Reflexiones y revisiones de principios para una docencIA (docencia en la era de la IA) de calidad

• Autores: Juan José Escribano Otero , Olga Peñalba Rodríguez, María José García García
• Localización: Actas de las Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI), ISSN 2531-0607, Nº. 10 (Actas de las XXXI Jornadas sobre la Enseñanza Universitaria de la Informática), 2025, págs. 259-266
• Idioma: español
• Enlaces
  • Texto completo (html)
• Resumen
  • español

    Medir la calidad de la docencia siempre ha sido más difícil que medir la cantidad. No hay “índices de impacto" que nos ayuden. Pero es un tema que siempre ha preocupado y, ciertamente, existen multitud de trabajos previos donde se explican los "siete principios para una docencia de calidad" (por ejemplo) o aspectos similares. Desde la aparición y "democratización" de chatGPT y las mil y una herramientas de inteligencia artificial generativa posteriores, hemos tenido que revisar no pocos elementos de esa docencia previa, de calidad, que tanto nos ha costado modelar y llevar a la realidad. Han sido tantos los cambios y tan rápidos que a menudo no se ha tenido el tiempo para reflexionar sobre el impacto que dichos cambios tienen en la calidad docente.

    El trabajo que se representa ahora propone una revisión profunda de esos principios que definen una docencia de calidad en este presente y en varios futuros inmediatos posibles, moldeados por nuevas leyes "in progress", normativas universitarias o recomendaciones de organismos y observatorios diversos, que producen herramientas, productos y servicios relacionados con la evaluación y las pruebas de autoría, con los derechos de autor, la creatividad, la originalidad... pero sin medir la calidad de la docencia que provocan.

  • English

    Measuring the quality of teaching has always been more difficult than measuring quantity. There are no "impact indexes" to help us. But it is an issue that has always been of concern and, certainly, there is a multitude of previous works explaining the "seven principles for quality teaching" (for example) or similar aspects. Since the appearance and "democratization" of chatGPT and the thousand and one subsequent generative artificial intelligence tools, we have had to review many elements of this previous quality teaching, which we have had such a hard time modeling and bringing to reality. There have been so many changes and so fast that we have often not had the time to reflect on the impact that these changes have on teaching quality.

    The work presented here proposes an in-depth review of those principles that define quality teaching in the present and in several possible immediate futures, shaped by new laws "in progress", university regulations or recommendations from various organizations and observatories, which produce tools, products and services related to evaluation and proof of authorship, copyright, creativity, originality... but without measuring the "quality of teaching" they produce.