El documento presenta una discusión sobre inteligencia artificial y su relación con la educación disruptiva. Se exploran conceptos como aprendizaje profundo, redes neuronales, algoritmos, cognición y metacognición. El autor, Juan Domingo Farnós, argumenta que la IA puede utilizarse para mejorar la educación personalizando el aprendizaje y brindando retroalimentación instantánea a los estudiantes. Sin embargo, también advierte sobre los sesgos que pueden surgir al personalizar el aprendizaje mediante técnicas de IA.
1. IA: ESCENARIO CRÍTICO 1
INTELIGENCIA ARTIFICIAL, ESCENARIO CRÍTICO
Dr. JUAN DOMINGO FARNÓS MIRÓ
SETMANA CULTURAL-LA GALERA
2023
2. IA: ESCENARIO CRÍTICO 2
És la IA un escenari crític per a la vida de les
persones?
-Per què?
-Què estem fent per al seu desenvolupament?
-És necessari el seu control i/o ralentitzacó (anclatge)?
-Per què?
-Coneixem el que és realment la IA?
-El CHATGPT és una IA? (Test de Turing)
-En quines aplicacions ens benefíciem? Les coneixem?
3. Un nuevo paradigma donde aprendemos
de y con la incertidumbre
IA: ESCENARIO CRÍTICO 3
https://juandomingofarnos.wordpress.com/2013/08/01/la-incertidumbre-la-manera-creativa-
de-aprender/
4. IA: ESCENARIO CRÍTICO 4
La transformación cultural y de valores de la Educación Disruptiva entronca con
el desarrollo sostenible de una sociedad que se sirve de la ciencia como
elemento de innovación y evolución de todas las áreas del conocimiento para a
través de la educación y la investigación, alcanzar las metas del Siglo XXI“
Juan Domingo Farnos
6. IA: ESCENARIO CRÍTICO 6
En el S XXI necesitamos humanos que interactúen con humanos y para ello la Inteligencia
artificial nos ayudará. (((IA)))
Juan Domingo Farnós
7. IA: ESCENARIO CRÍTICO 7
DANIEL WILSON:
Nosotros, los humanos, tenemos una
relación de amor-odio con nuestra
tecnología. Amamos cada nuevo avance y
odiamos cuán rápido está cambiando
nuestro mundo.
8. IA: ESCENARIO CRÍTICO 8
Algunas formas en las que la IA puede ayudar en
entornos VUCA:
Análisis de datos: En un escenario VUCA, la cantidad de datos puede ser
abrumadora. La IA puede ayudar a analizar grandes cantidades de datos de manera
más rápida y eficiente, lo que puede permitir a las empresas tomar decisiones más
informadas y oportunas.
Modelado de escenarios: La IA también puede utilizarse para modelar diferentes
escenarios futuros y prever los posibles resultados. Esto puede ayudar a las
universidades y a las empresas a planificar y prepararse para situaciones inciertas.
Automatización: La automatización de tareas repetitivas y rutinarias puede liberar
tiempo y recursos para que las empresas se centren en áreas más importantes y
estratégicas.
Optimización de procesos: La IA puede ayudar a optimizar procesos y sistemas,
mejorando la eficiencia educacional y la productividad en un escenario VUCA en el
que los recursos pueden ser limitados y los plazos pueden ser cortos.
Toma de decisiones: La IA también puede proporcionar información y análisis en
tiempo real, lo que puede ayudar a las organizaciones a tomar decisiones más
rápidas y precisas en un escenario VUCA.
10. IA: ESCENARIO CRÍTICO 10
“La Inteligencia artificial está dejando
de ser una acción de máquinas a ser un
instrumento de mejora en la vida de las
personas”.
Juan Domingo Farnós
11. IA: ESCENARIO CRÍTICO 11
RED NEURONAL COMVULOCIONAL DE MÚLTIPLES FLUJOS
(Técnica de IA y de Deep learning)
RESONANCIA DEL CÓRTEX CEREBRAL: Dra Mona Ashtari-Majlan (UOC)
12. RED CONVULOCIONAL DE MÚLTIPLES
FLUJOS
IA: ESCENARIO CRÍTICO 12
En términos generales, una red neuronal convolucional (CNN, por sus siglas en inglés)
es un tipo de arquitectura de red neuronal diseñada para procesar y reconocer
patrones en datos de tipo imagen.
En el contexto del Alzheimer, se utilizan imágenes médicas como resonancias
magnéticas cerebrales (RM) para identificar características específicas que puedan
indicar la presencia o progresión de la enfermedad.
