Un estudio reciente exploró cómo responden los estudiantes a la asistencia impulsada por IA en el contexto de la retroalimentación de los compañeros y su impacto en su capacidad de autorregular su aprendizaje. Los investigadores descubrieron que, si bien las herramientas de IA mejoraron la calidad de la retroalimentación de los estudiantes, existía una tendencia por parte de los estudiantes a confiar en estos sistemas en lugar de aprender de ellos. Cuando se eliminó la asistencia de IA, la calidad de la retroalimentación de los estudiantes disminuyó a menos que estuviera respaldada por estrategias de autorregulación como listas de verificación. La investigación se publicó en Computers & Education.
En los últimos años hemos presenciado un rápido desarrollo de las tecnologías de inteligencia artificial (IA) y su rápida integración en diversos aspectos de la vida y el trabajo. Se puede afirmar que la aparición de las tecnologías de IA está cambiando profundamente la forma en que los seres humanos obtienen información, cómo trabajan y cómo viven.
Una de las áreas particularmente afectadas por la IA es la educación. Las tecnologías educativas impulsadas por IA (AI-EdTech) se utilizan cada vez más para automatizar y respaldar el aprendizaje sugiriendo recursos de aprendizaje personalizados, brindando retroalimentación sobre el trabajo de los estudiantes, recordándoles las fechas límite próximas e incluso adaptando la instrucción a las necesidades de cada estudiante.
Sin embargo, existe la duda de si los sistemas de IA apoyarán la capacidad de los estudiantes para organizar y regular su propio aprendizaje o si los estudiantes se volverán dependientes de la IA, reduciendo su propia autorregulación.
El autor del estudio, Ali Darvishi, y sus colegas intentaron investigar los efectos de la asistencia de la IA en la autonomía de los estudiantes cuando trabajaban en la retroalimentación de los compañeros. Querían saber si la IA, empleada para supervisar la calidad de la retroalimentación de los compañeros, ayuda a los estudiantes a desarrollar la capacidad de proporcionar una retroalimentación eficaz sin depender de la asistencia de la IA.
Para llevar a cabo el estudio, los investigadores utilizaron RiPPLE, un sistema de educación adaptativa que implica a los estudiantes en la creación y evaluación de recursos de aprendizaje. Los recursos creados por los estudiantes deben pasar por un proceso de revisión, que es realizado por otros estudiantes asignados a esta tarea por el sistema. Los revisores califican el recurso en función de varias características, brindan retroalimentación al autor y le comunican su confianza en las calificaciones. Si hay un instructor disponible, el sistema le asigna recursos que podrían beneficiarse de una revisión experta, y estas revisiones son definitivas.
Recientemente, se han añadido herramientas de inteligencia artificial a este sistema para evaluar y mejorar la calidad de la retroalimentación que brindan los estudiantes. Estas herramientas de inteligencia artificial analizan la retroalimentación en busca de características importantes y, si la retroalimentación es deficiente, brindan indicaciones para alentar a los estudiantes a mejorarla.
Los participantes del estudio fueron estudiantes matriculados en 10 cursos que utilizaron RiPPLE durante el segundo semestre de 2020, cubriendo varias disciplinas. El experimento duró ocho semanas. En las primeras cuatro semanas, todos los estudiantes recibieron indicaciones de IA al escribir comentarios. Durante las siguientes cuatro semanas, los investigadores los dividieron aleatoriamente en cuatro grupos. Un grupo continuó recibiendo asistencia de IA como de costumbre. El segundo grupo no recibió ninguna indicación de IA. En el tercer grupo, las indicaciones de IA fueron reemplazadas por una lista de verificación de autocontrol y un conjunto de pautas en la interfaz de revisión por pares. El cuarto grupo tenía tanto indicaciones de IA como la lista de verificación de autocontrol en su interfaz de revisión por pares.
Durante las segundas cuatro semanas, 1.625 estudiantes enviaron 11.243 revisiones de pares sobre 3.573 recursos en los 10 cursos. Los investigadores rastrearon varios indicadores de calidad de la revisión, como si la revisión estaba marcada como que requería revisión, cuán similar era a los comentarios anteriores de los estudiantes, cuán relevante era para el material revisado, su extensión, cuánto tiempo le tomó al estudiante escribirla y a cuántos otros revisores les gustó la revisión, lo que indica que la encontraron útil.
Los resultados mostraron que, en las segundas cuatro semanas, los estudiantes que trabajaron sin la ayuda de la IA produjeron reseñas mucho peores que los que trabajaron con ella. Sus reseñas fueron marcadas con más frecuencia, eran más similares a sus textos anteriores y eran menos relevantes para los materiales. Las reseñas también fueron más cortas, aunque el tiempo dedicado a escribirlas no fue significativamente menor que el tiempo invertido por el grupo asistido por IA.
El grupo que trabajó con listas de verificación de autocontrol en lugar de asistencia de IA produjo críticas igualmente malas. Sus comentarios fueron peores que los del grupo que utilizó asistencia de IA. Curiosamente, el grupo que tuvo acceso tanto a la asistencia de IA como a las listas de verificación de autocontrol no mostró ninguna mejora en la calidad de sus revisiones en comparación con el grupo que utilizó solo la asistencia de IA.
“Nuestro estudio demostró que la integración de la IA en los entornos de aprendizaje podría influir en la capacidad de los estudiantes para tomar el control de su propio aprendizaje”, concluyeron los autores del estudio. “A través de un experimento controlado aleatorio, descubrimos que, si bien los estudiantes pueden autorregular eficazmente su aprendizaje con la ayuda de la IA, eliminar este apoyo cambiaría significativamente su desempeño”.
“Si bien el enfoque híbrido humano-IA en el grupo SAI (el grupo que utilizó tanto la asistencia de IA como las listas de verificación de autocontrol) tuvo el desempeño promedio más alto entre los otros grupos, su mejora no fue significativa en comparación con el enfoque solo de IA. Estos hallazgos sugieren que, a medida que la IA se vuelve más frecuente en la educación, es importante considerar el papel que desempeña en la conformación de la autonomía de los estudiantes. Existe una creciente conciencia de los riesgos de externalizar el aprendizaje autorregulado a la tecnología, lo que puede impedir el crecimiento cognitivo y metacognitivo de los estudiantes”.
El estudio arroja luz sobre cómo la asistencia de IA afecta la forma en que los estudiantes revisan los recursos de aprendizaje. Sin embargo, se podría argumentar que escribir revisiones de recursos de aprendizaje por pares puede no representar completamente las actividades de aprendizaje más amplias de los estudiantes, y los resultados podrían diferir si se examinaran otros tipos de tareas de aprendizaje.
Fuente: Computers & Education
Articulo original:
Título: “Impact of AI assistance on student agency,”
Autores: Ali Darvishi, Hassan Khosravi, Shazia Sadiq, Dragan Gašević y George Siemens.