Este marco ha sido actualizado y reemplazado por la versión 2.1. Puedes acceder a ella desde este enlace.
Este trabajo se ha inspirado en el artículo The Artificial Intelligence Assessment Scale (AIAS): A Framework for Ethical Integration of Generative AI in Educational Assessment. Después de diversas adaptaciones de la escala del trabajo anterior, el número de modificaciones ha llegado a ser tan alto que finalmente me he decidido a escribir este artículo con una nueva escala que ya mantiene poca relación con el trabajo anteriormente citado.
Origen del marco
Autores como los del citado trabajo y otros como Matt Miller se centran en el plagio y el engaño académico como motor de las categorizaciones que proponen en sus trabajos. Aunque el aspecto ético es muy importante, no nos hemos querido centrar únicamente en él, ya que puede producir una clasificación sesgada, poco natural y de aplicación limitada a la integridad y ética académica. Además, se ha intentado eliminar la confusión que tienen las escalas anteriores, intentando que sean lógicamente coherentes en su progresión.
Este marco se ha generalizado para la integración de la IA generativa en las tareas educativas (MIAE), sobre todo para clarificar el uso que se hace de la IA en los trabajos docentes. Desde este punto de vista es aplicable tanto para el alumnado como para el profesorado. Esta visión tiene innegables ventajas
- Permite situar al alumnado y al profesorado en un marco comprensible, clarificando la relación que mantienen con la IA. Esto facilita una mayor transparencia y entendimiento sobre el uso de la tecnología en el entorno educativo.
- Establece fronteras claras para el empleo de la IA en el aula, permitiendo a los educadores delimitar el grado de intervención de la IA que desean permitir según los objetivos educativos. Estas fronteras incluyen consideraciones sobre el plagio y el engaño, asegurando que se mantenga la integridad académica.
- Ofrece una guía para integrar la IA en el currículum, proporcionando un enfoque estructurado que ayuda a maximizar los beneficios educativos de la IA mientras se minimizan los riesgos asociados con su uso indebido.
El marco se basa en el grado de autonomía y contribución de la IA en el proceso educativo, progresando desde la ausencia total de IA hasta la generación autónoma de contenido por IA para uso educativo, supervisado por humanos. Esta aproximación no solo aborda las preocupaciones éticas, sino que también ofrece un enfoque para comprender y utilizar la IA en diversos contextos educativos, desde trabajos escritos hasta proyectos, presentaciones y desarrollo de materiales didácticos. Esta integración permite a los docentes y estudiantes aprovechar al máximo las capacidades de la IA, promoviendo un aprendizaje y una enseñanza más eficaces.
Escala de integración de la IA generativa
La escala consta de 6 niveles. El primer nivel, que se añade por coherencia, es la ausencia de IA, motivo por el que se le ha numerado como 0.
Resumen de niveles
A continuación presentamos una breve descripción de cada nivel que ayuda a localizar fácilmente aquel en el que nos encontramos o nos interesa. Más adelante hay una descripción más exhaustiva con numerosos ejemplos, tanto para el alumnado como para el profesorado.
Nivel 0 – Trabajo completamente humano: No hay uso de IA en ninguna etapa. Todo el contenido, ideas y estructura son generados exclusivamente por el humano utilizando recursos tradicionales.
Nivel 1 – Asistencia técnica por IA: La IA se utiliza solo para tareas mecánicas como corrección ortográfica, formateo o reorganización de información existente. No genera contenido nuevo ni influye en las ideas.
Nivel 2 – Planificación y estructuración asistida por IA: La IA ayuda en la generación inicial de ideas y en la estructuración del trabajo, pero todo el contenido final es desarrollado por el humano. La IA no produce contenidos para el producto final, pero sí influye en las ideas.
Nivel 3 – Asistencia parcial de IA con control humano: La IA genera parte del contenido. El humano revisa, adapta y mejora este contenido. La interacción es principalmente unidireccional: la IA produce, el humano revisa y modifica. El humano integra el contenido de la IA en un todo coherente. La extensión del contenido final generado por la IA no supera al del humano.
Nivel 4 – Colaboración avanzada humano-IA: Hay un diálogo continuo y bidireccional entre humano y IA, con iteraciones frecuentes. El humano guía activamente a la IA durante todo el proceso, refinando su contenido a través de la conversación continuada. El resultado es una fusión estrecha del trabajo de ambos. La extensión del contenido final generado por la IA puede superar a la del humano.
