Artículo académico de Xue Gui y Liu Dejian publicado en 2024. Esta edición conserva la fecha original del sitio de la Cátedra:24 de septiembre de 2024. Los avances científicos, cargos y propuestas se presentan en su contexto histórico.
En esta página
Sobre los autores
Xue Gui era profesor del Laboratorio Estatal de Neurociencia Cognitiva y Aprendizaje de la Universidad Normal de Pekín y profesor distinguido del programa Chang Jiang Scholars del Ministerio de Educación. Investiga los mecanismos cognitivos y neuronales del aprendizaje y la memoria humanos. Sus publicaciones incluyen estudios sobre motivación intrínseca, motivación extrínseca y creatividad; resonancia magnética funcional relacionada con eventos y sus aplicaciones en neurociencia cognitiva; Transformative Neural Representations Support Long-Term Episodic Memory; e Individual-Specific and Shared Representations During Episodic Memory Encoding and Retrieval.
Liu Dejian era codirector del Instituto de Aprendizaje Inteligente de la Universidad Normal de Pekín e ingeniero sénior con categoría de profesor. Investiga las aplicaciones educativas de la inteligencia artificial y los macrodatos, así como la educación digital.
Resumen
Los avances en las ciencias del cerebro y la cognición y en inteligencia artificial aceleran la transición hacia la era inteligente, crean nuevas exigencias para la supervivencia y el desarrollo humanos y transforman los fines y métodos educativos. Los sistemas futuros deben superar la transmisión de conocimientos y orientarse al desarrollo y la evolución de la humanidad. Para ello, han de centrarse en la capacidad de aprender, el aprendizaje personalizado según las necesidades, los principios del aprendizaje cerebral y la innovación tecnológica. Así podrán favorecer sistemas de conocimiento interconectados, capacidades cognitivas sólidas y motivación duradera. Alcanzar estos objetivos exige coordinar políticas, investigación, formación docente, evaluación, currículo e innovación para pasar de la teoría a la práctica.
La educación favorece el desarrollo integral mediante conocimientos, habilidades y valores, y contribuye al progreso social y de la civilización. Las ciencias del cerebro y la IA aceleran la llegada de la era inteligente. Cada revolución tecnológica ha modificado los objetivos, contenidos, evaluaciones y herramientas educativos. La primera revolución industrial, vinculada al vapor y la mecanización, impulsó la escolarización y la formación profesional; la segunda, basada en electrificación y producción masiva, favoreció la especialización; y la tercera, centrada en información y automatización, promovió la digitalización y la personalización. La cuarta, impulsada por las ciencias del cerebro y la IA, podría transformar radicalmente los fines, contenidos y formas de educar. A diferencia de las anteriores, podría cambiar con mayor rapidez y amplitud la tecnología y las relaciones productivas, y cuestionar la inteligencia y la dignidad humanas. La educación debe actuar para preparar a la infancia. Este artículo revisa primero las tendencias científicas y sus nuevas exigencias, después los principios y sistemas educativos innovadores y, finalmente, las vías de aplicación.
Tendencias de las ciencias del cerebro, la cognición y la inteligencia artificial
Cambios de paradigma y avances científicos
Los métodos de neurociencia permiten registrar y analizar estructuras neuronales, conexiones, expresión génica y actividad con escalas y resoluciones inéditas. La transcriptómica espacial, elegida método del año 2020 por Nature Methods, ayuda a identificar tipos celulares y sus funciones. Se ha utilizado para elaborar atlas de cerebros de ratones y primates, iniciar mapas del cerebro humano y describir la organización espacial de proyecciones de neuronas individuales del hipocampo. Su combinación con registros intracraneales ha relacionado expresión génica y oscilaciones cerebrales, identificando genes asociados a patrones oscilatorios de formación de recuerdos.
Neuropixels, presentado en 2017, hizo posible registrar muchas neuronas individuales y estudiar redes cerebrales dinámicas. Estos métodos permiten investigar cómo las células codifican, comprenden y producen lenguaje, incluidas respuestas neuronales al significado de palabras. Otros análisis estudian representaciones en anillo de la memoria secuencial espacial en macacos, mecanismos prefrontales que refuerzan y transforman recuerdos para reducir interferencias, y la formación de mapas cognitivos humanos.
