Inteligencia Artificial Generativa: hacia una pedagogía con raíces judaicas

Por Marcelo I. Dorfsman (Israel)¹

“AI won’t replace humans — but humans with AI will replace humans without AI” 

Prof. Karim Lakhani

Introducción

En este artículo, voy a plantear reflexiones iniciales derivadas de mi trabajo de formación y de investigación en el área de la Tecnología Educativa (TE), en general, y del fenómeno de la Inteligencia Artificial (IA), en particular. 

Al reflexionar sobre esta problemática, no puedo dejar de lado el campo de la práctica. Aquellos que se consideran filósofos o pensadores pueden darse el lujo de construir edificios teóricos que, llegado el caso, pueden cimentar campos fértiles de trabajo, senderos luminosos que nos llevan a desarrollos prácticos deseados.  

En mi caso, me considero un educador y, como tal, cimiento la opción de integrar permanentemente la teoría con la práctica o, citando a Donald Schon, la reflexión con la acción (Schön, 1995²). 

Dr. Alex Sinclair³ se pregunta si existe una “pedagogía judía”, y llega a la conclusión de que la Chavruta, como metodología originada en los centros de estudios rabínicos, las Yeshivot, puede ser un ejemplo o referencia para ésta. Personalmente dudaría en referirme a “pedagogía judía”, sin dejar por esto de reconocer y valorar los componentes pedagógicos de la Chavruta (Holzer & Kent, 2019). 

De igual manera, tampoco podríamos referirnos a una “tecnología educativa judía”, pero sí podemos referirnos a una TE que trata contenidos judaicos o que refiere a los tres componentes pedagógicos que se encuentran en los fundamentos de la Chavruta como metodología de enseñanza y de aprendizaje; la relación con el texto, el trabajo colaborativo entre estudiantes y el diálogo hermenéutico. 

A lo largo de este artículo, voy a referirme al impacto de la IA en la educación en general, y en la educación judía en particular, tratando de iluminar la oportunidad que tenemos hoy, como educadores, de resignificar nuestras metodologías haciendo eje en dichos componentes.  

Comenzamos

Cuando, el 30 de noviembre de 2022 el chat GPT inició sus actividades en forma pública, el mundo se estremeció. Todavía nos “lamíamos las heridas” causadas por la larga y extendida crisis producida por el Covid 19, y una nueva “revolución” se cernía en el horizonte. 

El chat GPT, de la empresa Open AI, es la versión más actualizada del desarrollo de los modelos del lenguaje en la Inteligencia artificial, que data de mediados de la década del cincuenta del siglo pasado. El chat GPT comenzó a desarrollarse en 2019 (versiones 1 y 2) y se basa en dos elementos centrales: 

1. Una cantidad inconmensurable de datos que contiene.
2. La modalidad de recuperación de esos datos tiene lugar a través de algoritmos que se entrenan y renuevan permanentemente. 

Duerr y otros⁴ lo caracterizan como “…parte de la familia de los sistemas de Generación de Lenguaje Natural (NLG). Es un proceso en el que un sistema informático genera textos coherentes a partir de la información proporcionada a través de herramientas de IA. Este sistema de lenguaje puede interactuar con una persona en un proceso de interacción creativa«.

Hoy hablamos específicamente de Modelos de Lenguaje, y según la definición de Weidinger y otros⁵, se trata de modelos “entrenados para representar una distribución de probabilidad p(w1,w2, …,wn) sobre secuencias de tokens (i.e. palabras o caracteres) w, de un dominio preespecificado (por ejemplo, páginas web o libros (Weidinger et al., 2022)⁶. Según los autores, estos modelos “tienen como objetivo capturar propiedades estadísticas de la lengua presentes en su corpus de entrenamiento, y puede usarse para hacer predicciones probabilísticas sobre secuencias de tokens”.

Como consecuencia de los avances tecnológicos, hablamos hoy de grandes modelos de lenguaje que, como en el caso de Chat GPT, son capaces de almacenar prácticamente todo el conocimiento existente en un momento dado. Esto es posible por el desarrollo acelerado de la tecnología, que permite almacenar una gran cantidad de datos y recuperarlos a una gran velocidad. 

