Archivo de la etiqueta: Inteligencia artificial

Uso de la IA Generativa en la alfabetización de niños, jóvenes y maestros en 2024

Irene Picton & Christina Clark. Children and young people’s use of generative
AI to support literacy in 2024. National Literacy Trust June 2024

Texto completo

Teachers’ use of AI to support literacy in 2024. National Literacy Trust June 2024

Texto completo

El porcentaje de jóvenes de 13 a 18 años que han utilizado IA generativa se ha duplicado en el último año, pasando de casi 2 de cada 5 en 2023 (37,1%) a 3 de cada 4 (77,1%) en 2024. Casi 1 de cada 5 jóvenes (18,5%) de 13 a 18 años afirmaron haber utilizado IA generativa para escribir historias. 1 de cada 5 (20,9%) niños y jóvenes jóvenes dijeron que normalmente copiaban lo que les decía la IA generativa

Los avances tecnológicos recientes han acelerado la influencia de la Inteligencia Artificial (IA) en nuestras vidas, impactando también en la educación y la alfabetización. Estos informes presentan hallazgos de encuestas anuales de alfabetización realizadas en 2023 y 2024, que incluyen preguntas sobre el uso de IA generativa. En 2024, participaron 53.169 niños y jóvenes, con un enfoque en 15.830 jóvenes de 13 a 18 años y 1.228 maestros en escuelas del Reino Unido.

Uso de la IA Generativa por los Jóvenes:

  • Incremento en el uso: El porcentaje de jóvenes de 13 a 18 años que usaron IA generativa aumentó del 37.1% en 2023 al 77.1% en 2024. No hubo diferencias significativas entre chicos y chicas (78.3% vs. 76.4%), ni entre aquellos que recibían comidas escolares gratuitas y los que no (77.7% vs. 77.3%).
  • Usos comunes: Los jóvenes que utilizan regularmente IA generativa lo hacen principalmente por entretenimiento, curiosidad, tareas escolares e inspiración. En relación con la alfabetización, el 44.4% la usó para conversar, el 18.5% para escribir historias, el 12.8% para escribir poemas o letras de canciones, y el 9.0% para escribir no ficción.
  • Actitudes positivas: La mayoría de los jóvenes considera que la IA generativa les ayuda con ideas (56.6%), comprensión (52.2%) y aprendizaje de nuevos conceptos (50.8%). Además, el 39.6% siente que les ayuda a escribir y el 23.2% con la lectura.
  • Crítica y copia: Casi la mitad (47.4%) de los jóvenes dijo que suelen agregar sus propios pensamientos a lo que la IA les ofrece, y el 39.9% revisa las respuestas porque podrían estar equivocadas. Sin embargo, 1 de cada 5 (20.9%) simplemente copia lo que la IA les dice, y un porcentaje similar (20.6%) no verifica las salidas, indicando la necesidad de mayor apoyo para desarrollar habilidades críticas en el uso de la IA.

Uso de la IA Generativa por los Maestros:

  • Incremento en el uso: El porcentaje de maestros que usaron IA generativa aumentó del 31.0% en 2023 al 47.7% en 2024, con un mayor uso entre maestros de secundaria (56.8%) en comparación con los de primaria (30.9%).
  • Preocupaciones y percepciones: El 37.7% de los maestros estaba preocupado por el uso de IA generativa por parte de sus alumnos, especialmente en secundaria (45.1% vs. 19.7% en primaria). No obstante, el 41.0% de los maestros no estaba preocupado, aunque un 21.3% no estaba seguro.
  • Impacto en habilidades: Aunque el 64.8% de los maestros cree que la IA generativa puede modelar buena escritura para los estudiantes, el 48.9% teme que tenga un impacto negativo en las habilidades de escritura de los niños.
  • Necesidad de formación: Más del 82.0% de los maestros considera que los estudiantes deben aprender a interactuar críticamente con la IA generativa, y el 75.3% siente que también necesitan más formación, apoyo y recursos para utilizar eficazmente estas herramientas.

Estos hallazgos sugieren que tanto maestros como estudiantes podrían beneficiarse de una mayor formación y apoyo para desarrollar habilidades esenciales que les permitan interactuar de manera efectiva, crítica y creativa con la IA generativa.