Los avances también apoyan la investigación clínica. Las interfaces cerebro-ordenador establecen conexiones directas entre el cerebro y dispositivos externos. El artículo aborda movimiento, habla, diagnóstico psiquiátrico, investigación de recuperación visual —incluido Blindsight de Neuralink—, imaginación motora y pensamiento. Nature incluyó estas interfaces entre siete tecnologías a seguir en 2024. En un estudio con una interfaz bidireccional, la microestimulación de la corteza somatosensorial proporcionó información táctil y redujo el tiempo de prensión de 20,9 a 10,2 segundos, acercándolo al de personas sin la discapacidad correspondiente. Las interfaces del habla pueden convertir actividad asociada al intento de hablar en texto o sonido, facilitando la comunicación de personas con parálisis a velocidades de hasta 62 palabras por minuto. Otros sistemas generan voz y un avatar, con una precisión comunicativa comunicada superior al 85%.
Trayectorias y avances de la IA
Han progresado los chips, arquitecturas, algoritmos y aplicaciones generales y científicas. Destacan el reconocimiento de imágenes, la comprensión lingüística y el aprendizaje por refuerzo. Word2Vec apareció en 2013; también se extendieron las redes de memoria a largo y corto plazo y los mecanismos de atención. Los transformadores captan dependencias distantes mediante autoatención. Los grandes modelos preentrenados mejoraron la comprensión y generación, y el ajuste fino amplió su aplicación a tareas específicas. Las redes neuronales de grafos y el aprendizaje multimodal apoyan el procesamiento de lenguaje y escenas visuales; el texto cita Midjourney V 5, ChatGPT-4o y Sora como ejemplos contemporáneos. En aprendizaje por refuerzo, AlphaGo de DeepMind venció a Lee Sedol en 2016; AlphaStar superó a destacados jugadores de StarCraft II en 2019; y MuZero mostró en 2020 estrategias potentes en go, ajedrez y shōgi.
La IA para la ciencia abarca biología, química, matemáticas, neurociencia y arqueología. Las sucesivas versiones de AlphaFold abordaron la predicción de estructuras proteicas. En junio de 2024, EvolutionaryScale publicó ESM3, que trabaja con secuencias, estructuras y funciones de proteínas. Su equipo generó una proteína fluorescente verde nueva y describió el resultado mediante una comparación evolutiva de 500 millones de años. En diciembre de 2023, DeepMind utilizó IA para hallar construcciones mayores en el problema de los conjuntos sin progresiones de tres elementos. En enero de 2024, AlphaGeometry resolvió 25 de 30 problemas geométricos seleccionados de la Olimpiada Internacional de Matemáticas, con un nivel comparado al de medallistas de oro. En mayo de 2024, investigadores del MIT descubrieron con IA tres nuevas ecuaciones diferenciales parciales integrables.
Desarrollo recíproco entre ciencias del cerebro e IA
Ambos campos convergen además de progresar por separado. La IA ofrece herramientas analíticas y explicativas: modelos de actividad neuronal mediante aprendizaje profundo ayudan a explicar y predecir reconocimiento de imágenes, procesamiento de lenguaje y voz y respuestas a vídeos. Los algoritmos también inspiran explicaciones de la computación cerebral, como arquitecturas recurrentes para reconocer objetos rápidamente, aprendizaje visual no supervisado en bebés y codificación predictiva de mayor nivel y duración en regiones frontoparietales durante el procesamiento lingüístico.
A su vez, las ciencias cognitivas permiten evaluar capacidades de la IA, comprender mecanismos e inspirar algoritmos mediante metodologías y pruebas multidimensionales. El artículo describe resultados de modelos como ChatGPT próximos o superiores a los humanos en determinadas tareas de matrices de Raven, reconocimiento emocional y anotación de textos, y patrones semejantes a la teoría de la mente humana. Seguían pendientes mejoras en analogías complejas, causalidad, razonamiento verbal y planificación. Las redes artificiales y el aprendizaje profundo se inspiran en neuronas y visión; los transformadores se relacionan con la atención selectiva; y GPT incorpora aprendizaje por refuerzo a partir de retroalimentación humana, RLHF. El metaaprendizaje de inspiración humana puede aportar flexibilidad y sistematicidad; simular hipocampo y corteza entorrinal permite formar mapas cognitivos; y las indicaciones de cadena de pensamiento mejoran determinadas tareas de GPT.
Ambos campos han avanzado rápidamente. Las ciencias del cerebro estudian poblaciones y circuitos neuronales para comprender la inteligencia, descodificar actividad —«leer» el cerebro— y modularla —«escribir» en él—. La IA progresa en hardware, algoritmos, modelos fundacionales y aplicaciones sectoriales y científicas, transformando industrias. Los autores sostienen que su convergencia acelerará una era ampliamente inteligente.
Nuevas exigencias para la supervivencia y el desarrollo humanos
Cada época plantea retos, oportunidades y capacidades diferentes. La era agrícola, aproximadamente entre 9000 a. C. y el siglo XVII, con variaciones regionales, se organizaba en torno a agricultura, familias y comunidades. La producción dependía del entorno y del trabajo humano. Eran importantes fuerza, resistencia y habilidades de cultivo, ganadería y riego, junto con cooperación y ayuda mutua. Los sistemas de riego del arroz exigían amplia coordinación; el artículo menciona la cooperación en el sur de China como ejemplo.
La era industrial comenzó con la primera revolución industrial, habitualmente fechada entre 1760 y 1840, y se caracterizó por mecanización, grandes fábricas y urbanización. Operar y mantener máquinas hizo esenciales los conocimientos técnicos. La electrificación redujo algunas exigencias físicas, pero aumentó especialización y eficiencia. Se hicieron necesarias alfabetización, disciplina, puntualidad y cumplimiento de normas. Adam Smith destacó en La riqueza de las naciones la división del trabajo y la especialización como fuentes de productividad. Educación básica, competencia profesional, cooperación y disciplina se incorporaron así al diseño educativo moderno y siguen influyendo.
Desde finales del siglo XX, las tecnologías de información y comunicación, internet y los macrodatos cambiaron la vida y el trabajo. La alfabetización digital incluyó manejar ordenadores y redes y afrontar la sobrecarga informativa. Bill Gates destacó programación, análisis de datos, innovación y adaptación. Problemas como globalización y ciberseguridad exigieron pensamiento sistémico y resolución de problemas complejos. Los informes del Foro Económico Mundial sobre el futuro del empleo subrayaron combinaciones de habilidades, como pensamiento crítico e inteligencia emocional. Sin embargo, extender la tecnología educativa no significó que los contenidos y objetivos respondieran plenamente a la era informacional.
La transición acelerada hacia la era inteligente añade exigencias diferentes.
Primero, aumenta el valor de la inteligencia humana
Las ciencias del cerebro y la IA investigan e imitan su funcionamiento. Los autores prevén un tránsito desde IA estrecha, sustentada en datos y cómputo, hacia capacidades más generales. Como las máquinas sustituyeron trabajo manual, anticipan automatización de partes del trabajo cualificado: producción, conducción, traducción, juegos profesionales, contabilidad inicial, derecho, programación y cirugía. Incluso ilustración y aspectos de matemáticas, química, biología y arqueología podrían verse afectados cuando existen límites y objetivos definidos y posibilidades de cálculo o predicción. Estos cambios exigen comprender y desarrollar la inteligencia humana. La educación debe identificar sus fortalezas y promover cooperación y convivencia con la IA.
Segundo, cobra importancia aprender continuamente
El crecimiento del conocimiento y los cambios profesionales exigen nuevas habilidades. Internet y la IA generativa facilitan el acceso, y los grafos de conocimiento apoyan análisis e integración. El artículo contempla interfaces cerebro-ordenador portátiles y mínimamente invasivas para una interacción más natural. En ese contexto, los datos aislados, rígidos o poco utilizados pierden valor frente a conocimientos organizados e interconectados que permiten aplicación flexible e innovación. El aprendizaje se extiende fuera del aula, del libro a la realidad mixta y de la recepción a la construcción activa. Los autores prevén una transformación de la enseñanza del conocimiento y un lugar básico para aprender a aprender, comparable al de lengua y matemáticas.
Tercero, se favorecen perfiles en T: amplitud y profundidad especializada
El acceso a conocimientos y herramientas compartidas permite trabajar en más ámbitos. Quienes combinan saber interdisciplinar y dominio de herramientas pueden obtener ventajas. Una persona podría asumir funciones antes repartidas entre varias, reduciendo coordinación y gestión. Empresas pequeñas, incluso unipersonales, podrían ganar flexibilidad y eficiencia. Una especialización excepcional que supere a la IA en determinados ámbitos y permita crear productos de conocimiento aportaría otra ventaja. Esta combinación define el perfil en T.
Cuarto, aumentan las exigencias de motivación para desarrollarse
Una vida más larga y el conocimiento cambiante hacen insuficiente aprender una sola vez. El aprendizaje permanente se convierte en condición de calidad de vida y desarrollo. La tecnología puede mejorar la eficiencia y, a la vez, intensificar competencia y exigencias, requiriendo perseverancia. Mientras tanto, productos mediados por IA pueden dirigirse al sistema de recompensa mediante alimentos ricos en grasa y azúcar, bienes emocionalmente atractivos, juegos inmersivos, vídeos personalizados, compras fáciles, publicidad y crédito dirigido. Los autores advierten de distracción, debilitamiento de la voluntad y posibles problemas de ansiedad o depresión. Consideran que resistir tentaciones y mantener el deseo de crecer puede ser más difícil que conseguir recursos.
