Cómo la Inteligencia Artificial generativa está transformando el papel de los profesionales de la información

Bates, Mary Ellen «The rise of generative AI: Transforming the role of information professionals | For Librarians | Springer Nature». Accedido 12 de julio de 2024. https://www.springernature.com/cn/librarians/the-link/blog/blogposts-corporate-health/rise-generative-ai-transforming-information-professionals/27252544.

El artículo de Mary Ellen Bates explora cómo la inteligencia artificial generativa está transformando el rol de los profesionales de la información y los bibliotecarios corporativos.

La rápida aparición de herramientas de IA generativa ha traído cambios significativos y nuevas oportunidades. A medida que estas herramientas mejoran en la generación de texto, imágenes e incluso código, los profesionales de la información deben adaptarse para aprovechar estos avances. El artículo analiza cómo la IA generativa está remodelando los servicios de información, permitiendo a los profesionales mejorar sus roles mientras mantienen su experiencia única.

Uso de chatbots en la investigación

Los chatbots, como Google Gemini, Bing Copilot, Claude.ai y Perplexity.ai, ofrecen capacidades únicas para los profesionales de la información y sus usuarios. Estos son especialmente útiles durante la fase inicial de un proyecto, cuando el investigador aún no conoce el alcance y la profundidad de la investigación existente. Asistentes virtuales de investigación como Elicit.com, Scite y Consensus, entrenados en artículos revisados por pares, ayudan a navegar la literatura científica, identificar y evaluar artículos relevantes, y generar insights y resúmenes.

IA generativa como asistente administrativo

Más allá de la investigación, la IA generativa puede servir como asistente administrativo para los profesionales de la información. Un chatbot puede generar el primer borrador de correspondencia comercial rutinaria, materiales de marketing, descripciones de puestos y contenido similar. También puede revisar informes para detectar errores gramaticales o sintaxis poco clara, priorizar correos electrónicos, proporcionar plantillas para respuestas comunes y automatizar la programación y el envío de correos electrónicos. Además, los plugins de IA para plataformas de videoconferencia pueden transcribir y resumir reuniones en tiempo real, generar listas de tareas y problemas pendientes, y ayudar a crear visualizaciones de datos para comunicar información compleja de manera más efectiva. Aunque las herramientas de IA generativa pueden producir borradores de manera eficiente, la revisión humana sigue siendo crucial para asegurar la precisión y el control de calidad.

Bibliotecas inteligentes

Las bibliotecas también están aprovechando una amplia gama de herramientas y tecnologías de IA para mejorar sus operaciones, servicios y experiencias de usuario. Los chatbots pueden consultar repositorios internos de información, proporcionando acceso nuevo y más rico a contenidos que de otro modo no serían fácilmente buscables. Las herramientas de IA pueden ayudar en tareas intensivas como catalogación, clasificación, generación de metadatos y gestión de inventarios, mejorando la eficiencia y liberando a los bibliotecarios para actividades de mayor valor. Los gestores de bibliotecas analizan el comportamiento de los usuarios, los patrones de uso de recursos y las métricas de colección con herramientas de IA para tomar decisiones basadas en datos, planificar estratégicamente y optimizar la asignación de recursos.

Nuevos roles de los profesionales de la información en la era de la IA

Los profesionales de la información están adoptando nuevos roles que aplican habilidades tradicionales de gestión de información en el contexto de la IA moderna. Estos roles incluyen:

  1. Colaborar con científicos de datos y equipos de investigación para identificar las mejores herramientas y recursos para proyectos de IA.
  2. Guiar en el uso ético y responsable de la IA, incluyendo la privacidad de datos, la seguridad y los derechos de propiedad intelectual.
  3. Enseñar a los usuarios cómo los herramientas de IA generativa difieren de las herramientas de búsqueda tradicionales y cómo diseñar prompts efectivos.
  4. Desarrollar esquemas de metadatos y taxonomías para contenido generado por IA, asegurando que este contenido pueda ser organizado, descubierto y recuperado eficazmente.
  5. Educar a los usuarios sobre las limitaciones de las herramientas de IA, promoviendo expectativas responsables y habilidades de pensamiento crítico.

Liderar la revolución de la IA

La IA generativa, aunque puede parecer una amenaza, también ofrece nuevas oportunidades para que los profesionales de la información desplieguen sus habilidades de gestión de información de nuevas maneras y proporcionen aún más valor a los clientes. Al mantenerse informados sobre las últimas herramientas de IA y dominar el arte del diseño de prompts, los profesionales de la información pueden aprovechar el poder de la IA y apoyar a los usuarios en el desarrollo de soluciones previamente inimaginables. La clave es abrazar esta tecnología y comunicar eficazmente sus mejores casos de uso, asegurando que los profesionales de la información permanezcan a la vanguardia de la revolución de la IA.

El uso potencial de modelos de Inteligencia Artificial para generar encabezamientos de materia de la Biblioteca del Congreso (LCSH).


Chow, Eric H. C., T. J. Kao, y Xiaoli Li. «An Experiment with the Use of ChatGPT for LCSH Subject Assignment on Electronic Theses and Dissertations». arXiv, 10 de julio de 2024. https://doi.org/10.48550/arXiv.2403.16424.

Texto completo

Este estudio explora el uso potencial de modelos de lenguaje grande (LLMs) para generar encabezamientos de materia de la Biblioteca del Congreso (LCSH). Los autores emplearon ChatGPT para generar encabezamientos de materia para tesis y disertaciones electrónicas (ETDs) basándose en sus títulos y resúmenes. Los resultados sugieren que LLMs como ChatGPT tienen el potencial de reducir el tiempo de catalogación necesario para asignar términos de materia LCSH a las ETDs, así como mejorar la visibilidad de este tipo de recursos en bibliotecas académicas. Sin embargo, los catalogadores humanos siguen siendo esenciales para verificar y mejorar la validez, exhaustividad y especificidad de los LCSH generados por los LLMs.

En este estudio, los investigadores exploraron el uso de modelos de lenguaje grande (LLM), específicamente ChatGPT, para generar encabezamientos de materia de la Biblioteca del Congreso (LCSH) para tesis y disertaciones electrónicas (ETDs). Los resultados revelaron que, aunque ChatGPT puede acceder a un corpus internalizado de LCSH y registros MARC 21, el modelo tiene dificultades con la validez, especificidad y exhaustividad en los encabezamientos de materia generados. Además, aunque algunos problemas de validez pueden mitigarse con herramientas complementarias, el modelo aún falla en términos de especificidad y exhaustividad, especialmente con las cadenas LCSH que implican subdivisiones, fallando en producir resultados precisos aproximadamente la mitad del tiempo.

Estos resultados sugieren que, para asegurar la precisión y fiabilidad del proceso de catalogación, la participación de catalogadores humanos sigue siendo esencial. No obstante, el uso de LLMs como ChatGPT en la catalogación de ETDs o materiales similares, cuyos títulos y resúmenes son altamente indicativos de sus temas, aún puede desempeñar un papel importante de apoyo. Actualmente, muchas bibliotecas académicas están abrumadas por una afluencia de nuevos recursos electrónicos, incluidos ETDs, que superan con creces la capacidad de los catalogadores humanos para procesarlos de manera oportuna. El estudio sugiere que los LLMs podrían utilizarse como una herramienta económica para la generación inmediata de LCSH, dado que el costo asociado con el uso de la API OpenAI de Microsoft en el presente estudio ascendió a aproximadamente USD $0.25 y el tiempo total utilizado para procesar los 30 ETDs fue de aproximadamente 3 minutos.

Como herramienta de filtrado inicial y sugerencia, ChatGPT permite a los catalogadores experimentados centrarse en mejorar la precisión y completitud de los registros de catálogo. Este enfoque complementario puede potencialmente aumentar la productividad al aprovechar los LLMs para tareas básicas, mientras se preserva la experiencia crítica e insustituible de los catalogadores humanos. Además, para los catalogadores principiantes, refinar una sugerencia de LCSH existente, aunque imperfecta, de ChatGPT es menos intimidante que construir nuevos encabezamientos de materia desde cero. Por lo tanto, el uso de LLMs tiene el potencial de reducir el tiempo de catalogación necesario para asignar términos de materia LCSH para ETDs. Además, para los encabezamientos de materia generados por LLM que no son válidos como LCSH, pero que pueden ser suficientemente descriptivos para describir, los catalogadores podrían incluso considerar insertar estos términos directamente en el campo 653 (término de índice no controlado) en un registro MARC para mejorar la capacidad de descubrimiento del trabajo en un catálogo de biblioteca

La demanda energética de la IA está fuera de control. Bienvenidos a la era del hiperconsumo en Internet

Rogers, Reece. «AI’s Energy Demands Are Out of Control. Welcome to the Internet’s Hyper-Consumption Era». Wired. Accedido 12 de julio de 2024. https://www.wired.com/story/ai-energy-demands-water-impact-internet-hyper-consumption-era/.

