Inteligencia artificial para el bien social: Ayudando a los estudiantes a aprender

Hoy en día hay más niños y niñas escolarizados que nunca, pero no están aprendiendo. En aulas abarrotadas, una profesora de tercer grado puede encontrarse con cincuenta estudiantes con distintos niveles de aprendizaje, entornos familiares e idiomas. Tiene que decidir en qué centrar su tiempo y atención limitados, dentro de un plan de estudios que sus estudiantes a menudo no logran seguir. Una parte se queda atrás, mientras que otra no alcanza su potencial. Día tras día, al asistir a clase sin aprender nada, muchos estudiantes acabarán por dejar de ir a la escuela. Sin apoyo, los docentes desbordados también terminan rindiéndose.

Esta situación, que se repite en millones de centros educativos de todo el mundo, constituye una crisis mundial del aprendizaje. ¿Pueden ayudar las herramientas de IA? La IA tiene el potencial de personalizar aún más las clases, acelerar el análisis de los datos del estudiantado, profundizar en la retroalimentación sobre su rendimiento y facilitar la implementación a gran escala de programas educativos basados en datos empíricos. 

Pero, la IA podría convertirse en otra «bala de plata» que no consiga mejorar el aprendizaje, sino que implicaría que los gobiernos a gasten sus escasos recursos en tecnología educativa que acaba sin utilizarse en las escuelas. 

Esto ya ha ocurrido antes. En Perú, por ejemplo, tras una inversión de unos 180 millones de dólares en ordenadores portátiles para estudiantes y diez años de iteraciones, una evaluación reveló que a quienes tenían un ordenador portátil no les iba mejor; de hecho, su situación era ligeramente peor. 

Numerosos estudios han demostrado que limitarse a introducir la tecnología en las aulas no basta para mejorar el aprendizaje; las tecnologías deben integrarse en las prácticas de enseñanza y aprendizaje. El peligro de las soluciones tecnológicas milagrosas es que suelen ir acompañadas de una oleada de expectación: cuando la tecnología es el martillo, todos los empiezan a parecer clavos. 

La IA ya ha llegado a muchas aulas y el estudiantado, en esencia, ha estado participando en un experimento no regulado con su educación. En Turquía , el uso de una IA no regulada perjudicó el aprendizaje de los estudiantes, al privarles de habilidades a largo plazo de pensamiento crítico, ya que utilizaban GPT para obtener respuestas rápidas a las preguntas de práctica. 

Para mantenerse al día con la IA, quienes toman decisiones de política pública, educan o investigan deberían aprovechar los datos disponibles y evitar enfrascarse sin más en cada oportunidad de uso de IA, —sobre todo en las que se basan en teorías del cambio ineficaces. Empoderados con evidencia, los sistemas educativos pueden orientar las inversiones hacia los usos de la IA que potenciarán al máximo lo que ya sabemos que probablemente funcione. Con este enfoque, reducimos el riesgo de malgastar el tiempo, atención y dinero de docentes, estudiantes y gobiernos. 

Evidencia naciente sobre herramientas prometedoras

La IA ofrece avenidas prometedoras para reforzar los sistemas educativos y mejorar los resultados del aprendizaje cuando se integra de forma reflexiva en la enseñanza a la medida, el involucramiento de los hogares, la enseñanza de la lectura, y otras inversiones inteligentes.

Evaluar y proporcionar retroalimentación: Los resultados de los exámenes y pruebas pueden mostrar a docentes y estudiantes el nivel de aprendizaje logrado, pero añadir retroalimentación frecuente y de alta calidad les muestra cómo alcanzar el siguiente peldaño. No obstante, proporcionar retroalimentación personalizada a partir de numerosas hojas de ejercicios y trabajos lleva tiempo, durante el cual el aprendizaje se estanca. 

