Enmarcando las aplicaciones de IA generativa como herramientas para la cognición en educación

PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Nº 71 - SEPTIEMBRE- 2024 https://revistapixelbit.com Píxel-Bit. Revista de Medios y Educación. 2024 - ISSN: 1133-8482. e-ISSN: 2171-7966. PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN SEPTIEMBRE 2 0 2 4 EQUIPO EDITORIAL (EDITORIAL BOARD) EDITOR JEFE (EDITOR IN CHIEF) Nº 71 Dr. Julio Cabero Almenara, Departamento de Didáctica y Organización Educativa, Facultad de CC de la Educación, Director del Grupo de Investigación Didáctica. Universidad de Sevilla (España) EDITOR ADJUNTO (ASSISTANT EDITOR) Dr. Juan Jesús Gutiérrez Castillo, Departamento de Didáctica y Organización Educativa. Facultad de CC de la Educación, Universidad de Sevilla (España) Dr. Óscar M. Gallego Pérez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) EDITORES ASOCIADOS Dra. Urtza Garay Ruiz, Universidad del País Vasco. (España) Dra. Ivanovnna Milqueya Cruz Pichardo, Pontificia Universidad Católica Madre y Maestra. (República Dominicana) Dra. Carmen Llorente Cejudo, Universidad de Sevilla (España) CONSEJO METODOLÓGICO Dr. José González Such, Universidad de Valencia (España) Dr. Antonio Matas Terrón, Universidad de Málaga (España) Dra. Cynthia Martínez-Garrido, Universidad Autónoma de Madrid (España) Dr. Luis Carro Sancristóbal, Universidad de Valladolid (España) Dra. Nina Hidalgo Farran, Universidad Autónoma de Madrid (España) CONSEJO DE REDACCIÓN Dra. María Puig Gutiérrez, Universidad de Sevilla. (España) Dra. Sandra Martínez Pérez, Universidad de Barcelona (España) Dr. Selín Carrasco, Universidad de La Punta (Argentina) Dr. Jackson Collares, Universidades Federal do Amazonas (Brasil) Dra. Kitty Gaona, Universidad Autónoma de Asunción (Paraguay) Dr. Vito José de Jesús Carioca. Instituto Politécnico de Beja Ciencias da Educación (Portugal) Dra. Elvira Esther Navas, Universidad Metropolitana de Venezuela (Venezuela) Dr. Angel Puentes Puente, Pontificia Universidad Católica Madre y Maestra. Santo Domingo (República Dominicana) Dr. Fabrizio Manuel Sirignano, Università degli Studi Suor Orsola Benincasa (Italia) Dra. Sonia Aguilar Gavira. Universidad de Cádiz (España) Dra. Eloisa Reche Urbano. Universidad de Córdoba (España) CONSEJO TÉCNICO Dra. Raquel Barragán Sánchez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Dr. Antonio Palacios Rodríguez, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Dr. Manuel Serrano Hidalgo, Grupo de Investigación Didáctica, Universidad de Sevilla (España) Diseño de portada: Dña. Lucía Terrones García, Universidad de Sevilla (España) Revisor/corrector de textos en inglés: Dra. Rubicelia Valencia Ortiz, MacMillan Education (México) Revisores metodológicos: evaluadores asignados a cada artículo CONSEJO CIENTÍFICO Jordi Adell Segura, Universidad Jaume I Castellón (España) Ignacio Aguaded Gómez, Universidad de Huelva (España) María Victoria Aguiar Perera, Universidad de Las Palmas de Gran Canaria (España) Olga María Alegre de la Rosa, Universidad de la Laguna Tenerife (España) Manuel Área Moreira, Universidad de la Laguna Tenerife (España) Patricia Ávila Muñoz, Instituto Latinoamericano de Comunicación Educativa (México) María Paz Prendes Espinosa, Universidad de Murcia (España) Angel Manuel Bautista Valencia, Universidad Central de Panamá (Panamá) Jos Beishuizen, Vrije Universiteit Amsterdam (Holanda) Píxel-Bit. Revista de Medios y Educación. 2023 - ISSN: 1133-8482. e-ISSN: 2171-7966. Florentino Blázquez Entonado, Universidad de Extremadura (España) Silvana Calaprice, Università degli studi di Bari (Italia) Selín Carrasco, Universidad de La Punta (Argentina) Raimundo Carrasco Soto, Universidad de Durango (México) Zulma Cataldi, Universidad de Buenos Aires (Argentina) Luciano Cecconi, Università degli Studi di Modena (Italia) Jean-François Cerisier, Université de Poitiers, Francia Jordi Lluís Coiduras Rodríguez, Universidad de Lleida (España) Jackson Collares, Universidades Federal do Amazonas (Brasil) Enricomaria Corbi, Università degli Studi Suor Orsola Benincasa (Italia) Marialaura Cunzio, Università degli Studi Suor Orsola Benincasa (Italia) Brigitte Denis, Université de Liège (Bélgica) Floriana Falcinelli, Università degli Studi di Perugia (Italia) Maria Cecilia Fonseca Sardi, Universidad Metropolitana de Venezuela (Venezuela) Maribel Santos Miranda Pinto, Universidade do Minho (Portugal) Kitty Gaona, Universidad Autónoma de Asunción (Paraguay) María-Jesús Gallego-Arrufat, Universidad de Granada (España) Lorenzo García Aretio, UNED (España) Ana García-Valcarcel Muñoz-Repiso, Universidad de Salamanca (España) Antonio Bautista García-Vera, Universidad Complutense de Madrid (España) José Manuel Gómez y Méndez, Universidad de Sevilla (España) Mercedes González Sanmamed, Universidad de La Coruña (España) Manuel González-Sicilia Llamas, Universidad Católica San Antonio-Murcia (España) António José Meneses Osório, Universidade do Minho (Portugal) Carol Halal Orfali, Universidad Tecnológica de Chile INACAP (Chile) Mauricio Hernández Ramírez, Universidad Autónoma de Tamaulipas (México) Ana Landeta Etxeberría, Universidad a Distancia de Madrid (UDIMA) Linda Lavelle, Plymouth Institute of Education (Inglaterra) Fernando Leal Ríos, Universidad Autónoma de Tamaulipas (México) Paul Lefrere, Cca (UK) Carlos Marcelo García, Universidad de Sevilla (España) Francois Marchessou, Universidad de Poittiers, París (Francia) Francesca