Latest / Estrategia Educativa / Desafíos de la Educación Moderna: Innovación y Aula

Transcript

Desafíos de la Educación Moderna: Innovación y Aula · Estrategia Educativa

• 0:00
  Speaker 2: Bueno, vamos a desempacar esto. Si observamos retrospectivamente la historia
• 0:04
  Speaker 2: de la educación, siempre hay momentos de ruptura que, digamos,
• 0:09
  Speaker 2: parecen amenazar los cimientos mismos del aprendizaje.
• 0:13
  Speaker 3: Totalmente. Y siempre se genera una especie de alarma, ¿no
• 0:16
  Speaker 2: Claro, una alarma total. Recordemos... la clásica clase de matemáticas
• 0:21
  Speaker 2: de hace un par de décadas. Hubo un pánico absoluto,
• 0:24
  Speaker 2: te diría casi existencial, cuando las calculadoras de bolsillo empezaron
• 0:28
  Speaker 2: a aparecer masivamente en los pupitres. Sí, sí, sí
• 0:31
  Speaker 3: Había un clamor generalizado en las
• 0:34
  Speaker 2: instituciones. O sea, el argumento principal era que el cerebro
• 0:37
  Speaker 2: se iba a atrofiar, que la capacidad analítica de toda
• 0:40
  Speaker 2: una generación estaba, bueno, arruinada solo porque la máquina haría
• 0:44
  Speaker 2: el trabajo duro.
• 0:45
  Speaker 3: Exacto. Y muchos profesores sostenían que la base de las
• 0:48
  Speaker 3: matemáticas era esa habilidad de calcular mentalmente a gran velocidad.
• 0:53
  Speaker 2: Volución. Una evolución forzada y necesaria.
• 0:57
  Speaker 3: Así es. Al delegar esa fricción mecánica de, digamos, una
• 1:02
  Speaker 3: simple suma o una división larga a un circuito electrónico,
• 1:07
  Speaker 3: los educadores se vieron obligados a elevar el nivel.
• 1:11
  Speaker 2: tuvieron que empezar a enseñar la lógica detrás del cálculo,
• 1:14
  Speaker 2: el planteamiento de problemas complejos, topología, el cálculo diferencial. Y bueno,
• 1:19
  Speaker 2: hoy tenemos sobre la mesa un documento de orientación profesional
• 1:22
  Speaker 2: sumamente detallado llamado Guía a Integración y a Educación.
• 1:27
  Speaker 3: Un documento fascinante, la verdad.
• 1:30
  Speaker 2: Sí. Y nuestra misión en esta exploración a fondo es
• 1:33
  Speaker 2: Analizar este cambio de paradigma masivo que la inteligencia artificial
• 1:37
  Speaker 2: generativa está causando en las aulas.
• 1:40
  Speaker 3: Y es un cambio que no podemos simplemente ignorar o prohibir.
• 1:45
  Speaker 2: Exacto. La tesis central de esta guía plantea precisamente eso,
• 1:50
  Speaker 2: que intentar prohibir esta tecnología es una batalla perdida. Argumenta
• 1:54
  Speaker 2: por qué el sistema educativo debe adoptarla y urgentemente como un,
• 1:59
  Speaker 2: lo llaman un asistente cognitivo.
• 2:01
  Speaker 3: Claro. Y mira, el paralelo con la calculadora establece un
• 2:05
  Speaker 3: marco de referencia muy útil. Aunque debemos reconocer que la
• 2:09
  Speaker 3: escala del desafío actual
• 2:11
  Speaker 2: es... Es enorme, ¿no? Mucho más grande.
• 2:14
  Speaker 3: Exponencialmente mayor, ¿sí? Porque la calculadora automatizó el cálculo aritmético,
• 2:20
  Speaker 3: que al final del día es una función determinista. Pero
• 2:23
  Speaker 3: la inteligencia artificial generativa automatiza la producción de lenguaje. la
• 2:28
  Speaker 3: estructuración de ideas y, en muchos casos, la síntesis de
• 2:32
  Speaker 3: conceptos abstractos.
• 2:34
  Speaker 2: Que es básicamente como hemos medido la inteligencia siempre
• 2:37
  Speaker 3: Exacto. Históricamente han sido el núcleo de cómo medimos el
• 2:41
  Speaker 3: intelecto humano. Entonces, la respuesta institucional típica ante una tecnología
• 2:47
  Speaker 3: que no se comprende del todo suele ser la restricción.
• 2:51
  Speaker 2: Claro, levantar muros, prohibir.
• 2:54
  Speaker 3: Sí, se levantan muros de fuego en las redes Wi-Fi
• 2:56
  Speaker 3: de las escuelas o se implementan estos detectores de plagio
• 3:01
  Speaker 3: automatizados que, bueno...
• 3:02
  Speaker 2: Que a veces ni siquiera funcionan bien.
