e-ISSN: 2992-8184  
RESEÑA  
Urmeneta, A. y Romero, M. (Editores). (2024).  
Creaꢀve Applicaꢀons of Arꢀficial Intelligence in  
Educaꢀon. Palgrave MacMillan  
Humberto Martínez-Camacho  
Universidad Panamericana - Guadalajara (México)  
Recibido: 27/05/2024 ■ Revisado: 31/07/2024 ■ Aceptado: 09/09/2024  
Cómo citar: Marꢁnez-Camacho, H. (2024). Reseña: Creaꢂve Applicaꢂons  
of Arꢂficial Intelligence in Educaꢂon. Revista Estudios de la Información,  
2(2), 141-145. hꢀps://doi.org/10.54167/rei.v2i2.1715  
Resumen. El libro Creaꢀve Applicaꢀons of Arꢀꢁcial Intelligence in  
Educaꢀon, editado por Alex Urmeneta y Margarida Romero, presenta una  
amplia exploración de cómo la Inteligencia Arꢂficial (IA) está  
transformando el ámbito educaꢂvo a través de aplicaciones creaꢂvas. La  
obra está dividida en tres partes y aborda desde aplicaciones generales de  
IA en educación, pasando por implementaciones específicas en la  
educación primaria y secundaria, hasta su uso en la educación superior. En  
cada sección analiza diversos temas que van desde las oportunidades que la IA ofrece para  
personalizar y mejorar el aprendizaje, hasta los desaꢃos éꢂcos, técnicos y pedagógicos que surgen  
con su integración. Además, se enfaꢂza la importancia de mantener un enfoque centrado en el ser  
humano, promoviendo una colaboración equilibrada entre humanos y máquinas para potenciar las  
capacidades educaꢂvas sin desplazar el rol fundamental de los educadores.  
Palabras Clave: Inteligencia arꢂficial, educación K-12, educación superior, aprendizaje basado en  
juegos digitales, inteligencia arꢂficial generaꢂva, inteligencia híbrida, éꢂca en la inteligencia arꢂficial,  
analíꢂcas de aprendizaje, personalización educaꢂva.  
Abstract. The book Creaꢀve Applicaꢀons of Arꢀꢁcial Intelligence in Educaꢀon, edited by Alex  
Urmeneta and Margarida Romero, presents a broad exploraꢂon of how Arꢂficial Intelligence (AI) is  
transforming the educaꢂonal field through creaꢂve applicaꢂons. The book is divided into three parts  
and addresses general applicaꢂons of AI in educaꢂon, specific implementaꢂons in primary and  
secondary educaꢂon, and its use in higher educaꢂon. Each secꢂon analyzes various topics ranging  
from the opportuniꢂes that AI offers to personalize and improve learning, to the ethical, technical,  
and pedagogical challenges that arise with its integraꢂon. In addiꢂon, the importance of maintaining  
a human-centered approach is emphasized, promoꢂng a balanced collaboraꢂon between humans  
and machines to enhance educaꢂonal capabiliꢂes without displacing the fundamental role of  
educators.  
2024 | Revista Estudios de la Información, 2(2), 141-145.  
hꢀps://doi.org/10.54167/rei.v2i2.1715  
141  
Martínez-Camacho, H. (2024)  
Keywords. Arꢂficial intelligence, K-12 educaꢂon, higher educaꢂon, digital game-based learning,  
generaꢂve arꢂficial intelligence, hybrid intelligence, ethics in arꢂficial intelligence, learning analyꢂcs,  
educaꢂonal personalizaꢂon.  
Introducción  
El libro Creaꢀve Applicaꢀons of Arꢀꢁcial Intelligence in Educaꢀon ofrece una exploración en  
profundidad del rol de la Inteligencia Arꢂficial (IA) en la educación a diversos niveles. Esta obra está  
estructurada en tres partes, facilitando una comprensión gradual de sus aplicaciones, desde las más  
generales hasta situaciones más específicas en la educación K-12. Este término, usado en países  
como Australia, Canadá, Ecuador, Estados Unidos, Filipinas y Turquía, se refiere al período educaꢂvo  
que abarca desde el jardín de infantes hasta los 12 años de edad. Finalmente, el texto también  
aborda cómo la IA se integra en la educación superior.  
Parte I: Creaꢀve Applicaꢀons of Arꢀꢁcial Intelligence in Educaꢀon  
En la primera parte del libro, se destacan herramientas como los Chatbots y los sistemas de  
análisis de aprendizaje, que pueden personalizar y mejorar significaꢂvamente la experiencia  
educaꢂva. Por ejemplo, el capítulo sobre Affordances for AI-Enhanced Digital Game-Based Learning  
ilustra cómo la IA puede enriquecer el aprendizaje mediante juegos digitales, ofreciendo  
retroalimentación en ꢂempo real y adaptando los desaꢃos al perfil individual del estudiante  
(Romero, 2023). Este enfoque no solo aumenta la moꢂvación y el compromiso de los estudiantes,  
sino que también facilita un entorno de aprendizaje más dinámico y personalizado.  
