69
ISSN
0213-7771
- e-ISSN
2443-9991
https://doi.org/10.12795/CP.2023.i32.v1.04
Cuestiones Pedagógicas,
1(32), 2023, 69-82
Educar la Inteligencia Sensible en Tiempos de
Inteligencia Artificial
Educating Sensitive Intelligence in the Age of Artificial
Intelligence
Marta Carrión Sánchez
Universidad Rey Juan Carlos (España)
martacarrionsanchez@gmail.com
https://orcid.org/0000-0002-2685-2549
Leticia Porto Pedrosa
Universidad Rey Juan Carlos (España)
leticia.porto@urjc.es
https://orcid.org/0000-0003-1306-5471
https://orcid.org/0009-0000-6624-3636
Resumen:
Abstract:
La inteligencia artificial (IA) está adquiriendo
un papel cada vez más importante en el
ámbito educativo. El uso de herramientas
tecnológicas basadas en IA puede mejorar la
eficiencia de los procesos educativos,
optimizar los recursos y facilitar el aprendizaje
de los estudiantes. Sin embargo, el rápido
avance de la IA a lo largo de los últimos años
también plantea serios desafíos para la
educación y los principales actores y agentes
que implica. Uno de los aspectos más críticos
es la necesidad de educar la inteligencia
sensible (IS) ante la IA. Este trabajo pretende
visibilizar la importancia de desarrollar la IS
propia a la naturaleza de los seres humanos
para reforzar el papel imprescindible de la
persona y su originalidad en el contexto
actual. Es decir, a partir de la teoría de Aron &
Aron (1997), Pluess et al. (2017) y Martínez-
Domínguez (2021, 2022), se reflexiona sobre
la idoneidad de educar desde el origen, desde
la propia singularidad del sujeto. Este texto
Artificial intelligence (AI) is playing an
increasingly important role in education. The
use of AI-based technological tools can improve
the efficiency of educational
processes, optimise resources and facilitate
student learning. However, the rapid
advancement of AI over the last few years also
poses serious challenges for education and the
main actors and agents involved. One of the
most critical aspects is the need to educate
sentient intelligence (SI) in the face of AI. This
paper aims to make visible the importance of
developing the SI inherent to the nature of
human beings in order to reinforce the essential
role of the individual and his or her originality in
the current context. In other words, based on
the theory of Aron & Aron (1997), Pluess et al.
(2017) and Martínez-Domínguez (2021, 2022),
it reflects on the suitability of educating from the
origin, from the singularity of the subject. This
text analyses the current situation of AI in the
field of education, interprets the different
Recibido: 29/04/2023 | Revisado: 02/05/2023 | Aceptado: 01/06/2023 |
Online First: 13/06/2023 | Publicado: 30/06/2023
Cuestiones Pedagógicas,
1(32), 2023, 69-82
ISSN
0213-7771
- e-ISSN
2443-9991
https://doi.org/10.12795/CP.2023.i32.v1.04
Marta Carrión Sánchez | Leticia Porto Pedrosa
70
analiza la situación actual de la IA en el ámbito
educativo, interpreta las diferentes posturas
de los expertos y propone algunas pautas
para educar la IS. Ante este panorama, el
sector educativo debe adaptarse de manera
inevitable al contexto actual y enseñar a los
estudiantes a usar la IA de manera
responsable, efectiva y ética.
Palabras clave: Educación, Inteligencia
sensible, Inteligencia artificial, Enseñanza por
ordenador, Aprendizaje automático;
Aprendizaje profundo.
positions of experts and proposes some
guidelines for educating SI. Against this
backdrop, the education sector must inevitably
adapt to the current context and teach students
to use AI responsibly, effectively and ethically.
Keywords: Education, Sensitive Intelligence,
Artificial Intelligence, Computer Teaching,
Machine Learning, Deep Learning
Introducción
Para hablar acerca del impacto de la inteligencia artificial (IA) y la inteligencia
sensible (IS) en el ámbito educativo, es crucial comprender en primer lugar qué se
entiende por estos dos conceptos. Uno de los autores más influyentes en el campo
de la IA, Russell (2004), reconoce cuatro enfoques principales a la hora de definirla,
ejemplificados en ocho textos extraídos de diferentes libros. Como se recoge en la
Tabla 1, las definiciones que se encuentran en la parte superior ponen el foco en los
procesos mentales o el razonamiento; mientras que la parte inferior lo sitúa en la
propia conducta. A su vez, la columna de la izquierda mide el éxito en términos de
fidelidad respecto al comportamiento humano; y, la de la derecha, se basa en un
concepto ideal de inteligencia denominada racionalidad.
Tabla 1.