• 3:04
  Speaker 3: Exactamente. Entonces, la guía que estamos analizando hoy propone detener
• 3:09
  Speaker 3: esa carrera armamentista. Sugiere que el ecosistema educativo debe asimilar
• 3:16
  Speaker 3: la herramienta, argumentando que la tecnología no viene a reemplazar
• 3:20
  Speaker 3: la labor pedagógica. sino a obligarnos a repensar qué constituye
• 3:25
  Speaker 3: verdaderamente el aprendizaje.
• 3:27
  Speaker 2: Esa carrera armamentista que mencionas es agotadora. Y francamente, parece
• 3:31
  Speaker 2: inútil frente a herramientas que evolucionan cada semana.
• 3:34
  Speaker 3: Totalmente inútil. Los estudiantes ya tienen esto en sus bolsillos.
• 3:39
  Speaker 2: Ya han integrado estas plataformas en su vida diaria. Entonces,
• 3:43
  Speaker 2: el punto de partida metodológico que nos plantea esta guía
• 3:46
  Speaker 2: se centra en la figura del educador. El documento señala
• 3:50
  Speaker 2: algo muy interesante. Dice que el educador transita de ser
• 3:53
  Speaker 2: un corrector de productos finales a convertirse en un diseñador
• 3:57
  Speaker 2: de experiencias críticas de aprendizaje.
• 3:59
  Speaker 3: Un cambio de paradigma brutal.
• 4:01
  Speaker 2: Brutal. Porque si analizamos el modelo tradicional, pues, tiene sentido
• 4:06
  Speaker 2: que estemos en crisis. Históricamente, el sistema educativo ha funcionado
• 4:09
  Speaker 2: casi como una línea de ensamblaje industrial.
• 4:14
  Speaker 3: El modelo de la fábrica
• 4:15
  Speaker 2: Exacto. El profesor expone un tema, el alumno lo procesa
• 4:18
  Speaker 2: en casa y entrega un producto manufacturado, usualmente un ensayo
• 4:22
  Speaker 2: o un cuestionario.
• 4:23
  Speaker 3: Y el profesor solo evalúa ese producto final.
• 4:26
  Speaker 2: Así es. Si la gramática era correcta, si los datos
• 4:29
  Speaker 2: históricos estaban bien, sacabas buena nota. Pero claro, si un
• 4:34
  Speaker 2: modelo de lenguaje puede generar ese producto sintácticamente perfecto y
• 4:38
  Speaker 2: con datos precisos en, qué sé yo, tres segundos…
• 4:41
  Speaker 3: Todo el modelo colapsa.
• 4:42
  Speaker 2: Colapsa por su propio peso. Y esto me hace pensar
• 4:45
  Speaker 2: en una analogía. Es una transición similar a la de
• 4:48
  Speaker 2: un árbitro frente a un entrenador deportivo.
• 4:51
  Speaker 3: A ver, cuéntame más sobre eso.
• 4:53
  Speaker 2: O sea, piensa en el árbitro en un partido de fútbol.
• 4:56
  Speaker 2: El árbitro solo mira el marcador final, es decir, el
• 4:59
  Speaker 2: producto de los 90 minutos.
• 5:01
  Speaker 3: Claro, el resultado puro y duro.
• 5:03
  Speaker 2: Exacto. Pero un entrenador de alto rendimiento, en cambio, observa
• 5:07
  Speaker 2: la técnica, observa la postura del jugador... las decisiones tácticas
• 5:11
  Speaker 2: tomadas bajo presión, la forma en que se comunica con
• 5:14
  Speaker 2: su equipo. Se enfoca íntegramente en el proceso.
• 5:17
  Speaker 3: Si conectamos esto con el panorama general, la figura del
• 5:21
  Speaker 3: entrenador llevada al terreno cognitivo toca la fibra más sensible
• 5:26
  Speaker 3: de esta transición.
• 5:28
  Speaker 2: Definitivamente.
• 5:29
  Speaker 3: Porque durante siglos, la producción de textos y la retención
• 5:33
  Speaker 3: de información han sido las métricas predeterminadas para cuantificar la inteligencia.
• 5:38
  Speaker 2: Si sabías escribir el ensayo, eras inteligente
• 5:41
  Speaker 3: Exacto. La asunción era que si un estudiante podía escribir
• 5:45
  Speaker 3: un ensayo coherente sobre, digamos, la Revolución Francesa, indiscutiblemente había
• 5:51
  Speaker 3: comprendido las causas y consecuencias del evento.
• 5:54
  Speaker 2: Y ahora eso ya no es cierto.
• 5:55
  Speaker 3: Ya no. Esa correlación directa entre el texto producido y
• 5:59
  Speaker 3: la comprensión interna se ha roto. Un texto impecable ya
• 6:03
  Speaker 3: no es evidencia de un pensamiento complejo.
• 6:05
  Speaker 2: Guau. Eso es fuerte, pero es la pura verdad.
• 6:08
  Speaker 3: Sí, por lo tanto, el foco del diseño curricular debe
• 6:12
  Speaker 3: desplazarse hacia la visibilización del proceso mental. Lo que nos
• 6:17
  Speaker 3: distingue de un sistema algorítmico en este momento es nuestra
• 6:22
  Speaker 3: capacidad humana para cuestionar la información.
