Este artículo de contribución es obra del Dr. Mahnaz R. Charania, ex investigador principal en educación del Instituto Christensen. ai-could-help/” target=”_blank” rel=”noreferrer noopener”>Publicado originalmente en el blog del Instituto Christensen y se vuelve a publicar con permiso.
¿Cómo se llama el? La temporada de admisión universitaria más loca También está demostrando ser un experimento natural para el sistema educativo estadounidense.
En los últimos años, las admisiones sin examen y sin pruebas podrían significar una expansión radical del acceso a universidades selectivas. Sin embargo, a pesar de los esfuerzos bien intencionados por acabar con las desigualdades sistémicas en cuanto a quiénes son admitidos, las universidades están volviendo a las evaluaciones estandarizadas con la esperanza de poder predecir mejor qué estudiantes tendrán éxito en su entorno y se graduarán a tiempo. Si bien volver a lo conocido puede ser más eficiente, también corre el riesgo de perpetuar las desigualdades preexistentes que ellas mismas están trabajando incansablemente para eliminar.
El Mosaico de políticas de exámenes de admisión en las admisiones universitarias El estudio pone de relieve un desafío mayor (y una oportunidad) para la educación primaria y secundaria y la superior. Si bien el propósito y las aspiraciones de los sistemas educativos siguen cambiando, la forma en que las escuelas definen y miden el éxito de los estudiantes no ha seguido el ritmo, una desconexión que está impulsando el actual enigma de las admisiones en la educación superior. Para ponerse al día, la medición en educación debe ir más allá de usar un conjunto de puntajes (SAT) para predecir otro (éxito postsecundario) y producir datos que mejoren las oportunidades para todos los estudiantes, dentro y fuera del aula. Las tecnologías emergentes, como la inteligencia artificial, pueden ser de ayuda.
Inteligencia artificial para personalizar, no estandarizar evaluaciones
La tecnología ha moldeado desde hace mucho tiempo el enfoque de las escuelas en materia de evaluación. A principios de la década de 2000, obtuve experiencia de primera mano sobre cómo los distritos grandes toman decisiones sobre la adopción de tecnología educativa y la implementación del aprendizaje personalizado habilitado por IA. En ese momento, la adopción de soluciones de aprendizaje adaptativo y diagnóstico como DreamBox, i-Ready, IXL e incluso NWEA Map estaba en pleno auge en todo el país. Estas herramientas de tecnología educativa se consideraban una tecnología revolucionaria que ofrecía a las aulas informes y análisis en tiempo real para realizar un seguimiento y ajustar la enseñanza mientras los estudiantes jugaban. Desde entonces, el aprendizaje en línea continúa rompiendo los límites de los enfoques tradicionales y monolíticos de la enseñanza y el aprendizaje desde el jardín de infantes hasta el bachillerato. El trabajo de Digital Promise en materia de equidad y seguridad digital y La síntesis de Getting Smart sobre la evolución de las innovaciones basadas en IA Los cambios en la enseñanza y el aprendizaje son un testimonio de cuánto progreso hemos logrado.
La IA generativa podría potenciar los enfoques existentes, pero también podría alterarlos. Si se utiliza correctamente, la IA podría marcar el comienzo de una generación de evaluaciones que mitiguen nuestra excesiva dependencia de la estandarización en favor de un enfoque mucho más personalizado y equitativo.
Esto plantea un desafío especial para los líderes del sistema: ¿cómo podemos aprovechar la IA para permitir la medición de las cosas que sabemos que importan pero que aún no sabemos medir bien? ¿Cómo podemos aprovechar la IA para personalizar, en lugar de estandarizar, las evaluaciones de modo que cada estudiante reciba apoyo de manera equitativa para tener éxito dentro y fuera del aula?
La respuesta está en ampliar nuestros esfuerzos en al menos tres áreas: evaluaciones centradas en el alumno, evaluaciones integradas e invisibles y datos desagregados.
1. Desarrollar evaluaciones centradas en el alumno alineadas con sistemas centrados en el alumno
Las habilidades que nos hacen exclusivamente humanos son las habilidades que un marco centrado en el alumno Campeones. También son las habilidades que será muy difícil, si no imposible, que la tecnología replique de manera confiable. En lugar de concentrar nuestra energía en enseñarles a los niños lo que los robots pueden hacer, debemos concentrarnos en enseñarles lo que solo los humanos pueden hacer.
