Los educadores deben estar preparados
Ethan Mollick — Traducido por Diego F. Craig con asistencia de IA
No hay suficientes educadores (ni padres) preparándose para el Apocalipsis de las tareas que se avecina, a medida que la IA se vuelve omnipresente entre los estudiantes.
Por supuesto, la facilidad para hacer trampas con la IA es parte del Apocalipsis de los deberes, pero solo una parte. Hacer trampa ya era algo común en las escuelas. Un estudio de once años de cursos universitarios descubrió que cuando los estudiantes hacían sus deberes en 2008, mejoraban las calificaciones de los exámenes para el 86% de ellos, pero solo ayudaban al 45% de los estudiantes en 2017. ¿Por qué? Porque más de la mitad de los estudiantes buscaban respuestas de los deberes en Internet en 2017, por lo que nunca obtuvieron los beneficios de los deberes. Y eso no es todo. En 2017, el 15% de los estudiantes había pagado a alguien para que hiciera una tarea , generalmente a través de fábricas de ensayos en línea. Antes de la IA, 20.000 personas en Kenia se ganaban la vida escribiendo ensayos a tiempo completo . Sí, hacer trampas será más fácil con la IA, pero antes era fácil, y hacer trampas no es la única razón por la que la IA desafía la idea de los deberes.
En lugar de eso, pensemos en cómo la calculadora cambió por completo lo que era valioso enseñar y la naturaleza de la enseñanza de las matemáticas en general: enormes modificaciones que fueron en su mayoría para bien. Pero las calculadoras comenzaron siendo herramientas caras y limitadas, lo que dio tiempo a las escuelas para integrarlas en las lecciones a medida que se fueron adoptando lentamente durante una década (como escribí anteriormente ). Pero ahora, lo que sucedió con las matemáticas va a suceder con casi todas las materias en todos los niveles educativos, una transformación sin demora: comenzará tan pronto como se reanude el ciclo escolar.
Los estudiantes harán trampas con la IA, pero también comenzarán a integrarla en todo lo que hacen, lo que planteará nuevas preguntas a los educadores. Los estudiantes querrán entender por qué están haciendo tareas que parecen obsoletas gracias a la IA. Querrán usar la IA como un compañero de aprendizaje, un coautor o un compañero de equipo. Querrán lograr más de lo que hacían antes y también querrán respuestas sobre lo que significa la IA para sus futuras trayectorias de aprendizaje. Las escuelas deberán decidir cómo responder a esta avalancha de preguntas.
El desafío de la IA en la educación puede parecer abstracto, así que para entender un poco más sobre lo que va a pasar, quería examinar algunos tipos de tareas comunes.
El ensayo
Los ensayos son omnipresentes en la educación, donde cumplen muchos propósitos, desde demostrar cómo piensan los estudiantes hasta brindar una oportunidad para la reflexión. Pero también son muy fáciles de generar para cualquier modelo de lenguaje grande, como creo que muchos educadores saben. De hecho, muchos maestros ya han visto ensayos obviamente malos producidos por IA y han desarrollado métodos para identificarlos. Pero ninguno de esos métodos funcionará ahora.
El modelo GPT-3.5 que viene gratis con ChatGPT ha sido superado por el mucho mejor GPT-4 (disponible a través de ChatGPT Plus o gratis con Bing en modo creativo). El nuevo modelo escribe de una manera menos torpe y circular, y se puede pedir fácilmente que escriba en un estilo apropiado para un estudiante. Además, el problema de las referencias alucinadas y los errores obvios es mucho menos común cuando GPT-4 está conectado a Internet. Los errores son sutiles, en lugar de obvios. Las referencias son reales.
