Los agentes de IA ya son capaces de escribir un artículo académico completo nivel Q1 con una apariencia impecable. El agente de IA puede formular preguntas de investigación, construir marcos teóricos, generas metodologías, analizar los datos, discutir resultados e incluso generar una bibliografía con formato aparentemente correcto. El problema es que, a veces, esa bibliografía contiene referencias que no existen. Artículos que nadie ha publicado, DOI que no llevan a ningún sitio, revistas que nunca incluyeron ese trabajo o títulos que suenan perfectamente científicos, pero son completamente inventados. En el terreno académico, esta alucinación tse las conoce popularmente como citas fantasmas. Son referencias que parecen reales, pero no lo son. Y lo más inquietante es que pueden aparecer incluso cuando usamos agentes de IA como SciSpace, Kimi, ChatGPT o GLM-5, capaces de conectarse a bases de datos, buscadores o repositorios académicos.
¿Por qué ocurre esto? En parte, porque internet está lleno de errores. Hay bibliografías mal copiadas, citas incompletas, referencias arrastradas de trabajos poco fiables y mezclas extrañas entre artículos reales y datos inventados. La IA aprende y trabaja con ese mundo digital imperfecto. Por eso, en ocasiones, combina autores reales con títulos falsos, revistas existentes con volúmenes incorrectos o DOI verosímiles que no corresponden a ningún artículo.
El problema va mucho más allá de una errata. Una cita falsa puede servir para sostener una idea sin base científica. Puede dar apariencia de rigor a una afirmación débil, legitimar una propuesta dudosa o introducir posverdad en un espacio que debería estar gobernado por la comprobación y la evidencia. Para profesores, directores de TFG, tutores de TFM, tribunales de tesis, editores y revisores de revistas científicas, esto representa un desafío. ¿Cómo saber si una lista de referencias es fiable cuando contiene decenas o cientos de entradas?
La solución está en la propia IA. He creado un GPT llamado Revisas Referencias que comprueba si las referencias de un trabajo son verdaderas, dudosas o inventadas. Su uso es muy sencillo. No hace ni escribir un prompt ni decir «por favor». Basta con pegar la lista de referencias y dejar que el sistema de IA revise una por una. El GPT busca en internet y contrasta los datos fundamentales de cada referencia: autores, título, revista, volumen, páginas y DOI. Después ofrece una clasificación que permite detectar posibles citas fantasma y revisar aquellas que presentan inconsistencias. Puede tardar en responder, incluso 10 o 15 minutos si la lista es larga, pero realiza una tarea enormemente útil.
Cuando crees que el auge de la IA se está estabilizando, aparece un nuevo producto y te sorprende de nuevo. El modelo GLM 4.7 ya era bueno, pero GLM 5 es excelente, especialmente su modo agente. De momento es gratis. Tres ejemplos de sus capacidades y unas reflexiones al final.
Análisis de datos
He subido la base de datos completa de la Encuesta Mundial de Valores de Alemania (2500 casos y más de 250 variables) junto con el Cuestionario donde están detalladas las preguntas, códigos y categorías de respuesta. No es big data, pero tampoco es una encuesta pequeña. Le he pedido que diseñara un modelo explicativo para entender por qué algunas personas están a favor de la prostitución y otras no. Este es el único prompt que le he dato: This is the World Values Survey database and the Questionnaire. The variables are Q1, Q2, Q3…. Negative values are missing cases. Design a relational model and run an explanatory model using multiple linear regression to identify significative variables that explain Q183: Justification of prostitution: 1-Never to 10-Always.
Lo que más me sorprendió es que hizo TODO: selección de variables, varios análisis, gráficos, y presentación en un informe impecable de 12 páginas. Pero el gran mérito está en que ha seleccionado las variables independientes con criterio sociológico, y eso que la Encuesta Mundial de Valores contiene más de 250 variables. Incluso, agrupó las variables independientes seleccionadas en grupos temáticos para realizar una regresión lineal múltiple jerárquica. Además, comprobó los supuestos de la regresión lineal múltiple, sin pedírselo. Puedes verlo en este enlace y aquí puedes leer el informe que GML5 hizo. Un cambio radical en las clases de técnicas cuantitativas, análisis de datos, estadística, TFG, TFM y hasta tesis doctorales. Pero sobre todo, una revolución en las empresas y centros de investigación. Lo que hacíamos en semanas tras haber estudiado 4 años, o se subcontrataba y tenía un valor de mercado alto, lo puede hacer una IA en minutos y «gratis».
¿Es perfecto? No, es mejorable, como cualquier trabajo o artículo de investigación. Por ejemplo, ha incluido variables ordinales como variables independientes. Los profesores e investigadores siempre tenemos algo que añadir, pero esa es la base de la investigación científica. ¿Será que cuanto más usemos la IA, más criticaremos y así más ideas se nos ocurrirán? ¿Será que la función del ser humano es criticar a la máquina para sentirse vivo y útil?
Descarga de base de datos y análisis
He pedido al agente de GLM5 que acceda a la web del Centro de Investigaciones Sociológicas (CIS), concretamente a un estudio sobre tendencias sociales, que seleccione 10 preguntas y consulte los resultados obtenidos. Es decir, ¿tiene GLM5 la capacidad de navegar por internet, consultar preguntas de una encuesta y analizar los resultados? Síiiiuuuuuu.
Este es el prompt y más abajo el resultado: El Centro de Investigaciones Sociológicas (CIS) realizó en 2025 un estudio sobre tendencias sociales para preguntar cómo creen las personas que será el futuro en diferentes ámbitos. Lee el cuestionario y selecciona 10 preguntas que pregunten sobre cómo será el futuro. Es el estudio 3535 y está disponible en la web del CIS. Consulta en la misma web los resultados. Haz una captura de pantalla de los resultados que hacen referencia a las 10 preguntas sobre cómo será el futuro. Finalmente, comenta e interpreta los resultados. El enlace donde está el estudio del CIS: https://www.cis.es/es/estudios/encuesta-sobre-tendencias-sociales-v-?results=results_1773056362578&chartType=bar&cuestionario=18018&muestra=26387&pregunta=658336&variable=1099339
No hizo captura de pantalla exacta de los resultados como le pedí (quizás le pareció que eso de las capturas es una chapuza) y tomó la decisión (como buen agente de IA autónomo) de presentar las tablas de una forma más ordenada. En las imágenes puedes comparar que son los mismos resultados que están en la web del CIS. Es decir, no inventó nada. Hizo tal cual lo que se le pidió y mejor.
Aquí puedes ver el informe completo que generó con la tarea, donde se incluye todas las preguntas seleccionadas, la presentación de las tablas y la interpretación de los resultados.
Para no quedarnos con un simple análisis descriptivo, le he pedido a GLM5 que acceda a los resultados y realice un análisis de clústers con las 10 preguntas seleccionadas de la encuesta Tendencias Sociales del CIS. Tenía dudas que fuera capaz de hacerlo ya que la tarea implicaba la descarga de la base de datos alojada en la web del CIS en csv, la consulta de los códigos numéricos de cada pregunta y categorías de respuesta, trabajo con 42 variables (ya que muchas preguntas eran multirrespuesta) y la aplicación de algoritmos de clustering. Este fue el prompt: Ahora quiero que hagas un análisis de clústers a con las 10 preguntas que has seleccionado. Decide qué algoritmos de análisis de cluster conviene usar según el tipo de variables.
El resultado es, otra vez, espectacular. Pero en esta ocasión, no solo por el informe, los gráficos y análisis realizado, sino por el tratamiento de los valores perdidos. Recodificó los no sabe / no contesta con la moda, ya que las variables son categóricas. Y en ningún momento yo se lo especifiqué. Estos es un gamechanger ya que en IA integradas en Google Colab o Microsoft esto no lo hacía. Debías limpiar la base de datos antes, lo cual es un trabajazo y un rollazo, o bien consultar la encuesta para saber qué valores numéricos son NS/NC. Cuando descubrí esta capacidad de GLM5, me alegró la tarde ya que me he pasado semanas de mi vida limpiando bases de datos, y GLM5 lo hace por sí solo en minutos y con criterio.
Puedes consultar el informe del análisis de clústers realizado por GLM5, el cual es visualmente muy atractivo y detallado en la identificación del número óptimo de clusters.
GLM5 es un LLM en modo agente ya que es capaz de tomar decisiones de forma autónoma a partir de una tarea y conectarse a base de datos externas. Navega por internet, descarga base de datos, analiza los datos conectándose a Python y escribe informes completos
GLM5 presenta los resultados en informes finales. Parece que se tenderá a medir a los productos de IA por su capacidad de generar entregables finales. Ya no nos conformamos con que la IA nos conteste de forma correcta, queremos el trabajo final hecho, con nuestro nombre y listo para enviar o imprimir.
Reflexiones que se me vienen a la mente. ¿Tiene sentido que las universidades paguen por la licencia de SPSS? ¿Tendremos ganas de supervisar los análisis generados por la IA o simplemente los aceptaremos? No tengo las respuesta, pero sí ganas de investigar más.
Un agente de IA es un sistema software que percibe su entorno,
razona sobre objetivos y ejecuta acciones de forma autónoma. A diferencia de un chatbot generativo que solo produce texto,
un agente puede navegar webs, ejecutar código, enviar emails y coordinar múltiples
tareas para cumplir un objetivo.
Características que definen un agente
Autonomía
Opera sin intervención humana constante. Toma decisiones independientes.
Comentando algunos hallazgos del Anthropic Economic Report, concretamente sobre nivel educativo y uso de la Claude:
El nivel educativo influye en la calidad de las respuestas. Por ello, preguntar chorradas (huevadas) no lleva a obtener un artículo académico generado con IA. Al menos no de momento
Las tareas que los usuarios piden a Claude tienden a requerir más educación que las tareas promedio en la economía general. Es decir, estamos pidiendo a la IA tareas que requieren alto conocimiento, por ejemplo, limpia esta base de datos, genera un código para realizar un análisis multinivel. Esto está pasando en Claude. En las IA de generación de imágenes o Grok, no creo que sea así.