En este ámbito, existen cuellos de botella que la IA puede ayudar a superar. En Brasil, un equipo de investigación evaluó un sistema de corrección de redacciones basado en IA que ofrece retroalimentación inmediata sobre las redacciones de práctica de los estudiantes para un examen nacional. Quienes utilizaron el corrector de IA mejoraron su escritura gracias a más repeticiones de práctica, comentarios más útiles y una mayor atención personalizada por parte del equipo docente, que ahora podía dedicar menos tiempo a analizar la sintaxis de los trabajos. El programa de IA se entrenó con miles de redacciones de referencia, varias puntuaciones y comentarios de correctores humanos, y criterios de calificación estandarizados del coordinador del examen nacional. El programa se está ampliando ahora a las escuelas públicas de todo Brasil. 

La tecnología de reconocimiento de voz basada en IA también tiene el potencial de evaluar rápidamente las habilidades de lectura de los niños y niñas en las lenguas locales. Evaluaciones en curso del software de reconocimiento de voz de Facebook en Sudáfrica y de la aplicación Padhi de Pratham en India aportarán información útil para el futuro. Muchas tecnologías de reconocimiento fotográfico basadas en IA, como Photomath, también están ampliamente disponibles para revisar los ejercicios de matemáticas escaneando una foto y siguiendo las explicaciones paso a paso. Sin embargo, necesitamos comprender mejor cómo las utilizan los estudiantes: ¿están asimilando y aprendiendo de estas revisiones rápidas, o simplemente copian y pegan una respuesta generada por la IA para completar la tarea?

Personalización de las lecciones: Sabemos que adaptar la enseñanza al nivel de aprendizaje de cada estudiante mejora el aprendizaje, pero la personalización requiere la experiencia y el tiempo del cuerpo docente. Un avance en tecnología educativa que se basa en la evidencia de la enseñanza personalizada es el software de aprendizaje adaptativo por ordenador (CAL). Los sistemas CAL, como Mindspark , ajustan la lección o pregunta siguiente en función de si el estudiante responde correctamente. 

Estudios de CAL muestran mejoras sustanciales y constantes en el aprendizaje, especialmente entre quienes tienen un rendimiento más bajo, cuando las escuelas utilizan la tecnología para complementar la enseñanza presencial e impartir una enseñanza focalizada. Cuando los centros educativos utilizan la tecnología educativa para sustituir la enseñanza presencial, los resultados son dispares. 

Aunque los datos disponibles sobre CAL se han centrado hasta ahora en programas basados en reglas con contenidos predefinidos, cada vez son más los estudios que evalúan tutores de IA. Estas herramientas generan y personalizan respuestas en tiempo real, y también han dado resultados prometedores en estudios preliminares, como las clases de refuerzo extraescolares con Microsoft CoPilot en Nigeria, el acceso al chatbot de tutoría Rori durante las horas de estudio en Ghana y el tutor de Khanmigo en Canadá. Las investigaciones en curso sobre el chatbot de matemáticas de Darsel en Jordania y el chatbot de mEducation en Filipinas arrojarán luz sobre otros contextos y herramientas. Al igual que la supervisión de un adulto es importante para la eficacia del CAL, la evidencia emergente sugiere que la enseñanza mediante IA sigue necesitando la intervención humana para motivar a los estudiantes y hacerlos responsables de su aprendizaje. 

Tal como ocurre con muchas aplicaciones de la IA, siguen sin resolverse cuestiones como cuánto tiempo deberían dedicar las personas a las herramientas de IA, así como qué tipo de interacciones humanas y sociales están sustituyendo.

Aprovechar la información detallada para apoyar a las familias: Sabemos que compartir información que guíe a los hogares en el proceso de postulación a escuelas y les avise si su hijo o hija se está quedando atrás les permite apoyarlos mejor. Por ejemplo, varias intervenciones de chatbots con IA integrada  demuestran que pueden ayudar en diversas tareas: desde buscar información sobre ayudas económicas hasta detectar errores en las solicitudes de acceso a la universidad. Los chatbots con IA integrada pueden ayudar a los hogares a desenvolverse en un proceso complejo, como la búsqueda de una escuela.

