CAPÍTULO II

FUNDAMENTACIÓN TEÓRICA

2.1. Fundamentación Teórica

2.1.1. Inteligencia Artificial

La Inteligencia Artificial (IA), al igual que la humana, es un concepto difícil de

definir por completo. Actualmente, no hay una definición formal y universalmente
aceptada. La Comisión Europea define los sistemas de software y posiblemente hardware
como creaciones humanas que, al abordar un objetivo complejo, funcionan en entornos
físicos o digitales.

Percibiendo su entorno mediante la recopilación y análisis de datos tanto estructurados

como no estructurados.

Reflexionando sobre el conocimiento, analizando la información recopilada y

tomando decisiones para lograr los objetivos establecidos.

Los sistemas de inteligencia artificial pueden emplear reglas simbólicas o aprender

un modelo numérico. Además, pueden ajustar su comportamiento al analizar cómo el
entorno se ve afectado por sus acciones anteriores.

Según Marvin Minsky, en el ámbito de la vida artificial, la inteligencia artificial se

define como "la ciencia y la ingeniería de capacitar a las máquinas para adquirir
conocimientos y habilidades humanas, resolver problemas, interactuar con su entorno y
aprender de forma autónoma". Esta definición destaca la capacidad de las máquinas para
obtener conocimientos y habilidades semejantes a las humanas, lo que implica resolver
problemas de manera inteligente, interactuar de forma adecuada con el entorno y
aprender de manera autónoma. Así, la inteligencia artificial en el ámbito de la vida artificial
se centra en crear sistemas artificiales capaces de emular o simular la inteligencia y el
comportamiento humano.
[Link]. Orígenes e historia de la inteligencia artificial

[Link].1. Antecedentes de la IA

Se puede rastrear los orígenes de la inteligencia artificial hasta la definición de la

neurona formal presentada por McCulloch y Pitts en 1943, que describía un dispositivo
binario con múltiples entradas y salidas.

En 1956, el tema de la inteligencia artificial (IA) resurgió en el Instituto de

Tecnología de Massachusetts durante la Conferencia de Dartmouth en Hanover, Estados
Unidos, liderada por John McCarthy. En este evento, McCarthy, Marvin Minsky, Nathaniel
Rochester y Claude E. Shannon sientan las bases de la inteligencia artificial como un
campo autónomo dentro de la informática.

En 1950, Alan M. Turing presentó un artículo en la revista Mind con el título

"Maquinaria Computacional e Inteligencia". donde exploraba el concepto de inteligencia
artificial y proponía el Test de Turing. Esta prueba permite determinar si una computadora
se comporta de manera artificialmente inteligente.

Autores como Rich y Knight (1994) y Stuart (1996) describen la inteligencia

artificial, en términos generales, como la capacidad de las máquinas para desempeñar
tareas que usualmente realizan los seres humanos. Por otro lado, Nebendah (1988) y
Delgado (1998) definen la IA como el estudio que busca explicar y emular el
comportamiento inteligente a través de procesos computacionales basados en la
experiencia y el conocimiento del entorno.

Farid Fleifel Tapia describe la Inteligencia Artificial (IA) como la disciplina de la

ciencia informática que se enfoca en resolver problemas no algorítmicos a través de la
aplicación de diversas técnicas computacionales, sin considerar el razonamiento
subyacente a los métodos utilizados para lograr dicha resolución. Además, varios
investigadores de IA han ofrecido definiciones alternativas que aportan diferentes
perspectivas:

 La IA consiste en crear máquinas capaces de desempeñar tareas que,

cuando se realizan por personas, requieren inteligencia. (Kurzweil, 1990).
 La IA se enfoca en lograr que las computadoras realicen tareas que los
humanos realizan mejor en la actualidad. (Rich, Knight, 1991).
 La IA se centra en automatizar el comportamiento inteligente. (Lugar y
Stubblefied, 1993).
 La IA se dedica a explicar y emular el comportamiento inteligente a través de
procesos computacionales. (Schalkoff, 1990).

La inteligencia artificial (IA) es una disciplina informática que se enfoca en crear

programas que imitan procesos de la inteligencia humana. En otras palabras, las
máquinas pueden analizar su entorno y llevar a cabo acciones de forma autónoma para
alcanzar metas específicas.

A lo largo de los años, la inteligencia artificial ha experimentado varios ciclos de

evolución. Sin embargo, incluso para los escépticos, el lanzamiento de ChatGPT de
OpenAI parece marcar un punto de inflexión. En el pasado, los avances significativos en
inteligencia artificial generativa se centraron en la visión por computadora, pero ahora el
progreso se está dando en el procesamiento de lenguaje natural. Esta transformación no
se restringe solo al lenguaje; los modelos generativos también pueden interpretar la
gramática del código de software, moléculas, imágenes naturales y diversos tipos de
datos.

Las aplicaciones de esta tecnología están en constante crecimiento, y apenas

estamos comenzando a descubrir sus posibilidades. A medida que la inteligencia artificial
se integra más en las empresas, las discusiones éticas adquieren una importancia crítica.

[Link]. Definición

El término de Inteligencia Artificial surgió durante la conferencia de John McCarthy

en 1956 en el Dartmouth College, New Hampshire, donde Marvin Minsky, Claude
Shannon, N. Rochester y otros debatieron sobre la simulación de la inteligencia humana a
través de máquinas.

De acuerdo con Gutiérrez (2006, p. 11), la inteligencia artificial constituye uno de

los campos más intrigantes y complejos dentro de las ciencias de la Computación. Esta
disciplina contempla la inteligencia como un atributo universalmente reconocido para
distinguir a los seres humanos de otras formas de vida o entidades inanimadas, con el
propósito de desarrollar programas informáticos o computadoras dotadas de inteligencia.

Por otro lado, según Bourcier (2003, p.56), la inteligencia artificial se define como
una disciplina informática que aspira a emular las capacidades cognitivas humanas, tales
como el razonamiento, la memoria, el juicio y la toma de decisiones, transfiriendo parte de
estas facultades, entendidas como atributos de inteligencia, a los sistemas
computacionales.

Siguiendo la línea de los autores anteriores, se puede concluir que la Inteligencia

Artificial es una disciplina tecnológica que busca construir máquinas y programas capaces
de desempeñar tareas complejas con habilidades y eficiencia iguales o superiores a las
del ser humano.

En términos generales, la inteligencia artificial se enfoca en el estudio del

comportamiento humano, analizando la conducta inteligente del ser humano, también
conocido como análisis de los procesos cognitivos, centrado en los procesos internos que
llevan al aprendizaje.

Actualmente, la inteligencia artificial es una disciplina fundamental en la ciencia y

la tecnología, habiendo adquirido conocimientos básicos que le permiten imitar diversas
capacidades humanas para mostrar comportamientos inteligentes. Esto ha dado lugar al
desarrollo de sistemas con el objetivo de mejorar las diferentes capacidades humanas
para reproducirlas.
[Link]. Técnicas de la inteligencia artificial

En el ámbito de la inteligencia artificial, un agente que actúa de manera

"inteligente" debe contar con una representación del entorno en el que opera, o al menos
de los aspectos relevantes para resolver el problema. La representación del conocimiento
implica la creación de métodos cada vez más eficaces para organizar la información
necesaria y ofrecer soluciones a una amplia gama de problemas.

Según Vázquez (2009, pág. 12), se trata de

 Reconocimiento de diversas técnicas de clasificación para identificar

patrones subgrupos con características comunes en cada
grupo. El grado de asociación resulta en conclusiones distintas.

Los algoritmos desarrollados en este ámbito son herramientas útiles en otros

campos como el reconocimiento de lenguaje natural, procesamiento de imágenes,
identificación de imágenes, reconocimiento de señales, diagnóstico de fallas en equipos y
control de procesos, entre otros. Se refiere a técnicas de clasificación que identifican
subgrupos con características comunes en cada grupo, siendo útiles en campos como el
reconocimiento de lenguaje natural, visión por computadora, diagnóstico de fallos de
equipos, entre otros.

De acuerdo con Huerta (2009, p. 29), el

 Procesamiento del lenguaje lenguaje natural, conocido también como

natural lenguaje ordinario, es el utilizado por una
comunidad lingüística para comunicarse principalmente. Este lenguaje se ha desarrollado
con reglas y convenciones lingüísticas y sociales a lo largo de la historia de nuestra
sociedad. En otras palabras, la comunicación surge a través del lenguaje natural, siendo
así una manera de transmitir el conocimiento.

Se centra en el lenguaje ordinario utilizado para la comunicación, y su análisis

implica comprender el léxico, la sintaxis y la semántica del lenguaje escrito y hablado.

Acorde con Huerta. (2009, p. 29), la robótica abarca tareas motrices

 Robó y perceptuales, lo que implica una conexión inteligente entre la percepción

tica y la acción.
Esta disciplina se beneficia de la IA al construir robots inteligentes capaces de operar de
forma autónoma, integrando la percepción con la acción a través de capacidades como la
visión, identificación de sonidos y movilidad autónoma.

En el desarrollo de la robótica, es esencial fomentar la evolución de robots para que

puedan interactuar, comprender su entorno, formular planes y ejecutar acciones de
manera autónoma. Un robot inteligente puede recibir información, comprender su entorno,
planificar, ejecutar tareas y controlar sus operaciones, lo que les permite realizar diversas
tareas de forma automática.

 Efectos finales (manos)

 Un controlador
 Sensores que proporcionan información sobre el entorno y retroalimentación
sobre la ejecución de tareas.

Ha sido fundamental en el desarrollo de aplicaciones industriales, permitiendo

incrementar la productividad, reducir costos, suplir la mano de obra especializada, y
brindar flexibilidad en los procesos de fabricación por lotes.