Las demandas energéticas de la inteligencia artificial (IA) están fuera de control, inaugurando una era de hiperconsumo en Internet. Las herramientas de IA generativa, ahora parte de la experiencia diaria en línea, están causando estrés en las redes eléctricas locales y una gran evaporación de agua.

La demanda energética de la inteligencia artificial (IA) está creciendo descontroladamente, marcando el inicio de una era de hiperconsumo en Internet. Este aumento en el consumo de energía se debe a la gran cantidad de recursos necesarios para entrenar y operar modelos de IA avanzados. Las operaciones de procesamiento y almacenamiento de datos que requieren estos modelos están ejerciendo una presión significativa sobre la infraestructura energética global. Este fenómeno plantea desafíos importantes para la sostenibilidad y la gestión de recursos, ya que el uso intensivo de energía por parte de la IA puede tener efectos adversos en el medio ambiente y en la disponibilidad de energía a nivel mundial.

La creciente integración de la IA generativa en las interacciones en línea, impulsada por el lanzamiento de ChatGPT de OpenAI a finales de 2022, ha llevado a un aumento significativo en el consumo de recursos. Estos sistemas de IA requieren mucha más energía y agua para funcionar en comparación con servicios tradicionales. Se estima que las aplicaciones de IA generativa son entre 100 y 1000 veces más intensivas en computación.

El aumento en la demanda de energía y agua por parte de los centros de datos que soportan estos modelos de IA está ejerciendo presión sobre la infraestructura energética global. Por ejemplo, Google ha dejado de considerarse neutral en carbono, y Microsoft podría no cumplir sus objetivos de sostenibilidad debido a la carrera por desarrollar las mejores herramientas de IA.

Además, estos centros de datos consumen millones de galones de agua, evaporándola en el proceso, lo que puede afectar negativamente al suministro de agua local. Las empresas tecnológicas, a menudo, presentan el desarrollo de la IA como parte de la solución climática y de la innovación, pero deben buscar enfoques más eficientes para reducir el impacto ambiental.

Guía de formatos documentales recomendados de la Library of Congress

Recommended Formats Statement (RFS) Library of Congress, julio 2024

La Biblioteca del Congreso ha lanzado la edición 2024-2025 del «Recommended Formats Statement» (RFS), marcando su segunda década como un recurso vital para la Biblioteca del Congreso y la comunidad en general que busca crear, coleccionar y preservar obras publicadas en todas las formas.

La edición 2024-2025 trae varios cambios significativos, como el apoyo a características de accesibilidad digital como un criterio para evaluar formatos digitales y la adición de una sección de Preguntas Frecuentes (FAQ) en respuesta a los comentarios de los usuarios. Esta nueva edición también incluye cambios importantes en el lenguaje del RFS, especialmente para materiales impresos como Obras Textuales y Partituras Musicales. Además, se ha añadido el Protocolo de Descripción de Discos (DDP) como un formato aceptable para Audio – Medios independientes (digital), entre otros cambios en la sección de Audio.

Código de buenas prácticas en derechos de autor para bibliotecas

«Navigating Copyright for Crown-Published Works: A Code of Best Practices for Libraries» The Canadian Association of Research Libraries (CARL), 2024

Texto completo

CARL ha publicado el documento «Navigating Copyright for Crown-Published Works: A Code of Best Practices for Libraries» que está disponible en los sitios web de CARL y CFLA, junto con un resumen breve.

Este código de derechos de autor fue desarrollado para bibliotecas por un equipo de redacción comunitario, en colaboración con empleados del gobierno federal y revisores legales y académicos. Proporciona una exploración legal y práctica del uso justo en el contexto de las actividades de conservación de bibliotecas para publicaciones gubernamentales en Canadá.

Aunque el código no es un consejo legal, ofrece un modelo legalmente defendible para la aplicación de la excepción de uso justo al copiar, preservar y compartir publicaciones gubernamentales. Detalla las secciones relevantes de la Ley de Derechos de Autor de Canadá y jurisprudencia, y proporciona estudios de caso que describen proyectos relacionados realizados por bibliotecas académicas.

¿Cuáles son las principales razones para elegir un libro en formato físico sobre la opción digital?

