1.1: Capítulo 1: Consideraciones éticas al utilizar tecnologías de asistencia basadas en inteligencia artificial en la educación
- Page ID
- 140019
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
Nota del Autor
No hay conflictos de intereses que revelar.
La correspondencia relativa a este capítulo deberá dirigirse a kourtney.kerr1@ucalgary.ca.
Tecnologías de Asistencia Educativa que Incorporan Inteligencia Artificial
Como sociedad, queremos simplificar las tareas siempre que sea posible. Las personas que utilizan dispositivos tecnológicos para facilitar la vida probablemente se involucren con la inteligencia artificial (IA), que tiene computadoras que realizan tareas que tradicionalmente requerían inteligencia humana (Congressional Research Service, 2018). Las tecnologías educativas continúan desarrollándose para ayudar al aprendizaje y el logro de los estudiantes, y la integración de la IA es cada vez más común. El tipo de inteligencia artificial con la que los individuos interactúan regularmente se llama 'IA débil', ya que solo hay una o dos tareas que realiza esta IA (Johnson, 2020), y suele ser en forma de aprendizaje automático. Un video de la organización Code.org [Nueva Pestaña] relata cómo opera y funciona la IA en términos de aprendizaje automático.
El aprendizaje automático se basa en el software para adquirir conocimientos a través de la experiencia. Todos los programas de aprendizaje automático son específicos de cada tarea. Dicho programa analiza miles de conjuntos de datos para construir un algoritmo a partir de patrones que serían menos obvios para los humanos, y luego el algoritmo se ajusta en función de si la máquina logró o no su objetivo (HubSpot, 2017; Zeide, 2019). Este proceso cíclico se repite luego, y los conjuntos de datos en el programa se expanden, lo que algunos describen como el programa cada vez más inteligente. Los algoritmos en los que operan muchas de estas tecnologías generalmente no se divulgan a los usuarios, pero a menudo se utilizan datos e información de los estudiantes para ejecutarlos. Las tecnologías de asistencia basadas en IA que utilizan IA débil son las que se examinarán en este capítulo, a partir de la pregunta: ¿Cuáles son las consideraciones éticas del uso de la IA en forma de tecnologías de asistencia y cómo se ven afectados los maestros y estudiantes, tanto positiva como negativamente, por la integración de estas herramientas? En este capítulo se discutirán diferentes preocupaciones éticas y posibles soluciones, junto con las precauciones que los maestros pueden tomar antes de implementarlas en el aula, y las formas en que los estudiantes y maestros pueden usar herramientas de tecnología de asistencia basadas en IA para promover experiencias educativas positivas.
En los últimos años se ha observado un marcado incremento en el número de productos que utilizan el aprendizaje automático. La IA es cada vez más accesible para los estudiantes, ya que los dispositivos móviles contienen un asistente de voz, y muchos dispositivos que se encuentran en hogares llenos de tecnología están programados con una funcionalidad similar (Touretzky et al., 2019). A medida que continuamos usándolos, los programas dentro de estos dispositivos siempre están aprendiendo y siempre monitoreando nuestras elecciones. (Popenici & Kerr, 2017). A pesar de que estos sistemas son capaces de realizar una amplia gama de funciones para ayudarnos a hacernos la vida más fácil, no tienen la capacidad de entender por qué solicitamos estas tareas; sin embargo, si planeamos usar estos programas de manera ética, debemos saber por qué hacen lo que les pedimos (Atlantic Re:think, 2018). La capacidad de estos programas para mejorar nuestras vidas es lo que los convierte en una tecnología beneficiosa para nuestras experiencias cotidianas, así como para nuestros sistemas educativos. La Tabla 1.1 identifica cómo las tecnologías de asistencia basadas en IA incorporan múltiples inteligencias a través de las tareas que son capaces de realizar.
| Inteligencias que la tecnología de asistencia basada en IA es capaz de realizar | Inteligencias que la tecnología de asistencia basada en IA no puede realizar |
|---|---|
|
|
La inclusión de la tecnología de IA en el aula puede aliviar algunos aspectos de la carga de trabajo de un maestro y también puede beneficiar el aprendizaje y el rendimiento de los estudiantes. Alguna IA que está disponible como tecnología de asistencia puede ser elegida y “adaptada para ajustarse a las tasas y estilos de aprendizaje individuales de los estudiantes.. pero no reemplazar el trabajo de los maestros humanos” (Johnson, 2020, párr. 17), porque los maestros están mejor equipados para determinar qué métodos de enseñanza satisfarán las necesidades de cada uno estudiante. Los maestros pueden trabajar con tecnología de aprendizaje automático para resolver problemas y desafíos, y cuando se usan correctamente, puede ayudar a sus alumnos a convertirse en mejores aprendices y miembros de la sociedad (Atlantic Re:think, 2018; HubSpot, 2017). El siguiente video examina cómo se ha desarrollado la IA para ofrecer experiencias personalizadas y qué consideraciones deben hacerse a medida que esta tecnología continúa avanzando.
Video: Infografía avanzada, Hot Knife Digital Media Ltd., 2017
Un elemento Vimeo ha sido excluido de esta versión del texto. Puedes verlo en línea aquí: https://openeducationalberta.ca/educationaltechnologyethics/?p=34
El Apéndice A está adaptado del “Marco incompleto” de Farrow (2017) (p. 103), que se centra en la ética normativa en relación con la investigación educativa, y proporciona un resumen de cada sección de este capítulo. Se puede utilizar como referencia para las consideraciones éticas que los maestros deben hacer al usar tecnología de asistencia basada en IA con sus alumnos para promover experiencias de aprendizaje mejoradas.
Divulgación completa para el uso de tecnología de asistencia basada en IA en entornos educativos
Identificación de herramientas tecnológicas de asistencia
Los maestros buscan constantemente métodos para mejorar las experiencias educativas de los estudiantes, porque todos los estudiantes tienen diferentes requisitos para su aprendizaje. Los maestros suelen utilizar tecnologías digitales para dar a los estudiantes acceso a diversos recursos y materiales para ayudarlos a tener éxito y apoyar sus diversas necesidades de aprendizaje (McRae, 2015). Dado que las tecnologías de asistencia están disponibles para todos los estudiantes, estas herramientas pueden involucrar a los estudiantes y ayudar a los maestros a cumplir con las metas curriculares, lo que les permite integrarse fácilmente en los entornos de las aulas (Escuelas Públicas de Sturgeon, 2019). La mayor parte de la inteligencia artificial educativa actual se brinda a través de diversos formatos de software, haciendo que esta tecnología sea más manejable y accesible en entornos escolares (Zeide, 2019). Las tecnologías de asistencia que utilizan IA también pueden “mejorar significativamente el aprendizaje de los estudiantes en comparación con otras tecnologías de aprendizaje o instrucción en el aula” (Holstein et al., 2018, p. 155), haciéndolas efectivas para mejorar el rendimiento estudiantil. Hay muchos tipos diferentes de tecnología de asistencia basada en IA, incluyendo aplicaciones (aplicaciones), extensiones y programas basados en la web; esto permite a los estudiantes y profesores elegir aquellos con los que prefieren trabajar. Ejemplos de estas herramientas se identifican en la Figura 1.1.