Las tareas más complejas (que requieren más años de escolaridad) generan mayores ahorros de tiempo. Por ejemplo, las tareas que requieren un título universitario (16 años de educación) obtienen una aceleración de 12x, mientras que las de nivel secundario (12 años) obtienen 9x. Sea para un artículo académico o una traducción, con la IA vuelas. El interrogante que se me viene a la mente a menudo es: ¿qué estamos haciendo con el supuesto tiempo que nos ahorra la IA? Porque yo cada vez siento que tengo menos tiempo, y eso que uso la IA para todo.
Las tareas más complejas (que requieren alto nivel educativo, por ejemplo, limpiar y analizar una base de datos) tienen una tasa de éxito ligeramente menor que las tareas más simples (por ejemplo, reescribe este texto), ya que son más difíciles de automatizar.
El informe sugiere que, si se eliminan las tareas que la IA puede realizar, el efecto neto inmediato en muchas ocupaciones es la «descualificación» (deskilling). Debido a que Claude maneja las tareas que requieren mayor nivel educativo, lo que queda para el humano son a menudo las tareas menos intensivas en habilidades. Por ejemplo, si un editor de artículos analiza los textos con IA y redacta su informe con IA, se queda con tareas menos cualificación como reclamar pagos, lo que puede llevar a descualificarse (deskilling).
En algunos casos, ocurre lo contrario: la IA hace el trabajo administrativo rutinario, permitiendo que los seres humanos nos centremos en tareas complejas, lo que eleva el nivel de habilidad del trabajo restante. Por ejemplo, un investigador puede delegar parcialmente en la IA la redacción de solicitudes de financiación (pedir proyectos y grants), y centrarse en tareas de networking y laboratorio.
Más o menos, el informe indica que la IA actual actúa como un complemento para trabajadores con alta educación, ofreciéndoles mayores ganancias de productividad (más en menos tiempo), pero también plantea un escenario donde las tareas cognitivas más complejas son las que se están automatizando, cambiando la naturaleza de las habilidades requeridas para los humanos.
Pero hay un puntos importante que creo relevante y que no menciona el informe de Anthropic. Personas con alto nivel educativo han estado haciendo tareas en sus empleos que no requieren tanta cualificación. Estudiar 14 años de tu vida y tener grados en Derecho, Sociología o Economía para realizar mayoritariamente tareas con Excel es un desaprovechamiento del capital humano acumulado. Si la IA hace algunas de estas tareas (limpiar base de datos de Excel), el capital humano de las personas puede ser usado para hacer cosas más provechosas, sobre todo asuntos de relaciones sociales. Las IA como Claude o ChatGPT, y no los móviles ni Facebook ni Twitter, puede ser quien paradójicamente fomente las conexiones sociales. Lo importante es qué hacemos con el tiempo que ganamos si usamos la IA.
Cómo dar clase online con traducción de voz en tiempo real en Google Meet (inglés ⇄ español)
Google Meet permite realizar reuniones de hasta 50 personas con traducción simultánea de voz, por tanto, puedes hacer videollamadas así como conferencias, seminarios o clases sin importar el idioma. Tienes una IA que es intérprete.
1. Por qué debería importarte
Google Meet ya no solo pone subtítulos, ahora “dobla” tu voz en tiempo real. Imagina dar una clase de metodología, análisis de redes o el tema complejo que quieras a estudiantes que no hablan tu idioma, y que, mientras hablas en español, ellos te oigan en perfecto inglés (o viceversa). Se acabó el “¿me entiendes?” de cada cinco minutos. Además, la traducción imita tu tono de voz. Así no pierdes tu estilo o flow.
2. Qué necesitas
Necesitas que al menos una persona tenga la suscripción Google AI One – cuesta unos 20 $/mes. El resto puede entrar gratis y recibir la voz doblada al instante.
Por ahora la traducción de voz solo funciona en portátiles y ordenadores de escritorio.
La IA necesita audio limpio. Si tu Wi-Fi va a pedales, la traducción mete lag.
De momento solo funciona inglés ↔ español por ahora. Google ha prometido italiano, alemán y portugués “en los próximos meses”.
3. Cómo activar la magia
Entra en Meet con la cuenta que tiene AI One y crea la reunión.
Arriba a la derecha verás una pestaña de “Speech Translation”. Haz clic.
En Language you speak pon tu idioma (p. ej. Español).
En Language you prefer to hear elige el otro (p. ej. English).
Si es tu primera vez, pulsa Allow translation para que tu voz pueda ser traducida.
4. Recomendaciones después de varias pruebas
Si vas a hacer una videollamada con un colega no hay problemas, pero si quieres dar una clase, te recomiendo:
Habla pausado: la IA empieza a traducir antes de que termines la frase. Si te aceleras, puede alucinar.
Apóyate en los subtítulos clásicos como plan B. A veces la síntesis de voz tarda medio segundo y el texto llega primero.
Comparte material escrito (diapositivas por ejemplo) para minimizar confusiones terminológicas.
La IA se puede equivocar en algunas palabras ya que seguimos confundiendo bitch con beach, y mean (media), mean (significar), mean (tonto) sin el contexto adecuado. Pero es parte de la vida. En las clases presenciales tampoco entendemos todo y seguimos aprobando y graduándonos. Pruébalo, ya no es el futuro, es el presente, y abre oportunidades de acceso a conocimiento (clases de otras partes del mundo), investigación (entrevistar a personas que no hablan los idiomas que tú sabes) y de business.
En mis clases siempre usamos ChatGPT y varias veces algunos estudiantes me han dicho: yo no tengo el ChatGPT Plus (el de los 20 euros al mes). Y ahí se jode todo porque si no tienes la versión de pago, no tienes acceso ilimitado a algunas de sus funciones, como el modelo o3 de razonamiento avanzado, o las investigaciones profundas son muy limitadas. La solución es QWEN.
QWEN es un modelo de lenguaje (LLM) como ChatGPT pero totalmente gratis y multimodal: genera texto, imágenes, vídeos, búsquedas web y código. Pero lo mejor no es que es gratis, sino que es muy bueno.
Funciona igual que ChatGPT. Pides y responde. Incluye posibilidad de subir archivos, audios, generación de imágenes muy top, vídeos (en vídeo no es el mejor), investigación profunda, generación de código y lo que más me ha convencido: la opción se seleccionar el modelo de «Pensamiento» (Thinking). Este modo de «Pensamiento» es una variante de los LLM basada en razonamiento lógico, capaz de analizar problemas complejos, descomponerlos y proporcionar soluciones paso a paso.
Ya sabes que cuando algo es gratis, nosotros somos el producto. Es decir, cuanto más los usamos, más se entrenan y mejores llegan a ser. Pero en este caso, es un Win-Win
Hacer un vídeo, antes del boom de la inteligencia artificial (IA) generativa, era un trabajazo tremendo de horas y horas. Ahora la herramienta de IA NotebookLM ha implementado una nueva función que genera vídeos explicativos a partir de los textos que quieras.
Cómo funciona
Abre NotebookLM. Funciona con tu cuenta de Gmail ya que es un producto de Google. Sube los archivos que quieras, ya sea uno solo o hasta 50 archivos como PDF, Word o txt. También puedes pedirle a NotebookLM «Descubrir fuentes» y encontrará diversas webs o archivos sobre el tema que quieras.
Al descubrir o subir fuentes, por ejemplo, un artículo de investigación, NotebookLM crea un resumen automáticamente en el idioma que tienes activado tu cuenta de Google. Si el artículo que subes está en inglés, pero tu cuenta de Google está configurada en español, creará el resumen en español. En la era de la IA, el idioma ya que no es una barrera para acceder al conocimiento.
Cómo hacer el vídeo en español
Ir a Resumen de vídeo > Personalizar
Debemos escribir este prompt para pedir el vídeo en español:
Haz el vídeo en idioma español de España (o de Latinoamérica) y las diapositivas de la presentación también en idioma español. El vídeo es para un público que solo sabe el idioma español.
En ese espacio de personalización también se puede pedir que se centre en una parte del artículo, que sea dirigido a un público concreto u otras especificidades.
El potencial de crear vídeos en minutos sobre artículos, tesis, o un conjunto amplio de archivos o webs es una estrategia excelente para transferencia de conocimiento, o simplemente para ver lo que queremos y no depender de las cada vez peores películas de Netflix o series de HBO.
Una de las fases más complicadas y al mismo tiempo más importantes del proceso de investigación es la formulación de la pregunta de investigación. Sin una buena pregunta de investigación estamos perdidos y vamos dando tumbos. Hace años empecé esta web escribiendo sobre estrategias para formular preguntas de investigación. Para mi sorpresa fue lo más visitado durante años. Que mucha gente lea sobre cómo hacer una pregunta de investigación indica que no es fácil, que es relevante en cualquier disciplina, y que nos genera mucha incertidumbre. Si la pregunta de investigación está regular o mal, toda la investigación estará fatal.
La llegada de la inteligencia artificial (IA) generativa, con ChatGPT a la cabeza, nos facilita formular preguntas de investigación. Mejora esta fase y muchas otras más de la investigación, pero de eso hablamos otro día. ChatGPT permite la creación de GPT personalizados, que son una versión adaptada del modelo de lenguaje de OpenAI que un usuario puede configurar para un propósito específico. En este caso, he creado uno para formular y evaluar preguntas de investigación.
Research question GPT es un «colega» que te guía en la formulación de preguntas de investigación utilizando la matriz FIReC (Factible, Innovadora, Relevante, y Clara). Ayuda a pulir una idea inicial hasta convertirla en una pregunta académicamente sólida. Es como tener un mentor metodológico disponible cuando quieras. No se enfada, no te pone mala cara, te permite repreguntarle las veces que quieras, y te da ideas de nivel postdoctorado. De todas las sugerencias, alguna puede servirte para que se convierta en la pregunta de investigación de tu artículo, tesis o informe.
¿Qué base conocimiento tiene este GPT? Realicé una investigación profunda de los criterios que debe cumplir una pregunta de investigación y las estrategias empleadas para generar preguntas de investigación. Por ello, por cada pregunta de investigación genera, se evaluará si es:
Factible / Viable / Alcanzable: se puede responder y realizar la investigación
Innovadora / Novedosa: aporta conocimiento y genera una contribución
Relevante / Pertinente: impacto potencial y aplicaciones
Clara / Concisa / Precisa / Directa: se entiende y especifica dónde, cuándo
Este GPT está instruido para adaptarse a tu nivel, por lo que te hará preguntas iniciales para personalizar más las preguntas de investigación. Incluso puedes subirle tus datos (bases de datos en Excel p.ej. o datos cualitativos) y que te sugiera preguntas de investigación a partir de tus datos.