Es un enfoque avanzado que busca aprovechar la información de varias fuentes de
imágenes médicas para mejorar la precisión en la detección y diagnóstico de esta
enfermedad neurodegenerativa.
15. IA: ESCENARIO CRÍTICO 15
MACHINE LEARNING
El aprendizaje automático o aprendizaje automatizado o
aprendizaje de máquinas o aprendizaje computacional es un
subcampo de las ciencias de la computación y una rama de la
inteligencia artificial, cuyo objetivo es desarrollar técnicas que
permitan que las computadoras aprendan.
18. IA: ESCENARIO CRÍTICO 18
---El pensamiento computacional es fundamental para
el desarrollo de algoritmos y modelos utilizados en la
IA. Los científicos e ingenieros en IA utilizan el
pensamiento computacional para diseñar algoritmos
de aprendizaje automático, redes neuronales y otros
sistemas de IA.
Además, el proceso de descomponer un problema
complejo en pasos más pequeños y tratables se
asemeja al enfoque utilizado en la programación y la
construcción de sistemas de IA.
19. IA: ESCENARIO CRÍTICO 19
El pensamiento computacional se define
como el proceso por el cual un individuo,
a través de habilidades propias de la
computación y del pensamiento crítico,
del pensamiento lateral (disruptivo) y
otros más, logra hacerle frente a
problemas de distinta índole.
20. IA: ESCENARIO CRÍTICO 20
La inteligencia artificial (IA) es un campo de la informática que se enfoca en desarrollar
algoritmos y sistemas capaces de realizar tareas que, de otra manera, requerirían la
intervención humana. La IA utiliza algoritmos y técnicas de aprendizaje automático
para analizar datos, aprender patrones y tomar decisiones.
La inteligencia artificial generativa (IAG), por otro lado, es un sub-campo de la IA que
se enfoca en la creación de sistemas capaces de generar contenido nuevo y original,
como imágenes, música, texto o incluso videos. En lugar de simplemente analizar datos
y patrones existentes, los sistemas de IAG utilizan algoritmos y técnicas de aprendizaje
automático para crear contenido que nunca antes había sido visto o escuchado.
22. IA: ESCENARIO CRÍTICO 22
----CHATGPT
----DALL-E-2
---- DeepDream
---- ArtBreeder
----Bard
----Mindjourney
----Leonardo
…
100 Herramientas gratuitas de inteligencia artificial generativa que te cambiarán la
vida https://www.iberestudios.com/noticias/100-herramientas-de-inteligencia-
artificial-generativa-que-te-cambiaran-la-vida/
23. 23
Juan Domingo Farnós defiende la aplicación de algoritmos en la Educación
Disruptiva para personalizar el aprendizaje y mejorar la experiencia educativa
de cada estudiante. Su enfoque se basa en aprovechar la tecnología para
adaptar el contenido y las estrategias de aprendizaje a las necesidades
individuales, al tiempo que se fomenta la autonomía y la responsabilidad del
estudiante.
https://juandomingofarnos.wordpress.com/2023/02/12/arquitectura-de-los-algoritmos-que-relacionan-la-actuacion-del-cerebro-
humano-con-la-educacion-disruptiva-en-una-combinacion-de-conocimientos-de-neurociencia-psicologia-educacion-y-tecnologia/
IA: ESCENARIO CRÍTICO
24. IA: ESCENARIO CRÍTICO 24
Los algoritmos:
Son los que otorgan autonomía a la Inteligencia
Artificial. Estos se entienden como un conjunto de
instrucciones informáticas que recibe una máquina
para realizar una acción o resolver un problema. De
esta manera, un algoritmo tiene una entrada (input)
o una salida (output)
26. IA: ESCENARIO CRÍTICO 26
El Aprendizaje Profundo (Deep Learning) y las Redes Neuronales
Artificiales (Artificial Neural Networks) son subconjuntos del
Aprendizaje Automático que se centran en la emulación del cerebro
humano para mejorar la capacidad de aprendizaje de las máquinas´´
Aprendizaje profundo y redes neuronales de Juan Domingo Farnós, en procesos
algorítmicos de aprendizaje con Educación disruptiva & Inteligencia artificial
29. IA: ESCENARIO CRÍTICO 29
El deep learning constituye un subcampo del machine
learning, y las redes neuronales representan la columna
vertebral de los algoritmos de deep learning. El número
de capas de nodos o profundidad de las redes neuronales
distingue una red neuronal simple de un algoritmo de
deep learning, que debe tener más de tres.
