Existe un creciente interés en el uso de la inteligencia artificial (IA) en
enseñanza de las ciencias. Muchas cuestiones y preguntas planteadas sobre el papel de la IA en la educación científica apuntan principalmente a objetivos de aprendizaje científico. Se relacionan con la capacidad de la IA para generar herramientas para la enseñanza, el aprendizaje y la evaluación, así como con la
Ventajas y desventajas de utilizar este tipo de herramientas.. Pero otro debate importante que recibe muy poca atención en la educación científica tiene que ver con cómo la IA está transformando la naturaleza de la ciencia (NOS) misma y qué implica esa transformación para la educación de los niños pequeños. Para la educación, es fundamental preguntarse qué es el NOS basado en IA, qué habilidades exige de los alumnos y cómo las escuelas pueden aspirar a lograrlas.
Con respecto a las ventajas de la IA para la enseñanza, el aprendizaje y la evaluación, se ha defendido como un beneficio importante el uso de simulaciones, incluidas experiencias de aprendizaje inmersivas. De manera similar, los educadores han observado que la IA presenta un medio poderoso para personalizar la educación al adaptar el contenido y las experiencias de maneras que antes no hubieran sido posibles. Por ejemplo, se puede monitorear de cerca el compromiso de un estudiante con una tarea y se puede proporcionar retroalimentación adecuada de una manera específica cuando la retroalimentación sea más necesaria. En relación con las posibles desventajas, se han planteado preguntas como las siguientes: ¿Qué pasa con el aprendizaje cuando un estudiante puede redactar fácilmente un texto para la tarea utilizando herramientas de inteligencia artificial? ¿Cómo se puede medir la comprensión de los estudiantes de manera que se asegure que la medición se refiere al aprendizaje y no a un residuo de tecnología?
Algunas de las preocupaciones sobre el impacto de la IA en el aprendizaje parten de nociones obsoletas del aprendizaje humano. La educación científica tradicional ha promovido la transmisión de hechos y la recuperación de información como indicadores del aprendizaje. Por ejemplo, tradicionalmente se esperaba que los estudiantes memorizaran la ecuación química de la fotosíntesis o fueran capaces de recitar la ley de Ohm. En esta descripción del aprendizaje, la información se recuperaría fácilmente a través de la IA, lo que generaría ambigüedad en los resultados del aprendizaje de los estudiantes. Por el contrario, las perspectivas más contemporáneas sobre el aprendizaje defienden habilidades como el pensamiento crítico como resultados importantes del aprendizaje, que potencialmente pueden copiarse hasta cierto punto, pero que son difíciles de imitar a través de la IA.
Habilidades orientadas al futuro, como el pensamiento de escenarios, el pensamiento sistémico y la gestión de la incertidumbre y la complejidad, requieren más que recordar o incluso gestionar grandes conjuntos de datos. Implican considerable creatividad e innovación. Alguno
psicólogos cognitivos Argumentan que, si bien la IA puede ayudar a resumir y generalizar la información existente, no está diseñada para satisfacer habilidades humanas más sofisticadas que requieren innovación, como la formación de teorías. Sin embargo, la investigación y el desarrollo emergentes en IA están desafiando tales puntos de vista; por ejemplo, explorando el potencial de los sistemas de IA para resaltar
Puntos ciegos en las hipótesis científicas. y ayudar a generar nuevas preguntas.
REGÍSTRESE PARA EL CIENCIABOLETÍN DEL ASESOR
Las últimas noticias, comentarios e investigaciones, gratis en su bandeja de entrada todos los días
En términos de educación científica y NOS, hay evidencia de que
actores involucrados en la producción de políticas educativas Reconocer la importancia de NOS y aprovechar los resultados de las investigaciones sobre la enseñanza y el aprendizaje efectivos de NOS. Sin embargo, se necesita una mayor articulación para desentrañar la relación entre la IA y la NOS para la investigación y la práctica educativas, así como para las políticas. Las reflexiones contemporáneas sobre NOS en la investigación en educación científica aún tienen que abordar la IA y sus implicaciones sobre cómo está cambiando el esfuerzo científico. La brecha convencional entre la ciencia profesional y la ciencia escolar puede ser amplia, pero ahora parece estar aumentando incluso a un ritmo más rápido.
La IA ya está influyendo en la forma en que se hace ciencia.
Los científicos están usando IA generar hipótesis, diseñar experimentos, recopilar e interpretar datos y obtener conocimientos que tal vez no hubieran sido posibles utilizando únicamente métodos científicos tradicionales. En términos de los aspectos de razonamiento y conocimiento, los científicos suelen construir modelos a partir de datos para explicar y predecir fenómenos. Con el avance de la IA, los conjuntos de datos pueden ayudar a los científicos a dar sentido a una enorme cantidad de información. Pero los sistemas de IA también pueden proporcionar información engañosa si los datos con los que se entrenan y operan los sistemas están sesgados o no son confiables. La abundancia y calidad de
Se sabe que los conjuntos de datos están sesgados., a menudo sin querer. En los datos de salud, por ejemplo, se ha demostrado que los algoritmos dermatológicos basados en IA diagnostican lesiones cutáneas y erupciones con menor precisión en personas de raza negra que en personas blancas porque los modelos están entrenados con datos recopilados predominantemente de poblaciones blancas.