Según Vázquez (2009, p. 14), los sistemas consisten en

 Redes redes de estructuras con numerosas conexiones entre distintas

neuronales capas de procesadores, cada uno con funciones asignadas.
Estos procesadores realizan tareas de aprendizaje al reproducir salidas a partir de un
conjunto de señales de entrenamiento.

Las redes neuronales consisten en sistemas con una amplia red de conexiones
entre diferentes capas de procesadores, cada uno con funciones asignadas. Estos
sistemas aprenden mediante la reproducción de salidas de un conjunto de señales de
entrenamiento, y son exitosos en problemas de reconocimiento de formas y de habla.

En contraste, de acuerdo con (Zampayo, 2004, p. 51), las redes neuronales son
sistemas de cómputo distribuidos y paralelos que se inspiran en la estructura del cerebro
humano. El cerebro humano está compuesto por miles de millones de neuronas, cada una
conectada a miles de otras neuronas en una estructura distribuida, lo que permite un gran
paralelismo. Esta estructura brinda al cerebro una significativa ventaja en diversas
capacidades perceptivas, motoras y creativas.

Los algoritmos pueden ser vistos como un proceso de

 Algoritmos búsqueda y optimización que se fundamenta en los

genéticos mecanismos genéticos de selección natural presentes en los
seres vivos.

De acuerdo a Vázquez (2009, p. 14), estos algoritmos operan mediante la

evolución a partir de una población inicial que propone posibles soluciones a un problema,
con el fin de mejorar las soluciones actuales y crear nuevas alternativas. Estas soluciones
son evaluadas mediante una función de ajuste.

Estos algoritmos imitan el proceso de selección natural, donde las características

favorables se transmiten a las generaciones futuras. Se aplican operadores genéticos a
posibles soluciones de un problema para combinar sus ventajas a través de la
reproducción, creando nuevas soluciones evaluadas por una función de aptitud.

Por otro lado, según Vázquez (2009, p. 12), los sistemas

 Sistemas expertos se enfocan en emular los procesos intelectuales de

expertos expertos humanos para facilitar la interacción con objetos del
mundo real y ejecutar tareas de manera precisa, eficiente y cómoda, similares a las
ejecutadas por seres humanos. Esto se logra mediante el procesamiento de información y
la aplicación de técnicas para la resolución de problemas.

Los sistemas expertos almacenan conocimiento de expertos en un campo

específico y utilizan la deducción lógica para resolver problemas. Estos sistemas imitan el
comportamiento de un experto humano en la resolución de problemas, ofreciendo
asesoramiento inteligente utilizando modelos de razonamiento humano.
 Los sistemas expertos proporcionan conclusiones técnicas a los usuarios sobre
temas especializados, y abarcan una variedad de sistemas de computación avanzados,
como sistemas interactivos de soporte a decisiones, sistemas de información ejecutiva y
sistemas de soporte ejecutivo.

Todo esto lleva a la necesidad de emplear sistemas basados en conocimiento

especializado, como un sistema experto. Este tipo de sistema se utiliza en general para
describir una variedad de sistemas informáticos más avanzados, tales como:

 Sistemas interactivos de soporte a las decisiones

 Sistema de información ejecutiva
 Sistema de información para la administración
 Sistemas de soporte ejecutivo

La gente involucrada en el desarrollo de un sistema experto según (Arauz, 1998, p. 17)

es:

 Experto del dominio: Una persona con las habilidades y el conocimiento

necesarios para resolver un problema específico de manera más eficiente
que la mayoría.
 Ingeniero de conocimiento: La persona encargada de diseñar, construir y
probar un sistema experto. Debe identificar los conceptos clave y los
métodos de solución utilizados por el experto humano. Es crucial que el
ingeniero de conocimiento elija la mejor técnica para representar el
conocimiento y las estrategias de inferencia.
 Usuario final: El individuo que trabajará con el sistema. La aceptación final
del sistema dependerá en gran medida de cuánto se ajuste a las necesidades
del usuario final.

Los sistemas expertos son de gran utilidad para la resolución de problemas que se
basan en el conocimiento. Las características principales de este tipo de problemas según
(Gutiérrez, 2006, p. 16) son:
  Utilizan normas o estructuras que contengan conocimientos y experiencias
de expertos especializados.
 Se obtienen conclusiones a través de deducciones lógicas.
 Contienen datos ambiguos.
 Contienen datos afectados por factores de probabilidad.
Basándonos en lo anterior, se afirma en el campo de la IA que un sistema experto
debe tener las siguientes características:

 Tener un amplio conocimiento específico del área de especialización.

 Aplicar técnicas de búsqueda.
 Tener soporte para análisis Heurístico.
 Poseer habilidad para inferir nuevos conocimientos ya existentes.
 Tener la capacidad para procesar símbolos.
 Tener capacidad para explicar su propio razonamiento.

[Link]. Tipos de IA: Inteligencia artificial débil frente a la inteligencia artificial

fuerte.

La inteligencia artificial débil, a veces referida como IA específica o Inteligencia

Artificial Limitada (ANI, por sus siglas en inglés), se refiere a un tipo de IA especializada y
entrenada para realizar tareas específicas. Este enfoque es el motor detrás de muchas
aplicaciones de IA que utilizamos hoy en día, tales como Siri de Apple, Alexa de Amazon,
IBM Watson y los vehículos autónomos. A pesar de su nombre, "estrecha" sería un
término más preciso, ya que esta IA permite aplicaciones poderosas.

Por otro lado, la inteligencia artificial robusta abarca tanto la inteligencia artificial
general (IAG) como la superinteligencia artificial (SIA). La IAG es una forma teórica de IA
que se equipara con la inteligencia humana, siendo capaz de autoconciencia, resolución
de problemas, aprendizaje y planificación futura. Por otro lado, la SIA, o superinteligencia,
superaría la capacidad cognitiva humana.

Aunque la IA robusta sigue siendo un concepto teórico sin ejemplos prácticos

actualmente, los investigadores continúan explorando su desarrollo. Mientras tanto, los
ejemplos más destacados de SIA se encuentran en la ciencia ficción, como HAL, la
computadora superhumana malévola en 2001: Una odisea del espacio.

[Link]. Inteligencia artificial en aplicaciones

En la actualidad, existen numerosas aplicaciones prácticas para sistemas de IA.

Aquí algunos de los usos más habituales:

Conocido como reconocimiento automático de voz

 Reconocimiento de (ASR), el reconocimiento de voz por computadora o la

voz conversión de voz a texto, utiliza PLN para convertir el
habla humana en texto escrito. Muchos dispositivos móviles incorporan esta tecnología
para realizar búsquedas por voz (por ejemplo, Siri) o para mejorar la accesibilidad al
enviar mensajes de texto en diferentes idiomas.

Los agentes virtuales en línea y los chatbots están

 Atención al tomando un rol fundamental en la interacción con los clientes,

cliente sustituyendo a los agentes humanos. Estos asistentes
responden a preguntas frecuentes, ofrecen asesoramiento personalizado y sugieren
productos, transformando la experiencia del cliente en sitios web y redes sociales.

Esta tecnología permite a las computadoras extraer

 Visión información significativa de imágenes digitales y videos. Debido a

artificial las redes neuronales convolucionales, la visión por computadora se
utiliza en plataformas de redes sociales, el sector de la salud y en vehículos autónomos.

La robótica adaptativa aprovecha la información de

 Cadena de LOT y datos estructurados para tomar decisiones

suministro autónomas. El análisis predictivo se aplica en la respuesta a
la demanda, optimización de inventarios y mantenimiento preventivo.

Los modelos meteorológicos dependen de

 Pronóstico algoritmos sofisticados que se ejecutan en

meteorológico supercomputadoras. El aprendizaje automático optimiza
estos modelos para obtener pronósticos más exactos.
 Los modelos de IA pueden identificar puntos de

 Detección de datos atípicos dentro de un conjunto de datos,

anomalías proporcionando visibilidad sobre equipos defectuosos,
errores humanos o fallos de seguridad.

[Link]. La IA aplicación en la educación

Actualmente, se están investigando varias aplicaciones de la IA en la educación,

como la personalización del aprendizaje y la evaluación automatizada, la tutoría
inteligente y la detección temprana de problemas de aprendizaje. (Chen et al., 2022;
González-González, 2004).

Uno de los aspectos más prominentes en la investigación de la Inteligencia

Artificial en el ámbito educativo es la personalización del aprendizaje (Murtaza et al.,
2022), la mencionada estrategia se centra en la utilización de algoritmos de aprendizaje
automático para personalizar la experiencia educativa según las particularidades y
necesidades de cada estudiante, lo que puede incrementar notablemente la eficacia del
proceso de aprendizaje.

Otro ámbito de investigación en Inteligencia Artificial en el campo educativo es la

evaluación automatizada (Lloret et al., 2022). Este enfoque implica la aplicación de
algoritmos de aprendizaje automático para la evaluación automatizada del trabajo de los
estudiantes, lo que no solo ahorra tiempo, sino que también mejora la imparcialidad de las
evaluaciones. Además, la evaluación automatizada se emplea para la detección de plagio,
como lo ejemplifica Turnitin ([Link] Esta plataforma de detección de
plagio utiliza técnicas de Inteligencia Artificial, tales como el aprendizaje automático y el
procesamiento del lenguaje natural, para identificar y cotejar el texto de los estudiantes
con otras fuentes en línea y en su propia base de datos. De este modo, se logra identificar
patrones de plagio a través de la aplicación de técnicas de aprendizaje automático y
procesamiento del lenguaje natural, permitiendo analizar el texto y compararlo con otras
fuentes de información.
 Se ha investigado el empleo de la Inteligencia Artificial en la tutoría inteligente
(González-González et al., 2014; González-González, 2004). Este enfoque implica la
creación de modelos del conocimiento de los estudiantes, la utilización de bases de datos
con conocimientos expertos para modelar estrategias docentes, y la implementación de
agentes virtuales inteligentes con el fin de brindar retroalimentación y asistencia a los
estudiantes.