30. IA: ESCENARIO CRÍTICO 30
El uso de redes neuronales y el aprendizaje profundo (deep learning) es una de las
áreas en las que Juan Domingo Farnós ha explorado para mejorar la educación
disruptiva. Las redes neuronales son modelos computacionales inspirados en el
funcionamiento del cerebro humano, que se utilizan para analizar datos complejos
y realizar tareas de aprendizaje automático.
Juan Domingo Farnós ha investigado cómo estas tecnologías pueden ser utilizadas
para facilitar el aprendizaje activo, colaborativo y autónomo, automático,
fomentando el desarrollo de habilidades cognitivas y socioemocionales en los
estudiantes. Además, ha explorado el uso de la inteligencia artificial y el análisis de
datos en tiempo real para brindar retroalimentación instantánea y personalizada a
los estudiantes, permitiéndoles monitorear su propio progreso y ajustar su
aprendizaje de manera eficiente
31. IA: ESCENARIO CRÍTICO 31
El sesgo en el personalized learning (con el deep learning y las redes neuronales)
puede ocurrir de diferentes formas y más dentro de la EDUACION DISRUPTIVA:
Juan Domingo Farnós Miró
´
https://www.facebook.com/juandon/posts/pfbid0jPFfBeXYzto1NQfV2LqofNMgWfu
6jmVP2sXkv2EuLQn6MC5iVCsSN1rtEu1DxETDl
--- En Datos de entrenamiento (prejuicios y desigualdades)
---Sesgo en las decisiones del modelo: Los modelos de aprendizaje profundo pueden
aprender patrones y correlaciones en los datos de entrenamiento y basar sus
decisiones en esos patrones que si no provienen de fueNtes fiables pueden
perturbar su actuación.
---Sesgo en la retroalimentación y recomendaciones: Los sistemas de aprendizaje
personalizado a menudo utilizan técnicas de recomendación basadas en el
comportamiento pasado del usuario y sin contemplar diversidades (Educación
Inclusiva) .
34. IA: ESCENARIO CRÍTICO 34
La Cognotecnología, una de las tecnologías con potencial
disruptivo, resulta de aplicar los conocimientos derivados
de la Neurociencia para modificar o replicar el
funcionamiento del cerebro y, por tanto, actuar sobre la
mente con la ayuda de las tecnologías (IA).
--Potenciación de las funciones naturales del cerebro
--Acción desde el exterior sobre la mente (ordenador, IA…)
--Reproducción y externalización de las actividades del cerebro (
Ordenador, IA)
36. IA: ESCENARIO CRÍTICO 36
La Cognotecnología, en su relación con la Inteligencia artificial es fundamentalmente
tecnología relacionada con la inteligencia, el pensamiento y la consciencia, cuestiones
todas ellas objeto de la Inteligencia Inversa del Cerebro y de la Inteligencia Artificial
General.
La “ingeniería inversa”:
No es otra cosa que deducir los fundamentos tecnológicos de un artefacto, máquina,
aparato, equipo o sistema, hecho por el hombre, a través del análisis de su estructura,
su funcionamiento y de las operaciones que realiza. Es, diríamos, lo que hacen
determinadas empresas al copiar los equipos fabricados, y a veces patentados, por
otras.
Así la relación conocimiento-hombre-IA están relacionados por cuestiones de
necesidad.
38. IA: ESCENARIO CRÍTICO 38
---La neurociencia (también en plural, neurociencias) es
una disciplina científica que estudia el sistema nervioso y
todos sus aspectos: por
ejemplo, estructura, función, desarrollo ontogenético
y filogenético, bioquímica, farmacología y patología, y cómo
sus diferentes elementos interactúan, dando lugar a las bases
biológicas de la cognición y la conducta.
---La IA (NEUROCIENCIA) está desempeñando un papel
fundamental en la aceleración de la investigación al brindar
nuevas herramientas y enfoques para analizar datos
complejos y comprender mejor el funcionamiento del cerebro
humano.
39. La Inteligencia artificial con la
metacognición.
IA: ESCENARIO CRÍTICO 39
Elementos estructurales. Contiene elementos funcionales y elementos básicos.
Se compone de dos niveles: cognitivo (razonamiento sobre la resolución de problemas) y
metacognitivo: object-level y meta-level (nivel de representación de del sistema de
razonamiento, monitorización y control del propio aprendizaje y de los procesos de
razonamiento).