Definiciones de IA clasificadas en cuatro enfoques
Sistemas que piensan como humanos
Sistemas que piensan racionalmente
«El nuevo y excitante esfuerzo de hacer que los
computadores piensen... máquinas con mentes,
en el más amplio sentido literal». (Haugeland,
1985)
«[La automatización de] actividades que
vinculamos con procesos de pensamiento
humano, actividades como la toma de
decisiones, resolución de problemas,
aprendizaje...» (Bellman, 1978)
«El estudio de las facultades mentales mediante
el uso de modelos computacionales». (Charniak
y McDermott, 1985)
«El estudio de los cálculos que hacen posible
percibir, razonar y actuar». (Winston, 1992)
Sistemas que actúan como humanos
Sistemas que actúan racionalmente
«El arte de desarrollar máquinas con capacidad
para realizar funciones que cuando son realiza-
das por personas requieren de inteligencia».
(Kurzweil, 1990)
«El estudio de cómo lograr que los
computadores realicen tareas que, por el
momento, los humanos hacen mejor». (Rich y
Knight, 1991)
«La Inteligencia Computacional es el estudio del
diseño de agentes inteligentes». (Poole et al.,
1998)
«IA... est relacionada con conductas
inteligentes en artefactos». (Nilsson, 1998)
Fuente. Russell y Norvig, 2004, p. 2.
Educar la inteligencia sensible en tiempos de inteligencia artificial
71
Cuestiones Pedagógicas,
1(32), 2023, 69-82
En general, pese al enfrentamiento entre los enfoques centrados en los
humanos y los propios de la racionalidad, la IA ha sido desarrollada a través de una
combinación de ciencia empírica, matemáticas e ingeniería, y cada enfoque ha
aportado al avance de la disciplina. La historia de la IA se remonta a la década de
1950, con el diseño de la Prueba de Turing propuesta por Alan Turing (1950), pionero
de la ciencia de la computación y precursor de la informática moderna. Este autor
teorizó sobre la idea de crear máquinas que pudieran pensar y aprender por sí mismas
e introdujo el aprendizaje automático, los algoritmos genéricos y el aprendizaje por
refuerzo respaldándose en el concepto de IA como sistema de imitación del
comportamiento humano.
En el año 1956, algunos autores identificaban como IA al campo de estudio
sobre máquinas pensantes, entre los cuales McCarthy propuso el estudio del
desarrollo de un nuevo lenguaje de programación de alto nivel con el objetivo de dotar
de inteligencia a las máquinas (McCarthy et al., 2006). No obstante, la IA seguía sin
progresar debido a la existencia de vacíos en la comprensión de la inteligencia y en
la forma de estructurarla acorde a esa maquinaria. La propuesta de los doce atributos
de un agente inteligente por parte de Fischles y Firschein (1987) supuso un gran
avance en esta área. Esto permitió la integración eficiente de estructuras para simular
características humanas como el aprendizaje, la adaptación, el razonamiento y la
autocorrección en la carrera por crear máquinas cada vez más similares al hombre.
Sin embargo, en general, se constataba la estructura conductista en la construcción
de los cimientos de la IA, basada en el llenado de información, la repetición
memorística y la delimitación en algunos campos (Padilla, 2019).
Durante los años 90, se inició la creación de los primeros agentes inteligentes,
supercomputadoras que tenían la capacidad de llevar a cabo tareas altamente
complejas, incluyendo algoritmos heurísticos. Uno de los primeros hitos fue el
desarrollo del programa de ajedrez de IBM, Deep Blue, que en 1997 logró vencer al
campeón mundial de ajedrez, Garry Kasparov (Hsu, 2003). A partir de entonces, la
investigación sobre la IA ha generado nuevos enfoques y algoritmos para abordar
problemas específicos. Uno de los avances más destacados son los algoritmos de
aprendizaje automático o de máquina (machine learning). Estos programas de
computadora se centran en aprender a resolver problemas por sí mismos, a partir de
datos y ejemplos previos, en lugar de establecer un conjunto detallado de reglas y
criterios que el ordenador debe seguir para lograr un objetivo. Esta tarea es
especialmente difícil cuando la complejidad del problema es elevada. Los algoritmos
de aprendizaje automático suelen utilizar modelos de redes neuronales (neural
networks) que intentan emular la biología de la mente humana, utilizando neuronas
interconectadas y señales que fluyen entre ellas. Este método de representación y
cálculo se conoce como "aprendizaje profundo" (deep learning) (Jara y Ochoa, 2020).
Este aprendizaje se logra “entrenando” los algoritmos con grandes volúmenes de
datos y un enorme poder computacional, por lo que acceder a sus aplicaciones
prácticas no ha sido posible hasta hace aproximadamente una dcada (Tuomi, 2018).
Actualmente, la IA se encuentra en una fase de crecimiento exponencial y se
espera que tenga un impacto significativo en diversos ámbitos, incluyendo la
educación, la salud y la economía. Sin embargo, también existen grandes
preocupaciones e incertidumbre sobre el potencial impacto de la IA en la
empleabilidad de la población y en la sociedad en general (Lee, 2018).