Parte II: Arꢀꢁcial Intelligence in K-12 Educaꢀon  
La segunda parte se enfoca en la implementación de la IA en la educación K-12, abordando  
tanto las oportunidades como los desaꢃos específicos de este nivel educaꢂvo. Un capítulo destacado  
es el Manifesto in Defence of Human-Centred Educaꢀon in the Age of Arꢀꢁcial Intelligence, que  
aboga por una integración reflexiva de la IA que priorice el desarrollo humano y la colaboración entre  
docentes y máquinas (Romero, 2023). Este enfoque es importante para evitar una dependencia  
excesiva de la tecnología y asegurar que la IA complemente, en lugar de reemplazar, el rol esencial  
de los educadores. Además, se discuten las implicaciones éꢂcas de la IA en la educación, incluyendo  
la necesidad de políꢂcas robustas que aseguren un uso equitaꢂvo y responsable de estas tecnologías  
(European Commission, 2019).  
La inclusión de estudios de caso, como el proyecto Silva Numerica y la formación en  
mecánica automotriz, proporciona ejemplos concretos de cómo la IA puede ser uꢂlizada para  
modelar entornos de aprendizaje complejos y adaptaꢂvos. Estos estudios ilustran tanto las  
capacidades de la IA para mejorar la formación profesional como las limitaciones inherentes a la  
captura de datos precisos y contextuales necesarios para una integración efecꢂva (Ciavaldini-Cartaut  
et al., 2024).  
Parte III: Arꢀꢁcial Intelligence in Higher Educaꢀon  
La tercera sección del libro estudia el impacto de la IA en la educación superior, analizando  
cómo las universidades pueden aprovechar la IA para personalizar el aprendizaje, opꢂmizar procesos  
2024 | Revista Estudios de la Información, 2(2), 141-145.  
hꢀps://doi.org/10.54167/rei.v2i2.1715  
142  
Martínez-Camacho, H. (2024)  
administraꢂvos y fomentar la invesꢂgación avanzada. El capítulo Generaꢀve Arꢀꢁcial Intelligence in  
Higher Educaꢀon examina el uso de IA generaꢂva en la creación de contenidos educaꢂvos y la  
evaluación automaꢂzada, destacando tanto sus beneficios como las preocupaciones éꢂcas  
relacionadas con la integridad académica y la privacidad de los datos (Romero et al., 2024). Este  
capítulo subraya la importancia de mantener la integridad académica al implementar herramientas  
de evaluación automaꢂzada, proponiendo mecanismos para asegurar la originalidad y la  
autenꢂcidad del trabajo estudianꢂl (Swiecki et al., 2022).  
Aspectos técnicos y su impacto en la educación  
Una de las fortalezas principales del libro es su enfoque equilibrado que combina la  
celebración de las capacidades de la IA con una críꢂca construcꢂva de sus limitaciones y riesgos. Este  
enfoque es esencial para una comprensión completa de cómo la IA puede transformar la educación  
sin comprometer los valores éꢂcos y humanos fundamentales (Montemayor et al., 2022). Por  
ejemplo, en el capítulo sobre formación profesional y vocacional, se discuten los desaꢃos de integrar  
IA en entornos laborales complejos, destacando la importancia de datos fiables y la necesidad de  
mantener el valor educaꢂvo de las experiencias reales (Ciavaldini-Cartaut et al., 2024).  
Además, la obra subraya la importancia de la alfabeꢂzación digital robusta tanto para  
docentes como para estudiantes. La capacitación conꢂnua y el desarrollo profesional son  
presentados como elementos clave para asegurar que todos los actores educaꢂvos puedan  
aprovechar plenamente las herramientas de IA, al mismo ꢂempo que manꢂenen un control críꢂco  
sobre su uso (Chan, 2023; Sabzalieva y Valenꢂni, 2023).  
Limitaciones y áreas de mejora  
Aunque el libro ofrece una visión exhausꢂva, podría beneficiarse de una mayor  
profundización en casos de estudio internacionales más diversos. La mayoría de los estudios  
presentados se centran en contextos europeos, además, una inclusión más amplia de experiencias  
de otras regiones podría enriquecer aún más la discusión, proporcionando una perspecꢂva más  
global sobre la integración de la IA en la educación. Asimismo, si bien se abordan ampliamente los  
aspectos éꢂcos y técnicos, algunos capítulos podrían profundizar más en las estrategias prácꢂcas  
para superar los desaꢃos idenꢂficados, ofreciendo guías más detalladas para la implementación  
efecꢂva de la IA en diferentes contextos educaꢂvos.  
