La verdadera historia sobre genAI es la forma en que los estudiantes la abordan.

Cuando ChatGPT irrumpió en escena a finales de 2022, la educación superior entró en crisis. La reacción instintiva era previsible: bloquearlo, prohibirlo por completo o desarrollar sistemas de detección complejos. Pero ¿y si nos hemos estado haciendo las preguntas equivocadas? La verdadera historia no se trata de la tecnología en absoluto, sino de la mentalidad que los estudiantes adoptan al usarla.

Imaginemos a dos estudiantes diferentes abordando la misma tarea de marketing. El primero, Alex, utiliza ChatGPT para generar una definición de «marketing interactivo», la examina críticamente, identifica lo que falta, la compara con los materiales del curso y elabora una definición más completa. Alex muestra una estructura de objetivos de dominio, centrada en la comprensión genuina más que en la simple finalización de la tarea.

Mientras tanto, Jordan toma la definición de ChatGPT, le hace pequeños ajustes y la envía rápidamente para pasar a la siguiente tarea. Jordan ejemplifica una estructura de objetivos de rendimiento, centrada principalmente en la eficiencia y las calificaciones, más que en el aprendizaje profundo. ¿

Conocimientos básicos o aprendizaje profundo?

Nuestra investigación revela que estos enfoques no solo son filosóficamente diferentes, sino que producen resultados de aprendizaje radicalmente distintos. Los estudiantes que utilizan IA generativa (genAI) con una mentalidad de dominio obtuvieron calificaciones significativamente más altas que sus compañeros que optaron por atajos procedimentales. Más importante aún, estos estudiantes orientados al dominio demostraron habilidades de pensamiento crítico, conocimiento aplicado y autonomía de aprendizaje sustancialmente mayores.

Los datos cuentan una historia convincente: cuando los estudiantes abordaron genAI como una herramienta colaborativa para la construcción de conocimiento, en lugar de un atajo para completar tareas, operaron en los niveles superiores de la taxonomía de Bloom: análisis, evaluación y creación. Mientras tanto, quienes utilizaron la IA simplemente para regurgitar información se estancaron en la memorización y la comprensión básicas.

Esto nos desafía como educadores a afrontar preguntas importantes: ¿Qué pasaría si, en lugar de centrarnos en la restricción y la detección, reimaginamos cómo diseñamos las experiencias de aprendizaje para fomentar la interacción orientada al dominio con estas herramientas? En lugar de preguntarnos “¿cómo impedimos que los estudiantes utilicen la IA?”, quizás deberíamos preguntarnos “¿cómo enseñamos a los estudiantes a utilizar la IA para profundizar en su aprendizaje, en lugar de acortarlo?”.

En concreto, nuestra investigación destaca tres perspectivas clave para la educación superior:

en primer lugar, la forma en que los estudiantes abordan las herramientas de IA influye significativamente en los resultados de aprendizaje. Los estudiantes que consideraron la IA como un medio para construir y ampliar sus conocimientos obtuvieron calificaciones generales más altas y un mejor rendimiento en las tareas que quienes utilizaron enfoques procedimentales. Este patrón se mantuvo constante en múltiples métricas, tanto en los niveles de estudio de grado como de posgrado.

En segundo lugar, los diferentes enfoques del uso de la IA afectaron directamente las capacidades de pensamiento. Los estudiantes que usaron la IA para aumentar el conocimiento demostraron tasas drásticamente más altas de pensamiento crítico, conocimiento aplicado y autonomía de aprendizaje en comparación con los que no usaron este enfoque. Esto sugiere que cuando se integra adecuadamente en los procesos de aprendizaje, la IA puede mejorar en lugar de disminuir las habilidades cognitivas de orden superior.

En tercer lugar, estos hallazgos se alinean con los marcos de aprendizaje establecidos. Los estudiantes que adoptaron enfoques de dominio utilizando IA demostraron logros en los niveles más altos de la taxonomía de Bloom.

Compromiso orientado al dominio

Estos resultados desafían el enfoque de la IA que muchas instituciones y educadores han adoptado centrándose principalmente en la restricción y la detección. En lugar de ver la genAI como una amenaza para la integridad académica o un atajo que socava el aprendizaje, los educadores deben considerar cómo diseñar experiencias de aprendizaje que fomenten el compromiso orientado al dominio con estas herramientas.

Nuestro estudio considera algunas formas prácticas en que los educadores y las instituciones pueden abordar esto. Por ejemplo:

• El diseño del curso puede andamiar el aprendizaje de los estudiantes desde la construcción de conocimientos básicos hasta tareas de aumento más complejas;

• Las evaluaciones pueden estructurarse para promover las orientaciones de objetivos de dominio al requerir que los estudiantes comparen, contrasten y evalúen críticamente los resultados de la genAI con su propia comprensión; y

• Los educadores pueden enseñar estrategias de estímulo explícitas que optimicen el aprendizaje.

A medida que las tecnologías genAI continúan evolucionando, nuestra investigación proporciona evidencia oportuna de que nuestro enfoque debe cambiar de la restricción a la educación: enseñar a los estudiantes no solo cómo usar estas herramientas, sino cómo abordarlas con una mentalidad que mejore en lugar de disminuir el aprendizaje.

Al alentar a los estudiantes a involucrarse críticamente con los resultados de la IA y usarlos como un trampolín para construir su propia comprensión, podemos ayudar a garantizar que estas poderosas herramientas mejoren en lugar de restar valor a los resultados educativos.

Para las instituciones educativas que navegan por este panorama rápidamente cambiante, el mensaje es claro: en lugar de preguntarnos si los estudiantes deberían usar la IA, deberíamos preguntarnos cómo guiarlos para que la usen de manera efectiva.

La respuesta puede estar en fomentar estructuras de objetivos de dominio que animen a los estudiantes a usar la IA como una herramienta para la construcción y el aumento del conocimiento, en lugar de un sustituto de su propio pensamiento crítico.

La Dra. Jessica Pallant es profesora de marketing en la Escuela de Economía, Finanzas y Marketing del RMIT en Australia. Su experiencia abarca el comportamiento del consumidor y la investigación de mercados, con especial atención a cómo los consumidores interactúan con las tecnologías emergentes. Su investigación actual examina el impacto transformador de la IA en el trabajo, la educación y la creatividad. Su trabajo publicado sobre las paradojas de la IA en la educación y los resultados estudiantiles ofrece perspectivas tanto para el público académico como para el sector industrial. Más allá de las publicaciones académicas, comparte su experiencia a través de talleres para el sector. A través de su investigación y docencia, Jessica continúa conectando la comprensión teórica con las aplicaciones prácticas en nuestro cambiante panorama digital.

Este artículo es un comentario. Los artículos de opinión reflejan la opinión del autor y no necesariamente la de University World News.