Divergent research orientations of affective and emotion concepts in artificial intelligence education through a bibliometric analysis
A través de un análisis bibliométrico de 401 documentos de 2020 a 2025, este estudio revela que, si bien la investigación sobre lo afectivo y la emoción impulsada por la IA ha madurado hacia un ecosistema coherente con una inflexión de crecimiento significativa en 2023, ambos conceptos exhiben orientaciones divergentes —donde la investigación "afectiva" se centra en la práctica educativa y la investigación de la "emoción" en el desarrollo tecnológico—, lo que requiere un Modelo de Producción de Conocimiento Dual propuesto para guiar la colaboración interdisciplinaria.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina el campo de la Inteligencia Artificial en la educación como una enorme y bulliciosa obra de construcción. Durante años, dos grupos diferentes de constructores han estado trabajando en el mismo proyecto: ayudar a los estudiantes a sentirse bien y aprender mejor. Un grupo se hace llamar el equipo "Afectivo", y el otro se hace llamar el equipo de la "Emoción".
Durante mucho tiempo, todos pensaron que estos dos grupos solo estaban usando palabras diferentes para referirse exactamente a lo mismo. Pero este nuevo estudio, que analizó cientos de artículos de investigación de 2020 a 2025, descubrió algo sorprendente: en realidad, están construyendo dos tipos de estructuras muy diferentes.
Aquí está el desglose de lo que encontró el estudio, utilizando analogías sencillas:
1. Los dos planos diferentes
Los investigadores utilizaron un "análisis bibliométrico" (que es como un mapa de alta tecnología que rastrea dónde se conectan las ideas) para ver qué está haciendo realmente cada grupo. Descubrieron que, aunque están en el mismo vecindario, tienen planos distintos:
El equipo de la "Emoción" (Los Ingenieros):
- Qué hacen: Son como técnicos de cámara. Su objetivo principal es construir mejores sensores y cámaras que puedan capturar instantáneamente una foto del rostro de un estudiante o escuchar su voz para adivinar: "¿Está feliz? ¿Está triste?".
- Dónde trabajan: A menudo trabajan en laboratorios o con grupos de prueba genéricos. Les importa la precisión de la cámara.
- La vibra: "¿Puede nuestra máquina detectar este sentimiento ahora mismo?".
El equipo "Afectivo" (Los Educadores):
- Qué hacen: Son como entrenadores de aula. Les importa menos la cámara y más la relación. Quieren saber cómo se siente un estudiante a lo largo de todo un semestre, cuánto valora el aprendizaje y cómo un profesor puede usar la IA para apoyar el estado de ánimo de un estudiante.
- Dónde trabajan: Suelen estar en aulas reales con estudiantes reales (como en la universidad o en educación K-12). Les importa la experiencia.
- La vibra: "¿Cómo ayuda esta herramienta al estudiante a crecer y sentirse apoyado?".
2. Los cuatro vecindarios (Clústeres)
El estudio mapeó todo el campo y descubrió que se ha asentado en cuatro "vecindarios" o clústeres distintos:
- El Laboratorio Tecnológico (Verde): Donde la gente está programando los algoritmos para leer rostros y voces.
- El Aula (Rojo): Donde los profesores están descubriendo cómo usar realmente estas herramientas en las lecciones y currículos.
- El Laboratorio de Psicología (Azul Oscuro): Donde los investigadores realizan experimentos estrictos para ver cómo la IA afecta la ansiedad o la confianza del estudiante.
- La Unidad de Cuidados Especiales (Amarillo): Donde se está probando la IA para ayudar a grupos específicos, como niños con autismo o aquellos con miedos específicos.
3. La explosión de la "GenAI"
El estudio notó una explosión masiva de investigación comenzando en 2023.
- Antes de 2023: La IA era principalmente un observador pasivo. Era como un guardia de seguridad observando a un estudiante a través de una ventana, tratando de adivinar su estado de ánimo basándose en un ceño fruncido.
- Después de 2023 (El cambio de la GenAI): Con el auge de herramientas como ChatGPT, la IA se convirtió en un socio activo. Ya no solo está observando; está hablando. La investigación pasó de "¿Cómo detectamos este sentimiento?" a "¿Cómo podemos tener una conversación que ayude al estudiante a sentirse mejor?". Es como si el guardia de seguridad de repente empezara a tener una charla de apoyo con el estudiante.
4. El descubrimiento del "Conocimiento Dual"
El hallazgo más importante es que la confusión entre las palabras "Afectivo" y "Emoción" no es solo un error; es una señal de dos culturas diferentes.
- Si ves la palabra "Emoción" en un artículo, generalmente significa que los investigadores se centran en el desarrollo tecnológico (hacer la máquina más inteligente).
- Si ves la palabra "Afectivo", generalmente significa que los investigadores se centran en la práctica educativa (hacer que el aula sea mejor).
Los autores llaman a esto el "Modelo de Producción de Conocimiento Dual". Es como darse cuenta de que un grupo está construyendo el motor de un coche (Emoción), mientras que el otro está diseñando la experiencia de conducción para los pasajeros (Afectivo). Ambos son necesarios, pero están haciendo trabajos diferentes.
Resumen
Este documento no dice que la IA esté lista para reemplazar a los profesores o que debamos usar estas herramientas en cada aula mañana mismo. En cambio, simplemente mapea el panorama. Nos dice que el campo ha madurado hacia un ecosistema complejo con cuatro áreas distintas, y que los investigadores de la "Emoción" y los investigadores de lo "Afectivo" son en realidad dos tribus diferentes con objetivos distintos, aunque trabajen en el mismo gran proyecto.
El estudio sugiere que, para que el campo avance, estas dos tribus deben dejar de pensar que son lo mismo y comenzar a colaborar: dejando que los ingenieros construyan mejores motores mientras los educadores diseñan mejores experiencias de conducción.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.