• 6:25
  Speaker 2: De manera iterativa,
• 6:27
  Speaker 3: ¿no? Exactamente. Estructurar argumentos basados en contextos éticos o sociales
• 6:32
  Speaker 3: que cambian constantemente. Y aplicar el pensamiento lógico a escenarios ambiguos.
• 6:39
  Speaker 3: Entonces el diseño de una clase pasa de ser solo
• 6:41
  Speaker 3: escribe un ensayo a crear un escenario de fricción cognitiva.
• 6:47
  Speaker 2: Donde el estudiante tenga que demostrar esa arquitectura de ideas, ¿no?
• 6:51
  Speaker 2: En tiempo real.
• 6:52
  Speaker 3: En tiempo real, así es. Frente al profesor y a
• 6:54
  Speaker 3: sus compañeros.
• 6:55
  Speaker 2: Suena a un ideal pedagógico fascinante. Pero, a ver, la
• 6:59
  Speaker 2: realidad operativa de un aula promedio es brutal. O sea,
• 7:03
  Speaker 2: me pongo en los zapatos de un docente que maneja,
• 7:05
  Speaker 2: no sé, grupos de 40 estudiantes.
• 7:07
  Speaker 3: Y dando cinco clases al día
• 7:10
  Speaker 2: fácilmente. Exacto. Si ya no puede confiar en que un
• 7:12
  Speaker 2: trabajo escrito en casa es obra del alumno y ahora
• 7:15
  Speaker 2: tiene que evaluar la arquitectura de las ideas de cada
• 7:18
  Speaker 2: uno de ellos, el riesgo de colapso profesional es inmenso.
• 7:22
  Speaker 3: Totalmente.
• 7:23
  Speaker 2: Y la guía no ignora esto.
• 7:25
  Speaker 3: Claro.
• 7:26
  Speaker 2: Y por eso el documento ofrece una hoja de ruta
• 7:28
  Speaker 2: institucional para sobrevivir a esto. Y aborda la necesidad de
• 7:32
  Speaker 2: modificar los entornos de evaluación. Habla de integrar debates presenciales,
• 7:37
  Speaker 2: portafolios de procesos, defensas orales y metodologías activas. Estrategias
• 7:42
  Speaker 3: de supervivencia
• 7:43
  Speaker 2: pura. Pero aquí es donde se pone realmente interesante. Y
• 7:46
  Speaker 2: voy a ser de abogado del diablo un momento.
• 7:48
  Speaker 3: Adelante.
• 7:49
  Speaker 2: Si estamos intentando adaptar la educación a la tecnología más
• 7:52
  Speaker 2: vanguardista del siglo XXI,¿ acaso crear entornos inmunes, como debates
• 7:57
  Speaker 2: presenciales y defensas orales, no es irónicamente volver a los
• 8:01
  Speaker 2: métodos de evaluación del siglo pasado?
• 8:04
  Speaker 3: Ajá.
• 8:04
  Speaker 2: O sea, pedirles a los alumnos que se sienten en
• 8:07
  Speaker 2: un círculo a debatir en voz alta como si estuviéramos
• 8:10
  Speaker 2: en la antigua Grecia aplicando el método socrático. Desde fuera
• 8:15
  Speaker 2: podría interpretarse como una rendición tecnológica, un retroceso por miedo
• 8:19
  Speaker 2: a la máquina.
• 8:20
  Speaker 3: Esa es una lectura súper común cuando se revisan estas
• 8:24
  Speaker 3: estrategias por primera vez. Es natural pensarlo.
• 8:27
  Speaker 2: Claro, se siente como volver atrás.
• 8:30
  Speaker 3: Pero lo fascinante aquí es que esa lectura omitiría la
• 8:33
  Speaker 3: dinámica fundamental que propone el documento. No se trata de
• 8:37
  Speaker 3: un retroceso análogo, para nada.
• 8:40
  Speaker 2: Entonces qué es?
• 8:41
  Speaker 3: Es un modelo híbrido sumamente sofisticado. Las metodologías activas contemporáneas
• 8:46
  Speaker 3: no operan en el vacío ignorando la IA. La DIA
• 8:49
  Speaker 3: usa el concepto de un entorno inmune, sí, pero califica
• 8:54
  Speaker 3: el uso de la tecnología como algo complementario y necesario
• 8:57
  Speaker 3: en las fases previas.
• 8:59
  Speaker 2: O sea, se usa antes de llegar
• 9:01
  Speaker 3: al aula. Exacto. La expectativa moderna es que el estudiante
• 9:04
  Speaker 3: utilice modelos de lenguaje durante su fase de investigación en casa.
• 9:08
  Speaker 3: Pueden usarlos para estructurar la base de su argumento o
• 9:12
  Speaker 3: pedirle a la máquina que simule contraargumentos.
• 9:14
  Speaker 2: Para encontrar las debilidades de su propia postura. Eso es brillante.
