Role of Generative Artificial Intelligence (GenAI) in Food and Nutrition Education: State of The Art Review.
La inteligencia artificial generativa (IAG) está emergiendo en la educación alimentaria ynutricional, ofreciendo herramientas de aprendizaje adaptativo y apoyo al asesoramiento, aunquetambién generando inquietudes sobre su precisión, integridad y equidad. Esta revisión examinacríticamente el papel d...
| Autores: | , , , , , , , , , , |
|---|---|
| Tipo de recurso: | artículo |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universidad de Murcia |
| Repositorio: | DIGITUM. Depósito Digital Institucional de la Universidad de Murcia |
| OAI Identifier: | oai:digitum.um.es:10201/202661 |
| Acceso en línea: | https://doi.org/10.6018/edumed.682151 http://hdl.handle.net/10201/202661 |
| Access Level: | acceso abierto |
| Palabra clave: | Chat GPT Food and Nutrition Education Nutrition Education Inteligencia Artificial Generativa Educación Alimentaria y Nutricional Educación Nutricional Generative Artificial Intelligence No relacionado con ningún objetivo de desarrollo sostenible |
| Sumario: | La inteligencia artificial generativa (IAG) está emergiendo en la educación alimentaria ynutricional, ofreciendo herramientas de aprendizaje adaptativo y apoyo al asesoramiento, aunquetambién generando inquietudes sobre su precisión, integridad y equidad. Esta revisión examinacríticamente el papel de la IAG a través de cuatro dimensiones: aplicaciones, beneficios, desafíos ycontribuciones al aprendizaje personalizado, para responder a la pregunta de cuál es su función enla educación alimentaria y nutricional. Se incluyeron estudios revisados por pares, publicados eninglés y español (enero de 2021 a agosto de 2025), que abordaban la IA generativa o conversacional(p. ej., modelos de lenguaje complejos, chatbots) en contextos educativos o de nutrición aplicada. Seexcluyeron los temas ajenos a la nutrición, los informes puramente técnicos, los artículos deopinión, las preimpresiones, los duplicados y la IA no generativa. Las búsquedas en PubMed,Scopus y Web of Science arrojaron nueve estudios tras una doble revisión. La síntesis narrativaidentificó aplicaciones de GenAI en la docencia universitaria, programas de nutrición familiar ydietética clínica para generar materiales accesibles, personalizar cuestionarios y retroalimentación, yapoyar el aprendizaje dietético. Entre los beneficios reportados se incluyeron una mejora en elconocimiento nutricional de los padres, una mayor participación estudiantil bajo supervisión y larelación entre la alfabetización nutricional digital y los comportamientos alimentarios sostenibles.Los desafíos abarcaron la adherencia inconsistente a las guías dietéticas en casos complejos, lasensibilidad al lenguaje y al enfoque de las preguntas, los riesgos para la integridad académica y laprivacidad, y las desigualdades digitales que requieren alfabetización en IA y supervisión. Engeneral, GenAI funciona de manera más efectiva como un complemento supervisado que mejora elacceso y la personalización, a la vez que salvaguarda la calidad. Garantizar la alineación con losestándares profesionales, la revisión por expertos, la transparencia y la adaptación contextual es esencial para promover responsablemente su valor educativo. |
|---|