La mayor parte de la tecnología educativa está diseñada para reducir la fricción. El profesor René Kizilcec , experto en ciencias de la información, cree que ese es precisamente el problema.
“Aprender no se trata de sentirse bien”, dijo Kizilcec, fundador del Laboratorio del Futuro del Aprendizaje en Cornell. “La emoción del aprendizaje es la frustración. Esa es la emoción que mejor predice el aprendizaje”.
Es una observación engañosamente simple con implicaciones notables (sobre cómo las universidades utilizan herramientas de IA, cómo los profesores diseñan sus cursos y cómo una industria llegó a confundir conveniencia con aprendizaje) y es el principio impulsor detrás del trabajo del Future of Learning Lab.
‘La emoción del aprendizaje es la frustración’
Fundado por Kizilcec hace aproximadamente siete años y medio, el Laboratorio del Futuro del Aprendizaje estudia la intersección de la tecnología, la educación y la ciencia del aprendizaje en todos los grupos de edad, desde la educación primaria hasta la educación superior. Los proyectos del laboratorio abarcan diversas áreas de aplicación, desde una base de datos nacional de interacciones de tutoría hasta herramientas de formación clínica basadas en inteligencia artificial implementadas en facultades de medicina de todo el país, y una plataforma de aprendizaje de idiomas utilizada en las aulas de Cornell.
La motivación de estos proyectos reside en una sola pregunta: ¿cómo es realmente una buena enseñanza y cómo podemos incorporar la tecnología eficazmente? La respuesta, argumenta Kizilcec, parte de una verdad incómoda sobre el aprendizaje en sí: «La emoción del aprendizaje es la frustración».
Esta afirmación contradice el principio de muchas industrias que priorizan la fluidez. Plataformas como Microsoft Copilot están diseñadas para ofrecer a los consumidores lo que desean rápidamente, lo que resulta inapropiado cuando las universidades las tratan como infraestructura educativa, argumentó Kizilcec.
“Co-pilot te da con gusto las respuestas a todas las tareas. No se guarda nada”, dijo Kizilcec, refiriéndose al asistente de inteligencia artificial de Microsoft, que Cornell y muchas instituciones similares han puesto gratuitamente a disposición de los estudiantes. “Esa no es una buena herramienta en el ámbito educativo”.
El argumento de Kizilcec no es que la IA no tenga cabida en el aprendizaje, sino que las universidades e instituciones tienen la obligación de proporcionar herramientas basadas en la investigación y la ciencia del aprendizaje. Implementar chatbots de propósito general en un contexto educativo, sugirió, supone abandonar esa responsabilidad.
“Lo que deberíamos ofrecer a los estudiantes son herramientas diseñadas para apoyar su aprendizaje”, dijo. “Y empoderar a los docentes para que las perfeccionen para que se alineen con los objetivos de aprendizaje específicos de cada curso”.
Una herramienta que Kizilcec recomendó es HiTA.ai , una plataforma de IA especializada para la educación que puede ayudar a estudiantes y profesores brindándoles apoyo conversacional personalizado y a demanda. Esta plataforma se ha incorporado a cursos de Cornell como INFO 4100: “Análisis de Aprendizaje” y HADM 4205: “Modelado Financiero Inmobiliario”. HiTA facilita el aprendizaje de los estudiantes guiándolos con sugerencias adecuadas en lugar de proporcionar respuestas directas a las preguntas.
De tutores a trabalenguas
Los proyectos del Laboratorio del Futuro del Aprendizaje reflejan la filosofía de empoderar a los docentes en la práctica. Una de sus iniciativas es el Observatorio Nacional de Tutoría , un intento por construir el mayor repositorio mundial de datos de video y transcripciones sobre interacciones de tutoría.
“Actualmente, faltan datos fiables sobre cómo es la buena enseñanza”, dijo Kizilcec. “Y si no sabemos cómo es la buena enseñanza, ¿cómo podemos formar modelos para que sean como buenos docentes? ¿Cómo podemos impulsar las ciencias de la enseñanza?”
Al trabajar con siete proveedores, que van desde tutores humanos expertos hasta sistemas de voz impulsados por IA, el laboratorio está creando el conjunto de datos Million Tutor Moves , apuntando al menos a un millón de interacciones entre maestros y estudiantes en una variedad de materias, niveles de grado y contextos educativos.
Los estudiantes de doctorado del Laboratorio del Futuro del Aprendizaje han desarrollado herramientas que aplican estos principios, utilizando la IA eficazmente en entornos adecuados. Por ejemplo, el laboratorio ha creado MedSimAI , que permite a estudiantes de medicina de instituciones como Weill Cornell, la Universidad de California en San Francisco y la Facultad de Medicina de Yale practicar la conversación clínica con pacientes generados por IA, lo que les permite perfeccionar sus habilidades de comunicación en un entorno controlado antes de acceder a entornos clínicos con pacientes reales.
Otro programa llamado ChitterChatter empareja a estudiantes de idiomas con compañeros de conversación de IA, lo que reduce la ansiedad social que puede acompañar al hablar un nuevo idioma frente a un compañero.
Kizilcec afirmó que en todos ellos se encuentra la misma pregunta fundamental: ¿cómo es realmente una buena enseñanza y cómo construimos tecnología en torno a ella, en lugar de lo contrario?
El maestro humano no se irá a ninguna parte
A pesar de todo el trabajo del laboratorio en herramientas de IA, Kizilcec está seguro de una cosa: los profesores humanos siguen siendo esenciales.
“La enseñanza es realmente compleja”, dijo Kizilcec. “Quien intente simplificarla se equivoca”.
Kizilcec explicó que los niños siguen trayectorias de desarrollo con vidas emocionales que moldean su interacción con el material educativo. Los docentes responden a estas situaciones con una compasión que los sistemas, por muy sofisticados que sean, no pueden replicar.
Lo que la tecnología puede hacer, argumentó Kizilcec, es complementar al docente, proporcionando el tipo de retroalimentación inmediata e individualizada que los docentes humanos no siempre pueden ofrecer a cada estudiante en todo momento. La clave está en arraigar esas herramientas en lo que la ciencia del aprendizaje ya sabe: que el esfuerzo productivo y la retroalimentación funcionan.
«Es útil empezar por los principios básicos», dijo Kizilcec, «y luego pensar en cómo estas herramientas los mejoran y dónde crean riesgos».
Fuente: Ashley Kim / cornellsun.com
