¿Coinciden la comunidad científica y la sociedad sobre el uso de la Inteligencia Artificial en educación?

PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Nº 72 - ENERO2025 https://revistapixelbit.com Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN ENERO 2 0 2 5 EQUIPO EDITORIAL (EDITORIAL BOARD) EDITOR JEFE (EDITOR IN CHIEF) Nº 72 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. 2025 - 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. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. FACTOR DE IMPACTO (IMPACT FACTOR) SCOPUS Q1 Education: Posición 236 de 1406 (83% Percentil). CiteScore Tracker 2023: 5,3 - Journal Citation Indicator (JCI). Emerging Sources Citation Index (ESCI). Categoría: Education & Educational Research. Posición 556 de 1506. Cuartil Q2 (Percentil: 65.29) – FECYT (2023): Ciencias de la Educación. Cuartil 1. Posición 12. Puntuación: 39,22DIALNET MÉTRICAS (Factor impacto 2022: 1.78. Q1 Educación. Posición 13 de 235) - REDIB Calificación Glogal: 29,102 (71/1.119) Percentil del Factor de Impacto Normalizado: 95,455ERIH PLUS - Clasificación CIRC: BCategoría ANEP: B - CARHUS (+2018): B - MIAR (ICDS 2020): 9,9 - Google Scholar (global): h5: 34; Mediana: 52 - Journal Scholar Metric Q2 Educación. Actualización 2016 Posición: 405a de 1,115Criterios 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-NonCommercialShareAlike 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. ©2025 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. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Nº 72 PIXEL-BIT REVISTA DE MEDIOS Y EDUCACIÓN Índice E N E R O 2 0 2 5 1.- Análisis de la Disposición Espacial de Contenido en entornos de Realidad Aumentada y su Efecto en la Carga Cognitiva de los Usuarios [Analysis of the Spatial Layout of Content in Augmented Reality Environments and its Effect on Users' Cognitive Load] Luis Eduardo Bautista, Fernanda Maradei, Gabriel Pedraza 2.- Evaluación de actitudes hacia la ciencia, tecnología, ingeniería y matemáticas (STEM) para fomentar la creatividad en la educación secundaria [Assessing Attitudes Toward Science, Technology, Engineering, and Mathematics (STEM) for Enhancing Creativity in Secondary Education] Mujib Mujib, Mardiyah Mardiyah 3.- Distinción entre textos de guion escritos por humanos y generados por IA: un estudio preliminar con estudiantes de Cine [Distinction between Screenplay Texts Written by Humans and Generated by AI: a Preliminary Study with Film Students] Javier Luri-Rodríguez, Elio Quiroga-Rodríguez 4.- Efecto mediador del autocontrol sobre la autoestima y el uso de Instagram en adolescentes. Relaciones con el rendimiento académico y el estrés tecnológico [Mediating effect of self-monitoring on selfesteem and Instagram use in adolescents. Relationships with academic performance and technological stress] Francisco José Rubio-Hernández, Adoración Díaz-López, Vanessa Caba-Machado, Elena GonzálezCalahorra 5.- Phubbing: edad y presencia en línea como condiciones necesarias [Phubbing: Age and Online Presence as Necessary Conditions] Antonio Matas-Terrón 6.- IA generativa versus profesores: reflexiones desde una revisión de la literatura [Generative AI vs. Teachers: insights from a literature review] Andres Chiappe, Carolina San Miguel, Fabiola Mabel Sáez Delgado 7.- ¿Coinciden la comunidad científica y la sociedad sobre el uso de la Inteligencia Artificial en educación? [Do the scientific community and society agree on the use of Artificial Intelligence in education?] Sonia Martín-Gómez, Ángel Bartolomé Muñoz de Luna 8.- La utilidad percibida del ChatGPT por parte del alumnado universitario [Perceived usefulness of ChatGPT by university students] Pablo Javier Ortega-Rodríguez, Francisco Javier Pericacho Gómez 9.- La hora del Booktok: caracterización de nuevos vídeos para la promoción lectora en el móvil [Booktok Time: Characterization of New Videos for Mobile Reading Promotion] José Rovira-Collado, Francisco Antonio Martínez-Carratalá, Sebastián Miras 10.