Tipo: artículo de blog

Metodología: trabajo teórico

Temas: inteligencia artificial

Resumen:

Jon Dron reúne en este texto las conclusiones a las que ha llegado sobre la inteligencia artificial generativa. Sostiene que los modelos de lenguaje no son humanos pero están hechos casi por entero de conocimiento humano, y rechaza por igual la lectura que los reduce a «loros estocásticos» y la que los presenta como antesala de una inteligencia general.

Discute el término herramienta: una herramienta extiende las capacidades de quien la usa y permanece bajo su control, mientras que estos sistemas las sustituyen y encadenan tareas sin intervención humana continua; propone llamarlos metatools. Frente a la idea de «descarga cognitiva» habla de redistribución cognitiva, porque la cognición ya era distribuida, y describe cómo configura distintos asistentes para que le discutan y le...

Ver ficha completa

Tipo: colección

Temas: inteligencia artificial

Resumen:

Itinerario formativo gratuito de Google Skills, en inglés, que ofrece una introducción a la IA generativa: de los fundamentos de los grandes modelos de lenguaje a los principios de IA responsable. Reúne cuatro cursos:

• Introduction to Generative AI (45 min): qué es la IA generativa y en qué se diferencia del aprendizaje automático tradicional.
• Introduction to Large Language Models (1 h): qué son los grandes modelos de lenguaje, para qué se usan y en qué consiste el ajuste de prompts.
• Prompt Design in Agent Platform (1 h): diseño de prompts y técnicas multimodales con Gemini; otorga una insignia de habilidad.
• ...

  Ver ficha completa

Tipo: libro

Metodología: trabajo teórico

Temas: inteligencia artificial

Resumen:

Texto completo

Volumen colectivo que desarrolla el Manifesto for Generative AI in Higher Education, una declaración elaborada en la red GenAI:N3 de la South East Technological University (Irlanda) sobre lo que significa enseñar y aprender en una época en la que la información es abundante y cada vez más generada por máquinas. Cada uno de sus treinta capítulos, breves y firmados por docentes, investigadores y responsables de educación superior, toma uno de los enunciados del manifiesto —«Prompting is pedagogy», «Transparency is the new integrity», «Detection chases the past; thoughtful design shapes the future»…— y lo comenta desde la práctica docente o la reflexión...

Ver ficha completa

Tipo: artículo

Metodología: revisión bibliográfica

Temas: inteligencia artificial

Resumen:

Generative Artificial Intelligence (GenAI), exemplified by models such as DeepSeek and ChatGPT, is rapidly reshaping education by fostering new pedagogical approaches, including personalized learning, adaptive feedback, and multi-modal instruction. This pedagogical transformation has led to a growing number of review studies examining the applications of GenAI applications across diverse educational contexts. Existing reviews tend to concentrate on various dimensions, such as educational levels, subject domains, or particular GenAI tools and their applications to support teaching and learning. However, to the best of our knowledge, no meta-review has yet been conducted to systematically examine and consolidate the findings of existing review studies on GenAI in education. To address this gap, the present study conducts a systematic...

Ver ficha completa

Tipo: artículo

Metodología: trabajo teórico

Temas: inteligencia artificial

Resumen:

Texto completo

The increasing use of generative artificial intelligence (AI) in student assessment has led to institutional reliance on detection tools. Unlike plagiarism detection, AI detection relies on unverifiable probabilistic estimates. In this paper, we argue that generative AI detection should not be used in education due to its methodological imperfections, violation of procedural fairness, and unverifiable outputs. Generative AI detectors cannot be tested in real-world conditions where the true origin of a text is unknown. Attempts to validate results through linguistic markers, multiple tools, or comparisons with past work introduce confirmation bias rather than independent verification. Moreover...

Ver ficha completa

Tipo: artículo

Metodología: trabajo teórico

Temas: inteligencia artificial

Resumen:

Texto completo

Debates about the implications of generative AI in education largely frame AI as a tool—an extension of existing mediational means that support human activity. Drawing on sociocultural theory, we propose the alternate concept of mediational agent to describe a class of systems that not only mediate action but also participate in interaction by generating contingent, responsive contributions. This reconceptualization challenges a foundational distinction between mediation and social interaction and has important implications for educational practice. It calls for the cultivation of durable, human-centered habits of participation that sustain learners’ agency and judgement in AI-mediated activity. We argue that these habits...

Ver ficha completa

Tipo: informe

Temas: inteligencia artificial

Resumen:

Texto completo

The OECD Digital Education Outlook 2026 explores emerging research on the use of generative AI in education and presents innovative tools and applications that show promise. The report examines the use of generative AI in different teaching and learning scenarios: by students to learn subject knowledge, by students and teachers together as part of instruction, and by teachers alone to support their work in the classroom. The Outlook also showcases how generative AI can enhance the efficiency of education institutions and systems, such as research, analysis of learning pathways and support for study advisors. While highlighting...

Ver ficha completa

Tipo: artículo de blog

Metodología: trabajo teórico

Temas: inteligencia artificial

Resumen:

Sam Illingworth distingue la alfabetización crítica en IA de la simple formación en el manejo de herramientas: la primera enseña a juzgar, no solo a operar. La define como cinco capacidades relacionadas: evaluar los resultados en busca de sesgos y errores, reconocer cómo la IA moldea el propio pensamiento a lo largo del tiempo, valorar cuándo ayuda y cuándo perjudica, comprender sus costes sistémicos (laborales, ambientales y sociales) y tomar decisiones deliberadas sobre su uso.

Frente a la insistencia en la ingeniería de prompts, sostiene que usar la IA sin entender sus sesgos es mera obediencia. Recomienda desarrollar esta alfabetización probando directamente las herramientas, leyendo con espíritu crítico lo que se publica sobre la IA y aceptando la incomodidad...

Ver ficha completa

Tipo: artículo

Metodología: revisión bibliográfica

Temas: inteligencia artificial

Resumen:

Texto completo

Artificial intelligence (AI) is rapidly being integrated into educational contexts, promising personalized support and increased efficiency. However, growing evidence suggests that the uncritical adoption of AI may produce unintended harms that extend beyond individual learning outcomes to affect broader societal goals. This paper examines the societal implications of AI in education through an integrative framework with four interrelated dimensions: cognition, agency, emotional well-being, and ethics. Drawing on research from education, cognitive science, psychology, and ethics, we synthesize existing evidence to show how AI-driven cognitive offloading, diminished learner agency, emotional disengagement, and surveillance-...

Ver ficha completa

Tipo: artículo de blog

Metodología: trabajo teórico

Temas: inteligencia artificial

Resumen:

Alec Couros se opone a una práctica que se está extendiendo en las aulas: pedir a los estudiantes que analicen y critiquen textos generados por la IA en lugar de escribir los suyos. Señala tres supuestos erróneos detrás de esa idea: que se puede analizar críticamente un texto sin haber pasado por la experiencia de escribir, que el pensamiento crítico funciona separado de la producción propia y que los modelos seguirán mejorando sin textos escritos por personas (el riesgo de degradación que se produce cuando la IA se entrena con sus propios resultados).

Para el autor, el esfuerzo de la composición es precisamente lo que desarrolla la capacidad de análisis, y eliminarlo elimina el aprendizaje. Propone usar la IA como colaboradora en la revisión y no como sustituta de la escritura, recurrir a...

Ver ficha completa