Retos y oportunidades de la tecnología educativa
Notice bibliographique
Résumé
revoluciones industriales y la revolución digital de los 90 (Makridakis, 2017), marcando una nueva manera de interactuar con la tecnología (Serrano & Sánchez-Vera, 2024).A pesar de estos desafíos, las oportunidades que ofrecen las tecnologías digitales en la educación son inmensas.La programación, la robótica y la inteligencia artificial están preparando a los estudiantes para las demandas del mercado laboral del siglo XXI, mientras que los laboratorios de fabricación digital junto con el desarrollo de las competencias digitales de los estudiantes fomentan habilidades prácticas y creativas.Con el apoyo adecuado y una planificación estratégica, las tecnologías digitales tienen el potencial de transformar la educación y preparar a las futuras generaciones para un mundo cada vez más digitalizado.Ahora bien, para unir la educación y la tecnología es indispensable aplicar una mirada que trascienda de la instrumentalización a la competencia digital docente (Arroyo, 2024, p.9).En este monográfico se presentan diez trabajos en los que se reflexiona sobre algunos de estos retos y oportunidades que representa el uso de las tecnologías digitales en el ámbito educativo.Los artículos considerados se centran principalmente en el desarrollo competencial de los diferentes niveles educativos, desde la educación primaria hasta la formación profesional.Algunos de ellos se focalizan especialmente en el proceso de evaluación de las competencias desarrolladas (como en el trabajo presentado por Quiles-Rodríguez y Palau o en el de Navarro y Palau), un reto todavía abierto de la educación continua y por competencias, y otros reflexionan sobre la importancia de compartir los materiales didácticos generados entre la comunidad educativa a través de repositorios web (como se afirma en el artículo de Vercher Ribis y en el de Agudo Candeas), de manera que sean más accesibles y se promueva su adaptación en otros entornos o niveles educativos.Existe una amplia gama de herramientas de tecnologías digitales usadas en los artículos incluidos en este monográfico.Mientras que el artículo de Coll Puig y Palau se centra en realizar una revisión de la literatura con el objetivo de hallar evidencias científicas que den soporte a la integración de los teléfonos móviles en la práctica educativa; Lockhart Domeño y Sánchez Santamaría et al. muestran los resultados del uso de herramientas de Inteligencia artificial para mejorar la motivación, el rendimiento académico y el desarrollo de competencias de los estudiantes.Otros de los proyectos expuestos integran herramientas digitales basadas en la realidad aumentada (como el trabajo presentado por Bataller Català y Linares Pellicer), la programación y robótica (Vercher Ribis) y los laboratorios de producción (Marimon Fontanet y Joglar Huber).Las tecnologías digitales, y en particular la Inteligencia Artificial, han irrumpido en el mundo de la educación y esto supone grandes retos para la comunidad educativa.Los docentes deben desarrollar su competencia digital para adaptarse a las nuevas tecnologías, que evolucionan vertiginosamente, para poder formar a sus estudiantes tanto en contenidos como en el uso de nuevas herramientas para formar una sociedad cada vez más digitalizada.Sin embargo, como muestran los proyectos y trabajos recopilados en este monográfico, la integración de estas tecnologías en el mundo educativo son una gran oportunidad para aumentar la motivación y la adaptabilidad de los estudiantes, así como para facilitar y evaluar la adquisición de competencias Retos y oportunidades de la tecnología educativa ute | 2024 Núm. 3 e4020 3 transversales y específicas, aspectos clave en el desarrollo de personas en un mundo en constante cambio (como declara Parés Costa en su trabajo).Con este monográfico queda manifiesto un interés compartido entre la comunidad educativa en el diseño de materiales docentes que integren el uso de la tecnología, así como una necesidad evidente de compartirlos para fomentar su uso y generar un impacto positivo en la inclusión, la motivación y el proceso de adquisición y desarrollo de competencias de los estudiantes.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,005 | 0,009 |
| Communication savante | 0,017 | 0,008 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».