inteligencia artificial generativa EN LA PRÁCTICA DOCENTE DE LA IBERO PUEBLA
•
Mtro. Mario Ernesto Patrón Sánchez Rector Mtra. Adriana Gabarrón Ordorica Directora del Staff de Planeación y Evaluación Dra. María Eugenia De la Chaussée Acuña Coordinadora de Información y Análisis Académico Mtra. Melissa Patricia Santos Piñeiro Responsable de la publicación D.G. Mariana González Morales Diseño Lic.Carlos Alberto Maciel Álvarez Lic.Christian Jesús Medina Ramos Producción audiovisual Área de Publicaciones Corrección DIRECTORIO CONSEJO EDITORIAL María Eugenia De la Chaussée Acuña Omar Gutiérrez Peral María Guadalupe Hernández Chávez Melissa Patricia Santos Piñeiro Claudia Elizabeth Vázquez Catrip Lilia María Vélez Iglesias
ÍNDICE CRITERIOS La inteligencia arti cial generativa, ¿una po- sible alternativa en la enseñanza? 4 IA salud mental y el aula como laboratorio de ideas Roberto Pichardo Ramírez INNOVANDO 7 CONTEXTOS 8 Una experiencia de actualización, como do- cente de Ciencias Básicas, utilizando inte- ligencia arti cial generativa María del Rubí Salazar Amador IAG en la práctica docente y evaluación Marco Miguel Ángel Sánchez Chang EN BÚSQUEDA 13 Antonio Benítez Ruiz SERENDIPIAS La inteligencia arti cial: evolución y aplicaciones en la IA generativa 14 LOS NÚMEROS DE LA EVALUACIÓN Indicadores de innovación y ética: curso de capacitación "Innovación educativa con IA: herramientas para docentes del siglo XXI" Jazmín Jiménez Bedolla/Erick Carreto Santos 19
EN LA ENSEÑANZA? CRITERIOS LA INTELIGENCIA ARTIFICIAL GENERATIVA , ¿
En nuestro número anterior de PASOS se dio a uso e implicaciones, sin embargo, derivado de nuestras colaboraciones surgió la necesidad de (IA generativa), pues actualmente es la que más ha estado permeando en el ámbito académico. que nos permite crear, mejorar, sintetizar y analizar datos no estructurados, como textos, códigos, voz, imágenes o videos. Esto ha posibilitado que tanto docentes como alumnos hagan uso de ella para faci- litar su participación dentro del proceso enseñanza- aprendizaje. Sin embargo, se ha observado que su aplicación dentro del salón de clases varía de acuer- do con el profesorado, el alumnado y las diversas actividades en las cuales se podría hacer uso de ella. Por lo anterior, el presente número de PASOS tiene como objetivo dar a conocer cómo ha sido la experiencia de utilizar la IA generativa como parte del proceso académico, sus implicaciones y resultados desde la mirada de diferentes docentes que han tenido la oportunidad de experimentar con este tipo En la primera sección, Innovando, el licenciado Roberto Pichardo Ramírez, redactor de contenidos en la Dirección de Comunicación Institucional, nos presenta un video en el que nos explica desde su experiencia como docente, cómo ha aplicado las de Producción Periodística, y la importancia de la desconexión y el autocuidado, desde una mirada humanista. Al principio de su video destaca cómo fue diendo a preguntas sobre lo que es, si sus estudian- tes ya la conocían o la habían utilizado y las posibles herramientas a poner en práctica. En seguida, da pie a cómo fue el uso de las herramientas empleadas y lo logrado al ejecutarlas no solo para cuestiones acadé- micas, sino también para uso integral y de autocui- dado. El autor concluye que la IA no acabará con la docencia, sino que nos obliga a ser más innovadores, transparentes y humanistas que antes. En el segundo apartado, Contextos, la maestra María del Rubí Salazar Amador, académica de asigna- tura en el Departamento de Ciencias e Ingenierías, expone en su artículo titulado “Una experiencia de actualización, como docente de Ciencias Básicas, cómo fue empleada la IA generativa en su práctica docen- te y la ejecución de lo brindado como una manera de actualización. En su texto nos da a conocer cómo fue la interacción de la IA generativa que utilizó, desde los prompts que introducía, hasta las respuestas proporcionadas por la herramienta para, una vez obtenidas, armar, elaborar y dar un curso más actualizado a las necesidades del alumnado. hubiese podido hacer lo que hizo en el tiempo récord que la utilización de la IA generativa le permitió. Por lo que considera que, el presente ensayo podría ser de contribución a un caso de éxito comparable para la actualización de docentes. En la tercera sección, En búsqueda, el maestro Marco Miguel Ángel Sánchez Chang, académico de asignatura en el Departamento de Ciencias e Ingenierías, nos plantea en un podcast su experiencia En esta exposición, el profesor nos muestra primero la generativa; de ella nos enseña su ejecución en el salón de clases y sus efectos. Lo interesante de su participación es cómo va narrando la actividad