Students' Perceptions of an AI-Enhanced Ethics Learning Platform: A Pilot Study on Interprofessional Healthcare Education

Resumen Técnico: Percepciones de los Estudiantes sobre una Plataforma de Aprendizaje de Ética Mejorada con IA

Planteamiento del Problema
Si bien la IA Generativa (GenAI) y los Modelos de Lenguaje Extensos (LLM) ofrecen la capacidad de generar escenarios clínicos dinámicos y realistas y de proporcionar retroalimentación inmediata y personalizada, su aplicación en la educación sanitaria interprofesional sigue siendo poco explorada. Específicamente, la literatura se centra en exceso en las implicaciones éticas del uso de la IA (por ejemplo, el sesgo, la integridad académica) en lugar de utilizar la IA como una herramienta pedagógica para enseñar el razonamiento ético. Los enfoques tradicionales de la educación ética en el aula suelen depender de estudios de caso estáticos y discusiones grupales, los cuales están limitados por las restricciones curriculares, la incapacidad de exponer a los estudiantes a una amplia gama de escenarios y la falta de una retroalimentación oportuna e individualizada. Existe una brecha en la comprensión de cómo las plataformas diseñadas intencionalmente y mejoradas con IA pueden apoyar la toma de decisiones éticas en disciplinas como la fisioterapia, la terapia ocupacional, la patología del habla y la audición.

Metodología
Este estudio empleó un diseño de encuesta piloto transversal para evaluar las percepciones de los estudiantes sobre una plataforma de aprendizaje personalizada y mejorada con IA.

• Arquitectura de la Plataforma: El sistema utilizó un proceso iterativo donde los LLM generaron escenarios de casos clínicos, que posteriormente fueron revisados y validados por los instructores del curso para asegurar la precisión y relevancia. La plataforma contaba con 20 casos aprobados por instructores a través de cuatro profesiones sanitarias. Operaba mediante una interfaz de chat con burbujas de diálogo animadas y avatares de emojis.
• Modelo de Interacción: Para cada escenario, los estudiantes identificaban si el caso representaba incertidumbre ética, un dilema o angustia. El sistema proporcionaba retroalimentación inmediata y personalizada explicando la clasificación correcta e incluía una consigna de reflexión.
• Participantes y Procedimiento: La población objetivo consistió en 318 estudiantes de ciencias de la salud interprofesionales inscritos en un curso obligatorio. El reclutamiento se realizó mediante anuncios de cursos y correo electrónico. La participación fue voluntaria y anónima.
• Recolección de Datos: Se administró un cuestionario post-actividad a través de Qualtrics, que comprendía ítems demográficos, preguntas de escala Likert (evaluando utilidad, compromiso, conveniencia y comparación con el aprendizaje tradicional) y preguntas abiertas.
• Análisis: Los datos cuantitativos se analizaron de forma descriptiva (medias y frecuencias). Los datos cualitativos se sometieron a un análisis de contenido para identificar patrones recurrentes respecto al valor de aprendizaje, la usabilidad y las comparaciones con otros paradigmas.

Resultos Clave
El estudio arrojó una baja tasa de respuesta (10 encuestados de un total previsto de 175, lo que representa aproximadamente el 3% de la matrícula total), lo que limita la generalización estadística. La muestra fue demográficamente homogénea (100% mujeres, predominantemente blancas/caucásicas) y excluyó a los estudiantes de fisioterapia. A pesar de estas limitaciones, surgieron los siguientes hallazgos:

1. Utilidad de la Plataforma y Aprendizaje (Objetivo 1): Las percepciones fueron fuertemente positivas. Entre el 80% y el 100% de los encuestados coincidieron en que la plataforma apoyaba el aprendizaje. Específicamente, el 100% estuvo de acuerdo en que la retroalimentación inmediata y la variedad de escenarios eran valiosas. El 90% coincidió en que la plataforma mejoró su capacidad para razonar a través de problemas éticos y era relevante para la práctica real.
2. Usabilidad y Compromiso (Objetivo 2): La facilidad de navegación recibió un 100% de acuerdo. El compromiso y el disfrute alcanzaron el 90%. Sin embargo, las preocupaciones de usabilidad fueron prominentes en la retroalimentación cualitativa. Casi todos los encuestados identificaron problemas de ritmo y una función de desplazamiento automático (auto-scrolling) como problemáticos, señalando que el desplazamiento de los cuadros de chat dificultaba la lectura.
3. Comparación con el Aprendizaje Tradicional (Objetivo 3): Las opiniones estuvieron más divididas. Si bien el 60% calificó la plataforma como más efectiva que los métodos tradicionales de aula, las preferencias por el formato interactivo en línea sobre el aprendizaje basado en casos tradicional en el aula se dividieron (44% estuvo de acuerdo frente a un 33% en desacuerdo). Las respuestas cualitativas indicaron una preferencia por la velocidad y la retroalimentación en vivo de la plataforma, aunque algunos la consideraron simplemente un "examen con retroalimentación" y expresaron un valor continuo para la discusión en tiempo real con pares e instructores.

Significancia y Reivindicaciones
Los autores posicionan este trabajo como un estudio piloto exploratorio y una primera prueba de concepto. El artículo sostiene que:

• Las plataformas basadas en casos y mejoradas con IA pueden involucrar eficazmente a los estudiantes y apoyar el aprendizaje aplicado de conceptos éticos en entornos interprofesionales.
• La combinación de retroalimentación inmediata y personalizada y la variedad de escenarios son elementos de diseño críticos que la GenAI puede proporcionar a escala, siempre que exista la supervisión del instructor para asegurar la precisión clínica.
• Estas herramientas están mejor posicionadas para complementar, en lugar de reemplazar, la instrucción tradicional. Los resultados mixtos respecto a la preferencia por el aprendizaje en línea frente al de aula sugieren que la IA debe automatizar la generación de escenarios rutinarios y la retroalimentación, permitiendo que los educadores se concentren en la interacción significativa y el diálogo colaborativo.
• El estudio destaca la necesidad de realizar pruebas de experiencia de usuario (UX) rigurosas y de control de calidad para el software generado por IA, ya que los fallos técnicos (por ejemplo, el desplazamiento automático) pueden restar significativamente la experiencia de aprendizaje.

Los autores reconocen explícitamente la naturaleza modesta de sus afirmaciones debido al pequeño tamaño de la muestra, la falta de diversidad demográfica y la dependencia de percepciones autoinformadas en lugar de métricas de aprendizaje objetivas. Concluyen que, aunque es prometedor, las futuras iteraciones deben abordar los desafíos de usabilidad y explorar modelos híbridos que integren los escenarios impulsados por IA con el aprendizaje colaborativo tradicional.