Cuestiones Pedagógicas,
1(32), 2023, 69-82
ISSN
0213-7771
- e-ISSN
2443-9991
https://doi.org/10.12795/CP.2023.i32.v1.04
Marta Carrión Sánchez | Leticia Porto Pedrosa
72
La inteligencia humana como inteligencia sensible
Tras la revisión anterior sobre los antecedentes conceptuales y principales
precisiones teóricas de la IA, a continuación, se aborda el concepto de inteligencia
humana, como IS que aprende con originalidad. Se define como “la capacidad de
percibir, comprender y actuar en el mundo con sensibilidad y sabiduría” (Martínez-
Domínguez, 2022). Según este autor, este tipo de inteligencia se compone de una
sensibilidad abierta, la capacidad de aprender y el temperamento. Sobre esta base
teórica, es importante reconocer que estas propiedades se establecen en tres
dimensiones simultáneas e interdependientes: cuerpo, mente y apertura (o espíritu)
(Martínez-Domínguez, 2021).
La IS es "inteligencia" en el sentido de que representa la habilidad del sujeto
para aprender de la experiencia, resolver problemas y aplicar el conocimiento para
adaptarse a nuevas situaciones (Martínez-Domínguez y Porto-Pedrosa, 2021);
mientras que se considera "sensible", en la medida en que representa la habilidad del
sujeto para recibir y expresar representaciones, al mismo tiempo que se ve afectado
y afecta al objeto en cuestión (Pluess et al., 2017). A finales del siglo XIX, Galton
(1879), ya utilizaba pruebas de discriminación sensorial para medir la capacidad
intelectual de las personas. Por lo tanto, la IS no es necesariamente una innovación,
sino más bien una evolución que se ha ido desarrollando con los avances de la
ciencia.
No obstante, estas primeras pruebas basadas en la percepción sensorial no
fueron suficientes para discriminar las diferencias en "inteligencia" entre los sujetos.
Con la introducción de la educación universal en Francia, surgió la necesidad de
diseñar pruebas que resolvieran un problema práctico: identificar a los estudiantes
con dificultades de aprendizaje. Desde entonces, las pruebas de inteligencia dejaron
de considerar la capacidad sensorial para centrarse en otros factores cognitivos, que
se conocieron como el factor "g". A partir de esta nueva perspectiva, se desarrolló el
concepto de Cociente Intelectual (CI), lo que derivó en un intenso debate científico en
las décadas posteriores (Mackintosh, 2011).
En la actualidad, el estudio de la inteligencia se ha diversificado en diferentes
tendencias. Entre ellas, destacan los estudios en neurociencia, las investigaciones
que exploran la relación entre inteligencia y personalidad, y aquellas investigaciones
que combinan la psicología cognitiva y las diferencias individuales (Fogarty, 2008).
Más allá del CI, aún se hace referencia a personas con habilidades
excepcionales en términos cognitivos, sin considerar tanto sus habilidades
emocionales o de otro tipo. Por este motivo, las personas con excitabilidad,
experiencias intensas y alta sensibilidad pueden no considerar su habilidad como "alta
capacidad". Es más, es posible que su entorno no reconozca el valor diferencial de
sus rasgos, sintetizados por Aron (1997) como una gran capacidad para captar
matices y detalles del entorno. Es decir, en palabras de este autor, se refiere a una
sobreabundancia de información sensorial que puede producir saturación física o
emocional, pensamiento profundo con tendencia a la reflexión y alta emocionalidad y
empatía.
Educar la inteligencia sensible en tiempos de inteligencia artificial
73
Cuestiones Pedagógicas,
1(32), 2023, 69-82
Por otro lado, no solo no existe una medida objetiva de esta dotación, sino que
tampoco se correlaciona necesariamente con un alto desempeño académico o
rendimiento en la función ejecutiva, lo que hace que el potencial individual de los
sujetos sea aún más invisible. Sin embargo, es una realidad que está ahí, aunque el
sistema educativo no está familiarizado con esta habilidad, que se presenta en
alrededor del 15% de los estudiantes (Aron, 1997). Parece ser un hecho que, en los
últimos años, ha aumentado la atención por las necesidades educativas de estas
personas. Indican Martínez-Domínguez y Porto-Pedrosa (2021) que, pese a esta
situación, en muchos casos, estos rasgos no se detectaron como indicadores de
competencia positiva, sino más bien de cierto tipo de vulnerabilidad personal.
De acuerdo con los principios propuestos por Martínez-Domínguez (2022), la
educación sensible es la principal vía para permitir que el “yo” habite en su “hogar
interior” y crezca hacia su “apoteosis original” en el “nosotros”, donde se hace
cocreador de belleza con libertad, sabiduría y amor. Como ha sido señalado por otros
estudios previos, este supuesto ha sido mostrado por Stein (2005), quien explicaba
que la educación autntica es la que permite que el “yo” habite en “sí mismo” abierto
al tú, para ser más auténtico consigo mismo. Y, por otro lado, Maslow se refería a la
autntica autorrealización como concepto semejante al de “apoteosis original”
(Maslow, 2005).
En este panorama es donde realmente entra en juego el papel de la IA en la
atención hacia este tipo de inteligencia en el ámbito educativo. El objetivo general de
este trabajo se enmarca en valorar la idoneidad de educar la IS propia a los seres
humanos para hacer de la IA un recurso interesante en educación. De manera
complementaria, se revisarán las diferentes posturas de los expertos sobre la actual
proyección y desafíos que enfrenta la IA en el contexto educativo desde una
perspectiva inclusiva y social.
