
of Things, IoT), es un efecto derivado de
esta conectividad y un factor clave en la
proliferación de los datos. La conectividad
entre dispositivos y entre humanos y
dispositivos genera una cantidad de datos
considerable, nunca antes imaginada, que
supone una oportunidad en lo que respecta
a su análisis y la toma de decisiones
asociada.
Se atribuye a Roger Magoulas, de la
editorial O’Reilly, la primera utilización del
término BD en un artículo del año 2005
(Halevi y Moed, 2012). Ahora bien, la
acumulación de muchos datos no es
necesariamente un sinónimo de BD. En
realidad, el BD se trata de una forma de
recopilar datos “crudos” de múltiples y
diversas fuentes, almacenarlos para ser
procesados por los programas de análisis y
usarlos para derivar valor y significado en
formas completamente nuevas (Perry,
2017). Se suele hablar de las “4 V” del BD,
volumen, variedad, velocidad y veracidad.
Hechas estas aclaraciones conceptuales,
en la próxima sección trataremos de
relacionar estos conceptos con la
educación.
62
A primera vista pareciera que estos
conceptos no tienen nada que ver con la
educación, en la que tratamos con
inteligencias humanas y, por lo tanto,
absolutamente reales y, en general, con
datos muy personalizados, o por lo menos
así pretendemos que sea. En efecto,
cuando hablamos del aprendizaje que
queremos que alcancen nuestros alumnos,
lo asociamos con el desarrollo de sus
inteligencias, dicho así, en plural, tal como lo
propuso Gardner en su ya famosa “Teoría
de las inteligencias múltiples” (Gardner,
1983) (Gardner y Hatch, 1989) (Gardner,
1991), que no tienen nada de artificial.
No obstante, la tecnología se ha hecho
imprescindible en todos los contextos, y así
vemos que la IA y el BD están generando
4. ¿Se pueden mejorar los
aprendizajes de nuestros
alumnos por medio de estas
tecnologías?
En la sección anterior ha quedado claro que
la potencial efectividad de estas tecnologías
está basada en la suposición que los
estudiantes realizan todas o la mayoría de
sus actividades a través de recursos
digitales conectados en red. Hoy en día más
de la mitad de la población mundial
tiene acceso a Internet (International
Telecommunications Union, 2019) y es por
eso que empresas globales como Google y
Facebook tienen su razón de ser en los
datos que colectan de los miles de millones
de usuarios que utilizan sus servicios. Estas
y otras empresas basan sus estrategias
comerciales en el análisis de la enorme
cantidad de datos que obtienen gracias a
los miles de millones de usuarios que
buscamos información en Google o
publicamos nuestras novedades en
Facebook. Para ellas, la IA y el BD, y las
técnicas derivadas de Inteligencia de
Negocios y Analíticas Web, resultan vitales,
sin estas técnicas, aquellas empresas no
existirían. Pero ¿se puede transpolar esta
efectividad en la determinación de nuestras
necesidades como consumidores, y la con-
secuente satisfacción de ellas, al campo
educativo y, más aún, suponer que ello
permitirá mejorar los aprendizajes de los
uno de los mercados de mayor crecimiento
en la educación (Technavio, 2018). Obvi-
amente, que haya un mercado no implica
que lo que se vende sea bueno, sino que
hay alguien dispuesto a comprarlo. Pero si
hay tanto interés en invertir ingentes sumas
de dinero en este tipo de tecnología, eso
nos lleva a preguntarnos sobre su utilidad y,
para responder esta pregunta, primero hay
que entender cómo la IA y el BD pueden
aportar a la mejora del aprendizaje.
Comencemos explorando dos conceptos
directamente relacionados entre sí. Se
trata de “Analíticas de Aprendizaje” y
“Aprendizaje Adaptativo”. El primero de
ellos deriva directamente de lo que se llama
“Inteligencia de Negocios” y también de lo
que se conoce como “Analíticas Web”, en
ambos casos se trata de recolectar y
analizar grandes volúmenes de información
para facilitar la toma de decisiones y/o
comprender el comportamiento de los usua-
rios (Grigori, D., Casati, F., Castellanos, M.,
Dayal, U., Sayal, M., y Shan, M. 2004) (Web
Analytics Association, 2007). En conse-
cuencia, podemos decir que las Analíticas
de Aprendizaje constituyen una aplicación
educativa de Analíticas Web que pretende
obtener un perfil de los estudiantes, con
base en un proceso de recopilación y análi-
sis de las interacciones de los estudiantes
con base en sus actividades de aprendizaje
en línea (New Media Consortium, 2016), o
sea, esto supone que todo lo que hace el
estudiante lo hace a través de la Web, lo
que de por sí constituye una aseveración de
dudosa validez, al menos en nuestro ámbito
nacional y regional (Argentina en particular y
Latinoamérica en general), pero dejaremos
el análisis crítico de este tema para más
adelante.
Analicemos a continuación el concepto de
“Aprendizaje Adaptativo” que se define
como el conjunto de tecnologías que res-
ponden a las interacciones de un estudiante
en tiempo real proporcionándole un apoyo
individual automatizado (EdSurge, 2016).
Se trata, pues, de que el modelo de apren-
dizaje se adapte o acondicione a las cir-
cunstancias y avance del estudiante, de
manera personalizada. Esto se consigue
controlando la información que se “libera”
hacia el estudiante, su ritmo de aprendizaje
y a través de una retroalimentación adecua-
da e inmediata. Estos tres elementos clave
pueden ser controlados, precisamente, con
la aplicación de la IA y el BD en el
aprendizaje del estudiante.
A esta altura queda suficientemente clara la
respuesta a la pregunta con la que iniciamos
esta sección. Vayamos entonces a realizar
un análisis crítico de estas tecnologías y de
su impacto efectivo en los ámbitos educa-
tivos y lo haremos partiendo, nuevamente,
de una pregunta.
banca hogareña o de compras por Internet;
se nos ofrece una asistencia que pareciera
ser humana, tiene una cara y un nombre, a
la que le podemos hacer preguntas pero, a
poco de avanzar, nos damos cuenta que
solo puede responder cuestiones bastante
reguladas y que si nuestras dudas son un
poco más complejas, o se salen del “libreto”,
nos indicará muy amablemente (eso sí,
estos asistentes nunca se enojan) que un
ejecutivo de cuentas se estará comunicando
con nosotros en breve. Y entonces
podemos seguir haciéndonos preguntas,
¿es esta la personalización que preten-
demos para la formación de nuestros
alumnos, o será una forma de reducir
personal o de poder atender a más
personas en menos tiempo?
