Teaching About AI or With AI? In-Service Teachers’ Experiences in a Korean AI Convergence Education Program

En las aulas de Corea del Sur, una transformación silenciosa está en marcha. Durante décadas, los profesores han sido los expertos en sus campos, guiando a los estudiantes a través de la historia, la ciencia o la literatura. Pero recientemente, ha llegado una nueva asignatura: la inteligencia artificial. El gobierno decidió que todos los estudiantes necesitan entender cómo funcionan estas máquinas inteligentes, y el siguiente paso lógico era formar a los profesores. Esto creó una situación única en la que educadores experimentados, que ya saben cómo dirigir un aula, tuvieron que volver a la escuela para aprender un lenguaje técnico completamente nuevo. La pregunta central que enfrentan los educadores y los responsables de políticas no es solo si los profesores pueden aprender los hechos sobre la inteligencia artificial, sino si pueden tomar esos hechos y entretejerlos en las lecciones que ya enseñan. ¿Puede un profesor de historia utilizar la inteligencia artificial para ayudar a los estudiantes a comprender el pasado, o el nuevo conocimiento se queda encerrado en una caja separada, útil solo para las clases de ciencias de la computación?

Esta historia proviene de un rincón específico de Corea del Sur, donde el gobierno lanzó un programa masivo para recapacitar a los docentes. Desde 2020, treinta y ocho universidades han ofrecido grados de posgrado especiales para profesores en activo, centrándose en lo que se denomina "educación de convergencia de IA". La idea es combinar la inteligencia artificial con las materias tradicionales. Para entender cómo funciona esto en el mundo real, dos investigadores de las universidades de Seúl y Hannam siguieron a un pequeño grupo de profesores y a un instructor a través de este programa. No se limitaron a observar las puntuaciones de los exámenes o las listas de verificación; se sentaron con los participantes para escuchar sus historias sobre qué sintieron al aprender este nuevo material y al intentar usarlo de nuevo en sus propias escuelas.

Los profesores que se unieron al programa no se inscribieron porque de repente estuvieran fascinados por los robots o el código. Se inscribieron principalmente en respuesta a presiones prácticas, como la necesidad de interactuar con la IA en sus escuelas, y porque el gobierno ofrecía subsidios de matrícula que hicieron posible la decisión. Una profesora, que trabaja en una escuela secundaria para estudiantes de ciencias, encontró que sus alumnos construían proyectos en lenguajes de programación que ella no podía leer. Se sintió rezagada y necesitaba ponerse al día. Otra profesora, instructora de escuela primaria, admitió que su motivación era "impura". Necesitaba el dinero de la matrícula que ofrecía el gobierno, y también se estaba preparando para un examen de ascenso. Sin embargo, bajo las razones prácticas, había un sentido compartido de urgencia. Sabían que la inteligencia artificial estaba llegando a sus escuelas, y sabían que se esperaba que ellos lideraran el camino. Entraron al programa de posgrado con la esperanza de encontrar un camino claro a seguir.

Dentro de las aulas universitarias, los profesores aprendieron mucho sobre la tecnología en sí. Estudiaron cómo aprenden las máquinas, cómo analizar datos y cómo escribir código en un lenguaje llamado Python. Los instructores, que eran expertos en ciencias de la computación y datos, hicieron un buen trabajo enseñando estas habilidades técnicas. Una profesora dijo que finalmente podía entender lo que hacían sus alumnos cuando construían proyectos complejos. Sin embargo, comenzó a formarse una brecha entre lo que aprendieron en la universidad y lo que necesitaban hacer en sus propias aulas. Los profesores describieron el currículo como "fragmentado". Aprendieron sobre análisis de datos en una clase y programación en otra, pero el programa nunca les mostró cómo conectar estas piezas con una lección de historia o una discusión de ética. Estaban aprendiendo sobre inteligencia artificial, pero no estaban aprendiendo cómo enseñar con ella.

Los profesores se encontraron en una situación difícil. Entendían la tecnología, pero no podían descifrar cómo encajarla en sus materias específicas. Una profesora describió la sensación como estar "perdida". Quería injertar la inteligencia artificial en sus lecciones, pero no sabía cómo hacerlo sin perder el enfoque de su materia. Otra profesora intentó usar una aplicación de dibujo para ayudar a los estudiantes a ilustrar una historia, pero se dio cuenta de que esto era solo usar una herramienta, no una verdadera integración de la tecnología con la lección. El programa les había dado las herramientas, pero no les había dado el plano de cómo construir algo nuevo con ellas. La responsabilidad de encontrar la conexión recayó enteramente en el profesor individual, quien tenía que resolver este rompecabezas solo mientras gestionaba un trabajo de tiempo completo.

