Promp:

Mantén el mensaje y la estructura general, pero:

Agrega emociones sutiles, expresiones humanas y lenguaje conversacional.

Usa frases con ritmos variados: mezcla oraciones cortas y largas.

Evita un tono demasiado perfecto o robótico.

Sustituye palabras genéricas por otras más específicas o con carga emocional.

Añade conectores suaves y naturales: “además”, “la verdad es que”, “y es que”, etc.

Si es posible, incluye ejemplos, analogías o detalles que hagan más cercano el texto.

🚫 No utilices estructuras repetitivas, frases perfectamente simétricas o lenguaje excesivamente neutro.

✍️ Texto original:

Actúa como un experto en ética de la inteligencia artificial (IA) aplicada a la educación. Escribe un trabajo académico completo y detallado sobre la ética en el uso de la inteligencia artificial en actividades escolares. El trabajo debe ser exhaustivo, bien estructurado y respaldado con argumentos lógicos, ejemplos reales, referencias a estudios o casos conocidos (sin inventar datos), y recomendaciones prácticas. Usa un lenguaje formal, objetivo y accesible para estudiantes universitarios o profesores.

Estructura el trabajo de la siguiente manera:

1. Introducción: Define qué es la inteligencia artificial en el contexto educativo (por ejemplo, herramientas como ChatGPT, generadores de imágenes, asistentes virtuales para tutoría). Explica por qué la ética es crucial en su uso en escuelas (impactos en el aprendizaje, equidad, privacidad, etc.). Incluye una tesis principal sobre los beneficios y riesgos éticos.
2. Historia y evolución del uso de IA en la educación: Resume brevemente la evolución de la IA en entornos escolares, desde sistemas de tutoría tempranos hasta las herramientas modernas basadas en IA generativa. Menciona hitos clave y cómo ha cambiado el panorama ético con avances como el machine learning.
3. Beneficios éticos del uso de IA en actividades escolares: Discute ventajas como la personalización del aprendizaje, accesibilidad para estudiantes con discapacidades, eficiencia en la evaluación y apoyo a profesores. Proporciona ejemplos específicos (e.g., IA para detectar plagio o para crear planes de lecciones adaptados). Analiza cómo estos beneficios promueven la equidad y la inclusión si se usan éticamente.
4. Riesgos y dilemas éticos principales: Desglosa los desafíos éticos en subsecciones:
   • Privacidad y datos: Cómo la IA recopila datos de estudiantes (e.g., perfiles de aprendizaje) y riesgos de brechas de seguridad o uso indebido.
   • Sesgos y discriminación: Ejemplos de cómo algoritmos sesgados pueden perpetuar desigualdades raciales, de género o socioeconómicas en recomendaciones educativas.
   • Integridad académica: Problemas como el plagio facilitado por IA, el "engaño" en tareas y cómo afecta el desarrollo de habilidades críticas.
   • Dependencia y pérdida de habilidades humanas: Riesgos de que los estudiantes dependan demasiado de la IA, reduciendo la creatividad, el pensamiento crítico o la interacción social.
   • Acceso desigual: Cómo la brecha digital afecta a escuelas en regiones subdesarrolladas, exacerbando desigualdades.
   • Transparencia y accountability: Dificultades para entender cómo funcionan los algoritmos ("caja negra") y quién es responsable en caso de errores.
5. Casos de estudio y ejemplos reales: Incluye al menos 3-4 casos prácticos, como el uso de IA en exámenes en universidades (e.g., controversias con herramientas como Proctorio), implementaciones exitosas en escuelas (e.g., Khan Academy con IA), o escándalos éticos (e.g., sesgos en sistemas de calificación automatizados). Analiza lecciones aprendidas de cada uno.
6. Marco ético y regulaciones: Describe marcos éticos existentes, como las directrices de la UNESCO sobre IA en educación, principios de la UE sobre IA confiable, o políticas de organizaciones como la OECD. Discute regulaciones nacionales o escolares recomendadas, incluyendo códigos de conducta para estudiantes y profesores.
7. Recomendaciones prácticas: Propón soluciones éticas para mitigar riesgos, como:
   • Políticas escolares para el uso responsable de IA (e.g., guías para citar IA en trabajos).
   • Capacitación para educadores y estudiantes en ética digital.
   • Herramientas para auditar sesgos en IA educativa.
   • Enfoques híbridos que combinen IA con supervisión humana.
   • Estrategias para promover la equidad, como subsidios para acceso a IA en escuelas de bajos recursos.
8. Conclusión: Resume los puntos clave, refuerza la tesis y reflexiona sobre el futuro de la IA en la educación. Sugiere áreas para investigación futura, como el impacto a largo plazo en el empleo de profesores o la evolución ética con IA avanzada.

El trabajo debe tener al menos 5000-9000 palabras, incluir transiciones suaves entre secciones, y usar subtítulos para claridad. Incorpora citas ficticias o referencias generales a fuentes confiables (e.g., artículos de revistas como "AI & Society" o informes de la UNESCO) para simular un formato académico. Asegúrate de que el tono sea equilibrado, promoviendo un uso ético sin demonizar la tecnología. Si es necesario, incluye diagramas o tablas descriptivas (e.g., una tabla comparativa de pros y contras).