Todas las aulas son diversas en la enseñanza y aprendizaje que se da dentro de ellas, y cada una es personalizada de alguna manera. La inclusión de tecnologías asistenciales es un método para diversificar la instrucción y crear entornos de aprendizaje personalizados; sin embargo, estas herramientas no pueden funcionar de manera aislada y dependen del apoyo docente (Bulger, 2016). Aunque los maestros expertos pueden encontrar sin problemas formas de utilizar estas tecnologías de asistencia para maximizar el aprendizaje y los recursos, los educadores deben recordar que la mayoría de estos “productos no se prueban en el campo antes de su adopción en las escuelas y ofrecen una investigación limitada o nula sobre [su] eficacia” (Bulger, 2016, p. 11). Esta noción puede generar preocupaciones sobre cómo se utilizan o manipulan los datos de los estudiantes, y existe un debate en torno a la inclusión de tecnologías de asistencia basadas en IA en el aula; si bien tienen el “potencial para revolucionar el aprendizaje” (Bulger, 2016, p. 3), existe incertidumbre respecto a si pueden o no mejorar las experiencias educativas y el rendimiento estudiantil. Como resultado, los sistemas basados en IA deben someterse a pruebas más rigurosas antes de ser utilizados en la educación, deben existir estándares para auditar los sistemas de IA y los códigos éticos para usar IA deben mantenerse con un alto nivel de responsabilidad (Regan & Jesse, 2018). Los docentes también podrían examinar las siguientes circunstancias en las que las preocupaciones éticas aumentan al utilizar sistemas de aprendizaje personalizados:
- Disminuye el control docente o la comprensión del programa, la aplicación o la extensión
- Incrementa la integración de los datos recabados por la empresa y las actividades en el aula
- Aumenta el tipo y cantidad de datos de estudiantes recopilados por la empresa
- Cualquier dato se utiliza para refinar programas de software (Regan & Jesse, 2018)
Conectando con Políticas y Procedimientos
Las divisiones escolares en Alberta tienen políticas y procedimientos que identifican la necesidad de que los estudiantes tengan acceso a la tecnología a través de redes y dispositivos, con el objetivo principal de mejorar el aprendizaje a través de conexiones curriculares. Muchas divisiones escolares dentro de Alberta están revisando políticas y procedimientos que están desactualizados o insuficientes, para dar cuenta de entornos educativos en continua evolución que incorporan tecnología para mejorar el aprendizaje de los estudiantes (Wild Rose School Division, 2017). Este reconocimiento es significativo debido a las continuas modificaciones que se podrían hacer para dar cabida a estos cambios en la tecnología y las formas en que la tecnología puede ser utilizada en entornos educativos. En algunos casos, las juntas escolares desean colaborar con innovadores del sector tecnológico para potenciar la integración de la tecnología en la educación (Edmonton Public Schools, 2020b). Las divisiones escolares deben garantizar que se mantenga la seguridad y privacidad de los estudiantes y del personal, y que la recolección y el uso de datos sean transparentes, al tiempo que se integra el uso de la tecnología Al hacerlo, las divisiones escolares están validando que su intención es brindar experiencias auténticas e informar a los usuarios por respeto a quienes utilizan dispositivos personales o aprobados por divisiones dentro del aula. Esta estrategia también podría implicar que cualquier tecnología de asistencia permitida para el uso de una división sea examinada antes de su introducción, pero que las elegidas por un maestro de aula tampoco pueden ser aprobadas. Como resultado, los maestros que eligen una variedad de tecnologías de asistencia para sus aulas pueden querer asegurarse de que los estudiantes y los padres estén plenamente conscientes de cualquier problema de privacidad o seguridad que pueda surgir.
Los estudiantes también están aprendiendo estrategias que pueden usar para proteger su información personal y para mantener su seguridad al usar tecnología de división. Este enfoque promueve la independencia e integridad en los estudiantes a medida que se vuelven más responsables de sus propios emprendimientos digitales. La incorporación de una variedad de tecnologías asistenciales en el aula promueve “apoyo continuo y oportunidades para que los estudiantes demuestren su logro” (Edmonton Public School Board, 2020d, sección Expectativas, párr. 8), razón por la cual los maestros pueden encontrar beneficiosa su inclusión. Dado que ningún alumno aprende exactamente de la misma manera, los profesores pueden querer aplicar su juicio profesional a las diversas tecnologías de asistencia que eligen utilizar con los estudiantes. Este juicio a menudo involucra consideraciones éticas que promueven consecuencias positivas dentro del aula, como permitir que los estudiantes aprendan de la manera que mejor se adapte a sus necesidades y experiencias.
Docentes que utilizan tecnologías de asistencia
El uso de la tecnología para mejorar la planeación, apoyar la enseñanza y mejorar la evaluación también está respaldado por políticas, y podría ser un componente de estándares de práctica apropiados para los maestros en Alberta (Edmonton Public School Board, 2020c). Las políticas de evaluación a menudo identifican que las evaluaciones deben ser libres de sesgos, “respetuosas de las diferencias de los estudiantes y reflejar la diversa población estudiantil” (Edmonton Public School Board, 2020d, sección Propósito, párrafos 1, 3). Las evaluaciones que mejoran la instrucción para mejorar el aprendizaje de los estudiantes son parte de la enseñanza receptiva y ética, y este esfuerzo podría estar respaldado por el uso de tecnologías de asistencia basadas en IA. Los maestros pueden usar este tipo de programas para calificar el trabajo de los estudiantes; sin embargo, estos programas actualmente no se aplican a habilidades de pensamiento y análisis de nivel superior, lo que significa que la cantidad de tiempo dedicado a estas evaluaciones aún no se puede ajustar (Johnson, 2020).
