Comentario histórico de un experto, en versión extractada. La Cátedra publicó este texto el 22 de septiembre de 2024. El acceso a las escuelas se refiere a la evaluación de productos inteligentes para su uso escolar. Los procedimientos de evaluación, supervisión y estándares expuestos son propuestas del autor en su contexto de 2024.
Autor: Huang Ronghuai. Cargos indicados en el pie de imagen histórico: director del Instituto de Aprendizaje Inteligente de la Universidad Normal de Beijing y director del Centro Nacional de Investigación en Ingeniería del Ciberaprendizaje y las Tecnologías Inteligentes.
Contenido del artículo
- La evolución iterativa de los grandes modelos de IA despierta la conciencia de una transformación sistémica de la educación
- La aplicación profunda de los grandes modelos de IA crea nuevas formas de educación colaborativa entre personas e IA
- Iniciativas clave para construir un ecosistema de educación inteligente con grandes modelos de IA
- Fuentes y lecturas complementarias
Los grandes modelos de IA se caracterizan por su escala, generalización, emergencia y versatilidad. Sus capacidades para generar contenidos multimodales de texto, imagen, audio y vídeo, mantener diálogos contextuales, razonar, realizar cálculos con datos y ejecutar tareas aceleran la transformación inteligente de los sectores y abren nuevas oportunidades para profundizar la transformación digital educativa. Comprender los cambios de concepciones y formas educativas que provocan e integrarlos de manera razonable, ordenada y segura en el ecosistema educativo constituye una cuestión clave de la educación en la era inteligente.
La evolución iterativa de los grandes modelos de IA despierta la conciencia de una transformación sistémica de la educación
La innovación científica y tecnológica mundial atraviesa un período de intensidad y actividad excepcionales. Una nueva revolución tecnológica y transformación industrial están redibujando el panorama mundial de innovación y la estructura económica. Las tecnologías disruptivas en continua evolución influyen profundamente en el futuro de los países y el bienestar de las personas.
La educación se adapta activamente a la nueva ola de los grandes modelos de IA. En la transformación actual se observa una tendencia clara: el sistema educativo se encuentra en una etapa decisiva de transición desde la aceptación pasiva del cambio externo hacia la adaptación activa y el impulso de transformaciones internas. Este despertar significa que el sistema asume el liderazgo del cambio, además de responder a fuerzas externas como la tecnología y el capital. Las autoridades educativas deben comprender la lógica educativa subyacente, junto con las aplicaciones directas de la tecnología, para formar personas preparadas para el futuro.
En primer lugar, la educación superior está a la vanguardia. Sus instituciones integran rápidamente tecnologías nuevas: utilizan asistentes docentes de IA y entornos de aprendizaje conectados inteligentemente para modificar la presentación de contenidos e innovar en la organización de la enseñanza. También promueven la investigación y el aprendizaje interdisciplinarios, renuevan los paradigmas científicos con IA e impulsan la integración y aplicación innovadora del conocimiento.
En segundo lugar, la transformación de la formación profesional es aún más urgente. Ante la creciente demanda de trabajadores cualificados, esta formación constituye un puente esencial entre educación y empleo. Instituciones y administraciones aumentan la inversión y refuerzan la cooperación con la industria para vincular los programas con las necesidades del mercado.
Por último, la educación básica avanza de forma sostenida hacia la transformación digital con una fuerte orientación de las políticas. Los gobiernos de distintos niveles aportan medidas favorables y financiación: construyen y utilizan plataformas de educación inteligente, optimizan la docencia y la gestión mediante macrodatos e IA y refuerzan la alfabetización digital de docentes y estudiantes.
La aplicación profunda de los grandes modelos de IA crea nuevas formas de educación colaborativa entre personas e IA
Desde la perspectiva de la colaboración entre personas e IA, los grandes modelos ofrecen oportunidades para transformar sistémicamente las formas educativas. Su aportación se manifiesta especialmente en la enseñanza, el aprendizaje y la toma de decisiones en colaboración entre personas y máquinas.
Desarrollar una enseñanza colaborativa diversa y entre ámbitos.
Los grandes modelos acelerarán la transición de la estructura tradicional docente–estudiante hacia otra de docente–estudiante–máquina. Las relaciones entre personas y máquinas en las prácticas educativas se hacen más complejas, con coexistencia e interacción multidimensional que transforman la enseñanza hacia una docencia compartida.
Primero, se amplían los escenarios docentes. Los grandes modelos pueden aprovechar las ventajas de la inteligencia de las máquinas en contextos concretos y superar limitaciones de las aplicaciones educativas. Por ejemplo, combinar robots humanoides y grandes modelos genera inteligencia corporizada que mejora la percepción multimodal del mundo físico, su comprensión y adaptación, y la planificación y decisión autónomas, posibilitando la interacción inteligente con entornos reales. Las plataformas de aprendizaje inteligente y los sistemas tutoriales impulsados por modelos pueden superar barreras temporales, espaciales y docentes para ofrecer apoyo eficiente, inmediato y adaptativo.
Segundo, aumenta el nivel de colaboración. A medida que la tecnología aborda más tareas, la práctica docente entra en un espacio donde las inteligencias del profesorado y de las máquinas coexisten y comparten dirección y control. Ello modifica el papel docente, su autoridad sobre el conocimiento y el paradigma de trabajo del diseño didáctico.
Desarrollar un aprendizaje colaborativo que fortalezca mutuamente a personas y máquinas.
Las aplicaciones educativas de los grandes modelos irán cambiando las maneras de aprender. Junto con su propio procesamiento cognitivo, los estudiantes recurrirán a la inteligencia de las máquinas mediante la externalización cognitiva y la mejorarán con retroalimentación iterativa, dando lugar al aprendizaje conjunto.
Primero, mejora la experiencia de aprendizaje. Los modelos elevan la inteligencia de la interacción entre personas y máquinas. Estas pueden actuar como tutores, compañeros o asistentes, recopilar y analizar de forma natural datos multimodales del proceso e identificar cambios emocionales implícitos y estados cognitivos. Así pueden ofrecer acompañamiento emocional inmediato, apoyo preciso e itinerarios personalizados.
Segundo, cambian los mecanismos de aprendizaje. Cuando estudiantes y máquinas realizan conjuntamente actividades o tareas, las máquinas comparten procesos cognitivos antes realizados enteramente por el cerebro humano. El alumnado puede utilizar los modelos como un recurso cognitivo externo para comprender y procesar contenidos en colaboración, reforzando de forma complementaria ambas inteligencias.
Desarrollar decisiones colaborativas seguras y fiables.
Los avances sucesivos de los grandes modelos renovarán la gobernanza educativa y la orientarán hacia niveles superiores de decisiones basadas en evidencias, datos y colaboración entre personas e IA. Los procesos se hacen más científicos, precisos e inteligentes y adquieren rasgos de decisión colaborativa.
Primero, cambian los métodos de gobernanza. Los modelos pueden percibir y extraer grandes volúmenes de información educativa y procesarlos entre modalidades, descubriendo patrones ocultos. Esto favorece la observación, evaluación y retroalimentación dinámicas del sistema y ofrece análisis oportunos, completos y objetivos para decidir.
Segundo, cambia la manera de concebir la gobernanza. Aprovechar los modelos para entrenar y analizar grandes conjuntos de datos permite prever elementos y procesos educativos y orientar la práctica real. Esto puede impulsar el paso de una gobernanza que responde pasivamente a los acontecimientos a otra que se anticipa activamente.
Iniciativas clave para construir un ecosistema de educación inteligente con grandes modelos de IA
Seguir fortaleciendo las competencias docentes y estudiantiles para la era inteligente.
Ante los efectos tecnológicos sobre el empleo y las perspectivas profesionales, debe darse prioridad a estas competencias y mejorar la creatividad digital, la adaptabilidad y la capacidad de desenvolverse en el mundo digital.