• 9:19
  Speaker 3: O sintetizar grandes volúmenes de datos. Entonces, la fase de
• 9:23
  Speaker 3: preparación se vuelve, digamos, hiperacelerada y mucho más profunda.
• 9:27
  Speaker 2: Todo gracias a la asistencia algorítmica.
• 9:30
  Speaker 3: Así es. El entorno socrático presencial, esa defensa oral en
• 9:35
  Speaker 3: el aula, actúa entonces como el filtro de validación humana.
• 9:39
  Speaker 3: Obliga al estudiante a demostrar que realmente ha internalizado esa información.
• 9:43
  Speaker 2: Claro, porque ahí no puede leer de una pantalla
• 9:46
  Speaker 3: Exacto. Exige adaptabilidad, empatía en la argumentación y la capacidad
• 9:51
  Speaker 3: de pivotar cognitivamente frente a un cuestionamiento inesperado.
• 9:55
  Speaker 2: Que son habilidades que, bueno, una máquina no puede simular
• 9:58
  Speaker 2: en un entorno físico sincrónico.
• 10:00
  Speaker 3: Definitivamente no.
• 10:01
  Speaker 2: Es decir, invertimos el esfuerzo. Usamos el poder de procesamiento
• 10:04
  Speaker 2: bruto de la máquina en el hogar para que el
• 10:06
  Speaker 2: estudiante llegue al aula preparado para una confrontación intelectual, pero
• 10:11
  Speaker 2: de un nivel mucho más alto.
• 10:12
  Speaker 3: De un nivel altísimo.
• 10:13
  Speaker 2: Pero el problema sigue siendo la logística. Orquestar este nivel
• 10:16
  Speaker 2: de dinámicas requiere una planificación meticulosa. Diseñar un debate con
• 10:21
  Speaker 2: rúbricas claras que evalúen el pensamiento crítico y no solo
• 10:24
  Speaker 2: si el chico habla bonito, eso toma horas de escritorio.
• 10:27
  Speaker 2: Y los
• 10:27
  Speaker 3: docentes no tienen esas horas.
• 10:29
  Speaker 2: Exactamente. Y aquí es donde la guía introduce a la
• 10:31
  Speaker 2: inteligencia artificial ya no como un problema, sino como el
• 10:35
  Speaker 2: aliado operativo del profesor. Su asistente cognitivo. Así es. Y
• 10:39
  Speaker 2: detalla lo que llama la ingeniería de prompts aplicada a
• 10:42
  Speaker 2: la docencia, que básicamente es la técnica para comunicarse con
• 10:47
  Speaker 2: la máquina de manera efectiva, para que asuma esa carga
• 10:50
  Speaker 2: de trabajo administrativo y de planificación.
• 10:53
  Speaker 3: Es que el ahorro de tiempo es el incentivo más
• 10:56
  Speaker 3: poderoso para que el docente adopte esto. Pero ojo, la
• 10:59
  Speaker 3: interacción con un modelo de lenguaje requiere técnica.
• 11:03
  Speaker 2: No es magia
• 11:04
  Speaker 3: No, no lo es. La frustración más común ocurre cuando
• 11:07
  Speaker 3: alguien aborda la herramienta como si fuera un motor de
• 11:10
  Speaker 3: búsqueda tradicional.
• 11:11
  Speaker 2: como si fuera Google,
• 11:12
  Speaker 3: ¿no? Exacto. Una instrucción vaga genera un resultado genérico que
• 11:17
  Speaker 3: casi siempre es inutilizable en un contexto pedagógico real. La
• 11:22
  Speaker 3: guía disecciona la anatomía de una instrucción o prompt efectiva.
• 11:27
  Speaker 3: Y la estructura en cuatro vectores fundamentales.
• 11:29
  Speaker 2: Para restringir a la máquina.
• 11:31
  Speaker 3: Sí, para restringir el espacio de probabilidad del algoritmo y
• 11:35
  Speaker 3: forzarlo a generar material didáctico de altísima precisión.
• 11:39
  Speaker 2: Y la diferencia entre un usuario novato y alguien que
• 11:41
  Speaker 2: aplique esta ingeniería es abismal. O sea, podríamos compararlo con
• 11:46
  Speaker 2: la experiencia de ir a un restaurante.
• 11:48
  Speaker 3: Me gusta esa analogía.
• 11:49
  Speaker 2: Sí. Imagina que entras a un lugar de alta cocina
• 11:52
  Speaker 2: y simplemente le dices al mesero, tráigame comida.
• 11:56
  Speaker 3: Bueno, la cocina va a improvisar.
• 11:57
  Speaker 2: Claro. Te traerá un plato, cumplirá la función de quitarte
• 12:01
  Speaker 2: el hambre, pero será una experiencia estándar, sin considerar tus gustos,
• 12:05
  Speaker 2: y probablemente te decepcione.
• 12:07
  Speaker 3: Qué es lo que pasa cuando le dices a la IA?
• 12:09
  Speaker 3: Hazme una clase sobre historia.
