La inteligencia artificial está en todas partes
En la Universidad Tecnológica de Georgia, el profesor Ashok Goel contrató a una ayudante de cátedra (TA) llamada Jill Watson para que se encargara del gran número de mensajes en los foros1 de su curso de informática. A los estudiantes les gustó tanto que la recomendaron para un premio a la docencia.2 Pero Jill no era en realidad un ser humano: estaba completamente fabricada mediante Inteligencia Artificial (IA); los estudiantes no tenían ni idea hasta que el Dr. Goel se lo reveló al final del semestre.
¿Por qué se utiliza la IA en la educación?
En la actualidad, la IA educativa se manifiesta en forma de chatbots humanoides en línea, que trabajan de forma independiente o junto con los instructores. Estos chatbots, como Jill Watson, se popularizarán con el tiempo.3
En Estados Unidos y en el extranjero, los profesores suelen estar mal pagados y sobrecargados de trabajo, y su capacidad de productividad se ve mermada por su elevada carga de responsabilidades.2 Pero la IA puede ayudar: en un estudio, los investigadores descubrieron que, con la IA, los instructores podían realizar funciones administrativas con mayor precisión y eficacia, y mejoraba la calidad del aprendizaje de los alumnos.3
Los sistemas algorítmicos están creciendo en la educación a través del uso de sitios de microblogging, plataformas de medios sociales académicos y aplicaciones móviles. Los profesores, desde preescolar hasta bachillerato, utilizan cada vez más las redes sociales académicas4 , lo que hace recaer la responsabilidad de la enseñanza en los sistemas algorítmicos inteligentes5.
Las ventajas de la IA en las aulas
El uso de la IA en entornos educativos aporta 3 ventajas fundamentales a profesores y alumnos. La IA puede:
- Apoyar las aulas mixtas6,7
- Reduce la presión sobre los profesores y les deja más tiempo para ayudar a los alumnos6,7
- Crear una experiencia de aprendizaje más personalizada para los alumnos8
Oportunidades tangibles para el desarrollo de la IA
Aunque la IA educativa ya está ayudando a profesores y alumnos, aún no es completamente fiable a la hora de abordar las necesidades de los profesores, atender el deseo de personalización de los alumnos o ayudar a un aula con capacidades mixtas. Hay una carencia crítica de investigación que incorpore tanto la teoría educativa como la tecnología de IA9 ; como tal, hay un potencial significativo para la innovación en la esfera de la IA educativa.
Los desarrolladores de IA deben reconocer que la enseñanza no ha sido históricamente un campo centrado en la tecnología.10 Incluso hoy en día, un asombroso número de estudiantes abandona las clases abiertas masivas en línea (o MOOC): la tasa de abandono fue tan alta como el 97% en una clase en Duke y el 90% en una clase en Stanford.11
Para que la IA tenga éxito en la educación, los desarrolladores deben hacer hincapié tanto en la teoría educativa como en la ciencia del comportamiento.
El número de MOOC disponibles para los alumnos ha crecido significativamente en los últimos 10 años, pasando de casi cero en 2012 a unos 16.000 en 2021.
¿Cómo puede ayudar a los estudiantes una IA comprometida y personalizada?
Teoría de la autodeterminación (TAD)
La teoría de la autodeterminación afirma que necesitamos 3 necesidades psicológicas básicas para nuestro bienestar y crecimiento:
- Sensación de control
- Sentimiento de competencia
- Sentimiento de inclusión o afiliación con los demás12
La ausencia de estas características puede contribuir a los bajos niveles de compromiso y a las altas tasas de abandono en la educación en línea. Resulta alarmante que un estudio descubriera que si el apoyo disponible para los estudiantes en las clases en línea no se centra en abordar sus necesidades, contribuirá a resultados negativos como:
- Menos horas semanales de estudio
- Menos accesos al portal de aprendizaje
- Bajar la nota prevista y la nota final
- Menor aprendizaje percibido
- Menor satisfacción racial12
Sin embargo, la IA puede crear asistentes del profesor (AT) comunicativos y personalizados para abordar cada uno de los tres componentes de la teoría de la autodeterminación.
