Tendencias investigativas sobre la relación entre Inteligencia Artificial y acoso escolar en entornos educativos: revisión teórica
Barra lateral del artículo
Contenido principal del artículo
Resumen
Este artículo presenta una revisión teórica de las tendencias investigativas que articulan el uso de la inteligencia artificial (IA) con el acoso y ciberacoso escolar en contextos educativos. Se realizó una búsqueda en Scopus, Web of Science (Core Collection), ERIC, SciELO, Redalyc y Dialnet, considerando publicaciones entre 2018 y 2025. La estrategia combinó consultas booleanas en español e inglés, normalización de descriptores y ampliación por referencias en cadena; se incluyeron estudios con aplicación educativa explícita (básica y media) y metodología reportada, y se excluyeron duplicados, textos de opinión sin sustento y trabajos fuera del ámbito escolar. Tras el cribado en dos fases (título/resumen y texto completo) y la extracción mediante ficha estandarizada, la síntesis temática identificó cinco tendencias: (1) detección de ciberacoso mediante procesamiento de lenguaje natural y minería de texto; (2) analítica de aprendizaje y modelos predictivos para alerta temprana; (3) chatbots y agentes conversacionales para psicoeducación, reporte y acompañamiento; (4) visión por computador y sensado en espacios escolares, con debates sobre privacidad, proporcionalidad y consentimiento; y (5) percepciones de estudiantes y docentes sobre la IA (confianza, utilidad y ética). El análisis discute condiciones de validez educativa —corpora representativos, explicabilidad, evaluación justa y mitigación de sesgos— y propone un modelo conceptual por capas para integrar estas herramientas con protocolos y rutas institucionales. Se recomienda fortalecer la formación docente y la participación estudiantil informada. Finalmente, se delimitan vacíos para investigación futura, destacando evaluaciones longitudinales, estudios de eficacia en escenarios reales y análisis de efectos no intencionados sobre la convivencia escolar.
Descargas
Detalles del artículo
Sección
Cómo citar
Referencias
Amershi, S., Weld, D., Vorvoreanu, M., Fourney, A., Nushi, B., Collisson, P., Su, H., Iqbal, S., Bennett, P. N., Inkpen, K., Teevan, J., Kikin-Gil, R., y Horvitz, E. (2019). Guidelines for human-AI interaction. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems (CHI '19), 1-13. https://doi.org/10.1145/3290605.3300233 DOI: https://doi.org/10.1145/3290605.3300233
Barredo Arrieta, A., Diaz-Rodriguez, N., Del Ser, J., Bennetot, A., Tabik, S., Barbado, A., Garcia, S., Gil-Lopez, S., Molina, D., Benjamins, R., Chatila, R., y Herrera, F. (2020). Explainable artificial intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI. Information Fusion, 58, 82-115. https://doi.org/10.1016/j.inffus.2019.12.012 DOI: https://doi.org/10.1016/j.inffus.2019.12.012
Council of Europe. (2022). Guidelines on children’s data protection in education settings. Council of Europe. https://www.coe.int/en/web/data-protection/guidelines-education
Crompton, H., Jones, M. V., y Burke, D. (2022). Affordances and challenges of artificial intelligence in K–12 education: A systematic review. Journal of Research on Technology in Education, 1–21. https://doi.org/10.1080/15391523.2022.2121344 DOI: https://doi.org/10.1080/15391523.2022.2121344
Elsafoury, A., Palade, V., y Ellahham, S. (2021). A comprehensive survey on automated detection of cyberbullying: Progress and challenges. IEEE Access, 9, 106247–106270. https://doi.org/10.1109/ACCESS.2021.3100428 DOI: https://doi.org/10.1109/ACCESS.2021.3098979
Gabrielli, S., Rizzi, S., Carbone, S., y Donisi, V. (2020). A chatbot-based coaching intervention for adolescents to promote life skills: Pilot randomized controlled trial. JMIR Human Factors, 7(1), e16762. https://doi.org/10.2196/16762 DOI: https://doi.org/10.2196/16762
