This study examines the integration of generative AI in education, specifically evaluating AI-generated multiple-choice questions (MCQs) and their role in supporting self-regulated learning (SRL). Using AIQUIZ, an open-source AI-driven platform, 325 of the 593 enrolled students (54.8%) across four computing courses (Web Technologies and Databases) used the platform and generated 38,752 MCQs over two years. An explanatory sequential mixed-methods design analysed student performance, error reports, survey insights, and expert evaluations. Results showed a 70.79% overall student performance (79.45% in Databases, 66.84% in Web Technologies). Only 0.85% of questions were flagged by students as potentially incorrect, a figure that reflects user perception rather than a verified error rate. Surveys indicated strong student acceptance, engagement, and motivation, which are vital for the forethought phase of SRL. However, error analysis of flagged items revealed recurring issues like incorrectly marked answers and flawed distractors. These findings suggest that AI-generated MCQs may support the SRL cycle by facilitating forethought, performance control, and self-reflection. While Large Language Model (LLM) tools provide scalable opportunities for practice and self-assessment, our results confirm that human validation remains essential to ensure content quality and maximize learning benefits.
Este artículo presenta la metodología LUDEX, un marco innovador y práctico diseñado para evaluar la efectividad de los videojuegos educativos en el contexto de la educación del siglo XXI. El instrumento se estructura en torno a cinco dimensiones clave: Lógica de Aprendizaje, Usabilidad del Aprendizaje, Dinámica de Compromiso, Evaluación del Proceso y Experiencia Social. A diferencia de otros enfoques, LUDEX ofrece una evaluación integral que incorpora criterios de accesibilidad, igualdad de género y alineación con los Objetivos de Desarrollo Sostenible (ODS), como la educación de calidad y la reducción de desigualdades. Diseñado para ser implementado por docentes sin necesidad de conocimientos técnicos avanzados, el instrumento facilita la formación de ciudadanos globales en entornos digitalizados. El proceso de validación se llevó a cabo mediante el método Delphi con la participación de 12 expertos del ámbito académico y profesional. Los resultados del estudio muestran altos niveles de consenso y validez de contenido, alcanzando medias superiores a 3.66 en una escala de 4 puntos y un Alfa de Cronbach global de 0.64, lo que confirma una fiabilidad aceptable para esta fase de validación inicial. Este enfoque asegura que los videojuegos evaluados contribuyan significativamente al desarrollo de competencias clave y funciones ejecutivas en los estudiantes
La alfabetización en Inteligencia Artificial Generativa (IAGen) ha surgido como un conjunto de habilidades que todas las personas deberían aprender. El objetivo de esta investigación es evaluar los cambios asociados a una intervención de alfabetización en IAGen en el profesorado no universitario (n = 70). Se empleó un enfoque cuantitativo y descriptivo a través de un cuestionario con 19 ítems distribuidos en un bloque de 9 variables de conocimiento, actitudes y percepciones y dos dimensiones sobre el uso de la IAGen y la descarga cognitiva. Los datos fueron extraídos antes (pretest) y después (postest) de una fase formativa de 10 horas. Para la interpretación de los resultados se emplearon medias, desviación estándar, asimetría, curtosis, d de Cohen y correlaciones de Pearson. Los principales resultados muestran que tras la intervención existe un aumento en los conocimientos sobre el uso de la IAGen con algunos cambios en las correlaciones entre variables y dimensiones. Las conclusiones del estudio presentan un descenso en la intención de uso de la IAGen y en la descarga cognitiva docente, con un fortalecimiento de las correlaciones entre las dos dimensiones de leve a media.
La certificación de la madurez digital en sistemas educativos de contextos vulnerables requiere de estrategias integrales diseñadas para superar barreras estructurales de conectividad y sesgos de autopercepción. Este artículo explora los fundamentos de una evaluación sistémica mediante el análisis del Modelo CódiceRD, una estrategia implementada en la República Dominicana que integra dimensiones de liderazgo, infraestructura y competencia digital docente bajo un esquema de equidad. Se describe la arquitectura de software offline-first desarrollada para el proyecto, la cual permite realizar auditorías in situ y recolectar evidencias multimedia sin necesidad de internet, garantizando la integridad de los datos mediante sincronización diferida. Los resultados del estudio piloto, realizado en 110 centros educativos, demuestran que la combinación de un modelo pedagógico contextualizado y una herramienta tecnológica resiliente permite generar Planes Tecnológicos Digitales (PTD) automatizados y certificaciones basadas en evidencias factuales. Se concluye que este enfoque ofrece una solución escalable para reducir la brecha digital y fomentar una cultura de mejora continua en sistemas educativos del Sur Global.
Este artículo examina críticamente el uso del término “inteligencia artificial” en educación y sostiene que su empleo generalizado puede generar confusión conceptual y pedagógica. A partir de una revisión teórica apoyada en Pierre Lévy, Hubert Dreyfus, Sherry Turkle y Kate Crawford, se argumenta que los sistemas actualmente denominados “inteligentes” no piensan, no comprenden ni poseen intencionalidad, sino que operan mediante el reconocimiento estadístico de patrones a partir de datos generados por seres humanos. El texto analiza el origen histórico y filosófico del concepto de inteligencia, así como la evolución del término “inteligencia artificial”, para mostrar la distancia entre lo que estas tecnologías hacen y lo que su denominación sugiere. Asimismo, distingue entre IA discriminativa, IA generativa, grandes modelos lingüísticos, chatbots y agentes de IA, con el fin de evitar el uso indistinto de conceptos que implican funciones e implicaciones pedagógicas diferentes. También se cuestionan expresiones como “co-inteligencia” o “co-creación”, al atribuir una simetría problemática entre humanos y máquinas. Finalmente, se proponen términos alternativos a “inteligencia artificial” con el fin de promover un lenguaje más preciso, crítico y éticamente responsable en los contextos educativos.