La era inteligente trae nuevas formas sociales, económicas y de capacidad. Las personas necesitan inteligencia, capacidad y motivación para aprender en distintos campos, innovar, resistir distracciones y perseguir sus metas. La educación debe ir más allá de transmitir contenidos y volver a una capacidad fundamental: adaptarse a cambios rápidos e incertidumbre. Los autores la consideran un primer principio para el futuro.
Diseño de sistemas educativos innovadores para la era inteligente
Educar prepara para el futuro y requiere actuar antes de que los cambios se consoliden. La educación 1.0, asociada a la industrialización, se centraba en el docente, la transmisión, la recepción, libros fijos y exámenes estandarizados. La educación 2.0 destacó actividad, autonomía e interacción del estudiante, recursos diversos y evaluación mediante proyectos, ensayos y prácticas. La tecnología impulsó la educación 3.0: internet, ordenadores, multimedia, aprendizaje en línea, personalización y datos. ¿Qué educación necesita la era inteligente?
Algunos investigadores describen la educación 4.0, caracterizada por tecnología inteligente y amplia personalización. IA y macrodatos pueden apoyar itinerarios muy personalizados; realidad virtual y aumentada, experiencias prácticas inmersivas. El informe del Foro Económico Mundial de abril de 2024 presentó la IA como reto y posible respuesta. Destacó ciudadanía global, innovación y creatividad, tecnología y habilidades interpersonales. La IA puede apoyar aprendizaje personalizado y al propio ritmo, accesible e inclusivo, colaborativo basado en problemas y permanente dirigido por el estudiante. Personalización y autonomía son centrales para adquirir capacidades futuras.
Sigue abierta la cuestión de si la educación 4.0 basta. La revolución de las ciencias del cerebro y la IA difiere de las anteriores; la inercia y las extrapolaciones lineales pueden no reflejar sus tendencias y exigencias. Los autores proponen nuevos principios en cinco dimensiones.
Superar fronteras conceptuales como condición previa
Los cambios científicos y en las capacidades necesarias exigen abandonar hábitos y marcos tradicionales. Reconsiderar la función educativa desde primeros principios es una condición de transformación sustantiva.
Primero, pasar de transmitir conocimientos a sostener la continuidad y evolución humanas. La renovación y disponibilidad del conocimiento reducen la necesidad de que la educación formal transmita un conjunto limitado y uniforme. Los autores cuestionan la justificación sistemática y adecuación de los contenidos prescritos para todos. Problemas de motivación y salud mental también requieren respuestas. Proponen por ello orientar la misión desde conocimientos y habilidades hacia la continuidad y evolución de la humanidad.
Segundo, cruzar límites disciplinares y profesionales. Las materias reflejan la división industrial del trabajo, pero su rigidez pierde sentido ante la organización cerebral del conocimiento, la interdisciplinariedad y las necesidades sociales. Temas y proyectos favorecen conexiones y aplicación; el cruce disciplinar impulsa innovación; y las trayectorias profesionales abarcan varios ámbitos. Educar debe atender a la persona completa. Junto con matemáticas, lenguas, física, geografía, biología, química e informática, los autores destacan educación física, salud, psicología, ciencias cognitivas, neurociencia, sociología y humanidades.
Tercero, ampliar métodos hacia una educación integral que moldea el cerebro. Los autores sitúan la capacidad de aprender en el centro. Además de instrucción, la práctica apoya conocimientos y habilidades; ejercicio aeróbico, salud, regulación emocional y memoria; sueño suficiente, atención y aprendizaje; y juegos basados en principios de aprendizaje, motivación y eficiencia. También abordan medicamentos, neurorretroalimentación y estimulación cerebral, entonces orientados principalmente a tratamiento, rehabilitación y dificultades de aprendizaje. Cualquier extensión futura al aumento cognitivo en personas sin diagnóstico queda expresamente condicionada a seguridad y ética.
Por último, superar barreras tecnológicas para aprender de acuerdo con el cerebro. Muchas aplicaciones priorizan capacidad técnica y recogida de datos sobre necesidades, análisis y conversión de datos en evidencia. Las ciencias del cerebro ofrecen teorías, indicadores y métodos de recogida, análisis, evaluación e intervención. Integrarlas con internet de las cosas, macrodatos e IA, evitando compartimentos tecnológicos, puede fortalecer la educación futura.
Desarrollo de capacidades como núcleo
Los enfoques habituales predicen tendencias y definen competencias, como habilidades tecnológicas, sociales o conciencia global en educación 4.0. Son útiles, pero limitados: se suele sobreestimar el cambio a corto plazo e infravalorar el de largo plazo. La rapidez científica aumenta la incertidumbre sobre producción, relaciones e incluso competencia internacional.
