Inteligencia Artificial y Educación ¿dónde estamos? (I)

Imagen original de John Angelo Yap en Goldenpeguin

En próximos días presentaré para ser publicado en EdArXiv un preprint con este título. Mientras tanto podremos ver adelantos de él en este blog y en lo posible discutirlo en cualquiera de las redes sociales donde participo.

La idea que quiero transmitir en este artículo es que, primero, hay una hipervaloración sobre lo que es y lo que pueden hacer la IA generativa, los LLM y el ChatGPT, y sobre la necesidad de contar con ellos en Educación, también del papel que pueden cumplir como inusitados auxiliares para el aprendizaje, que van a cambiar radicalmente las cosas. Segundo, constataremos que esa hipervaloración no está en absoluto justificada con evidencias que avalen lo que se dice ni mucho menos. Lo tercero que veremos, será lo que constituye una de las cuestiones clave del trabajo: Veremos que, si bien no es tanto, sí hay motivos para pensar que la presencia de la IA va a propiciar importantes cambios en las practicas. Eso es, por el momento, lo único que parece que, de forma esporádica y mediante casos y prácticas personales aisladas, se ha justificado mínimamente (Korinek, 2023). También es previsible que haya cambios de calado, en aspectos básicos, ante los cuales es preciso dar respuestas.

Si bien no se han aportado evidencias, el volumen de lo publicado en todos los órdenes y medios apunta hacia cambios que chocan de frente, son contradictorios, e incluso ignoran la mayor parte de lo que se había investigado y elaborado en cuanto a teorías del aprendizaje y en su derivada que es el diseño instruccional. En cómo se organiza la instrucción, la educación, en función de las leyes y principios demostrados que rigen el aprendizaje humano. En este apartado, que constituye lo clave del trabajo, defendemos la importancia de la teoría en el diseño, desarrollo e implementación de la IA en la educación. Al hacerlo, cuestionamos la relevancia y el valor de aplicación continuada y sin revisión de las teorías de aprendizaje existentes, cuando la IA se vuelva prominente en las aulas. Exigiremos pues nuevos marcos, modelos y formas de pensar; aquellos que incluyen la presencia de agentes no humanos que se parecen más a un socio activo que a una simple tecnología, lo que genera preguntas importantes sobre la revisión de las teorías de aprendizaje colaborativas y basadas en equipos, existentes. 

Así nos planteamos que la integración de marcos teóricos nuevos, para la implementación y el desarrollo de sistemas educativos en los que se incluye la IA como socio, es esencial para avanzar y lograr resultados de aprendizaje óptimos.

Pero ello plantearemos al menos las interrogantes siguientes: 

La adopción de la IA en la educación ¿requiere modificaciones o revisiones de cómo se conceptualiza la forma en que aprendemos? 

¿O se requiere una reestructuración completa, que resulte de la necesidad de nuevas teorías? 

¿Qué debería ofrecer la teoría a los educadores cuando se incluye la IA? Es importante para ello responder primero a

¿La facilidad de acceso de la IA al contenido y la capacidad de producir contenido disminuye la importancia del conocimiento declarativo? 

Y por último destacamos, no sin cierta perplejidad, cómo lo que se apuntaba como una tímida tendencia sólo justificable en el aprendizaje humano, pero con cierta simpatía por parte de algunos autores que hacia prevenir que finalmente se vería positivo en humanos, finalmente y con todo desparpajo se avala como un conjunto de métodos para aplicar en personas, constituyen ya una tendencia. Me refiero al aprendizaje condicionado o aprendizaje humano por refuerzo. Algo abandonado hace tiempo que ahora se rescata.

 

Referencias.-

Korinek, A. (2023). Language models and cognitive automation for economic research (No. w30957). National Bureau of Economic Research.