El mes pasado, durante una conversación que tuve con un grupo de estudiantes en el almuerzo, un alumno de último año de secundaria dijo despreocupadamente: «Es que no he leído un libro completo para la escuela desde mi primer año».
La reacción en la sala fue principalmente un silencio tenso, con algunas risas cómplices. Cuando le pregunté a esta estudiante si leía libros, insistió en que lo hacía por placer, pero que simplemente no tenía tiempo para las largas lecturas escolares. Cuando le pregunté si usaba IA para evitar la lectura, creando resúmenes o puntos de discusión, respondió que sí, pero no siempre. A lo largo de los años, había desarrollado varias estrategias para aprobar las clases y obtener una buena calificación sin leer el texto original. Usar IA se había convertido en una de esas estrategias.
Si tuviera que identificar una nueva tendencia que he observado en mi trabajo desde que comenzó este año escolar, sería que los docentes cuestionan cada vez más abiertamente el propósito de la tarea. Debido a la IA, algunos docentes han dejado de calificar la tarea. Otros han dejado de recogerla. Algunos incluso han dejado de asignarla por completo, y en su lugar, orientan a los estudiantes hacia contenido relevante y les permiten decidir qué y cuánto repasar. Algunos docentes ya no les piden a los estudiantes que realicen ningún trabajo fuera de clase; todo se hace bajo supervisión.
Estas opciones son respuestas a alguna versión de la pregunta: «¿Qué sentido tiene asignar tareas si los estudiantes van a usar inteligencia artificial para hacerlas?».
Pensé en estos estudiantes y profesores cuando, hace un par de semanas, el experto en educación matemática Dan Meyer propuso una política de calificación para este momento de la IA. Deberías leer el artículo completo para comprender su razonamiento, pero aquí están los puntos clave de la política:
SE RESUELVE que los exámenes contarán el 80% de su calificación final. Estos se realizarán en clase y sin la ayuda de IA;
SE RESUELVE ADEMÁS que la tarea vale el 20% de su calificación final y se calificará únicamente como completa/incompleta. Cualquier entrega que cumpla con el requisito mínimo recibirá una calificación completa;
SE RESUELVE ADEMÁS que puedes usar IA en cualquier función en las tareas. Si copias y pegas la tarea en un archivo LLM y entregas el resultado, recibirás una calificación de «completado», sin preguntas.
Meyer se muestra claro y pragmático al negarse a controlar el comportamiento de los estudiantes con la IA. Reconoce la realidad (respaldada por datos) de que supervisar el uso de la IA por parte de los estudiantes fuera del aula es agotador y puede perjudicar la relación profesor-alumno. En cambio, evaluará lo que pueda verificar.
La llegada de ChatGPT cambió para siempre las condiciones de aprendizaje fuera del aula. Ethan Mollick nos advirtió sobre el «apocalipsis de las tareas» en 2023 y nuevamente en 2024. Además, estamos viendo cómo las investigaciones comienzan a validar lo que los docentes han experimentado de primera mano durante cuatro años: delegar las tareas a la IA no ayuda al aprendizaje de los estudiantes.
Un ejemplo reciente es un estudio que analizó el impacto de la externalización total de las tareas escolares en una muestra de 27 000 estudiantes chinos. Muchos (aunque, cabe destacar, no todos) de los estudiantes que externalizaron sus tareas a la IA obtuvieron calificaciones más bajas en los exámenes finales que sus compañeros que no lo hicieron.
Si la práctica puede ser tan claramente beneficiosa y, sin embargo, ahora es tan claramente opcional, ¿qué deberíamos hacer con los deberes escolares?
¿Podría la IA ser un catalizador para que hagamos mejor los deberes?
En medio de toda esta frustración y desorden, hay una oportunidad: dejar de usar los deberes como herramienta para el cumplimiento de normas y conservar su potencial como herramienta de aprendizaje.
Los investigadores educativos llevan décadas estudiando los deberes escolares ( aquí tenéis un buen resumen de los hallazgos clave ). A pesar de la inestabilidad y la rápida evolución de la IA, contamos con información fiable sobre qué factores contribuyen a la eficacia de los deberes y cuáles a su ineficacia. Intencionadamente o no, la política de calificación de Meyer refleja algunas de las mejores prácticas en evaluación, diseño de deberes y participación estudiantil.
Las tareas no deben calificarse.