Las empresas de IA deben jugar limpio cuando utilizan datos académicos en el entrenamiento de sus modelos

«AI Firms Must Play Fair When They Use Academic Data in Training». Nature 632, n.o 8027 (27 de agosto de 2024): 953-953. https://doi.org/10.1038/d41586-024-02757-z.

Las empresas de inteligencia artificial (IA) deben actuar de manera justa cuando utilizan datos académicos en el entrenamiento de sus modelos. Los investigadores están preocupados por el uso sin restricciones de su propiedad intelectual en la formación de modelos de lenguaje como ChatGPT. Es crucial establecer reglas claras sobre el uso aceptable de estos datos.

Actualmente, no se sabe con precisión qué datos se usaron para entrenar modelos como ChatGPT, pero es probable que se hayan utilizado millones de artículos académicos, incluidos aquellos bajo acceso abierto y posiblemente también artículos protegidos por derechos de autor. Esto plantea preguntas sobre si los creadores de estos datos deberían recibir crédito y cómo.

El tema es complicado por las leyes de propiedad intelectual, que varían según la jurisdicción y no siempre son claras sobre si la recolección de datos o su uso para crear modelos de IA constituye una infracción de derechos de autor. Algunas empresas de IA, para evitar litigios, están comenzando a comprar licencias para los datos utilizados en el entrenamiento.

El uso de materiales bajo licencias como Creative Commons, que promueven la distribución y reutilización libre, también genera ambigüedades. Aunque no siempre se considera una infracción el uso de estos materiales para entrenar IA, hay preocupaciones sobre cómo las IA pueden afectar a los creadores, incluyendo a investigadores cuyo trabajo podría ser reutilizado sin la atribución adecuada.

La atribución es un principio fundamental en la ciencia, y algunos investigadores consideran que el uso de datos científicos por modelos comerciales de IA excede lo que las exenciones legales actuales estaban destinadas a permitir. Dado que es casi imposible atribuir correctamente las contribuciones cuando se usan millones de fuentes, se han sugerido soluciones como la generación aumentada por recuperación, que podría permitir a los modelos citar trabajos relevantes.

Dar a los investigadores la opción de excluir su trabajo del entrenamiento de IA podría aliviar sus preocupaciones, y algunas herramientas ya están emergiendo para facilitar esto. Además, leyes como la Ley de IA de la UE, que exige mayor transparencia sobre los datos utilizados en el entrenamiento, podrían fortalecer el control de los creadores sobre su trabajo.

Es necesario continuar investigando si se requieren soluciones más radicales, como nuevas licencias o cambios en la ley de derechos de autor. Las herramientas de IA, al aprovechar un ecosistema de datos construido por movimientos de código abierto, deben respetar las expectativas de reciprocidad y uso razonable, para evitar desincentivar la creación original y asegurar que los creadores mantengan cierto control sobre su obra.

Capacidad de los asistentes de voz y las herramientas de inteligencia artificial generativa para responder a preguntas de referencia que tradicionalmente reciben los bibliotecarios universitarios

Wheatley, Amanda, y Sandy Hervieux. «Comparing generative artificial intelligence tools to voice assistants using reference interactions». The Journal of Academic Librarianship 50, n.o 5 (1 de septiembre de 2024): 102942. https://doi.org/10.1016/j.acalib.2024.102942.

El estudio analiza la capacidad de los asistentes de voz y las herramientas de inteligencia artificial generativa para responder a preguntas de referencia que tradicionalmente reciben los bibliotecarios académicos. Los autores crearon una muestra de 25 preguntas basadas en consultas recibidas en el servicio de referencia virtual de su institución. Luego, desarrollaron una rúbrica para evaluar la calidad de las respuestas proporcionadas por las herramientas impulsadas por IA. Los autores concluyeron que las herramientas entienden bien las preguntas de referencia y ofrecen respuestas relevantes, pero la calidad de las referencias proporcionadas y la precisión de las respuestas pueden ser insuficientes. Sugieren que se necesita más investigación para comprender mejor el lugar de las herramientas impulsadas por IA en los servicios de referencia.

Políticas sobre chatbots de inteligencia artificial entre editoriales científicas: una auditoría transversal

Bhavsar, Daivat, Laura Duffy, Hamin Jo, Cynthia Lokker, R. Brian Haynes, Alfonso Iorio, Ana Marusic, y Jeremy Y. Ng. 2024. «Policies on Artificial Intelligence Chatbots Among Academic Publishers: A Cross-Sectional Audit». medRxiv. https://doi.org/10.1101/2024.06.19.24309148.


