Palabras clave
Modelos de lenguaje
Tecnología educativa
Integración pedagógica
Semántica computacional
Formación docente
Cómo citar
Resumen
Propósito: Este glosario funciona como un recurso terminológico integral para comprender la inteligencia artificial (IA) generativa en contextos educativos. Su objetivo es conectar los conceptos técnicos de la IA con la práctica pedagógica, facilitando el diálogo informado entre educadores, investigadores, responsables de políticas y estudiantes.
Metodología: La construcción del glosario siguió un enfoque metodológico mixto que incluyó una revisión sistemática de la literatura (PRISMA), técnicas de procesamiento de lenguaje natural (análisis de frecuencia, agrupamiento semántico) y validación por expertos mediante rondas Delphi. La selección de términos se basó en su relevancia pedagógica, claridad conceptual y frecuencia de uso en entornos educativos.
Resultados: El glosario presenta definiciones operacionales de conceptos clave relacionados con la IA generativa —especialmente modelos de lenguaje de gran escala (LLM)— integrando perspectivas de pedagogía digital, semántica computacional y ciencias cognitivas. Incluye conceptos en evolución, aplicaciones prácticas y referencias cruzadas que facilitan su implementación en la formación docente y el diseño curricular.
Implicaciones Prácticas: El glosario ofrece un vocabulario fundamental para cursos universitarios, programas de desarrollo profesional docente y formulación de políticas educativas. Asimismo, contribuye a la alfabetización en IA mediante la promoción de una comprensión crítica y un uso ético de estas tecnologías emergentes en la educación.
Originalidad/Valor: Al articular la terminología técnica de la IA con marcos pedagógicos, este glosario fomenta una integración reflexiva y efectiva de la IA generativa en la práctica educativa. Representa una herramienta clave para instituciones y docentes comprometidos con la innovación y la equidad en la era digital.
Citas
Austin, J. L. (1962). How to do things with words. Oxford University Press.
Bajtín, M. M. (1982). Estética de la creación verbal. Siglo XXI Editores.
Baltrusaitis, T., Ahuja, C., & Morency, L. P. (2019). Multimodal machine learning: A survey and taxonomy. IEEE transactions on pattern analysis and machine intelligence, 41(2), 423-443.
Barocas, S., Hardt, M., & Narayanan, A. (2019). Fairness and machine learning. fairmlbook.org.
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P., ... & Amodei, D. (2020). Language models are few-shot learners. Advances in neural information processing systems, 33, 1877-1901.
Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to algorithms. MIT Press.
Damasio, A. R. (1994). Descartes' error: Emotion, reason, and the human brain. Putnam.
Engeström, Y. (1987). Learning by expanding: An activity-theoretical approach to developmental research. Orienta-Konsultit.
Gardner, H. (1983). Frames of mind: The theory of multiple intelligences. Basic Books.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
Harris, Z. S. (1954). Distributional structure. Word, 10(2-3), 146-162.
Immordino-Yang, M. H., & Damasio, A. (2007). We feel, therefore we learn: The relevance of affective and social neuroscience to education. Mind, Brain, and Education, 1(1), 3-10.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389-399.
Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge University Press.
Lenci, A. (2018). Distributional models of word meaning. Annual Review of Linguistics, 4, 151-171.
Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 1-35.
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv preprint arXiv:1301.3781.
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017-1054.
Mitchell, M. (2019). Artificial intelligence: A guide for thinking humans. Farrar, Straus and Giroux.
Mitchell, T. M. (1997). Machine learning. McGraw-Hill.
Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). "Why should I trust you?" Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining, 1135-1144.
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Salomon, G. (1993). Distributed cognitions: Psychological and educational considerations. Cambridge University Press.
Searle, J. R. (1969). Speech acts: An essay in the philosophy of language. Cambridge University Press.
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2(1), 3-10.
Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive science, 12(2), 257-285.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30.
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Wei, J., Tay, Y., Bommasani, R., Raffel, C., Zoph, B., Borgeaud, S., ... & Fedus, W. (2022). Emergent abilities of large language models. arXiv preprint arXiv:2206.07682.
Xie, H., Chu, H. C., Hwang, G. J., & Wang, C. C. (2019). Trends and development in technology-enhanced adaptive/personalized learning: A systematic review of journal publications from 2007 to 2017. Computers & Education, 140, 103599.
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64-70.
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor 2025 Jairo Alberto Galindo-Cuesta