Durante años, los educadores han intentado extraer lecciones sobre los estudiantes y el proceso de aprendizaje a partir de los rastros de datos que los estudiantes dejan con cada clic en un libro de texto digital , un sistema de gestión del aprendizaje u otra herramienta de aprendizaje en línea. Es un enfoque conocido como » análisis del aprendizaje «.
En estos días, los defensores del análisis del aprendizaje están explorando cómo la llegada de ChatGPT y otras herramientas de IA generativa brindan nuevas posibilidades (y plantean nuevas cuestiones éticas) para la práctica.
Una posible aplicación es utilizar nuevas herramientas de IA para ayudar a los educadores e investigadores a dar sentido a todos los datos de los estudiantes que han estado recopilando. Muchos sistemas de análisis de aprendizaje cuentan con paneles de control para brindarles a los maestros o administradores métricas y visualizaciones sobre los estudiantes en función de su uso de las herramientas digitales del aula. La idea es que los datos se puedan usar para intervenir si un estudiante muestra signos de desinterés o desvío del rumbo. Pero muchos educadores no están acostumbrados a clasificar grandes conjuntos de este tipo de datos y pueden tener dificultades para navegar por estos paneles de análisis.
“Los chatbots que aprovechan la IA van a ser una especie de intermediarios, un traductor”, dice Zachary Pardos, profesor asociado de educación en la Universidad de California en Berkeley, que es uno de los editores de un próximo número especial del Journal of Learning Analytics que estará dedicado a la IA generativa en ese campo. “El chatbot podría incorporar diez años de literatura sobre ciencias del aprendizaje” para ayudar a analizar y explicar en lenguaje sencillo lo que muestra un panel de control, añade.
Los defensores del análisis del aprendizaje también están utilizando nuevas herramientas de IA para ayudar a analizar los foros de discusión en línea de los cursos.
“Por ejemplo, si estás viendo un foro de discusión y quieres marcar publicaciones como ‘relacionadas con el tema’ o ‘fuera del tema’”, dice Pardos, antes se necesitaba mucho más tiempo y esfuerzo para que un investigador humano siguiera una rúbrica para etiquetar dichas publicaciones, o para entrenar un tipo más antiguo de sistema informático para clasificar el material. Ahora, sin embargo, los modelos de lenguaje grandes pueden marcar fácilmente las publicaciones de discusión como relacionadas con el tema o fuera del tema “con una cantidad mínima de ingeniería de indicaciones”, dice Pardos. En otras palabras, con solo unas pocas instrucciones simples para ChatGPT, el chatbot puede clasificar grandes cantidades de trabajo de los estudiantes y convertirlo en números que los educadores pueden analizar rápidamente.
Los resultados de la investigación sobre análisis del aprendizaje también se están utilizando para ayudar a entrenar nuevos sistemas de tutoría generativa basados en inteligencia artificial. “Los modelos de análisis del aprendizaje tradicionales pueden rastrear el nivel de dominio del conocimiento de un estudiante en función de sus interacciones digitales, y estos datos se pueden vectorizar para ser introducidos en un tutor de IA basado en LLM para mejorar la relevancia y el desempeño del tutor de IA en sus interacciones con los estudiantes”, dice Mutlu Cukurova, profesor de aprendizaje e inteligencia artificial en University College London.
Otra gran aplicación es la evaluación, dice Pardos, el profesor de Berkeley. En concreto, las nuevas herramientas de IA se pueden utilizar para mejorar la forma en que los educadores miden y califican el progreso de un estudiante a través de los materiales del curso. La esperanza es que las nuevas herramientas de IA permitan reemplazar muchos ejercicios de opción múltiple en los libros de texto en línea por preguntas para completar espacios en blanco o de ensayo.
“La precisión con la que los LLM parecen ser capaces de calificar respuestas abiertas parece muy comparable a la de un ser humano”, afirma. “Por lo tanto, se puede observar que ahora hay más entornos de aprendizaje capaces de dar cabida a esas preguntas más abiertas que hacen que los estudiantes muestren más creatividad y diferentes tipos de pensamiento que si se buscara una única respuesta determinista”.
Preocupaciones por sesgo
Sin embargo, estas nuevas herramientas de IA traen consigo nuevos desafíos.
Un problema es el sesgo algorítmico. Este tipo de cuestiones ya eran motivo de preocupación incluso antes del surgimiento de ChatGPT. Los investigadores temían que, cuando los sistemas hicieran predicciones sobre el riesgo de un estudiante basándose en grandes conjuntos de datos sobre estudiantes anteriores, el resultado pudiera ser la perpetuación de desigualdades históricas. La respuesta había sido pedir más transparencia en los algoritmos de aprendizaje y los datos utilizados .
A algunos expertos les preocupa que los nuevos modelos de IA generativa tengan lo que los editores del Journal of Learning Analytics llaman una “notable falta de transparencia a la hora de explicar cómo se generan sus resultados”, y muchos expertos en IA se han preocupado de que ChatGPT y otras nuevas herramientas también reflejen sesgos culturales y raciales de maneras que son difíciles de rastrear o abordar.
Además, se sabe que los modelos lingüísticos grandes ocasionalmente “alucinan” y brindan información factualmente inexacta en algunas situaciones, lo que genera inquietudes sobre si pueden hacerse lo suficientemente confiables para ser utilizados en tareas como ayudar a evaluar a los estudiantes.
Para Shane Dawson, profesor de análisis de aprendizaje en la Universidad del Sur de Australia, las nuevas herramientas de IA hacen más urgente la cuestión de quién construye los algoritmos y sistemas que tendrán más poder si el análisis de aprendizaje se populariza más ampliamente en las escuelas y universidades.
“Hay una transferencia de poder y de agencia en todos los niveles del sistema educativo”, dijo en una charla reciente . “En un aula, cuando el maestro de primaria y secundaria está sentado allí enseñando a leer a su hijo y le entrega un iPad con una aplicación [con tecnología de inteligencia artificial], y esa aplicación hace una recomendación a ese estudiante, ¿quién tiene ahora el poder? ¿Quién tiene la agencia en esa aula? Estas son preguntas que debemos abordar como campo de la analítica del aprendizaje”.
Fuente: Jeffrey R. Young / edsurge.com