El estudio auditó las políticas de 163 editoriales académicas en relación con el uso de chatbots de inteligencia artificial (IA) por parte de autores, enfocándose en editoriales de ciencia, tecnología y medicina. De las editoriales evaluadas, solo 56 (34,4%) tenían políticas públicas sobre el uso de chatbots de IA. Ninguna permitía que los chatbots fueran acreditados como autores. La mayoría (87,5%) requería que se revelara el uso de IA en el proceso de redacción. Cuatro editoriales prohibieron completamente el uso de estas herramientas. El estudio sugiere que en el futuro podría haber un aumento en la adopción de políticas sobre IA por parte de las editoriales académicas.

ElementoResultado
Total de editoriales auditadas163
Editoriales con políticas públicas sobre el uso de chatbots de IA56 (34,4%)
Políticas que permiten acreditación de autoría para chatbots de IA0 (0%)
Políticas que requieren divulgación del uso de chatbots de IA49/56 (87,5%)
Editoriales que prohíben completamente el uso de chatbots de IA4 (2,5%)
Periodo de análisisSeptiembre 2023 – Diciembre 2023

Avanzando en la frontera de la búsqueda con agentes de IA

«Advancing the Search Frontier with AI Agents – Communications of the ACM», 20 de agosto de 2024. https://cacm.acm.org/research/advancing-the-search-frontier-with-ai-agents/.

Como muchos en la comunidad de investigación de recuperación de información (IR) reconocen, la búsqueda sigue siendo un problema no resuelto. Millones de personas enfrentan dificultades diarias con las tareas en los motores de búsqueda. Estas dificultades suelen derivarse de la complejidad inherente de las tareas y de la incapacidad de los sistemas de búsqueda para comprenderlas plenamente y ofrecer resultados pertinentes. La tarea misma es lo que motiva la búsqueda, crea el problema que los usuarios intentan resolver, y guía su comportamiento a medida que exploran las diferentes facetas de la tarea.

Las tareas de búsqueda complejas requieren más que un apoyo básico para encontrar o recuperar información. La investigación en métodos para apoyar estas tareas incluye trabajos sobre la generación de sugerencias de consultas y sitios web, la personalización y contextualización de la búsqueda, y el desarrollo de nuevas experiencias de búsqueda que abarcan tanto el tiempo como el espacio. La reciente aparición de la inteligencia artificial generativa y la llegada de agentes asistidos por esta tecnología tienen el potencial de ofrecer una mayor asistencia a los usuarios, especialmente a aquellos que enfrentan tareas complejas. Estos avances tienen implicaciones profundas para el diseño de sistemas inteligentes y para el futuro de la búsqueda en sí misma.

Este artículo, basado en una ponencia presentada por el autor en la conferencia ACM SIGIR 2023, explora estas cuestiones y cómo los agentes de IA están expandiendo las fronteras de las capacidades de los sistemas de búsqueda, con un enfoque particular en la interacción con la información y la realización de tareas complejas.

La búsqueda sigue siendo un desafío sin resolver, ya que millones de personas se enfrentan diariamente a tareas complejas en los motores de búsqueda web. La aparición de la IA generativa y los agentes de asistencia basados en esta tecnología prometen revolucionar la realización de tareas, ayudando a los usuarios a navegar y resolver problemas de búsqueda complejos. Estos avances presentan tanto desafíos como oportunidades extraordinarias para redefinir el acceso a la información y su uso, impulsando la búsqueda hacia nuevos horizontes.

Recomendación sobre la ética de la inteligencia artificial

Recomendación sobre la ética de la inteligencia artificial. UNESCO, 2024

Texto completo



En la 41ª reunión de la Conferencia General de la UNESCO, celebrada en París en noviembre de 2021, se aprobó una Recomendación sobre la Ética de la Inteligencia Artificial (IA). Reconociendo tanto los beneficios como los riesgos de la IA en diversas áreas como la educación, la cultura y el medio ambiente, la UNESCO subraya la importancia de un enfoque ético y basado en derechos humanos para el desarrollo de estas tecnologías. La Recomendación insta a los Estados Miembros a adoptar medidas, en colaboración con todas las partes interesadas, para garantizar un uso responsable y ético de la IA, respetando la diversidad cultural y los valores locales.