Prueba este GPT y ojalá tu pregunta o idea pase a ser una pregunta de investigación top. Aquí tienes el enlace al GPT:
Varias veces me han preguntado por una IA que transcriba entrevistas y sea capaz de distinguir al entrevistador y entrevistado, o también transcribir un grupo de discusión donde hablan varias personas. La respuesta es Turboscribe.
Con el plan gratuito se pueden realizar tres transcripciones diarias, cada una de máximo 30 minutos. Pagando 10 euros, puedes transcribir horas y horas.
Se pueden subir todo tipo de archivos de audio, incluso MP4.
Escogemos el idioma del audio. Hay decenas de idiomas.
Pero lo mejor, es la sección de reconocimiento de hablantes ya que podemos indicarle el número de personas u oradores, o bien decirle que lo detecte automáticamente. También hay posibilidad de pedirle que restaure el audio por si fue grabado con ruido de fondo.
Por las pruebas que he realizado, transcribe muy bien y rápido. Una conversación de 15 minutos, se transcribe en unos 3 minutos en el modo de mayor precisión. La transcripción incluye las marcas de tiempo, pero se pueden eliminar con un clic.
La transcripción se puede editar, exportar a Word, txt o PDF.
Hay otras herramientas de IA muy buenas para la transcripción, como Whisper que vimos en artículo anteriores, pero Turboscribe ha puesto una marcha más (el turbo). Ahora podemos grabar con el móvil u otros dispositivos clases, reuniones, reflexiones propias, y con esta IA transformar el audio en texto. ¿Y qué hacemos con el texto? Una vez obtenida la transcripción podemos hacer lo que necesitemos o se nos ocurra, como analizar cualitativamente las respuestas de un hablante o entrevistado, identificar códigos y categorías, resumir la conversación, usarla como input para generar ideas, y mil cosas más. Imagínate poder grabar y transcribir todas tus clases. Ese material vale oro.
La herramienta de IA NotebookLM ha sido actualizado y ahora permite transformar cualquier texto o vídeo a un podcasts conversacional en el idioma que desees. Pero lo mejor de todo es que el podcast generado es de alta calidad: sintetiza muy bien el contenido, lo hace entendible para cualquier audiencia y, por todo ello, es una herramienta muy útil para la transferencia de conocimiento.
Funciona con una cuenta de Gmail ya que es un producto de Google
Ir a +Crear
Se abrirá una pantalla para Añadir fuentes. Se pueden añadir PDF, archivos de audio, enlaces a vídeos de Youtube, o páginas webs. No se pueden añadir power points, pero sí pasar los ppt a PDF. Se puede añadir un solo archivo (una sola fuente) o hasta 50 fuentes al mismo tiempo. También está la opción de “Descubrir fuentes” que habilita a NotebookLM a hacer una búsqueda en internet a partir de un tema que escojamos.
En este ejemplo he añadido un artículo de investigación que escribí. Está escrito en inglés y es un análisis de redes bibliométrico, por lo que no es sencillo de entender en la primera lectura. Escojo este artículo porque el objetivo es mostrar cómo podemos hacer entendible un tema complejo.
Para escoger el idioma de salida del podcast, debemos ir a Configuración > Idioma de salida
Antes de generar el podcast, podemos ir Personalizar. Ahí podemos darle instrucciones como:
Haz el podcast de una duración de no más de 10 minutos
Menciona el nombre de los autores
Hazlo para una audiencia que es experta en redes, pero sí en innovación
Después de unos pocos minutos, obtendremos el podcasts. Es una conversación amena entre dos personas. Tremendamente útil para dirigirlo a audiencias no expertas pero sí interesadas en el tema. Aquí puedes escucharlo:
La Revista Española de Sociología (RES) ha implementado podcasts para cada uno de los artículos que publica, una estrategia innovadora que facilita la transferencia de conocimiento científico a la sociedad.
Otras funciones: mapas mentales, glosarios, cronologías
Otra de las ventajas de NotebookLM es que crea mapas mentales o conceptuales de las fuentes que subimos. Aunque no soy fan de los mapas mentales, mis estudiantes dicen que les son muy útiles para estudiar y entender textos complejos. Lo malo de los mapas mentales de NotebookLM es que no se pueden editar (de momento).
También existe la posibilidad de generar una cronología de eventos a partir de las fuentes, y un glosario de conceptos. Estas funciones son útiles para entender temas que los tenemos desagregados o cuando nos inmiscuimos en una nueva área de estudio.
Esta herramienta de IA abre un mar de posibilidades para acceder a nuevo y complejo conocimiento, y para acercar el conocimiento científico a audiencias más amplias y directamente implicadas en los temas de estudio.
Aunque mucha gente piensa que la inteligencia artificial (IA) daña el aprendizaje, hay herramientas de IA que potencian las ganas de aprender. La educación es, tal vez, el sector más afectado por la irrupción de la IA generativa con ChatGPT a la cabeza. Pero afectado no significa perjudicado. Al contrario, muchas son las ventajas de la incorporación de la IA en los procesos de enseñanza y aprendizaje. Uno de los principales beneficios de aplicar la IA en la educación es el acceso al conocimiento. Mediante la IA podemos acceder a conocimiento en otros idiomas, simplificar conocimiento complejo, pasar el conocimiento abstracto a formatos visualmente más pedagógicos y, algo imprescindible hoy en día, analizar el propio conocimiento y hacer que se nos ocurran nuevas ideas. Por ello, aquí presento diversas herramientas de IA para aprender.
Recall: el super-resumidor
Esta IA se especializa en resumir cualquier contenido que esté en línea. Puede resumir en detalle vídeos de Youtube de más de dos horas de duración, podcasts, artículos y cualquier web. He probado muchas IA para resumir (summarize), y Recall es la mejor con diferencia. ¿Por qué es la mejor? Porque resume muy en detalle el contenido. Solicité a Recall que resumiera una conferencía mía alojada en Youtube ya que la conozco bien: Conferencia Cómo usar la IA en la docencia e investigación. El resumen generado es preciso, e incluye las marcas de tiempo específicas del video para que podamos ir directamente a las partes clave. Este nivel de detalle y precisión me impresionó, ya que Recall demostró que puede comprender el contenido del video de manera profunda y sintetizarlo de forma efectiva.
Otra ventajas de usar Recall para sintetizar conocimiento alojado online son:
Podemos elegir que el resumen sea detallado (más largo) o conciso (más corto).
Podemos editar el resumen en la misma web o app de Recall, así como incluir etiquetas, y convertir estos resúmenes en nuestros apuntes.
Podemos pedir que resuma el contenido en el idioma que queramos, por tanto, podemos acceder a conocimiento que está en otro idioma. Por ejemplo, la conferencia está en alemán, pero es resumida en español.
Recall puede generar preguntas para verificar si hemos comprendido el conocimiento resumido.
Recall permite crear 10 resúmenes gratuitamente, si quieres m´ás toca pagar entre 7 y 10 euros al mes. O bien, abrir otra cuenta en Recall con otro email y obtener 10 resúmenes más.
Mapify: mapas mentales con IA
Hace unos meses pregunté a mis estudiantes de sociología cómo aprenden y varios me dijeron que usan mapas mentales para estudiar y comprender temas enrevesados. Estas representaciones gráficas se caracterizan por establecer relaciones entre ideas para entender mejor la información o para estructurar las partes de las que se compone un tema. Hay decenas de aplicaciones online para crear mapas conceptuales o mapas mentales. He probado varias IA gratuitas de mapas mentales y no son muy top. Por ello te muestro Mapify, un herramienta de IA de pago (con algo de crétido para usarlo gratis) pero te provoca decir: wowwww.
Una de las grandes fortalezas de Mapify.so es que permite transformar cualquier tipo de contenido (documento, web, vídeo, imagen o audio) en un mapa mental. Si ya tenemos el resumen de un tema, por ejemplo hecho con Recall, podemos pegar el contenido para visualizarlo en un mapa mental. Si no tenemos el resumen y queremos que te mapee el contenido de un artículo también lo hace.
Mapify también permite ampliar el contenido. Es decir, podemos subir nuestro contenido, y pedirle a esta IA que amplie el mapa mental con más ramas o relaciones.
La otra gran fortaleza es que crea mapas en plantillas muy variadas, como brainstorming, desglose de conceptos o líneas de tiempo (ver imagen). Estas visualizaciones pueden posteriormente transformarse en presentaciones de power point interactivas, todo dentro de Mapify.
Mapify cuesta entre 6 y 20 euros mensuales según el plan que escojas. Vale la pena pagar si eres profesor y necesitas generar contenido educativo en diferentes formatos visuales. O si estás aprendido algo y los mapas mentales son la clave para mejorar tu comprensión y organizar tus ideas.
Speechify: lee texto en voz alta
Si no te gusta leer, pero sí aprender escuchando, esta herramienta de IA es la que necesitas. Speechify es una IA que lee texto en voz alta (text to speech). Se puede instalar como una extensión de Chrome, la cual es gratuita. Así se habilita un botón de Play para activar el audio, y un minutero (temporizador) que indica los minutos y segundos que se tarda en escuchar el audio del texto. Cualquier contenido web puede ser escuchado en voz alta.
La app de Speechify para móvil permite pasar de documentos (como artículos en PDF) a audiolibros, o incluso fotografiar un texto y escucharlo. Por ejemplo, en la imagen de aquí abajo he realizado una foto a una página de un libro, y el texto es transformado a audio para escucharlo en el móvil, incluso con la pantalla apagada.
Speechify tiene voces en muchos idiomas. En la versión gratuita de la app se pueden almacenar hasta 3 documentos para pasar a audio. Si no se quiere pagar, se pueden ir eliminando los documentos que ya has escuchado. También permite descargar el audio en formato mp3, pero para esto hay que pagar la suscripción, que cuesta unos 100 euros al año (unos 8 euros al mes).