Oportunidades sin aprovechar 

Existen algunos problemas difíciles de resolver que aún no cuentan con soluciones adecuadas y escalables. La IA podría ayudar a resolver algunos de ellos, pero falta mucho por testear y es necesario seguir investigando.

Toma de decisiones basada en datos: la IA puede analizar datos rápidamente y realizar predicciones precisas con datos de calidad. Esto podría ayudar a los docentes a identificar las lagunas de aprendizaje y a clasificar a los estudiantes en grupos para ofrecer una enseñanza personalizada. En Italia, un equipo de investigación está evaluando si un algoritmo de IA puede reducir el sesgo de género en las disciplinas STEM (ciencias, tecnología, ingeniería y matemáticas) proporcionando al profesorado recomendaciones más informadas sobre trayectorias matemáticas para quienes ingresan en la enseñanza secundaria. (Los resultados se darán a conocer próximamente). 

La IA también puede ayudar a asignar los recursos de forma más eficaz, por ejemplo, a la hora de destinar becas o de gestionar intervenciones de salud en el ámbito escolar. La selección de participantes suele ser lo más costoso de este tipo de intervenciones, por lo que las predicciones basadas en la IA sobre quiénes más lo necesitan podrían ayudar a los sistemas escolares, siempre que se basen en fuentes fiables e imparciales. 

Adaptar la pedagogía estructurada y la enseñanza personalizada para implementación a mayor escala: Ampliar los programas requiere muchos ajustes. A menudo se necesitan recursos para traducir los materiales a los idiomas locales, adaptar los planes de estudios a los distintos calendarios escolares y modificar los sistemas antiguos. En Uganda, los responsables del desarrollo curricular utilizaron ChatGPT para traducir las guías para el profesorado a los idiomas locales, reduciendo los costes sin perder calidad. 

En Kenia, EIDU está implantando una nueva herramienta de aprendizaje remedial que utiliza IA para identificar lagunas de aprendizaje y crear lecciones personalizadas para grupos reducidos. En colaboración con EIDU, algunos investigadores están evaluando las formas más eficaces de implementar la nueva herramienta en el aula, como combinarla con una agrupación  similar a la de «Teaching at the Right Level».

Hacer que los materiales sean más fáciles de entender y más relevantes: cuando los estudiantes no entienden lo que se les pregunta, pueden adivinar, frustrarse y rendirse. Esto es especialmente cierto entre quienes aprenden un idioma o tienen dificultades de aprendizaje. Un programa emergente, M7E AI, ayuda a las personas que desarrollan planes de estudios a revisar los problemas matemáticos para expresarlos en un lenguaje claro y accesible, pero aún no se ha evaluado a gran escala. Del mismo modo, un buen tutor o tutora utiliza analogías que conectan con sus estudiantes. La IA generativa puede, potencialmente, despertar su interés y creatividad. Sin embargo, necesitamos más pruebas para asegurar que los modelos que desarrollan contenidos nuevos y no probados sean fiables, precisos y eficaces.

Evaluación y orientación a docentes: El personal docente también necesita una retroalimentación personalizada y continua. A medida que se implementan nuevos programas y reformas pedagógicas, los sistemas educativos precisan una manera de formar y apoyar al profesorado a gran escala, pero la orientación presencial resulta costosa. Las investigaciones aún no han desentrañado cuáles son las formas más rentables de formación docente, aunque una evaluación en Sudáfrica reveló que el asesoramiento virtual era menos eficaz que el presencial a la hora de mejorar y mantener los resultados de aprendizaje de los estudiantes. Cuando los asesores están presentes en el aula, los docentes reciben comentarios prácticos basados en la observación y desarrollan la confianza y la responsabilidad necesarias para probar nuevos enfoques. Queda por ver si la IA puede aportar el mismo valor. 

Una evaluación en curso utiliza un programa de IA que analiza grabaciones de interacciones entre estudiantes y tutores  y proporciona comentarios que antes eran difíciles de observar a distancia, como por ejemplo cómo utilizar un lenguaje más cálido. 

