Avanzando la Calidad Dialógica en Clase: Desarrollo de un Marco de Análisis de Diálogo en el Aula Apoyado por Inteligencia Artificial

Resumen El desarrollo de la inteligencia artificial (IA) mejora significativamente la efectividad de los sistemas de diálogo en el aula, pero su integración en el entorno de aprendizaje sigue siendo un desafío. Para abordar esta brecha, esta investigación presenta un marco para el análisis automático de diálogo inteligente, con la intención de promover diálogos de alta calidad en el aula y facilitar la enseñanza y el aprendizaje. El marco propuesto incluye dos componentes principales: un aula interactiva orientada al diálogo y un sistema de análisis potenciado por inteligencia artificial. Presentamos una síntesis de principios esenciales que deben ser respetados en el aula interactiva orientada al diálogo, vistos a través del prisma de tres dominios clave: el entorno, la comunidad y la enseñanza-aprendizaje. El sistema de IA analizará los diálogos generados en el aula interactiva. La utilización de la retroalimentación obtenida del sistema de IA ayuda a los educadores a ajustar sus estrategias pedagógicas, mejorando así la calidad de los diálogos en el aula. Diálogos de calidad elevada potenciarán recíprocamente el rendimiento del sistema de IA, generando una mejora sostenible para todo el marco. Además, también proponemos “Guía de IA”, una unión de participantes del aula y expertos, que sirve de puente entre el aula y la tecnología para guiar el funcionamiento del sistema de IA. Para la validación del marco, realizamos un estudio empírico que investiga principalmente la efectividad de los principios esenciales procesados y los sistemas de IA. Seleccionamos a 6 maestros en formación que son divididos aleatoriamente en tres grupos. Los tres grupos tienen diferentes niveles de involucramiento en el sistema de IA y cada docente enseña tres lecciones. Registramos y analizamos todos los registros de diálogo docente y también utilizamos cuestionarios para obtener las actitudes de los docentes. Los resultados muestran que la retroalimentación oportuna del sistema de IA puede promover la mejora de la calidad del diálogo, lo que demuestra la efectividad del sistema de análisis de diálogo de IA. Además, los principios esenciales propuestos también muestran un impacto constructivo.