A Sovereignty Centred Model of AI Literacy for African Higher Education
Este artículo critica la naturaleza ciega al contexto de los marcos de alfabetización en IA predominantes en la educación superior africana y propone el modelo de Alfabetización en IA para el Aprendizaje Soberano (AIL-SL, por sus siglas en inglés), el cual integra capacidades cognitivo-técnicas, crítico-epistémicas, ético-normativas y socio-culturales para fomentar la soberanía epistémica en lugar de una mera dependencia técnica.
Artículo original bajo licencia CC BY 4.0 (https://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
En la universidad moderna, una revolución silenciosa está remodelando cómo se crea, se comparte y se juzga el conocimiento. Durante siglos, la educación dependió de autores humanos y textos físicos, donde un estudiante podía rastrear una idea hasta su origen y comprender el contexto en el que nació. Hoy en día, los sistemas de inteligencia artificial generan texto, resumen investigaciones y deciden qué información aparece como más creíble. Estos sistemas actúan como poderosos intermediarios, situándose entre el aprendiz y el mundo de las ideas. Mientras las escuelas se apresuran a enseñar a los estudiantes cómo usar estas herramientas, una pregunta crítica permanece sin respuesta: ¿el saber operar una máquina significa que realmente comprendes el conocimiento que esta produce? Este es el corazón de una nueva perspectiva que emerge de la educación superior africana, donde los académicos se preguntan si aprender a usar la tecnología importada sin comprender sus supuestos ocultos podría, en realidad, hacer a los estudiantes más dependientes en lugar de más libres.
Los investigadores detrás de esta perspectiva, un equipo de académicos de la República Democrática del Congo y otros lugares, sostienen que la forma actual de enseñar la "alfabetización en IA" es fundamentalmente errónea para su contexto. La mayoría de los programas existentes tratan las habilidades de IA como una lista de tareas: aprender a escribir un prompt, aprender a detectar errores, aprender a usar el software. Asumen que si un estudiante mejora en estas tareas, se convierte en un pensador más independiente. Los autores sugieren que este es un error peligroivo. Proponen que, en lugares donde la tecnología se construye en otros sitios, se entrena con datos de otras culturas y es gobernada por corporaciones distantes, el simple hecho de mejorar en el uso de la herramienta puede profundizar la dependencia del estudiante hacia ella. Un estudiante podría volverse fluido en pedir respuestas a la máquina, pero perder la capacidad de cuestionar si esas respuestas son verdaderas o relevantes para su propia realidad.
Para abordar esto, el equipo desarrolló un nuevo marco llamado el modelo de Alfabetización en IA para el Aprendizaje Soberano. En lugar de ver la alfabetización como un montón de habilidades separadas, la ven como una relación compleja entre cuatro capacidades distintas. Primero está la habilidad técnica para operar el sistema. Segundo, la capacidad crítica para cuestionar qué sabe el sistema y de dónde proviene su conocimiento. Tercero, el sentido ético para juzgar cómo el sistema afecta la equidad y la justicia. Cuarto, la capacidad cultural para entender cómo el sistema encaja —o no encaja— con las formas locales de pensar y las necesidades de la comunidad. Los autores argumentan que la verdadera independencia, o "soberanía epistémica", solo ocurre cuando estas cuatro capacidades crecen juntas. Si un estudiante se vuelve altamente hábil en el uso de la tecnología pero carece de las habilidades críticas o culturales para cuestionarla, no se vuelve autónomo; se convierte en un servidor más eficiente de la máquina.
El artículo desafía la idea de que simplemente se puede añadir una lección sobre "ética" o "soveranía" a una clase estándar de computación y esperar un buen resultado. Los investigadores sugieren que el orden en el que los estudiantes aprenden importa profundamente. Si un currículo enseña a los estudiantes cómo usar las herramientas antes de que aprendan a analizar críticamente los sesgos del sistema, los estudiantes pueden desarrollar un falso sentido de confianza. Podrían confiar en el resultado de la máquina simplemente porque saben cómo hacer que funcione bien. Los autores advierten que esto crea un tipo específico de dependencia donde el aprendiz se siente tan cómodo con la tecnología que deja de notar sus limitaciones. Argumentan que para los estudiantes en África, y de hecho en cualquier lugar donde la tecnología no sea de propiedad local, el pensamiento crítico debe ser la base sobre la cual se construyen las habilidades técnicas, no una ocurrencia tardía.
Esta perspectiva también destaca una brecha en cómo medimos el éxito. Los autores señalan que, aunque existen dieciséis pruebas diferentes diseñadas para medir la alfabetización en IA, ninguna ha sido probada adecuadamente para ver si funciona en diferentes culturas. Una prueba diseñada en una parte del mundo podría asumir que el "pensamiento crítico" se ve de cierta manera, pasando por alto las formas específicas en que un estudiante de una cultura diferente podría identificar un sesgo o un error. Los investigadores sugieren que, sin solucionar esto, las universidades corren el riesgo de importar herramientas que miden las cosas equivocadas, dando un falso sentido de seguridad a instituciones que en realidad se están volviendo más dependientes de sistemas extranjeros.
Las implicaciones para los docentes son significativas. El artículo sostiene que el mayor cuello de botella en este nuevo tipo de aprendizaje son los propios profesores. Si bien un estudiante puede aprender a escribir un prompt leyendo un manual, aprender a cuestionar críticamente la cosmovisión del sistema requiere de un profesor que pueda modelar ese comportamiento. Si un profesor no ha desarrollado su propio entendimiento crítico y cultural de la IA, no puede guiar a sus estudiantes para que lo hagan. Los autores sugieren que el desarrollo profesional de los educadores debe cambiar su enfoque, pasando de solo enseñar el software a ayudar a los profesores a comprender las preguntas más profundas sobre el conocimiento, el poder y la cultura que el software plantea.
Finalmente, los investigadores enfatizan que el aprendizaje individual no puede resolver el problema por sí solo. Incluso si una universidad produce pensadores brillantes y críticos, esos estudiantes no pueden cambiar el sistema si la universidad misma no tiene voz en qué tecnologías compra o cómo se utilizan. El artículo hace un llamado a que las instituciones creen canales donde los estudiantes y el personal puedan influir en las decisiones sobre la adopción de la IA. Sin estos canales, el arduo trabajo de desarrollar mentes críticas puede desperdiciarse, mientras la institución continúa comprando y utilizando sistemas que refuerzan las mismas dependencias que los estudiantes están aprendiendo a resistir.
Los autores toman nota cuidadosamente de que su trabajo es una propuesta conceptual, un mapa de cómo pensar sobre el problema más que un informe de experimentos terminados. Aún no han probado sus predicciones específicas con nuevos datos, pero han construido su argumento sobre una revisión cuidadosa de la investigación existente y la experiencia vivida de los académicos africanos. Ofrecen un conjunto de afirmaciones claras que pueden ser probadas en el futuro, invitando a otros investigadores a verificar si su modelo se sostiene. Al desplazar el enfoque de la simple competencia técnica hacia una forma de independencia más profunda y culturalmente arraigada, este trabajo ofrece una nueva y vital dirección para la educación en la era de las máquinas inteligentes. Sugiere que el objetivo de la educación no debe ser solo enseñar a los estudiantes cómo usar las herramientas del futuro, sino asegurar que sigan siendo los dueños de sus propias mentes mientras lo hacen.
¿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.