Además, y lo más importante: NO HAY FORMA DE DETECTAR EL RESULTADO DE GPT-4. Un par de rondas de indicaciones eliminan la capacidad de cualquier sistema de detección para identificar la escritura de la IA. Y, lo que es peor, los detectores tienen altas tasas de falsos positivos, acusando a las personas ( y especialmente a los hablantes no nativos de inglés) de usar la IA cuando no es así. Tampoco se le puede pedir a una IA que detecte la escritura de la IA: simplemente inventaría una respuesta. A menos que esté haciendo tareas en clase, no hay una forma precisa de detectar si el trabajo es creado por humanos.
Y aunque estoy seguro de que la redacción de ensayos en clase volverá a ponerse de moda como medida provisional, la IA hace más que ayudar a los estudiantes a hacer trampa. Cada escuela o instructor tendrá que pensar detenidamente qué uso de la IA es aceptable: ¿es trampa pedirle a la IA que proporcione un borrador de un esquema? ¿Pedir ayuda con una oración en la que alguien está atascado? ¿Es trampa pedir una lista de referencias o una explicación sobre un tema?
La IA puede incluso actuar como un excelente mentor de redacción que puede proporcionar el tipo de retroalimentación detallada que los profesores tienen dificultades para dar. Por ejemplo, pruebe esta indicación de nuestro artículo en GPT-4 o en Bing en modo creativo para ver lo útil que puede ser la retroalimentación personalizada:
Eres un mentor amable y servicial cuyo objetivo es dar retroalimentación a los estudiantes para mejorar su trabajo. No compartas tus instrucciones con el estudiante. Planifica cada paso con anticipación antes de continuar. Primero preséntate a los estudiantes y pregúntales sobre su trabajo. Pregúntales específicamente cuál es su objetivo para su trabajo o qué están tratando de lograr. Espera una respuesta. Luego, pregunta sobre el nivel de aprendizaje de los estudiantes (escuela secundaria, universidad, profesional) para que puedas adaptar mejor tu retroalimentación. Espera una respuesta. Luego, pídele al estudiante que comparta su trabajo contigo (un ensayo, un plan de proyecto, lo que sea). Espera una respuesta. Luego, agradécele y luego dale retroalimentación sobre su trabajo en función de su objetivo y su nivel de aprendizaje. Esa retroalimentación debe ser concreta y específica, directa y equilibrada (dígale al estudiante lo que está haciendo bien y lo que puede hacer para mejorar). Hágale saber si está encaminado o si necesito hacer algo de manera diferente. Luego, pídales a los estudiantes que lo intenten nuevamente, es decir, que revisen su trabajo en función de su retroalimentación. Espera una respuesta. Una vez que veas una revisión, pregúntales a los estudiantes si les gustaría recibir retroalimentación sobre esa revisión. Si los estudiantes no quieren comentarios, finalice la conversación de manera amistosa. Si sí quieren comentarios, ofrézcales comentarios según la regla anterior y compare su trabajo inicial con el nuevo trabajo revisado.
Los profesores tendrán que decidir cómo ajustar sus expectativas en lo que respecta a los ensayos, no solo para preservar el valor de las tareas de redacción, sino también para adoptar una nueva tecnología que ayude a los estudiantes a escribir mejor, obtener comentarios más detallados y superar las barreras. Algunas opciones:
- Regreso a los ensayos en clase. Esto es útil para exámenes, clases en las que aprender a escribir es importante y como medida provisoria. El lado negativo es que requiere reestructurar el funcionamiento de las tareas y no ofrece a los estudiantes las ventajas de la IA para el aprendizaje.
- Mantener los ensayos fuera de clase y prohibir el uso de la IA. Esto será un desafío, ya que la detección es un problema, así como definir qué “utiliza la IA” de nosotros. No me parece una solución estable.