Veamos por lo menos una más de las
pretendidas aplicaciones de esta tecno-
logía: la evaluación. La evaluación es uno
de los elementos clave en el aprendizaje de
los estudiantes, por lo que resulta de
especial interés el análisis del uso de la IA y
el BD en este aspecto. En principio, la idea
que subyace es que estos sistemas
permitirían optimizar y volver más imparcial
el proceso de evaluación de los apren-
dizajes de los alumnos. Para poder analizar
las supuestas ventajas de este tipo de
aplicación, debemos tener siempre presente
que el objetivo de las evaluaciones (que no
deben confundirse con las calificaciones
que resultan de dichas evaluaciones) es
servir para la mejora, mostrándole al alumno
los aspectos de su aprendizaje que
evolucionan favorablemente y aquellos en
los que debe seguir trabajando. Está claro
que dichas evaluaciones “automatizadas”
pueden funcionar de manera apropiada
cuando estén correctamente parame-
trizadas, como es el caso del examen
de opciones múltiples. No obstante, en
principio resultarían poco apropiadas
cuando lo que se intenta evaluar son
competencias, entendidas como la ade-
cuada combinación de conocimientos,
habilidades, actitudes y aptitudes. Por ejem-
plo, ¿cómo podría un sistema de IA evaluar
la participación de un alumno en clase, o la
resolución de un problema abierto o la
presentación de un tema en clase, etc.?
El análisis que nos ocupa se focaliza en
determinar, o al menos presumir, si la IA y el
BD servirán para mejorar los aprendizajes.
Y para responder esta interrogante pro-
ponemos tres escenarios posibles: el de la
educación tradicional enteramente presen-
cial, el de la llamada educación híbrida o
“blended learning” en la cual se com-
binan actividades desarrolladas de manera
presencial y otras desarrolladas en línea
soportadas por plataformas informáticas
como las mencionadas anteriormente en
este artículo y, finalmente, la educación que
se realiza enteramente a distancia y, en
muchos casos, con poca o ninguna
interacción con el docente, siendo los
MOOC (Massive Open Online Courses) su
principal exponente.
Está claro que, en este último escenario, la
IA y el BD tendrán un rol cada vez más
creciente, pero también es posible que los
aprendizajes efectivos en estos entornos
sean bastante limitados, como concluye
Tony Bates en su libro “Teaching in a Digital
Age”, “…es necesario que se realice mucha
más investigación para identificar qué
aprenden realmente los participantes en los
MOOC y bajo qué condiciones antes de
arribar a conclusiones definitivas” (Bates,
2015, pag. 176).
Sobre el primer escenario antes menciona-
do, el de la educación tradicional entera-
mente presencial, cabe mencionar que, si
efectivamente no hay involucrada ninguna
actividad soportada o viabilizada a través de
alguna tecnología digital, difícilmente la IA
tenga algo que ofrecer al respecto, ya que
no habrá datos sistematizados en platafor-
ma informática alguna que puedan ser
procesados automáticamente.
Nos resta entonces analizar el segundo
escenario, que es el que debería ser el más
utilizado en la actualidad, especialmente en
la educación secundaria y universitaria, y es
allí donde la IA podría ofrecer algunas
oportunidades de aplicación. En efecto,
cuanto más utilicemos las tecnologías
digitales como soporte y/o apoyo de los
procesos de enseñanza y aprendizaje, más
oportunidades habrá para que los algorit-
mos inteligentes procesen la información
generada por los alumnos y los docentes al
utilizar aquellas tecnologías, pero como dijo
sabiamente Bates en la cita previa,
necesitamos mucha más investigación al
respecto. De acuerdo con Oppenheimer, el
escenario más probable es aquel en el cual
la IA será una herramienta muy útil en las
manos de un profesional idóneo que sepa
cómo aprovecharla para potenciar sus
propios conocimientos y habilidades.
(Oppenheimer, 2018)
Al analizar este avance tecnológico, es
evidente que hay más preguntas que
respuestas, pero de todas formas trataremos
de llegar a alguna conclusión que sopese
adecuadamente las ventajas y desventajas
sin caer en posturas facilistas de rechazo a
las innovaciones, actitud que sería lejana
a la esencia que pretendemos en los do-
centes, que sean abiertos al cambio y a las
innovaciones en la educación.
alumnos? Antes de sacar conclusiones
apresuradas, analicemos un poco más a
fondo el tema.
Es cierto que existe una tendencia creciente
en la educación hacia la utilización de
recursos digitales en red, y más
específicamente, accesibles por Internet.
Veamos algunos números para saber en
qué se basa esta afirmación. En Europa, en
promedio, el 73 % de los estudiantes de
nivel secundario superior (15 a 18 años de
edad) utilizan Internet en la escuela con
objetivos de aprendizaje, al menos una vez
a la semana, y 65% de las escuelas en el
mismo nivel utilizan un Entorno Virtual de
Enseñanza y Aprendizaje (EVEA), también
conocido por sus siglas en inglés LMS
(Learning Management System) o, más
comúnmente, Campus Virtual (Deloitte -
Ipsos MORI, 2019). En Latinoamérica la
situación no es muy distinta, ya que el 75%
de los países relevados cuentan con
instituciones educativas primarias y
secundarias con instrucción asistida por
Internet (UNESCO, 2012). Estas esta-
dísticas nos indican que los datos que
generan nuestros alumnos cuando realizan
actividades educativas a través de sistemas
digitales conectados a Internet están allí y,
de hecho, deben estar siendo escrutados
por las mismas empresas mencionadas
anteriormente. Pero volviendo a la pregunta
con la que iniciamos esta sección, ¿significa
esto que esos datos pueden ser utilizados
para mejorar los aprendizajes? Eso es lo
que nos proponen las aplicaciones de IA
que a tal efecto ofrecen empresas tales
como Knewton , Clever , Yet Analytics y
otras. Como con cualquier otra innovación
tecnológica aplicada a la educación, están
sus promotores y sus detractores (El Alfy,
Marx Gómez, y Dani, 2018) (Nunn, Avella,
Kanai, y Kebritchi, 2016), pero la mejor
forma de saber a ciencia cierta si un
determinado recurso es útil en un
determinado nivel educativo, disciplina,
curso, etc., es mediante la investigación y
experimentación en esas condiciones dadas
o, dicho de otra manera, lo que le funciona
al profesor X en su curso, disciplina,
institución, podría no resultarle productivo al
profesor Y en su propio curso, disciplina o
institución.
Dicho esto, analicemos en detalle las
aplicaciones concretas y particulares de
estas tecnologías en el ámbito educativo. El
objetivo más comúnmente mencionado
es el de promover un aprendizaje
personalizado a partir de las “huellas
digitales” que dejan los alumnos al utilizar
los sistemas informáticos; adecuar sus
trayectos formativos, actividades de apren-
dizaje, evaluaciones, etc. a sus necesidades
particulares y, en un nivel más avanzado,
prever su desempeño a futuro aun antes
que se produzcan los resultados concretos.
