Una prueba en la que los futuros maestros, a quienes se les enseñó a identificar a los estudiantes con posibles discapacidades de aprendizaje, tenían su trabajo «etiquetado» por inteligencia artificial encontró que el enfoque mejoró significativamente su razonamiento.

Una prueba en la que los futuros maestros, a quienes se les enseñó a identificar a los estudiantes con posibles discapacidades de aprendizaje, tenían su trabajo «etiquetado» por inteligencia artificial encontró que el enfoque mejoró significativamente su razonamiento.

El estudio, que involucró a 178 futuros maestros en Alemania, fue realizado por un equipo de investigación dirigido por investigadores de la Universidad de Cambridge y la Ludwig-Maximilians-Universität München (LMU Munich). Brinda algunas de las primeras evidencias de que la inteligencia artificial (IA) podría mejorar el «pensamiento de diagnóstico» de los maestros: la capacidad de recopilar y evaluar evidencia sobre un estudiante y sacar conclusiones apropiadas para que puedan recibir apoyo personalizado.

Durante la prueba, se pidió a los alumnos que calificaran a seis estudiantes ‘simulados’ ficticios con posibles discapacidades de aprendizaje. Se les dieron ejemplos de su trabajo escolar, así como otra información como registros de comportamiento y transcripciones de conversaciones con los padres. Luego tuvieron que decidir si cada estudiante tenía o no problemas de aprendizaje, como dislexia o trastorno por déficit de atención con hiperactividad (TDAH), y explicar su razonamiento.

Inmediatamente después de enviar sus respuestas, la mitad de los participantes recibió un prototipo de «solución experta» escrito previamente por un profesional calificado para compararlo con el suyo. Esto es típico del material de práctica que los estudiantes de magisterio suelen recibir fuera de clase. Los demás recibieron comentarios generados por IA que destacaron las partes correctas de su solución y destacaron aspectos que podrían haber mejorado.

Después de completar los seis ejercicios preparatorios, los alumnos completaron dos pruebas de seguimiento similares, esta vez sin retroalimentación. Los investigadores calificaron las pruebas, quienes evaluaron tanto su «precisión diagnóstica» (si los alumnos habían identificado correctamente los casos de dislexia o TDAH) como su razonamiento diagnóstico: qué tan bien habían utilizado la evidencia disponible para emitir ese juicio.

El puntaje promedio de razonamiento de diagnóstico entre los alumnos que recibieron retroalimentación de IA durante los seis ejercicios preliminares fue aproximadamente 10 puntos porcentuales más alto que aquellos que trabajaron con las soluciones expertas preempaquetadas.

La razón de esto podría estar en la naturaleza «adaptativa» de la IA. Debido a que analizó el propio trabajo de los docentes en formación, en lugar de pedirles que lo compararan con una versión experta, los investigadores creen que los comentarios fueron más claros. Por lo tanto, no hay evidencia de que una IA de este tipo mejore la retroalimentación individual proporcionada por un tutor humano o un mentor altamente calificado, pero los investigadores señalan que ese apoyo cercano para los futuros maestros no siempre está disponible. Práctica de repetición está disponible, particularmente en campos más grandes.

El estudio fue parte de un proyecto de investigación como parte de la Asociación Estratégica de Cambridge LMU. La IA se desarrolló con el apoyo de un equipo de la Universidad Técnica de Darmstadt.

Riikka Hofmann, profesora asociada de la Facultad de Educación de la Universidad de Cambridge, dijo: «Los maestros juegan un papel crucial en la identificación de signos de trastornos y dificultades de aprendizaje en los estudiantes y en su derivación a especialistas. Desafortunadamente, muchos de ellos también sienten que no han tenido suficientes oportunidades para practicar estas habilidades. El nivel de asesoramiento personalizado que reciben los futuros profesores en los cursos de alemán es diferente al del Reino Unido, pero en ambos casos es posible que la IA pueda proporcionar un nivel adicional de retroalimentación individual para ayudarlos a desarrollar estas habilidades esenciales”.

dr. Michael Sailer de LMU Munich dijo: “Por supuesto que no estamos argumentando que la IA deba reemplazar a los formadores de docentes: los nuevos docentes aún necesitan orientación experta sobre cómo incluso identificar las dificultades de aprendizaje. Sin embargo, parece que los comentarios generados por IA ayudaron a estos alumnos a concentrarse en lo que realmente necesitaban aprender. Cuando la retroalimentación personal no esté fácilmente disponible, podría ser un sustituto efectivo”.

El estudio utilizó un sistema de procesamiento de lenguaje natural: una red neuronal artificial capaz de analizar el habla humana y reconocer frases, ideas, hipótesis o evaluaciones específicas en el texto de los alumnos.

Fue creado usando una cohorte previa de respuestas de estudiantes de magisterio a un ejercicio similar. Al segmentar y codificar estas respuestas, el equipo «entrenó» al sistema para que reconociera la presencia o ausencia de puntos clave en las soluciones proporcionadas por los alumnos durante el experimento. Luego, el sistema seleccionó bloques de texto preparados para proporcionar a los participantes la retroalimentación adecuada.

Tanto en los ejercicios preparatorios como en las tareas de información, se pidió a los participantes que trabajaran individualmente o se les asignó a parejas seleccionadas al azar. Aquellos que trabajaron solos y recibieron soluciones expertas durante los ejercicios preparatorios obtuvieron un promedio de 33% en su razonamiento diagnóstico en las tareas de seguimiento. Por el contrario, aquellos que recibieron comentarios de IA obtuvieron un 43 %. Asimismo, la puntuación media de los aprendices trabajando en parejas fue del 35 % cuando recibieron la solución experta, pero del 45 % cuando recibieron la asistencia de la IA.

El entrenamiento con la IA no pareció tener mucho impacto en su capacidad para diagnosticar adecuadamente a los estudiantes simulados. En cambio, parece haber marcado una diferencia al ayudar a los maestros a revisar las diversas fuentes de información que se les pidió que leyeran y proporcionar evidencia específica de posibles dificultades de aprendizaje. Esta es la habilidad más importante que la mayoría de los maestros realmente necesitan en el salón de clases: el trabajo de diagnosticar a los estudiantes recae en los maestros de educación especial, los psicólogos escolares y los profesionales médicos. Los maestros deben poder compartir y fundamentar sus observaciones con los profesionales cuando tengan inquietudes, para ayudar a los estudiantes a acceder al apoyo adecuado.

Hasta qué punto la IA podría usarse de manera más amplia para ayudar en las habilidades lógicas de los maestros sigue siendo una pregunta abierta, pero el equipo de investigación espera realizar más estudios para explorar los mecanismos que los hicieron efectivos en este caso, y este más amplio evalúa el potencial.

Frank Fischer, profesor de Pedagogía y Psicología Educativa en LMU Munich, dijo: “En grandes programas de capacitación que están muy extendidos en áreas como la formación docente o la educación médica, el uso de IA para apoyar el aprendizaje basado en simulación podría tener un valor real. Desarrollar e implementar herramientas complejas de procesamiento del lenguaje natural para este propósito requiere tiempo y esfuerzo, pero si ayuda a mejorar las habilidades lógicas de futuras cohortes de profesionales, la inversión puede valer la pena”.

La investigación se publica en aprender y enseñar.


DEJA UNA RESPUESTA

Por favor ingrese su comentario!
Por favor ingrese su nombre aquí

1 × 1 =