Reparando la educación con inteligencia Cyborg: artificial y humana

La educación hoy parece alejarse cada vez más de su propósito de potenciar las capacidades de las personas. En lugar de ayudar a que cada quien florezca, se ha enfocado en igualar, en estandarizar. Eso nos ha llevado a programas uniformes, exámenes comunes, grados definidos por edad. No es algo nuevo. Esta lógica de estandarización tiene raíces profundas, viene de los siglos XVIII y XIX.

Fue en ese entonces que la educación tomó la forma que todavía persiste. Aulas ordenadas, contenidos iguales para todos, horarios rígidos y, como todos sabemos, exámenes. En ese momento histórico, tanto el Estado como la industria vieron en la educación una herramienta poderosa, no sólo para instruir, sino también para decidir por sobre lo que las personas aprendían. Formar ciudadanos útiles, trabajadores obedientes, mentes alineadas con un "proyecto nacional". Así se dejó atrás el aprendizaje lento y personalizado del taller, el aprendizaje artesanal. La educación se transformó en una fábrica de seres humanos funcionales, y lo autónomo y creativo se borró.

En parte tenía sentido. Masificar la educación y hacerla universal en aquella época requería sacrificar la personalización. La formación artesanal, centrada en el individuo, no era viable cuando lo que se necesitaba eran autómatas para una era industrial. Había que reducir la incertidumbre a través de procesos masivos y estructuras jerárquicas, donde miles de personas cumplían funciones predecibles. Pero, ¿esa lógica sigue teniendo sentido hoy? Yo creo que no. Absolutamente no.

Al imponer esta estandarización, lo que se dejó atrás fue la educación artesanal. Aquella que se transmite de persona a persona, en contacto directo, donde el conocimiento no se entrega como un paquete cerrado, sino que se descubre en la práctica, con el tiempo, con las manos. Esa forma de aprender nacía de la experiencia, la observación cuidadosa y la repetición paciente. En ella, el maestro no imponía un plan abstracto, sino que guiaba desde el hacer. No había exámenes ni grados, sino una transformación silenciosa del aprendiz. Se forjaban habilidades, sí, pero también carácter y pertenencia a un oficio, a una tradición.

Ese aprendizaje artesanal fue desplazado progresivamente, no porque no funcionara, sino por razones sociales, económicas y políticas que vinieron con el surgimiento del Estado Moderno y la Revolución Industrial. Ese aprendizaje no sólo afectó los conocimientos técnicos, sino también la ciencia, arte y letras que en algún momento se aprendieron así, de manera viva, encarnada.

Un ejemplo claro es James Clerk Maxwell, uno de los físicos más influyentes de la historia. Su formación, aunque en instituciones formales como Edimburgo o Cambridge, seguía teniendo mucho de artesanal. No fue moldeado por un currículo rígido ni por una batería de exámenes, sino por su propia curiosidad, por la observación directa, por el diálogo con mentores y colegas. Aprendía como se aprende en un taller. Observaba fenómenos naturales, diseñaba instrumentos, hacía cálculos, discutía ideas. Su forma de aprender estaba en transición, entre una ciencia hecha a mano y una ciencia institucionalizada. Y su legado es un testimonio del poder de una educación basada en la libertad intelectual, la experimentación y la conversación cercana.

Muchos programas de doctorado y maestría siguen conservando algo de ese espíritu. El mío en Canadá, fue así.

Hacia un nuevo modelo de enseñanza

Durante mucho tiempo se ha justificado el abandono del aprendizaje artesanal diciendo que no es escalable. Un maestro sólo podía atender a unos pocos aprendices, y el mundo moderno exigía velocidad, cantidad y uniformidad. Así nació la escuela industrial, con sus aulas llenas, horarios rígidos y contenidos estandarizados.

Pero hoy esa lógica empieza a invertirse. Con tecnologías como ChatGPT y otros sistemas de inteligencia artificial, es técnicamente posible masificar la personalización. Y eso abre la puerta a recuperar esquemas de enseñanza más cercanos al modelo artesanal. Cada estudiante puede tener acceso a un tutor que responde en tiempo real, que adapta la dificultad según su nivel, que explica de mil formas si hace falta, que no se cansa ni juzga. Que se ajusta a sus intereses y ritmos. Una persona activa, no pasiva. Lo que antes era privilegio de unos pocos, ahora puede estar al alcance de muchos.

