Horizontes.
Revista de Investigación en Ciencias de la Educación
https://revistahorizontes.org
Volumen
8 / N° 34 / julio-septiembre 2024
ISSN:
2616-7964
ISSN-L:
2616-7964
pp.
1666 - 1679
Inteligencia artificial en el diseño
curricular para la educación preescolar
Artificial
intelligence in curriculum design for preschool education
Inteligência
artificial no projeto de currículo para educação pré-escolar
Sandra Brígida Quispe Amar
sbquispeq@ucvvirtual.edu.pe
https://orcid.org/0000-0001-5873-6094
Walter Luis Roldan Baluis
wroldan@ucvvirtual.edu.pe
https://orcid.org/0000-0001-9222-3970
Universidad Cesar Vallejo. Lima, Perú
Artículo recibido 26 de abril 2023 | Aceptado 23 de mayo 2023 |
Publicado 25 de julio 2024
Escanea en tu dispositivo móvil o revisa este artículo en:
https://doi.org/10.33996/revistahorizontes.v8i34.825
RESUMEN
En los últimos años,
la Inteligencia Artificial (IA) ha desempeñado un papel crucial en el avance de
los procesos de enseñanza y aprendizaje en la educación. Por tanto, es
fundamental revisar los aportes de la IA y sintetizar experiencias que
beneficien la educación infantil. Este artículo tiene como objetivo identificar
cómo se ha aplicado la IA en el diseño curricular de la educación preescolar,
evaluar su efectividad y determinar las mejores prácticas para mejorar la
calidad del aprendizaje. Se empleó una metodología de revisión sistemática,
analizando artículos publicados entre 2011 y 2022 en la base de datos Scopus.
De un total de 524 estudios, se seleccionaron 20 investigaciones tras aplicar
criterios de elegibilidad. Los hallazgos relevantes abordan la introducción a
la IA, el aprendizaje automático, las técnicas de inteligencia artificial, y la
ética en el uso de la IA. En conclusión, la IA puede ser una herramienta
valiosa para mejorar la calidad de la educación preescolar.
Palabras clave: Diseño curricular; Educación preescolar; Educación inteligente;
Inteligencia artificial; Infancia
ABSTRACT
In recent years, Artificial Intelligence (AI)
has played a crucial role in the advancement of teaching and learning processes
in education. Therefore, it is essential to review the contributions of AI and
synthesize experiences that benefit early childhood education. This article
aims to identify how AI has been applied in preschool education curriculum
design, evaluate its effectiveness, and determine best practices to improve the
quality of learning. A systematic review methodology was employed, analyzing
articles published between 2011 and 2022 in the Scopus database. From a total
of 524 studies, 20 investigations were selected after applying eligibility
criteria. Relevant findings address introduction to AI, machine learning,
artificial intelligence techniques, and ethics in the use of AI. In conclusion,
AI can be a valuable tool for improving the quality of preschool education.
Key words:
Curriculum design; Preschool education; Intelligent education; Artificial
intelligence; Childhood
RESUMO
Nos últimos anos, a
Inteligência Artificial (IA) tem desempenhado um papel crucial no avanço dos
processos de ensino e aprendizagem na educação. Portanto, é essencial analisar
as contribuições da IA e sintetizar experiências que beneficiem a educação infantil.
Este artigo tem como objetivo identificar como a IA tem sido aplicada na
elaboração do currículo da pré-escola, avaliar sua eficácia e determinar as
melhores práticas para melhorar a qualidade do aprendizado. Foi utilizada uma
metodologia de revisão sistemática, analisando artigos publicados entre 2011 e
2022 no banco de dados Scopus. De um total de 524 estudos, foram selecionados
20 estudos de pesquisa após a aplicação dos critérios de elegibilidade. Os
resultados relevantes abordam a introdução à IA, aprendizado de máquina,
técnicas de inteligência artificial e ética no uso da IA. Em conclusão, a IA
pode ser uma ferramenta valiosa para melhorar a qualidade da educação
pré-escolar.
Palavras-chave: Projeto curricular;
Educação pré-escolar; Educação inteligente; Inteligência artificial; Infância
INTRODUCCIÓN
El hombre busca conquistar el mundo a través del uso de la
tecnología, el cual evoluciona de manera tal que el ser humano requiere la
conexión de sistemas capaces de realizar actividades con cierta inteligencia (Sætra, 2019). En ese marco, una
opción importante es el uso de equipos electrónicos para modelar el
comportamiento inteligente basado en Inteligencia Artificial - IA (Zaman et al., 2023), la cual fue
definido como el campo científico para desarrollar computadoras inteligentes (Su y Zhong, 2022). Aunado a ello, los
expertos tecnológicos buscan implementar técnicas de IA para innovar proyectos
que beneficie de manera significativa al ser humano. Además, la IA muestra
resultados para mejorar la calidad en todo campo de acción, como en la
educación, salud, seguridad, entre una amplia diversidad de sectores (Hassoun et al., 2023).