Nivel 5. Supervisión humana de IA autónoma: La IA genera el contenido de forma autónoma, con el humano actuando como supervisor. El humano establece los parámetros iniciales, pero la IA desarrolla el trabajo con mínima o nula intervención durante el proceso. El contenido generado se utiliza posteriormente como material de referencia o punto de partida para realizar otras tareas educativas, sin que sea necesario modificarlo.
Descripción de cada nivel
A continuación se detallan cada uno de los niveles y se dan algunos de los aspectos clave que los definen. Damos ejemplos para alumnado y profesorado, pero en muchas ocasiones son intercambiables.
Nivel 0. Trabajo completamente humano
No hay uso de IA en ninguna etapa. Todo el contenido, ideas y estructura son generados exclusivamente por el humano utilizando recursos tradicionales.
Características clave
- No se utiliza ninguna forma de IA en ningún momento durante la tarea.
- Se depende exclusivamente del conocimiento, comprensión y habilidades propias del individuo.
- Todas las ideas, análisis y contenidos son generados por el humano.
- Se utilizan únicamente recursos tradicionales (Internet, libros, artículos, notas, etc.).
Ejemplos para el alumnado
- Exámenes escritos en clase.
- Debates supervisados.
- Trabajos sin acceso a IA.
- Generación de ideas sin tecnología.
- Exámenes orales.
- Sesiones de preguntas y respuestas o discusiones formativas entre estudiantes y educadores.
Ejemplos para el profesorado
- Diseñar preguntas de examen basadas en el contenido del curso sin utilizar herramientas de IA.
- Redactar rúbricas y criterios de evaluación para los exámenes.
- Desarrollar planes de lecciones utilizando solo recursos tradicionales (Internet, libros de texto, artículos académicos, notas de clase).
- Diseñar actividades y ejercicios que fomenten la participación activa de los estudiantes.
Nivel 1. Asistencia técnica por IA
La IA se utiliza solo para tareas mecánicas como corrección ortográfica, formateo o reorganización de información existente. No genera contenido nuevo ni influye en las ideas.
Características clave
- La IA actúa como una herramienta de apoyo que no genera conocimiento ni información nueva, pero puede reorganizarla.
- Se limita a tareas mecánicas y de formato (resúmenes, creación de tablas, correcciones, traducciones).
- El contenido original no se modifica ni se añaden nuevas ideas por parte de la IA.
- El humano mantiene el control total sobre el contenido y las decisiones.
Ejemplos para el alumnado
- Usar la IA para resumir un texto, asegurándose de que el contenido original no se modifique ni se añadan nuevas ideas.
- La IA los organiza datos en tablas, facilitando la presentación sin alterar la información original.
- Utilizar la IA para traducir un texto a otro idioma, verificando la precisión de la traducción sin cambiar el contenido original.
- Corrección gramatical, de puntuación y ortográfica: La persona puede usar IA para identificar y corregir errores gramaticales, de puntuación, ortográficos y sintácticos en su trabajo.
- Elección de palabras: La IA puede sugerir términos adecuados o sinónimos para reemplazar palabras y frases más simples, ayudando a clarificar la escritura.
- Petición de información sobre como cambiar el formato de un archivo de audio o vídeo.
Ejemplos para el profesorado
- Organizar datos en tablas o gráficos para presentaciones, facilitando la visualización de la información sin alterar el contenido original.
- Corrección gramatical, de puntuación y ortográfica en documentos y materiales educativos, mejorando la calidad del texto.
- Sugerencia de términos adecuados o sinónimos para mejorar la claridad de las guías de estudio y materiales escritos.
- Asistencia en la preparación de planes de lecciones, resumiendo y organizando información relevante.
- Generar listas de términos y conceptos clave para exámenes y guías de estudio, asegurando que se cubran todos los puntos importantes.
- Apoyo en la revisión de trabajos y tareas de los estudiantes, utilizando IA para identificar errores comunes y proporcionar correcciones.
Nivel 2. Planificación y estructuración asistida por IA
La IA ayuda en la generación inicial de ideas y en la estructuración del trabajo, pero todo el contenido final es desarrollado por el humano. La IA no produce contenidos para el producto final, pero sí influye en las ideas.