Marone, Università degli Studi di Napoli Federico II (Italia) Francisco Martínez Sánchez, Universidad de Murcia (España) Ivory de Lourdes Mogollón de Lugo, Universidad Central de Venezuela (Venezuela) Angela Muschitiello, Università degli studi di Bari (Italia) Margherita Musello, Università degli Studi Suor Orsola Benincasa (Italia) Elvira Esther Navas, Universidad Metropolitana de Venezuela (Venezuela) Trinidad Núñez Domínguez, Universidad de Sevilla (España) James O’Higgins, de la Universidad de Dublín (UK) José Antonio Ortega Carrillo, Universidad de Granada (España) Gabriela Padilla, Universidad Autónoma de Tumalipas (México) Ramón Pérez Pérez, Universidad de Oviedo (España) Angel Puentes Puente, Pontificia Universidad Católica Madre y Maestra. Santo Domingo (República Dominicana) Juan Jesús Gutiérrez Castillo, Universidad de Sevilla (España) Julio Manuel Barroso Osuna, Universidad de Sevilla (España) Rosalía Romero Tena. Universidad de Sevilla (España) Hommy Rosario, Universidad de Carabobo (Venezuela) Pier Giuseppe Rossi, Università di Macerata (Italia) Jesús Salinas Ibáñez, Universidad Islas Baleares (España) Yamile Sandoval Romero, Universidad de Santiago de Cali (Colombia) Albert Sangrá Morer, Universidad Oberta de Catalunya (España) Ángel Sanmartín Alonso, Universidad de Valencia (España) Horacio Santángelo, Universidad Tecnológica Nacional (Argentina) Francisco Solá Cabrera, Universidad de Sevilla (España) Jan Frick, Stavanger University (Noruega) Karl Steffens, Universidad de Colonia (Alemania) Seppo Tella, Helsinki University (Finlandia) Hanne Wacher Kjaergaard, Aarhus University (Dinamarca) Píxel-Bit. Revista de Medios y Educación. 2023 - ISSN: 1133-8482. e-ISSN: 2171-7966. FACTOR DE IMPACTO (IMPACT FACTOR) SCOPUS Q1 Education: Posición 236 de 1406 (83% Percentil). CiteScore Tracker 2022: 5,6 - Journal Citation Indicator (JCI). Emerging Sources Citation Index (ESCI). Categoria: Education & Educational Research. Posición 257 de 739. Cuartil Q2 (Percentil: 65.29) - FECYT: Ciencias de la Educación. Cuartil 1. Posición 16. Puntuación: 35,68- DIALNET MÉTRICAS (Factor impacto 2021: 1.72. Q1 Educación. Posición 12 de 228) - REDIB Calificación Glogal: 29,102 (71/1.119) Percentil del Factor de Impacto Normalizado: 95,455- ERIH PLUS - Clasificación CIRC: B- Categoría ANEP: B - CARHUS (+2018): B - MIAR (ICDS 2020): 9,9 - Google Scholar (global): h5: 42; Mediana: 42 - Journal Scholar Metric Q2 Educación. Actualización 2016 Posición: 405a de 1,115- Criterios ANECA: 20 de 21 - INDEX COPERNICUS Puntuación ICV 2019: 95.10 Píxel-Bit, Revista de Medios y Educación está indexada entre otras bases en: SCOPUS, Fecyt, DOAJ, Iresie, ISOC (CSIC/CINDOC), DICE, MIAR, IN-RECS, RESH, Ulrich’s Periodicals, Catálogo Latindex, Biné-EDUSOL, Dialnet, Redinet, OEI, DOCE, Scribd, Redalyc, Red Iberoamericana de Revistas de Comunicación y Cultura, Gage Cengage Learning, Centro de Documentación del Observatorio de la Infancia en Andalucía. Además de estar presente en portales especializados, Buscadores Científicos y Catálogos de Bibliotecas de reconocido prestigio, y pendiente de evaluación en otras bases de datos. EDITA (PUBLISHED BY) Grupo de Investigación Didáctica (HUM-390). Universidad de Sevilla (España). Facultad de Ciencias de la Educación. Departamento de Didáctica y Organización Educativa. C/ Pirotecnia s/n, 41013 Sevilla. Dirección de correo electrónico: [email protected] . URL: https://revistapixelbit.com/ ISSN: 1133-8482; e-ISSN: 2171-7966; Depósito Legal: SE-1725-02 Formato de la revista: 16,5 x 23,0 cm Los recursos incluidos en Píxel Bit están sujetos a una licencia Creative Commons Attribution-NonCommercial- ShareAlike 4.0 Unported (Reconocimiento-NoComercial-CompartirIgual)(CC BY-NC-SA 4.0), en consecuencia, las acciones, productos y utilidades derivadas de su utilización no podrán generar ningún tipo de lucro y la obra generada sólo podrá distribuirse bajo esta misma licencia. En las obras derivadas deberá, asimismo, hacerse referencia expresa a la fuente y al autor del recurso utilizado. ©2024 Píxel-Bit. No está permitida la reproducción total o parcial por ningún medio de la versión impresa de Píxel-Bit. Píxel-Bit. Revista de Medios y Educación. 2023 - ISSN: 1133-8482. e-ISSN: 2171-7966. Nº 70 PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Índice MONOGRÁFICO S E P T I E M B R E 2 0 2 4 1.- Percepciones de autoeficacia en docentes en formación en España: un estudio de caso de microenseñanza utilizando realidad virtual inmersiva // Self-efficacy beliefs in Spanish pre-service teachers: a microteaching case study using immersive virtual reality María Esther Rodríguez-Gil, Bianca Manuela Sandu, Beatriz Santana-Perera 2.- Explorando tendencias sociales en las discusiones sobre cohousing y coliving en X(Twitter) mediante el uso de técnicas de PNL y de análisis de texto // Exploring social trends in cohousing and coliving discussions on X(Twitter) using NLP and Text Analysis Techniques Rafael Sosa-Ramírez, Esteban Vázquez-Cano, Norberto Díaz-Díaz, Eloy López-Meneses 3.- Enmarcando las aplicaciones de IA generativa como herramientas para la cognición en educación // Framing Generative AI applications as tools for cognition in education Marc Fuertes-Alpiste 4.- An Assessment of Technological Pedagogical Content Knowledge (TPACK) among Pre-service Teachers: A Rasch Model Measurement // Evaluación del conocimiento tecnológico pedagógico del contenido (TPACK) entre los profesores en formación: modelo de medición Rasch Komarudin Komarudin, Suherman Suherman 5.