No es ninguna sorpresa que los educadores tengan una relación incómoda con la IA generativa. Temen el impacto del plagio, los ensayos generados por máquinas y las “alucinaciones” (donde el sistema afirma con confianza que algo es cierto y en vez de simplemente decir que no sabe nada mejor) de herramientas como ChatGPT y Bard. Existe una preocupación palpable de que la IA generativa se convierta en un sustituto para un aprendizaje auténtico: algo que ayudará a una persona a superar un examen sin necesidad de absorber e interiorizar el material.
Si bien no hay duda de que la IA se ha utilizado para eludir el proceso de aprendizaje, ChatGPT ya ha asumido el papel de tutor personal ad hoc para millones, cambiando los patrones de consumo de aprendizaje y mejorando nuestra relación con la educación. La posibilidad de contar con un asistente de enseñanza impulsado por IA, uno que oriente, anime y guíe a los alumnos a través del material en una relación uno a uno, está al alcance de la mano. Y la escalabilidad de la IA significa que alguien puede beneficiarse de ello.
La IA puede hacer el aprendizaje más adictivo y, para muchos, lo hace ya. Las razones tienen poco que ver con los avances de vanguardia en inteligencia artificial y ciencias de la computación y más con los fundamentos de lo que hace que un alumno esté comprometido, motivado y entusiasmado.
¿Qué entendemos por adictivo?
Decir que la IA hace que el aprendizaje sea adictivo, hace referencia a una sensación de entusiasmo, que inculca en el alumno un apetito voraz por la superación personal y el crecimiento. Pero, lo que es más importante, continúa mucho después de haber logrado lo que inició su viaje. Básicamente, esto se reduce a una motivación sostenida y a largo plazo. Crear estudiantes automotivados es un desafío al que se enfrentan la mayoría de los educadores, y una montaña de investigaciones educativas aborda este tema.
La educación siempre se ha centrado en el elemento humano y es difícil imaginar un mundo donde las máquinas puedan reemplazarlo.
Es difícil exagerar la importancia de la motivación. Ya sea que esté aprendiendo a hablar un nuevo idioma o dando los primeros pasos hacia una carrera en programación, el aprendizaje es inherentemente iterativo, donde el alumno gradualmente desarrolla confianza y fluidez con el tiempo. El prolífico educador en programación Zed Shaw una vez describió este punto como «escalar una montaña de ignorancia». Los primeros meses, cuando no tienen confianza y no entienden el tema, son los más difíciles y es muy fácil darse por vencido. Y es por eso que se necesita una fuerza externa que anime al alumno a seguir adelante. La confianza, la capacidad y quizás incluso la grandeza están a la vuelta de la esquina.
Uno de los ejemplos de este punto es Judit Polgár, ampliamente considerada como la mejor jugadora de ajedrez de todos los tiempos y la gran maestra de ajedrez más joven del mundo. El padre de Judit, László, creía que los genios se hacían, no nacían, y que sólo requerían educación y entrenamiento sostenido desde una edad temprana. László, rompiendo con las expectativas sociales de la Hungría de la era comunista, optó por educar en casa a Judit y a sus dos hermanas, centrándose intensamente en el ajedrez.
Y funcionó. Antes incluso de ser una adolescente, Judit fue descrita como un prodigio potencial similar a Garry Kasparov y Bobby Fischer. A los 15 años, batió un récord previamente establecido por Fischer y dos años más tarde derrotó a Boris Spassky, otro peso pesado del ajedrez, en un partido de exhibición.
Si bien el papel de la naturaleza y la crianza es objeto de acalorados debates, particularmente en juegos analíticos como el ajedrez, está claro que el enfoque de László funcionó. Al combinar un entrenamiento intenso con el factor de motivación inherente que conlleva el entrenamiento individualizado, Judit se convirtió en una fuerza dentro del mundo del ajedrez antes de llegar a la edad adulta. Sus hermanas, Zsuzsa y Zsófia, también se convirtieron en grandes maestras.
En una entrevista posterior a su jubilación con Chess.com, Judit atribuyó el éxito del método de enseñanza de su padre a la confianza que le infundió: “Creo que tener clases privadas en cualquier campo hace que los niños mejoren mucho más rápido, y debido a esto , ganan mucha más confianza, lo que aumenta su velocidad y su apetito por mejorar. Creo que esta es una de las cosas más importantes para cualquier niño, esté o no en la escuela. Si puedes mantener su curiosidad, pueden mejorar extremadamente rápido”.