Meyer afirma que ahora las tareas se calificarán como «completas/incompletas» y representarán el 20% de la calificación final. Los estudiantes podrán usar la IA en sus tareas como deseen, y este uso no influirá en si la tarea se califica como «completa» o no.
Limitar el impacto de las tareas en la calificación final se ajusta a las prácticas de evaluación equitativas. El libro de Joe Feldman, » Grading for Equity» (Calificar para la Equidad) , dedica un capítulo entero a explicar por qué y cómo debemos excluir las tareas del cálculo de las calificaciones. Feldman argumenta que calificar a un estudiante en función de si realiza o no sus tareas se centra más en el cumplimiento que en la evaluación del aprendizaje. Además, sostiene que tener en cuenta el desempeño en las tareas para la calificación final desvirtúa el propósito de una calificación, que es demostrar lo que un estudiante ha aprendido tras semanas o meses de estudio. Considerar la práctica formativa para la calificación final la hace menos precisa e injusta.
En su sistema de calificación, Meyer, por supuesto, sigue evaluando las tareas y contándolas para la nota final, pero su clara decisión de no dar tanta importancia a las tareas calificadas reconoce tanto la razón de ser de las tareas como la realidad de las mismas en la era de la IA: son una práctica importante para las evaluaciones clave, pero no puedo controlar cómo las haces, así que voy a restarle importancia en mi evaluación general de tu trabajo.
Las tareas escolares deben ser una oportunidad para recibir retroalimentación.
Meyer concluye su política escribiendo: «Díganme si quieren mi opinión y dónde». Ya no corregirá automáticamente las tareas, pero está dispuesto a dar retroalimentación cuando los estudiantes le indiquen dónde la necesitan.
Esto refleja una serie de medidas acertadas y centradas en el estudiante: 1) poner la responsabilidad de la práctica en el estudiante, 2) pedirle al estudiante que reflexione sobre su propio trabajo e identifique áreas de mejora, y 3) priorizar la retroalimentación sobre la calificación.
Mi única preocupación con respecto a este enfoque es: ¿Cómo sabría un estudiante cuándo pedir retroalimentación?
Los estudiantes necesitan retroalimentación para comprender qué deben aprender. Esto es especialmente importante si reconocemos que la IA influye en su trabajo fuera del aula. Como señala el psicólogo cognitivo Daniel Willingham sobre el papel de la IA en el aprendizaje : «El principiante no será un buen compañero para la IA en el aprendizaje. El principiante no tiene los conocimientos suficientes para formular buenas preguntas».
Me gusta la sugerencia de la científica cognitiva Pooja Agarwal de diseñar «minicuestionarios» para practicar la recuperación de información : que sean frecuentes y con poca importancia (es decir, que no se califiquen ni se les dé poca ponderación). En el verdadero espíritu de la evaluación, estos cuestionarios no deben diseñarse para «pillar» a los estudiantes que buscan atajos; deben ofrecerles información sobre cuánto se beneficiaron de la tarea, independientemente de cómo la hayan realizado. Los estudiantes pueden entonces usar esta información para decidir qué retroalimentación adicional necesitan del profesor.
Creo que este tipo de retroalimentación puede ser especialmente útil ahora, cuando los estudiantes, con buenas intenciones, intentan establecer una relación productiva con la IA. Si podemos informarles de forma breve, frecuente y sin consecuencias negativas cuando se hayan excedido con la IA, podrán tomar mejores decisiones sobre cómo moderar su uso. Es posible que la retroalimentación ayude a los estudiantes no solo a reducir el uso de la IA, sino también a ajustarlo: un chatbot puede ayudarlos a seguir su progreso, crear ejercicios adicionales, explicar conceptos o comentarios del profesor, etc.
Las conversaciones sobre IA dejan de centrarse en medidas disciplinarias y empiezan a girar en torno a la autorregulación. La retroalimentación se enfoca en enseñar al estudiante a aprender, no simplemente en verificar si realizó el trabajo.
Las tareas escolares deben diseñarse para fomentar la autonomía.
Los estudiantes solo pueden practicar lo que se les ha enseñado y solo desean practicar aquello que consideran valioso. Al igual que en los deportes y las artes, necesitan orientación sobre qué técnicas son importantes, cuándo lo son y cómo practicarlas. Nick Potkalitsky ha descubierto, en su trabajo como tutor de estudiantes, que el diseño de las tareas puede incentivar involuntariamente a los estudiantes a delegar tareas en la IA.