a realizar y para qué se utilizó la IA generativa, siempre dando un uso positivo a su aplicación. El autor cierra comentando que es esencial conocer y utilizar estas herramientas como un complemento a la enseñanza humana, no como un reemplazo. En el apartado de Serendipias, el maestro Antonio Benítez Ruiz, coordinador de la maestría en Innova- ción y Desarrollo Tecnológico, nos expresa, desde su amplio conocimiento en asuntos de inteligencia nador de una maestría que toca temas de innovación tecnológica. El autor expone en un principio la dependencia tecnológica en los últimos años para dar es la IA el autor explica las dos áreas de la IA que permitieron la entrada a la IA generativa: el NLP y el miento de lenguaje natural y aprendizaje automático, respectivamente). Con este desarrollo, nos plantea el uso del ChatGPT como herramienta de IA generativa, C R I T E R I O S
cómo la ha utilizado y sus consecuencias en las clases del posgrado. Para así concluir que es necesario emplear de modo responsable estas herramientas y produce de manera automática es válido. En la última sección, Los números de la evaluación, contamos con la participación de la Mtra. Jazmín Jiménez Bedolla y del Lic. Erick Carreto Santos, coordinadora de Educación Virtual y desarrollador de Entornos Virtuales, en la misma coordinación. Ambos colaboradores nos presentan desde una infografía los resultados cualitativos y cuantitativos obtenidos en el curso sobre 2024. Este curso se impartió con la idea de dotar a los docentes de las compe- tencias básicas necesarias para integrar recursos tecnológicos basados en pueden observarse el temario, las actividades que se realizaron, junto con sus pruebas, así como los descubrimientos y productos sobre el tema en cuestión. Esto les permitió a los participantes explorar el campo de la inteligencia arti- gicas basadas en IA. De este modo, ambos autores destacan que es crucial abordar estas tecnologías de manera ética y responsable, explorando continua- número de PASOS aportaciones que enriquezcan sus prácticas educativas y docentes, pero de manera especial dar cuenta que es valioso no solo adquirir conocimientos sobre las herramientas de IA generativa, sino de lo que implica su uso previo, durante o como evaluación de una clase para los diferentes actores del proceso enseñanza- aprendizaje. C R I T E R I O S
INNOVANDO Roberto Pichardo Ramírez, redactor de contenidos en la Dirección de Comunicación Institucional, nos expresa la manera en que la práctica docente llega a demandar una capacitación y actualización permanen- tes. Es decir, a lo largo del video el autor nos comparte cómo durante el último semestre, el alumnado de Práctica de Producción Periodís- para desarrollar productos informativos creativos y socialmente perti- desconexión y el uso de la tecnología para el autocuidado. ROBERTO PICHARDO RAMÍREZ Redactor de contenidos en la Dirección de Comunicación Institucional IBERO Puebla roberto.pichardo.ramirez@iberopuebla.mx ROBERTO PICHARDO RAMÍREZ* IA IDEAS SALUD MENTAL Y EL AULA COMO LABORATORIO DE REPRODUCIR REPRODUCIR
CONTEXTOS MARÍA DEL RUBÍ SALAZAR AMADOR* Una experiencia de actualización, como docente de Ciencias Básicas, utilizando inteligencia artificial generativa
En 2022 tomé un curso sobre tecnologías emer- (IA generativa). Pero ¿qué es la IA generativa? Son sistemas de IA que tienen la capacidad de crear algo nuevo basándose en variaciones probabilís- ticas de los patrones y datos que le han sido suministrados durante su entrenamiento y diseña- dos para producir contenido original en forma de texto, imágenes, música o videos (Stryker & Scapi- cchio, 2023). De hecho, si has interactuado con alguna IA gene- rativa, habrás notado que cuando te ofrece una respuesta, también te brinda la opción de evaluar dicha respuesta. Esto es porque utiliza algoritmos que pueden ser retroalimentados, creando resulta- dos cada vez más adecuados a lo que estás buscando. Pero ese es el segundo paso, el primero, por supuesto es el prompt o instrucción o texto inicial que se le proporciona para que cree una respuesta. Y que, como ya te estarás imaginando, conviene que tenga cierta estructura para darle una guía de la tendencia pretendida. Así, aunque no prompts, sí hay algunas pautas que pueden ayudar a obtener mejores resultados —y que quedarán expuestas más adelante. Dicho lo anterior, con mucho gusto te comparto prompts que utilicé en la IA generativa “Copilot”, para mi propia actualización docente en un curso de Ciencias Básicas —que tenía mucho tiempo de no impartir— de Estática, en otoño de 2023 y sus resultados. ¡Necesito una guía rápida para utilizar IA generativa! Prompt: “Dime brevemente, en