Catálogo de publicaciones - revistas

<jats:p xml:lang="en"> In social robots, AI has been seamlessly integrated to enable them to be programmed to perform a wide range of tasks, from basic movements and interactions to more complex functions, such as assisting in education. This comprehensive review delves into the multifaceted use of social robots in primary and secondary education, addressing key aspects such as trends, theoretical foundations, application domains, and ethical considerations. Guided by four primary research questions, the study reveals notable trends, with the NAO robot emerging prominently in educational settings, particularly among primary school-age children. Application domains explored include language learning, computational thinking, social and emotional development, creativity support, musical instrument practice, and library activities, showcasing the diverse roles social robots play as teaching assistants, peers, and companions. However, ethical concerns and data privacy issues surface, posing risks such as transparency issues, dependency on robots, reduced human interaction, and potential job displacement. The study stresses the need for extensive longitudinal studies and collaborative efforts to responsibly integrate social robots into education, emphasizing the necessity for collaboration among educators, policymakers, developers, and privacy experts to establish clear guidelines prioritizing students' well-being </jats:p> <jats:p xml:lang="es">En los robots sociales, la IA se ha integrado perfectamente para permitirles programarse para realizar una amplia gama de tareas, desde movimientos e interacciones básicos hasta funciones más complejas, como ayudar en la educación. Esta revisión integral profundiza en el uso multifacético de los robots sociales en la educación primaria y secundaria, abordando aspectos clave como tendencias, fundamentos teóricos, dominios de aplicación y consideraciones éticas. Guiado por cuatro preguntas de investigación principales, el estudio revela tendencias notables, en las que el robot NAO emerge de manera destacada en entornos educativos, particularmente entre los niños en edad de escuela primaria. Los dominios de aplicación explorados incluyen el aprendizaje de idiomas, el pensamiento computacional, el desarrollo social y emocional, el apoyo a la creatividad, la práctica de instrumentos musicales y las actividades de la biblioteca, mostrando las diversas funciones que desempeñan los robots sociales como asistentes de enseñanza, pares y acompañantes. Sin embargo, surgen preocupaciones éticas y problemas de privacidad de datos, lo que plantea riesgos como problemas de transparencia, dependencia de robots, interacción humana reducida y posible desplazamiento laboral. El estudio enfatiza la necesidad de realizar estudios longitudinales extensos y esfuerzos de colaboración para integrar responsablemente los robots sociales en la educación, enfatizando la necesidad de colaboración entre educadores, formuladores de políticas, desarrolladores y expertos en privacidad para establecer pautas claras que prioricen el bienestar de los estudiantes.</jats:p>

<jats:p xml:lang="en">Currently, technology is the most widely used tool in the development of daily life activities. The number of fields of knowledge that benefit from its versatility and application in the development of their activities is increasing. In the educational environment, it allows the generation of activities adapted to the needs of students. In recent years, robotics and artificial intelligence are the most widespread. The characteristics of these tools favour their application with students with autism spectrum disorder. Therefore, the objective of the research is the application of robotics to promote communication and social interaction in students with autism by analysing the emotions they show throughout the different activities. For this purpose, a pilot study was implemented with the NAO robot and four autistic children who developed imitation, game and social interaction activities. An automatic system based on convolutional neural networks was used to detect mood states in the interaction process. The results show that sadness, happiness and anger are the emotions most likely to occur in the participants. Therefore, it is concluded that the robot and the artificial intelligence system are a fundamental element to help express emotions in social interaction.</jats:p> <jats:p xml:lang="es">Actualmente, la tecnología es la herramienta más utilizada en el desarrollo de las actividades de la vida diaria. Cada vez es mayor, el número de campos de conocimiento que se benefician de su versatilidad y la aplicación en el desarrollo de sus actividades. En el entorno educativo, permite generar actividades adaptadas a las necesidades del alumnado. En los últimos años, la robótica y la inteligencia artificial son las que mayor difusión están teniendo. Las características de estas herramientas favorecen su aplicación con el alumnado con Trastorno del Espectro Autista. Por tanto, el objetivo de la investigación es la aplicación de la robótica para favorecer la comunicación e interacción social en el alumnado con autismo analizando las emociones que manifiestan a lo largo de las distintas actividades. Para ello, se implementó un estudio piloto con el robot NAO y cuatro niños autistas que desarrollaron actividades de imitación, juego e interacción social. Durante su realización se utilizó un sistema automático basado en redes neuronales convolucionales para detectar los estados de ánimo en el proceso de interacción. Los resultados muestran que tristeza, felicidad y enfado son las emociones que tiene una mayor probabilidad de producirse en los participantes. Por tanto, se concluye que el robot y el sistema de inteligencia artificial son un elemento fundamental para ayudar a expresar sus emociones en las interacciones sociales.</jats:p>

