La inteligencia artificial en la formación académica

Tenemos el desafío de preparar a nuestros estudiantes para que sean los mejores en la aplicación de la Inteligencia Artificial generativa en el mundo del trabajo.

Menos del 10% de las universidades tienen guías formales para el uso de la Inteligencia Artificial. Y los sentimientos de la opinión pública respecto a la IA son mixtos: analizando los mensajes de Twitter, se observa que el principal temor es que la IA puede hacer más fácil que los alumnos hagan trampa. Y el sentimiento más positivo es que la IA va a disminuir los costos educativos. Así se expresan investigadores de la Universidad de Texas y de IBM en el reciente volumen 9 del Nature Human Behaviour.

Las guías o directivas que se puedan armar en las universidades sirven precisamente para maximizar los beneficios de la IA y minimizar los daños. Algunos beneficios son el aprendizaje personalizado, las tutorías adaptativas, el feedback individual, y la ayuda a los educadores en las tareas más administrativas. Entre los posibles daños están los sesgos, la reducción de la interacción social y la excesiva dependencia hacia la tecnología.

Repensar la pedagogía

El objetivo es encontrar un equilibrio que aproveche la inteligencia artificial para el aprendizaje, para desarrollar habilidades valiosas y ser más productivos, sin comprometer la capacidad de pensamiento profundo. Para esto, los citados investigadores de Texas e IBM proponen:

• Integrar la alfabetización en inteligencia artificial en los planes de estudio y enseñar a los estudiantes a utilizar la IA de manera responsable, enfocándose en habilidades como la elaboración de prompts (instrucciones que se le dan a la IA para que genere una respuesta).

• Fomentar el pensamiento crítico junto con el uso de IA, mediante la asignación de tareas que requieran que los estudiantes analicen y critiquen las respuestas generadas por IA —en lugar de aceptarlas ciegamente—, lo que promoverá tanto el pensamiento crítico como el uso efectivo de estas herramientas.

• Implementar un enfoque híbrido que combine el aprendizaje tradicional con el aprendizaje apoyado por IA, integrando métodos de investigación clásicos con herramientas de IA para crear una experiencia educativa equilibrada.

• Evaluar los resultados de los estudiantes de forma holística, considerando tanto el pensamiento crítico como la competencia en el uso de IA.

• Capacitar a los docentes en evaluación con IA, brindándoles formación para mantener su autonomía como educadores.

Desafíos para la evaluación de conocimientos

¿Cómo asegurarnos que el alumno realmente trabajó el tema y lo que entrega al docente es original —no es una mera copia de lo que arroja la IA— y que realmente lo elaboró ese estudiante y no otra persona quizás contratada por ese estudiante? El artículo aparecido en Nature ofrece algunas pistas. Por ejemplo, las evaluaciones orales, que exploran la comprensión del estudiante, pueden ser la mejor forma de garantizar que realmente adquirió los conocimientos y los sabe aplicar, pero no son escalables y pueden requerir más tiempo del que permiten las clases habituales. Contratar más docentes para reducir la proporción de estudiantes por educador podría ayudar, pero a menudo no es financieramente viable.

Quizás un primer paso es asegurarse de que, al menos, haya una instancia de evaluación del conocimiento de los alumnos con estas dos características: 1) que tenga peso significativo en la calificación final del curso, y 2) que sea muy difícil de hacer trampa.

En un curso que doy a los estudiantes de primer año de Economía de la Universidad de Montevideo, la nota final del curso depende de dos componentes: 1) 60 ejercicios que hacen en sus casas a lo largo del semestre, utilizando todas las herramientas que quieran (los animo a usar IA como una herramienta más, por ejemplo les sirve como un tutor personal que les explica paso a paso la solución del ejercicio); 2) una evaluación final del curso que es presencial en clase, con papel y lápiz, donde sólo pueden usar una calculadora tradicional, y donde son vigilados durante toda la evaluación. El componente 1) vale 30% de la nota final del curso, mientras que el componente 2) vale 70% de la nota final del curso. Ya ven por dónde van los tiros: con el peso y la exigencia que tiene el segundo componente me aseguro de que, si el alumno aprueba el curso, realmente adquirió las competencias necesarias que demanda esa materia de la carrera. Y con el componente 1) me aseguro de que desarrollen destrezas en el empleo de la IA, que luego les serán de utilidad en la vida académica y laboral, para ser más productivos, para llegar a más.

Hay luz al final del túnel

Sin duda, hay riesgos de la IA: puede fomentar dependencia excesiva de esta nueva tecnología; quitar tiempo para evaluar otras prácticas pedagógicas; reducir el foco en habilidades como colaborar o pensar críticamente; y debilitar la verificación de datos como mecanismo de control.

Pero no olvidemos lo positivo. Algunos ejemplos: la IA expone a los estudiantes a una mayor variedad de ideas en menos tiempo; les permite investigar más rápido; destaca la necesidad de adaptarse a tecnologías innovadoras en una sociedad en constante cambio.

La integración de la IA en la educación trae muchos desafíos, pero también oportunidades muy significativas. Concluyen, con esta acertada sugerencia, los citados investigadores: “Se necesitan políticas personalizadas, adaptadas a contextos y disciplinas educativas específicas, que se alejen de un enfoque uniforme para el uso de la IA en la enseñanza, la evaluación y la investigación, y que al mismo tiempo preserven la integridad académica”.