julio-diciembre 2024
Vol. 19, No. 2, 224-235
https://doi.org/10.17163/alt.v19n2.2024.06
F
p-ISSN:1390-325X / e-ISSN:1390-8642
http://alteridad.ups.edu.ec
Fronteras educativas con ChatGPT: un análisis de redes
sociales de tuits influyentes
Educational frontiers with ChatGPT: a social network analysis of
influential tweets
Dr. Mehmet Firat es profesor Doctor, Anadolu University (Türkiye) (mfirat@anadolu.edu.tr)
(https://orcid.org/0000-0001-8707-5918)
Saniye Kuleli es PhD doctoranda y profesora, İzmir Provincial Directorate of National Education (Türkiye)
(saniyekuleli@anadolu.edu.tr) (https://orcid.org/0000-0001-7838-4997)
Recibido: 2024-03-18 / Revisado: 2024-06-08 / Aceptado: 2024-06-14 / Publicado: 2024-07-01
Resumen
El uso sin precedentes de ChatGPT de OpenAI que alcanzó 100
millones de usuarios diarios a principios de 2023 es una muestra
del creciente interés en la IA para la mejora educativa. Esta inves-
tigación pretende analizar la recepción pública inicial y las impli-
caciones educativas de ChatGPT, utilizando el análisis de redes
sociales de los 100 tuits más influyentes. Mediante el algoritmo
ForceAtlas2 y el análisis de contenido temático, el estudio explora
el atractivo de ChatGPT y sus perspectivas como herramienta
educativa. Los resultados subrayan el potencial de ChatGPT para
revolucionar los métodos de enseñanza, facilitar el aprendizaje
personalizado y reducir las brechas en el acceso a una educación de
calidad. Además, el análisis informa sobre el papel de ChatGPT en
la promoción del pensamiento crítico y el aprendizaje interactivo,
su utilidad en la creación de contenidos educativos y su capacidad
para mejorar las interacciones entre profesores y alumnos. Estas
conclusiones apuntan a un cambio hacia una educación mejorada
por la IA y abogan por la integración de ChatGPT y tecnologías
similares en los entornos de aprendizaje. El debate aboga por la
investigación empírica sobre el impacto educativo de ChatGPT
e insta a adoptar un enfoque cauteloso en su adopción. Destaca
la necesidad de marcos que aprovechen el poder de ChatGPT
al tiempo que abordan los retos éticos y prácticos. Por último,
este estudio describe la acogida inicial de ChatGPT y destaca su
potencial transformador en la educación. Hace un llamamiento
a la integración estratégica de la IA para optimizar los procesos
educativos y subraya la importancia de seguir investigando para
navegar por el papel evolutivo de la IA en el aprendizaje.
Palabras clave: IA, ChatGPT, OpenAI, SNA, tuits, educación.
Abstract
The unprecedented adoption of OpenAI's ChatGPT, marked by
reaching 100 million daily users in early 2023, highlights the grow-
ing interest in AI for educational improvement. This research aims
to analyze the initial public reception and educational impacts of
ChatGPT, using social network analysis of the 100 most influential
tweets. Using the ForceAtlas2 algorithm and thematic content
analysis, the study explores the appeal of ChatGPT and its pros-
pects as an educational tool. The findings underscore ChatGPT's
potential to revolutionize teaching methods, facilitate personal-
ized learning, and bridge gaps in access to quality education. In
addition, the analysis sheds light on ChatGPT's role in promoting
critical thinking and interactive learning, its utility in creating
educational content, and its ability to enhance teacher-student
interactions. These findings point to a shift toward AI-enhanced
education and argue for the integration of ChatGPT and similar
technologies into learning environments. The discussion argues
for empirical research on the educational impact of ChatGPT and
urges a cautious approach to its adoption. It highlights the need for
frameworks that harness the power of ChatGPT while addressing
ethical and practical challenges. Finally, this study describes the
initial reception of ChatGPT and highlights its transformative
potential in education. It calls for strategic AI integration to opti-
mize educational processes, and emphasizes the importance of
continued research to navigate the evolving role of AI in learning.
Keywords: AI, ChatGPT, OpenAI, SNA, tweets, education.
Forma sugerida de citar (APA): Firat, M. y Kuleli, S. (2024). Fronteras educativas con ChatGPT: un análisis de redes sociales de tuits
influyentes. Alteridad, 19(2), 224-235. https://doi.org/10.17163/alt.v19n2.2024.06
Dr. Mehmet Firat y Saniye Kuleli
Alteridad, 2024, 19(2), 224-235 225
1. Introducción
Las aplicaciones de inteligencia artificial y la
amplia gama de aplicaciones en distintas áreas es
una de las razones más importantes por las que los
nuevos desarrollos en este campo tienen tanto auge
y aceptación en los usuarios. Tras el lanzamiento
del modelo de procesamiento de lenguaje natural
GPT-3, que causó un gran auge por sus caracterís-
ticas en 2020, la compañía OpenAI lanzó el bot de
chat ChatGPT en noviembre de 2022. Los resultados
obtenidos del uso de ChatGPT han llevado al inicio
de un período revolucionario en la inteligencia arti-
ficial. ChatGPT es el resultado del trabajo continuo
de OpenAI en sistemas de inteligencia artificial
cada vez más seguros y útiles (OpenAI, 2023) y se
desarrolló utilizando el modelo de lenguaje GPT-3.5,
una versión mejorada de GPT-3. La capacidad de
ChatGPT para percibir textos escritos por humanos
y para generar el texto que proviene de un texto
creado por un humano utilizando su capacidad de
procesamiento del lenguaje natural ha contribuido a
su popularidad. Desde marzo de 2023, el GPT 4 ha
estado disponible como versión final. GPT 4 también
acepta entradas visuales.
