evidoria

← Volver al listado

Buena práctica Importada

Recomendador de formación continua mediante chatbot de IA — Escuela Superior de Formación del Profesorado de Burgenland

Austria · Eisenstadt · Ver el perfil de Austria

Evidencia: Observacional / pre-post Top 28% 60/100 · Pregunte a Evidence Copilot sobre esta práctica

Un estudio revisado por pares, de seis semanas, en la Escuela Superior de Formación del Profesorado de Burgenland (Austria) probó un chatbot de IA que recomienda formación continua a 1.125 docentes: 2.030 interacciones, 85,6% de respuestas correctas, una tasa de fallback del 14,4% y 85% de sentimiento positivo.

4,235 teachers
Docentes elegibles
1,125 teachers
Docentes que usaron el chatbot (15 Apr-31 May 2024)
2,030 interactions
Interacciones válidas registradas (15 Apr-31 May 2024)
1.69 queries/teacher
Media de consultas por docente
85.6 %
Precisión de las respuestas
14.4 %
Tasa de respuesta por defecto ('fallback')
85 %
Sentimiento positivo de los usuarios
0.36 Spearman's rho
Correlación entre especificidad de la consulta y satisfacción
0.012 p-value
Significación estadística de la correlación
2.05 OR
Razón de probabilidades para consultas con palabras clave específicas del dominio

Detalles

Madurez
Piloto
Promotor
University College of Teacher Education Burgenland (Centre for Digital Education)
Período
15 April - 31 May 2024 (field study); published September-October 2025
Región (NUTS)
AT11
Palabras clave
teacher professional development, AI chatbot, higher education

Contexto

Los investigadores Thomas Leitgeb y Michael Leitgeb, del Centre for Digital Education de la University College of Teacher Education Burgenland (Austria), diseñaron y evaluaron un chatbot basado en IA que ofrece a los docentes recomendaciones personalizadas y sensibles al contexto para cursos de desarrollo profesional (PD), fundamentadas en la teoría TPACK y la teoría de la autodeterminación.

Objetivos

La premisa: los catálogos de formación genéricos y uniformes tienen poca adopción porque ignoran la asignatura, la etapa de carrera y las necesidades pedagógicas específicas de cada docente.

Actividades

A lo largo de un despliegue de campo de seis semanas (15 de abril–31 de mayo de 2024), 1125 de los 4235 docentes elegibles utilizaron el chatbot, generando 2030 interacciones válidas (una media de 1,69 consultas por docente), analizadas mediante un diseño de métodos mixtos convergente y paralelo: regresión logística, análisis de correlación y codificación cualitativa de contenido y sentimiento.

Resultados

Los investigadores midieron un 85,6 % de respuestas precisas frente a una tasa de respuesta por defecto ('fallback') del 14,4 % (por debajo del referente del campo, de aproximadamente el 20 %), un 85 % de sentimiento positivo de los usuarios, y una correlación positiva moderada (rho de Spearman = 0,36, p = 0,012) entre la especificidad de la consulta de un docente y su satisfacción con la respuesta; palabras clave específicas del dominio, como 'didáctica digital', prácticamente duplicaron la probabilidad de recibir una valoración positiva (OR = 2,05). Los docentes preguntaban con más frecuencia sobre competencias digitales, IA e inclusión, y los comentarios cualitativos elogiaron las sugerencias oportunas y específicas al contexto de la herramienta, mientras que las críticas se centraron en los casos en que las recomendaciones seguían pareciendo genéricas.

Conclusiones

El estudio, publicado en la revista revisada por pares Artificial Intelligence in Education (octubre de 2025), es un piloto de una sola institución y región: demuestra una herramienta de recomendación de formación bien instrumentada y evaluada cuantitativamente, pero todavía no un despliegue multiinstitucional o transfronterizo, y mide el rendimiento del chatbot y la satisfacción docente, no los resultados posteriores en el aula o en el alumnado.

Implementación
Coste indicativo
Bajo (< 50 000 €) — No budget figures published; scale limited to one institution's chatbot deployment over six weeks.
Tiempo hasta resultados
Corto (< 1 año) — Six-week field deployment (15 April-31 May 2024); findings published September-October 2025.
Personal y competencias
Researchers Thomas Leitgeb and Michael Leitgeb, Centre for Digital Education, University College of Teacher Education Burgenland

Condiciones para el éxito

  • Grounding recommendations in TPACK and self-determination theory rather than a generic catalogue
  • Personalisation to a teacher's subject, career stage and pedagogical needs
  • Rigorous mixed-methods instrumentation (logistic regression, correlation analysis, sentiment coding) to monitor accuracy and satisfaction

Modos de fallo comunes

  • 14.4% fallback rate where the chatbot could not answer
  • Qualitative criticism that some recommendations still felt generic

Dónde encaja

Tipo de gobernanza
single higher-education institution (teacher-training college)
Escala
single-institution, single-region pilot (Burgenland, Austria)
Nivel de ingresos
high-income (Austria/EU)

Habitualmente financiado por

Horizon Europe Erasmus+

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles