Noticia histórica: las actividades en línea se celebraron el 19 de septiembre de 2024 y la formación presencial el día 21. Este artículo conserva su fecha original de publicación en la Cátedra: 25 de septiembre de 2024. Los cargos y ejemplos técnicos corresponden a aquel momento.
Contenido del artículo
El 21 de septiembre de 2024, el Centro Nacional de Investigación en Ingeniería del Ciberaprendizaje y la Tecnología Inteligente de la Universidad Normal de Beijing, denominado aquí CIT, concluyó su segunda formación avanzada sobre enseñanza colaborativa entre personas e IA con contenido generado por inteligencia artificial, AIGC.
La formación combinó teoría y práctica, así como aprendizaje en línea y presencial. Incluyó proyectos de clases simuladas innovadoras con colaboración humana y de IA, uso práctico de agentes en contextos docentes, experiencias con plataformas colaborativas y grandes modelos, y debate de casos compartidos por docentes en ejercicio. El equipo de expertos contó con Li Yanyan, profesora de la Facultad de Educación de la Universidad Normal de Beijing; Wang Huanhuan, investigadora adjunta de la universidad; Zhu Lixin, ingeniero sénior de CIT; Da Ting, responsable de su proyecto de evaluación de grandes modelos; y Chen Hongyu, ingeniero del Instituto de Aprendizaje Inteligente de la universidad. Participaron como ayudantes Yuan Meng, de la Universidad de Wisconsin–Madison; Jiang Li, de la Universidad Normal de la Capital; Wang Shuaijie, de la Universidad Normal de China Central; y Liu Tiantian, de la Universidad Normal de Beijing.
Participaron más de 50 docentes de primaria, secundaria y universidad y estudiantes universitarios de Beijing, Shanghái, Guangzhou y otras zonas de China. Además de compartir ideas y teorías y diseñar clases innovadoras conjuntamente, la formación ofreció a los docentes un espacio para explorar la transformación de los roles en la colaboración entre personas e IA en la era del AIGC.
Momentos destacados de la formación
19 de septiembre: actividades en línea
La formación comenzó en línea el 19 de septiembre con una introducción a la enseñanza colaborativa entre personas e IA. En la apertura, Da Ting repasó los logros de la primera edición y animó a los participantes a explorar las tecnologías emergentes.
Leer la alternativa textual de la imagen
La diapositiva Momentos destacados de la primera formación repasa la actividad del 3 y 4 de agosto de 2024, con más de 40 docentes de primaria y secundaria de Beijing, Shanghái, Hong Kong (China) y otros lugares.
Describe debates con expertos sobre la transformación de los roles entre personas e IA y diseños colectivos de clases innovadoras y casos con agentes. Las cuatro fotografías se rotulan conferencias de expertos, intercambio de casos, práctica en equipo y orientación especializada. Estas fechas y cifras corresponden a la primera formación, no a la segunda que recoge el artículo.
Conferencias de especialistas
Da Ting presentó una visión técnica general de los grandes modelos y los agentes, explicando conceptos, marcos habituales y patrones de diseño. Después abordó formas de mejorar el rendimiento de los modelos fundacionales, especialmente los enfoques para desarrollar grandes modelos especializados en educación.
Leer la alternativa textual de la imagen
La diapositiva se titula Enfoques de desarrollo de grandes modelos especializados en educación. Describe el uso de modelos fundacionales para sostener aplicaciones educativas y su ajuste fino para tareas concretas. La jerarquía va de L0, modelos generales, a L1, modelos sectoriales, y L2, modelos para escenarios especializados.
La tabla siguiente reproduce los productos, desarrolladores, modelos y usos de la diapositiva de 2024; no es una reseña o recomendación actual. Otro diagrama conecta modelos fundacionales generales, de código abierto, de dominio o empresa y de escenarios específicos, con etiquetas de llamadas a API, ajuste fino, instrucciones y salidas.
| Producto | Desarrollador | Modelo indicado en la diapositiva | Usos indicados en la diapositiva |
|---|---|---|---|
| Khanmigo | Khan Academy | ChatGPT/GPT-4o | Apoyo en varias materias y enseñanza guiada |
| 星火语伴 — acompañante lingüístico Spark | iFLYTEK | Gran modelo cognitivo Spark | Aprendizaje de idiomas |
| 子曰 — Ziyue | NetEase | Gran modelo de desarrollo propio | Idiomas y consultas de conocimiento |
| EduChat | Universidad Normal de China Oriental | Gran modelo de desarrollo propio | Comentarios sobre redacción, enseñanza guiada, apoyo emocional y generación de preguntas |
| MathGPT | TAL Education | Gran modelo de desarrollo propio | Aprendizaje de matemáticas |
| 精准教学大模型 — gran modelo de enseñanza de precisión | China Telecom | Gran modelo de desarrollo propio | Aprendizaje en clase, pruebas de tareas y evaluación de exámenes |
Wang Huanhuan habló sobre técnicas de formulación de instrucciones para la IA generativa y sus aplicaciones docentes. Mostró herramientas de AIGC adecuadas para profesores, propuso estrategias para redactar instrucciones y utilizó casos prácticos para ilustrar cómo unas buenas instrucciones podían mejorar la eficiencia de las tareas.
