La IA generativa permite a los profesores generar rápidamente planes de lecciones personalizados y MicroSims para cada estudiante.
La semana pasada, creé mi primera aplicación de IA generativa (GPT) personalizada para generar MicroSims para la educación utilizando la nueva herramienta OpenAI GPT . Esto se hizo con exactamente cero líneas de código. Aunque la aplicación está lejos de ser perfecta, ya me ha permitido mejorar 10 veces mi productividad al crear simuladores personalizados y planes de lecciones para educadores. A medida que nuestra comunidad agregue más ejemplos seleccionados de alta calidad al conjunto de capacitación, el proceso solo mejorará.
En este artículo, revisaré cómo se ha realizado la educación durante los últimos 2000 años y los problemas con el método de impartir una conferencia para todos. Describiré cómo los sistemas modernos de gestión del aprendizaje pueden utilizar la IA generativa para crear y combinar lecciones personalizadas para cada estudiante.
El resumen es que la educación cambiará más en los próximos cinco años que en los últimos 2.000 años. Pero las afirmaciones extraordinarias exigen pruebas extraordinarias. Les doy esta evidencia aquí.
Problemas con el modelo actual de instrucción directa
La instrucción directa, o "El método de la conferencia", es un modelo de enseñanza en el que un maestro imparte una sola conferencia a todos los estudiantes en un salón de clases. En este enfoque, el profesor es la fuente principal de conocimiento y los estudiantes son los receptores de este conocimiento.
El método de instrucción directa se caracteriza por su estilo de comunicación unidireccional , donde el profesor habla a un ritmo fijo y los alumnos escuchan y toman notas. El elemento clave de la instrucción directa es la falta de circuitos de retroalimentación entre el profesor y los estudiantes. Si alguna vez ha impartido una clase en Zoom cuando los estudiantes tienen todas las cámaras apagadas, sabe a qué me refiero. Las aulas físicas al menos permiten al instructor leer el lenguaje corporal de los estudiantes y ajustar la velocidad de la conferencia en función de la reacción de la audiencia.
La instrucción directa es lo que llamamos nuestra forma clásica o tradicional de enseñanza, y es el método más común utilizado en la educación K-12, colegios y universidades en la actualidad. La instrucción directa a menudo se combina con tareas y exámenes periódicos que pueden cubrir o no los temas de la conferencia. Algunos de mis cursos universitarios tenían solo un pequeño examen parcial y un examen final extenso. Esa fue la única vez que el instructor recibió comentarios sobre su desempeño al compartir sus conocimientos. Muchos profesores fracasaron y las calificaciones se reflejaron en las boletas de calificaciones de los estudiantes.
El rol de la retroalimentación en el aula
Existen algunas pequeñas variaciones de la transferencia de conocimientos unidireccional que implican una mínima retroalimentación y personalización del contenido. En aulas más pequeñas, los estudiantes pueden hacer preguntas al instructor. El profesor puede entonces ofrecer conocimientos aclaratorios o aplicarlos a una situación específica.
Algunas escuelas han intentado implementar Sistemas de Respuesta Estudiantil (SRS, por sus siglas en inglés), donde a los estudiantes se les proporciona un pequeño dispositivo llamado "Clicker" que utilizan para dar retroalimentación a los maestros sobre qué tan bien entienden el contenido. Algunas escuelas utilizan computadoras portátiles de bajo costo, como Chromebooks, que permiten a los estudiantes brindar comentarios al maestro mediante la web durante la conferencia. Sin embargo, hoy en día se trata de raras excepciones.
Otras escuelas más ambiciosas están utilizando un enfoque de “invertir el aula”. Esto implica que los estudiantes vean una conferencia pregrabada y luego utilicen el aula para hacer preguntas. Los profesores que utilizan sitios como Khan Academy a menudo han mostrado buenos resultados. Una diferencia clave es que los estudiantes que tienen dificultades con el material pueden volver a ver las conferencias hasta que comprendan bien los conceptos.
A pesar de todos los intentos de utilizar SRS y aulas invertidas, las cosas han cambiado muy poco desde la época de Sócrates en el año 400 a.C. ¡Pero todo esto está a punto de cambiar!
Cómo ChatGPT crea planes de lecciones personalizados hoy
Hoy en día, menos de un tercio de los profesores con los que trabajo están tomando conciencia del poder de la IA generativa en el aula. A muchos profesores les molesta que la IA generativa pueda ayudar a los estudiantes a generar texto para ayudarles en su escritura. Y existen preocupaciones éticas sobre si el escrito es un trabajo original. Pero la mayoría de los profesores aceptarán estas herramientas tal como aceptaron las calculadoras y los correctores ortográficos en el pasado. Sí, tendrán que cambiar la forma en que enseñan y no podrán asumir que los estudiantes no usan IA generativa en casa. Pero no podemos ni debemos prohibir el uso de la tecnología para acelerar el aprendizaje. Nuestros profesores y currículo necesitan adaptarse a los tiempos. Y necesitamos financiación y un esfuerzo masivo de voluntarios para ayudarlos.
¿Cómo funciona esto? Hoy en día, cualquier profesor con acceso a Internet puede utilizar una herramienta como ChatGPT de OpenAI o Anthropic Claude para generar planes de lecciones simples. Le asignan un área temática, un tema, un nivel de grado y otros criterios que necesitan, como el tiempo de la lección y los recursos a los que tienen acceso los estudiantes. Escribí blogs sobre esto en septiembre de 2020 . Cada pocos meses, las herramientas se vuelven más poderosas. Hoy en día, los métodos que describí en 2020 están mejorando y tienen nombres como “Enriquecimiento rápido” y “RAG” (sí, un nombre terrible).
Aunque generar rápidamente un plan de lección único para un salón de clase ayudará a nuestros maestros sobrecargados de trabajo, no se acerca a las soluciones que están disponibles en la actualidad. Ahora, echemos un vistazo a por qué.
Los problemas de un plan de lección único para todos
La instrucción directa es claramente la forma más “conveniente” para que una escuela establezca su instrucción. Trae personas con conocimientos que pueden crear una plataforma de PowerPoint con viñetas simples. El profesor espera que todos los alumnos puedan aprender al mismo ritmo. Esperan no perder a los estudiantes que aprenden más lentamente y no hacer que la conferencia sea demasiado aburrida para los estudiantes que aprenden rápidamente.
En muchas escuelas, hay un gran enfoque en garantizar que ningún estudiante se quede “dejado atrás”. Este es un tema muy candente porque hace que los administradores escolares centren sus recursos en los estudiantes que necesitan más ayuda. Esto quita recursos a los estudiantes talentosos y superdotados. Y nunca hay suficientes recursos en la mayoría de los distritos escolares.
Como resultado, los profesores se ven obligados a elaborar planes de lecciones dirigidos a los alumnos más lentos de cada aula. Y cuanto más diversa sea una clase en términos de tasas de aprendizaje, más amplia será la curva de campana. A veces, los estudiantes que se ven más afectados son los que tienen mayor potencial. En lugar de ser desafiados e inspirados para esforzarse más, aprenden que la educación es un proceso lento y doloroso y que las escuelas no se preocupan por sus necesidades. Ésta es una de las mayores tragedias que la IA generativa puede prevenir.
Cuando dibujamos la curva de Bell de las tasas de aprendizaje, es una buena primera aproximación de lo que sucede en el aula. Pero, en verdad, ubicar a todos nuestros estudiantes en una única dimensión lineal de tasa de aprendizaje no es un modelo preciso del mundo. En realidad, algunos estudiantes tienen una mejor experiencia a la hora de aprender un nuevo concepto y algunos pueden comprender los problemas matemáticos rápidamente, mientras que los hablantes no nativos de inglés pueden tener problemas para comprender el inglés. La verdad es que cada estudiante es diferente y todos aprenden conceptos diferentes a un ritmo diferente. En el mundo real, no existe una única dimensión para las tasas de aprendizaje. Pero no tenemos gráficos de 10 dimensiones para mostrar cómo funciona realmente. Lo siento.
Sin embargo, tenemos herramientas para abordar esta increíble y maravillosa diversidad. Contamos con IA generativa que puede personalizar un plan de lección en función de los antecedentes y el historial de aprendizaje de cada persona. Si está familiarizado con la IA generativa, sabrá que si puede incluir este historial de aprendizaje en un mensaje, el plan de lección resultante se puede personalizar según las necesidades del estudiante. Ahora, la pregunta que tenemos ante nosotros es: ¿de dónde obtenemos este conocimiento para enriquecer las indicaciones que alimentamos a nuestro modelo de lenguaje grande?
Flujos de trabajo de hiperpersonalización
El diagrama anterior es una imagen de alto nivel de cómo se pueden generar planes de lecciones personalizados.
En el lado izquierdo del diagrama anterior, vemos que necesitamos obtener un historial de aprendizaje del Sistema de gestión de aprendizaje. Esto podría ser algo tan simple como los resultados del último cuestionario del estudiante o tan complicado como un informe generado por IA que preste atención a todos los elementos correctos del historial de un estudiante, incluidos lo que le gusta, lo que no le gusta, sus objetivos y sus intereses. Si tenemos demasiada información en el LMS, entonces se puede utilizar una IA generativa para resumir los hechos clave del historial de aprendizaje.
Luego combinamos el plan de lección estándar con el resumen y lo reintroducimos en el modelo de lenguaje grande como ChatGPT. Con la indicación adecuada, el plan de lección se adaptará a las necesidades del estudiante. El resultado puede incluir lecturas, ejercicios, simulaciones y cuestionarios. Incluso podría intentar aplicar la lección a una pregunta que surgió en el pasado a partir de la historia del aprendizaje.
En el mundo ideal, el maestro revisaría la precisión del nuevo plan de lección. Los profesores podrían hacer cambios y proporcionar comentarios que se utilizarían para hacer más preciso el plan de la próxima lección.
Por qué los sistemas LMS tradicionales no logran generar planes de lecciones personalizados
Hoy en día, la mayoría de los sistemas LMS están diseñados en torno a bases de datos relacionales antiguas y no escalables. Estas bases de datos sufren el legado de que sus estructuras de datos centrales están impulsadas por lo que podría almacenarse en tarjetas perforadas, archivos planos o tablas. Se centran en transacciones en tablas y en generar informes como "¿Cuál fue la puntuación promedio en el cuestionario de la semana pasada?" o "¿Cuál fue la pregunta que con mayor frecuencia fue incorrecta?"
Sin embargo, la mayoría de los sistemas LMS actuales no tienen herramientas para comparar automáticamente contenido no estructurado con palabras y conceptos similares. No pueden generar fácilmente incrustaciones de representación gráfica para estudiantes, profesores, cursos, contenido, planes de lecciones, preguntas o evaluaciones. Ni siquiera pueden decirnos qué diapositivas de un plan de estudios son las más similares. Esto nos obliga a duplicar contenido constantemente. Sin estas incorporaciones, no pueden comparar elementos fácilmente y no pueden hacer recomendaciones basadas en el historial anterior. No se construyen utilizando gráficos de conocimiento modernos y no pueden aprovechar fácilmente los avances en la IA generativa.
En el pasado, comparar contenido y encontrar contenido similar no era difícil. Los sistemas LMS tenían muy poco contenido y todo lo que necesitaba eran etiquetas de metadatos simples y búsquedas de palabras clave. Pero la IA generativa va a cambiar todo eso gracias a su capacidad de generar grandes cantidades de contenido de alta calidad.
La próxima avalancha de MicroSims de bajo costo y fáciles de personalizar
Durante los últimos meses, he estado trabajando con un grupo visionario de tecnólogos y educadores que enseñan a profesores (y estudiantes) cómo construir MicroSims . Éste fue un término acuñado por mi colega Valerie Lockhart este año. En el centro de MicroSims hay un proceso de diseño que asocia a educadores y estudiantes con herramientas de inteligencia artificial generativa para generar simulaciones que sean útiles para un salón de clases. Un elemento central de este proceso es el hecho de que la IA generativa no solo genera el primer paso de un MicroSim. Puedes modificar continuamente tus MicroSims u otros MicroSims.
Aunque el concepto de utilizar ChatGPT-4 para generar código no es nuevo, lo que sí es nuevo es cómo se combina con marcos como p5.js. P5 es una variante moderna del potente lenguaje de procesamiento que existe desde hace más de 20 años. Ya hay decenas de miles de simulaciones de código abierto disponibles. ¡Y parece que ChatGPT ha sido entrenado para todos ellos! Sólo un simple mensaje de "generar un boceto p5.js de una pelota rebotando" es todo lo que necesita para comenzar .
Lo que falta hoy son GPT ajustados solo para generar interfaces de usuario de alta calidad completas con controles deslizantes que también tengan etiquetas y valores. Estamos trabajando en ese proyecto ahora y esperamos que cualquiera que quiera ayudarnos a crear muestras seleccionadas de alta calidad.
Después de eso, procederemos a almacenar estos pares de indicaciones/resultados en un gráfico de conocimiento con un índice de conceptos para que las indicaciones puedan enriquecerse con MicroSims similares. Sólo necesitamos algunos voluntarios y unos pocos millones de dólares para crear una prueba de concepto. Háganos saber si tiene ideas sobre quién podría financiar esto.
Resumen
Para ayudarnos a alejarnos del modelo de instrucción directa hacia la hiperpersonalización, debemos romper con el pasado. Necesitamos sistemas modernos de gestión del aprendizaje que estén estrechamente vinculados con gráficos de conocimiento e integren IA generativa. Necesitamos grandes cantidades de MicroSims fáciles de personalizar para permitir a los profesores liberarse de la monotonía de crear planes de lecciones. Los nuevos gráficos LMS y MicroSims pueden centrarse en ayudar a facilitar el movimiento hacia el aprendizaje basado en proyectos y lograr que los estudiantes construyan cosas juntos. ¡Ahí es cuando nuestros sistemas educativos realmente empezarán a despegar!
No hay comentarios:
Publicar un comentario