El Maestro Raúl González López es Ingeniero en Computación egresado de la UNAM con más de 30 años de experiencia en el mundo de las tecnologías de información. Su formación incluye desde certificaciones como DBA al inicio de su carrera, pasando por la administración de proyectos, gestión y gobierno de tecnologías de información, hasta las prácticas ágiles de desarrollo y agilidad empresarial. También es Maestro en Calidad de la Educación por la Universidad de las Américas Puebla. Actualmente es director de Servicios de Tecnologías de la Información al Cliente en la UDLAP. Es entusiasta estudioso del fenómeno humano–tecnología, de sus interacciones, y de cómo se definen y transforman mutuamente.
El fenómeno conocido como el "problema de las dos sigmas" de Bloom se refiere a la diferencia significativa en el rendimiento académico entre los estudiantes que reciben instrucción convencional en grupo y aquellos que reciben tutoría individualizada. Este fenómeno fue identificado por Benjamin Bloom, quien encontró que los estudiantes que recibían tutoría uno a uno, obtenían resultados académicos dos desviaciones estándar (sigmas) por encima del promedio de los estudiantes en aulas tradicionales. Este artículo explorará este fenómeno, su relación con el concepto de aprendizaje por dominio (Mastery Learning) y cómo los tutores de inteligencia artificial (IA) pueden ser una opción para mitigar este problema, en beneficio de estudiantes, profesores y padres de familia.
Benjamin Bloom, un destacado psicólogo educativo, llevó a cabo investigaciones en las décadas de 1970 y 1980 que revelaron una mejora significativa en el rendimiento académico cuando los estudiantes recibían tutoría individualizada. En su estudio, Bloom descubrió que los estudiantes que recibían tutoría personalizada lograban un rendimiento promedio que era dos desviaciones estándar (o "sigmas") por encima del rendimiento promedio de los estudiantes en un entorno de enseñanza tradicional en grupo (Bloom, 1984). Esta mejora significativa plantea un desafío considerable para los sistemas educativos, ya que la tutoría individualizada no es práctica ni económicamente viable para la mayoría de las instituciones educativas.
El aprendizaje por dominio, o Mastery Learning, es un enfoque pedagógico también desarrollado por Bloom, como una posible solución al problema de las dos sigmas. Este método se basa en la premisa de que todos los estudiantes pueden alcanzar un alto nivel de comprensión y competencia en una materia si se les proporciona el tiempo y la instrucción adecuados. En lugar de avanzar a través del currículo según un calendario fijo, los estudiantes progresan solo cuando han demostrado dominio del material actual.
El aprendizaje por dominio implica un ciclo de instrucción, evaluación formativa, retroalimentación y corrección, seguido de una evaluación sumativa. Este enfoque busca cerrar la brecha entre los estudiantes que progresan a diferentes ritmos, permitiendo a cada uno alcanzar su máximo potencial (Guskey, 2010).
El desarrollo de la inteligencia artificial y su especial adaptación como tutores educativos puede mitigar el problema de las dos sigmas al proporcionar apoyo personalizado y adaptativo a gran escala. Los sistemas de tutoría inteligente están diseñados para adaptarse al comportamiento y las necesidades de aprendizaje individuales de los estudiantes, ofreciendo un apoyo similar al que brindaría un tutor humano.
Los tutores de IA utilizan algoritmos de aprendizaje automático para analizar los patrones de aprendizaje de cada estudiante y adaptar la instrucción en consecuencia. Esto permite una personalización del aprendizaje que puede abordar las debilidades y potenciar las fortalezas de cada estudiante, algo que es difícil de lograr en un entorno de enseñanza tradicional en grupo (Chávez, 2021).
Una de las ventajas clave de los tutores de IA es la capacidad de proporcionar retroalimentación inmediata, misma que resulta crucial para el aprendizaje eficaz, ya que permite a los estudiantes corregir errores y ajustar su comprensión en tiempo real. Este proceso de ajuste continuo es fundamental para el aprendizaje por dominio, donde el objetivo es asegurar que los estudiantes no avanzan hasta haber dominado completamente el contenido actual.
La personalización y la retroalimentación inmediata también pueden reducir la ansiedad académica y aumentar la autoconfianza de los estudiantes. La ansiedad puede interferir en gran medida con el rendimiento académico, y los estudiantes que reciben apoyo constante y personalizado pueden sentirse más seguros y motivados para enfrentar desafíos académicos (Cassady & Gridley, 2005).