Por ejemplo, para convertirse en mejores escritores, lectores y pensadores críticos, Quill.org ofrece a los estudiantes de bajos ingresos un tutor de alfabetización impulsado por IA que proporciona a los estudiantes orientación y retroalimentación en tiempo real sobre actividades de alfabetización que combinan la lectura de no ficción con la escritura informativa. Además, la nueva herramienta Reading for Evidence de Quill ofrece a los estudiantes la oportunidad de demostrar su comprensión de textos de no ficción escribiendo argumentos basados en la retroalimentación de la herramienta de IA de Quill sobre cómo fortalecer la lógica, la evidencia y la sintaxis en sus respuestas. Como resultado, los estudiantes reciben de manera equitativa la retroalimentación que necesitan, en particular aquellos que provienen de comunidades con pocos recursos o estudiantes multilingües que pueden beneficiarse de un andamiaje adicional.
Las herramientas de alfabetización impulsadas por inteligencia artificial también tienen el potencial de fortalecer la capacidad de los estudiantes para el pensamiento histórico y, a su vez, el diálogo cívico, una habilidad cada vez más necesaria para todas las personas. Nación pensantePor ejemplo, una organización sin fines de lucro dedicada a mejorar la enseñanza de las ciencias sociales recientemente pasó de pagarles a los educadores para que calificaran los ensayos según una rúbrica a un chatbot de inteligencia artificial. El chatbot está siendo entrenado en la misma rúbrica para dar retroalimentación instantánea a los estudiantes sobre su capacidad para evaluar críticamente el texto histórico. Esto, a su vez, puede liberar ancho de banda del docente para elevar la voz de los estudiantes e involucrarlos en el arte de la negociación y el debate, actividades que fomentan la capacidad de los estudiantes para mostrar empatía, comprensión y respeto para llevar a cabo acciones individuales y colectivas.
2. Pasar de las evaluaciones con lápiz y papel a evaluaciones integradas e invisibles
Los métodos de evaluación que están entretejidos en la estructura del aprendizaje y son invisibles para los estudiantes ofrecen otra oportunidad de aprovechar la IA para transformar la forma en que medimos el progreso de los estudiantes. Durante la COVID, en particular durante el primer año en que las puertas de las escuelas permanecieron cerradas, Evaluaciones de sigilo se convirtió en el sustento de la mayoría de las familias. También se ha descubierto que las evaluaciones de sigilo Reducir la ansiedad ante los exámenes y aumentar la participación de los estudiantesEste tipo de evaluación ofrece oportunidades ilimitadas para medir las habilidades de pensamiento de orden superior. Las evaluaciones basadas en videojuegos, por ejemplo, son particularmente atractivas como medio para Cultivar habilidades que son exclusivas del cerebro humano. y puede ayudar a aumentar la participación.
Una encuesta reciente de Gallup y la Fundación de la Familia Walton Se descubrió que menos de la mitad de los estudiantes de la Generación Z matriculados en la escuela media y secundaria se sentían motivados para ir a la escuela. Solo alrededor de la mitad informó que hacía algo interesante en la escuela todos los días. Un factor que contribuye a este creciente nivel de desvinculación es el enfoque limitado en el plan de estudios junto con las pruebas de alto riesgo como el principal medio para medir el conocimiento y las habilidades de los estudiantes.
Para contrarrestar esta disminución en la participación estudiantil, se han puesto en marcha programas como Laboratorio tienen la misión de democratizar el acceso a la educación al permitir que los estudiantes remotos participen en laboratorios de ciencias virtuales. Los estudiantes se unen a esta comunidad virtual y reciben aprendizaje simulado del mundo real con retroalimentación en tiempo real, en su propio tiempo y a su propio ritmo. Este cambio del lápiz y el papel a las simulaciones de la vida real no solo ha aumentado la participación de los estudiantes, sino también su interés en las carreras STEM.
3. Desagregar los datos para cambiar el enfoque del estudiante promedio a cada estudiante
Desde una perspectiva de equidad, las pruebas basadas en normas (esencialmente todas las pruebas estandarizadas) son particularmente problemáticas. En primer lugar, rara vez son apropiadas para estudiantes con un dominio limitado del inglés o para hablantes de dialectos distintos del inglés estadounidense general. El formato de estas pruebas también puede introducir sesgos porque reflejan valores occidentales tradicionales. Estos valores pueden aparecer integrados en la lógica de las preguntas, así como en las expectativas de velocidad de finalización. Quienes tengan acceso a recursos pueden ser capaces de sortear estos desafíos mediante el uso de tutores o servicios de preparación para exámenes.
