Una prueba en la que los maestros en formación a quienes se les enseñaba a identificar a los alumnos con posibles dificultades de aprendizaje tenían su trabajo 'marcado' por inteligencia artificial descubrió que el enfoque mejoró significativamente su razonamiento.
El estudio, con 178 profesores en formación en Alemania, fue realizado por un equipo de investigación dirigido por académicos de la Universidad de Cambridge y Ludwig-Maximilians-Universität München LMU Munich. Proporciona algunas de las primeras pruebas de que la inteligencia artificial AI podría mejorar el 'razonamiento de diagnóstico' de los maestros: la capacidad de recopilar y evaluar evidencia sobre un alumno y sacar conclusiones apropiadas para que puedan recibir un apoyo personalizado.
Durante la prueba, se pidió a los alumnos que evaluaran a seis alumnos ficticios 'simulados' con posibles dificultades de aprendizaje. Se les dieron ejemplos de su trabajo escolar, así como otra información, como registros de comportamiento y transcripciones de conversaciones con los padres. Luego tuvieron quedecidir si cada alumno tenía o no dificultades de aprendizaje, como dislexia o trastorno por déficit de atención con hiperactividad TDAH, y explicar su razonamiento.
Inmediatamente después de enviar sus respuestas, la mitad de los alumnos recibió un prototipo de 'solución experta', escrito con anticipación por un profesional calificado, para compararlo con el suyo propio. Este es el material de práctica típico que los estudiantes de magisterio suelen recibir fuera de las clases impartidas.otros recibieron comentarios generados por IA, que destacaron las partes correctas de su solución y señalaron aspectos que podrían haber mejorado.
Después de completar los seis ejercicios preparatorios, los alumnos realizaron dos pruebas de seguimiento similares, esta vez sin ninguna retroalimentación. Los investigadores calificaron las pruebas, quienes evaluaron tanto su "precisión diagnóstica" si los alumnos habían identificado correctamentecasos de dislexia o TDAH, y su razonamiento diagnóstico: qué tan bien habían usado la evidencia disponible para hacer este juicio.
La puntuación promedio para el razonamiento de diagnóstico entre los alumnos que recibieron retroalimentación de IA durante los seis ejercicios preliminares fue aproximadamente 10 puntos porcentuales más alta que aquellos que trabajaron con las soluciones expertas escritas previamente.
La razón de esto puede ser la naturaleza 'adaptativa' de la IA. Debido a que analizó el propio trabajo de los maestros en formación, en lugar de pedirles que lo compararan con una versión experta, los investigadores creen que los comentarios fueron más claros. No hayevidencia, por lo tanto, de que la IA de este tipo mejoraría con la retroalimentación individual de un tutor humano o un mentor de alta calidad, pero los investigadores señalan que un apoyo tan cercano no siempre está disponible para los maestros en formación para la práctica repetida, especialmenteaquellos en cursos más grandes.
El estudio fue parte de un proyecto de investigación dentro de la Asociación Estratégica de Cambridge LMU. La IA se desarrolló con el apoyo de un equipo de la Universidad Técnica de Darmstadt.
Riikka Hofmann, Profesora Asociada de la Facultad de Educación de la Universidad de Cambridge, dijo: "Los docentes desempeñan un papel fundamental en el reconocimiento de los signos de trastornos y dificultades de aprendizaje en los alumnos y en su derivación a especialistas. Desafortunadamente, muchos de ellos también sienten queno han tenido suficiente oportunidad de practicar estas habilidades. El nivel de orientación personalizada que obtienen los maestros en formación en los cursos de alemán es diferente al del Reino Unido, pero en ambos casos es posible que AI pueda proporcionar un nivel adicional de retroalimentación individualizada para ayudarlos a desarrollar estoscompetencias esenciales”.
El Dr. Michael Sailer, de LMU Munich, dijo: "Obviamente, no estamos argumentando que la IA deba reemplazar a los docentes-educadores: los nuevos docentes aún necesitan orientación experta sobre cómo reconocer las dificultades de aprendizaje en primer lugar. Sin embargo, parece queLos comentarios generados por IA ayudaron a estos aprendices a concentrarse en lo que realmente necesitaban aprender. Donde los comentarios personales no están disponibles, podrían ser un sustituto efectivo".
El estudio utilizó un sistema de procesamiento de lenguaje natural: una red neuronal artificial capaz de analizar el lenguaje humano y detectar ciertas frases, ideas, hipótesis o evaluaciones en el texto de los alumnos.
Se creó usando las respuestas de una cohorte anterior de futuros maestros a un ejercicio similar. Al segmentar y codificar estas respuestas, el equipo 'entrenó' al sistema para reconocer la presencia o ausencia de puntos clave en las soluciones proporcionadas poraprendices durante la prueba. Luego, el sistema seleccionó bloques de texto preescritos para brindar a los participantes la retroalimentación adecuada.
Tanto en los ejercicios preparatorios como en las tareas de seguimiento, se pidió a los participantes del ensayo que trabajaran individualmente o se asignaron a parejas seleccionadas al azar. Aquellos que trabajaron solos y recibieron soluciones expertas durante los ejercicios preparatorios obtuvieron, en promedio, 33% por su razonamiento de diagnóstico durante las tareas de seguimiento. Por el contrario, aquellos que habían recibido retroalimentación de IA obtuvieron un puntaje del 43 %. Del mismo modo, el puntaje promedio de los alumnos que trabajaron en parejas fue del 35 % si recibieron la solución experta, pero del 45 % sihabían recibido apoyo de la IA.
La capacitación con la IA no pareció tener un efecto importante en su capacidad para diagnosticar correctamente a los alumnos simulados. En cambio, parece haber marcado una diferencia al ayudar a los maestros a analizar las diversas fuentes de información que se les pedía que leyeran, yproporcionar evidencia específica de posibles dificultades de aprendizaje. Esta es la principal habilidad que la mayoría de los maestros realmente necesitan en el aula: la tarea de diagnosticar a los alumnos recae en los maestros de educación especial, los psicólogos escolares y los profesionales médicos. Los maestros deben poder comunicar y evidenciar sus observaciones.a especialistas cuando tengan inquietudes, para ayudar a los estudiantes a acceder al apoyo adecuado.
Hasta qué punto la IA podría usarse más ampliamente para apoyar las habilidades de razonamiento de los maestros sigue siendo una pregunta abierta, pero el equipo de investigación espera realizar más estudios para explorar los mecanismos que la hicieron efectiva en este caso y evaluar este potencial más amplio.
Frank Fischer, profesor de Educación y Psicología Educativa en LMU Munich, dijo: "En grandes programas de formación, que son bastante comunes en campos como la formación de profesores o la educación médica, el uso de IA para apoyar el aprendizaje basado en simulación podría tener un valor real.Desarrollar e implementar herramientas complejas de procesamiento de lenguaje natural para este propósito requiere tiempo y esfuerzo, pero si ayuda a mejorar las habilidades de razonamiento de futuras cohortes de profesionales, bien puede valer la pena la inversión".
Fuente de la historia:
Materiales proporcionado por Universidad de Cambridge. El texto original de esta historia tiene licencia bajo un Licencia Creative Commons. Nota: el contenido se puede editar por estilo y longitud.
referencia de diario:
Citar esta página:
Explora el últimas investigaciones científicas sobre el sueño y los sueños en este curso gratuito en línea de Nuevo científico-Regístrese ahora >>>
Visita Nuevo científico for more global science stories >>>