<jats:p xml:lang="en">This study examines the impact of ChatGPT on narrative scriptwriting abilities and cognitive load in a sample of 41 master's students enrolled in a Digital Narratives course. Using a randomized experimental design, participants were divided into two groups: an experimental group (n = 20) that interacted with ChatGPT and a control group (n = 21) that did not. Our methods involved pre- and post-tests to assess changes in digital storytelling skills and cognitive load, as defined by intrinsic, extraneous, and germane load measures. The results indicated no significant improvement in digital storytelling skills for the experimental group compared to the control group, suggesting that the use of ChatGPT does not markedly enhance narrative writing abilities in the short term. However, a significant reduction in germane cognitive load was observed among the experimental group, pointing to ChatGPT's potential to facilitate the learning process by reducing the mental effort required for task integration and application. The study underscores the complexity of integrating AI into learning environments and highlights the need for strategic AI implementation tailored to specific educational objectives. It also points to the importance of longitudinal research to fully understand the long-term effects of AI on learning and cognitive development.</jats:p> <jats:p xml:lang="es">Este estudio examina el impacto de ChatGPT en las habilidades de escritura de guiones narrativos y la carga cognitiva en una muestra de 41 estudiantes de maestría matriculados en un curso de Narrativas Digitales. Utilizando un diseño experimental aleatorio, los participantes se dividieron en dos grupos: un grupo experimental (n = 20) que interactuaba con ChatGPT y un grupo de control (n = 21) que no lo hacía. Nuestros métodos incluyeron pruebas previas y posteriores para evaluar los cambios en las habilidades de narración digital y la carga cognitiva, según lo definido por medidas de carga intrínsecas, extrañas y pertinentes. Los resultados no indicaron una mejora significativa en las habilidades de narración digital para el grupo experimental en comparación con el grupo de control, lo que sugiere que el uso de ChatGPT no mejora notablemente las habilidades de escritura narrativa a corto plazo. Sin embargo, se observó una reducción significativa en la carga cognitiva relevante entre el grupo experimental, lo que apunta al potencial de ChatGPT para facilitar el proceso de aprendizaje al reducir el esfuerzo mental requerido para la integración y aplicación de tareas. El estudio subraya la complejidad de integrar la IA en entornos de aprendizaje y destaca la necesidad de una implementación estratégica de la IA adaptada a objetivos educativos específicos. También señala la importancia de la investigación longitudinal para comprender plenamente los efectos a largo plazo de la IA en el aprendizaje y el desarrollo cognitivo. </jats:p>

<jats:p xml:lang="en">In July 2023, given the rise of LLMs (Large Langauge Models), RED convened this special issue on Generative AI and Education, where special attention was paid to its consequences for intelligent learning and educational evaluation. We wanted to give space to contributions that included research related to these topics. Also to experiences about intelligent learning and formative evaluation in ChatGPT contexts. The call was with these general questions Does AI have the potential to revolutionize existing teaching methods, assessment and student support? Creative thinking and problem solving are essential in modern and very complex environments. Could this AI help students deal with these problems? We also had doubts about its benefits. They could be summarized in this question: Generative AI will begin to serve as an active partner in social, creative and intellectual actions continuously over time, and not only as an answer to isolated questions: What are the impacts that will occur? Now those impacts are unknown in the practices that may exist. Another intention was: A theoretical framework is needed to address these questions and in general for an effective deployment of AI systems in education. It is necessary to do so beyond the results provided by empirical research. And that it does not guide and direct at new crossroads, both in research and practice. In the conclusions we see to what extent these expectations have been met. As a consequence, we deduce that the critical importance of theory in the design, development and deployment of AI in education is necessary now more than ever. But we are equally underserved. In this perspective, we continue to critically consider the relevance and continuity of existing learning theories when AI becomes a reality in classrooms. As that result is not met, we also reiterate the call to consider new frameworks, models and ways of thinking. We are referring to those that include the presence of non-human agents, which we hesitate to call a new technology, because it is more like an active partner than a simple technology, as has happened until now. This