Beyond the Zero-Sum Debate: Designing for Agency and Efficiency in the Age of GenAI

En el bullicioso mundo de la educación, ha existido durante mucho tiempo una tensión silenciosa entre dos formas de entender cómo aprenden las personas. Por un lado, existe la creencia de que los estudiantes necesitan libertad para explorar, cometer errores y luchar con problemas difíciles para comprender verdaderamente una materia. Este enfoque valora el proceso desordenado y, a menudo, frustrante de descifrar las cosas como el motor mismo del aprendizaje. Por otro lado, existe el deseo de eficiencia, donde los docentes proporcionan estructuras claras y una guía paso a paso para asegurar que los estudiantes dominen hechos y habilidades sin perderse o desanimarse. Durante décadas, educadores e investigadores han debatido cuánto apoyo ofrecer y cuánta independencia otorgar, preguntándose si estos dos objetivos podrían coexistir alguna vez. Ahora, una nueva fuerza ha entrado en esta conversación: la inteligencia artificial generativa. Estos son sistemas informáticos capaces de escribir ensayos, resolver problemas matemáticos y generar ideas en segundos, haciendo que a menudo el trabajo duro del aprendizaje parezca innecesario. Esta llegada repentina obliga a un reexamen de viejas preguntas, cuestionando si tales herramientas poderosas ayudarán a los estudiantes a aprender más rápido o simplemente los engañarán haciéndoles creer que saben más de lo que realmente saben.

Dos investigadores, Marcela Borge de la Universidad Estatal de Pensilvania y Todd Shimoda de Thinkertools, Inc., han intervenido en este debate para ofrecer un camino práctico a seguir. Argumentan que la llegada de la inteligencia artificial no requiere que elijamos entre la libertad total y el control rígido. En su lugar, proponen un marco que trata las actividades de aprendizaje como algo que tiene dos partes distintas: el trabajo central que los estudiantes deben realizar por sí mismos para construir una comprensión profunda, y el trabajo de apoyo que puede ser gestionado por la tecnología para que las cosas avancen sin contratiempos. Su objetivo es mostrar cómo los educadores pueden utilizar estas nuevas herramientas para mejorar el pensamiento humano en lugar de reemplazarlo, asegurando que los estudiantes sigan involucrándose en la lucha necesaria que conduce a una verdadera comprensión.

Los investigadores comienzan identificando un problema que llaman la "Paradoja de la Construcción". Esta es la idea de que el aprendizaje a menudo requiere el trabajo difícil y laborioso de construir el conocimiento desde cero. Cuando un estudiante escribe un ensayo, resuelve una ecuación compleja o diseña un experimento, no solo está produciendo un producto final; está construyendo un modelo mental de cómo funciona el mundo. Si un estudiante utiliza la inteligencia artificial para generar ese ensayo o resolver esa ecuación instantáneamente, se salta la construcción mental. Terminan con un resultado pulido, pero han omitido el proceso mismo que crea el entendimiento. La paradoja es que, mientras los estudiantes y los profesores podrían sentirse satisfechos con el producto terminado, el estudiante en realidad ha aprendido menos porque evitó el esfuerzo cognitivo requerido para hacer propio el conocimiento. Los investigadores sugieren que, si dejamos que la inteligencia artificial haga todo el pensamiento difícil, corremos el riesgo de crear una generación que pueda producir respuestas perfectas pero que no sea capaz de pensar críticamente cuando se enfrente a un problema nuevo o desconocido.

Para resolver esto, los autores se basan en décadas de investigación en el aprendizaje colaborativo apoyado por computadora, un campo que estudia cómo las personas aprenden juntas con la ayuda de la tecnología. Proponen una distinción simple pero poderosa entre tareas "focales" y "de apoyo". Una tarea focal es la cosa principal que un estudiante necesita aprender a hacer. Si el objetivo es aprender a argumentar un punto, entonces el acto de construir ese argumento es la tarea focal. Si el objetivo es aprender a gestionar un equipo, entonces el acto de negociar y coordinar con otros es la tarea focal. Estas son las partes del aprendizaje que deben permanecer bajo el control del estudiante. Son las partes donde ocurren la lucha, los errores y los eventuales avances. Las tareas de apoyo, por otro lado, son las actividades de fondo que ayudan a que la tarea focal ocurra, pero que no son el objetivo principal de aprendizaje en sí mismas. Estas podrían incluir el formato de un documento, la organización de datos o la búsqueda de una definición. Estas son las partes donde la tecnología puede ser más útil, interviniendo para reducir la carga mental para que el estudiante pueda concentrar su energía en el trabajo central.