Leer la alternativa textual de la imagen
La diapositiva Marco de instrucciones enumera cinco componentes: tarea, contexto, rol, formato y tono.
El primer ejemplo asigna el rol de amigo, aporta acontecimientos vitales como contexto y solicita consejos útiles y de apoyo sin explicaciones extensas. El segundo asigna un asistente para mejorar la escritura china: ortografía, gramática, claridad, concisión y legibilidad, frases más cortas y menos repeticiones, con texto corregido en un formato indicado. Son ejemplos de la diapositiva docente.
Explorar agentes en contextos de enseñanza
Da Ting compartió trabajos recientes de su equipo sobre aplicaciones educativas de sistemas multiagente. La sesión introdujo conceptos y métodos de aplicación y aportó ideas para la exploración práctica posterior.
Leer la alternativa textual de la imagen
La diapositiva se titula Asistente docente CIT: explicación guiada de ejercicios. Trata una clase de lengua china de secundaria superior sobre La canción de la tañedora de pipa y los sentimientos de dos personas que comparten infortunio aunque acaben de conocerse.
El asistente pide una interpretación inicial, pregunta por las experiencias de Bai Juyi y de la tañedora y guía hacia la degradación del cargo y la decepción. Cuando el estudiante expresa dudas, continúa con preguntas orientadoras. El teléfono enumera consultas de conocimiento, enseñanza guiada y explicación de ejercicios. La zona rotulada vídeo es únicamente una captura fija de la diapositiva original; esta página no contiene el vídeo reproducible correspondiente.
Con orientación de los ayudantes, los participantes experimentaron el diseño y desarrollo de un asistente para la asignatura de lengua china. Mediante ejercicios guiados y práctica, aprendieron las funciones de la plataforma y crearon agentes adecuados a sus propias materias, conectando teoría y aplicación.
Leer la alternativa textual de la imagen
La imagen muestra configuración y vista previa o depuración de un agente. A la izquierda aparecen variables, bases de datos, memoria a largo plazo, contenedor de archivos, mensaje inicial, preguntas sugeridas, atajos e imagen de fondo.
El ejemplo pregunta qué obras forman la Trilogía del amor de Ba Jin. La interfaz muestra uso de una base de conocimiento y una herramienta de búsqueda y responde Niebla, Lluvia y Relámpago. Es una demostración de formación de 2024, no una evaluación de las funciones o el rendimiento actuales de la plataforma.
21 de septiembre: aprendizaje presencial
En una despejada mañana otoñal de sábado, los docentes se reunieron para la formación presencial.
Actividades para conocerse
Una dinámica inicial permitió conocerse y prepararse para las actividades siguientes. Se formaron diez equipos de estudio; sus miembros se presentaron, debatieron nombres y elaboraron dibujos representativos de cada grupo.
Cada equipo eligió un nombre y un lema propios. El equipo 7, integrado por participantes de escuelas y universidades, se llamó Todo Vale y eligió Acción sin Límites como lema. El equipo 9, con miembros de Beijing y Shanghái, adoptó el nombre Equipo Beijing–Shanghái. El equipo 10 eligió Zhihe Qiuhui, que evoca sabiduría, armonía y resplandor otoñal, y expresó su deseo de explorar nuevos caminos educativos.
En las actividades creativas y de presentación, los participantes combinaron ideas individuales y trabajo en equipo.
Los nombres y lemas reflejaron la creatividad de los docentes, su espíritu de equipo y su interés por la educación colaborativa entre personas e IA. Expresaron su disposición a seguir explorando juntos este ámbito.
Conferencias de expertos y casos de aula
Tras conocerse, los participantes pasaron a las presentaciones de expertos y al intercambio de casos.
Li Yanyan presentó aplicaciones educativas innovadoras de la IA impulsadas por escenarios. Analizó contextos de aplicación en el marco de las políticas existentes y cómo tecnologías como los grandes modelos podían apoyar la enseñanza y el aprendizaje. Sus ejemplos abarcaron nuevas formas de aprendizaje colaborativo entre personas e IA e investigación docente colaborativa basada en evidencias, trazando una educación inteligente centrada en el estudiante.