- A Cómo potenciar el pensamiento crítico en la universidad a través de competencias en línea: evaluación de la información y la netiqueta: Un análisis en futuros docentes según el sexo // Critical thinking and skills in evaluating online information, a 21st century challenge: A gender analysis of prospective teachers Magalí Denoni Buján, Ana Cebollero Salinas 7 39 70 87 103 119 139 159 180 199 Píxel-Bit. Revista de Medios y Educación. 2025 - ISSN: 1133-8482. e-ISSN: 2171-7966. Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 ¿Coinciden la comunidad científica y la sociedad sobre el uso de la Inteligencia Artificial en educación? Do the scientific community and society agree on the use of Artificial Intelligence in education? Dra. Sonia Martín-Gómez Profesora adjunta. Universidad San Pablo CEU. Madrid. España Dr. Ángel Bartolomé Muñoz de Luna Profesor Titular. Vicerrector de Estudiantes y Vida Universitaria. Universidad San Pablo CEU. Madrid. España Recibido: 2024/06/04; Revisado: 2024/07/28; Aceptado: 2024/12/10; Online First: 2024/12/18; Publicado: 2025/01/07 RESUMEN El objetivo principal de esta investigación es explorar y comprender el desarrollo y la implementación de la Inteligencia Artificial (IA) en el contexto de la educación universitaria a nivel científico y a nivel social. Se va a usar una metodología sistemática de revisión de documentos científicos a partir de la base de datos Web Of Science (WOS), para la parte científica y un análisis de social listening para el ámbito social. El estudio bibliométrico, a través de la aplicación Rstudio Cloud, permite extraer un metaanálisis sobre el topic IA en educación superior, desde el año 2019 hasta la actualidad, consiguiendo, según directrices de la declaración PRISMA, una valoración de 32 artículos. Por su parte, la plataforma Brandwatch permite conocer lo que se habla en la red sobre el uso de IA en la educación superior, estudiando un total de 27.735 menciones, solo del último año. Comparando los resultados científicos y sociales, se alcanzan conclusiones sobre los desafíos actuales de la IA en la universidad, destacando que es necesario que los investigadores empiecen a analizar los efectos del buen uso de las herramientas de la IA como metodología docente, de forma que la sociedad pueda destacarlo también en sus menciones en redes. ABSTRACT The main objective of this research is to explore and understand the development and implementation of AI in the context of higher education at a scientific and social level, using a systematic methodology of reviewing scientific papers from the Web Of Science (WOS) database for the scientific part and a social listening analysis for the social field. The bibliometric study, through the Rstudio Cloud application, allows us to extract a meta-analysis on the topic of IA in higher education, from 2019 to the present, achieving an evaluation of 32 articles according to the guidelines of the PRISMA declaration. For its part, the Brandwatch platform allows us to find out what is being said online about the use of AI in higher education, studying a total of 27,735 mentions, only from the last year. By comparing the scientific and social results, conclusions are drawn on the current challenges of AI in universities, highlighting the need for researchers to start analysing the impact of the good use of AI tools as a teaching methodology, so that society can also highlight it in its mentions on the networks. PALABRAS CLAVES · KEYWORDS Inteligencia artificial; educación superior; cienciometría; menciones; escucha social Artificial intelligence; higher education; scientometrics; mentions; social listening Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 140 1. Introducción El uso de la Inteligencia Artificial (IA) se está incrementando en los últimos años, haciéndose notar en diversos campos como la medicina, las finanzas, el derecho, la industria y el entretenimiento (Salas-Pilco & Yang, 2022); por ello, el IoT (Internet de las cosas o red colectiva de dispositivos conectados que facilita la comunicación entre los dispositivos y la nube, así como entre los