Implementing GenAI-Supported Learning in Software Engineering and Computer Science Education using Bloom's Taxonomy

Resumen Técnico: Implementación del Aprendizaje Apoyado por GenAI en la Educación de Ingeniería de Software y Ciencias de la Computación utilizando la Taxonomía de Bloom

Planteamiento del Problema
La rápida adopción de la IA Generativa (GenAI) en la educación de Ingeniería de Software (SE) y Ciencias de la Computación (CS) ha creado una dicotomía entre el potencial de apoyo al aprendizaje y los riesgos de un aprendizaje superficial, la dependencia excesiva y la falta de integridad académica. Las respuestas institucionales actuales suelen basarse en políticas restrictivas o enfoques basados en la detección que se centran en el cumplimiento en lugar de la pedagogía. Los autores argumentan que estas medidas abordan los síntomas en lugar del desafío subyacente: la falta de una guía instruccional explícita sobre cómo integrar la GenAI de manera significativa para apoyar el desarrollo cognitivo. Sin dicha guía, la GenAI corre el riesgo de acelerar la finalización de tareas mientras socava el aprendizaje profundo, lo que conduce a una "deuda cognitiva" donde los estudiantes poseen resultados aparentemente correctos pero carecen de comprensión conceptual.

Metodología
Este estudio emplea un diseño de investigación cualitativa orientada a la práctica para investigar cómo la guía instruccional explícita alineada con la Taxonomía de Bloom puede apoyar el uso responsable de la GenAI. La investigación se llevó a cabo en dos contextos educativos distintos:

1. Queen's University Belfast (QUB), Reino Unido: Un curso de pruebas de software (CSC3056) de último año de pregrado con 150–250 estudiantes.
2. Universidad Técnica de Azerbaiyán (AzTU), Azerbaiyán: Una actualización curricular a nivel de facultad en múltiples programas de pregrado de SE y CS (por ejemplo, Sistemas Operativos, Estructuras de Datos, Programación Avanzada).

Intervención: Los autores diseñaron e implementaron un marco de GenAI alineado con Bloom. Este marco articula explícitamente los roles apropiados para la GenAI en diferentes niveles cognitivos (Recordar, Comprender, Aplicar, Analizar, Evaluar, Crear). Los elementos clave del diseño incluyen:

• Intencionalidad Cognitiva: Alinear el uso de la GenAI con el nivel cognitivo específico de una tarea.
• Estructuración Temporal: Fomentar la exploración independiente de problemas antes de recurrir a la GenAI para la reflexión.
• Modalidad de Interacción: Cambiar los prompts de la generación de soluciones hacia la crítica, la comparación y el análisis de errores.
• Meta-Diálogo: Incorporar discusiones explícitas sobre el papel de la GenAI como tutor/mentor en lugar de un ejecutor.

Recolección y Análisis de Datos:
Los datos se recolectaron mediante cuestionarios abiertos anónimos (42 estudiantes de QUB) y reflexiones de instructores (11 instructores de AzTU), junto con artefactos de aprendizaje seleccionados. El estudio utilizó el análisis temático, empleando la Taxonomía de Bloom como un lente analítico en lugar de un instrumento de medición. Se utilizaron herramientas de GenAI de forma transparente para asistir con la sugerencia inicial de código y la agrupación de temas, con la supervisión humana completa para la validación.

Contribuciones Clave
El artículo realiza tres contribuciones primarias:

1. Un Marco Alineado con Bloom: Un marco de diseño instruccional impulsado por la pedagogía que operacionaliza el uso responsable de la GenAI al diferenciar los roles apropiados de la IA basados en niveles cognitivos (Sección 3).
2. Evidencia Empírica Cualitativa: Un análisis de las percepciones de estudiantes e instructores en dos entornos educativos, demostrando cómo la guía explícita influye en las prácticas de uso (Sección 4).
3. Implicaciones de Diseño Práctico: Perspectivas para educadores que buscan alternativas a los enfoques de prohibición o detección, centrándose específicamente en cómo enmarcar la GenAI como un suplemento de aprendizaje (Sección 5).

Resultados
Los hallazgos indican patrones distintos sobre cómo se percibe y utiliza la GenAI cuando es guiada por la Taxonomía de Bloom:

• Diferenciación de Niveles Cognitivos: Los estudiantes percibieron la GenAI como más valiosa para las actividades cognitivas de orden superior (Análisis y Evaluación), donde apoyó el razonamiento, la comparación y la reflexión. Por el contrario, la GenAI fue vista como menos adecuada y potencialmente contraproducente para el aprendizaje fundacional (Recordar y Comprender), donde el uso prematuro condujo a una "comprensión ilusoria".
• Cambio en las Prácticas de Uso: La guía explícita de los niveles de Bloom influyó en los estudiantes para adoptar un uso diferido (intentar las tareas de forma independiente primero) y una interacción reflexiva (usar la GenAI como revisor en lugar de ejecutor).
• No Uso Intencional: El marco legitimó las decisiones de no usar la GenAI para tareas específicas, particularmente aquellas que requieren la adquisición de habilidades fundamentales.
• Curva de Aprendizaje: Tanto estudiantes como instructores reportaron una curva de aprendizaje inicial. Los estudiantes encontraron cognitivamente demandante alinear su uso con los niveles de Bloom inicialmente, mientras que los instructores notaron una mayor carga de trabajo al diseñar y comunicar estas directrices. Sin embargo, estos desafíos tendieron a disminuir a medida que las expectativas se estabilizaban.

Significancia y Reivindicaciones
El artículo sostiene que el valor educativo de la GenAI no reside en el uso sin restricciones o la prohibición estricta, sino en la alineación intencional entre los objetivos de aprendizaje cognitivo, la guía instruccional y la autorregulación del aprendiz.

• Cambio Pedagógico: El estudio demuestra que la Taxonomía de Bloom proporciona un marco familiar, escalable y dirigido por la pedagogía para operacionalizar el uso responsable de la GenAI, desplazando el discurso de la "vigilancia" de la IA hacia el "apoyo" al aprendizaje.
• Alternativa a la Ejecución: El enfoque propuesto ofrece una alternativa práctica a las respuestas centradas en la ejecución, estableciendo una base para la investigación futura sobre el aprendizaje apoyado por GenAI con intención cognitiva.
• Alcance Modesto: Los autores declaran explícitamente que el estudio no pretende establecer ganancias de aprendizaje causales o mejoras de desempeño definitivas debido a la complejidad de los contextos educativos del mundo real. En cambio, la significancia radica en demostrar cómo la guía explícita puede moldear la percepción del apoyo al aprendizaje y los comportamientos de uso, ofreciendo un mecanismo estructurado para mitigar la "deuda cognitiva" mientras se aprovechan las capacidades de la GenAI.