Sobre el uso de los chatbots como elemento igualador del aprendizaje en alumnos que viven en entornos con escasa formación académica

Alberto Márquez Alarcón SOBRE EL USO DE LOS CHATBOTS COMO ELEMENTO IGUALADOR DEL APRENDIZAJE EN ALUMNOS QUE VIVEN EN ENTORNOS CON ESCASA FORMACIÓN ACADÉMICA TRABAJO DE FIN DE MÁSTER Dirigido por CARMEN GRACIANI Máster en Profesorado de Enseñanza Secundaria Obligatoria y Bachillerato, Formación Profesional y Enseñanzas de Idiomas Índice Índice......................................................................................................................................... 2 Índice de figuras.....................................................................................................................3 Índice de tablas...................................................................................................................... 4 Resumen....................................................................................................................................5 Abstact.......................................................................................................................................5 1 Introducción y justificación..................................................................................................6 2 Objetivos................................................................................................................................ 9 3 Preguntas de investigación................................................................................................. 10 4 Fundamentación teórica..................................................................................................... 11 4.1 El impacto de la influencia del nivel educativo del entorno........................................ 12 4.2 El impacto de la IA en el proceso de aprendizaje........................................................ 15 4.3 El uso de los chatbots como apoyo a los estudiantes...................................................19 5 Estudio sobre las diferencias de uso de chatbots entre alumnos de diferente nivel educativo en su entorno......................................................................................................... 24 5.1 Metodología y desarrollo de la investigación.............................................................. 24 5.1.1 Diseño y distribución del cuestionario................................................................24 5.1.2 Descripción de las respuestas..............................................................................26 5.2 Resultados.................................................................................................................... 32 5.2.1 Contexto Sociocultural del alumnado................................................................. 32 5.2.2 Apoyo al estudio..................................................................................................35 5.2.3 Uso de las herramientas de IA.............................................................................40 5.2.4 Rendimiento académico......................................................................................56 5.3 Análisis.........................................................................................................................60 5.3.1 Hipótesis............................................................................................................60 5.3.2 Modelado de variables...................................................................................... 61 5.3.3 Contraste de hipótesis.......................................................................................62 6 Limitaciones y trabajo futuro............................................................................................ 65 7 Conclusiones........................................................................................................................ 68 Anexo I: Cuestionario............................................................................................................70 Referencias..............................................................................................................................78 2 Índice de figuras Figura 1: Número de miembros con los que convive el estudiante..........................................33 Figura 2: Frecuencia de hogares según el nivel de estudios y los miembros con los que convive el estudiante................................................................................................................34 Figura 3: Proporción de frecuencia de la ayuda recibida en el hogar por materia...................36 Figura 4: Ayuda recibida en los hogares según el nivel de estudios de los miembros.............37 Figura 5: Distribución de la asistencia a clases particulares de los estudiantes.......................38 Figura 6: Distribución de los estudiantes según la materia que reciben clases particulares.... 38 Figura 7: Distribución de estudiantes usuarios de herramientas de IA....................................40 Figura 8: Distribución de estudiantes (con entorno de estudios superiores) usuarios de herramientas de IA................................................................................................................... 41 Figura 9: Distribución de estudiantes (sin entorno de estudios superiores) usuarios de herramientas de IA................................................................................................................... 41 Figura 10: Distribución de las herramientas de IA usadas por los estudiantes........................43 Figura 11: Distribución de los tipos de uso de las herramientas de IA....................................45 Figura 12: Proporción de frecuencia del uso de herramientas de IA por materia....................47 Figura 13: Proporción del nivel de procesamiento de las respuestas obtenidas de las herramientas de IA................................................................................................................... 47 Figura 14: Nivel de verificación de la información obtenida de las herramientas de IA.........49 Figura 15: Nivel de esfuerzo por comprender la información obtenida de las herramientas de IA..............................................................................................................................................49 Figura 16: Distribución del origen de las reprimendas por el uso de herramientas de IA.......51 Figura 17: Distribución de la percepción de los estudiantes de ayuda recibida por las herramientas de IA................................................................................................................... 53 Figura 18: Proporción de estudiantes repetidores en la muestra..............................................57 Figura 19: Proporción de los estudiantes según el número de suspensos en el último trimestre. 58 Figura 20: Proporción de estudiantes según el número de sobresalientes en el último trimestre 59 Figura 20: Tests de correlación................................................................................................ 63 3 Índice de tablas Tabla 1: Análisis de inconsistencias de las respuestas recibidas..............................................27 Tabla 2: Centros donde estudia el alumnado encuestado.........................................................29 Tabla 3: Distribución de las respuestas por municipios y proporción de Estudiantes que declaran usar herramientas de IA.............................................................................................30 Tabla 4: Distribución de las respuestas por provincias y proporción de Estudiantes que declaran usar herramientas de IA.............................................................................................30 Tabla 5: Distribución de las respuestas por CCAA y proporción de estudiantes que declaran usar herramientas de IA............................................................................................................31 Tabla 6: Distribución de las respuestas por tipo de centro, proporción de estudiantes usuarios de herramientas de IA y distribución total del curso 2022-2023 (Ministerio de Educación, Formación Profesional y Deportes, 2024)................................................................................31 Tabla 7: Distribución de las respuestas por curso y proporción de Estudiantes que declaran usar herramientas de IA............................................................................................................32 Tabla 8: Estadísticos sobre el nivel de estudios de los miembros con los que conviven los estudiantes................................................................................................................................34 Tabla 9: Estadísticos sobre las ramas de estudio de los miembros (con estudios superiores) que conviven con los estudiantes............................................................................................. 35 Tabla 10: Diferencias de porcentaje de asistencia a clases particulares entre los estudiantes con y sin entornos de educación superior.................................................................................39 Tabla 11: número de herramientas de IA que declaran usar los estudiantes y diferencia en la proporción del número de herramientas de IA usadas según el nivel de estudios del entorno42 Tabla 12: Herramientas usadas por los encuestados................................................................ 44 Tabla 13: Diferencia en la proporción del número de usos de herramientas de IA según el nivel de estudios del entorno....................................................................................................46 Tabla 14: Cruce de datos entre la pregunta P12 y las P13 y P14 según el nivel de estudios del entorno......................................................................................................................................50 Tabla 15: Proporción del origen de las reprimendas por el uso de herramientas de IA según el nivel educativo del entorno...................................................................................................... 52 Tabla 16: Comparación de la proporción de la percepción de los estudiantes de la ayuda recibida por las herramientas de IA según el nivel educativo del entorno...............................54 Tabla 17: Frecuencia de las agrupación de motivos por los que no usan herramientas de IA aquellos estudiantes que declaran no usarlas........................................................................... 55 Tabla 18: Comparación de la proporción de repetidores según el nivel de estudios del entorno y entre el uso de herramientas de IA........................................................................................57 Tabla 19: Comparación de la proporción de los estudiantes según el número de suspensos en el último trimestre, entre el nivel de estudios del entorno y entre el uso de herramientas de IA. 59 Tabla 20: Comparación de la proporción de los estudiantes según el número de sobresalientes en el último trimestre, entre el nivel de estudios del entorno y entre el uso de herramientas de IA..............................................................................................................................................60 4 Resumen En la actualidad somos testigos de un fantasma que recorre las aulas: el fantasma de la Inteligencia Artificial. La irrupción de los chatbots, otras herramientas y en concreto ChatGPT, no han dejado indiferente a la comunidad educativa; y tanto promotores como detractores de su uso en el entorno educativo se han alistado en esta batalla argumental. Este trabajo pretende explorar la posibilidad de si estas herramientas pueden ser un elemento igualador en cuanto a los posibles beneficios que obtendrían aquellos estudiantes de enseñanzas medias con un entorno que cuente con estudios -frente a los que no cuentan con elloy por tanto con el conocimiento para apoyarlos. Pese a que hay argumentos a favor de mi tesis a lo largo de la literatura de diferentes ramas del saber, los resultados de mi estudio no me permiten asegurar que sea válida. No obstante, sí permite conocer mejor el uso que los estudiantes de enseñanzas medias hacen de ChatGPT, entre otros sistemas. Así como advertir ciertas diferencias entre los dos conjuntos de alumnos que compara este trabajo. Palabras clave Inteligencia artificial, Educación, Chatbot, Entorno familiar, Éxito académico, Igualdad de oportunidades, ChatGPT, Secundaria, Bachillerato, Enseñanza media Abstact Today, we are witnessing a specter that haunts classrooms: the specter of Artificial Intelligence. The emergence of chatbots, other tools, and specifically ChatGPT, has not gone unnoticed by the educational community; both advocates and critics of its use in the educational environment have joined this argumentative battle. This paper aims to explore whether these tools can serve as an equalizing element regarding the potential benefits that secondary school students from academically supportive backgrounds might gain—compared to those who lack such support—and thus benefit from the knowledge to assist them. Although there are arguments in favor of my thesis throughout the literature from various fields of knowledge, the results of my study do not allow me to confirm its validity. However, it does provide a better understanding of how secondary school students use ChatGPT, among other systems, and highlights certain differences between the two groups of students compared in this study. 