Una de las clásicas críticas al sistema de enseñanza tradicional es que la mayoría de los estudiantes tienen que seguir una misma secuencia de aprendizaje. Se ven obligados a seguir un enfoque único. Es como si existiera una talla única para todos y todas a pesar de que no tienen los mismos conocimientos previos, preferencias, motivaciones, metas de aprendizaje o necesidades.
La masificación del sistema educativo, la enorme diversidad que hay en las aulas o una ratio profesor-estudiante inapropiada son factores que dificultan la personalización del aprendizaje. Un asunto en el que la tecnología lleva décadas tratando de aportar soluciones.
El concepto de aprendizaje personalizado no es nuevo en el campo de la educación, pero los avances en inteligencia artificial (IA), aprendizaje automático y el análisis de grandes datos han abierto nuevas oportunidades para el aprendizaje personalizado.
En las instituciones educativas, especialmente en educación superior y en enseñanza online, se está produciendo una gradual integración de diversas tecnologías y herramientas que tienen como objetivo personalizar el aprendizaje. Estas incluyen sistemas de aprendizaje personalizado, evaluación automatizada, reconocimiento facial, chatbots y herramientas de análisis predictivo. Estas tecnologías utilizan sistemas de aprendizaje automático y algoritmos para su funcionamiento [1].
Es bien conocido el enorme poder que la industria tecnológica está teniendo en la educación. Una consecuencia inmediata es que la tecnología ocupa un lugar cada vez más importante en el proceso de cambio que el sistema educativo necesita.
Si este cambio es liderado desde una visión tecnológica y estadística de la realidad, basada en el análisis de millones de datos y sin contar con los profesionales de la educación en el diseño, convertiremos la enseñanza y el aprendizaje es un proceso no complejo que se puede medir con un puñado de variables [2].
Con este artículo podrás saber más sobre el uso de la tecnología para personalizar el aprendizaje y en concreto, la influencia que comienza a tener la IA en este antiguo sueño de dar a cada estudiante lo que necesita en cada momento.
También verás el papel que se espera que los docentes tengamos ante la llegada de la IA en la educación y los retos que tiene por delante esta tecnología para realmente ayudar a los formadores a personalizar el aprendizaje.
Antes, una vacuna
Casi a modo de gran paréntesis, rescato unos párrafos de un artículo que publiqué en este blog. Te ayudarán a protegerte de ciertas ideas que más adelante te voy a contar y para que las mires con una mirada crítica y no polarizada del uso de la tecnología, alejada del negacionismo tecnológico pero también distanciada del tecno-romanticismo.
Primero, una dosis para la venta de promesas:
“Weller (2020) critica las presiones comerciales de las empresas emergentes que ofrecen productos para la tecnología educativa con el uso de discursos impregnados de tintes revolucionarios, innovadores, emotivos o disruptivos. Estos términos, son abrazados con cierta calidez por un gran número de personas, que esperan que las tecnologías provoquen cambios sustanciales. Vendidos los productos, las falsas promesas se olvidan hasta el siguiente avance tecnológico”.
Y ahora, otra dosis para que entiendas lo que se necesita para que una nueva tecnología se integre y el precio que pagamos durante este proceso:
Weller (2020) señala que el tecno-optimismo de “esta vez sí funcionará” hace que una y otra vez se relancen tecnologías en busca del ansiado éxito educativo. Los cambios en las actitudes sociales hacen que el uso de la tecnología promueva estos mismos intentos hasta que el contexto favorezca su integración.
Estos múltiples intentos sin aprender de los fallos anteriores suponen una pérdida de tiempo y dinero. Ensayo y error, probar, y ver qué sucede, no parecen estrategias acertadas en la integración educativa de las tecnologías. Muchas tecnologías existentes seguirán estando presentes, pero no se adoptarán hasta que se produzcan los desarrollos en las estructuras sociales necesarias. La inteligencia artificial, el desarrollo del pensamiento computacional o los mundos virtuales, son claros ejemplos.