NotebookLM: glosarios y podcasts
NotebookLM es una super-herramienta de IA creada por Google que tiene capacidad para resumir el contenido de uno o varios artículos (también libros y vídeos), crear un cuestionario con preguntas y respuestas útiles para estudiar, generar un glosario de términos importantes, y transformar los artículos a un podcast conversacional. Para probarlo, he subido un artículo científico mío sobre redes empresariales que conozco muy bien, y el resultado es totalmente acorde al contenido del artículo.
La creación del glosario es uno de las novedades que encuento más útiles, especialmente cuando empiezas a formarte en un tema nuevo y de alta complejidad. El glosario también es práctico si eres profesor ya que puedes subir el contenido de tu asignatura y obtener las definiciones de los términos clave, que pueden ser un punto de apoyo para facilitar el aprendizaje. Hay que tener en cuenta que muchas veces empezamos a aprender algo en enero y no terminamos de verlo completamente hasta junio, con lo cual el glosario es siempre un aliado cercano para el aprendizaje.
Pero por lo que se ha hecho conocida NotebookLM es por la creación de un podcast conversacional. Subes un documento, por ejemplo un artículo científico de alta complejidad (o varios), y en unos minutos su contenido es transformado a una charla entre dos personas. Lo he probado, y el resultado es preciso y sobre todo divulgativo. Imagina poder pasar artículos o libros científicos a conversaciones en las que se presenta el contenido de forma más pedagógica, con esta IA ahora es posible. Y gratis.
¿Y puede obtenerse el podcast en español? Para generar la conversación en español debes ir a Personalizar y pegar este texto: «El audio debe generarse en español. Es fundamental que el podcast sea en idioma español, ya que está dirigido a hispanohablantes y debe ser fácil de comprender para ellos. Por favor, asegúrate de que todo el contenido del podcast esté en español para garantizar que sea accesible y entendible para la audiencia de habla hispana.» Gracias a @llmaster_ por este tip.
De esta manera, el podcast estará en español. ¿Y si el texto está en inglés o alemán y quiero el glosario y el podcast en español? También lo hace esta IA. Por tanto, ahora podemos acceder a conocimiento en idiomas que desconocemos. También se puede personalizar el podcast si quieres que se centre en una parte u otra de los artículos, por ejemplo, los hallazgos, las teorías o las implicaciones prácticas.
SciSpace: la IA para aprender de la ciencia
SciSpace es la mejor herramienta de IA de revisión de literatura científica. De ella, hemos hablado en anteriores artículos de este blog. Pero vuelvo a insistir con SciSpace porque es la IA que responde en base solo a artículos publicados en revistas científicas. Por tanto, cuando te preguntes qué dice la ciencia sobre un tema, cuándo quieras contenido para tu ar´tículo científico, o cuando quieras aprender sobre investigaciones científicas, esta es tu IA. Tiene varias fuciones, pero destaco las más potentes.
En primer lugar, SciSpace tiene un notebook, es decir, una especie de Word o documento en que a medida que escribimos va sugiriendo contenido, citas bibliográficas, o reescribe el contenido haciéndolo más corto, más largo o simplemente lo rehace para que suene más académico. Hay que recordar que SciSpace es una herramienta de IA que ha sido «alimentada» con artículos científicos, por tanto, está en su «sangre» saber cómo se redacta un paper académico. Te recomiendo explorar este notebook cuando estés escribiendo tus trabajos o informes ya que vas aprendiendo cómo se comunican y expresan las ideas de forma clara y concisa.
En segundo lugar, SciSpace incorpora la función de chatear con un artículo científico en PDF. Subimos el PDF y podemos hacerle preguntas para que responda a partir del contenido del artículo. A diferencia de otras IA que permiten chatear con un PDF, SciSpace tiende a no alucinar (no se inventa cosas que no están en el artículo) y se ciñe al contendio de la publicación. Al haber sido entrada con artículos científicos, SciSpace conoce las estructuras y jergas de las publicaciones científicas, lo cual hace que sus respuestas sean más precisas. En esta función de Chatear con un PDF, incluye la posibilidad de seleccionar tablas, gráficos, o funciones matemáticas y SciSpace las explica en detalle. Además, no importa el idioma en el que esté el artículo. Si la publicación está en inglés y quieres que responda en español, SciSpace lo hace.
En tercer lugar, SciSpace permite que subas varios artículos científicos y de todos ellos hará un análisis comparativo de sus objetivos, teorías, métodos, datos, análisis, hallazgos y aquella sección o cuestión que desees. Este análisis comparativo, también lo realiza de aquellas publicaciones que SciSpace encuentra cuando le realizamos una pregunta de investigación. Por ejemplo, podemos preguntarle a SciSpace «¿Cómo las conexiones políticas influyen el valor de las empresas?». Primero, SciSpace genera una lista de artículos que pueden responder esa pregunta o son cercanos temáticamente. Segundo, realiza el análisis comparativo del contenido del artículo que queramos: objetivos, teorías, métodos, datos… Tercero, permite guardar esas referencias para posteriormente citarlas en el notebook (cuando redactamos nuestro artículo). Y, cuarto, SciSpace puede exportar toda esta información a un archivo Excel o otros formatos. Para exportar, hay que pagar. Pero para todas las otras funciones, solo es necesario abrir una cuenta gratuita en SciSpace. Hay otras IA de revisión de literatura como Elicit y Consensus, pero sus versiones gratuitas son limitadas y no tienen tantas funciones como SciSpace.
Hoy en día, sin importar el idioma que sepas, puedes aprender teorías o conocimientos complejos obteniendo instántaneamente glosarios, tests de aprendizaje, análisis comparativos, y resúmenes escritos o en formato conversación gracias a la IA. Además, estos materiales generados, especialmente el podcast, favorecen la transferencia de conocimiento a audiencias más amplias.
Probablemente todos hemos sentido que es difícil aprender algo porque no tenemos un profesor particular, porque no comprendemos lenguajes sofisticados o porque no sabemos algunos idiomas. El avance de las herramientas de inteligencia artificial permite acceder a más conocimiento en los formatos que mejor se adaptan a cada uno de nosotros. La IA es tu profesora particular. La duda es, ¿aprendemos igual con estas IA que sin ellas? ¿Aprendemos más pero con menos profundidad? ¿O aprendemos más en menos tiempo? No lo sé. Pero sí sé que es mejor dedicarle tiempo al aprendizaje, nos hace más fuertes, libres e interesantes.
ChatGPT es el Real Madrid de la IA generativa. Cada día sorprende más. Esta herramienta de IA es capaz de crear una base de datos con variables y casos, y generar las relaciones estadísticas que quieras. Y todo ello en segundos y sin escribir ni una línea de código. He escrito el siguiente prompt en ChatGPT donde pido que genere una base datos en la que haya relación estadísticamente significativa entre dos variables, pero que no haya relación con otra variable:
Quiero que generes una base de datos con 3 variables y 1200 casos: la primera variable es sexo y sus 2 posibles categorías son 1-hombre, 2-mujer. La segunda variable es Tolerancia con la prostitución que es una variable de 10 posibles categorías, es una escala cuyos valores van de 1-nunca a 10-siempre. La tercera variable es nivel educativo que tiene 4 categorías: 1-primarios, 2-secundarios, 3-post-secundarios, y 4-terciarios. Simula una respuesta de las posibles para cada uno de los 1200 casos. Hazlo de tal manera que al hacer un análisis de ANOVA de un factor, haya relación estadísticamente significativa y fuerte entre las variables sexo y tolerancia con la prostitución: que las mujeres tengan una media más alta que los hombres en tolerancia con la prostitución. También simula las respuestas para que no haya relación significativa entre las variables tolerancia con la prostitución y nivel educativo. Entrégame la base de datos en Excel
Me ha contestado generando una base de datos en Excel con datos simulados. En este enlace puedes descargar la base de datos generada por ChatGPT: descargar base de datos simulados.
Para comprobar que ChatGPT ha creado la base de datos con las relaciones significativas entre variables que solicité, he realizado análisis de ANOVA en el software estadístico SPSS. Como puedes ver en los resultados lo ha hecho tal como se lo pedí. Ha creado una relación significativa y fuerte entre sexo y tolerancia de la prostitución, en la que las mujeres tienen un promedio más alto en tolerancia con la prostitución (7,26) que los hombres (5,63).
También me ha obedecido y al generar los datos, ha hecho que no haya relación significativa entre nivel educativo y tolerancia con la prostitución. Llama la atención que, sin pedírselo, ha generados grupos (submuestras) de similar tamaño para hombre y mujer, y para cada uno de los niveles educativos.
Pedí a ChatGPT que creara una base de datos de 1200 casos (personas) ya que es el mismo tamaño de muestra usado en España para la Encuesta Mundial de Valores, y solicité que creara esas relaciones entre variables porque es totalmente al revés de la realidad. El análisis de los datos reales de la Encuesta Mundial de Valores para España indican que sí existe una relación significativa entre nivel educativo y tolerancia con la prostitución, y que los hombres son más tolerantes con la prostitución que las mujeres, como puedes ver en la imagen.
He hecho otra prueba ahora pidiéndole datos para hacer un análisis multivariante de regresión lineal múltiple. Este ha sido el prompt: Quiero que generes una base de datos con 4 variables y 1200 casos: la primera variable es sexo y sus 2 posibles categorías son 1-hombre, 2-mujer. La segunda variable es Tolerancia con la prostitución que es una variable de 10 posibles categorías, es una escala cuyos valores van de 1-nunca a 10-siempre. La tercera variable es nivel educativo que tiene 4 categorías: 1-primarios, 2-secundarios, 3-post-secundarios, y 4-terciarios. La cuarta variable es nivel de ingresos que tiene 10 posibles categorias que van de 1-muy bajos a 10-muy altos. Simula una respuesta de las posibles para cada uno de los 1200 casos. Hazlo de tal manera que al hacer un análisis de regresión lineal con la VD Tolerancia con la prostitución haya relación estadísticamente significativa con las VI sexo (las mujeres son más tolerantes que los hombres) y nivel de ingresos (a más ingresos, más tolerancia). También simula las respuestas para que no haya relación significativa entre las variables tolerancia con la prostitución y nivel educativo. Entrégame la base de datos en Excel
Aquí puedes descargar la base de datos en Excel que me generó ChatGPT. He realizado el análisis de regresión lineal múltiple (también regresión ordinal) y los resultados son tal cual como se los pedí: las personas más tolerantes con la prostitución son mujeres con altos ingresos, y la educación no influye.
