Ten recommendations for the use of generative artificial intelligence into epidemiology teaching: Results from an expert workshop
Tras un taller de expertos de 2026, este artículo presenta diez recomendaciones basadas en evidencia organizadas en los dominios de gobernanza, competencias y retroalimentación para guiar a los instructores de epidemiología en la integración responsable de la IA generativa en la enseñanza, preservando al mismo tiempo las habilidades científicas fundamentales y abordando las preocupaciones éticas.
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 el estudio de cómo se propagan las enfermedades y cómo las poblaciones se mantienen sanas, un campo conocido como epidemiología, el trabajo central siempre ha dependido del juicio humano. Los expertos deben observar los datos, detectar patrones y decidir qué significan esos patrones para la salud pública. Esto requiere una comprensión profunda de la causa y el efecto, la capacidad de detectar errores en la forma en que se recopila la información y la habilidad de explicar hallazgos complejos con claridad. Durante décadas, enseñar estas habilidades significaba guiar a los estudiantes a través del arduo trabajo de pensar por sí mismos, asegurando que pudieran construir una base sólida de conocimientos antes de intentar resolver un problema. Ahora, ha llegado un nuevo tipo de tecnología que puede escribir texto, analizar números y generar respuestas casi instantáneamente. Esta tecnología, llamada inteligencia artificial generativa, ofrece herramientas poderosas que pueden ayudar con el aprendizaje, pero también conlleva un peligro oculto. Si los estudiantes usan estas herramientas demasiado pronto o con demasiada facilidad, podrían saltarse el arduo trabajo de pensar, quedando incapaces de resolver problemas por su cuenta cuando la tecnología no esté presente. La pregunta que enfrentan los profesores hoy no es si usar estas herramientas, sino cómo usarlas sin perder las mismas habilidades que hacen que un experto sea un experto.
Un grupo de expertos de universidades e institutos de investigación de Alemania, Noruega y Austria se reunió para responder a esta pregunta. Se reunieron durante tres días en un taller para crear un conjunto de reglas para la enseñanza de la epidemiología en la era de la inteligencia artificial. Estas diez recomendaciones están diseñadas para ayudar a los instructores a equilibrar los beneficios de la nueva tecnología con la necesidad de mantener a los estudiantes ágiles y capaces. El grupo, que incluía a profesores experimentados, estudiantes y especialistas en inteligencia artificial, decidió que el objetivo no es prohibir estas herramientas, sino integrarlas cuidadosamente para que los estudiantes aprendan a usarlas de manera responsable mientras dominan los fundamentos de su campo.
El primer y más importante paso que recomiendan los expertos es establecer reglas claras. Cada clase necesita una política escrita que diga exactamente qué pueden y qué no pueden hacer los estudiantes con la inteligencia artificial. Esto incluye reglas sobre qué tipo de datos se pueden compartir con estas herramientas, ya que cierta información es privada y debe ser protegida. Las reglas también deben explicar cómo los estudiantes deben admitir cuando han utilizado la tecnología, tal como un científico debe admitir cuando utilizó un método específico para obtener un resultado. Si un estudiante usa la herramienta para revisar su gramática o para obtener ayuda para entender un concepto difícil, debe decirlo. Si la usa para escribir una tarea completa, eso suele estar prohibido. Los propios profesores deben seguir estas mismas reglas, mostrando a los estudiantes cómo usar la tecnología de manera honesta y transparente.
Más allá de establecer reglas, los expertos enfatizan que los profesores deben mantenerse actualizados. La tecnología cambia tan rápido que un profesor que aprendió sobre ella el año pasado podría estar ya desactualizado. Los instructores necesitan capacitación regular para entender cómo funcionan estas herramientas, cuáles son sus límites y cómo usarlas de una manera que ayude al aprendizaje en lugar de reemplazar el proceso de aprendizaje. Esta capacitación debe cubrir no solo cómo escribir una pregunta en la computadora, sino cómo juzgar si la respuesta que da la computadora es correcta. Los profesores también deben aprender a detectar cuándo un estudiante está dependiendo demasiado de la máquina, un problema que los investigadores llaman "nunca-capacitación" (never-skilling), donde un estudiante nunca llega a aprender la habilidad porque la máquina hizo el trabajo por él.
Para prevenir esto, los expertos sugieren que los estudiantes primero deben aprender los conceptos básicos sin ninguna ayuda de la inteligencia artificial. Antes de que se les permita usar las herramientas para escribir código o analizar datos, deben ser capaces de hacer estas cosas a mano o con software estándar. Necesitan entender cómo calcular un riesgo, cómo detectar una falla en un estudio e interpretar un resultado por su cuenta. Solo después de haber construido esta base se les debe permitir usar las herramientas para revisar su trabajo, refinar su escritura o explorar nuevas ideas. Esto asegura que la tecnología actúe como un ayudante, no como una muleta. Si un estudiante no puede explicar por qué tomó cierta decisión en su análisis, no ha aprendido realmente el material, incluso si la respuesta final parece correcta.
En lo que respecta a evaluar lo que los estudiantes han aprendido, los expertos advierten que los métodos antiguos, como los ensayos para realizar en casa, ya no son suficientes, porque un estudiante podría simplemente pedirle a la computadora que escriba el ensayo. En su lugar, los profesores deberían utilizar diferentes formas de evaluar a los estudiantes, tales como exámenes orales, presentaciones presenciales o sesiones de escritura supervisadas donde no se permita el uso de la inteligencia artificial. Estos métodos obligan a los estudiantes a mostrar su pensamiento y explicar su razonamiento en tiempo real. Los expertos también aconsejan no utilizar software que afirme detectar si un estudiante utilizó inteligencia artificial. Estas herramientas de detección suelen ser poco fiables y pueden cometer errores, castigando injustamente a estudiantes que no violaron la integridad académica. Es mejor confiar en reglas claras, divulgación honesta y el juicio humano para garantizar la equidad.
Las recomendaciones también destacan la importancia de enseñar a los estudiantes cómo hablar con la computadora de manera efectiva. Esto se conoce como ingeniería de prompts, que es simplemente la habilidad de hacer las preguntas correctas para obtener la mejor respuesta. Un estudiante que hace una pregunta vaga obtendrá una respuesta vaga, mientras que un estudiante que hace una pregunta específica y bien estructurada puede obtener un resultado mucho mejor. Los profesores deben guiar a los estudiantes en esta habilidad, mostrándoles cómo descomponer problemas complejos en pasos más pequeños y cómo verificar la información que la computadora les proporciona. Esto incluye verificar hechos, buscar errores y asegurarse de que la computadora no haya inventado fuentes o datos que no existen.
Finalmente, los expertos instan a los profesores a compartir lo que aprenden entre sí. Debido a que este es un campo nuevo, nadie tiene todas las respuestas todavía. Los profesores deben probar diferentes enfoques, ver qué funciona y qué no, y luego contárselo a sus colegas. Esto podría significar compartir un plan de clase que funcionó bien, o admitir que cierta herramienta causó más problemas de los que resolvió. Al trabajar juntos y aprender de las experiencias de los demás, todo el campo de la epidemiología puede adaptarse a esta nueva tecnología de una manera que mantenga a los estudiantes seguros, capacitados y listos para el futuro. El objetivo final es producir epidemiólogos que puedan usar estas poderosas herramientas para realizar un mejor trabajo, pero que también posean las habilidades de pensamiento crítico para saber cuándo confiar en la máquina y cuándo confiar en su propio juicio.
¿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.