Desde la aparición de herramientas de IA públicas, se han incorporado a diversas facetas del ámbito educativo, defendiendo su utilidad tanto como herramienta estudiantil como herramienta docente (Granda Dávila et al., 2024; Lambert, s. f.).

A nivel particular, existen docentes con gran iniciativa en el uso de la IA. Un ejemplo es el subdirector de escuela británico Matthew Wemyss, que en su blog de Wordpress comenta distintos aspectos de la IA en educación y presenta diversas ideas, entre ellas, una propuesta de protocolo de su uso en centros educativos (Wemyss, 2023). Un emprendedor en este campo es José David Pérez, que presenta diversos cursos de creación de contenido didáctico docente y actividades con ChatGPT (Pérez, s. f.).

Existen estudios universitarios que han probado y avalado la incorporación de la IA en su entorno. Un ejemplo de ello es el estudio de Ayuso y Gutiérrez (2022) con estudiantes de la asignatura de TIC Aplicadas a la Educación, del Grado en Educación Infantil de la Universidad de Extremadura, donde se les instruyó de forma básica sobre IA, su origen, funcionamiento y usos prácticos en docencia, para luego evaluar sus opiniones al respecto. Los resultados mostraban que, aunque la mayoría apreciaba su potencial que podría facilitar la comprensión de conceptos y aumentar el rendimiento académico, lo consideraban algo complejo de aprender y utilizar, y que sería difícil que pudieran crear proyectos sin ayuda externa.

Según una encuesta realizada por la revista Forbes en octubre de 2023 a 500 enseñantes de los Estados Unidos, más de la mitad había implementado IA en su enseñanza, principalmente como juegos, plataformas y evaluación automática; y la mitad afirmaba haber visto una mejora del rendimiento estudiantil. Las principales preocupaciones presentadas eran el plagio en los trabajos y la pérdida de interacción humana, así como la privacidad y la seguridad de los datos; así, la mayoría alentaban una mayor educación ética y estimaban un aumento del papel de la IA con el tiempo, pero sin llegar a ser un elemento primordial (Hamilton, 2023).

Parecidas posturas sostienen la Dirección Provincial de Educación de Ávila y la UOC, que impulsan a los docentes a formarse y mejorar la metodología docente en las universidades (Oliver, 2023).

A nivel europeo, la Comisión Europea elaboró en 2022 unas directrices éticas sobre el uso de IA y de los datos en educación y el Consejo de Europa presentó ese año un análisis desde la perspectiva de derechos humanos y democracia, sentando las bases de nuevos avances (Comisión Europea, 2022).

Asimismo, a nivel global, la Unesco ha realizado numerosas aportaciones, como las recomendaciones éticas sobre IA o el Consenso de Beijing sobre IA y educación, así como guías de uso y currículos de IA propuestos para los distintos niveles educativos (Unesco, 2021; Unesco, 2023a; Unesco, 2023b).

Otros informes como el de EDUCAUSE Horizon Report de 2023 subrayan el gran potencial de la IA como herramienta educativa que puede ayudar a proveer de mayores recursos y una mayor flexibilidad y comodidad en la educación online, lo que puede enriquecer la educación en diversas modalidades (Pelletier et al., 2023).

Partiendo de este contexto, este trabajo profundiza en esta nueva realidad de la IA y su uso docente. Así, el objetivo general es realizar una propuesta de uso de la IA como herramienta docente para el diseño de actividades, que sea accesible y complemente el currículo de los educadores y evaluarla.

Este propósito parte de la premisa de que la introducción de la IA en nuestro mundo es un fenómeno imparable y que, en lugar de poner los esfuerzos en prohibir su uso, hay que situarlo en tratas de buscar la manera más adecuada de incorporarla de forma organizada en las aulas. Los objetivos específicos son: a) recopilar información acerca de posibles recursos de IA disponibles; b) seleccionar los más destacados y útiles para el uso educativo; c) diseñar una serie de situaciones de aprendizaje para distintos cursos y mismo contenido, de acuerdo a la normativa actual; d) evaluarlas mediante listas de cotejo y observación.

En la fase b) se diseñan una serie de preguntas y peticiones comunes a las dos IA: pautas y pasos a seguir en la enseñanza del bloque temático de la energía (asignatura de Física y Química, para los cursos 2.º y 4.º de Educación Secundaria Obligatoria ESO), uno de los más relevantes en la enseñanza-aprendizaje de las ciencias, en un contexto educativo dado.

Para la obtención de las situaciones de aprendizaje para cada curso se siguieron los siguientes bloques temáticos de instrucciones:

Esta serie de bloques se pedirán en orden y darán lugar a diversas casuísticas, que vienen reflejadas en la Figura 1. De cada IA se obtendrán 8 situaciones de aprendizaje por curso, lo que se traduce en 48 situaciones totales entre las tres plataformas (ChatGPT-3.5, ChatGPT-4, Perplexity).

