Un chatbot o asistente virtual es una combinación de tecnologías avanzadas. El proceso de funcionamiento de estos sistemas podemos definirlos en tres fases:
Entrada del usuario: el chatbot recibe una pregunta o comando de voz o texto, que puede provenir de un estudiante buscando aclarar un concepto o resolver un problema.
Procesamiento de la entrada: aquí es donde la inteligencia artificial realmente entra en acción. Mediante el uso de Procesamiento de Lenguaje Natural (PLN) y algoritmos de IA, el chatbot es capaz de "entender" lo que el estudiante está solicitando. Esto se logra al descomponer el lenguaje en sus partes fundamentales, como palabras clave, frases y la estructura gramatical, permitiéndole al chatbot identificar con precisión la intención detrás de la pregunta.
Generación de la respuesta: la IA busca información relevante en sus bases de datos o aplica modelos de aprendizaje automático para elaborar una contestación apropiada y en sintonía con la conversación, es decir, contextualizada. La clave aquí es que, a diferencia de los chatbots más básicos, la respuesta no está preestablecida; se adapta al contexto y a las interacciones previas con el estudiante. Esta capacidad de personalización es lo que permite a los chatbots educativos y ofrecer soluciones a medida para cada usuario.
¿En qué casos se pueden usar los chatbots en contextos educativos? Rey Valzacchi (2024) propone la siguiente clasificación:
• Asistentes virtuales: los chatbots pueden responder preguntas sobre tareas, exámenes, fechas importantes o procedimientos administrativos, proporcionando una experiencia sin fricciones, tanto para estudiantes como para educadores.
• Tutoría personalizada: a partir de la IA generativa, los chatbots pueden ofrecer explicaciones detalladas y adaptadas al nivel de comprensión del estudiante, lo que permite una tutoría personalizada que complemente la intervención humana.
• Evaluación continua y retroalimentación: algunos chatbots están diseñados para realizar evaluaciones periódicas y ofrecer retroalimentación o feedback inmediato, ayudando a los estudiantes a identificar áreas de mejora rápidamente y optimizando el tiempo de los docentes.
• Colaboración entre estudiantes: los chatbots también pueden facilitar la colaboración en
grupo. A través de chats grupales automatizados, los estudiantes pueden trabajar en proyectos colaborativos mientras el chatbot modera las discusiones y ofrece apoyo en tiempo real.
Los chatbots o asistentes conversacionales no sólo ofrecen respuestas automáticas, sino que utilizan algoritmos de aprendizaje automático para analizar el comportamiento de los estudiantes, identificar áreas de debilidad y ajustar su enfoque pedagógico en consecuencia. Es decir, la IA permite que los chatbots reconozcan patrones en el rendimiento de un estudiante, ofreciendo lecciones adicionales, explicaciones más detalladas o ejercicios que requieren mayor nivel de dificultad. Por ejemplo, si un estudiante tiene problemas para entender el concepto de raíz de un polinomio, un asistente virtual puede ofrecer explicaciones más sencillas, formular ejemplos visuales o proporcionar un conjunto de ejercicios adaptados a su nivel. A medida que el chatbot recopila más datos sobre el progreso del estudiante, ajusta sus recomendaciones y propuestas de actividades para retroalimentar el proceso de aprendizaje.
En este contexto de cambio constante, un estudio reciente marca un hito en el debate sobre la personalización de la enseñanza.
El artículo titulado "AI Tutoring Outperforms Active Learning", publicado en Research Square, presenta una evaluación exhaustiva de cómo la tutoría basada en inteligencia artificial (IA) se compara con las metodologías tradicionales de aprendizaje activo en un entorno universitario de alto rendimiento. El estudio no solo examina los resultados puramente académicos, sino también las complejas implicaciones emocionales y personales de los estudiantes que participan en estos métodos distintos.
El objetivo central de este estudio fue determinar la efectividad real de la tutoría basada en IA para potenciar los resultados de aprendizaje en comparación con las clases de aprendizaje activo típico. Para ello, se analizó una cohorte de estudiantes universitarios de la materia Física 2 (PS2), orientada a las ciencias de la vida en la Universidad de Harvard.
Un total de 233 estudiantes fueron asignados aleatoriamente a dos metodologías de instrucción claramente diferenciadas:
Grupo de Tutoría IA: Los estudiantes recibieron instrucción completamente individualizada de un tutor de IA, diseñado específicamente para adaptarse a las necesidades de aprendizaje del alumno en tiempo real.
Grupo de Aprendizaje Activo: Los alumnos asistieron a clases tradicionales que aplicaban metodologías activas (como la instrucción por pares), promoviendo la participación directa y dinámica en el aula.
Los hallazgos del estudio desafían algunas de las convenciones más arraigadas de la pedagogía moderna en torno a las clases presenciales.
Mayor aprendizaje promedio lograron los estudiantes instruidos mediante el Tutor de IA en comparación con las clases de aprendizaje activo tradicional.
La diferencia en el rendimiento no solo resultó ser estadísticamente significativa, sino que representa una mejora radical en la eficiencia del proceso de aprendizaje.
Además del puntaje técnico, las encuestas psicométricas revelaron que los estudiantes del Grupo de Tutoría IA reportaron niveles significativamente más altos de compromiso y motivación, derribando el mito de que la interacción con una interfaz tecnológica genera desinterés o frialdad cognitiva. Incluso tras cruzar los datos con factores externos como el conocimiento previo o las horas totales de estudio, la eficacia superior del tutor de IA se mantuvo constante. Esto demuestra que las ventajas son intrínsecas al modelo de personalización algorítmica.
Los hallazgos proporcionan evidencia sólida de que las pedagogías asistidas por IA no solo son viables, sino que resultan sustancialmente más efectivas que las prácticas de aprendizaje activo tradicionales en la educación superior. Este fenómeno sugiere un desplazamiento inminente hacia modelos de instrucción hiper-personalizados y centrados en las trayectorias individuales.
La tecnología abre la puerta a una mayor equidad en el acceso a educación adaptada al ritmo de cada estudiante, además de proporcionar una tutoría con mayor personalización para el aprendizaje.
A pesar del entusiasmo de los resultados, los autores invitan a la prudencia y señalan tres fronteras críticas para futuras investigaciones:
Tamaño de la muestra y contexto: Al haberse realizado en una sola institución (Harvard), se requiere comprobar su replicabilidad en contextos universitarios más diversos.
Duración del estudio: La investigación abarcó un único semestre, por lo que es necesario un seguimiento longitudinal para evaluar la retención del conocimiento a largo plazo.
Velocidad del desarrollo tecnológico: Dada la velocidad con la que avanza la IA generativa, las herramientas analizadas deberán actualizarse constantemente en futuros diseños experimentales.
El estudio "AI Tutoring Outperforms Active Learning" constituye una evidencia al probar que la tutoría basada en IA no solo supera el rendimiento tradicional sino que enriquece la experiencia emocional del estudiante, se traza un camino claro hacia una innovación pedagógica.
Este estudio resalta la importancia creciente de las tecnologías emergentes en la educación, invitando tanto a académicos como a profesionales a evaluar activamente la incorporación de tales innovaciones en estrategias educativas futuras.
Basado en el artículo de investigación publicado en Research Square (2023).
