Desafíos, oportunidades, potencialidades. Riesgos, preocupación, incertidumbre. Son varios de los escenarios que suelen acompañar a la reflexión sobre el uso de la inteligencia artificial cuando se la piensa en el ámbito educativo. Y sobre todas esas posibilidades siempre sobrevuela la necesidad de desarrollar el pensamiento crítico para enfrentarlos o desarrollarlos.
La irrupción del chatbot de inteligencia artificial generativa GPT en noviembre de 2022 marcó un antes y un después en la forma de relacionarnos con los algoritmos. Ese punto de quiebre —“breakpoint”— sigue abriendo interrogantes siendo el campo educativo uno de los más interesados en términos de aprendizaje y evaluación.
El avance del estudio titulado “¿De quién es ChatGPT? Descubriendo desigualdades educativas reales introducidas por grandes modelos lingüísticos”, de los académicos Renzhe Yu, Zhen Xu, Sky CH-Wang y Richard Arum intenta responder a esa pregunta y destaca una observación que no deja de llamar la atención: con el uso de ChatGPT se observa una mejora en la calidad de escritura universitaria; en especial entre estudiantes internacionales que cursan estudios que no son en su lengua materna.
La respuesta es ¡positiva!
El estudio que involucra a profesionales de las Universidades de California y de Columbia, en Estados Unidos, analizó un millón 140 mil 328 trabajos académicos enviados por 16 mil 791 estudiantes de educación superior en 2.391 cursos durante el periodo 2021 a 2024 “en una institución pública a la que asisten minorías en Estados Unidos”.
El periodo de análisis permite observar el “antes y después” del lanzamiento de ChatGPT (noviembre de 2022) y cómo modificó la calidad de los escritos presentados.
Los autores destacan que “La calidad general de la escritura de los estudiantes mejoró gradualmente tras la disponibilidad de los LLM (Large Language Models) y las brechas en la calidad de la escritura entre estudiantes con ventajas y desventajas lingüísticas se redujeron cada vez más. Sin embargo, este efecto de equidad se concentró más en los estudiantes con un nivel socioeconómico más alto”. Lo que sugiere que este tipo de tecnologías tiene potencialidades, pero también pueden reforzar desigualdades sociales existentes en términos de uso y acceso.
¿Qué es un LLM?
Los “Large Language Models” (LLM) o Lenguajes de Gran Tamaño son modelos de aprendizaje profundo que son pre entrenados con grandes volúmenes de datos. Los transformadores LLM pueden entrenarse sin supervisión, ya que van realizando un autoaprendizaje a medida que siguen adquiriendo más y más información.
A partir de una arquitectura compleja de codificaciones y decodificaciones realizan diversas tareas y se pueden utilizar en la inteligencia artificial generativa (los chatbots como GPT, Claude, Gemini, y otros) para responder y producir contenido a partir de indicaciones con los consabidos riesgos de “no ser perfectos” o no poder verificar siempre la información al 100 por ciento.
El reporte busca arrojar luz “sobre las brechas digitales en la era de los LLM y plantea preguntas sobre los beneficios de equidad de los LLM en las etapas iniciales, además de destacar la necesidad de que investigadores y profesionales desarrollen prácticas responsables para mejorar la equidad educativa a través de la LLM”.
Métricas
El análisis se centró en modelos de regresión para medir la calidad y evolución de la escritura en tres dimensiones: legibilidad, diversidad léxica y complejidad sintáctica. Otras variables que se tuvieron en cuenta fueron el idioma materno y el nivel socioeconómico.
Se analizaron foros de discusión académica con más de un millón de entregas de textos en una universidad pública estadounidense “y se complementaron con información administrativa de los estudiantes” manteniendo la protección de datos.
El informe establece- a partir de dos fases- que la calidad de la escritura “mejoró significativamente” y que los estudiantes con desventajas lingüísticas, por ejemplo aquellos que no hablan inglés en su hogar o tienen bajos puntajes iniciales en escritura, “mostraron mayores mejoras en comparación con sus pares lingüísticamente favorecidos”.
Este aspecto positivo en revertir brechas de lenguaje, tiene su lado negativo en cuanto a que “los beneficios fueron más concentrados entre estudiantes de alto nivel socioeconómico”. Al respecto, se indica que los estudiantes de familias de bajos recursos o que son primera generación de universitarios experimentaron menores mejoras con respecto a sus pares de mayor nivel de ingresos o con previa historia universitaria familiar.
Este análisis es consecuente con estudios previos que destacan que las poblaciones de mayores ingresos suelen aprovechar mejor las nuevas tecnologías y sus potencialidades, por lo que es clave incorporar consideraciones éticas en lo que respecta al acceso y a la evaluación de estudiantes que hacen uso de herramientas LLM sin perder de vista los contextos.
Últimas Noticias
Laura Vélez, y los maestros que participan de la formación en Matemática: “Queremos que se lleven ideas concretas que puedan incorporar en el aula”
La referente técnica e integrante del equipo de Matemática del Ministerio de Educación de Córdoba explica el alcance y los contenidos del programa de formación docente en matemática que desarrollaron junto a Ticmas, y por qué la formación busca que los maetros revisen tanto sus conocimientos matemáticos como las decisiones que toman al enseñarlos
Córdoba lanzó junto a Ticmas un programa para formar docentes en Matemática
La propuesta de formación continua alcanzará hasta 800 docentes de primaria y secundaria y fue desarrollada por el área de Formación Docente de Ticmas con el asesoramiento en Matemática de Gustavo Zorzoli
Escuelas del mismo barrio, resultados muy distintos: qué factores explican el rendimiento de los estudiantes
Un estudio de Argentinos por la Educación y la Universidad de San Andrés analizó por qué algunas instituciones logran mejores resultados que otras pese a compartir contextos sociales similares
La UBA anticipó que sus facultades estarán abiertas durante el paro universitario de este miércoles
El vicerrector Emiliano Yacobitti indicó que la participación en la huelga nacional quedará a criterio personal de cada docente y de cada trabajador no docente, pese a la medida prevista para el 12 de agosto
¿Todos los minutos son iguales? ¿Cuántos minutos tiene una hora aburrida de clase?
Es relativamente sencillo medir cuántos días estuvo un estudiante en la escuela. Podemos construir sistemas cada vez más sofisticados para saber si estuvo 170, 180 o 190 días. Mucho más difícil es saber qué ocurrió en su cabeza mientras estuvo allí
