Retos y oportunidades de la tecnología educativa
Bibliographic record
Abstract
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.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.015 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.005 | 0.009 |
| Scholarly communication | 0.017 | 0.008 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".