La Inteligencia Artificial Generativa y la Personalización del Aprendizaje

 La Inteligencia Artificial Generativa y la Personalización del Aprendizaje

Mg. en Ing. Carlos Gerardo Said 



La inteligencia artificial generativa (IAGEN) es un tipo de inteligencia artificial (IA) especializada en el análisis de contenidos existentes y la creación de contenidos nuevos,

Supone una especialización respecto a la lA tradicional, que se ha centrado normalmente en la toma de decisiones basadas en entradas específicas. Por ejemplo, mientras que esta última puede sugerir un curso en función de las preferencias de un usuario, la IAGEN puede generar los contenidos de un curso (imágenes, documentación, presentaciones, etc.). Este proceso se suele realizar a partir de descripciones en lenguaje natural que, dependiendo del resultado obtenido, deberán ser posteriormente revisadas y re-elaboradas.

Los avances significativos en algunas técnicas de inteligencia artificial, como las redes neuronales y las redes generativas adversarias, junto a un aumento de la potencia de cálculo especialmente con GPUs (Unidades de Procesamiento Gráfico) y TPUs (Unidades de Procesamiento de Tensor) y la mayor disponibilidad de datos, han acelerado la evolución de la IAGEN en los últimos años.

Además, la aparición de los transformadores generativos preentrenados como GPT que pueden generar texto coherente y relevante en diversos contextos, han extendido las capacidades de la IAGEN hasta convertirla en una herramienta valiosa en diversos campos, incluida la educación.

En la Universidad actual, marcada por la digitalización y la globalización, la enseñanza y el aprendizaje han evolucionado a un modelo centrado en el estudiante.

El fomento del aprendizaje activo junto a enfoques personalizados y colaborativos, así como el aprendizaje a lo largo de la vida, serán posiblemente  la norma en un mundo en cambio.

La  IAGEN puede tener un impacto en muchas áreas de la universidad, por ejemplo apoyar y mejorar las dinámicas de enseñanza-aprendizaje, personalizando el contenido y los métodos de enseñanza, facilitando el aprendizaje colaborativo y proporcionando recursos para el aprendizaje autodirigido.

Además de lo anterior, la IAGEN también puede mejorar la interacción entre estudiantes y docentes. Por ejemplo, puede ofrecer respuestas a las consultas de los estudiantes fuera del horario de atención del docente, generar contenido de aprendizaje personalizado, ayudar a enriquecer y dinamizar el trabajo en grupo y proporcionar retroalimentación y recursos educativos personalizados.

Puede ser un disparador para la transformación del rol del docente.

La IAGEN puede ayudar al profesorado a dedicar menos tiempo a tareas repetitivas, como la calificación y la preparación de los materiales, dejándole más tiempo para centrarse en guiar a los estudiantes, facilitar discusiones y tener un papel activo en el diseño de experiencias de aprendizaje y la evaluación del progreso de los estudiantes.

Estos son ejemplos de cómo la IAGEN puede impactar en el contexto docente de las instituciones de educación superior. 

Es  relevante señalar que la implementación de la IAGEN en la docencia requiere el desarrollo y estímulo del espíritu crítico frente a los resultados que obtenemos y debe considerar aspectos éticos, de privacidad y de equidad para asegurar que sus beneficios sean accesibles para todo el estudiantado.

 

Personalización del aprendizaje

A continuación, presento oportunidades que entiendo que presenta la IAGEN para la docencia universitaria y que, para que sean una realidad, deberemos tener en cuenta los distintos desafíos en su implementación y aspectos éticos.

Debemos ser conscientes que la información que ofrece puede no ser precisa, contener sesgos, o no respetar aspectos de propiedad intelectual.

Focalizando en el estudiantado, pueden actuar como tutores de los estudiantes resolviendo sus dudas o dando consejos sobre cómo resolver determinadas tareas. Pueden también generar material formativo tanto focalizado en el desarrollo de contenidos como en la generación de material de autoevaluación.

• Proporcionar explicaciones alternativas. 

• Generar a los estudiantes comentarios personalizados sobre su trabajo. 

• Dar ejemplos centrados en los intereses específicos de cada estudiante.

• Presentar desafíos en el  aprendizaje al nivel adecuado de cada uno.

• Generar contenidos o adaptarlos para ofrecer a la diversidad de estudiantes con problemas visuales, auditivos.

• Seleccionar el idioma del material generado, permitiendo un mayor uso y reaprovechamiento de contenidos.

Esta personalización puede ayudar al estudiante a mantener su interés y comprensión de conceptos, así como mejorar el desarrollo de habilidades.

Esta personalización del camino de aprendizaje del estudiante puede estar basada en las preferencias de los estudiantes y/o en sus debilidades o en los fallos que ha cometido.

Comments

Popular posts from this blog

IBM goes big to keep quantum computers cold

IBM - avances en mantener adecuadamente fríos computadores cuánticos.

Estructura multinivel de los sistemas de agentes de IA