approach is precisely what makes us insist on a series of important questions for the future, precisely about the review of learning theories based on existing configurations. And to investigate what their alternatives would be in this case. We have done after extensive and exhaustive dissemination in your call. But, despite this and beyond these general conclusions that we have made, the special issue offers us evidence of a scarce empirical investigation of practical cases in the application of generative AI in education. However, of the hundred or so contributions received, seven have been selected in the previous editorial review. The rest have been discarded because they do not conform to the standards or are not the type of contributions requested (the literature reviews per se and the self-report studies stand out among them, due to their high number). Of those seven, six have passed editorial review. They are described at the end. The main contributions of this small number of contributions have been the confirmation of a low level of research and practice. Also, some very interesting contributions from the articles and essays by the invited authors. We draw your attention to these articles and the clear results and evidence obtained on the concrete use of generative AI in specific environments. Results of inevitable use by schools, universities and teachers in these environments or in others to which they can be transferred.</jats:p> <jats:p xml:lang="es">En julio de 2023, ante el auge de los LLM (Large Langauge Models), RED convocó este número especial sobre IA generativa y Educación, donde se prestase especial atención a sus consecuencias para el aprendizaje inteligente y la evaluación educativa. Se quería dar espacio a contribuciones que incluyesen investigación relacionada con estos temas. Y también a experiencias sobre el aprendizaje inteligente y evaluación formativa en contextos ChatGPT. Hoy, un año después, publicamos este número, con estas preguntas de carácter general ¿la IA tiene el potencial de revolucionar los métodos de enseñanza, la evaluación y la ayuda al alumno, existentes? el pensamiento creativo y la resolución de problemas son fundamentales en entornos modernos y muy complejos ¿Esta IA podría ayudar a los alumnos a enfrentarse a esos problemas? También había otras cuestiones que podían ser planteadas como dudas de sus beneficios que se podrían resumir en ¿Cuáles son los impactos que se producirán cuando la IA generativa comience a servir como un socio activo en acciones sociales, creativas e intelectuales sostenidas, no sólo puntuales o como repuesta a preguntas aisladas? Ahora esos impactos en las prácticas que puedan existir son desconocidos. La otra intención era que, para abordar estas preguntas y en general la necesidad de un despliegue efectivo de los sistemas de IA en la educación, es preciso hacerlo desde un punto de vista teórico, más allá de los resultados que, sobre las interrogantes señaladas, nos proporcione la investigación empírica. Y que no guíe y dirija en nuevas encrucijadas, tanto en la investigación como la práctica. Ese marco teórico, suponíamos entonces, nos proporcionará los asideros y las andaderas para garantizar que los principios, los valores y las construcciones confiables configuren el uso de la IA en la educación. En las conclusiones vemos en qué escasa medida estas expectativas se han cumplido. Como consecuencia, lo que veíamos como una necesidad en esta convocatoria: la importancia crítica de la teoría en el diseño, desarrollo y despliegue de la IA en la educación se ve necesaria ahora más que nunca, pero igualmente desasistidos. En esa perspectiva, nos seguimos planteando de forma crítica la relevancia y la continuidad de las teorías de aprendizaje ya existentes cuando la IA se constituya como una realidad en las aulas. También reiteramos, por incumplida, la llamada a considerar nuevos marcos, modelos y formas de pensar. Nos referimos a aquellos que incluyen la presencia de agentes no humanos, que dudamos en llamar una nueva tecnología, porque se parece más a un socio activo que a una tecnología simple, como sucedía hasta ahora. Ese planteamiento, siguiendo con las primeras conclusiones de insuficiencia en la respuesta, es precisamente lo que nos hace insistir en una serie de preguntas importantes para un futuro, precisamente sobre la revisión de las teorías de aprendizaje basadas en las configuraciones existentes. Y en investigar cuáles serían en este caso sus alternativas. Pero más allá de esas conclusiones generales el número especial ofrece, tras una extensa y exhaustiva difusión en su convocatoria la constancia de una escasa investigación empírica de casos prácticos en la aplicación de la IA generativa en educación. No obstante, del centenar largo de contribuciones recibidas se han seleccionado siete en la revisión editorial previa. El resto se ha descartado por no ajustarse a las normas o no ser el tipo de contribuciones solicitadas (destacan entre ellas, por su alto número, las revisiones de la literatura per se y los self report studies). Y de esas siete han pasado la revisión editorial seis, que se describen al final. La principal aportación de ese reducido número de contribuciones ha sido no solo la constatación de este nivel de investigación y práctica, sino sobre todo las interesantísimas aportaciones de estos seis artículos y del ensayo de uno de los autores invitados. Reclamamos su atención sobre esos artículos y los resultados claros y las evidencias obtenidas sobre el uso concreto de la IA generativa en entornos específicos. Resultados de inevitable uso por las escuelas, las universidades y los profesores en esos entornos o en otros a los que se puedan transferir.</jats:p>