Si el trabajo es repetitivo, está mal explicado o parte de suposiciones erróneas sobre los conocimientos y habilidades previos de los estudiantes, es más probable que estos se desmotiven y busquen atajos. Si eres padre o madre, quizás hayas vivido esta situación cuando tu hijo o hija acude a ti frustrado o asustado porque no entiende la tarea.
Al esbozar su enfoque de la “pedagogía de la lucha productiva”, Colleen Ferguson ofrece tres elementos que los estudiantes necesitan para involucrarse de manera significativa con un trabajo desafiante:
- Motivación: ¿El estudiante quiere esforzarse? ¿Cree que el esfuerzo vale la pena?
- Capacidad: ¿Son capaces de esforzarse? ¿Poseen los conocimientos, las habilidades y la alfabetización necesarios para superar las dificultades?
- Oportunidad: ¿Se les permite esforzarse? ¿Está la tarea diseñada de tal manera que no se pueda evitar el esfuerzo?
Denise Pope, de la Universidad de Stanford, lleva muchos años investigando las trampas en las escuelas de alto rendimiento. Ella y sus colegas no han observado un aumento significativo en las trampas en las tareas desde la aparición de la IA ; más bien, la IA generativa es simplemente un nuevo atajo que los estudiantes pueden añadir a la larga lista de atajos que llevan años utilizando cuando les conviene.
Pope sugiere que los educadores dejen de centrarse en la cantidad de tareas y en su control (el mismo cambio que propone Meyer) y empiecen a dedicar su tiempo a diseñarlas de forma que incentiven la participación de los alumnos. Sugiere realizar una auditoría de tareas en la que observemos a los estudiantes comenzar sus deberes en clase. De esta manera, podremos identificar la motivación, la capacidad y las oportunidades que necesitan para tener éxito en las prácticas importantes.
¿Qué hacemos con la escritura?
Dan Meyer es un educador de matemáticas que trabaja en una disciplina donde las evaluaciones supervisadas en clase han sido la norma durante mucho tiempo. Soy un exprofesor de inglés de secundaria y bachillerato, y en esa disciplina la forma principal de evaluación —el ensayo extenso— se compone mayormente fuera de clase y no se puede replicar realmente en clase sin sacrificar una cantidad significativa de tiempo, tiempo que normalmente dedicaríamos a la discusión, el análisis de textos y otras actividades importantes. Como ya he escrito anteriormente, trasladar toda la escritura a clase no es una solución adecuada ni sostenible .
Pero creo que la política de Meyer seguiría funcionando en mi clase. Sin duda, haría que las tareas no se calificaran. Haría que las tareas fueran más participativas, utilizando herramientas interactivas y de anotación en línea para fomentar el pensamiento colaborativo. En lugar de simplemente hacer exámenes de comprensión lectora, les pediría que leyeran y subrayaran el texto en clase, demostrándome que saben leer con atención crítica, no solo que recuerdan lo que han leído. Ofrecería más oportunidades de escritura en clase, especialmente escritura libre y diarios, para brindarles tiempo y espacio sin tecnología para enfrentarse a la página en blanco y dar forma a ideas originales.
Al igual que Meyer, yo también abordaría la IA como tema de clase. Les mostraría ejemplos de usos de la IA y elaboraría, junto con mis alumnos, una lista de usos útiles y riesgosos, así como de aquellos que se encuentran en zonas grises donde debemos actuar con cautela. Dejaría claro que el trabajo que les pido tiene como objetivo visibilizar su razonamiento, no controlar su uso de la IA. Y no prohibiría el uso de la IA en las tareas fuera de clase. Si no estuviera seguro de su trabajo, simplemente insistiría en que me lo explicaran antes de recibir su calificación.
Cuando pienso en esa estudiante de último año que no había leído un libro completo para la clase, espero que estas estrategias 1) le muestren el costo de no leer el texto principal y 2) le enseñen diversas maneras de ver la lectura como una forma de participación, no como una tarea que debe completarse.
Ninguna de estas estrategias es a prueba de IA, ya que ese no sería mi objetivo. He aprendido, a través de numerosas conversaciones con estudiantes , que la mayoría desea aprender, actuar con integridad y recibir orientación, no control ni castigo. Por lo tanto, me centraría en que el trabajo en clase valiera la pena y en ayudarlos a descubrir ese valor por sí mismos.
La práctica no hace la perfección. Lo que sí hace es convertirte en un aprendiz.
Fuente: Eric Hudson / erichudson.substack.com
