¿Charlamos un minuto?
Cuando decidí abrir este newsletter programé una serie de temas sobre los que quería escribir y no me imaginé que, a poco de andar con el primer número, tantas cosas iban a desbaratarme los planes. Así que, aunque voy a cumplir mi promesa del mes anterior, esta es la última vez que prometo tema para el próximo: de acá en más, dejo que vayan llegando espontáneamente.
Pero vamos a lo nuestro.
Cuando decidí abrir este newsletter programé una serie de temas sobre los que quería escribir y no me imaginé que, a poco de andar con el primer número, tantas cosas iban a desbaratarme los planes. Así que, aunque voy a cumplir mi promesa del mes anterior, esta es la última vez que prometo tema para el próximo: de acá en más, dejo que vayan llegando espontáneamente.
Pero vamos a lo nuestro.
El mes pasado te conté que aprender a promptear me había costado bastante. Pero no te conté que esa dificultad tuvo una consecuencia bastante más interesante que aprender, finalmente, a escribir un buen prompt.
Como a mí no me salía, empecé a mirar qué hacía mi equipo de investigación. Miraba los prompts que escribían, pero sobre todo las respuestas que obtenían. Y ahí hubo algo que empezó a llamarme la atención: la IA tomaba decisiones sobre cómo enseñar aun cuando nadie le había indicado cómo hacerlo.
Si le pedíamos que diseñara una actividad, por ejemplo, no solo resolvía la consigna. Decidía qué lugar debía ocupar el docente, qué tenía que hacer el estudiante, cómo debía organizarse el aprendizaje. Había una concepción de la enseñanza ahí adentro que nosotros no habíamos puesto.
A eso empecé a llamarlo sesgo pedagógico1.
Desde la aparición de la IA se habló mucho de otra clase de sesgos: de género, de clase, étnicos. Pero bastante menos de los sesgos epistemológicos: las concepciones implícitas en los modelos acerca de qué es el conocimiento y cómo se produce.
En el caso del sesgo pedagógico, lo que aparece son concepciones implícitas acerca de cómo se aprende y cómo se enseña.
Dicho en criollo: estos modelos fueron entrenados desde un posicionamiento respecto de dos preguntas: ¿cómo aprenden las personas? Y, en consecuencia, ¿cómo tenemos que enseñarles algo que no saben?
Vos podrías pensar que ese posicionamiento no tiene nada de malo. Que incluso puede ser beneficioso que los modelos ya tengan esas respuestas incorporadas.
El problema es que no sabemos que están ahí.
Los modelos de lenguaje son cajas negras sobre las que, deliberadamente, sabemos muy poco. Y, al mismo tiempo, desde los discursos de las Big Tech —y sus múltiples actores— y de los organismos internacionales que hablan de las ventajas de incluir la IA en los sistemas educativos, esas concepciones permanecen invisibles. Como vimos en la edición anterior, eso alimenta el imaginario de neutralidad.
Pero hay algo todavía más importante: cuando observamos qué tipo de actividades de aprendizaje diseñan los modelos por default, aparece un patrón bastante claro. Predominan la instrucción directa y las actividades centradas en la memorización. Es decir, una concepción de la enseñanza y el aprendizaje fuertemente vinculada al conductismo: aprender como entrenamiento y enseñar como estímulo.
Veamos un ejemplo: la personalización del aprendizaje.
Es uno de los principales argumentos con los que se enuncian las ventajas de la inclusión de IA en educación. Pero detrás de esa palabra pueden esconderse cosas bastante diferentes.
Los docentes suelen interpretarla como la posibilidad de ofrecer, por medio de la IA, adaptaciones a diferentes estilos de aprendizaje. Y ahí hay un problema real al que responder: aulas cada vez más diversas y un único docente con muy poca formación en neurodiversidad e inclusión.
Sin embargo, cuando desde el desarrollo tecnológico se habla de “personalización”, se está hablando de otra cosa: de la capacidad de un sistema de hacer adaptaciones por usuario controlando no los estilos de aprendizaje sino el ritmo de la complejidad.
¿O sea?
Duolingonizar la educación.
Para que un sistema pueda decidir qué darle a cada estudiante a continuación, necesita convertir el aprendizaje en una secuencia de pasos graduados, observables y predecibles. Y la clave para poder hacerlo es estandarizar el proceso de aprendizaje.
Es decir: prácticamente lo opuesto a aquello que resolvería el problema real que los docentes creen que la palabra “personalización” está nombrando.
Como ves, otra vez la IA y la trampa de las palabras.
Y esto no es solo una intuición mía. Chen2 y su equipo estudiaron lo que ellos mismos denominan sesgos pedagógicos: las creencias implícitas o explícitas acerca de cómo deben organizarse la enseñanza y el aprendizaje. Al analizar noventa planes de clase generados con distintos sistemas de IA, encontraron baja agencia estudiantil, predominio de propuestas centradas en el docente y actividades basadas en la repetición estructurada, con poco espacio para la discusión y prácticamente ninguno para el diálogo profundo.
Pero hay una consecuencia de todo esto que me preocupa especialmente.
Si en los países los documentos curriculares —o los planes de estudio en las carreras universitarias— ordenan los contenidos, su graduación y las perspectivas sobre la enseñanza, el uso de IA puede entrar directamente en contradicción con los lineamientos que un país o una institución han decidido sostener.
Porque la IA no entra vacía a la educación.
Entra con sus propias concepciones sobre cómo se aprende, cómo se enseña, qué debe hacer un docente y qué lugar corresponde a un estudiante. Y, mientras ese sesgo pedagógico permanezca invisibilizado, esas perspectivas pueden terminar imponiéndose sin siquiera haber sido discutidas.
Ahora bien, acá el problema se complica.
Hay una máxima no escrita que me gusta mucho: las tecnologías, por más nuevas que sean, ponen en el centro de la escena los viejos problemas educativos.
Y este es uno de ellos.
Yo puedo decirte cuáles son mis respuestas a esas dos preguntas, no porque sean las mejores ni porque deban ser las tuyas, sino porque pueden ayudarte a pensar las propias.
Creo que el aprendizaje es un proceso social que tiene, indudablemente, aspectos individuales, pero que esos aspectos solo se activan en diálogo con otros. Y cuanto más diversos esos otros, mejores son las condiciones para que el aprendizaje ocurra.
Y creo que enseñar es construir mediaciones en esa diversidad de personas y de conocimientos para que los aprendizajes ocurran.
Por eso, insertar la IA en la educación desde una perspectiva sociohistórica no puede ser simplemente incorporarla a las actividades que ya hacemos. Es ponerla en juego en el marco del diálogo colectivo, convertirla en objeto de exploración y de discusión y, al mismo tiempo, preservar diálogos, escenas y actividades donde los espacios de pensamiento analógico sean estimulados lo suficiente para que, cada vez que nos sentemos a usar la IA, sepamos qué queremos hacer, para qué y qué decisiones no queremos cederle.
Y entonces la pregunta vuelve a nosotros.
¿Vos cómo pensás que aprenden tus estudiantes?
¿Lo tenés en cuenta cuando planificás tus clases?
Porque si nosotros no respondemos esas preguntas, la IA ya tiene respuestas preparadas.
