Oportunitats i reptes de la IAG en la pràctica docent
De la teoria a l’acció: ara que sabem què és i quines competències necessitem, com ho fem a l’aula?
Aquesta entrada de blog forma part d’una sèrie dedicada a la Intel·ligència Artificial Generativa (IAG) en l’educació, on, pas a pas, construïm el marc conceptual, competencial i pràctic necessari per integrar-la a la docència de manera crítica i responsable.
Primer vam explorar la diferència fonamental entre la IA i la IAG: vam entendre com funcionen els models de llenguatge gran (LLM), quines limitacions presenten —les al·lucinacions, els biaixos, la data de tall— i per què és imprescindible no confondre la capacitat de generar text fluid amb la comprensió real. Posteriorment, vam analitzar les competències digitals que els docents han de desenvolupar per navegar aquesta nova realitat: el marc DigCompEdu, el referent UNESCO i el model GenAI-TPACK ens van oferir una guia per situar-nos i créixer professionalment.
Ara és el moment de fer el pas següent. Entendre la IAG i saber quines competències necessitem és condició necessària, però no suficient: la pregunta que realment transforma la pràctica és una altra. Com integrem la IAG a les nostres aules de manera que generi valor real per a l’aprenentatge? I, alhora: Quins riscos hem de tenir presents per no caure en un entusiasme acrític ni en un rebuig infundat?
En aquesta entrada abordem de manera pràctica les oportunitats i els reptes que planteja la intel·ligència artificial generativa en el dia a dia docent: des de la personalització de l’aprenentatge i la retroacció automatitzada fins als dilemes sobre l’autoria, l’avaluació i l’equitat. Perquè la IAG ja és a les aules —a la butxaca dels estudiants, en les seves rutines— i la millor manera de gestionar-la no és ignorar-la, sinó entendre-la prou bé per posar-la al servei d’una educació més rica, crítica i humana.
💡 Per saber-ne més Si encara no coneixes les bases de la IAG, et recomanem el vídeo de Henrik Kniberg "Generative AI in a Nutshell", una explicació visual i molt accessible sobre com funcionen els models de llenguatge generatius i com fer-los servir. |
1. Oportunitats per a l'ensenyament
Analitzem a continuació tres eixos on la IAG pot transformar la pràctica docent universitària: la planificació, la creació de continguts i l'avaluació dels aprenentatges.
1.1 Planificar la docència
La incorporació d'eines d'IAG obre noves possibilitats per a la planificació docent al nivell universitari. Mitjançant generadors de contingut i assistents d'IA, els docents poden dissenyar propostes de programació i activitats adaptades a perfils d'estudiants o fins i tot obtenir suggeriments de recursos —articles, vídeos, simulacions— alineats amb els objectius d'aprenentatge.
Aquest suport no suplanta el criteri pedagògic del docent, sinó que li permet dedicar més temps a reflexionar sobre la intencionalitat didàctica, a personalitzar l'enfocament i a anticipar adaptacions per a estudiants amb necessitats d'aprenentatge diferenciat. La IAG també pot facilitar la simulació de seqüències d'aprenentatge i ajudar a optimitzar l'ús del temps de classe —presencial, híbrid o en línia— i fora de classe. Amb això, es potencia una planificació més flexible i centrada en l’estudian.
📋Supòsit pràctic
Imagina que ets docent d'un curs de Fonaments de Dret Constitucional i has de dissenyar una nova seqüència didàctica sobre drets fonamentals. Pots demanar a ChatGPT o Claude: "Dissenya una seqüència de 4 sessions de 2 hores cadascuna per a estudiants de primer curs de grau en Dret sobre els drets fonamentals a la Constitució Espanyola. Inclou objectius d'aprenentatge, activitats d'aprenentatge actiu i suggeriments de recursos". El resultat és un primer esborrany que pots revisar, completar i adaptar al teu context específic en molt menys temps que partint de zero.
Eines útils: ChatGPT, Claude, Copilot for Education
Recursos d'interès:
Guia de la UB sobre IA i docència
EDUCAUSE: AI in Higher Education
1.2 Crear contingut didàctic
Un cop definida la planificació, la fase de disseny de materials es veu clarament transformada per la IAG. Generadors de text, imatge o multimèdia basats en IA poden ajudar a crear esquemes de contingut, resums automàtics, qüestionaris de pràctica, estudis de cas, rúbriques d'avaluació o simulacions interactives.
Això permet al docent iterar més ràpidament i destinar esforços a vetllar per la qualitat educativa, l'autenticitat de l'activitat i la coherència entre objectius, activitats i avaluació. A més, la IAG pot reduir la càrrega de treball repetitiva, com ara la generació de versions diverses del mateix contingut o formats multimèdia del mateix material per fer-lo més inclusiu.
Així, la creació de contingut didàctic esdevé més eficient i pot incloure més creativitat i personalització.
📋Supòsit pràctic
Una professora de Bioquímica vol preparar una pràctica de laboratori virtual per als seus estudiants. Fa servir Canva Magic per generar material visual explicatiu i posteriorment demana a Claude que generi un qüestionari de comprensió prèvia a la pràctica, amb preguntes de múltiple resposta ordenades per nivell de dificultat. En menys d'una hora té un paquet de materials complet, coherent i visualment atractiu.
Per a generació de text: Claude, ChatGPT, Gemini
Per a imatges i presentacions: Canva Magic, Microsoft Designer
Per a simulacions i jocs: Quizlet AI, Formative
Recursos d'interès:
Guia UNESCO sobre IA i pedagogia
1.3 Avaluar els aprenentatges
La fase d'avaluació és un camp en què la IAG ofereix oportunitats molt rellevants, sobretot en termes de retroacció, adaptativitat i eficiència. Les eines d'IAG poden automatitzar la generació de rúbriques, analitzar treballs —textos, codis, lliuraments multimèdia— per identificar patrons d'aprenentatge i suggerir retroacció personalitzada, i fins i tot permetre models d'avaluació formativa de procés (process-oriented) en lloc de centrar-se únicament en productes finals.
Això allibera temps al docent per dedicar-se a la qualitat de la retroacció i al diàleg amb l'estudiant, i augmenta la possibilitat de seguiment i suport individualitzat. A més, la IAG pot ajudar a detectar avanços de l'aprenentatge adaptatiu i permet seguir trajectòries diferenciades dels estudiants i oferir intervencions oportunes.
📋Supòsit pràctic
Un professor d'Arquitectura de Computadors rep 80 pràctiques de codi cada setmana. Configura un assistent d'IA que analitza el codi dels estudiants, detecta errors recurrents i genera un informe de retroacció personalitzat per a cadascun, destacant els punts forts i els aspectes a millorar. El professor revisa una selecció representativa i dedica el temps de tutoria als casos més complexos. El resultat: menys temps per corregir, retroacció més ràpida i qualitat docent superior.
Gradescope (IA per a correcció)
Article: AI Feedback in Higher Education (Taylor & Francis)
2. Oportunitats per a l'aprenentatge
La IAG no tan sols transforma la tasca del docent: també obre un nou panorama per a l'experiència d'aprenentatge dels estudiants. A continuació s'analitzen tres dimensions: la personalització, la tutorització contínua i la retroacció automatitzada.
2.1 Personalització de l'aprenentatge
La IAG ofereix la possibilitat d'avançar cap a un aprenentatge veritablement personalitzat. Gràcies als sistemes de recomanació i a la generació adaptativa de continguts, els estudiants poden rebre explicacions, exemples i exercicis ajustats al seu nivell i ritme de progrés. Cada estudiant pot disposar d'un itinerari flexible i autònom, en el qual la IAG actua com a mediadora entre la complexitat del coneixement i les necessitats individuals.