Inteligencia artificial y democracia

Inteligencia artificial y democracia. UNESCO, 2024

Texto completo

El informe basado en la «Recomendación sobre la ética de la inteligencia artificial» de la UNESCO, aprobada en noviembre de 2021, analiza el impacto de la inteligencia artificial (IA) en la democracia. El documento se centra en cuatro áreas clave:

  1. Expectativas y decepciones democráticas de la digitalización: Se exploran las demandas sociales sobre el impacto de la digitalización en la democracia, así como las expectativas generadas en los últimos años.
  2. Nuevo espacio público digital y la conversación democrática: Se examina cómo la democracia depende de una conversación social de calidad y de un espacio público adecuado. Se identifican problemas en el entorno digital y se sugieren medidas para mejorar la conversación democrática.
  3. Democracia de los datos y la política del big data: Se discute el impacto de los sistemas automatizados, la tecnología interoperable y la cuantificación de la sociedad en la política. El informe cuestiona críticamente la dimensión política y democrática del big data.
  4. Democracia y gobernanza algorítmica: Se analiza la compatibilidad de los sistemas automáticos de decisión con los principios democráticos. Se abordan los desafíos que plantea la gobernanza algorítmica y se proponen condiciones para asegurar su compatibilidad con los valores democráticos.

Finalmente, se presentan recomendaciones para una gobernanza democrática de la inteligencia artificial, buscando mitigar impactos negativos y promover una gobernanza más democrática de la IA.

Guía para el uso de IA generativa en educación e investigación

UNESCO. «Guía para el uso de IA generativa en educación e investigación», UNESCO 2024. https://unesdoc.unesco.org/ark:/48223/pf0000389227.

El documento describe cómo las herramientas de Inteligencia Artificial Generativa (IAGen) están avanzando rápidamente, superando la capacidad de adaptación de los marcos regulatorios nacionales. Esta situación plantea riesgos para la privacidad de los datos de los usuarios y deja a las instituciones educativas mal preparadas para validar estas herramientas. La UNESCO ha emitido una guía global para apoyar a los países en la implementación de acciones inmediatas, el desarrollo de políticas a largo plazo y la construcción de capacidades humanas, con un enfoque en la protección de valores humanísticos como la inclusión, la equidad y la diversidad.

La guía propone que los gobiernos regulen el uso de IAGen, protejan la privacidad de los datos y consideren establecer límites de edad para su uso. Además, establece requisitos para que los proveedores de IAGen garanticen un uso ético y efectivo en la educación. También se subraya la importancia de que las instituciones educativas validen la idoneidad ética y pedagógica de estas herramientas. Finalmente, la guía ofrece recomendaciones para diseñar el uso de IAGen en la educación, asegurando que estas herramientas realmente beneficien a los estudiantes, aprendices e investigadores, y protejan la intervención humana en el proceso educativo.


Informática inteligente para el patrimonio cultural

Wang, Xiaoguang, Marcia Lei Zeng, Jin Gao, y Ke Zhao, eds. Intelligent Computing for Cultural Heritage : Global Achievements and China’s Innovations. Taylor & Francis, 2025. https://directory.doabooks.org/handle/20.500.12854/140416.

Este libro ofrece una perspectiva global sobre los últimos avances y tendencias en las humanidades digitales y la computación inteligente aplicada al patrimonio cultural. Editado por Xiaoguang Wang, Marcia Lei Zeng, Jin Gao y Ke Zhao, el volumen reúne investigaciones académicas y estudios de caso de instituciones culturales de diversas regiones, como Asia, Europa, África, América del Norte y Australia.

El texto destaca enfoques innovadores y estudios de caso relacionados con los datos de humanidades y métodos digitales. Se enfoca especialmente en la investigación y pedagogía de las humanidades digitales, así como en la organización y preservación del patrimonio cultural, con énfasis en el desarrollo de repositorios de conocimiento digital y métodos de inteligencia digital en el patrimonio cultural.

Cada estudio de caso presenta características culturales y contextos académicos únicos, lo que da lugar a prioridades y direcciones temáticas diversas. Sin embargo, esta diversidad también puede generar desequilibrios y aislamiento en el campo. El libro proporciona valiosos conocimientos sobre las tendencias complejas en el desarrollo de las humanidades digitales, mostrando contribuciones globales de académicos e instituciones.