<jats:p xml:lang="en">A short reflection of personal engagement with and an exploration of the unforeseen intersections between traditional educational paradigms and the disruptive force of AI. The reflection is not just about discovering a technological tool; it is about encountering a new form of activity, one that could potentially redefine the contours of education and learning. A reflection which brought me to realize that my interaction with ChatGPT, marked by an initial enchantment followed by a phase of critical scrutiny, mirrored the very human process of knowledge acquisition and validation. ChatGPT, with all its capabilities and limitations, was in a sense, as 'human' as any of my colleagues or myself. The process of engaging with, questioning, and validating the information it provided was not a testament to its shortcomings, but rather an affirmation of the critical, discerning approach that underpins scholarly work. In recognizing this, I found a renewed appreciation for the nuanced and complex interplay between human intelligence (from latin legere "choose, pick out, read, collect, gather") and artificial intelligence in the pursuit of knowledge.</jats:p> <jats:p xml:lang="es">En este artículo, en modalidad de ensayo, se plantea una breve reflexión sobre el compromiso personal del autor y la exploración de las intersecciones imprevistas entre los paradigmas educativos tradicionales y la fuerza disruptiva de la IA. A través de esta reflexión no se trata sólo de descubrir una herramienta tecnológica; se trata de encontrar una nueva forma de actividad, que potencialmente podría redefinir los contornos de la educación y el aprendizaje. Una reflexión, por otro lado, que me llevó a darme cuenta de que mi interacción con ChatGPT, marcada por un encanto inicial seguido de una fase de escrutinio crítico, reflejaba un proceso muy humano de adquisición y validación del conocimiento. ChatGPT, con todas sus capacidades y limitaciones, era, en cierto sentido, tan "humano" como cualquiera de mis colegas o como yo mismo. El proceso de abordar, cuestionar y validar la información que proporcionaba no fue un testimonio de sus deficiencias, sino más bien una afirmación del enfoque crítico y perspicaz que sustenta el trabajo académico. Al reconocer esto, encontré una valoración renovada por la compleja y matizada interacción entre la inteligencia humana (del latín legere "elegir, seleccionar, leer, recopilar, reunir") y la inteligencia artificial en la búsqueda del conocimiento.</jats:p>

<jats:p xml:lang="en">This research presents how the adoption of self-regulation strategies using peer feedback and chatbots promotes the transformation of online assessment. The evaluation of the design of a learning activity that integrates a peer feedback intervention to suggest improvements in academic essay writing is described. Based on a design-based research approach, three main phases are established, a first one for the design of the proposal and two consecutive implementations. In the first, a satisfaction questionnaire was distributed to 348 students and the analysis of the responses was used to redesign the proposal. In the second implementation, a questionnaire was used with 24 students and a group interview with the faculty. The results allowed a positive assessment of the relationship between peer feedback and the development of self-regulation and learning to learn competencies. Finally, it is concluded that it is necessary to propose more often strategies of this type that also include the use of AI, thus giving more opportunities to students in the development of their autonomy and a conscious and efficient management of their learning process, so this article also presents a design proposal for a new iteration with AI.</jats:p> <jats:p xml:lang="es">Esta investigación presenta cómo a partir de la adopción de estrategias de autorregulación utilizando el feedback entre pares y los chatbots se promueve la transformación de la evaluación en línea. Se describe la evaluación del diseño de una actividad de aprendizaje que integra una intervención de feedback entre pares para sugerir mejoras en la elaboración de ensayos académicos. A partir de un enfoque de investigación basado en el diseño se establecen tres fases principales, una primera de diseño de la propuesta y dos implementaciones consecutivas. En la primera se distribuyó un cuestionario de satisfacción a 348 estudiantes y el análisis de las respuestas se utilizó para el rediseño de la propuesta. En la segunda implementación, se utilizó un cuestionario con 24 estudiantes y una entrevista grupal al profesorado. Los resultados permitieron valorar positivamente la relación entre el feedback por pares, y el desarrollo de las competencias de autorregulación y de aprender a aprender. Finalmente, se concluye que es necesario proponer más a menudo estrategias de este tipo y que incluyan además el uso de la IA, dando así más oportunidades al estudiantado en el desarrollo de su autonomía y una gestión consciente y eficiente de su proceso aprendizaje, por lo que en este artículo se presenta también una propuesta de diseño para una nueva iteración con IA.</jats:p>