Esto puede contribuir a mejorar la calidad del proceso educativo y a reducir los
costos asociados. Un caso ilustrativo es el sistema de tutoría inteligente de Carnegie
Learning ([Link] el cual se vale de un modelo de redes
neuronales para evaluar en tiempo real el rendimiento de los educandos. Dicho modelo
procesa la información suministrada por los estudiantes (tales como sus respuestas a
cuestionarios) para después generar resultados que reflejen su desempeño en el tema
abordado. Este sistema de tutoría utiliza estos resultados para ofrecer una
retroalimentación personalizada y adaptable a las necesidades de cada estudiante.

La inteligencia artificial también se emplea en la detección temprana de

dificultades de aprendizaje (Murtaza et al., 2022), lo que facilita la identificación y
resolución de estos problemas antes de que se conviertan en obstáculos significativos
para el proceso de aprendizaje.

Existen numerosas aplicaciones educativas muy conocidas que utilizan técnicas

de IA, tales como Knewton ([Link] Duolingo (https://
[Link]/), Smart Sparrow ([Link] o Gradescope
([Link] Knewton, una plataforma de aprendizaje adaptativo,
emplea técnicas de inteligencia artificial para personalizar la experiencia educativa según
las necesidades particulares de cada estudiante y ofrecer retroalimentación detallada y en
tiempo real.
 Duolingo es una plataforma de aprendizaje de idiomas que emplea técnicas de
inteligencia artificial, como el procesamiento del lenguaje natural, para personalizar la
experiencia educativa de cada alumno y ofrecer retroalimentación adaptativa.

Smart Sparrow es una plataforma de aprendizaje adaptativo que facilita a los

educadores el diseño de cursos personalizados utilizando técnicas de inteligencia
artificial, lo que permite ajustar la experiencia educativa a las necesidades específicas de
cada estudiante. Por otro lado, Gradescope es una plataforma de evaluación de tareas
que emplea técnicas de inteligencia artificial, como la visión por computadora y el
procesamiento del lenguaje natural, para automatizar la corrección de tareas y ofrecer
retroalimentación detallada a los estudiantes

La inteligencia artificial ha revolucionado la educación matemática, mejorando la

enseñanza, el aprendizaje y la evaluación. Ejemplos notables de proyectos y trabajos
relacionados con la inteligencia artificial en educación matemática incluyen la reconocida
plataforma educativa en línea Khan Academy ([Link] que emplea
inteligencia artificial para personalizar la experiencia de aprendizaje de cada estudiante.
Esta plataforma emplea un algoritmo de aprendizaje automático para evaluar el
desempeño del estudiante y adaptar el contenido según corresponda.

Otro proyecto destacado es la plataforma MathSpring ([Link]

desarrollada por las universidades de Massachusetts Amherst y el Worcester Polytechnic
Institute. MathSpring es un software tutorial inteligente que facilita la personalización y
adaptación de contenidos y actividades, ayudando a los estudiantes a resolver problemas
matemáticos. Además, el sistema ALEKS (Assessment and Learning in Knowledge
Spaces) ([Link] emplea un algoritmo de inteligencia artificial para
personalizar el contenido según las necesidades de aprendizaje de cada estudiante y
ofrecer retroalimentación personalizada.
 En el ámbito del idioma español, se encuentra la plataforma Smartick
([Link] que utiliza inteligencia artificial y big data para identificar el
ritmo de aprendizaje y progreso de los estudiantes, proponiéndoles un plan de estudios
personalizado. El algoritmo desarrollado se adapta a cada niño y, basándose en los datos
recopilados en cada sesión, ofrece ejercicios adecuados a sus necesidades, presentando
actividades ni demasiado fáciles para evitar la falta de interés, ni demasiado difíciles para
evitar la frustración.

Además de personalizar el aprendizaje, es posible incorporar elementos lúdicos y

asistencia a través de asistentes virtuales, como el proyecto EMATIC (Educación
Matemática a través de las TIC) (González-González et al., 2014), un sistema tutorial
inteligente multidispositivo centrado en la enseñanza de las matemáticas, especialmente
dirigido a niños con dificultades educativas. Los objetivos principales de EMATIC son el
desarrollo del pensamiento lógico y el aprendizaje de diversos aspectos de las
matemáticas básicas. Asimismo, EMATIC permite a los estudiantes realizar diferentes
tipos de ejercicios de forma dinámica y entretenida, como si se tratara de un juego,
evitando la repetición de ejercicios similares.

En este contexto, observamos cómo la inteligencia artificial se puede emplear en la

creación de juegos educativos de matemáticas personalizados y adaptativos. Un ejemplo
notable es la plataforma Mathspace ([Link] que integra la IA para diseñar
juegos y actividades interactivas que facilitan el aprendizaje de matemáticas entre los
estudiantes de manera efectiva.

En términos de la visualización de conceptos matemáticos, la IA puede ser

aprovechada para desarrollar representaciones visuales y modelos interactivos que
contribuyen a una mejor comprensión de conceptos abstractos. Por ejemplo, GeoGebra
([Link] es una herramienta interactiva de matemáticas que emplea la
IA generativa para generar visualizaciones tridimensionales de figuras geométricas y
operaciones matemáticas. De igual manera, el software Maple
([Link] recurre a la inteligencia artificial para resolver problemas
matemáticos complejos y crear modelos y simulaciones matemáticas. Asimismo, la
inteligencia artificial se utiliza para crear ejercicios y problemas matemáticos
personalizados, como es el caso de la plataforma Mathigon ([Link] que
posibilita la creación de ejercicios y problemas matemáticos interactivos adaptados a las
habilidades y requerimientos de cada estudiante.

Además, diversos países han integrado la inteligencia artificial en sus sistemas

educativos (Lloret et al., 2022; Fengchun et al., 2021). Por ejemplo, en Finlandia, se han
introducido los programas Elements of AI y Building AI, desarrollados por la Universidad
de Helsinki, que emplean técnicas de aprendizaje automático para enseñar a ciudadanos
sin conocimientos técnicos sobre el tema. Estonia utiliza enfoques basados en la minería
de datos y aprendizaje automático para identificar posibles causas de deserción
estudiantil.

En Polonia, se ha puesto en marcha un chatbot para enseñar habilidades técnicas

y de programación a los estudiantes. Mientras que en los Países Bajos, se emplea un
enfoque flexible que involucra a los estudiantes en el aprendizaje mediante agentes
inteligentes y técnicas de IA para obtener información de Internet. Asimismo, diversas
iniciativas buscan integrar la IA en la educación a través de plataformas como Coursera,
Educalab y edX, que combinan técnicas de IA con gran cantidad de datos generados por
las interacciones de los estudiantes con sus entornos de aprendizaje. Estas iniciativas se
aplican en países como Francia, España, Alemania, Italia y otros países en todo el
mundo.

[Link]. Tendencias en inteligencia artificial: Aprendizaje profundo e IA generativa

[Link].1. Aprendizaje profundo (deep learning)

El aprendizaje profundo es una estrategia avanzada dentro del ámbito del

aprendizaje automático que se basa en algoritmos de redes neuronales profundas para
analizar volúmenes extensos de datos y descubrir patrones y características. (LeCun,
Bengio, & Hinton; 2015).
 Además, ofrece una amplia gama de aplicaciones en el ámbito educativo que no
solo facilitan el trabajo del profesorado, sino que también enriquecen la experiencia de
aprendizaje de los estudiantes al proporcionar herramientas y recursos más
personalizados y eficientes. Esto representa un avance significativo hacia una educación
más inclusiva, accesible y adaptada a las necesidades individuales de cada estudiante.

Otra aplicación interesante es la creación de asistentes virtuales que pueden

responder preguntas y guiar a los estudiantes en tiempo real, ofreciendo apoyo
instantáneo y reduciendo la carga de trabajo del profesorado. Estos asistentes pueden
estar disponibles las 24 horas del día, lo que permite a los estudiantes obtener ayuda
cuando más la necesitan, incluso fuera del horario escolar.

En el ámbito de la inclusión, la IA puede ser una herramienta poderosa para apoyar a

estudiantes con discapacidades. Por ejemplo, se pueden desarrollar aplicaciones que
transcriban automáticamente las clases para estudiantes con dificultades auditivas, o que
conviertan textos a formatos accesibles para aquellos con discapacidades visuales.

[Link].2. IA Generativa y Chat GPT

La inteligencia artificial generativa está transformando la creación de películas,

videojuegos y música, permitiendo a los artistas explorar nuevas fronteras creativas y
ofrecer experiencias únicas e inmersivas a sus audiencias. El impacto de esta tecnología
no se limita solo a la creación de contenidos; también está abriendo nuevas
oportunidades para la colaboración entre humanos y máquinas. A medida que la IA
generativa continúa evolucionando, es probable que veamos surgir nuevas formas de
expresión artística y científica, potenciando la creatividad humana y ampliando los límites
de lo que es posible.

En este contexto, algunas aplicaciones educativas incluyen la creación de

contenido educativo. Esto abarca la elaboración de ejercicios, cuestionarios, material
didáctico y videos explicativos que se ajustan a las necesidades y habilidades de cada
estudiante. Además, permiten desarrollar chatbots educativos para responder preguntas y
ofrecer retroalimentación personalizada. Estos chatbots pueden ser entrenados para
responder consultas habituales y brindar apoyo adicional. Por otro lado, la inteligencia
artificial generativa puede asistir a los estudiantes en la redacción de ensayos y otros
textos para mejorar su gramática, ortografía y estilo, así como para estimular la
generación de ideas. También se emplea para personalizar el aprendizaje según las
capacidades individuales de cada estudiante, evaluando su rendimiento y proporcionando
recomendaciones y recursos personalizados que los ayuden a progresar.