5 1 Introducción y justificación Desde la aparición de los chatbots, programas informáticos que simulan conversaciones con humanos; estos han impactado en numerosos ámbitos por su utilidad como asistente a la acción humana o directamente sustituyéndola en aquellos campos en los que los modelos son capaces de dar una respuesta de suficiente calidad. Hay numerosos ejemplos en la literatura que advierten de sus riesgos especialmente en el entorno docente, que por lo general, consideran estas herramientas como un elemento que puede hacer que el alumnado se acostumbre a delegar y confiar en exceso en los resultados que obtienen de estos modelos, lo que podría suponer un descenso en las capacidades del alumnado. Sin embargo, la irrupción de estas herramientas es bastante reciente y aún está por ver si pueden ser beneficiosas o perjudiciales para los estudiantes. Adicionalmente pueden suponer un elemento difícil de limitar o prohibir, por lo que es conveniente estudiar sus posibles efectos y aplicaciones, así como los hipotéticos cambios que puede implicar en la docencia de los años venideros. Solo de esta manera se podrá exprimir todo su potencial y evitar, en la medida de lo posible, los riesgos que supone para las próximas generaciones. A favor de estos argumentos también pesa el impacto en el mundo laboral actual. Si consideramos la docencia como un medio para proveer de conocimiento y habilidades que desarrollen a las personas (tanto en lo personal, como en lo profesional) sería sumamente irresponsable cerrarse en banda a las tecnologías emergentes solo por querer seguir desarrollando la labor docente de una forma continuista. Por ello he decidido aprovechar la oportunidad que me ofrece este trabajo y mi perfil como ingeniero informático, para adentrarme en las investigaciones y teorías que relacionan la enseñanza y la Inteligencia Artificial (en adelante IA), y más concretamente los chatbots, además de llevar a cabo un estudio propio sobre estudiantes. Este estudio pretende arrojar algo de luz, dentro de las limitaciones a las que me he visto sujeto, sobre varios nichos de estudio concretos que a fecha de hoy he encontrado prácticamente vacíos. Esto es así porque hay muy pocos estudios del impacto de los chatbots en estudiantes de enseñanzas medias y menos aún, sobre su uso para menguar posibles situaciones de desigualdad que puedan impactar en el éxito académico. Y precisamente esos son los cimientos sobre los que he construido todo este trabajo. 6 Introducido brevemente el trabajo, creo conveniente explicitar que haré uso del masculino a lo largo del trabajo, ya que el Castellano carece de un género neutro que permita un lenguaje verdaderamente representativo del conjunto al que hago referencia. El tema sobre el que versa este estudio se me ocurrió realizando las prácticas del Máster de Educación en el instituto IES Torre de los Herberos, localizado en una de las zonas más deprimidas de Dos Hermanas y catalogado como centro de difícil desempeño. En dicho centro pude comprobar de primera mano el impacto que puede llegar a tener el entorno más cercano de los estudiantes. Esta influencia se podía apreciar en la falta de expectativas e interés por los estudios, ya sea por la ausencia de referentes familiares que hayan alcanzado un cierto nivel académico, por ser en ocasiones las familias colaboradoras y motivadoras del absentismo o por las carencias de apoyo extraescolar en sus domicilios. De la misma forma, lo pude apreciar a lo largo de mi carrera académica en algunos de mis compañeros y compañeras pese a no haber estudiado nunca en un centro de las características del Torre de los Herberos. Por ello, la influencia del entorno en mis antigüos compañeros y compañeras era diferente, ya que el absentismo en el centro donde yo estudié no era un problema, pero el apoyo y comprensión en el proceso de aprendizaje, así como la valoración del éxito académico, sí era diferente en aquellos estudiantes con un entorno con miembros con estudios superiores que sin ellos. Este fenómeno contrasta enormemente con mi propia experiencia. Ya que provengo de un entorno familiar en el que los integrantes de mi generación y la generación anterior, han adquirido un nivel como mínimo universitario y la mayoría se dedica a la enseñanza en distintos niveles del ámbito público. Esto no solo me ha ayudado en numerosas ocasiones en mi vida académica desde un punto de vista del apoyo en el estudio, también ha sido un elemento motivador a la hora de querer aspirar a alcanzar un nivel de estudios similar. Se suma a estas inspiraciones, la apreciación del creciente uso por parte de los adolescentes de herramientas de IA, principalmente chatbots como ChatGPT, como asistente en sus estudios, abriendo de esta manera una serie de posibilidades -así como riesgospara los estudiantes y docentes del presente y el futuro. Por ello, creo conveniente estudiar bien estas herramientas y su impacto para integrarlas correctamente en la enseñanza, ya que me parece inevitable su uso en este entorno, pese a que muchos lo ven con ojos recelosos. Al igual que en mi etapa en la enseñanza secundaria se veía el uso de Internet, del cual casi nadie tiene 7 objeciones a día de hoy. Pero en aquellos momentos, buscar información en sitios como Google y no en fuentes como enciclopedias se veía con una gran desconfianza e incluso era motivo de suspensos si citabas una web como fuente. Todo eso ha cambiado, no solo por un cambio de mentalidad, claro está, también el entorno de Internet y la rigurosidad de la información que se puede encontrar ahora, hace que esta sea una herramienta fundamental en el proceso de enseñanza-aprendizaje. También ha contribuido a esto todo el esfuerzo que se ha realizado por enseñar cómo usar Internet correctamente para obtener información verificada y contrastada. Por último, me decidí a hacer un trabajo de investigación, pues desde la realización de mi TFG en la carrera de ingeniería informática, he tenido la inquietud por investigar y el deseo de publicar. El trabajo de fin de máster me parecía una buena ocasión para plantear un estudio que pudiera interesar a alguien de la comunidad universitaria y en última instancia adaptar este trabajo para su publicación en alguna revista científica. Tanto es así, que en la realización de este trabajo me he puesto en contacto con la doctora Minkyoung Kim de la Universidad de Tampa en Estados Unidos, con motivo de un artículo Kim y Adlof (2023) en el que declara su intención de realizar un trabajo experimental que le permita probar sus teorías sobre el uso de la IA por medio de un enfoque de enseñanza constructivista, tal y como describen en su trabajo. De la misma forma, pretendo en mi futuro como docente llevar a cabo experimentos similares, es decir, probar ciertas hipótesis sobre el posible uso beneficioso de la IA de forma empírica en un entorno educativo real. Pudiendo, idílicamente, establecer grupos de control y experimentales que me permitan la comparación del impacto en el aprendizaje por el uso de estas herramientas. 8 2 Objetivos Entre los objetivos diferenciaré un objetivo general y una serie de objetivos sobre los que se apoya el anterior. Todos ellos relacionados con el uso de herramientas inteligentes, incluyendo chatbots pero no de forma exclusiva, como herramientas durante la etapa como estudiantes de secundaria. El objetivo general es: ● Descubrir si el uso de la IA, y en especial los chatbots, pueden igualar las hipotéticas oportunidades de ayuda, inspiración o apoyo en sus estudios de los alumnos que carecen de un entorno con una cierta formación académica, frente a aquellos que sí cuentan con un entorno que pueda proporcionarles esa ayuda, inspiración o apoyo. Los objetivos específicos de este trabajo son los siguientes: ● Conocer el tipo de uso que le dan a las herramientas de IA los estudiantes de cara a sus estudios. ● Conocer qué herramientas usan. ● Conocer en qué materias usan más estas herramientas. ● Conocer porqué no usan las herramientas aquellos que no las usen. ● Conocer la percepción del alumnado sobre la ayuda que reciben de estas herramientas. ● Conocer el grado de verificación y procesamiento de la información que obtienen de las herramientas. ● Encontrar si existen relaciones entre el nivel educativo del entorno del estudiante y: ○ su rendimiento académico. ○ su uso de herramientas de IA. ○ el apoyo que éste proporciona con sus estudios. ○ las clases particulares a las que asiste 9 estas tres áreas, la última es el foco de este trabajo. Es decir, la relativa al uso por parte del alumnado en el proceso de aprendizaje. Uno de los factores importantes en la educación es la personalización de esta al estudiante o la falta de ella, como fue descrita por el problema de Bloom (1984) de las dos sigmas en educación. Dicho estudio determina que el rendimiento académico de aquellos estudiantes que tienen una atención personalizada es mayor que el 98% de una clase normal. Este tipo de educación personalizada es demasiado costosa para la mayor parte de los sistemas educativos. Estos sistemas tienen su origen en torno a los años 60 y 70 del siglo pasado. Un ejemplo de su génesis es el proyecto PLATO de la Universidad de Illinois, el cual asistía a los estudiantes en el proceso de aprendizaje, inicialmente, mediante juegos, simulaciones y tutoriales (Bennett & Abusalem, 2024) . Otro ejemplo, esta vez en el mundo hispanohablante, es el del argentino Jaime Carbonell (1970) que presentó su sistema SCHOLAR, con el objeto de usar ordenadores como tutores educativos. Desde entonces han habido dos vertientes en este campo, el de los Computer Aided Instructions (CAI) e Intelligent Tutoring System (ITS) los cuales fueron comparados por Van Lehn (2011) en su estudio por los que usando dichos sistemas informáticos de tutoría, se obtienen resultados de rendimiento que se acercan a los obtenidos por tutores humanos. Posteriormente se apreciaron resultados similares en otros estudios (du Boulay, 2016). La diferencia entre estos tutores informáticos es que en los CAI no existe una tutorización inmediata o en pasos intermedios en la resolución de un problema como si los hay en los ITS. Es decir, que estos sistemas buscan acompañar al usuario en todo el razonamiento y resolución del problema, ofreciéndole vías por las que atacar la solución. Dentro del campo de la IA aplicada a los ITS se pueden destacar una serie de propósitos: Guía adaptativa, Instrucciones adaptativas, Evaluación de estudiante, Clasificación de los estudiantes, Clasificación del material o Estimación de la dificultad de los ejercicios (Mousavinasab et al., 2018). Todo esto puede suponer una gran ayuda en el proceso de enseñanza-aprendizaje, pues brinda, tanto al estudiante como al docente, la posibilidad de adaptar dicho proceso como hasta hace poco no era posible, al menos en un contexto de una clase. Un fenómeno importante que obligó a los sistemas educativos mundiales a adoptar nuevos métodos de enseñanza, basándose en el uso de sistemas informáticos, fue la pandemia de la COVID-19. Esto supuso un incremento del uso de plataformas de IA en los sistemas educativos de muchos países, entre ellos Rumanía. País en el cual se observó, de forma 16 contraria a las ideas preconcebidas, que la adopción de los sistemas de IA en la educación fueron tanto o más aceptados en zonas menos desarrolladas del país respecto a las más desarrolladas (Pantelimon et al., 2021). De la misma manera, en China se han hecho esfuerzos por aplicar la IA en la educación particularmente en entornos rurales y menos desarrollados, en aras de paliar la falta de docentes de calidad y/o experimentados (Yuan, 2023). Recientemente, el aumento del uso y desarrollo de la IA ha propiciado que varios investigadores explorasen el campo de la AIED (Artificial Intelligence in EDucation) en diversas ramas del saber (Chen et al., 2020; Bozkurt et al., 2023) y sus impactos así como la ética asociada a su uso (Mouta et al., 2023). Obteniendo resultados y experiencias positivas en campos como el de las STEM (Jang et al., 2022; Tan & Cheah, 2021), idiomas (Pokrivcakova, 2019; Karataş et al., 2024) o música (Yu et al., 2023; Zulić, 2019). En general, Jia et al. (2023) concluyen en su revisión