• Elementos funcionales. Son tareas que permiten el razonamiento y la toma de
decisiones
• Elementos básicos, elementos que participan e interaccionan en el meta model
metacognitivo
41. IA: ESCENARIO CRÍTICO 41
---La definición de metacognición, también conocida como teoría de la mente, es la
capacidad innata de las personas para comprender y predecir nuestra propia
conducta y la de las personas de nuestro alrededor. Hace referencia a todos
los procesos cognitivos, como el hecho de pensar sobre el propio pensamiento y
aprender a regularlo.
Metacognición de la memoria: el conocimiento de la capacidad de la memoria para
relacionar y contrastar conocimientos ya almacenados con nuevos conocimientos.
Metacognición de la atención: conocer la capacidad de focalizar la atención en una
tarea o situación determinada. Ser conscientes de los factores que dificultan el
mantenimiento de la atención ayudan a optimizar esta capacidad.
Metacognición de la comprensión: ser conscientes de la capacidad para comprender
uno o varios conceptos y utilizarlos. La comprensión nos permite aprender a
aprender.
Metacognición de pensamiento: el conocimiento que tenemos de nuestro propio
pensamiento. Esta capacidad nos permite reflexionar sobre cómo y qué pensamos.
43. IA: ESCENARIO CRÍTICO 43
En el contexto de la inteligencia artificial, el análisis de datos generalmente se lleva a
cabo en etapas como:
Recopilación de datos: Se recopilan datos de diversas fuentes, como sensores, bases de datos,
registros y más.
Preprocesamiento: Los datos pueden contener ruido, valores faltantes o inconsistentes. En esta
etapa, se realizan acciones como la limpieza de datos, la imputación de valores faltantes y la
normalización para preparar los datos para el análisis.
Exploración de datos: Se utilizan visualizaciones y estadísticas descriptivas para comprender mejor
la estructura de los datos y detectar patrones iniciales.
Selección de características: Se eligen las variables o características más relevantes para el análisis y
el modelado. Esto puede incluir técnicas de selección automática o ingeniería de características.
Modelado: Aquí es donde se aplican algoritmos de inteligencia artificial, como aprendizaje
automático y aprendizaje profundo, para entrenar modelos en los datos. Estos modelos pueden ser
utilizados para predecir, clasificar u obtener información valiosa.
Validación y evaluación: Se evalúan los modelos utilizando métricas apropiadas para medir su
rendimiento. Esto ayuda a seleccionar el mejor modelo y a ajustar parámetros si es necesario.
Interpretación de resultados: Se analizan los resultados del modelo para extraer conocimientos
significativos y tomar decisiones basadas en ellos.
45. IA: ESCENARIO CRÍTICO 45
La inteligencia artificial puede ser una herramienta
muy útil para la educación inclusiva.
Por ejemplo, puede utilizarse para crear materiales educativos que sean accesibles
para personas con discapacidades, para adaptar el ritmo de aprendizaje a las
necesidades individuales de cada estudiante, y para detectar y corregir prejuicios en el
proceso de enseñanza (Juan Domingo Farnós)
46. IA: ESCENARIO CRÍTICO 46
Personalización del aprendizaje: la inteligencia artificial puede adaptarse a las necesidades
y preferencias de cada estudiante
---- Programas: Knewton, Carnegie Learning, Coursera, Dreambox, ALEKS
Retroalimentación inmediata: la inteligencia artificial puede proporcionar
retroalimentación instantánea a los estudiantes, lo que mejora su capacidad de aprender de
forma autónoma
---- Programas: Smart Sparrow:, Carnagie learning, Edmentum, Duolingo
Mejora de la eficiencia: la inteligencia artificial puede automatizar tareas repetitivas y
liberar tiempo para que los profesores se concentren en tareas más importantes.
----Programas: Programa de Inteligencia Artificial en Educación de la UNESCO, AI4ALL,
EdTechXGlobal, The Stanford AI Lab, IBM Watson Education, Microsoft AI for Good
47. IA: ESCENARIO CRÍTICO 47
Sistemas de tutoría inteligente: proporcionan retroalimentación personalizada y
adaptativa a los estudiantes.
