Publicado por 
Debate2en Reto 5 – Investigación en e-learning.
Lo siento, debes estar conectado para publicar un comentario.
Este es un espacio de trabajo personal de un/a estudiante de la Universitat Oberta de Catalunya. Cualquier contenido publicado en este espacio es responsabilidad de su autor/a.
Mis avances hacia el TFM
En el marco de mi preparación para el Trabajo Final de Máster (TFM), he avanzado en la delimitación metodológica y analítica de una investigación centrada en la generación automática de ítems de evaluación mediante inteligencia artificial, específicamente en las áreas de Lenguaje y Matemáticas en educación básica. El foco del estudio es analizar la viabilidad técnica, curricular y analítica de los ítems generados por IA en comparación con aquellos elaborados mediante procedimientos tradicionales.
A partir del trabajo realizado en las PEC del curso, he podido concretar que el enfoque metodológico más adecuado para dar respuesta a mis preguntas de investigación es mixto. Por un lado, el análisis cuantitativo permite examinar variables como la alineación curricular, la claridad del enunciado y la distribución del nivel cognitivo de los ítems, utilizando técnicas descriptivas y comparativas básicas. Por otro lado, el análisis cualitativo resulta imprescindible para interpretar los resultados de la revisión experta, identificar desajustes finos entre indicadores de logro y demanda cognitiva, y comprender las limitaciones pedagógicas de la generación automática de ítems.
En función del diseño de la investigación —de carácter exploratorio— y del tipo de datos recogidos, la combinación de ambos enfoques resulta coherente y necesaria. Los datos cuantitativos ofrecen una visión estructurada y replicable del comportamiento de los ítems generados, mientras que los datos cualitativos aportan profundidad interpretativa y permiten contextualizar los resultados desde la perspectiva del diseño evaluativo.
Las técnicas concretas de análisis de datos que he definido incluyen: análisis descriptivo (medias, distribuciones y frecuencias), matrices de correspondencia entre dominios, competencias e indicadores, y análisis comparativo entre ítems generados por IA y tradicionales. Complementariamente, se utiliza una revisión cualitativa mediante rúbricas de validación curricular y cognitiva, apoyada en el juicio experto.
Un avance relevante ha sido la integración explícita del enfoque de Evidence-Centered Design (ECD) como marco estructurante del proceso de generación y análisis de ítems. Este enfoque ha permitido reducir la variabilidad no deseada en los ítems generados por IA y ha demostrado ser un mecanismo eficaz de control de la validez de contenido, tal como se evidenció en los resultados preliminares del análisis realizado en la PEC 3 .
Finalmente, soy consciente de que estos avances constituyen una base provisional que deberá ser revisada y refinada en la fase de formulación definitiva del TFM, especialmente en lo relativo a la validación psicométrica posterior de los ítems y a la delimitación precisa del alcance del estudio, en coherencia con las exigencias metodológicas del trabajo final .
2. Recursos de interés
Guía de Trabajo del TFM – Máster Universitario de Educación y TIC (UOC)
Este documento es clave para asegurar la coherencia metodológica y formal del proyecto de investigación, así como para alinear el diseño del estudio con los criterios de evaluación del TFM .
UNESCO (2021). AI and education: Guidance for policy-makers.
Este recurso aporta un marco conceptual y ético para el uso de la inteligencia artificial en educación, útil para contextualizar el estudio y justificar su relevancia.
UNESCO (2023). Guidance for generative AI in education and research.
Resulta especialmente pertinente para fundamentar el uso responsable de IA generativa en la construcción de instrumentos de evaluación.
Zawacki-Richter, O., et al. (2019). Systematic review of research on artificial intelligence applications in higher education.
Este artículo ofrece un estado del arte riguroso sobre aplicaciones de IA en educación, y sirve como referencia para situar el estudio en la literatura académica.
Mis PECs de la asignatura (PEC 1, PEC 2 y PEC 3)
Estos materiales constituyen la base empírica y metodológica del futuro TFM, ya que contienen la formulación del problema, el diseño metodológico y los primeros resultados analizados de manera sistemática .
Hola Héctor,
Excelente trabajo! Tu reflexión muestra un avance progresivo y bien argumentado en la definición de tu Trabajo Final de Máster, así como un uso consciente de los distintos elementos trabajados en la asignatura.
En relación con la revisión de la bibliografía, es positivo que destaques el uso sistemático de buscadores académicos y la aplicación de criterios temporales y semánticos para localizar literatura reciente. La referencia a trabajos publicados a partir de 2021 indica una preocupación por la actualidad del campo, algo especialmente relevante en ámbitos como el aprendizaje adaptativo y la inteligencia artificial aplicada a la educación.
Respecto a la formulación de los objetivos, preguntas e hipótesis, es interesante que reconozcas el peso inicial de tu conocimiento profesional en la definición del problema de investigación. Este punto es comprensible y habitual en investigaciones de carácter aplicado. No obstante, conviene seguir reforzando, de cara al TFM, la derivación explícita de los objetivos y preguntas a partir de la literatura revisada, de modo que el planteamiento no dependa únicamente de la experiencia personal, sino que quede claramente anclado en vacíos o tensiones identificadas en la investigación previa.
Me alegro leer que las actividades de la asignatura y el feedback recibido han sido bien aprovechados como mecanismo de ajuste y mejora progresiva del diseño del TFM.
En cuanto a los recursos de interés, la selección es pertinente y muestra una voluntad de integrar distintos niveles de análisis.
Como punto de mejora, sería recomendable revisar la coherencia global del corpus bibliográfico en relación con el foco principal del trabajo. Algunos estudios citados se centran en educación superior o en el estudiantado, mientras que tu interés parece orientarse al profesorado de secundaria. De cara al TFM, convendría reforzar la bibliografía específica sobre aprendizaje adaptativo, personalización y carga docente en educación secundaria, así como clarificar qué aportan exactamente los estudios sobre IA generativa al núcleo del problema que deseas investigar.
Saludos cordiales,
Dimitrios