El objetivo de los grandes modelos de lenguaje es “imitar” al lenguaje humano, y desarrollar conversaciones inteligentes aun si su comprensión se basa en probabilidades estadísticas y no en la comprensión constructivista que conocemos. 

Entonces, la Inteligencia Artificial Generativa (IAG) se caracteriza no sólo por imitar al lenguaje humano, sino también por la posibilidad de producir material nuevo. Y así como el modelo de lenguaje se desarrolló originalmente en modo textual (texto-texto), hoy asistimos a un verdadero aluvión de herramientas que permiten generar nuevos contenidos sobre la base de los mismos principios, pero no solo texto-texto sino también texto-imagen, texto-audio y texto-video⁷.  

Tomen en cuenta que la mayoría de los sitios que van a encontrar son pagos, con diferentes grados de gratuidad que pueden ir desde un período de prueba limitado hasta un grado razonable de gratuidad que nos permite trabajar aun cuando sea en forma limitada. Especialmente desarrolladas, en la actualidad se pueden encontrar aplicaciones texto-imagen con versiones razonablemente gratuitas, como Dall-e y Leonardo-AI⁸.

A aquellos educadores interesados en iniciar el llamado camino de la alfabetización en IA, les recomiendo tomar en cuenta:

1. La IAG es una nueva herramienta de trabajo. Es digital, por lo cual, un manejo mínimo de entornos digitales es requerido; y es abarcativa; todos los campos disciplinares están cubiertos. 
2. La IAG por sí sola no resuelve problemas; pero nos ayuda a hacerlo. Para llegar a un resultado satisfactorio, es necesario “dialogar” mucho, verificar las fuentes y la información recibida, y refinar una y otra vez las preguntas y los pedidos. Algunas producciones pueden llevar tiempo; no es instantáneo. 
3. Cuando pensamos en IAG, pensamos en un asistente 7×24, los 365 días del año; no solo para nosotros sino también para nuestros alumnos. Es de ese modo que recomiendo abordarla. 
4. La IAG es un nuevo espacio de desarrollo en el área de las tecnologías. Probablemente el más dinámico y abarcativo, dado que impacta en campos como la medicina, el derecho, la economía, y por supuesto, la educación. Su uso nos exige una permanente actitud de renovación, pero también de cautela; no es necesario “saltar” ante cada nueva aplicación o programa que descubrimos o nos recomiendan. 

En un primer paso, recomiendo acceder a cuatro herramientas que les serán de utilidad. 

1. Magic School
2. Chat GPT (v. 3.5 o 4)
3. Chat Bing
4. Chat PDF⁹

Por último, es necesario tomar en cuenta que, de acuerdo con sondeos realizados en Israel y en Europa, más de un 70% de estudiantes del nivel medio, y 90% de nivel universitario, usan IA, y en buena medida, de manera incorrecta y aún fraudulenta. Por ello, el desafío es doble; por un lado, es hoy imprescindible capacitarse en IA y en IAG; por otro, es necesario utilizarla profesionalmente en los espacios de enseñanza para orientar a los estudiantes en su correcto uso y su mejor aprovechamiento.  

¿Existe una pedagogía judía?

Uno de los propósitos de este artículo es indagar si existe una relación entre la IAG y una pedagogía con raíces judaicas. 

Como decía al comenzar este artículo, mi colega el Dr Alex Sinclair, en el curso que desarrolló para la Maestría Internacional en Educación Judía de la Universidad Hebrea de Jerusalén, se pregunta si existe una pedagogía judía¹⁰.  

Alex presenta el modelo de “Chavrutah” como lo más parecido a este planteo, y se basa entre otros, en el texto de Holzer & Kent (2019) basados en el enfoque de Gadamer¹¹. 

Acuerdo con Alex sobre su enfoque, y creo que en la Chavruta existen componentes muy interesantes tales como el diálogo hermenéutico, la interacción colaborativa entre aprendices y la relación dinámica con el texto. Estos componentes, efectivamente, pueden cimentar una nueva pedagogía fundada en la IAG.

Personalmente, no me animaría a decir que la Chavruta es una pedagogía judía, pero sus componentes, en especial la relación dialógica entre pares, y el vínculo estrecho con el texto, son parte del ADN de nuestro pueblo y su legado histórico y cultural. 