Las implicaciones éticas de permitir que una computadora califique una tarea en la que es necesario el pensamiento crítico son mucho mayores, dada la subjetividad de la mayoría de las respuestas escritas. Los maestros son responsables de garantizar un trato justo e igualitario a todos los alumnos. Dado que las tecnologías de asistencia eliminarían la subjetividad y calificarían una tarea de respuesta escrita desde una perspectiva objetiva, los estudiantes que apliquen las estrategias que el programa reconoce como ejemplares podrían beneficiarse injustamente (Barshay, 2020). Cuando se utilizan programas que califican preguntas de opción múltiple, la cantidad de entrada requerida varía. Los maestros pueden determinar qué programa se adapta mejor a sus necesidades y cumple con los criterios éticos. Los programas que requieren información personal mínima pueden ser los mejores para elegir para proteger la información de los estudiantes. Los maestros a menudo necesitan crear una cuenta para llevar un registro de los nombres de los estudiantes con sus puntajes, análisis de ítems y claves de respuesta para cada prueba, pero la decisión de usar el programa podría ser tomada por los maestros, con base en los términos del servicio o la política de privacidad. Otros programas requieren que las preguntas creadas por el maestro se ingresen directamente al programa junto con la respuesta clave, y los estudiantes deben iniciar sesión para responder las preguntas antes de recibir una calificación. Estos datos de inicio de sesión pueden usarse con el propósito de beneficiar al creador, o podrían venderse a distribuidores externos; por lo tanto, los maestros pueden querer verificar hacia dónde va esta información y compartir estos detalles con los estudiantes antes de involucrarse con esta forma de tecnología de asistencia basada en IA.
Mantener la privacidad, la seguridad de los datos y el consentimiento informado al usar tecnología de asistencia basada en inteligencia artificial
Cumplir con las expectativas
Se espera que los maestros de todos los niveles de grado incluyan tecnología digital adecuada para satisfacer las necesidades de aprendizaje de los estudiantes (Alberta Education, 2018), lo que significa que todos los maestros deben familiarizarse con las preguntas, preocupaciones y “debates en torno a la seguridad y privacidad de los datos digitales... tan pronto no habrá futuro educador alguna vez será separado de su presencia” (Amirault, 2019, p. 59). Las tecnologías de asistencia basadas en IA son similares a muchos otros servicios digitales en el sentido de que recopilan y almacenan información personal. Se ha intentado limitar el tiempo que se almacena la información personal, además de mantener las medidas de seguridad y abstenerse de vender información como parte de una promesa voluntaria de privacidad estudiantil (Congressional Research Service, 2018). Dado que las tecnologías de asistencia educativa se utilizan con estudiantes menores de edad, las preocupaciones que surgen sobre la privacidad, la seguridad de los datos y el consentimiento informado son las que deben mitigarse, pero existen opiniones diferentes sobre cómo las empresas de tecnología educativa podrían rendir cuentas (Regan & Jesse, 2018). La información recopilada sobre un individuo debe minimizarse para incluir solo la información que se requiere para el propósito y resultado previstos (Regan & Jesse, 2018). La recolección de datos de los estudiantes debe entonces ocurrir solo con el propósito de promover la participación y el logro de los estudiantes. Además, la recolección de datos de los estudiantes debe comenzar solo una vez que el individuo sepa que se está produciendo y haya consentido la recolección de datos. En un estudio realizado por Beardsley et al. (2019), casi 75% de los estudiantes están “compartiendo activamente datos personales con compañeros, empresas y, a menudo, públicamente” (p. 1030) a pesar de que la mayoría de estos estudiantes “saben que carecen de conocimiento del manejo responsable de los datos” (Beardsley et al., 2019, p. 1030). Como resultado, muchos estudiantes dan su consentimiento a los términos de uso que presenta un programa o aplicación sin leer los detalles contenidos en el documento.
Los maestros deben asegurarse de que los estudiantes comprendan las consecuencias y los resultados que podrían experimentar al usar tecnologías de asistencia para proteger su privacidad y sus datos. La Figura 1.2 muestra las seis preocupaciones de privacidad con las que los profesores y estudiantes deben estar familiarizados antes de involucrarse con las tecnologías digitales. Para ayudar a proteger la información personal, los maestros también podrían hacer preguntas sobre la recopilación de datos y la seguridad, especialmente si esta información no está clara. Entonces podrían determinar si esta recolección de datos beneficia o no la instrucción o si está destinada a la vigilancia (Bulger, 2016). Esta estrategia puede ayudar a promover la transparencia en términos de recolección de datos y privacidad y el impacto que tiene en los estudiantes que utilizan estas herramientas educativas.
Información de seguimiento
Los estudiantes a menudo interactúan con programas basados en IA de maneras que revelan detalles sobre sus respuestas a las preguntas, cómo procesan la información y su desempeño general, y esta colección puede no dar fe de su logro de resultados de aprendizaje (Bulger, 2016; Regan & Jesse, 2018). Como resultado, la información de los estudiantes puede ser rastreada de maneras que no mejoran sus experiencias educativas. La vigilancia y el seguimiento a menudo requieren la recopilación de información detallada, lo que sugiere que un mayor monitoreo de las actividades de los estudiantes y el uso de los datos generados a partir de esas actividades podrían afectar negativamente el compromiso de estudiantes y maestros con las tecnologías de asistencia (Regan & Jesse, 2018). Un riesgo asociado con el uso de tecnologías de asistencia que dependen de la IA es que ahora hay una multitud de datos disponibles para rastrear a los estudiantes y su progreso, lo que podría llevar a un enfoque en los números de rendimiento y podría impedir la participación general de los estudiantes o cuestionar el rendimiento y la efectividad de los maestros (Bulger, 2016). Este resultado no sería en el mejor interés de los estudiantes o profesores, razón por la cual el seguimiento de la información a través de tecnologías de asistencia basadas en IA podría ser perjudicial para el rendimiento de los estudiantes.
Efectos en la enseñanza y el aprendizaje
Las tecnologías digitales deben utilizarse para apoyar la enseñanza y mejorar los resultados del aprendizaje en lugar de para determinar la efectividad docente (Bulger, 2016). Cuando los maestros brindan acceso a tecnologías de asistencia basadas en IA para sus alumnos, es posible que los maestros quieran considerar cómo podrían usarse estas tecnologías para mejorar las estrategias de enseñanza, y si, o cómo, otros estudiantes podrían beneficiarse de estos diversos apoyos. Cuando se utilizan tecnologías de asistencia, a menudo hay una falta de transparencia y una mayor confusión sobre cómo se recopilan y utilizan los datos, y quién tiene permiso para acceder a estos datos (Bulger, 2016). Si la información contenida en los datos puede beneficiar el aprendizaje y el logro de los estudiantes o beneficiar las estrategias de enseñanza, entonces los maestros deberían poder acceder a estos datos previamente recopilados. Aunque las empresas de tecnología educativa pueden intentar mejorar el rendimiento de los estudiantes a través de la recopilación de datos, a menudo pueden existir sesgos o desarrollarse con tecnologías de IA. Bulger (2016) menciona que “[d] iscussions de la privacidad de los datos de los estudiantes abordan tanto los datos como la privacidad, pero rara vez se centran en los estudiantes, [y] las expectativas y metas del aprendizaje personalizado pueden no necesariamente coincidir con los intereses de los estudiantes, padres de familia, maestros, o incluso la sociedad” (p. 20). Estas preocupaciones son válidas, y los maestros podrían decidir qué tecnologías de asistencia usar en función de las metas para cada alumno. Si los beneficios superan las caídas y permiten a los estudiantes desarrollar habilidades que no solo los ayudan en el aula, sino también en su vida personal, la tecnología de asistencia probablemente sea adecuada para usar con los estudiantes.