La personalización del aprendizaje
La personalización del aprendizaje describe un proceso en el que se combinan las metas de aprendizaje con los intereses y competencias de los estudiantes. Dicho proceso tiene en cuenta la historia reciente y actual del aprendiz en relación con las actividades realizadas, su rendimiento, características, expectativas, personalidad, talento o metas individuales [1].
En función de lo anterior, se planifica y se hace una entrega automática de los próximos contenidos de aprendizaje. Cada estudiante dispone de sus propios planes según sus circunstancias, rendimiento académico y la comprensión de conceptos. Los docentes por su parte reciben información concreta y de manera continua sobre el supuesto progreso de cada estudiante según los objetivos de aprendizaje [7].
Sobre el papel, las ventajas de personalizar el aprendizaje son claras: mayor capacidad del estudiante para aprender nueva información y retenerla durante más tiempo; mayor participación y motivación intrínseca del estudiante; se mejora el pensamiento crítico; la resolución de problemas; o el desarrollo de las habilidades metacognitivas [8].
La demanda de aprendizaje autodirigido, personalizado y flexible aumenta continuamente. Se están convirtiendo en pilares esenciales para formar a ciudadanos con capacidad de tomar decisiones en un mundo tecnológico caracterizado por el cambio continuo y la incertidumbre. La personalización del aprendizaje es difícil y costosa, pero los avances en IA están contribuyendo a que esta promesa clásica de la tecnología comience a ser posible [7].
El encuentro entre la personalización del aprendizaje y la IA
La personalización del aprendizaje ha estado fuertemente relacionada con diversos desarrollos tecnológicos. Altitude Learning, Gradescope, Knewton alta, Third Space Learning o Knowji son algunos ejemplos de plataformas basadas en esta idea. Las herramientas disponibles abarcan desde la simple personalización de una interfaz de aprendizaje hasta un sistema que adapta la entrega de contenidos en función del rendimiento del usuario.
Se pueden agrupar en cinco categorías, siendo los tutores inteligentes los sistemas adaptativos que mayor potencial pueden ofrecer. Se postulan como guías de aprendizaje proactivos que van más allá de asistir o proporcionar respuestas limitadas [5].
Los tutores y agentes inteligentes mejoran la eficacia del aprendizaje [6] y promueven la construcción de itinerarios de aprendizaje individualizados basados en las necesidades, preferencias y conocimientos académicos previos de los estudiantes [1].
Grandes cantidades de datos: la clave y el problema
¿Cómo operan las máquinas basadas en IA para personalizar el aprendizaje? ¿En qué son eficientes?
Si pensamos en la rama del Machine Learning (aprendizaje automático), sabemos que cuando estas herramientas son entrenadas mediante el análisis de cantidades elevadas de datos son capaces de: discernir patrones de comportamiento entre los estudiantes; identificar los factores responsables de la experiencia de aprendizaje; y predecir los movimientos y resultados del aprendiz.
Un sistema de IA podría clasificar a los estudiantes en función de esos factores una vez que adquiere la capacidad de adaptación para identificar las características similares [6].
La clave está en recopilar y analizar grandes cantidades de datos, pero es ahí precisamente donde encontramos los problemas. Antonio Bartolomé y colaboradores lo explican en el siguiente párrafo de manera magistral [2] :
Seduce que las máquinas “exploren miles de datos” para indicarnos qué actividad le conviene en un momento determinado a un alumno determinado. Pero es falso. Se trata matemáticamente de variables que no son susceptibles de ese tratamiento. Se trabaja con variables insuficientemente definidas como si fuesen variables cuantificables y perfectamente estudiadas. Se mide lo irrelevante al no poder considerar lo que resulta imposible o difícil de medir.
El valor de la dimensión social del aprendizaje, el bienestar o el estado emocional del estudiante son aspectos que no pueden quedar fuera de un proceso de enseñanza y aprendizaje. Atender solo a variables cuantificables para tomar decisiones solo nos llevará a simplificar la educación o a centrarnos en los contenidos y en el rendimiento académico.
