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.