Esto me hace pensar que quizás estamos en el umbral de un nuevo Renacimiento pedagógico. Uno donde lo artesanal ya no es sinónimo de limitado, sino de único y significativo. Y esta vez, para todos y todas. No se trata de reemplazar al docente. Todo lo contrario. El docente se convierte en el nuevo maestro artesanal, que puede enseñar de forma explícita a niveles superiores, compartiendo su saber y su hacer. Y deja lo implícito en manos de sistemas artificiales que pueden adaptarse, asistir, reforzar. El docente puede salir del recorrido lineal y entrar en uno más progresivo. En lugar de ir de los detalles a un todo que nunca se concreta, parte del todo y se va abriendo hacia los detalles, según lo que el momento y el estudiante requieren.

De contenidos a contextos verificables

Para quienes enseñamos, creo que ya está claro que no somos simplemente transmisores de contenido. Con la entrada de la IA Generativa, nuestro papel se ha transformado. Somos diseñadores de contexto. Creamos marcos conceptuales, proponemos retos auténticos y generamos espacios de interpretación y verificación. Son puntos de partida para que los y las estudiantes, apoyados por inteligencia artificial generativa, desarrollen un camino propio de aprendizaje.

Eso nos permite superar el modelo lineal y secuencial que todavía domina muchas aulas. En lugar de que todo el grupo avance al mismo ritmo, cada estudiante puede resolver dudas en tiempo real con herramientas como ChatGPT. Mientras tanto, el docente puede abordar temas más complejos, transversales o estratégicos. El aula se convierte en un entorno de aprendizaje verdaderamente personal, donde cada quien llena sus vacíos de comprensión a su propio ritmo, con un asistente a su lado.

Así, el rol del estudiante cambia. Deja de repetir contenido para centrarse en construir soluciones e interpretaciones. Enfrenta desafíos abiertos que exigen pensamiento crítico, creatividad y capacidad de síntesis. Incluso puede verificar en tiempo real lo que se dice en clase, cuestionarlo, contrastarlo. La IA no es sólo una máquina que responde preguntas, es una extensión del pensamiento del estudiante. Un asistente que facilita la exploración y la conexión entre ideas.

En este cuadro resumo como podría progresar una clase, contrasto una clase tradicional, con una visión moderna con IA,

Este enfoque no solo eleva la enseñanza; transforma la experiencia de aprender. De una enseñanza pasiva y estandarizada, pasamos a una enseñanza activa, diversa y profundamente significativa.

Ahora veamos un ejemplo concreto.

Ejemplo: Cambiando un curso de Intro a Python

Este ejemplo lo tomo de un curso que he impartido, y que utilicé de prueba tanto para incorporar la IA generativa en la enseñanza en general, como para enseñar a programar de manera asistida por IA. Es un curso de Python, que es un lenguaje de programación importante, y que incluso a los sistemas de IA generativa, cuando se les pide algún cálculo, construyen códigos con Python, por lo que entender y programar en Python, se está transformando en una habilidad importante.

En este curso no se parte de enseñar sintaxis, sino de resolver un problema real descomponiéndose algorítmicamente, y donde el uso de ChatGPT por parte de los estudiantes es central para comprender sintaxis, estructuras y depurar su comprensión. El objetivo  de la clase es aprender a escribir un programa para calcular y mostrar un resumen semanal de gastos personales, sin haber enseñado previamente variables, listas o funciones.

Planteo en clase a los y las estudiantes el siguiente reto:

"Quiero llevar el control de mis gastos personales de una semana.
Cada día anoto varios montos (comidas, transporte, compras, etc.).
Al final de la semana quiero saber:

• Cuánto gasté cada día
• Cuánto fue el total semanal
• Cuál fue el día más caro"

Noten como no menciono ningún tipo  de concepto de sintaxis o estructura de programación en python. No se menciona "listas", "funciones", ni "for loops". Solo se plantea la intención.

Ahora,  guio al grupo en descomponer el problema en tareas:

• Tarea 1: Pedir y guardar los gastos de cada día
• Tarea 2: Sumar los gastos por día
• Tarea 3: Calcular el total semanal
• Tarea 4: Identificar el día con más gasto
• Tarea 5: Mostrar un reporte ordenado

Esas tareas es lo que yo tengo anotado, pero voy activando una conversación para que estudiantes lo deduzcan y lo vamos anotando en un cuaderno de Google Colab, sin usar código todavía.

Ahora cada estudiante o grupo comienza a construir esas tareas, y lo hace de la siguiente manera:

• Redacta en lenguaje natural cómo se resolvería.
• Le pide a ChatGPT:
  • "¿Cómo puedo escribir una función en Python que haga ?"
  • "¿Qué significa esta estructura que usó ChatGPT?"
  • "¿Podés explicarme esta función línea por línea?"
• Modifica o prueba la función en su entorno.