Para el alumnado:
Primero, mejorar los mecanismos de desarrollo de la alfabetización y las habilidades digitales. Impartir eficazmente las asignaturas de tecnologías de la información y establecer sistemas de evaluación y seguimiento que registren la progresión del alumnado y describan con precisión su desarrollo.
Segundo, reforzar el aprendizaje autónomo. Animar al profesorado a introducir estrategias activas en clase y cultivar hábitos de planificación, seguimiento y evaluación del propio aprendizaje.
Tercero, mejorar los resultados del aprendizaje con tecnologías inteligentes. Los modelos pueden apoyar la adquisición de conocimientos, el aprendizaje autónomo y el acompañamiento, ayudar a repasar y aprender contenidos, ofrecer buenas experiencias y facilitar la gestión del tiempo, las tareas y los procesos.
Para el profesorado:
Primero, fomentar la exploración y el uso activo de tecnologías inteligentes. La relación docente con ellas puede recorrer cuatro etapas: toma de conciencia, experiencia, práctica y difusión. Conviene animar a aprender los principios de la IA, aprovecharla para el propio aprendizaje y la mejora docente y compartir experiencias.
Segundo, desarrollar la conciencia del cambio de funciones. Las escuelas deben ofrecer formación digital según las necesidades individuales, fortalecer la capacidad para enseñar en colaboración con IA y orientar al profesorado para asumir el apoyo emocional y la formación del carácter del alumnado.
Tercero, apoyar el desarrollo profesional con investigación docente específica. Las tecnologías inteligentes pueden recopilar y analizar datos educativos de distintos tipos, fuentes y dimensiones para identificar necesidades pedagógicas, disciplinares y tecnológicas. Los resúmenes e informes de los procesos ayudan a investigar con apoyo de IA, comprender el aula, reflexionar sobre el diseño y la práctica y mejorar la competencia docente.
Mejorar los mecanismos de aprobación de productos inteligentes para su uso escolar.
Primero, establecer evaluaciones integrales y diferenciadas de productos de tecnología educativa con IA. Incluir su clasificación y graduación del riesgo, la identificación de productos y disciplinas y el análisis encadenado de tiempos, lugares, personas, recursos, funciones y materias asociados a su uso. La evaluación y adaptación rigurosas deben facilitar su integración en escenarios diversos y su adecuación a necesidades individuales en cada etapa.
Segundo, explorar una supervisión dinámica, integral y continua. Evaluar la seguridad y la idoneidad educativa, realizar inspecciones aleatorias y periódicas, gestionar listas negras, grises y blancas y explorar alertas y respuestas de emergencia según los escenarios. Así se evalúan la seguridad y la eficacia.
Tercero, explorar modelos específicos para educación con mayor precisión, coherencia lógica y adecuación pedagógica. Reforzar las pruebas éticas para reducir errores, sesgos y contenidos inadecuados y construir entornos digitales seguros, acordes con los requisitos aplicables y los principios éticos.
Cuarto, mejorar las orientaciones prácticas para usar productos inteligentes en los centros. Autoridades, profesionales e investigadores deben elaborar conjuntamente guías para el crecimiento estudiantil, el desarrollo docente y la transformación escolar. La enseñanza diferenciada, mejorada y colaborativa puede servir de punto de partida para orientar un uso razonable y conforme a los requisitos aplicables.
Desarrollar ordenadamente prácticas educativas de colaboración entre personas e IA.
Primero, utilizar la pedagogía digital como fundamento teórico. Anclar la práctica en la enseñanza eficaz y el aprendizaje profundo, sobre la base de entornos digitales mejorados y mediante recursos y tecnologías nuevas. El propósito es una práctica efectiva de aprendizaje y enseñanza, centrada en el estudiante y apoyada tecnológicamente en entornos fiables.
