UNIVERSIDAD
TECNOLÓGICA BOLIVIANA
DIPLOMADO
EN EDUCACIÓN SUPERIOR APLICADO A LA INTELIGENCIA ARTIFICIAL
MODULO
IV.
LA
INVESTIGACIÓN CIENTÍFICA MEDIANTE EL USO DE LA INTELIGENCIA ARTIFICIAL –
PARALELO F EXPRESS
DOCUMENTO
CIENTIFICO 6
EL USO
DE LA INTELIGENCIA ARTIFICIAL DALL-E EN EDUCACION SUPERIOR
Estudiante:
Quispe Luna Adriana
Docente:
Dr. Pablo Aranda Manrique, PhD
Bolivia
2025
1 INTRODUCCION
La Inteligencia Artificial Dall-e genera
imágenes, por medio de ella se puede aplicar una dimensión visual y creativa en
la Educación Superior. Esta herramienta permite a docentes y estudiantes crear
recursos didácticos de manera instantánea, material que nos sirve para generar
un impacto en la educación, más que todo en áreas donde es muy necesario los
gráficos y material visual.
El paradigma utilizado para el presente documento será el sociocrítico, el cual busca examinar críticamente cómo la inteligencia artificial de generación de imágenes influye en la percepción de la creatividad y la autoría visual en el contexto académico. El enfoque es cualitativo, centrándose en comprender las experiencias y los desafíos éticos que surgen al utilizar Dall-e.
2 PROBLEMA
En las universidades a nivel nacional dentro de sus marcos éticos y normativos no se establecen normas que regulen acerca de autoría o uso de imágenes generadas por Dall-e esto podría general dificultades en la evaluación de creatividad siendo necesaria criterios de evaluación y conocimiento de derechos de autor.
3 ESTADO DEL ARTE
El enfoque cualitativo se
centra en el impacto de la inteligencia artificial que genera imágenes en la
creatividad, la ética y la pedagogía visual.
Dall-e y la crisis de la creatividad
y autoría visual:
La principal dificultad en
el uso de la inteligencia artificial reside en saber quién es el autor de una
imagen y qué significa ser creativo cuando la creación de la imagen se basa en
un prompt o instrucción textual.
“La sobreutilización de DALL-E puede inhibir el desarrollo de habilidades de dibujo, conceptualización visual y la capacidad de imaginar ex nihilo en el estudiante” (García-Aretio, 2024, p. 77).
Se pierde la esencia de
quien realizo la creación de la imagen ya que uno podría dar una buena
instrucción de creación de la imagen y la inteligencia artificial con la
interpretación crear la imagen:
"El desafío legal y ético radica en si la imagen final generada por la máquina debe considerarse una obra derivada o una creación original del usuario que suministró el prompt" (UNESCO, 2023, p. 33).
Esto obliga a los educadores
a reconsiderar los objetivos de los proyectos visuales:
"La evaluación debe enfocarse en la calidad del prompt y en la reflexión crítica del estudiante sobre la imagen generada, no solo en el resultado estético final" (Sánchez-Méndez & García-García, 2024, p. 48).
De acuerdo con Gros y Forner
(2024), el uso de la inteligencia artificial Dall-e debe ser vista como una
herramienta que va en respuesta a las ideas, que agiliza la fase inicial de
diseño, pero no sustituye la intervención creativa humana.
Oportunidades Pedagógicas y la
Materialización de Conceptos:
La inteligencia artificial Dall-e se convierte en una herramienta pedagógica al permitir la visualización de teorías difíciles de explicar, procesos históricos o estructuras complejas.
La inteligencia artificial
Dall-e es muy útil en la creación rápida de material didáctico:
“Los profesores pueden generar ilustraciones específicas para un concepto muy nicho, adaptando el recurso visual a las necesidades exactas de su currículo y de sus alumnos” (Holzinger, 2022, p. 45).
La simulación visual de
escenarios facilita la comprensión en diferentes áreas de aprendizaje:
"En arqueología o física, DALL-E permite 'recrear' o 'simular' fenómenos que son imposibles de observar directamente, mejorando la inmersión y la comprensión conceptual" (Chen & Chen, 2020, p. 112).
La inteligencia artificial
apoya el desarrollo de la alfabetización visual:
“El uso de DALL-E exige que el estudiante desarrolle la habilidad de traducir ideas complejas en comandos textuales precisos, una forma avanzada de comunicación visual” (Echeverría et al., 2023, p. 15).
Ética del Contenido Generado y
Sesgos:
La inteligencia artificial
es entrenada con conjuntos de datos, los cuales se manifiestan en las imágenes
generadas, planteando serios desafíos éticos y sociales:
"Si los datos de
entrenamiento sub-representan a ciertos grupos, el sistema de IA tenderá a
generar imágenes que invisibilizan o estereotipan a esos grupos en roles
profesionales o académicos" (Mittelstadt et al., 2016, p. 11).
Esto implica la colaboración
del docente en la creación de imágenes a su vez la guía para discernimiento de
la información:
"El profesorado debe enseñar a los estudiantes a identificar y corregir los sesgos algorítmicos en las imágenes de DALL-E, usándolo como un tema de debate sociocrítico en el aula" (López-Díaz, 2023, p. 7).
Es importante el
reconocimiento de la creación de las imágenes para reconocer al autor de esta:
"Es imperativo que toda imagen generada por IA en un trabajo académico esté claramente etiquetada o citada para diferenciar la producción humana de la automatizada" (Higher Education Policy Institute, 2023, p. 4).
BIBLIOGRAFIA
Chen, H., & Chen, Y. (2020).
Predictive analytics in education: A systematic review. Hong Kong, China:
Educational Technology & Society
Echeverría, J. (2023). ChatGPT y la
crisis de la autoría académica. Madrid, España: Revista Iberoamericana de
Educación a Distancia
García-Aretio, L. (2024). El impacto de
la inteligencia artificial generativa en la evaluación. Madrid, España: Revista
Iberoamericana de Educación a Distancia
Gros, B., & Forner, P. (2024). AI in
the classroom: From disruption to innovation. Barcelona, España: Journal of
Higher Education Futures
Higher Education Policy Institute
(HEPI). (2023). The AI Revolution in Higher Education. Oxford, Reino Unido:
HEPI
Holzinger, A. (2022). Challenges for
Artificial Intelligence in Education. Viena, Austria: Journal of Learning and
Development in Education
López-Díaz, S. (2023). Ética y la
máquina de escribir: El debate sobre ChatGPT en las aulas. Salamanca, España: Revista
Latinoamericana de Tecnología Educativa
Mittelstadt, B. (2016). The ethics of
algorithms: Mapping the debate. Science, Oxford, Reino Unido: Technology, &
Human Values
Sánchez-Méndez, A., & García-García,
P. (2024). Regulación universitaria y la IA: Un estudio comparado en
Latinoamérica. Ciudad de México, México: Revista de Educación Superior
UNESCO. (2023). Guidance for generative
AI in education and research. París, Francia: UNESCO Publishing
No hay comentarios:
Publicar un comentario