La IA generativa puede manejar el aspecto motivacional del aprendizaje (el estímulo, la relevancia y la especificidad) y al mismo tiempo evitar los errores inevitables que surgen de un sistema educativo uniforme y único. ¿Pero cómo?
La búsqueda de la relevancia
La investigación académica sobre el impacto de la IA generativa como herramienta de aprendizaje aún está en curso. Gran parte de la literatura académica existente es inherentemente especulativa o anecdótica y analiza lo que podría suceder en lugar de lo que han observado. Esta es una consecuencia inevitable de la novedad de la IA generativa. ChatGPT es muy nuevo y la investigación lleva tiempo. A medida que más investigadores investiguen herramientas como ChatGPT, será interesante ver cómo sus hallazgos.
Como se mencionó, la motivación es fundamental para el éxito del alumno y la relevancia juega un papel muy importante para lograrlo. Es uno de los factores fundamentales del modelo de motivación ARCS (atención, relevancia, confianza y satisfacción) de John Keller, un concepto establecido en la teoría pedagógica.
Dentro del modelo ARCS, Keller identificó varios componentes críticos de relevancia, dos de los cuales parecen especialmente pertinentes para el tema de la IA generativa: la coincidencia de necesidades, donde el profesor relaciona el contenido con las necesidades del alumno, y el modelado, que muestra a los alumnos cómo aplicar el aprendizaje en un sentido práctico.
La IA generativa está bien posicionada para lograr estos componentes. Como puede atestiguar cualquiera que haya utilizado un producto basado en GPT-4, puede crear una lección hiperpersonalizada y muy específica sobre casi cualquier tema. En cuestión de segundos, ChatGPT puede decirle cómo se puede utilizar la trigonometría en el mundo real o cómo una parte específica de una clase de informática se relaciona con un contexto más amplio, incluso si puede parecer abstracto y confuso. Estos ejemplos se pueden crear espontáneamente, a menudo debido a los requisitos y solicitudes únicos del estudiante. Este proceso también funciona para los educadores.
La educación siempre se ha centrado en el toque humano y es difícil imaginar un mundo donde las máquinas puedan reemplazarlo. Los humanos tenemos una inteligencia emocional inefable que no puede articularse únicamente en código. La IA generativa amplía las capacidades de los profesores, que a menudo están sobrecargados. Un ejemplo de cómo esto podría funcionar es modificar, mejorar y adaptar el material de aprendizaje.
Normalmente, un profesor necesitaría más tiempo o energía para crear hojas de trabajo personalizadas para la capacidad, los intereses o el estilo de aprendizaje de cada estudiante. Están sobrecargados de trabajo, y los materiales de clase son caros y, a menudo, los paga el mismo maestro. Pero ahora pueden generar materiales de aprendizaje personalizados, a escala y bajo demanda, con un coste insignificante para la escuela o el docente. Utilizando una herramienta como ChatGPT, un profesor puede pegar un plan de lección y, con instrucciones escritas simples, cambiar sustancialmente el formato o la presentación de un estudiante individual preservando al mismo tiempo el material básico.
Este proceso lleva unos segundos, lo que lo convierte en una opción práctica incluso para el profesor más ocupado. Es un caso de uso que imagino que muchos profesores adoptarán junto con otras capacidades de la IA generativa para idear, corregir y sugerir.
Es fácil ver cómo el potencial de la IA generativa para la adaptación de contenidos podría combinarse con otros métodos de aprendizaje probados, como la gamificación.
Los videojuegos mantienen a la gente interesada creando bucles de dopamina. Estos bucles sólo funcionan si hay una apariencia de progreso. Para que la experiencia de juego valga la pena, el personaje del juego debe seguir evolucionando y mejorando. Con cada desafío, el personaje adquiere nuevas habilidades y equipo que le ayudarán a afrontar futuros desafíos más exigentes. Esta mecánica es repetitiva en sí misma, por lo que el “bucle” se mueve con el jugador, llevándolo a nuevas ubicaciones y tramas para mantener un elemento de novedad.