- Rasch Measurement Validation of an Assessment Tool for Measuring Students’ Creative Problem- Solving through the Use of ICT // Validación de una Herramienta de Evaluación Basada en el Modelo Rasch para Medir la Resolución Creativa de Problemas en Estudiantes Mediante el Uso de TIC Farida Farida, Yosep Aspat Alamsyah, Bambang Sri Anggoro, Tri Andari, Restu Lusiana 6.- Influencia de la Realidad Virtual en el rendimiento académico en Educación Secundaria a través de un meta-análisis // Influence of Virtual Reality on Academic Performance in Secondary Education Through a Meta-Analysis Juan José Victoria-Maldonado, Arturo Fuentes-Cabrera, José Fernández-Cerero, Fernando José Sadio-Ramos 7.- Tecnologías abiertas e inclusivas en la complejidad del futuro de la educación: diseño de modelo basado en investigación // Open and Inclusive Technologies in the Complexity of the Future of Education: Designing a Research-Based Model María Soledad Ramírez-Montoya, Inés Álvarez-Icaza, Joanne Weber, Fidel Antonio Guadalupe Casillas- Muñoz 8.- El uso de ChatGPT en la escritura académica: Un estudio de caso en educación // The use of ChatGPT in academic writing: A case study in Education Kevin Baldrich, Juana Celia Domínguez-Oller 9.- Inteligencia artificial: revolución educativa innovadora en la Educación Superior // Artificial Intelligence: innovative educational revolution in Higher Education Virginia Villegas-José, Manuel Delgado-García 10.- Análisis de la competencia digital en profesores de educación primaria en relación con los factores de género, edad y experiencia // Analysis of Digital Competence in Elementary School teachers according to their socio-demographic factors and experience Issac González-Medina, Eufrasio Pérez-Navío, Óscar Gavín Chocano 7 25 42 59 83 107 123 143 159 171 Píxel-Bit. Revista de Medios y Educación. 2024 - ISSN: 1133-8482. e-ISSN: 2171-7966. Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 Enmarcando las aplicaciones de IA generativa como herramientas para la cognición en educación Framing Generative AI applications as tools for cognition in education Dr. Marc Fuertes-Alpiste Profesor agregado. Universitat de Barcelona. España Recibido: 2024/04/06; Revisado: 2024/04/29; Aceptado: 2024/07/01; Online First: 2024/07/05; Publicado: 2024/09/01 RESUMEN Las aplicaciones de IA generativa permiten funciones útiles para el aprendizaje basadas en la generación de contenido. Este artículo ofrece un marco teórico para entenderlas como herramientas para la cognición (HPC), basado en la perspectiva de la teoría sociocultural, la teoría de la actividad y la cognición distribuida. Esta perspectiva ejemplifica cómo el pensamiento no sólo está empaquetado dentro de la mente, sino que se distribuye entre sujetos, objetos y artefactos, donde las herramientas median la actividad humana y ayudan en las funciones ejecutivas del pensamiento. Encarna una visión en la que los alumnos construyen su conocimiento con ellas, aprovechando sus posibilidades de acción. Es la concepción de aprender "con" la tecnología en lugar de la visión tradicional de aprender "de" la tecnología, donde las aplicaciones tecnológicas se limitan a proporcionar información y a evaluar las respuestas de los estudiantes. Finalmente, describimos las aplicaciones de IA generativa como HPC siguiendo los criterios pragmáticos y pedagógicos de David Jonassen, como la capacidad de representación del conocimiento, la facilitación del pensamiento crítico y significativo (basado en preguntas y prompts) y cómo permiten el pensamiento complejo entre estudiantes cuando se utilizan en tareas de aprendizaje, solamente cuando las funciones ejecutivas las realizan ellos. ABSTRACT Generative AI applications enable different useful functions for learning based on the generation of content. This paper aims to offer a theoretical framework to understand them as tools for cognition (TFC), framed in the perspective of sociocultural theory and activity theory and distributed cognition. This perspective exemplifies how thought is not only packaged inside the individual's mind, but is distributed among subjects, objects, and artifacts, where tools mediate human activity and help in the executive functions of thought. The perspective of TFC embodies an educational socio-constructivist vision where learners build their knowledge with these tools, taking advantage of their affordances. It is the concept of learning "with" technology instead of the traditional vision of learning "from" technology, where technological applications are limited to providing information and evaluating the students' responses. Finally, we describe Generative AI applications as HPC following David Jonassen's pragmatic and pedagogical criteria, i.e. the capacity of knowledge representation of different subjects, the facilitation of critical and meaningful thinking (based on questioning and prompting) and how they enable complex thinking among students when used in learning tasks, only when executive functions are on the side of the learner. PALABRAS CLAVES · KEYWORDS Inteligencia artificial; cognición; procesos de aprendizaje; pensamiento crítico; usos de los ordenadores en educación Artificial intelligence; cognition; learning processes; critical thinking; computer uses in education Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 PÁGINA | 43 1. Introducción Las aplicaciones de inteligencia