Después de su lanzamiento, ChatGPT atrajo
a más de un millón de usuarios en solo una sema-
na, superando a otras plataformas como Netflix,
Facebook e Instagram (Sier, 2022). En particular,
hubo muchas discusiones en torno al estado actual
de la tecnología de inteligencia artificial a medida
que las personas compartieron en las redes sociales
los textos generados en ChatGPT. Las respuestas
proporcionadas por ChatGPT a los textos de los
usuarios se compartieron en las redes sociales y se
utilizaron para discutir la evolución de la inteligencia
artificial del pasado al presente, así como posibles
escenarios futuros. Grant y Metz (2022) sugieren
que los modelos de lenguaje grande (LLM) como
ChatGPT podrían servir de inspiración para la
próxima generación de motores de búsqueda capa-
ces de generar respuestas detalladas e informativas a
preguntas complejas de los usuarios.
El hecho de que ChatGPT muestre fuentes
inexistentes y proporcione información incompleta
e inexacta ha sido uno de los temas más debatidos.
Por ejemplo, van Dis et al. (2023) citaron el caso en
el que ChatGPT proporcionó una respuesta gene-
ral y no basada en la investigación a la pregunta
formulada por los pacientes con depresión sobre la
tasa de recurrencia de su enfermedad después del
tratamiento. Uno de los principales factores que
llevan a esta situación es la falta de contenido ense-
ñado a ChatGPT que cubra la pregunta planteada.
Los textos que contienen tal información errónea
resultante del uso de ChatGPT pueden proporcionar
referencias falsas para los textos recién creados. La
neutralidad y los valores éticos se encuentran entre
las cualidades más importantes en los textos basa-
dos en la investigación. Uno de los problemas más
importantes de LLM significativos como ChatGPT
desde la perspectiva de los investigadores es que no
tienen una estructura transparente accesible a todos
(van Dis et al., 2023). Esta situación es contraria al
movimiento hacia la transparencia y la ciencia, ya
que impide que las empresas tecnológicas oculten el
funcionamiento interno de la inteligencia artificial
basada en chat y puede dificultar la revelación de la
fuente o los vacíos en la información de los chatbots
(Rudin, 2019).
1.1 Análisis de redes sociales y X
(anteriormente Twitter)
Las redes sociales son una de las herramientas
de comunicación más importantes en el mundo digi-
tal actual (Valencia-Ortiz et al., 2023) pues permiten
que millones de personas en todo el mundo se comu-
niquen entre sí a través de contenido visual y textual
compartido que se encuentran entre las plataformas
de producción de datos más importantes. Se han
desarrollado diversas técnicas para analizar opiniones
sobre un producto, predecir resultados electorales y
examinar cómo se propagan las noticias falsas a través
de las redes sociales (Camacho et al., 2021). Una de las
técnicas más destacadas es el análisis de redes socia-
les, que se utiliza para mapear y medir las relaciones
formales o informales, centrándose en la estructura
de las relaciones sociales y el flujo de información
que conecta las unidades que interactúan. Se preten-
de comprender qué facilita u obstaculiza el flujo de
información, el tipo de información y los canales de
comunicación (Serrat, 2017). El método de análisis de
redes sociales se ajusta a esta investigación, que tiene
como objetivo identificar la recepción pública inicial
y los impactos educativos de ChatGPT.
Al examinar la literatura, muchos estudios
se centran en X, uno de los sitios de microblogueo
Dr. Mehmet Firat y Saniye Kuleli
© Universidad Politécnica Salesiana, Ecuador
226
más importantes (Battisti et al., 2022). Los microblogs
permiten a los usuarios compartir contenido como
oraciones cortas, fotos instantáneas o enlaces de
video, lo que permite compartir contenido de forma
rápida entre los usuarios (Kaplan y Haenlein, 2011).
La capacidad de usuario de X, así como la estructura
y volumen del contenido generado, son las principa-
les razones por las que normalmente es utilizado por
investigadores que quieren realizar análisis de redes
sociales. ChatGPT es una herramienta altamente efec-
tiva para tareas de procesamiento de lenguaje natural
(PNL). Sus capacidades están siendo cada vez más
reconocidas por programadores e investigadores, que
están explorando su potencial para aplicaciones en
el trabajo (Barari y Kumar, 2023), por lo que en este
estudio utilizamos la plataforma X para determinar las
primeras impresiones, el impacto y las posibles impli-
caciones de ChatGPT en la educación, una tecnología
de IA innovadora y en rápida expansión.
Se pueden encontrar varios estudios en muchas
áreas diferentes con respecto al análisis de redes
sociales realizado con datos X, como la predicción de
resultados electorales (Grover et al., 2019), el análisis
de sentimientos (Alharbi y de Doncker, 2019), el sec-
tor financiero (Battisti et al., 2022), el turismo (Lu y
Zheng, 2021) y la educación (Carpenter et al., 2020)
para identificar cambios en estos campos. Al exami-
nar las características de la red X, Kwak et al. (2010)
encontraron que la mayoría de los usuarios usan X
para discutir sus actividades diarias o sus opiniones
sobre temas actuales. En comparación con otras
herramientas de redes sociales, X está estrechamente
relacionado con los movimientos de etiquetas, los
movimientos sociales y varias formas de campañas
sociales (Li et al., 2021).