Los organismos profesionales están haciendo
Recomendaciones para el uso responsable de la IA en la investigación científica. Esto plantea cuestiones de transparencia, riesgo y métodos participativos que son dignos de mención por cómo debería desarrollarse la ciencia basada en la IA. La transparencia exige una documentación clara de los participantes, conjuntos de datos, modelos, sesgos e incertidumbres. El riesgo implica la gestión de riesgos y sesgos en conjuntos de datos y algoritmos y cómo podrían afectar los resultados, incluidas las consecuencias no deseadas. Los métodos participativos exigen garantizar que los diseños de investigación sean inclusivos e involucren a investigadores de comunidades en riesgo e incluyan experiencia en el dominio. Estos problemas implican cómo NOS necesita adaptarse a normas culturales como la transparencia de datos y procesos, criterios de evaluación del conocimiento científico como la evaluación de sesgos, valores sociales como la gestión de las consecuencias de los riesgos y metodologías inclusivas para incorporar no solo la experiencia sino también la apropiación. del conocimiento comunitario.
A la luz de las tendencias emergentes sobre cómo se utiliza la IA en la investigación científica, surge la pregunta de cómo la ciencia escolar puede ayudar a preparar a los futuros científicos para comprender la NOS en la era de la IA. Surgen así dos preguntas para la educación científica: (i) ¿Qué significa el NOS informado por IA para la ciencia escolar? (ii) ¿Cuáles deberían priorizarse como aspectos de NOS informados por IA en el nivel de educación secundaria? Algunos podrían argumentar que el uso de la IA en la investigación científica básica es demasiado sofisticado para ser relevante para los propósitos de la educación secundaria, mientras que otros podrían afirmar que los niños pequeños no son cognitivamente capaces de comprender medios tan avanzados para realizar investigaciones científicas. Estas posiciones potenciales están abiertas a la investigación empírica en la que los proyectos de investigación escolares pueden probar la capacidad de desarrollo de los estudiantes y el impacto de las intervenciones basadas en IA en el aprendizaje de NOS de los estudiantes.
Algunos aspectos de ejemplo de la IA en la investigación científica (por ejemplo, métodos científicos, contexto cultural y recomendaciones profesionales) ya tienen implicaciones sustanciales para la ciencia escolar. Aunque los planes de estudio de ciencias en todo el mundo incluyen algunos de los aspectos tradicionales de la investigación científica, como la experimentación y la recopilación e interpretación de datos, otros aspectos relevantes como la modelización, aunque defendidos durante muchos años en la comunidad de investigación en educación científica, todavía están subrepresentados en los planes de estudio. De manera similar, aunque en algunos sistemas educativos los temas de objetividad y precisión de los datos pueden establecerse como resultados del aprendizaje, estos aspectos de la ciencia son prácticamente inexistentes en un sentido relacionado con los avances en la IA y su posible contribución a la propagación de sesgos. Elaborar algunas adaptaciones educativas de las directrices profesionales ayudará a educar a los futuros científicos para inculcarles comprensión y responsabilidad sobre la ética de la IA en la investigación científica.
El impacto de la IA en la NOS es una tarea difícil para la educación científica. Requiere un enfoque sistémico para la reforma en todo el sector. Hay implicaciones para la reestructuración del plan de estudios de ciencias, la enseñanza y el aprendizaje y la formación docente, por nombrar algunos aspectos. Como cuestión prioritaria, el contenido del plan de estudios de ciencias deberá capturar los matices sobre los NOS informados por la IA, incluidos los avances sobre cómo la IA está influyendo en los métodos e hipótesis científicos. Otros aspectos, como los modelos y la modelización de grandes conjuntos de datos en el contexto de la IA, también se integrarán en la educación secundaria junto con temas como el sesgo en los datos y los riesgos involucrados en los errores. Estos aspectos se relacionan con lo que actualmente se denomina
prácticas científicas en algunos estándares curriculares, que pueden actuar como lugar específico para la revisión. Será necesario diseñar y probar nuevas herramientas y estrategias de enseñanza y aprendizaje para identificar formas efectivas de captar en el aula la cara cambiante de la ciencia. Muchos profesores y estudiantes de secundaria ya están utilizando plataformas como ChatGPT. De hecho, el uso de ChatGPT puede potencialmente simular lo que los propios científicos están haciendo cuando utilizan dichas herramientas para generar antecedentes bibliográficos para manuscritos académicos. Estrategias pedagógicas como las preguntas (p. ej., ¿Cómo sabemos que este texto producido por ChatGPT es exacto?) pueden considerarse para propósitos específicos del aprendizaje NOS infundido por IA; por ejemplo, para alentar a los estudiantes a generar y aplicar criterios de evaluación de precisión. Sin embargo, estos enfoques deberán ir acompañados de capacitación de docentes no solo para utilizar herramientas y datos de IA, sino también para comprender cómo la ciencia está cambiando de manera más amplia en la era de la IA.
Aunque la agenda NOS infundida con IA en la educación científica es una tarea difícil, algunos
intervenciones educativas existentes puede proporcionar directrices para alinear sus objetivos dentro del ecosistema educativo y resaltar cómo abordar los puntos ciegos convencionales en la reforma educativa. Por ejemplo,
redes de educación abierta Se pueden establecer comunidades de aprendizaje para fomentar comunidades de aprendizaje que involucren a una variedad de partes interesadas, incluidos estudiantes, docentes, formadores de docentes, científicos y formuladores de políticas. Si la educación científica secundaria pretende formar a la futura generación de científicos y equiparlos con habilidades oportunas y relevantes, entonces es esencial que la educación científica secundaria se incorpore a los últimos avances en la investigación científica basada en la IA. De lo contrario, es probable que la brecha entre la ciencia profesional y la ciencia escolar crezca a tal ritmo que cuando los estudiantes de secundaria ingresen a la universidad, su comprensión de la NOS ya estará desactualizada.
Leave a Reply