artificial generativa (en adelante IA generativa) tienen un interés creciente en la investigación educativa y se presentan como una oportunidad para personalizar el aprendizaje, como un medio de asistencia personal y como apoyos cognitivos para el pensamiento de orden superior, pero también como una fuente de problemas y sesgos éticos, falta de integridad académica, problemas de privacidad y difusión de información falsa (Crompton & Burke, 2024; Mishra et al., 2024; Walter, 2024). Según la UNESCO, la IA generativa es "(...) una tecnología de inteligencia artificial (IA) que genera automáticamente contenido en respuesta a indicaciones escritas en interfaces conversacionales de lenguaje natural" (Miao & Holmes, 2024, p.8). Además, utiliza diversas tecnologías de IA para crear contenidos en diversos formatos multimedia (Schellaert et al., 2023). Esta capacidad de generar contenido que sea plausible para las personas es lo que diferencia la IA generativa de las tecnologías de IA del pasado, junto con la dimensión social que se deriva de su propia interfaz: que se basa en el lenguaje natural, y nos comunicamos con ella a través de chats o con nuestra propia voz. Toma la forma de un agente humano con el que los usuarios se relacionan utilizando una característica propiamente humana: el lenguaje (Garcia Brustenga et al., 2018; Mishra et al. 2024). Existen varias aplicaciones de IA generativa que habilitan diferentes funciones útiles en educación basadas en la generación de contenidos (como ChatGPT, Copilot etc.), ya sea para crear, estructurar, sintetizar, reformular textos o ideas, por parte del alumnado y/o por parte del profesorado, de forma individual y/o colectiva. Las hay que nos guían en la búsqueda de bibliografía (Perplexity), resumen contenido (Scribe, Claude), descomponen tareas complejas en pequeños pasos (Goblin Tools), ayudan con la escritura de código (GitHub Copilot, AlphaCode), y generan contenido en multiplicidad de medios (DALL-E, Sora, Synthesia), entre otras. Estas posibilidades de aplicación de la IA generativa han sido evaluadas desde el ámbito educativo. Por ejemplo, un informe de la UNESCO de abril de 2023 identificó su uso en educación superior como una ayuda para refinar ideas, como un tutor experto y para el aprendizaje y la enseñanza de los estudiantes, etc. (Sabzilieva & Valentini, 2023). La revisión sistemática de la investigación de Crompton y Burke (2024) identificó sus usos docentes, como el apoyo a la enseñanza y la automatización de tareas, pero también para el aprendizaje de los estudiantes, como mejora en la accesibilidad, la explicación de conceptos difíciles, la actuación como interlocutor, la provisión de retroalimentación personalizada, el apoyo a la escritura, la autoevaluación y para facilitar procesos de participación y de autodeterminación. Dada la importancia que tienen en el debate educativo actual, este trabajo pretende ofrecer un marco teórico para entender las aplicaciones de la IA generativa como herramientas cognitivas, mindtools o herramientas para la cognición (HPC, en adelante) - que parte de la visión de Gavriel Salomon, Roy D. Pea, Howard Rheingold, David Jonassen, entre otros introductores del concepto a finales del siglo XX-, enmarcado en una perspectiva de la teoría sociocultural, la teoría de la actividad y la cognición distribuida. En este momento, se necesitan marcos teóricos para la integración de la IA generativa en educación, que guíen los esfuerzos de investigación y que puedan contribuir a la evolución de estas teorías de la IA en educación (Dawson et al., 2023). Pero también deben estructurar una visión de la educación que sitúe al estudiante en el centro del proceso de aprendizaje, que potencie su agencia (entendida como la capacidad de acción), su autonomía en las funciones ejecutivas de la cognición y de pensamiento crítico, y que no se convierta en un Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 PÁGINA | 44 docente artificial o en un sistema tutorial inteligente. Esto último, creemos, sería una perspectiva limitante. Pretendemos proporcionar conocimiento teórico que informe sobre cómo integrar de manera efectiva las aplicaciones de IA generativa en nuestra práctica educativa. El conocimiento de las filosofías de la educación, que ayudan a dar forma a nuestros puntos de vista, nos proporciona una conciencia de las mejores opciones tecnológicas para obtener los mejores resultados para nuestros alumnos. Esto es lo que subyace a nuestra visión de la educación y de la tecnología y lo que le da coherencia y consistencia (Kanuka, 2008). 2. Aprender con tecnología: la perspectiva de las HPC en educación El uso de las tecnologías digitales en educación para mejorar los procesos de enseñanza y aprendizaje ha sido estudiado desde su aparición y diseminación. Derry y Lajoie (1993), Salomon et al. (1991) y Jonassen (1996), distinguieron dos formas de integración de la tecnología en educación: aprender de la tecnología y aprender con la tecnología, y por simple que parezca, la diferencia en el uso de estas dos preposiciones es enorme. Con los primeros ordenadores, se desarrolló la enseñanza asistida por ordenador (EAO) y los sistemas de tutoría inteligentes (STI). Estos seguían enfoques conductistas (basados en el estímulo-respuesta y en el refuerzo de conductas) y cognitivistas (considerando cómo nuestro proceso de pensamiento se relaciona con la memoria de trabajo, la memoria a largo plazo, los esquemas en