De la educación digital a la educación automatizada

Leonor Moral Soriano

Profesora Titular de Derecho Administrativo

La imagen generalizada del proceso de aprendizaje actual muestra a un docente enseñando a varios estudiantes de manera simultánea y utilizando herramientas similares a las utilizadas en las prácticas tradicionales de enseñanza, pero en formato digital (libros digitales, pizarras digitales, ejercicios digitales, apps, páginas web, etc.). Aunque estas tecnologías ofrecen ventajas en términos de accesibilidad y recursos multimedia, en muchos casos se limitan a replicar el enfoque tradicional de enseñanza en el aula. La irrupción de los sistemas de inteligencia artificial en la educación ha dado lugar a las denominadas tecnologías de aprendizaje (EdTech). Éstas sí tienen el potencial de transformar la forma de enseñar y de aprender porque facilitan un aprendizaje personalizado e, incluso, la educación automatizada.

¿Qué son las tecnologías de aprendizaje?

Las EdTech combinan, de un lado, la inteligencia artificial y el aprendizaje automático y, de otro, la minería de datos educativos o analítica de aprendizaje (Learning Analytics).

En primer lugar, estos sistemas requieren gran cantidad de datos académicos, fisiológicos, conductuales y socioeconómicos de los estudiantes que son recabados por administraciones educativas, docentes, centros escolares y administraciones públicas en general, así como los mismos desarrollos tecnológicos que los recaban de los usuarios.

En segundo lugar, las tecnologías de aprendizaje buscan correlaciones e inferencias entre los datos que entrenan al algoritmo para diagnosticar la situación del estudiante y anticipar su evolución. Por ejemplo, Lexplore (explore.com) han desarrollado herramientas que utilizan datos sobre el movimiento de los ojos para realizar un diagnóstico preciso de la lectura y detectar posibles dificultades. Otras tecnologías educativas están basadas en el análisis de errores que permiten diagnosticar trastornos específicos del aprendizaje, como Dytective (changedyslexia.org) que analiza el tipo de errores cometidos por un alumno para detectar la dislexia, mientras que Lingvist (lingvist.com/es) se centra en identificar problemas de desarrollo del lenguaje.

En tercer lugar, las tecnologías de aprendizaje tienen la capacidad de proponer y ofrecer acciones pedagógicas adecuadas según el diagnóstico realizado por el algoritmo. Por ejemplo, pueden generar un informe detallado sobre cómo abordar un problema específico detectado proporcionando para su resolución la orientación y las estrategias necesarias; también pueden proponer tareas y actividades educativas que se ajusten de manera precisa a los conocimientos y necesidades detectadas en la fase de diagnóstico; y pueden ofrecer cambios organizativos en el currículo, e incluso alterarlo, con el objetivo de adaptarlo a las necesidades de cada estudiante.

Con las tecnologías de aprendizaje los contenidos, la secuencia y los recursos educativos pueden ajustarse de manera dinámica y personalizada, brindando a cada estudiante una experiencia educativa individualizada y enriquecedora, y elaborando módulos pedagógicos más flexibles y adaptados al estudiante. Se logra así la educación personalizada.

¿Qué tecnologías usan las EdTech?

 La mayoría de tecnologías de aprendizaje utilizan sistemas de tutoría inteligente (ITS) con las que, a través de un chabot, se va adaptando el aprendizaje al modelo de estudiante que ha diagnosticado el algoritmo, al modelo del área de estudio, y al modelo de proceso de educativo. Por ejemplo, Khanmigo en un ITS especialmente diseñado para colegios en los que el estudiante transita de manera secuencial en un programa diseñado para resolver un problema. Esta tecnología ha sido desarrollada por Khan Academy a partir de los modelos de lenguaje natural de OpenAI.

Otras tecnologías son las interfaces de usuarios como PyramidApp; las tecnologías de aprendizaje adaptativo en las que los estudiantes reciben los recursos y realizan las actividades diseñadas a medida para responder a sus específicas necesidades educativas; las tecnologías de auto-aprendizaje como MATHia, Mindspark, Reasoning MInd, y ASSISTments; así como sistemas de generación automática de test y autoevaluación como NWEA MAP (www.mapwea.org), que crea test de evaluación a partir de la respuesta que el estudiante ha dado a la pregunta precedente (si una pregunta es correcta, la siguiente será más difícil).

Del aprendizaje personalizado al aprendizaje autónomo

El uso de EdTech en la detección, diagnóstico e intervención educativa nos muestra una diversidad de modelos de educación personalizada. Estas tecnologías pueden resultar en una educación más o menos automatizada dependiendo del papel que tenga el profesor en la enseñanza y el aprendizaje (Molenaar).

•  Nivel 1. El docente tiene el control total del proceso de aprendizaje de manera que la tecnología le proporciona una asistencia adicional en la organización de las actividades. Es el caso de plataformas electrónicas como Moodle que sirven para distribuir los materiales de estudio, resolver dudas, incluso corregir los trabajos o ejercicios de los estudiantes. El docente puede utilizar esta tecnología no solo como plataforma de intercambio de información sino para conocer el desempeño de los estudiantes y tomar las medidas adecuadas relativas a los contenidos de la asignatura, así como el material o tareas adicionales que pedirá a los estudiantes.

•  Nivel 2. Automación parcial. En este caso, el docente traslada a la tecnología el control de determinadas tareas organizativas. La tecnología educativa diagnostica, recomienda, y en ocasiones específicas propone acciones concretas. Es el caso de Snappet (es.snappet.org) que proporciona al profesor un panel digital con el que puede hacer el seguimiento de la evaluación integrada y continua de los estudiantes. A partir de esta información se puede personalizar la educación que reciben los alumnos gracias a una instrucción diferenciada y adaptada a las necesidades detectadas. Ahora bien, es el motor de Snappet, no el docente, el que adecua el aprendizaje a los estudiantes a partir de los datos extraídos de la evaluación continua.

•  Nivel 3. Automación condicionada. La tecnología toma el control en varias tareas de organización del aprendizaje. Los profesores siguen teniendo una posición central pero solo en la supervisión y monitorización del proceso de aprendizaje ya automatizado. Programas de Cognitive Tutor, como el Carnegie Learning Cognitive Tutor, alcanzan el nivel de automación condicionada: el ITS elabora informes automáticos de un estudiante a partir de las respuestas a un problema; revela los siguientes pasos en el proceso de aprendizaje a partir de dichas respuestas; determina si el estudiante ha alcanzado el objetivo de aprendizaje; y además notifica al docente si fuera recomendable un cambio de método pedagógico.

• Nivel 4. Alta automación. La tecnología toma el control de la organización del proceso de aprendizaje y la intervención del profesor no es requerida para controlar el proceso y ni siquiera para supervisarlo. Un ejemplo es MathSpring (mathspring.org), un ITS que guía al estudiante en la selección de objetivos y le ofrece una formación personalizada, situaciones de puesta en práctica de lo aprendido y retroalimentaciones. Esta forma de automación es poco común, por ahora, en los colegios e institutos.

• Nivel 5. Automación plena. En este nivel de automación, el profesor es exógeno a cualquier situación de aprendizaje. Es el caso de Alelo (alelo.com), una tecnología de simulación y lenguaje natural que puede evolucionar hacia este nivel de automación. La máquina analiza cómo utiliza el estudiante un segundo idioma, le proporciona retroalimentación, selecciona los objetivos e hitos del proceso de aprendizaje y ajusta la instrucción y la práctica del idioma. Esta tecnología puede aplicarse en múltiples ámbitos, desde educación musical a la preparación de un examen de conducir.

¿Habrá profesores robots?

Ante este panorama, ¿serán los profesores redundantes? ¿Habrá profesores robots? Ya los hay. Las tecnologías de aprendizaje se perfeccionan y actualmente las utilizan en la educación formal colegios e institutos tanto privados como públicos, aunque, es cierto que no de manera generalizada. Ahora bien, su implantación es expansiva e imparable. La pregunta adecuada ante el panorama de la educación automatizada es cómo controlar las tecnologías de aprendizaje teniendo en cuenta que son sistemas socio-técnicos, es decir, que unen comportamientos humanos o sociales al funcionamiento de un sistema tecnológico (Leslie et al.). Será el Derecho el instrumento elegido para este control y más concretamente, los derechos fundamentales como elemento esencial de cualquier mecanismo de compliance que se diseñe. Pero eso es otra entrada para este blog.

Bibliografía

• BENBOUZIND, Bilel, Yannick MENECEUR, y Nathalie Alisa SMUHA. (2022). “Quatre nuances de régulation de l’intelligence artificielle. Une cartographie des conflits de définition”, en Réseaux, núm. 232-233, pp. 29- 64. DOI 10.3917/res.232.0029
• LESLIE, David, Chritopher BURR, Mhairi AITKEN, Josh COWKS, Mike KATELL, y Morgan BRIGGS. (2021). Artificial Intelligence, Human Rights, Democracy and the Rule of Law: a Premier, Consejo de Europa y The Alan Turning Institute.
• MOLENAAR, Inge. (2021). “Personalization of learning: Towards hybrid human-AI learning technologies”, en OECD Digital Education Outlook 2021, OCDE, pp. 57-78.