De la educabilidad a la Aceptación de la tecnología y alfabetización en Inteligencia Artificial: validación de un instrumento

  1. Cristina Galván Fernández
  2. Diego Calderón-Garrido
Revista:
Digital Education Review

ISSN: 2013-9144

Año de publicación: 2024

Número: 45

Páginas: 8-14

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Digital Education Review

Resumen

En la primera onada de la IA, Susan Leigh Star va visibilitzar com el desenvolupament de la IA es feia sense consens social considerant els estudis de Davis en relació amb l'acceptació de la tecnologia en el món laboral. Les conclusions derivades, conegudes amb el test Durkheim, donen resposta a les antonímies que s'estan formulant durant l'assentament de la IAG en els discursos educatius. Reconeixent que el fet d'educar avui dia es nodreix de les pedagogies més llibertàries a les més dirigides per les agendes polítiques, són múltiples les perspectives educatives en relació amb la IA. En aquesta diversitat, els diferents àmbits d'acció educativa poden, o no, adoptar la IA des d'una mirada instrumental i/o social. Malgrat l'actualitat de la temàtica, els investigadors segueixen orfes d'instruments que permetin analitzar els posicionaments de la comunitat educativa en general i de l'estrat estudiantil en particular. Per aquest motiu, l'objectiu d'aquest article és adaptar i validar dues enquestes que han mostrat excel·lents resultats en les seves versions originals, així com analitzar la relació entre ambdues. Per a això s'ha aplicat l'adaptació de l'enquesta sobre l'acceptació de la tecnologia i l'enquesta sobre alfabetització en IA en una mostra de 134 estudiants de diferents màsters en Educació. L'anàlisi factorial exploratòria i la posterior anàlisi factorial confirmatori han mostrat la validesa de l'instrument adaptat.

Referencias bibliográficas

  • Antonietti, C., Cattaneo, A. & Amenduni, F. (2022). Can teachers’ digital competence influence technology acceptance in vocational education?. Computers in Human Behavior, 132, 10726. https://doi.org/10.1016/j.chb.2022.107266
  • Aselmeier, U. (1983). Antropología biológica y pedagogía. Alhambra.
  • Comenius, J. A. (1971). Didáctica Magna. Reusda.
  • Davis, F.D.; Bagozzi, R. i Warshaw, P. (1989). User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35(8), 982-1003.
  • Davis, F.D., & Venkatesh, V. (1996). A critical assessment of potential measurement biases in the technology acceptance model: three experiments. International Journal of Human-Computer Studies, 45(1), 19-45. https://doi.org/10.1006/ijhc.1996.0040.
  • Durkheim, E. (2012). La división del trabajo social. Biblioteca Nueva.
  • Fullat, O. (2015). Homo educandus: Antropología filosófica de la educación. UIA Puebla.
  • Giussani, L. (2012). Educar es un riesgo. Apuntes para un método educativo verdadero. Encuentro.
  • Käser, T.; Schwing, A.; Hazan, T. & Gross, M. (2014). Computational education using latent structured prediction. Proceedings of the 17th International Conference on Artificial Intelligence and Statistics, Iceland, 540–548. https://proceedings.mlr.press/v33/kaser14.html
  • Lévinas, E. (1991). Ética e infinito. Visor.
  • Lovelace, A. A. (1843). Scientific Memoirs Selected from the Transactions of Foreign Academies of Science and Learned Societies. Richard and John E. Taylor.
  • Ng, D. T. K., Wu, W., Leung, J. K. L., Chiu, T. K. F., & Chu, S. K. W. (2023). Design and validation of the AI literacy questionnaire: The affective, behavioural, cognitive and ethical approach. British Journal of Educational Technology, 00, 1–23. https://doi.org/10.1111/bjet.13411
  • Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 2. https://doi.org/10.1016/j.caeai.2021.100020
  • Riedl, M. O. (2019). Human-centered artificial intelligence and machine learning. Human Behavior and Emerging Technologies, 1(1), 33–36.
  • Salomon, G., & Perkins, D. N. (1996). “Learning in Wonderland: What Computers Really Offer Education. En Kerr, S. (ed.). Technology and the Future of Education. University of Chicago Press, 111-130.
  • Star, S.L. (1989). The Structure of Ill-Structured Solutions: Boundary Objects and Heterogeneous Distributed Problem Solving. In L. Gasser & M. N. Huhns (Ed.), Distributed Artificial Intelligence (pp. 37-54). Morgan Kauffman.
  • Turing, A. (1950). Computing machinery and intelligence. Mind, 59, 433-460.
  • UNESCO (2019). Artificial Intelligence in education: Challenges and opportunities for sustainable development. https://en.unesco.org/news/challenges-and-opportunities-artificial-intelligence-education.
  • UNESCO (2022). Recomendación sobre la ética de la inteligencia artificial. https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa
  • Venkatesh, V. & Davis, F.D. (1996)A Model of the Antecedents of Perceived Ease of Use: Development and Test. Decision Sciences, 27(3), 451-481.
  • Massumi, B. (2007). Parables for the virtual. Movement, Affect, Sensation. Duke University press.
  • Yang, S. J., Ogata, H., Matsui, T., & Chen, N. S. (2021). Human-centered artificial intelligence in education: Seeing the invisible through the visible. Computers & Education: Artificial Intelligence, 2, Article 100008.
Fuente de los datos: Dialnet