Gu, Xingjian, y Barbara J. Ericson. 2024. «AI Literacy in K-12 and Higher Education in the Wake of Generative AI: An Integrative Review.» arXiv. Publicado el 1 de marzo de 2024. https://arxiv.org/abs/2503.00079

En los últimos años, especialmente tras la popularización de herramientas de inteligencia artificial generativa como ChatGPT, la alfabetización en IA (AI literacy) se ha convertido en un tema clave en la educación tanto primaria y secundaria como superior. Sin embargo, existe una falta de definición clara y consensuada sobre qué significa exactamente ser «alfabetizado» en IA y cómo debe abordarse desde una perspectiva educativa.

En los últimos años, y de manera especialmente notable desde la irrupción de tecnologías de inteligencia artificial generativa como ChatGPT, la alfabetización en inteligencia artificial (IA) ha comenzado a consolidarse como un tema prioritario dentro de los entornos educativos, tanto en la enseñanza primaria y secundaria (K-12) como en la educación superior. Sin embargo, a pesar de su creciente relevancia, persiste una notable falta de consenso acerca de qué debe entenderse por «alfabetización en IA» y cómo debería abordarse de manera pedagógica. El concepto resulta amplio y, en ocasiones, ambiguo: bajo su paraguas caben desde programas diseñados para enseñar a estudiantes universitarios a utilizar de manera eficiente herramientas como ChatGPT hasta actividades que promueven la interacción de niños de educación infantil con robots sociales. Esta amplitud de enfoques y objetivos genera confusión y dificulta el diseño de intervenciones educativas claras, estructuradas y coherentes.

Ante esta falta de definición precisa, Gu y Ericson llevan a cabo una revisión integradora de 124 estudios publicados desde el año 2020, tanto de carácter empírico como teórico. Mediante este análisis exhaustivo, los autores buscan mapear el estado actual del campo de la alfabetización en IA y ofrecer una perspectiva integradora que permita clarificar cómo se está abordando este concepto desde distintas disciplinas y niveles educativos. La revisión de la literatura revela la existencia de múltiples interpretaciones y objetivos, lo que refuerza la idea de que, para avanzar en este ámbito, es necesario disponer de un marco común que permita ordenar las distintas aproximaciones y facilitar el diálogo entre investigadores, educadores y responsables políticos.

A partir del análisis de los estudios revisados, los autores proponen una doble clasificación que permite comprender las principales formas en las que se conceptualiza la alfabetización en IA en los ámbitos educativos. Por un lado, identifican tres maneras de entender la alfabetización en IA: funcional, crítica y de beneficios indirectos. La alfabetización funcional se centra en el desarrollo de habilidades prácticas para utilizar herramientas de IA de forma eficiente, como escribir mejores indicaciones (prompts) para obtener resultados óptimos con sistemas generativos. La alfabetización crítica, por su parte, busca fomentar una mirada reflexiva y ética sobre la IA, cuestionando cuestiones como los sesgos algorítmicos, la privacidad de los datos o las implicaciones sociales de su uso. Finalmente, la alfabetización con beneficios indirectos engloba aquellas experiencias de aprendizaje que, mediante el uso de IA, favorecen el desarrollo de competencias transversales como el pensamiento computacional, la resolución de problemas o el trabajo colaborativo.

Paralelamente, los autores también identifican tres perspectivas principales desde las que se aborda la IA en los estudios analizados: como detalle técnico, como herramienta y como fenómeno sociocultural. La primera perspectiva pone el foco en los fundamentos técnicos de la IA, enseñando a los estudiantes conceptos como los algoritmos de aprendizaje automático o el funcionamiento de las redes neuronales. La segunda trata la IA como un recurso práctico que permite optimizar tareas, resolver problemas y mejorar procesos en distintos contextos. Por último, la perspectiva sociocultural analiza la IA como un fenómeno que influye e interactúa con los entornos sociales, económicos y culturales, abordando sus impactos éticos, legales y políticos.

Fruto de esta doble clasificación, Gu y Ericson proponen un marco integrador que organiza el espectro actual de aproximaciones a la alfabetización en IA y que ayuda a detectar lagunas tanto teóricas como prácticas dentro del campo. Una de sus conclusiones más relevantes es la necesidad de desarrollar una terminología más precisa y especializada dentro del discurso educativo sobre IA. En su opinión, contar con términos específicos —como “alfabetización técnica en IA”, “alfabetización crítica en IA” o “alfabetización sociocultural en IA”— permitiría diseñar programas formativos mejor adaptados a los objetivos perseguidos y a las características de cada nivel educativo.

Por último, los autores destacan algunos vacíos importantes en la investigación sobre alfabetización en IA. Mientras que los enfoques funcionales y técnicos han recibido una considerable atención en los últimos años, los enfoques críticos y socioculturales permanecen relativamente desatendidos, lo que sugiere la necesidad de impulsar más investigaciones e intervenciones educativas que promuevan una comprensión ética, inclusiva y socialmente consciente de la inteligencia artificial.