Por mucho que los maestros deban preocuparse por proteger la información de los estudiantes al usar tecnologías de asistencia en el aula, hay algunos beneficios en las tecnologías de asistencia que tienen esta información. Por ejemplo, al usar texto predictivo o extensiones de voz a texto, se pueden guardar las preferencias de un estudiante y la tecnología de asistencia se puede desarrollar para ser más precisa en función de la entrada que recibe. Este proceso puede mejorar las experiencias educativas a medida que el aprendizaje se vuelve más personalizado para cada estudiante que interactúa con tecnologías de asistencia. Las divisiones escolares también pueden acceder a esta información para determinar qué programas, aplicaciones o extensiones deben ser permitidas para usar dentro de las escuelas y en dispositivos monitoreados por división. Cuando sea posible, los maestros deben tomar precauciones para “proteger la información personal [de los estudiantes] haciendo arreglos de seguridad razonables contra riesgos tales como el acceso, recopilación, uso, divulgación o destrucción no autorizados” (Ley de Libertad de Información y Protección de la Privacidad, 2000, p. 42). Aunque los estudiantes y maestros tienen preocupaciones sobre la pérdida de privacidad en el aula, es probable que los datos de los estudiantes se sigan recopilando en dispositivos que son propiedad de la división escolar (Regan & Steeves, 2019). Debe existir mayor transparencia sobre el propósito de esta colección para identificar si la información es recabada y mantenida solo por la división escolar para mejorar el aprendizaje de los estudiantes, o si es compartida con empresas de tecnología educativa para potenciar sus propios programas (o ambos).
Seguridad y Dispositivos Personales
A menudo se anima a los estudiantes a llevar sus propios dispositivos a la escuela, ya que generalmente están más familiarizados con ellos, pero cuando usan programas de tecnología de asistencia o aplicaciones que tienen que instalarse en el dispositivo, la información personal y los datos de los estudiantes probablemente sean mucho más accesibles a la tecnología educativa empresas. Si los estudiantes usan sus propios dispositivos, la protección de la privacidad y la seguridad proporcionadas por las divisiones escolares puede no existir en la misma medida que lo haría si los estudiantes usaran un dispositivo propiedad de la división; sin embargo, los estudiantes que operan sus propios dispositivos suelen usar el internet de la división. Este acceso a menudo permite bloquear ciertas aplicaciones, páginas web o extensiones para proteger la información de los estudiantes, lo que ayuda a minimizar el riesgo de violaciones de datos y/o seguridad. También se pueden instalar ciertos programas para proteger los datos y la privacidad de los estudiantes de ser obtenidos por empresas o usuarios no autorizados.
Cuando los estudiantes utilizan tecnologías de asistencia basadas en IA, los datos que generan en su dispositivo personal se “transmiten a una empresa que recopila y almacena los datos, [que luego son] retenidos permanentemente y vinculados a [ese] individuo específico e identificable” (Amirault, 2019, p. 59). Los maestros deben dedicar tiempo a revisar los documentos de términos de uso con los estudiantes y permitirles elegir si desean o no descargar y operar ciertas tecnologías de asistencia en sus dispositivos personales. Si el lenguaje utilizado en algún acuerdo no está claro, los maestros tal vez deseen hablar con alguien del departamento de tecnología de la división escolar para obtener una mejor comprensión. Los maestros podrían entonces asegurarse de que esta información se comparta claramente con los estudiantes, usando palabras que entiendan, para que también sepan en qué están consintiendo antes de usar tecnologías de asistencia. Los maestros también podrían pedir la opinión de los padres antes de seguir adelante. Para garantizar que el consentimiento sea válido, se debe presentar una descripción de los riesgos y beneficios potenciales de manera que no provoque una decisión específica de quienes podrían verse afectados por el uso de estas tecnologías (Beardsley et al., 2019; Miller & Wertherimer, 2011).
Uso “gratuito” y recopilación de datos
Muchas tecnologías de asistencia basadas en IA son gratuitas para estudiantes y educadores, pero este uso no remunerado puede llegar a costa de la recolección de datos (Beardsley et al., 2019). En Estados Unidos, “[w] ebsites que están recopilando información de niños menores de trece años están obligados a cumplir con la Ley de Protección de la Privacidad Infantil en Línea” (Bourgeois, 2019, p. 141), lo que significa que necesitan hacer todo lo posible para determinar la edad de las personas que acceden a sus sitios. Si un individuo es menor de trece años, se debe proporcionar el consentimiento de los padres antes de que se recopile cualquier información sobre el individuo. Los maestros deben ser conscientes de los esfuerzos que realizan las empresas de tecnología educativa para seguir este cumplimiento, y deben estar más preocupados por las aplicaciones, programas o extensiones que recopilan datos de los estudiantes pero no intentan determinar la edad de los estudiantes que acceden a estas herramientas.
Los maestros también deben ser conscientes de que muchas empresas requieren que los usuarios opten por no participar si no quieren que se comparta su información; por lo tanto, al aceptar usar sus herramientas, se ha dado el consentimiento implícito para la recolección y el intercambio de datos (Bourgeois, 2019). Si la empresa posee datos e información de los estudiantes, pueden optar por usar esta información como se describe en un acuerdo de uso. Se plantea la pregunta de si las empresas de tecnología educativa “deben ser capaces o no de utilizar los datos generados por el uso de los estudiantes de sus programas de software para mejorar esos programas” (Regan & Jesse, 2018, p. 173) y hacer que los estudiantes “prueben materias para el desarrollo y comercialización de futuros productos edtech” (Regan & amp; Jesse, 2018, p. 173). Los maestros deben examinar cómo se recopilan y utilizan los datos de los estudiantes antes de permitir que los estudiantes interactúen con tecnologías de asistencia basadas en IA en el aula. En su revisión de empresas de tecnología educativa, Regan y Jesse (2018) identificaron que “estas empresas están acumulando información bastante detallada sobre las características demográficas de los estudiantes en sus bases de datos, así como información detallada sobre los registros de aprendizaje de los estudiantes” (p. 175). Aunque determinar exactamente qué puntos de datos son recopilados y almacenados por las empresas que crean programas, aplicaciones o extensiones con el propósito de ayudar al aprendizaje de los estudiantes podría ser un desafío, los maestros podrían revisar los detalles establecidos en los acuerdos de usuario para identificar cómo se usarán los datos antes implementándolos en el aula. La Figura 1.3 sugiere preguntas que los maestros podrían hacer con respecto a la privacidad y la seguridad de los datos antes de involucrarse con tecnologías de asistencia basadas en IA.