El último paso, el de modificar o probar es importante, en la clase insisto que para saber si algo generado por IA está bien, tenemos que verificarlo, y en problemas computacionales, es sencillo hacer pruebas, pues dependen de lo que el creador quiere, y por tanto se pueden definir conjuntos de prueba.

• El docente invita a cada grupo a compartir las funciones construidas.
• Se pegan (literal o virtualmente) en orden.
• Se detectan errores, incoherencias, redundancias.
• ChatGPT se usa también para sugerir integración entre funciones.

Ya en este punto, se comienza a ver el "programa completo" como una colaboración entre personas e IA.

Para cerrar se hace una discusión y se reflexiona sobre lo hecho

• ¿Qué parte fue más difícil de convertir en código?
• ¿Qué le preguntaste a ChatGPT que te ayudó de verdad?
• ¿Qué aprendiste sin que nadie te lo explicara directamente?

Allí aprovecho de anotar conceptos emergentes que surgieron después, como variables, listas, funciones, estructuras condicionales, etc.

En el siguiente cuadro resumo los aprendizajes clave de esta clase,

Esto permite que Python, su sintaxis, y la programación, sean aprendidos en contexto y por necesidad, no como un prerrequisito abstracto. Pienso que así se logra un aprendizaje más significativo, natural y duradero.

¿Cómo evaluar?

En términos de la evaluación,  en un artículo anterior había sugerido un enfoque diferente de evaluación. Este modelo de evaluación busca medir la capacidad de los estudiantes para adaptarse, innovar e integrar la tecnología en su aprendizaje y vida cotidiana Para hacerlo más concreto, lo aplico al ejemplo anterior.

La Evaluación Adaptativa Asistida por IA se manifiesta en el flujo constante de retroalimentación que cada estudiante recibe al interactuar con la inteligencia artificial. Cada vez que un estudiante formula una pregunta a ChatGPT, sea para entender una estructura sintáctica, generar una función o depurar un error, está recibiendo una tutoría personalizada. El docente, en lugar de controlar el ritmo de avance, observa cómo los estudiantes evolucionan en sus estrategias de consulta y puede adaptar los próximos desafíos según las trayectorias individuales, actuando como regulador del sistema de aprendizaje más que como emisor de contenido.

La Evaluación Basada en Creatividad, Oficio y Experiencias Inmersivas se concreta al valorar cómo cada estudiante resolvió su parte del problema. No se mide simplemente si la función "funciona", sino cómo fue escrita: ¿Es clara? ¿Tiene un estilo legible? ¿Introduce ideas propias como validaciones, visualizaciones, o modularidad adicional? La creatividad se evalúa en el oficio, en los detalles, en la forma en que el estudiante da forma a su pensamiento algorítmico. En un ambiente inmersivo, la experiencia de programar deja de ser abstracta y se convierte en un acto de diseño con consecuencias visibles y significativas.

La Evaluación por Competencias y Portafolios Digitales permite registrar el proceso de aprendizaje a lo largo del tiempo. Los estudiantes guardan el código de cada sesión, capturas de pantalla de interacciones relevantes con la IA, y anotaciones personales sobre lo aprendido. Este portafolio no sólo evidencia el resultado final, sino la evolución de habilidades como la descomposición de problemas, la articulación de prompts efectivos y la capacidad de refactorizar soluciones. Es un espejo del desarrollo real de competencias, no una foto fija de un examen aislado. Idealmente se les enseña a crear repositorios en GitHub.

La Autoevaluación y la Evaluación Colectiva con Inteligencia Colectiva toman forma cuando los estudiantes reflexionan al cierre de la clase.  Este momento de metacognición se complementa con la construcción colaborativa, al compartir y comparar sus funciones, los estudiantes pueden identificar qué versión colectiva del programa resuelve mejor el reto inicial. Así, el grupo funciona como una mente extendida, un sistema inteligente, que selecciona, verifica, aprende y mejora en conjunto.

La Evaluación Ética y Reflexiva invita a los estudiantes a pensar críticamente sobre el uso que hacen de la inteligencia artificial. Este tipo de evaluación no sólo busca garantizar la comprensión técnica, sino formar programadores conscientes, capaces de actuar con responsabilidad en entornos de colaboración humano-máquina.

Comentario final

Esta es sólo una propuesta, es "pensar en voz alta".  Esta forma de dar clase, es aplicable no solamente a matemáticas o computación, sino incluso a humanidades o artes.

Se que muchos docentes ya están integrando de muchas maneras el uso de IA Generativa en el aula de clase, y han transformado la forma en que enseñan, sería interesante escuchar sus opiniones, incluso los que piensan que nos vamos a hacer "tontos" si usamos mucha IA.