El objetivo pretendido es ambicioso, aunque
habría que analizar si los resultados
concretos justifican la inversión en tiempo y
dinero que estos recursos requieren porque,
justo es decirlo, no son fáciles de utilizar ni
son baratos, por lo que probablemente su
uso se encuentre restringido a instituciones
privadas que manejen importantes recursos
económicos. Y aquí aparece la que es una
de las principales prevenciones al respecto,
¿lo utilizarán estas instituciones para
mejorar los aprendizajes de los alumnos o
para fidelizar y evitar el abandono de
quienes proveen los recursos económicos
que solventan el funcionamiento de dichas
instituciones, o sea, sus alumnos?
Analicemos a continuación otras de las
aplicaciones de esta tecnología, nos
referimos a los sistemas de tutoría auto-
matizada, para decirlo más sencillamente,
un asistente basado en IA que responderá
las consultas de los alumnos y los orientará
con sus dudas y necesidades. Algunos de
nosotros ya hemos experimentado este tipo
de asistentes en muchos sitios web de
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 59-67
63
En la sección anterior ha quedado claro que
la potencial efectividad de estas tecnologías
está basada en la suposición que los
estudiantes realizan todas o la mayoría de
sus actividades a través de recursos
digitales conectados en red. Hoy en día más
de la mitad de la población mundial
tiene acceso a Internet (International
Telecommunications Union, 2019) y es por
eso que empresas globales como Google y
Facebook tienen su razón de ser en los
datos que colectan de los miles de millones
de usuarios que utilizan sus servicios. Estas
y otras empresas basan sus estrategias
comerciales en el análisis de la enorme
cantidad de datos que obtienen gracias a
los miles de millones de usuarios que
buscamos información en Google o
publicamos nuestras novedades en
Facebook. Para ellas, la IA y el BD, y las
técnicas derivadas de Inteligencia de
Negocios y Analíticas Web, resultan vitales,
sin estas técnicas, aquellas empresas no
existirían. Pero ¿se puede transpolar esta
efectividad en la determinación de nuestras
necesidades como consumidores, y la con-
secuente satisfacción de ellas, al campo
educativo y, más aún, suponer que ello
permitirá mejorar los aprendizajes de los
banca hogareña o de compras por Internet;
se nos ofrece una asistencia que pareciera
ser humana, tiene una cara y un nombre, a
la que le podemos hacer preguntas pero, a
poco de avanzar, nos damos cuenta que
solo puede responder cuestiones bastante
reguladas y que si nuestras dudas son un
poco más complejas, o se salen del “libreto”,
nos indicará muy amablemente (eso sí,
estos asistentes nunca se enojan) que un
ejecutivo de cuentas se estará comunicando
con nosotros en breve. Y entonces
podemos seguir haciéndonos preguntas,
¿es esta la personalización que preten-
demos para la formación de nuestros
alumnos, o será una forma de reducir
personal o de poder atender a más
personas en menos tiempo?
Veamos por lo menos una más de las
pretendidas aplicaciones de esta tecno-
logía: la evaluación. La evaluación es uno
de los elementos clave en el aprendizaje de
los estudiantes, por lo que resulta de
especial interés el análisis del uso de la IA y
el BD en este aspecto. En principio, la idea
que subyace es que estos sistemas
permitirían optimizar y volver más imparcial
el proceso de evaluación de los apren-
dizajes de los alumnos. Para poder analizar
las supuestas ventajas de este tipo de
aplicación, debemos tener siempre presente
que el objetivo de las evaluaciones (que no
deben confundirse con las calificaciones
que resultan de dichas evaluaciones) es
servir para la mejora, mostrándole al alumno
los aspectos de su aprendizaje que
evolucionan favorablemente y aquellos en
los que debe seguir trabajando. Está claro
que dichas evaluaciones “automatizadas”
pueden funcionar de manera apropiada
cuando estén correctamente parame-
trizadas, como es el caso del examen
de opciones múltiples. No obstante, en
principio resultarían poco apropiadas
cuando lo que se intenta evaluar son
competencias, entendidas como la ade-
cuada combinación de conocimientos,
habilidades, actitudes y aptitudes. Por ejem-
plo, ¿cómo podría un sistema de IA evaluar
la participación de un alumno en clase, o la
resolución de un problema abierto o la
presentación de un tema en clase, etc.?
El análisis que nos ocupa se focaliza en
determinar, o al menos presumir, si la IA y el
BD servirán para mejorar los aprendizajes.
Y para responder esta interrogante pro-
ponemos tres escenarios posibles: el de la
educación tradicional enteramente presen-
cial, el de la llamada educación híbrida o
“blended learning” en la cual se com-
binan actividades desarrolladas de manera
presencial y otras desarrolladas en línea
soportadas por plataformas informáticas
como las mencionadas anteriormente en
este artículo y, finalmente, la educación que
se realiza enteramente a distancia y, en
muchos casos, con poca o ninguna
interacción con el docente, siendo los
MOOC (Massive Open Online Courses) su
principal exponente.
Está claro que, en este último escenario, la
IA y el BD tendrán un rol cada vez más
creciente, pero también es posible que los
aprendizajes efectivos en estos entornos
sean bastante limitados, como concluye
Tony Bates en su libro “Teaching in a Digital
Age”, “…es necesario que se realice mucha
más investigación para identificar qué
aprenden realmente los participantes en los
MOOC y bajo qué condiciones antes de
arribar a conclusiones definitivas” (Bates,
2015, pag. 176).
Sobre el primer escenario antes menciona-
do, el de la educación tradicional entera-
mente presencial, cabe mencionar que, si
efectivamente no hay involucrada ninguna
actividad soportada o viabilizada a través de
alguna tecnología digital, difícilmente la IA
tenga algo que ofrecer al respecto, ya que
no habrá datos sistematizados en platafor-
ma informática alguna que puedan ser
procesados automáticamente.
Nos resta entonces analizar el segundo
escenario, que es el que debería ser el más
utilizado en la actualidad, especialmente en
la educación secundaria y universitaria, y es
allí donde la IA podría ofrecer algunas
oportunidades de aplicación. En efecto,
cuanto más utilicemos las tecnologías
digitales como soporte y/o apoyo de los
procesos de enseñanza y aprendizaje, más
oportunidades habrá para que los algorit-
mos inteligentes procesen la información
generada por los alumnos y los docentes al
utilizar aquellas tecnologías, pero como dijo
sabiamente Bates en la cita previa,
necesitamos mucha más investigación al
respecto. De acuerdo con Oppenheimer, el
escenario más probable es aquel en el cual
la IA será una herramienta muy útil en las
manos de un profesional idóneo que sepa
cómo aprovecharla para potenciar sus
propios conocimientos y habilidades.