Las aplicaciones educativas de inteligencia artificial generativa pueden beneficiar

tanto a los estudiantes en su aprendizaje como a los profesores al brindar nuevas formas
de enseñanza (Flores et al., 2022; García-Peñalvo, 2023).

Por otro lado, la inteligencia artificial generativa puede emplearse para desarrollar juegos
educativos personalizados que mejoren la eficacia del aprendizaje y ofrezcan
retroalimentación inmediata (Baidoo-Anu & Owusu, 2023).

El Chat GPT (Chat Generative Pre-trained Transformer), un modelo de lenguaje de

inteligencia artificial generativa, se puede utilizar en diversas tareas de procesamiento de
lenguaje natural, como chatbots, asistentes virtuales, generación de texto, traducción
automática, análisis de sentimientos, entre otras aplicaciones aún sin explorar (García-
Peñalvo, 2023). Esta tecnología está transformando la forma de enseñar y aprender, ya
que el Chat GPT permite a los profesores diseñar actividades educativas más efectivas y
adaptativas para los estudiantes. En cada campo, surgen constantemente nuevas
aplicaciones de esta tecnología.

[Link]. Ventajas de las IA

El uso de inteligencia artificial (IA) en las escuelas puede beneficiar a estudiantes y

profesores de diversas maneras:
  Personalización del aprendizaje: Los sistemas de IA pueden adaptarse al
ritmo y nivel de cada estudiante, ofreciendo un aprendizaje personalizado al
identificar áreas de debilidad y fortaleza para ajustar el contenido y mejorar
la eficacia del aprendizaje.
 Accesibilidad y apoyo continuo: Los asistentes de inteligencia artificial
pueden ofrecer asistencia las 24 horas del día para proporcionar respuestas
instantáneas.
 Detección temprana de problemas: Los sistemas de IA pueden analizar el
desempeño de los estudiantes para identificar dificultades de aprendizaje en
etapas iniciales o áreas problemáticas, lo que permite intervenciones
oportunas.
 Mejora de la participación estudiantil: La inteligencia artificial puede
colaborar en la creación de juegos y actividades educativas que fomenten la
participación y el interés de los estudiantes, haciendo que el proceso de
aprendizaje resulte más cautivador y divertido.
 Preparación para el futuro: Dado que la IA está cada vez más integrada en la
sociedad, la exposición temprana a estas tecnologías en el ámbito escolar
puede preparar a los estudiantes para las futuras carreras y desafíos que
enfrentarán.
 Desventajas de las IA
La inteligencia artificial (IA) tiene el potencial de mejorar el ámbito educativo de
diversas maneras positivas, pero también plantea ciertos desafíos, que se detallan a
continuación:
  Sesgo algorítmico: Los sistemas de IA se nutren de datos, lo que puede
llevar a perpetuar sesgos presentes en esa información. Si los datos
empleados para entrenar un modelo de IA contienen sesgos, es probable que
el sistema también los refleje en sus resultados y sugerencias. Esto podría
tener consecuencias adversas en el ámbito educativo.
 Falta de personalización adecuada: A pesar de que la inteligencia artificial
puede contribuir a personalizar la experiencia de aprendizaje de manera
individualizada para cada estudiante, es importante tener en cuenta el riesgo
de que los sistemas de IA no logren comprender plenamente las necesidades
y peculiaridades de cada estudiante. Una excesiva personalización
fundamentada únicamente en datos y algoritmos corre el riesgo de descuidar
los aspectos emocionales, sociales y culturales que influyen en el proceso
de aprendizaje.
 Privacidad y seguridad de los datos: La implementación de IA en el entorno
educativo implica la recolección de grandes cantidades de datos sobre los
estudiantes, incluyendo datos personales y de rendimiento, lo que plantea
preocupaciones legítimas sobre la privacidad y seguridad de los datos.
 Dependencia excesiva de la tecnología: La inclusión de la inteligencia
artificial en la educación podría llevar a una dependencia excesiva de la
tecnología, lo que podría resultar en consecuencias negativas si la
tecnología falla o si los estudiantes no logran desarrollar habilidades
esenciales de pensamiento crítico y resolución de problemas debido a su
excesiva confianza en los sistemas de inteligencia artificial.
[Link]. Importancia de la IA en educación

La era del conocimiento requiere ajustes en los sistemas educativos para preparar
a los jóvenes ante los futuros desafíos académico-laborales derivados de la
transformación digital en la cuarta revolución industrial o revolución tecnológica (Fredy y
Calderón, 2020; Martínez-Ruiz, 2019). Esta revolución se destaca por la inteligente
interconexión de tecnologías digitales como la impresión 3D, la inteligencia artificial y el
internet de las cosas para mejorar la eficiencia productiva (Chávez et al., 2020). De esta
manera, surge el concepto de educación 4.0 que promueve el aprendizaje autónomo
mediante la reflexión en un entorno educativo respaldado por la tecnología, con la meta
de abordar las desigualdades en el progreso social (UNCTAD, 2019).

Gisbert y Esteve (2011) sugieren la necesidad de reformular los procesos de

formación de los estudiantes universitarios, enfocándolos en el desarrollo de la
alfabetización digital a lo largo de su grado académico. Esto les capacitará para adquirir
las habilidades, conocimientos y actitudes esenciales necesarios para gestionar de
manera efectiva las Tecnologías de la Información y la Comunicación (TIC). Por otro lado,
Martín y Grudziecki (2015) sostienen que las habilidades, actitudes y conceptos estarían
limitados al nivel inicial de alfabetización digital, al que denominan "competencia digital".
Sin embargo, existen otros dos niveles: "uso digital" (nivel II) y "transformación digital"
(nivel III), que también son dignos de consideración.

El nivel II se centra en el uso adecuado de la competencia digital adquirida para

abordar tareas o desafíos cotidianos, atendiendo a sus requisitos específicos. Este
aprendizaje les capacitará para futuras acciones similares y los encaminará hacia la
alfabetización digital. Según los autores previamente mencionados, los usos digitales se
integran en lo que se conoce como "comunidades de práctica", entendidas como grupos
de individuos unidos por intereses o prácticas comunes, sostenidos en el tiempo, que
comparten experiencias y profundizan en su conocimiento de manera colaborativa
(Vásquez, 2011; Wenger et al., 2002).

El nivel final está relacionado con el proceso de innovación y creatividad a nivel individual
o grupal, derivado del uso de la tecnología digital, lo cual impulsa un cambio en el
contexto en el que se aplique.

La inteligencia artificial se define como una disciplina científica que capacita a las
máquinas para ser inteligentes y resolver problemas al anticipar las acciones del entorno
mediante su capacidad de adaptación y aprendizaje de patrones (Tuomi, 2018; Wang et
al., 2015; Ma et al., 2014). En la actualidad, algunas instituciones educativas han
incorporado la inteligencia artificial en forma de chatbots o tutores virtuales para
interactuar con los estudiantes y mejorar su aprendizaje al monitorear su progreso,
evaluar tareas y brindar apoyo instantáneo (Wang et al., 2018; Yang, 2018; Kaklauskas,
2015).

Otra aplicación de la inteligencia artificial en educación es el Aprendizaje

Automático, que consiste en un sistema de IA que crea modelos matemáticos a partir de
datos recolectados para realizar predicciones o tomar decisiones imitando la inteligencia
humana sin requerir programación previa (Zhang, 2020; Naqa y Murphy, 2015). Sekeroglu
et al. (2019) sugieren que el Aprendizaje Automático es efectivo en el ámbito educativo,
ya que puede predecir el rendimiento de los estudiantes y planificar las lecciones.
 Además, es factible ajustar las estrategias de enseñanza según el progreso del
estudiante, así como actualizar los contenidos y las actividades educativas (Sánchez-Vila
y Lama, 2007). Siguiendo esta premisa, Rodríguez-García et al. (2021) recomiendan la
implementación de la herramienta Learning ML tras llevar a cabo un programa de
aprendizaje virtual con estudiantes de 10 a 16 años durante la crisis sanitaria. Esta
experiencia reveló que los alumnos mejoraron su comprensión de los principios
fundamentales del Aprendizaje Automático y percibieron la herramienta como práctica,
atractiva y de sencilla utilización.

2.1.2. Aprendizaje Autodidacta

[Link]. Definición de aprendizaje

El aprendizaje se suele definir como un cambio en el comportamiento debido a la

experiencia (Chance, 2001). A pesar de esto, el concepto y la definición del aprendizaje
no son homogéneos. Es evidente cómo los autores, investigadores y estudiosos del tema
del aprendizaje abordan el constructo desde sus propias perspectivas. Por tanto, resulta
crucial revisar las principales definiciones conceptuales propuestas en los últimos años,
las cuales han representado avances significativos y han tenido implementaciones
relevantes en el ámbito educativo en diversos contextos sociales, especialmente en
entornos educativos y de formación en todos los niveles.

Gagné (1985) define el aprendizaje como un cambio en la disposición o capacidad

de las personas que puede retenerse y no se atribuye únicamente al proceso de
crecimiento. Por otro lado, Hilgard (1979) lo describe como el proceso mediante el cual
una actividad surge o se modifica en respuesta a una situación encontrada, siempre que
las características del cambio en la actividad no puedan explicarse únicamente por
tendencias innatas de respuesta, maduración o estados transitorios del organismo, como
la fatiga o el consumo de drogas.
 K. Ann Renninger y Suzanne E. Hidi, 2019, La curiosidad y el interés situacional
son fuerzas motrices poderosas en el aprendizaje y la motivación que llevan a los
estudiantes a aprender de manera más efectiva. El aprendizaje efectivo también requiere
autodisciplina, gestión del tiempo y la capacidad de seleccionar y utilizar recursos
confiables. Reflexionar sobre el progreso y ajustar estrategias basadas en la
retroalimentación son cruciales, al igual que la aplicación práctica del conocimiento en
diversos contextos.