Se trabajará con una serie de textos plantilla, los llamados prompts en el lenguaje de programación (Sirit, 2023), con los que hacer cada petición y mantener una cierta uniformidad en la manera en la que se solicita la información. Para ello se ha creado un diagrama equivalente al anterior, pero extendido con cada acción concreta que se ha de llevar a cabo y en qué orden (Anexo I). A estas pautas se añadirán también preguntas adicionales para ampliar y concretar cada solicitud en caso de ser necesario a juicio de los investigadores (Anexo II).

La fase c) de análisis de las respuestas obtenidas consta de dos partes. En primer lugar, se emplearán dos listas de cotejo de evaluación con las que comparar los resultados de cada situación de aprendizaje.

La lista de cotejo principal consta de 27 preguntas modificadas (Junta de Andalucía, 2023), que se relacionan con distintos aspectos que se tienen en cuenta para evaluar la calidad de una situación de aprendizaje. Esta lista se aplica a todas las combinaciones generadas.

La lista de cotejo secundaria analizará la capacidad de seguir instrucciones concretas de las IA con respecto al proyecto final. Serán 12 nuevas preguntas, creadas ad hoc para este trabajo, que servirán para comparar las situaciones obtenidas con el proyecto final definido con la situación de aprendizaje creada previamente.

En la aplicación de ambas listas por parte de la autora del trabajo se ha establecido el siguiente criterio de puntuaciones resultantes para cada pregunta:

Se convino también desestimar ligeramente la puntuación de las respuestas que implicaron más preguntas para responderse, evaluando también la efectividad de cada IA. Con este sistema, una situación podrá ser calificada como “buena” si tiene al menos 27 puntos con respecto a la tabla principal o 12 para la secundaria.

La segunda parte de la fase c) consistirá en un análisis más cualitativo, que resalte respuestas u observaciones relevantes que se hayan visto durante la lectura de cada situación. Consistirá en cotejar distintos factores que pudieran ser interesantes para todas las situaciones, agrupando y enumerando las veces que estas aparecen para cada IA, lo que puede servir para una posterior construcción más completa de análisis de este tipo.

En el Anexo IV se recogen los resultados de aplicar la lista de cotejo principal a las situaciones de aprendizaje generadas. A continuación, en la Tabla 1, se sintetizan los resultados generales de dicha aplicación.

Observando la Tabla 1 puede verse claramente una ventaja de puntuación de las dos versiones de ChatPGT frente a las de Perplexity. La nota media máxima corresponde a GPT4 con 29 puntos, si bien la nota máxima absoluta la tiene GPT3 con 35 puntos. En ambos casos, se trata de buenas calificaciones.

La nota mínima corresponde a la de 12 puntos; esta y las siguientes notas más bajas son todas de Perplexity. En general, se observa un descenso de las puntuaciones medias al aplicar contexto legislativo para GPT, pero afecta en mucha menor medida o incluso afecta positivamente para Perplexity. Se puede decir, pues, que su desempeño más bajo es de carácter general, no debido a la inclusión de contexto legislativo.

Por su parte, las buenas valoraciones de GPT se encuentran también distribuidas entre varias preguntas (Anexo IV). GPT4 destaca por sus buenas puntuaciones en temas relacionados con la metodología e instrumentos de evaluación, así como creatividad, tendencia que se repite también en GPT3, si bien con una algo menor inventiva en metodología y evaluación.

Hay algunos aspectos en los que todas las situaciones de todas las IA tienen un buen desempeño. Destacan, sobre todo, la aplicación correcta de la metodología principal que les corresponde y el fomento de la metacognición y el razonamiento propio. También, responden de forma adecuada acerca del papel del docente en la situación. Se tiene en cuenta en todos los casos el trabajo en grupo y el debate colectivo, si bien esto hace que se peque de repetitividad en las estrategias utilizadas. Estas estrategias empleadas pueden ser difíciles de adaptar para cursos educativos más bajos, puesto que los estudiantes aprenden por primera vez a organizarse por equipos, expresar argumentos y debatir. Estos factores han hecho que algunas situaciones tengan una menor puntuación en las preguntas correspondientes. En un caso práctico, sin embargo, al aplicar estas situaciones su nivel de adecuación dependerá, sobre todo, de los contenidos impartidos, la longitud temporal de las sesiones y la dedicación y guía del propio docente. El razonamiento crítico y el trabajo en grupo son considerados pilares básicos de la enseñanza científica y son factores adecuados en la formación de una situación de aprendizaje (García-Carmona, 2023).