En esa línea, cada vez es más frecuente y prometedor el uso
de la IA en la educación (Alhumaid et al., 2023). Sin embargo, aún
hay barreras que imposibilitan
resultados significativos en usar IA en el entorno educativo (Liang et al., 2021; Liu et al., 2021). A decir de Ukobitz y Faullant (2022), el éxito del
aprendizaje y enseñanza están correlacionados significativamente en la
educación bajo un enfoque axiomático inteligente. Además, la IA ha sobresalido
en la educación secundaria y superior, aunque está tomando auge en la educación
infantil (Su y Yang, 2022). Ello permite
inferir que la IA admite el desarrollo cognitivo basado en capacidades,
lingüístico y habilidades de aprendizaje
para potenciar el desarrollo educativo infantil (Cangelosi y Schlesinger, 2018).
En esa taxonomía, la IA en la educación secundaria y superior
está orientado a la programación de software complejo. Por ejemplo, en machine learning. Mientras que la IA
en la educación infantil está enfocado en actividades simples de IA para
mejorar y potenciar el conocimiento (Williams et al., 2019); el aprendizaje en
la resolución de problemas (Su y Yang, 2022); en la adaptación
rápida para el uso de las tabletas electrónicas (Druga et al., 2018); la optimización del
aprendizaje lúdico (Liu et al., 2021); además,
perfecciona la indagación colaborativa y
creativa a través del juego con el robot (Su y Yang, 2022; Kewalramani et al., 2021) lo cual genera una
relación significativa entre estímulo y respuesta (Brito y Oliveira, 2018). Ante ello, se evidencia las diversas aplicaciones
de la IA en beneficio de la educación infantil (Kewalramani et al., 2021; Su y Yang, 2022). Consecuentemente, a
fin de garantizar la calidad de la educación preescolar en un mundo cada vez
más digital, las autoridades de los gobiernos han comenzado a integrar el
enfoque computacional inteligente al sistema curricular. Ello tiene como objeto
promover y cultivar las habilidades de IA en los niños; bajo el enfoque
cognitivo, intelectual y social (Weintrop y Wilensky, 2015; Egert et al., 2018).
Al respecto, Preface (2021) señala que los niños
son aprendices activos que se adaptan fácilmente al aprendizaje de la IA. En
tal sentido, una de las competencias para lograr la alfabetización IA en niños
es el conocimiento de IA que permita coadyudar a los estudiantes a comprender
las ideas fundamentales de la inteligencia artificial (Kim et al., 2021). En relación a ello,
Su y Zhong (2022) proponen un diseño
curricular para la educación preescolar basado en cuatro módulos: introducción
a la IA, cuyo objetivo es aprender a dibujar y comprender los conocimientos
básicos de la IA como los conceptos y qué es la IA; aprendizaje automático,
tiene como finalidad imitar la inteligencia humana basada en redes neuronales;
técnicas de inteligencia artificial, vinculado al reconocimiento facial, reconocimiento
óptico de caracteres, reconocimiento de voz, al dominio de aplicaciones como el
robot o chatbot; y, ética en IA, cuyo objetivo es aprender la búsqueda de
respuestas, el razonamiento lógico humano, comprender los mapas conceptuales
para conocer los conceptos y sus relaciones.
En consecuencia, la justificación de realizar una revisión
sistemática sobre el uso de la inteligencia artificial en la educación
preescolar es que existe una necesidad de evaluar críticamente la evidencia
existente en este campo y determinar cuál es el impacto real de la IA en el
aprendizaje y desarrollo de los niños. La revisión sistemática puede ayudar a
identificar las mejores prácticas y estrategias para integrar la IA en el
entorno preescolar de manera efectiva y segura, y también puede ayudar a
identificar las brechas en el conocimiento y las áreas que necesitan más
investigación. Por consiguiente, el objetivo es identificar cómo se ha aplicado
la IA en el diseño curricular de la educación preescolar, evaluar su efectividad
y determinar mejores prácticas para mejorar la calidad del aprendizaje.
METODOLOGÍA
La estrategia de trabajo de esta revisión está esbozada en
una búsqueda sistemática de artículos científicos en la base de datos Scopus,
utilizando diferentes criterios de búsqueda para seleccionar estudios
relevantes. La búsqueda se llevó a cabo de manera exhaustiva para obtener una
visión completa de la literatura disponible, según el objetivo planteado. A tal
efecto, se utilizó la base de datos Scopus
con criterios específicos para una búsqueda adecuada. En ese sentido, la cadena de consulta fue ( TITLE-ABS-KEY (
"artificial intelligence") AND TITLE-ABS-KEY ( chil* ) AND
TITLE-ABS-KEY ( learning) ) AND ( LIMIT-TO ( SRCTYPE,"j" ) ) AND
(LIMIT-TO ( OA,"all" ) ) AND ( LIMIT-TO ( DOCTYPE,"ar" ) ).