La IA puede aumentar la autoeficacia
Las clases en línea con un instructor poco comprometido pueden dificultar la autoeficacia de los estudiantes, es decir, la creencia de que sus esfuerzos tendrán éxito.13 La ausencia de escenarios educativos tradicionales en el aula puede hacer que los estudiantes se sientan inseguros sobre sus capacidades. Para rectificar esta situación, los instructores deben dedicar energía a apoyar la relación entre su presencia y los esfuerzos de autoeficacia.14
Los instructores, especialmente los que enseñan en línea, suelen estar sobrecargados de trabajo o sometidos a demasiada presión para atender las necesidades de cada alumno. Un instructor basado en IA podría reconocer las necesidades de aprendizaje de cada alumno y proporcionarle la atención personalizada que necesita para ganar confianza y comprender el material.
La IA puede mejorar la comunicación
Otro factor de las bajas tasas de retención de los MOOC es que a los estudiantes les resulta difícil comunicarse con sus instructores. De hecho, el 68% de los estudiantes prefiere la enseñanza presencial por la facilidad de comunicación.15
Aunque la comunicación no supere la prueba de Turing, puede garantizar que los estudiantes obtengan respuestas rápidas a preguntas sencillas o que sean dirigidos rápidamente al profesor si el asistente no puede responder a la pregunta.
La IA basada en el comportamiento abre la puerta al éxito de los estudiantes
Los desarrolladores de IA tienen grandes oportunidades de mejorar la vida tanto de los educadores como de sus alumnos. Cuando se aprovechan las necesidades de autoeficacia de los estudiantes, las instituciones educativas pueden observar mayores tasas de finalización y mayor satisfacción entre los académicos.
Las empresas educativas pueden utilizar la IA en forma de chatbots: pueden responder a las preguntas de los alumnos y volverse más inteligentes cuando se utilizan dentro de un campo específico. También pueden utilizar la IA para crear lecciones personalizadas creadas para los alumnos, lo que ayudará a aumentar la participación y las tasas de finalización.17
Un plan de clases personalizado puede consistir en que los alumnos realicen pruebas de control a lo largo del curso. A los que salen bien en los exámenes se les reta a completar contenidos más difíciles, mientras que a los que salen mal se les proporcionan lecciones complementarias para que mejoren lo que han hecho mal.
Utilizar herramientas de personalización que tengan en cuenta la sensibilidad cultural, la región u otros factores diferenciadores significa que los estudiantes sacarán más provecho de la clase.
AI TAs: un modelo de negocio inteligente
A la luz de la pandemia y el aprendizaje a distancia, el potencial de la IA en el espacio educativo es casi ilimitado. Para ayudar mejor a alumnos y profesores, debemos tener en cuenta la ciencia del comportamiento y las teorías educativas utilizando la IA como herramienta para crear conexión y comunicación.
La IA puede aprender y mejorar constantemente: tiene sentido invertir tiempo y dinero para crear mejores oportunidades para los alumnos. Si más estudiantes terminan sus cursos y expresan satisfacción con sus experiencias, una institución educativa puede demostrar que es un caso atípico y no la norma.
The Decision Lab es una consultoría de investigación que utiliza la ciencia del comportamiento para promover el bien social. Trabajamos con algunas de las mayores organizaciones educativas del mundo para hacer frente a las barreras del aprendizaje y democratizar el acceso a la educación. Contamos con el asesoramiento de algunas de las mentes más innovadoras en educación y desarrollo. Si quiere que nos ocupemos de esto juntos, póngase en contacto con nosotros.
