El avance en inteligencia artificial (IA) y tecnología educativa está transformando radicalmente el aprendizaje. Hoy, una habilidad crítica en la interacción humano-máquina es la capacidad de formular preguntas efectivas mediante la ingeniería de prompts, una competencia digital emergente que permite optimizar el rendimiento de los modelos de lenguaje de IA para que respondan de forma precisa y relevante en contexto. Este proceso se fundamenta en la pedagogía de la “educación por la pregunta”, un enfoque defendido por Paulo Freire, en el que el cuestionamiento y la curiosidad son esenciales no solo para aprender, sino también para transformar la realidad. Exploraremos cómo el enfoque pedagógico o andragógico (dependiento del perfil de mi estudiante) centrado en la pregunta cobra nueva vida en el diseño de prompts, cómo la complementariedad humano-IA en educación optimiza el aprendizaje, y cómo una política de recomendación impulsada por la curiosidad ayuda a personalizar rutas de aprendizaje en sistemas adaptativos.
La Ingeniería de Prompts como Competencia Digital Esencial
La ingeniería de prompts es fundamental para optimizar la interacción con los modelos de lenguaje de IA, como los utilizados en sistemas educativos, donde permite guiar la IA para generar respuestas que son a la vez informativas y contextualmente relevantes. Esta habilidad, clave en la educación digital moderna, empodera a los usuarios para dirigir sus interacciones con la IA, moldeando respuestas que se adaptan a necesidades específicas. La capacidad de formular preguntas estratégicas mediante prompts efectivos requiere no solo precisión y claridad, sino también un conocimiento profundo de los temas abordados, habilitando a los estudiantes y educadores para explorar y co-crear conocimiento con la IA en un entorno dialógico y personalizado (Wang et al., 2022).
La pedagogía de la pregunta de Freire, que enfatiza el cuestionamiento activo como un acto de libertad, encuentra así su extensión en el diseño de prompts, pues fomenta la participación activa del usuario en la construcción de conocimiento, en lugar de recibir pasivamente respuestas preestablecidas. Freire y Faundez subrayaban que el acto de preguntar abre posibilidades de diálogo y exploración, una filosofía que hoy se plasma en cómo interactuamos con sistemas de IA que necesitan una guía precisa para aportar valor educativo real (Freire & Faundez, 1985).
Complementariedad Humano-IA en Entornos Educativos
Un enfoque innovador y prometedor en educación es la colaboración recíproca entre humanos e inteligencia artificial. Aprovechar las fortalezas complementarias de los docentes y los sistemas de IA no solo amplía las capacidades de ambos, sino que permite una experiencia educativa más profunda. Un claro ejemplo de esta sinergia se observa en el uso de dispositivos de asistencia, como las gafas inteligentes Lumilo, que ofrecen a los docentes análisis en tiempo real sobre el aprendizaje y comportamiento de sus estudiantes. Con esta herramienta, los docentes pueden realizar intervenciones más informadas, mientras que la IA ayuda a detectar patrones de comportamiento y rendimiento, optimizando así el proceso de aprendizaje para cada estudiante (Holstein et al., 2022).
La complementariedad Humano-IA en estos contextos muestra cómo, al combinar el análisis en tiempo real de grandes volúmenes de datos por parte de la IA con la percepción empática de los docentes, se pueden crear experiencias de aprendizaje que combinan precisión analítica y sensibilidad humana. Esta colaboración mejora el aprendizaje de los estudiantes al permitir que los educadores se centren en intervenciones específicas, ajustadas a las necesidades únicas de cada alumno, y libera tiempo para que los docentes se concentren en tareas de apoyo más significativas, como la orientación emocional y social de los estudiantes (Ifenthaler & Schumacher, 2023).
Política de Recomendación Impulsada por la Curiosidad: Personalización del Aprendizaje Adaptativo
La personalización en el aprendizaje se ha visto enormemente impulsada por sistemas que utilizan políticas de recomendación basadas en la curiosidad y el aprendizaje por refuerzo. Estas políticas, diseñadas para fomentar la exploración y el descubrimiento, son especialmente efectivas en sistemas adaptativos de aprendizaje donde se necesita motivar al estudiante para que explore el conocimiento a su propio ritmo. Un enfoque basado en la curiosidad motiva al estudiante a seguir una ruta de aprendizaje que es a la vez eficiente y gratificante, utilizando el método actor-crítico para generar recomendaciones personalizadas según la familiaridad del estudiante con los contenidos de aprendizaje (Han et al., 2019).
El uso de recompensas de curiosidad en estos sistemas permite a la IA captar y adaptarse a las necesidades cambiantes del estudiante, ajustando continuamente el enfoque y manteniendo un alto nivel de motivación y compromiso. Este tipo de política de recomendación no solo adapta las rutas de aprendizaje, sino que ofrece una experiencia en la que los estudiantes sienten que exploran y descubren de forma autónoma, un proceso de aprendizaje alineado con la pedagogía de la pregunta de Freire, en la que la curiosidad se convierte en el motor del conocimiento.