Los investigadores ilustran esto con ejemplos de su propio trabajo pasado diseñando software educativo. En un sistema diseñado para ayudar a los estudiantes a aprender ciencia, el software no les decía exactamente qué hacer o cómo resolver cada problema. En cambio, dejaba la indagación científica —el hacer preguntas, la formulación de hipótesis y la prueba de ideas— enteramente en manos de los estudiantes, aunque incorporaba asesores de software que proporcionaban consejos generales sobre partes críticas del ciclo de indagación. Esta era la tarea focal, la parte que requería toda su atención y esfuerzo. Sin embargo, el software proporcionaba un apoyo estructurado para la reflexión que ocurría después del experimento. Guiaba a los estudiantes sobre cómo mirar hacia atrás en lo que habían hecho, dirigiendo su atención hacia dimensiones específicas y teóricamente fundamentadas de la competencia colaborativa y limitando aquello sobre lo que podían reflexionar, para que pudieran concentrarse en aprender de sus errores en lugar de estancarse en la mecánica de redactar un informe. Al separar ambos elementos, el sistema permitía a los estudiantes experimentar todo el peso del descubrimiento científico mientras recibían la guía necesaria para darle sentido.

Aplicando esta lógica a la inteligencia artificial generativa, los investigadores sugieren que los profesores y diseñadores deben hacerse una pregunta específica antes de usar la tecnología: "¿Cuál es la cosa principal que queremos que el estudiante aprenda, y qué parte de esta actividad es esencial para ese aprendizaje?". Si la respuesta es que el estudiante necesita aprender a pensar críticamente, entonces el proceso de pensamiento mismo debe preservarse. La inteligencia artificial puede usarse para generar ejemplos, ofrecer perspectivas alternativas o ayudar a organizar la información, pero no se le puede permitir hacer el pensamiento por el estudiante. Los investigadores advierten que, si usamos estas herramientas simplemente para acelerar la producción de tareas o ensayos, es probable que socavemos las mismas habilidades que esperamos desarrollar. El peligro no está en usar la tecnología, sino en usarla para eludir el trabajo cognitivo que es necesario para el crecimiento.

El artículo también enfatiza que este equilibrio no puede lograrse únicamente mediante la tecnología. Requiere la participación activa de los docentes que comprenden los objetivos de la lección y pueden tomar decisiones en tiempo real sobre cuándo dejar que los estudiantes luchen y cuándo ofrecer ayuda. En el pasado, el software educativo solía seguir un guion fijo, guiando a los estudiantes a través de un camino predeterminado. Con la inteligencia artificial generativa, el camino ya no es fijo; la tecnología puede responder de maneras impredecibles, ofreciendo respuestas inesperadas o incluso información incorrecta. Esto hace que el papel del profesor sea más importante que nunca. El profesor debe actuar como un director de orquesta, decidiendo cuándo dejar que los estudiantes y la inteligencia artificial interactúen libremente y cuándo intervenir para guiar la conversación. Deben crear un ambiente de clase donde los estudiantes se sientan seguros para cometer errores y donde el grupo trabaje unido para verificar la información y resolver problemas.

En última instancia, los investigadores argumentan que el valor del aprendizaje reside en el proceso, no solo en el producto. La frustración de no saber la respuesta, el esfuerzo de probar diferentes enfoques y la satisfacción de encontrar una solución son lo que construye un entendimiento profundo y la capacidad de aplicar el conocimiento en situaciones nuevas. La inteligencia artificial generativa tiene el potencial de ser una poderosa compañera en este proceso, pero solo si se usa con cuidado. Debe verse como una herramienta para apoyar el esfuerzo humano del aprendizaje, no como un reemplazo para este. Al distinguir entre el trabajo central que los estudiantes deben realizar y el trabajo de apoyo que la tecnología puede manejar, los educadores pueden aprovechar el poder de estas nuevas herramientas sin perder los elementos humanos esenciales de la curiosidad, la colaboración y el pensamiento crítico. El objetivo no es hacer que el aprendizaje sea fácil, sino que sea significativo, asegurando que los estudiantes emerjan de su educación no solo con una colección de hechos, sino con la capacidad de pensar, crear y resolver problemas por sí mismos.