1.2 Estudios relacionados
La literatura académica sobre herramientas de
inteligencia artificial también se está expandiendo
rápidamente junto con la rápida popularización de
ChatGPT. Las razones del gran auge en ChatGPT
han atraído la atención de los investigadores desde
su lanzamiento. Como ChatGPT sigue siendo una
herramienta nueva, las publicaciones académicas
son limitadas. La mayoría de estas publicaciones son
de tipo preprint. Los focos de las publicaciones se
pueden clasificar en los dos temas como los benefi-
cios de ChatGPT y las áreas de uso de ChatGPT.
Existen algunos estudios que enfatizan los
beneficios de ChatGPT. Para Cotton et al. (2023),
una de las principales ventajas del modelo de IA de
ChatGPT es proporcionar una plataforma para la
comunicación asíncrona. Esta característica se puede
utilizar como una solución para evitar que los estu-
diantes se sientan aislados en el aprendizaje abierto y
a distancia. Además, esta función permite a los estu-
diantes enviar preguntas y discutir temas sin la nece-
sidad de estar presentes, lo que conlleva a una mayor
participación y colaboración de los estudiantes (Li y
Xing, 2021). Otra ventaja de ChatGPT es que puede
facilitar la colaboración entre los estudiantes. Por
ejemplo, ChatGPT permite a los estudiantes trabajar
juntos en proyectos y tareas y se puede utilizar para
crear grupos de estudiantes (Lewis, 2022). Además,
ChatGPT se puede utilizar para habilitar el apren-
dizaje remoto para los estudiantes que no pueden
asistir a clases por varias razones. ChatGPT también
puede ser utilizado para diversos propósitos en la
educación, como servicios de apoyo, producción de
materiales, medición y evaluación (Firat, 2023a).
El segundo tema en el que se centra la lite-
ratura son las áreas de uso de ChatGPT que son
más relevantes para esta investigación. Haque et al.
(2022) realizaron un análisis de redes sociales utili-
zando datos de 10.732 X para determinar los temas
más nombrados sobre ChatGPT y encontraron que
los contenidos se pueden clasificar en nueve títulos
principales. A través de su investigación sobre datos
X y los primeros usuarios de ChatGPT, se identifica-
ron varios temas, incluidas las pruebas de preguntas
y respuestas, la inteligencia de chatbot, las impli-
caciones para los motores de búsqueda, las futuras
carreras y oportunidades, el impacto en el desarrollo
empresarial, las implicaciones para los motores de
búsqueda y el impacto en los aspectos educativos.
Del mismo modo, Taecharungroj (2023) realizó un
estudio sobre los tuits relacionados con ChatGPT
desde el 30 de noviembre al 31 de diciembre de 2022,
y descubrió que las noticias, la tecnología, la reac-
ción, la escritura creativa, la redacción de ensayos, la
escritura rápida, la escritura de códigos, la respuesta
a preguntas, el impacto en la tecnología y el impacto
en los seres humanos eran los temas predominantes.
La revisión de la literatura muestra que existe
un enfoque en las predicciones basadas en experien-
cias individuales y usos potenciales de acuerdo con
las capacidades de la herramienta en lugar de cono-
Dr. Mehmet Firat y Saniye Kuleli
Alteridad, 2024, 19(2), 224-235 227
cimientos basados en datos. También hay estudios
(Haque et al., 2022; Taecharungroj, 2023) que han
analizado las publicaciones de redes sociales rela-
cionadas con ChatGPT. Sin embargo, estos estudios
se limitan al análisis temático, la clasificación des-
criptiva y el análisis de contenido. Por esta razón, se
considera que existe una necesidad de investigación
de análisis de redes sociales utilizando algoritmos
de diseño válidos y confiables como ForceAtlas. Por
lo tanto, también se identificará la estructura de red
entre estos temas.
1.3 Finalidad de la investigación
El objetivo de esta investigación es explorar
las percepciones iniciales del usuario y los factores
que condujeron al gran interés en ChatGPT. Esto se
logrará a través de un análisis de las redes sociales de
los 100 tuits más influyentes sobre ChatGPT, reco-
pilados desde el 26 de enero al 1 de febrero de 2023.
Al examinar estas interacciones, este estudio tiene
como objetivo descubrir las reacciones, expectativas
y puntos de vista de los usuarios sobre la inteligen-
cia artificial. Se espera que estas ideas expliquen las
diversas aplicaciones e implicaciones de ChatGPT en
diferentes dominios.
2. Metodología
La investigación empleó el análisis de redes
sociales como método, y los procesos de recolección
y análisis de datos se llevaron a cabo a través de la
plataforma SocioViz. Los datos se recopilaron dos
meses después de la aparición de ChatGPT. Los 100
tuits más populares que contienen la palabra clave
“ChatGPT” publicados entre el 26 de enero y el 1
de febrero de 2023 se sometieron a análisis de redes
sociales. El mapa de red de los usuarios más influ-
yentes se observa en la figura 1.
Figura 1. Red de usuarios más influyentes
Dr. Mehmet Firat y Saniye Kuleli
© Universidad Politécnica Salesiana, Ecuador
228
Como se ve en la figura 1, no existe una
estructura de red compleja entre los usuarios que
publicaron tuits populares de ChatGPT, y solo se
observan dos grupos. El grupo de color magenta se
centra en el usuario @shifortech, quien mencionaba
a otros usuarios en su tuit y destacaba el peligro
potencial de ChatGPT. En el grupo rojo, naranja y
verde, se determinó que tres usuarios retuitearon un
tuit que contenía el contenido “8 herramientas de
IA para ahorrarte 100 horas de trabajo manual” que
menciona a nueve usuarios.