Ampliar la imagen

¿Cuáles son las principales razones para elegir un libro de vida real, lo-fi, analógico, en formato físico sobre la opción digital? El texto explica las razones principales por las cuales las personas eligen un libro físico, analógico y en formato impreso sobre la opción digital. Aquí están los puntos destacados basados en una encuesta reciente a 1,000 participantes:

SENSACIÓN 65%

  • La experiencia física: el peso del libro, las notas e inscripciones, los recuerdos marcados por las esquinas dobladas, las marcas de uso, como un antiguo boleto escondido en la página 56. Estas características proporcionan una experiencia táctil y personal que los libros digitales no pueden igualar.

APRENDIZAJE 61%

  • Herramientas de estudio: el uso de notas adhesivas, marcadores y la posibilidad de tener varios volúmenes abiertos al mismo tiempo facilitan el estudio y la investigación, algo que no es tan práctico en los libros electrónicos.

COMPARTIR 58%

  • Compartir y prestarse: los libros físicos se pueden prestar a amigos y seres queridos, permitiendo un intercambio tangible y la posibilidad de discutir y compartir experiencias literarias, lo cual es difícil de replicar con libros electrónicos.

VER 53%

  • Apreciación estética: los libros físicos suelen tener diseños atractivos, papeles de calidad, ilustraciones y bordes dorados, convirtiéndolos en objetos de arte visualmente agradables que añaden valor estético a una biblioteca personal.

REVENTA 45%

  • Derecho de propiedad: al comprar un libro físico, se obtiene la propiedad total del mismo, lo que permite venderlo o intercambiarlo según se desee, una opción que no está disponible para los libros electrónicos que a menudo están sujetos a restricciones de uso digital.

COLECCIONAR 44%

  • Coleccionismo: muchos disfrutan de la satisfacción de poseer libros antiguos, primeras ediciones o simplemente de tener una colección de libros en su estantería, lo cual es un aspecto significativo de la pasión por la lectura y el coleccionismo literario.

DAR 44%

  • Regalar: poner una cinta en un libro físico como regalo muestra un toque personal y afectivo que es difícil de lograr con descargas digitales, que carecen de la misma calidez y conexión emocional.

COMPRAR 42%

  • Experiencia de compra: explorar físicamente una librería, tocar y hojear libros entre los estantes ofrece una experiencia sensorial y una conexión con el entorno que no se puede replicar con la compra digital, que generalmente se realiza de manera solitaria desde casa.

POSAR 9%

  • Estética personal: tener un libro físico en las manos puede ser una expresión de estilo personal o un elemento de identidad cultural que es difícil de transmitir con un dispositivo electrónico.

OLER 11%

  • Experiencia sensorial: el olor de los libros físicos es valorado por muchos lectores, ya que evoca recuerdos y añade una dimensión sensorial a la experiencia de lectura que los libros electrónicos no pueden proporcionar.

Evaluación de la cobertura de citas en 59 bases de datos: más allá de Google Scholar, Scopus y Web of Science

Gusenbauer, Michael. «Beyond Google Scholar, Scopus, and Web of Science: An Evaluation of the Backward and Forward Citation Coverage of 59 Databases’ Citation Indices». Research Synthesis Methods n/a, n.o n/a. Accedido 11 de julio de 2024. https://doi.org/10.1002/jrsm.1729.

El estudio «Beyond Google Scholar, Scopus, and Web of Science: An evaluation of the backward and forward citation coverage of 59 databases’ citation indices» de Michael Gusenbauer, publicado el 14 de junio de 2024, evalúa la cobertura de citas de los índices de 59 bases de datos, incluyendo Google Scholar, Scopus y Web of Science, además de otras menos analizadas como Lens, Scite, Dimensions, OpenAlex, PubMed y JSTOR.

El análisis abarca 259 artículos de revistas de diversas disciplinas, con el objetivo de guiar a los académicos en la selección de índices con una cobertura documental más amplia y enlaces de citas hacia atrás (BWC) y hacia adelante (FWC) más precisos y completos.

Hallazgos clave:

  • FWC (Forward Citation Coverage): Google Scholar, ResearchGate, Semantic Scholar y Lens destacan como las mejores opciones, con Lens sobresaliendo en capacidades de descarga.
  • BWC (Backward Citation Coverage): Web of Science Core Collection se recomienda sobre Scopus por su precisión. Las bases de datos de editores como IEEE Xplore o ScienceDirect son las más precisas en BWC, aunque solo para un número limitado de artículos.

