Un estudio aleatorizado realizado en 18 escuelas secundarias de Tennessee sugiere que simplemente poner un tutor de IA al alcance de los estudiantes no garantiza que lo utilicen para mejorar su aprendizaje. Durante dos años, el 96 % de los estudiantes participantes probó Khanmigo, de Khan Academy, al menos una vez, pero el estudiante mediano lo utilizó solo aproximadamente un tercio de los días en que estuvo disponible.
Los hallazgos proceden de “One Click Away”, un documento de trabajo de la Oficina Nacional de Investigación Económica elaborado por los economistas Philip Oreopoulos y Nina Low. Los estudiantes utilizaban Khan Academy durante sesiones diarias de refuerzo de matemáticas, y Khanmigo estaba diseñado para orientarlos en lugar de proporcionarles respuestas directas. En comparación con los estudiantes que recibían instrucción de recuperación convencional, aquellos que tenían acceso al tutor de IA lograron avances modestos en matemáticas, similares a los resultados esperados de la práctica con Khan Academy sin IA.
La mayoría de los estudiantes utilizó el tutor con poca frecuencia, y sus conversaciones rara vez se centraron en las matemáticas. Sal Khan, director ejecutivo de Khan Academy, afirmó que los resultados destacaban la importancia de la motivación, un aspecto que la organización ya había señalado públicamente.
El artículo sostiene que la asistencia opcional de la IA puede llevar a los estudiantes a elegir herramientas que proporcionan respuestas en lugar de tutores que les piden razonar un problema. Exigir a los estudiantes que utilicen un sistema de IA puede mejorar la participación, pero no necesariamente genera esfuerzo ni una interacción significativa. Kristen DiCerbo, directora de aprendizaje de Khan Academy, ha descrito algunos intercambios de estudiantes con tutores de IA como más pasivos de lo que los educadores desearían.
Khan Academy ha respondido integrando Khanmigo directamente en los problemas de práctica, en lugar de dejar que los estudiantes tengan que iniciar conversaciones con él. El cambio refleja la idea de que un tutor de IA debe estar integrado en las actividades de aprendizaje y que deben limitarse las oportunidades de evitar el esfuerzo productivo.
La alternativa propuesta consiste en convertir la conversación con la IA en parte de la evaluación. En otro estudio en el que participaron 21 estudiantes de 12.º grado del Collège du Léman International School, en Suiza, los estudiantes examinaron ejemplos de interacciones sólidas y débiles con la IA, ayudaron a crear una rúbrica para el uso eficaz y después entregaron las transcripciones completas de ChatGPT correspondientes a un proyecto de análisis de medios.
Los estudiantes fueron evaluados según la precisión de sus preguntas, la manera crítica en que respondían a las sugerencias de la IA y si conservaban la responsabilidad sobre su propio razonamiento. Después del estudio de cuatro semanas, 18 estudiantes dijeron que su manera de abordar la IA había cambiado, mientras que 10 afirmaron prestar más atención a sus propias aportaciones y a cómo podían desarrollarlas durante la conversación. El número de estudiantes que se sentían completamente seguros de poder obtener respuestas útiles de la IA aumentó de dos a 11.
Los investigadores también analizaron si una mayor confianza iba acompañada de una mejor comprensión de las limitaciones de la IA. Cinco estudiantes se volvieron considerablemente más seguros y, al mismo tiempo, reconocieron más riesgos. Cuatro se sintieron menos seguros de su capacidad para juzgar la precisión de la IA, algo que los investigadores interpretaron como un ajuste potencialmente saludable. Dos estudiantes se volvieron mucho más confiados mientras desarrollaban una actitud despectiva hacia los riesgos.
El estudio fue un pequeño proyecto piloto sin grupo de control, y gran parte de sus pruebas se basó en declaraciones de los propios participantes. Sin embargo, su premisa central es que los estudiantes tienen más probabilidades de esforzarse cuando saben que su interacción será revisada y evaluada con criterios claros.
La misma idea se puso a prueba mediante ejercicios de interpretación de roles en los que una IA representaba a una persona difícil a la que el estudiante debía persuadir, enseñar o con la que debía negociar. El autor del artículo consideró que estos intercambios eran más atractivos que la tutoría socrática convencional, en gran medida porque un profesor evaluaría las conversaciones. Saber que la interacción sería evaluada aumentó el incentivo para pensar detenidamente.
En pruebas realizadas en el aula con una plataforma llamada AI Friction Labs, los estudiantes utilizaron interpretaciones de roles con IA diseñadas para hacer visible su razonamiento. En una clase de cálculo de Cheshire Academy, en Connecticut, 21 estudiantes actuaron como profesores mientras la IA interpretaba a un compañero de clase que tenía dificultades para comprender las rectas tangentes. Los estudiantes debían explicar el concepto con un lenguaje accesible, en lugar de depender de terminología técnica. Cinco estudiantes repitieron el ejercicio y mejoraron sus puntuaciones en un promedio de aproximadamente 34 puntos.
En San Domenico School, en California, una IA que interpretaba a un ecólogo experimentado desafió a los estudiantes con preguntas repetidas de “por qué” y “cómo”. Un estudiante afirmó que el ejercicio lo llevó más allá de memorizar términos y hacia la comprensión de los mecanismos implicados.
El enfoque también generó resistencia. A algunos estudiantes las preguntas les parecieron repetitivas, abrumadoras o similares a un interrogatorio. Estas reacciones señalan la necesidad de calibrar cuidadosamente la dificultad, ofrecer una preparación adecuada y contar con la supervisión de los docentes. El artículo también reconoce que los ejemplos en el aula fueron pruebas beta de una empresa propiedad del autor, no una investigación controlada.
El modelo propuesto sitúa al docente en el centro. La IA puede realizar una evaluación inicial de una conversación según criterios especificados y señalar los momentos en los que el estudiante pareció tener éxito o dificultades. Después, el docente revisa el intercambio, corrige la evaluación de la IA y decide qué comentarios debe recibir el estudiante.
Según este enfoque, la IA no es principalmente un tutor que espera a que un estudiante le pida ayuda. Se convierte en parte de una evaluación en la que los estudiantes deben demostrar su razonamiento mediante una conversación adaptativa. Una transcripción puede mostrar dónde se atascaron, cómo respondieron a los desafíos y si lograron recuperarse sin renunciar a la responsabilidad sobre el trabajo.
El artículo concluye que las escuelas no necesitan utilizar la IA en todas las aulas. Pero cuando los educadores quieren que la IA apoye el pensamiento, es poco probable que el acceso por sí solo sea suficiente. Diseñar actividades en las que el razonamiento de los estudiantes sea visible —y evaluar cómo utilizan el sistema— puede ofrecer un incentivo más fuerte para una participación genuina que dejar un tutor opcional en el borde de la pantalla.
Fuentes: EdSurge.