Luis Chamba-Eras 🇪🇨

El MIT ha presentado un informe histórico, que suscribo, elaborado por su Comité Ad Hoc, sobre el uso de la IA en la enseñanza, el aprendizaje y la formación en investigación, en el que propone una reorganización profunda de su modelo académico/educativo ante el avance de la IA generativa, entre lo que destaca, entre muchos otros aspectos: – Diseño inverso (Backward Design): Se insta a los profesores a definir primero qué deben saber, comprender y valorar los estudiantes, para luego decidir en qué puntos específicos la IA suma o resta al aprendizaje. – Enfoque de aumento, no de automatización: La meta no es prohibir la IA, sino rediseñar los programas y cursos para que la tecnología apoye el pensamiento crítico sin permitir la rendición cognitiva (cuando los estudiantes recurren a la IA antes de intentar resolver por sí mismos un problema difícil). – Nuevos métodos de evaluación: Se desaconseja el uso de detectores de IA, por considerarlos poco fiables y propensos a generar desconfianza. En su lugar, se propone un mayor uso de exámenes orales, evaluación continua, proyectos prácticos, portafolios con revisiones presenciales y componentes sociales en cada área temática. El informe propone 8 principios medulares para guiar la integración de la IA generativa en la educación superior: · Sé humilde (Be humble): Reconocer que el ritmo del cambio tecnológico es demasiado rápido como para establecer reglas permanentes, lo que requiere flexibilidad constante. · Sé audaz (Be bold): Afrontar la situación de forma proactiva mediante el rediseño profundo de los planes de estudio, en lugar de aplicar parches defensivos. · Pon a la humanidad en el centro (Put humanity front and center): Priorizar las relaciones interpersonales, el florecimiento humano y el valor de la educación residencial (de humanos enseñando a humanos). · Sumérgete en el aprendizaje / Preserva el esfuerzo constructivo (Lean into learning): Entender que el esfuerzo cognitivo y la dificultad son esenciales para aprender; obtener una respuesta rápida de una IA no equivale a adquirir conocimiento. · Enseña con intencionalidad (Teach with intentionality): Diseñar las clases con propósitos claros, evitando tanto las prohibiciones reflexivas como los mandatos ciegos de la IA. · No hay una solución única para todos (No one size fits all): El nivel de formación importa; una política o herramienta adecuada para un doctorando puede resultar perjudicial para un alumno de primer año que aún está construyendo sus bases conceptuales. · Aumentación, no automatización (Augmentation, not automation): Utilizar la IA para elevar el nivel de los problemas que un estudiante puede resolver (potenciar el pensamiento), en lugar de delegar por completo la capacidad humana de pensar. · Piensa más allá del aula y del campus (Think beyond the classroom and the campus): Considerar el impacto de la IA en el desarrollo integral de los estudiantes como personas y ciudadanos en el mundo exterior. PUEDE LEER EL REPORTE EN INGLÉS EN: bpb-us-e1.wpmucdn.com/sites.…