Desde que Chatgpt apareció hace casi tres años, el impacto de inteligencia artificial (AI) Las tecnologías sobre el aprendizaje han sido ampliamente debatidas. ¿Son herramientas útiles para educación personalizada o puertas de enlace a la deshonestidad académica?
Lo más importante, ha habido inquietud que usar IA conducirá a un “tonto” generalizado, o disminuirá la capacidad de pensar críticamente. Si los estudiantes usan herramientas de inteligencia artificial demasiado temprano, el argumento va, es posible que no desarrollen habilidades básicas para el pensamiento crítico y la resolución de problemas.
¿Ese es realmente el caso? Según un estudio reciente Por científicos del MIT, parece que sí. El uso de ChatGPT para ayudar a escribir ensayos, dicen los investigadores, pueden conducir a “deuda cognitiva” y una “probable disminución en las habilidades de aprendizaje”.
Entonces, ¿qué encontró el estudio?
La diferencia entre usar IA y el cerebro solo
En el transcurso de cuatro meses, el equipo del MIT pidió a 54 adultos que escribieran una serie de tres ensayos usando AI (CHATGPT), un motor de búsqueda o su propio cerebro (grupo “solo para cerebros”). El equipo midió la participación cognitiva al examinar la actividad eléctrica en el cerebro y mediante el análisis lingüístico de los ensayos.
El compromiso cognitivo de aquellos que usaron IA fue significativamente menor que los otros dos grupos. Este grupo también tuvo más dificultades para recordar citas de sus ensayos y sintió un menor sentido de propiedad sobre ellos.
Curiosamente, los participantes cambiaron de roles para un cuarto ensayo final (el grupo solo para cerebro usó IA y viceversa). El grupo de IA a cerebro se desempeñó peor y tenía un compromiso que era solo un poco mejor que el otro grupo durante su primera sesión, muy por debajo del compromiso del grupo solo cerebral en su tercera sesión.
Los autores afirman que esto demuestra cómo el uso prolongado de la IA llevó a los participantes que acumularon “deuda cognitiva”. Cuando finalmente tuvieron la oportunidad de usar sus cerebros, no pudieron replicar el compromiso o funcionar tan bien como los otros dos grupos.
Con cautela, los autores señalan que solo 18 participantes (seis por condición) completaron la cuarta sesión final. Por lo tanto, los hallazgos son preliminares y requieren más pruebas.
¿Esto realmente muestra la IA nos hace más estupinos?
Estos resultados no significan necesariamente que los estudiantes que usaron AI acumularon “deuda cognitiva”. En nuestra opinión, los hallazgos se deben al diseño particular del estudio.
El cambio en la conectividad neuronal del grupo solo por cerebro en las primeras tres sesiones fue probablemente el resultado de volverse más familiarizado con la tarea de estudio, un fenómeno conocido como el efecto de familiarización.
A medida que los participantes del estudio repiten la tarea, se vuelven más familiares y eficientes, y su estrategia cognitiva se adapta en consecuencia.
Cuando el grupo AI finalmente llegó a “usar sus cerebros”, solo estaban haciendo la tarea una vez. Como resultado, no pudieron igualar la experiencia del otro grupo. Lograron solo un compromiso ligeramente mejor que el grupo solo para cerebro durante la primera sesión.
Para justificar completamente las afirmaciones de los investigadores, los participantes de IA a cerebro también necesitarían completar tres sesiones de escritura sin IA.
Del mismo modo, el hecho de que el grupo Brain-to-AI usó ChatGPT de manera más productiva y estratégica se deba a la naturaleza de la cuarta tarea de escritura, que requirió escribir un ensayo sobre uno de los tres temas anteriores.
Como la escritura sin IA requería un compromiso más sustancial, tuvieron un recuerdo mucho mejor de lo que habían escrito en el pasado. Por lo tanto, utilizaron principalmente IA para buscar nueva información y refinar lo que habían escrito anteriormente.
¿Cuáles son las implicaciones de la IA en la evaluación?
Para comprender la situación actual con IA, podemos mirar hacia atrás a lo que sucedió cuando las calculadoras estuvieron disponibles por primera vez.
En la década de 1970, su impacto fue regulado al hacer que los exámenes sean mucho más difíciles. En lugar de hacer cálculos a mano, se esperaba que los estudiantes usaran calculadoras y gastaran sus esfuerzos cognitivos en tareas más complejas.
Efectivamente, la barra se elevó significativamente, lo que hizo que los estudiantes trabajen igualmente duro (si no más duro) que antes de que las calculadoras estuvieran disponibles.
El desafío con la IA es que, en su mayor parte, los educadores no han elevado la barra de una manera que hace que la IA sea una parte necesaria del proceso. Los educadores aún requieren que los estudiantes completen las mismas tareas y esperen el mismo estándar de trabajo que hace cinco años.
En tales situaciones, la IA puede ser perjudicial. Los estudiantes pueden descargar en su mayor parte el compromiso crítico con el aprendizaje a la IA, lo que resulta en “pereza metacognitiva“.
Sin embargo, al igual que las calculadoras, la inteligencia artificial puede y debería ayudarnos a lograr tareas que anteriormente eran imposibles, y que aún requieren un compromiso significativo. Por ejemplo, podríamos pedir a los estudiantes que usen AI para producir un plan de lección detallado, que luego será evaluado por su calidad y solidez pedagógica en un examen oral.
En el estudio del MIT, los participantes que usaron IA estaban produciendo los ensayos “mismos viejos”. Ajustaron su compromiso para entregar el estándar de trabajo esperado de ellos.
Lo mismo ocurriría si los estudiantes se les pidiera que realizaran cálculos complejos con o sin una calculadora. El grupo que realiza cálculos a mano sudaría, mientras que aquellos con calculadoras apenas parpadearían un ojo.
Aprender a usar AI
Las generaciones actuales y futuras deben poder pensar de manera crítica y creativa y resolver problemas. Sin embargo, la IA está cambiando lo que significan estas cosas.
La producción de ensayos con lápiz y papel ya no es una demostración de la capacidad de pensamiento crítico, así como hacer una división larga ya no es una demostración de aritmética.
Saber cuándo, dónde y cómo usar AI es la clave para el éxito y el desarrollo de habilidades a largo plazo. Priorizar qué tareas se pueden descargar a una IA para reducir la deuda cognitiva es tan importante como comprender qué tareas requieren creatividad genuina y pensamiento crítico.
Vitomir kovanovicProfesor Asociado y Director Asociado del Centro de Cambio y Complejidad en el Aprendizaje (C3L), Futuros de Educación, Universidad del Sur de Australia y Rebecca MarroneLecturer Learning Sciences and Development, el Centro de Cambio y Complejidad en el Aprendizaje (C3L), Futuros de Educación, Universidad del Sur de Australia
Este artículo se republicó de La conversación bajo una licencia Creative Commons. Leer el artículo original.