Se utilizó el algoritmo forceAtlas2 Layout
en el análisis de redes sociales de publicaciones X.
ForceAtlas2 es un algoritmo de diseño dirigido por
fuerza de gráficos continuos para la visualización
de redes (Jacomy et al., 2014). En ForceAtlas2, los
nodos se repelen entre sí como partículas cargadas,
mientras que los bordes tiran de los nodos y están
conectados a grupos similares. Estas fuerzas crean
un movimiento hacia un estado equilibrado en una
estructura de red. Por lo tanto, la posición de un
nodo depende de su relación con otros nodos. Por
lo tanto, la posición de un nodo no puede interpre-
tarse de forma aislada; en su lugar, se interpreta la
coherencia de los grupos de nodos. Esta estructura
facilita el análisis de redes sociales.
Los nodos que forman una comunidad cer-
cana en la red social pueden ser evaluados de forma
conjunta. Noack (2009) demostró que la proximidad
entre nodos representa comunidades, mientras que
Newman (2004) reveló que los actores en una red
tienen más relaciones dentro de la comunidad que
fuera de ella. La esencia del algoritmo es convertir la
cercanía estructural en cercanía visual, facilitando el
análisis de las redes sociales. A continuación, se pre-
sentan dos ajustes importantes utilizados en el ajuste
del algoritmo de diseño forceAtlas2.
• Gravedad: este ajuste evita que los componen-
tes (islas) que están desconectados entre sí se
alejen entre sí. Posiciona los nodos en el centro
de la red. Su propósito principal es compensar
la repulsión de los nodos que se alejan del cen-
tro y mantener la red unida.
• Escalado (constante): este ajusta las fuerzas gra-
vitacionales y repulsivas. Se utiliza para reducir
o aumentar el tamaño del gráfico.
En este estudio, se utilizaron los valores prede-
terminados de fuerza gravitacional (-2000), gravedad
central (0,3) y constante de resorte (0,04) en el análisis
de redes sociales. Por último, se ha habilitado el ajuste
de evitar superposición para reducir la superposición
y mejorar la legibilidad y el aspecto estético.
Para nombrar los grupos que se forman en
las redes sociales, se utilizó la técnica de análisis
de contenido temático, que identifica patrones y
conceptos basados en las similitudes y diferencias
en el contenido examinado (palabras principales o
etiquetas). Esta técnica proporciona un marco ana-
lítico para descubrir estructuras ocultas. Thomas y
Harden (2008) identificaron tres pasos básicos en
este análisis: (1) codificar los datos línea por línea,
(2) organizar los códigos para desarrollar temas des-
criptivos e (3) integrar los temas para formar temas
integrales. En esta investigación, se siguieron los
pasos recomendados por Thomas y Harden (2008).
El COPE (Comité de Ética de Publicaciones)
se ha usado en esta investigación. Las principales
consideraciones éticas en esta investigación fueron la
protección de la privacidad de los participantes. Los
datos de los tuits se han relacionado con los temas y
las palabras clave. Los nombres de los participantes
no se utilizaron en el texto del artículo.
3. Resultados
Las etiquetas más destacadas en los posts ana-
lizados fueron identificadas como #chatgpt (17), #ai
(13), #bigdata (6), #datascience (5), y #artificialinte-
lligence (4). La red formada por las etiquetas utiliza-
das en 100 publicaciones se presenta en la figura 2.
Dr. Mehmet Firat y Saniye Kuleli
Alteridad, 2024, 19(2), 224-235 229
Figura 2. Mapa de la red de etiquetas en ChatGPT
Se distinguieron seis grupos en la red de eti-
quetas. Analizamos las etiquetas mediante el análisis
de contenido temático. Los temas que identificamos
por orden de importancia fueron la vida y el arte,
futuro de la tecnología, los datos, la tecnología, la
seguridad y la educación.
Las principales palabras utilizadas en los tuits
fueron chatgpt (89), openai (10), contenido (10),
herramientas (9), creador (9), tecnología (7), huma-
no (6), google (6), lenguaje (5) y productos (5). De
las palabras principales inferimos que ChatGPT se
percibe principalmente como una herramienta de
creación de contenido. El mapa de red de las 100
palabras clave principales utilizadas en los 100 tuits
se presenta en la figura 3.
Dr. Mehmet Firat y Saniye Kuleli
© Universidad Politécnica Salesiana, Ecuador
230
Figura 3. Mapa de red de las 100 palabras principales
Se han identificado cuatro grupos en la red
de las 100 palabras clave principales. Se analizaron
las palabras en estos grupos utilizando el análisis de
contenido temático. De acuerdo con la importancia
de los temas obtenidos, estos son el aprendizaje, la
comunicación impulsada por la IA, la productivi-
dad y la tecnología, respectivamente. El tema de la
tecnología surgió tanto en la etiqueta como en las
100 redes principales de palabras clave. Este hallaz-
go es de esperar ya que se analizaron las opiniones
relacionadas con ChatGPT, que es una tecnología
de inteligencia artificial. Sin embargo, cabe destacar
la aparición de temas de educación-aprendizaje en
ambos análisis. Este hallazgo sugiere que ChatGPT
está particularmente enfocado en el aprendizaje y el
uso educativo. Como se ve en la figura, las palabras
clave en el lado derecho de la red no formaban gru-
pos claros, por lo que también analizamos la red de
200 palabras principales. El mapa de red de las 200
palabras principales se presenta en la figura 4.