La evolución humana ofrece otra perspectiva. Durante millones de años crecieron el cerebro, la cognición y la rapidez de aprendizaje. Sin embargo, los conocimientos adquiridos no se transmiten genéticamente. Salvo conductas instintivas, el recién nacido carece de conocimiento explícito del lenguaje, el movimiento o las relaciones, pero posee una gran capacidad para aprender lenguas, adaptarse al entorno y a la cultura y adquirir habilidades de supervivencia. Esta capacidad permitió afrontar cambios ambientales y debería ser fundamental en un futuro variable.
Los autores denominan a esa base capacidad de aprender. Vinculan el concepto con Jay Forrester, del MIT, y su artículo de 1965 A New Corporate Design. Desde mediados de los noventa influyó en gestión y cultura organizativa. En educación es más reciente y suele combinar motivación, perseverancia, capacidad e innovación, abarcando adquirir, compartir, aplicar y crear conocimientos. El artículo invoca Aprender a ser, de la UNESCO, para sostener que la futura falta de alfabetización se relaciona con no haber aprendido a aprender, no solo con no saber leer.
Se revisan varios modelos. Claxton, de la Universidad de Bristol, propuso en 2002 cuatro elementos, presentados como las 4 R: resiliencia, aprovechamiento de recursos, reflexión y relaciones. El proyecto ELLI amplió el marco a cambio y aprendizaje, curiosidad crítica, construcción de significado, creatividad, relaciones de aprendizaje, conciencia estratégica y resiliencia. El artículo también atribuye al profesor Kirby, de Harvard, una ampliación desde la docencia y un libro de 2005, Learning Power, que incluye motivación, actitudes, métodos, eficiencia, pensamiento innovador y creatividad.
A partir de investigaciones y ciencias del cerebro, los autores proponen tres componentes: conocimiento orgánico interconectado, capacidades cognitivas sólidas y motivación duradera. El primero es una red estructurada de niveles concretos y abstractos conectados, que facilita adquisición, transferencia, aplicación e innovación. Se señalan cortezas sensoriomotora y temporal y lóbulo parietal inferior como sustratos importantes. Las capacidades incluyen selección mediante atención, memoria breve, planificación y razonamiento, actualización e inhibición ejecutivas, conservación y transformación a largo plazo y supervisión metacognitiva; se relacionan con redes prefrontales y de control ejecutivo. La motivación combina entusiasmo, curiosidad y crecimiento; regulación emocional, control de impulsos, gratificación aplazada y resiliencia; y propósito, sentido y aspiración. Los autores la vinculan con sistemas límbicos antiguos y regiones prefrontales mediales más recientes.
La capacidad de aprender se presenta como relevante para resultados académicos y para trayectorias, ingresos, satisfacción, salud y longevidad. Los autores sostienen que un marco cerebral puede responder a necesidades actuales y preparar para el futuro, armonizando metas cortas y largas, rendimiento en exámenes y desarrollo integral.
Aprendizaje según las necesidades como orientación
Cada cerebro resulta de genes y ambiente particulares. Los patrones de conectividad funcional adultos pueden distinguirse como huellas dactilares, ofreciendo una base biológica a la personalización. En cambio, competir intensamente por un único estándar puede generar estrés y perjudicar el bienestar. Respetar diferencias y adaptar la enseñanza puede desarrollar potencial y reducir esa presión. Menos alumnado y mayor disponibilidad de IA pueden facilitarlo. Los autores imaginan un aprendizaje que conecta recursos, entornos y servicios mediante tecnología en situaciones naturales, según necesidades y metas progresivas, fortaleciendo además la capacidad de aprender.
Primero, este enfoque ayuda a construir conocimiento interconectado. Con referencia a las inteligencias múltiples de Gardner, el artículo menciona fortalezas lingüísticas, lógico-matemáticas, espaciales, musicales, corporales, interpersonales, intrapersonales y naturalistas. El alumnado también difiere en conocimientos previos, preferencias, intereses y nivel. Elegir contenidos según la base de cada estudiante y adaptar los métodos puede dirigir mejor los recursos y evitar pérdida de tiempo y esfuerzo.
Segundo, responde a capacidades cognitivas y ofrece apoyo específico. El profesorado puede ajustar retos y asistencia. Quienes tienen dificultades de aprendizaje pueden recibir recursos adicionales; quienes presentan alto rendimiento, tareas y oportunidades más exigentes. La evaluación permite identificar necesidades y fortalezas, combinando desarrollo equilibrado con capacidades distintivas.
