Ensayo crítico de Neil Selwyn (Nordisk tidsskrift for pedagogikk og kritikk, 2024) que cuestiona las narrativas tecno-optimistas. Plantea límites de fondo: lo esencial de enseñar y aprender no es reducible a datos, la IA tiende a reforzar las opresiones sobre estudiantes minorizados, rediseñar la educación para hacerla 'legible por máquina' tiene costos, y la huella ecológica es alta. Concluye llamando a desacelerar y recalibrar el debate.
La voz crítica de referencia: pone límites epistémicos, éticos y ecológicos al entusiasmo. Útil como contrapeso de fondo en todo el corpus.
Cada cita es verbatim de la fuente, con su ubicación. La interpretación, la implicación y las preguntas son lectura propia.
Lo que dice la fuentemany of the basic aspects of teaching and learning cannot be captured reliably in data form
Selwyn marca un límite epistémico: lo esencial de enseñar y aprender no es reducible a datos.
Un sistema que solo ve lo cuantificable optimiza una versión empobrecida de la educación.
¿Qué se pierde cuando la práctica se rediseña para producir datos legibles por la máquina?
Lo que dice la fuenteAI technologies are proving prone to replicating and reinforcing oppressions that minoritized students are likely to regularly encounter during their educational careers
El sesgo no es accidente sino patrón: la IA reproduce y amplifica las opresiones que ya enfrentan los estudiantes minorizados.
Sin intervención deliberada, la IA tiende a profundizar la inequidad, no a corregirla.
¿Qué salvaguarda evita que la herramienta normalice el sesgo a escala?
Lo que dice la fuentethe case for slowing down, scaling back and recalibrating current discussions around AI and education
La conclusión de Selwyn no es prohibir, sino desacelerar: recalibrar una conversación que la urgencia vuelve improductiva.
La velocidad del discurso de adopción es, en sí, un problema de gobernanza.
¿Quién puede permitirse 'ir más lento' y quién no, en la carrera por adoptar IA?