Como resultado de ello, se obtuvo 524 documentos.
Después de la identificación de los
artículos pertinentes, este estudio tomó como referencia los elementos para
revisiones sistemáticas de la declaración PRISMA (Preferred Reporting Items for
Systematic Reviews andMeta-Analyses) (Page et al., 2021). Asimismo, se
elaboró una estructura de trabajo para agrupar cada artículo en uno de los
cuatro módulos, que permita responder la pregunta orientadora de investigación
¿Cuáles son los aportes del uso de IA en la educación preescolar?
Consecuentemente, la configuración de este trabajo se refleja en la Figura 1.
Figura
1. Estructura de revisión de artículos
según módulos de aplicación IA.
Ante lo expuesto, la elegibilidad de
los artículos consideró criterios de inclusión, como: artículos originales,
artículos elaborados en idioma inglés, estudios aplicados a la educación
preescolar, entre otros. Respecto a los criterios de exclusión, se estimó por
conveniente excluir las tesis, monografías, publicaciones breves, artículos no
revisados por pares, capítulos de libros y estudios de baja calidad. Cada
artículo fue revisado según el título, y las conclusiones. Además, se revisaron
las secciones Introducción y Método. De esta manera, se
seleccionó un grupo de 20 publicaciones a incluir en la síntesis cuantitativa.
Por ello, los criterios de inclusión y exclusión usados garantizan un análisis
detallado y transparente de los documentos (Figura 2).
Figura 2. Selección de documentos
DESARROLLO
Y DISCUSIÓN
La estrategia usada fue contextualizar el diseño curricular
preescolar y que fuera propuesto por (Su y Zhong, 2022). Según el cual, dicho
diseño está constituido por cuatro módulos.
Módulo
1: Introducción a la Inteligencia Artificial (IA)
La finalidad de este módulo es comprender los conocimientos
básicos de la IA. En ese contexto, las investigaciones vinculadas presentan
diversas propuestas. A decir de (Yuan et al., 2020) propone un sistema que fomenta el
aprendizaje de la IA en el mundo real. En cuanto a (Liao y Gu, 2022) integra la IA y tecnología 5G y para estimular la cooperación
y el conocimiento de la IA. Asimismo, Zammit et al., (2022) propone un juego digital a fin de fomentar los principios de la IA y el
pensamiento crítico.
En la Tabla 1, se puede evidenciar que un artículo fue
elaborado en América del Norte, Europa y Asia respectivamente. Respecto al año
de producción, se resalta que una investigación se realizó el 2020 y dos el
2022.
Tabla 1. Diseño de las investigaciones (n=3).
|
Autor y año |
Aporte principal |
País |
|
Yuan et al. (2020) |
Propone
un algoritmo IA para aprender los principios generativos a partir de símbolos
que ayuda a la comprensión de un conjunto de datos naturales y así entender
problemas del mundo real. |
USA |
|
Liao y Gu, (2022) |
Integra
la tecnología 5G, el diseño curricular pre escolar y la IA para fomentar el
conocimiento IA y potenciar la cooperación e intercambio. |
China |
|
Zammit et al.
(2022) |
Se
propone un juego digital ArtBot, el cual fue diseñado para enseñar principios
fundamentales sobre IA y promover el pensamiento crítico sobre su
funcionalidad y deficiencias en la vida digital. |
Malta |
Módulo
2: Aprendizaje automático
El objetivo de este segundo módulo es comprender el concepto
de aprendizaje automático y proponer soluciones IA resaltando el uso de
algoritmos complejos de Machine Learning con énfasis en redes neuronales y Deep
Learning. En este sentido, la utilización de algoritmos de redes neuronales en
la educación preescolar permite mejorar el aprendizaje numérico (Davies
et al., 2021).
También, motiva el aprendizaje con base a los juegos y gráficos 3D (Albin-Clark
et al., 2011).
Además, mejora el proceso cognitivo para la resolución de problemas (Chraibi
Kaadoud et al., 2022). Asimismo, potencia
el aprendizaje de un instrumento musical (Lei y
Liu, 2022; Chen et
al., 2022);
estimula el desarrollo del arte en base al dibujo inteligente (Duraimurugan
et al., 2019); enseña
el aprendizaje del idioma extranjero (Kim y
Kim, 2020);
finalmente, estimula el aprendizaje matemático (Käser
et al., 2013).
En lo que respecta al ámbito geográfico, se debe precisar que
cuatro investigaciones se realizaron tanto en Europa como el continente
asiático, de acuerdo a lo mostrado en la Tabla 2. Con referencia al año de
producción, el primer artículo fue elaborado el 2011, igual sucedió el 2013,
2019, 2020 y 2021 respectivamente. Sin embargo, el 2022 tuvo un impulso con
tres artículos.