Dr. Mehmet Firat y Saniye Kuleli
Alteridad, 2024, 19(2), 224-235 231
Figura 4. Mapa de red de las 200 palabras principales
La estructura de la red de las 200 palabras prin-
cipales mencionadas en los tuits sobre ChatGPT con-
firmó los hallazgos obtenidos del análisis de las 100
palabras principales. Además, se identificaron dos
nuevos temas relacionados con el aspecto comercial
de ChatGPT. El primero es el tema de la fuerza de tra-
bajo, que está claramente agrupado. El segundo es el
tema de monetización de contenido de IA, que tiene
una estructura inestable y consta de múltiples subte-
mas, tales como ganar dinero fácil con el contenido,
nuevas técnicas de marketing, aumentar los segui-
dores de influencers, la aparición de nuevas áreas de
negocio, alternativas a Google y asistentes inteligen-
tes. Sin embargo, cuando se examinan las palabras de
conexión en el círculo verde, se encuentran conceptos
como dinero, monetización, negocios, Google, crear,
contenido y curso. Por lo tanto, se decidió combinar-
los bajo el tema principal de monetización de con-
tenido. También identificamos nodos de conexión
fuertes en el resto de la red. Los más notables son los
nodos humanos, herramientas, productos y lenguaje.
El nodo humano conecta fuertemente los grupos de
comunicación y aprendizaje impulsados por la IA,
mientras que el nodo de herramientas vincula los
temas de productividad y aprendizaje. El nodo de
lenguaje sirve como el nodo de conexión entre la
monetización del contenido de la IA y la comunica-
ción impulsada por la IA, mientras que el nodo de
productos se conecta monetizando el contenido de la
IA y cambiando la fuerza de trabajo.
4. Discusión y conclusiones
Los hallazgos de este estudio, que tuvo como
objetivo demostrar el impacto de ChatGPT en los
usuarios X, indican que ChatGPT puede ser un
Dr. Mehmet Firat y Saniye Kuleli
© Universidad Politécnica Salesiana, Ecuador
232
modelo versátil que se puede aplicar a diversas tareas
para diferentes propósitos. En el estudio, analizamos
los 100 tuits más populares entre el 30 de noviembre
de 2022 y el 1 de febrero de 2023 en los que se usó
ChatGPT. Encontramos que los tuits se agruparon
en seis etiquetas: vida y arte, tecnología futura, datos,
tecnología, seguridad y educación. Uno de los hallaz-
gos más importantes del análisis de las etiquetas está
relacionado con cómo se percibe ChatGPT. Los temas
obtenidos mostraron que ChatGPT se percibe como
una herramienta de creación de contenido. Esta per-
cepción parece estar relacionada con la naturaleza
estructural del modelo Transformador Generativo
Pre-entrenado (GPT). En la red de las 100 palabras
principales se destacaron los temas de aprendizaje,
comunicación impulsada por IA, productividad y
tecnología. Cabe destacar que los temas de tecnolo-
gía y aprendizaje-educación estuvieron presentes en
ambos análisis. Este hallazgo enfatiza el potencial de
ChatGPT para ser utilizado con fines de aprendizaje y
educación como una tecnología innovadora.
En la literatura, es posible encontrar muchos
estudios que prueban que la inteligencia artificial ha
jugado un rol principal en la aparición de innova-
ciones tecnológicas en muchas áreas en los últimos
años. Una de las áreas donde se ha aplicado la inte-
ligencia artificial y ha tenido un gran impacto es en
la educación. En particular, se ha generalizado la
integración de la inteligencia artificial en diversas
aplicaciones, como dispositivos móviles, robots y
juegos, para facilitar la educación y el aprendizaje
(Chen et al., 2022). La inteligencia artificial permi-
te que los métodos de enseñanza personalizados y
adaptables que brindan un apoyo especial y aumen-
tan la conciencia sobre las brechas de conocimiento,
sean más efectivos y eficientes (Guan et al., 2020).
El uso de modelos de lenguaje como ChatGPT en la
educación aparece como un área de potencial interés
debido a su rica y amplia gama de aplicaciones (Firat,
2023a). Con estos modelos, será posible crear expe-
riencias de aprendizaje personalizadas y efectivas
para individuos en todos los niveles de educación,
en concordancia con las preferencias, habilidades y
necesidades de aprendizaje únicas de cada individuo
(Kasneci, 2023). Rudolph et al. (2023) señalaron que
el uso de aplicaciones de inteligencia artificial como
ChatGPT en tareas que consumen mucho tiempo,
como la evaluación, es una oportunidad importante
para mejorar las habilidades de los maestros, quienes
pueden beneficiarse de ChatGPT para desarrollar
sus estrategias de enseñanza y dedicar más tiempo
a los estudiantes de forma individual (Firat, 2023a).
En el análisis de la red de las 200 palabras
principales, se identificaron dos temas principales
relacionados con el aspecto comercial de ChatGPT:
cambiar la fuerza laboral y monetizar el contenido
de la IA. Estos hallazgos son consistentes con la lite-
ratura existente. El tema “Impacto en el cambio del
desarrollo empresarial” de Haque et al. (2002) y el
tema “impactando a los humanos” de Taecharungroj
(2023) se alinean con nuestros temas de cambio de
fuerza laboral y monetización de contenido de IA. La
capacidad de la IA para procesar grandes cantidades
de datos a bajo costo demuestra su importancia en el
marketing (Huang y Rust, 2021). Además, se puede
decir que el tema de “productividad” se superpone
con la sección “Entretenimiento y ejercicio de creati-
vidad” de Haque et al. (2022). Se cree que la capacidad
de ChatGPT para generar varios tipos de contenido,
como ensayos, indicaciones, código y entrevistas, de
una manera similar a lo que un humano podría pro-
ducir, juega un papel importante en la aparición de los
temas de “creatividad” y “productividad”.