La IA es capaz de crear los datos que necesites para demostrar una realidad que no existe, contraria a la real, o tal como te gustaría para tu tesis. Puede que estés pensando: qué peligro, cómo vamos a controlar esto, what the fuck. ¿Qué podemos hacer para preservar la investigación científica? No tengo respuesta para ello. Las revistas científicas han estado pidiendo a los investigadores que compartan los datos usados en los estudios para que editores o revisores puedan comprobar los análisis. Pero esta iniciativa no sirve de mucho porque la inteligencia artificial (IA) crea datos compartibles pero ficticios. Es decir, la persona que quiera engañar, podrá seguir engañando y mucho más que antes.
Nada de esto es nuevo. Ya existían herramientas de simulación, aunque quizás no al alcance de cualquiera y a tan bajo coste. Dice el filósofo Daniel Dennett que uno de los mayores peligros de la IA es que puede que llegue un momento que no confiemos en nadie. Ese momento está llegando a la investigación científica.
La IA te permite pasar grabaciones de audio o vídeo a formato texto en minutos. Hubo un tiempo en que la gente transcribía entrevistas dándole al pause (II) y al play (▷) y se pasaba largas horas y días con la grabadora pegada al oído. También hubo un tiempo en que era necesario que los estudiantes tomaran apuntes. Hoy en día, puedes escuchar al profesor o entrevistar a alguien sin preocuparte de tomar apuntes ya que la inteligencia artificial (IA) lo hará por ti y te permitirá tener todo lo hablado en archivos de texto.
La mejor herramienta de transcripción de audio a texto es Whisper, una IA desarrollada por Open AI, la «fundación» creadora de ChatGPT. Whisper es gratis. Pero gratis de verdad, por lo que puede ser usada en clases y sin preocuparte de que te cobren por acceder al servicio premium. Hay muchas otras herramientas de transcripción de audio a texto pero en todas las buenas debes pagar. Aunque Whisper es la mejor, no ha sido usada masivamente debido a que requiere instalarse en Python y escribir algo de código. Y esto asusta a mucha gente.
En este tutorial, explico cómo usar Whisper sin necesidad de instalar nada en tu ordenador y sin pagar nada.
Necesitas una cuenta de Gmail, ir a Google Drive, y crear un archivo de Google Colaboratory. En Drive: Nuevo > Más > Google Colaboratory. Si no te aparece en Drive, ves a colab.research.google.com > Archivo > Nuevo cuaderno
Google Colab es una herramienta que permite a los usuarios escribir, ejecutar, y compartir código en la nube. Además, ofrece acceso a hardware acelerado como GPU. Esto quiere decir que estamos usando una especie de ordenador virtual para ejecutar análisis y funciones que necesitan mucha potencia.
Cámbiale el nombre al archivo de Google Colab (por ejemplo, Probando Whisper), el cual quedará guardado en tu unidad de Google Drive, y dale clic al icono de la carpeta
Posteriormente, vamos a subir el archivo de audio. Para ello dale clic al icono de subir un archivo y busca el audio en tu ordenador.
Es mejor que el archivo de audio esté en alguna carpeta de tu Drive, así suele funcionar mejor. No puede ser una carpeta compartida de Drive. Debe estar el archivo de audio en tu Drive. Si tienes el archivo de audio en tu Drive puedes darle acceso a Google Colab para que acceda a tus carpetas de Drive. Para ello dale clic a la carpeta con el símbolo de Drive.
Una vez subido el archivo de audio, los códigos para instalar y ejecutar Whisper están en el repositorio de GitHub. Para no hacer el tutorial eterno, pego aquí directamente los códigos que se deben ejecutar en Google Coalb.
Pega el siguiente código en el archivo de Google Colab para instalar Whisper y dale clic al icono de ejecutar (▷), como aparece en la foto de abajo.
pip install -U openai-whisper
Crea una nueva línea de código debajo. Para hacerlo debes darle clic donde pone + Código
En la nueva línea pega el siguiente código y dale clic al icono de ejecutar (▷):
! sudo apt update && sudo apt install ffmpeg
El siguiente paso es crear una nueva línea de código
En esta nueva línea debes pegar todo este código, pero no ejecutes todavía que lo vamos a cambiar
import whisper
model = whisper.load_model("medium")
result = model.transcribe("audio.mp3")
print(result["text"])
Antes de ejecutar este código debemos copiar la ruta donde está el archivo de audio. Es decir, decirle a Whisper donde tienes el archivo de audio. En la hoja de Google Colab, donde está el archivo de audio, hay que darle clic a esos tres puntos (o botón derecho en el mouse) y darle clic a «Copiar ruta».
Esa ruta debemos pegarla y sustituirla en el código anterior donde ponía «audio.mp3». Debes conservar las comillas. Por tanto, el código definitivo quedaría así
import whisper
model = whisper.load_model("medium")
result = model.transcribe("/content/22 feb, 17.25_.m4a")
print(result["text"])
Una vez sustituida la ruta podemos darle clic al icono de ejecutar (▷). La transcripción tarda según la duración del audio. Hay que ser paciente ya que para transcribir un audio de 10 minutos Whisper tarda unos 20 minutos. ¿Hay alguna forma para que transcriba más rápido? Sí, pero pierde calidad la transcripción. En el último código podemos sustituir el modelo de Whisper de «medium» a «small», quedando el código así:
import whisper
model = whisper.load_model("small")
result = model.transcribe("/content/22 feb, 17.25_.m4a")
print(result["text"])
Pero creo que lo recomendable es obtener una transcripción de calidad que nos ahorrará tiempo y energía de tener que corregirla. Por tanto, sé paciente mientras se ejecuta la transcripción.
¿Y donde está mi transcripción? Aparece en la última línea. Puedes seleccionarla dándole doble clic, copiarla y pegarla en un documento Word.
Algunos comentarios y recomendaciones para concluir:
Dice Open AI que el español es uno de los idiomas que mejor reconoce Whisper, por tanto, hay que aprovechar que somos líderes en algo.
Whisper soporta formatos de audio como mp3, m4a, mp4 , mpeg , mpga , wav , y webm. Si tu audio está en otro formato (lo cual es raro porque estos son los principales), toca convertir en archivo con alguna herramienta.
Los archivos de audio no pueden ser de más de 25MB. Si tu audio es enorme, la solución es partirlo.
Si tu archivo es un vídeo en mp4 y, por tanto, muy grande de tamaño, es recomendable convertirlo a mp3 primero, y después subirlo a Whisper en formato mp3.
Whisper reconoce el idioma del audio, pero si hubiera algún problema o en el audio se mezclan idiomas, habría que ejecutar un código para decirle a Whisper qué idioma ha de reconocer. Toda esa información puedes encontrarla en el repositorio Github de Whisper.
Hay varios modelos de Whisper (tiny, base, small, medium, large). Cuanto más grande el modelo, más lenta la ejecución, pero más calidad la transcripción. Mi recomendación es usar el «medium» ya que el resultado es satisfactorio.
¿Puede Whisper inventarse algo en la transcripción? Como toda IA, también Whisper puede alucinar, pero suele hacerlo muy pero muy poco.
Espero que el uso de esta herramienta de IA te sea útil, te ahorre horas de trabajo de transcripción y así puedas dedicar más tiempo al análisis y la interpretación, que al final y al cabo son lo entretenido de la investigación y la educación. Si te gustó este artículo, por favor, compártelo por Twitter, Facebook, Whatsapp, LinkedIn o email.
¿Te gustaría subir una imagen de una tabla de cualquier análisis estadístico y obtener la interpretación de los resultados? ChatGPT Plus ha habilitado la posibilidad de «diseñar» GPTs a tu gusto. He creado un GPT llamado «Data Interpretation» en el que le subes una imagen de una tabla con resultados estadísticos, y ChatGPT responde comentando todos los resultados, explicándolos, interpretando los hallazgos y hasta proponiendo una acción o intervención.
Haces una captura de pantalla de los resultados obtenidos con SPSS, Jamovi, Stata, R o una tabla de un artículo científico, subes esa imagen a ChaGPT «Data Interpretation», y obtienes de forma detallada una interpretación de los resultados. Si quieres que la interpretación sea más concreta, debes especificar cuáles son las variables dependiente (VD) e independientes (VI), y el orden de las categorías. Por ejemplo, la VD es «tolerancia con el aborto» (1-nunca… 10-mucho) y las VI son sexo (1-hombre, 0-mujer), edad, y nivel de ingresos (1-bajos… 10-altos). ChaGPT «Data Interpretation» te preguntará por el tipo de variables (nominal, ordinal, escalar) para comprobar que usaste las variables correctas. Seguidamente «Data Interpretation» comentará e interpretará los resultados del análisis estadístico. Puedes seguir chateando para que te explique los resultados como quieras, con lenguaje sencillo, analogías, ejemplos o pidiendo más detalles. En el vídeo puedes ver un ejemplo de interpretación de regresión lineal: incluye comentario sobre la R-cuadrado, significación, betas, multicolinealidad…
El análisis estadístico de datos es imprescindible en la sociedad en la que vivimos donde cada movimiento que hacemos deja un rastro de datos. Herramientas de IA como «Data Interpretation» está facilitando hacer más accesible la interpretación de resultados estadísticos. Un cambio radical para hacer una tesis, entender análisis de datos, y mejorar las clases de cualquier asignatura. Seguimos.
¿Cómo será el futuro de la IA en la academia? Una forma de diagnosticar qué sucederá en el futuro es a través de la descripción de escenarios posibles. Una manera de crear escenarios es mediante el cruce de dos variables. Se crean así cuatro combinaciones tipo según las opciones de las variables. Para pensar en el futuro, usamos dos variables que condicionarían el impacto de la IA en la educación universitaria: el acceso a herramientas de IA, y la aceptación de la IA en las universidades.
Acceso a herramientas de IA
La variable acceso a herramientas de IA se refiere a la facilidad con la que los estudiantes y docentes pueden obtener y utilizar herramientas de IA en sus actividades de enseñanza y aprendizaje. Esta variable se puede dividir en dos posibles opciones: acceso alto y acceso bajo.