prosa y de manera informal y práctica, ¿cuáles son las carac- terísticas de un prompt si se busca una respuesta detallada y bien fundamentada? Dame un ejemplo ilustrativo relacionado con el tema de este chat.” IA generativa: “Solicita a la IA que actúe como un solicita una respuesta detallada, usa una pregunta abierta, proporciona alcances (aplicaciones prácti- (Navarro, 2023). capacitación docente, ¿podrías proporcionarme una descripción detallada de cómo la inteligencia gramas de capacitación para los docentes? Me gustaría entender las aplicaciones prácticas, los surgir. Por favor, responde en un tono formal y académico.” Indagando qué ocurre en los primeros se- mestres y buscando soluciones Prompt: “Dame un resumen de las principales causas de deserción de los alumnos universitarios de nuevo ingreso en Latinoamérica.” IA generativa: “Factores académicos: la pobre preparación académica de los estudiantes y la incapacidad de responder a las exigencias acadé- Además, la pasividad de los cursos y la baja dedi- cación docente pueden contribuir a la deserción (Flavia, 2023). Factores socioeconómicos: los bajos ingresos, la falta de apoyo familiar o el trabajo desde temprana dir completamente su culminación (Rivera, 2022). estudiantes a abandonar sus estudios (Cabrera, 2017). Factores personales: la falta de orientación edu- cativa y vocacional, así como la carencia de un objetivo o proyecto de vida por parte del estu- diante, pueden ser causas de deserción (Rochin, 2021). UNA EXPERIENCIA DE ACTUALIZACIÓN, COMO DOCENTE DE CIENCIAS BÁSICAS, UTILIZANDO INTELIGENCIA ARTIFICIAL C O N T E X T O S
Factores sociales: la vulnerabilidad y exclusión social también pueden ser factores determinantes (Rivera, 2022).” Prompt: “Ahora indícame detalladamente qué puede hacer el docente para ayudar al estudiante a superar cada uno de estos factores.” IA generativa: “Factores académicos: los do- centes pueden incluir la instrucción diferenciada, donde cambian lo que los estudiantes necesitan aprender, cómo lo aprenderán y cómo transmitirles el material. También pueden utilizar el andamiaje de conocimiento, un método que divide el apren- dizaje en partes más pequeñas (6 formas inno- vadoras de evitar la deserción escolar universitaria, 2023). Factores socioeconómicos: los docentes pueden recordar a los estudiantes la importancia del proce- so de aprendizaje y ayudarles a entender cómo su educación puede mejorar su futuro económico (Rodríguez, 2022). Factores personales: los docentes pueden trabajar con los servicios de asesoramiento voca- cional para ayudar a los estudiantes a entender sus objetivos (Universia, 2019). También pueden pro- porcionar apoyo emocional y referir a los estudian- tes a servicios de salud mental si es necesario (Rodríguez, 2022). Factores sociales: los docentes pueden fomen- tar un ambiente inclusivo y acogedor en el aula para ayudar a los estudiantes a sentirse más cómo- dos (Osewalt, 2022).” Después de analizar las opciones y aplicarles críticamente el contexto del grupo esperado, decidí, con mucho entusiasmo —y no te mentiré, también con un poco de ansiedad porque al inicio parecía mucho y muy abrumador—, emplear instrucción diferenciada incluyendo aplicaciones, simuladores y animaciones. Andamiaje de cono- cimiento, dividiendo cada tema en etapas; primero formularios de conceptos y métodos previamente académicas postpandemia—, enseguida los cono- cimientos nuevos y su correlación con los formularios, posteriormente ejercicios de aplica- ciones cotidianas, divertidas y dinámicas, culmi- nando con una discusión de casos similares apli- cables a las carreras. Factores socioeconómicos, con una charla al inicio del curso sobre cómo la educación puede mejorar su futuro y reforzando el mensaje indirectamente en las discusiones de casos. Proporcionar apoyo emocional promo- viendo relaciones positivas con rutinas de saludo, preguntas sobre su bienestar para fomentar la expresión de emociones y despedidas motivacio- nales. Factores sociales, un ambiente inclusivo y acogedor en el aula para promover la integración comunitaria. Es posible que haya podido lograr más en mu- do hacer lo que hice en el tiempo récord que la utilización de la IA generativa me permitió, al iden- cutarlas. Como muestra, al apoyarme en su insu- perable velocidad de procesamiento digital para el diseño del material didáctico, pude integrar ejerci- cios más atractivos, variados e inclusivos; sí, la optimización del tiempo me abrió la posibilidad de dirigir el esfuerzo creativo hacia la integración de casos divertidos y dinámicos que captaran mayor atención. Esto promovió un aprendizaje más signi- opciones de concepto solicitadas a la IA gene- rativa, lo que se convierte en un círculo virtuoso de optimización de recursos. Por ejemplo, para esta- blecer la importancia del sistema de referencia en el análisis vectorial de fuerzas opté por una secuencia de jóvenes bailarines que, de acuerdo con lo solicitado a la IA generativa, nada más verlos contagiasen el entusiasmo y las ganas de com- prender lo que hacen y cómo lo hacen. C O N T E X T O S