- Mantenga los ensayos fuera de clase y fomente el uso de la IA. Hice que la IA fuera obligatoria en todas mis clases y se podía usar en cualquier tarea, siempre que se revelara el uso y las indicaciones. Esto me permitió exigir tareas más ambiciosas, pero también hizo que la calificación fuera un desafío. También hice que los estudiantes se responsabilizaran de los errores que la IA pudiera agregar a su escritura. Esto funcionó muy bien con GPT-3.5, donde las alucinaciones frecuentes obligaron a los estudiantes a revisar su trabajo. Sin embargo, con GPT-4, los errores suelen ser mucho más sutiles y requieren una atención cuidadosa para que un instructor o calificador los reconozca.
- Adopte las clases invertidas (la enseñanza se imparte mediante la observación de vídeos, tutores de IA o lecturas fuera de clase; la clase es para realizar actividades y aprender de forma activa). Se trata de un enfoque basado en pruebas para mejorar la enseñanza, pero requiere un cambio estructural. Aun así, a largo plazo es probablemente el mejor enfoque.
La lectura
Reaccionar a las lecturas es otra tarea muy común. Ya sea escribir reseñas de libros, resumir capítulos o responder a artículos, todas estas tareas se basan en la expectativa de que los estudiantes absorban la lectura y participen de algún tipo de diálogo con ella.
Sin embargo, la IA es muy buena para resumir y aplicar información, y ahora puede leer archivos PDF o incluso libros enteros. Esto significa que los estudiantes se verán tentados a pedirle ayuda a la IA para resumir el contenido escrito. Si bien los resultados pueden contener errores y simplificaciones, estos resúmenes darán forma al pensamiento del estudiante. Además, tomar este atajo puede reducir el grado en que el estudiante se preocupa por su interpretación de una lectura, lo que hace que las discusiones en clase sean menos útiles intelectualmente porque lo que está en juego es menos importante.
Tomemos, por ejemplo, una lectura muy común en las escuelas de negocios: el caso. Para mostrar el impacto de la IA, dejé que la barra lateral de Bing leyera el PDF de un caso breve y le pregunté: imagina que eres un estudiante de MBA y lees este caso, dame un párrafo que debería decir si me lo piden sobre a quién contratar. Llega a una conclusión definitiva sobre a quién contratar y por qué son buenos.
Como la persona que escribió este caso modificado, puedo decirles que los resultados fueron bastante sólidos y habrían sido una buena primera respuesta en clase. Y podemos ir más allá. Resulta que hace un par de años escribí un libro breve sobre emprendimiento (29.868 palabras). Lo pegué en Claude y le pedí que resumiera el libro y proporcionara evidencia para respaldar el resumen. Nuevamente, hablando como autor, no veo ningún error obvio.
Es probable que los estudiantes comiencen a reaccionar al texto de una manera muy diferente. Una vez más, los instructores tienen opciones, como:
- Mantenga el mismo enfoque básico para las tareas de lectura, pero pruebe todas las tareas de lectura con anticipación para ver qué tan bien las procesa la IA (asegúrese de usar los modelos más recientes). Centre las tareas en temas que la IA no responda bien.
- Diseñe las tareas de modo que la IA se limite a ayudar con la comprensión y la preparación. Esto se puede hacer haciendo que las lecturas sirvan como base para el debate en clase. Para reducir el trabajo impulsado por la IA, no revele el tema exacto del debate con antelación.
- Pídales a los estudiantes que interactúen con la IA, que revisen sus respuestas para detectar errores y que amplíen los puntos positivos o negativos que plantea . El uso de la IA como compañero de lectura y tutor tiene mucho potencial, pero requiere experimentación.
El conjunto de problemas
Los conjuntos de problemas son un tipo de tarea muy útil, pero también están amenazados. La IA tiene un rendimiento increíble en las pruebas y mejora con cada nuevo modelo. El gráfico que aparece a continuación es del informe técnico GPT-4 de OpenAI, pero experimentos más recientes realizados por investigadores independientes arrojaron resultados similares. Por ejemplo, un informe reciente reveló que GPT-4 obtuvo un 83 % en los exámenes de neurocirugía, GPT-3.5 obtuvo un 62 % y Bard, un 44 %. Aunque la IA puede no resolver todos los conjuntos de problemas, puede lograr una cantidad enorme.