References
- Conoce a Jill Watson: La primera asistente docente de IA de Georgia Tech. (2016, 10 de noviembre). Educación profesional de Georgia Tech. https://pe.gatech.edu/blog/meet-jill-watson-georgia-techs-first-ai-teaching-assistant
- Chace, C. (2020, 29 de octubre). El impacto de la inteligencia artificial en la educación. Forbes. https://www.forbes.com/sites/calumchace/2020/10/29/the-impact-of-artificial-intelligence-on-education/
- Chen, L., Chen, P. y Lin, Z. (2020). Artificial Intelligence in Education: A Review. IEEE Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510
- Greenhow, C., Galvin, S. M., Brandon, D. L., & Askari, E. (2020). A Decade of Research on K-12 Teaching and Teacher Learning with Social Media: Insights on the State of the Field. Teachers College Record, 122(6), 1-72. https://doi.org/10.1177/016146812012200602
- Cheney-Lippold, J. (2017). Somos datos: Algorithms and the Making of Our Digital Selves. En We Are Data. New York University Press. https://doi.org/10.18574/9781479888702
- Hrastinski, S., Olofsson, A. D., Arkenback, C., Ekström, S., Ericsson, E., Fransson, G., Jaldemark, J., Ryberg, T., Öberg, L.-M., Fuentes, A., Gustafsson, U., Humble, N., Mozelius, P., Sundgren, M., & Utterberg, M. (2019). Imaginarios críticos y reflexiones sobre inteligencia artificial y robots en la educación postdigital K-12. Postdigital Science and Education, 1(2), 427-445. https://doi.org/10.1007/s42438-019-00046-x
- Roll, I., y Wylie, R. (2016). Evolución y revolución de la inteligencia artificial en la educación. International Journal of Artificial Intelligence in Education, 26(2), 582-599. https://doi.org/10.1007/s40593-016-0110-3
- Hubert, K. (2021, 30 de marzo). Los beneficios de la IA en la educación. Capacidad. https://capacity.com/the-benefits-of-ai-in-education/
- Chen, X., Xie, H., Zou, D., & Hwang, G.-J. (2020). Brechas de aplicación y teoría durante el auge de la Inteligencia Artificial en la Educación. Computers and Education: Artificial Intelligence, 1, 100002. https://doi.org/10.1016/j.caeai.2020.100002
- Fahimirad, M., & Shakib Kotamjani, S. (2018). Una revisión sobre la aplicación de la inteligencia artificial en la enseñanza y el aprendizaje en contextos educativos. Revista Internacional de Aprendizaje y Desarrollo, 8. https://doi.org/10.5296/ijld.v8i4.14057
- Peterson, R. (2013, 12 de noviembre). ¿Por qué abandonan los estudiantes los MOOC? Por Rachelle Peterson | NAS. https://www.nas.org/blogs/article/why_do_students_drop_out_of_moocs
- Chen, K.-C., & Jang, S.-J. (2010). Motivation in online learning: Testing a model of self-determination theory. Computers in Human Behavior, 26(4), 741-752. https://doi.org/10.1016/j.chb.2010.01.011
- ¿Qué es la autoeficacia? (2022, 28 de abril). WebMD. https://www.webmd.com/balance/what-is-self-efficacy
- Garrison, D. R., Anderson, T., & Archer, W. (1999). Critical Inquiry in a Text-Based Environment: Computer Conferencing in Higher Education. The Internet and Higher Education, 2(2), 87-105. https://doi.org/10.1016/S1096-7516(00)00016-6
- Jensen, S. A. (2011). In-Class Versus Online Video Lectures: Similar Learning Outcomes, but a Preference for In-Class. Teaching of Psychology, 38(4), 298-302. https://doi.org/10.1177/0098628311421336
- Ivanov, B. (2020, 30 de noviembre). El papel de la inteligencia artificial en el aprendizaje electrónico. Medium. https://becominghuman.ai/the-role-of-artificial-intelligence-in-e-learning-41ac88ee3e8d
- ¿Cómo se utilizará la IA en el aprendizaje electrónico en 2020? (2020, 24 de julio). LearnDash.https://www.learndash.com/how-is-ai-being-used-in-e-learning-in-2020/