En el Anexo IV están los resultados detallados de la aplicación de la lista de cotejo secundaria. Las situaciones de aprendizaje que hayan sido creadas con IA a las que se haya impuesto un proyecto final serán comparadas con una situación de aprendizaje de referencia. Se evalúan un total de 24 situaciones en este caso, obteniéndose las puntuaciones de la Tabla 2.

En este caso, el valor medio más alto lo tiene GPT3 tanto en la media general como en la de situaciones con legislación, así como la nota absoluta máxima, de 15 puntos. Se trata de la misma situación que tuvo la mayor nota en el análisis de la tabla principal. De igual manera, a esta nota le siguen situaciones de GPT3 y GPT4, que son también buenas, lo que refuerza el buen desempeño observado en la parte anterior. Es razonable afirmar, por tanto, que las situaciones cumplieron con las expectativas de una situación de aprendizaje manual.

El patrón de mejores y peores respuestas en este caso es similar al del análisis anterior. GPT3 y GPT4 destacan en la evaluación completa con rúbricas, y todas las IA coinciden en tener situaciones con muy buena puntuación en la valoración del trabajo en equipo y relación de la actividad con la vida cotidiana. Perplexity, por su parte, cuenta con los valores más bajos de notas medias y absolutas.

En este análisis se dilucidan las temáticas principales empleadas por cada IA. Esto hace referencia al concepto o argumento principal que la IA menciona en el título, proyecto final y descripción de saberes básicos, el tema que se trabaja en el desarrollo de la práctica.

Los resultados de la categorización de las temáticas más usuales de aquellas situaciones con libertad de escoger proyecto final (24 en total, 8 por cada IA) aparecen en la Figura 2.

Todas las IA coinciden en darle mucha relevancia a las formas y las fuentes de energía. Es un buen argumento, puesto que ofrece una gran flexibilidad a la hora de dividir conceptos por grupos o actividades y reúne buena parte de los saberes básicos requeridos (MEFP, s. f.).

La IA que más variedad de temáticas ofrece es Perplexity, lo que es una buena cualidad a destacar. Incluyó argumentos originales como la huella de carbono o la construcción de un dispositivo que transforma energía mecánica en eléctrica.

Por su parte, GPT4 emplea la temática del impacto socioambiental de las personas (en un enfoque más profundo que las energías renovables). GPT3 no cuenta con ninguna temática que no se repita en los demás casos, pero ofrece también desarrollos adecuados. La energía nuclear y las energías renovables son temas adecuados para la metodología de controversias sociocientíficas; son temas que pueden resultar interesantes para el estudiantado puesto que tienen relación directa con sus vidas, se relacionan con el desarrollo de la física y la química en la actualidad (García-Carmona, 2023) y pueden verlas mencionadas en su entorno cotidiano.

En segundo lugar, se evalúan las metodologías escogidas para estas situaciones de aprendizaje (de la 5 a la 8) por las IA. Los resultados, aplicables a 24 situaciones de aprendizaje, se muestran en la Figura 3.

En este caso, la metodología preferida con gran diferencia para las dos versiones de ChatGPT es el ABP. Aparte, GPT3 propone la metodología de ABProb. para una situación, lo que le da un enfoque más técnico y menos experimental, al ser una metodología basada en problemas y no en proyectos o experimentos. GPT4 utiliza la metodología que denomina IBA, que se puede interpretar como una metodología equivalente a IBSE. Perplexity, por su parte, cuenta con más originalidad a la hora de elegir metodologías, si bien tiende a definirlas de forma parecida en sus respuestas.

Si se pregunta a cada IA por qué escogió las metodologías descritas en la Figura 3, las respuestas que se han obtenido han sido diversas, pero, en todos los casos, los argumentos que defiende cada metodología parecen tener denominadores comunes, como el trabajo en equipo, la relación con la vida cotidiana y el desarrollo de habilidades. Todas son metodologías compatibles con las situaciones creadas, siempre y cuando tengan un enfoque adecuado; además, las IA las combinan con otras modalidades en la secuenciación de actividades. La gran fijación con ABP puede deberse también a que es una metodología bastante sugerida para la enseñanza de las ciencias (e. g. Han et al., 2014; Bautista Vallejo, 2017), pero sobre todo por la abundancia de información tanto profesional educativa como académica (e. g. Kokotsaki et al., 2016; Chen, & Yang, 2019). Además, hay muchos estudios que ponen en valor sus bondades para todas las áreas de conocimiento, además de las ciencias o del ámbito STEM y en todos los niveles educativos, desde Educación Infantil a la Universidad (Kokotsaki et al., 2016; Almulla, 2020; Guo et al., 2020). No obstante, cabe reseñar que otras metodologías similares centradas en el aprendizaje del estudiante como puede ser Aprendizaje Basado en Problemas o Aprendizaje basado en el estudio de casos tienen ventajas similares en aspectos tan relevantes como la mejora de la motivación del estudiante (Wijnia et al., 2024). Así pues, las bases de datos de donde bebe la IA pueden tener tal vez más información y de más calidad acerca de esta metodología de Aprendizaje Basado en Proyectos.