<jats:p xml:lang="en">There is a significant gap in Computing Education Research (CER) concerning the impact of Large Language Models (LLMs) in advanced stages of degree programmes. This study aims to address this gap by investigating the effectiveness of LLMs in answering exam questions within an applied machine learning final-year undergraduate course. The research examines the performance of LLMs in responding to a range of exam questions, including proctored closed-book and open-book questions spanning various levels of Bloom’s Taxonomy. Question formats encompassed open-ended, tabular data-based, and figure-based inquiries. To achieve this aim, the study has the following objectives: Comparative Analysis: To compare LLM-generated exam answers with actual student submissions to assess LLM performance. Detector Evaluation: To evaluate the efficacy of LLM detectors by directly inputting LLM-generated responses into these detectors. Additionally, assess detector performance on tampered LLM outputs designed to conceal their AI-generated origin. The research methodology used for this paper incorporates a staff-student partnership model involving eight academic staff and six students. Students play integral roles in shaping the project’s direction, particularly in areas unfamiliar to academic staff, such as specific tools to avoid LLM detection. This study contributes to the understanding of LLMs' role in advanced education settings, with implications for future curriculum design and assessment methodologies.</jats:p> <jats:p xml:lang="es">Existe un importante vacío en la Investigación de Educación en Computación (CER) sobre el impacto de Modelos de Lenguaje de Gran Escala (LLM) en etapas avanzadas de estudios de grado. Este artículo trata de cubrir este vacío investigando la efectividad de las LLM respondiendo preguntas de examen de Aprendizaje Automático Aplicado en último curso de Grado. El estudio examina el desempeño de las LLM al responder a una variedad de preguntas de examen, que incluyen modelos de examen diseñados con y sin apuntes, a varios niveles de la Taxonomía de Bloom. Los formatos de pregunta incluyen de respuesta abierta, basadas en tablas, o en figuras. Para conseguir esta meta, este estudio tiene los siguientes objetivos: Análisis Comparativo: Comparar respuestas generadas por LLM y por estudiantes para juzgar el desempeño de las LLM. Evaluación de Detectores: Evaluar la eficacia de diferentes detectores de LLM. Además, juzgar la eficacia de los detectores sobre texto alterado por alumnos con el objetivo de engañar a los detectores. El método investigador de este artículo incorpora una relación entre seis alumnos y ocho profesores. Los estudiantes juegan un rol integral para determinar la dirección del proyecto, en especial en áreas poco conocidas para el profesorado, como el uso de herramientas de detección de LLM. Este estudio contribuye a entender el rol de las LLM en el ámbito de la educación universitaria, con implicaciones para el diseño de futuros curriculums y técnicas de evaluación.</jats:p> <jats:p xml:lang="fr">NA</jats:p>

<jats:p xml:lang="en">The introduction of artificial intelligence (AI) has marked the beginning of the fourth industrial revolution and the genesis of a paradigm shift in the teaching-learning process. AI has been applied to the planning and design of teaching, student assessment and tutoring, and curricular content, integrating it into the creation of smart campuses and computational laboratories. This article, conducts a systematic review of the existing literature in Scopus, analyzing the application of AI in education and the assessment of learning outcomes at the university, in the last decade. The method was based on the recommendations given by García-Peñalvo, F. J. (2022) for conducting robust theoretical reviews. The results have highlighted the following advances: the introduction of intelligent tutoring systems, recognition systems to identify students in online training, security systems in the designs of smart campuses, the personalization of education, and some future trends, such as virtual and augmented reality combined with AI. It is worth noting the importance given to ethical issues related to the use of AI in the assessment of university students.</jats:p> <jats:p xml:lang="es">La introducción de la inteligencia artificial (IA) ha supuesto el comienzo de la cuarta revolución industrial y la génesis de un cambio de paradigma en proceso enseñanza-aprendizaje. La IA se ha aplicado en la planificación y diseño de la enseñanza, en la evaluación y tutorización del estudiante, en el contenido curricular, integrándola en la creación de campus inteligentes y laboratorios computacionales. En este artículo se realiza un análisis sistemático de la literatura existente en Scopus analizando la aplicación de la IA en la educación y la evaluación de resultados de aprendizaje en la Universidad, en la última década. El método ha estado basado en las recomendaciones dadas por García-Peñalvo, F. J. en su artículo de 2022 (García-Peñalvo, 2022) para realizar revisiones teóricas robustas. Los resultados han destacado los siguientes avances: la introducción de sistemas de tutorización inteligentes, sistemas de reconocimiento para identificar al discente en formación online, sistemas de seguridad en los diseños del campus inteligente, la personalización de la educación y algunas tendencias futuras, como la realidad virtual y aumentada combinada con IA. Es de destacar la importancia que se le concede a las cuestiones éticas relacionadas con el uso de la IA en la evaluación del estudiante universitario.</jats:p>