Ensuring Computer Science Learning in the AI Era: Open Generative AI Policies and Assignment-Driven Written Quizzes
Este artículo propone y valida preliminarmente un modelo de evaluación para cursos de informática de nivel avanzado que permite el uso de IA generativa en tareas de programación para realizar en casa, asegurando al mismo tiempo el dominio del estudiante mediante cuestionarios escritos fuertemente ponderados basados en las tareas, sin encontrar una correlación significativa entre el uso de la IA y el rendimiento académico bajo este marco de trabajo.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina un aula de ciencias de la computación donde los estudiantes están aprendiendo a construir máquinas complejas. Tradicionalmente, el profesor diría: "Vayan a casa, construyan esta máquina desde cero y tráiganla de vuelta". El miedo con las nuevas herramientas de IA es que los estudiantes simplemente le pidan a la IA que construya la máquina por ellos, la entreguen y obtengan una "A" sin haber aprendido nunca cómo giran realmente los engranajes. Esto se llama "descarga cognitiva": dejar que un robot haga el pensamiento para que tu cerebro no tenga que hacerlo.
Este artículo describe una nueva y astuta forma de manejar este problema, que el autor llama "Abierto y Verificar" (Open and Verify).
La Nueva Estrategía: La Analogía de la "Clase de Cocina"
Imagina la clase como una escuela de cocina.
- La Forma Antigua: El profesor dice: "Vayan a casa y horneen un pastel. Tráiganlo mañana". Si un estudiante compra un pastel en una panadería y afirma que él lo horneó, el profesor podría no saberlo nunca.
- La Forma de "Prohibir": El profesor dice: "¡No se permiten pasteles comprados en tiendas!". Pero en la era de la IA, esto es como intentar prohibir los hornos; es imposible detener a los estudiantes de usar las herramientas disponibles para ellos.
- La Forma de "Abierto y Verificar" (La Solución de este Artículo): El profesor dice: "Pueden usar un libro de recetas, un subchef o incluso un robot para ayudarlos a hornear el pastel en casa. PERO, cuando vengan a clase, deben realizar inmediatamente una prueba donde tengan que explicar exactamente cómo se hizo el pastel, por qué usaron esos ingredientes y arreglar una parte rota de la receta en el acto".
En este estudio, el "pastel" es una tarea de programación, y el "robot" es la IA Generativa (GenAI).
Cómo Funcionó en el Estudio
El profesor de la Universidad Tecnológica de Lawrence probó esto con un pequeño grupo de la de 14 estudiantes avanzados. Esta es la receta que utilizaron:
- La Tarea (El Pastel Hecho en Casa): Se permitió a los estudiantes usar IA para escribir código para su tarea. Incluso tuvieron que completar un "descargo de responsabilidad" indicando cuánta ayuda recibieron de la IA (por ejemplo, "Usé IA para el 50% de este código").
- El Giro (El Peso): La tarea en sí valía muy pocos puntos (solo el 2%).
- La Prueba Real (El Examen en Clase): Inmediatamente después de la entrega de la tarea, los estudiantes realizaron un examen escrito a libro cerrado en clase. Este examen valía mucho más (5% o 10%).
- Las preguntas del examen trataban directamente sobre la tarea que acababan de entregar.
- Tenían que explicar el código, completar líneas faltantes o predecir qué haría el código.
- El Objetivo: Si usaste la IA para escribir el código pero no lo entendiste, reprobarías el examen. Si lo entendiste, sacarías una nota excelente.
¿Qué Encontraron?
Los investigadores querían saber: ¿El uso de la IA hace a los estudiantes más tontos o les ayuda?
Analizaron los datos y encontraron resultados sorprendentes:
- Sin Conexión: Hubo casi cero vínculo entre cuánto usó la IA un estudiante y su desempeño en la clase. Ya fuera que un estudiante usara la IA para el 10% de su trabajo o para el 90%, su calificación final era aproximadamente la misma.
- La Trampa del "Medio": Curiosamente, los estudiantes que usaron la IA en una cantidad moderada (25–50%) en realidad obtuvieron puntuaciones ligeramente más bajas que aquellos que usaron muy poca o mucha. El autor sugiere que estos estudiantes del "medio" fueron demasiado perezosos para escribir el código por sí mismos, pero no lo suficientemente hábiles en el "prompting" para obtener buenos resultados de la IA. Estaban atrapados en el medio.
- Comentarios de los Estudiantes: A los estudiantes les encantó. Dijeron que los exámenes los obligaban a leer y entender realmente el código que la IA escribió, en lugar de simplemente entregarlo a ciegas. Sintieron menos estrés porque podían usar la IA para ayudar, pero los exámenes aseguraban que aún aprendieran la materia.
La Conclusión
El artículo concluye que no es necesario prohibir la IA para mantener el aprendizaje de los estudiantes.
Si dejas que los estudiantes usen la IA para el "trabajo pesado" de escribir código, pero luego los evalúas inmediatamente sobre su propio entendimiento de ese código, siguen aprendiendo los conceptos. Es como dejar que un estudiante use una calculadora para la tarea de matemáticas, pero luego hacer que resuelva el problema en la pizarra sin la calculadora para demostrar que conoce las matemáticas.
El Problema: El autor admite que este estudio fue pequeño (solo 14 estudiantes), por lo que es más una "prueba de concepto" que una respuesta final. Además, crea más trabajo para el profesor, quien debe diseñar y calificar estos exámenes adicionales. Pero por ahora, sugiere que con las reglas adecuadas de "Abierto y Verificar", la IA puede ser una herramienta útil en lugar de un atajo para hacer trampa.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.