(Oppenheimer, 2018)
Al analizar este avance tecnológico, es
evidente que hay más preguntas que
respuestas, pero de todas formas trataremos
de llegar a alguna conclusión que sopese
adecuadamente las ventajas y desventajas
sin caer en posturas facilistas de rechazo a
las innovaciones, actitud que sería lejana
a la esencia que pretendemos en los do-
centes, que sean abiertos al cambio y a las
innovaciones en la educación.
alumnos? Antes de sacar conclusiones
apresuradas, analicemos un poco más a
fondo el tema.
Es cierto que existe una tendencia creciente
en la educación hacia la utilización de
recursos digitales en red, y más
específicamente, accesibles por Internet.
Veamos algunos números para saber en
qué se basa esta afirmación. En Europa, en
promedio, el 73 % de los estudiantes de
nivel secundario superior (15 a 18 años de
edad) utilizan Internet en la escuela con
objetivos de aprendizaje, al menos una vez
a la semana, y 65% de las escuelas en el
mismo nivel utilizan un Entorno Virtual de
Enseñanza y Aprendizaje (EVEA), también
conocido por sus siglas en inglés LMS
(Learning Management System) o, más
comúnmente, Campus Virtual (Deloitte -
Ipsos MORI, 2019). En Latinoamérica la
situación no es muy distinta, ya que el 75%
de los países relevados cuentan con
instituciones educativas primarias y
secundarias con instrucción asistida por
Internet (UNESCO, 2012). Estas esta-
dísticas nos indican que los datos que
generan nuestros alumnos cuando realizan
actividades educativas a través de sistemas
digitales conectados a Internet están allí y,
de hecho, deben estar siendo escrutados
por las mismas empresas mencionadas
anteriormente. Pero volviendo a la pregunta
con la que iniciamos esta sección, ¿significa
esto que esos datos pueden ser utilizados
para mejorar los aprendizajes? Eso es lo
que nos proponen las aplicaciones de IA
que a tal efecto ofrecen empresas tales
como Knewton , Clever , Yet Analytics y
otras. Como con cualquier otra innovación
tecnológica aplicada a la educación, están
sus promotores y sus detractores (El Alfy,
Marx Gómez, y Dani, 2018) (Nunn, Avella,
Kanai, y Kebritchi, 2016), pero la mejor
forma de saber a ciencia cierta si un
determinado recurso es útil en un
determinado nivel educativo, disciplina,
curso, etc., es mediante la investigación y
experimentación en esas condiciones dadas
o, dicho de otra manera, lo que le funciona
al profesor X en su curso, disciplina,
institución, podría no resultarle productivo al
profesor Y en su propio curso, disciplina o
institución.
Dicho esto, analicemos en detalle las
aplicaciones concretas y particulares de
estas tecnologías en el ámbito educativo. El
objetivo más comúnmente mencionado
es el de promover un aprendizaje
personalizado a partir de las “huellas
digitales” que dejan los alumnos al utilizar
los sistemas informáticos; adecuar sus
trayectos formativos, actividades de apren-
dizaje, evaluaciones, etc. a sus necesidades
particulares y, en un nivel más avanzado,
prever su desempeño a futuro aun antes
que se produzcan los resultados concretos.
El objetivo pretendido es ambicioso, aunque
habría que analizar si los resultados
concretos justifican la inversión en tiempo y
dinero que estos recursos requieren porque,
justo es decirlo, no son fáciles de utilizar ni
son baratos, por lo que probablemente su
uso se encuentre restringido a instituciones
privadas que manejen importantes recursos
económicos. Y aquí aparece la que es una
de las principales prevenciones al respecto,
¿lo utilizarán estas instituciones para
mejorar los aprendizajes de los alumnos o
para fidelizar y evitar el abandono de
quienes proveen los recursos económicos
que solventan el funcionamiento de dichas
instituciones, o sea, sus alumnos?
Analicemos a continuación otras de las
aplicaciones de esta tecnología, nos
referimos a los sistemas de tutoría auto-
matizada, para decirlo más sencillamente,
un asistente basado en IA que responderá
las consultas de los alumnos y los orientará
con sus dudas y necesidades. Algunos de
nosotros ya hemos experimentado este tipo
de asistentes en muchos sitios web de
543
1
2
1. Datos de 2017/18
2. Datos de 2012
3. https://www.knewtonalta.com/
4. https://clever.com/
5. https://www.yetanalytics.com/
64
En la sección anterior ha quedado claro que
la potencial efectividad de estas tecnologías
está basada en la suposición que los
estudiantes realizan todas o la mayoría de
sus actividades a través de recursos
digitales conectados en red. Hoy en día más
de la mitad de la población mundial
tiene acceso a Internet (International
Telecommunications Union, 2019) y es por
eso que empresas globales como Google y
Facebook tienen su razón de ser en los
datos que colectan de los miles de millones
de usuarios que utilizan sus servicios. Estas
y otras empresas basan sus estrategias
comerciales en el análisis de la enorme
cantidad de datos que obtienen gracias a
los miles de millones de usuarios que
buscamos información en Google o
publicamos nuestras novedades en
Facebook. Para ellas, la IA y el BD, y las
técnicas derivadas de Inteligencia de
Negocios y Analíticas Web, resultan vitales,
sin estas técnicas, aquellas empresas no
existirían. Pero ¿se puede transpolar esta
efectividad en la determinación de nuestras
necesidades como consumidores, y la con-
secuente satisfacción de ellas, al campo
educativo y, más aún, suponer que ello
permitirá mejorar los aprendizajes de los
banca hogareña o de compras por Internet;
se nos ofrece una asistencia que pareciera
ser humana, tiene una cara y un nombre, a
la que le podemos hacer preguntas pero, a
poco de avanzar, nos damos cuenta que
solo puede responder cuestiones bastante
reguladas y que si nuestras dudas son un
poco más complejas, o se salen del “libreto”,
nos indicará muy amablemente (eso sí,
estos asistentes nunca se enojan) que un
ejecutivo de cuentas se estará comunicando
con nosotros en breve. Y entonces
podemos seguir haciéndonos preguntas,
¿es esta la personalización que preten-
demos para la formación de nuestros
alumnos, o será una forma de reducir
personal o de poder atender a más
personas en menos tiempo?
