Miguel Zapata Ros
Universidad de Murcia. Murcia. España.

Resumen

Esta es la quinta y última parte de un ensayo teórico donde en general se propone una agenda educativa ante el auge de la inteligencia artificial (IA), postulando el prompting como la competencia fundamental de una nueva alfabetización, análoga al pensamiento computacional. El esquema del artículo se articula en cuatro ejes principales: la evaluación educativa basada en el principio de demostración y el diseño instruccional adaptado a la IA, visto en el primer post; el marco de la cognición generativa de alcance intermedio, que desarrollamos en el segundo; el computational thinking que relacionamos con el engineering prompt, que vimos en el tercero; y la caracterización técnica y cognitiva del prompt engineering, que desarrollamos en el anterior. En éste concluimos planteándonos la IA bajo otra perspectiva, la de herramienta educativa, más en la línea en la que habitualmente venimos trabajando.
En todo caso no debemos perder la visión mantenida en el trabajo en su conjunto: se define la IA como una “prótesis del pensamiento” o exocognición, donde el sujeto humano mantiene siempre la primacía de la participación de las personas en la autoría y la intención en la creación de la obra. Se concluye que la integración efectiva de la IA en la educación superior requiere un enfoque centrado en la autorregulación y la atribución de sentido personal, advirtiendo contra la dependencia excesiva que pueda erosionar las capacidades críticas y metacognitivas de los estudiantes. El trabajo subraya finalmente la necesidad de una nueva pedagogía que transforme la interacción humano-máquina en un diálogo estratégico, iterativo y profundamente reflexivo.

Palabras clave

Inteligencia artificial, Prompting, Prompt engineering, Prompt thinking, Cognición generativa, Alfabetización digital 

DOI: 10.13140/RG.2.2.32918.31045

En el tiempo en que se ha desarrollado la IA y en la práctica de su uso educativo hemos observado principalmente dos tipos de enfoque de uso. Uno para realizar lo que tenemos que hacer —nuestras tareas— de una manera más fácil, con resultados más atractivos y perfectos, pero implicándose mínimamente y sin ir más allá de sus conclusiones. Es el modelo arado romano. Otra es para hacer lo que antes hacíamos en el mundo digital: indagar dónde está la información relevante para nuestro propósito y cuál es su contenido. Averiguar precedentes y métodos de uso para resolver el problema que afrontamos, analizarla, procesarla y sistematizarla. Todo ello como forma previa al asunto principal, que era hacer nuestra obra, u obtener conclusiones de forma deductiva, inductiva etc. en nuestra investigación, para nuestro proyecto o en nuestro diseño.

La diferencia es que ahora:

1. esta fase, la previa a nuestro trabajo en exclusiva, es más completa y más eficiente que tal como lo hacíamos hasta ahora, aunque no siempre y a veces errónea y con falta de revisión y validación) y
2. la parte sustancial de nuestro trabajo —la que realizamos a partir del trabajo de la IA e incluso guiándola en esa parte con lo que hemos visto que se conoce como Prompt Ingennering— la hacemos con nuestras ideas, nuestra experiencia, nuestra sensibilidad, nuestra creatividad, y lo que es más importante con nuestra implicación y nuestro compromiso. Es lo que se conoce como atribución de significado y como apropiación. De manera que, de esta forma el, resultado sea reconocido y lo reconozcamos como nuestra obra.

Esta otra forma de utilizar la IA para nuestro objetivo es la que identificaremos a partir de ahora: la IA herramienta o como medio. Haciendo énfasis, como hemos desarrollado en la parte anterior, en que ahora es muy potente y comparte con nosotros aspectos exocognitivos que implican un acognición especial, la que hemos llamado cognición generativa.

Pero, sobre todo, para el resultado y para nuestro objetivo, es que es mucho más eficaz, aunque haya limitaciones y sesgos. Ahora utilizamos todo lo que hay de información y de conocimiento, y lo tenemos a nuestra disposición organizado de forma muy rápida. Hemos pasado del cincel y el martillo de los canteros medievales y de los escultores renacentistas, al rayo láser, a la impresión 3D, … pero siempre para hacer nuestra escultura. Y no es sólo una metáfora. Sólo que antes eran materiales y ahora son materiales cognitivos.

No podemos ignorar, como conclusión de lo estudiado, que se ha impuesto de estas dos formas el uso de la IA generativa, al tiempo que valoramos que la potencia para incrementar el progreso de la ciencia, los servicios y la producción y por ende la felicidad, al aumentar el bienestar, está en la segunda. Debemos favorecerla como la que realmente proporciona un incremento de estos factores y sobre todo debemos incluirla así en la educación.

Igualmente, el tipo de efectos no deseados para el aprendizaje tal como los hemos analizado se vinculan exclusivamente con la primera opción, o con modalidades incompletas o mal planteadas de la segunda, como por ejemplo puede ser atribuir un carácter infalible y taumatúrgico a las conclusiones que los modelos de IA nos presentan como resultados de nuestros prompts, de sus procesos y de sus bases de datos. Éste sería el marco y el panorama de la IA en la educación y en el aprendizaje.

Como reflexión aparte, e igualmente por mi experiencia reciente he observado que muchos estudiantes utilizan actualmente la Inteligencia Artificial Generativa (IAG) en sus cursos (asignaturas), en sus tareas y en otras actividades, pero su disposición a revelar dicho uso sigue siendo baja y arriesgada.

 Sostenemos que la falta de divulgación no debe interpretarse como un fallo de la autorregulación, la monitorización metacognitiva o las violaciones de la integridad académica.

Estas explicaciones que de forma ocasional y no regulada nos dan sitúan el uso de la IAG por parte de los estudiantes dentro del propio alumno y pasan por alto la ecología educativa donde la divulgación adquiere sentido.

Ante ello nos plantamos y argumentaremos defendiendo paladinamente la idea de que la ocultación de la IAG puede funcionar como una forma de regulación contextualizada en respuesta a entornos donde la honestidad puede acarrear costes académicos, relacionales o simbólicos. Proponemos la agencia posdigital de la IAG por los alumnos que igualmente sea objeto de estudio — como una forma de divulgación de la IAG— como una práctica ecológica, relacional y ética fundamentada en la confianza, el cuidado y la responsabilidad negociada. Y no necesariamente como algo sucio, fraudulento o simplemente no deseable.

Miguel Zapata Ros

Profesor Honorario en el Centro de Formación y Desarrollo Profesional de la Universidad de Murcia. Investigador en el Instituto Interuniversitario… Leer más

Ver todas las entradas