Los resultados muestran que los 259 artículos utilizados para calcular las puntuaciones de BWC (citas hacia atrás) y FWC (citas hacia adelante) fueron accesibles de manera desigual en las bases de datos. En general, las bases de datos más grandes también cubrían más artículos, una relación visible en una correlación de Pearson de r = 0.84. Google Scholar y OpenAlex fueron las únicas bases de datos que cubrieron todos los artículos, mientras que PLOS y Econstor tuvieron la menor cobertura, identificando solo nueve artículos.

La mitad de las bases de datos proporcionaron información de FWC para todos o casi todos (96%) los artículos que cubrían, de los cuales dos tercios lo hicieron para todos los artículos. La otra mitad proporcionó solo información fragmentada, siendo Ingenta Connect la que menos información ofreció, con solo un artículo (6%) que tenía información de FWC. Se encontró una correlación notable entre el tamaño de la base de datos y la cobertura de FWC (r = 0.63), lo que significa que las bases de datos más grandes tienen índices de FWC más completos. Existen múltiples razones por las cuales esta correlación es menor que la cobertura de artículos (r = 0.84): primero, problemas en la provisión y enlace de datos significan que algunos artículos cubiertos no aparecen en las BWCs o FWCs. Por ejemplo, ScienceOpen, SciTech Premium Collection (a través de ProQuest) y Academic Search Premier (a través de EBSCOhost) tienen bases de datos comparativamente grandes, pero la información de citas que proporcionan es débil. Otra razón es que ciertos proveedores limitan artificialmente la cobertura; por ejemplo, Ebsco ofrece diferente cobertura de citas en sus productos. Además, las bases de datos más pequeñas tienen una amplia cobertura de FWC o BWC debido al uso de proveedores de datos externos que extienden sus índices de citas mucho más allá de la cobertura de artículos de sus propias bases de datos (por ejemplo, IEEEXplore, PLOS, ScienceDirect, Sage). Todos estos hallazgos significan que el tamaño de la base de datos por sí solo no es un indicador perfecto de la cobertura de citas.

El número de BWCs en todos los campos científicos en 2018 fue una mediana de 54.5 y una media de 93.9. Ninguna base de datos proporcionó información de BWC para todos los artículos; las más cercanas a la cobertura total fueron Scopus, OpenAlex, Lens y ScienceOpen. Entre los artículos que fueron cubiertos, alrededor del 36% de todas las bases de datos proporcionaron información completa de BWC, mientras que otro 17% lo hizo para más del 90% de los artículos. Las bases de datos restantes proporcionaron información más fragmentada, siendo Academic Search Premier (a través de EBSCOhost) la que menos proporcionó, con solo el 7% de sus artículos con información de BWC. El análisis muestra que tanto las grandes bases de datos multidisciplinarias como las bases de datos de editoriales más pequeñas pueden proporcionar información de BWC completa y precisa. En esta línea, se encontró que el tamaño de la base de datos estaba débilmente correlacionado con la precisión de la información de BWC (r = 0.16). Una razón probable puede ser que las bases de datos de editoriales más pequeñas, en particular, tenían información de BWC comparativamente buena. En comparación, las bases de datos más grandes no siempre eran precisas, a menudo sobreestimando el número de BWCs que tenía un artículo.

Estos hallazgos ayudarán a los académicos en la realización de revisiones sistemáticas, meta-análisis y análisis bibliométricos a seleccionar las bases de datos más adecuadas para la búsqueda de citas.

Google lanza las métricas de Google Scholar 2024

Las métricas de Scholar ofrecen una forma sencilla para que los autores evalúen rápidamente la visibilidad e influencia de artículos recientes en publicaciones académicas. Hoy lanzamos la 2024 version of Scholar Metrics. Esta versión abarca artículos publicados entre 2019 y 2023 e incluye citas de todos los artículos indexados en Google Scholar hasta julio de 2024.

Puedes explorar publicaciones en categorías como Ingeniería Oceánica y Marina, Artes Dramáticas y de Teatro, o Bosques y Silvicultura. Verás las 20 principales publicaciones ordenadas por sus métricas de h-index y h-median de cinco años. También puedes explorar las 100 principales publicaciones en varios idiomas, por ejemplo, portugués y español. Para cada publicación, puedes ver los artículos principales haciendo clic en el h5-index.

