In recent talks in Argentina, Spain, and Colombia, I delved into the competencies essential for "knowmads" in the age of Artificial Intelligence (AI). This transformative era requires a shift in how educators approach teaching and learning, and it’s critical to understand what this means for teachers today.

La Educación 6.0, conceptualizada por Juan Domingo Farnós, representa una vanguardia en la pedagogía contemporánea, caracterizada por la integración sinérgica de tecnologías emergentes como la Inteligencia Artificial General (AGI), la realidad aumentada, los hologramas y los principios de la física cuántica en los procesos educativos. Este paradigma metodológico promueve una personalización del aprendizaje sin precedentes, ajustándose meticulosamente a las necesidades individuales de cada estudiante mediante algoritmos adaptativos y análisis de big data, potenciados por capacidades cuánticas.

Este estudio explora el potencial de una perspectiva 'más allá de lo digital' hacia la agencia y la autoría en la era postdigital. Al examinar las narrativas de los estudiantes sobre sus interacciones con ChatGPT, esta investigación contribuye a la conversación académica en curso sobre la relación entre humanos e IA en contextos educativos. El estudio analiza las percepciones de agencia y autoría de estudiantes universitarios a través de un proyecto de escritura de investigación asistido por IA.

Concluimos este estudio con implicaciones pedagógicas para fomentar un enfoque 'más allá de lo digital' para la alfabetización crítica en IA. Además, el estudio ofrece implicaciones para la investigación futura de proyectos de escritura asistida por IA, con un enfoque en la integración cuidadosa de tecnologías de IA para fomentar la alfabetización crítica entre estudiantes universitarios.

No cabe hablar del “mundo físico” como oposición al “mundo digital”. Entre los jóvenes de 14 y 19 años, la separación entre los espacios digitales y físicos se desvanece: el móvil es un espacio de vivencia y cultura, con sus propios códigos y significados. Que hay que entender, pero no desde la visión del adulto, sino intentando entender a los jóvenes.

Para ellos, la realidad no es ni digital, ni física: es una, y está conectada. Es una realidad “figital”. Y para existir en el entorno físico, necesitan hacerlo también en el digital.

A new report from the Georgetown Center on Education and the Workforce found a “great misalignment” between projected job demand in many local labor markets and the mix of credentials available to workers seeking jobs requiring more than a high school diploma but less than a bachelor’s degree.

ChatGPT Edu, powered by GPT-4o, is designed for universities to responsibly integrate AI into academic and campus operations. This advanced AI tool supports text and vision reasoning, data analysis, and offers enterprise-level security.

Successful applications at institutions like Columbia University and Wharton School highlight its potential. ChatGPT Edu aims to make AI accessible and beneficial across educational settings.

La IA Generativa y predictiva llega para obligar a las universidades a repensarse (una vez más) y tomar nuevas decisiones de diseño. Bienvenido este paradigma de producción y distribución de conocimiento. Sabemos que cuando a los sistemas complejos se los priva de estresores se vuelven débiles, como define la antifragilidad de Taleb (2012).

Esta problemática afectará en muy pocos años a nuestro día a día como gestores o profesores universitarios. Por esto, no es suficiente proponer y armar debates sobre el futuro de la educación con los usos de la IA. Más allá de cualquier conversación, ¿qué está haciendo usted lector ahora mismo para adaptarse?

AI, and specifically LLM (large language models), can help our students enhance their creative work. This is one of several reasons their use has become increasingly prevalent in education over the past few months. An LLM is a type of AI that mimics human intelligence and processes and analyses large amounts of data and patterns through statistical models. It also analyses the connection between words and phrases to improve content. In this resource, we provide tips for LLM prompt writing to help our students create characters for their creative projects.

Boston University’s  AI Task Force was established in Fall 2023 to analyze the impact of Generative AI (GenAI) technologies on education and research. The task force consulted widely with experts and stakeholders. This report surveys the landscape of GenAI technologies, assesses their potential to impact research and education, identifies limitations and concerns, offers guidelines on the best use of GenAI, and proposes policies and administrative support structures.