Los tutores de IA pueden ayudar a los estudiantes a desarrollar habilidades de autorregulación, esenciales para el aprendizaje efectivo. La autorregulación implica la capacidad de planificar, monitorear y evaluar el propio aprendizaje. Los tutores de IA pueden guiar a los estudiantes en este proceso, ofreciendo herramientas y estrategias para mejorar la gestión del tiempo, establecer metas y autoevaluarse. En muchos casos, sin embargo, será necesario acompañar a los estudiantes en los primeros pasos con el tutor de IA, estableciendo de entrada un kit de instrucciones básicas qué les permitan confiar en esta herramienta más pronto que tarde.
A pesar de sus ventajas un tutor académico de inteligencia artificial no debe ni puede reemplazar del todo a un tutor humano, principalmente debido la necesidad de establecer vínculos como la empatía, la comprensión intuitiva y humana. Sin embargo, su valor como herramienta de apoyo es inmenso, ya que ofrece disponibilidad 24/7, personalización del aprendizaje y respuestas inmediatas a preguntas específicas. Esto permite a los estudiantes obtener ayuda constante y mejorar su comprensión en tiempo real, complementando el trabajo del tutor humano y potenciando el proceso educativo.
Ejemplos de plataformas de tutoría académica por IA:
Khanmigo, es una plataforma educativa impulsada por inteligencia artificial y creada por Khan Academy, es un notable ejemplo de tutor personalizado disponible las 24 horas. Ofrece apoyo en tareas y preparación, no solo respondiendo preguntas, sino también generando nuevas preguntas a partir de respuestas parciales para fomentar la reflexión del estudiante. Khanmigo puede identificar intereses de los estudiantes, incluso fuera del ámbito académico, como en deportes, y ajustar sus preguntas para alinearse con esos intereses, ayudando así a los estudiantes a liberar su potencial de aprendizaje mediante estas preguntas personalizadas. (Khan, 2024)
Otro ejemplo destacado es ALEKS (Assessment and Learning in Knowledge Spaces), que emplean IA para crear mapas de conocimiento personalizados para cada estudiante. Estos mapas identifican las áreas de fortaleza y debilidad, permitiendo a la plataforma adaptar las lecciones y ejercicios en consecuencia (Kulik & Fletcher, 2016).
Otra aplicación de la IA en la educación es el uso de chatbots educativos, que pueden proporcionar apoyo académico e incluso emocional a los estudiantes. Estos chatbots pueden responder preguntas, ofrecer explicaciones añadidas y proporcionar recursos adicionales para ayudarlos a comprender mejor su material de estudio (QuestionPro, 2021).
El problema de las dos sigmas de Bloom destaca la importancia de la personalización en la educación para maximizar el rendimiento académico de los estudiantes. El aprendizaje por dominio ofrece un enfoque viable para lograr esta personalización, permitiendo a los estudiantes progresar a su propio ritmo y asegurando el dominio del contenido. Los tutores de inteligencia artificial son una gran herramienta de apoyo para tutores, educadores y padres de familia. Representan una solución innovadora para mitigar el referido problema de las dos sigmas de Bloom a gran escala, proporcionando una tutoría adaptativa y personalizada que puede emular los beneficios de la tutoría individualizada. Desde una perspectiva emocional, estos tutores pueden reducir la ansiedad, aumentar la autoconfianza, fomentar la autorregulación y, en última instancia, mejorar el rendimiento académico de los estudiantes.
Bloom, B. S. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring. Educational Researcher, 13(6), 4-16.
Cassady, J. C., & Gridley, B. E. (2005). The Effects of Online Formative and Summative Assessment on Test Anxiety and Performance. Journal of Technology, Learning, and Assessment, 4(1), 1-30.
Chávez, M. H. R. (2021). Sistemas de tutoría inteligente y su aplicación en la educación. Revista de Innovación y Desarrollo Educativo, 42, 2978.
Guskey, T. R. (2010). Lessons of Mastery Learning. Educational Leadership, 68(2), 52-57.
Khan, S. (2024). Brave new words: How AI will revolutionize education (and why that's a good thing). New York, NY: Penguin Random House.
Kulik, J. A., & Fletcher, J. D. (2016). Effectiveness of Intelligent Tutoring Systems: A Meta-Analytic Review. Review of Educational Research, 86(2), 89-118.
QuestionPro. (2021). Inteligencia artificial en la educación: Impacto y ejemplos. Recuperado de https://www.questionpro.com/blog/es/inteligencia-artificial-en-la-educacion/