nuestros conocimientos previos, la recuperación de la memoria y la retroalimentación elaborada y la personalización del aprendizaje). Este enfoque de aprendizaje se basa en aprender de la tecnología, donde la tecnología juega el papel de docente, el que da la información (el input) y la retroalimentación, reproduciendo así el enfoque educativo tradicional -centrado en el profesor-, donde la agencia de aprendizaje de los estudiantes es baja. Por otro lado, el enfoque de aprender con la tecnología está centrado en el alumno, y se caracteriza por utilizar la tecnología como una herramienta, destinada a hacer algo con ella, y no como un tutor digital. Por lo tanto, desde esta perspectiva, la cognición recae en el lado del estudiante, que aprovecha las posibilidades de las herramientas digitales para hacer algo que sin ellas no sería posible (o por lo menos, sería más difícil). Esta perspectiva tiene sus raíces en el enfoque constructivista de enseñanza y aprendizaje, el cual entiende que los docentes diseñan actividades centradas en el estudiante con objetivos pedagógicos preestablecidos en las que los estudiantes tienen que construir su propio aprendizaje. De acuerdo con Iiyoshi et al. (2005), esto se lleva a cabo a través de cinco procesos cognitivos diferentes: búsqueda de información, presentación de información, organización del conocimiento, integración del conocimiento y generación de conocimiento. Derivado de ello, los docentes también pueden adoptar una perspectiva construccionista, donde la actividad del alumnado se orienta a la creación de artefactos, desplegando su creatividad (Papert, 1982), o un enfoque socioconstructivista de aprendizaje, donde los estudiantes interactúan activamente con el entorno y/o con sus iguales y/o con los docentes para construir su aprendizaje. Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 PÁGINA | 51 Para ello, el uso de estas aplicaciones como HPC debe orientarse a la actividad y, por tanto, a sus objetivos. Esto significa que el alumno debe proporcionar indicaciones a la herramienta y refinarlas críticamente para obtener los mejores resultados. Eager y Brunton (2023) propusieron un proceso de prompts que comienza con el establecimiento de un objetivo y una especificación de la forma que debe adoptar la respuesta, escribiendo el prompt y probarlo e iterarlo hasta obtener el resultado deseado. Proporcionar buenos prompts (a lo que se refiere la ingeniería de prompts) es una habilidad deseable para la alfabetización en IA y para aprovechar las aplicaciones de IA generativa para el aprendizaje, ya que requiere una cadena lógica de razonamiento (Knoth et al., 2024). Al tener que dar una instrucción (el prompt) a la aplicación para provocar una respuesta, el estudiante debe utilizar un lenguaje simple y claro, dando ejemplos para modelar el resultado deseado, proporcionar contexto y, lo que es más importante, refinar e iterar, cuando sea necesario, manteniendo también un comportamiento ético y responsable (Miao & Holmes, 2023). Es importante fomentar la alfabetización en IA incluyendo la ingeniería de prompts para comprender qué funciona mejor para generar respuestas adecuadas, lo que implica pensar de forma crítica y creativa. Esto se puede hacer con un prompt único y genérico para obtener una respuesta genérica (los zero-shot prompts) o con un prompt que el usuario va afinando con ejemplos que debería de contener la respuesta, hasta obtener la adecuada (los few-shot prompts). Se trata de prompts de entrada-salida, pero también podemos desarrollar prompts de cadena de pensamiento (chain of thought prompts) donde se le pide al programa que explique el resultado paso a paso, para que pueda evaluarse a fondo y contribuir a cultivar el pensamiento crítico en educación (Walter, 2024). Además, a la hora de escribir prompts, es necesario que el usuario posea una buena base de conocimiento del contenido para poder evaluar las respuestas o resultados obtenidos, que se suman a las habilidades de pensamiento crítico necesarias para verificarlas y a la necesaria iteración del refinamiento del prompt (Cain, 2024; Eager y Brunton, 2023). Este es el conocimiento (habilidades, actitudes y disposiciones) requerido para aprender hechos, y es la base de conocimiento para el pensamiento crítico y el pensamiento creativo (Jonassen 1996; Perkins, 1993). Las habilidades de pensamiento complejo, como la resolución de problemas, el diseño y la toma de decisiones, que son funciones ejecutivas de la cognición, pueden apoyarse en herramientas (Perkins, 1993). 7. Permiten la transferencia de aprendizaje: Según Jonassen (1996), la transferencia de aprendizaje está directamente relacionada con la resolución de problemas, por lo que cualquier pensamiento que promuevan las aplicaciones de IA generativa facilita la resolución de problemas y la transferencia de aprendizaje. Las HPC son herramientas generalizables y se pueden utilizar en diferentes entornos para facilitar la cognición (Kirschner & Erkens, 2006). Por su parte, las aplicaciones de IA generativa no dependen de un dominio de conocimiento concreto, por lo que puede ocurrir una transferencia de habilidades entre dominios distintos, como ocurre con la escritura de prompts para interactuar con estos sistemas (Walter, 2024). Cuando hablamos de los efectos con y los efectos de la tecnología (Salomon, 1993), nos referimos a que es deseable lograr una transferencia de habilidades desde la colaboración cognitiva donde la persona se va volviendo más autónoma con el tiempo. Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 PÁGINA | 52 8. Permiten un formalismo de pensamiento simple y potente: El uso de aplicaciones de IA generativa como HPC significa una implicación en actividades complejas que promuevan el pensamiento profundo, y no actividades de estímulo-respuesta, o que funcionen como agentes inteligentes tutoriales (con agencia). Esta colaboración no sólo se basa en el aumento de la acción, sino también en la reorganización de la actividad. Este es el caso del estudio de Nguyen et al. (2024) sobre el uso de una herramienta de escritura de IA generativa para estudiantes de doctorado, donde las iteraciones e interacciones con la herramienta mostraron un mejor rendimiento en la escritura en comparación con aquellos estudiantes que únicamente usaron la herramienta como fuente de información. Un estudio de educación en enfermería (Simms, 2024) que utilizaba IA generativa mostró que los estudiantes podían reflexionar sobre sus preguntas, sobre las respuestas obtenidas y sobre la toma de decisiones en la resolución de problemas (estas son funciones ejecutivas). Por lo tanto, su uso contribuyó a un proceso constructivista de creación de significado. 9. Son fáciles de aprender: Las aplicaciones de IA generativa tienen una carga cognitiva intrínseca manejable que afecta positivamente al aprendizaje. De hecho, cuando se utilizan en una tarea de aprendizaje, deberían ayudar a aumentar la carga cognitiva pertinente para mejorar el proceso de adquisición de nuevos conocimientos en la memoria a largo plazo. Estas herramientas se basan en una interfaz en forma de chatbox, que es común en otras aplicaciones populares de comunicación digital. No hay una carga cognitiva que afecte a su adopción como HPC, únicamente el peligro de entenderlas y adoptarlas como agentes inteligentes fiables de los que aprender. Por ello, la alfabetización en IA debe añadirse en los marcos de competencia digital docente como Digcompedu (Punie & Redecker, 2017) para que tanto los educadores como los estudiantes puedan aprovechar los beneficios de las aplicaciones de IA generativa y evitar sus deficiencias. 6. Conclusiones Hemos ofrecido un marco teórico que sitúa las aplicaciones de la IA generativa bajo la perspectiva de las HPC en educación. Las HPC no son un tipo específico de tecnología, sino un concepto o una metáfora sobre cómo integrar la tecnología en los procesos de enseñanza y aprendizaje para potenciar el aprendizaje constructivista y/o socioconstructivista, donde los estudiantes las utilizan como herramientas destinadas a aprender con ellas, estableciendo una colaboración cognitiva, y donde ellos tienen el papel principal y la agencia, no la herramienta. Esta es la visión opuesta del aprender de las aplicaciones de IA generativa. La teoría sociocultural y la teoría de la actividad funcionan como marco teórico general para entender las herramientas digitales como medios para la actividad distribuida entre personas, contexto y herramientas. Existe una distribución de la cognición entre la persona y las HPC para poder ir más allá en un sistema conjunto de persona(s)-herramienta(s). Sin ellas, la tarea podría ser difícil o incluso imposible de llevar a cabo. Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 PÁGINA | 53 Las aplicaciones de IA generativa cumplen con los requisitos prácticos y pedagógicos identificados por David Jonassen (1996) para funcionar como HPC. De este modo, hemos actualizado la clasificación anterior de "mindtools" propuesta por Jonassen agregando estas herramientas específicas de IA. Estas destacan como HPC para el pensamiento crítico basado en los prompts. Para convertirse en HPC, necesitan que se les dé un propósito para alcanzar un objetivo, alguna forma de motivación para la actividad de aprendizaje. Si queremos aprovechar su potencial en educación, es necesario entender sus posibilidades de acción (las affordances) que pueden promover el aprendizaje. La perspectiva de las HPC redirige la práctica educativa desde el individuo sin herramientas, o desde el individuo que utiliza la tecnología que actúa como un tutor artificial (la visión tradicional de la educación centrada en el profesor), hacia el reconocimiento de la colaboración cognitiva entre los estudiantes y las HPC. No es que tengamos la posibilidad de incluir su uso en a educación, sino que debemos fomentarlo activamente para un futuro de colaboraciones cognitivas que dotarán a los estudiantes de competencias y habilidades que van a encontrar en su futura vida profesional (DeFalco y Sinatra, 2019; IFTF, 2017; Perkins, 1993), y que no se basarán en la persona-solista de la que hablaba Perkins (1993). Las herramientas digitales solo deben utilizarse para el dominio de habilidades y competencias y no para que nos sustituyan en su dominio y aplicación (Salomon, 1993). Las HPC deben ayudar a los estudiantes a pensar, no a apoderarse de su cognición simplemente descargándola o haciendo todo el trabajo por ellos. No deben realizar las funciones ejecutivas de los estudiantes (por ejemplo, la toma de decisiones), sino facilitar un pensamiento más profundo aprovechando sus acciones epistémicas (Kim y Reeves, 2007). Es fundamental que cuando se utilicen en entornos educativos, los docentes diseñen actividades que las integren, pero asegurando que los estudiantes las usarán para revisar sus inputs y outputs, para refinar las instrucciones (los