El diálogo hermenéutico es un diálogo profundo y crítico, entre estudiantes, entre estudiantes y profesores y entre estudiantes y el texto, que pone de relieve la importancia del diálogo para el aprendizaje. La interacción entre aprendices da cuenta del aprendizaje colaborativo que esta metodología representa, y la relación dinámica con el texto es la que permite una comprensión profunda y crítica de este. 

En el próximo parágrafo trataré de dar ejemplos.  

IAG y enseñanza, no lo que pensamos

En una mesa imaginaria de profesoras se registra el siguiente diálogo: 

• Hoy comprobé que casi todos los chicos ya usan chat GPT…

• Sí, también me pasó en el último trabajo que les di.

• No sé muy bien cómo podemos manejarnos con esto…

• ¡Va a llegar un día en que la inteligencia artificial va a terminar reemplazándonos!

Comencemos por el final; la IA no nos va a reemplazar, así como no nos reemplazaron ninguno de los adelantos tecnológicos que produjo el hombre desde la creación de la imprenta o desde la máquina de enseñar de Watson. Pero cada uno de estos avances desafía nuestra identidad profesional y nuestra metodología de enseñanza. Y en este contexto, permítanme citar nuevamente esta frase de Karim Lakhani: “AI won’t replace humans — but humans with AI will replace humans without AI”¹².

Volvamos al principio… 

En el año 2014, Raúl Puentedura¹³ propuso un modelo propedéutico para la comprensión de la integración de las tecnologías en la enseñanza que fue denominado SAMR, y consiste básicamente en la caracterización de cuatro niveles de integración: 

1. Sustitución: la computadora sustituye a otra herramienta tecnológica que se utilizaba previamente, sin que se produzca un cambio significativo en la actividad a realizar. 

Por ejemplo, cuando reemplazamos la hoja de papel por el programa Word, o bien la pizarra tradicional por la pizarra electrónica, pero el tipo de actividad que proponemos no cambia. En este caso, la tecnología es simplemente una actualización cosmética, no sustancial. 

1. Aumento: el ordenador sustituye a otra herramienta tecnológica, pero en este caso con un importante aumento de su funcionalidad.

Siguiendo el ejemplo anterior, comenzamos a “explotar” las posibilidades que nos da el Word, y utilizamos el “control de cambios”. Con esta herramienta, podemos iniciar una interacción rica con el alumno, o podemos alentar la interacción entre parejas o grupos de alumnos. El control de cambios me permite documentar la historia de los cambios producidos en el documento, y luego reflexionar conjuntamente sobre la misma.  De este modo, producimos un pequeño cambio en la actividad que proponemos. 

III. Modificación: en este caso, el ordenador permite rediseñar partes significativas de una tarea a ejecutar.

Por ejemplo, trabajamos con Google Doc., promoviendo el trabajo colaborativo en tiempo real. Durante el mismo, se puede también documentar el proceso, y chatear en tiempo real sobre el trabajo que se está realizando. 

1. Redefinición: en este caso, la tecnología nos permite la creación de nuevas tareas, inconcebibles antes de su implementación.

En esta etapa, podemos promover trabajos compartidos, en modalidad de diseño invertido, resolución de problemas , enfoques basados en dilemas, u otros; entre grupos de diferentes escuelas, provincias o países, con espacios de trabajo individual y otros de trabajo compartido, presentaciones por videoconferencia en tiempo real, y demás. Evidentemente, sin el desarrollo tecnológico actual, esto no hubiera sido posible.  

