Retroalimentación formativa con inteligencia artificial generativa: Un caso de estudio

La inteligencia artificial generativa ha irrumpido en el proceso de enseñanza y aprendizaje en la educación superior, donde uno de los desarrollos representativos es el ChatGPT de OpenIA. Asimismo, entre los usos más socorridos de esta herramienta se encuentran los procesos evaluativos donde permite...

Descripción completa

Detalles Bibliográficos
Autores principales: Bañuelos Márquez, Ana Ma., Romero Martínez, Eric
Formato: Online
Idioma:spa
Publicado: Universidad de Costa Rica. Vicerrectoría de Investigación. Campus Rodrigo Facio. Sitio web: https://www.ucr.ac.cr/ Teléfono: (506) 2511-4000 Buzón UCR: formulario para interponer quejas, reclamos y sugerencias: https://buzon.ucr.ac.cr/ 2024
Acceso en línea:https://revistas.ucr.ac.cr/index.php/wimblu/article/view/63262
Descripción
Sumario:La inteligencia artificial generativa ha irrumpido en el proceso de enseñanza y aprendizaje en la educación superior, donde uno de los desarrollos representativos es el ChatGPT de OpenIA. Asimismo, entre los usos más socorridos de esta herramienta se encuentran los procesos evaluativos donde permiten brindar retroalimentación automática y personalizada. Se presenta un estudio de tipo exploratorio cuyo objetivo fue analizar la capacidad de la inteligencia artificial generativa para ofrecer retroalimentación formativa a una actividad de aprendizaje de una asignatura de la carrera de psicología de la Universidad Nacional Autónoma de México que se imparte con el apoyo de una plataforma tecnológica. Como parte de la metodología del estudio, se seleccionaron de manera aleatoria cuatro trabajos elaborados por el estudiantado que fueron evaluados y retroalimentados por la profesora responsable de la asignatura, mismos con los que fue alimentado el ChatGPT-4. Los resultados indican que el sistema inteligente identifica parcialmente la calidad de las actividades realizadas, hubo discrepancia en las calificaciones asignadas con la profesora responsable, no obstante, sobresale su capacidad de retroalimentar de manera personalizada de acuerdo con el modelo seleccionado. Se concluye que es necesario entrenar al sistema con mayor número de tareas y precisión en las instrucciones (prompts).