propios dispositivos) seguirá creciendo en los próximos años hasta alcanzar los 66.000 millones de unidades en 2026, con un 87% de usuarios que declaran que, una vez probados dichos dispositivos, ya no renunciarán a sus beneficios, según la segunda edición del Informe Things Matter 2019, elaborado por Telefónica. La evolución tecnológica de los últimos años impacta, positiva y/o negativamente, en las sociedades del mundo por lo que las personas ven afectados sus modus vivendi en el trabajo, en la salud, en la economía y, obviamente, en la educación y formación (Alonsode-Castro & García-Peñalvo, 2022). Esto significa que la IA se ha convertido en sinónimo de nuevas promesas, pero también hay que tener en cuenta los riesgos que conlleva la masificación de las tecnologías digitales en las diferentes esferas de la vida económica y social del siglo XXI, ya que se tiene la idea de que pondrá en peligro los puestos de trabajo de quienes no se adapten a esta nueva revolución tecnológica. En diversos estudios se intenta dimensionar el ritmo y profundidad de los cambios que se avecinan, mientras que muchas industrias automatizan procesos gracias a las nuevas máquinas disponibles y se prueban prototipos de inventos que hasta hace poco parecían de ciencia ficción (Kaku, 2012). Ante todos estos avances nos preguntamos cómo va a incidir la IA en la educación, que se considera un pilar fundamental para el progreso de la sociedad y el desarrollo individual. En un mundo cada vez más digitalizado y globalizado, la IA se ha convertido en una herramienta esencial para mejorar y personalizar la experiencia educativa, entendiendo por tal la capacidad de las máquinas para aprender, razonar y tomar decisiones de manera autónoma, y su aplicación en la educación está en constante crecimiento y adaptación (Halili, 2019). La inteligencia artificial (IA) desempeña un papel cada vez más importante en el campo de la educación, y el entorno educativo se ve afectado por todos los cambios que genera, que van desde las etapas preescolares hasta los niveles superiores o de posgrado (Moreno & Pedreño, 2020), ya que su aplicación tiene el potencial de transformar la forma en que enseñamos y aprendemos. Estas serían hay algunas formas en las que la IA se utiliza en la educación: 1. Personalización del aprendizaje. La IA puede adaptar el contenido y el ritmo de aprendizaje a las necesidades individuales de cada estudiante. Esto significa que los estudiantes pueden recibir instrucción y ejercicios específicos según su nivel de habilidad y estilo de aprendizaje, lo que puede aumentar la eficacia del aprendizaje. 2. Tutoría virtual. Los sistemas de IA permiten actuar como tutores virtuales, proporcionando retroalimentación instantánea a los estudiantes mientras trabajan en problemas o tareas. Esto puede ayudar a los estudiantes a comprender mejor los conceptos y corregir errores de manera inmediata. Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 141 3. Recopilación y análisis de datos. La IA puede recopilar y analizar grandes cantidades de datos sobre el desempeño de los estudiantes. Los educadores pueden utilizar esta información para identificar áreas de mejora, identificar tendencias en el aprendizaje y tomar decisiones informadas sobre la enseñanza. 4. Automatización de tareas administrativas. La IA ayuda a automatizar tareas administrativas, como la gestión de calificaciones, la programación de clases y la comunicación con los estudiantes y padres. Esto permite a los educadores concentrarse más en la enseñanza y el apoyo individualizado. 5. Aprendizaje adaptativo. Los sistemas de IA ayudan a ajustar el contenido y las actividades de aprendizaje en función del progreso de cada estudiante. Esto puede garantizar que los estudiantes estén constantemente desafiados y comprometidos. 6. Evaluación de respuestas abiertas. La IA permite evaluar respuestas abiertas, como ensayos y respuestas a preguntas de desarrollo, utilizando algoritmos de procesamiento de lenguaje natural. Esto puede ahorrar tiempo a los educadores en la corrección y proporcionar una retroalimentación más objetiva. 