La personalització no es limita al contingut: els assistents generatius poden adaptar el registre lingüístic, el grau de formalitat o la modalitat —textual, oral, visual— i, d'aquesta manera, ampliar l'accessibilitat i l'equitat educativa, beneficiant especialment els estudiants amb necessitats específiques o amb un domini inicial baix de la llengua vehicular.
📋Supòsit pràctic
Una estudiant internacional de màster de Gestió Empresarial té dificultats per seguir les classes per qüestions idiomàtiques. Fa servir Claude per demanar explicacions dels conceptes clau de les sessions en la seva llengua materna, obtenint exemples culturalment propers i vocabulari especialitzat adaptat. Paral·lelament, el sistema detecta les seves llacunes conceptuals i li suggereix recursos addicionals en ordre de complexitat creixent.
2.2 Tutorització 24/7
Els xatbots i els assistents generatius converteixen l'aprenentatge en un procés continu, més enllà de l'horari i l'espai universitari. L'estudiant pot mantenir converses en temps real amb models d'IAG per resoldre dubtes, practicar habilitats, simular situacions professionals o revisar continguts en qualsevol moment del dia.
Aquesta tutorització constant no pretén substituir la figura docent, sinó ampliar-la: la IAG pot oferir un primer nivell de suport immediat i deixar al professorat el rol d'acompanyament pedagògic, orientació crítica i seguiment personal. A més, la conversa amb IAG fomenta l'aprenentatge autoregulat, ja que l'estudiant pot experimentar, equivocar-se i rebre retroacció instantània sense la pressió social d'un context de classe.
📋Supòsit pràctic
Un estudiant de Medicina es prepara per a l'examen MIR a les 23h un diumenge. A través de Claude, simula una consulta amb un pacient virtual que presenta símptomes d'infart agut de miocardi. L'assistent li formula preguntes, li proporciona dades de proves complementàries i avalua el seu raonament clínic pas a pas. El docent, l'endemà, revisa el registre de la conversa i pot orientar l'estudiant sobre els aspectes que cal millorar.
Recursos d'interès:
Informe UNESCO sobre competències IA per al professorat (2024)
2.3 Retroacció automatitzada
Les eines d'IAG permeten desenvolupar sistemes d'avaluació més dinàmics, continus i orientats al procés d'aprenentatge. En lloc de limitar-se a la correcció de respostes, aquests sistemes poden analitzar patrons discursius, estructures argumentatives o estratègies de resolució, oferint retroacció instantània i personalitzada. Això ajuda l'estudiant a comprendre els seus punts forts i febles i a millorar de manera autònoma.
La combinació de models d'IA amb l'anàlisi de dades d'aprenentatge (learning analytics) facilita un seguiment més fi i equitatiu del progrés. Quan s'aplica amb criteris ètics i transparents, l'avaluació automatitzada pot alliberar temps docent, reduir la subjectivitat i afavorir una cultura de la retroacció constructiva i immediata.
📋Supòsit pràctic
En un curs de Redacció Acadèmica en anglès, l'estudiant lliura el primer esborrany del seu assaig a través d'una plataforma integrada amb IA. En menys de 5 minuts rep un informe detallat sobre la coherència del seu argument, la precisió del vocabulari, la varietat sintàctica i els errors gramaticals, amb exemples de com millorar cada aspecte. La professora revisa el resultat i afegeix comentaris personals de caire estratègic i motivador.
Grammarly Business (revisió i retroacció)
Writefull per a Overleaf (textos acadèmics)
3. Consideracions ètiques i bones pràctiques
L'adopció de la IAG en la docència universitària requereix una reflexió profunda sobre integritat acadèmica, privacitat, equitat i transparència. No totes les eines garanteixen la mateixa seguretat en el tractament de dades, i és fonamental que els docents coneguin les polítiques de les plataformes que utilitzen i les de la seva institució.
Integritat acadèmica: cal definir clarament quins usos de la IAG estan permesos en cada activitat i comunicar-ho als estudiants.
