De la teoría a la práctica: inteligencia artificial y aprendizaje activo en la docencia de políticas públicas

Autores/as

  • Serxio María Rodríguez Álvarez Universidade de Vigo

DOI:

https://doi.org/10.35869/6244

Palabras clave:

innovación docente, chatgpt, apredizaje activo, inteligencia artificial, políticas públicas, ciencia política

Resumen

Este artículo presenta una experiencia de innovación docente en el Grado en Trabajo Social (Universidade de Vigo) que integra inteligencia artificial generativa, concretamente ChatGPT, en seminarios reducidos orientados a aplicar paradigmas de la decisión pública a problemas reales de política social. Se asume el reto de traducir marcos clásicos como el incrementalismo (Lindblom, 1959, 1979), la racionalidad limitada (Simon, 1947, 1979), la elección racional (Downs, 1957), el modelo del cubo de basura (Cohen, March y Olsen, 1972) y el marco de coaliciones de defensa (Sabatier, 1988), a herramientas operativas para el análisis y la deliberación académica con alumnado no especializado en Ciencia Política. Se implementó un diseño cuasi-experimental pre–post sin grupo control, con observación participante y rúbricas de evaluación, en grupos de un máximo de diez estudiantes organizados en parejas. Los resultados preliminares apuntan a mejoras en precisión conceptual, motivación intrínseca, participación y competencias analíticas y deliberativas, atribuibles a la combinación de metodologías activas, trabajo colaborativo y uso pedagógico de inteligencia artificial. La discusión subraya la necesidad de integrar la inteligencia artificial como mediador praxeológico bajo supervisión docente, con tareas bien diseñadas y criterios de evaluación claros, evitando la externalización cognitiva. Se concluye que esta articulación metodológica fortalece un aprendizaje significativo y transferible a la práctica profesional del Trabajo Social, a la vez que se proponen pautas de uso responsable para consolidar su implementación.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Bardach, E. (2012). A practical guide for policy analysis: The eightfold path to more effective problem solving (4th ed.). CQ Press.

Cabero, J., & Llorente, M. C. (2020). La inteligencia artificial aplicada a la educación: reflexiones sobre sus posibilidades y limitaciones. Pixel-Bit. Revista de Medios y Educación, 59, 7–25.

Cohen, M. D., March, J. G., & Olsen, J. P. (1972). A garbage can model of organizational choice. Administrative Science Quarterly, 17(1), 1–25.

Deci, E., & Ryan, R. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68–78.

Downs, A. (1957). An economic theory of democracy. Harper & Row.

Dunn, W. N. (2018). Public policy analysis: An integrated approach (6th ed.). Routledge.

Howlett, M., & Ramesh, M. (2009). Studying public policy: Policy cycles & policy subsystems (3rd ed.). Oxford University Press.

Kingdon, J. W. (2011). Agendas, alternatives, and public policies (Updated 2nd ed.). Longman.

Lindblom, C. E. (1959). The science of “muddling through”. Public Administration Review, 19(2), 79–88.

Lindblom, C. E. (1979). Still muddling, not yet through. Public Administration Review, 39(6), 517–526.

March, J. G., & Olsen, J. P. (1976). Ambiguity and choice in organizations. Universitetsforlaget.

Ostrom, E. (2005). Understanding institutional diversity. Princeton University Press.

Sabatier, P. A. (1988). An advocacy coalition framework of policy change and the role of policy-oriented learning therein. Policy Sciences, 21(2–3), 129–168.

Simon, H. A. (1947). Administrative behavior: A study of decision-making processes in administrative organization. Macmillan.

Simon, H. A. (1979). Rational decision making in business organizations. The American Economic Review, 69(4), 493–513.

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.

Velasco, L., & Prada, J. (Coords.). (2022). Estrategias de ludificación aplicadas a la enseñanza de la historia (secundaria y universidad). Graó.

Weible, C. M., & Jenkins-Smith, H. C. (2017). The advocacy coalition framework: An approach for the comparative analysis of contentious policy processes. In C. Weible & P. Sabatier (Eds.), Theories of the policy process (4th ed., pp. 189–221). Westview Press.

Zubizarreta, I., & Sánchez-Ancochea, D. (2022). Inteligencia artificial y docencia universitaria: desafíos y oportunidades. Revista de Educación Superior, 51(201), 45–62.

Publicado

2025-12-31

Cómo citar

Rodríguez Álvarez, S. M. (2025). De la teoría a la práctica: inteligencia artificial y aprendizaje activo en la docencia de políticas públicas. International Multidisciplinary Journal CREA, (5). https://doi.org/10.35869/6244

Número

Sección

ARTÍCULO ORIGINAL

Artículos similares

También puede Iniciar una búsqueda de similitud avanzada para este artículo.