Marco teórico
Estado actual de la cuestión en relación con la IA en el ámbito educativo
Proyección de la IA en el ámbito educativo
Los avances en las tecnologías de la información y la comunicación, así como
las capacidades de procesamiento de la información de las máquinas inteligentes
están estrechamente ligados al futuro de la educación. Mientras que en los últimos 40
años, la tecnología educativa se ha enfocado en automatizar tareas tediosas
relacionadas con la educación, como el registro de calificaciones (Woolf, 2010), en la
actualidad, la rápida progresión de la IA está teniendo un impacto muy significativo.
Estos efectos los percibimos en la naturaleza de los servicios ofrecidos en la
educación superior, presentando nuevas oportunidades y retos para la educación en
cuanto a los procesos de enseñanza y aprendizaje.
Para afrontar esta situación, se pretende establecer una visión general que
permita ampliar la comprensión del posible impacto futuro de esta revolución y
contextualizar el proceso en curso. Aunque sin olvidar las dificultades que conlleva
hacer predicciones en un entorno de cambios acelerados. Chassignol et al. (2018)
afirman que, actualmente, la IA repercute principalmente sobre tres áreas de la
Cuestiones Pedagógicas,
1(32), 2023, 69-82
ISSN
0213-7771
- e-ISSN
2443-9991
https://doi.org/10.12795/CP.2023.i32.v1.04
Marta Carrión Sánchez | Leticia Porto Pedrosa
74
educación: la instrucción o enseñanza, el aprendizaje y la administración. A
continuación, la Tabla 2 recoge las diferentes funciones que desempeña la IA sobre
estas tres áreas.
Tabla 2.
Funciones de la IA en la educación
Funciones de la IA en el contexto educativo
Área administrativa
● Realizar más rápidamente las tareas administrativas que consumen
gran parte del tiempo de los instructores, como calificar exámenes y
proporcionar comentarios.
● Identificar los estilos y preferencias de aprendizaje de cada uno de
sus alumnos, ayudándoles a elaborar planes de aprendizaje
personalizado.
● Ayudar a los instructores a tomar decisiones y el trabajo basado en
datos.
● Proporcionar comentarios y trabajar con los estudiantes de forma
directa.
Área de enseñanza
● Anticipar en qué medida un alumno supera las expectativas en
proyectos y ejercicios o las probabilidades de abandonar los
estudios.
● Analizar el programa y el material del curso para proponer
contenidos personalizados.
● Permitir la instrucción más allá del aula y en la educación superior,
apoyando la colaboración.
● Adaptar el método de enseñanza a cada alumno en función de sus
datos personales.
● Ayudar a los instructores a crear planes de aprendizaje
personalizados.
Área de aprendizaje
● Descubrir las dificultades de aprendizaje de los estudiantes y
abordarlas en una fase temprana de la educación.
● Personalizar la selección de cursos universitarios para los
estudiantes.
● Predecir la trayectoria profesional de cada estudiante mediante la
recopilación de datos de estudio.
● Detectar el estado de aprendizaje y aplicar una intervención
adaptativa inteligente a los estudiantes.
Fuente. Elaboración propia a partir de Chen, Chen y Lin (2020), p. 75272.
La educación impulsada por IA se puede dividir en dos partes: el modelo de
sistema, que abarca el modelo de alumno, el modelo de enseñanza y el modelo de
conocimiento, y las tecnologías utilizadas en el proceso. Estos elementos son
esenciales para el desarrollo de un sistema de educación basado en la IA efectiva
(Kim, Soyata y Behnagh, 2018). En este modelo de sistema, el modelo de alumno es
esencial para mejorar la capacidad de aprendizaje independiente y se basa en el
análisis del comportamiento y la capacidad de aprendizaje de los estudiantes. Por
otro lado, el modelo de conocimiento establece un mapa detallado de la estructura de
los contenidos de aprendizaje y, por último, el modelo de enseñanza combina el
modelo de campo de conocimiento y el modelo de aprendizaje para determinar las
reglas de acceso al conocimiento. Esto hace posible que los instructores adapten las
estrategias y acciones de enseñanza. Además, el sistema de IA ofrece teorías de
enseñanza integradas y una interfaz avanzada hombre-máquina que permite
Educar la inteligencia sensible en tiempos de inteligencia artificial
75
Cuestiones Pedagógicas,
1(32), 2023, 69-82
interactuar con los estudiantes, incluso detectar sus emociones (Chen, Chen, y Lin
2020).
Entre las tecnologías inteligentes aplicadas en la educación se incluyen el
aprendizaje automático, el análisis de aprendizaje y la minería de datos. En cuanto al
primero, el aprendizaje automático, permite a los sistemas de IA mejorar su
desempeño en función de la experiencia y los datos recabados. Esto puede ser
especialmente útil en la educación para personalizar el aprendizaje y adaptarlo a las
necesidades individuales de los estudiantes. Además, se enfoca en descubrir
conocimientos y patrones significativos en los datos de entrenamiento, lo que puede
ayudar a los instructores a comprender mejor cómo los estudiantes están asimilando
cada concepto (Padilla, 2019; Chen, Chen, y Lin 2020).
