METODOLOGÍA ACTIVA E INTELIGENCIA ARTIFICIAL GENERATIVA: PROPUESTA PARA LA FORMACIÓN DE ESTUDIANTES DE INGENIERÍA
Resumen
El creciente uso de herramientas digitales e inteligencia artificial generativa (IAG) representa un desafío para la integridad académica. Para analizar esta situación, se realizó un estudio con metodología mixta, encuestando a 230 estudiantes de ingeniería de la FES Aragón. Se aplicó una metodología activa de cuatro fases, combinada con IAG, para fomentar el pensamiento analítico, crítico e integridad académica. Los resultados indican que, si bien en algunos casos la percepción sobre estas habilidades se mantuvo, en otros mejoró. No obstante, persisten retos en torno a la ética y el uso responsable de la IAG. Aunque más del 50 % de los encuestados prefieren la educación tradicional, la metodología propuesta fomenta la participación y el aprendizaje autónomo. Entre las dificultades, destaca el desbalance en la carga cognitiva. En conclusión, la integración de IAG con metodologías activas mejora el pensamiento crítico, analítico, la autorregulación y la participación. Aunque el método tradicional sigue siendo el más elegido, los estudiantes valoran la autonomía y el uso ético de herramientas digitales.Citas
Alvarado Arellano, M., García Franchini, C., & Flores Flores, J. V. (2024). Indicios del uso estudiantil de la IA generativa. Revista Electrónica ANFEI Digital, 16, 737–747. https://doi.org/10.63136/read1620241007pp737
CRUE Universidades Españolas. (2024). La inteligencia artificial generativa en la docencia universitaria: Oportunidades, desafíos y recomendaciones. CRUE Universidades Españolas. https://www.crue.org/wp-content/uploads/2024/03/Crue-Digitalizacion_IA-Generativa.pdf
De la Chaussée Acuña, M. E., & Cházari de la Chaussée, R. (2013, 16 de octubre). El plagio en estudiantes universitarios. En Memoria electrónica del XII Congreso Nacional de Investigación Educativa (COMIE). https://www.comie.org.mx/congreso/memoriaelectronica/v12/doc/0536.pdf
Ertmer, P. A., & Newby, T. J. (2013). Behaviorism, cognitivism, constructivism: Comparing critical features from an instructional design perspective. Performance Improvement Quarterly, 26(2), 43–71. https://doi.org/10.1002/piq.21143
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://discovery.ucl.ac.uk/id/eprint/10139722
Kolodner, J. L., Gray, J. T., & Fasse, B. B. (2003). Promoting transfer through case-based reasoning: Rituals and practices in Learning by Design™ classrooms. Cognitive Science Quarterly, 3(2), 183–232. http://sites.cc.gatech.edu/projects/lbd/htmlpubs/promotingtransfer.html
Luelmo del Castillo, M. J. (2018). Origen y desarrollo de las metodologías activas dentro del sistema educativo español. Encuentro: Revista del Departamento de Filología Moderna, 27, 4–21. https://erevistas.publicaciones.uah.es/ojs/index.php/encuentro/article/view/1890
Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International Journal of Artificial Intelligence in Education, 26(2), 582–599. https://doi.org/10.1007/s40593-016-0110-3
Silva Quiroz, J., & Maturana Castillo, D. (2017). Una propuesta de modelo para introducir metodologías activas en educación superior. Innovación Educativa, 17(73), 117–132. https://www.scielo.org.mx/pdf/ie/v17n73/1665-2673-ie-17-73-00117.pdf
UNESCO. (2021). Recomendación sobre la ética de la inteligencia artificial. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000380455_spa