• 12:11
  Speaker 2: Exacto. Eso equivale a pedirle lo más básico. En cambio,
• 12:14
  Speaker 2: la ingeniería de prompts es operar como un crítico gastronómico
• 12:18
  Speaker 2: sumamente exigente. Solicitas un menú degustación de cinco tiempos, Detallas
• 12:23
  Speaker 2: una alergia severa a los mariscos. Exiges ingredientes de temporada
• 12:28
  Speaker 2: cultivados localmente y pides un maridaje de vinos específico. El
• 12:33
  Speaker 2: nivel de especificidad dicta absolutamente la calidad del producto final.
• 12:37
  Speaker 3: La analogía gastronómica funciona muy bien para ilustrar la especificidad,
• 12:42
  Speaker 3: pero a nivel operativo, en el aula, el profesor no
• 12:45
  Speaker 3: es el crítico que espera ser servido.
• 12:48
  Speaker 2: Ah, ¿no?¿ Qué sería entonces?
• 12:49
  Speaker 3: Es más bien el chef ejecutivo programando a su equipo
• 12:53
  Speaker 3: de cocina. Y si analizamos los cuatro vectores que propone
• 12:56
  Speaker 3: el documento para la anatomía del prompt, el primero es
• 13:00
  Speaker 3: asignar un rol.
• 13:01
  Speaker 2: El rol. A ver, explícanos eso.
• 13:03
  Speaker 3: Al instruir a la máquina le dices, por ejemplo, actúa
• 13:07
  Speaker 3: como un experto en diseño instruccional y pedagogía activa. Al
• 13:11
  Speaker 3: hacer esto, estás calibrando el peso semántico del modelo.
• 13:15
  Speaker 2: Ah, ya entiendo.
• 13:16
  Speaker 3: le indicas que seleccione vocabulario, tono y estructuras propias de
• 13:21
  Speaker 3: esa disciplina, descartando pues millones de otras formas de comunicarse
• 13:25
  Speaker 3: que no vienen al caso.
• 13:26
  Speaker 2: Pero si solo le doy el rol, el sistema podría
• 13:30
  Speaker 2: generar un material diseñado para estudiantes de maestría, cuando mis
• 13:33
  Speaker 2: alumnos tal vez apenas tienen 15 años. Exacto
• 13:37
  Speaker 2: Entiendo que ahí es donde interviene el segundo vector, que
• 13:39
  Speaker 2: es el contexto.
• 13:40
  Speaker 3: Así es.
• 13:41
  Speaker 2: El documento establece que hay que situar el problema. Por ejemplo...
• 13:45
  Speaker 2: Estoy planificando una unidad didáctica por estudiantes de nivel intermedio
• 13:48
  Speaker 2: en una zona urbana.
• 13:50
  Speaker 3: Muy específico.
• 13:51
  Speaker 2: Al darle esa capa de realidad, evitamos respuestas que suenen
• 13:54
  Speaker 2: como un manual teórico desvinculado de la práctica diaria del
• 13:58
  Speaker 2: aula
• 13:58
  Speaker 3: El contexto ancla el conocimiento del modelo a la realidad
• 14:02
  Speaker 3: del usuario. Y luego tenemos el tercer vector, que es
• 14:05
  Speaker 3: la tarea. Esta debe ser una orden accionable e inequívoca.
• 14:10
  Speaker 2: Nada de ambigüedades.
• 14:11
  Speaker 3: Nada. No se trata de pedir dame vea sobre cómo evaluar,
• 14:14
  Speaker 3: sino instrucciones directas como diseña una rúbrica analítica, detallala de
• 14:20
  Speaker 3: cuatro niveles de desempeño para evaluar un ensayo argumentativo.
• 14:25
  Speaker 2: Clarísimo. Pero a pesar de tener rol, contexto y tarea,
• 14:29
  Speaker 2: entiendo que hay un último paso que es crucial, ¿no?
• 14:32
  Speaker 3: Sí, el vector que transforma un buen prompt en uno
• 14:35
  Speaker 3: excelente es el cuarto, las restricciones.
• 14:38
  Speaker 2: Restricciones.
• 14:39
  Speaker 3: Porque si no limitamos los parámetros, el modelo tenderá a
• 14:43
  Speaker 3: la verbosidad, intentará abarcar demasiado y se desviará.
• 14:46
  Speaker 2: O te dará una respuesta de 20 páginas.
• 14:49
  Speaker 3: Exacto. Pero al añadir restricciones como el formato debe ser
• 14:54
  Speaker 3: obligatoriamente una tabla, priorizando métricas de evaluación del pensamiento crítico
• 14:58
  Speaker 3: sobre la memorización de fechas y, por ejemplo, incluyendo criterios
• 15:02
  Speaker 3: para la validación de fuentes fidedignas.
• 15:05
  Speaker 2: Guau.