de artículos relacionados con el uso de IA aplicada a la enseñanza de ciencia que en la mayoría de los casos analizados se aprecia un efecto positivo de su uso. Otra posible aplicación es la de ayudar al creciente grupo de estudiantes extranjeros a adaptarse mejor a un país, idioma y/o sistema educativo, reduciendo una curva de aprendizaje más pronunciada que la de sus compañeros (Wang et al., 2023) Pese a los posibles beneficios que la tecnología puede ofrecer, no está exenta de riesgos. Entre ellos podemos destacar la falta de control por parte de los docentes, problema que sin embargo está siendo atacado en el ámbito de la educación (Brusilovsky, 2023) Otra de las preocupaciones dentro de los investigadores del campo de la IA en la enseñanza es la relativa a los posibles sesgos de programación, discriminación en las respuestas, la accesibilidad, protección de datos o derechos de la infancia, entre otros. Esto hace que se abogue y se inste a legislar y desarrollar políticas que puedan evitar o mitigar un impacto negativo por el uso de los sistemas de IA en los estudiantes (Persson, 2023; Yuan, 2023). En la otra cara de la moneda, podemos encontrar una corriente de investigadores y diseñadores que se centran en el desarrollo de sistemas que se “preocupen” por los estudiantes, haciendo que el diseño tenga en cuenta cómo actúan los usuarios con el sistema y adaptándose a ellos (Self, 1998). De esta forma Bittencourt et al. (2023) acuñaron el acrónimo P-AIED (Positive Artificial Intelligence in EDucation), también ofreciendo un extenso análisis de la literatura en este sentido y buscando guiar a la comunidad dedicada a la AIED a seguir este marco conceptual. También podría destacar las teorías sobre cómo la 17 forma de comunicarse con los estudiantes en una forma amigable o educada respecto a una más directa o impersonal, podrían afectar positivamente a los estudiantes en el proceso de aprendizaje. Especialmente a aquellos que presentan un menor conocimiento previo de la materia. No obstante los resultados no son determinantes como para afirmarlo rotundamente (McLaren et al., 2010). Todo este desarrollo e impacto en diversos sectores de la educación, llevó a la UNESCO en colaboración con el gobierno de la República Popular de China a realizar en 2019 la Conferencia Internacional sobre la Inteligencia Artificial en la Educación, en la capital china. En esta conferencia participaron representantes de cerca de 100 estados y organizaciones internacionales, tras ella se elaboró un documento de 40 puntos conocido como ‘Consenso de Beijing sobre la inteligencia artificial y la educación’, que busca servir de guía de buenas prácticas para la implantación de estas tecnologías en el entorno y sistemas educativos (UNESCO, 2019). Entre otras cosas, de este documento me gustaría destacar temas tratados como: ● Planificación de la inteligencia artificial en las políticas educativas ● La inteligencia artificial para la gestión y la impartición de la educación ● La inteligencia artificial para apoyar la docencia y a los docentes ● La inteligencia artificial para el aprendizaje y la evaluación del aprendizaje ● Desarrollo de valores y competencias para la vida y el trabajo en la era de la inteligencia artificial ● La inteligencia artificial para ofrecer oportunidades de aprendizaje permanente para todos ● Promoción del uso equitativo e inclusivo de la inteligencia artificial en la educación ● Inteligencia artificial con equidad de género e inteligencia artificial para la igualdad de género ● Velar por el uso ético, transparente y verificable de los datos y algoritmos educativos De estos temas se puede inferir como el impacto de este área en concreto de la computación es más que notable, llevando a gobiernos y organizaciones internacionales a tomar conciencia de los riesgos y oportunidades que brinda y brindará a los sistemas educativos, docentes y estudiantes. Esto es una respuesta, en gran medida, al creciente impulso y optimismo de la industria, incentivado por empresas e inversores que cuentan con unos intereses claros sobre tomar un 18 papel importante en la educación del futuro, ya que puede suponer -y supone yaun negocio muy rentable en lo económico, lo social y en la obtención de información. Pese a los riesgos que se pueden derivar de esta situación, los marcos legales y regulatorios impactan principalmente en las instituciones educativas y no en los actores empresariales. Esto es debido principalmente a la falta de transparencia de la gran mayoría de ellos, creando una situación de poder asimétrica, por la influencia y dependencia que puede generar la industria sobre los sistemas educativos y sus actores (Williamson, 2023; Graesser et al., 2023; Yuan, 2023). 4.3 El uso de los chatbots como apoyo a los estudiantes Desde la aparición de los chatbots, debido a las limitaciones de la tecnología, fueron usados para tareas relativamente mecánicas y que no requerían de un razonamiento muy elevado. No obstante, su uso en el entorno educativo ha sido explorado desde hace décadas, sin éxitos destacables (Smutny & Schreiberova, 2020) o éxitos parciales meramente experimentales en situaciones concretas y controladas (Chen et al., 2022). Sin embargo, la aparición de los transformadores generativos preentrenados (GPT, por sus siglas en Inglés) y su difusión al gran público ha cambiado el paradigma, no solo en el entorno educativo, sino en la sociedad en general. Tanto es así que el chatbot de OpenAI, ChatGPT, se convirtió a los dos meses de su lanzamiento en la aplicación con mayor crecimiento de la historia. Siendo superada meses después, en un contexto muy diferente, por Threads, la alternativa de Meta a Twitter tras las derivas en la administración de esta por parte de su director ejecutivo (Ray, 2023). Junto a ChatGPT, han surgido otros modelos y aplicaciones basadas en estos en una especie de “fiebre del oro” de los chatbots, que se apuran por dar un mejor servicio que la competencia (Rudolph et al., 2023). Pese su éxito y uso en numerosos ámbitos de la sociedad de ChatGPT y similares, su reciente lanzamiento hace que en lo que respecta al entorno educativo y la implantación de la tecnología y consecuentemente la investigación sobre el tema aún esté en una etapa preliminar, y predominantemente teórica, pese al impacto que ha generado en la comunidad educativa (Montenegro-Rueda et al., 2023). Además, añadiré que la gran mayoría de trabajos de investigación que relacionan los chatbots y la educación, se centran en la educación superior o universitaria (Mohebi, 2024). 19 Con motivo de tal impacto no han sido pocos los que han comenzado a lanzar estos modelos contra elementos de evaluación de los sistemas educativos de la actualidad, advirtiendo de notables éxitos a la hora de generar respuestas satisfactorias para docentes (Farazouli et al., 2023), así como para obtener rendimientos significativos en exámenes académicos y profesionales de EEUU (OpenAI, 2023) u obteniendo mejores notas medias que los alumnos de instituto en exámenes de Inglés de los Países Bajos (De Winter, 2023). Pero a pesar de su éxito Rudolph et al. (2023) probaron los modelos con un test multidisciplinar en el que los principales chatbots mostraron ciertas carencias, demostrando que aún la tecnología no está en el punto que se señala desde la prensa o las empresas implicadas. Naturalmente, tanto por los éxitos demostrados, como por los riesgos y carencias que se aprecian por el uso de estas herramientas, se ha generado un debate sobre si deberían o no ser usadas en el ámbito educativo (H. Yu, 2023; García-Peñalvo, 2023). Por un lado, están quienes piensan que deberían prohibirse debido a múltiples factores y en algunos casos estas prohibiciones se han hecho efectivas desde ciertas instituciones (H. Yu, 2023; GPDP, 2023); otras en cambio, parecen colaborar con OpenAI para integrar sus tecnologías en sus instituciones (OpenAI, s. f.). Entre los factores negativos destaca el que puede usarse para realizar trabajos de forma fraudulenta en el que el autor realmente no realiza más que la pregunta al chatbot haciendo que realmente la metodología sea inútil en cuanto al objetivo de obtener conocimiento, faltando así a la ética académica por medio del plagio (Iqbal et al., 2022; Chan & Hu, 2023). También se suele aludir a la posible falta de privacidad derivada del uso de los chatbots, ya que en gran medida estos sistemas usan o pueden usar la actividad de los usuarios para su entrenamiento (GPDP, 2023; Kasneci et al., 2023). Uno de los factores de mayor riesgo, especialmente en el entorno educativo, puede ser el que puede ofrecer respuestas que parecen plausibles pero sean erróneas (OpenAI, 2022). Derivado del potencial que estas herramientas ofrecen, se puede dar un agravio comparativo entre aquellos que las utilizan y los que no (Cotton et al., 2023). Otro de los problemas que se presenta es el del entrenamiento de la herramienta, por un lado el posible sesgo en el entrenamiento y la opacidad de este (OpenAI, 2022; Chan & Hu, 2023; Baidoo-Anu & Owusu-Ansah, 2023; Kasneci et al., 2023) y por otro, el alcance temporal de la información con la que se entrena a este tipo de sistemas, haciendo que en temas de rigurosa actualidad no puedan dar respuestas correctas (OpenAI, 2024; García-Peñalvo, 2023). No obstante, los estudiantes podrían no ser ajenos a toda esta problemática, como indica un estudio realizado por Chan y Hu (2023) entre universitarios de Hong Kong. Dicho estudio ofrece una visión muy interesante, poniendo el foco en la percepción de los 20 estudiantes, la cual, a mi juicio, es frecuentemente ignorada por numerosos investigadores. Al igual que el citado estudio, en el sentido de poner el foco en la percepción de los estudiantes y en como estos ven las limitaciones asociadas a los chatbots, Murshidi et al. (2024) realizaron otro estudio por el cual concluyen que son más proclives a usar ChatGPT aquellos que son más conscientes de los límites del sistema. Este debate también ha puesto en cuestión si son adecuadas las metodologías, tareas y evaluaciones tradicionales en el paradigma que ofrece la tecnología (Montenegro-Rueda et al., 2023). Y es que bastantes autores han identificado la integración de los chatbots, concretamente ChatGPT, como uno de los grandes retos en el campo de la pedagogía (Mohebi, 2024). Todo esto también es importante teniendo en cuenta el cómo esta tecnología puede transformar la praxis y el mercado laboral, demandando futuros trabajadores que sepan usarla (Chan & Hu, 2023; Baidoo-Anu & Owusu-Ansah, 2023). Por ello hay investigadores que abogan por crear o aplicar metodologías heterodoxas que prevengan a los estudiantes de hacer un mal uso de estas tecnologías (Cotton et al., 2023; Kim & Adlof, 2023). Por ello, hay quienes abogan por no solo no prevenir su uso, sino por aprovechar las oportunidades que ofrece a la hora de compatibilizarlo con nuevas metodologías. Un ejemplo sería la “flipped classroom”, en la cual los chatbots pueden ayudar al estudiante en la primera fase de la metodología, es decir, la de preparación de la clase, donde se propone algún tipo de ejercicio autoformativo previo a la clase. La funcionalidad de estas herramientas puede ser beneficiosa en aspectos clave de la metodología como: el aprendizaje activo, el enfoque centrado en el alumno, el aprendizaje autodidacta o la colaboración (Baskara, 2023). En la misma línea argumental, Lawan et al. (2023) proponen un modelo metodológico en el que se adaptan las herramientas de IA generativa a la “flipped classroom”. De esa manera proponen que los estudiantes sean coautores del contenido con el que trabajarán previo a la clase presencial haciendo uso de estas herramientas. Esto también implica educarlos a la hora de ser conscientes que tienen que comprobar que el material que generan con la ayuda de la IA es correcto. De la misma manera, Kim y Adlof (2023) proponen integrar herramientas como ChatGPT, pero desde un enfoque constructivista. Ellos proponen usar ChatGPT no como un mero generador de respuestas, sino como una herramienta que potencie el proceso de aprendizaje del estudiante, ayudándolo a obtener un contexto significativo, usarlo como colaborador de actividades mediante las conversaciones que se pueden tener con la herramienta, haciendo que finalmente el estudiante pueda aprender a base de generar conocimiento. 