Veamos por lo menos una más de las
pretendidas aplicaciones de esta tecno-
logía: la evaluación. La evaluación es uno
de los elementos clave en el aprendizaje de
los estudiantes, por lo que resulta de
especial interés el análisis del uso de la IA y
el BD en este aspecto. En principio, la idea
que subyace es que estos sistemas
permitirían optimizar y volver más imparcial
el proceso de evaluación de los apren-
dizajes de los alumnos. Para poder analizar
las supuestas ventajas de este tipo de
aplicación, debemos tener siempre presente
que el objetivo de las evaluaciones (que no
deben confundirse con las calificaciones
que resultan de dichas evaluaciones) es
servir para la mejora, mostrándole al alumno
los aspectos de su aprendizaje que
evolucionan favorablemente y aquellos en
los que debe seguir trabajando. Está claro
que dichas evaluaciones “automatizadas”
pueden funcionar de manera apropiada
cuando estén correctamente parame-
trizadas, como es el caso del examen
de opciones múltiples. No obstante, en
principio resultarían poco apropiadas
cuando lo que se intenta evaluar son
competencias, entendidas como la ade-
cuada combinación de conocimientos,
habilidades, actitudes y aptitudes. Por ejem-
plo, ¿cómo podría un sistema de IA evaluar
la participación de un alumno en clase, o la
resolución de un problema abierto o la
presentación de un tema en clase, etc.?
El análisis que nos ocupa se focaliza en
determinar, o al menos presumir, si la IA y el
BD servirán para mejorar los aprendizajes.
Y para responder esta interrogante pro-
ponemos tres escenarios posibles: el de la
educación tradicional enteramente presen-
cial, el de la llamada educación híbrida o
“blended learning” en la cual se com-
binan actividades desarrolladas de manera
presencial y otras desarrolladas en línea
soportadas por plataformas informáticas
como las mencionadas anteriormente en
este artículo y, finalmente, la educación que
se realiza enteramente a distancia y, en
muchos casos, con poca o ninguna
interacción con el docente, siendo los
MOOC (Massive Open Online Courses) su
principal exponente.
Está claro que, en este último escenario, la
IA y el BD tendrán un rol cada vez más
creciente, pero también es posible que los
aprendizajes efectivos en estos entornos
sean bastante limitados, como concluye
Tony Bates en su libro “Teaching in a Digital
Age”, “…es necesario que se realice mucha
más investigación para identificar qué
aprenden realmente los participantes en los
MOOC y bajo qué condiciones antes de
arribar a conclusiones definitivas” (Bates,
2015, pag. 176).
Sobre el primer escenario antes menciona-
do, el de la educación tradicional entera-
mente presencial, cabe mencionar que, si
efectivamente no hay involucrada ninguna
actividad soportada o viabilizada a través de
alguna tecnología digital, difícilmente la IA
tenga algo que ofrecer al respecto, ya que
no habrá datos sistematizados en platafor-
ma informática alguna que puedan ser
procesados automáticamente.
Nos resta entonces analizar el segundo
escenario, que es el que debería ser el más
utilizado en la actualidad, especialmente en
la educación secundaria y universitaria, y es
allí donde la IA podría ofrecer algunas
oportunidades de aplicación. En efecto,
cuanto más utilicemos las tecnologías
digitales como soporte y/o apoyo de los
procesos de enseñanza y aprendizaje, más
oportunidades habrá para que los algorit-
mos inteligentes procesen la información
generada por los alumnos y los docentes al
utilizar aquellas tecnologías, pero como dijo
sabiamente Bates en la cita previa,
necesitamos mucha más investigación al
respecto. De acuerdo con Oppenheimer, el
escenario más probable es aquel en el cual
la IA será una herramienta muy útil en las
manos de un profesional idóneo que sepa
cómo aprovecharla para potenciar sus
propios conocimientos y habilidades.
(Oppenheimer, 2018)
Al analizar este avance tecnológico, es
evidente que hay más preguntas que
respuestas, pero de todas formas trataremos
de llegar a alguna conclusión que sopese
adecuadamente las ventajas y desventajas
sin caer en posturas facilistas de rechazo a
las innovaciones, actitud que sería lejana
a la esencia que pretendemos en los do-
centes, que sean abiertos al cambio y a las
innovaciones en la educación.
alumnos? Antes de sacar conclusiones
apresuradas, analicemos un poco más a
fondo el tema.
Es cierto que existe una tendencia creciente
en la educación hacia la utilización de
recursos digitales en red, y más
específicamente, accesibles por Internet.
Veamos algunos números para saber en
qué se basa esta afirmación. En Europa, en
promedio, el 73 % de los estudiantes de
nivel secundario superior (15 a 18 años de
edad) utilizan Internet en la escuela con
objetivos de aprendizaje, al menos una vez
a la semana, y 65% de las escuelas en el
mismo nivel utilizan un Entorno Virtual de
Enseñanza y Aprendizaje (EVEA), también
conocido por sus siglas en inglés LMS
(Learning Management System) o, más
comúnmente, Campus Virtual (Deloitte -
Ipsos MORI, 2019). En Latinoamérica la
situación no es muy distinta, ya que el 75%
de los países relevados cuentan con
instituciones educativas primarias y
secundarias con instrucción asistida por
Internet (UNESCO, 2012). Estas esta-
dísticas nos indican que los datos que
generan nuestros alumnos cuando realizan
actividades educativas a través de sistemas
digitales conectados a Internet están allí y,
de hecho, deben estar siendo escrutados
por las mismas empresas mencionadas
anteriormente. Pero volviendo a la pregunta
con la que iniciamos esta sección, ¿significa
esto que esos datos pueden ser utilizados
para mejorar los aprendizajes? Eso es lo
que nos proponen las aplicaciones de IA
que a tal efecto ofrecen empresas tales
como Knewton , Clever , Yet Analytics y
otras. Como con cualquier otra innovación
tecnológica aplicada a la educación, están
sus promotores y sus detractores (El Alfy,
Marx Gómez, y Dani, 2018) (Nunn, Avella,
Kanai, y Kebritchi, 2016), pero la mejor
forma de saber a ciencia cierta si un
determinado recurso es útil en un
determinado nivel educativo, disciplina,
curso, etc., es mediante la investigación y
experimentación en esas condiciones dadas
o, dicho de otra manera, lo que le funciona
al profesor X en su curso, disciplina,
institución, podría no resultarle productivo al
profesor Y en su propio curso, disciplina o
institución.
Dicho esto, analicemos en detalle las
aplicaciones concretas y particulares de
estas tecnologías en el ámbito educativo. El
objetivo más comúnmente mencionado
es el de promover un aprendizaje
personalizado a partir de las “huellas
digitales” que dejan los alumnos al utilizar
los sistemas informáticos; adecuar sus
trayectos formativos, actividades de apren-
dizaje, evaluaciones, etc. a sus necesidades
particulares y, en un nivel más avanzado,
prever su desempeño a futuro aun antes
que se produzcan los resultados concretos.
El objetivo pretendido es ambicioso, aunque
habría que analizar si los resultados
concretos justifican la inversión en tiempo y
dinero que estos recursos requieren porque,
justo es decirlo, no son fáciles de utilizar ni
son baratos, por lo que probablemente su
uso se encuentre restringido a instituciones
privadas que manejen importantes recursos
económicos. Y aquí aparece la que es una
de las principales prevenciones al respecto,
¿lo utilizarán estas instituciones para
mejorar los aprendizajes de los alumnos o
para fidelizar y evitar el abandono de
quienes proveen los recursos económicos
que solventan el funcionamiento de dichas
instituciones, o sea, sus alumnos?