Zhu Lixin presentó herramientas docentes de IA para mejorar la eficiencia del profesorado. Comenzó con una demostración de una persona digital y examinó usos prácticos mediante casos de distintos contextos, incluidos el apoyo a la eficiencia docente y al aprendizaje personalizado. Compartió además consejos técnicos y aspectos que requieren atención en la práctica profesional.
Da Ting abordó la práctica y exploración de la enseñanza colaborativa entre personas e IA. A partir de un marco teórico y del balance de tres iniciativas de captación de participantes, mostró diversos escenarios educativos y ejemplos de grandes modelos en el diseño de clases. También presentó una evaluación multidimensional de sus capacidades para la enseñanza heurística. Cerró con casos de docentes en ejercicio, como enseñanza diferenciada y apoyo después de clase.
Yang Xue, de Beijing Academy, presentó aprendizaje temático interdisciplinar apoyado por IA mediante el caso Explorar los secretos de pelar una piña. Explicó cómo la IA podía ayudar al alumnado a modelizar, desarrollar nuevas formas de pensamiento y proponer soluciones innovadoras. También trató el desarrollo de la resolución de problemas, la creatividad y el trabajo en equipo, destacando el papel docente para orientar un uso crítico de la IA.
Desarrollo práctico de agentes para la enseñanza
La siguiente actividad propuso trabajo más avanzado con agentes en escenarios docentes. En la práctica abierta, los equipos debatieron ideas, ampliaron lo aprendido e implementaron nuevos diseños, pasando de utilizar herramientas a diseñarlas.
Diseño de enseñanza colaborativa innovadora entre personas e IA
Cada equipo participó en una actividad práctica de diseño. Docentes de distintas materias y trayectorias eligieron un tema mediante lluvia de ideas, exploraron innovaciones en su enfoque didáctico y desarrollaron los conceptos centrales de la colaboración potenciada por AIGC. Diseñaron clases simuladas y planificaron la interacción entre docentes, estudiantes e IA en cada fase.
Además del contenido y la secuencia de las clases, los equipos integraron herramientas de AIGC, incluidos grandes modelos de lenguaje y agentes creados específicamente para sus propuestas. Los expertos colaboraron con cada grupo para mejorar los diseños técnicos y pedagógicos. El equipo Coze de ByteDance aportó apoyo técnico para implementar los agentes.
Presentaciones y demostraciones
Todos los equipos completaron una propuesta de proyecto y presentaron su diseño. Un sorteo organizó las presentaciones y los comentarios: Da Ting seleccionó al primer equipo, que después sorteó otro para que comentara su trabajo, y así sucesivamente. Esta evaluación entre pares ayudó a comprender las propuestas de los demás y reconocer fortalezas y aspectos mejorables.
Además de la evaluación entre pares, la formación mostró un gran modelo de lenguaje como evaluador invitado. Un asistente de evaluación utilizó criterios y dimensiones definidos para ofrecer comentarios en tiempo real sobre el trabajo de cada equipo. La actividad permitió comparar las características de la expresión y la evaluación humanas y las generadas por un modelo.
Reflexiones y debate
Hacia el final, Li Shuyu, de Beijing Academy; Hu Shujun, del Instituto de Educación de Beijing; y Wang Huanhuan, de la Universidad Normal de Beijing, intercambiaron reflexiones con los participantes. Compartieron experiencias y debatieron el futuro de la enseñanza colaborativa entre personas e IA.
El encuentro concluyó con el lanzamiento de una comunidad de práctica para la enseñanza colaborativa entre personas e IA con AIGC y la entrega de certificados a los docentes participantes, en reconocimiento a su trabajo y aportaciones.
Después de la formación, los docentes continuaron intercambiando aprendizajes y ofrecieron sugerencias constructivas para futuras actividades y nuevas exploraciones educativas.
Fuentes e información sobre las imágenes
El artículo original completo de la Cátedra se ha cotejado con el reportaje oficial del Instituto de Aprendizaje Inteligente, que figura en su listado con fecha del 29 de septiembre de 2024. Las fotografías, diapositivas y composiciones proceden de ese reportaje. Se conserva su encuadre completo, con optimización local y pies y alternativas textuales traducidos. La diapositiva retrospectiva de la primera formación corresponde al 3 y 4 de agosto de 2024 y es distinta de esta segunda edición. Las comparaciones de productos e interfaces son materiales históricos de formación, no reseñas actuales. La diapositiva rotulada como demostración en vídeo es una imagen fija; aquí no se incorpora el vídeo correspondiente.
Enlace original: https://aiedchair.bnu.edu.cn/news-8252-es/
