Gracias a la IA, el análisis y la interpretación de datos están desplazando a la programación

En medio de todo esto, el auge de la IA deja a los profesores en una posición difícil. Intentan preparar a los alumnos para un futuro definido por el aprendizaje automático y, al mismo tiempo, gestionar la facilidad con la que esas mismas herramientas pueden cortocircuitar el proceso de aprendizaje.

Sin embargo, Rubenstein cree que la inteligencia artificial podría convertirse en una auténtica aliada de los educadores STEM, no en un sustituto. Se imagina aulas en las que los algoritmos ayuden a los profesores a identificar qué alumnos comprenden un concepto y cuáles necesitan más tiempo, o a sugerir proyectos de datos alineados con los intereses de un alumno en particular; en otras palabras, formas de hacer que el aprendizaje sea más individualizado y aplicado.

Un nuevo tipo de alfabetización

Es parte del mismo cambio que ha observado en sus alumnos: un giro hacia el aprendizaje de cómo interpretar y utilizar la tecnología, no solo construirla. Otros educadores están empezando a pensar de forma similar, explorando cómo las herramientas de IA pueden reforzar la alfabetización de datos o ampliar el acceso a la enseñanza personalizada de STEM.

En la Universidad de Georgia, el investigador en educación científica Xiaoming Zhai ya está probando cómo podría ser. Su equipo construye lo que él denomina “sistemas multiagente para el aula”: asistentes de IA que interactúan con profesores y alumnos para modelar el proceso de investigación científica.

Los proyectos de Zhai ponen a prueba un nuevo tipo de alfabetización: no solo cómo utilizar la IA, sino cómo pensar con ella. El investigador cuenta la historia de un profesor visitante que nunca había escrito una línea de código y, sin embargo, utilizó la IA generativa para construir una simulación científica funcional.

«Se ha bajado la barra de la codificación», resume. «La verdadera habilidad ahora es integrar la IA en tu propia disciplina».

Zhai cree que la IA no debe tratarse como una amalgama de disciplinas STEM, sino como parte de su núcleo. La próxima generación de científicos, afirma, utilizará algoritmos de la misma forma que sus predecesores utilizaban microscopios: para detectar patrones, probar ideas y ampliar los límites de lo que se puede conocer. La codificación ya no es la frontera; la verdadera habilidad consiste en aprender a interpretar la inteligencia de las máquinas y colaborar con ellas. Como presidente de un comité nacional sobre la IA en la enseñanza de las ciencias, Zhai está presionando para que ese cambio sea explícito, instando a las escuelas a enseñar a los estudiantes a aprovechar la precisión de la IA y, al mismo tiempo, a mantenerse alerta ante sus puntos ciegos.

«La IA puede hacer algunos trabajos que los humanos no pueden», manifiesta, «pero también falla estrepitosamente fuera de sus datos de entrenamiento. No queremos estudiantes que piensen que la IA puede hacerlo todo o que le teman por completo. Queremos que la utilicen con responsabilidad».

Ese equilibrio entre fluidez y escepticismo, ambición e identidad, está reescribiendo silenciosamente lo que significa STEM en escuelas como la de Rubenstein. Las clases de informática no están desapareciendo, pero comparten escenario con las asignaturas optativas de medicina forense, los laboratorios de ciencia-ficción y los debates sobre ética de los datos.

«Los estudiantes ya no pueden ver las cosas compartimentadas», reflexiona Rubenstein. «Necesitan múltiples disciplinas para tomar buenas decisiones».

La IA no está por llegar, ya está aquí. Los estudiantes de STEM de hoy no están luchando contra ella; están aprendiendo a leerla, cuestionarla y utilizarla. La nueva habilidad no es codificar la máquina, sino entender su lógica lo suficientemente bien como para dirigirla.

Artículo originalmente publicado en WIRED. Adaptado por Andrea Baranenko.