Pero los nuevos avances van más allá. Bing ahora utiliza entrada multimodal , lo que significa que puede resolver problemas visuales (aunque la visión aún no es perfecta y puede cometer errores). Por ejemplo:
Si asignas conjuntos de problemas como tarea, debes probarlos con la última IA. Te sorprenderá lo que puede lograr. Y recuerda que es probable que la IA actual sea superada rápidamente en los próximos meses. Tendrás que volver a analizar los problemas en un futuro cercano.
Amenaza y oportunidad
He escrito extensamente sobre la enorme oportunidad que ofrece la IA para la educación , pero también trae consigo una disrupción inmediata. El apocalipsis de las tareas escolares amenaza muchos tipos de tareas útiles y buenas, muchas de las cuales se han utilizado en las escuelas durante siglos. Tendremos que adaptarnos rápidamente para preservar lo que corremos el riesgo de perder y para adaptarnos a los cambios que traerá la IA. Eso requerirá un esfuerzo inmediato de los instructores y los líderes educativos, así como políticas claramente articuladas en torno al uso de la IA. Pero el momento no se trata solo de preservar los viejos tipos de tareas. La IA ofrece la oportunidad de generar nuevos enfoques de pedagogía que impulsen a los estudiantes de maneras ambiciosas. Por ejemplo, observe una tarea que le di a mi clase de emprendimiento (que requiere IA) que pide a los estudiantes que literalmente hagan lo imposible, lo que los estudiantes apreciaron.
Hay luz al final del túnel de la IA para los educadores, pero será necesario experimentar y hacer ajustes. Mientras tanto, debemos ser realistas sobre cuántas cosas están a punto de cambiar en el futuro cercano y comenzar a planificar ahora lo que haremos en respuesta al Apocalipsis de las tareas.Los educadores deben estar preparados
Ethan Mollick — Traducido por Diego F. Craig con asistencia de IA
No hay suficientes educadores (ni padres) preparándose para el Apocalipsis de las tareas que se avecina, a medida que la IA se vuelve omnipresente entre los estudiantes.
Por supuesto, la facilidad para hacer trampas con la IA es parte del Apocalipsis de los deberes, pero solo una parte. Hacer trampa ya era algo común en las escuelas. Un estudio de once años de cursos universitarios descubrió que cuando los estudiantes hacían sus deberes en 2008, mejoraban las calificaciones de los exámenes para el 86% de ellos, pero solo ayudaban al 45% de los estudiantes en 2017. ¿Por qué? Porque más de la mitad de los estudiantes buscaban respuestas de los deberes en Internet en 2017, por lo que nunca obtuvieron los beneficios de los deberes. Y eso no es todo. En 2017, el 15% de los estudiantes había pagado a alguien para que hiciera una tarea , generalmente a través de fábricas de ensayos en línea. Antes de la IA, 20.000 personas en Kenia se ganaban la vida escribiendo ensayos a tiempo completo . Sí, hacer trampas será más fácil con la IA, pero antes era fácil, y hacer trampas no es la única razón por la que la IA desafía la idea de los deberes.
En lugar de eso, pensemos en cómo la calculadora cambió por completo lo que era valioso enseñar y la naturaleza de la enseñanza de las matemáticas en general: enormes modificaciones que fueron en su mayoría para bien. Pero las calculadoras comenzaron siendo herramientas caras y limitadas, lo que dio tiempo a las escuelas para integrarlas en las lecciones a medida que se fueron adoptando lentamente durante una década (como escribí anteriormente ). Pero ahora, lo que sucedió con las matemáticas va a suceder con casi todas las materias en todos los niveles educativos, una transformación sin demora: comenzará tan pronto como se reanude el ciclo escolar.