Mejorar el uso de datos multimodales es sin duda uno de los retos que la IA enfrenta si los docentes deseamos utilizarla para planificar intervenciones de aprendizaje efectivas, mejorar el feedback o realizar evaluaciones más precisas que capten el estado cognitivo y emocional del estudiante durante el proceso de instrucción [3].
¿Qué haremos los docentes?
Muchos docentes han entrado en pánico en los últimos meses con la llegada de herramientas como ChatGP. Este tipo de herramientas ha supuesto una amenaza que levanta en peso muchas de las cosas que hacen con sus estudiantes. Su metodología requiere cambios y sabemos que nos suele costar iniciar procesos de cambios.
De nuevo, una tecnología nos hace repensar nuestras prácticas mucho más que años de investigación educativa. Una pena que así sea. En cualquier caso, celebremos este momento de reflexión y cambio de actitudes hacia la enseñanza y hacia la tecnología. Pero ¿cuál será nuestro papel como docentes?
1. Deberemos tomar las decisiones finales en colaboración con nuestros estudiantes y las recomendaciones de los algoritmos para diseñar los diferentes itinerarios individualizados de aprendizaje. Si los datos están adecuadamente recopilados y analizados, podrán ayudarnos a reducir nuestros sesgos cognitivos para tomar decisiones que más convienen.
2. Deberemos actuar más como modelos para entrenar a los algoritmos de la IA, participando en el desarrollo de herramientas y verificando la precisión de los sistemas automatizados que se utilicen. Por el momento, no estamos participando lo debido en estos procesos. Los desarrolladores de IA y las empresas de software deberán involucrarnos en mayor medida durante el proceso de desarrollo, generación de ejemplos y el entrenamiento [3].
3. Tendremos que estar informados de los criterios que se siguen para recopilar los datos, cómo se recogen y quién los custodia. Sin duda, tendremos que profundizar más en temas como la estadística o el análisis datos si queremos interpretar adecuadamente las recomendaciones que estos sistemas nos proporcionen. Estos datos cuantificables siempre deberán ser acompañados de datos más de carácter cualitativo.
4. Un sistema de personalización del aprendizaje basado en IA proporcionará abundante información, pero eso no garantiza para nada la motivación para aprender [4]. Es ahí donde los docentes seguiremos teniendo un papel determinante al tener que crear entornos de enseñanza y aprendizaje en los que el estudiante aprenda a motivarse.
5. Liberados de tareas repetitivas, los docentes podremos emplear más tiempo a construir relaciones armoniosas y sólidas con los estudiantes con el fin de promover su desarrollo integral en el largo plazo [4].
En resumen, todo apunta a que la IA nos será de gran ayuda en la personalización del aprendizaje, especialmente en la enseñanza superior y online. La figura del docente será fundamental, puede que más que en la enseñanza más tradicional.
La IA se convertirá en un asistente pero en las las decisiones sobre el diseño de los itinerarios de aprendizaje también deberá participar el docente y el estudiante.
Es urgente que los docentes participemos en el desarrollo y entrenamiento de estas herramientas y además nos formemos adecuadamente antes de tratar de ver qué pasa en las aulas.
Es importante ser conscientes de nuestros sesgos, no dejarnos impresionar y no precipitarnos en el uso de la IA en la educación. Debemos tener paciencia y confiar en los resultados que vayan llegando desde la investigación educativa para aumentar la probabilidad de éxito en el proceso de integración de la IA en procesos de enseñanza y aprendizaje.
Dejo dos ejemplos de convocatorias de números especiales por si quieres seguir de cerca estos esperados avances:
– Revista RiiTE. Aplicaciones educativas de la inteligencia artificial.
– Revista EDUTEC. Inteligencia artificial en la evaluación y la personalización del aprendizaje
Finalmente, te adelanto que durante el mes de julio de 2023 tendrás en el podcast de eduHacking nuevas entrevistas con las que podrás saber más sobre IA de mano de verdaderos especialistas.
