Desde que ChatGPT de OpenAI estuvo disponible públicamente en noviembre de 2022, el campo de la educación superior se ha centrado en su impacto y aplicaciones: los profesores quieren entender cómo esto moldeará su trabajo y la experiencia de los estudiantes.
Sin embargo, en muchas conversaciones falta en gran medida una discusión sobre cómo se pueden utilizar los enfoques científicos para estudiar ChatGPT y otras herramientas de IA generativa en el contexto de la educación superior. Dado que la tecnología misma evoluciona rápidamente, es fundamental establecer un marco para examinar sus implicaciones; Necesitamos saber qué preguntas hacer y seguir haciendo, incluso cuando las respuestas cambian continuamente.
En la Iniciativa de Investigación sobre la Ciencia del Aprendizaje (SOLER) de la Universidad de Columbia, nuestro trabajo está dedicado a examinar la experiencia académica de nuestros estudiantes e instructores a través de una lente científica. Hacerlo implica aprovechar la investigación basada en la Beca de Enseñanza y Aprendizaje (SoTL), una investigación sistemática sobre el aprendizaje de los estudiantes para mejorar las prácticas de enseñanza, y analizar los conocimientos que se han extraído de los datos académicos e institucionales. ¿La meta? Para avanzar en la experiencia de enseñanza y aprendizaje.
Nuestro equipo ha comenzado a participar en investigaciones relacionadas con cómo los estudiantes utilizan las herramientas de IA generativa y hemos aprendido que necesitamos un enfoque sistémico para investigar el impacto de estas herramientas a lo largo del tiempo para que podamos comprender mejor cómo aprovecharlas. Aquí hay tres métodos que nuestro equipo ha estado usando.
Investigación observacional
En SOLER hemos estado realizando investigaciones observacionales para tener una mejor idea de los hábitos, la comprensión y las actitudes existentes que nuestros estudiantes y profesores tienen sobre las herramientas de IA generativa. Gran parte del discurso sobre la IA generativa en la educación superior se ha centrado en cuestiones de integridad académica . Para fundamentar estas conversaciones, la investigación observacional (sin intervención) es la base necesaria. Nuestros investigadores pretenden determinar qué saben los estudiantes y profesores sobre la tecnología, con qué frecuencia la utilizan y con qué fines, y cómo ven su utilidad o idoneidad en diversos contextos académicos.
Algunos de nuestros métodos de observación clave incluyen encuestas anónimas y grupos focales, que ofrecen “espacios seguros” donde los estudiantes pueden hablar abiertamente sobre sus hábitos. Hemos descubierto que recopilar esta información es crucial para apoyar adecuadamente a los profesores, que tienen una gran necesidad de comprender los comportamientos y actitudes de sus estudiantes. Nuestros instructores tienen preguntas sobre la retención y el éxito académico; quieren comprender cómo se relaciona el uso de estas tecnologías con los resultados de los estudiantes. Nuestros esfuerzos por analizar datos nos han ayudado a arrojar luz sobre estos temas.
En el próximo año académico, SOLER se asociará con el profesorado de la Escuela de Graduados en Arquitectura, Planificación y Preservación de Columbia y la Oficina de Integridad Académica para examinar las actitudes de los estudiantes sobre el uso de ChatGPT. La investigación servirá como punto de partida para un estudio que en última instancia probará el impacto de la herramienta en el aprendizaje de los estudiantes en un curso de finanzas inmobiliarias, lo que nos lleva a nuestro próximo enfoque de investigación: experimentos reales.
Experimentos verdaderos
Los verdaderos experimentos son una metodología de investigación fundamental porque los grupos de muestra deben asignarse aleatoriamente entre grupos de control o experimentales, y todas las variables, excepto la que se está estudiando, deben controlarse para determinar mejor la causalidad. Estamos diseñando experimentos reales que exploran preguntas prescriptivas sobre las formas en que se debe implementar la tecnología como herramienta de instrucción; este es un elemento clave para promover la enseñanza y el aprendizaje en la educación superior. Cuando se trata de investigar herramientas de IA generativa a través de un marco de investigación SoTL, las preguntas esenciales combinan elementos que son específicos de la disciplina con consideraciones más generales de la experiencia del estudiante.
Creemos que los verdaderos experimentos en ChatGPT deberían diseñarse para abordar dos áreas principales:
- Los experimentos deben incorporarse a las tareas, especialmente en el contexto de la redacción de trabajos y la programación de computadoras, y deben examinar cuestiones sobre la motivación, la evaluación, los procesos de revisión y la integridad académica de los estudiantes.
- Los experimentos deberían examinar cómo los “tutores de IA” brindan retroalimentación personalizada y explorar el impacto en el aprendizaje y los resultados relacionados con las actitudes de los estudiantes, y cómo estos resultados se comparan con los logrados con recursos más tradicionales.
Investigación híbrida
Un tercer enfoque central es implementar una investigación híbrida que examine cómo los estudiantes optan por utilizar la tecnología cuando se les da acceso explícito pero instrucciones limitadas. Este método combina elementos de los enfoques anteriores y llena un vacío conceptual al abordar la siguiente pregunta: cuando se les da acceso a la tecnología pero se les brinda orientación limitada, ¿cómo eligen los estudiantes usarla?
La investigación observacional implica simplemente alentar a los estudiantes a usar la tecnología en una clase determinada y luego pedirles que informen sobre su uso. Un verdadero experimento podría implicar establecer dos condiciones en un contexto curricular, como por ejemplo dos secciones del mismo curso a las que se les asigna la misma tarea. En una condición, los estudiantes reciben instrucción limitada; en el otro, los estudiantes reciben orientación específica sobre cómo se debe utilizar la tecnología en el contexto de la tarea. Usando una técnica combinada con esta estructura implementada, un investigador podría examinar si los dos grupos exhiben diferentes patrones de comportamiento, resultados de aprendizaje o actitudes.
En esta línea, SOLER está desarrollando actualmente un proyecto en colaboración con profesores de Columbia Business School que explorará cómo grupos de estudiantes llegan a consensos sobre el uso de generadores de imágenes con IA. Nuestro objetivo es comprender cómo los patrones de uso dan forma a la dinámica interpersonal de los miembros del grupo.
A medida que el campo de la educación superior se encuentra navegando en este panorama tecnológico que cambia rápidamente, adaptarnos es nuestra única opción. Debemos hacer esfuerzos sistemáticos y rigurosos para comprender y aprovechar las nuevas tecnologías, y debemos considerar seriamente cuestiones éticas y morales, especialmente las relacionadas con la diversidad y la inclusión, como quién se beneficia de estas herramientas y por qué.
Estas cuestiones complejas pueden abordarse de manera significativa adoptando un enfoque científico, utilizando marcos de investigación sólidos y con apoyo institucional para estos esfuerzos. Si examinamos cómo los estudiantes y profesores están experimentando las tecnologías emergentes a través de una lente científica, podemos lograr más que simplemente mantenernos al día: podemos trazar un camino hacia un futuro más brillante y equitativo.
Fuente: Adam Brown y Soulaymane Kachani / edsurge.com