“… LA INTEGRACIÓN DE LA IA GENERATIVA EN LA ACTUALIZACIÓN DOCENTE, IDENTIFICACIÓN DE METAS Y PREPARACIÓN DEL MATERIAL DIDÁCTICO, ENRIQUECE DE MANERA CREATIVA LA EXPERIENCIA EDUCATIVA PARA TODOS LOS INVOLUCRADOS.” UNA EXPERIENCIA DE ACTUALIZACIÓN, COMO DOCENTE DE CIENCIAS BÁSICAS, UTILIZANDO INTELIGENCIA ARTIFICIAL C O N T E X T O S Así, al orientar las tareas con objetivos claros y delimitados pude concentrarme, una vez que inició el curso, en el proceso de enseñanza y en la interacción directa con los estudiantes, logrando que participaran activa y analíticamente en la discusión de los temas. Esta dinámica ágil y diversa me mantuvo alerta y empática, de modo que —desde mi perspectiva— todo indica que la integración de la IA generativa en la actualización material didáctico, enriquece de manera creativa la experiencia educativa para todos los involucrados. Como se trató de una “primera vez” no poseo peso de los diferentes parámetros involucrados en el proceso de actualización docente mediante el uso de IA generativa y, por lo tanto, en el de enseñanza-aprendizaje. Pero dada la tendencia, quizá pronto, entre toda la comunidad Ibero poda- mos redactar un caso de éxito comprobable y repetible sobre las mejores prácticas de autoges- tión de la actualización docente y retención estu- diantil en los primeros semestres, y ojalá entonces este ensayo haya contribuido un poco. Este intrincado ballet de fuerzas puede compararse con una coreografía magistral. Cafa fuerza, un bailarín por derecho propio, toma el escenario Por supuesto, tanto la magnitud (logitud), como la dirección y sentido, dependen del sistema de referencia. ¿Quién deie cuál es el sistema de referencia y bajo qué criterios? Secuencia didáctica para establecer la importancia del sistema de referencia en el análisis vectorial de fuerzas.
MARÍA DEL RUBÍ SALAZAR AMADOR Docente de tiempo parcial del Departamento de Ciencias e Ingenierías IBERO Puebla mariadelrubi.salazar.amador@iberopuebla.mx 6 formas innovadoras de evitar la deserción escolar universitaria. (2023). Recuperado de https://blog.pearsonlatam.com/educacion-del-futuro/6-formas - innovadoras-de-evitar-la-desercion-escolar-universitaria Cabrera, A. (2017). deserción universitaria. Recuperado de https://www.usach.cl/news/experto- Delgado, P. (2020). La capacitación docente, el gran reto de la educación en línea. Recuperado de https://observatorio.tec.mx/edu-news/capacitacion- docente-covid/ Flavia. (2023). La deserción de los alumnos universitarios y sus causas. la-desercion Moreno, J. E. & Chiecher, A. C. (2019). Abandono en carreras de Ingeniería. Un Recuperado de http://www.scielo.edu.uy/scielo.php?script=sci_arttext&pid =S1688-93042019000200073 Navarro, L. M. (2023). Cómo escribir prompts en español altamente efectivos. prompts-en-espanol/ Osewalt, G. (2022). 5 técnicas comunes para ayudar a los estudiantes con Recuperado de https://www.understood.org/es-mx/articles/ Rivera, A. G. (2022). Deserción escolar: Concepto, causas y consecuencias. Recuperado de https://www.lucaedu.com/desercion-escolar/ Rochin, F. L. (2021). Deserción escolar en la educación superior en México: revisión de literatura. Recuperado de https://www.scielo.org.mx/scielo.php ?script=sci_arttext&pid=S2007-74672021000100101 Rodríguez, K. (2022). SEP presenta estrategia para erradicar la deserción escolar. Recuperado de https://nacion321.com/educacion/sep-presenta -estrategia-para-erradicar-la-desercion-escolar Stryker, C., & Scapicchio, M. (2023). ¿Qué es la IA generativa? Recuperado de https://www.ibm.com/es-es/topics/generative-ai Universia. (2019). Estrategias para evitar la deserción universitaria. Recuperado de https://www.universia.net/co/actualidad/orientacion -academica/estrategias-evitar-desercion-universitaria-1166994.html Vilchis, N. (2023). Cinco soluciones que dan respuesta a los desafíos de la capacitación docente en América Latina. Recuperado de https://observatorio. tec.mx/edu-news/soluciones-capacitacion-docente/ REFERENCIAS