Hasan, M., Parde, N., y Yu, D. (2023). A comprehensive survey of automatic cyberbullying detection. Future Internet, 15(5), 179. https://doi.org/10.3390/fi15050179 DOI: https://doi.org/10.3390/fi15050179
Kizilcec, R. F. (2024). To advance AI use in education, focus on understanding educators. International Journal of Artificial Intelligence in Education. Advance online publication. https://doi.org/10.1007/s40593-023-00351-4 DOI: https://doi.org/10.1007/s40593-023-00351-4
Lafrance St‑Martin, A., y Villeneuve, F. (2024). Agents conversationnels en contexte scolaire: Défis, opportunités et recommandations. Observatoire international sur les impacts sociétaux de l’IA et du numérique (OBVIA). https://observatoire-ia.ulaval.ca/publications/agents-conversationnels-contexte-scolaire
Menesini, E., y Salmivalli, C. (2017). Bullying in schools: The state of knowledge and effective interventions. Psychology, Health y Medicine, 22(S1), 240–253. https://doi.org/10.1080/13548506.2017.1279740 DOI: https://doi.org/10.1080/13548506.2017.1279740
Mehrabi, N., Morstatter, F., Saxena, N., Lerman, K., y Galstyan, A. (2021). A survey on bias and fairness in machine learning. ACM Computing Surveys, 54(6), 1-35. https://doi.org/10.1145/3457607 DOI: https://doi.org/10.1145/3457607
OECD. (2021). OECD digital education outlook 2021: Pushing the frontiers with AI, blockchain and robots. OECD Publishing. https://doi.org/10.1787/589b283f-en DOI: https://doi.org/10.1787/589b283f-en
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hrobjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., McGuinness, L. A., Stewart, L. A., Thomas, J., Tricco, A. C., Welch, V. A., Whiting, P., y Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71 DOI: https://doi.org/10.1136/bmj.n71
Paul, S., y Saha, S. (2022). CyberBERT: BERT for cyberbullying identification. Multimedia Systems, 28(6), 1897–1904. https://doi.org/10.1007/s00530-020-00710-4 DOI: https://doi.org/10.1007/s00530-020-00710-4
Rosa, H., Pereira, N., Ribeiro, R., Ferreira, P. C., Carvalho, J. P., Oliveira, S., Paulino, P., Simão, A. M. V., y Trancoso, I. (2019). Automatic cyberbullying detection: A systematic review. Computers in Human Behavior, 93, 333–345. https://doi.org/10.1016/j.chb.2018.12.021 DOI: https://doi.org/10.1016/j.chb.2018.12.021
Slade, S., y Prinsloo, P. (2013). Learning analytics: Ethical issues and dilemmas. American Behavioral Scientist, 57(10), 1509-1528. https://doi.org/10.1177/0002764213479366 DOI: https://doi.org/10.1177/0002764213479366
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333-339. https://doi.org/10.1016/j.jbusres.2019.07.039 DOI: https://doi.org/10.1016/j.jbusres.2019.07.039
UNESCO. (2023). Guidance for generative AI in education and research.UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000385723
Van Hee, C., Jacobs, G., Emmery, C., Desmet, B., Lefever, E., Verhoeven, B., De Pauw, G., Daelemans, W., y Hoste, V. (2018). Automatic detection of cyberbullying in social media text. PLOS ONE, 13(10), e0203794. https://doi.org/10.1371/journal.pone.0203794 DOI: https://doi.org/10.1371/journal.pone.0203794
Viberg, O., Hatakka, M., Samuelsen, J., Mavroudi, A., y Gerlič, I. (2024). What explains teachers’ trust in AI in education across six countries? International Journal of Artificial Intelligence in Education. Advance online publication. https://doi.org/10.1007/s40593-023-00376-9 DOI: https://doi.org/10.1007/s40593-023-00376-9
Yi, P., y Zubiaga, A. (2023). Session-based cyberbullying detection in social media: A survey. Online Social Networks and Media, 36, 100250. https://doi.org/10.1016/j.osnem.2023.100250 DOI: https://doi.org/10.1016/j.osnem.2023.100250
Yim, I. H. Y., y Wegerif, R. (2024). Teachers’ perceptions, attitudes, and acceptance of artificial intelligence (AI) educational learning tools: An exploratory study on AI literacy for young students. Futures of Education Research, 3(1), e65. https://doi.org/10.1002/fer3.65 DOI: https://doi.org/10.1002/fer3.65