21 Otro argumento a favor de adaptar las metodologías de clase para integrar estas herramientas es el hecho de que debido a su potencial desde el punto de vista de los estudiantes, siempre habrán algunos que van a recurrir a estas herramientas pese a que se evite o prohíba que las usen, por lo que posiblemente lo más sensato sea buscar integrarlas en el proceso de enseñanza-aprendizaje (Halaweh, 2023; Kim & Adlof, 2023). Pese a las carencias y riesgos que presenta la tecnología en este momento, hay motivos inapelables que hacen de los chatbots una potente herramienta a la hora de asistir a los estudiantes. Una de ellas es la inmediatez de las respuestas y accesibilidad, algo en la que los tutores y docentes humanos no pueden rivalizar (Chen et al., 2022; Wang et al., 2023; Chan & Hu, 2023; Albadarin et al., 2024). Otro factor a destacar es el de la reducción de la complejidad del uso de la tecnología, tal y como Allam et al. (2023) relatan en un experimento en clase en el que hicieron al alumnado usar ChatGPT para un ejercicio. En este, algunos alumnos que tenían dificultad a la hora de buscar información en buscadores como Google, percibieron ChatGPT como una herramienta que les facilitase el acceso a información. En general, una cantidad notable de autores reconocen varios posibles usos de ChatGPT y los chatbots en general (Allam et al. 2023; Chan & Hu, 2023; Baidoo-Anu & Owusu-Ansah, 2023; Karataş et al., 2024; Kasneci et al., 2023; Mohebi, 2024; Rahman & Watanobe, 2023; Albadarin et al., 2024; Punar Özçelik & Yangın Ekşi, 2024), como: ● Aprendizaje individualizado. ● Asistencia para realizar deberes. ● Aprendizaje de idiomas. ● Investigación y obtención de información. ● Asistencia de escritura. ● Preparación de exámenes. ● Ahorro de tiempo para tareas repetitivas. ● Desarrollo paso por paso de problemas. Johnson, W. L.(2023) argumenta a favor de enseñar a los estudiantes cómo funcionan los chatbots, para que puedan saber cómo usarlos. Hacerles pensar buenas preguntas puede ayudar a fomentar el pensamiento crítico, así como, obtener respuestas de mayor calidad. Posiblemente la mejor manera de atacar los riesgos que la tecnología implica sea no tratar de prohibir, sino educar a sus potenciales usuarios del entorno educativo en cómo y cuándo 22 usarla correctamente (García-Peñalvo, 2023; Tlili et al., 2023); especialmente en las etapas que comprenden las enseñanzas primarias y medias (H. Yu, 2023). Y esto no solo aplica a los estudiantes, también el profesorado debe formarse y entender cómo usar y aplicar la tecnología en aras de poder implantarla correctamente y no ser un obstáculo en el proceso (Montenegro-Rueda et al., 2023; Iqbal et al., 2022; Kasneci et al., 2023). En un estudio realizado por Hays et al. (2023), se encuestaron a docentes de enseñanza primaria y secundaria (en el modelo y periodo educativo estadounidense) en el estado de Missouri, sobre chatbots en lo relativo a su conocimiento, políticas de permisividad de sus centros, formación recibida sobre su uso, apoyo de la gerencia del centro y opinión personal. En los resultados se puede ver como dentro de una muestra multidisciplinar hay una distribución normal de opiniones, con algo más de opiniones negativas hacía el uso de chatbots. Aunque en general tienden a tener una perspectiva más pesimista que optimista respecto a estas herramientas, en concreto hacía ChatGPT. Por otro lado, los centros parecen estar divididos equitativamente entre los que activamente bloquean, o pretenden bloquear, su uso y los que no lo hacen. Sin embargo, en la mayoría parece haber una falta de formación hacía los docentes o apoyo de la gerencia de los centros. Pese a ser una muestra pequeña y localizada en un contexto concreto de un solo país, puede que esto nos sirva de termómetro sobre el estado actual de aceptación, integración y uso de unas herramientas en la docencia, que no es más que el de asimilación por parte de la comunidad educativa, para quizás, una futura integración. En ese mismo estudio muestran también como prácticamente la mitad de las personas encuestadas hacen un uso personal de ChatGPT frente a un sólo 20% de uso profesional. Lo cual puede ser síntoma de la falta de formación, o de marco teórico sólido en el campo de la pedagogía, que permita a los profesionales de la docencia sentirse cómodos sobre su uso o valor educativo. 23 5 Estudio sobre las diferencias de uso de chatbots entre alumnos de diferente nivel educativo en su entorno A lo largo de este capítulo se describe el estudio que he realizado para este trabajo, el cual se ha basado en un cuestionario sobre cuyas respuestas se ha realizado una serie de análisis tanto cuantitativos, como cualitativos. En primer lugar, se describe la metodología del experimento y el desarrollo del mismo, tras lo cual se expondrán los resultados para finalizar con unos análisis sobre ellos. 5.1 Metodología y desarrollo de la investigación En este apartado se procederá a describir como fue diseñada la investigación, como se llevó a cabo y se describe la muestra obtenida. 5.1.1 Diseño y distribución del cuestionario Este estudio se basa en una encuesta (Anexo I), en la cual se hacen preguntas relativas a varios ámbitos contextuales del alumnado, de uso de herramientas de IA en el ámbito de la educación y unas cuestiones finales para evaluar el rendimiento académico. En cuanto al diseño de la encuesta, esta cuenta con 20 preguntas en total, todas ellas de respuesta obligatoria. Sin embargo, cuenta con dos secciones que se activan condicionalmente respecto a la respuesta de la P8, la cual es de sí o no; por lo que en caso afirmativo se pide responder a 19 preguntas o 12 en caso negativo. Pese a no coincidir exáctamente con la división presentada a las personas encuestadas, a nivel de diseño, secciones en las que se divide la encuesta son: ● Centro y curso: Consta de 2 preguntas, cuyo objetivo era conocer el centro y la etapa en la que estaban los encuestados, así como asegurar que las respuestas se ceñían a estudiantes de ESO o Bachillerato. ● Nivel de estudios del entorno: Consta de 2 preguntas en el que se busca conocer el nivel de estudios así como el número de miembros del entorno. Estas preguntas servirán, principalmente, para poder segmentar a los encuestados por el nivel de estudios del entorno. Además, permite conocer los ámbitos de los estudios superiores. 24 ● Apoyo recibido: Consta de 2 preguntas en las que se busca conocer el distinto grado de apoyo recibido en las distintas materias, tanto por parte del entorno como por medio de clases particulares. Esta sección permite poder valorar el grado de apoyo del entorno, ya sea por acción directa o indirecta. ● Uso de herramientas de IA y posible acceso a ellas: Consta de 2 preguntas que esencialmente sirven para dirigir a los encuestados a unas secciones u otras, y justificar la falta de uso por la carencia de acceso. ● Tipo de uso de herramientas de IA: Consta de 8 preguntas en las que se busca obtener información respecto a qué herramientas usan, con qué propósito, frecuencia, percepción de utilidad, así como, el grado de procesamiento, verificación y comprensión de las respuestas obtenidas. En general esta sección busca refutar o confirmar las ideas que generalmente se tienen preconcebidas sobre el uso por parte de los estudiantes. ● Motivo de no uso: Una sola pregunta de texto libre por motivos de curiosidad. ● Rendimiento académico: Consta de 3 preguntas que permiten estimar el rendimiento académico de los encuestados. El tiempo de respuesta, por lo que se pudo apreciar en aquellas personas que realizaron la encuesta presencialmente, oscilaba en torno a los 10 minutos. La encuesta ha sido distribuida en un formulario online -realizado con la herramienta Google Formsde diferentes maneras: ● En mano a estudiantes por medio de un QR que enlaza a la encuesta. ● A los alumnos de los grupos donde he realizado las prácticas del máster. ● Por medio de mis redes sociales en Instagram, Twitter y estados de Whatsapp. ● Por la difusión entre docentes gracias a Clara Grima, divulgadora de matemáticas que hace charlas a estudiantes comprendidos en el dominio de este estudio. ● Por la difusión de mi madre, directora jubilada de un centro de adultos, la cual cuenta con contactos en distintos centros y profesionales de la orientación. De los métodos de difusión del estudio se puede concluir una falta de control sobre la muestra. Y ya no solo es un problema de cara al control de ciertas variables que puedan afectar al estudio, también afecta a las consistencias de las respuestas en preguntas que están relacionadas. Pese a estar descritas estas en detalle en sus enunciados, la herramienta usada 25 representatividad. En ese sentido se suma la baja cantidad de respuestas recibidas por parte de estudiantes de 1º de ESO. Curso Nº estudiantes % de las respuestas % Estudiantes que declaran usar herramientas de IA 1º ESO 14 3,54% 57,14% 2º ESO 62 15,70% 35,48% 3º ESO 76 19,24% 50,00% 4º ESO 42 10,63% 50,00% 1º Bachillerato 165 41,77% 78,18% 2º Bachillerato 36 9,11% 55,56% Tabla 7: Distribución de las respuestas por curso y proporción de Estudiantes que declaran usar herramientas de IA 5.2 Resultados En primer lugar se analizarán algunos datos contextuales recibidos en la encuesta. Estos servirán para comprender factores relevantes de cara a los objetivos de este estudio, como el contexto sociocultural, apoyo al estudio recibido, el tipo de uso de herramientas de IA y el rendimiento académico de la muestra. 5.2.1 Contexto Sociocultural del alumnado Para estudiar el contexto del alumnado haré un repaso sobre ciertos resultados de la encuesta que buscan describirlo. Para estos análisis usare un subconjunto de la muestra, en concreto la de respuestas que se muestran consistentes entre las preguntas P3 y P4, en las que se pregunta por los miembros del hogar que habitan los encuestados. Dichas consistencias están descritas en la tabla 1. En primer lugar veremos el número de integrantes de los hogares de las personas encuestadas. Hay que tener en cuenta que por como está diseñado el cuestionario, en las 32 preguntas P3 y P4 no se recopilan más de 5 miembros en el hogar, por lo que los datos están acotados a 6 miembros máximos, incluyendo al propio encuestado. Esto es así porque la propia persona encuestada no cuenta dentro de las preguntas relativas al número de miembros que integran el hogar. Así que los datos presentados en la figura 1 deben interpretarse como el número de miembros con los que convive el estudiante. Figura 1: Número de miembros con los que convive el estudiante Podemos ver que la moda la representan los hogares en los que los estudiantes conviven con 4 miembros más. En general, la gran mayoría de estudiantes conviven en sus hogares con 3 o 4 miembros más. En cuanto al nivel de estudios de los integrantes, consultado en la P3, podemos ver que los integrantes que alcanzaron nivel de ciclo formativo o bachillerato son los menos numerosos pues las encuestas muestran mayor frecuencia de 0 integrantes con este nivel de estudios. Por otro lado, destacan el número de miembros del hogar que alcanzaron estudios universitarios. Esto nos indica que si un hogar cuenta con al menos 2 integrantes con el mismo nivel de estudios, lo más frecuente en la muestra es que estos tengan nivel universitario. 33 Figura 2: Frecuencia de hogares según el nivel de estudios y los miembros con los que convive el estudiante Cabe destacar los grupos de nivel de ESO y sin estudios que junto a los universitarios son los niveles más frecuentes dentro de los hogares de las personas encuestadas. Nivel Universidad Nivel Ciclo Formativo Nivel Bachillerato Nivel ESO Sin estudios Nº Miembros Media 1,00 0,51 0,45 0,87 0,73 3,57 Mediana 1 0 0 1 1 4 Desviación típica 1,02 0,74 0,76 0,89 0,89 0,87 Tabla 8: Estadísticos sobre el nivel de estudios de los miembros con los que conviven los estudiantes Todo esto se confirma a la luz de indicadores estadísticos como la media y la mediana. Por otro lado, podemos ver como aquellos grupos con medias más altas, también cuentan con una dispersión mayor. Esto es especialmente notable en el nivel universitario. Ahora describiré las ramas de estudios del entorno, obtenido mediante la P4. Lo haré de aquellos alumnos que han declarado tener en su entorno gente con un nivel académico superior a Bachillerato, es decir, ciclos formativos o universidad. 34 CS y Jurídicas Ingeniería y Arquitectura Artes y Humanidades Ciencias de la Salud Ciencias Media 0,71 0,32 0,25 0,26 0,29 Desviación típica 0,85 0,58 0,52 0,48 0,56 Mínimo 0 0 0 0 0 Máximo 3 3 3 2 2 Total miembros 146 65 52 54 59 Tabla 9: Estadísticos sobre las ramas de estudio de los miembros (con estudios superiores) que conviven con los estudiantes. A la vista de los estadísticos, la rama más común entre los encuestados con respuestas consistentes en las preguntas P3 y P4, son las de ciencias sociales y jurídicas. El resto de ramas parecen tener un peso en la muestra bastante similar. También es verdad que estos números pueden verse distorsionados por el tipo de agrupación de las ramas de estudio. Las cuales no engloban el mismo número de estudios y es uno de los motivos por los que estos resultados no deben ser tomados como concluyentes a la hora de decir que las ciencias sociales predominan en la muestra. 