Tabla 2. Aprendizaje automático (n=8).
|
Autor y año |
Aporte principal |
País |
||
|
Davies et
al. (2021) |
A
través de las redes neuronales se ha modelado aspectos de aprendizaje
numérico para estudiar analíticamente los comportamientos de los niños. Se
usa un conjunto de datos para entrenar, validar y probar cinco redes
neuronales profundas de última generación. |
España |
||
|
Albin-Clark
et al. (2011) |
Se
propone un software multiplataforma basado en redes neuronales que combina la
tecnología orientada a juegos: gráficos 3D, animación, física e inteligencia
artificial de juegos clásicos. También se incluyen capacidades simples de
secuencias de comandos basadas en datos, que no requieren experiencia en
programación. |
Inglaterra |
|
|
|
Chraibi
Kaadoud et al. (2022) |
Propone
un algoritmo de Machine Learning
para estudiar los procesos de resolución de problemas. Propone tres reglas:
primero, aprende a realizar una tarea; segundo, usa una red neuronal que
codifica las tareas; y tercero, es un proceso IA que utiliza un algoritmo de
extracción de reglas implícitas. |
Francia |
|
|
|
Lei y Liu,
(2022) |
El
método detecta el inicio de una nota de piano y la transforma en una
distribución de frecuencia. La red neuronal produce los mejores resultados
posibles para los estudiantes que aprenden el instrumento del piano. |
China |
|
|
|
Chen et al.
(2022) |
Este
estudio propuso un sistema de entrenamiento de habilidades de arte digital
para niños con aprendizaje asistido por algoritmo profundo de deep learning. Permite el
reconocimiento de contornos, la combinación de tonos y el cálculo de la
proporción de colores para capacitar mecánicamente la cognición cromática de
los infantes. |
Taiwán |
|
|
|
Duraimurugan
et al. (2019) |
El
sistema actúa como una plataforma de dibujo inteligente que se entrena con
conjuntos de datos para que los niños puedan reconocer el objeto. Con la
ayuda de esta aplicación, los niños pueden desarrollar el dibujo básico de un
solo objeto. |
India |
|
|
|
W. H. Kim y Kim, (2020) |
Los
autores proponen un tutor de IA individualizado como un sistema integrado de
tres redes Deep Learning
capaz de aprendizaje incremental. Este
tutor de IA está integrado en una aplicación móvil para enseñar el
idioma coreano a los niños. |
Corea
del Sur |
|
|
|
Käser et al. (2013) |
El sistema
está elaborado para optimizar el aprendizaje numérico dirigido a niños con
dificultades para aprender matemáticas, se basa en una técnica de Machine
Learning. El sistema personaliza la experiencia de aprendizaje, lo que mejora
tanto el éxito como la motivación. |
Suiza |
|
|
Módulo
3: Técnicas de inteligencia artificial
La finalidad de este módulo está asociada a las aplicaciones
prácticas de IA en la educación preescolar como soluciones de reconocimiento de
voz, chatbot, entre otros. En esa línea, se desarrolló un cuaderno digital para
fomentar la escritura a mano (Bonneton-Botté et al., 2020). La investigación de Thinh et al., (2020) propone un robot
para la enseñanza del inglés. Asimismo, Luo (2022) desarrolla un sistema IA que usa
la tecnología 5G para la enseñanza musical. Hu et al., (2022) propone el uso
de la tecnología digital asistida por cine para el desarrollo de habilidades
sociales y la enseñanza del inglés. Adams et al., (2018) desarrolla un robot para estimular
el juego en niños con discapacidad y Chun (2021) desarrolla la impresión 3D para
estimular la creatividad en los niños.
En la Tabla 3, se evidencia que una publicación fue hecha en
América del Norte y Europa respectivamente. Mientras que cuatro investigaciones
se realizaron en Asia, especialmente en China con tres investigaciones. Con
relación al periodo de investigación, se puede señalar en el 2018 se elaboró un
artículo, el 2020 hubo dos artículos, el 2021 un solo artículo, y el 2022 dos
artículos.
Tabla 3. Diseño de las investigaciones (n=6).
|
Autor y año |
Aporte principal |
País |
|
Bonneton-Botté et al.