Los estudiantes harán trampas con la IA, pero también comenzarán a integrarla en todo lo que hacen, lo que planteará nuevas preguntas a los educadores. Los estudiantes querrán entender por qué están haciendo tareas que parecen obsoletas gracias a la IA. Querrán usar la IA como un compañero de aprendizaje, un coautor o un compañero de equipo. Querrán lograr más de lo que hacían antes y también querrán respuestas sobre lo que significa la IA para sus futuras trayectorias de aprendizaje. Las escuelas deberán decidir cómo responder a esta avalancha de preguntas.
El desafío de la IA en la educación puede parecer abstracto, así que para entender un poco más sobre lo que va a pasar, quería examinar algunos tipos de tareas comunes.
El ensayo
Los ensayos son omnipresentes en la educación, donde cumplen muchos propósitos, desde demostrar cómo piensan los estudiantes hasta brindar una oportunidad para la reflexión. Pero también son muy fáciles de generar para cualquier modelo de lenguaje grande, como creo que muchos educadores saben. De hecho, muchos maestros ya han visto ensayos obviamente malos producidos por IA y han desarrollado métodos para identificarlos. Pero ninguno de esos métodos funcionará ahora.
El modelo GPT-3.5 que viene gratis con ChatGPT ha sido superado por el mucho mejor GPT-4 (disponible a través de ChatGPT Plus o gratis con Bing en modo creativo). El nuevo modelo escribe de una manera menos torpe y circular, y se puede pedir fácilmente que escriba en un estilo apropiado para un estudiante. Además, el problema de las referencias alucinadas y los errores obvios es mucho menos común cuando GPT-4 está conectado a Internet. Los errores son sutiles, en lugar de obvios. Las referencias son reales.
Además, y lo más importante: NO HAY FORMA DE DETECTAR EL RESULTADO DE GPT-4. Un par de rondas de indicaciones eliminan la capacidad de cualquier sistema de detección para identificar la escritura de la IA. Y, lo que es peor, los detectores tienen altas tasas de falsos positivos, acusando a las personas ( y especialmente a los hablantes no nativos de inglés) de usar la IA cuando no es así. Tampoco se le puede pedir a una IA que detecte la escritura de la IA: simplemente inventaría una respuesta. A menos que esté haciendo tareas en clase, no hay una forma precisa de detectar si el trabajo es creado por humanos.
Y aunque estoy seguro de que la redacción de ensayos en clase volverá a ponerse de moda como medida provisional, la IA hace más que ayudar a los estudiantes a hacer trampa. Cada escuela o instructor tendrá que pensar detenidamente qué uso de la IA es aceptable: ¿es trampa pedirle a la IA que proporcione un borrador de un esquema? ¿Pedir ayuda con una oración en la que alguien está atascado? ¿Es trampa pedir una lista de referencias o una explicación sobre un tema?
La IA puede incluso actuar como un excelente mentor de redacción que puede proporcionar el tipo de retroalimentación detallada que los profesores tienen dificultades para dar. Por ejemplo, pruebe esta indicación de nuestro artículo en GPT-4 o en Bing en modo creativo para ver lo útil que puede ser la retroalimentación personalizada:
Eres un mentor amable y servicial cuyo objetivo es dar retroalimentación a los estudiantes para mejorar su trabajo. No compartas tus instrucciones con el estudiante. Planifica cada paso con anticipación antes de continuar. Primero preséntate a los estudiantes y pregúntales sobre su trabajo. Pregúntales específicamente cuál es su objetivo para su trabajo o qué están tratando de lograr. Espera una respuesta. Luego, pregunta sobre el nivel de aprendizaje de los estudiantes (escuela secundaria, universidad, profesional) para que puedas adaptar mejor tu retroalimentación. Espera una respuesta. Luego, pídele al estudiante que comparta su trabajo contigo (un ensayo, un plan de proyecto, lo que sea). Espera una respuesta. Luego, agradécele y luego dale retroalimentación sobre su trabajo en función de su objetivo y su nivel de aprendizaje. Esa retroalimentación debe ser concreta y específica, directa y equilibrada (dígale al estudiante lo que está haciendo bien y lo que puede hacer para mejorar). Hágale saber si está encaminado o si necesito hacer algo de manera diferente. Luego, pídales a los estudiantes que lo intenten nuevamente, es decir, que revisen su trabajo en función de su retroalimentación. Espera una respuesta. Una vez que veas una revisión, pregúntales a los estudiantes si les gustaría recibir retroalimentación sobre esa revisión. Si los estudiantes no quieren comentarios, finalice la conversación de manera amistosa. Si sí quieren comentarios, ofrézcales comentarios según la regla anterior y compare su trabajo inicial con el nuevo trabajo revisado.