Pérez (2001) lo concibe como los procesos subjetivos de adquisición,

incorporación, retención y aplicación de la información que un individuo recibe en su
interacción constante con el entorno. Mientras tanto, Zabalza (2000) considera el
aprendizaje como un proceso que abarca tres dimensiones: la teórica en sí misma, las
tareas y acciones del estudiante, y las tareas y actividades de los profesores, es decir, el
conjunto de factores que pueden influir en él.

Según Sarmiento, Maldonado, Vargas y Ortega (2001), el aprendizaje se percibe

como un proceso de transformación que afecta al organismo, su comportamiento, sus
capacidades cognitivas, su motivación y sus emociones, como consecuencia de la acción
individual, la asociación entre estímulos y respuestas, y la comprensión del contexto
sociocultural y organizacional que se construye sobre el conocimiento.

Por otra parte, Knowles (2001), basándose en la definición de Gagné (1985),

sostiene que el aprendizaje implica fundamentalmente un cambio derivado de la
experiencia. Diferencia entre el aprendizaje como producto (centrado en el resultado final
o conclusión de la experiencia de aprendizaje), el aprendizaje como proceso (destacando
lo que ocurre durante la experiencia de aprendizaje para obtener un resultado del
aprendizaje), y el aprendizaje como función (subrayando aspectos críticos como la
motivación, retención y transferencia, que presumiblemente facilitan cambios de
comportamiento en el aprendizaje humano).
 Alonso y Gallego (2000), partiendo de la conceptualización de Honey y Mumford
(1986), adaptaron ciertas características que delimitan claramente el ámbito de
habilidades de cada uno de ellos. Según sus investigaciones, las características de los
estilos no se presentaban en el mismo orden de importancia, por lo que propusieron dos
niveles. El primero incluye las cinco características más significativas obtenidas de
análisis factoriales y de componentes principales, denominadas características
principales, mientras que el resto se menciona como otras características.

[Link]. Características del Aprendizaje

Para que ocurra el aprendizaje, es necesario tener un objeto de conocimiento y un

individuo dispuesto a aprender, motivado tanto intrínseca como extrínsecamente, que
participe activamente en la asimilación del contenido, ya que nadie puede aprender si no
lo desea.
  Implica un esfuerzo mental para acercarse al objeto de estudio, observarlo,
analizarlo, sintetizarlo, comprenderlo y requiere un entorno óptimo (sin
ruidos fuertes o distracciones, por ejemplo). También necesita un tiempo
suficiente dependiendo de cada tipo de conocimiento.
 El nuevo conocimiento se asimila mejor si se respetan los estilos cognitivos
del aprendiz, su inteligencia predominante dentro de las múltiples
inteligencias y las características del conocimiento deseado, ya que no se
emplearán las mismas estrategias para aprender a andar en bicicleta, sumar,
comprender un hecho histórico o ubicarse geográficamente.
 En un principio, se requiere de alguien que facilite el aprendizaje, guiando al
aprendiz y proporcionándole las herramientas necesarias para luego lograr
un aprendizaje autónomo.
 Implica la incorporación de nuevo contenido (conceptual, actitudinal o
procedimental) en la estructura cognitiva.
 El objeto de conocimiento debe integrarse con otros conocimientos previos
para lograr un aprendizaje significativo.
 El nuevo conocimiento adquirido se almacena en la memoria a largo plazo y
puede ser recuperado para resolver situaciones problemáticas similares o
diferentes a las que motivaron el aprendizaje.
 El aprendiz debe ser capaz de evaluar cuánto ha aprendido o no
(metacognición) para determinar si debe seguir construyendo conocimiento
o si ya lo ha interiorizado suficientemente.
[Link]. Teorías del aprendizaje

Las teorías del aprendizaje más influyentes, junto con sus autores y características
de cada teoría:
  Conductismo: Autores: John Watson y B.F. Skinner, Enfoque en
el comportamiento observable y su moldeamiento para facilitar el
aprendizaje.
 Constructivismo: Autor: Jean Piaget, Se centra en la
construcción activa del conocimiento por parte del estudiante.
 Aprendizaje social: Autor: Albert Bandura, Enfocado en el
aprendizaje a través de la observación de modelos de conducta.
 Aprendizaje experiencial: Autor: David Kolb, Proceso de
aprendizaje a través de la experiencia y la reflexión crítica.
 Aprendizaje significativo: Autor: David Ausubel, Enfoque en la
integración de conceptos y significados en la estructura
cognitiva del estudiante.
 Aprendizaje por Descubrimiento: Autor: Jerome Bruner,
Aprendizaje mediante el descubrimiento guiado y la resolución
de problemas.
 Teoría Sociocultural: Autor: Vygotsky, Aprendizaje como proceso
social a través de la interacción con individuos más
experimentados.
 Aprendizaje Humanista: Autores: Carl Rogers y Abraham Maslow,
Aprendizaje basado en el cumplimiento de necesidades básicas y
la relación interpersonal en el proceso.
 Teoría de la carga cognitiva: Autor: John Sweller, Enfoque en la
cantidad de información presentada al estudiante y su impacto en
el aprendizaje.
 Teoría del procesamiento de la información: Autores: Richard
Atkinson y Richard Shiffrin, Procesamiento y almacenamiento de
información en la memoria a largo plazo.
 Teoría del aprendizaje situado: Autores: Jean Lave y Etienne
Wenger Aprendizaje contextualizado en situaciones reales y
prá[Link] Lave y Etienne Wenger, Se enfoca en la idea de
que el aprendizaje se produce en situaciones reales y en el
contexto de la práctica.
[Link]. Procesos de Aprendizaje

Según Gagné:

a) Proceso de Motivación

La motivación se vincula estrechamente a los conceptos de expectativa y refuerzo,

siendo un factor crucial para el aprendizaje. Es esencial que exista algún elemento
motivador (externo) o de expectativa (interno) para que el estudiante pueda absorber
conocimientos. En esta etapa, se prepara al aprendiz para el proceso educativo a través
de la apelación a sus intereses y expectativas. Gagné aborda la motivación no solo desde
la perspectiva del refuerzo externo, sino también desde la motivación intrínseca a la tarea,
que incluye la motivación de logro y la basada en la creación de expectativas.

Para Gagné, la aplicación de contingencias de refuerzo, inspirada en Skinner, es

esencial para establecer y mantener conductas. Asimismo, destaca que los refuerzos
externos no solo cumplen una función recompensante, sino que también orientan al
aprendiz sobre la idoneidad de sus respuestas en función de las expectativas concebidas,
y lo motivan. Respecto a la motivación intrínseca a la tarea, Gagné adopta la noción de
Ausubel de que los motivos están inherentemente ligados a la tarea, de modo que su
realización satisface el motivo subyacente. Esta perspectiva es respaldada por Seligman,
quien sostiene que el control del entorno, es decir, la generación de respuestas que
conducen a resultados predecibles, es intrínsecamente reforzante, ya que fomenta un
sentido de competencia y protege al individuo contra la depresión y los déficits
motivacionales, emocionales y cognitivos asociados con la indefensión aprendida.

Por último, Gagné sostiene que se puede motivar al aprendiz generando

expectativas, es decir, proporcionándole información previa sobre la recompensa o
resultados esperados al alcanzar el objetivo. El papel de la expectativa en el aprendizaje
ha sido ampliamente explorado por diversos autores, como Bandura o Estes.

b) Proceso de aprehensión (atención perceptiva selectiva):

Se refiere a la percepción selectiva de los elementos relevantes de la situación.

Durante esta fase, la enseñanza se centra en dirigir la atención del estudiante hacia
aspectos específicos del proceso de aprendizaje. Los procesos de atención y percepción
selectiva son responsables de la transferencia y transformación de la información desde el
registro sensorial hasta la memoria a corto plazo, asegurando que solo ciertos elementos
de la estimulación recibida se retengan y codifiquen perceptivamente para su
procesamiento ulterior en la memoria a corto plazo.
 c) Proceso de adquisición (codificación y almacenamiento):

Este proceso implica la codificación de la información ingresada en la memoria a

corto plazo, transformándola en material verbal o imágenes mentales para su
almacenamiento en la memoria a largo plazo. Durante esta etapa, se facilita la entrada de
información en la memoria a largo plazo mediante estrategias de codificación o el
estímulo de estrategias previamente adquiridas.

d) Proceso de retención:

Consiste en la acumulación de elementos en la memoria. La información es

procesada en la memoria a corto plazo para determinar su permanencia en la memoria a
largo plazo de manera indefinida o con una disminución gradual.

e) Proceso de recuperación:

Implica la recuperación de la información almacenada en la memoria a largo plazo

basada en estímulos recibidos. La información almacenada puede ser accesible
nuevamente a través de un proceso de recuperación, que puede entenderse como la
búsqueda de dicha información estimulada por señales o indicadores provenientes del
entorno o de la información almacenada previamente.

f) Procesos de generalización y transferencia:

Estos procesos buscan que el estudiante aplique el conocimiento y las habilidades

adquiridas en situaciones nuevas o de manera distinta a como se han utilizado hasta el
momento. Dado que la recuperación del aprendizaje no siempre sucede en el mismo
contexto en que fue adquirido, es crucial tener en cuenta los procesos de generalización y
transferencia. Estos procesos dependen, al menos en parte, de la manera en que la
información ha sido almacenada, es decir, de su estructura y organización en la memoria
a largo plazo.

Durante esta etapa,

 Proceso de rendimiento (generación de se busca que el

respuestas): aprendizaje se manifieste a
través de respuestas y comportamientos observables, lo que permite avanzar hacia la
fase de retroalimentación.

