Chatbots como ChatGPT o GPT 4 plantean la cuestión de cómo la IA generativa (IAG) cambiará o se añadirá a las competencias que nuestros graduados necesitarán en el futuro mundo laboral, qué formatos pedagógicos y didácticos serán necesarios para enseñar estas competencias y, en última instancia, cómo afectará a las estrategias generales de las IES. Una primera evaluación de las consecuencias para la enseñanza superior por Thomas Bieger y Martin Kolmar.
En diciembre de 2022, es posible que muchos educadores y directores de instituciones de educación superior (IES) hayan vivido una experiencia similar: en muchos casos alertados por sus hijos adolescentes, tomaron conciencia de los avances de la inteligencia artificial generativa (IAG) capaz de trastocar la enseñanza y los exámenes. Mucho ha llovido desde entonces, y la IAG promete ser la “próxima gran cosa”, revolucionando potencialmente todo, desde el trabajo (de cuello blanco) hasta la forma en que organizamos la información y nos relacionamos entre nosotros. Aunque en este momento no está claro qué es exactamente lo que sobrevivirá al bombo publicitario, las consecuencias potencialmente de largo alcance de esta nueva tecnología hacen necesario que los IES desarrollen estrategias tempranas sobre la mejor manera de responder a ella. Chatbots como ChatGPT o GPT 4 plantean la cuestión de cómo la IAG cambiará o se sumará a las competencias que nuestros graduados necesitarán en el futuro mundo laboral, qué formatos pedagógicos y didácticos serán necesarios para enseñar estas competencias y, en última instancia, cómo afectará a las estrategias generales de las IES.
¿Cómo reaccionar ante la IAG en el aula?
Una primera reacción típica e intuitiva de los educadores ante las nuevas tecnologías que desafían las formas tradicionales de enseñar suele ser prohibirlas o restringir su uso. Un ejemplo es la época en que se disponía de calculadoras, pero se seguía obligando a los alumnos a resolver problemas matemáticos a mano. Esta reacción es errónea. Si el objetivo de la educación es preparar a los estudiantes para la vida (laboral) real, y si la IAG promete ser una parte esencial de ella, debemos encontrar la manera de integrarla en nuestros programas. Las IES tienen la obligación de ayudar a los estudiantes a desarrollar las habilidades necesarias para utilizar estas herramientas de forma productiva, y a comprender sus limitaciones, incluidos los desafíos éticos asociados.
Competencias para el nuevo puesto de trabajo
Por lo tanto, las IES deben identificar los conocimientos, destrezas, competencias y actitudes necesarios y situarlos en el centro de sus planes de estudio, enseñanza y métodos de examen. Para ello, deben abordarse tres cuestiones fundamentales:
- En primer lugar, necesitamos tener una idea del impacto de la IAG en el futuro del trabajo, de cómo cambiará la forma en que las industrias organizan sus cadenas de valor y crean nuevas profesiones, cambiando o incluso erradicando las existentes en este proceso. Los directores de programas deben reevaluar las habilidades y competencias necesarias para que sus estudiantes prosperen en su futura vida laboral. Los humanos no pueden competir con las máquinas en ámbitos en los que éstas están diseñadas para sobresalir; la educación debe dotar a los estudiantes de las competencias necesarias para crear valor más allá de los medios de la IA.
- En segundo lugar, a pesar del creciente número de investigaciones, aún no comprendemos del todo cómo los estudiantes aprenden y desarrollan sus habilidades y personalidades de forma eficaz en entornos que combinan herramientas digitales con formatos tradicionales de profesor a alumno. Sin embargo, necesitamos una comprensión sólida de la combinación óptima de apoyo humano y tecnológico a los estudiantes para desarrollar programas con eficacia.
- En tercer lugar, dado que los debates sobre las reformas de la educación en gestión se han convertido en un tema central de las escuelas de negocios en la última década, los retos en la enseñanza y la evaluación que exige la IAG deben integrarse en este debate general. Hay que identificar y desarrollar habilidades, competencias y rasgos de personalidad que sigan siendo pertinentes durante largos periodos y en contextos nuevos, cambiantes y desconocidos.
Hablaremos de una clase muy reducida de IAG para evaluar sus implicaciones en la enseñanza superior: chatbots como ChatGPT, que son grandes modelos lingüísticos (LLM), se entrenan con enormes cantidades de datos de texto para identificar los contextos más probables en los que se utilizan las frases; lo que hacen los LLM es básicamente predecir secuencias. Esta propiedad conduce al fenómeno ya bien conocido de la alucinación, es decir, que los LLM “inventan” textos falsos o referencias bibliográficas porque la verdad y la probabilidad suelen ser diferentes.