ESCUCHA AQUÍ EN BÚSQUEDA INTELIGENCIA ARTIFICIAL GENERATIVA EN LA PRÁCTICA DOCENTE Y EVALUACIÓN EN LA IBERO PUEBLA: EXPERIENCIAS Y PERSPECTIVAS En este audio, el autor compartirá la experiencia y los puntos de vista en la Ibero Puebla. Posteriormente, comentará las ventajas y desventajas de ciertas IA, así como algunas estrategias empleadas una perspectiva sobre cómo la educación podría evolucionar en conjunto. MARCOS MIGUEL ÁNGEL SÁNCHEZ CHANG Docente de tiempo parcial en el Departamento de Ciencias e Ingenierías IBERO Puebla marco.sanchez.chang@iberopuebla.mx MARCO MIGUEL ÁNGEL SÁNCHEZ CHANG*
SERENDIPIAS ANTONIO BENÍTEZ RUIZ* EVOLUCIÓN Y APLICACIONES EN LA IA GENERATIVA LA INTELIGENCIA ARTIFICIAL:
Hoy es difícil pensar en alguna actividad que las personas lleven a cabo de manera cotidiana sin el uso de algún dispositivo como computadora, tableta, teléfono inteligente, etc. Sin duda, la dependencia tecnológica en el contexto actual se ha incremen- tado debido, por un lado, al rápido desarrollo de componentes electrónicos más expeditos, de mayor capacidad y más econó- micos. Por otro lado, el aprovechamiento de esta tecnología para generación continua de herramientas de software que apoyan la administración y gestión de procesos administrativos, de servicios, educativos, o de salud, por mencionar algunos. Una de las áreas de la computación que más se ha visto bene- ficiada por el incremento del poder computacional (capacidad de almacenamiento y velocidad de procesamiento) es sin duda el área de la inteligencia artificial (IA). La IA es un área muy extensa, desde donde se aborda la solución de una amplia gama de problemas los cuales en su mayoría están asociados a los comportamientos humanos (la vista, el gusto, el habla, el movimiento, el razonamiento, etc). Una de las definiciones de la inteligencia artificial en la que varios autores coinciden es que la IA busca desarrollar sistemas capaces de razonar y de aprender (Russell & Norvig, 2020). Estos dos últimos conceptos son muy difíciles de llevar a un sistema computacional, sin embargo, a pesar de que la IA tiene casi la misma antigüedad que la computación en México, en la última década se han podido desarrollar sistemas con estas capacidades, es decir, sistemas que pueden llevar a cabo un proceso de razonamiento formal para la toma de decisiones y sistemas que son capaces de aprender. Una de las aplicaciones más populares basadas en procesos de razonamiento es el juego de ajedrez. Fue en 1997 cuando por primera vez una computadora le ganaba al campeón mun- dial de esa época, Garry Kasparov (Kasparov, 2024).
Dentro de los sistemas que son capaces de aprender se encuentran también aplicaciones como ChatGPT (ChatGPT, 2024) y muchas otras herramientas que trabajan de forma similar y que utilizan el mismo tipo de técnicas de IA. Estas aplicaciones se soportan en un área de la IA conocida como procesamiento de lenguaje natural (sus siglas en inglés, NLP) (NLP, 2023). El NLP es un área de la IA que busca construir sistemas de cómputo que pueden manipular el lenguaje humano (ya sea de modo oral o escrito) de manera organizada. El NLP forma parte de la vida diaria de muchas personas que utilizan aplicaciones como Alexa y Siri, las cuales escuchan preguntas de los usuarios y buscan alguna respuesta como resultado. Una de las aplicaciones más desarro- lladas es ChatGPT, la cual está disponible para aplicaciones comer- ciales y es capaz de generar textos de diferentes temas a partir un conjunto de palabras (contexto). Otra aplicación interesante es el uso de ChatGPT en chatbots (programa de cómputo que utiliza IA y NLP para comprender las preguntas de los clientes y automatizar las respuestas, simulando una conversación humana) para mantener conversaciones más coherentes. Por otro lado, buscadores de internet, así como redes sociales utilizan NLP para mejorar sus procesos de búsqueda de información. El NLP se aplica en una gran variedad de tareas como respon- der preguntas, clasificar textos de diversas maneras, conversar con los usuarios y construir traductores e intérpretes. A conti- nuación, se describen otras aplicaciones interesantes que utilizan NLP. La mayoría de las aplicaciones que utilizan NLP también utilizan lo que se le llama modelos de aprendizaje. Estos modelos forman parte de un área de la IA llamada aprendizaje automático, en inglés: machine learning (ML) (ML, 2024). El ML se orienta en trabajar con algoritmos que sean capaces de clasificar una entrada en alguna de las clases con las que el algoritmo fue entrenado. Por ejemplo, si el algoritmo fue entre- nado para que de una foto (como dato de entrada) determine si la imagen contiene una pera o una manzana, entonces cuando se le dé una nueva foto, el algoritmo determinará con cierto grado de error, si la imagen pertenece a la clase pera o a la clase manzana. Estos algoritmos se soportan en modelos matemáticos para llevar a cabo el proceso de entrenamiento. Además, es importante decir que el tiempo que le toma a un algoritmo entrenar varía de acuerdo con el problema a solucionar, la cantidad de información que se tiene para este proceso, etc. A continuación, se describen brevemente algunas de las aplicaciones que utilizan NLP. LA INTELIGENCIA ARTIFICIAL: EVOLUCIÓN Y APLICACIONES EN LA IA GENERATIVA SERENDIPIAS