Desde su creación, ChatGPT ha experimenta-
do un aumento significativo en su popularidad, con
diferentes opiniones que surgen con respecto a sus
diversas aplicaciones. En este estudio, se analizaron
rigurosamente las 100 publicaciones principales de
X relacionadas con ChatGPT, que se estrenó en
noviembre de 2022, empleando el análisis de las
redes sociales. El análisis se realizó en SocioViz, utili-
zando el algoritmo ForceAtlas2. A través del análisis
exhaustivo, se identificaron nueve temas generales:
vida y arte, tecnología futura, datos, seguridad, edu-
cación y aprendizaje, comunicación mediada por IA,
productividad, transformación de la fuerza laboral y
monetización de contenido de IA.
Nuestros hallazgos de investigación han arro-
jado varios puntos de vista. Realizamos un análisis
temático de contenido sobre las etiquetas presentes
en el análisis de redes sociales y discernimos sobre
temas como la vida y el arte, la tecnología futura, los
datos, la seguridad y la educación. Además, un aná-
lisis de las palabras clave más prominentes condujo
a la identificación del aprendizaje, la comunicación
mediada por la IA, la productividad y la tecnología.
En particular, tanto los análisis de etiquetas como
de palabras clave destacaron la prominencia de la
Dr. Mehmet Firat y Saniye Kuleli
Alteridad, 2024, 19(2), 224-235 233
tecnología, junto con el aprendizaje y la educación.
Hubo una fuerte relación entre el nodo humano en la
comunicación mediada por IA y el grupo de educa-
ción-aprendizaje. El nodo de herramientas también
mostró una asociación entre la productividad y los
temas de educación-aprendizaje. Estas observacio-
nes subrayan el creciente interés de ChatGPT dentro
de los dominios educativos, atribuido principalmen-
te a sus capacidades de comunicación antropomórfi-
cas mediadas por la IA. Además, ChatGPT se percibe
como una herramienta instrumental para mejorar
la productividad dentro de los entornos educativos.
En una extensión del análisis con las 100 pala-
bras clave principales, ampliamos nuestro alcance
para abarcar las 200 palabras clave principales, lo que
permitió descubrir dos temas adicionales a través
de las redes sociales y el análisis temático: la trans-
formación de la fuerza laboral y la monetización
del contenido de IA. La palabra clave “productos”
sirvió como el nexo entre estos dos temas. Estos
conocimientos sugieren que ChatGPT, como uno
de los primeros ejemplos triunfantes de inteligencia
artificial, tiene una influencia considerable en los
procesos comerciales centrados en la producción.
Los posts analizados insinúan el potencial de la IA
para transformar el panorama empresarial. Existe
un consenso sobre la eficacia de la IA para acelerar
la producción de contenido y las revisiones. Los
subtemas de apoyo abarcan la monetización opti-
mizada a través del contenido, nuevas estrategias de
marketing, el fortalecimiento de los seguidores de los
influencers, la llegada de nuevos verticales comercia-
les, posibles alternativas a plataformas establecidas
como Google y la aparición de asistentes inteligentes.
4.1 Limitaciones y sugerencias
Esta investigación está circunscrita por el
Análisis de Redes Sociales (SNA) de los 100 tuits prin-
cipales que abarcan ChatGPT dentro de un marco de
tiempo entre el 26 de enero y el 1 de febrero de 2023.
Dada la trayectoria acelerada de la popularidad de
ChatGPT, el conjunto de datos, el volumen de tuits y
discusiones han proliferado desde entonces. Se podría
lograr un SNA más exhaustivo mediante la agregación
y el análisis de un conjunto de datos ampliado, que
abarque un período de tiempo más extenso. Por últi-
mo, a partir de los resultados de esta investigación, es
posible enumerar algunas sugerencias:
• Integración de la IA en la educación: nuestros
hallazgos subrayan la importancia de integrar la
IA en las plataformas educativas. La expansión
de las vías de integración, como la integración
del Sistema de Gestión del Aprendizaje (LMS) de
ChatGPT, como destacó Firat (2023b), impulsa-
rá el empleo de la IA para objetivos educativos.
La IA tiene el potencial de alterar los hábitos y
comportamientos de aprendizaje individuales,
siendo ChatGPT beneficioso para los estudian-
tes en áreas como la asistencia con la tarea.
Por lo tanto, es necesario que las instituciones
educativas hagan los cambios necesarios para
incorporar la IA en los programas y actividades
curriculares. Por ejemplo, la implementación
de los detectores de salida GPT podría ser una
medida efectiva para identificar el contenido
generado a través de la IA.
• Navegar por la transformación de la fuerza laboral
y la monetización de la IA: los temas de la trans-
formación de la fuerza laboral y la monetización
del contenido de la IA surgieron de manera
importante en nuestro análisis. Esto sugiere que
la IA, y ChatGPT en particular, ejerce una pro-
funda influencia en el panorama empresarial.
Debido al rápido ritmo de adopción de la IA,
resulta esencial que las industrias se adapten
rápidamente a estos cambios. Por lo tanto, hay
que llevar a cabo estudios experimentales desti-
nados a comprender el impacto real y validar las
predicciones relacionadas a ChatGPT.
• Abordar la transición a modelos pagados: vale la
pena mencionar la transición de ChatGPT de
un modelo gratuito a un modelo pagado a par-
tir de mayo de 2023, después de lograr los 100
millones de usuarios. Este cambio puede afec-
tar a la accesibilidad y a la dinámica del usua-
rio. Es crucial monitorear y evaluar el impacto
de esta transición en la participación de los
usuarios y su aplicación en varios dominios.