Analicemos a continuación otras de las
aplicaciones de esta tecnología, nos
referimos a los sistemas de tutoría auto-
matizada, para decirlo más sencillamente,
un asistente basado en IA que responderá
las consultas de los alumnos y los orientará
con sus dudas y necesidades. Algunos de
nosotros ya hemos experimentado este tipo
de asistentes en muchos sitios web de
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 59-67
65
6. https://professoreinstein.com/
En la sección anterior ha quedado claro que
la potencial efectividad de estas tecnologías
está basada en la suposición que los
estudiantes realizan todas o la mayoría de
sus actividades a través de recursos
digitales conectados en red. Hoy en día más
de la mitad de la población mundial
tiene acceso a Internet (International
Telecommunications Union, 2019) y es por
eso que empresas globales como Google y
Facebook tienen su razón de ser en los
datos que colectan de los miles de millones
de usuarios que utilizan sus servicios. Estas
y otras empresas basan sus estrategias
comerciales en el análisis de la enorme
cantidad de datos que obtienen gracias a
los miles de millones de usuarios que
buscamos información en Google o
publicamos nuestras novedades en
Facebook. Para ellas, la IA y el BD, y las
técnicas derivadas de Inteligencia de
Negocios y Analíticas Web, resultan vitales,
sin estas técnicas, aquellas empresas no
existirían. Pero ¿se puede transpolar esta
efectividad en la determinación de nuestras
necesidades como consumidores, y la con-
secuente satisfacción de ellas, al campo
educativo y, más aún, suponer que ello
permitirá mejorar los aprendizajes de los
banca hogareña o de compras por Internet;
se nos ofrece una asistencia que pareciera
ser humana, tiene una cara y un nombre, a
la que le podemos hacer preguntas pero, a
poco de avanzar, nos damos cuenta que
solo puede responder cuestiones bastante
reguladas y que si nuestras dudas son un
poco más complejas, o se salen del “libreto”,
nos indicará muy amablemente (eso sí,
estos asistentes nunca se enojan) que un
ejecutivo de cuentas se estará comunicando
con nosotros en breve. Y entonces
podemos seguir haciéndonos preguntas,
¿es esta la personalización que preten-
demos para la formación de nuestros
alumnos, o será una forma de reducir
personal o de poder atender a más
personas en menos tiempo?
Veamos por lo menos una más de las
pretendidas aplicaciones de esta tecno-
logía: la evaluación. La evaluación es uno
de los elementos clave en el aprendizaje de
los estudiantes, por lo que resulta de
especial interés el análisis del uso de la IA y
el BD en este aspecto. En principio, la idea
que subyace es que estos sistemas
permitirían optimizar y volver más imparcial
el proceso de evaluación de los apren-
dizajes de los alumnos. Para poder analizar
las supuestas ventajas de este tipo de
aplicación, debemos tener siempre presente
que el objetivo de las evaluaciones (que no
deben confundirse con las calificaciones
que resultan de dichas evaluaciones) es
servir para la mejora, mostrándole al alumno
los aspectos de su aprendizaje que
evolucionan favorablemente y aquellos en
los que debe seguir trabajando. Está claro
que dichas evaluaciones “automatizadas”
pueden funcionar de manera apropiada
cuando estén correctamente parame-
trizadas, como es el caso del examen
de opciones múltiples. No obstante, en
principio resultarían poco apropiadas
cuando lo que se intenta evaluar son
competencias, entendidas como la ade-
cuada combinación de conocimientos,
habilidades, actitudes y aptitudes. Por ejem-
plo, ¿cómo podría un sistema de IA evaluar
la participación de un alumno en clase, o la
resolución de un problema abierto o la
presentación de un tema en clase, etc.?
El análisis que nos ocupa se focaliza en
determinar, o al menos presumir, si la IA y el
BD servirán para mejorar los aprendizajes.
Y para responder esta interrogante pro-
ponemos tres escenarios posibles: el de la
educación tradicional enteramente presen-
cial, el de la llamada educación híbrida o
“blended learning” en la cual se com-
binan actividades desarrolladas de manera
presencial y otras desarrolladas en línea
soportadas por plataformas informáticas
como las mencionadas anteriormente en
este artículo y, finalmente, la educación que
se realiza enteramente a distancia y, en
muchos casos, con poca o ninguna
interacción con el docente, siendo los
MOOC (Massive Open Online Courses) su
principal exponente.
Está claro que, en este último escenario, la
IA y el BD tendrán un rol cada vez más
creciente, pero también es posible que los
aprendizajes efectivos en estos entornos
sean bastante limitados, como concluye
Tony Bates en su libro “Teaching in a Digital
Age”, “…es necesario que se realice mucha
más investigación para identificar qué
aprenden realmente los participantes en los
MOOC y bajo qué condiciones antes de
arribar a conclusiones definitivas” (Bates,
2015, pag. 176).
Sobre el primer escenario antes menciona-
do, el de la educación tradicional entera-
mente presencial, cabe mencionar que, si
efectivamente no hay involucrada ninguna
actividad soportada o viabilizada a través de
alguna tecnología digital, difícilmente la IA
tenga algo que ofrecer al respecto, ya que
no habrá datos sistematizados en platafor-
ma informática alguna que puedan ser
procesados automáticamente.
Nos resta entonces analizar el segundo
escenario, que es el que debería ser el más
utilizado en la actualidad, especialmente en
la educación secundaria y universitaria, y es
allí donde la IA podría ofrecer algunas
oportunidades de aplicación. En efecto,
cuanto más utilicemos las tecnologías
digitales como soporte y/o apoyo de los
procesos de enseñanza y aprendizaje, más
oportunidades habrá para que los algorit-
mos inteligentes procesen la información
generada por los alumnos y los docentes al
utilizar aquellas tecnologías, pero como dijo
sabiamente Bates en la cita previa,
necesitamos mucha más investigación al
respecto. De acuerdo con Oppenheimer, el
escenario más probable es aquel en el cual
la IA será una herramienta muy útil en las
manos de un profesional idóneo que sepa
cómo aprovecharla para potenciar sus
propios conocimientos y habilidades.
(Oppenheimer, 2018)
Al analizar este avance tecnológico, es
evidente que hay más preguntas que
respuestas, pero de todas formas trataremos
de llegar a alguna conclusión que sopese
adecuadamente las ventajas y desventajas
sin caer en posturas facilistas de rechazo a
las innovaciones, actitud que sería lejana
a la esencia que pretendemos en los do-
centes, que sean abiertos al cambio y a las
innovaciones en la educación.
manera mecánica y lineal, y destacamos la
palabra “transmitir” porque estamos conven-
cidos que el conocimiento no se transmite
como si fueran ondas electromagnéticas
que viajan de la mente del profesor a la
mente del alumno.
