Educación e Inteligencia Artificial : nodos temáticos de inmersión

Abstract

Se analizan los ejes tópicos-temáticos que han pasado a ocupar la atención de la comunidad científica en el dominio tecno-educativo, a partir de la revisión del discurso científico que se viene produciendo en el nodo de saber definido por los términos educación-Inteligencia Artificial, con el objetivo de analizar las diversas posibilidades pedagógicas, evaluativas, didácticas, curriculares, etc., a partir de las cuales se configura la presencia cada vez más activa de la Inteligencia Artificial en el ámbito educativo y, mapear los nodos críticos, las relaciones semánticas, los focos de interés, que, en el último lustro, han sido prioritarios en el campo de saber. Metodológicamente, se plantea una investigación documental, delineada en función de los criterios académicos de análisis del discurso correspondientes a una revisión de la literatura científica, seleccionada a partir de un proceso de consulta, efectuado en la base de datos ERIC-IES, entre los días 28 y 30 de junio del año 2022, a una muestra de 72 artículos científicos seleccionados por un proceso de compilación del corpus documental, de los 6.182 registros obtenidos inicialmente. A través de los datos compilados, de acuerdo a los aportes teóricos-metodológicos pincelados por el Análisis Textual Discursivo, se establecen 3 categorías a partir de las cuales resulta posible agrupar los ejes más importantes de atención que emergen al examinar el nodo educación-Inteligencia Artificial: (1) Fenómenos Transversales, (2) Dispositivo Tecnológico y (3) Matriz Educativa. Los resultados reflejan, respecto a la primera categoría sobre Fenómenos Transversales, que el término con mayor frecuencia estadística se vincula al eje enunciativo delineado por los términos datos-tecnología, así como a los respectivos factores contextuales, tecno-económicos, a partir de los cuales se compone el nodo temático examinado. Sin embargo, en la categoría Dispositivo Tecnológico, los resultados obtenidos permiten apreciar que el referente machine learning no solo desempeña una función central en la categoría, sino que, además, opera como un nodo de saber a partir del cual se pueden rastrear diversas ramificaciones discursivas. Finalmente, en la última categoria sobre Matriz Educativa, se evidencia que los códigos estudiante y aprender destacan como las dos unidades que registraron mayor frecuencia estadística en el corpus documental examinado, y ello resulta de interés porque dicha centralidad se articula en una perspectiva de aprendizaje centrada-en-el-estudiante (student-centered learning) y además, porque a partir de tales enunciados resulta posible inteligir el entramado referencial y la red de asuntos. Se concluye fijar la atención analítica en el consecuente carácter diferencial a partir del cual la Inteligencia Artificial impacta en una serie de contextos educativos y de experiencias escolares, en las cuales la desigualdad se impone de manera estructural.

S'analitzen els eixos tòpics-temàtics que han passat a ocupar l'atenció de la comunitat científica en el domini tecno-educatiu, a partir de la revisió del discurs científic que es va produint en el node de saber definit pels termes educació-Intel¿ligència Artificial, amb l'objectiu d'analitzar les diverses possibilitats pedagògiques, avaluatives, didàctiques, curriculars, etc., a partir de les quals es configura la presència cada vegada més activa de la Intel¿ligència Artificial en l'àmbit educatiu i, avaluar els nodes crítics, les relacions semàntiques, els focus d'interès, que, en l'últim lustre, han estat prioritaris en el camp de saber. Metodològicament, es planteja una recerca documental, delineada en funció dels criteris acadèmics d'anàlisis del discurs corresponents a una revisió de la literatura científica, seleccionada a partir d'un procés de consulta, efectuat en la base de dades ERIC-IES, entre els dies 28 i 30 de juny de l'any 2022, a una mostra de 72 articles científics seleccionats per un procés de compilació del corpus documental, dels 6.182 registres obtinguts inicialment. A través de les dades compilades, d'acord amb les aportacions teòriques-metodològiques pinzellades per l'Anàlisi Textual Discursiva, s'estableixen 3 categories a partir de les quals resulta possible agrupar els eixos més importants d'atenció que emergeixen en examinar el node educació-Intel¿ligència Artificial: (1) Fenòmens Transversals, (2) Dispositiu Tecnològic i (3) Matriu Educativa. Els resultats reflecteixen, respecte a la primera categoria sobre Fenòmens Transversals, que el terme amb major freqüència estadística es vincula a l'eix enunciatiu delineat pels termes dades-tecnologia, així com als respectius factors contextuals, tecno-econòmics, a partir dels quals es compon el node temàtic examinat. No obstant això, en la categoria Dispositiu Tecnològic, els resultats obtinguts permeten apreciar que el referent machine learning no sols exerceix una funció central en la categoria, sinó que, a més, opera com un node de saber a partir del qual es poden rastrejar diverses ramificacions discursives. Finalment, en l'última categoria sobre Matriu Educativa, s'evidencia que els codis estudiant i aprendre destaquen com les dues unitats que van registrar major freqüència estadística en el corpus documental examinat, i això resulta d'interès perquè aquesta centralitat s'articula en una perspectiva d'aprenentatge centrada-en-el-estudiant (student-centered learning) i a més, perquè a partir de tals enunciats resulta possible inteligir l'entramat referencial i la xarxa d'assumptes. Es conclou fixar l'atenció analítica en el consegüent caràcter diferencial a partir del qual la Intel¿ligència Artificial impacta en una sèrie de contextos educatius i d'experiències escolars, en les quals la desigualtat s'imposa de manera estructural.