Referencias bibliográficas
Adeshola, I. y Adepoju, A. P. (2023). The opportuni-
ties and challenges of ChatGPT in education.
Interactive Learning Environments, 1-14.
https://doi.org/10.1080/10494820.2023.2253858
Adıgüzel, T., Kaya, M. H. y Cansu, F. K. (2023).
Revolutionizing education with AI: Exploring
the transformative potential of ChatGPT.
Dr. Mehmet Firat y Saniye Kuleli
© Universidad Politécnica Salesiana, Ecuador
234
Contemporary Educational Technology, 15(3).
https://doi.org/10.30935/cedtech/13152
Alharbi, A. S. M. y de Doncker, E. (2019). Twitter sen-
timent analysis with a deep neural network: An
enhanced approach using user behavioral infor-
mation. Cognitive Systems Research, 54, 50-61.
https://doi.org/10.1016/j.cogsys.2018.10.001
Barari, A. y Kumar, A. (2023). What is ChatGPT? Best uses
and limitations of the brand-new tool.
https://bit.ly/4esj4kR
Battisti, E., Graziano, E. A. y Christofi, M. (2022). Equity
crowdfunding platforms and social media: a Twitter
analysis. International Journal of Entrepreneurial
Behavior & Research, 28(5), 1206-1221.
https://doi.org/10.1108/IJEBR-01-2021-0081
Bian, J., Yoshigoe, K., Hicks, A., Yuan, J., He, Z., Xie, M.,
Guo, Y. Prosperi, M., Salloum, R. y Modave,
F. (2016). Mining Twitter to assess the public
perception of the “Internet of Things”. PloS One,
11(7), e0158450.
https://doi.org/10.1371/journal.pone.0158450
Boyatzis, R.E. (1998). Transforming qualitative information:
thematic analysis and code development. Sage.
Camacho, D., Luzón, M. V. y Cambria, E. (2021). New
research methods & algorithms in social network
analysis. Future Generation Computer Systems,
114, 290-293.
https://doi.org/10.1016/j.future.2020.08.006
Carpenter, J., Tani, T., Morrison, S. y Keane, J. (2020).
Exploring the landscape of educator profes-
sional activity on Twitter: An analysis of 16
education-related Twitter hashtags. Professional
Development in Education, 1-22.
https://doi.org/10.1080/19415257.2020.1752287
Chen, X., Zou, D., Xie, H., Cheng, G. y Liu, C. (2022).
Two decades of artificial intelligence in educa-
tion. Educational Technology & Society, 25(1),
28-47. https://www.jstor.org/stable/48647028
Cotton, D. R., Cotton, P. A. y Shipway, J. R. (2023).
Chatting and cheating. Ensuring academic integri-
ty in the era of ChatGPT.
https://doi.org/10.1080/14703297.2023.2190148
Currie, G. y Barry, K. (2023). ChatGPT in nuclear
medicine education. Journal of Nuclear Medicine
Technology, 51(3), 247-254.
https://doi.org/10.2967/jnmt.123.265844
Firat, M. (2023a). How Chat GPT Can transform autodi-
dactic experiences and open education?
https://doi.org/10.31219/osf.io/9ge8m
Firat, M. (2023b). Integrating AI Applications into
Learning Management Systems to Enhance
e-Learning. Instructional Technology and Lifelong
Learning, 4(1), 1-14.
https://doi.org/10.52911/itall.1244453
Grant, N. y Metz, C. (2022). A new Chat Bot is a ‘code
red’ for Google’s Search Business. The New York
Times. https://bit.ly/48QK0Xo
Grassini, S. (2023). Shaping the future of education:
exploring the potential and consequences of AI
and ChatGPT in educational settings. Education
Sciences, 13(7), 692.
https://doi.org/10.3390/educsci13070692
Grover, P., Kar, A. K., Dwivedi, Y. K. y Janssen, M. (2019).
Polarization and acculturation in US Election
2016 outcomes–Can twitter analytics predict
changes in voting preferences. Technological
Forecasting and Social Change, 145, 438-460.
https://doi.org/10.1016/j.techfore.2018.09.009
Guan, C., Mou, J. y Jiang, Z. (2020). Artificial intelligence
innovation in education: A Twenty-year data-dri-
ven historical analysis. International Journal of
Innovation Studies, 4(4), 134-147.
https://doi.org/10.1016/j.ijis.2020.09.001
Haque, M. U., Dharmadasa, I., Sworna, Z. T., Rajapakse,
R. N. y Ahmad, H. (2022). “I think this is
the most disruptive technology”: Exploring
Sentiments of ChatGPT Early Adopters using
Twitter Data. arXiv preprint arXiv:2212.05856.
https://doi.org/10.48550/arXiv.2212.05856
Huang, M. H. y Rust, R. T. (2021). A strategic framework
for artificial intelligence in marketing. Journal
of the Academy of Marketing Science, 49, 30-50.
https://doi.org/10.1007/s11747-020-00749-9
Jacomy, M., Venturini, T., Heymann, S., Bastian, M.
(2014). ForceAtlas2, a Continuous Graph Layout
Algorithm for Handy Network Visualization
Designed for the Gephi Software. PLoS ONE,
9(6), e98679.
https://doi.org/10.1371/journal.pone.0098679
Kaplan, A. M. y Haenlein, M. (2011). The early bird
catches the news: Nine things you should know
about micro-blogging. Business Horizons, 54(2),
105-113.
https://doi.org/10.1016/j.bushor.2010.09.004
Kasneci, E., Seßler, K., Küchemann, S., Bannert, M.,
Dementieva, D., Fischer, F., ... & Kasneci, G.