Aprovechar la IA para emplear técnicas analíticas que permitan datos desagregados puede cambiar el enfoque del grupo dominante para garantizar que cada niño, incluidos los negros, hispanos, de bajos ingresos, inmigrantes, estudiantes de inglés y estudiantes con necesidades especiales, sea visto desde una perspectiva lente basada en activos mediante la comprensión de su experiencia y fortalezas en relación con su propio grupo de referencia. Un esfuerzo conjunto entre los Fundación Carnegie para el Avance de la Enseñanza y el Instituto de Investigación ETS es un gran potencial para la transición crucial que se necesita desde la estandarización a la personalización adaptativa en la evaluación.
Para aprovechar eficazmente la IA también será necesario un cambio en las herramientas computacionales utilizadas. Una técnica prometedora para garantizar que las evaluaciones auténticas y basadas en juegos proporcionen información significativa es aprovechar una Diseño de evaluación centrado en la evidenciaEste diseño incluye un modelo de estudiante que describe los rasgos, habilidades o capacidades que se evaluarán; un modelo de tareas que describe las actividades que realizarán los estudiantes para generar evidencia de que están desarrollando esos rasgos; y un modelo de evidencia que describe las variables y las técnicas estadísticas que se utilizarán para conectar la evidencia con esos rasgos. Estas características son especialmente útiles para las simulaciones basadas en computadora y pueden automatizarse mediante IA para desglosar los resultados deseados a nivel de estudiante.
Un llamado a invertir en I+D en evaluación para eliminar inequidades
Para los estudiantes a quienes no les resulta útil la lente limitada que ofrecen las pruebas estandarizadas, en particular para predecir el éxito fuera del aula, ampliar el poder de las evaluaciones impulsadas por IA puede ser un cambio radical.
Estos nuevos enfoques tienen un inmenso potencial disruptivo: a primera vista, esta creciente lista de oportunidades impulsadas por IA en las evaluaciones puede parecer de “menor calidad” en comparación con las evaluaciones estandarizadas probadas y comprobadas que dominan el mercado educativo actual. Pero pueden afianzarse en los amplios sectores de la educación. no consumo de evaluación, donde la única alternativa es no medir estos resultados en absoluto.
Pero para garantizar que las evaluaciones impulsadas por IA no se escalen de manera que refuercen el status quo, ai-spell-the-demise-of-social-capital/” target=”_blank” rel=”noreferrer noopener”>debilitar las relaciones humanaso empeorar la desigualdad, los dólares destinados a I+D deberían ayudar a que estos enfoques disruptivos se arraiguen y garantizar que las medidas se creen con equidad y transparencia, y que se alineen con los programas que existen para apoyar a los estudiantes. Como lo he sugerido antesNuestra incapacidad para facilitar el aprendizaje profundo entre organizaciones similares ha limitado nuestra capacidad para ampliar soluciones que podrían tener el mayor impacto en el aprendizaje de los estudiantes, el dominio de las habilidades y la movilidad ascendente. Con un intercambio de conocimientos facilitado y perspectivas matizadas de fácil acceso, los líderes del sistema en los niveles K-12 estarán mejor posicionados para probar y ampliar rápidamente lo que funciona para quién y bajo qué condiciones.
A medida que las escuelas continúan desarrollando hojas de ruta y políticas para impulsar el mejor uso de la tecnología y las herramientas de integración tecnológica, esta es una oportunidad emergente para que los educadores, los formuladores de políticas y los tecnólogos trabajen juntos, y junto con los estudiantes y sus familias, para aprovechar las oportunidades que ofrece la IA para reimaginar cómo pueden ser las evaluaciones personalizadas en un momento en que los estudiantes más las necesitan.
Relacionado:
Una taxonomía para el uso de la IA en la educación
El papel de la IA en el futuro del aprendizaje
Para obtener más noticias sobre IA en educación, visite el centro de aprendizaje digital de eSN
!function(f,b,e,v,n,t,s)
{if(f.fbq)return;n=f.fbq=function(){n.callMethod?
n.callMethod.apply(n,arguments):n.queue.push(arguments)};
if(!f._fbq)f._fbq=n;n.push=n;n.loaded=!0;n.version=’2.0′;
n.queue=();t=b.createElement(e);t.async=!0;
t.src=v;s=b.getElementsByTagName(e)(0);
s.parentNode.insertBefore(t,s)}(window, document,’script’,
‘https://connect.facebook.net/en_US/fbevents.js’);
fbq(‘init’, ‘6079750752134785’);
fbq(‘track’, ‘PageView’);