Este título está dirigido a investigadores y estudiantes de humanidades digitales y ciencias de la información, especialmente aquellos interesados en la gestión del patrimonio y la computación inteligente. También será de gran interés para profesionales que trabajan en la intersección de la tecnología y el patrimonio cultural.


Cómo pueden utilizarse los chatbots de inteligencia artificial para mejorar la investigación científica

Pividori, Milton. «Chatbots in Science: What Can ChatGPT Do for You?» Nature, 14 de agosto de 2024. https://doi.org/10.1038/d41586-024-02630-z.

El artículo de Milton Pividori explora cómo los chatbots de inteligencia artificial, como ChatGPT, pueden ser utilizados para mejorar la investigación científica. A lo largo de 18 meses, su equipo se dedicó a estudiar cómo integrar esta tecnología en tareas diarias como revisiones de literatura, redacción de textos académicos y programación, con el objetivo de aumentar la productividad y mejorar la calidad de la ciencia.

Milton Pividori, un investigador financiado por organizaciones sin fines de lucro como la Fundación Alfred P. Sloan y la Iniciativa Chan Zuckerberg, ha dedicado 18 meses a explorar cómo ChatGPT, un chatbot de inteligencia artificial (IA) basado en un modelo de lenguaje de gran escala, puede ser utilizado para mejorar la investigación científica. Desde su lanzamiento en noviembre de 2022, ChatGPT ha captado la atención mundial por su capacidad para responder preguntas complejas, redactar ensayos sofisticados y generar código fuente. Pividori y su equipo se han centrado en integrar esta tecnología en tareas cotidianas de la investigación, como la revisión de literatura, la redacción de textos académicos y la programación de código, con el objetivo de mejorar la productividad y la calidad del trabajo científico.

Una de las lecciones clave que Pividori destaca es la importancia de la ingeniería de prompts, es decir, la forma en que se formulan las preguntas o comandos para interactuar con el chatbot. Un buen prompt debe ser claro y específico, detallando exactamente lo que se espera que el modelo haga. Esto incluye pedir al chatbot que asuma un rol específico, como el de un editor profesional, y proporcionar ejemplos claros de lo que se espera en la respuesta. Según Pividori, la capacidad de un chatbot para proporcionar resultados útiles depende en gran medida de la calidad de los prompts que recibe.

Otra lección importante es la necesidad de identificar qué tareas son adecuadas para delegar en un chatbot y cuáles no. Pividori señala que no todas las fases del trabajo científico son aptas para ser manejadas por una IA. Por ejemplo, en la etapa inicial de revisión de literatura, donde se requiere creatividad y pensamiento crítico para formular preguntas de investigación y analizar profundamente los artículos, es esencial que los investigadores participen activamente. Sin embargo, una vez que se ha definido el marco de investigación y se necesita realizar tareas más rutinarias o menos críticas, como resumir artículos menos relevantes, los chatbots pueden ser de gran ayuda.

Además, Pividori argumenta que utilizar chatbots para escribir es menos riesgoso que utilizarlos para leer y analizar textos científicos. Al redactar, el investigador mantiene control sobre el resultado final y puede corregir errores o «alucinaciones» del modelo. En contraste, al confiar en un chatbot para leer y resumir un artículo, se corre el riesgo de que se omitan detalles importantes o se interpreten mal los datos. Pividori sugiere un enfoque en el que el investigador escriba primero el texto y luego use el chatbot para revisar y mejorar la redacción, aplicando reglas específicas para la estructura de manuscritos científicos. Este enfoque permite mantener un alto nivel de precisión y control sobre el contenido generado.

En conclusión, aunque los chatbots como ChatGPT tienen un gran potencial para aumentar la eficiencia en la investigación científica, es crucial entender sus limitaciones y utilizarlos de manera estratégica. Los investigadores deben identificar cuidadosamente qué tareas pueden delegarse a la IA y cuáles requieren la intervención directa y el juicio creativo del ser humano. Al hacerlo, es posible aprovechar lo mejor de ambos mundos: la capacidad de procesamiento y automatización de la IA y la creatividad y el pensamiento crítico humanos.