Evitar daños y minimizar el riesgo para los estudiantes que utilizan tecnologías de asistencia basadas en IA
Participar de forma anónima
Es posible que los estudiantes deseen permanecer en el anonimato al usar la tecnología, para minimizar los riesgos que podrían causarles daño; sin embargo, las tecnologías de asistencia basadas en IA necesitan recopilar cierta información y datos de los estudiantes para apoyar a los estudiantes en su aprendizaje, lo que dificulta la adquisición del anonimato. Si los estudiantes pueden usar una tecnología de asistencia bajo una cuenta de invitado, en lugar de crear un perfil personal, esta opción puede proporcionar a los estudiantes el anonimato que desean. Muchas divisiones escolares de Alberta asignan a los estudiantes una cuenta que incluye su nombre y apellido, seguido del dominio de la división escolar. Cada vez que los estudiantes inician sesión en un dispositivo aprobado por división con estas credenciales o ejecutan un programa, aplicación o extensión en ese dispositivo, su información personal es compartida o accedida, ya sea por la división o por empresas de tecnología educativa. Cuando los estudiantes eligen usar dispositivos personales, su capacidad de permanecer en el anonimato a los ojos de la división escolar puede existir; sin embargo, las restricciones establecidas por la división, “destinadas a proteger a los estudiantes son mucho más difíciles, si no imposibles, de hacer cumplir cuando hay dispositivos [personales] involucrados y los estudiantes ya no necesitan la red escolar para el acceso” (Cramer & Hayes, 2010, p. 41). Los creadores de tecnologías de asistencia también pueden acceder fácilmente a la información privada de los estudiantes cuando estas herramientas se utilizan en dispositivos personales, si los estudiantes no tienen los valores adecuados en su lugar. En consecuencia, los estudiantes podrían verse perjudicados, ya que se está accediendo a sus datos personales.
Muchos estudiantes desconocen estrategias que existen para minimizar sus riesgos al participar en un entorno digital (Beardsley et al., 2019). Es posible que los maestros quieran discutir con los estudiantes los detalles de su interacción con estas herramientas tecnológicas, antes de que los estudiantes se registren para aplicaciones, programas o extensiones de asistencia. Brindar acceso a la información de los estudiantes puede ser beneficioso para el aprendizaje de los estudiantes porque la base de conocimientos de tecnología de asistencia basada en IA continuará desarrollándose para cada usuario a medida que los estudiantes interactúen con ellos; sin embargo, los beneficios deben superar las caídas y minimizar el riesgo de violaciones de datos o seguridad que podría impactar negativamente a los estudiantes. También se podría hacer la recomendación de que ni los profesores ni los alumnos creen un perfil personal con el propósito de utilizar tecnologías de asistencia basadas en IA, a menos que la herramienta sea apoyada por la división escolar, o la creación de un perfil personal haya sido autorizada por los padres de los alumnos o los alumnos ellos mismos (Regan & Jesse, 2018). Los estudiantes aún podrían beneficiarse del uso de tecnologías de asistencia basadas en IA sin la creación de un perfil personal, pero las características de personalización por las que se conocen estas herramientas pueden declinar. Los estudiantes también tendrían entonces un mayor nivel de protección al trabajar con estos programas, aplicaciones o extensiones en línea.
Reconocimiento de sesgos
Las tecnologías basadas en IA pueden eliminar los sesgos de los educadores en lo que respecta a evaluar el trabajo de los estudiantes, pero aún existe la posibilidad de que existan sesgos y sean incorporados sin saberlo por los desarrolladores de la tecnología, lo que puede afectar la forma en que evolucionan las tecnologías de asistencia basadas en IA (Regan & Jesse, 2018). Estos sesgos podrían incluir sugerencias para otras tecnologías de asistencia que están disponibles para los estudiantes, lo que podría impactar a los estudiantes de formas que discriminan en base a diversos atributos personales, o aquellos que son menos obvios; por lo tanto, estos sesgos tienen el potencial de poner a los estudiantes y sus información en riesgo. Si los estudiantes son perfilados o rastreados como resultado de sesgos de desarrolladores, y si la información de los estudiantes se usa de maneras que no son transparentes o no son beneficiosas para el aprendizaje de los estudiantes, es posible que los maestros deban decidir si los beneficios de usar la tecnología valen la pena los riesgos y, de ser así, cómo estos riesgos pueden minimizarse (Regan & Steeves, 2019). Para “utilizar estos sistemas de manera responsable, los maestros y el personal deben comprender no solo sus beneficios sino también sus limitaciones” (Zeide, 2019, sección Promesa y peligros, párr. 8), y deben existir procedimientos claros cuando surjan discrepancias entre las recomendaciones de tecnología de asistencia y el maestro juicio profesional. Esta recomendación sugiere que los maestros deben ser conscientes de los beneficios y consecuencias de las tecnologías de asistencia basadas en IA, y la medida en que los estudiantes podrían verse impactados, al tiempo que aseguran que sus propios sesgos no entren en juego a la hora de determinar qué es lo mejor para sus alumnos. Junto con los sesgos relacionados con la evaluación, los maestros también podrían tener sesgos con respecto a los programas de tecnología de asistencia, plataformas o desarrolladores que elijan utilizar, a pesar de la disponibilidad y accesibilidad de otras opciones que podrían apoyar mejor el aprendizaje de los estudiantes. Los maestros podrían dedicar tiempo a involucrarse con una variedad de tecnologías antes de permitir que los estudiantes hagan lo mismo, con el fin de examinar las posibles consecuencias de diversas herramientas tecnológicas de asistencia. Aunque este proceso puede llevar mucho tiempo, también puede minimizar o eliminar riesgos no deseados para los estudiantes.