5.2.2 Apoyo al estudio Al igual que en el apartado anterior, en este usaré el subconjunto de la muestra que es consistente entre las respuestas a las preguntas P3 y P4. Uno de los cimientos sobre los que se construye este estudio es el apoyo potencial que pueden brindar aquellas personas con un cierto nivel de estudios a sus pares. En ese sentido, en la encuesta pregunté en la P5 el nivel de apoyo que reciben los estudiantes en su hogar en las distintas materias que cursan. En la siguiente figura, podemos apreciar una visión general de los resultados. Mostrando la proporción de los niveles de apoyo declarado por los alumnos que cursan la materia. El gráfico además viene ordenado de mayor a menor apoyo frecuente. De esta manera podemos apreciar mejor en qué materias, en líneas generales, suelen recibir ayuda los estudiantes y con qué frecuencia. 35 Figura 3: Proporción de frecuencia de la ayuda recibida en el hogar por materia Lo más llamativo a mi parecer es que, sea la materia que sea, más de la mitad declara no recibir ningún tipo de ayuda. En algunos casos, como el de música, llegando hasta poco más del 87%. En este sentido, las carencias metodológicas de este trabajo, es decir, la falta de datos por parte de los miembros del entorno, hacen que me pregunte como de sesgados pueden estar estos datos por parte de la percepción de las personas encuestadas. Estos datos relativos a la ayuda no contemplan el nivel de estudios de los miembros. Así que me parece interesante comparar los niveles de ayuda declarada entre aquellos alumnos que cuentan con un entorno en el que, al menos uno de los miembros tiene estudios superiores y los que no tienen ninguno. Dicha comparación la podemos ver en la siguiente figura. 36 Figura 4: Ayuda recibida en los hogares según el nivel de estudios de los miembros Los resultados de la comparación parecen indicar que en lo que concierne a la muestra, no se aprecia una diferencia significativa entre los dos conjuntos. El nivel de ayuda ofrecida en general parece ser similar. Estos resultados casan con las teorías del capital social descritas en el apartado 4.1. Por las cuales se afirma, entre otras cosas, que el apoyo recibido de los alumnos no depende del nivel de estudios del entorno. Esto supone que pese a que un hogar cuente con un capital cultural alto, el capital social puede ser bajo y viceversa. En lo relativo al capital económico, uno de los factores que puede derivar de él es el que el entorno se pueda permitir complementar la formación del centro en el que estudian con unas clases particulares. Por ello, lo más adecuado puede ser obtener esa información mediante la P6. En la figura 5 podemos ver la proporción de estudiantes sobre la muestra completa que declaran sobre su asistencia a clases particulares. En este caso podemos decir que prácticamente la mitad de los encuestados asisten a algún tipo de clase particular. En concreto 199 alumnos han declarado asistir a clases particulares. 37 Figura 5: Distribución de la asistencia a clases particulares de los estudiantes. Si entramos en desglosar por asignatura, podemos ver como las ciencias puras y las filologías destacan como las clases particulares más frecuentes, en especial destacan las Matemáticas. Figura 6: Distribución de los estudiantes según la materia que reciben clases particulares 38 Finalmente, veremos una comparación de las proporciones de asistencia a clases particulares por parte del alumnado en un entorno con estudios superiores y sin los mismos, además de las diferencias en las proporciones. En este caso las proporciones no se han calculado con respecto al total de la muestra, sino respecto a cada uno de los segmentos, es decir el de los entornos con y sin estudios superiores. Clases particulares Estudiantes (entorno con estudios superiores) Estudiantes (entorno sin estudios superiores) Diferencia Sí 52,27% 45,04% 7,23 Matemáticas 36,74% 29,77% 6,97 Primera Lengua Extranjera 26,89% 22,90% 3,99 Física y Química 14,02% 17,56% -3,54 Lengua Castellana y Literatura 8,33% 12,21% -3,88 Segunda Lengua Extranjera 4,92% 5,34% -0,42 Geografía e Historia 3,41% 3,05% 0,36 Biología y Geología 1,89% 3,82% -1,92 Tecnología y Digitalización 1,89% 2,29% -0,40 Economía 1,52% 0,00% 1,52 Filosofía 0,76% 1,53% -0,77 Educación Física 0,76% 0,76% -0,01 Educación Plástica Visual y Audiovisual 0,76% 0,00% 0,76 Música 0,76% 0,00% 0,76 Latín 0,00% 0,00% 0,00 Tabla 10: Diferencias de porcentaje de asistencia a clases particulares entre los estudiantes con y sin entornos de educación superior. Podemos apreciar diferencias relativamente importantes en las materias que predominaban también en la figura 6. Además con una tendencia ligeramente mayor en el segmento de estudiantes con un entorno de estudios superiores. Esto puede deberse al valor que estos entornos dan al éxito académico. Tal y como apuntaban ciertas teorías mencionadas en el apartado 4.1. 39 5.2.3 Uso de las herramientas de IA Otro de los elementos fundamentales de este estudio, es el uso de la IA aplicada a la actividad académica. Quizás la percepción general de los profesionales de la docencia y mi propia experiencia en las prácticas, es que este tipo de herramientas están completamente extendidas entre el alumnado. Sin embargo, a la luz de los resultados obtenidos en la P8 de mi estudio, parece ser que su uso no es tan generalizado. En torno a un 60% de los estudiantes encuestados declara usar este tipo de herramientas para alguna de sus actividades académicas. Lo podemos ver en mayor detalle en el siguiente gráfico. Figura 7: Distribución de estudiantes usuarios de herramientas de IA Pese a no ser una proporción aplastante de estudiantes los que declaran usarlas respecto a los que no, hay que tener en cuenta que la estigmatización que existe sobre su uso en algunas ocasiones puede desvirtuar los datos obtenidos. Por otro lado, el carácter anónimo de la encuesta implica que la estigmatización del uso de estas herramientas no debería suponer un factor determinante a la hora de responder honestamente. Sin embargo, puede ser que no sea suficiente como para que los encuestados se sientan cómodos a la hora de responder. Respecto al uso y en la línea de investigación de este trabajo, compararé el uso declarado de estas herramientas entre los segmentos de entornos con estudios y sin estudios superiores filtrando la muestra por la consistencia de las preguntas P3 y P4. En primer lugar, podemos ver las proporciones del uso de herramientas de IA en entornos con estudios superiores. En este caso, podemos ver un crecimiento de casi 4 puntos respecto a la muestra completa. 40 Figura 8: Distribución de estudiantes (con entorno de estudios superiores) usuarios de herramientas de IA En contraste, los estudiantes que pertenecen a entornos sin estudios superiores presentan una proporción menor que la proporción sobre la muestra completa, donde el uso cae casi 7 puntos y casi 10 puntos respecto a la proporción del uso de las herramientas de IA por parte de estudiantes con entornos con estudios superiores. Figura 9: Distribución de estudiantes (sin entorno de estudios superiores) usuarios de herramientas de IA Otra de las preguntas de la encuesta, la P9, versaba sobre qué herramientas usaban aquellas personas que declaran usarlas con fines académicos. En la tabla 11 podemos ver la 41 comprueban la respuesta. Estos resultados pueden contrastar con la percepción del profesorado con el que he llegado a tratar estos temas, así como con algunos alumnos. Es posible que la respuesta a esta pregunta se vea sesgada o condicionada por los casos de usos más responsables del alumnado. Es decir, puede que en este sentido, la pregunta de lugar a la persona encuestada a responder en base a algunos usos que lo dejan en mejor lugar de cara al esfuerzo que hacen en su actividad académica. Por ello y a modo de control, hice también un par de preguntas (P13 y P14) relativas a la verificación y comprensión de las respuestas obtenidas. En este caso el formato de la pregunta pedía valorar de 1 a 5 estos procesos que pueden, o no, seguir el alumnado al obtener respuestas de alguna de las herramientas de IA. En ambos casos podemos apreciar que existen unas distribuciones en las respuestas, que podemos ver en las figura 14 y figura 15, relativamente similares a las obtenidas en la figura anterior. Teniendo en cuenta que en un caso la muestra se divide en 4 grupos y en los otros dos casos en 5. En el caso de la verificación de la información podemos ver una distribución centrada en el 4 con una proporción no desdeñable en la opción intermedia, es decir, el 3. Pero por lo general los estudiantes declaran que verifican bastante la información. Lo cual, desmontaría algo la percepción que suele existir sobre el uso de estas herramientas en el ámbito académico. Sin embargo, tampoco podemos tomar la autopercepción de los alumnos como un factor determinante a la hora de juzgar su responsabilidad a la hora de comprobar la información. Lo que sí podemos afirmar es que los muestreados perciben, en su mayoría, que hacen una labor responsable en este sentido. 48 Figura 14: Nivel de verificación de la información obtenida de las herramientas de IA De cara al esfuerzo por la comprensión parece aún más claro a juzgar por las respuestas. Donde muchas más personas encuestadas se aventuran a declarar que hacen el máximo esfuerzo de comprensión. Figura 15: Nivel de esfuerzo por comprender la información obtenida de las herramientas de IA En la siguiente tabla muestro una serie de datos donde se relacionan las elecciones hechas por los alumnos encuestados a la pregunta de si copian la información, con las medias en las respuestas a las preguntas de verificación y comprensión. También se compara todo entre los segmentos de los que tienen entornos con miembros con estudios superiores y con los que no. 49 Copia la respuesta Proporción estudiantes (entornos con estudios superiores) Proporción estudiantes (entornos sin estudios superiores) Media verificación Media verificación (entornos con estudios superiores) Media verificación (entornos sin estudios superiores) Media comprensión Media comprensión (entornos con estudios superiores) Media comprensión (entornos sin estudios superiores) Sí 6,21% 10,53% 3,44 2,90 4,13 2,11 2,60 1,50 Sí, pero compruebo que la respuesta sea buena 21,12% 22,37% 3,75 3,59 4,06 3,67 3,62 3,76 No, uso la información y le doy un retoque 42,86% 47,37% 3,47 3,35 3,69 3,83 3,68 4,11 No, pero la uso como referencia 29,81% 19,74% 3,54 3,44 3,87 4,14 4,19 4,00 Tabla 14: Cruce de datos entre la pregunta P12 y las P13 y P14 según el nivel de estudios del entorno En primer lugar podemos ver que, pese a que las elecciones en ambos segmentos gozan del mismo orden de las opciones en cuanto a la proporción, estas son diferentes. Podemos decir que en general las opciones más cercanas a copiar directamente la información son algo más populares en el segmento de alumnos con entornos sin estudios superiores. Respecto a la media del grado de verificación que realizan los alumnos según si suelen copiar o no las respuestas obtenidas, podemos ver que en general la media es similar. Esto hace pensar que quizás las respuestas obtenidas en la pregunta P12 no fueron del todo honestas. Si segmentamos estas medias por el nivel de estudios del entorno, los que cuentan con un entorno con estudios superiores presentan unos resultados similares, algo más correlación en el sentido lógico, pero sin ser significativo. Sin embargo, los de los entornos sin estudios superiores presentan unas medias de verificación, algo incoherentes con su respuesta a la de si copian la información. Por otro lado, las medias de la pregunta enfocadas a la comprensión, si parece que, independientemente del segmento, la media se corresponde con lo esperado y va incrementándose a medida que el estudiante declara más intervención sobre la respuesta. 50 En general estos resultados dan indicios sobre la posible falta de verificación de las respuestas obtenidas de las herramientas de IA. Ya que no se aprecian grandes diferencias entre los grupos considerados, lo cual puede deberse a que, o bien el grado de verificación considerado por los estudiantes es similar, independientemente del uso de las respuestas, o a una visión distorsionada o poco sincera sobre el grado de verificación de la información. A tenor de las medias observadas en la comprensión, me inclino a pensar que la segunda opción es la más probable. Sin embargo, las respuestas a la encuesta pueden verse influenciadas por múltiples factores que den lugar a conclusiones erróneas. Uno de los factores que pueden hacer que el alumnado responda de forma poco sincera, es el de la estigmatización del uso de estas herramientas. Por ello me pareció interesante preguntar en la P15 si al usarlas han sido increpados, reñidos o coercionados por actores relevantes en lo relativo a su formación académica. Figura 16: Distribución del origen de las reprimendas por el uso de herramientas de IA Podemos ver que la mayor parte de los estudiantes nunca han sido reñidos. Además, aquellos que sí, han sido reñidos principalmente por sus profesores, dejando a los familiares y otros compañeros de clase en proporciones residuales. Cabe la posibilidad que el resultado pueda verse influido por cuán conscientes son esos grupos del uso de herramientas de IA por parte de los encuestados. Ya que si algún grupo en particular, como los padres, no saben del uso estas herramientas por parte de sus hijos, difícilmente van a actuar de manera coercitiva en el caso de que quisieran hacerlo. 