[Link]. Tipos de Aprendizaje

a) Aprendizaje Receptivo:

En este enfoque, el estudiante es un receptor pasivo de información proveniente

de una fuente de conocimiento considerada legítima. El alumno debe reproducir esta
información, ya sea que la haya incorporado significativamente a su estructura cognitiva o
no.

b) Aprendizaje por descubrimiento:

Aquí, el estudiante asume un papel protagónico en su propio proceso de

aprendizaje al investigar, seleccionar y descubrir los contenidos deseados con la
orientación del maestro. Posteriormente, los integra comprensivamente a su estructura
mental.

c) Aprendizaje repetitivo:

Conocido como aprendizaje de memoria, este enfoque implica que el alumno

repita el contenido sin establecer conexiones con lo aprendido previamente, lo que resulta
en una falta de significado y una pronta pérdida de la información.

d) Aprendizaje significativo:

En este caso, el estudiante relaciona los nuevos contenidos con los conocimientos
previos, lo que facilita su integración en la memoria a largo plazo. Según Robert Gagné,
existen cinco tipos de capacidades que pueden adquirirse a través del aprendizaje y
generar un cambio significativo: habilidades motoras, información verbal, habilidades
intelectuales, capacidades cognitivas y actitudes. Estas capacidades se adquieren a
través de diversos tipos de aprendizaje, como el aprendizaje de señales, aprendizaje de
estímulos, encadenamiento motor, asociación verbal, discriminaciones múltiples,
aprendizaje de conceptos, aprendizaje de principios y resolución de problemas.
 Cada teoría del aprendizaje brinda una visión especial sobre el proceso de
aprendizaje y la creación de estrategias pedagógicas efectivas. Los educadores pueden
aprovechar al conocer estas teorías para comprender mejor el proceso de aprendizaje y
elaborar métodos de enseñanza eficaces para todos los estudiantes.

Es esencial tener en cuenta que existen numerosas teorías del aprendizaje, y que
cada una puede presentar variantes o interpretaciones distintas dependiendo del autor y
del contexto en el que se aplique.

En última instancia, una práctica pedagógica efectiva suele incorporar elementos

de múltiples teorías del aprendizaje, adaptándolos a las necesidades específicas de los
estudiantes y al contexto educativo. Esto no solo enriquece la experiencia de aprendizaje,
sino que también asegura que se aborden diversas formas de comprender y procesar la
información.

Fomentar un ambiente de aprendizaje inclusivo y dinámico, donde se valoren las

contribuciones individuales y se promueva la curiosidad y el pensamiento crítico, es clave
para el éxito educativo. Al combinar diversos enfoques teóricos, los educadores pueden
diseñar experiencias de aprendizaje más integrales y enriquecedoras para todos sus
estudiantes.

[Link]. Definición de autodidacta

Uno aprende por el simple placer de adquirir conocimiento o habilidades, siendo

esta la mayor recompensa. Por consiguiente, se puede decir que el autodidactismo es el
método más efectivo para demostrar que el aprendizaje es factible" (Enebral, 2006).

No existe el autodidactismo absoluto: La conformación del hombre comienza con

la heteroeducación, es decir influenciar directamente a otros antes de convertirse en
autodidacta. Además, "el hombre se desarrolla como resultado de la interacción que
establece con su entorno. De acuerdo con Sarramona (1991), según la riqueza de esta
interacción, el sujeto se independizará más del medio para poder situarse frente a él y
dominarlo.

Según Sarramona (1991), Debesse postula que la educación no moldea al

individuo, sino que lo asiste en su desarrollo, mientras que Humbert la describe como una
tutela cuya finalidad es guiar al sujeto hasta que ya no requiera de tutela.

A pesar de las múltiples interpretaciones de este concepto y de las diversas

formas de implementarlo, surge la noción de perfeccionamiento, relacionada con una
visión ideal del individuo y la sociedad. Por lo tanto, la educación se considera la única vía
para el desarrollo pleno del ser humano, pero no puede limitarse a ser una imposición
externa, sino que requiere la colaboración voluntaria del sujeto para lograr sus metas más
nobles.

Como se puede observar en las definiciones previas de educación, llega un

momento en la vida de un individuo en el que surge la posibilidad de adquirir conocimiento
de manera autónoma, prescindiendo de la tutela de un educador.

En otras palabras, es factible optar por el autodidactismo como un medio para el

crecimiento personal. En consecuencia, este estudio tiene como propósito analizar
algunas consideraciones acerca del autodidactismo como alternativa para una educación
de calidad.

[Link]. Aspectos clave de una educación de calidad.

Según Marqués Graells (2002), la Organización para la Cooperación y el

Desarrollo Económicos (OCDE) definió en 1995 la educación de calidad como aquella que
garantiza a todos los individuos. Asimismo, J. Mortimore describe la escuela de calidad
como aquella que fomenta el progreso de sus alumnos en diversos aspectos intelectuales,
sociales, morales y emocionales, considerando su contexto socioeconómico, entorno
familiar y conocimientos previos. Un sistema educativo eficaz se caracteriza por potenciar
al máximo la capacidad de los jóvenes para prepararlos de manera óptima para la vida.

En este contexto, podemos interpretar que una educación de calidad es aquella que:

 Asume de forma colectiva la responsabilidad de los resultados de

aprendizaje de todos los estudiantes y se compromete con la mejora
continua del rendimiento académico.
 Fomenta la operación basada en normas, compartiendo experiencias e
impulsando procesos de autoformación entre los miembros.
 Es una comunidad educativa unificada que fomenta la igualdad y asegura
que los estudiantes adquieran conocimientos, desarrollen competencias,
habilidades y valores necesarios para lograr una vida personal y familiar
plena, participar en el trabajo productivo y seguir aprendiendo a lo largo de
toda la vida.

Los métodos tradicionales de enseñanza pueden fomentar la buena memoria, pero

son difíciles de lograr. Creatividad: Muchos estudiantes invierten cerca de 30 horas a la
semana en las aulas, escuchando a los profesores y tomando apuntes, los cuales
memorizan y repiten en los exámenes. Además, los educadores y los padres de familia ya
no se preocupan por la lectura hace mucho tiempo. Según Wingartz (1993), esta enorme
laguna comienza en la escuela primaria y se vuelve más profunda y ancha con el tiempo.

“La nueva escuela, que cambia la atención centrada en el maestro hacia una
atención centrada en el estudiante”. Además, la influencia de este movimiento ha sido
mínima en la educación, y los estudiantes no han tenido la suficiente fuerza para erradicar
la escuela tradicional. (Pansza, 1992).

“Desde mediados de este siglo aparece una nueva corriente: La Escuela Crítica o
Didáctica Crítica, que pugna por recobrar la reflexión, el análisis, y la autogestión como
elementos indispensables en todo proceso educativo” (Pérez, 1983).
 Sin embargo, cómo iniciar un cambio en la enseñanza si la actitud de dependencia
en la relación pedagógica está profundamente arraigada. Cuál es el primer paso para
romper con el sistema de reproducción en la escuela. Indudablemente, la autoridad del
maestro se basa en el conocimiento, entre otros elementos otorgados por la institución y
la sociedad, dejando al estudiante, al final de esta jerarquía, sin poder. (Pansza, 1992).

Los beneficios del aprendizaje autodidacta no solo son fundamentales para la

constante actualización de los profesionales, permitiéndoles adaptarse a los procesos y
cambios, sino que también son un camino hacia una educación integral.

"Aprender a aprender" no solo implica la habilidad de buscar información y

asimilarla, sino también aprender a distinguir entre información y fuentes de información.

También, implica analizar lo que se está aprendiendo y buscar la conexión o

confrontación con lo ya aprendido, aplicar en nuestras actividades lo aprendido,
interpretar, sintetizar, y lograr gradualmente en este proceso desafiante, independencia de
pensamiento, independencia de juicio y la capacidad de crear, innovar y producir. Esto va
más allá, ya que al investigar por sí mismo, el estudiante logra comprender, incluso algo
que ya sabía, experimenta una sensación de logro, de satisfacción personal, de
autoestima y fortalece la confianza en sí mismo” (Arcudia, 1991).

Así se pasa inadvertidamente del autodidactismo a la autoformación. Uno empieza

a explorar territorios desconocidos, tomando la iniciativa de aprender por sí mismo, guiado
por la curiosidad y la pasión. Con el tiempo, este proceso se enriquece con métodos y
estrategias más estructuradas, convirtiéndose en una forma de autoformación que no solo
abarca el conocimiento, sino también el desarrollo de habilidades críticas y reflexivas. La
autoformación permite a las personas adaptarse a los cambios y desafíos del entorno,
fomentando una mentalidad de crecimiento y una capacidad de aprendizaje continuo que
perdura a lo largo de la vida.

Los estudiantes muestran un interés en la enseñanza que está directamente

relacionado con el nivel de actividad que se les permite tener. Su motivación aumenta
cuando pueden resolver un problema por sí mismos a través de la investigación personal.
De esta forma, la participación mínima del estudiante al actuar como observador a
menudo resulta en poco interés por el tema presentado. Asimismo, disminuye su actitud
de mero espectador, neutral o completamente ausente, y rara vez interesado (Hans Aebli,
1958).

De este modo, tanto profesores como estudiantes se encuentran al inicio de una

nueva relación pedagógica. Ambas partes se reúnen para conocerse y crear nuevas
expectativas que vayan más allá de los objetivos del programa de cada materia,
integrando diversas disciplinas y adquiriendo conocimientos más amplios.