Otra preocupación surge cuando las empresas de tecnología educativa ganan influencia sobre las personas que se involucran con ellas (Popenici & Kerr, 2017) al brindar opciones limitadas de asistencia. Este reto es aún más significativo cuando los estudiantes —que suelen ser menores— se ven influenciados por estas herramientas tecnológicas. Los maestros deben considerar este cambio de autoridad, ya que las empresas de tecnología educativa a menudo no son responsables de sus prejuicios hacia el aprendizaje de los estudiantes y las formas en que sus tecnologías de asistencia apoyan las experiencias educativas de los estudiantes (Zeide, 2019). Como resultado de los sesgos de las empresas de tecnología educativa y las posibles motivaciones para beneficiar el desarrollo de sus programas, los estudiantes podrían estar utilizando tecnologías de asistencia basadas en IA de maneras que no beneficien su aprendizaje y, en cambio, hagan que el aprendizaje y el logro sean más desafiantes. Antes de que los maestros opten por incluir las tecnologías de asistencia como soportes para la enseñanza y el aprendizaje, tal vez quieran considerar la noción de que los estudiantes no se ofrecen como voluntarios para proporcionar análisis a las empresas de tecnología educativa, y podrían considerar si las herramientas tecnológicas podrían funcionar o no en contra aprendizaje estudiantil (Regan & Steeves, 2019). Cualquiera de estos escenarios podría poner en riesgo la información personal de los estudiantes y ser perjudiciales para sus experiencias de aprendizaje.
¿Los riesgos valen la pena las recompensas?
Al igual que ocurre con la mayoría de las estrategias de enseñanza y aprendizaje, se pide a los docentes que determinen si los beneficios son mayores que los detrimentos antes de introducir nuevas estrategias como parte de las experiencias educativas de los estudiantes. Siempre que los docentes hayan tomado esta decisión lo mejor que puedan y en el mejor interés de los alumnos, los beneficios que puedan derivarse de la incorporación de tecnologías asistenciales basadas en IA pueden ser significativos. Algunos de estos incluyen “análisis más sofisticados del aprendizaje y las pruebas de los estudiantes, un aprendizaje más personalizado, una entrega más efectiva de materiales educativos, una mejor evaluación y una mayor capacidad de respuesta a las necesidades de los estudiantes” (Regan & Steeves, 2019, sección “Tech Foundation Activities”, párr. 1). Muchas herramientas de tecnología de asistencia pueden crear estos resultados, siempre y cuando existan procedimientos para proteger a los estudiantes de situaciones dañinas que puedan surgir al usar estas herramientas.
Permitir la autonomía e independencia de los estudiantes al usar tecnologías de asistencia basadas en inteligencia artificial
Considerar la elección del estudiante y el maestro
Cuando los estudiantes utilizan la IA en forma de tecnología de asistencia, se les debe alentar a establecer sus propias metas educativas, lo que les permitiría abogar por sí mismos y asumir más responsabilidad por su aprendizaje. Es probable que las herramientas de tecnología de asistencia sean más efectivas cuando los estudiantes las usan para lograr estos objetivos educativos o de aprendizaje, y los estudiantes pueden volverse más autónomos cuando actúan de manera intencional y comprenden sus elecciones (Beardsley et al., 2019). Los maestros pueden ofrecer muchas opciones diferentes en términos de las herramientas tecnológicas de asistencia que están disponibles, pero el uso de estas herramientas no debe ser obligatorio si uno de los objetivos es promover la autonomía de los estudiantes. Los estudiantes también deben poder tomar decisiones por sí mismos con respecto a las herramientas de tecnología de asistencia que elijan utilizar, para que se pueda apoyar una mayor autonomía (Regan & Steeves, 2019). Una forma de tecnología de asistencia basada en IA puede funcionar muy bien para un estudiante, pero puede que no brinde la mejor asistencia para otro estudiante. En consecuencia, se debe permitir que los estudiantes expresen sus preocupaciones sobre las herramientas que se ofrecen y luego poder elegir la (s) que les ayudará a lograr sus metas.
Holstein et al. (2019) mencionan que “[i] f los nuevos sistemas de IA van a ser bien recibidos en las aulas K-12, es fundamental que apoyen las necesidades y respeten los límites tanto de profesores como de alumnos” (p. 166). No sólo se debe dar a los estudiantes la opción de qué tecnologías asistenciales utilizan; los maestros también deben ser capaces de que se escuche su voz respecto a qué tecnologías de asistencia podrían ser apoyadas y utilizadas por sus divisiones escolares. Los profesores regularmente toman decisiones sobre qué herramientas mejorarán sus prácticas docentes y cuáles brindarán las mejores oportunidades de aprendizaje a sus alumnos, por lo que dejar la decisión sobre qué herramientas tecnológicas usar en manos de quienes no están en el aula puede proporcionar menos de experiencias educativas mediocres. La capacidad de decidir cuánta integración de estas herramientas es necesaria para beneficiar tanto el rendimiento estudiantil como los roles y responsabilidades del maestro también debe ser controlada por los maestros de aula. Dado que los maestros saben la mejor manera de satisfacer las necesidades de sus propios alumnos, se les debe permitir encontrar un equilibrio entre la sobreautomatización y la subautomatización y la autonomía dentro de sus aulas, lo que se refleja en la Figura 1.4.
Promover la independencia y la participación
Muchas herramientas de tecnología de asistencia basadas en IA hacen recomendaciones para los estudiantes en función de cómo otros con perfiles de datos similares se desempeñaban anteriormente (Zeide, 2019), lo que sugiere que los estudiantes podrían ser manipulados fácilmente por estas tecnologías. Entender cómo las herramientas de tecnología de asistencia hacen estas determinaciones no es un conocimiento que pueda ser adquirido fácilmente por profesores y estudiantes. En consecuencia, se debe alentar a los maestros y estudiantes a trabajar con herramientas de tecnología de asistencia que promuevan el interés propio y eviten resultados desfavorables (Regan & Jesse, 2018). La oportunidad de actuar de tal manera promovería aún más la independencia de los estudiantes y podría llevar a que los estudiantes se involucren con tecnologías basadas en IA fuera del aula de una manera mucho más cómoda y segura (Cramer & Hayes, 2010). Las habilidades que los estudiantes aprenden al usar estas herramientas también podrían aumentar la participación y el compromiso de los estudiantes con las tecnologías de asistencia basadas en IA. Mejorar la comprensión de maestros y estudiantes sobre cómo operan estas herramientas tecnológicas puede promover el pensamiento y el logro de nivel superior, y puede empoderar a maestros y estudiantes con más conocimientos para ayudarlos a medida que la tecnología continúa evolucionando (Milanesi, 2020). Cuando los estudiantes utilizan tecnologías de asistencia para ayudarlos a alcanzar sus metas educativas, pueden recibir asistencia tanto de la herramienta tecnológica como del maestro, lo que puede fomentar aún más la participación activa y apoyar diversas necesidades de los estudiantes.