Segundo, profundizar en los mecanismos de la enseñanza colaborativa. Emplear enfoques multidisciplinarios e interdisciplinarios para estudiar las conductas docentes y las interacciones complejas docente–máquina–estudiante y enriquecer la teoría. Evaluar sistemáticamente sus efectos conjuntos con orientación a evidencias y mejorar de forma iterativa sus estructuras y procedimientos.
Tercero, publicar orientaciones prácticas y estándares docentes de colaboración con IA. Favorecer la IA generativa en el análisis de necesidades, la búsqueda de recursos, la elaboración de preguntas, el diseño didáctico y la evaluación y retroalimentación, a la vez que se guía al alumnado hacia un uso razonable.
Cuarto, difundir experiencias de enseñanza colaborativa. Identificar casos que mejoren la calidad y aprovechar el ejemplo de docentes destacados. Organizar la formación según necesidades reales y extender prácticas avanzadas, transferibles y de calidad.
Desarrollar estándares para las aplicaciones educativas de la IA generativa.
Para evitar riesgos tecnológicos imprevistos y proteger a quienes aún desarrollan su capacidad de discernimiento, las aplicaciones educativas necesitan principios éticos, requisitos de servicio y estándares pertinentes.
Primero, estándares técnicos. Son fundamentales, generales y orientadores. Entre otros aspectos, deben abordar una arquitectura estable y ampliable, un acceso cómodo y seguro y reglas claras sobre la titularidad de los contenidos y los permisos de uso.
Segundo, estándares de calidad. El marco debe medir el valor, la eficiencia y los beneficios de las plataformas. Puede incluir pruebas periódicas de precisión y estabilidad, fuentes de datos fiables y diversas, supervisión de la exactitud, pertinencia e idoneidad de lo generado y evaluación de si las aplicaciones apoyan los objetivos docentes.
Tercero, estándares de servicio. Deben incluir los servicios técnicos, la determinación de derechos sobre contenidos, orientaciones y canales de observaciones. Deben delimitar las aplicaciones educativas de la IA generativa, sus usuarios y escenarios, y proporcionar instrucciones detalladas y buenas prácticas.
Construir un marco de seguridad y ética para los grandes modelos.
Primero, reforzar la regulación y la supervisión externa. Elaborar y aplicar políticas que orienten el diseño, desarrollo y uso de modelos. Proteger los datos y la privacidad frente a filtraciones, accesos no autorizados y otras vulneraciones. Implantar gobernanza de datos y computación confiable, normas estrictas de cifrado, auditorías de seguridad y evaluaciones de riesgos periódicas.
Segundo, reforzar la responsabilidad de las instituciones y personas desarrolladoras. En lo técnico, mejorar la trazabilidad y la explicación de las decisiones, diseñar marcos algorítmicos transparentes, registrar los procesos y documentarlos. En el uso social, fortalecer la autorregulación, incorporar principios de confianza, prevenir, observar y eliminar discriminación y sesgos, establecer estándares y compromisos del sector y publicar informes de transparencia periódicos.
Tercero, fortalecer la conducta responsable y las prácticas de uso. Las personas usuarias deben respetar las leyes y reglas de datos y ciberseguridad, utilizar la tecnología razonablemente, evitar conductas ilegales o contrarias a la ética, respetar la privacidad y prevenir abusos de datos. La formación y comunicación internas pueden reforzar la conciencia jurídica y la responsabilidad ética, junto con mecanismos de supervisión y reclamación.
Fuentes y lecturas complementarias
Fuente atribuida en la copia histórica: cuenta de WeChat del Centro de Innovación en Educación por Internet de Zhongguancun.
La copia histórica de la Cátedra atribuye el texto a la cuenta de WeChat del Centro de Innovación en Educación por Internet de Zhongguancun. Esta edición conserva el alcance de aquel extracto. El artículo completo relacionado, del mismo autor, apareció en Academic Frontiers, número 14 de 2024; su editorial lo publicó en línea el 5 de agosto de 2024 a las 15:38. El extracto y el artículo completo tienen alcances y fechas diferentes.
Enlace original: https://aiedchair.bnu.edu.cn/news-7989-es/
