2.1 El Impacto Cuantitativo del Aprendizaje Adaptativo

La personalización es, sin duda, una de las promesas más seductoras de la IA en educación. En un aula típica de primaria o secundaria, los docentes nos enfrentamos a una diversidad inabordable de ritmos de aprendizaje, niveles de conocimiento previos y estados emocionales. Corremos el riesgo de aferrarnos a la promesa de la IA como asistente que permita a cada alumno avanzar según sus necesidades y peculiaridades. Sin embargo, personalización automatizada tiene sus propias reglas y peligros.

El Mecanismo del Aprendizaje Adaptativo

El aprendizaje adaptativo es una estrategia metodológica de aprendizaje, que se da principalmente en entornos mixtos y en línea, y está basado en sistemas adaptativos, los cuales ofrecen al usuario acciones predefinidas de las que puede seleccionar aquellas que guíen su aprendizaje para brindar una experiencia más individualizada de acuerdo con sus necesidades, preferencias y habilidades.[2] Estas últimas son identificadas mediante esquemas o patrones de seguimiento que utilizan algoritmos informáticos que permiten caracterizar y definir perfiles y ritmos de aprendizaje de cada usuario o alumno/a en un entorno de aprendizaje en educación en línea para organizar la interacción con el alumnado y ofrecer recursos personalizados y actividades de aprendizaje para abordar las necesidades específicas de cada alumno. En los sistemas adaptativos, las computadoras adaptan la presentación y acceso del material educativo de acuerdo a estas necesidades con base en sus respuestas a las preguntas, tareas y experiencias que realiza, es decir, los sistemas adaptativos buscan adaptarse a los usuarios y no al contrario,[3] tal como sucede con los entornos tradicionales de enseñanza y aprendizaje.

Aprendizaje adaptativo. Wikipedia

La personalización del aprendizaje con inteligencia artificial funciona a través de un proceso continuo de captura de datos, análisis de datos, toma de decisiones automatizada y ajuste. Cuando un estudiante interactúa con una plataforma adaptativa, el sistema mide tres cosas:

Precisión de la respuesta: Mide si el alumno acierta o falla
Latencia: Mide el tiempo que tarda en responder. En ocasiones responden al azar para luego corregir respuestas en función de la retroaliméntación automática.
Persistencia: Mide lo que hace tras fallar, si persiste en intentarlo o abandona.

Los estudios indican que estos sistemas de aprendizaje adaptativo pueden mejorar el rendimiento en matemáticas en aproximadamente 0.42 desviaciones típicas ¹ , lo que equivale, por ejemplo, a mover a un estudiante del percentil 50 al 66. Además, se ha observado un aumento significativo en la satisfacción del alumnado (hasta un 75% reporta mayor motivación en entornos con IA frente al 30% en aulas tradicionales).

1 https://www.davidpublisher.com/Public/uploads/Contribute/68623abde334d.pdf