Conclusión
A medida que las tecnologías que utilizan una forma de inteligencia artificial se vuelven más prevalentes en la sociedad, el sistema educativo podría ver un marcado aumento en la inclusión de tecnologías basadas en IA en el aula. Las tecnologías de asistencia que utilizan una forma de IA pueden aumentar la participación de los estudiantes más que las tecnologías de asistencia que no incluyen un componente de IA. Muchos programas, aplicaciones o extensiones que constituyen tecnologías de asistencia basadas en IA no se someten a pruebas rigurosas antes de ser implementadas en las escuelas, por lo que los maestros y estudiantes suelen ser sujetos de prueba para empresas de tecnología educativa que diseñan y administran estas herramientas.
La inclusión tecnológica se está convirtiendo en una prioridad cada vez mayor en muchas divisiones escolares, por lo que el mantenimiento de la privacidad y seguridad de maestros y estudiantes al interactuar con tecnologías de asistencia basadas en IA debería ser una preocupación primordial. La información de los estudiantes que se recopila o comparte con empresas de tecnología educativa debe minimizarse, y solo debe incluir información que permita mejorar la participación, el aprendizaje y el logro de los estudiantes.
Los profesores pueden ayudar a los estudiantes a proteger sus datos personales asegurándose de que los perfiles personales —a los que tienen acceso las empresas de tecnología educativa— contengan la menor cantidad de información identificable posible. También se podría obtener apoyo parental para el uso de tecnologías asistenciales, y las divisiones escolares podrían generar información de inicio de sesión de los estudiantes que no exponga las identidades de los estudiantes. Los estudiantes que utilicen dispositivos personales deben tomar medidas adicionales para garantizar que se mantenga su privacidad y seguridad. Si las divisiones escolares o las empresas de tecnología educativa rastrean el desempeño o la información de los estudiantes, se podría cuestionar la efectividad de los maestros y los sesgos basados en la elaboración de perfiles podrían impedir que los estudiantes logren lo mejor de sus habilidades.
Permitir que los estudiantes elijan las herramientas de tecnología de asistencia que puedan ayudarlos a alcanzar sus metas educativas puede promover una mayor independencia y autonomía. Cuando los estudiantes pueden actuar de manera que promuevan su interés propio y los ayuden a lograr el éxito, es más probable que se involucren con la tecnología y tengan una mejor comprensión de cómo puede ayudarlos en sus vidas más allá del aula. Respetar los límites y limitaciones de los estudiantes a la hora de trabajar con tecnología es importante, al igual que permitir que los maestros invoquen su juicio profesional al identificar las herramientas de tecnología de asistencia que mejor funcionan para sus alumnos y en sus aulas. Antes de implementar tecnologías de asistencia que operen con una forma de inteligencia artificial, los beneficios para el aprendizaje de los estudiantes deben ser claros, junto con los posibles inconvenientes para la enseñanza y el aprendizaje que podrían resultar.
Preguntas para futuras investigaciones
- A medida que los maestros y las divisiones escolares adquieren valiosos conocimientos sobre las intenciones de las empresas de tecnología educativa, ¿se debería dar más control a los alumnos y educadores para que tomen decisiones sobre qué tecnologías de asistencia basadas en IA son las mejores para sus propias experiencias de aprendizaje?
- Considerando la amplitud de las tecnologías de asistencia disponibles, ¿deberían las divisiones escolares u otras instancias educativas crear una lista de tecnologías de asistencia aprobadas para los maestros, con el fin de evitar el deterioro de los maestros o demandas por mal uso?
- Muchos profesores no son expertos en todas las tecnologías educativas utilizadas para el aprendizaje, entonces, ¿de qué manera puede alinearse el aprendizaje profesional para profesores con el mundo en constante evolución de la IA en la educación?
- A medida que la IA continúa avanzando, ¿qué expectativas surgirán con respecto al uso de la tecnología de IA para ejecutar programas de asistencia, aplicaciones o extensiones en entornos educativos?
- ¿De qué manera las divisiones escolares y las empresas de tecnología educativa pueden brindar mayor transparencia sobre la cantidad y el tipo de datos que recopilan, junto con cómo/ por qué se recopilan y cómo se utilizan estos datos?
- ¿De qué manera se puede empoderar a profesores y alumnos para tomar decisiones sobre la recolección de datos, y también para desafiar los datos que se han recopilado sobre ellos?
Referencias
Educación en Alberta (2018). Norma de calidad docente. https://education.alberta.ca/media/3739620/standardsdoc-tqs-_fa-web-2018-01-17.pdf
Amirault, R.J. (2019). El próximo gran debate sobre tecnología educativa: Datos personales, su titularidad y privacidad. La Revisión Trimestral de Educación a Distancia, 20 (2), 55—70. http://search.ebscohost.com.ezproxy.lib.ucalgary.ca/login.aspx?direct=true&db=ehh&AN=139819560&site=ehost-live
Atlantic Re:Think. (2018, 29 de junio). Hewlett packard enterprise — Código moral: La ética de la IA [Video]. YouTube. https://youtu.be/GboOXAjGevA
Barshay, J. (2020, 27 de enero). Reframing ed tech para ahorrar tiempo a los profesores y reducir las cargas de trabajo. El Informe Hechinger. https://hechingerreport.org/ai-in-education-reframing-ed-tech-to-save - profesores-tiempo-y-reduce-cargas/
Beardsley, M., Santos, P., Hernandez-Leo, D., & Michos, K. (2019). Ética en la investigación tecnológica educativa: Informar a los participantes sobre los riesgos de compartir datos Revista Británica de Tecnología Educativa, 50 (3), 1019-1034. https://doi.org/10.1111/bjet.12781
Bourgeois, D. (2019). Las implicaciones éticas y legales de los sistemas de información de los sistemas de información para las empresas y más allá. En D. Bourgeois (Ed), Sistemas de información para los negocios y más allá. Libros de prensa: Sitio de libro de texto abierto. https://bus206.pressbooks.com/chapter/chapter-12-the-ethical-and-legal-implications-of-information-systems/