(2023). ChatGPT for good? On opportunities
and challenges of large language models for edu-
cation. Learning and Individual Differences, 103,
102274.
https://doi.org/10.1016/j.lindif.2023.102274
Kwak, H., Lee, C., Park, H. y Moon, S. (2010, April). What
is Twitter, a social network or a news media? In
Proceedings of the 19th international conference on
World wide web (pp. 591-600).
https://doi.org/10.1145/1772690.1772751
Dr. Mehmet Firat y Saniye Kuleli
Alteridad, 2024, 19(2), 224-235 235
Lozano, A. y Blanco Fontao, C. (2023). Is the education
system prepared for the irruption of Artificial
Intelligence? A study on the perceptions of stu-
dents of Primary Education Degree from a Dual
Perspective: Current Pupils and Future Teachers.
Education Sciences, 13(7), 733.
https://doi.org/10.3390/educsci13070733
Lewis, A. (2022). “Multimodal large language models for
inclusive collaboration learning tasks”. Proceedings
of the 2022 Conference of the North American
Chapter of the Association for Computational
Linguistics: Human Language Technologies: Student
Research Workshop, 202-210.
https://doi.org/10.18653/v1/2022.naacl-srw.26
Li, C. y Xing, W. (2021). “Natural language generation
using deep learning to support MOOC learners”.
International Journal of Artificial Intelligence in
Education, 31(2), 186-214.
https://doi.org/10.1007/s40593-020-00235-x
Li, M., Turki, N., Izaguirre, C. R., DeMahy, C., Thibodeaux,
B. L. y Gage, T. (2021). Twitter as a tool for social
movement: An analysis of feminist activism on
social media communities. Journal of Community
Psychology, 49(3), 854-868.
https://doi.org/10.1002/jcop.22324
Lu, Y. y Zheng, Q. (2021). Twitter public sentiment dynamics
on cruise tourism during the COVID-19 pandemic.
Current Issues in Tourism, 24(7), 892-898.
https://doi.org/10.1080/13683500.2020.1843607
Newman, M. E. (2004). Analysis of weighted networks.
Physical Review E, 70(5), 056131. https://doi.
org/10.1103/PhysRevE.70.056131
Noack, A. (2009). Modularity clustering is force-directed
layout. Physical Review E, 79(2), 026102.
https://doi.org/10.1103/PhysRevE.79.026102
OpenAI. (2023). Chat GPT.
https://openai.com/blog/chatgpt/
Rudin, C. (2019). Stop explaining black box machine
learning models for high stakes decisions and
use interpretable models instead. Nature machine
intelligence, 1(5), 206-215.
https://doi.org/10.1038/s42256-019-0048-x
Rudolph, J., Tan, S. y Tan, S. (2023). ChatGPT: Bullshit
spewer or the end of traditional assessments in
higher education? Journal of Applied Learning
and Teaching, 6(1).
https://doi.org/10.37074/jalt.2023.6.1.9
Serrat, O. (2017). Social network analysis. Knowledge
solutions: Tools, methods, and approaches to drive
organizational performance, 39-43.
https://doi.org/10.1007/978-981-10-0983-9_9
Sier, J. (2022). Chatgpt takes the internet by storm, bad
poetry and all. https://bit.ly/3Iuxpyn
Sok, S. (2023). Opinion: Benefits and risks of ChatGPT in
education. Cambodianess. https://bit.ly/4cr4acU
Sok, S. y Heng, K. (2023). ChatGPT for Education and
Research: a review of benefits and risks.
http://dx.doi.org/10.2139/ssrn.4378735
https://ssrn.com/abstract=4378735 or
http://dx.doi.org/10.2139/ssrn.4378735
Taecharungroj, V. (2023). “What Can ChatGPT Do?”
Analyzing early reactions to the innovative AI
Chatbot on Twitter. Big Data and Cognitive
Computing, 7(1), 35.
https://doi.org/10.3390/bdcc7010035
Thomas, J. y Harden, A. (2008). Methods for the thematic
synthesis of qualitative research in systematic
reviews. BMC Medical Research Methodology,
8(1), 1-10.
https://doi.org/10.1186/1471-2288-8-45
Valencia-Ortiz, R., Garay-Ruiz, U. y Cabero-Almenara, J.
(2023). Problematic use of online social networ-
ks: the case of Mexican students. Alteridad, 18(1),
23-33.
https://doi.org/10.17163/alt.v18n1.2023.02
van Dis, E. A., Bollen, J., Zuidema, W., van Rooij, R. y
Bockting, C. L. (2023). ChatGPT: five priorities
for research. Nature, 614(7947), 224-226.
https://doi.org/10.1038/d41586-023-00288-7
Woodland, T. (2023). ChatGPT for improving medical
education: proceed with caution. Mayo Clinic
Proceedings: Digital Health, 1(3), 294-295.
https://doi.org/10.1016/j.mcpdig.2023.04.006
Yogatama, A., Sugiarto, I. y Gumelar, A. B. (2022). Social
network analysis of citizen initiated vaccination
campaigns on Twitter. In International Conference
on Community Empowerment and Engagement
(ICCEE 2021) (pp. 122-132). Atlantis Press.
https://doi.org/10.2991/assehr.k.220501.014
Zhuo, T. Y., Huang, Y., Chen, C. y Xing, Z. (2023).
Exploring ai ethics of ChatGPT: A diagnostic
analysis. arXiv preprint arXiv:2301.12867.
https://doi.org/10.48550/arXiv.2301.12867