51 Si hacemos la segmentación entre estudiantes con y sin entorno de estudios superiores, realmente no cambian mucho las proporciones. Sin embargo, existe una proporción mayor de padres que riñen por el uso de estas herramientas entre los entornos con estudios superiores y que los que provienen del otro entorno tengan una proporción mayor de riñas provenientes de profesores. Riñas Estudiantes (entornos con estudios superiores) Estudiantes (entornos sin estudios superiores) Nunca 71,34% 68,92% Profesores 22,93% 28,38% Padres 4,46% 1,35% Otros familiares 0,64% 1,35% Compañeros/as de clase 0,64% 0,00% Tabla 15: Proporción del origen de las reprimendas por el uso de herramientas de IA según el nivel educativo del entorno En la última de las preguntas específicas que realicé para los estudiantes usuarios de herramientas de IA, la P16, pedí que valoraran la ayuda que consideran que reciben por parte de estas herramientas. Pese a ser una medida que cuenta con un sesgo de percepción y no debe tomarse como una valoración objetiva del valor de estas herramientas de cara a considerar cuán beneficiosas son para la actividad académica de los estudiantes, considero que es interesante conocer la percepción de estos respecto a su utilidad. 52 Figura 17: Distribución de la percepción de los estudiantes de ayuda recibida por las herramientas de IA A la luz de los resultados podemos ver como la mayoría asignan un valor relativamente alto a la ayuda que los estudiantes perciben que reciben del uso de estas herramientas. En la distribución podemos ver que entre 8 y 10 se sitúa alrededor del 61,8% de los estudiantes usuarios de herramientas de IA. Lo cual es lógico, pues si estos no considerasen que son útiles, seguramente no las usarían, la proporción de usuarios y no usuarios no es muy dispar. Comparando las valoraciones asignadas por los estudiantes de entornos diferentes podemos ver que, existe una ligera proporción mayor de estudiantes de entornos con estudios superiores que asignan notas más bajas de valoración y una proporción algo menor que asignan notas altas. Del 0 al 7 encontramos una mayor proporción de los estudiantes con entornos con estudios superiores respecto a los de los entornos sin estudios superiores. De ahí en adelante, los de entorno sin estudios superiores sobresalen. No obstante, en ambos segmentos la mayoría de las valoraciones siguen concentrándose en el intervalo de 8-10. 53 Valoración Ayuda IA Estudiantes (entornos con estudios superiores) Estudiantes (entornos sin estudios superiores) 0 0,00% 0,00% 1 0,00% 0,00% 2 0,62% 0,00% 3 2,48% 1,32% 4 3,73% 2,63% 5 8,07% 1,32% 6 8,70% 6,58% 7 19,25% 17,11% 8 28,57% 35,53% 9 11,18% 15,79% 10 17,39% 19,74% Tabla 16: Comparación de la proporción de la percepción de los estudiantes de la ayuda recibida por las herramientas de IA según el nivel educativo del entorno Finalmente en este análisis de los resultados, he agrupado las respuestas a la P17, sobre los motivos por los que los estudiantes que declararon no usar las herramientas de IA. Las respuestas recibidas eran de texto libre, eso hace que en una misma respuesta se expusieron varios motivos comunes con el resto de respuestas. Motivo por el que no usan herramientas de IA Estudiantes Por no verlas necesarias 52 Por preferencia por independencia y esfuerzo al trabajar 28 Por dificultad/desconocimiento de su uso 17 No declara motivo 15 Por desconfianza y fallos de las respuestas 14 Por ser perjudicial en el aprendizaje 14 Por no gustarle/interesarle 12 Por tener apoyo familiar 5 Por no ser útil 4 Por falta de costumbre de su uso 4 54 Por recibir clases particulares 3 Por prohibición de sus docentes 3 Por desconocimiento de su existencia 2 Por no estudiar 2 Por razones morales 2 Por estilo de respuesta 2 Por prohibición de sus padres 1 Por posible falta de acceso 1 Por generar más trabajo 1 Por tener apoyo docente 1 Tabla 17: Frecuencia de las agrupación de motivos por los que no usan herramientas de IA aquellos estudiantes que declaran no usarlas El motivo más frecuente entre los estudiantes es el de no ver necesario el uso de las herramientas de IA en su actividad académica. En general las respuestas que declaran esta respuesta van en la línea de que los estudiantes consideran que tienen las habilidades y capacidades suficientes como para no tener que apoyarse en este tipo de herramientas. La otra gran agrupación de motivos es la del esfuerzo, en el sentido que los estudiantes consideran que usar este tipo de herramientas puede suponer un detrimento en su proceso de aprendizaje. La gran mayoría de estas respuestas manifiestan un desinterés o incluso cierta animadversión por las herramientas de IA. También se relaciona frecuentemente con la desconfianza en las herramientas, por las posibles faltas de calidad de las respuestas o veracidad de la información. Lo que en la teoría se conoce como alucinaciones, es decir, cuando el modelo da una respuesta incoherente o incorrecta por la falta de información en el modelo o por una petición que no contenga las instrucciones necesarias como para generar una respuesta correcta. A esto se le suma el que varios estudiantes consideran que las respuestas usan un tono que no corresponde con el estilo de escritura que ellos tienen o se presupone de un estudiante de su edad. Uno de los motivos que más me sorprendió ha sido el que varios de los motivos iban encaminados al desconocimiento de su uso. Me sorprendió por el ser la muestra parte de lo que se considera como “nativos digitales”, es decir, aquellas generaciones que han nacido en un punto de la historia en la que la informática estaba lo suficientemente extendida como para poder formar parte de su vida independientemente de su etapa. Sin embargo, debido a la falta de formación en el uso de este tipo de herramientas, se me hace lógico que haya una 55 proporción de estudiantes que no sepan cómo usarlas, aún cuando su uso no requiere de un nivel de conocimientos informáticos más allá del conocido como “nivel usuario”. Por último, me gustaría destacar aquellos motivos encaminados a no necesitar su uso por disponer de apoyo externo, a saber entre docentes, familiares o clases particulares. Dentro de estos apoyos, el de los familiares es el más frecuente, pero no lo suficiente como para ser considerado un motivo de peso teniendo en cuenta la distribución de motivos en general. 5.2.4 Rendimiento académico En el último de los apartados de la encuesta realicé preguntas relativas al rendimiento académico. En ellas busqué un equilibrio entre indicadores que pudieran servir para valorar el rendimiento y facilidad o comodidad de cara a realizar las respuestas, pues consideré que realizar preguntas muy concretas respecto a las notas podía llevar a respuestas poco fiables. Así que decidí perder algo de información en pro de ganar fiabilidad. También cabe destacar que las preguntas se centran más en el fracaso académico que en el éxito. Además las preguntas obvian el tipo de asignaturas que cursan los estudiantes. La primera de las preguntas, la P18, fue si habían repetido curso alguna vez. En la cual, una aplastante mayoría declaró que no con un 87,3% de la muestra total. 56 Figura 18: Proporción de estudiantes repetidores en la muestra Si segmentamos los repetidores por el nivel de estudios de su entorno, podemos ver que la proporción de repetidores disminuye ligeramente para el segmento de estudiantes en entornos con estudios superiores y crece para aquellos que pertenecen a entornos sin estudios superiores. Ha repetido alguna vez Estudiantes (entornos con estudios superiores) Estudiantes (entornos sin estudios superiores) Estudiantes (usuarios herramientas IA) Estudiantes (no usuarios herramientas de IA) Total Sí 10,23% 17,56% 13,08% 12,03% 12,70% No 89,77% 82,44% 86,92% 87,97% 83,30% Tabla 18: Comparación de la proporción de repetidores según el nivel de estudios del entorno y entre el uso de herramientas de IA Por otro lado, segmentando por aquellos estudiantes que son usuarios de herramientas de IA y los que no, podemos ver que la proporciones varían apenas algo más de un punto. También destaca que, ambos segmentos muestran una proporción muy similar a la muestra total de personas que han repetido curso alguna vez. 57 validar la hipótesis. Ya que el coeficiente de correlación es de 0,17 con un p-valor menor que 0,01. De nuevo con la H3 se buscaba relacionar el impacto del nivel educativo del entorno, en este caso sobre la asistencia a clases particulares. Los resultados obtenidos en el test no me permiten validar la hipótesis ya que tanto su correlación es muy débil y no es significativa. Ya que el coeficiente de correlación es de 0,01 con un p-valor mayor que 0,05. Terminando con las hipótesis relativas a la influencia del nivel académico del entorno, la H4 buscaba relacionarla con el uso de herramientas de IA con fines académicos. Teniendo en cuenta los resultados del test, no puedo validar la hipótesis, habiendo obtenido una correlación débil y poco significativa. Ya que el coeficiente de correlación es de 0,02 con un p-valor mayor que 0,05. Finalmente, la última hipótesis planteada, la H5, pretende relacionar el impacto positivo del uso de herramientas de IA con el rendimiento académico. De nuevo he obtenido una correlación débil y poco significativa, lo cual no me permite afirmar la validez de la hipótesis. Habiendo obtenido un coeficiente de correlación de de 0,04 y un p-valor mayor a 0,05. 64 6 Limitaciones y trabajo futuro A lo largo de la realización de este estudio me he encontrado con varias limitaciones, tanto en la distribución, como en el diseño y su posterior análisis. De todas las limitaciones, la principal se ha dado en la distribución del cuestionario. Durante esta fase del estudio intenté obtener muestra de distintos centros de enseñanza pública, llegando incluso a contactar con profesores y equipos directivos. En la gran mayoría fueron poco o nada colaborativos, aludiendo a todo un abanico de motivos por los cuales no estaban dispuestos a ayudarme a distribuir el cuestionario. De la misma manera, traté de obtener apoyo por parte de la concejalía de educación del ayuntamiento de Dos Hermanas, así como otras áreas del mismo, de igual forma no conseguí recibir ningún apoyo. A la falta de apoyo de las instituciones, se le suma la falta de control sobre ciertas variables que me permitieran hacer un análisis de los resultados que asegurasen una menor distorsión. Entre esas variables, la más destacable es sin duda la de la situación socioeconómica del entorno de los encuestados, la cual decidí no incluir en el cuestionario por considerar contraproducente, ya que veía que difícilmente los encuestados sabrían, podrían o querrían darme tal información. Otras a destacar son, el desconocimiento de la estructura familiar o el entorno de los encuestados, el nivel de los centros de los encuestados, metodologías empleados en estos, disparidad de los planes de estudios, disciplinas cursadas, datos demográficos o indicadores más rigurosos del rendimiento académico. También ha sido una limitación el no tener una certidumbre sobre el nivel de representatividad de la muestra obtenida. Una vez distribuido el cuestionario y recibí algunas respuestas, descubrí que el diseño del mismo podría haber sido más adecuado, tanto desde el punto de vista de los encuestados, como desde el punto de vista del análisis posterior que tendría que realizar con las respuestas obtenidas. Esto ha dado lugar a un número importante de respuestas que se muestran inconsistentes y la incertidumbre sobre la veracidad de las que sí son consistentes. Además se suman las limitaciones que suponía el uso de Google Forms, que a la hora de presentar y validar las preguntas, está lejos de ser ideal. Junto a ello, considero que algunas decisiones del diseño del formulario podrían haber sido más adecuadas, en parte por las limitaciones citadas y en otra parte por malos criterios de mi parte. Como el de no usar más escalas 65 numéricas en preguntas como las relativas al apoyo recibido o el haber buscado mejores indicadores del rendimiento académico. También considero que en base a los datos recibidos, el análisis que he realizado deja muchas cosas fuera que podrían haber sido interesantes analizar, que por tiempo o extensión no he realizado. Por ejemplo, un análisis más profundo basado en los cursos, localización, cantidad y los ámbitos de estudios de los miembros de los encuestados y su hipotética