• 15:05
  Speaker 3: Ahí el docente encajona el algoritmo. Y la conjunción de rol, contexto,
• 15:11
  Speaker 3: tarea y restricciones reduce un trabajo de planificación de 4 horas
• 15:16
  Speaker 3: a una interacción iterativa de 10 minutos.
• 15:20
  Speaker 2: es que ese nivel de eficiencia es un cambio radical
• 15:23
  Speaker 2: en la calidad de vida laboral de cualquier educador.
• 15:26
  Speaker 3: Les devuelve el tiempo para enfocarse en el alumno.
• 15:28
  Speaker 2: Exacto. Obtienen recursos estructurados, enfocados en el pensamiento crítico y,
• 15:33
  Speaker 2: lo mejor de todo, listos para implementarse. Ahora bien, tener
• 15:38
  Speaker 2: acceso a este nivel de automatización conlleva una responsabilidad técnica
• 15:42
  Speaker 2: y moral enorme.
• 15:44
  Speaker 3: Una gran responsabilidad, sin duda.
• 15:46
  Speaker 2: Porque si el docente tiene la capacidad de generar materiales
• 15:49
  Speaker 2: complejos en segundos, y los estudiantes tienen acceso a estas
• 15:52
  Speaker 2: mismas herramientas, el entorno educativo podría convertirse rápidamente en un
• 15:56
  Speaker 2: caos de interacciones automatizadas sin supervisión.
• 16:00
  Speaker 3: Sería un desastre
• 16:01
  Speaker 2: Es que abordar esta tecnología sin un marco regulatorio es
• 16:05
  Speaker 2: equivalente a entregar las llaves de un vehículo de alto
• 16:08
  Speaker 2: rendimiento sin haber enseñado antes las leyes de tránsito.
• 16:11
  Speaker 3: Me parece una metáfora perfecta.
• 16:13
  Speaker 2: Y por ello, la guía dedica un análisis profundo a
• 16:16
  Speaker 2: lo que llaman el marco ético y buenas prácticas, estableciendo
• 16:20
  Speaker 2: pilares que eviten precisamente el colapso del sistema. Y
• 16:23
  Speaker 3: es vital, porque la integración tecnológica carece de valor si
• 16:27
  Speaker 3: compromete la integridad del proceso formativo o la seguridad de
• 16:31
  Speaker 3: las personas involucradas. El primer concepto regulatorio que aborda la
• 16:34
  Speaker 3: guía es la transición hacia una cultura de transparencia y
• 16:38
  Speaker 3: honestidad académica.¿ Y
• 16:40
  Speaker 2: cómo se veía esto al principio?
• 16:42
  Speaker 3: Bueno, durante la fase inicial de adopción de la IA,
• 16:45
  Speaker 3: muchas instituciones optaron por una política de vigilancia. Intentaban rastrear
• 16:50
  Speaker 3: y castigar el uso de algoritmos.
• 16:53
  Speaker 2: Sí, jugar al
• 16:54
  Speaker 3: policía. Exacto. Pero la propuesta actual es desmantelar ese secretismo.
• 16:59
  Speaker 3: Se requiere que las instituciones establezcan normativas que delimiten muy
• 17:04
  Speaker 3: claramente cuándo es apropiado utilizar la asistencia algorítmica y cuándo no.
• 17:08
  Speaker 3: Claro
• 17:09
  Speaker 2: sacar el tema a la luz?
• 17:11
  Speaker 3: El objetivo es fomentar que el estudiante documente explícitamente qué
• 17:16
  Speaker 3: modelo utilizó, bajo qué parámetros y cómo esa interacción moldeó
• 17:20
  Speaker 3: su trabajo final. Esto transforma toda la dinámica.
• 17:24
  Speaker 2: Totalmente.
• 17:25
  Speaker 3: Pasa de ser un intento de engaño a convertirse en
• 17:28
  Speaker 3: una demostración de competencia técnica y metodológica.
• 17:32
  Speaker 2: Se elimina el incentivo de ocultarlo. O sea, al pedirles
• 17:35
  Speaker 2: que citen sus prompts y expliquen su metodología de investigación… Estamos,
• 17:39
  Speaker 2: de hecho, evaluando su capacidad para interactuar con la herramienta
• 17:42
  Speaker 2: de forma inteligente.
• 17:43
  Speaker 3: Exactamente.
• 17:44
  Speaker 2: Pero al normalizar este uso constante, surge un punto crítico
• 17:48
  Speaker 2: en la infraestructura. Y esto me preocupa. Supongamos que un docente,
• 17:53
  Speaker 2: tratando de optimizar aún más su tiempo, toma 50 ensayos originales
• 17:57
  Speaker 2: de sus alumnos, con sus nombres y sus ideas originales. Uf,
• 18:00
  Speaker 2: ya
• 18:02
  Speaker 3: veo hacia dónde vas.
• 18:03
  Speaker 2: Y los pega directamente en una de estas plataformas corporativas
• 18:06
  Speaker 2: para para que la herramienta aplique la rúbrica que acabamos
• 18:09
  Speaker 2: de diseñar. Desde el punto de vista de la eficiencia, bueno,
• 18:12
  Speaker 2: parece lógico, ¿no?
