GRIAL resources
Permanent URI for this communityhttps://repositorio.grial.eu/handle/123456789/1
Browse
7 results
Search Results
Item La evaluación de los trabajos fin de estudios(Grupo GRIAL, 2026-04-08) García-Peñalvo, Francisco JoséParticipación en la mesa redonda “La evaluación de los Trabajos fin de Estudios en Psicología”, de 1,5 horas de duración, en la “Jornada para la reflexión sobre la innovación docente en Trabajos fin de Estudios en tiempos de la Inteligencia Artificial”, celebrada el 8 de abril de 2026 en el Salón de Actos de la Facultad de Psicología de la Universidad de Sevilla. La irrupción de la inteligencia artificial (IA), y en particular de la IA generativa, obliga a replantear la evaluación de los trabajos de fin de estudios (TFE). Se parte de una idea general: la universidad debe reflexionar sobre cómo cambian los conocimientos, habilidades, competencias y valores en la era de la IA, porque ya no basta con evaluar únicamente el producto final, sino que también es necesario considerar cómo se ha construido. Tras introducir la diferencia entre inteligencia artificial e IA generativa, se subraya que esta última no posee conocimiento real ni criterio propio; puede inventar información, depende del contexto que se le proporciona y siempre requiere supervisión humana. Estas limitaciones hacen inviable la aceptación acrítica de sus resultados en contextos académicos de alto impacto, como los TFE. La presentación organiza el uso de la IA en educación en tres escenarios: apoyo responsable, colaboración guiada y cocreación con una declaración de uso reforzada. En el caso de los TFE, se defiende claramente este tercer escenario, ya que se trata de productos de alto impacto, para los cuales deben exigirse evidencias de autoría, comprensión y rigor. De ahí se derivan controles concretos: declaración de uso de IA, registro de prompts y de versiones del trabajo, verificación de fuentes, revisión humana previa a la calificación y atención a sesgos e inequidades. La idea central es que, cuando aumenta el impacto, también debe aumentar el rigor documental. Se proponen cinco criterios de evaluación de un TFE: autoría y trazabilidad, comprensión real del trabajo, rigor metodológico, capacidad crítica ante la IA y transparencia académica. Con ello, la evaluación deja de centrarse exclusivamente en el documento final y pasa a incorporar el proceso, la capacidad de justificación y la visibilidad del uso de herramientas de IA. Este planteamiento se apoya, además, en principios de alfabetización crítica y en marcos éticos y regulatorios, como los de la UNESCO, SAFE, el AI Act y el manifiesto Safe AI in Education. A nivel práctico, se concretan seis reglas de uso responsable: minimizar el uso de datos personales, respetar la propiedad intelectual, verificar la información, explicitar cuándo se admite la IA, revisar sesgos y mantener siempre el control humano. Finalmente, se propone avanzar hacia una inteligencia híbrida en educación, entendida como la colaboración entre la inteligencia natural y la inteligencia artificial, siempre bajo control humano, con supervisión experta, diálogo permanente y transparencia. En ese marco, la IA no sustituye el juicio académico, sino que obliga a hacerlo más explícito, más riguroso y más formativo.Item Cómo afecta la inteligencia artificial generativa a los procesos de evaluación(2024-01-12) García-Peñalvo, F. J.La irrupción de la inteligencia artificial generativa (IAG) en la educación exige redefinir los procesos de evaluación. Muchas tareas evaluativas ahora pueden ser realizadas por IAG, lo que subraya la necesidad de equilibrar tecnología y pedagogía, redefiniendo e innovando en los métodos de evaluación y un uso ético y educativo responsable de estas herramientas.Item Evaluación de la aplicación de robots y dispositivos físicos para la integración de STEAM y el desarrollo de pensamiento computacional(Servicio de Publicaciones Universidad de Zaragoza, 2021-10-20) Conde, M. Á.; Rodríguez-Sedano, F. J.; Fernández-Llamas, C.; García-Peñalvo, F. J.La sociedad altamente tecnificada actual demanda profesionales que sean capaces de desempeñarse en ella de forma eficiente y conseguir esto es uno de los objetivos que deben perseguir las instituciones educativas. En este sentido el desarrollo de competencias como el pensamiento computacional o habilidades STEAM se hace realmente crítico. Sin embargo, no es suficiente con el planteamiento de un conjunto de actividades, sino que debe evaluarse de manera adecuada hasta que punto se están desarrollando las competencias perseguidas o integrando el STEAM en los itinerarios educativos tradicionales. Este artículo describe la experiencia de evaluación llevada a cabo en el proyecto RoboSTEAM, que mediante el uso de metodologías activas y la aplicación de robots y componentes físicos trata de fomentar la adquisición de las competencias previamente mencionadas. Como conclusiones se observa que el contexto educativo y socioeconómico puede tener influencia en la evaluación, independientemente de que la edad o conocimientos de los estudiantes puedan ser similares.Item Valoración y evaluación de los Aprendizajes Basados en Juegos (GBL) en contextos e-learning(Ediciones Universidad de Salamanca, 2018-12-31) Torres-Toukoumidis, Á.; Ramírez-Montoya, M. S.; Romero-Rodríguez, L. M.El uso de la gamificación en el sector educativo y específicamente en ambientes e-learning ha tenido un incremento exponencial a partir de 2014. En la actualidad coexisten más de 10.000 aplicaciones móviles (apps) que entremezclan el diseño instruccional, los contenidos educativos y elementos lúdicos de interacción. Sin embargo, no existe un consenso en la comunidad científica acerca de la forma de evaluar y valorar los Aprendizajes Basados en Juegos (GBL) de estas plataformas. La presente investigación tiene por objeto aplicar el Modelo Teórico Integrado de Gamificación en Ambientes E-Learning (E-MIGA) a las 10 apps con mayor número de descargas de la AppStore (iOS) y de la PlayStore (Android), a través de un juicio de 30 expertos en materia de e-learning y gamificación, para transformar dicho modelo teórico en un instrumento de dimensiones e indicadores cuantificable. Posteriormente se aplica una prueba piloto con las puntuaciones extraídas del juicio de expertos a dichas apps. Se colige del test que ninguna de las aplicaciones móviles de educación analizadas ha recibido un puntaje óptimo de 62 puntos, aunque varias de ellas como Memrise, Kahoot y Duolingo cumplen cabalmente con el 72% de los valores expuestos por los indicadores.Item Posibilidades del Blockchain en Educación(Ediciones Universidad de Salamanca, 2018-12-31) Bartolomé, A.; Lindín, C.Blockchain es una nueva tecnología que está irrumpiendo con fuerza en muchos campos, y también en el sistema educativo. Pero no se trata de una tecnología específica con la que se puede esperar mejorar una situación concreta: se trata más bien de una tecnología que permite registrar eventos de una forma totalmente innovadora. Y esto puede traducirse en cambios insospechados. Tras presentar qué es blockchain y algunos ejemplos de usos sociales, se analizan, en las aplicaciones actualmente en uso, los problemas a los que la tecnología pretende dar respuesta. Una revisión de las experiencias más destacadas, todas en una fase incipiente de desarrollo, nos lleva a algunas conclusiones críticas sobre su viabilidad.Item A Social Framework for Supporting, Evaluating and Validating Informal Learning(2014-10) Galanis, N.; Mayol, E.; Alier Forment, Marc; García-Peñalvo, Francisco J.Item Evaluación y Formación en Competencias Informacionales en la Educación Secundaria Obligatoria(2013-06-03) Martínez Abad, Fernando