diferencia en aspectos como la ayuda recibida, uso de IA o rendimiento académico. Otro posible análisis es el de la componente económica, de la cual no contaba información y sería interesante ver cómo puede o no afectar. He de reconocer por otro lado, que he tenido que refrescar conceptos de análisis estadístico y en concreto del software R, sin haber alcanzado un nivel con el que me haya sentido totalmente cómodo o seguro de haber obtenido un resultado de la calidad que pretendía. Por lo que aún con los datos obtenidos, considero que el análisis podría haber sido mejor. Además de los datos obtenidos, considero que hay lagunas que serían interesante cubrir, como las que representan los dominios de los docentes y el entorno de los estudiantes. Es decir, del mismo modo que la obtención de datos de este trabajo ha puesto el foco en los estudiantes, sería de igual manera conveniente, poner el foco en esos otros sectores, con el objeto de obtener una perspectiva más completa. Considero relevante conocer cuál es la perspectiva y aceptación que tienen docentes y el entorno sobre el uso de estas herramientas, el apoyo que le ofrecen en sus estudios y la importancia que le asignan al éxito académico. En un futuro, ya como docente de enseñanzas medias, me gustaría corregir ciertas carencias detectadas en este estudio y realizarlo de nuevo de una forma más controlada y rigurosa. Pudiendo obtener resultados más concluyentes sobre las hipótesis de este estudio. Incluso los datos obtenidos pueden dar lugar a un mayor número de análisis que no he realizado en este trabajo y podrían ser realizados en trabajos posteriores. Además me gustaría realizar estudios empíricos sobre el efecto en el alumnado y su aprendizaje al incluir las herramientas de IA por medio de metodologías de enseñanza que permitan, en el mejor de los casos, un buen uso y eviten riesgos en el proceso de enseñanza-aprendizaje. Tal y como proponen Kim y Adlof (2023) al final de su artículo, habiéndome puesto en contacto con la primera, la cual se ha ofrecido a describirme su 66 experiencia cuando comience su estudio tras el cambio de institución en el que está envuelta en este curso. Esto implicaría probar distintos métodos de docencia y hacer estudios comparativos por medio de grupos de control y experimentales. Posiblemente esto se debiera hacer dentro de un mismo grupo en distintas etapas del curso para tratar de aislar ciertas variables que puedan distorsionar los resultados del experimento. En estos experimentos me gustaría comparar, además de perfiles de estudiantes distintos, grupos que hayan sido entrenados en el uso educativo de herramientas de IA. Así como las posibles diferencias de rendimiento en distintas materias, ya que los modelos bajo estas herramientas no presentan resultados con el mismo grado de éxito en todos los ámbitos del saber. 67 7 Conclusiones Con este trabajo, tanto teórico como de campo, pretendía situarme en el bando que ve de forma positiva el uso de herramientas de IA en el ámbito educativo. En concreto en la etapa de enseñanzas medias, es decir, ESO y Bachillerato. En parte por prever inevitable la adaptación de los docentes a este nuevo paradigma de difícil restricción y por además, considerar ciertos aspectos positivos que pueden devenir de su correcto uso. A lo largo de este trabajo he mostrado un sustento teórico mediante una revisión de artículos y publicaciones que impulsaban la idea que, en primer lugar, los estudiantes cuyo entorno cuenta con un cierto nivel de estudios se pueden ver beneficiados respecto a los que no, obteniendo así mayor rendimiento y éxito académico. Algunas teorías se enfocan en el llamado capital cultural, por el cual las personas con cierto nivel de estudios se preocupan por perpetuar ese nivel cultural en su entorno. Otros, sin embargo argumentan que la influencia del entorno y su hipotético impacto en el rendimiento académico se puede justificar en base al capital social, por el cual el entorno, aún no teniendo cierto nivel académico, procura fomentar y motivar las condiciones para que se manifieste ese rendimiento. Y finalmente, también hay discusiones sobre el capital financiero, el cual en ocasiones viene derivado de una actividad profesional del entorno posibilitada por su nivel académico obtenido y dicho capital puede impactar en un buen rendimiento en tanto en cuanto provee de las condiciones materiales para ello. Además de estos capitales mencionados, entran en juego factores contextuales de la cultura, sistemas políticos y educativos de los distintos países. En segundo lugar, el uso de la IA en educación, pese a contar con ciertos riesgos inherentes a ella, lleva desde los años 70 del siglo pasado ofreciendo nuevas oportunidades para potenciar el proceso de aprendizaje. Desde entonces se han ido probado herramientas y formas de integrarlas, así como analizando los posibles riesgos que puede conllevar su uso. A lo largo de los años, pasó de ser la IA en la educación algo meramente experimental, a una realidad casi ineludible. Por ese motivo, su correcta aplicación y regulación ha sido motivo de discusión no solo en el ámbito de la investigación sino también en las altas instancias de las políticas nacionales e internacionales. Todo ello con el objeto de preparar a toda la comunidad educativa, empresas e instituciones implicadas ante el desembarco de estas tecnologías en la praxis educativa. 68 En tercer lugar, todo este esfuerzo por buscar la correcta aplicación de las tecnologías de IA en la educación ha sido impulsado recientemente por el éxito de los chatbots y concretamente ChatGPT. La aparición de este chatbot ha revolucionado el mundo de la educación y ha puesto en entredicho su uso así como las metodologías educativas que permitan evitar usos fraudulentos. Esto está ocasionando que se explore la posibilidad de abrazar metodologías docentes menos tradicionales que permitan su adaptación sin tener que recurrir a prohibiciones sobre su uso. Para comprender el estado actual de la IA en la educación, concretamente en las enseñanzas medias, realicé un estudio en el que cuestioné a estudiantes de esta etapa sobre su uso, además de otros factores relacionados con la influencia de su entorno. En general, las respuestas muestran que el uso de estas herramientas aún no es absolutamente mayoritario, pero sí muy extendido. También su uso parece ser más responsable por parte de los estudiantes que lo que dicta parte de la creencia popular al respecto. También los estudiantes parecen ser conscientes de sus límites y riesgos, tanto entre aquellos que las usan como entre los que no. Y declaran que en general se preocupan por comprobar los resultados que obtienen, por procesar estos y entenderlos. Pero claro, todos estos resultados pueden haber sido no del todo sinceros por parte de los encuestados, por querer aparentar un mayor buen hacer. Finalmente, entre los segmentos de estudiantes con entornos que cuentan con cierto nivel educativo y los que no, decir que no se aprecian una gran diferencia que permita afirmar la tesis sobre la que trata este trabajo. Es decir, no hay ningún motivo que fundamente que exista una diferencia sustancial del uso de la IA o del apoyo al estudio entre ambos grupos. De la misma manera, no se han apreciado correlaciones significativas respecto a las hipótesis planteadas, las cuales buscaban plantear argumentos a favor de la tesis del trabajo. No obstante, que no haya una base sólida no implica que la tesis sea falsa y probablemente sería conveniente otra metodología para su refutación. Idílicamente, métodos experimentales que no dependan exclusivamente de las respuestas de los estudiantes y permitan un análisis que integre a docentes y familiares, así como métodos de análisis cuantitativos que estén menos exentos del riesgo de sesgos y aberraciones generadas por el método de encuestación. 69 Anexo I: Cuestionario P1Escribe el nombre de tu instituto*: _____________________________ P2- ¿En qué curso estás?*: Marca solo uno. ● 1º ESO ● 2º ESO ● 3º ESO ● 4º ESO ● 1º Bachillerato ● 2º Bachillerato P3- ¿Cuál es el nivel de estudios completado de los miembros de tu casa? (sin contar contigo)* Los miembros serán las personas que viven en tu casa (o casas en caso de padres separados), por ejemplo: Miembro 1: Padre -> Sin estudios Miembro 2: Madre -> Universidad Miembro 3: Abuela -> ESO Miembro 4: Hermano -> Ciclo formativo Miembro 5: Sin miembro (en caso que no haya) Marca solo uno por fila. Sin miembro Sin estudios ESO Bachillerato Ciclo Formativo Universidad Miembro 1 Miembro 2 70 Miembro 3 Miembro 4 Miembro 5 P4En caso de que tengan estudios superiores a los de Bachillerato ¿De qué rama?* Ejemplo de carreras según su rama: ● Ciencias Sociales y Jurídicas: Derecho, Economía, Finanzas, Dirección de empresas, Magisterio, Pedagogía, Periodismo, Sociología... ● Ingeniería y Arquitectura: Arquitectura, Ing. Informática, Ing. Industrial, Ing. Agrícola ● Artes y Humanidades: Bellas artes, Filología, Filosofía, Historia... ● Ciencias de la Salud: Medicina, Enfermería, Psicología, Fisioterapia, Veterinaria... ● Ciencias: Física, Matemáticas, Química, Geología... Lista completa de la Universidad de Sevilla Sin miembro Sin estudios superiores Ciencias Sociales y Jurídicas Ingeniería y Arquitectura Artes y Humanidades Ciencias de la Salud Ciencias Miembro 1 Miembro 2 Miembro 3 Miembro 4 Miembro 5 71 P5- ¿Te ayudan en tu casa con los estudios?* Si no tienes alguna de las asignaturas marca la opción No la tengo No la tengo Nunca Alguna vez Frecuentemente Matemáticas Lengua Castellana y Literatura 1ª Lengua Extranjera 2ª Lengua Extranjera Biología y Geología Educación Física Educación Plástica, Visual y Audiovisual Física y Química Geografía e Historia Música Tecnología y Digitalización Economía Latín Filosofía 72 P6- ¿Recibes clases particulares?* ● No ● Biología y Geología ● Educación Física ● Educación Plástica, Visual y Audiovisual ● Física y Química ● Geografía e Historia ● Lengua Castellana y Literatura ● Primera Lengua Extranjera ● Matemáticas ● Música ● Tecnología y Digitalización ● Segunda Lengua Extranjera ● Economía ● Latín ● Filosofía P7-Indica si tienes acceso en tu hogar a alguno de los siguientes dispositivos * Selecciona todos los que correspondan. ● Ordenador ● Teléfono móvil ● Tablet P8- ¿Usas alguna herramienta de IA para ayudarte a estudiar, realizar tareas o trabajos del instituto?* Por ejemplo: ChatGPT, Gemini, Copilot… Marca solo uno. ● Sí ● No (Salta a la pregunta 17) P9- ¿Qué herramienta o herramientas de IA para ayudarte a estudiar o realizar tareas o trabajos?* Selecciona todos los que correspondan. 73 Chaparro, A., González, C. y Caso, J. (2016). Familia y rendimiento académico: configuración de perfiles estudiantiles en secundaria. Revista Electrónica de Investigación Educativa, 18(1), 53-68. Recuperado de http://redie.uabc.mx/redie/article/view/774 Carbonell, J. (1970). AI in CAI: An Artificial-Intelligence Approach to Computer-Assisted Instruction. IEEE Transactions on Man Machine Systems, 11(4), 190–202. https://doi.org/10.1109/tmms.1970.299942 Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: perceptions, benefits, and challenges in higher education. International Journal Of Educational Technology In Higher Education, 20(1). https://doi.org/10.1186/s41239-023-00411-8 Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8, 75264-75278. https://doi.org/10.1109/access.2020.2988510 Chen, Y., Jensen, S., Albert, L. J., Gupta, S., & Lee, T. (2022). Artificial Intelligence (AI) Student Assistants in the Classroom: Designing Chatbots to Support Student Success. Information Systems Frontiers, 25(1), 161-182. https://doi.org/10.1007/s10796-022-10291-4 Chi, S., Wang, Z., Liu, X., & Zhu, L. (2017). Associations among attitudes, perceived difficulty of learning science, gender, parents’ occupation and students’ scientific competencies. International Journal of Science Education, 39(16), 2171–2188. https://doi.org/10.1080/09500693.2017.1366675 Coleman, J., Campbell, E., Hobson, C., McPartland, J., Mood, A., Weinfield, F., & York, R. (1966). Equality of Educational Opportunity. Washington: US Department of Education and Welfare. Publication of National Center for Educational Statistics. Superintendent Documents Catalog No. FS 5.238.38001. https://doi.org/10.1080/0020486680060504 80 Coleman, J. S. (1988). Social Capital in the Creation of Human Capital. American Journal of Sociology, 94, S95–S120. http://www.jstor.org/stable/2780243 Cordero Ferrera, J. M., Crespo Cebada, E., & Pedraja Chaparro, F. M. (2013). Rendimiento educativo y determinantes según PISA: Una revisión de la literatura en España. Revista de Educación, 362(362), 273-297. https://doi.org/10.4438/1988-592x-re-2011-362-161 Cordero Ferrera, J. M., & Manchón López, C. (2014). Explanatory Factors for Achievement in Primary Education: An Analysis Using TIMSS 2011. Estudios Sobre EducacióN/ESE. Estudios