Características clave
- La IA se utiliza principalmente para la generación de ideas iniciales y la estructuración de contenidos.
- Ayuda en el diseño y planificación del trabajo, pero no en la creación del contenido final.
- El humano utiliza las sugerencias de la IA como punto de partida, pero desarrolla el trabajo por sí mismo, aplicando su propio criterio y conocimiento.
- No se permite contenido generado directamente por la IA en la entrega final, aunque las ideas y estructuras sugeridas por la IA pueden influir en el proceso de desarrollo del trabajo.
- El humano es responsable de evaluar críticamente, seleccionar y desarrollar las ideas generadas por la IA, asegurando que el producto final sea el resultado de su propio análisis y comprensión.
- La contribución de la IA se limita a las etapas preparatorias del trabajo, mientras que la ejecución y el desarrollo detallado son realizados enteramente por el humano.
Ejemplos para el alumnado
- Fases iniciales de un trabajo. Uso de IA para generar ideas y crear un esquema o índice para un ensayo, pero la redacción final se realiza sin IA.
- Lluvia de ideas. Los estudiantes pueden usar IA para generar ideas o soluciones a problemas. Estas ideas se discuten, filtran y refinan.
- Esquemas. Las personas pueden usar IA para crear esquemas de su trabajo como herramienta de planificación. Estos esquemas sirven como guía para el desarrollo del trabajo, pero no se incluyen directamente en el producto final.
- Asistencia en la investigación. La IA puede sugerir temas, áreas de interés o fuentes útiles para la investigación, también a través de buscadores.
Ejemplos para el profesorado
- Elaborar el plan de una lección. Usar IA para generar ideas y crear un esquema o índice para un plan de lección, pero el desarrollo final del plan se realiza sin IA.
- Esquemas. Crear esquemas estructurados para unidades de estudio o programas de curso utilizando IA.
- Asistencia en la investigación académica. La IA puede sugerir temas, áreas de interés o fuentes útiles para investigaciones educativas, facilitando la búsqueda de referencias.
- Generación de ideas para proyectos de clase y actividades. La IA da ideas para actividades que luego son creadas, adaptadas y refinadas por el profesor.
Nivel 3. Asistencia parcial de IA con control humano
La IA genera parte del contenido. El humano revisa, adapta y mejora este contenido. La interacción es principalmente unidireccional: la IA produce, el humano revisa y modifica. El humano integra el contenido de la IA en un todo coherente. La extensión del contenido final generado por la IA no supera al del humano.
Características clave
- La interacción es principalmente unidireccional: la IA produce, el humano revisa y modifica.
- El uso de la IA se centra en tareas específicas donde aporta eficiencia, permitiendo al humano enfocarse en aspectos que requieren otras habilidades.
- El humano mantiene un control significativo sobre el proceso y el resultado.
- La contribución original de la IA no supera la del humano en términos de generación de contenidos.
Ejemplos para el alumnado
- Redacción de secciones de un informe. La IA puede redactar un borrador inicial de una sección. Los estudiantes revisan esta sección, realizando modificaciones, añadiendo sus propias ideas y asegurando que el contenido final refleje su comprensión y análisis personal.
- Análisis de datos. La IA lleva a cabo el análisis preliminar de un conjunto de datos y genera gráficos o tablas y los interpreta. Los alumnos añaden sus propias conclusiones y discuten las implicaciones de los datos.
- Redacción de preguntas para un cuestionario. La IA genera las preguntas de un cuestionario y la persona las selecciona y adapta a sus necesidades concretas.
- Creación de presentaciones. La IA genera un borrador de una presentación y el alumnado la completan y adaptan.
Ejemplos para el profesorado
- Generación de recursos didácticos. La IA crea borradores de recursos didácticos, como guías de lectura o materiales suplementarios. El profesor revisa, adapta y desarrolla estos recursos para asegurarse de que sean adecuados para las necesidades específicas de sus estudiantes y el currículo.
- Diseño de actividades de aprendizaje. La IA propone una serie de actividades para una unidad temática. El profesor evalúa cada actividad, modifica algunas para hacerlas más interactivas o relevantes para su contexto específico, y añade nuevas actividades basadas en su experiencia y conocimiento de las necesidades de aprendizaje de sus estudiantes.