7. Acceso a recursos educativos en línea. La IA ayuda a los estudiantes a encontrar recursos de aprendizaje en línea que se adapten a sus necesidades específicas, recomendando cursos, tutoriales y material de estudio relevantes. En conclusión, podemos afirmar que específicamente en educación, la inteligencia artificial educativa se refiere a su uso para respaldar la retroalimentación y orientación personalizadas y automatizadas en el campo educativo (Song & Wang, 2020). En este escenario, el docente debe ser el protagonista en el aula, analizando la información que suministra la IA, y guiando y articulando el trabajo de los estudiantes. El desafío se relaciona más bien con las capacidades de los docentes para realizar estas tareas, ya que son relativamente pocos los que cuentan con las competencias necesarias para procesar todo el volumen de información individual que los nuevos sistemas proveen, y/o para traducirla en las respuestas personalizadas que se supone deben proporcionar (Lu & Harris, 2018). Además, es importante recordar que la implementación exitosa de la IA en la educación también plantea desafíos y cuestiones éticas. Estos incluyen preocupaciones sobre la privacidad de los datos de los estudiantes, la equidad en el acceso a la tecnología y la necesidad de mantener un equilibrio entre la automatización y la interacción humana en el proceso educativo. La IA en la educación es una herramienta poderosa, pero su uso debe ser cuidadosamente considerado y supervisado para garantizar que beneficie a todos los estudiantes de manera justa y efectiva. Basándonos en lo anteriormente descrito, este estudio tiene como objetivo, por un lado, realizar un análisis empírico de la evidencia encontrada dentro de la literatura científica sobre el uso de la IA en educación y, por otro lado, un análisis de escucha social para comprobar si científicos y sociedad van en la misma dirección. Existen algunas revisiones sistemáticas previas sobre la IA en la educación (MartínezComesaña et al., 2023; Jimbo-Santana et al., 2023; Fajardo Aguilar, 2023), aunque son muy limitadas en comparación con las investigaciones sobre IA, pero no hay estudios que comparen la opinión que se desprende de las revisiones sistemáticas (científicas) con el social listening (sociedad). Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 148 Producción científica de los autores en los últimos años En cuanto a la productividad personal, en este caso no se verifica la ley de Lotka (Figura 6), que establece que un reducido número de autores publican una cantidad importante de documentos, es decir, enuncia una relación cuantitativa entre los autores y las contribuciones producidas en un campo dado a lo largo de un periodo de tiempo, ya que en este caso son muchos los autores (un total de 102 autores) que solo firman dos artículos, por lo que la productividad científica es baja. Figura 6 Ley de Lotka 3.1.4. Documentos Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 149 En el análisis referente a documentos, la figura 7 muestra las palabras más frecuentes que emplean los autores en este caso en los abstracts, siendo artificial e inteligencia las más usadas, junto con universidad, resultados y estudiantes, aunque en una proporción más inferior. Figura 7 Términos más relevantes Resultados similares se aprecian en la figura relativa a la nube de palabras más empleadas (Figura 8) que se considera también una buena fórmula para identificar los temas de investigación de un dominio científico (Li et al, 2021), en este caso centrada en las 50 palabras clave, que incluyen los términos extraídos de resúmenes y en el Treemap (Figura 9), que dispone los datos de manera jerárquica y tiene la estructura de un árbol en la que los datos se organizan en rectángulos anidados (uno dentro de otro). El tamaño del rectángulo corresponde al valor de la categoría o subcategoría. Figura 8 Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 150 Nube de palabras En la nube de palabras destacan “artificial” (39 veces), “inteligencia” (38 veces), “universidad” (29 veces) y otras como “resultados” o “estudiantes” son también importantes, aunque presentan menos repeticiones. Es relevante señalar que las tres palabras más frecuentes son las variables investigadas en este estudio. Figura 9 Treemap 3.2. Análisis estructurales de Bibliometrix para R Studio Cloud Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 151 3.2.1. Estructura conceptual La Figura 10 muestra una matriz de coocurrencia de palabras, teniendo en cuenta que dos palabras coocurren cuando aparecen simultáneamente en el mismo documento; y dos palabras estarán más ligadas o asociadas entre sí cuanto mayor sea la coocurrencia entre ellas. Por tanto, la medida del enlace entre dos palabras de una red será proporcional a la coocurrencia de esas dos palabras en el conjunto de documentos que se tome como muestra. En este caso, surgen tres grupos de coocurrencia, que se representan por tres colores distintos conformando tres clústeres. Figura 10 Coocurrencia de palabras La Figura 10 muestra clústeres de colores que representan palabras que también usan otros autores dentro del mismo clúster. Por ejemplo, en el clúster verde se observa que los términos más usados son inteligencia, artificial y universidad y hay otros autores que también los usan. Esto se repite en los otros clústeres, indicando patrones que reflejan tendencias y conceptos de interés en la investigación. 3.2.2. Estructura social La figura 11 se basa en la red de colaboración o firma conjunta de publicaciones, en este caso entre autores. En la misma se observa que hay muy poca colaboración entre ellos, conformando pequeños subgrupos colaborativos, lo cual tampoco favorece la investigación. Figura 11 Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 152 Red de colaboración 3.3. Resultados obtenidos del software Brandwatch de social listening. Para la realización de esta parte de investigación se han analizado 13.107 autores y un total de 27.735 menciones en redes. En cuanto a las fuentes de contenido, la figura 12 muestra el número total de menciones acaecidas desde septiembre del 22 al 23, comprobando como el mayor volumen de contenido (interacciones) se da en el mes de mayo en la red Twitter, pudiendo justificarse porque el 25 de mayo de 2023, la UNESCO movilizó a los Ministros de Educación de todo el mundo para una respuesta coordinada a ChatGPT, en respuesta a la rápida aparición de nuevas y poderosas herramientas de IA generativa para explorar las oportunidades, desafíos y riesgos inmediatos y de largo alcance que las aplicaciones de IA plantean a los sistemas educativos. Figura 12 Fuentes de contenido Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 153 En cuanto al sentimiento que genera la IA en la sociedad, entendido como el número total de menciones a lo largo del tiempo desglosado por sentimiento, la figura 13 muestra cómo se dan muchas oscilaciones en algunos momentos del año, pero predomina el tono neutral en la mayoría de las menciones, no destacando en ninguna de ellas ni sentimientos positivos ni negativos, quizá debido a que la sociedad no ha probado la IA y no puede valorar. Figura 13 Sentimiento a lo largo del tiempo La rueda de temas, en la Figura 14, analiza palabras y frases de uso frecuente en redes, permitiendo comprobar fácilmente cómo los temas principales (el anillo interior) se relacionan con los subtemas (el anillo exterior), y destacando como la IA se relaciona en Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 154 las menciones realizadas con estudiantes, profesores y Chat Gpt y algo similar le ocurre a Chat Gpt que se ve relacionada con universidad. En cualquier caso, surgen términos no estudiados por la comunidad científica como herramientas de IA y Chat GPT, por lo que se observa que la preocupación en redes y en la comunidad científica sobre el uso de la IA en educación va por caminos distintos. Figura 14 Rueda de temas La figura 15 muestra la nube de palabras, frases y entidades que se encuentran comúnmente en las menciones