(2020) |
Se
propone, usando la IA, un cuaderno digital diseñado para una tableta
orientada a infantes a fin de promover la práctica de escritura a mano, en
base a la forma, orden y dirección de los segmentos. |
Francia |
|
Thinh et al. (2020) |
Se
desarrolló un robot como instructor para impartir clase de inglés a niños de
manera efectiva. Ello contribuye positivamente en la confianza y motivación
para estudiar. |
Vietnam |
|
Luo (2022) |
Este
estudio usa la comunicación 5G para explorar el papel de la tecnología
digital en la transformación del desarrollo de la educación musical en los niños
y cuyo efecto estimula el desarrollo de habilidades sociales así como la
creatividad para el desarrollo del niño. |
China |
|
Hu et al. (2022) |
El
sistema propone el aprendizaje de los niños e introduce la enseñanza del
inglés asistida por cine. Se seleccionan los temas de las películas,
geografía, historia y cultura para la enseñanza del inglés; las películas se
editan y procesan. Entonces, los niños pueden obtener efectos didácticos de
las películas. Ello estimula el interés de aprendizaje del inglés mejorando
de esta manera sus habilidades lingüísticas. |
China |
|
Adams et al. (2018) |
Esta
propuesta muestra las bondades de un robot para que los niños con
discapacidad puedan acceder al juego, dado que éste es un factor clave en el
bienestar y el desarrollo cognitivo de los niños. |
Canadá |
|
Chun (2021) |
Este
artículo estudia el método de educación del futuro utilizando tecnología de
impresión 3D para niños, la cual desarrolla la creatividad de los pequeños
para diseñar productos. Este estudio demuestra que esta tecnología es útil
para desarrollar los cursos de la educación futura. |
China |
Módulo
4: Ética en Inteligencia Artificial
Según Su y Zhong (2022) la finalidad de este
módulo es que los niños aprendan la IA para ayudar a la sociedad y fomentar la
colaboración, así como compartir ideas. Además, fomentar la habilidad de
búsqueda de respuestas, el razonamiento lógico humano, aprender hacer el mapa
conceptual de tareas. Asimismo, identificar y entender los defectos y sesgos de
la IA.
Con respecto a la funcionalidad de las investigaciones, Chauhan (2011) propone un robot para organizar
en categorías las palabras para estimular la búsqueda de respuesta. Villegas-ch y Jaramillo-alc (2022) plantean un sistema IA para estimular el razonamiento lógico.
Finalmente, Niu (2022) propone un estudio de IA para mejorar la calidad de la educación
preescolar bajo el enfoque de calidad y responsabilidad.
De la producción de artículos, y según la Tabla 3, se aprecia
que se elaboró una investigación en el 2011, mientras que en el 2022 se
realizaron dos producciones. En relación al ámbito territorial, los
estudios fueron hecho en Europa, América del Sur y Asia respectivamente.
Tabla 4. Diseño de las investigaciones (n=3).
|
Autor y año |
Aporte
principal |
País |
|
Chauhan (2011) |
El robot incorpora sensores visuales y
auditivos para la interacción activa con el lenguaje en niños. Este robot
forma y organiza dinámicamente las descripciones de las categorías para lograr
una mejor categorización de las palabras, con ello el niño adquiere un mejor
vocabulario. |
Portugal |
|
Villegas-ch
y Jaramillo-alc (2022) |
Se propone un sistema de reconocimiento de
imágenes que pueda ayudar a aumentar el interés de los niños para aprender
los números naturales entre el 0 y el 9. El método del sistema simula un
juego donde el niño entrena el algoritmo de inteligencia artificial para
fomentar el razonamiento. |
Ecuador |
|
Niu (2022) |
Este estudio analizó, en base la ética y
responsabilidad, la evolución en la calidad de la enseñanza en los niños para
lo cual usa una red neuronal. El objetivo es mejorar la calidad de la
enseñanza preescolar. |
China |
Por lo tanto, con relación a la producción de artículos
científicos, se puede indicar que se analizaron 20 documentos. Los hallazgos
muestran que la mayoría de trabajos tomó lugar el 2022 (45%), 2021 (10%) y 2020
(20%). Con referencia al ámbito geográfico, los resultados de esta revisión
sistemática muestran que las investigaciones IA se realizaron en Asia (50%),
Europa (35%), América del Norte (20%) y América del Sur (5%).
Discusión
El uso de la Inteligencia Artificial (IA) en el diseño
curricular para la educación preescolar ha demostrado un impacto significativo
en la mejora de los procesos de enseñanza y aprendizaje, según los estudios
revisados. La implementación de redes neuronales y algoritmos de aprendizaje
automático ha permitido personalizar la educación, adaptar contenidos a las
necesidades individuales de los niños, y mejorar tanto la motivación como el
éxito académico.
Personalización del
Aprendizaje y Desarrollo Cognitivo
Uno de los aportes clave es la capacidad de la IA para
personalizar el aprendizaje. Por ejemplo, Davies et al., (2021) implementaron
redes neuronales para modelar el aprendizaje numérico, analizando los
comportamientos de los niños y ajustando el proceso educativo según sus
necesidades individuales en España. De manera similar, Käser et al., (2013)
desarrollaron un sistema en Suiza para optimizar el aprendizaje numérico en
niños con dificultades, lo que no solo mejoró su éxito académico, sino también
su motivación para aprender. Estas aplicaciones de IA permiten un enfoque más
adaptativo en la educación, donde las herramientas educativas se ajustan al
ritmo y estilo de aprendizaje de cada niño.
