Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build
Este estudio a gran escala que utiliza una década de datos de ALEKS revela que la inteligencia artificial generativa ha reducido significativamente el tiempo de estudio de los estudiantes en problemas matemáticos susceptibles, al tiempo que degrada su retención de conocimientos a largo plazo, un fenómeno que los autores identifican como "rendición cognitiva".
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
La Gran Imagen: El Efecto del "Código Trampa"
Imagina una biblioteca masiva donde millones de estudiantes van todos los días a resolver problemas de matemáticas. Durante años, tuvieron que hacer el trabajo ellos mismos: leer las preguntas, pensar en los pasos y escribir las respuestas.
Entonces, llegó una nueva herramienta (ChatGPT) que actúa como un "código trampa" super rápido. Si un estudiante escribe un problema de texto en esta herramienta, esta arroja la respuesta instantáneamente. Pero si el problema implica dibujar un gráfico o mover piezas en una pantalla, la herramienta no puede ayudar mucho.
Este artículo pregunta: ¿Empezaron los estudiantes a usar este código trampa? Y si lo hicieron, ¿les perjudicó su aprendizaje real?
Para averiguarlo, los investigadores no solo preguntaron a los estudiantes: "¿Usan IA?" (porque la gente a menudo miente o olvida). En su lugar, examinaron las huellas digitales de 3,2 millones de estudiantes durante diez años. Observaron exactamente cuánto tiempo tardaban los estudiantes en resolver diferentes tipos de problemas antes y después de que el "código trampa" se hiciera popular.
El Experimento: La Prueba de "Texto" vs. "Gráfico"
Los investigadores establecieron una comparación ingeniosa, como una carrera entre dos tipos de corredores:
- Los Corredores de "Texto" (Vulnerables a la IA): Estos son problemas de texto. Puedes copiarlos y pegarlos en un chatbot de IA, y los resuelve en segundos.
- Los Corredores de "Gráfico" (Resistentes a la IA): Estos son problemas con tablas, gráficos o botones interactivos. No puedes simplemente copiar y pegar estos; tienes que mirar realmente la pantalla y hacer clic en cosas. La IA tiene dificultades con estos.
La Teoría: Si los estudiantes están usando IA para hacer trampa, deberían terminar los problemas de "Texto" mucho más rápido que antes, pero su velocidad en los problemas de "Gráfico" debería mantenerse igual (porque la IA no puede ayudarlos allí).
Lo Que Encontraron
1. Los Estudiantes Están "Corriendo a Toda Velocidad" con lo Fácil
Después del lanzamiento de ChatGPT, los estudiantes comenzaron a terminar los problemas de "Texto" increíblemente rápido.
- Los estudiantes universitarios pasaron aproximadamente un 27% menos de tiempo en estos problemas durante el año siguiente.
- Los estudiantes de secundaria pasaron aún menos tiempo (31% menos).
- Los estudiantes de secundaria básica aceleraron un poco (9% menos).
- Los estudiantes de quinto grado no cambiaron en absoluto.
La Analogía: Imagina a un estudiante que normalmente tarda 10 minutos en escribir un ensayo. De repente, empieza a hacerlo en 2 minutos. Pero cuando tiene que construir un modelo de arcilla (algo que la IA no puede hacer), todavía tarda la misma cantidad de tiempo. Esto sugiere que no se están volviendo más inteligentes; simplemente están subcontratando el trabajo.
2. La Prueba del "Proctor": La Magia Desaparece
Los investigadores luego examinaron exámenes donde los estudiantes eran vigilados por un proctor (una persona o software que los vigila para asegurar que no usen teléfonos o IA).
- Resultado: En estos exámenes supervisados, la aceleración desapareció por completo. Los estudiantes tardaron la misma cantidad de tiempo en los problemas de "Texto" que antes de que existiera ChatGPT.
La Analogía: Es como un estudiante que corre rápido cuando nadie mira, pero se ralentiza a un trote normal cuando un árbitro está parado justo al lado de ellos. Esto demuestra que la aceleración no se debió a que los problemas se volvieran más fáciles o a que los estudiantes se volvieran naturalmente más rápidos; fue porque estaban usando el "código trampa" cuando nadie miraba.
3. El Costo: "Rendición Cognitiva"
Aquí está la parte más importante. Los investigadores verificaron si esta aceleración ayudó a los estudiantes a recordar las matemáticas más tarde. Les dieron un examen sorpresa (con un proctor) sobre el material que habían estudiado anteriormente.
- El Resultado: Los estudiantes que habían "corrido a toda velocidad" los problemas de texto usando IA tenían un 25% menos de probabilidades de obtener las respuestas correctas en el examen supervisado más tarde.
- El Giro: Cuando los investigadores miraron los exámenes no supervisados (donde los estudiantes podían usar IA nuevamente), los estudiantes parecían genios: obtuvieron casi todo correcto.
La Analogía: Piénsalo como un videojuego.
- Usar IA es como usar un código trampa de "modo dios". Derrotas el nivel instantáneamente y obtienes todos los puntos (puntuaciones altas en exámenes no supervisados).
- Pero cuando apagas el código trampa para la batalla contra el jefe final (el examen supervisado), te das cuenta de que nunca aprendiste realmente a jugar el juego. Pierdes.
El artículo llama a esto "Rendición Cognitiva". En lugar de usar la IA como una calculadora (lo cual te ayuda a hacer matemáticas pero aún te permite pensar), los estudiantes la usaron para rendir el proceso de pensamiento por completo. Dejaron que la IA hiciera el trabajo, por lo que sus cerebros no construyeron la "memoria muscular" necesaria para resolver el problema más tarde.
Por Qué Importa la Edad
El estudio encontró un patrón claro basado en la edad:
- Universidad y Secundaria: Grandes cambios. Estos estudiantes tienen más libertad y privacidad para usar IA sin ser vigilados.
- Quinto Grado: Sin cambios. Es probable que estos estudiantes no tengan sus propios dispositivos o la libertad de usar IA de forma independiente.
La Conclusión
Este artículo proporciona la primera evidencia masiva y del mundo real de que la IA generativa ha cambiado cómo estudian los estudiantes.
- Están estudiando menos: Están pasando significativamente menos tiempo en problemas que pueden copiar y pegar.
- Están aprendiendo menos: Como no están haciendo el trabajo mental, olvidan el material más rápido.
- No es un error: El hecho de que la aceleración desaparezca cuando un proctor está vigilando demuestra que es una elección conductual, no un cambio en el currículo.
Los autores concluyen que, aunque la IA puede hacer que los estudiantes parezcan aprender más rápido (al obtener respuestas rápidas), en realidad está causando que "rindan" su pensamiento, lo que lleva a una caída significativa en lo que realmente saben y recuerdan.
¿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.