Definición
Es un campo de investigación y de práctica que diseña, construye y evalúa sistemas de inteligencia artificial para apoyar el aprendizaje, la enseñanza y la gestión educativa. Nació en los años setenta, cuando se empezó a aplicar la IA a los programas de enseñanza por ordenador, y reúne desde entonces a informáticos, psicólogos cognitivos, pedagogos y científicos sociales. La IA generativa es su capítulo más reciente, no su comienzo.
Desliza el esquema para verlo entero.
Mucho antes de ChatGPT
La idea de una máquina que enseña a cada estudiante a su ritmo es casi un siglo anterior a los chatbots. Las máquinas de enseñar de Pressey (años veinte) y Skinner (años cincuenta) ya buscaban lo mismo: adaptar la práctica y dar respuesta inmediata. Lo que añadió la IA en los setenta fue que el programa «supiera» algo de la materia y del estudiante, en lugar de seguir un guion fijo.
Desde entonces el campo ha tenido una comunidad estable, con su propia sociedad científica, congresos anuales y una revista de referencia, el International Journal of Artificial Intelligence in Education. Buena parte de lo que hoy se anuncia como nuevo (tutores personalizados, retroalimentación inmediata, rutas adaptativas) lleva décadas estudiándose, con resultados que conviene conocer.
Tres formas de entender el papel de la IA
Ouyang y Jiao (2021) ordenan la evolución del campo en tres paradigmas, que hoy conviven:
- IA que dirige
- El sistema decide qué y cómo aprende el estudiante, que recibe la instrucción. Es el modelo de los primeros tutores.
- IA que apoya
- El estudiante colabora con el sistema, que le acompaña y le devuelve información sobre su progreso.
- IA que empodera
- El estudiante lleva la iniciativa y usa la IA para ampliar lo que puede hacer, con control sobre su propio aprendizaje.
Por qué importa en la universidad
- Separa lo probado de lo prometido. Hay décadas de estudios sobre qué funciona y qué no, que el mercado rara vez cita.
- Evita reinventar. Muchas «novedades» ya se probaron. Conocer sus resultados ahorra errores.
- Da un vocabulario común. Permite hablar con precisión con informáticos, gestores y proveedores.
- Pone la pedagogía primero. El campo nació preguntando cómo se aprende, antes que qué puede hacer la máquina.
Un poco de historia
Cómo se ha llegado hasta aquí
De las máquinas de enseñar a la IA generativa: los hitos que explican el campo.
Años 20
Las máquinas de Pressey
Sidney Pressey construye aparatos que plantean preguntas, corrigen al momento y no avanzan hasta que se acierta.
1958
Skinner y la enseñanza programada
B. F. Skinner defiende en Science las máquinas de enseñar: pequeños pasos, respuesta inmediata y ritmo propio.
1960
PLATO
La Universidad de Illinois pone en marcha PLATO, el gran sistema de enseñanza asistida por ordenador, con miles de terminales en décadas posteriores.
1970
SCHOLAR
Jaime Carbonell presenta SCHOLAR, un tutor de geografía que dialoga con el estudiante y razona sobre lo que sabe. Suele considerarse el inicio de la AIEd.
1984
El problema de las dos sigmas
Benjamin Bloom muestra que la tutoría individual rinde mucho más que la clase en grupo. Reproducir ese efecto se convierte en la gran meta del campo.
Años 80 y 90
Tutores inteligentes
Se consolidan los tutores cognitivos de Carnegie Mellon para matemáticas, que llegan a miles de aulas, y los modelos del estudiante.
2008-2011
Datos masivos
Nacen las comunidades de minería de datos educativos (2008) y de analíticas de aprendizaje (2011). Los datos de las plataformas pasan al centro.
2012
Los cursos masivos en línea
El auge de los MOOC multiplica los datos disponibles y la escala a la que se prueban sistemas adaptativos.
2019
Consenso de Pekín
La UNESCO aprueba el primer documento internacional sobre IA y educación, con la equidad y el papel del docente en primer plano.
2022-2023
IA generativa
La llegada de ChatGPT pone la IA en manos de todo el alumnado. La UNESCO publica en 2023 su guía sobre IA generativa en educación e investigación.
2024
Regulación
El Reglamento europeo de IA clasifica como de alto riesgo varios usos educativos: admisión, evaluación y vigilancia de exámenes.
Ejemplos en el aula
Revisar una propuesta de compra
Buscar qué dice la investigación sobre ese tipo de sistema antes de adoptarlo.
Diseñar una asignatura
Decidir qué parte del curso es aprender con IA y qué parte es aprender sobre ella.
Situar el paradigma
Preguntarse si la herramienta dirige, apoya o da el control al estudiante.
Para saber más
Lecturas recomendadas
- McCalla, G. (2023). The history of artificial intelligence in education: The first quarter century. En B. du Boulay, A. Mitrovic y K. Yacef (Eds.), Handbook of Artificial Intelligence in Education (pp. 10-29). Edward Elgar.La mejor síntesis de los orígenes del campo.
- Ouyang, F., y Jiao, P. (2021). Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 2, 100020.
- Holmes, W., Bialik, M., y Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.