Hay alto acceso a herramientas de IA cuando están ampliamente disponibles para los estudiantes y profesores. El coste de uso de estas herramientas es bajo, lo que significa que los estudiantes y profesores pueden acceder a ellas sin incurrir en gastos significativos. Además, no hay regulaciones restrictivas que limiten el uso de la IA en la investigación ni barreras legales o burocráticas que impidan o limiten la IA en el ámbito educativo.
Hay bajo acceso a herramientas de IA cuando existen regulaciones estrictas que restringen el uso de la IA en la universidad, ya sea por preocupaciones éticas, de privacidad, o de seguridad. Las regulaciones del uso de la IA pueden ser a nivel macro (leyes que restrinjan el uso de la IA), a nivel meso (normas en las universidades o facultades), o a nivel micro (profesores que restrinjan el uso de la IA en sus clases). Además, el acceso es bajo cuando los costes económicos asociados al uso de la IA son altos, lo que hace que su adopción sea prohibitiva para muchos estudiantes o docentes, especialmente aquellos que trabajan en instituciones con recursos limitados. ChatGPT tiene una versión sin coste, pero el acceso a su versión más avanzada con los plugins tiene un coste de 20 euros al mes. Midjourney, la herramienta de IA generadora de imágenes, empezó siendo gratis pero ya tiene un coste de 10 euros mensual. Scite tiene un coste de entre 12 y 20 euros al mes. ¿Y si la estrategia de las empresas de IA es hacernos dependientes al uso de la IA para después elevar significativamente los costes? Esta estrategia de mercado ya fue implementada por Amazon o Aliexpress que iniciaron sus ventas asumiendo pérdidas para crear dependencia del comercio online, cambiar costumbres y posteriormente elevar el precio de sus productos. En resumen, el acceso alto a la IA implica costes bajos y regulaciones mínimas, mientras que el acceso bajo implica costes altos y regulaciones estrictas.
Formación y aceptación de la IA por el personal docente
La variable formación y aceptación de la IA hace referencia al grado en que los profesores están familiarizados con las tecnologías de inteligencia artificial y están dispuestos a incorporarlas en sus actividades de enseñanza. Esta variable es importante porque la adopción de la IA en la universidad no solo depende de la disponibilidad de herramientas de IA, sino también de la disposición de los profesores para utilizarlas.
Hay alta formación y aceptación de la IA cuando los profesores están bien formados en el uso de tecnologías de IA y están dispuestos a incorporarlas en sus actividades de docencia. Esto puede deberse a la existencia de programas de formación en IA, a la percepción de que la IA puede mejorar la eficacia y eficiencia de la investigación, o a una cultura académica favorable a la introducción de IA en las universidades y enseñanza.
Hay baja formación y aceptación de la IA cuando los profesores tienen poca formación en el uso de tecnologías de inteligencia artificial y pueden ser reacios a incorporarlas en sus actividades de docencia. Esto puede deberse a la falta de programas de formación en IA, a la percepción de que la IA es compleja o difícil de usar, o a una cultura académica que es cautelosa o resistente al cambio. Si así fuera, es probable que la adopción de la IA en la academia sea lenta y las herramientas de IA se utilicen de manera menos efectiva.
La combinación de estas cuatro categorías crea cuatro escenarios futuros posibles sobre el impacto de la IA en la educación universitaria
En este escenario, las herramientas de IA como ChatGPT son ampliamente accesibles y bien recibidas por los educadores universitarios. Los profesores se apoyan de manera significativa en la IA para facilitar un aprendizaje más personalizado. ChatGPT puede ser usado en las aulas para ayudar a entender temas complejos mediante un lenguaje más accesible a los estudiantes. La IA ayuda a desmitificar teorías, estadísticas o temas complejos proporcionando explicaciones sencillas y adaptadas. Por ejemplo, un prompt para ChatGPT sería: «explica que son los odd ratios con un ejemplo del [fútbol] y un lenguaja sencillo y entendible para alguien que sepa muy poco de estadística».
El profesor dejaría de ser el que resuelva todas las dudas ya que los estudiantes tienen acceso a herramientas de IA que pueden ayudarles a entender conceptos, crear analogías, y ejemplos a medida de sus preferencias. El estudiante ganaría protagonismo en su propia enseñanza y aumentaría sus habilidades de recursividad y autonomía.
Los métodos de evaluación podrían incluir la integración de la IA, por ejemplo, permitiendo que los estudiantes utilicen la IA para resolver problemas y, posteriormente, se les pida profundizar en la interpretación y en cómo convertir los resultados en estrategias de acción. Esto fomentaría una comprensión profunda de los conceptos al obligar a los estudiantes a internalizar, comunicar las metodologías utilizadas por la IA, y enfatizar la toma de decisiones.
Se podrían implementar métodos de evaluación basados en la metacognición. La evaluación metacognitiva se refiere al proceso mediante el cual una persona monitorea, evalúa y regula su propio aprendizaje y pensamiento. En términos sencillos, es la capacidad de una persona para “pensar sobre su propio pensamiento” y evaluar su propio proceso de aprendizaje. Por ejemplo, preguntándose y registrando: ¿qué he aprendido?, ¿cómo lo he aprendido?, ¿para qué me ha servido? y ¿en qué otras situaciones puedo utilizar lo aprendido? Son cuatro preguntas que el alumnado debe ir respondiendo para avanzar por la escalera de metacognición.
El principal problema que los profesores podrían enfrentar es el exceso de dependencia de la IA por parte de los estudiantes. Los estudiantes podrían confiar ciegamente en las soluciones proporcionadas por la IA y no comprender los conceptos subyacentes de un tema.
A pesar de que las herramientas de IA son fácilmente accesibles, los profesores de universidad se resisten a integrarlas en su enseñanza. Se produce una alta divergencia en lo que solicita el profesor para aprender, y lo que el estudiante es capaz de hacer con el acceso a las herramientas de IA. Se puede producir una situación en la que el estudiante oculte su uso, y el profesorado cambie su forma de enseñar solo pensando en cómo evitar el uso de la IA.
En este escenario, los métodos de evaluación seguirían siendo los tradicionales, como exámenes escritos y trabajos prácticos. Sin embargo, se podría requerir que los estudiantes demuestren su capacidad para trabajar sin la ayuda de la IA.
El mayor problema para los profesores en este escenario sería la brecha entre la educación universitaria y el mundo laboral, que cada vez se apoya más en la IA. Esto podría llevar a una falta de preparación de los estudiantes para enfrentar los desafíos del mundo real. Mientras que otros sectores como empresas y estudiantes sí usan la IA para realizar sus tareas, la academia se resiste al cambio. Esta divergencia entre estudiantes y empresas que adoptan IA, y académicos que no la utilizan, puede alimentar la percepción de que la universidad es una institución obsoleta, de escaso valor añadido, y utilidad limitada.
Aunque los profesores están dispuestos a usar la IA, el acceso a herramientas de IA es limitado por el coste económico o regulaciones prohibitivas. Los profesores desearían utilizar IA, pero su uso se limitaría a ejemplos o demostraciones básicas debido al alto coste y la regulación restrictiva. Como resultado, la adopción de la IA en la academia es lenta y se concentra en instituciones con elevados recursos. Los académicos en instituciones de países con menos recursos o donde las regulaciones son más estrictas pueden tener dificultades para mantenerse al día con los avances en la investigación impulsada por la IA. La diversidad en la comunidad de investigación disminuye, ya que las barreras de entrada son altas y solo aquellos con acceso a herramientas de IA pueden participar en la generación de conocimiento. En este escenario, la academia se vuelve más desigual y menos inclusiva.
Los métodos de evaluación podrían incluir preguntas teóricas sobre cómo se usaría la IA para resolver ciertos problemas, pero sin poder implementar o practicar su uso. Los estudiantes también podrían ser evaluados por su capacidad para trabajar alrededor de las limitaciones del acceso a la IA, demostrando innovación y resiliencia.
El principal problema para los profesores sería tratar de proporcionar una educación de calidad sin las ventajas de una integración completa de la IA. Los profesores también podrían tener dificultades para mantenerse actualizados con los rápidos avances en la IA sin acceso a las herramientas más recientes.
En este escenario, las herramientas de IA son tanto inaccesibles como poco o nada aceptadas por los profesores universitarios. La enseñanza seguiría siendo tradicional, sin ninguna influencia de la IA. La falta de acceso y adopción de la IA podría limitar la innovación. Solo aquellos pocos académicos con recursos y disposición para innovar en el proceso de investigación usarían las herramientas de IA. Ante la falta de formación y aceptación de la IA, esta tecnología generaría desconfianza y toda discusión sobre su uso sería sobre la ética y privacidad, lo que perpetuaría aún más la resistencia al uso de la IA.
Los métodos de evaluación serían como en 2019, antes de la pandemia y antes de la irrupción de la IA: exámenes, trabajos prácticos escritos y de vez en cuando presentaciones.
Los problemas para los profesores en este escenario incluirían mantener la relevancia de lo enseñado donde se ignora la IA en un mundo cada vez más digital y dependiente de la IA. Sin ninguna influencia de la IA, los estudiantes pueden sentirse desvinculados o poco preparados para un mercado laboral que depende cada vez más de la tecnología y la inteligencia artificial. Las instituciones académicas continuarían enfocándose en ofrecer formación tradicional, ya que la mayoría de los profesores no tendrían acceso a herramientas de IA ni estarían dispuestos a utilizarlas. La falta de adopción de la IA en la academia podría afectar la reputación de las universidades, que podrían ser vistas como rezagadas en comparación con otros sectores que adoptan rápidamente la IA.
Escenario más probable (y deseable)
De los cuatro escenarios posibles, el más probable es el escenario de “IA para todos”: alto acceso a herramientas de IA y alta formación-aceptación de la IA por el personal docente. Es el más probable ya que en la actualidad han proliferado exponencialmente las herramientas de IA, en octubre de 2023 hay más de siete mil aplicaciones de IA accesibles. De todas ellas, muchas son de acceso libre o gratuito, como la versión GPT 3.5 de ChatGPT, Bing Chat, Elicit, SciScape y Consensus y otras de utilidad en la educación e investigación. Además, hay herramientas de IA de todo tipo y para múltiples funciones, como la creación de texto, audio, vídeo o imágenes. Incluso, muchas están específicamente diseñadas para transformar texto a imagen, imagen a vídeo, texto a audio, audio a texto, vídeo a texto, y un sinfín de utilidades.
