GRIAL resources

Permanent URI for this communityhttps://repositorio.grial.eu/handle/123456789/1

Browse

Start date: 2020Subject: search.filters.subject.tecnología educativa

Search Results

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Inteligencia artificial generativa y autonomía educativa: metáforas históricas y principios éticos para la transformación pedagógica
    (2026-01-01) Alier-Forment, Marc; Casañ-Guerrero, María José; Pereira-Varela, Juan Antonio; García-Peñalvo, Francisco José; Llorens-Largo, Faraón
    Este artículo analiza la integración de la inteligencia artificial generativa en educación desde una perspectiva crítica, histórica y ética. Se identifica una creciente preocupación por la opacidad de las herramientas de inteligencia artificial actuales, especialmente en sistemas de aprendizaje. El trabajo utiliza un enfoque basado en metáforas para entender cómo las narrativas tecnológicas influyen en la adopción de innovaciones educativas. Se revisan metáforas históricas en las tecnologías aplicadas a la educación, desde Multivac y Matrix hasta el Bazar del software libre y la App Store, y se proponen nuevas imágenes conceptuales que podrían aplicarse al contexto actual en el que la inteligencia artificial irrumpe en la educación. A partir de este análisis metafórico, se plantean siete principios éticos para una adopción segura de la inteligencia artificial generativa en educación, centrados en la privacidad, la alineación pedagógica, la supervisión humana y la transparencia tecnológica. Estos principios se ejemplifican con el entorno LAMB (Learning Assistant Manager and Builder), un marco de código abierto que permite diseñar asistentes de aprendizaje basados en inteligencia artificial de forma ética y contextualizada. Se presentan casos reales de aplicación de LAMB en educación superior, incluyendo una experiencia controlada con estudiantes que muestran mejoras significativas en autonomía y coherencia pedagógica. Finalmente, se destaca cómo LAMB encarna los principios éticos propuestos y responde a las metáforas críticas identificadas, ofreciendo un modelo de integración tecnológica centrado en la autonomía de los docentes, la alineación con los principios y prácticas de la institución educativa y el aprendizaje significativo de los estudiantes.
  • Thumbnail Image
    Item
    Recursos Educativos Abiertos para mejorar la protección de datos de los estudiantes en las escuelas
    (Servicio de Publicaciones Universidad de Zaragoza, 2023-10-18) Amo-Filva, D.; Fonseca-Escudero, D.; Sanchez-Sepulveda, M. V.; Hasti, H.; Aguayo Mauri, S.; García-Holgado, A.; García-Holgado, L.; Vázquez-Ingelmo, A.; García-Peñalvo, F. J.; Orehovački, T.; Krašna, M.; Pesek, I.; Marchetti, E.; Valente, A.; Witfelt, C.; Ružić, I.; Fraoua, K. E.; Moreira, F.; Santos Pereira, C.; Paes, C.
    Las escuelas están recurriendo a software de terceros que se ejecuta en la nube. Este cambio presenta desafíos, problemas y preocupaciones únicas relacionadas con la privacidad y la seguridad de los datos de los estudiantes. El proyecto SPADATAS promueve el uso responsable de las tecnologías digitales y mejorar la protección de datos en las prácticas de gestión de datos académicos dentro de los entornos educativos. Uno de nuestros objetivos es abordar esas preocupaciones sobre privacidad y seguridad de datos, particularmente en los procesos de tratamiento de datos académicos. Para aumentar la conciencia y mejorar la protección de datos en las escuelas, realizamos una búsqueda exhaustiva de recursos en línea y abiertos relevantes. Este trabajo presenta la metodología utilizada y los resultados. Existe una gran cantidad de recursos para las escuelas, pero se requiere un análisis meticuloso para discernir cuáles son los más efectivos para mejorar la protección de datos
  • Thumbnail Image
    Item
    Privacidad, seguridad y legalidad en soluciones educativas basadas en Blockchain: Una Revisión Sistemática de la Literatura
    (2020-05-06) Amo Filvà, D.; Alier, M.; García-Peñalvo, F. J.; Fonseca, D.; Casañ, M. J.
    La Analítica del Aprendizaje (proveniente del término en inglés Learning Analytics) procesa los datos de los estudiantes, incluso los estudiantes menores de edad. El ciclo analítico consiste en recoger datos, almacenarlos durante largos períodos y utilizarlos para realizar análisis y visualizaciones. A mayor cantidad de datos, mejores resultados en el análisis. Este análisis puede ser descriptivo, predictivo e, incluso, prescriptivo, lo que implica la gestión, el tratamiento y la utilización de datos personales. El contexto educativo es, por lo tanto, muy sensible, a diferencia de los contextos individuales en los que el análisis se utiliza a voluntad. No está claro cómo están utilizando los datos de los estudiantes las empresas de tecnología que dan servicio en educación y a quiénes realmente se les beneficia, cómo esto afectará a los estudiantes en un futuro a corto y largo plazo, o qué nivel de privacidad o seguridad se aplica para proteger los datos de los estudiantes. Por consiguiente, y en relación con lo expuesto, el análisis de datos educativos implica un contexto sensible y de fragilidad en la gestión y análisis de datos personales de los estudiantes, incluidos menores, en el que hay que maximizar las precauciones. En esta revisión sistemática de la literatura se explora la importancia de la protección y seguridad de los datos personales en el campo de la educación mediante las promesas emergentes de los interesados en usar la tecnología blockchain. Los resultados denotan que es importante entender las implicaciones y riesgos derivados de usar tecnologías emergentes en educación, su relación con la sociedad y la legalidad vigente
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 Unported