En tercer lugar, analiza la duración, en número de sesiones, de las situaciones de aprendizaje. En este caso entraban en juego todas las 48 situaciones, cuyo resultado se muestra en la Figura 4.

Las situaciones de aprendizaje de GPT suelen presentar más elaboración y más tiempo dedicado a procesos como búsqueda de información y elaboración de presentaciones. La correcta distribución de los tiempos es un factor importante a la hora de hacer una situación de aprendizaje, puesto que se ha de contar con posibles imprevistos o retrasos que conlleve el enseñar y monitorear grupos numerosos de estudiantes.

En general, salvo algún caso de GPT3 que llega a sugerir una duración de 8/9 sesiones, el resto de las situaciones se mantienen dentro de un rango de entre 3 a 5 sesiones de duración; la deducción de todas las IA parece aceptable para el contenido impartido.

Por último, se revisa la inclusión (o no) de ciertos factores que pueden ser importantes en la creación de la situación de aprendizaje: marcan el nivel de originalidad, diversidad de metodología y aspectos de los que se componen (Figura 5).

METOD = El docente explica la metodología principal a los estudiantes en la secuenciación de actividades, GRUPOS = Se detalló la organización de los grupos en la secuenciación, LL. IDEAS = se realizó una actividad de lluvia de ideas o brainstorming al comienzo de la secuenciación para observar ideas previas, LAB = se incluyó la realización de actividades experimentales en la secuenciación, CREAT= se valoró como un criterio de evaluación la creatividad de los estudiantes.

Para interpretar mejor la figura, se ha de saber que se analizan todas las situaciones de aprendizaje (16 para cada IA), representándose en la gráfica las veces en las que una condición se tuvo en cuenta.

Se observa que la categoría “METODO” (el docente explica la metodología principal a los estudiantes en la secuenciación de actividades) cuenta con una cantidad limitada de frecuencia, con una máxima aparición del 25 % de las situaciones en el caso de GPT4. Es importante que los propios estudiantes sepan qué tipo de actividades van a hacer, favoreciendo la organización de los grupos y su seguimiento.

Teniendo en cuenta que el número máximo de cada columna de cada IA es 16, las frecuencias resultantes no son muy satisfactorias, con una máxima aparición del 25 % de las situaciones en el caso de GPT4.

El factor GRUPOS (se detalló la organización de los grupos en la secuenciación) tampoco es muy abundante, presente como máximo el 38 % de las veces en GPT3, que desciende hasta el 6 % en Perplexity. Las IA no describen explícitamente el tipo y el carácter de las agrupaciones que proponen, por lo que se recomienda indicarlo si se busca expresamente.

En el caso de LLUVIA DE IDEAS (se realizó una actividad de lluvia de ideas o brainstorming al comienzo de la secuenciación para observar ideas previas), GPT4 presenta una proporción bastante elevada (56 %) de presencia en sus situaciones, destacando claramente sobre los demás, viendo el mayor defecto de esta característica en Perplexity.

Si bien no es la intención principal, es original que se incorporen actividades de laboratorio en las situaciones de aprendizaje y pueden enriquecer el conocimiento del bloque temático de energía. En este caso se encuentra más veces en Perplexity con un porcentaje del 25 %, no demasiado alto. En adición a esta baja frecuencia, se ha observado también una mala organización temporal de estas actividades, dándoles demasiado poco tiempo para realizarse. Suelen incluir muy poca concreción también, sin incluir ejemplos de experimentos o procedimientos a realizar, que deberían solicitarse específicamente.

Por último, se encuentra CREATIVIDAD (se valoró como un criterio de evaluación la creatividad de los estudiantes), que indica las veces en las que la creatividad ha sido valorada en la evaluación. En algunas situaciones, por cómo elabora la IA el proyecto final, este factor no procede, pero los resultados observados son, en su mayoría, compatibles con la inclusión de este criterio (por ejemplo, ya solo las situaciones que incluyen proyecto final contienen un factor de creatividad inherente en la creación de las “casas inteligentes”).

Sorprendentemente, Perplexity tiene una gran capacidad para valorar este factor (con un 63 % de presencia), colocándose, tras este y los análisis anteriores, en una IA con bastante buena inventiva. ChatGPT solo alcanza a llegar al 25 % en sus dos versiones, pero en muchos de esos casos no realiza solo una mera mención, sino que incluye la creatividad en sus rúbricas, como en dos de las situaciones de 4.º de ESO.