En un desarrollo posterior, Rehman y Aurangzeb¹³ propusieron una interesante comparación entre estos cuatro estadios integrativos y la taxonomía de Bloom modificada, que podemos apreciar en este gráfico:  

Figura 1

Según los autores, los estadios menos sofisticados de integración se correlacionan con las funciones cognitivas de orden inferior – recordar, comprender y aplicar – mientras que los más avanzados correlacionan con las funciones cognitivas de orden superior – analizar, evaluar y crear. Veamos un ejemplo: 

Mis colegas, Efrat Furst y Liat Eyal, del Instituto Mofet, elaboraron seis recorridos posibles recomendados para diseñar una unidad de aprendizaje utilizando la IA. Los recorridos se basan en el modelo “Think, Pair, Share”, o bien; “Pensar, emparejar, compartir”

“Pensar”, consiste en profundizar o indagar o investigar sobre un tema, sólo o con el chat; “Emparejar”, consiste en trabajar en parejas sobre los resultados obtenidos, afinar las búsquedas, mejorar los prompts¹⁵; “Compartir” es llevar los resultados al plenario y realizar una reflexión metacognitiva de todo el proceso. 

Veamos como ejemplo el siguiente recorrido: 

“ChatGPT como base para una discusión sobre resolución de problemas”.

En este recorrido, en la etapa “Pensar”, le solicitamos al chat GPT ayuda para resolver un problema planteado en la clase; en “Emparejar”, comparamos con un par o con el grupo, la resolución planteada y verificamos la veracidad de los datos obtenidos del Chat GPT; en “Compartir”, compartimos las soluciones propuestas y evaluamos la conveniencia y factibilidad de cada una de ellas. 

La clave en este y los demás recorridos es no dar nada por sentado, revalorizando la relación con el texto, trabajando en forma colaborativa para manejarse sobre la base del diálogo hermenéutico en todos los niveles de la clase, y no de un saber “dado”. La actitud socrática de poner todo en duda es la más adecuada para trabajar con las herramientas de la IA, tanto como nuestro asistente como de los alumnos. 

Como se ve en la siguiente tabla, una propuesta de enseñanza con IA toma estos tres componentes como sustento de la misma: 

Figura 2

¿Por qué es importante diseñar una unidad o trayecto de aprendizaje? 

En primer lugar, porque privilegiamos la enseñanza situada y no actividades o ejercicios aislados; en segundo lugar, porque privilegiamos la pedagogía o en este caso, la pedagogía digital por sobre la mera herramienta; y en tercer lugar, porque al situar a la herramienta de IA, podemos también privilegiar los tres grandes principios que nos guían (la relación con el texto, el diálogo hermenéutico y el trabajo colaborativo) asegurándonos de desmitificar y de trabajar en derredor de las funciones cognitivas de orden superior. 

Si volvemos al planteo del modelo SAMR, podemos graficarlo de esta manera: 

Figura 3

Así, dejamos en claro que nuestros fundamentos pedagógicos corresponden a los niveles más altos de la taxonomía de Bloom modificada y que coinciden con los niveles de integración más complejos y elaborados de integración de las tecnologías en la enseñanza.  

Y para finalizar…

Recuerdo que cuando me compré mi primer PC, a principios de los noventa, le pregunté a mi cuñado (que hacía uso intensivo de ordenadores en su empresa), ¿qué es lo que puedo hacer con ella?; y él me respondió: «Marcelo, con un ordenador podés hacer ‘todo’”, subrayando el “todo”…

¿Podemos hacer “todo” con las herramientas de IA? Definitivamente no, pero podemos hacer mucho, y para ello se requiere mucha ejercitación y mucho trabajo con ellas. 

¿Cuáles son nuestros desafíos?

En primer lugar, alfabetizarnos en IA, así como nos alfabetizamos digitalmente; en segundo lugar, introducir las herramientas de IA en el aula y, de este modo, mostrarnos frente a nuestros alumnos como conocedores, e incluso especialistas en estos entornos; y, por último, replantear merced a estas dos condiciones nuestra metodología de enseñanza, considerando los niveles cognitivos de orden superior, así como nuestros fundamentos pedagógicas. 

No quiero finalizar este artículo sin otro ejemplo, que da cuenta del trabajo que puede realizarse con los modelos de lenguaje para que se conviertan en “asistentes” de los alumnos: 

En este ejemplo, preparamos un “prompt” muy simple, para alentar a los alumnos a trabajar, frente al chat Bing, con resolución de dilemas: 

Figura 4

Tenemos muchas formas de abordar esta situación: 

En primer lugar, un alumno puede rechazar este dilema, dado que es irreal; Moisés no desobedeció a D´s, y el final es sabido. Entonces, podemos preguntarle al chat Bing y exigir otro dilema (el diálogo con el texto).