• 18:13
  Speaker 3: Parece muy práctico, sí.
• 18:15
  Speaker 2: Pero desde el punto de vista de la privacidad, es
• 18:17
  Speaker 2: una vulnerabilidad alarmante. Y el documento es un fuerte énfasis
• 18:21
  Speaker 2: en la protección de datos y privacidad. Y
• 18:23
  Speaker 3: con justa razón. Esto plantea una pregunta importante. Porque esa
• 18:27
  Speaker 3: vulnerabilidad es uno de los debates más apremiantes en la
• 18:30
  Speaker 3: intersección de la tecnología y la educación contemporánea. Estos modelos
• 18:35
  Speaker 3: de lenguaje a gran escala se perfeccionan continuamente.¿ Y cómo
• 18:39
  Speaker 3: lo hacen?
• 18:40
  Speaker 2: Ingiriendo datos, me imagino
• 18:42
  Speaker 3: Ingiriendo y procesando la información que los usuarios introducen en
• 18:45
  Speaker 3: sus interfaces. Entonces, si un educador transfiere trabajos inéditos, reflexiones
• 18:51
  Speaker 3: personales o datos identificables de menores de edad a una
• 18:55
  Speaker 3: plataforma externa…
• 18:56
  Speaker 2: Está básicamente regalando esos datos.
• 18:59
  Speaker 3: Está, en efecto, alimentando una base de datos corporativa con
• 19:02
  Speaker 3: propiedad intelectual que no le pertenece. Wow,
• 19:06
  Speaker 2: eso es muy delicado.
• 19:07
  Speaker 3: Muy delicado. Y la guía es categórica al respecto. La
• 19:11
  Speaker 3: anonimización de los datos y el uso de entornos seguros
• 19:14
  Speaker 3: donde la información no se utilice para el entrenamiento de
• 19:17
  Speaker 3: modelos públicos son requisitos no negociables.
• 19:21
  Speaker 2: Antes de cualquier implementación técnica en el aula, supongo.
• 19:24
  Speaker 3: Exacto. Es el paso cero.
• 19:26
  Speaker 2: Es un nivel de precaución indispensable. No podemos convertir el
• 19:30
  Speaker 2: esfuerzo intelectual de los estudiantes en combustible para algoritmos de
• 19:33
  Speaker 2: terceros sin su consentimiento explícito. Es absurdo.
• 19:36
  Speaker 3: Totalmente inaceptable desde una perspectiva ética.
• 19:40
  Speaker 2: Y esto nos lleva a la última línea de defensa
• 19:42
  Speaker 2: que plantea la guía, que es el concepto de la
• 19:45
  Speaker 2: curaduría docente obligatoria.
• 19:47
  Speaker 3: Un término clave.
• 19:48
  Speaker 2: Sí. Se refiere a mantener siempre la revisión humana permanente
• 19:52
  Speaker 2: sobre cualquier material generado artificialmente. Y es fascinante pensar en
• 19:57
  Speaker 2: esto bajo la óptica de la aviación moderna.
• 19:59
  Speaker 3: A ver,¿ cómo es eso de la aviación
• 20:02
  Speaker 2: Piensa en los aviones comerciales actuales. Cuentan con sistemas de
• 20:05
  Speaker 2: piloto automático increíblemente sofisticados. O sea, pueden mantener la altitud
• 20:10
  Speaker 2: de crucero, realizar correcciones de trayectoria ante variaciones del viento.
• 20:14
  Speaker 3: Hasta aterrizan solos
• 20:16
  Speaker 2: casi, ¿no? Casi. Pueden gestionar aproximaciones muy complejas. La computadora
• 20:20
  Speaker 2: de vuelo procesa variables a una velocidad inalcanzable para un
• 20:23
  Speaker 2: ser humano. pero bajo ningún protocolo aeronáutico se permite que
• 20:28
  Speaker 2: la cabina quede vacía.
• 20:29
  Speaker 3: Claro, el piloto siempre está ahí
• 20:31
  Speaker 2: El piloto humano debe estar sentado allí, monitoreando constantemente los instrumentos,
• 20:36
  Speaker 2: analizando el contexto macroeconómico del clima y validando las decisiones
• 20:41
  Speaker 2: de la máquina. Si el sistema arroja un error, el
• 20:44
  Speaker 2: humano toma los controles manuales inmediatamente. En este nuevo modelo educativo,
• 20:49
  Speaker 2: el profesor es ese piloto. Delega el esfuerzo sostenido de
• 20:53
  Speaker 2: la planificación y el procesamiento de datos al copiloto algorítmico,
• 20:57
  Speaker 2: pero mantiene la autoridad absoluta sobre la dirección del vuelo
• 21:00
  Speaker 2: en el aula.
• 21:01
  Speaker 3: La metáfora aeronáutica encapsula perfectamente la responsabilidad final. La curaduría
• 21:08
  Speaker 3: humana es insustituible, porque el algoritmo, a pesar de su
• 21:12
  Speaker 3: tremenda complejidad matemática, opera sin comprensión semántica profunda.