prompts) y, finalmente, mejorar sus habilidades de pensamiento crítico, porque las respuestas que obtenemos de las aplicaciones de IA generativa pueden ser opacas (Bearman & Ajjawi, 2023). Todavía estamos en las primeras etapas de la integración de las aplicaciones de IA generativa en procesos de enseñanza y aprendizaje y de conocer sus posibilidades para la cognición distribuida. Se necesitan más investigaciones para arrojar luz sobre estas posibles cogniciones distribuidas, para identificar el uso de sus acciones epistémicas. Referencias Akata, Z., Balliet, D., de Rijke, M., Dignum, F., Dignum, V., Eiben, G., Fokkens, A., Grossi, D., Hindricks, K., Hoos, H., Hung, H., Jonker, C., Monz, C., Neerincx, M., Oliehoek, F., Prakken, H., Schlobach, S., van der Gaag, L., ..., Welling, M. (2020). A Research Agenda for Hybrid Intelligence: Augmenting Human Intellect with Collaborative, Adaptive, Responsible, and Explainable Artificial Intelligence. Computer, 53(8), pp.18-28, http://doi.org/10.1109/MC.2020.2996587 Alier, M., García-Peñalvo, F.J., & Camba, J.D. (2024). Generative Artificial Intelligence in Education: From Deceptive to Disruptive. International Journal of Interactive Multimedia and Artificial Intelligence, 8(5), pp. 5-14. https://doi.org/10.9781/ijimai.2024.02.011 Bakhurst, D. (2009). Reflections on activity theory. Educational Review, 61(2), 197–210. https://doi.org/10.1080/00131910902846916 Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 PÁGINA | 54 Bearman, M., & Ajjawi, R. (2023). Learning to work with the black box: Pedagogy for a world with artificial intelligence. British Journal of Educational Technology, 54, 1160–1173. https://doi.org/10.1111/bjet.13337 Cain, W. (2024). Prompting Change: Exploring Prompt Engineering in Large Language Model AI and Its Potential to Transform Education. TechTrends, 68, 47–57. https://doi.org/10.1007/s11528-023- 00896-0 Chomsky, N., Roberts, I., & Watumull, J. (2023, March 8). The false promise of ChatGPT. The New York Times. https://shorturl.at/gvmOw Clark, A., & Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7–19. https://shorturl.at/wj9RI Cole, M. & Engeström, Y. (1993). A cultural-historical approach to distributed cognition. In G. Salomon (ed.), Distributed cognitions. psychological and educational considerations (pp. 1-46). Cambridge University Press. Crompton, H., & Burke, D. (2024). The Educational Affordances and Challenges of ChatGPT: State of the Field. TechTrends 68, 380–392. https://doi.org/10.1007/s11528-024-00939-0 Dawson, S., Joksimovic, S., Mills, C., Gašević, D. & Siemens, G. (2023), Advancing theory in the age of artificial intelligence. British Journal of Educational Technology, 54, 1051-1056. https://doi.org/10.1111/bjet.13343 DeFalco, J.A. & Sinatra, A.M. (2019). Adaptive Instructional Systems: The Evolution of Hybrid Cognitive Tools and Tutoring Systems. In R. Sottilare, J. Schwarz (eds) Adaptive Instructional Systems. HCII 2019. Lecture Notes in Computer Science, vol. 11597. Springer, Cham. https://doi.org/10.1007/978-3-030-22341-0_5 Derry, S. J., & LaJoie, S. P. (1993). A middle camp for (un)intelligent instructional computing: An introduction. In S. P. Lajoie & S. J. Derry (Eds.), Computers as cognitive tools (pp. 1-14). Lawrence Erlbaum Associates. (pp.2-4). Dubé, A. K., & McEwen, R. N. (2017). Abilities and affordances: factors influencing successful child– tablet communication. Education Tech Research Dev. 65, 889–908 https://doi.org/10.1007/s11423-016-9493-y Eager, B., & Brunton, R. (2023). Prompting Higher Education Towards AI-Augmented Teaching and Learning Practice. Journal of University Teaching & Learning Practice, 20(5). https://doi.org/10.53761/1.20.5.02 Engestrm Y. & Sannino, A. (2021) From mediated actions to heterogenous coalitions: four generations of activity-theoretical studies of work and learning, Mind, Culture, and Activity, 28(1), 4-23, http://doi.org/10.1080/10749039.2020.1806328 Garcia Brustenga, G., Fuertes-Alpiste, M. & Molas-Castells, N. (2018). Briefing paper: chatbots in education. eLearning Innovation Center, Universitat Oberta de Catalunya. https:/doi.org/10.7238/elc.chatbots.2018 Gibson, J. J. (1979). The ecological approach to visual perception. Houghton Mifflin Company. Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 PÁGINA | 55 Gibson, E. J. (1989, July). Learning to perceive or perceiving to learn? Paper presented to the International Society for Ecological Psychology, Oxford. Holstein, K., Aleven, V., & Rummel, N. (2020). A Conceptual Framework for Human–AI Hybrid Adaptivity in Education. In: I. Bittencourt, M. Cukurova, K. Muldner, R. Luckin, E. Millán. (eds) Artificial Intelligence in Education. AIED 2020. Lecture Notes in Computer Science, vol 12163. Springer, Cham. https://doi.org/10.1007/978-3-030-52237-7_20 IFTF [Institute for the Future]. (2017). The next era of human / machine partnerships. Emerging technologies' impact on society and work 2030. Institute for the Future & Dell Technologies. https://shorturl.at/4DJUD Iiyoshi, T., Hannafin, M. J., & Wang, F. (2005). Cognitive tools and student-centered learning: rethinking tools, functions and applications, Educational Media International, 42(4), 281-296. https://doi.org/10.1080/09523980500161346 Järvelä, S., Nguyen, A., & Hadwin, A. (2023). Human and artificial intelligence collaboration for socially shared regulation in learning. British Journal of Educational Technology, 54, 