Selección, asignación y retención del profesorado: Existen muchas preguntas sin respuesta en lo que respecta a la contratación y la retención del profesorado. Los datos de estudios cuasi-experimentales  procedentes de Estados Unidos sugieren que los sistemas de evaluación selectivos que incentivan a los docentes eficaces y apartan a los ineficaces pueden mejorar los resultados de aprendizaje. Sin embargo, muchos sistemas de asignación se basan en el favoritismo y en asignaciones aleatorias, lo que significa que, a menudo, se asigna al cuerpo docente a las aulas sin tener en cuenta si son adecuados para el estudiantado. 

Algunos sistemas educativos que han intentado desarrollar sistemas de contratación basados en el mérito han tenido dificultades para predecir con precisión quién sería un buen profesor o profesora. La inteligencia artificial tiene el potencial de mejorar la predicción y de mejorar el rendimiento académico, lo que permitiría asignar al profesorado a las escuelas de forma más eficaz; sin embargo, este enfoque aún no se ha probado.

Cubrir las carencias en la atención de salud mental que ofrecen los centros educativos: La IA podría tener el potencial de ofrecer herramientas de apoyo emocional allí donde escasean los orientadores escolares, especialmente en las zonas rurales. Sin embargo, también existen riesgos: cuando la IA sustituye a los seres humanos como compañeros de los niños, niñas y adolescentes, podría empeorar su salud mental. Se necesita más investigación para encontrar el equilibrio adecuado en este ámbito. 

Precauciones y advertencias: la IA no es la panacea

Existen varios riesgos específicos del sector educativo que quienes se dedican a las políticas públicas o a la investigación deben tener en cuenta al considerar soluciones de IA. 

Deterioro del pensamiento crítico: los estudiantes pueden recurrir a la IA para obtener respuestas rápidas, lo que reduce las oportunidades de desarrollar el razonamiento, la resolución de problemas y la creatividad. Muchos sistemas de IA anteponen la eficiencia a la pedagogía, ofreciendo soluciones en lugar de guiar la investigación. Sin medidas de control, se corre el riesgo de socavar el aprendizaje profundo.

Pérdida de interacción social: el aumento del tiempo frente a la pantalla con tutores o compañeros de IA puede desplazar la colaboración entre pares y la interacción entre docentes y estudiantes, debilitando habilidades socioemocionales como la capacidad de colaborar. 

Protección: Los chatbots diseñados para simular la intimidad pueden difuminar los límites, especialmente en el caso de los adolescentes, y se ha demostrado que generan respuestas inapropiadas o inseguras . Además, los sistemas de IA que gestionan datos confidenciales de niños, niñas y adolescentes requieren medidas de protección sólidas. Sin las medidas de seguridad adecuadas, los datos podrían ser objeto de un uso indebido, exponiendo a los estudiantes a contenidos nocivos.

Sobrecarga de trabajo para el profesorado: Si las herramientas de IA se integran de forma deficiente, pueden añadir complejidad en lugar de reducir la carga de trabajo, lo que aumenta el estrés sin mejorar los resultados.

Equidad: El acceso desigual a dispositivos, conectividad y herramientas de IA podría agrandar las disparidades existentes entre estudiantes y escuelas. Los modelos entrenados con conjuntos de datos limitados pueden ofrecer ejemplos u orientaciones que resulten irrelevantes —o incluso perjudiciales— en contextos diversos.

Dependencia de fuentes no verificadas: los modelos de IA que se basan en Internet pueden proporcionar información inexacta o engañosa a menos que se ajusten a planes de estudios fiables.

De cara al futuro

Las iniciativas de J-PAL “Learning for All”   y “Proyect AI Evidence” financian evaluaciones de innovaciones de IA destinadas a abordar estas preguntas sin respuesta. Seguiremos compartiendo los nuevos resultados de las investigaciones a medida que vayan surgiendo nuevos hallazgos. Y no se pierdan la publicación de J-PAL, el “AI Evidence Playbook”, que resume lo que sabemos y lo que no sobre el papel de la IA en distintos sectores y comparte perspectivas sobre cómo aprovechar estas lecciones.