El análisis de sentimientos es el proceso de clasificación de algún tipo de emoción tomando como entrada un texto, la salida del modelo es un valor numérico asociado a la probabilidad de que el sentimiento expresado sea positivo, negativo o neutro. El análisis del sentimiento se utiliza para clasificar las opi- niones de los usuarios y clientes en distintas plataformas en línea. Los traductores de lenguaje son capaces de convertir un texto de entrada en otro idioma específico (por ejemplo, español) hacia un texto en un leguaje distinto (por ejemplo, inglés). Estas aplicaciones son muy útiles y se encuentran disponibles en la red para ser utilizados de modo libre. Estos traductores han evolucionado de rápidamente de tal manera que hoy se cuenta con traductores a nivel de audio. La detección de correo spam (mensajes que el usuario no desea y que son enviados de forma masiva por alguna empresa) es otras de las aplicaciones del uso de NLP y ML, clasifican un correo de entrada entre correo spam y correo no spam. Otras de las aplicaciones de mucha utilidad al escribir son los llamados correctores grama- ticales. Estos ayudan a detectar errores en el proceso de redacción y en muchos casos ofre- cen una alternativa de solución al error encon- trado. El modelado de temas es una tarea del NLP utilizando ML que toma como entrada un con- junto de documentos y descubre qué temas se abordan en los documentos, la salida de estos modelos es una lista de temas definidos asociando un conjunto de palabras para cada tema, así como proporciones de cada uno de los temas dentro de los documentos. Latent Dirichlet Allocation (LDA) (Kulshres- tha, 2021), una de las técnicas de modelado temático más populares, trata de ver un documento como una colección de temas y un tema como una colección de palabras. El mo- delado de temas se utiliza de manera comercial para ayudar a los abogados a encontrar prue- bas en documentos jurídicos. También se en- cuentran disponibles en la red herramientas de IA generativa que toman como entrada un texto y pueden producir imágenes, video, audio, presentaciones, etcétera. A medida que la IA generativa se desarrolla y se hace parte de algunas de las actividades de nuestra vida cotidiana, crece la preocupación por la privacidad y la seguridad de los datos. La capacidad de los sistemas de IA para generar y analizar grandes cantidades de datos personales incrementa la preocupación sobre cómo recupera, almacena y utiliza esta información. Desde la coordinación de posgrado del Departamento de Ciencias e Ingenierías, se impulsa a los estudiantes a utilizar herra- mientas de IA generativa con el propósito de construir conjuntos de datos para procesos de simulación. Por otro lado, cada documento de tesis o de caso de estudio que los estudiantes escriben para su proceso de titulación son revisados inicialmente con la herramienta de Compilatio (Compilatio, 2024), con la que la Ibero cuenta para verificar el porcentaje de similitud con documentos en la red, pos- teriormente, se utilizan las herramientas de IA generativa llamadas AI-Detector y GPTZero (GPTZero, 2024), estas herramientas permiten saber qué porcentaje de un texto fue producido específicamente por alguna aplicación de ChatGPT. El uso de IA generativa ha incrementado la preocupación por la parcialidad y la discrimi- nación en los sistemas de IA, especialmente en ámbitos como la contratación y los prés- tamos, en donde algunas decisiones pueden Los traductores de lenguaje son capaces de convertir un texto de entrada en otro idioma específico (por ejemplo, español) hacia un texto en un leguaje distinto (por ejemplo, inglés). Estas aplicaciones son muy útiles y se encuentran disponibles en la red para ser utilizados de modo libre. Estos traductores han evolucionado rápidamente de tal manera que hoy se cuenta con traductores a nivel de audio LA INTELIGENCIA ARTIFICIAL: EVOLUCIÓN Y APLICACIONES EN LA IA GENERATIVA SERENDIPIAS