Los investigadores descubrieron que la dificultad no era solo la falta de habilidad, sino la naturaleza de las materias mismas. Para un profesor de ciencias, los datos están en todas partes, por lo que encontrar un lugar para la inteligencia artificial es relativamente fácil. Pero para un profesor de lengua o literatura, la conexión es mucho más difícil de encontrar. Un instructor del programa, que enseña estudios sociales, admitió que podía ayudar a un profesor de matemáticas o de ciencias, pero se sentía perdido cuando un profesor de lengua pedía ayuda. Podía mostrarles cómo analizar un texto, pero no encontraba una dirección para usar los algoritmos más profundos de la inteligencia artificial de una manera que tuviera sentido para la literatura. Esto sugiere que el desafío no es que los profesores estén fallando en aprender, sino que el vínculo entre la inteligencia artificial y ciertas materias no es obvio, y el programa no proporcionó suficiente apoyo para construir ese puente.

Otro obstáculo importante fue la estructura de las propias escuelas. Incluso cuando un profesor lograba crear un excelente plan de clase que mezclaba la inteligencia artificial con su materia, el sistema escolar a menudo hacía imposible llevarlo a cabo. En las escuelas primarias, los profesores son movidos a diferentes grados y materias cada año por el director. Una profesora que pasó dos años aprendiendo sobre inteligencia artificial podría ser asignada a un grado diferente al año siguiente, sin tiempo para implementar lo aprendido. En las escuelas secundarias, el sistema de créditos dificulta que los profesores de diferentes materias trabajen juntos en un solo proyecto. La política asumía que, si se entrenaba a unos pocos especialistas, estos difundirían el conocimiento a todos los demás. Pero la realidad de la vida escolar diaria significaba que este conocimiento a menudo se quedaba con el individuo, incapaz de echar raíces en la comunidad escolar más amplia.

El estudio también destacó una confusión sobre cuál era el objetivo real y una falta de apoyo práctico. El programa se llamaba "educación de convergencia de IA", lo que implica una profunda mezcla de tecnología y materia. Sin embargo, los profesores encontraron que el programa principalmente les enseñaba cómo usar herramientas de inteligencia artificial o comprender los principios básicos. Rara vez se les mostraba cómo usar la tecnología para resolver problemas específicos de sus propias materias. Una profesora señaló que los instructores parecían no estar de acuerdo sobre el objetivo: algunos decían que primero se debe entender la tecnología, mientras que otros decían que el enfoque debería ser la materia. Esta falta de una visión clara y unificada dejó a los profesores sintiéndose como si estuvieran intentando armar un rompecabezas con piezas faltantes. Además, los participantes informaron que la orientación práctica sobre la ética de la IA era insuficiente. En lugar de un apoyo detallado, los materiales de política a menudo eran simplemente "lanzados" a los profesores con instrucciones para enseñar el contenido, buscar sitios adecuados y usar los fondos proporcionados, convirtiendo la iniciativa en un nuevo trabajo sin la guía necesaria para que fuera significativo. Estaban aprendiendo sobre la tecnología, pero no estaban aprendiendo cómo hacerla significativa para sus estudiantes.

Los investigadores concluyeron que la pieza que falta en todo este proceso es lo que llaman "traducción pedagógica". Este es el arduo trabajo de tomar el conocimiento técnico y convertirlo en una lección que encaje en una materia específica. No se trata solo de saber cómo funciona una máquina; se trata de saber cómo usar esa máquina para ayudar a un estudiante a comprender un poema, un evento histórico o un concepto científico. Los programas actuales son buenos enseñando la primera parte, pero no son buenos enseñando la segunda. Los profesores no están fallando; el sistema simplemente les está pidiendo un trabajo que nadie les ha enseñado cómo hacer.

Este estudio sugiere que simplemente añadir más formación técnica a los profesores no es suficiente. Para que la educación en inteligencia artificial funcione, la formación debe cambiar. Debe centrarse menos en la tecnología de forma aislada y más en cómo esa tecnología puede servir a los objetivos específicos de las clases de historia, lengua o ciencias. También debe reconocer que los profesores no pueden hacer este trabajo solos. Necesitan apoyo de sus escuelas y de los programas que los forman, con ejemplos claros de cómo fusionar estos mundos. Hasta que no se cierre la brecha entre aprender sobre la inteligencia artificial y aprender cómo enseñar con ella, la promesa de esta nueva educación permanecerá fuera del alcance de muchas aulas. Los profesores están listos para aprender, pero necesitan un mapa que les muestre cómo cruzar la distancia entre la sala de conferencias universitaria y sus propios pupitres escolares.