Las restricciones o regulaciones existentes de la IA en la educación son escasas y flexibles. Se ha creado una Ley de la Inteligencia Artificial por parte de la Unión Europea, pero aún está en proceso de discusión y su uso en la educación es abierto siempre que no vulnere derechos o sea usado para evaluar. Las regulaciones a nivel universitario son casi inexistentes. Finalmente, una parte de los educadores se muestra abierta a su uso y a adaptarse a una realidad que avanza rápido. Por todo ello, es muy probable que el escenario al que nos enfrentemos docentes, estudiantes y gestores sea “IA para todos” de alto acceso a IA y alta aceptación por el personal docente. En conclusión, esto no para y es mejor estar preparado. Para más info:
O incorporamos las herramientas de inteligencia artificial (IA) en las aulas, incluida ChatGPT, o estamos muertos. Si se produce una enorme divergencia entre lo que hace el alumno en el aula, y lo que puede llegar a hacer fuera del aula con las herramientas de IA, llevará a cuestionar aún más la educación universitaria. Así comienza esta presentación en la que se discuten escenarios futuros posibles y estrategias de evaluación del conocimiento.
¿Qué te parecería que tu artículo científico sea evaluado por una herramienta de IA en lugar de por revisores (reviewers) humanos? Todos los que hemos enviado manuscritos a una revista científica y hemos recibido una dura evaluación o un rechazo hemos maldecido el peer-review, a editores, y evaluadores. Si los reviewers se equivocan, tienen un conocimiento amplio pero no total, y a veces piden cosas que ni ellos mismos saben hacer, ¿aceptarías que tu artículo sea evaluado por una inteligencia artificial (IA)? ¿Aceptarías que tu proyecto de investigación para solicitar fondos sea evaluado por una IA?
El debate sobre el uso de la IA en peer review ya existe en la comunidad científica. Algunas agencias ya se han posicionado en contra como the U.S. National Science Foundation y the Australian Research Council. Otras como European Research Council se lo están pensando.
¿Y los journals científicos? Casi todas las revistas guardan silencio, por ahora. Las pocas revistas que han dicho algo, como la revista Science, ha prohibido a los reviewers usar herramientas de IA. ¿Pero pueden los editores controlar que los revisores usen ChatGPT, ChatPDF u otra herramienta de IA para leer, revisar y llegar a un dictamen? El proceso de evaluación y revisión de un paper científico es time-consuming, complejo, y se lleva criticando desde hace años porque vive del altruismo de profesores e investigadores. ¿Sería la IA una solución? Que cada uno vaya formando sus opiniones.
Para que juzguemos de qué es capaz la IA en la revisión de artículos, te presento una herramienta de IA que he descubierto hace poco que resume, explica y, lo más sorprendente, da feedback de un artículo científico. Se llama AcademicGPT.
¿Cómo funciona AcademicGPT?
Todo empieza subiéndole un artículo académico en PDF. AcademicGPT tiene varias opciones: escribe un abstract, un resumen extenso (summary), una conclusión, líneas futuras de investigación, o te hace un esquema para una presentación. Pero lo mejor es la opción de “Feedback”. Esta herramienta de IA te hace una revisión crítica del artículo. Lo he probado con un artículo mío escrito en español, y me ha destacado los puntos débiles del artículo como si fuera un mismo evaluador / revisor de una revista científica. Lo bueno es que, al leerme la crítica, le doy la razón en lo que dice ya que no son cosas superficiales que suelen decir algunos revisores como “debe mejorar las implicaciones” o «amplia las conclusiones».
El feedback que da AcademicGPT es bastante detallado en lo que respecta a la forma de organizar y expresar el contenido, es decir, en cómo se comunica la idea y se estructura el argumento. Debemos recordar que esta IA, así como ChatGPT, está basada en un modelo de lenguaje avanzado y es superexperta en comunicación escrita.
Donde no funciona bien es cuando le pedimos un feedback sobre la originalidad del artículo. La respuesta que genera parece basarse en algunos artículos que debe tener almacenados, pero no es capaz de conectarse con la literatura sobre el tema. Otra cosa mala de AcademicGPT es que es de pago. Tienes un crédito que llega para revisar unos cuantos papers, después o te creas otra cuenta con otro email o pagas los 10 euros al mes. Antes de pagar, decir que después de unos días de registrarte te llega un email diciéndote que tienes más crédito (sin pedirlo). Probablemente quieren que uses la herramienta para que la IA se vaya entrenando y aprendiendo.
Esta herramienta de IA puede ser útil para analizar el manuscrito y ver cosas que como humanos no podemos detectar, sobre todo si tenemos que leer y evaluar artículos de 25 páginas (10.000 palabras). Nuestro nivel de atención no es el mismo de hace unos años y si tenemos una IA asistente experta en comunicación escrita, bienvenida. Pero, la decisión si el artículo es aceptado, si necesita cambios o es rechazado sigue siendo de los humanos, DE MOMENTO.
La Inteligencia Artificial (IA) es una revolución tecnológica que está cambiando el mundo en el que vivimos, al igual que el invento del automóvil lo hizo hace más de un siglo. Gracias a las herramientas de IA se pueden hacer más cosas en menos tiempo. Gracias al automóvil podemos desplazarnos más lejos en menos tiempo. Al igual que el coche tuvo su rechazo entre los que solo veían el humo que generaba y los peligros que tenía, la inteligencia artificial tiene sus detractores, sobre todo en sectores que ven tambalear o peligrar su jerarquía, incluida la educación y la investigación científica. La prestigiosa universidad Sciences Po de París (Francia) ha señalado que el uso de ChatGPT para la realización de trabajos escritos u orales está prohibido, y aquellos que la usen sin decirlo serán sancionados con la expulsión. Las revistas científicas Nature y Sciences se han apresurado a decir que una IA como ChatGPT no puede ser reconocida como autor, lo cual es una chorrada (un sinsentido). Obvio que no voy a poner como coautor a la IA, pero ¿la puedo usar o no para redactar un artículo científico? Creo que saben que no pueden controlar el uso. Las herramientas de IA generadoras de texto se usan y se usarán masivamente para la redacción de cualquier texto, incluidos artículos científicos. Cuanto antes seamos conscientes en el mundo académico, mejor nos irá a todos. Estas son algunas herramientas de IA especialmente para la educación e investigación:
Como dice en su eslogan «La manera más rápida de leer y entender la literatura científica». Subes un artículo científico en PDF y haces las preguntas que quieras como: «Cuál es la contribución del artículo», «Cuáles son las conclusiones», «Qué datos se utilizaron», «Qué teoría se usó». Esta herramienta de IA te responde en segundos esas preguntas en base a lo que dice el artículo. También puedes seleccionar trozos de texto, tablas, o las siempre complicadas fórmulas matemáticas y te las explica de forma clara. Si para saber si un paper es interesante antes leíamos el abstract, la introducción, la metodología y parte de los resultados, y todo ello nos llevaba más de una hora, ahora podemos «escanear» todo el artículo en 2 minutos. Es gratis tras registrate.
Probé SciSpace subiendo el artículo de Mark Granovetter (1985) Economic Action and Social Structure: The Problem of Embeddedness porque recuerdo que cuando lo leí por primera vez no entendí casi nada. Es un artículo complejo de leer y entender a la primera ya que es muy teórico y abstracto. Le hice varias preguntas y las respuestas que me dio son totalmente coherentes con lo que dice el artículo. Una maravilla si se quiere entender temas que no dominas mucho o que están en un lenguaje complicado. Tiene la posibilidad de subir artículos en español, hacer las preguntas y obtener las respuestas en tu idioma, pero lo he probado y funciona mejor en inglés. Otra limitación es que no funciona muy bien con libros o capítulos de libro.
¿Significa esto que vamos a dejar de leer? ¿Dejarán los estudiantes de leer cuando les mandemos un texto? Yo creo que no, ya que tras usar esta herramienta de IA podrá centrar su lectura en aquel artículo que más le llamó la atención de los 20 que puede revisar en una hora con la IA. Yo antes no podía leer tantos artículos en tan poco tiempo, y debía leer el que me decían que leyera. El principal cambio en la educación universitaria es que el profesor dejará de ser el que diga a los estudiantes qué artículo leer. Ahora es el estudiante el que también debe buscar y proponer qué leer. Los estudiantes tienen las herramientas para tener un papel más activo en su aprendizaje y desarrollo. Yo he aprendido mucho de mis alumnos con sus comentarios en clase. También puedo aprender de aquello que han revisado con la IA y que yo quizás ni conozco.
Humata, la IA que le subes un PDF y te responde sobre el contenido
Te registras, subes un texto en PDF y la IA crea un chat al que le formulas preguntas sobre el texto PDF que acabas de subir. Es decir, lee el texto y te responde lo que le preguntes. Por ejemplo, le he subido un artículo mio que conozco bien. Le he preguntado qué teorías se usaron y me responde de manera acertada, incluso indicando las páginas de donde extrajo la respuesta y subrayando en amarillo las partes del texto. Increíble. Lo he probado con un texto en español y también lo lee y responde. Las oportunidades que se abren con este tipo de herramientas de IA son inmensas: entender textos complejos como leyes, manuales, preguntar en inglés a textos escritos en alemán, ruso o chino. Es gratis, aunque de momento no permite subir un archivo PDF de más de 60 páginas ni 10MB.
Hay otras herramientas de IA como Summate.it que realizan un resumen de un artículo a partir del enlace. Tanto este como otros «resumidores» siguen sin convencerme porque la IA tiene mucha libertad para resumir. En cambio, las herramientas como SciSpace y Humata es el humano el que le pregunta a la IA sobre el texto, por tanto, dirigimos a la IA en base a lo que queremos saber del artículo.