En relación con el análisis de aprendizaje, se centra en adaptar el método
educativo a las necesidades y capacidades individuales del alumno, y utiliza técnicas
relacionadas con el aprendizaje automático, la visualización de datos y la semántica.
Por su parte, la minería de datos genera respuestas sistemáticas y automatizadas,
basadas en reglas de identificación de patrones de datos. Estas tecnologías se
desarrollan para para apoyar el aprendizaje de estudiantes, instructores,
administradores e instituciones (Chen, Chen, y Lin, 2020).
Padilla (2019) también destaca la presencia de los asistentes virtuales entre
las tendencias y desarrollos de la IA en la educación. Un ejemplo de la utilización
incipiente de la IA en las universidades es la supercomputadora Watson de IBM, la
cual brinda asesoramiento a los estudiantes de la Universidad Deakin en Australia las
24 horas del día, los 365 días del año (Scheepers, Lacity y Willcocks, 2018). El
aprendizaje personalizado con un "teacherbot"
1
, por ejemplo, es otra alternativa que
ya se está implementando en cursos de enseñanza combinada o en línea (Popenici
y Kerr, 2017). Estos asistentes de enseñanza virtuales se ocupan de la entrega de
contenido, la retroalimentación y la supervisión, y se presentan como una alternativa
disruptiva a los tutores de enseñanza tradicionales. Un ejemplo es Jill Watson, el
asistente de enseñanza virtual del curso de inteligencia artificial basada en el
conocimiento (KBAI) del Máster en Ciencias de la Computación de Georgia Tech, con
una “valoración docente” muy positiva por parte del estudiantado (Maderer 2016).
De manera general, los investigadores han encontrado múltiples oportunidades
en la implementación de la IA en la educación: favorecer la inclusión en las aulas
(Matas-Terrón et al., 2020); mayor motivación en el aprendizaje, refuerzo de la
autonomía y éxito curricular de los alumnos (Moreira et al., 2019); así como la
predicción del rendimiento académico e identificación de estudiantes en riesgo de
fracaso escolar para una intervención temprana en estos casos (Castrillón, Sarache
y Ruiz-Herrera, 2020). Además, se evidencia una mejora en la toma de decisiones
humanas en el ámbito educativo, por ejemplo, respecto a la retroalimentación y apoyo
a los estudiantes en sus proceso de aprendizaje (Cukurova, Kent y Luckin, 2019).
1
Los teacherbots se definen como cualquier programa o equipo informático basado en una máquina que asume
el papel que tradicionalmente desempeña un profesor asistente en la organización de la información y el suministro
de respuestas rápidas a un amplio conjunto de preguntas predecibles; puede facilitar, monitorear, evaluar y
gestionar el aprendizaje de los estudiantes dentro del espacio de aprendizaje en línea (Popenici y Kerr, 2017, p.
10).
Cuestiones Pedagógicas,
1(32), 2023, 69-82
ISSN
0213-7771
- e-ISSN
2443-9991
https://doi.org/10.12795/CP.2023.i32.v1.04
Marta Carrión Sánchez | Leticia Porto Pedrosa
76
En síntesis, el modelo de sistema de educación basado en IA está diseñado
para mejorar la capacidad de aprendizaje independiente de los estudiantes y para
permitir a los instructores adaptarse a los comportamientos y necesidades de los
estudiantes. Sin embargo, su entrada en el mundo educativo ha generado inquietudes
y posturas diversas y enfrentadas en la comunidad educativa, así como en las demás
esferas de la actividad humana.
Desafíos actuales de la IA en el ámbito de la enseñanza-aprendizaje
Como punto de partida, es importante mantener la premisa de que la educación
es eminentemente un esfuerzo centrado en el ser humano, no una solución centrada
en la tecnología. Pese a los rápidos avances de la IA en el contexto educativo, autores
como Popenici y Kerr (2017) reflexionan sobre el riesgo de confiar plenamente en la
tecnología y la necesidad de valorar las implicaciones sobre la privacidad, las
estructuras de poder y el control. En la actualidad, empresas tecnológicas de gran
envergadura como Apple, Google, Microsoft y Facebook compiten en el ámbito de la
IA, invirtiendo importantes recursos en nuevas aplicaciones e investigaciones en este
campo (Hodson, 2019; Popenici y Kerr, 2017).
A este respecto, cabe señalar que Google realizó su mayor inversión en la
Unión Europea en 2014 al adquirir la empresa emergente de inteligencia artificial,
DeepMind Technologies, por 400 millones de dólares (Hodson, 2019). Sin embargo,
parece existir un conflicto de intereses de los gigantes comerciales de la IA que
investigan la ética de los impactos sociales de su propia tecnología (Kavanagh,
2019). Por ejemplo, DeepMind, pese a sus esfuerzos para abordar los desafíos éticos
del campo de la IA con la creación de la unidad DeepMind Ethics and Society, ha sido
criticada por la falta de transparencia en torno a su Consejo de Ética, ya que la
composición real de este comité, los responsables del control de su tecnología central
de IA, nunca se ha hecho pública (Hodson, 2019). Google también ha invertido en el
Centro Alemán de Investigación para la Inteligencia Artificial, considerado como el
mayor centro de investigación mundial en este campo.