Recomendaciones a parꢀr del libro  
Es recomendable el desarrollo de programas educaꢂvos inclusivos y éꢂcos que integren la  
IA de manera interdisciplinaria, abordando tanto aspectos técnicos como éꢂcos y sociales (Baidoo-  
Anu y Ansah, 2023). Esto incluye promover la parꢂcipación equitaꢂva de estudiantes de diversos  
orígenes para miꢂgar sesgos y asegurar una representación justa en el uso de la IA (Akter et al.,  
2021).  
Además, es importante fomentar la alfabeꢂzación y capacitación en IA mediante la oferta  
de formación conꢂnua para docentes y estudiantes sobre los fundamentos de la IA y sus aplicaciones  
prácꢂcas en contextos educaꢂvos (Romero, 2024). Además, se deben desarrollar recursos  
educaꢂvos que faciliten una comprensión profunda de la IA, uꢂlizando acꢂvidades prácꢂcas y  
ejemplos contextualizados (Sabzalieva y Valenꢂni, 2023).  
2024 | Revista Estudios de la Información, 2(2), 141-145.  
hꢀps://doi.org/10.54167/rei.v2i2.1715  
143  
Martínez-Camacho, H. (2024)  
Otra recomendación es la promoción de la colaboración y el emprendimiento en IA, creando  
espacios colaboraꢂvos donde estudiantes y docentes puedan desarrollar proyectos innovadores  
uꢂlizando herramientas de IA (Chan, 2023). Asimismo, apoyar iniciaꢂvas de emprendimiento que  
empoderen a los estudiantes para crear soluciones basadas en IA que aborden desaꢃos sociales y  
sostenibles es fundamental (Tedre et al., 2023).  
Desde otra perspecꢂva, es necesario establecer políꢂcas de gobernanza robustas que  
aseguren el uso éꢂco y responsable de la IA, alineadas con regulaciones internacionales como la AI  
Act de la Unión Europea (European Commission, 2019) y la Recommendaꢀon of the Council on  
Arꢀꢁcial Intelligence (OECD, 2019). Esto incluye garanꢂzar la transparencia y la responsabilidad en  
el uso de la IA, estableciendo protocolos claros para la gesꢂón de datos y la protección de la  
privacidad (Helberger y Diakopoulos, 2023).  
La implementación de mecanismos de monitoreo y evaluación también es esencial. Se  
recomienda establecer sistemas de monitoreo conꢂnuo para evaluar la efecꢂvidad y el impacto de  
la IA en los entornos educaꢂvos (Swiecki et al., 2022). Además, uꢂlizar analíꢂcas de aprendizaje y  
Machine Learning para adaptar y personalizar las experiencias de aprendizaje, mejorando así los  
resultados educaꢂvos (Liꢀlejohn, 2017).  
Finalmente, es imperaꢂvo fomentar la inteligencia híbrida y la co-creaꢂvidad humano-IA,  
promoviendo la colaboración entre humanos y máquinas para potenciar las capacidades  
intelectuales y creaꢂvas de los estudiantes (Akata et al., 2020). Se deben desarrollar herramientas y  
metodologías que faciliten la co-creación de conocimientos entre humanos y sistemas de IA,  
fomentando una relación con una perspecꢂva simbióꢂca (Wu et al., 2021).  
Conclusión  
Creaꢀve Applicaꢀons of Arꢀꢁcial Intelligence in Educaꢀon proporciona un marco sólido y  
detallado para entender y aplicar la IA en la educación de manera creaꢂva y responsable. Su enfoque  
técnico y su análisis críꢂco lo convierten en una lectura esencial para aquellos interesados en el  
futuro de la educación en la era digital, ofreciendo tanto perspecꢂvas teóricas como aplicaciones  
prácꢂcas que pueden guiar la integración efecꢂva y éꢂca de la IA en diversos contextos educaꢂvos.  
Referencias  
Akata, Z., Balliet, D., De Rijke, M., Dignum, F., Dignum, V., Eiben, G. ... y Urmeneta, A. (2020). A  
research agenda for hybrid intelligence: Augmenꢂng human intellect with collaboraꢂve,  
adapꢂve, responsible, and explainable arꢂficial intelligence. Computer, 53(8), 18–28.  
hꢀps://doi.org/10.1109/MC.2020.2996587  
Akter, S., McCarthy, G., Sajib, S., Michael, K., Dwivedi, Y. K., D’Ambra, J. y Shen, K. N. (2021).  