Sobre Educación, 27, 9-35. https://doi.org/10.15581/004.27.9-35 Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations In Education And Teaching International, 1-12. https://doi.org/10.1080/14703297.2023.2190148 De Winter, J. C. F. (2023). Can ChatGPT Pass High School Exams on English Language Comprehension? International Journal Of Artificial Intelligence In Education. https://doi.org/10.1007/s40593-023-00372-z Díaz Barajas, D., & Morales Rodríguez, M. (2011). La reciprocidad en la parentalidad y rendimiento académico en adolescentes. Uaricha, 8(16), 25-35. http://www.revistauaricha.umich.mx/index.php/urp/article/download/437/448 Du Boulay, B. (2016). Artificial Intelligence as an Effective Classroom Assistant. IEEE Intelligent Systems, 31(6), 76-81. https://doi.org/10.1109/mis.2016.93 Erola, J., Jalonen, S., & Lehti, H. (2016). Parental education, class and income over early life course and children’s achievement. Research In Social Stratification And Mobility, 44, 33-43. https://doi.org/10.1016/j.rssm.2016.01.003 Espejel García, M. V., & Jiménez García, M. (2019). Nivel educativo y ocupación de los padres: Su influencia en el rendimiento académico de estudiantes universitarios. RIDE 81 Revista Iberoamericana Para la Investigación y el Desarrollo Educativo, 10(19). https://doi.org/10.23913/ride.v10i19.540 Farazouli, A., Cerratto-Pargman, T., Bolander-Laksov, K., & McGrath, C. (2023). Hello GPT! Goodbye home examination? An exploratory study of AI chatbots impact on university teachers’ assessment practices. Assessment & Evaluation In Higher Education, 49(3), 363-375. https://doi.org/10.1080/02602938.2023.2241676 García-Peñalvo, F. J. (2023). La percepción de la Inteligencia Artificial en contextos educativos tras el lanzamiento de ChatGPT: disrupción o pánico. Education In The Knowledge Society (EKS), 24, e31279. https://doi.org/10.14201/eks.31279 GPDP. (2023, 31 marzo). Intelligenza artificiale: il Garante blocca ChatGPT. Raccolta illecita di dati personali. Assenza di sistemi per la verifica dell’età dei minori. Recuperado 9 de agosto de 2024, de https://www.gpdp.it/web/guest/home/docweb/-/docweb-display/docweb/9870847 Graesser, A. C., Hu, X., Sabatini, J. P., & Carmon, C. M. (2023). Where is Ethics in the Evolution of AIED’s Future? International Journal Of Artificial Intelligence In Education, 34(1), 92-96. https://doi.org/10.1007/s40593-023-00353-2 Halaweh, M. (2023). ChatGPT in education: Strategies for responsible implementation. Contemporary Educational Technology, 15(2), ep421. https://doi.org/10.30935/cedtech/13036 Hays, L., Jurkowski, O., & Sims, S. K. (2023). ChatGPT in K-12 Education. TechTrends, 68(2), 281-294. https://doi.org/10.1007/s11528-023-00924-z Idris M., Hussain S., Nasir A., (2020). Relationship between Parents’ Education and their children’s Academic Achievement, Journal of Arts and Social Sciences. VII (2), 82-92. https://doi.org/10.46662/jass-vol7-iss2-2020(82-92) 82 Iqbal, N., Ahmed, H., & Azhar, K. A. (2022). Exploring teachers’ attitudes towards using ChatGPT. Global Journal For Management And Administrative Sciences, 3(4), 97-111. https://doi.org/10.46568/gjmas.v3i4.163 Instituto Nacional de Evaluación Educativa. (2023). PISA 2022. Programa para la evaluación internacional de los estudiantes. informe español (1.a ed.). Catálogo general de publicaciones oficiales. https://www.libreria.educacion.gob.es/ebook/184935/free_download/ Jang, J., Jeon, J., & Jung, S. K. (2022). Development of STEM-Based AI Education Program for Sustainable Improvement of Elementary Learners. Sustainability, 14(22), 15178. https://doi.org/10.3390/su142215178 Jia, F., Sun, D., & Looi, C. (2023b). Artificial Intelligence in Science Education (2013–2023): Research Trends in Ten Years. Journal Of Science Education And Technology, 33(1), 94-117. https://doi.org/10.1007/s10956-023-10077-6 Johnson, W. L. (2023). How to Harness Generative AI to Accelerate Human Learning. International Journal Of Artificial Intelligence In Education. https://doi.org/10.1007/s40593-023-00367-w Karataş, F., Abedi, F. Y., Gunyel, F. O., Karadeniz, D., & Kuzgun, Y. (2024). Incorporating AI in foreign language education: An investigation into ChatGPT’s effect on foreign language learners. Education And Information Technologies. https://doi.org/10.1007/s10639-024-12574-6 Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., . . . Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning And Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274 83 Kim, M., & Adlof, L. (2023). Adapting to the Future: ChatGPT as a Means for Supporting Constructivist Learning Environments. TechTrends, 68(1), 37-46. https://doi.org/10.1007/s11528-023-00899-x Koshy, P., Dockery, A. M., & Seymour, R. (2017). Parental expectations for young people’s participation in higher education in Australia. Studies In Higher Education, 44(2), 302-317. https://doi.org/10.1080/03075079.2017.1363730 Lawan, A. A., Muhammad, B. R., Tahir, A. M., Yarima, K. I., Zakari, A., Abdullahi, A. H., II, Hussaini, A., Kademi, H. I., Danlami, A. A., Sani, M. A., Bala, A., & Lawan, S. (2023). Modified Flipped Learning as an Approach to Mitigate the Adverse Effects of Generative Artificial Intelligence on Education. Education Journal. https://doi.org/10.11648/j.edu.20231204.14 Li, Z., & Qiu, Z. (2018). How does family background affect children’s educational achievement? Evidence from Contemporary China. The Journal Of Chinese Sociology, 5(1). https://doi.org/10.1186/s40711-018-0083-8 Marks, G. N. (2010). Issues in the Conceptualisation and Measurement of Socioeconomic Background: Do Different Measures Generate Different Conclusions? Social Indicators Research, 104(2), 225-251. https://doi.org/10.1007/s11205-010-9741-1 McLaren, B. M., DeLeeuw, K. E., & Mayer, R. E. (2011). Polite web-based intelligent tutors: Can they improve learning in classrooms? Computers & Education, 56(3), 574-584. https://doi.org/10.1016/j.compedu.2010.09.019 Ministerio de Educación, Formación Profesional y Deportes. (2024). Enseñanzas no universitarias. Alumnado matriculado. Curso 2022-2023. Resultados detallados. Recuperado 8 de septiembre de 2024, de https://www.educacionfpydeportes.gob.es/servicios-al-ciudadano/estadisticas/no-univ ersitaria/alumnado/matriculado/2022-2023-rd.html Mohebi, L. (2024). Empowering learners with ChatGPT: insights from a systematic literature exploration. Discover Education, 3(1). https://doi.org/10.1007/s44217-024-00120-y 84 Montenegro-Rueda, M., Fernández-Cerero, J., Fernández-Batanero, J. M., & López-Meneses, E. (2023). Impact of the Implementation of ChatGPT in Education: A Systematic Review. Computers, 12(8), 153. https://doi.org/10.3390/computers12080153 Mousavinasab, E., Zarifsanaiey, N., Kalhori, S. R. N., Rakhshan, M., Keikha, L., & Saeedi, M. G. (2018). Intelligent tutoring systems: a systematic review of characteristics, applications, and evaluation methods. Interactive Learning Environments, 29(1), 142-163. https://doi.org/10.1080/10494820.2018.1558257 Mouta, A., Pinto-Llorente, A. M., & Torrecilla-Sánchez, E. M. (2023). Uncovering Blind Spots in Education Ethics: Insights from a Systematic Literature Review on Artificial Intelligence in Education. International Journal Of Artificial Intelligence In Education. https://doi.org/10.1007/s40593-023-00384-9 Murshidi, G. A., Shulgina, G., Kapuza, A., & Costley, J. (2024). How understanding the limitations and risks of using ChatGPT can contribute to willingness to use. Smart Learning Environments, 11(1). https://doi.org/10.1186/s40561-024-00322-9 OpenAI. (2022, 30 noviembre). Introducing ChatGPT. Openai. Recuperado 9 de agosto de 2024, de https://openai.com/index/chatgpt/ OpenAI. (2023). GPT-4 Technical Report. arXiv (Cornell University). https://doi.org/10.48550/arxiv.2303.08774 OpenAI. (s. f.). ChatGPT Education. Recuperado 9 de agosto de 2024, de https://openai.com/chatgpt/education/ OpenAI. (2024, 18 julio). ChatGPT — Release Notes. https://help.openai.com/. Recuperado 12 de agosto de 2024, de https://help.openai.com/en/articles/6825453-chatgpt-release-notes 85 Pantelimon, F., Bologa, R., Toma, A., & Posedaru, B. (2021). The Evolution of AI-Driven Educational Systems during the COVID-19 Pandemic. Sustainability, 13(23), 13501. https://doi.org/10.3390/su132313501 Persson, J. (2023). Artificial Intelligence and UK Education: Research, the Redistribution of Authority, and Rights. International Journal Of Artificial Intelligence In Education, 34(1), 62-72. https://doi.org/10.1007/s40593-023-00347-0 Pokrivcakova, S. (2019). Preparing teachers for the application of AI-powered technologies in foreign language education. Journal Of Language And Cultural Education, 7(3), 135-153. https://doi.org/10.2478/jolace-2019-0025 Punar Özçelik, N., & Yangın Ekşi, G. (2024). Cultivating writing skills: the role of ChatGPT as a learning assistant—a case study. Smart Learning Environments, 11(1). https://doi.org/10.1186/s40561-024-00296-8 Ray, S. (2023, July 10). Threads now Fastest-Growing app in History—With 100 million users in just five days. Forbes. https://www.forbes.com/sites/siladityaray/2023/07/10/with-100-million-users-in-fivedays-threads-is-the-fastest-growing-app-in-history/ Rudolph, J., Tan, S., & Tan, S. (2023). War of the chatbots: Bard, Bing Chat, ChatGPT, Ernie and beyond. The new AI gold rush and its impact on higher education. Journal of Applied Learning and Teaching, 6(1). https://doi.org/10.37074/jalt.2023.6.1.23 Schleicher, A. (2023). PISA 2022: Insights and interpretations. oecd Publishing. https://www.oecd.org/pisa/PISA%202022%20Insights%20and%20Interpretations.pdf Self, J. (1998). The defining characteristics of intelligent tutoring systems research: ITSs care, precisely. International Journal Of Artificial Intelligence In Education, 10, pp.350-364. https://telearn.hal.science/hal-00197346 Smutny, P., & Schreiberova, P. (2020). Chatbots for learning: A review of educational chatbots for the Facebook Messenger. Computers & Education, 151, 103862. https://doi.org/10.1016/j.compedu.2020.103862 86 Subdirección General de Actividad Universitaria Investigadora. (2024). El perfil socioeconómico del estudiantado universitario en España: 2024. Ministerio de Ciencia, Innovación y Universidades, e-NIPO: 151240069. https://www.universidades.gob.es/wp-content/uploads/2024/03/PerfilSocioeconomico _Def.pdf Rahman, M. M., & Watanobe, Y. (2023). ChatGPT for Education and Research: Opportunities, Threats, and Strategies. Applied Sciences, 13(9), 5783. https://doi.org/10.3390/app13095783 Tan, D. Y., & Cheah, C. W. (2021). Developing a gamified AI-enabled online learning application to improve students’ perception of university physics. Computers And Education Artificial Intelligence, 2, 100032. https://doi.org/10.1016/j.caeai.2021.100032 Tlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Hickey, D. T., Huang, R., & Agyemang, B. (2023). What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart Learning Environments, 10(1). https://doi.org/10.1186/s40561-023-00237-x UNESCO. (2019). Beijing consensus on artificial intelligence and education. UNESCO. Retrieved 7, 2024, from https://unesdoc.unesco.org/ark:/48223/pf0000368303 VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221. https://doi.org/10.1080/00461520.2011.611369 Wang, T., Lund, B. D., Marengo, A., Pagano, A., Mannuru, N. R., Teel, Z. A., & Pange, J. (2023). Exploring the Potential Impact of Artificial Intelligence (AI) on International Students in Higher Education: Generative AI, Chatbots, Analytics, and International Student Success. Applied Sciences, 13(11), 6716. https://doi.org/10.3390/app13116716 87 Williamson, B. (2023). The Social life of AI in Education. International Journal Of Artificial Intelligence In Education, 34(1), 97-104. https://doi.org/10.1007/s40593-023-00342-5 Yu, H. (2023). Reflection on whether Chat GPT should be banned by academia from the perspective of education and teaching. Frontiers In Psychology, 14. https://doi.org/10.3389/fpsyg.2023.1181712 Yu, X., Ma, N., Zheng, L., Wang, L., & Wang, K. (2023). Developments and Applications of Artificial Intelligence in Music Education. Technologies, 11(2), 42. https://doi.org/10.3390/technologies11020042 Yuan, L. (2023). Where does AI-driven Education, in the Chinese Context and Beyond, go next? International Journal Of Artificial Intelligence In Education, 34(1), 31-41. https://doi.org/10.1007/s40593-023-00341-6 Zhijun, S., Zeyun, L., & Baicai, S. (2015). Families, Schools, and Children’s School Achievement: A Study Based on Rural Regions in China Gansu Province. Chinese Education And Society, 48(6), 464-482. https://doi.org/10.1080/10611932.2015.1119515 Zulić, H. (2019). How AI can Change/Improve/Influence Music Composition, Performance and Education: Three Case Studies. INSAM Journal Of Contemporary Music Art And Technology, 2, 100-114. https://doi.org/10.51191/issn.2637-1898.2019.2.2.100 88