Popenici y Kerr (2017) advierten sobre la posibilidad de la introducción de
sesgos en los sistemas de IA y la posible pérdida de empleos. Las presiones
financieras en las universidades pueden llevar a buscar soluciones basadas en la IA
para hacer frente al gran número de estudiantes que actualmente buscan educación
superior y al mercado estudiantil internacional. Esta tendencia hacia la externalización
de la fuerza laboral académica podría traducirse en un aumento en la adopción de
tecnología inteligente para desempeñar puestos académicos hasta ahora
desempeñados por académicos empleados y puestos titulares (Popenici y Kerr,
2017). Además, estos autores también señalan la pérdida de privacidad y de la
perspectiva humana en el aprendizaje, junto a la necesidad de investigar la
imaginación, la creatividad y la innovación en el proceso de enseñanza-aprendizaje.
Este conjunto de habilidades y destrezas que aportan un valor diferencial, difícilmente
pueden ser replicadas por las máquinas.
Educar la inteligencia sensible en tiempos de inteligencia artificial
77
Cuestiones Pedagógicas,
1(32), 2023, 69-82
Formación desde la IS en la era de la IA en educación
Para analizar la importancia de educar la IS en un contexto educativo basado
en la IA, se tomará como punto de referencia las tres áreas propuestas por
Chassignol et al. (2018), y sus respectivas funciones (Véase la Tabla 2). Además, se
revisará el papel de la IS ante los principales desafíos de la IA.
En primer lugar, si bien se reconoce el potencial que ofrece la IA en esta
primera área relativa a la administración, es importante tener en cuenta que nunca
debe dejarse el control de la Responsabilidad Social de una institución educativa en
la decisión de máquinas. La IA puede ayudar a minimizar los esfuerzos en la gestión
administrativa y proporcionar información optimizada para la toma de decisiones, pero
son los seres humanos con su IS quienes deben asumir las decisiones, especialmente
en lo que respecta a la originalidad de cada persona y la empatía como condición
imprescindible para que una comunidad educativa sea madura y forme personas
capaces de desplegarse con su originalidad absoluta.
En segundo lugar, en el área de enseñanza, la acción facilitadora que supone
la IA respecto a las diferentes funciones que desarrolla, hace que se cuente con mayor
previsión en cuanto a la atención y seguimiento del docente frente a las necesidades
educativas de sus estudiantes. De tal modo que se hace de un modo más directo y
oportuno ese acompañamiento de los alumnos, de acuerdo con los postulados que
rige este tipo de Educación Sensible.
Y, por último, en tercer lugar, respecto al área de aprendizaje en la que la IA
destaca por ser una gran facilitadora de aprendizajes rigurosos, cabe señalar que sólo
a través de la IS cada persona podrá gestionar esos aprendizajes desde su propia
originalidad. Por tanto, la IA no debe (ni puede) sustituir el papel fundamental del
docente y la educación en el desarrollo integral de cada individuo.
En definitiva, aunque la IA ofrece muchas posibilidades interesantes en el
ámbito educativo, es importante tener en cuenta que debe utilizarse de manera
complementaria a la IS de los seres humanos y no como un sustituto de ella. La
educación debe seguir estando guiada por los docentes y los profesionales de la
educación que se enfoquen en el desarrollo integral de cada estudiante, utilizando la
IA como un recurso adicional para mejorar la calidad de la enseñanza y el aprendizaje.
Nunca como un sustituto en el desempeño de esta labor esencial.
Resultados y discusión
La educación de la IS puede ser vista como una solución para afrontar los retos
de la IA en la educación en las sociedades actuales. Sin embargo, tras esta revisión
se plantea que, aunque la IA puede sustituir ciertas habilidades cognitivas y
sensoriales asociadas a la inteligencia, nunca podrá igualar la originalidad que
caracteriza a la IS de cada ser humano, ya que la IA es diseñada por algo elaborado
previamente. Sin embargo, la IS surge del mismo origen que el cosmos y esto hace
que cada persona sea única e irrepetible. Por lo tanto, la educación debe enfocarse
Cuestiones Pedagógicas,
1(32), 2023, 69-82
ISSN
0213-7771
- e-ISSN
2443-9991
https://doi.org/10.12795/CP.2023.i32.v1.04
Marta Carrión Sánchez | Leticia Porto Pedrosa
78
en ayudar a los estudiantes y docentes a aceptar y desarrollar su propia originalidad,
en lugar de simplemente centrarse en enseñar habilidades que podrían ser fácilmente
imitadas por la IA. Nos encontramos en una sociedad en la que se valora y celebra la
singularidad de cada individuo a través de la propia originalidad.