- Desarrollo de casos prácticos. La IA genera un listado de posibles casos prácticos basados en los conceptos clave del curso. El docente selecciona, revisa y enriquece el caso, añadiendo contexto real y preguntas de análisis que fomenten el pensamiento crítico y la aplicación práctica de los conocimientos adquiridos.
- Creación de exámenes. La IA propone un conjunto de preguntas para un examen. El profesor selecciona las más apropiadas, modifica otras para ajustar su dificultad o enfoque, y añade sus propias preguntas para asegurar una evaluación completa y equilibrada de los conocimientos y habilidades de los estudiantes.
Nivel 4. Colaboración avanzada humano-IA
Hay un diálogo continuo y bidireccional entre humano y IA, con iteraciones frecuentes. El humano guía activamente a la IA durante todo el proceso, refinando su contenido a través de la conversación continuada. El resultado es una fusión estrecha del trabajo de ambos. La extensión del contenido final generado por la IA puede superar a la del humano.
Características clave
- Hay un diálogo continuo y bidireccional entre el humano y la IA, con iteraciones frecuentes durante todo el proceso.
- El humano mantiene un papel crucial en la dirección, refinamiento y validación del trabajo, asegurando la coherencia general y la calidad del producto final.
- La creatividad y el juicio crítico del humano se aplican para mejorar, personalizar y dar coherencia al resultado de la IA.
- La persona actúa como coordinadora y directora, tomando decisiones críticas sobre la estructura, el contenido y la presentación del trabajo.
- La contribución original de la IA normalmente supera la del humano en términos de generación de contenido.
Ejemplos para el alumnado
- Proyecto de investigación. La IA ayuda a buscar fuentes, redactar el informe, y crear gráficos y presentaciones. El estudiante revisa y ajusta el contenido generado para asegurar su precisión y relevancia.
- Trabajo escolar. El alumno proporciona los datos necesarios para hacer el trabajo, la IA redacta un informe que es examinado por el primero y le indica las correcciones a realizar. Se establece un diálogo donde el alumnado va guiando a la IA hacia la solución final.
- Resolución de problemas matemáticos. La IA proporciona pasos y soluciones detalladas para problemas avanzados. El estudiante revisa, comprende y explica cada paso, asegurando una comprensión completa del proceso.
- Creación de un pódcast histórico. Un estudiante de historia decide crear un pódcast sobre la Revolución Industrial. Comienza proporcionando a la IA su idea general y los temas a cubrir. La IA genera un esquema inicial, sugiriendo episodios y fuentes históricas relevantes. El estudiante revisa este esquema, solicita cambios y pide a la IA que profundice en ciertos aspectos. La IA produce borradores de guiones que el estudiante edita, añadiendo sus interpretaciones. Colaboran en la creación de notas del show, selección de efectos de sonido y generación de preguntas para entrevistas con expertos. Este proceso continúa hasta que el pódcast alcanza un alto nivel de calidad y rigor histórico.
- Modelo matemático aplicado al cambio climático. Una estudiante de matemáticas aplicadas crea un modelo para predecir el impacto del cambio climático en una especie en peligro de extinción. Describe el problema a la IA y proporciona datos iniciales. La IA sugiere varios enfoques matemáticos, y la estudiante selecciona los más prometedores, pidiendo a la IA que elabore sobre ellos. Basándose en esta información, solicita a la IA un borrador del modelo matemático. La estudiante revisa el modelo, ajusta variables e incorpora factores adicionales con la ayuda de la IA. La IA genera visualizaciones de los resultados, que la estudiante analiza críticamente. Este proceso iterativo continúa, refinando el modelo y explorando diferentes escenarios, hasta obtener un modelo sofisticado que refleja su comprensión matemática y del problema ambiental.
Ejemplos para el profesorado
- Planificación de unidades didácticas. La IA ayuda a diseñar una unidad completa, sugiriendo objetivos, actividades, evaluaciones y recursos. El profesor verifica, ajusta y personaliza el plan para que se adapte a su estilo de enseñanza y a las necesidades de los estudiantes.
- Desarrollo de evaluaciones. La IA genera preguntas de exámenes, rúbricas y criterios de evaluación detallados. El profesor comprueba y adapta estas herramientas para alinearlas con los objetivos del curso y los niveles de los estudiantes.
