Artículos y documentos

Criterio de curaduría

#

No coleccionamos todo lo que se publica sobre IA en educación —nadie puede—. Una lectura entra a esta colección cuando cumple tres condiciones: sostiene sus afirmaciones con un método o una fuente identificable, aporta algo que las demás fichas no cubren ya, y permite derivar una decisión docente concreta, aunque sea la de descartar una moda. Por eso conviven aquí artículos arbitrados, informes de organismos y algún texto seminal más antiguo: el criterio es la utilidad verificable, no el prestigio del formato.

Cómo leer una ficha

#

Cada ficha sigue la misma estructura: datos bibliográficos completos con su identificador (DOI o URL estable), un resumen de lo que el documento realmente sostiene —incluidos sus límites y el contexto de sus datos— y una valoración de por qué lo recomendamos para la práctica docente universitaria. Cuando el estudio es situado, la ficha lo dice: un resultado obtenido con una muestra concreta, en ciertos países y con ciertas herramientas, no se convierte aquí en una ley general. Lee primero el resumen y la valoración; ve al original cuando la pregunta del documento coincida con una decisión que tengas pendiente.

Por dónde entrar

#

Si vienes por primera vez, tres fichas dan una buena vista del terreno. La de Selwyn sobre los límites de la IA en educación es el mejor contrapeso al entusiasmo promocional: cuatro límites que rara vez se discuten. La de Ajjawi, Bearman y colegas sobre autenticidad en evaluación ordena el debate conceptual que está detrás de casi toda discusión sobre trampas y tareas. Y el informe del Digital Education Council sobre la siguiente era de la evaluación muestra, con 101 casos, hacia dónde se mueven las instituciones. Desde ahí, el resto de las fichas —de las alianzas pedagógicas con IA a las guías de la UNAM por nivel educativo— se eligen según el problema que tengas entre manos.