También podemos estimular a nuestro alumno a elegir una opción, la 1 o la 2, a seguir hasta el final, y luego comparar con un compañero que eligió la misma opción, los resultados obtenidos (trabajo colaborativo). 

Por último, podemos analizar en el plenario los recorridos propuestos, el valor del dilema de ambas opciones y el recorrido cognitivo seguido en cada caso, debatiendo la conveniencia o no de trabajar en esta metodología y con esta herramienta (diálogo hermenéutico). 

Espero que la lectura de este artículo les haya dado más ganas de adentrarse en este tema, y más interés en incluirlo en sus propuestas de enseñanza.

---

<sup>1. Marcelo I. Dorfsman es Ph.D en Educación, profesor e investigador de la Universidad Hebrea de Jerusalén. Es especialista en enseñanza mediada por tecnologías y en educación a distancia, áreas en las cuales desarrolla sus tareas académicas y profesionales. Luego de investigar el fenómeno de enseñanza en emergencia bajo el COVID 19, Marcelo se abocó a la investigación del impacto de la Inteligencia Artificial en la enseñanza. Es director académico de los programas internacionales de Maestría en Educación, con especialidad en Educación Judía en idioma inglés y español/portugués, del Centro Melton de la Universidad Hebrea de Jerusalén y codirector de la Carrera de Especialización en Enseñanza Mediada por Tecnologías, de la Universidad Nacional del Comahue. 
En su actividad privada, asesora a diferentes instituciones y universidades en el área de enseñanza de tecnologías educativas, y desarrolla proyectos de formación profesional en el área.
Nacido en Buenos Aires, Argentina, fue Rector (fundador) del Colegio Secundario Martín Buber, y Jefe de Trabajos Prácticos de la Cátedra de Didáctica para los Profesorados de la UBA, hasta el año 2003, año de su su aliáh a Israel.
2. Schön, D. A. (1995). Knowing-in-action: The new scholarship requires a new epistemology. Change: The Magazine of Higher Learning, 27(6), 27-34.
3. Dr. Alex Sinclair es profesor de la Maestría Internacional en Educación Judía del Centro Melton, y ha desarrollado en su marco el curso “Visions in Jewish Education”. En este curso plantea esta idea.
4. Ver
Duerr, S., & Gloor, P. A. (2021). Persuasive Natural Language Generation–A Literature Review. arXiv preprint arXiv:2101.05786 (Traducción Marcelo I. Dorfsman).
Woo, D. J., Wang, Y., & Susanto, H. (2022). Student-AI Creative Writing: Pedagogical Strategies for Applying Natural Language Generation in Schools. EdArXiv. June, 3 (Traducción Marcelo I. Dorfsman).
5. Weidinger, L., Uesato, J., Rauh, M., Griffin, C., Huang, P.-S., Mellor, J., . . . Kasirzadeh, A. (2022). Taxonomy of risks posed by language models. Paper presented at the Proceedings of the 2022 ACM Conference on Fairness, Accountability, and Transparency (Traducción Marcelo I. Dorfsman).
6. Traducción MD.
7. Ver, por ejemplo, https://www.futurepedia.io/ o https://allthingsai.com/
8. Al día de la escritura de este artículo.
9. Cabe mencionar que esta herramienta, en principio gratuita, se ha limitado al día de la fecha a 2 pdf diarios; no obstante hay alternativas a su uso.
10. Curso: Visions in Jewish Education.
11. Holzer, E. y Kent, O. (2019). A philosophy of havruta: Understanding and teaching the art of text study in pairs: Academic Studies Press.
12. La IA no reemplazará al ser humano, pero seres humanos con IA reemplazarán a seres humanos sin IA (trad. MD).
13. Puentedura, R. (2014). Learning, technology, and the SAMR model: Goals, processes, and practice.
14. Rehman, Z., & Aurangzeb, W. (2021). The SAMR Model and Bloom’s Taxonomy as a Framework for Evaluating Technology Integration at University Level. Global Educational Studies Review, VI, 6, 1-11.
15. Prompt es la consigna que se le da al chat GPT o similar.</sup>