Se podría mejorar la calidad de la educación si los estudiantes emplearan su

tiempo libre buscando y adquiriendo conocimientos de diversas áreas de manera
sistemática. El autodidactismo no se presenta como la solución a todos los desafíos de
calidad que enfrenta el sistema educativo, sino como una alternativa valiosa dentro del
proceso de enseñanza-aprendizaje. Este enfoque representa un primer paso en el camino
para superar los modelos educativos tradicionales o tecnocráticos, y avanzar hacia una
enseñanza más activa y crítica. Por último, los maestros pueden fomentar la autodidaxia
en cualquier momento, utilizando todos los recursos a su disposición (persuasión,
autoridad, materiales didácticos) para promover esta práctica en su enseñanza diaria.
Esto ampliaría significativamente las oportunidades de aprendizaje de los estudiantes,
guiándolos hacia la constante superación como profesionales, ciudadanos y seres
humanos.
 José Martí era un firme defensor del autodidactismo. Gracias a su conocimiento
sobre la educación en Cuba, América Latina, Europa y Estados Unidos, pudo desarrollar
una concepción revolucionaria de la educación, donde la formación del individuo para la
vida era fundamental. Una de sus frases de 1895 resume, de manera concisa, la
importancia que Martí daba al esfuerzo personal en el estudio, del cual él mismo fue un
ejemplo: "No se sabe bien sino lo que se descubre." (Martí José, 1933. t.V, p.375. p.55)

Antes de la existencia de la escuela, el aprendizaje se basaba en la familia, la comunidad

y la auto educación, como métodos de instrucción populares.

Las experiencias acumuladas, así como la labor como proveedor para

mantenerse, enriquecen su entorno. Del mismo modo, el papel como padre, madre, hijo,
hija o líder familiar, la posición en las comunidades en las que colabora, el tiempo libre,
las múltiples responsabilidades y, especialmente, la autonomía, responsabilidad y
conocimientos previos como individuo, son elementos esenciales para iniciar nuevos
procesos de aprendizaje. Es fundamental encontrar oportunidades educativas que se
adapten a su disponibilidad de tiempo y estilo de aprendizaje. Este aspecto resulta
especialmente relevante para los estudiantes al integrarse en el sistema educativo,
considerando las diversas circunstancias que enfrentan en sus vidas.

[Link]. Beneficios del Aprendizaje Autodidacta

En la actualidad, la adquisición de habilidades se ha simplificado gracias a la

accesibilidad de recursos en línea como Google, tutoriales en YouTube o manuales de
instrucciones. El autodidactismo se erige como una vía contemporánea de aprendizaje
que capacita a individuos para afrontar diversas situaciones cotidianas. No obstante, este
enfoque puede resultar desafiante incluso para los estudiantes más aptos, dado que
demanda disciplina, motivación intrínseca, y un sólido desarrollo en competencias
intelectuales fundamentales para el estudio. (Luz Cristóbal,2019).

El autodidactismo representa una modalidad contemporánea de adquisición de

conocimiento. Más que sustituir la educación convencional, actúa como un complemento
valioso. La sociedad actual, respaldada por avances tecnológicos, brinda una amplia
gama de recursos, como los medios de comunicación masivos y las fuentes de
información electrónicas, que favorecen un notable progreso intelectual. (Luz
Cristóbal,2019).

Tanto para los padres como para los centros educativos, resulta desafiante dar
este paso. A veces, nos cuesta aceptar que nuestros hijos perciben el mundo de forma
distinta y que sus aspiraciones difieren de las nuestras a su edad. Algunos adultos nos
aferramos a una rigidez académica, como si de otra manera los jóvenes no fueran a
adquirir conocimientos.

Este enfoque de aprendizaje presenta beneficios significativos: fomenta la

curiosidad, la investigación y la disciplina; promueve la resolución autónoma de
problemas; al no depender del ritmo de un grupo, se puede dedicar más tiempo a superar
dificultades y menos a tareas sencillas; es un método más constructivo. (Luz
Cristóbal,2019).

Numerosos estudiantes que asumen la responsabilidad de su propio aprendizaje

destacan que esta labor no solo les ha permitido desarrollar habilidades, sino que también
ha contribuido positivamente a su formación personal.

[Link]. Métodos y estrategias del Aprendizaje Autodidacta

En la era actual, acceder a recursos educativos como MOOCs, libros, videos y

otros elementos amplía las posibilidades de aprendizaje independiente. Ahora, fomentar
tu espíritu autodidacta y nutrir tu conocimiento está en tus manos.

Es favorable tener a mano un ebook, un artículo, una página web o un

 L blog, entre otros contenidos, no te limites a los libros. Con el tiempo, te darás
e cuenta de que la lectura será tu mejor compañía. Leer mejora la memoria,
e
r enriquece el vocabulario, te mantiene actualizado y abre puertas para estudiar
nuevas materias.
 Si durante las lecturas se encuentra un término o tema nuevo, no

 Invest dudes en profundizar tu investigación consultando fuentes de información

igar y autores que te ayuden a resolver dudas. Al hacerlo, descubrirás temas
que te pueden interesar y podrías convertirte en un experto en el tema.

Cada minuto se suben 300 horas de video a YouTube y se crean

 Reflexi 571 nuevas páginas web en Internet. Es esencial reconocer que no toda
onar la información enriquecerá tu conocimiento de forma positiva. Para
evitar errores, verifica la fuente y confirma en otros espacios web la veracidad de la
información. Con el tiempo, descubrirás fuentes académicas confiables y relevantes.

Existen espacios de conversación y plataformas

 Conectar con las en línea donde participan expertos, aficionados e

personas interesados en diversos temas para enriquecer
mutuamente sus conocimientos. Si deseas explorar un entorno de aprendizaje en línea, te
recomendamos unirte a ScolarTic, una plataforma gratuita con la participación e
interacción de miles de docentes en todo el mundo.

Es fundamental conocerse a uno mismo durante el proceso de

 Disfr aprendizaje. Disfruta cada momento para descubrir tus materias favoritas,
utar intereses y aficiones, lo que te permitirá orientar tu aprendizaje con mayor
seguridad.

Desde una libreta hasta tu propio blog, puedes compartir

 Escribir / tus descubrimientos, tomar notas y debatir ideas con otros

Dibujar usuarios. De esta forma, recordarás lo aprendido y tendrás acceso
a la información cuando lo necesites.

Has adquirido conocimientos en programación, una técnica de

 Experime dibujo, redacción o cocina. ¡Experimenta! Siguiendo la sabia palabras

ntar de Benjamin Franklin: "Dime y lo olvido, enséñame y lo recuerdo,
involúcrame y lo aprendo". La práctica es fundamental para el aprendizaje, ya que te
permite poner a prueba la teoría, desarrollar nuevas habilidades y retener lo aprendido.

Al adentrarte en el ámbito del aprendizaje informal, percibirás que

 Discip no estás obligado a entregar tareas a un tutor ni a obtener calificaciones

lina
para validar tus conocimientos. Ser autodidacta implica un compromiso personal. Si tienes
un objetivo concreto, resulta fundamental fijar metas específicas para lograrlo, como
establecer horarios de estudio, emprender proyectos para aplicar los conocimientos
adquiridos o iniciar un nuevo tema una vez finalizado otro.

Para satisfacer tu curiosidad con nuevos temas, es recomendable visitar

plataformas como Miriadax, un espacio con una amplia selección de cursos gratuitos a
elección de los intereses personales como profesionales.

[Link]. Aplicación del Aprendizaje Autodidacta en la formación

académica

El término "implicación académica", según Simon-Morth y Chen (2009), ha sido

definido de diversas maneras con el fin de evaluar el grado de compromiso, conexión e
involucramiento de los alumnos con la escuela, así como su motivación para aprender y
desempeñarse académicamente (p.4). Ejemplares son definiciones como la propuesta por
Newman, Wehlage y Lamborn (1992), quienes conciben este concepto como una
participación activa, comprometida y atenta, contrastando con una participación
superficial, apatía o desinterés (p.11).

Por otro lado, Steimberg et al. (1996, citado en Suárez-Orozco et al., 2009) definen
la implicación "académica" como el nivel de vinculación del estudiante con el entorno
educativo (p. 15). Se señala que los diversos niveles de implicación de los alumnos en el
ámbito escolar se encuentran en un espectro, con un extremo representado por alumnos
altamente comprometidos que participan activamente en su proceso educativo y cumplen
con las tareas académicas requeridas para tener un buen desempeño, mientras que en el
otro extremo se encuentran aquellos desconectados, caracterizados por la falta de
interés, la ausencia frecuente en clases o la no realización de las tareas asignadas,
aspectos que pueden desembocar en diversos fracasos que a menudo anticipan el
abandono escolar.
 A pesar de que las definiciones anteriores ejemplifican las distintas
interpretaciones del concepto, no hay un consenso absoluto en su operativización.
Diversos investigadores se enfocan en diferentes aspectos o componentes de la
implicación del alumno con la escuela, utilizando otros conceptos más específicos que a
veces no están claramente delimitados o diferenciados. Como indican Glanville y
Wildhagen (2007), el "enganche escolar" se refiere a la implicación conductual y
psicológica del estudiante en el plan de estudios escolar, abarcando una gama de
comportamientos y actitudes que los investigadores y teóricos etiquetan con términos
como "participación", "adhesión", "motivación" y "pertenencia". Términos como
"alienación" y "alejamiento" representan lo opuesto al enganche. Por lo tanto, la
implicación es un concepto general que engloba diversas conductas específicas y
actitudes (p. 1021).

El compromiso del estudiante con la escuela y la educación, en términos

conductuales, abarca la participación de los mismos en actividades tanto académicas
como extracurriculares (p. 18). Este compromiso engloba aspectos como la asistencia a la
escuela y al aula, la preparación para las clases, la finalización de las tareas, la atención
durante las lecciones y la participación en actividades adicionales (Willms, 2000).

Asimismo, implica una conducta positiva, la participación activa en clase y el

involucramiento en iniciativas escolares (Fullarton, 2002).

Se manifiesta a través de acciones observables de los estudiantes, como su

participación en actividades extracurriculares, la finalización de las tareas
asignadas y sus calificaciones (Jimerson et al., 2003).