del período de tiempo seleccionado, resaltando herramientas, tecnología, datos, información y personas, entre otras, también aquí ninguna coincidente con la nube de palabras derivadas de los estudios científicos. Figura 15 Nube de palabras En lo referente a palabras y frases que se encuentran comúnmente en las menciones del período de tiempo seleccionado, delineadas según si son tendencia o están perdiendo importancia, aparecen en la Figura 16, donde comprobamos como tosas están en la zona Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 155 de trending topic, es decir la IA está de moda en las redes pero para objetivos como herramientas o Chat Gpt. Figura 16 Tendencia de los temas 4. Discusión yConclusiones La incorporación de la IA en los estudios universitarios genera un amplio debate entre docentes-investigadores, estudiantes y la sociedad en general. Así, se ha comprobado como a nivel científico, los autores han abordado este tema desde distintas perspectivas, discutiendo tanto las oportunidades que ofrece la IA como las preocupaciones éticas y sociales asociadas con su implementación. La utilización de la IA debe tratarse como un método de innovación docente que puede generar beneficios en los estudiantes universitarios, derivados en muchos casos del enfoque personalizado que permite un aprendizaje muy personalizado al estudiante, pero también hay que tener presentes las deficiencias, entre las que destaca como controlar el uso indebido de la misma. No obstante, son pocos los autores que están investigando sobre la IA en estos aspectos, ya que, en los últimos cinco años, la producción científica ha sido escasa y se ha centrado básicamente en la utilización y desarrollo de la misma en determinadas titulaciones relacionadas con la medicina, la electrónica o la lingüística, pero no en cómo aplicar esta inteligencia y sus herramientas en los nuevos métodos docentes. También hay que resaltar que la mayor parte de esta producción científica se concentra en países latinoamericanos, y que en Europa prácticamente no se ha investigado sobre la IA y su uso en educación, guardando los autores poca relación en lo que a sus trabajos se refiere. Los conceptos más estudiados por los científicos se agrupan en tres clústeres, donde se destacan términos como IA, resultados, o estudiantes, pero no se estudian las Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 156 herramientas que permite manejar la IA, lo cual también hace que estos estudios publicados se queden normalmente en meras descripciones del uso de la IA en determinados aprendizajes. Por el contrario, la escucha social da primacía a las herramientas, dejando a un lado conceptos como resultados o rendimientos, de los que no se habla en redes, ni tampoco de su aplicación en determinados sectores, dando importancia a como se debe usar una herramienta como Chat GPT. Los sentimientos son neutrales lo que también nos indica que queda mucho camino por recorrer a nivel científico para que la sociedad pueda dar su opinión en redes y despertar emociones y sentimientos. El estudio tiene varias limitaciones, la principal es que se realizó en fechas en las que empezaba a hablarse del uso de alguna de las herramientas de la IA en campos específicos de la universidad como es el desarrollo de los denominados Trabajos Fin de Grado o inclusive en la realización de pruebas y exámenes, lo que empezó a generar un debate sobre la necesidad de cambiar nuevamente las metodologías docentes. Posiblemente en épocas cercanas, las líneas de investigación derivadas de la EAI se enfocarán en ello, obviando el uso indebido que pueden hacer los estudiantes y el excesivo control a realizar por los docentes para que esto no se produzca. Por otro lado, no se ha realizado un análisis cuantitativo, sino un análisis bibliométrico referido a la base de datos WOS y otro análisis basado en la escucha social, pero a pesar de estas limitaciones, este estudio permitirá debatir sobre la EAI y, sobre todo, como es necesario que los estudios científicos avancen en cuanto a las herramientas