Transparència: tant docents com estudiants han de declarar quan fan servir eines de IAG en la creació de continguts.
Privacitat: no s'ha de compartir informació personal o sensible dels estudiants amb plataformes externes sense el seu consentiment i sense verificar el compliment del RGPD.
Equitat digital: cal garantir que tots els estudiants tinguin accés equitatiu a les eines emprades i que no s'ampliïn les bretxes existents.
Pensament crític: la IAG ha d'estimular el pensament crític, no substituir-lo. La supervisió docent és indispensable per evitar la dependència acrítica.
💡 Recursos institucionals sobre IA i ètica |
4. Conclusió: la IAG com a aliat pedagògic
La intel·ligència artificial generativa no és una amenaça per a la docència universitària: és, ben incorporada, un aliat pedagògic de primer ordre. Com hem vist, ofereix oportunitats tangibles en els sis eixos analitzats: planificació, creació de continguts, avaluació, personalització, tutorització i retroacció.
La clau és abordar-la amb criteri pedagògic, consciència ètica i voluntat d'experimentació. No cal ser expert en tecnologia per començar: n'hi ha prou amb formular una bona pregunta a un assistent d'IA i reflexionar sobre la qualitat de la resposta. La docència universitària del segle XXI demana professionals que sàpiguen integrar críticament les noves eines en el seu repertori didàctic, sense renunciar als valors fonamentals de la pedagogia: el diàleg, l'exigència intel·lectual i l'atenció a la persona.
Reptes de la IAG en la pràctica docent universitària
Fins aquí hem explorat les oportunitats que la Intel·ligència Artificial Generativa ens ofereix com a docents universitaris. En aquesta segona part, ens endinsarem en els sis grans reptes que defineixen aquest moment de canvi. Ho fem sense pessimisme tecnofòbic ni entusiasme acrític, sinó amb una mirada honesta i pràctica sobre el que significa ensenyar a la universitat en l'era de la IAG.
Repte 1: Formació en competència digital docent (CDD)
El primer gran repte és, potser, el més personal: la formació del professorat. No n'hi ha prou de saber que existeix el ChatGPT o que els estudiants l'utilitzen. Cal comprendre com funcionen aquestes eines, quins límits i biaixos tenen, i, sobretot, com s'integren de manera pedagògicament significativa en el disseny de les nostres assignatures.
En una entrada del blog anterior ja vam parlar del marc de referència per a aquesta formació què es tracta del model TPACK (Technological Pedagogical Content Knowledge), que proposa la intersecció entre el saber disciplinari, el saber pedagògic i el saber tecnològic com a lloc on neix una bona pràctica docent digital. En el context de la IAG, això significa que no n'hi ha prou de fer un curs de "com fer servir el ChatGPT": cal una formació que connecti les eines generatives amb la nostra matèria i amb la nostra manera d'ensenyar.
Aquesta formació hauria d'incloure aspectes com el disseny de prompts pedagògicament orientats, la cocreació d'activitats híbrides (humanes i assistides per IA), el disseny d'avaluacions autèntiques que tinguin sentit en un context d'IA disponible, i la dimensió ètica de tot plegat.
📋 Supòsit pràctic
Imaginem una professora de Dret a tercer curs de grau. Fins ara, els seus estudiants feien treballs de recerca jurídica on havien de buscar, seleccionar i sintetitzar jurisprudència. Ara, amb eines de IAG, els estudiants poden generar resums automàtics de sentències en qüestió de segons.
En comptes de prohibir la IAG, la professora redissenyà l'activitat: els estudiants han d'usar una eina de IAG per obtenir un primer esborrany d'anàlisi, però tot seguit han d'identificar tres errors o llacunes en el resultat, corregir-los amb fonts primàries i justificar les seves correccions. Aquesta activitat exigeix un nivell cognitiu superior al de la recerca original i, a més, desenvolupa pensament crític i literacitat en IAG al mateix temps.