Este hecho tiene importantes implicaciones. Parece estar surgiendo un consenso en torno a la idea de que los LLM son útiles para las personas cualificadas para formular las preguntas adecuadas y evaluar competentemente la salida, pero mucho menos para las personas que carecen de estas competencias evaluativas. Si la herramienta IAG encuentra la asociación más estrecha con el prompting, la salida genérica o sin sentido suele ser el resultado de un “mal” prompting. Por tanto, algunos de estos problemas pueden resolverse aprendiendo a “incitar bien”. Para aprovechar el potencial de los LLM, el usuario debe tener la experiencia suficiente para evaluar sus resultados y, a partir de ahí, mejorar las instrucciones.
Sin embargo, existen importantes excepciones a esta regla. Por ejemplo, resulta que los LLM ofrecen grandes oportunidades para ayudar a los estudiantes a aprender a programar. A diferencia de las lenguas naturales, los lenguajes artificiales como Phyton presentan un alto grado de precisión sintáctica y semántica. Por tanto, los LLM son excepcionalmente adecuados para apoyar el aprendizaje mediante la generación, optimización y corrección de código. Lo mismo es cierto para los problemas matemáticos. Contrariamente a la creencia inicial, los LLM no son necesariamente “malos en matemáticas”, ya que (al menos para los problemas estandarizados en la enseñanza) a menudo se puede tomar el desvío de dejar que los LLM generen código, que luego contiene la solución.
Lo que nos lleva al problema difícil para la enseñanza y el examen: si los LLM son más útiles como sistemas de apoyo para personas que ya tienen las competencias necesarias para evaluar los resultados generados, ¿cómo podemos asegurarnos y evaluar si los estudiantes adquieren estas competencias si pueden fingirlas utilizando los LLM? Este problema nos obliga a pensar y reimaginar cómo enseñamos y evaluamos. Por tanto, tenemos que considerar otros retos normativos que se derivan de esta forma específica de generación de textos: ¿Cómo podemos garantizar que no se produzca una uniformización de las interpretaciones teóricas y empíricas de la realidad, dado que los LMM “generalizan” el texto del modo descrito anteriormente? ¿Cómo podemos garantizar que se reflejen correctamente todos los puntos de vista científicos creíbles, incluidos los heterodoxos? ¿Y cómo podemos garantizar que los estudiantes son capaces de distinguir entre argumentos válidos y alucinaciones, especialmente si aún están en proceso de desarrollar las competencias evaluativas mencionadas anteriormente? El pensamiento crítico en todas sus facetas es más importante que nunca.
Consecuencias para la pedagogía, la didáctica y los exámenes
Muchas universidades se sintieron presionadas para reaccionar con rapidez y elaborar directrices y buenas prácticas para minimizar el riesgo de que los estudiantes entregaran redacciones generadas por herramientas IAG. Los ejemplos han sido: “personalizar” las tareas de redacción, dividir las tareas más importantes en partes más pequeñas y calificadas individualmente, dar prioridad a los exámenes en el campus, evaluar las tareas calificando los resultados generados por un chatbot, exigir una gran cantidad de citas y volver a los exámenes orales tradicionales, etc.
Estos “apaños” se debieron principalmente al hecho de que la nueva tecnología estaba disponible durante el periodo de clases y exámenes, lo que creó la necesidad de actuar, dejando la impresión de que los LLM suponen una amenaza más que una oportunidad. El problema es que se necesitan soluciones sostenibles a largo plazo. Por ejemplo, antes de volver precipitadamente a los exámenes orales, deberíamos recordar el fenómeno de la parcialidad del examinador. O, por poner otro ejemplo, parece claro que el uso responsable de la IAG como parte de la integridad académica requiere unas normas de uso adecuadas, lo que supone un reto ya que, por ejemplo, el concepto tradicional de plagio no capta fácilmente el nuevo fenómeno.