- Desarrollo de materiales interactivos. La IA ayuda a crear materiales didácticos interactivos, como simulaciones, juegos educativos y actividades en línea. El profesor revisa, ajusta y complementa estos materiales para que sean atractivos y efectivos para el aprendizaje.
Nivel 5. Supervisión humana de IA autónoma
La IA genera el contenido de forma autónoma, con el humano actuando como supervisor. El humano establece los parámetros iniciales, pero la IA desarrolla el trabajo con mínima o nula intervención durante el proceso. El contenido generado se utiliza posteriormente como material de referencia o punto de partida para realizar otras tareas educativas, sin que sea necesario modificarlo.
Características clave
- La IA genera el contenido de forma independiente, basándose en los parámetros iniciales establecidos por el humano.
- La intervención humana durante el proceso de generación es mínima o nula, limitándose a la configuración inicial y la revisión final.
- El contenido generado por la IA es utilizado como una fuente primaria de trabajo en el contexto educativo, permitiendo al humano enfocarse en una tarea posterior.
Ejemplos para el alumnado
- Análisis literario: La IA genera un cuento o relato breve sobre un tema o género literario específico. El estudiante utiliza este cuento para realizar un análisis literario, identificando temas, motivos, recursos estilísticos y estructuras narrativas. El trabajo final del alumno no es la modificación del cuento, sino el análisis crítico del texto generado por la IA.
- Análisis de datos científicos: La IA produce un informe completo basado en un conjunto de datos científicos, como los resultados de un experimento o una simulación. El estudiante utiliza este informe para realizar un análisis crítico, discutir la metodología, interpretar los resultados y evaluar las conclusiones. El informe generado por la IA es tratado como un documento fuente sobre el cual el estudiante realiza su análisis.
- Estudio de casos históricos: La IA crea una descripción detallada de un evento histórico, incluyendo narrativas, fechas clave, y actores involucrados. El estudiante emplea este texto para realizar una comparación entre este evento y otro estudiado en clase, desarrollando un ensayo comparativo que analiza las similitudes y diferencias en contextos históricos.
- Discusión filosófica: La IA redacta un diálogo filosófico entre dos personajes sobre un tema ético contemporáneo. Los estudiantes usan este diálogo como base para un debate en clase, donde discuten las posiciones de cada personaje, analizan sus argumentos y desarrollan sus propias reflexiones filosóficas a partir del texto.
Ejemplos para el profesorado
- Análisis de textos en clase: La IA genera un conjunto de textos expositivos sobre diferentes teorías científicas o conceptos matemáticos. El profesor utiliza estos textos como material para que los estudiantes realicen análisis de comprensión, discutan en grupos o respondan a preguntas específicas sobre los conceptos presentados en los textos generados.
- Estudio de fuentes primarias: La IA produce discursos o documentos simulados de figuras históricas en diferentes contextos. El profesor utiliza estos documentos en clase para que los estudiantes los analicen como si fueran fuentes primarias, desarrollando ensayos o discusiones basadas en el contenido generado.
- Práctica de interpretación de datos: La IA crea una serie de informes técnicos o científicos que incluyen análisis de datos, gráficos y conclusiones. El profesor utiliza estos informes en ejercicios de clase donde los estudiantes practican la interpretación de datos, critican la metodología utilizada y desarrollan sus propias conclusiones basadas en la información presentada.
- Preparación para un debate: La IA redacta textos que representan diferentes posiciones en un tema controversial. El profesor utiliza estos textos para preparar a los estudiantes para un debate, donde cada grupo analiza y defiende la posición presentada por la IA, desarrollando argumentos a partir del texto base.
Referencias
Miller, M. (2024). AI in the classroom: What’s cheating? What’s OK? Ditch That Textbook
Perkins, M., Furze, L., Roe, J., MacVaugh, J.(2024). The Artificial Intelligence Assessment Scale (AIAS): A Framework for Ethical Integration of Generative AI in Educational Assessment. Journal of University Teaching and Learning Practice, 21(6). https://doi.org/10.53761/q3azde36
Nota: Este trabajo tiene nivel 3 en este marco
Este marco ha sido actualizado y reemplazado por la versión 2.1. Puedes acceder a ella desde este enlace.
Comentarios recientes