IA y Habilidades
Creativas
Además de la personalización del aprendizaje, la IA también
ha sido utilizada para fomentar la creatividad y el desarrollo de habilidades
artísticas. Chen et al., (2022) en Taiwán, introdujeron un sistema de
entrenamiento en habilidades de arte digital que ayuda a los niños a
desarrollar la cognición cromática a través del reconocimiento de contornos y
la combinación de tonos, utilizando algoritmos de aprendizaje profundo. Por
otro lado, Chun (2021) en China, exploró la educación futura mediante la
tecnología de impresión 3D, que potencia la creatividad de los niños al diseñar
productos, demostrando la utilidad de estas tecnologías en la educación
preescolar.
Desarrollo del
Lenguaje y Habilidades Lingüísticas
La IA también ha sido aplicada en la enseñanza de idiomas,
donde se ha evidenciado un impacto positivo en el desarrollo del lenguaje. El
estudio de W. H. Kim y Kim (2020) en Corea del Sur, propone un tutor de IA
individualizado que enseña el idioma coreano a través de una aplicación móvil,
utilizando redes de Deep Learning para un aprendizaje incremental. Este enfoque
no solo facilita la enseñanza del idioma, sino que también permite una
experiencia de aprendizaje más dinámica y atractiva para los niños.
Robótica e
Interacción Activa
La robótica es otro campo donde la IA ha encontrado
aplicaciones innovadoras en la educación preescolar. Por ejemplo, Thinh et al.,
(2020) desarrollaron un robot en Vietnam que actúa como instructor de inglés,
contribuyendo significativamente a la confianza y motivación de los niños para
aprender el idioma. De igual forma, Chauhan (2011) en Portugal, desarrolló un
robot con sensores visuales y auditivos que interactúa activamente con los
niños para mejorar su vocabulario, mostrando cómo la tecnología puede apoyar el
desarrollo del lenguaje y la comunicación.
Ética y
Responsabilidad en el Uso de IA
Sin embargo, la implementación de IA en la educación también
plantea desafíos éticos, como lo destaca Niu (2022) en China. Su estudio
analiza la evolución de la calidad de la enseñanza en base a la ética y
responsabilidad, utilizando redes neuronales para mejorar la educación
preescolar. Es crucial que, a medida que se integran estas tecnologías en la
educación, se consideren las implicaciones éticas y se asegure que las
aplicaciones de IA sean utilizadas de manera responsable.
CONCLUSIÓN
A partir de esta revisión, se ha
identificado que la Inteligencia Artificial (IA) ha sido aplicada en el diseño
curricular de la educación preescolar a través de diversas herramientas y
enfoques, tales como redes neuronales, algoritmos de aprendizaje automático y
sistemas de tutoría personalizados. Estas aplicaciones han mostrado efectividad
en la mejora de diferentes áreas del aprendizaje infantil, como el desarrollo
de habilidades sociales, la comprensión de conceptos matemáticos, el
aprendizaje de idiomas y la estimulación de la creatividad.
Los estudios revisados indican que
las mejores prácticas para mejorar la calidad del aprendizaje en la educación
preescolar con IA incluyen la personalización del contenido educativo, el uso
de tecnologías interactivas que fomenten la participación activa de los niños,
y la integración de la IA con métodos pedagógicos tradicionales que respeten la
individualidad de cada estudiante. No obstante, es crucial que la
implementación de estas tecnologías se realice de manera ética y
complementaria, asegurando que la IA sirva como un apoyo y no como un reemplazo
de la interacción humana en el proceso educativo.
En conclusión, la IA tiene el potencial
de transformar el diseño curricular en la educación preescolar, pero su éxito
depende de un equilibrio entre innovación tecnológica y prácticas pedagógicas
centradas en el niño.
CONFLICTO DE
INTERESES. Los autores declaran que no existe conflicto de intereses
para la publicación del presente artículo científico.
REFERENCIAS
Adams, K., Encarnação, P., Rios-Rincón, A. M., y Cook, A. M. (2018). Will
artificial intelligence be a blessing or concern in assistive robots for play? Journal of Human Growth and Development,
28(2), 213–218.
https://doi.org/10.7322/jhgd.147242
Albin-Clark, A., Howard, T. L. J., y Anderson, B. (2011).
Real-time computer graphics simulation of blockplay in early childhood. Computers and Education, 57(4), 2496–2504.
https://doi.org/10.1016/j.compedu.2011.07.004
Alhumaid, K., Al Naqbi, S., Elsori, D., y Al Mansoori, M.
(2023). The adoption of artificial intelligence applications in education. International Journal of Data and Network
Science, 7(1), 457–466.
https://doi.org/10.5267/j.ijdns.2022.8.013
Bonneton-Botté, N., Fleury, S., Girard, N., Le Magadou, M., Cherbonnier,
A., Renault, M., Anquetil, E., y Jamet, E. (2020). Can tablet apps support the
learning of handwriting? An investigation of learning outcomes in kindergarten
classroom. Computers and Education,
151(August 2019).
https://doi.org/10.1016/j.compedu.2020.103831
Brito, P., y Oliveira, G. (2018). Young Children, Digital
Media and Smart Toys: How Perceptions Shape Adoption and Domestication. British Journal of Educational Technology.
https://doi.org/10.1111/bjet.12655
Cangelosi, A., y Schlesinger, M. (2018). From Babies to
Robots: The Contribution of Developmental Robotics to Developmental Psychology.
