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 ola de la IA, Susan Leigh Star visibilizó como el desarrollo de la IA se hacía sin consenso social considerandolos estudios de Davis en relación con la aceptación de la tecnología en el mundo laboral. Las conclusiones derivadas, conocidas con el test Durkheim, dan respuesta a las antonimias que se están formulando durante el asentamiento de la IAG en los discursos educativos.Reconociendo que el hecho de educar hoy día se nutre de las pedagogías más libertarias a las más dirigidas por las agendas políticas, son múltiples las perspectivas educativas en relación con la IA. En esta diversidad, los diferentes ámbitos de acción educativa pueden, o no, adoptar la IA desde una mirada instrumental y/o social. Pese a la actualidad de la temática, los investigadores siguen huérfanos de instrumentos que permitan analizar los posicionamientos de la comunidad educativa en general y del estrato estudiantil en particular. Por este motivo, el objetivo de este artículo es adaptar y validar dos encuestas que han mostrado excelentes resultados en sus versiones originales, así como analizar la relación entre ambas con motivo de conocer la aceptación que se tiene de la inteligencia artificial. Para ello se ha aplicado la adaptación de la encuesta sobre la aceptación de la tecnología y la encuesta sobre alfabetización en IA en una muestra de 134 estudiantes de diferentes másteres en Educación. El análisis factorial exploratorio y el posterior análisis factorial confirmatorio han mostrado la validez del instrumento adaptado

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