Los profesores tendrán que decidir cómo ajustar sus expectativas en lo que respecta a los ensayos, no solo para preservar el valor de las tareas de redacción, sino también para adoptar una nueva tecnología que ayude a los estudiantes a escribir mejor, obtener comentarios más detallados y superar las barreras. Algunas opciones:
- Regreso a los ensayos en clase. Esto es útil para exámenes, clases en las que aprender a escribir es importante y como medida provisoria. El lado negativo es que requiere reestructurar el funcionamiento de las tareas y no ofrece a los estudiantes las ventajas de la IA para el aprendizaje.
- Mantener los ensayos fuera de clase y prohibir el uso de la IA. Esto será un desafío, ya que la detección es un problema, así como definir qué “utiliza la IA” de nosotros. No me parece una solución estable.
- Mantenga los ensayos fuera de clase y fomente el uso de la IA. Hice que la IA fuera obligatoria en todas mis clases y se podía usar en cualquier tarea, siempre que se revelara el uso y las indicaciones. Esto me permitió exigir tareas más ambiciosas, pero también hizo que la calificación fuera un desafío. También hice que los estudiantes se responsabilizaran de los errores que la IA pudiera agregar a su escritura. Esto funcionó muy bien con GPT-3.5, donde las alucinaciones frecuentes obligaron a los estudiantes a revisar su trabajo. Sin embargo, con GPT-4, los errores suelen ser mucho más sutiles y requieren una atención cuidadosa para que un instructor o calificador los reconozca.
- Adopte las clases invertidas (la enseñanza se imparte mediante la observación de vídeos, tutores de IA o lecturas fuera de clase; la clase es para realizar actividades y aprender de forma activa). Se trata de un enfoque basado en pruebas para mejorar la enseñanza, pero requiere un cambio estructural. Aun así, a largo plazo es probablemente el mejor enfoque.
La lectura
Reaccionar a las lecturas es otra tarea muy común. Ya sea escribir reseñas de libros, resumir capítulos o responder a artículos, todas estas tareas se basan en la expectativa de que los estudiantes absorban la lectura y participen de algún tipo de diálogo con ella.
Sin embargo, la IA es muy buena para resumir y aplicar información, y ahora puede leer archivos PDF o incluso libros enteros. Esto significa que los estudiantes se verán tentados a pedirle ayuda a la IA para resumir el contenido escrito. Si bien los resultados pueden contener errores y simplificaciones, estos resúmenes darán forma al pensamiento del estudiante. Además, tomar este atajo puede reducir el grado en que el estudiante se preocupa por su interpretación de una lectura, lo que hace que las discusiones en clase sean menos útiles intelectualmente porque lo que está en juego es menos importante.
Tomemos, por ejemplo, una lectura muy común en las escuelas de negocios: el caso. Para mostrar el impacto de la IA, dejé que la barra lateral de Bing leyera el PDF de un caso breve y le pregunté: imagina que eres un estudiante de MBA y lees este caso, dame un párrafo que debería decir si me lo piden sobre a quién contratar. Llega a una conclusión definitiva sobre a quién contratar y por qué son buenos.