afectar la vida de las personas. El problema de la parcialidad y la discriminación en la IA generativa surge del hecho de que algunas de estas aplicaciones se han entrenado con datos históricos que reflejan prejuicios y desi- gualdades sociales. De la misma manera crecen las preocupaciones éticas y morales asociadas a su uso. Una de ellas es la posibilidad de que los contenidos que se producen por IA generativa se utilicen con fines dañinos o maliciosos, como videos que difunden información falsa o propaganda. Como se describió en este artículo, el desarrollo de la IA se detonó a partir del incremento del poder computacional, por lo que, la IA incluye muchos campos del conocimiento con una enorme cantidad de aplica- ciones. Sin pretender descalificar a ninguna de las muchas e impor- tantes áreas de la IA, las más empleadas en el desarrollo de software basado en algoritmos, son el Aprendizaje Automático y el Reconoci- miento de Lenguaje Natural. El ML y el NLP son la base de herramientas como ChatGPT y otras aplicaciones de IA generativa, las cuales per- miten generar información a partir de un conjunto de datos de entrada, también llamado contexto. Es muy importante utilizar de modo responsable estas herramientas y verificar el resultado que la IA generativa nos ofrece al llevar a cabo las consultas, considerando que no todo lo que se produce de manera automática es éticamente válido. prejuicios y desigualdades sociales. De la misma manera crecen las ChatGPT Español sin registro. (25 julio de 2024). ChatGPT. https://chatgpt.es/ Kulshrestha, R. (10 de diciembre del 2021). A Beginner’s Guide to Latent Dirichlet Allocation(LDA). Medium. https://towardsdatascience.com/latent- dirichlet-allocation-lda-9d1cd064ffa2 Logiciel anti plagiat Compilatio. Compilatio, (14 de julio del 2024). https://www.compilatio.net/ Man vs Machine. Kasparov, (14 de julio del 2024). https://www.kasparov.com/ timeline-event/deep-blue/ Natural Language Processing (NLP) [A Complete Guide]. (Enero 11 del 2023). DeepLearning.AI. https://www.deeplearning.ai/resources/natural-language- processing/ ¿Qué es machine learning?, IBM. (12 de julio del 2024) https://www.ibm.com/ mx-es/topics/machine-learning The Trusted AI Detector for ChatGPT, GPT-4, & More. (12 de julio del 2024) https://gptzero.me/ REFERENCIAS ANTONIO BENÍTEZ RUÍZ Coordinador de la maestría en Innovación y Desarrollo Tecnológico y Coordinador de la Maestría en Ingeniería en Manufactura Avanzada IBERO Puebla sebastian.pineda@iberopuebla.mx
LOS NÚMEROS LA EVALUACIÓN DE CURSO DE CAPACITACIÓN "INNOVACIÓN EDUCATIVA CON IA: HERRAMIENTAS PARA DOCENTES DEL SIGLO XXI" INDICADORES DE INNOVACION Y ETICA: JAZMÍN JIMÉNEZ BEDOLLA* ERICK CARRETO SANTOS**
temario El curso de capacitación "Innovación educativa con IA: herramientas para docentes del siglo XXI" ofrecido por la Coordinación de Educación Virtual a través de la Formación de Profesores y tutores a la comunidad docente de la Ibero Puebla es una experiencia para dotar a los participantes de las Después de dos ediciones: una en otoño de 2023 y la segunda en la primavera de 2024, se realizó una sistematización cuantitativa y cualitativa de los resultados obtenidos por los 32 docentes participantes de 26 distintas áreas de la universidad. Durante el curso, los participantes exploraron el campo de la inteligencia tecnológicas basadas en IA para potenciar y enriquecer su práctica docente. 32 DOCENTES 26 ÁREAS DE LA UNIVERSIDAD DATOS CUALITATIVOS SOBRE LA EXPERIENCIA DE EVALUACIÓN ASISTENCIA Herramientas de IA más utilizadas en el taller: PRODUCTOS ELABORADOS CON ia OTOÑO 2023 PRIMAVERA 2024 98% 82% 112 1. ChatGPT 2. Poe 3. MagicSchool 4. Copilot 5. Gamma Introducción a la inteligencia artificial Herramientas de inteligencia artificial en la educación Prácticas de uso de la inteligencia artificial en educación del curso: 1. 2. 3. LOS NÚMEROS DE LA EVALUACIÓN
PRODUCTOS Inicio del módulo Se realizó una lluvia de ideas con las que los participantes intercambiaron conocimientos previos acerca de la inteligen- que explicar a un estudiante de primer año en tu campo de cial, ¿cómo lo harías en tres oraciones o menos? ¿Qué concep- tos clave consideras esenciales para que todos los estudiantes comprendan sobre la IA en el contexto de tu disciplina? Ideas compartidas por los docentes Conceptos clave Categoría Tecnología, software y algoritmos Capacidades, aprendizaje e información Ética, limitaciones y responsabilidad Software que, con base en la información que se le ha alimentado, responde a la pregunta que le hagamos con la respuesta que determina como la más probable. Es un software capaz de reconocer palabras e imáge- nes (depende del servicio), que funciona a partir de su conexión a extensas bases de datos. De acuerdo con la interacción y solicitudes que le hacemos, propone (mediante algoritmos) respues- tas que son las más probables a partir del análisis que hace de la información que posee. Herramienta que pretende ser como el ser humano, maximizando sus capacidades. Es una manera actualizada de aprender. Es una actividad que desarrolla