El problema más profundo parece ser que, como los LLM pueden generar textos que aprueban exámenes, esto revela qué tipo de competencias esperamos implícitamente de nuestros estudiantes. Si lo que hacen los LLM es predecir secuencias, y si la predicción de secuencias aprueba los exámenes, debemos preguntarnos si eso es realmente lo que deberíamos esperar de nuestros estudiantes. Si los LLM destacan por generar buenas redacciones, nos damos cuenta de que estamos esperando que nuestros estudiantes se integren. Ciertos formatos de examen sólo invitan a los estudiantes a memorizar teorías “a ciegas”. Si además las preguntas del examen son muy genéricas, no es de extrañar que los LLM aprueben los exámenes. Parece necesario aprovechar el reto que plantean los LLM para comprender mejor si nuestros exámenes se ajustan coherentemente a las competencias que queremos desarrollar y a los formatos de enseñanza que estamos utilizando.
Un nuevo enfoque de la enseñanza en la gestión del profesorado
Si estas conjeturas son correctas, permitir un proceso de aprendizaje reflexivo se convertirá en un factor crítico de éxito aún más importante para las escuelas de negocios. Las carreras académicas siguen basándose casi exclusivamente en las credenciales de investigación. Este modelo de selección, que ha resistido la prueba del tiempo, ha sido adecuado mientras las universidades eran los puntos de acceso más o menos exclusivos al conocimiento y el contenido era decisivo. La forma de enseñar no ha cambiado mucho a lo largo de los años, ya que su función principal era dar a los estudiantes acceso al conocimiento. La digitalización y, más aún, la aparición de la IAG cambian ese panorama, ya que – salvo para la investigación fundamental – el acceso al conocimiento se hizo ubicuo para todo el mundo con acceso a internet. Lo que se vuelve cada vez más importante ya no es lo que enseñamos, sino cómo lo enseñamos. Pero en la actualidad, el profesorado no suele seleccionarse para destacar en esta dimensión. De ahí que debamos reevaluar las cualificaciones necesarias para el profesorado académico, formar al profesorado existente para que “enseñe a la altura” de los nuevos retos y replantearnos los criterios de contratación de nuevo profesorado. La capacidad de fomentar el desarrollo de virtudes epistémicas, sociales y personales como la curiosidad, el pensamiento crítico, la sociabilidad, la responsabilidad, la motivación intrínseca y la resiliencia son cualidades clave de una buena enseñanza en interacción con las herramientas digitales.
El rápido ritmo del progreso tecnológico exige una redefinición continua de las cualificaciones de los profesores.
Cada vez más universidades ofrecen carreras separadas para la docencia y la investigación. Si nuestro análisis es correcto, estas vías docentes deben ser algo más que alternativas de segunda clase; deben centrarse en una combinación única de capacidades de investigación y docencia. El rápido ritmo del progreso tecnológico exige una redefinición continua de las cualificaciones de los profesores. Por lo tanto, la carrera de “profesor” requiere la reevaluación continua de los mejores formatos de enseñanza y examen basados en pruebas empíricas. Así pues, las universidades no sólo deben realizar inversiones financieras en estas vías, sino también buscar activamente personal cualificado, y crear así una cultura de aprendizaje y reflexión crítica sobre las mejores técnicas de enseñanza y examen. Además, un elemento esencial en este proceso será la creación de un ecosistema que incluya apoyo organizativo para experimentos, laboratorios y personal de apoyo técnico.
Estrategias de las IES cuestionadas
El uso de la IAG puede aumentar aún más la brecha entre las IES de bajo coste que se centran en la enseñanza de habilidades y competencias básicas y aquellas que pueden invertir en una combinación única de excelencia en la investigación y enseñanza de alta calidad para permitir a sus graduados ofrecer un valor más allá de las capacidades de las máquinas. En cierta medida, esto ya se ha visto impulsado por los elevados costes de financiación de la investigación básica, el aprendizaje electrónico y otros avances que interrumpen la “cadena de valor” académica tradicional. Cualificar a los estudiantes para que hagan valiosas contribuciones a la sociedad requiere una enseñanza y unos formatos de examen más interactivos, individualizados y centrados en el desarrollo de la personalidad. Aunque la digitalización, incluidos los LLM, permite apoyar e incluso sustituir algunos formatos tradicionales de enseñanza y examen, mientras la educación se base no sólo en el saber, sino también en las dimensiones del hacer y del ser del aprendizaje, entonces, al menos por el momento, los seres humanos serán facilitadores de estos procesos de aprendizaje. Estas herramientas no sustituirán a los seres humanos en la educación y no marcarán necesariamente “el fin del ensayo universitario”, pero hacen necesario reevaluar sus funciones más productivas.
- Examinar, enseñar y aprender en la era de la IA generativa - September 19, 2023
- Examining, teaching, and learning in the age of generative AI - June 5, 2023
- Digitalising management education: Exploringthe possible - May 25, 2022