De acuerdo a las palabras de Paulo Freire,
“Enseñar no es transferir conocimiento, sino
crear las posibilidades para su propia pro-
ducción o construcción” (Freire, 1997).
Todos nosotros conocemos esos profesores
para los cuales vale una frase de origen
difícil de rastrear, pero que grafica clara-
mente lo que pasa en sus aulas: “Dar clase
es ese proceso misterioso mediante el cual
los contenidos del cuaderno de notas del
profesor se transfieren […] al cuaderno de
notas del estudiante sin pasar por la mente
de ninguno de los dos” (Quote Investigator).
Aunque resulte difícil para algunos colegas
docentes que utilizan este estilo de
enseñanza, si son reemplazados por un
“profesor artificial”, será un beneficio para la
sociedad. En efecto, el periodista y escritor
Andrés Oppenheimer dice en su libro
¡Sálvese quien pueda! que:
alumnos? Antes de sacar conclusiones
apresuradas, analicemos un poco más a
fondo el tema.
Es cierto que existe una tendencia creciente
en la educación hacia la utilización de
recursos digitales en red, y más
específicamente, accesibles por Internet.
Veamos algunos números para saber en
qué se basa esta afirmación. En Europa, en
promedio, el 73 % de los estudiantes de
nivel secundario superior (15 a 18 años de
edad) utilizan Internet en la escuela con
objetivos de aprendizaje, al menos una vez
a la semana, y 65% de las escuelas en el
mismo nivel utilizan un Entorno Virtual de
Enseñanza y Aprendizaje (EVEA), también
conocido por sus siglas en inglés LMS
(Learning Management System) o, más
comúnmente, Campus Virtual (Deloitte -
Ipsos MORI, 2019). En Latinoamérica la
situación no es muy distinta, ya que el 75%
de los países relevados cuentan con
instituciones educativas primarias y
secundarias con instrucción asistida por
Internet (UNESCO, 2012). Estas esta-
dísticas nos indican que los datos que
generan nuestros alumnos cuando realizan
actividades educativas a través de sistemas
digitales conectados a Internet están allí y,
de hecho, deben estar siendo escrutados
por las mismas empresas mencionadas
anteriormente. Pero volviendo a la pregunta
con la que iniciamos esta sección, ¿significa
esto que esos datos pueden ser utilizados
para mejorar los aprendizajes? Eso es lo
que nos proponen las aplicaciones de IA
que a tal efecto ofrecen empresas tales
como Knewton , Clever , Yet Analytics y
otras. Como con cualquier otra innovación
tecnológica aplicada a la educación, están
sus promotores y sus detractores (El Alfy,
Marx Gómez, y Dani, 2018) (Nunn, Avella,
Kanai, y Kebritchi, 2016), pero la mejor
forma de saber a ciencia cierta si un
determinado recurso es útil en un
determinado nivel educativo, disciplina,
curso, etc., es mediante la investigación y
experimentación en esas condiciones dadas
o, dicho de otra manera, lo que le funciona
al profesor X en su curso, disciplina,
institución, podría no resultarle productivo al
profesor Y en su propio curso, disciplina o
institución.
Dicho esto, analicemos en detalle las
aplicaciones concretas y particulares de
estas tecnologías en el ámbito educativo. El
objetivo más comúnmente mencionado
es el de promover un aprendizaje
personalizado a partir de las “huellas
digitales” que dejan los alumnos al utilizar
los sistemas informáticos; adecuar sus
trayectos formativos, actividades de apren-
dizaje, evaluaciones, etc. a sus necesidades
particulares y, en un nivel más avanzado,
prever su desempeño a futuro aun antes
que se produzcan los resultados concretos.
El objetivo pretendido es ambicioso, aunque
habría que analizar si los resultados
concretos justifican la inversión en tiempo y
dinero que estos recursos requieren porque,
justo es decirlo, no son fáciles de utilizar ni
son baratos, por lo que probablemente su
uso se encuentre restringido a instituciones
privadas que manejen importantes recursos
económicos. Y aquí aparece la que es una
de las principales prevenciones al respecto,
¿lo utilizarán estas instituciones para
mejorar los aprendizajes de los alumnos o
para fidelizar y evitar el abandono de
quienes proveen los recursos económicos
que solventan el funcionamiento de dichas
instituciones, o sea, sus alumnos?
Analicemos a continuación otras de las
aplicaciones de esta tecnología, nos
referimos a los sistemas de tutoría auto-
matizada, para decirlo más sencillamente,
un asistente basado en IA que responderá
las consultas de los alumnos y los orientará
con sus dudas y necesidades. Algunos de
nosotros ya hemos experimentado este tipo
de asistentes en muchos sitios web de
5. Reflexiones finales
El análisis de la influencia de la IA y el BD en
la sociedad contemporánea no se limita
únicamente al campo educativo. Así, hoy
uno de los sectores más potencialmente
afectables por estas tecnologías es el
laboral. Según varios estudios, en los próxi-
mos años un gran porcentaje de trabaja-
dores podrían verse afectados, o directa-
mente perder su trabajo, como consecuen-
cia de la incorporación de las IA en los
ambientes laborales (PwC, s.f.; Frontier
Economics, 2018; Burkhardt, 2019).
En el ámbito que nos ocupa, uno de los
temores que se menciona frecuentemente
cuando se discuten estos temas es si estas
tecnologías podrían reemplazar la labor
docente. Definitivamente el único docente
que podría ser reemplazado por un sistema
informático basado en IA, es aquel que solo
se limita a “transmitir” conocimientos de una
Aunque robots tutores como el Profesor
Einstein reemplacen a muchos docen-
tes, harán falta maestros escolares y
prescolares para ayudar a los niños a
encontrar su vocación y enseñarles
habilidades blandas, como la ética, la
empatía, el trabajo en equipo, la
persistencia y la tolerancia al fracaso. Y
harán falta profesores universitarios
para atender las necesidades de
educación de por vida para cientos de
millones de personas. Los robots y las
tabletas van a reemplazar muchas de
las funciones de transmisión de cono-
cimientos que hoy cumplen los maes-
tros, pero no van a poder ser tan
efectivos como los humanos para
fomentar la curiosidad de los niños
y para mantener permanentemente
actualizados y motivados a los adultos.
(Oppenheimer, 2018, pag. 321)
66
A modo de conclusión, citamos una frase de
un libro que ofrece un gran aprendizaje para
el mundo que vivimos y el que se aproxima,
y los desafíos que enfrentaremos de
acuerdo al panorama actual. Se trata de
“La Segunda Era De Las Máquinas”
(Brynjolfsson y McAfee, 2013) en el cual sus
autores postulan que “La tecnología no es el
destino. Nosotros moldeamos nuestro
destino”.
