A partir de los cursos que he diseñado e impartido a más de 300 profesores universitarios con el título ‘ChatGPT, oportunidad y reto para la docencia’, y a petición del vicerectorado de política universitaria de la UPC he escrito este borrador de decálogo de recomendaciones. Con aportaciones adicionales, dicho documento ha sido presentado a la comunidad de la Universitat Politécnica de Catalunya. Esta es mi versión con algunas revisiones adicionales.
IA EN LA UNIVERSIDAD, DECÁLOGO DE RECOMENDACIONES#
Nos encontramos ante una tecnología de gran potencial transformador: la disponibilidad de modelos generativos basados en IA - como ChatGPT - que tienen la capacidad de generar contenidos (texto, código, imágenes, sonido, video…) similares a los que podría generar una persona. Los modelos generativos ya son parte de las herramientas de trabajo que tenemos y aprender a usarlas de forma efectiva, responsable y entendiendo sus limitaciones, es una competencia nueva a aprender e integrar en la forma de trabajo de todos, docentes y estudiantes. Probablemente, estamos solo al comienzo de un nuevo paradigma que nos llevará a repensar la actividad académica, no solo porque tener a disposición estas herramientas tiene potencial para transformar la experiencia de aprendizaje, sino también porque pueden cambiar/evolucionar las competencias que los profesionales requerirán en el futuro.
EN EL ESTUDIO#
- Es necesario conocer y comprender estas herramientas. Es importante comprender mínimamente esta nueva tecnología, sus posibilidades, oportunidades y retos en el mismo ámbito de trabajo o estudio.
- Es necesario identificar cómo afectan los modelos generativos a cada una de las disciplinas, qué tareas se vuelven automatizables, y con qué nivel de fiabilidad y precisión, y cuáles no. Los modelos generativos pueden ser una herramienta de consulta, para generar ideas y primeros borradores para muchas tareas.
- Es posible usarlos dentro y fuera del aula. Ya se está investigando cómo hacer versiones adaptables a dominios de conocimiento específico como la temática de una asignatura.
- Ciertas metodologías docentes donde el estudiantado tiene que poner en práctica sus conocimientos en el aula (como la clase invertida) pueden ser eficaces para sacar partido y/o convivir con estas nuevas herramientas en el ámbito académico.
- Es necesario ser muy cuidadosos con la información que damos a modelos IA ofrecidos como “software as a service” en la nube. Es necesario tener en cuenta si estos servicios cumplen con la GDPR y quién usará la información que damos durante un chat.
EN LA EVALUACIÓN#
- La posibilidad que los trabajos realizados fuera del aula no sean obra original del estudiante siempre ha estado presente. No es una novedad. Los modelos generativos simplifican y abaratan ( en el caso de academias o organizaciones que hacen trabajos académicos a cambio de dinero)
- Las herramientas de detección de copia como URKUND-Ouriginal no son fiables, y posiblemente no lo vuelvan a ser nunca, especialmente para textos de menos de 1000 caracteres. Hay que tener en cuenta el alto incide de falsos positivos; las consecuencias de actuar en el caso de un falso positivo son graves y se deben evitar.
- Ciertos proyectos, ejercicios y tareas se pueden automatizar. Es necesario valorar alternativas como proponer nuevos tipos de trabajos y evaluar el proceso de trabajo por encima del resultado.
- Algunas actividades de evaluación que se pueden proponer son portafolios formativos, presentaciones de trabajos en clase, evaluación oral, simulaciones, etc.
- Los exámenes presenciales, sin acceso a internet, no se ven afectados. De la misma manera que algunos exámenes han sido con apuntes o conexión a internet, puede ser un reto proponer exámenes con acceso a modelos generativos.