The task force’s key policy recommendations are as follows:

Blended Learning leverages the power of technology to create a more personalized and interactive learning experience. By combining real-time classroom teaching with self-paced online modules, students have the flexibility to learn at their own pace while also benefiting from the guidance of their teachers. This approach enables educators to experiment with new teaching methods and engage students in exciting and meaningful ways.

La profesión docente ha sido históricamente una de las más valoradas y respetadas en la sociedad. Los educadores han sido vistos como mentores, formadores, transmisores de conocimientos, desempeñando un papel fundamental en el desarrollo intelectual y personal de generaciones enteras. Sin embargo, en las últimas décadas, la percepción y las expectativas sobre la labor docente han cambiado de manera evidente y constante, convirtiéndose en un ámbito donde se enfrentan expectativas a veces descontextualizadas por un lado, y realidades complejas por otro.

Los docentes se encuentran en el epicentro de una serie de demandas y exigencias: ya no basta con ser expertos en su materia; se espera que sean guías emocionales, gestores de conflictos, promotores de la inclusión y la diversidad, y líderes en la implementación de nuevas tecnologías y metodologías pedagógicas innovadoras, entre otros aspectos.

La transición de la Inteligencia Artificial Generativa (IA generativa) a la Inteligencia Artificial General (AGI) marca un cambio significativo en la forma en que abordamos la creación de sistemas inteligentes:

La IA Generativa se centra en la creación de contenido nuevo y original, como imágenes y textos, utilizando algoritmos que aprenden de datos y estadísticas. Sin embargo, esta aproximación tiene limitaciones, ya que se basa en la programación de algoritmos para resolver problemas específicos y no puede realizar juicios o razonar ante situaciones de incertidumbre.

Por otro lado, la IA General aspira a desarrollar sistemas de inteligencia que puedan realizar cualquier tarea intelectual que los seres humanos realicen, incluyendo la capacidad de razonar, planificar y comunicarse en lenguaje natural. Esto requiere un enfoque más holístico, que abarque la comprensión de la cognición humana y la capacidad de aprendizaje autónomo.

“We risk a future in which we produce more...but we understand less,” according to Yale anthropologist Lisa Messeri and Princeton cognitive scientist M. J. Crockett.

From questions of bias and systemic injustice to alignment to existential risk and the Singularity, artificial intelligence is a field in which conversations about risk, safety, and ethics are commonplace—and often contentious.

En el trabajo objeto de este informe, elaborado por nuestro equipo de Investigación y Estudios, se ha adoptado un enfoque híbrido basado en la antropología digital y la sociotecnología, que se desarrolla posteriormente con foco en una hipótesis de trabajo de partida muy específica: la tecnología es cultura. La realidad de nuestra población joven es una, física y digital, conectada. Se trata por tanto de una realidad “figital”.

Entre nuestras conclusiones destaca especialmente el hecho de que la jerarquía existente entre lo físico y lo digital, en la que se apoyan muchas de las medidas restrictivas adoptadas con una mentalidad adultocéntrica, deja de tener sentido en un espacio conectado, que es una sola realidad “figital” para las personas jóvenes, tal y como lo confirman los resultados obtenidos para nuestra muestra.

For generations, formal education has been designed so that we learn to work. People go to school, acquire knowledge and skills, and then apply for jobs where that knowledge and skill can be applied. People learn so that they can work. This model motivated generations of individuals to become teachers, engineers, nurses, business leaders, and accountants during the twentieth century. However, the learn-to-work model has been losing its appeal for decades. Consider the possibility that this steep decline is not because any particular generation or segment of the population is addicted to social media, lazy or fragile. Consider instead that it is because our system of education (cradle-to-grave) is producing exactly what it was designed to produce. It was not designed to appeal to every person. It was not designed to serve every segment of the population. It was designed to rank and sort.

The digital age has brought many changes to our daily lives, and education is no exception. Over the last decade, online master’s programs have seen significant growth. From business to engineering, virtual classrooms break down geographical barriers, making higher education accessible to many. The benefits of online learning include flexibility, the ability to balance work and studies, and access to diverse resources. But how does this affect the field of architecture?

