Uso de la Inteligencia Artificial Generativa en la enseñanza-aprendizaje, una perspectiva desde los estudiantes de la Facultad de Geografía de la UAEMéx

• Campos-Vargas, María Milagros ^[1] ; Carreto-Bernal, Fernando ^[1]
  1. [1] Universidad Autónoma del Estado de México
• Localización: Revista Redca, ISSN 2594-2824, Nº. Extra 1, 2024, 547 págs.
• Idioma: español
• Títulos paralelos:
  • Using Generative Artificial Intelligence in teaching-learning, a perspective from the students of the Faculty of Geography of UAEMéx
• Enlaces
  • Texto completo
• Dialnet Métricas: 2 Citas
• Resumen
  • español

    A partir de los últimos dos años, los modelos de Inteligencia Artificial Generativa (IAG) se enmarcan como uno de los avances tecnológicos más influyentes en la relación del hombre con las maquinas´. Así mismo, en el ámbito educativo universitario para la formación de profesionistas, no ha sido la excepción. En este sentido, el presente artículo tiene como objetivo dar a conocer los resultados del uso de la IAG en el proceso enseñanza-aprendizaje (E-A), en la formación académica de los geógrafos, como un primer acercamiento encaminado a la construcción de un diagnóstico institucional en la Facultad de Geografía, con la intención de explorar sobre en el uso herramientas que proporcionen la solución de problemas socio-territoriales. El estudio ocupa una metodología de corte cualitativo de investigación documental y cuantitativa de campo, con base a la formulación de un marco teórico-conceptual en el que las categorías centrales son: educación superior, inteligencia artificial generativa y Geografía, relacionado con el conocimiento y uso de las técnicas de la IAG y sus aplicaciones en la E-A de la ciencia geográfica; así también, se llevó a cabo una estimación cuantitativa derivada de la encuesta aplicada para identificar la percepción que tiene el estudiante sobre la utilización de los modelos de IAG. Los principales hallazgos en cuanto a las implicaciones en la EA mostraron que el uso de los diversos modelos de IAG de la disciplina geográfica se encuentra en una fase inicial de forma empírica, lo que lleva a concluir que no se pueden considerar aún un recurso didáctico formal, circunstancia que hace necesario el desarrollo constante de investigaciones que apoyen el proceso de formación profesional que promuevan a la IAG como recurso pedagógico, de manera más sistemática y formal en cuanto a protocolos de uso.

  • English

    In the last two years, Generative Artificial Intelligence (GAI) models have been framed as one of the most influential technological advances in the relationship between man and machines. Likewise, in the university educational field for the training of professionals, it has not been the exception. In this sense, the present article aims to present the results of the use of GAI in the teaching-learning (T-L) process, in the academic training of geographers, as a first approach aimed at the construction of an institutional diagnosis in the Faculty of Geography, with the intention of exploring the use of tools that provide the solution to socio-territorial problems. The study uses a qualitative methodology of documentary and quantitative field research, based on the formulation of a theoretical-conceptual framework in which the central categories are: higher education, generative artificial intelligence and Geography, related to the knowledge and use of GAI techniques and their applications in T-L of geographic science; Likewise, a quantitative estimate derived from the survey applied to identify the student's perception of the use of IAG models was carried out. The main findings regarding the implications in EA showed that the use of the various IAG models of the geographic discipline is in an initial phase empirically, which leads to the conclusion that they cannot yet be considered a formal teaching resource, a circumstance that makes it necessary to constantly develop research that supports the professional training process that promotes IAG as a pedagogical resource, in a more systematic and formal way in terms of usage protocols.