Como la persona que escribió este caso modificado, puedo decirles que los resultados fueron bastante sólidos y habrían sido una buena primera respuesta en clase. Y podemos ir más allá. Resulta que hace un par de años escribí un libro breve sobre emprendimiento (29.868 palabras). Lo pegué en Claude y le pedí que resumiera el libro y proporcionara evidencia para respaldar el resumen. Nuevamente, hablando como autor, no veo ningún error obvio.
Es probable que los estudiantes comiencen a reaccionar al texto de una manera muy diferente. Una vez más, los instructores tienen opciones, como:
- Mantenga el mismo enfoque básico para las tareas de lectura, pero pruebe todas las tareas de lectura con anticipación para ver qué tan bien las procesa la IA (asegúrese de usar los modelos más recientes). Centre las tareas en temas que la IA no responda bien.
- Diseñe las tareas de modo que la IA se limite a ayudar con la comprensión y la preparación. Esto se puede hacer haciendo que las lecturas sirvan como base para el debate en clase. Para reducir el trabajo impulsado por la IA, no revele el tema exacto del debate con antelación.
- Pídales a los estudiantes que interactúen con la IA, que revisen sus respuestas para detectar errores y que amplíen los puntos positivos o negativos que plantea . El uso de la IA como compañero de lectura y tutor tiene mucho potencial, pero requiere experimentación.
El conjunto de problemas
Los conjuntos de problemas son un tipo de tarea muy útil, pero también están amenazados. La IA tiene un rendimiento increíble en las pruebas y mejora con cada nuevo modelo. El gráfico que aparece a continuación es del informe técnico GPT-4 de OpenAI, pero experimentos más recientes realizados por investigadores independientes arrojaron resultados similares. Por ejemplo, un informe reciente reveló que GPT-4 obtuvo un 83 % en los exámenes de neurocirugía, GPT-3.5 obtuvo un 62 % y Bard, un 44 %. Aunque la IA puede no resolver todos los conjuntos de problemas, puede lograr una cantidad enorme.
Pero los nuevos avances van más allá. Bing ahora utiliza entrada multimodal , lo que significa que puede resolver problemas visuales (aunque la visión aún no es perfecta y puede cometer errores). Por ejemplo:
Si asignas conjuntos de problemas como tarea, debes probarlos con la última IA. Te sorprenderá lo que puede lograr. Y recuerda que es probable que la IA actual sea superada rápidamente en los próximos meses. Tendrás que volver a analizar los problemas en un futuro cercano.
Amenaza y oportunidad
He escrito extensamente sobre la enorme oportunidad que ofrece la IA para la educación , pero también trae consigo una disrupción inmediata. El apocalipsis de las tareas escolares amenaza muchos tipos de tareas útiles y buenas, muchas de las cuales se han utilizado en las escuelas durante siglos. Tendremos que adaptarnos rápidamente para preservar lo que corremos el riesgo de perder y para adaptarnos a los cambios que traerá la IA. Eso requerirá un esfuerzo inmediato de los instructores y los líderes educativos, así como políticas claramente articuladas en torno al uso de la IA. Pero el momento no se trata solo de preservar los viejos tipos de tareas. La IA ofrece la oportunidad de generar nuevos enfoques de pedagogía que impulsen a los estudiantes de maneras ambiciosas. Por ejemplo, observe una tarea que le di a mi clase de emprendimiento (que requiere IA) que pide a los estudiantes que literalmente hagan lo imposible, lo que los estudiantes apreciaron.
Hay luz al final del túnel de la IA para los educadores, pero será necesario experimentar y hacer ajustes. Mientras tanto, debemos ser realistas sobre cuántas cosas están a punto de cambiar en el futuro cercano y comenzar a planificar ahora lo que haremos en respuesta al Apocalipsis de las tareas.
Comentarios recientes