Child Development Perspectives,
12(3), 183–188.
https://doi.org/10.1111/cdep.12282
Chauhan, A. (2011). Using spoken words to guide open-ended
category formation. Cognitive
Processing, 12, 341–354.
https://doi.org/10.1007/s10339-011-0407-y
Chen, S. Y., Lin, P. H., y Chien, W. C. (2022). Children’s
Digital Art Ability Training System Based on AI-Assisted Learning: A Case Study
of Drawing Color Perception. Frontiers
in Psychology, 13(March),
1–8. https://doi.org/10.3389/fpsyg.2022.823078
Chraibi Kaadoud, I., Bennetot, A., Mawhin, B., Charisi, V., y
Díaz-Rodríguez, N. (2022). Explaining Aha! moments in artificial agents through
IKE-XAI: Implicit Knowledge Extraction for eXplainable AI. Neural Networks, 155, 95–118.
https://doi.org/10.1016/j.neunet.2022.08.002
Chun, H. (2021). A Study on the Impact of 3D Printing and
Artificial Intelligence on. Scientif Programming, 2021,
3–7. https://doi.org/10.1155/2021/2247346
Davies, S., Lucas, A., Ricolfe-Viala,
C., y Di Nuovo, A. (2021). A Database for Learning
Numbers by Visual Finger Recognition in Developmental Neuro-Robotics. Frontiers in Neurorobotics, 15(March).
https://doi.org/10.3389/fnbot.2021.619504
Druga, S., Williams, R., Park, H. W., y Breazeal, C. (2018).
How smart are the smart toys? Children and parents’ agent interaction and
intelligence attribution. IDC 2018 -
Proceedings of the 2018 ACM Conference on Interaction Design and Children,
231–240. https://doi.org/10.1145/3202185.3202741
Duraimurugan, N., Manoj Kumar, B.,
Malini, C., y Kowsalya, R. (2019). Learnart: Drawing
environment using convolutional neural networks. International Journal of Recent Technology and Engineering, 8(2 Special Issue 3), 770–772. https://doi.org/10.35940/ijrte.B1142.0782S319
Egert, F., Fukkink, R. G., y Eckhardt, A. G. (2018). Impact
of In-Service Professional Development Programs for Early Childhood Teachers on
Quality Ratings and Child Outcomes: A Meta-Analysis. Review of Educational Research, 88(3), 401–433. https://doi.org/10.3102/0034654317751918
Hassoun, A., Kamiloglu, S., Garcia-Garcia, G., Parra-López,
C., Trollman, H., Jagtap, S., Aadil, R. M., y Esatbeyoglu, T. (2023).
Implementation of relevant fourth industrial revolution innovations across the
supply chain of fruits and vegetables: A short update on Traceability 4.0. Food Chemistry, 409(October 2022).
https://doi.org/10.1016/j.foodchem.2022.135303
Hu, N., Li, S., Li, L., y Xu, H. (2022). The Educational
Function of English Children’s Movies From the Perspective of Multiculturalism
Under Deep Learning and Artificial Intelligence. Frontiers in Psychology, 12(January),
1–14. https://doi.org/10.3389/fpsyg.2021.759094
Käser, T., Busetto, A. G., Solenthaler, B., Baschera, G. M.,
Kohn, J., Kucian, K., Von Aster, M., y Gross, M. (2013). Modelling and
optimizing mathematics learning in children. International Journal of Artificial Intelligence in Education, 23(1–4), 115–135.
https://doi.org/10.1007/s40593-013-0003-7
Kewalramani, S., Kidman, G., y
Palaiologou, I. (2021). Using Artificial
Intelligence (AI)-interfaced robotic toys in early childhood settings: a case
for children’s inquiry literacy. European
Early Childhood Education Research Journal, 29(5), 652–668. https://doi.org/10.1080/1350293X.2021.1968458
Kim, S., Jang, Y., Kim, W., Choi, S., Jung, H., Kim, S., y
Kim, H. (2021). Why and What to Teach: AI Curriculum for Elementary School. 35th AAAI Conference on Artificial
Intelligence, AAAI 2021, 17B,
15569–15576. https://doi.org/10.1609/aaai.v35i17.17833
Kim, W. H., y Kim, J. H. (2020). Individualized AI Tutor Based on Developmental Learning Networks. IEEE Access, 8, 27927–27937. https://doi.org/10.1109/ACCESS.2020.2972167
Lei, S., y Liu, H. (2022). Deep Learning Dual Neural Networks
in the Construction of Learning Models for Online Courses in Piano Education. Computational Intelligence and Neuroscience,
2022.
https://doi.org/10.1155/2022/4408288
Liang, J. C., Hwang, G. J., Chen, M. R. A., y Darmawansah, D.