Bulger, M. (2016). Aprendizaje personalizado: Las conversaciones que no estamos teniendo. Instituto de Investigación de Datos y Sociedad. https://datasociety.net/pubs/ecl/PersonalizedLearning_primer_2016.pdf
Code.org. (2019, 2 de diciembre). IA: ¿Qué es el aprendizaje automático? [Video]. YouTube. https://www.youtube.com/watch?v=OeU5m6vRyCk
Servicio de Investigación del Congreso. (2018). Inteligencia artificial (IA) y educación. https://fas.org/sgp/crs/misc/IF10937.pdf
Cramer, M., & Hayes, G. R. (2010). Uso aceptable de la tecnología en las escuelas: Riesgos, políticas y promesas. IEEE Computación Pervasiva, 9 (3), 37-44. https://doi.org/10.1109/mprv.2010.42
Junta Escolar Pública de Edmonton. (2020a, 29 de enero). Uso apropiado de la tecnología de división. https://epsb.ca/ourdistrict/policy/d/dkb-ar/
Junta Escolar Pública de Edmonton. (2020b, 29 de enero). Tecnología de división. https://epsb.ca/ourdistrict/policy/d/dk-bp/
Junta Escolar Pública de Edmonton (2020c, 29 de enero). Estándares tecnológicos de división. https://epsb.ca/ourdistrict/policy/d/dk-ar/
Junta Escolar Pública de Edmonton. (2020d, 29 de enero). Evaluación, logro y crecimiento de los estudiantes. https://epsb.ca/ourdistrict/policy/g/gk-bp/
Farrow, R. (2016). Un marco para la ética de la educación abierta. Praxis Abierta, 8 (2), 93-109. https://doi.org/10.5944/openpraxis.8.2.291
Ley de libertad de información y protección de la privacidad. Estatutos Revisados de Alberta 2000, Capítulo F-25. https://www.qp.alberta.ca/documents/Acts/F25.pdf
Holstein, K., McLaren, B., & Aleven, V. (2018). Beneficios de aprendizaje de los estudiantes de una herramienta de concientización docente de realidad mixta en aulas mejoradas por IA. En C. P. Rosé, R. Martínez-Maldonado, H. U. Hoppe, R. Luckin, M. Mavrikis, K. Porayska-Pomsta, B. McLaren, & B. du Boulay (Eds), Inteligencia artificial en la educación Parte 1 (pp. 154-168). Springer Internacional. https://doi.org/10.1007 /978-3-319-93843-1
Holstein, K., McLaren, B., & Aleven, V. (2019). Diseñar para la complementariedad: Docente y alumno necesita apoyo de orquestación en aulas con IA mejorada. En S. Isotani, E. Millán, A. Ogan, P. Hastings, B. McLaren, & R. Luckin (Eds), Inteligencia Artificial en la Educación Parte 1 (pp. 157-171). Springer Internacional. https://doi.org/10.1007/978-3-030-23204-7
Hot Knife Digital Media ltd. (2017, 12 de mayo). Infografía avanzada [Video]. Vimeo. https://vimeo.com/217148732
HubSpot. (2017, 30 de enero). ¿Qué es la inteligencia artificial (o aprendizaje automático)? [Video]. YouTube. https://youtu.be/mJeNghZXtMo
Johnson, G. (2020, 12 de enero). Elogio de las insuficiencias de la IA. Tiempos Colonista. https://www.timescolonist.com/opinion/op-ed/geoff-johnson-in-praise-of-ai-s-inadequacies-1.24050519
McRae, P. (2015). Crecer digital: Perspectivas docentes y principales sobre tecnología digital, salud y aprendizaje [Infografía]. https://www.teachers.ab.ca/SiteCollectionDocuments/ATA/About/Education%20Research/Promise%20and%20Peril/COOR-101-10%20GUD%20Infographic.pdf
Milanesi, C. (2020, 23 de enero). ¿La IA puede impulsar la educación? Forbes. https://www.forbes.com/sites/carolinamilanesi/2020/01/23/can-ai-drive-education-forward/#57b976ea7964
Miller, F. G,. & Wertheimer, A. (2011). El modelo de transacción justa del consentimiento informado: Una alternativa a la autorización autónoma. Revista del Instituto Kennedy de Ética, 21 (3), 201—218. https://search-proquest-com.ezproxy.lib.ucalgary.ca/docview/903663594?accountid=9838&rfr_id=info%3Axri%2Fsid%3Aprimo
Popenici, S.A.D., & Kerr, S. (2017). Explorando el impacto de la inteligencia artificial en la enseñanza y el aprendizaje en la educación superior. Investigación y Práctica en Aprendizaje Mejorado en Tecnología 12 (22). https://doi.org/10.1186/s41039-017-0062-8
Raj, M., & Seamans, R. (2019). Primer sobre inteligencia artificial y robótica. Revista de Diseño Organizacional, 8 (11), 1-14. https://doi.org/10.1186/s41469-019-0050-0
Regan, P. M., & Jesse, J. (2018). Desafíos éticos de edtech, big data y aprendizaje personalizado: clasificación y seguimiento de estudiantes del siglo XXI. Ética y Tecnologías de la Información, 21 (3), 167—179. https://doi.org/10.1007/s10676-018-9492-2
Regan, P. M., & Steeves, V. (2019). Educación, privacidad y algoritmos de big data: Sacar a las personas del aprendizaje personalizado. Primer lunes, 24 (11). http://dx.doi.org/ 10.5210/fm.v24i11.10094
Roberts, R. (2018, 8 de abril). A.I. e inteligencias múltiples. Escribano Multiverso. http://www.scribalmultiverse.com/a-i-and-multiple-intelligences/
Escuelas Públicas de Esturión. (n.d.). Recursos digitales para el aprendizaje. https://www.sturgeon.ab.ca/Digital%20Resources.php
Touretzky, D., Gardner-McCune, C., & Martin, F., & Seehorn, D. (2019). Visualizar la IA para K-12: ¿Qué debe saber cada niño sobre la IA? Asociación para el Avance de la Inteligencia Artificial, 33 (1), 9795-9799. https://doi.org/10.1609/aaai.v33i01.33019795
División Escolar Wild Rose. (2017). Procedimiento administrativo 143 normas de tecnología — Estándares de hardware computadora/periférico. https://www.wrsd.ca/our-division/administrative-procedures
Zeide, E. (2019). La inteligencia artificial en la educación superior: Aplicaciones, promesas y peligros, y cuestiones éticas. Revisión EDUCAUSE. https://er.educause.edu/ articles/2019/8/inteligencia-artificial-en-aplicaciones-de-educaciones-superiores-prometen-y-peligros-y-cuestiones-eticas-
Apéndice A
| Principio | Deberes y responsabilidades (teoría deontológica) | Resultado (teoría consecuencialista) | Desarrollo personal (teoría de la virtud) |
|---|---|---|---|
| Divulgación completa |
|
|
|
| Consentimiento informado |
|
|
|
| Privacidad y seguridad de datos |
|
|
|
| Evite daños/minimice el riesgo |
|
|
|
| Respeto a la autonomía del participante |
|
|
|
| Integridad |
|
|
|
| Independencia |
|
|
|
Atribuciones de medios
- Figura 2 © Kourtney Kerr está bajo una licencia CC BY (Atribución)
- Figura 3 © Kourtney Kerr está bajo una licencia CC BY (Atribución)
- Figura 4 © Kourtney Kerr está bajo una licencia CC BY (Atribución)
- Equilibrar la automatización y la autonomía. Adaptado de Holstein, McLaren y Aleven (2019). © Kourtney Kerr está bajo una licencia CC BY (Atribución)