Marco teórico.
La Inteligencia Artificial Generativa (IAG) es una rama innovadora de la IA, enfocada en crear contenido nuevo y original a partir de datos ya existentes. Estos modelos no sólo simulan diálogos altamente realistas, sino que también son capaces de identificar y analizar conceptos en los textos, realizar traducciones precisas, adaptar estilos de comunicación e, inclusive, generar y relacionar ideas de manera efectiva. Esta diversidad de funciones resalta el amplio potencial de los LLMs ( modelos de lenguaje avanzado por su siglas en inglés), en el sector educativo.
En el ámbito de la IA, hay múltiples enfoques, siendo uno de los más novedosos la IA generativa. Esta se destaca por su capacidad para crear nuevos datos y contenidos mediante la identificación y aplica- ción de patrones complejos obtenidos de extensos conjuntos de datos. Este proceso de generación puede aplicarse a una variedad de medios: en los medios visuales, los algoritmos pueden crear obras artísticas totalmente nuevas; en el ámbito sonoro, tienen la capacidad de generar composiciones musicales originales; en el dominio del lenguaje, los LLMs producen contenidos coherentes e inno- vadores, aprovechando el conocimiento derivado de una amplia gama de textos ya existentes, que incluye esencialmente toda la información disponible en la web.
Los LLMs son particularmente disruptivos debido a la importancia central del lenguaje humano en nues- tras vidas, pues no sólo facilitan la interacción en lenguaje natural, sino que también tienen el poten- cial de revolucionar nuestra forma de acceder y procesar información, concebir el arte y la literatura, e incluso influir en cómo aprendemos y enseñamos. Estos modelos no sólo simulan diálogos altamente realistas, sino que también son capaces de identificar y analizar conceptos en los textos, realizar traducciones precisas, adaptar estilos de comunicación e, inclusive generar y relacionar ideas de manera efectiva. Esta diversidad de funciones resalta el amplio potencial de los LLMs en el sector educativo y son por tanto el foco de este proyecto.
Usos didácticos.
En relación con estas posibilidades en los usos didácticos de la IA, Ouyang y Jiao (2021) identifica- ron los siguientes enfoques pedagógicos que pueden tomarse al utilizarla como material didáctico:
El enfoque del conductismo: la IA se asimila al conocimiento y, desde esa perspectiva, dirige los procesos de aprendizaje, tratando a los/as estudiantes como receptores de los servicios proporcionados por esta.
El enfoque del cognitivismo y del constructivismo social: la IA es utilizada como una herramienta de apoyo de manera tal que los/as estudiantes colaboran con esta, interactuando en una situación de aprendizaje.
El enfoque del conectivismo y la teoría del sistema adaptativo complejo: aquí se pretende extender la inteligencia humana mediante la integración de la IA. La IA es tomada como una herramienta útil para potenciar la inteligencia humana, con la cual los/as estudiantes deben liderar su propio proceso de aprendizaje.
Ouyang y Jiao (2021) promueven un acercamiento pragmático que permita integrar los beneficios de estos tres enfoques pedagógicos. A fin de cuentas, la cuestión fundamental es que el estudiante se encuentre en el centro sin dejar de tener en consideración los aspectos sociales, cognitivos, emo- cionales, filosóficos y éticos asociadas al uso de la IA en la enseñanza.
Ahora bien, ¿de qué formas concretas podría implementarse el uso de una herramienta como ChatGPT en una propuesta educativa? ¿Puede esta herramienta desempeñar un rol más amplio y enriquecedor, por fuera de la simple resolución de tareas unidireccionales? En esta línea de inda- gación, existen experiencias interesantes que exploran el uso de ChatGPT en la interacción directa con estudiantes y en funciones que exceden la simple resolución de tareas. Ethan Mollick y Lilach Mollick (2023) proponen y exploran siete modelos para la utilización de la IA en el aula que, en condiciones cuidadosamente diseñadas y en un contexto favorable, podrían contribuir a mejorar los resultados del aprendizaje (Tabla).
Siete aproximaciones para estudiantes con prompts (Mollick y Mollick, 2023). Traducción Adolfo Kvitca.
Fuente: FUNDAR, Inteligencia artificial y aprendizaje activo.
Comments