Guillermina J. Gentile

La inteligencia artificial (IA) está revolucionando todos los aspectos de la vida, y la educación no es ajena a este cambio. En las carreras de ingeniería, este impacto es aún más profundo, dada la estrecha relación entre estas disciplinas y el desarrollo tecnológico impulsado por la IA. En los últimos años, tanto docentes como estudiantes han integrado herramientas de IA en sus prácticas educativas, pero con diferentes fines. Los docentes buscan principalmente mejorar los procesos de enseñanza-aprendizaje, creando contenidos más dinámicos, personalizados y adaptados a las necesidades de los estudiantes. En cambio, los estudiantes se enfocan en personalizar su aprendizaje y optimizar su rendimiento académico. Se presenta un estudio llevado a cabo entre 2024 y 2025 en el Instituto Tecnológico de Buenos Aires (ITBA), institución que dicta nueve carreras de ingeniería y dos licenciaturas. En este trabajo, participaron tanto estudiantes como docentes, quienes respondieron sobre el uso de herramientas de IA, su conocimiento y los objetivos detrás de su implementación. El primer aspecto a destacar es que casi todos los estudiantes consultados han incorporado IA a sus estudios, mientas que solo la mitad de los docentes lo ha hecho. La mayoría de los estudiantes utilizan herramientas como ChatGPT y Wolfram Alpha para resolver problemas y comprender conceptos complejos. Consideran que son muy efectivas, ya que facilitan el aprendizaje y aumentan las probabilidades de éxito en las asignaturas. En cuanto a los docentes, los más jóvenes son los que más rápidamente adoptan la IA, mientras que los docentes con más experiencia lo hacen más lentamente pero utilizan una variedad más amplia de herramientas, lo que refleja una mayor especificidad, familiaridad y confianza. Sin embargo, un porcentaje considerable de docentes no utiliza la IA, por falta de conocimiento, desconfianza en su precisión y preocupación por su impacto en el pensamiento crítico de los estudiantes. Además, prefieren seguir utilizando métodos tradicionales que consideran efectivos. Los docentes que usan IA perciben barreras para su adopción más amplia: los costos de las licencias premium, la falta de capacitación adecuada, la limitación de tiempo para explorar todas las posibilidades que ofrecen y el desconocimiento. Además, persisten preocupaciones éticas sobre la dependencia tecnológica, la pérdida de habilidades críticas y la posible reducción de la creatividad estudiantil. No obstante, los beneficios de la IA, como la personalización del aprendizaje, la retroalimentación inmediata y el aumento de la motivación estudiantil, superan estas preocupaciones. En conclusión, la IA está transformando la educación superior, mejorando tanto el rendimiento académico de los estudiantes como la experiencia docente. A pesar de las barreras económicas y de capacitación, las herramientas de IA ofrecen oportunidades valiosas para personalizar el aprendizaje y fomentar una mayor participación. Es crucial seguir capacitando a los docentes y eliminar las barreras económicas para que la IA pueda aprovecharse plenamente, ya que tiene el potencial de redefinir la enseñanza y el aprendizaje en las próximas décadas. Sin embargo, es necesario gestionar adecuadamente las preocupaciones éticas y pedagógicas asociadas para maximizar su impacto positivo.

Molecular imprinted polymers are custom made materials with specific recognition sites for a target molecule. Their specificity and the variety of materials and physical shapes in which they can be fabricated make them ideal components for sensing platforms. Despite their excellent properties, MIP-based sensors have rarely left the academic laboratory environment. This work presents a comprehensive review of recent reports in the environmental and biomedical fields, with a focus on electrochemical and optical signaling mechanisms. The discussion aims to identify knowledge gaps that hinder the translation of MIP-based technology from research laboratories to commercialization.

Ceramic membranes suffer from rapid permeability loss during filtration of organic matter due to their fouling propensity. To address this problem, iron oxide ultrafiltration membranes were coated with poly(sulfobetaine methacrylate) (polySBMA), a superhydrophilic zwitterionic polymer. The ceramic-organic hybrid membrane was characterized by scanning electron microscopy (SEM) and optical profilometry (OP). Membranes with and without polySBMA coating were subjected to fouling with bovine serum albumin solution. Hydraulic cleaning was significantly more effective for the coated membrane than for the non-coated one, as 56%, 66%, and 100% of the fouling was removed for the first, second, and third filtration cycle, respectively. Therefore, we can highlight the improved cleaning due to an increased fouling reversibility. Although some loss of polymer during operation was detected, it did not affect the improved behavior of the tested membranes.