La IA generativa permite implementar estas mecánicas en un entorno educativo. Con infinitas variaciones de contenido adaptadas a la situación y capacidad del estudiante, los alumnos pueden obtener la repetición y el refuerzo necesarios para el éxito a largo plazo, sin que el contenido se sienta cansado o aburrido. Este ciclo puede continuar a medida que el alumno avanza a lo largo del tema, abordando material más complejo y avanzado a medida que avanza.
Aprendizaje centrado en la persona
La alineación del contenido es fundamental para el éxito a largo plazo. Esto incluye tanto el plan de estudios, que debe ser pertinente a los intereses de los alumnos, como a las personas mismas. Las personas tienen diferentes incentivos y habilidades iniciales que deben abordarse desde el principio.
Un artículo, publicado en la revista IEEE Signal Processing, proporciona una descripción general del impacto potencial de la IA en el aprendizaje centrado en la persona y la incentivación de los estudiantes. Como han observado otros investigadores pedagógicos, se observa que los estudiantes, y las personas en general, responden a diferentes incentivos durante el aprendizaje.
El autor escribe: “Algunos estudiantes exhiben preferencias hiperbólicas, sobrevalorando tanto el presente que las recompensas futuras son en gran medida ignoradas. Algunos alumnos muestran fuertes reacciones incluso ante recompensas no monetarias. Algunos estudiantes demuestran preferencias dependientes de referencias, lo que implica que la utilidad está determinada en gran medida por su distancia desde un punto de referencia, por ejemplo, una meta predefinida o el desempeño promedio”.
En resumen, algunas personas quieren una sensación de inmediatez, otras desean una especie de recompensa no tangible (una calificación, un certificado u otra forma de reconocimiento) y otras están más centradas en cómo el contenido les llevará a un destino predeterminado. Estos son factores que deben tenerse en cuenta al elaborar material de aprendizaje.
Al mismo tiempo, es fundamental reconocer que las capacidades varían. El contenido debe articularse de diferentes maneras para que sea eficaz. Mientras que algunos pueden sentirse cómodos con una explicación densa y escrita académicamente de un tema con una jerga específica de un campo incomprensible para los de afuera, otros pueden preferir algo más accesible. Esta es la razón por la que un enfoque único para todos tiene éxito en algunos pero fracasa en muchos otros.
Y está la relación entre el profesor y el alumno, que también juega un papel crucial en la motivación de los estudiantes. Robert Gower y Jon Saphier, dos respetados escritores sobre educación, destacan tres mensajes clave de aliento que funcionan: “Esto es importante”, «Puedes hacerlo» y «No me rendiré contigo». Queda por ver si estos sentimientos mantendrán su impacto cuando los transmita un chatbot de IA. Pero es algo para lo que, con un esfuerzo trivial, se podría programar un sistema.
Si bien muchos de los componentes mencionados aún no figuran en una herramienta de IA generativa convencional (en particular, la incentivación), otros están firmemente al alcance de la mano. ChatGPT, por ejemplo, puede proporcionar explicaciones de temas de alto y bajo nivel. Puede responder a indicaciones para simplificar o proporcionar más detalles o complejidad. Gran parte de la funcionalidad requerida ya existe, aunque de forma ad hoc, y es hora de que la IA generativa desempeñe un papel más importante, no sólo en el aula sino también en la forma más amplia en que las personas participan en la educación.
Formar aprendices constantes
La IA, en particular los modelos de lenguaje grandes, tiene el potencial de revolucionar la forma en que aprenden los estudiantes. Este cambio será fundamentalmente beneficioso, especialmente en lo que respecta a cómo los individuos se relacionan con el aprendizaje y cómo éste altera sus patrones de consumo.
Gran parte de la atención se ha centrado en la capacidad de la IA para escalar la educación personalizada o democratizar la educación más allá de los pasillos de los caros campus universitarios. Si bien no estoy en desacuerdo con estas evaluaciones, es esencial reconocer los impactos psicológicos y sociológicos de estos cambios. La noción de que la IA podría hacer que el aprendizaje no sólo sea “divertido” sino también profundamente convincente parece realista e inminente. Hacerlo creará una nueva generación de personas hipercapaces e hiperapasionadas que podrán adaptarse fácilmente al cambio y actualizar y perfeccionar constantemente sus habilidades.
Eso beneficiará a los individuos, a la economía y, en última instancia, a la sociedad.
