Llamada de trabajos

Inteligencia Artificial para la Educación: Innovación, Ética y Accesibilidad en la Transformación del Aprendizaje

Editores Invitados:

  • María Soledad Ramírez-Montoya, Tecnológico de Monterrey, México, solramirez@tec.mx, 0000-0002-1274-706X
  • Miguel Morales-Chan, Universidad Galileo, Guatemala, amorales@galileo.edu, 0000-0002-8742-8186
  • Francisco Jose García Peñalvo, Universidad de Salamanca, fgarcia@usal.es, 0000-0001-9987-5584

Breve descripción del Monográfico

La Revista Iberoamericana de Tecnologías de Aprendizaje (IEEE-RITA), publicación oficial de la Sociedad de Educación del IEEE, invita a investigadores, docentes y desarrolladores de tecnología educativa a enviar sus contribuciones para el monográfico “Inteligencia Artificial para la Educación: Innovación, Ética y Accesibilidad en la Transformación del Aprendizaje.”

La Inteligencia Artificial (IA) está redefiniendo la manera en que se enseña y aprende, permitiendo una personalización sin precedentes, la automatización de tareas educativas y nuevas formas de interacción entre docentes, estudiantes y sistemas inteligentes. Sin embargo, la adopción de estas tecnologías plantea desafíos significativos en términos de equidad, accesibilidad, ética y sostenibilidad.

Este monográfico tiene como objetivo ofrecer un espacio de reflexión y discusión académica sobre los avances, aplicaciones, retos y oportunidades de la IA en la educación, desde el desarrollo de tecnologías innovadoras hasta su impacto en los procesos de enseñanza-aprendizaje. Asimismo, busca abordar las implicaciones éticas y regulatorias, promoviendo un enfoque centrado en el ser humano (Human-Centered AI) que garantice el uso responsable y beneficioso de estas tecnologías.

También se explorará el papel de la IA en la educación abierta, los Recursos Educativos Abiertos (REA) y la ciencia abierta, destacando cómo estas tecnologías pueden fomentar el acceso equitativo al conocimiento y fortalecer la colaboración internacional en el ámbito educativo.

Se espera recibir contribuciones que analicen desde perspectivas teóricas y prácticas cómo la IA puede servir como catalizador de una educación más inclusiva, personalizada y ética, empoderando a docentes y estudiantes para un futuro equitativo.

Temas de interés:

  • Modelos y arquitecturas de IA para la educación: Desarrollo de sistemas inteligentes para la enseñanza, asistentes virtuales, plataformas de tutoría adaptativa, herramientas de evaluación automatizada y sistemas de IA generativa para la producción de contenido educativo.
  • Agentes inteligentes y asistentes virtuales en educación: Diseño, implementación y evaluación de agentes conversacionales y chatbots educativos, asistentes virtuales para el aprendizaje, agentes pedagógicos inteligentes y sistemas de tutoría basados en IA.
  • IA para la personalización del aprendizaje: Algoritmos de recomendación de contenido, modelado del estudiante, adaptabilidad en el aprendizaje y tecnologías para el desarrollo de itinerarios educativos personalizados.
  • Ética, equidad y transparencia en la IA aplicada a la educación: Sesgos algorítmicos, privacidad de datos, explicabilidad de modelos de IA en entornos educativos, regulación y normativas para un uso responsable.
  • IA y accesibilidad en la educación: Uso de IA para la inclusión de estudiantes con discapacidad, soluciones de accesibilidad digital, tecnologías para la reducción de brechas educativas en comunidades vulnerables.
  • Interacción humano-IA en entornos de aprendizaje: Diseño centrado en el ser humano para sistemas educativos inteligentes, co-creación de tecnologías de IA con docentes y estudiantes, análisis de la relación entre IA y agencia del usuario.
  • Evaluación del impacto de la IA en el aprendizaje y la enseñanza: Estudios sobre el impacto de herramientas de IA en el desempeño académico, metodologías de evaluación de experiencias de aprendizaje mediadas por IA.
  • Generative AI y su impacto en la educación: Uso de modelos generativos para la creación de materiales educativos, generación automatizada de ejercicios/actividades de aprendizaje y evaluaciones, herramientas de IA generativa para la enseñanza de idiomas y/o STEM.
  • Aprendizaje automático y analítica del aprendizaje: Minería de datos educativos, modelos predictivos para la retención estudiantil, detección temprana de dificultades de aprendizaje mediante IA.
  • Ciencia abierta y educación abierta potenciadas por IA: Inteligencia Artificial para la creación, personalización y difusión de educación y ciencia abierta, impacto de la IA en la educación abierta y su papel en la democratización del conocimiento.
  • Futuro de la enseñanza con IA: Desarrollo de competencias digitales y alfabetización en IA para docentes y estudiantes, estrategias pedagógicas para la integración de la IA en el currículo, enseñanza de la IA y pensamiento computacional en distintos niveles educativos.

Palabras clave:

IA en educación, aprendizaje personalizado, tutoría inteligente, minería de datos educativos, agentes IA, Chatbots, ética en IA, educación abierta, ciencia abierta, transparencia en IA, diseño centrado en el usuario, equidad educativa, accesibilidad en IA, IA generativa en educación, analítica del aprendizaje.

Fechas importantes:

  • 30 de abril 2025: Fecha límite para envío de artículos.
  • 15 de mayo 2025: Notificación de revisiones a los autores.
  • 30 de mayo 2025: Fecha límite para envío de artículos modificados.
  • 10 de junio 2025: Decisión final a los autores.
  • 20 de junio 2025: Envío de la versión final para publicación.
  • Publicación en IEEE-RITA de artículos aceptados (early access): inmediato.

Normas de publicación:

  • Los artículos deben enviarse en inglés. Los artículos aceptados tendrán su versión en inglés en IEEE Xplore y una versión en español o portugués en abierto en VAEP-RITA.
  • Publicación gratuita si el artículo no supera las 10 páginas.
  • Envío de artículos a través del IEEE Author portal.
  • Se aceptan artículos previamente presentados en congresos si incluyen al menos un 30% de contenido nuevo significativo.
  • Los artículos aceptados en la primera fase con revisiones mayores y que no cumplan con los cambios requeridos serán rechazados en la segunda fase.