Finalmente, puede estimular motivación e interés. Los planes acordes con fortalezas permiten reconocer logros propios. Diseñar contenidos y métodos alrededor de intereses y motivaciones internas favorece entusiasmo e iniciativa. Relaciones y ambientes adecuados apoyan bienestar y desarrollo emocional. Frente a la competencia externa por clasificaciones y admisión, la personalización puede cultivar un deseo interno y duradero de aprender.
Ajustar contenidos, dificultad y métodos favorece conocimiento organizado. Evaluación y apoyo dirigidos pueden fortalecer la cognición, y conectar objetivos y valores aumenta interés y motivación. Por ello, los autores consideran el aprendizaje según las necesidades una vía para desarrollar la capacidad de aprender y una orientación futura importante.
Principios del cerebro como guía
Una transformación factible y eficaz debe considerar desarrollo, funcionamiento y aprendizaje cerebral al diseñar currículo, estrategias y evaluación.
El conocimiento orgánico se caracteriza por módulos, jerarquías y estructura. Materiales relacionados, unidades amplias, temas transversales, proyectos, agrupaciones y mapas mentales pueden mejorar su organización. Más profundamente, el énfasis debe pasar de lo que enseña el docente a lo que construye el estudiante, y de la entrada a la producción. Explicar mediante la técnica de Feynman y realizar tareas integradoras ayuda a descubrir relaciones y conectar saberes previos. Se destacan también el aprendizaje espaciado y la práctica de recuperación, eficaces pero insuficientemente utilizados.
El artículo sostiene que el sistema chino no había priorizado suficientemente el desarrollo cognitivo. Salvo algunas escuelas que lo evaluaban para identificar talento, predominaban calificaciones y concursos. Señala cuatro razones: tradición examinadora, creencia en capacidades fijas, confianza en que la enseñanza ordinaria basta y falta de familiaridad con definiciones, herramientas y apoyos científicos. Es preciso comprender su importancia, desarrollo e influencias y manejar evaluación y formación adecuadas. La primaria se presenta como un periodo importante de maduración prefrontal y desarrollo de atención y memoria de trabajo. Los autores recomiendan valorar las capacidades y ofrecer apoyo, y citan estudios sobre entrenamiento sostenido de memoria de trabajo con validez ecológica y transferencia para mejorar cognición y rendimiento.
La motivación también debe considerar el cerebro. El artículo describe vías dopaminérgicas relacionadas con anticipación, aprendizaje, decisiones y placer; vías serotoninérgicas vinculadas al estado emocional y, cuando se alteran, a depresión, impulsividad, abuso de alcohol, conducta suicida, agresión o violencia; y el eje hipotálamo-hipófisis-suprarrenal, HPA, asociado al estrés, digestión, inmunidad, emociones, metabolismo y conducta sexual. Estos sistemas contribuyen a aproximación y evitación. Agrado y rechazo influyen en repetir conductas; la incertidumbre despierta curiosidad y cautela. El autocontrol regula motivación hacia metas, mientras los hábitos mantienen comportamientos aprendidos por repetición sin recompensas inmediatas. Su interacción con experiencias origina patrones individuales.
Este enfoque sugiere seis vías. Primero, atender motivación y emociones tanto como conocimientos y capacidades, no solo ante crisis psicológicas. Segundo, promover interés intrínseco mediante conexiones con la vida, dificultad adecuada, comentarios positivos oportunos y un ambiente que tolere errores e innovación. Tercero, trabajar orientación profesional y valores durante todo el aprendizaje. Cuarto, movilizar metas como perspectiva global, compromiso con el país y la comunidad, exploración, innovación, igualdad y cuidado de otras personas. Quinto, combinar recompensas, consecuencias, hábitos y autocontrol para una motivación flexible y duradera. Sexto, acompañar el conocimiento sobre motivación con habilidades sociales y emocionales hasta convertir el deseo de aprender en hábito autónomo.
La educación física también es esencial. La actividad, especialmente aeróbica, se asocia con condición física, rendimiento y salud mental. Se citan estudios adolescentes sobre lectura, matemáticas, promedio académico y cognición. El factor neurotrófico derivado del cerebro, BDNF, y el desarrollo del hipocampo se discuten como mecanismos relacionados con la memoria. El ejercicio también apoya regulación emocional y reducción del estrés mediante cambios fisiológicos —incluidas dopamina y serotonina— y experiencias positivas. El artículo cita orientaciones de la OMS para edades de 5 a 17 años, describiendo 60 minutos diarios de actividad moderada a vigorosa, principalmente aeróbica, y actividad vigorosa y fortalecimiento muscular y óseo al menos tres días por semana.