• 21:16
  Speaker 2: No entiende lo que dice.
• 21:18
  Speaker 3: No, no tiene contexto social y, fundamentalmente, carece de empatía.
• 21:22
  Speaker 3: Un modelo de lenguaje no puede leer el lenguaje corporal
• 21:25
  Speaker 3: de un estudiante que está frustrado en clase. Exactamente. La
• 21:30
  Speaker 3: revisión constante previene que las alucinaciones de la máquina o
• 21:34
  Speaker 3: la información sesgada o tonos pedagógicamente inapropiados lleguen al alumno.
• 21:40
  Speaker 2: Claro. El factor humano es el escudo protector.
• 21:43
  Speaker 3: Así es. El conocimiento técnico de cómo generar una rúbrica
• 21:47
  Speaker 3: en 10 segundos debe estar subordinado al criterio pedagógico que evalúa
• 21:52
  Speaker 3: si esa rúbrica es justa y adecuada para ese grupo
• 21:55
  Speaker 3: de individuos en particular.
• 21:57
  Speaker 2: Entonces,¿ qué significa todo esto para el panorama educativo a
• 22:00
  Speaker 2: gran escala? Si sintetizamos la visión que proyecta esta Guía
• 22:04
  Speaker 2: Integración IA Educación, Nos encontramos frente a una narrativa de empoderamiento.
• 22:10
  Speaker 3: Totalmente opuesta al discurso inicial de sustitución tecnológica.
• 22:14
  Speaker 2: Diametralmente opuesta. El sistema educativo se ve forzado a despojarse
• 22:19
  Speaker 2: de prácticas industriales obsoletas, como la evaluación masiva de la memorización,
• 22:25
  Speaker 2: para abrazar un modelo mucho más sofisticado.
• 22:28
  Speaker 3: Un modelo donde la máquina trabaja con nosotros, no contra nosotros. Exacto.
• 22:33
  Speaker 2: La inteligencia artificial asume el papel de un asistente cognitivo incansable,
• 22:38
  Speaker 2: gestionando la fricción administrativa y la investigación preliminar. Y en consecuencia,
• 22:42
  Speaker 2: el rol del educador se eleva.
• 22:44
  Speaker 3: Pasa al siguiente
• 22:46
  Speaker 2: nivel. Deja de ser un simple evaluador de productos para
• 22:49
  Speaker 2: convertirse en un arquitecto de experiencias, un diseñador de entornos
• 22:54
  Speaker 2: donde el pensamiento lógico y la argumentación humana se ponen
• 22:57
  Speaker 2: a prueba, operando siempre, claro está, bajo un marco irrenunciable
• 23:01
  Speaker 2: de ética y privacidad de datos.
• 23:03
  Speaker 3: Es un cambio
• 23:04
  Speaker 2: profundo. Y esta transformación estructural es relevante no solo para
• 23:08
  Speaker 2: los profesionales de la pedagogía. Es vital para todos quienes
• 23:12
  Speaker 2: escuchan y navegan por una sociedad cada vez más saturada
• 23:15
  Speaker 2: de información sintética.
• 23:17
  Speaker 3: Nos afecta a todos.
• 23:18
  Speaker 2: Sí. Nos muestra cómo la adopción estratégica de la tecnología termina, paradójicamente,
• 23:23
  Speaker 2: requiriendo un estándar intelectual humano mucho más alto.
• 23:26
  Speaker 3: Y creo que la exigencia sobre nuestras propias capacidades analíticas será,
• 23:31
  Speaker 3: sin duda, el mayor legado de esta transición tecnológica.
• 23:35
  Speaker 2: Nos obliga a reevaluar profundamente qué valor aportamos frente a
• 23:38
  Speaker 2: estos sistemas de procesamiento masivo de datos y basándonos en
• 23:42
  Speaker 2: las metodologías y, bueno, el cambio de enfoque que hemos
• 23:45
  Speaker 2: analizado a fondo hoy, resulta pertinente dejar sobre la mesa
• 23:49
  Speaker 2: un interrogante.
• 23:50
  Speaker 3: A ver,¿ cuál sería?
• 23:51
  Speaker 2: Un interrogante sobre la redefinición del talento en las próximas
• 23:54
  Speaker 2: décadas para quienes nos escuchan.
• 23:57
  Speaker 3: Te escuchamos? Si el paradigma educativo ya no premia la
• 24:00
  Speaker 3: retención pasiva de datos ni la simple generación de la
• 24:03
  Speaker 3: respuesta correcta, podemos anticipar que los pensadores más influyentes y
• 24:08
  Speaker 3: eficaces del mañana no serán aquellos que posean enciclopedias de
• 24:12
  Speaker 3: respuestas almacenadas en la memoria, sino aquellos que hayan dominado
• 24:17
  Speaker 3: el arte de articular las preguntas más incisivas y complejas
• 24:21
  Speaker 3: a las máquinas que los asisten.