Si bien existen diferentes posturas sobre la presencia de la IA en la educación,
desde la precaución y hasta la aceptación rotunda, lo cierto es que la IA se encuentra
cada vez más presente en el mundo educativo y se espera que esta tendencia siga
creciendo. Por tanto, se reconoce la importancia de educar la IS de los estudiantes y
demás partes interesadas de la comunidad educativa para que sepan gestionar la IA,
como se tuvo que aprender a gestionar un cuchillo en la edad de piedra o el uranio
en la era atómica.
En este sentido, los resultados de este estudio indican la necesidad de elaborar
programas educativos integrales que consideren todas las dimensiones de la
inteligencia humana, en lugar de centrarse únicamente en las dimensiones racionales,
volitivas o emocionales que podrían ser imitadas por la IA. Estos programas deben
incorporar actividades y experiencias que fomenten el desarrollo de la dimensión
apertural en estudiantes y docentes, que, en términos relacionados con la IS, aluden
a la dimensión espiritual de la persona. Esta dimensión no solo se manifiesta en
emociones, sentimientos, sensaciones, cogniciones y voliciones que pueden ser
expresadas por la IA, sino que también permite a cada persona identificar fuentes de
inspiración, experimentar afectos y desarrollar objetivos existenciales que confieran
sentido a su vida.
También es importante educar a estudiantes y docentes sobre las limitaciones
y potencialidades de la IA, para que puedan comprender sus implicaciones en la
educación y emplearla de manera responsable. Es posible que, en unas décadas, la
competencia de conducir un vehículo no sea necesaria gracias a la IA, sin embargo,
ello no define la esencia humana. La competencia no es lo que nos convierte en seres
humanos. De ser así, las personas dependientes o los bebés serían considerados
menos humanos. La IA resaltará aún más la importancia de la humanidad,
obligándonos a profundizar en lo que para muchos es un misterio en cuanto al sentido
de la vida humana, y para otros, es cuestión de fe. Será esa sensibilidad hacia el
origen, hacia la eternidad, lo que diferencie la IS de IA. L carácter artificial de este tipo
de inteligencia creada no puede ser sensible al origen último, dado que su origen es
cósmico y originado, lo que le impide establecer un vínculo de amor donal recíproco
con el origen último de todo. En cambio, la IS es la expresión más plena del origen
entre los seres originados. En la medida en que una persona acepte su originalidad,
será esencial para el fomento de una civilización del amor maduro.
Ante esta situación, los educadores deben estar preparados para adaptarse a
los cambios en la tecnología y enseñar a los estudiantes a utilizar la IA de manera
efectiva y ética. Es posible que este enfoque requiera considerar la inclusión de la
psicología como un elemento relevante, aunque no exclusivo, en la formación
docente. Además, se debe recuperar la importancia de la antropología, incluso de la
teología de la educación, para brindar una formación más completa en cuanto a la
comprensión de la naturaleza humana y su relación con el aprendizaje.
Educar la inteligencia sensible en tiempos de inteligencia artificial
79
Cuestiones Pedagógicas,
1(32), 2023, 69-82
Referencias
Aron, E. N. & Aron, A. (1997). Sensory-processing sensitivity and its relation to
introversion and emotionality. Journal of personality and social psychology,
73(2), 345. https://doi.org/10.1037/0022-3514.73.2.345
Castrillón, O. D., Sarache, W. & Ruiz-Herrera, S. (2020). Prediction of academic
performance using artificial intelligence techniques. Formación
Universitaria, 13(1), 93-102. https://doi.org/10.4067/S0718-
50062020000100093
Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial
Intelligence trends in education: a narrative overview. Procedia Computer
Science, 136, 16-24. https://doi.org/10.1016/j.procs.2018.08.233
Chen, L. Chen, P. & Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE
Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510
Cukurova, M., Kent, C. & Luckin, R. (2019). Artificial intelligence and multimodal
data in the service of human decision-making: A case study in debate
tutoring. British Journal of Educational Technology, 50(6), 3032-3046.
https://doi.org/10.1111/bjet.12829
Fischler, M. A., Firschein, O. (1987). Intelligence: the eye, the brain, and the computer.
Boston, USA: Addison-Wesley Longman Publishing Co.
Fogarty, G.J. (2008). Intelligence: theories and issues. Adult educational Psychology,
181-208. https://doi.org/10.1163/9789087905552_009
Galton, F. (1879). Psychometric experiments. Brain, 6(2), 149-162.
https://doi.org/10.1093/brain/2.2.149
Hodson, H. (2019). DeepMind and Google: the battle to control artificial intelligence.
The Economist. https://bit.ly/42adJro
Hsu, F. (2003). Behind Deep Blue: Building the Computer that Defeated the World
Chess Champion. Princeton University Press.
Jara, I., y Ochoa, J. M. (2020). Usos y efectos de la inteligencia artificial en
educación. Sector Social división educación. Documento para discusión
número IDB-DP-00-776. BID. http://dx.doi.org/10.18235/0002380
Kavanagh, C. (2019). New tech, new threats, and new governance challenges: an
opportunity to craft smarter responses? Carnegie Endowment for International
Peace.