de la IA aplicables a los estudios universitarios para que la sociedad también pueda opinar sobre ello. En resumen, la balanza va a señalar más beneficios en cuanto al uso de la IA que desventajas, pero se requieren estudios científicos que lo demuestren para que toda la comunidad universitaria empiece a usar las herramientas del IA de forma habitual en los procesos de enseñanza, igual que ha ocurrido años atrás con otro tipo de avances tecnológicos, que luego se han convertido en verdaderos aliados de los docentes, como el m-learning, que supo aprovechar los contenidos de Internet a través de dispositivos electrónicos móviles y los ha incorporado como una nueva estrategia educativa. Recientes investigaciones apuntan que la IA será la gran novedad en la educación y el proceso de enseñanza-aprendizaje, así como el motor de lo que ya se viene a denominar Educación 4.0 (Fidalgo-Blanco et al., 2022; Ramírez-Montoya et al., 2022). ¿Sera así y podremos hablara en unos años de Educación 4.0? Contribuciones de autores Conceptualización: S.M.-G. y A.B.-M.; Curación de datos: S.M.-G.; análisis formal: S.M.-G.; investigación: A.B.- M.; Metodología: S.M.-G.; gestión de proyectos: A.B.-M.; Recursos: A.B.-M.; software: S.M.-G. y A.B.-M.; supervisión: S.M.-G. y A.B.-M.; validación: S.M.-G.; visualización: A.B.-M.; redacción – borrador original: S.M.- G.; corrección y edición: S.M.-G. y A.B.-M. Pixel-Bit. Revista de Medios y Educación, 72, 139-158 | 2025 | https://doi.org/10.12795/pixelbit.107530 PÁGINA | 157 Referencias Alonso-de-Castro, M.G., & García-Peñalvo, F.J. (2022). Successful educational methodologies: Erasmus+ projects related to e-learning or ICT. Campus Virtuales, 11(1), 95-114. https://doi.org/10.54988/cv.2022.1.1022 Aria, M., & Cuccurullo, C. (2017). Bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959-975. https://doi.org/10.1016/j.joi.2017.08.007 Arksey H., & O Malley L. (2005). Estudios de alcance: hacia un marco metodológico. International Journal of Social Research Methodology, 8(1), 19-32. https://doi.org/10.1080/1364557032000119616 Barquero Morales, W. G. (2022). Análisis PRISMA como metodología para revisión sistemática: una aproximación general. Saúde Em Redes, 8(sup1), 339–360. https://doi.org/10.18310/24464813.2022v8nsup1p339-360 Cambria, E. (2016). Affective computing and sentiment analysis. IEEE Intelligent Systems, 31(2), 102-107. https://doi.org/10.1109/MIS.2016.31 Fajardo Aguilar, G. M., Ayala Gavilanes, D. C., Arroba Freire , E. M., & López Quincha , M. (2023). Inteligencia Artificial y la Educación Universitaria: Una revisión sistemática. Magazine De Las Ciencias: Revista De Investigación E Innovación, 8(1), 109–131. https://doi.org/10.33262/rmc.v8i1.2935 Fidalgo-Blanco, A., Sein-Echaluce, M.L., & García-Peñalvo, F.J. (2022). Método basado en Educación 4.0 para mejorar el aprendizaje: Lecciones Aprendidas de la COVID-19. RIED, 25(2), 49-72. https://doi.org/10.5944/ried.25.2.32320 Halili, S. H. (2019). Technological advancements in education 4.0. The Online Journal of Distance Education and E-Learning, 7(1), 63–69. https://bit.ly/46dpmR4 Herrera, L.C., Majchrzak, T.A., Thapa, D. (2022). Principles for the Arrangement of Social Media Listening Practices in Crisis Management. In: Sanfilippo, F., Granmo, OC., Yayilgan, S.Y., Bajwa, I.S. (eds) Intelligent Technologies and Applications. INTAP 2021. Communications in Computer and Information Science, vol 1616. Springer, Cham. https://doi.org/10.1007/978-3-031-105258_22 Hinojo-Lucena, F.-J., Aznar-Díaz, I.; Cáceres-Reche, M.-P., & Romero-Rodríguez, J.-M. (2019). Artificial Intelligence in Higher Education: A Bibliometric Study on its Impact in the Scientific Literature. Education Science 9, 51. https://doi.org/10.3390/educsci9010051 Jimbo-Santana, P., Lanzarini, L. C., Jimbo-Santana, M., & Morales-Morales, M. (2023). Inteligencia artificial para analizar el rendimiento académico en instituciones de educación superior. Una revisión sistemática de la literatura. Cátedra, 6(2), 30–50. https://doi.org/10.29166/catedra.v6i2.4408