Algorithmic bias in data-driven innovaꢂon in the age of AI. Internaꢀonal Journal of  
Informaꢀon Management, 60, 102387. hꢀps://doi.org/10.1016/j.ijinfomgt.2021.102387  
Baidoo-Anu, D. y Ansah, L. O. (2023). Educaꢂon in the era of generaꢂve arꢂficial intelligence (AI):  
Understanding the potenꢂal benefits of ChatGPT in promoꢂng teaching and learning.  
Journal of AI, 7(1), 52–62. hꢀps://doi.org/10.2139/ssrn.4337484  
Chan, C. K. Y. (2023). A comprehensive AI policy educaꢂon framework for university teaching and  
learning. Internaꢂonal. Journal of Educaꢀonal Technology in Higher Educaꢀon, 20(1), 38.  
hꢀps://doi.org/10.1186/s41239-023-00408-3  
2024 | Revista Estudios de la Información, 2(2), 141-145.  
hꢀps://doi.org/10.54167/rei.v2i2.1715  
144  
       
Martínez-Camacho, H. (2024)  
Ciavaldini-Cartaut, S., Métral, J.-F., Olry, P., Guidoni-Stoltz, D. y Gagneur, C.-A. (2024). Arꢂficial  
Intelligence in Professional and Vocaꢂonal Training. En A. Urmeneta y M. Romero (Eds.),  
Creaꢀve Applicaꢀons of Arꢀꢁcial Intelligence in Educaꢀon (pp. 145–177). Springer Open.  
hꢀps://doi.org/10.1007/978-3-031-55272-4_11  
European Commission. (2019). Ethics guidelines for trustworthy AI. hꢀps://digital-  
strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai  
Helberger, N. y Diakopoulos, N. (2023). ChatGPT and the AI act. Internet Policy Review, 12(1).  
hꢀps://doi.org/10.14763/2023.1.1682  
Liꢀlejohn, A. (2017). Learning and work: Professional learning analyꢂcs. En C. Lang, G. Siemens, A.  
Wise y D. Gasevic (Eds.), Handbook of learning analyꢀcs (pp. 268–276). SOLAR.  
hꢀps://www.solaresearch.org/publicaꢂons/hla-17  
Montemayor, C., Halpern, J. y Fairweather, A. (2022). In principle obstacles for empathic AI: Why we  
can’t replace human empathy in healthcare. AI & Society, 37(4), 1353–1359.  
hꢀps://doi.org/10.1007/s00146-021-01255-4  
OECD. (2019). Recommendaꢀon of the Council on Arꢀꢁcial Intelligence. OECD Legal Instruments.  
hꢀps://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449  
Romero, M. (2023). Lifelong learning challenges in the era of arꢀꢁcial intelligence: A computaꢀonal  
thinking perspecꢀve. 12th Internaꢂonal Research Meeꢂng in Business and Management.  
hꢀps://hal.science/hal-04593512/document  
Romero, M., Laferriere, T. y Power, T. M. (2016). The move is on! From the passive mulꢂmedia learner  
to  
the  
engaged  
co-creator.  
eLearn  
Magazine,  
(3),  
1-8.  
hꢀps://doi.org/10.1145/2904374.2893358  
Sabzalieva, E. y Valenꢂni, A. (2023). ChatGPT and arꢀꢁcial intelligence in higher educaꢀon: Quick  
start guide. UNESCO. hꢀps://unesdoc.unesco.org/ark:/48223/pf0000385146  
Swiecki, Z., Khosravi, H., Chen, G., Marꢂnez-Maldonado, R., Lodge, J. M., Milligan, S., ... y Romero,  
M. (2022). Assessment in the age of arꢂficial intelligence. Computers and Educaꢀon:  
Arꢀꢁcial Intelligence, 3, 100075. hꢀps://doi.org/10.1016/j.caeai.2022.100075  
Tedre, M., Mäkitalo, K., Varꢂainen, H., Kahila, J., Laru, J. y Iwata, M. (2023). Generaꢂon AI:  
Parꢂcipatory machine learning co-design projects with K-9 students in Finland. En  
Proceedings of the 2023 Conference on Innovaꢀon and Technology in Computer Science  
Educaꢀon (pp. 657–657). IEEE. hꢀps://ꢂnyurl.com/27sw54dd  
Wu, Z., Ji, D., Yu, K., Zeng, X., Wu, D. y Shidujaman, M. (2021). AI creaꢂvity and the human-AI co-  
creaꢂon model. En M. Kurosu (Ed.), Human-computer interacꢀon: Theory, methods and  
tools. HCII 2021. Lecture Notes in Computer Science (Vol. 12762). Springer.  
hꢀps://doi.org/10.1007/978-3-030-78462-1_13  
2024 | Revista Estudios de la Información, 2(2), 141-145.  
hꢀps://doi.org/10.54167/rei.v2i2.1715  
145