Cuestiones Pedagógicas,
1(32), 2023, 69-82
ISSN
0213-7771
- e-ISSN
2443-9991
https://doi.org/10.12795/CP.2023.i32.v1.04
Marta Carrión Sánchez | Leticia Porto Pedrosa
80
Kim, Y., Soyata, T., y Behnagh, R. F. (2018). Towards emotionally aware AI smart
classroom: Current issues and directions for engineering and education. IEEE
Access, 6, 5308-5331. doi: 10.1109/ACCESS.2018.2791861
Lee, K. F. (2018). AI superpowers: China, Silicon Valley, and the new world order.
Houghton Mifflin.
Mackintosh, N. (2011). IQ and human intelligence. Oxford University Press.
Maderer, J. (2016). Artificial intelligence course creates AI teaching assistant. Georgia
Tech News Center https://bit.ly/40Ix7L6
Martínez-Domínguez, L. M. (2021). Educar la inteligencia sensible. Guía para padres
de hijos con alta sensibilidad. EUNSA. 201. 978-84-313-3599-1.
Martínez-Domínguez, L. M. (2022). Educación sensible: Marco pedagógico y espíritu
educativo. Almuzara Universidad. 179. 978-84-11312-93-6.
Martínez-Domínguez, L. M. y Porto-Pedrosa, L. (2021). Inteligencia sensible: una
reconceptualización de la capacidad intelectual al servicio de la educación. En
A. Zuart y L. Porto (Coords.) El cambio inesperado: educación inclusiva y
comunicación responsable ante la vulnerabilidad sobrevenida (pp. 38-52).
Dykinson. https://bit.ly/3Vwzq37
Maslow, A. (2005). El hombre autorrealizado. Kairós. 360. 9788472452282.
Matas-Terrón, A., Leiva-Olivencia, J. J., Franco-Caballero, P. D., y García-Aguilera,
F. J. (2020). Validity of the «Big Data tendency in education» scale as a tool
helping to reach inclusive social development. Sustainability, 12(13), 5470.
https://doi.org/10.3390/su12135470
Mccarthy, J., Minsky, M. L., Rochester, N. & Shannon, C. E. (2006). A proposal for the
Dartmouth Summer Research Project on Artificial Intelligence. AI Magazine,
7(4), 12-14. https://doi.org/10.1609/aimag.v27i4.1904
Moreira, F., Ferreira, M. J., Pereira, C. S., Gomes, A. S., Collazos, C., & Escudero, D.
F. (2019). ECLECTIC as a learning ecosystem for higher education disruption.
Universal Access in the Information Society, 18(3), 615-631.
https://doi.org/10.1007/s10209-019-00682-x
Padilla, R. D. M. (2019). La llegada de la inteligencia artificial a la educación. Revista
de Investigación en Tecnologías de la Información, 7(14), 260-270. doi:
https://doi.org/10.36825/RITI.07.14.022
Pluess, M., Assary, E., Lionetti, F., Lester, K.J., Krapohl, E., Aron, E.N. & Aron, A.
(2017). Environmental sensitivity in children: Development of the Highly
Sensitive Child Scale and identification of sensitivity groups. Developmental
psychology, 54(1), 51-70. https://doi.org/10.1037/dev0000406
Educar la inteligencia sensible en tiempos de inteligencia artificial
81
Cuestiones Pedagógicas,
1(32), 2023, 69-82
Popenici, S. A. D., y Kerr, S. (2017). Exploring the impact of artificial intelligence on
teaching and learning in higher education. Research and Practice in
Technology Enhanced Learning, 12(1). https://doi.org/10.1186/s41039-017-
0062-8
Russell, S. J., y Norvig, P. (2004). Inteligencia Artificial. Un enfoque moderno (2.ª ed.)
Pearson Educación, S.A.
Scheepers, R., Lacity, M. C., & Willcocks, L. P. (2018). Cognitive Automation as Part
of Deakin University's Digital Strategy. MIS Quarterly Executive, 17(2), 89-107.
https://aisel.aisnet.org/misqe/vol17/iss2/4
Stein, E. (2005). Obras Completas. II Escritos filosóficos. Etapa Fenomenológica.
EDE
Tuomi, I. 2018. The Impact of Artificial Intelligence on Learning, Teaching, and
Education. European Union Joint Research Centre for Policy Report.
Turing, A. M. (1950) Computing Machinery and Intelligence. Mind, 59 (236), 433-460.
https://bit.ly/3LlvnSa
Woolf, B. (2010). Building intelligent interactive tutors: Student-centered strategies for
revolutionizing e-learning. Elsevier & Morgan Kaufmann https://bit.ly/3nhLwAo
Cuestiones Pedagógicas,
1(32), 2023, 69-82
ISSN
0213-7771
- e-ISSN
2443-9991
https://doi.org/10.12795/CP.2023.i32.v1.04
Marta Carrión Sánchez | Leticia Porto Pedrosa
82