(2021). Roles and research foci of artificial intelligence in language
education: an integrated bibliographic analysis and systematic review approach.
Interactive Learning Environments,
0(0), 1–27.
https://doi.org/10.1080/10494820.2021.1958348
Liao, L., y Gu, F. (2022). 5G and Artificial Intelligence
Interactive Technology Applied in Preschool Education Courses. Wireless Communications and Mobile Computing,
2022.
https://doi.org/10.1155/2022/7629354
Liu, C., Hou, J., Tu, Y. F., Wang, Y., y Hwang, G. J. (2021).
Incorporating a reflective thinking promoting mechanism into artificial
intelligence-supported English writing environments. Interactive Learning Environments, 0(0), 1–19. https://doi.org/10.1080/10494820.2021.2012812
Luo, L. (2022). Education Mode Reform of Colleges and
Universities in Music Teaching under 5G Internet. Mobile Information Systems, 2022. https://doi.org/10.1155/2022/7701567
Niu, P. (2022). An artificial intelligence method for
comprehensive evaluation of preschool education quality. Frontiers in Psychology, 13, 1–12.
https://doi.org/10.3389/fpsyg.2022.955870
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I.,
Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A.,
Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A.,
Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D.
(2021). The PRISMA 2020 statement: An updated guideline for reporting
systematic reviews. The BMJ, 372. https://doi.org/10.1136/bmj.n71
Preface. (2021). The
ultimate guide for artificial intelligence (AI) for kids.
https://www.preface.ai/blog/kids-learning/ai-for-kids/
Sætra, H. S. (2019). The Ghost in the Machine: Being Human in
the Age of AI and Machine Learning. Human Arenas, 2(1), 60–78. https://doi.org/10.1007/s42087-018-0039-1
Su, J., y Yang, W. (2022). Artificial intelligence in early childhood education: A scoping review. Computers and Education: Artificial
Intelligence, 3(December
2021), 100049. https://doi.org/10.1016/j.caeai.2022.100049
Su, J., y Zhong, Y. (2022). Artificial Intelligence (AI) in early childhood education: Curriculum
design and future directions. Computers
and Education: Artificial Intelligence, 3(February). https://doi.org/10.1016/j.caeai.2022.100072
Thinh, N. T., Hai, N. D. X., y Tho, T. P. (2020). The
influential role of robot in second language classes based on artificial
intelligence. International Journal of
Mechanical Engineering and Robotics Research, 9(9), 1306–1311. https://doi.org/10.18178/ijmerr.9.9.1306-1311
Ukobitz, D. V., y Faullant, R.
(2022). The relative impact of isomorphic pressures on the adoption
of radical technology: Evidence from 3D printing. Technovation, 113(April
2020). https://doi.org/10.1016/j.technovation.2021.102418
Villegas-ch, W., y Jaramillo-alc, A. (2022). Assistance
System for the Teaching of Natural Numbers to Preschool Children with the Use
of Artificial Intelligence Algorithms. Future
Internet, 14(266), 2–18.
Weintrop, D., y Wilensky, U. (2015). To block or not to
block, that is the question: Students’ perceptions of blocks-based programming.
Proceedings of IDC 2015: The 14th
International Conference on Interaction Design and Children, 199–208.
https://doi.org/10.1145/2771839.2771860
Williams, R., Park, H. W., Oh, L., y Breazeal, C. (2019).
Popbots: Designing an artificial intelligence curriculum for early childhood
education. 33rd AAAI Conference on
Artificial Intelligence, AAAI 2019, 31st Innovative Applications of Artificial
Intelligence Conference, IAAI 2019 and the 9th AAAI Symposium on Educational
Advances in Artificial Intelligence, EAAI 2019, 9729–9736.
https://doi.org/10.1609/aaai.v33i01.33019729
Yuan, L., Xiang, V., Crandall, D., y Smith, L. (2020).
Learning the generative principles of a symbol system from limited examples. Cognition, 200(March), 104243.
https://doi.org/10.1016/j.cognition.2020.104243
Zaman, T. U., Alharbi, E. K., Bawazeer, A. S., Algethami, G.
A., Almehmadi, L. A., Alshareef, T. M., Alotaibi, Y. A., y Karar, H. M. O.
(2023). Artificial intelligence: the major role it played in the management of
healthcare during COVID-19 pandemic. IAES
International Journal of Artificial Intelligence, 12(2), 505–513.
https://doi.org/10.11591/ijai.v12.i2.pp505-513
Zammit, M., Voulgari, I., Liapis, A., y Yannakakis, G. N.
(2022). Learn to Machine Learn via Games in the Classroom. Frontiers in Education, 7(June), 1–13.
https://doi.org/10.3389/feduc.2022.913530