---- Programas: Squirrel AI, Brainly
Asistentes de enseñanza virtuales: proporcionan ayuda a los estudiantes durante la
realización de tareas y actividades
----Programas: IBM Watson Education:, Edtech,
Sistemas de análisis de datos: permiten a los profesores identificar patrones y
necesidades de los estudiantes para adaptar su enseñanza
----Programas: Edmentum, Carnegie learning, y otros…
48. IA: ESCENARIO CRÍTICO 48
Desafíos técnicos y consideraciones éticas:
Desafíos técnicos: la inteligencia artificial aún tiene limitaciones en términos
de comprensión del lenguaje natural y la toma de decisiones autónomas
Desafíos éticos: la inteligencia artificial puede perpetuar sesgos y
discriminación si no se implementa de manera cuidadosa y consciente
50. CHATBOTS VS LLMs
((Chatgpt)
IA: ESCENARIO CRÍTICO 50
Los chatbots son programas informáticos diseñados para simular
conversaciones humanas a través de la comunicación escrita o hablada. También
se les conoce como agentes de conversación o asistentes virtuales. Estos sistemas
utilizan algoritmos de procesamiento de lenguaje natural (NLP) para entender y
responder a las preguntas y solicitudes de los usuarios de manera coherente.
51. IA: ESCENARIO CRÍTICO 51
Cómo intervienen los chatbots en los LLMs:
Entrenamiento y Mejora: Los chatbots se utilizan para generar conjuntos de
datos de entrenamiento para LLMs. Las conversaciones entre usuarios y chatbots
se recopilan y se utilizan para entrenar modelos, lo que ayuda a mejorar la
capacidad del LLM para comprender y generar respuestas coherentes en
diálogos.
Aplicaciones de Interfaz: Los chatbots a menudo actúan como la interfaz a través
de la cual los usuarios interactúan con los LLMs. En lugar de interactuar
directamente con el LLM, los usuarios pueden comunicarse con él a través de un
chatbot que actúa como intermediario, haciendo que la experiencia sea más
amigable y accesible.
Generación de Texto: Los LLMs pueden utilizar técnicas de generación de texto
para responder a las consultas de los usuarios de manera natural y coherente.
Los chatbots pueden ayudar a estructurar estas respuestas y presentarlas de
manera más conversacional.
52. IA: ESCENARIO CRÍTICO 52
Asistencia en Tareas: Los chatbots pueden ayudar a guiar a los usuarios a
través de tareas específicas utilizando la capacidad del LLM para entender
y generar instrucciones. Por ejemplo, un chatbot de servicio al cliente
podría utilizar un LLM para proporcionar respuestas detalladas a las
preguntas de los usuarios.
Personalización: Los chatbots pueden utilizar la información recopilada
durante las conversaciones para personalizar las respuestas y
recomendaciones que brindan. Esto permite a los LLMs adaptarse mejor a
las preferencias y necesidades individuales de los usuarios.
Interacción Contextual: Los chatbots pueden mantener la coherencia en
las conversaciones al proporcionar contexto y mantener la continuidad en
el diálogo, lo que es especialmente útil en interacciones más largas y
complejas.
54. DE LOS LLMs a la INTELIGENCIA
ARTIFICIAL
IA: ESCENARIO CRÍTICO 54
55. IA: ESCENARIO CRÍTICO 55
---Abandonar la visión de que todo conocimiento es lingüístico (tal como la ciencia lo
trataba en el S XX) nos permite darnos cuenta de cuánto de nuestro conocimiento es
no lingüístico.
---Gran parte de nuestro conocimiento cultural es icónico o se presenta en forma de
movimientos precisos transmitidos de un practicante experto a un aprendiz. Estos
patrones matizados de información son difíciles de expresar y transmitir en el
lenguaje, pero aún así son accesibles para otros. Este es también el tipo preciso de
información sensible al contexto que las redes neuronales destacan en captar y
perfeccionar, buscando las sinergias que podemos encontrar y que amplifican el
conocimiento que adquiriremos de manera intrínseca.
---Un sistema entrenado únicamente en el lenguaje nunca se aproximará a la
inteligencia humana, incluso si se entrena desde ahora hasta la muerte , es
sencillamente imposible.
---El éxito de la IA no existe únicamente dentro de los límites del algoritmo. La
eficacia viene desde el punto de vista de quienes los reciben, por tanto de su
aplicación. Ejemplos: En los campos de la industria, la empresa, la educación, la
medecina, la cirujía.
57. IA: ESCENARIO CRÍTICO
57
El «metaverso» establece una simbiosis entre diferentes realidades y que nos
aproxima a una educación autónoma, personalizada y automatizada
https://juandomingofarnos.wordpress.com/2021/12/01/evolucionamos-con-la-realidad-mixta-hacia-
escenarios-con-el-metaverso-que-nos-aproxima-a-una-educacion-autonoma-personalizada-y-
automatizada/
58. IA: ESCENARIO CRÍTICO 58
METAVERSOS Y HOLOGRAMAS: ¿Es el fin de las
aulas virtuales? ¿Y el aprendizaje híbrido?