Recent events have further accelerated the shift towards online education. Many traditional universities have had to quickly adapt and offer online courses. This sudden change has shown that online education can be just as effective as in-person learning when done right. The pandemic has also highlighted the importance of digital skills and adaptability, which online education can help develop.

Implementing artificial intelligence in schools can be a difficult discussion to have. As AI grows and evolves, how we use it changes alongside it. How can we keep up with such a malleable landscape while addressing any issues that may come up with its use?

Kerry Gallagher, Assistant Principal for Teaching and Learning at St. John’s Prep in Danvers, Massachusetts, expounds on a method she created to help acknowledge and implement AI use in her district, as well as to make an ongoing commitment to staying involved and informed with its use.

Spatial Computing is 2024’s hot tech topic. Alongside emerging technology drivers like GenAI, spatial computing solutions—including AR/VR/MR technologies—are changing the workplace today.

Most notably, learning and training use cases are proving the wealthiest investment space for companies interested in XR. Already many firms are getting ahead by retaining knowledge and upskilling workers thanks to spatial learning solutions.

AI-generated papers have become regular but unwelcome guests in the undergraduate college courses I teach. I first noticed an AI paper submitted last summer, and in the months since I’ve come to expect to see several per assignment, at least in 100-level classes.

I’m far from the only teacher dealing with this. Turnitin recently announced that in the year since it debuted its AI detection tool, about 3 percent of papers it reviewed were at least 80% AI-generated.

Students have submitted more than 22 million papers that may have used generative AI in the past year, new data released by plagiarism detection company Turnitin shows.

However, as I’ve explored in previous posts on the capabilities and limitations of GenAI, I firmly believe that this technology is fundamentally unsuited for high-stakes student assessment. At its core, GenAI generates probabilistic outputs based on patterns in training data, lacking true understanding and the ability to make qualitative judgments. This leads to inconsistency and bias in grading, raising serious concerns about fairness and reliability.

The use of AI in grading also raises a host of ethical and equity issues. As I wrote in “Generative AI doesn’t ‘democratize creativity’“, the notion that AI levels the playing field is often an illusion. In reality, relying on AI for grading may exacerbate existing inequities and privilege certain groups of students over others.

In this post, I’ll go deeper into the reasons why I believe GenAI should not be used for grading, drawing on recent experiments and real-world examples. I’ll also explore the potential risks and unintended consequences of AI-powered assessment. By the end, I hope to convince you that, despite the temptation, GenAI is a dead-end when it comes to evaluating student work.

Si el objetivo de toda educación es poner al estudiante en el centro del proceso educativo para el desarrollo de su máximo potencial, resulta prioritario evaluar qué caminos reales habilitar como docentes para lograr ese objetivo. En tiempos de inteligencia artificial generativa (IAG), esta pregunta cobra nuevos significados. Por eso en los siguientes párrafos avanzo en valoraciones respecto del sentido pedagógico de incorporar agentes inteligentes en diversos procesos de enseñanza en la universidad con foco en la centralidad del alumnado.

Como parte de mis experimentaciones con las tecnologías generativas en el aula, en los últimos meses diseñé una serie de asistentes basados en IAG: un bot y un gemelo generativo, ambos pensados para apoyar el aprendizaje de docentes en formación y materialmente diferentes, como veremos a continuación. Comparto en los próximos apartado estas dos experiencias de trabajo en el ámbito de la formación docente y ofrezco perspectivas y preguntas que pulsan reflexiones en varias direcciones.

Todo esto de la IA está yendo demasiado rápido para todo el mundo. No se trata aquí de hacer una apología de su uso o de su “no uso”. Se trata de reflexionar acerca de cómo podemos lidiar, al igual que se lidió en su momento con la calculadora o los bolis, en el ámbito educativo. Y hacerlo bien. Contando, como os he dicho antes, con expertos de verdad y docentes. Con unas guías claras de uso. Con la modificación de prácticas educativas. Con una mayor necesidad de controlar qué sabe el alumnado por él y no por lo que sabe la herramienta de IA que está usando para hacer ciertas cosas.