Las ciencias del cerebro ofrecen así perspectivas teóricas y prácticas sobre la capacidad de aprender. Los autores consideran que políticas, currículo, enseñanza y evaluación deben tenerlas en cuenta.
Innovación tecnológica como apoyo
La tecnología puede transformar la educación cuando responde a sus fines y a los principios del aprendizaje. Las ciencias del cerebro aportan teorías, indicadores y métodos. IA e internet de las cosas pueden renovar herramientas y evaluación y automatizar tareas administrativas y docentes, liberando tiempo para lo que la IA no puede hacer. Realidad virtual y motores de videojuegos pueden ofrecer ambientes más realistas, motivadores y eficientes.
Además de comprender funciones y redefinir objetivos, las ciencias del cerebro pueden orientar productos educativos. Conocer desarrollo, memoria y aprendizaje informa a administradores, docentes y estudiantes y puede mejorar políticas y prácticas. También guía conceptos, funciones, indicadores, recogida de datos, modelos y validación de aplicaciones de IA y realidad virtual.
Pueden contribuir asimismo a evaluación y formación. Combinar pruebas cognitivas y neuroimagen puede medir mejor capacidades y funciones. El texto remite a Anderson en 1982 y a Glaser y colaboradores en 1985 sobre desarrollo y dimensiones de habilidades. Incluye adquisición, organización y estructura del conocimiento; profundidad de representación de problemas; modelos mentales; metacognición; automatización de tareas; y eficiencia procedimental. Son vías de evaluación más profunda. La motivación puede estudiarse con cuestionarios, técnicas proyectivas, asociaciones implícitas y neuroimagen. Los autores prevén integrar estas herramientas con IA, macrodatos y realidad virtual para mejorar precisión y apoyo.
Por último, describen educar como moldear el cerebro y exploran una modulación más dirigida. Mencionan enfoques presentados como relativamente no invasivos —neuroimagen, estimulación no invasiva e interfaces cerebro-ordenador— y ciertos medicamentos neurológicos. Abordan aplicaciones médicas y posibles usos futuros para dificultades de aprendizaje o aumento cognitivo. También consideran interfaces y estimulación invasivas mediante luz, electricidad, sonido, magnetismo u optogenética, e intervenciones con neurotransmisores u hormonas. Las aplicaciones educativas propuestas son prospectivas y dependen expresamente de resolver cuestiones de seguridad y ética.
El artículo recoge la opinión de Kumar Murty, entonces director del Fields Institute for Research in Mathematical Sciences, sobre oportunidades más allá de la tecnología y las disciplinas para renovar la educación mundial. El Foro Económico Mundial describió en abril de 2024 ampliación de capacidades y automatización del trabajo docente. Entre las tareas automatizables figuran listas de lecturas y audiovisuales, verificación de hechos, fechas y estadísticas, y corrección, cálculo y registro de resultados. La ampliación puede apoyar análisis de rendimiento y evaluación de materiales, diseño de productos y apoyo en línea, preparación de materiales y pruebas y asignación de tareas a asistentes o voluntarios. Ello dejaría más tiempo para currículo, pedagogía, apoyo socioemocional, orientación individual y comunicación familiar.
También se advierte contra el uso inadecuado. Bajo una lógica limitada al examen, la IA puede convertirse en máquina de ejercicios, fragmentando contenidos sin construir conocimiento conectado y reproduciendo uniformidad en lugar de atender diferencias. Los datos pueden quedar aislados o no convertirse en evidencia por falta de análisis, desperdiciando recursos. La vigilancia continua del profesorado y alumnado puede aumentar presión e inseguridad e incluso obstaculizar el aprendizaje.
Realidad virtual y videojuegos ofrecen otras posibilidades. Las simulaciones proporcionan experiencias corporizadas que el texto no transmite y conectan lo concreto con lo abstracto. Con IA generativa pueden modelar cantidad, geometría, física, química, biología, política, economía, historia, sociedad y psicología, para aprender interactuando. Evaluaciones y ejercicios virtuales pueden mejorar validez ecológica y transferencia. Calidad audiovisual, inmersión y respuesta inmediata favorecen interés y motivación, aunque también pueden generar uso compulsivo. Se contemplan simulaciones de presión física o social para desarrollar resiliencia y experiencias personalizadas de éxito para reforzar confianza y motivación.
En conjunto, estos avances pueden redefinir los fines educativos, centrar la capacidad de aprender, ofrecer métodos acordes con el cerebro, itinerarios personales y tecnología coherente con ellos. Los autores los consideran apoyo integral para la transformación futura.