La Pedagogía (ó Andragogía) de la Pregunta y la Curiosidad como Fundamento del Conocimiento
El enfoque de Freire sobre la pedagogía de la pregunta es clave en la interacción humano-IA, pues invita a los estudiantes a ser protagonistas de su propio proceso educativo. En un contexto digital, saber preguntar es esencial para acceder y configurar información relevante a través de la IA, transformando al usuario en un agente activo que no se limita a recibir respuestas, sino que explora y experimenta con el conocimiento. Este enfoque es apoyado por investigaciones que subrayan el rol de la curiosidad epistémica, la cual se ha demostrado como un factor que mejora la retención de conocimiento y la motivación (Loewenstein, 1994).
La capacidad de preguntar y experimentar sin miedo al error, como señala Freire, también es central en la ingeniería de prompts, donde el usuario debe probar diferentes formulaciones para maximizar la utilidad de la respuesta de la IA. Esta práctica de prueba y error es fundamental en un aprendizaje basado en el diálogo y la exploración, donde la IA se convierte en una herramienta de autodescubrimiento y aprendizaje continuo (Karpicke & Blunt, 2011).
Competencia en Ingeniería de Prompts: Una Habilidad Crítica en la Alfabetización Digital
La capacidad de formular preguntas efectivas y diseñar prompts representa una forma avanzada de alfabetización digital en un mundo donde la IA es omnipresente. Esta habilidad permite a los usuarios de IA no solo acceder a la información, sino configurar y adaptar sus interacciones de manera que resulten en un aprendizaje significativo. La ingeniería de prompts implica una comprensión profunda del conocimiento en juego y el dominio del proceso para guiar respuestas que amplían la comprensión del usuario. Esta competencia es una habilidad clave para el futuro de la educación, permitiendo que los estudiantes sean aprendices autodirigidos y críticos, en lugar de consumidores pasivos de información (Wang et al., 2022).
Un Futuro Educativo Basado en la Pregunta y el Diálogo Humano-IA
La pedagogía de la pregunta y la ingeniería de prompts conforman un enfoque educativo que coloca al usuario en el centro de su proceso de aprendizaje, utilizando la IA como una plataforma para la curiosidad y la transformación. En última instancia, la capacidad de formular preguntas efectivas es una habilidad crítica para la alfabetización digital, permitiendo al usuario navegar, explorar y enriquecer su experiencia de aprendizaje en un mundo donde la IA es omnipresente. Este enfoque es clave para educadores y estudiantes que buscan crear un aprendizaje más crítico, exploratorio y participativo, donde cada interacción con la IA no solo es una búsqueda de respuestas, sino el inicio de una cadena de descubrimientos y significados.
Referencias
Freire, P., & Faundez, A. (1985). Hacia una pedagogía de la pregunta. Siglo XXI. Recuperado de https://es.scribd.com/doc/12654681/Hacia-Una-Pedagogia-de-La-Pregunta
Freire, P. (1970). Pedagogía del oprimido. Siglo XXI. https://doi.org/10.4324/9780429268144
Gottlieb, J., Oudeyer, P. Y., Lopes, M., & Baranes, A. (2013). Information-seeking, curiosity, and attention: Computational and neural mechanisms. Trends in Cognitive Sciences, 17(11), 585-593. https://doi.org/10.3389/fpsyg.2013.00763
Holstein, K., McLaren, B. M., & Aleven, V. (2022). Designing for human–AI complementarity in K-12 education. AI Magazine, 43(2), 239-248. https://doi.org/10.1002/aaai.12058
Ifenthaler, D., & Schumacher, C. (2023). Reciprocal issues of artificial and human intelligence in education. Journal of Research on Technology in Education, 55(1), 1-6. https://doi.org/10.1080/15391523.2022.2154511
Karpicke, J. D., & Blunt, J. R. (2011). Retrieval practice produces more learning than elaborative studying with concept mapping. Science, 331(6018), 772-775. https://doi.org/10.1126/science.1199327
Loewenstein, G. (1994). The psychology of curiosity: A review and reinterpretation. Psychological Bulletin, 116(1), 75-98. https://doi.org/10.1207/s15327906mbr2901_2
Mezirow, J. (1997). Transformative learning: Theory to practice. New Directions for Adult and Continuing Education, 1997(74), 5-12. https://doi.org/10.1002/ace.7401
Wang, Y., Ou, C., & Wang, Y. (2022). Advances in prompt engineering: Future directions for human-centered AI. Proceedings of the 2022 ACM Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3486568.3548669
Han, R., Chen, K., & Tan, C. (2019). Curiosity-driven recommendation strategy for adaptive learning via deep reinforcement learning. arXiv preprint arXiv:1910.12577. https://arxiv.org/abs/1910.12577v1
[…] Fonte | […]