Este compromiso se relaciona con la implicación abierta en su proceso educativo,

la asistencia regular, el esfuerzo continuo y activo en clase (Newman y Davies, 2004).

Se refiere a la participación en las actividades escolares y co-curriculares (Khoo y Ainley,

2005).
 El término se refiere a la participación en actividades escolares y en el aula. Esta
participación engloba desde comportamientos básicos como la asistencia, el cumplimiento
de las normas escolares y la evitación de conductas disruptivas, hasta comportamientos
más avanzados como el esfuerzo por aprender (Glanville y Wildhagen, 2007).

Incluye la participación en actividades escolares, la implicación en tareas y el

aprendizaje académico, así como un comportamiento positivo y la ausencia de conductas
disruptivas (Lipman y Rivers, 2008).

Hace referencia al comportamiento del alumno que contribuye al ajuste psicológico y al

rendimiento escolar. Esta dimensión se puede dividir en tres ejes en un continuo que va
desde comportamientos positivos a negativos:

 Comportamientos positivos (asistencia a clase vs. faltar a clases;

conformidad vs. comportamiento opositor).
 Implicación en las tareas escolares (mayor o menor participación en el
trabajo en el aula y grado de cumplimiento de las tareas).
 Participación en actividades extracurriculares (frecuencia de participación)
(Archambault et al., 2009: 654).

Aunque es común comprender la participación del estudiante en los términos

mencionados, Zyngier (2007) advierte que la investigación sobre este aspecto se limita
mayormente a cuantificar cuántos estudiantes participan en actividades curriculares
(como asistir a clases o completar tareas) o extracurriculares, sin profundizar en la
comprensión del significado que los alumnos otorgan a la actividad o en su motivación
para participar en ella. En una crítica similar, McMahon y Portelli (2004) observan que el
enfoque en las manifestaciones conductuales de la participación del estudiante a menudo
descuida aspectos relacionados con la naturaleza del aprendizaje, su propósito y metas.
 1.1.4. Plataforma Microsoft Copilot

Microsoft Copilot representa un chatbot que se basa en el modelo de lenguaje de

IA GPT-3.5, lo que le permite comprender y comunicarse con fluidez en diversos idiomas.
Esta herramienta posee la capacidad de generar contenido creativo e innovador,
abarcando poemas, relatos, código, ensayos, canciones, parodias de celebridades, entre
otros, utilizando sus propias habilidades y conocimientos.

Microsoft Copilot no se limita a ser un simple chatbot, sino que funge como un asistente
inteligente capaz de colaborar en diversas tareas, tales como redacción, revisión, mejora
u optimización de contenido, búsqueda de información en línea, descripción de imágenes
enviadas, creación de ilustraciones artísticas a partir de una descripción, y múltiples
funciones adicionales.

Copilot opera gracias a un modelo de lenguaje llamado «Prometeo», desarrollado

por Microsoft en colaboración con OpenAI (la entidad responsable de ChatGPT y Dall-E).
Aunque se fundamenta en GPT-4, este modelo ha sido adaptado por Microsoft y se
beneficia de la capacidad de Bing para ofrecer resultados web actualizados.

[Link]. Cómo usar Microsoft Copilot

Se puede acceder a Copilot de las siguientes maneras:

 A través de la página web: [Link]

 Mediante las aplicaciones de iOS y Android
 Mediante las aplicaciones de Microsoft Edge y Bing en iOS y Android.

Microsoft Copilot se encuentra en tres modalidades: equilibrada, creativa y precisa.

Cambiar entre estas modalidades es posible mediante un botón de alternancia. Cada una
presenta características y ventajas únicas.

Modo equilibrado:
 Esta opción es la más recomendada para la mayoría de los usuarios, ya que logra
un equilibrio ideal entre creatividad y precisión. Es perfecta para conversaciones,
búsquedas de información, creación de contenido y entretenimiento.

Modo creativo:

Recomendado para aquellos usuarios que deseen explorar las posibilidades más
innovadoras y originales de Microsoft Copilot. Es ideal para la producción de contenido
artístico, humorístico, fantástico o sorprendente. No obstante, es más propenso a errores
y a proporcionar información errónea, por lo que se debe elegir con cautela cuándo
utilizarlo.

Modo preciso:

Es la elección perfecta para los usuarios que buscan respuestas exactas y

confiables. Óptimo para consultas de datos, hechos, cifras o conceptos.

Se puede iniciar una conversación sobre el tema que desee y seguir interactuando con
Copilot sobre ese mismo tema relacionado en el mismo chat, añadiendo detalles o
indicaciones adicionales. Si desean cambiar de tema, simplemente presionen el botón
"Nuevo tema" (es importante no mezclar temas radicalmente diferentes en un mismo chat
para evitar confusiones en Copilot).

[Link]. Qué se puede lograr con Copilot

Con Copilot, se puede trabajar de forma colaborativa en un código, identificar

errores, recibir sugerencias de código, aprender nuevas técnicas de programación y
mejorar la eficiencia sobre el flujo de trabajo de desarrollo de software.

a) Reemplazar un motor de búsqueda tradicional

Un ejemplo del Copilot proporcionando respuestas de manera precisa. Puedes

solicitar a Microsoft Copilot que te proporcione información específica sobre cualquier
tema de interés, y te ofrecerá una respuesta concisa y clara, con enlaces a fuentes
confiables. Por ejemplo, puedes pedirle que busque información sobre el cambio climático
o el último partido de fútbol. Es recomendable utilizar el Modo preciso en estos casos.
 b) Apoyo en la planificación de entrenamientos, viajes y comidas,etc.

Un plan de entrenamiento creado por Copilot. Copilot puede asistirte en la

organización de viajes, comidas semanales, y planes de entrenamiento. En este caso, se
utiliza el Modo creativo para solicitar la creación de una rutina de gimnasio personalizada.
Además, que se puede presentar en forma de tabla e incluso ofrece la opción de
exportarlo a Excel.

c) Crear ilustraciones sorprendentes con Dall-E 3

Explora dibujos generados por Copilot a través de Dall-E 3. Solicita a Microsoft

Copilot que cree una ilustración basada en una descripción que le proporciones y te
presentará cuatro opciones. Por ejemplo, puedes pedirle “diseña un perro en el espacio” o
“diseña un paisaje en el espacio”. Mientras más detalles proporciones, más precisa será
la imagen.

Si las primeras propuestas de Copilot no son convincentes o deseas agregar algo

a las imágenes, sigue interactuando con él. Se recomienda utilizar el "Modo creativo" para
esta tarea, ya que te brinda mejores resultados.

d) Crear canciones

Copilot ha creado una canción gracias a la tecnología de Suno. Puedes utilizar

Copilot para que genere una canción basada en el tema que prefieras. Esta herramienta
te proporcionará una letra y una melodía originales que podrás escuchar gracias a la
inteligencia artificial de Suno. Por ejemplo, puedes pedirle: “Crea una canción pop sobre
desamor”.

e) Comparación de Productos

Nunca ha sido tan sencillo comparar productos que estamos considerando

comprar. Basta con solicitar a Copilot que genere una tabla comparativa (en Modo
Creativo para obtener una tabla más detallada) y disfrutar del resultado. En el ejemplo
ilustrado, solicite a Copilot que elabore una tabla comparativa de las especificaciones del
Samsung Galaxy S24 Ultra y el iPhone 15 Pro.
 f) Traducción de Texto

Copilot tiene la capacidad de traducir palabras, frases y textos. Incluso podemos

proporcionarle una URL y solicitar la traducción de su contenido. Además, Copilot no solo
se limita a la traducción literal, sino que también se esfuerza por mantener el contexto y el
tono del contenido original. Esto asegura que el mensaje se transmita de la manera más
precisa y natural posible. Ya sea que necesite traducir un documento oficial, un correo
electrónico o incluso un sitio web completo, Copilot está aquí para ayudarle con todas sus
necesidades de traducción.

g) Redactar correos electrónicos, guiones, y textos breves

Copilot puede ser muy creativo, especialmente cuando lo guiamos. Por ejemplo:

 Solicite la redacción de un correo electrónico en un tono formal destinado a

un profesor para coordinar una cita con el fin de revisar un examen.
 Solicite la elaboración de un guion para un vídeo de YouTube o TikTok, en
caso de ser un creador de contenido.
 Proporcione detalles de una historia y solicite sugerencias para un
argumento coherente vinculado a la misma.

Las capacidades de Copilot son prácticamente ilimitadas. Puedes solicitarle que

redacte un poema, código, ensayo, parodia de una celebridad u otro tipo de contenido que
se te ocurra. Asimismo, puedes pedirle que describa una imagen que le envíes, te asista
en tus redacciones, corrija errores, te enseñe algo nuevo, cuente un chiste, te recomiende
una película, formule una pregunta, proporcione un consejo, te elogie, te anime, te
sorprenda, te divierta o simplemente entable una conversación contigo.

Con cada nueva actualización, Copilot no solo amplía sus capacidades, sino que
también se adapta mejor a las necesidades específicas de los usuarios. Además, la
inteligencia artificial detrás de Copilot está diseñada para aprender y evolucionar con cada
interacción, lo que significa que cuanto más lo uses, más eficiente y personalizado será.
 Imagina poder recibir asistencia inmediata en cualquier tarea que necesites, desde
resolver un problema matemático complejo hasta encontrar la inspiración para tu próximo
proyecto creativo. Copilot está aquí para ser tu compañero de confianza, listo para
brindarte apoyo y hacer tu vida más fácil y productiva.

No dudes en explorar todas las posibilidades que Copilot ofrece. Mantén tu

curiosidad y creatividad, y deja que esta herramienta revolucionaria te guíe en tu camino
hacia el éxito. El futuro es brillante con Copilot a tu lado.