Recursos per aprofundir:
Marc de Competència Digital Docent (INTEF)
TPACK.org - El marc teòric original
Repte 2: Actualització i capacitat d'adaptació constant
El segon repte és estructural: la velocitat amb la qual evolucionen les tecnologies generatives fa que qualsevol habilitat adquirida pugui quedar obsoleta en pocs mesos. GPT-4 ha estat superat per versions successives, han aparegut eines especialitzades per a cada disciplina, i noves funcionalitats —com l'anàlisi de documents, la generació d'imatges o la connexió a internet en temps real— s'incorporen de manera contínua.
Davant d'això, la solució no pot ser "aprendre una eina" sinó desenvolupar una mentalitat d'aprenentatge continu i adaptatiu. Les universitats necessiten estructures que facilitin aquest aprenentatge: comunitats de pràctica entre docents, espais d'intercanvi d'experiències, i temps institucional dedicat a la innovació docent.
La clau no és estar al dia de totes les eines, sinó saber avaluar noves eines amb rapidesa i transferir aprenentatges d'una a una altra. Un docent que ha entès els principis de com funciona la generació de text per IA pot adaptar-se a un nou model en poc temps, perquè comprèn el substrat comú.
📋 Supòsit pràctic
Un departament de Ciències de l'Educació crea un grup de treball mensual on els docents es reuneixen durant 90 minuts per compartir una eina o estratègia nova que hagin provat a l'aula. No cal que hagi funcionat perfectament: precisament les experiències fallides generen les converses més enriquidores.
En tres mesos, el grup ha documentat vuit estratègies d'integració de IAG i ha identificat patrons comuns entre disciplines molt diferents. Aquesta intel·ligència col·lectiva permet a cadascú adaptar el que ha après dels altres al seu context específic.
Recursos d'interès:
Teacherz AI - Comunitat de docents i IA
AI for Education (A4E) - Recursos i comunitat internacional
There’s an AI fort that
Repte 3: Reconfiguració del rol docent
Potser el repte més profund és el que toca directament la identitat professional: si una eina de IAG pot explicar un concepte, generar exemples, respondre preguntes i fins i tot avaluar produccions, quin és el valor afegit del professor o professora?
La resposta no és senzilla, però és clara: el valor docent resideix en allò que les màquines no poden fer. La IAG no pot acompanyar un estudiant en un moment de bloqueig emocional, no pot detectar que darrera d'un treball mediocre hi ha una crisi personal, no pot crear un vincle de confiança que motivi l'aprenentatge a llarg termini. I, sobretot, no pot fer allò que és el cor de l'educació superior: ajudar a formular bones preguntes, desenvolupar pensament crític contextualitzat i connectar el saber acadèmic amb la realitat social i ètica.
El nou rol docent implica convertir-se en dissenyador d'experiències d'aprenentatge, curador crític de continguts i mentor de pensament crític. Significa guiar els estudiants no a obtenir respostes, sinó a saber avaluar la qualitat d'una resposta.
📋 Supòsit pràctic
Un professor de Filosofia a la Facultat d'Humanitats proposa als seus estudiants un debat estructurat: per un costat, l'estudiant defensa una tesi. Per l'altre, una eina de IAG (que l'estudiant ha configurat i alimentat) defensa la tesi contrària.
El professor no avalua qui "guanya" el debat, sinó la qualitat dels arguments, la capacitat de l'estudiant d'anticipar objeccions i la reflexió metacognitiva posterior sobre com la IAG ha argumentat i en quins aspectes s'ha quedat curta. El professor actua com a moderador i com a referència de judici crític.
Recursos per aprofundir:
"Teach with Generative AI - Harvard teaching resources
Podcast Educació i Tecnologia de la UOC
Framework UNESCO: Competències docents per a l'era de la IA
Repte 4: Literacitat en IAG de l'alumnat
Els nostres estudiants utilitzen la IAG, però sovint sense una comprensió real del que és i del que fa. Copien respostes de ChatGPT sense saber que pot al·lucinar dades, que té biaixos incorporats als seus conjunts d'entrenament, o que el text que genera sona convincent independentment de si és verídic.