Perplexity, la IA que te escribe trozos de texto con citas
Formulas una pregunta y te genera un texto con referencias bibliográficas. Se puede preguntar de todo, y la IA realiza una búsqueda en Internet y usa esas referencias para generar un texto que responda a la pregunta. Mientras que otras herramientas de IA como ChatGPT u Open AI playground pueden inventarse la respuesta a una pregunta, Perplexity crea el texto basándose en la información encontrada en Internet. Además, provee los enlaces de las fuentes bibliográficas (sources) y sugiere seguir generando texto sobre temas relacionados (related). Si la usas, tras formular la pregunta, pincha donde pone View Detailed para hacer texto más largo. Esta herramienta de IA es gratis y no requiere registrarse.
Cuál es el origen del análisis de redes
¿Para qué puede servir Perplexity? He probado de hacerle preguntas de todo tipo y siempre responde algo en base a lo que ha encontrado rastreando Internet. Prioriza citar artículos científicos, pero se cuelan referencias a textos no científicos. Por ejemplo, suele usar muchas veces Wikipedia como fuente. Por eso hay que tener cuidado con usar Perplexity como fuente científica, la verdad o como herramienta para hacer un artículo académico. Perplexity sirve para obtener algunas frases con citas e informarte de nuevos temas. Si eres un experto en un tema, y le preguntas sobre ese tema te parecerá muy b´ásico, pero si conoces poco sobre el tema te dará un posible punto de arranque.
Consensus, la IA a la que le preguntas y te contesta en base a artículos científicos
Te registras, formulas una pregunta de investigación o preguntas por un concepto, y te busca trozos de artículos científicos para responder tu pregunta. Solo responde en base a artículos de investigación, es decir, no te enlaza con Wikipedia ni con otras fuentes no científicas. Además, te provee el enlace al artículo completo. Por ejemplo, le he preguntado en inglés «¿Cuáles son los mecanismos entre la educación y las tasas de crimen?». Provee frases vinculadas a esa pregunta sacadas de artículos publicados en revistas científicas.
A diferencia de Perplexity, Consensus no genera texto nuevo, sino que extrae frases de artículos científicos para responder la pregunta que le hagas. Esta herramienta de IA es excelente para complementar una revisión de literatura o estado del arte, encontrar artículos o autores que han trabajado un tema, o simplemente informarte sobre algo. Señala también qué artículos han sido altamente citados (highly cited). Es gratis, solo debes registrarte.
Elicit, la IA que te ayuda en toda la investigación
Sobre Elicit ya hablamos hace un tiempo. Tiene más de 30 funciones o tareas (tasks) como generar ideas para justificar el impacto de una investigación, sugerir los elementos o mecanismos que hay entre una causa (variable independiente) y su efecto (variable dependiente), operacionalizar un concepto, identificar indicadores, reformular una pregunta de investigación, o señalar posibles contrargumentos. Es un verdadero asistente de investigación. Es gratis.
Aunque hay gente que critica estas herramientas de IA por verlas como un peligro para el conocimiento, desde mi punto de vista son potenciadoras de conocimiento. Primero de todo, estas herramientas de IA acercan el conocimiento a gente que no tiene una superbiblioteca en su ciudad, o que no tiene contacto con superinvestigadores o profesores que le puedan resolver sus dudas. Segundo, favorecen escanear más conocimiento en menos tiempo. Y tercero, estas herramientas de IA pueden hacer que se nos ocurran nuevas ideas. Así como el automóvil nos permitió llegar a lugares lejanos y acceder a otras culturas, las herramientas de IA para la educación e investigación nos hacen más libres para acceder a más conocimiento.
Si te gustó este artículo, por favor, compártelo por Twitter, Facebook, LinkedIn o Whatsapp.
El informe-guía va dirigido a profesores de primaria y secundaria, lo cual tiene mucho sentido ya que la IA está impactando y va a impactar mucho a la educación, y algunos docentes todavía asocian IA solo a Terminator, Alexa o coches autónomos. Las herramientas de IA generadoras de texto o los “resumidores” están siendo usadas por los estudiantes, y no se puede seguir retrasando su incorporación a las clases. Por tanto, la idea de crear una guía para profesores de colegios debe ser aplaudida. Punto positivo para la Comisión Europea.
Otro de los puntos a favor de este informe-guía es que incentiva a los docentes a presentar temas de la inteligencia artificial en clase para que se discutan las oportunidades y también los riesgos y retos. Excelente este punto ya que es interesante escuchar a los usuarios de la IA, especialmente a jóvenes que han crecido con la tecnología en las manos. También es útil para mostrar que la IA no resuelve y hace todo, sino que se equivoca y no funciona muchas veces como quisiéramos. Finalmente, el informe-guía invita a que los docentes usen la IA para evaluar, detectar posibles abandonos o diseñar intervenciones individualizadas. Esto suena bien, pero no dicen ni cómo ni con qué herramientas. Los 25 superexpertos podrían haber profundizado más.
El principal problema del informe-guía a docentes es que vuelve a centrarse mucho en el tema de la ética y inteligencia artificial (IA). El término ética se repite a lo largo de todo el informe y aparece destacado también en las infografías generadas. Parece que siempre que se hable de IA lo fácil sea dirigir la conversación al uso ético o los problemas éticos de la IA. ¿Es ético hacer un trabajo de clase con una herramienta de IA generadora de texto? La cuestión de la ética impide que se hable y profundice de temas asociados a la educación mucho más relevantes y que están siendo impactados por la IA, como la creatividad, emociones, psicomotricidad, o incluso las relaciones sociales.
El otro día asistí a una excelente mesa sobre IA con Andrés Torrubia y Susana Bokobo en el Valencia Digital Summit donde se discutió si la IA acabará con la creatividad, la fomentará más, o bien no la afectará. Si las herramientas de IA generadoras de imágenes y de historias son capaces de hacer un cuento, o ayudar a hacerlo, terminarlo o dibujarlo, ¿cómo se verá afectada la creatividad de las personas? Si pronto los niños podrán pedirles a la IA que les dibuje un coche, un avión o un helicóptero, ¿tendrán ganas de dibujar o lo verán como una tarea sin sentido? ¿Esto afectará sus capacidades de manejar los dedos para tareas de precisión? Usar un chatbot (hablar por chat con una máquina), ¿aumentaría las habilidades de sociabilidad o las disminuiría?
El tema de las emociones es algo que no menciona el informe pero se encuentra entre los impactos del uso de la IA. ¿Nos satisface que la IA nos ayude a escribir? ¿Nos aburre? ¿Percibimos que la IA es una esperanza, un caballo de troya o un miedo silencioso?
Todas estas cuestiones señalan la importancia de la investigación y gestión de una sociedad afectada por la IA ¿Son los posibles cambios que genera la IA la esperanza que necesita la sociología para reactivarse?
En fin, el informe-guía de la Comisión Europea peca de ser muy poco atrevido, usar los clásicos conceptos de pedagogía, volver con el monotema de la ética y no dar muchas herramientas, pero al menos están reaccionando a tiempo y buscan fomentar el uso de la IA en la educación con niños y adolescentes, y no taparla. Además, este informe-guía nos ha servido para generar inquietudes e ideas, y eso es quizás lo que buscaba.
Si te gustó o sirvió este artículo, por favor, compártelo por Twitter, Facebook, LinkedIn, Whatsapp o email. Gracias
La inteligencia artificial (IA) no deja de sorprenderme. Y entre las herramientas de IA que te dejan con la boca abierta y dices WTF está este transcriptor de discurso a texto de Open AI. ¿Te imaginas tener que transcribir una entrevista de una hora? Quien lo haya hecho sabe que se tarda como 5 horas y es una labor tediosa y aburrida. Ahora con la IA puedes transcribirla en unos minutos, y además obtenerla en inglés para realizar análisis cualitativo.
Solo debes abrir una cuenta en Open AI playground. Es gratis por un tiempo. Si ya estabas registrado en Open AI y te pasó el tiempo de prueba, puedes o pagar o abrir una nueva cuenta con otro email y otro número de teléfono.
Transcribir discurso a texto
Hay varias maneras de pasar de audio a texto, por ejemplo, la herramienta de dictado de Word en la que vas hablando al micrófono y se va transcribiendo a texto lo que dices. Quizás la hayas usado. Es buena ya que aísla el ruido y la música de fondo, pero depende que el discurso que realices sea casi perfecto. Si en el speech (discurso) que estás haciendo se te escapa un «Joder…» queda registrado (aunque transcribe ****), o si repites palabras quedan doblemente escritas. Otro problema de la herramienta de transcripción de Word es la puntuación. No identifica comas ni puntos a no ser que lo indiques expresamente. Y si hablas en inglés y tu inglés no es tan bueno, el texto que obtengas será poco útil.
Discurso a texto con inteligencia artificial
Open AI playground, la famosa inteligencia artificial que genera texto, ha incorporado una herramienta de discurso a texto (speech to text) que transcribe audio a texto. Este audio puede ser:
Un vídeo en mp4 u otro formato
Una grabación en mp3
Un dictado mediante el micrófono
La gran maravilla de esta herramienta es que puedes subir un vídeo (o audio) en español y la herramienta de IA transcribe el audio a texto en inglés. Pero genera un texto bien redactado, con todos los signos de puntuación, y eliminando muletillas y sonidos raros. Veamos un ejemplo.
He descargado un vídeo de Youtube en el que yo hablaba en castellano sobre desigualdad, élites y otros temas. He usado este vídeo ya que conocía el discurso y en él se me escapan muletillas (al principio digo un largo eeeehh), no hago pausas, y a ratos se escucha regular.
Posteriormente lo he subido a Open AI Playground pinchando sobre el icono del micrófono (speech to text).
Este es el texto que genera: directamente en inglés, con un inglés muy aceptable y corregido, sin muletillas, con signos de puntuación, leíble. Casi listo si tuviera que dar el discurso en inglés o si quisiera presentarlo como ensayo. Ni he tenido que traducirlo con Google, ni pedir a alguien que me corrija el inglés, ni reescribirlo.
Esta herramienta de IA abre grandes posibilidades para transcribir largos discursos, hacerlos accesibles para personas sordas, incluso para transcribir entrevistas de una investigación y realizar análisis cualitativo. En fin, la inteligencia artificial sigue haciendo tambalear la educación y los procesos de investigación como vimos en el repaso de herramientas de IA para la investigación e innovación.
Si te sirvió esta entrada, por favor, compártela por Twitter, LinkedIn, Facebook o WhatsApp. Seguimos
Uso de cookies
Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies
