Presentación del número especial “IA generativa, ChatGPT y Educación. Consecuencias para el Aprendizaje Inteligente y la Evaluación Educativa”

Abstract

En julio de 2023, ante el auge de los LLM (Large Langauge Models), RED convocó este número especial sobre IA generativa y Educación, donde se prestase especial atención a sus consecuencias para el aprendizaje inteligente y la evaluación educativa. Se quería dar espacio a contribuciones que incluyesen investigación relacionada con estos temas. Y también a experiencias sobre el aprendizaje inteligente y evaluación formativa en contextos ChatGPT.

Hoy, un año después, publicamos este número, con estas preguntas de carácter general ¿la IA tiene el potencial de revolucionar los métodos de enseñanza, la evaluación y la ayuda al alumno, existentes? el pensamiento creativo y la resolución de problemas son fundamentales en entornos modernos y muy complejos ¿Esta IA podría ayudar a los alumnos a enfrentarse a esos problemas? También había otras cuestiones que podían ser planteadas como dudas de sus beneficios que se podrían resumir en ¿Cuáles son los impactos que se producirán cuando la IA generativa comience a servir como un socio activo en acciones sociales, creativas e intelectuales sostenidas, no sólo puntuales o como repuesta a preguntas aisladas? Ahora esos impactos en las prácticas que puedan existir son desconocidos. La otra intención era que, para abordar estas preguntas y en general la necesidad de un despliegue efectivo de los sistemas de IA en la educación, es preciso hacerlo desde un punto de vista teórico, más allá de los resultados que, sobre las interrogantes señaladas, nos proporcione la investigación empírica. Y que no guíe y dirija en nuevas encrucijadas, tanto en la investigación como la práctica.

Ese marco teórico, suponíamos entonces, nos proporcionará los asideros y las andaderas para garantizar que los principios, los valores y las construcciones confiables configuren el uso de la IA en la educación.

En las conclusiones vemos en qué escasa medida estas expectativas se han cumplido. Como consecuencia, lo que veíamos como una necesidad en esta convocatoria: la importancia crítica de la teoría en el diseño, desarrollo y despliegue de la IA en la educación se ve necesaria ahora más que nunca, pero igualmente desasistidos. En esa perspectiva, nos seguimos planteando de forma crítica la relevancia y la continuidad de las teorías de aprendizaje ya existentes cuando la IA se constituya como una realidad en las aulas. También reiteramos, por incumplida, la llamada a considerar nuevos marcos, modelos y formas de pensar. Nos referimos a aquellos que incluyen la presencia de agentes no humanos, que dudamos en llamar una nueva tecnología, porque se parece más a un socio activo que a una tecnología simple, como sucedía hasta ahora.

Ese planteamiento, siguiendo con las primeras conclusiones de insuficiencia en la respuesta, es precisamente lo que nos hace insistir en una serie de preguntas importantes para un futuro, precisamente sobre la revisión de las teorías de aprendizaje basadas en las configuraciones existentes. Y en investigar cuáles serían en este caso sus alternativas.

Pero más allá de esas conclusiones generales el número especial ofrece, tras una extensa y exhaustiva difusión en su convocatoria la constancia de una escasa investigación empírica de casos prácticos en la aplicación de la IA generativa en educación.

No obstante, del centenar largo de contribuciones recibidas se han seleccionado siete en la revisión editorial previa. El resto se ha descartado por no ajustarse a las normas o no ser el tipo de contribuciones solicitadas (destacan entre ellas, por su alto número, las revisiones de la literatura per se y los self report studies). Y de esas siete han pasado la revisión editorial seis, que se describen al final.

La principal aportación de ese reducido número de contribuciones ha sido no solo la constatación de este nivel de investigación y práctica, sino sobre todo las interesantísimas aportaciones de estos seis artículos y del ensayo de uno de los autores invitados.

Reclamamos su atención sobre esos artículos y los resultados claros y las evidencias obtenidas sobre el uso concreto de la IA generativa en entornos específicos. Resultados de inevitable uso por las escuelas, las universidades y los profesores en esos entornos o en otros a los que se puedan transferir.

In July 2023, given the rise of LLMs (Large Langauge Models), RED convened this special issue on Generative AI and Education, where special attention was paid to its consequences for intelligent learning and educational evaluation.

We wanted to give space to contributions that included research related to these topics. Also to experiences about intelligent learning and formative evaluation in ChatGPT contexts.

The call was with these general questions Does AI have the potential to revolutionize existing teaching methods, assessment and student support? Creative thinking and problem solving are essential in modern and very complex environments. Could this AI help students deal with these problems? We also had doubts about its benefits. They could be summarized in this question: Generative AI will begin to serve as an active partner in social, creative and intellectual actions continuously over time, and not only as an answer to isolated questions: What are the impacts that will occur? Now those impacts are unknown in the practices that may exist.

Another intention was:

A theoretical framework is needed to address these questions and in general for an effective deployment of AI systems in education. It is necessary to do so beyond the results provided by empirical research. And that it does not guide and direct at new crossroads, both in research and practice.

In the conclusions we see to what extent these expectations have been met. As a consequence, we deduce that the critical importance of theory in the design, development and deployment of AI in education is necessary now more than ever. But we are equally underserved.

In this perspective, we continue to critically consider the relevance and continuity of existing learning theories when AI becomes a reality in classrooms.

As that result is not met, we also reiterate the call to consider new frameworks, models and ways of thinking. We are referring to those that include the presence of non-human agents, which we hesitate to call a new technology, because it is more like an active partner than a simple technology, as has happened until now.

This approach is precisely what makes us insist on a series of important questions for the future, precisely about the review of learning theories based on existing configurations. And to investigate what their alternatives would be in this case.

We have done after extensive and exhaustive dissemination in your call. But, despite this and beyond these general conclusions that we have made, the special issue offers us evidence of a scarce empirical investigation of practical cases in the application of generative AI in education.

However, of the hundred or so contributions received, seven have been selected in the previous editorial review. The rest have been discarded because they do not conform to the standards or are not the type of contributions requested (the literature reviews per se and the self-report studies stand out among them, due to their high number).

Of those seven, six have passed editorial review. They are described at the end.

The main contributions of this small number of contributions have been the confirmation of a low level of research and practice. Also, some very interesting contributions from the articles and essays by the invited authors.

We draw your attention to these articles and the clear results and evidence obtained on the concrete use of generative AI in specific environments. Results of inevitable use by schools, universities and teachers in these environments or in others to which they can be transferred.