Vías para llevar la educación innovadora a la práctica
Pasar de teoría a práctica exige coordinación entre gobiernos, administradores, investigadores, docentes, estudiantes, familias y profesionales de tecnología educativa.
Gobierno y políticas
Los autores piden acelerar una transformación científica e inteligente con políticas, estándares, financiación básica y aplicada, supervisión y acumulación de evidencia. Los cambios deben apoyarse en investigación y evaluarse independientemente, creando un ciclo de datos, evidencia y práctica. Equidad significa responder justamente a necesidades diferentes, no imponer idéntica provisión. El alumnado excepcionalmente capaz y los niños con dificultades de aprendizaje necesitan recursos suficientes; diferentes fortalezas e intereses requieren opciones y vías diferenciadas. Aulas pequeñas, proyectos escolares diversos y evaluación integral pueden ayudar.
Investigación
Debe profundizarse el conocimiento del cerebro y de la relación entre su actividad a pequeña escala y la práctica educativa, junto con las bases y aplicaciones de la IA. Se propone inversión estratégica en la intersección de cerebro, IA y educación, mediante centros, proyectos y desarrollo de talento. Neurociencia, información, informática y educación deben colaborar sobre problemas fundamentales del aprendizaje futuro.
Formación docente
Se necesitan oportunidades para estudiar ciencias del cerebro, métodos de investigación y aplicaciones: cursos generales en instituciones formadoras, asignaturas especializadas en psicología y educación y formación continua para docentes en ejercicio. La alfabetización informacional y en IA debe facilitar un uso competente de herramientas. La actualización de ideas y habilidades también ha de permitir evaluar aprendizaje, características psicológicas y organización del conocimiento, comprender intereses y necesidades y orientar el desarrollo personal.
Currículo
Se propone reforzar temas, proyectos y otras formas de aprendizaje profundo que conecten saberes. Las ciencias del cerebro pueden incorporarse en cursos sobre aprender, educación para la salud mental, integración con asignaturas, optativas y actividades temáticas. La alfabetización informacional y en IA debe desarrollar conceptos básicos, pensamiento y habilidades. La educación física, especialmente aeróbica, merece mayor énfasis para salud y aprendizaje; las humanidades aportan comprensión, orientación y motivación duradera.
Exámenes y evaluación
Los autores plantean superar el examen único mediante métodos que combinen formación básica, capacidad de aprender y fortalezas personales. Deben valorar organización del conocimiento, cognición, aplicación flexible e innovación. También proponen estudiar motivación y características psicológicas con diversas herramientas y considerarlas en seguimiento de calidad, progresión y selección. Momentos, comentarios e informes deben diseñarse para apoyar el crecimiento mediante evaluación formativa y del desarrollo.
Investigación y desarrollo tecnológico
Los productos deben responder a fines educativos informados por el cerebro, integrando IA, evaluación y apoyo cognitivos, realidad virtual, internet de las cosas, macrodatos, neurorretroalimentación y modulación cuando corresponda. El objetivo es favorecer conocimiento conectado, capacidades sólidas y motivación sostenida conforme a principios de aprendizaje. Además del desarrollo, las afirmaciones prácticas necesitan experimentos rigurosos, validación con datos, modelos matemáticos y resultados generalizables. Los autores lo consideran necesario para que la tecnología fortalezca la capacidad de aprender y la transformación educativa.
En conclusión, las ciencias del cerebro y la IA aceleran el progreso y el cambio social, creando exigencias y retos inéditos. La educación futura debe apoyar el desarrollo humano y actuar ante ellos. Comprender inteligencia, desarrollo cerebral, aprendizaje, memoria, motivación y emoción, junto con investigación sobre evaluación y modulación e integración adecuada de IA, puede aportar objetivos, vías prácticas y herramientas. Los autores presentan esa combinación como base para llevar la transformación a la realidad.
Fuente: Frontiers,2024, n.º17.
Autores: Xue Gui y Liu Dejian.
Fuentes y notas editoriales
El texto original de la Cátedra y las biografías se han cotejado con el artículo oficial de la revista, publicado el 18 de septiembre de 2024. Dos pasajes sobre evaluación y desarrollo tecnológico estaban repetidos; se conserva una copia de cada uno. Las citas numeradas, referencias y el resumen original en inglés están disponibles en el PDF completo de 17 páginas, pp.24–40, del archivo oficial de CIT. La imagen muestra la primera página completa del PDF; no es una fotografía incluida en el artículo. La página de SLI localizada durante la comprobación es un balance anual que menciona el trabajo; sus imágenes ajenas al artículo no se han reutilizado.
Enlace original: https://aiedchair.bnu.edu.cn/news-8379-es/