Las métricas de Scholar incluyen una gran cantidad de publicaciones más allá de las listadas en las páginas por categoría y por idioma. Puedes encontrarlas escribiendo palabras del título en el cuadro de búsqueda, por ejemplo, [sostenibilidad], [logística], [salud pública].

Conjunto de herramientas de narración historias personales para bibliotecarios

Project Helps Librarians Use Data Storytelling to Advocate For Public Libraries, University of Illinois Urbana-Champaign News Bureau, 2024

Texto completo

El «Data Storytelling for Librarians Toolkit», desarrollado por profesores de ciencias de la información de la Universidad de Illinois Urbana-Champaign, ayuda a los bibliotecarios a usar datos para comunicar el valor de sus servicios y justificar sus necesidades de financiamiento. Liderado por la profesora Kate McDowell, junto con Matthew Turk y Jill Naiman, el proyecto se centra en presentar datos en forma de narrativa.

El toolkit se creó después de varios años de entrevistas, encuestas y grupos focales con personal de bibliotecas en todo el país. Aunque se esperaban problemas relacionados con presupuestos y personal, los bibliotecarios expresaron una mayor necesidad de defender mejor sus bibliotecas. Los tipos de historias que querían contar incluían compartir logros, comparar el progreso de la biblioteca con el tiempo o con otras similares, y justificar inversiones.

El toolkit permite a las bibliotecas utilizar la gran cantidad de datos que recopilan sobre sus funciones, como el número de titulares de tarjetas, libros prestados, visitas a la biblioteca y asistencia a programas. También incluye datos demográficos de las comunidades a las que sirven, como el número de niños en edad escolar y personas mayores, y los idiomas hablados por los residentes.

El toolkit incluye una herramienta de visualización de datos desarrollada por Turk y Naiman, con un tutorial para nuevos usuarios y un tablero configurable para usuarios más experimentados. Esta herramienta permite a los bibliotecarios probarla con sus propios datos.

Durante el último año, McDowell ha hablado sobre la narrativa de datos y el toolkit en grupos de bibliotecas locales, nacionales e internacionales, y ha presentado una serie de seminarios web sobre el proyecto. El último seminario web gratuito será el 17 de julio, y este otoño publicará un libro que ampliará la información presentada en el toolkit.

Inteligencia artificial en la microeducación: transformando el aula del futuro.

“Inteligencia artificial en la Microeducación: transformando el Aula del Futuro.”. Observatorio de Innovación Educativa y Cultura Digital (ODITE), 2024

Texto completo

La inteligencia artificial (IA) ha emergido como una fuerza transformadora en diversos campos, incluyendo la educación. En los últimos años, la IA se ha integrado en el proceso educativo, demostrando su capacidad para transformar contenidos y lenguas, influenciar la gestión de datos y la toma de decisiones a nivel global. Diversas organizaciones y asociaciones están promoviendo el conocimiento de los beneficios, riesgos y aplicaciones de la IA en la educación. Un ejemplo es el libro “Inteligencia Artificial en la Microeducación: Transformando el Aula del Futuro” de ODITE (Observatorio de Innovación Educativa y Cultura Digital), que analiza la convergencia entre tecnología y pedagogía.

El libro se divide en tres bloques principales:

  1. El Escenario: Explora el contexto y plantea preguntas esenciales sobre el papel de la IA en la microeducación, incluyendo la relación entre docentes e IA y su impacto futuro en el aprendizaje.
  2. Los Fundamentos: Aborda los conceptos básicos de la IA, su impacto en la educación y su potencial para transformar una escuela inclusiva. Se discuten temas como la personalización del aprendizaje mediante IA, el uso de ChatGPT y reflexiones éticas sobre la evaluación.
  3. La Praxis: Presenta casos prácticos de implementación de la IA en diversos contextos educativos, desde Educación Primaria hasta Bachillerato. Reforzando la idea de que lo importante es cómo se utilizan las herramientas de IA en el contexto educativo. Ejemplos incluyen la personalización del aprendizaje y la narración asistida por IA.

El documento pretende ser una referencia para educadores y profesionales interesados en las oportunidades y desafíos de la IA en la educación, con un enfoque crítico, ético e inclusivo. Ofrece una perspectiva internacional basada en evidencias para mejorar la práctica educativa a través de la IA y plantea interrogantes sobre la preparación de los centros educativos, el profesorado y el alumnado frente a estos cambios, y si existen suficientes estudios detallados sobre el impacto de la IA en el aula.