61. IA: ESCENARIO CRÍTICO 61
1. Blockchain y AI requieren #bigdata abrir y compartir: mientras que
blockchain se basa en #opendata #APIs , integración y uso compartido
especiales, las aplicaciones de AI también pueden beneficiarse de las
múltiples formas de compartir de big data, con la idea de que más datos,
mejor el el algoritmo será
2. 2. Blockchain y AI requieren ética y seguridad avanzadas: ambas tecnologías
introducen una nueva infraestructura avanzada para seguridad,
transparencia y propiedad o datos e inteligencia. Libros mayores
descentralizados y contratos inteligentes en blockchain y análisis
automatizado, elementos predictivos y toma de decisiones en IA
3. 3. Blockchain e IA requieren confianza, ética y gobernanza: los sistemas
Blockchain e IA deben ser regulados, compatibles, auditables y adherirse a
altos niveles de cumplimiento y formulación de políticas de regulación, y
mantener los más altos niveles humanitarios de valores y transparencia y
seguridad de identidad.
63. IA: ESCENARIO CRÍTICO 63
Hay algunas áreas clave en las que el Metaverso tendrá un impacto significativo en
la Inteligencia Artificial:
Juan Domingo Farnós
---El Metaverso proporciona un gran campo de entrenamiento para los sistemas de
inteligencia artificial. Con tantos mundos virtuales para explorar, los sistemas de IA
podrán aprender y evolucionar a un ritmo sin precedentes.
---El Metaverso para permitir una mejor colaboración entre humanos y sistemas de
IA, permitirá a las personas controlar y dirigir más fácilmente los sistemas de IA
---El Metaverso proporciona un entorno de prueba seguro para los sistemas de IA.
Debido a que miles de millones de personas interactúan ,cualquier error o falla se
puede reparar y corregir fácilmente.
---Los mundos virtuales que componen el Metaverso permiten simulaciones mucho
más sofisticadas que nunca antes. Estas simulaciones se pueden usar para entrenar
sistemas de IA sobre cómo responder a una variedad de situaciones del mundo real.
64. IA: ESCENARIO CRÍTICO 64
---Al combinar la creatividad humana y la capacidad de los sistemas de inteligencia
artificial para generar cantidades masivas de datos rápidamente, crearemos nuevas
formas de arte y expresión que nunca hubieran sido posibles sin su interacción.
---A medida que el aprendizaje automático se vuelva más barato y se entienda mejor,
será más fácil para cualquier persona con acceso a una conexión a Internet (y, por lo
tanto, a una computadora) usar la IA para mejorar sus vidas de muchas maneras.
----Eventualmente, el Metaverso cambiará la forma en que pensamos sobre la
inteligencia artificial. Hasta ahora, la IA ha sido vista como algo separado de nosotros,
algo que solo existe en las computadoras. Sin embargo, con la llegada del metaverso,
la IA se convertirá en una parte integral de nuestra vida cotidiana. Ya no lo veremos
como un concepto abstracto, sino como algo íntimamente relacionado con nosotros y
nuestras actividades.
65. IA: ESCENARIO CRÍTICO 65
Entramos directamente y sin intermediarios en la Sociedad 5.0,
una sociedad centrada en el ser humano (Educación Disruptiva),
que equilibra el avance económico con la resolución de problemas
sociales mediante un sistema que integra en gran medida el
ciberespacio y el espacio físico.
66. IA: ESCENARIO CRÍTICO 66
La IA puede ayudar a personalizar la enseñanza y el aprendizaje, adaptándose a las
necesidades individuales de cada estudiante. Por ejemplo, mediante algoritmos de
aprendizaje automático, la IA puede analizar el rendimiento de un estudiante y
proporcionar retroalimentación y recursos específicos para ayudarlo a avanzar.
La IA puede facilitar la accesibilidad en el entorno educativo. Por ejemplo, mediante
la transcripción automática de voz a texto, puede generar subtítulos automáticos en
diferentes idiomas, lo que favorece la inclusión de estudiantes con diversidad
lingüística.
La IA puede participar en el análisis de grandes cantidades de datos, la IA puede
identificar patrones y señales que indiquen la presencia de ciertas dificultades, lo
que permite una intervención temprana y adecuada.