1057–1076. https://doi.org/10.1111/bjet.13325 Jonassen, D. H. (1996). Computers in the classroom. Mindtools for critical thinking. Prentice Hall. Jonassen, D. H., Carr, C. Yueh, H. P., (1998). Computers as mindtools for engaging learners in critical thinking. TechTrends, 43(2), 32-35. https://doi.org/10.1007/BF02818172 Kanuka, H. (2008). Understanding e-learning technologies-in-practice through philosophies-in- practice. In T. Anderson (Ed.), The theory and practice of online learning (2nd ed., pp. 91–118). Athabasca University Press. Kim, B., & Reeves, T. C., (2007). Reframing research on learning with technology: in search of the meaning of cognitive tools. Instructional Science, 35, 207-256. https://doi.org/10.1007/s11251-006- 9005-2 Kirschner, P. A., & Erkens, G. (2006). Cognitive Tools and Mindtools for Collaborative Learning. Journal of Educational Computing Research, 35(2), 199-209. https://doi.org/10.2190/R783-230M- 0052-G843 Kirsh, D. & Maglio, P. (1994). On Distinguishing Epistemic from Pragmatic Action. Cognitive Science, 18, 513-549. https://doi.org/10.1207/s15516709cog1804_1 Knoth, N., Tolzin, A., Janson, A. & Leimeister, J. M. (2024). AI literacy and its implications for prompt engineering strategies. Computers and Education: Artificial Intelligence, 6, https://doi.org/10.1016/j.caeai.2024.100225 Kozulin, A. (2000). Instrumentos psicológicos. La educación desde una perspectiva sociocultural. Paidós. Lave, J. (1988). Cognition in practice. Cambridge University Press. Leontiev, A. N. (1978). Activity, consciousness, and personality. Prentice-Hall. Miao, F., & Holmes, W. [UNESCO] (2023). Guidance for generative AI in education and research. UNESCO Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 PÁGINA | 56 Mishra, P., Oster, N. & Henriksen, D. (2024). Generative AI, Teacher Knowledge and Educational Research: Bridging Short- and Long-Term Perspectives. TechTrends 68, 205–210. https://doi.org/10.1007/s11528-024-00938-1 Nguyen, A., Hong, Y., Dang, B., & Huang, X. (2024). Human-AI collaboration patterns in AI-assisted academic writing. Studies in Higher Education, 1–18. https://doi.org/10.1080/03075079.2024.232359 Norman, D. A. (1999). Affordance, conventions, and design. Interactions, 6(3), 38–43. Open AI (2024, May 10). Open AI. About. https://openai.com/about/ Papert, S. (1982). Mindstorms: children, computers and powerful ideas. Harvester Press. Pea, R. D. (1985). Beyond amplification: Using the computer to reorganize mental functioning. Educational Psychologist, 20(4), 167-182. https://doi.org/10.1207/s15326985ep2004_2 Pea, R. D. (1993). Practices of distributed intelligence and designs for education. In G. Salomon (ed.), Distributed cognitions. Psychological and educational considerations (pp. 47-87). Cambridge University Press. Perkins, D. N. (1993). Person-plus: a distributed view of thinking and learning. In G. Salomon (ed.), Distributed cognitions. Psychological and educational considerations (pp. 88-110). Cambridge University Press. Punie, Y., & Redecker, C (Eds.). (2017). European framework for the digital competence of educators: DigCompedu. Publications Office of the European Union. https://doi.org/10.2760/178382 Rheingold, H. (1985). Tools For Thought: The History and Future of Mind-Expanding Technology. The MIT Press. Sabzalieva E. & Valentini, A. [UNESCO] (2023). ChatGPT and artificial intelligence in higher education: quick start guide. UNESCO. Salomon, G. (1993). No distribution without individuals' cognition: a dynamic interactional view. In G. Salomon (ed.), Distributed cognitions. Psychological and educational considerations (pp. 111-138). Cambridge University Press. Salomon, G. & Perkins, D. (2005). Do technologies make us smarter? Intellectual amplification with, of and through technology. In R. Sternberg, R. and D. Preiss (eds.), Intelligence and Technology: The Impact of Tools on the Nature and Development of Human Abilities (pp. 71-86). Lawrence Erlbaum. Salomon, G., Perkins, D. N., & Globertson, T. (1991). Partners in cognition: Extending human intelligence with intelligent technologies. Educational Researcher, 20(3), 2-9. https://doi.org/10.3102/0013189X0200030 Schellaert, W., Martínez-Plumed, F., Vold, K., Burden, J., Casares, P., A. M., Sheng Loe, B., Reichart, R., Ó hÉigeartaigh, S., Korhonen, A., & Hernández-Orallo, J. (2023). Your Prompt is My Command: On Assessing the Human-Centred Generality of Multimodal Models. Journal of Artificial Intelligence Research, 77, 377-394. https://doi.org/10.1613/jair.1.14157 Scribner, S. & Cole, M. (1981). The psychology of literacy. Harvard University Press. Pixel-Bit. Revista de Medios y Educación, 71, 42-57 | 2024 | https://doi.org/10.12795/pixelbit.107697 PÁGINA | 57 Sharples, M. (2023). Towards social generative AI for education: theory, practices and ethics. Learning: Research and Practice, 9(2), 159–167. https://doi.org/10.1080/23735082.2023.2261131 Simms, Rachel Cox DNP, RN, FNP-BC. (2024). Work With ChatGPT, Not Against: 3 Teaching Strategies That Harness the Power of Artificial Intelligence. Nurse Educator, 49(3), 158-161. http://doi.org/10.1097/NNE.0000000000001634 Vygotsky, L. S. (1978). Mind in society. Harvard University Press. Walter, Y. (2024). Embracing the future of Artificial Intelligence in the classroom: the relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education, 21(15). https://doi.org/10.1186/s41239-024-00448-3 Wertsch, J. V. (1995). Vygotsky y la formación social de la mente. Paidós.