Referencias
Bates, A. (2015). Teaching in a Digital Age.
Pressbooks. https://pressbooks.bcca
mpus.ca/teachinginadigitalagev2/
Brynjolfsson, E., y McAfee, A. (2013). La
Segunda Era De Las Maquinas. Buenos
Aires: Temas.
Burkhardt, M. (14 de abril de 2019). Towards
Data Science. Recuperado el 27 de julio
de 2019, de https://towardsda
tascience.com/the-impact-of-ai-on-ineq
uality-job-automation-and-skills-of-the-f
uture-fe89c21e34bc
Castro, M., Meier, R., Cukierman, U. y
Waigandt, D. (2015). "ICT needs and
trends in engineering education", 2015
International Conference on Interactive
Collaborative Learning (ICL), Florence,
2015, pp. 146-149, doi: 10.1109/ICL.
2015.7318016.
Cukierman, U. (2005). AMERICA@UTN -
learning through advanced
communication and information
technology resources and means @
UTN. 6th International Conference on
Information Technology Based Higher
Education and Training, Santo
Domingo, 2005, pp. T4C/1-T4C/6, doi:
10.1109/ITHET.2005.1560262.
Cukierman, U., Silvestri, S., Drangosch, J.,
Pérez Ferrando, D., Agüero, M.,
Delmonte, R., González Corrao, L. y
Saclier, L. (2017). Bridging the gap
between first-year students and
Engineering: A novel application of
mobile technologies for improving
Mathematics and Physics learning. 7th
World Engineering Education Forum
(WEEF), Kuala Lumpur, 2017, pp.
834-838, doi: 10.1109/WEEF.2017.
8467127.
Cukierman, U., Silvestri, S., Drangosch, J.,
Pérez Ferrando, D., Agüero, M.,
González, M., González, C. y
Dellepiane, P. (2018). A Student-
Centered Approach to Learning
Mathematics and Physics in
Engineering Freshmen Courses. 2018
World Engineering Education Forum -
Global Engineering Deans Council
(WEEF-GEDC), Albuquerque, NM,
USA, pp. 1-5, doi: 10.1109/WEEF
-GEDC.2018.8629733.
Deloitte - Ipsos MORI (2019). 2nd Survey of
Schools: ICT in Education. Luxemburgo:
European Commission, Directorate-
General of Communications Networks,
Content y Technology.
EdSurge. (2016). Decoding Adaptive.
Londres: Pearson.
El Alfy, S., Marx Gómez, J. y Dani, A.
(Septiembre de 2018). Exploring the
benefits and challenges of learning
analytics in higher education institutions:
A systematic literature review.
Information Discovery and Delivery.
Freire, P. (1997). Pedagogía de la
autonomía: Saberes necesarios para la
práctica educativa. México: Siglo XXI.
Frontier Economics (2018). THE IMPACT
OF ARTIFICIAL INTELLIGENCE ON
WORK: An evidence review prepared
for the Royal Society and the British
Academy. Recuperado el 27 de julio de
2019, de https://royalsociety.org/-/media
/policy/projects/ai-and-work/frontier-revi
ew-the-impact-of-AI-on-work.pdf
Gardner, H. (1991). The unschooled mind:
how children think and how schools
should teach. New York: Basic Books.
CUADERNO DE PEDAGOGÍA UNIVERSITARIA / VOL.17 NÚMERO 34 / ARTÍCULOS CIENTÍFICOS / PP 59-67
67
Gardner, H., y Hatch, T. (1989). Multiple
intelligences go to school: Educational
implications of the theory of multiple
intelligences. Educational Researcher,
18(8), págs. 4-9.
Gardner, H. (1983). Frames of mind: the
theory of multiple intelligences. New
York: Basic Books.
Grigori, D., Casati, F., Castellanos, M.,
Dayal, U., Sayal, M. y Shan, M. (2004).
Business Process Intelligence.
Computers in Industry, 53, págs.
321-343.
Halevi, G. y Moed, H. (2012). The Evolution
of Big Data as a Research and Scientific
Topic: Overview of the Literature.
Research Trends, 30, 3-6. Recuperado
el 22 de julio de 2019, de
https://www.researchtrends.com/issue-
30-september-2012/the-evolution-of-big
-data-as-a-research-and-scientific-topic-
overview-of-the-literature/
International Telecommunications Union
(2019). World Telecommunication/ICT
Indicators Database 2018.
McCarthy, J., Minsky, M., Rochester, N. y
Shannon, C. (1955). A Proposal for the
Dartmouth Summer Research Project
on Artificial Intelligence. Recuperado el
22 de julio de 2019, de
http://jmc.stanford.edu/articles/dartmout
h/dartmouth.pdf
New Media Consortium (2016). 2016
Horizon Report. EDUCAUSE. Obtenido
de https://library.educause.edu/-/media
/files/library/2016/2/2016hrhees.pdf
Nunn, S., Avella, J., Kanai, T. y Kebritchi, M.
(junio de 2016). Learning Analytics
Methods, Benefits, and Challenges in
Higher Education: A Systematic
Literature Review. Online Learning
Journal, 20(2), págs. 1-17.
Oppenheimer, A. (2018). ¡Sálvese quien
pueda! El futuro del trabajo en la era de
la automatización. México: Debate.
Perry, S. (22 de mayo de 2017). What is big
data? More than volume, velocity and
variety…. Recuperado el 22 de julio de
2019, de https://developer.ibm.com
/dwblog/2017/what-is-big-data-insight/
PwC (s.f.). PwC - UK. Recuperado el 27 de
julio de 2019, de https://www.pwc.co.uk
/services/economics-policy/insights/the-
impact-of-automation-on-jobs.html
Quote Investigator (s.f.). Recuperado el 27
de julio de 2019, de
https://quoteinvestigator.com/2012/08/1
7/lecture-minds/#return-note-4284-2
Real Academia Española (s.f.). Diccionario
de la Lengua Española. Recuperado el
22 de julio de 2019, de
https://dle.rae.es/?id=LqtyoaQ
Technavio (2018). Artificial Intelligence
Market in the US Education Sector
2018-2022. Londres: Technavio.
UNESCO (2012). UNESCO Institute for
Statistics. Recuperado el 26 de julio de
2019, de http://data.uis.unesco.org/
Web Analytics Association (16 de agosto de
2007). Web Analytics Definitions.
Recuperado el 23 de julio de 2019, de
http://www.inesting.org/ad2006/adminsc
1/app/marketingtecnologico/uploads/Ma
nuais/waa-standards-analytics-definitio
ns-volume-i-20070816.pdf