Com a docents universitaris, tenim la responsabilitat d'incorporar la literacitat en IAG com una competència transversal de les nostres assignatures. Això no vol dir fer un tema separat sobre "com funciona la IA": vol dir integrar la reflexió crítica sobre les eines al llarg de l'assignatura, en activitats concretes i contextualitzades a la disciplina.
Quines habilitats necessita un estudiant universitari per ser literalment competent amb la IAG? Almenys aquestes: saber validar les fonts que una eina generativa proposa, identificar possibles biaixos en els resultats, avaluar la fiabilitat i completesa de la informació generada, i prendre posicions ètiques sobre quan i com usar IA en el seu treball acadèmic i, en un futur, professional.
📋 Supòsit pràctic
En una assignatura de Periodisme Digital, la professora planteja una activitat de "verificació inversa": els estudiants reben un article generat per IAG amb errors deliberadament incorporats (dades incorrectes, cites falses, fonts inexistents) i han de detectar-los usant eines de fact-checking i bases de dades acadèmiques.
L'activitat no és sobre "com no fer servir la IA" sinó sobre com ser un professional que usa la IA de manera responsable. Al final, cada estudiant redacta un protocol personal d'ús ètic de la IAG per al treball periodístic.
Recursos destacats:
"Artificial Intelligence in Education" - Iniciativa de l'ISTE (International Society for Technology in Education)
Day of AI - Recursos educatius de lliure accés del MIT
Guia UNESCO sobre ètica de la IA per a estudiants
Repte 5: Integració pedagògica significativa
Potser el repte tècnicament més complex és el de la integració pedagògica. Existeix el risc que la IAG s'incorpori a l'aula universitària com una eina decorativa o anecdòtica: "ara farem servir el ChatGPT per generar un resum" sense que això tingui un propòsit pedagògic clar ni estigui connectat als objectius d'aprenentatge de l'assignatura.
Una integració pedagògica significativa és aquella en la qual la IAG actua com a mediador actiu del procés d'aprenentatge: no substitueix el pensament de l'estudiant sinó que el provoca, el desafia i l'enriqueix. Això requereix redissenyar les seqüències d'ensenyament-aprenentatge des d'una perspectiva nova.
La pregunta que hauria de guiar el disseny no és "com puc incorporar la IA a aquesta activitat que ja tenia?" sinó "quines activitats d'aprenentatge d'alt ordre cognitiu puc dissenyar ara que tinc aquest mediador disponible?". Això implica moure's cap a tasques que impliquin anàlisi crítica, síntesi creativa, avaluació i creació, en lloc de tasques reproductives que la IA pot fer directament.
Un aspecte sovint descuidat és la necessitat de repensar l'avaluació. Si una eina de IAG pot completar perfectament una tasca determinada, potser aquella tasca no és la millor manera d'avaluar el que volem avaluar. L'avaluació formativa, l'autoavaluació guiada i les rúbriques orientades al procés guanyen una importància cabdal.
📋 Supòsit pràctic
En una assignatura de Màster en Gestió Empresarial, el professor proposa als estudiants que facin servir una eina de IAG per generar tres estratègies de llançament de producte per a un cas d'empresa real. Però l'activitat no acaba aquí: cada equip ha d'analitzar les estratègies generades, identificar-ne les mancances (context local, aspectes culturals, dades del mercat específic), i presentar una estratègia millorada que justifiqui les seves decisions.
L'avaluació se centra en la capacitat d'anàlisi crítica i en la justificació de les decisions, no en la qualitat del document final. La IAG ha estat una palanca per elevar el punt de partida, no una drecera per evitar el treball.
Recursos pràctics:
"Generative Artificial Intelligence" - Guia del centre d'innovació educativa de la Universitat de Cornell
Strengthen Your Generative AI Skills - Vanderbilt University
Repte 6: Infraestructura, suport institucional i política universitària
El darrer repte que volem abordar és el que va més enllà de cada docent: el marc institucional. Un professor o professora no pot afrontar sol la integració de la IAG a la docència si la seva institució no l'acompanya amb recursos, polítiques clares i suport tècnic i pedagògic.
Les universitats han de prendre decisions difícils: quines eines de IAG autoritzen o faciliten, com protegeixen les dades dels estudiants, quines polítiques d'ús acceptable estableixen, i com garanteixen que la transformació digital no amplia les desigualtats existents entre estudiants amb accés a tecnologia i estudiants sense accés.
El salt que cal fer és del docent innovador aïllat a la institució que aprèn i s'adapta col·lectivament. Això requereix observatoris d'IAG educativa, protocols d'ús ètic, espais d'innovació docent, i una col·laboració real entre les unitats de tecnologia, recerca i docència que sovint treballen en compartiments estancs.
📋 Supòsit pràctic
La Facultat de Ciències de la Salut d'una universitat detecta que el seu alumnat usa habitualment eines de IAG per preparar casos clínics. En comptes de prohibir-les, crea un grup de treball transversal (docents, tècnics en tecnologia educativa, juristes i estudiants) que en sis mesos elabora: (1) una política d'ús de IAG per a la Facultat, (2) un protocol de transparència per als treballs acadèmics, i (3) un curs breu de literacitat en IAG integrat al pla d'estudis.
El resultat no és una prohibició ni una permissivitat total, sinó un marc que permet als docents prendre decisions informades i als estudiants saber clarament quines expectatives hi ha.
Recursos institucionals:
Directrius de la Conferència de Rectors de les Universitats Espanyoles (CRUE) sobre IA
"AI Policy for Higher Education" - Harvard University
Reflexió final: una oportunitat de reinvenció professional
Els sis reptes que hem explorat al llarg d'aquesta entrada no són obstacles davant dels quals rendir-se sinó oportunitats per reinventar-nos professionalment. La IAG ens força a preguntar-nos coses que hauria valgut la pena preguntar-nos fa molt de temps: per a què serveix l'educació superior? Quines habilitats realment volem que els nostres estudiants desenvolupin? Quin és el valor irreemplaçable del docent en el procés d'aprenentatge?
No hi ha respostes úniques ni fórmules màgiques. Cada disciplina, cada context i cada docent trobarà el seu propi camí. Però el que sí que és clar és que aquells que facin aquest camí de manera reflexiva, col·lectiva i pedagògicament fonamentada seran els que millor prepararan els seus estudiants per a un món en el qual la IA serà omnipresent.
I per a això, no cal ser expert en IA. Cal ser expert en aprenentatge.
Resum dels sis reptes
- Formació: adquisició d'una competència digital docent fonamentada i crítica en IAG, que combini saber tècnic, pedagògic i ètic.
- Actualització: desenvolupament professional continu i adopció d'una mentalitat d'experimentació i adaptació constant.
- Nou rol docent: transició cap al paper de dissenyador d'experiències, curador crític i mentor de pensament crític.
- Literacitat de l'alumnat: incorporació de la reflexió crítica sobre la IAG com a competència transversal en les assignatures.
- Integració pedagògica: ús rellevant i coherent de la IAG com a mediador actiu en tasques d'alt ordre cognitiu.
- Infraestructura i suport: construcció d'un marc institucional amb polítiques, recursos i estructures que acompanyin el canvi.
Entrada de blog basada en els continguts formatius de l'Institut de Desenvolupament Professional (IDP) de la Universitat de Barcelona ,específicament en les píndoles formatives sobre Competència docent en Intel·ligència Artificial Generativa, creades per Joan-Tomàs Pujolà.
Material elaborat amb finalitats docents i divulgatives. Els recursos externs enllaçats pertanyen als seus respectius autors.
