La inteligencia artificial ya está en las aulas universitarias: muchos profesores utilizan herramientas de este tipo para preparar clases, diseñar actividades o resolver dudas. También se utilizan para redactar las tareas de los estudiantes. En el día a día, este uso implica tomar decisiones no sólo técnicas, sino también éticas, y que afectan a grandes grupos y perfiles muy diferentes.
Varios estudios e informes recientes han analizado las principales tensiones en el uso de la inteligencia artificial generativa en el aula, tanto por parte de estudiantes como de profesores.
En consecuencia, para mi tesis doctoral investigué las percepciones de varios profesores universitarios competentes en esta tecnología sobre este tipo de decisiones y cómo las afectan en su vida diaria. Tanto las investigaciones anteriores como las conclusiones de mis conversaciones plantean tres dilemas clave que explican por qué la tecnología no produce los mismos resultados en todas partes.
1. Velocidad vs. capital
La inteligencia artificial es rápida. Resume textos, escribe esquemas y crea preguntas en segundos. Puede ahorrar mucho tiempo. Eso parece una ventaja obvia. Si esta velocidad no va acompañada de instrucciones claras, algunos estudiantes harán preguntas precisas y revisarán lo que obtuvieron, pero otros aceptarán el primer resultado sin verificar. Por tanto, los estudiantes más avanzados, o aquellos que ya dominan estas herramientas, tienen ventaja. Aquellos que no entienden pueden depender completamente del sistema o entregar textos que no entienden.
Proteger la equidad requiere aprender a hacer preguntas, a verificar la información y a detectar errores. También requiere establecer límites claros. Sin tales directrices, la IA puede aumentar las desigualdades, como advierte la OCDE en su informe sobre IA, Equidad e Inclusión.
Además: cuanto más confiamos en la IA, menos aprendemos de ella
2. Personalización versus privacidad
Otra promesa es el aprendizaje “personalizado”. La IA puede recomendar contenidos o ajustar ejercicios según el ritmo de cada alumno. Esto puede ayudar a quienes necesitan apoyo adicional.
Pero para hacer eso, necesitas datos. Registra tiempos, respuestas y patrones de uso. En algunos casos, incluso analiza la forma de escribir o resolver problemas.
Aquí surge una tensión particular: cuanto más personalizada es la ayuda que ofrece la IA, más información necesita recopilar sobre el estudiante. Por tanto, el problema es definir qué datos son realmente necesarios, con qué fines se utilizan, quién puede acceder a ellos y durante cuánto tiempo se almacenan, como indican las directrices éticas de la Comisión Europea para los educadores.
En muchos centros no existen normas claras al respecto. El docente debe decidir si utiliza una herramienta externa o limita la información compartida. Puede optar por no ingresar datos confidenciales o desactivar funciones que recopilan más información.
La innovación avanza rápido. La protección de datos lo hace más lento. El dilema no es elegir entre innovar o no innovar. Es una decisión de cuántos datos estamos dispuestos a proporcionar para mejorar el aprendizaje. Cada configuración “personalizada” deja un rastro digital.
Teniendo esto en cuenta, una acción sensata sería aplicar los principios de minimización de datos: utilizar sólo información estrictamente necesaria, evitar introducir datos sensibles o identificables de los estudiantes a herramientas externas, informar claramente del uso de estas plataformas y priorizar, cuando sea posible, soluciones institucionales con garantías de protección de datos, tal y como recomienda la Oficina del Comisionado de Información (ICO) del Reino Unido.
3. Automatización versus criterios comunes
Juzgar es un campo delicado. La IA puede detectar similitudes, sugerir comentarios o sugerir una nota inicial. También puede ayudar al estudiante a mejorar su escritura antes de enviarla. Entonces surgen dos preguntas. ¿Qué debes hacer si sospechas que se ha preparado un trabajo con esta herramienta? ¿Es apropiado utilizarlo para la evaluación?
Más allá del dilema mencionado anteriormente (que cuando se utilizan plataformas externas, los datos de los estudiantes se comparten e incluso una tarea simple puede almacenarse fuera de la universidad), la delegación a un sistema automatizado puede reducir el juicio de los docentes si no se establecen marcos compartidos que salvaguarden el juicio profesional, como advierte una investigación reciente sobre integridad académica y ChatGPT. No todos los sistemas explican cómo funcionan. Tampoco reaccionan igual ante todos los temas.
Algunos profesores cambian sus actividades. Piden explicar el proceso que siguió el alumno o defender el trabajo en voz alta. Otros piden reglas claras sobre cuándo y cómo utilizar la IA en la evaluación. Sin criterios comunes, cada aula funciona según estándares diferentes. Crea incertidumbre.
Lea también: Seis pasos para integrar la IA en las aulas universitarias
Más allá de las capacidades individuales
Estos dilemas muestran que el debate no se resuelve únicamente con más formación digital. Incluso los profesores experimentados reconocen que todavía existen tensiones.
La IA puede mejorar el aprendizaje y abrir nuevas oportunidades. Pero también puede ampliar las desigualdades, aumentar el uso de datos personales y automatizar decisiones que requieren juicio humano.
Leer más: Cuatro formas de experimentar con inteligencia artificial en el aula universitaria
Si la tecnología ya forma parte de la educación superior, el siguiente paso es crear reglas claras sobre la equidad en el uso, la protección de datos y los límites de la automatización, como recomienda la UNESCO. De lo contrario, los dilemas estructurales seguirán resolviéndose, día tras día, en la soledad del aula.
Descubre más desde USA TODAY NEWS INDEPENDENT PRESS US
Suscríbete y recibe las últimas entradas en tu correo electrónico.
Spanish 