nuevos elementos. Un conjunto de herramientas digitales que utiliza grandes bases de datos para resolver tareas diver- sas mediante el aprendizaje de patrones y el desarrollo de sistemas algorítmicos. Programas informáticos con un gran compendio de información de múltiples fuentes. Herramienta que puede generar textos, imágenes y códigos de programación. Debe utilizarse con responsabilidad, por lo cual, no debe asumirse como propia la información que genere. Responde según la información que le ha sido prealimentada. La información alimentada es imperfecta e incom- pleta, tiene sesgos, huecos... • Algoritmos - Software • Probabilidad • Aprendizaje • Prompt • IA generativa • Bases de datos • Tendencia tecnológica • Información • Ayuda - Poderosa • Máquina de aprendizaje • Tecnología • Entornos digitales • Macrodatos • Algoritmos • Industria 5.0 • Acceso a información • Selección y organización de la información • Ética • Sesgos • Huecos •Responsabilidad LOS NÚMEROS DE LA EVALUACIÓN
EJERCICIO colaborativo situaciones o procesos dentro de la institución en donde la IA podría aplicarse para mejorar la enseñanza y el aprendizaje dentro de su área. Generación de material didáctico 1. Actualización de temas y recursos: Actualización de material de enseñanza mediante el uso de IA; así como la generación de imágenes. 2. Personalización del aprendizaje: Uso de la IA para dar seguimiento, acompañamiento y retroali- mentación personalizada a los estudiantes. 3. Sistematización y eficiencia administrativa: Aplicación de IA en procesos administrativos, gestión de comu- teriales en bibliotecas, así como en exámenes de admisión, creación de pruebas y análisis de estadís- ticas. 4. Innovación en métodos de enseñanza: Desarrollo de técnicas grupales y dinámicas de clase que fomentan la creatividad y la interacción entre estudiantes, de acuerdo con necesidades y objetivos. 5. Integración en diversas áreas académicas: LOS NÚMEROS DE LA EVALUACIÓN
1. Descubrimientos de la IA 2. Creación de contenido con ayuda de la 3.Discusión ética con asistente de IA 4.Creación de su Chatbot Las y los docentes diseñaron prompts que les permitieron diseñar actividades innovadoras y creativas para sus áreas de expertise. Los docentes de la Ibero Puebla exploraron diversas dimensiones éticas de la IA en la educación superior, destacando la impor- tancia de un uso informado, transparente y responsable de estas herramientas. cipantes fueron capaces de crear su propio chatbot con ayuda de una herramienta de Poe. 1. Ética y uso responsable: importancia de utilizar la IA de manera ética y respon- sable, especialmente en áreas creativas. 2. Exploración y adaptación: la versatilidad de la IA permite su aplicación en diversas áreas académicas y administrativas. 3. Facilidad de uso y accesibilidad: herra- mientas que no requieren conocimientos técnicos avanzados permiten a más docen- gía de IA. 4. Limitaciones y mejoras: algunas herra- mientas presentan limitaciones, como cos- tos de suscripción y complejidad en su uso, que deben ser considerados al integrarlas en el entorno educativo. Actividades asíncronas y trabajo independiente Creación de contenido con ayuda de la inteligencia artificial Descubrimientos de la IA Discusión ética con asistente de IA Los siguientes enlaces fueron el resultado de ese ejercicio: Chatbots de Primavera 2024: • Uso de APA en las Preparatorias IBERO: https://poe.com/APABotPrepasIBERO • Talento humano: https://poe.com/RH-habla • Experto en ética de IA: https://poe.com/MrEtico Chatbots de Otoño 2023: • Tutor de ciencias para estudiantes de bachillerato: https://poe.com/Sci3nce_ARM • Programa ESCÁPATE: https://poe.com/ESCAPATE_2024 • peare_GI-23 LOS NÚMEROS DE LA EVALUACIÓN
JAZMÍN JIMÉNEZ BEDOLLA Coordinadora de Educación Virtual ERICK CARRETO SANTOS Desarrollador de Entorno Virtuales IBERO Puebla jazmin.jimenez.bedolla@iberopuebla.mx erick.carreto@iberopuebla.mx CONCLUSIÓN LOS NÚMEROS DE LA EVALUACIÓN El curso de capacitación logró no solo dotar a los docentes de herramientas tecnológicas avanzadas, sino también y ético de la IA. La combinación de datos cuantitativos y cualitativos proporcionó la evaluación integral del impacto del curso, destacando la importancia de la innovación edu- cativa y la ética en la integración de la IA en la educación superior. La aplicación de herramientas de IA en la práctica docente ofrece numerosas ventajas, desde la mejora de materiales to de la creatividad y la participación activa de los estu- diantes. Sin embargo, es crucial abordar estas tecnologías de manera ética y responsable, explorando continuamente sus capacidades y adaptándolas a las necesidades educa-
RkJQdWJsaXNoZXIy MTY4MjU3