Adecuar con inteligencia (¿artificial?): Personalizar sin empobrecer el aprendizaje

Pensemos en algo bastante cotidiano. Un profesor prepara una guía para todo un curso. La guía funciona bien para la mayoría de sus estudiantes…, pero tienes un alumno con trastorno del espectro autista, otro con dislexia, una estudiante con dificultades de escritura y quizás otro que necesita instrucciones más breves, concretas y secuenciadas.

Hasta hace muy poco, producir cuatro versiones distintas de ese material podía significar horas de trabajo. Por eso, muchas veces las adecuaciones terminaban siendo mínimas, improvisadas o simplemente imposibles de realizar con la profundidad que hubiéramos querido. Y la inteligencia artificial puede cambiar ese “dolor” de no poder llegar a todos los niños.

Hoy, un profesor o el especialista encargado puede tomar la misma guía que utilizará con el resto de la clase y pedir que se adapte su lenguaje, se dividan las instrucciones, se incorporen apoyos visuales, se reduzca la carga de escritura o se modifique la forma de responder: puedes pedir versiones diferentes para cada caso. Pero aquí aparece el primer problema: una adecuación no se puede construir solamente a partir de una descripción general de la dificultad, trastorno o condición.

Decirle a una IA: “Tengo un alumno con TEA, adáptame la guía adjunta” puede producir algo aparentemente razonable, pero pedagógicamente muy pobre. Si antes pensábamos cómo hacer una guía más fácil para que un determinado alumno pudiera “conectar” en la clase, ahora deberíamos poder pensar qué barreras cognitivas debo modificar para que este estudiante pueda participar del mismo proceso de aprendizaje, donde una cuota bien pensada y definida de dificultad ayuda a la memoria de largo plazo y la memoria de trabajo.

Hay una tentación cuando trabajamos con estudiantes que presentan dificultades: eliminar cada obstáculo que encontramos para “ayudarlos”. Si un texto es complejo, lo reducimos. Si una pregunta requiere mucho razonamiento, la simplificamos. Si escribir resulta difícil, eliminamos la escritura. Si una actividad produce frustración, intentamos evitarla. Pero esta lógica termina quitando aquello que queremos desarrollar justamente para ese estudiante que tal vez lo necesitará en el futuro.

Un estudiante que nunca enfrenta un texto complejo, difícilmente aprenderá a hacerlo por ósmosis. Uno que nunca necesita organizar una respuesta no desarrollará esa capacidad. Y alguien a quien siempre le entregamos una versión perfectamente adaptada del mundo tendrá dificultades cuando se encuentre con un mundo que no viene adaptado.

entregar información sensible

Hay un problema que no podemos ignorar: para personalizar, necesitamos información. Y cuanto mejor queremos personalizar, más necesario resulta entregar información detallada sobre nuestros estudiantes a las plataformas de inteligencia artificial.

Pero sabemos que los datos de un menor no son simplemente datos administrativos. Calificaciones, dificultades de aprendizaje, diagnósticos, problemas de comportamiento, registros académicos y características familiares pueden construir perfiles extraordinariamente detallados. Por eso, nunca deberíamos copiar un informe psicológico completo dentro de un chatbot. Hay que cuidar la identidad de los estudiantes siempre.

La regla debiera ser: entregar solamente la información pedagógica estrictamente necesaria y eliminar todo aquello que permita identificar al estudiante. Solo tengo que poder explicar cómo el estudiante aprende mejor, no quién es. Y esta distinción debería formar parte de cualquier política institucional de inteligencia artificial.

Otro cambio importante ocurre cuando dejamos de utilizar la inteligencia artificial mediante prompts aislados y comenzamos a construir sistemas. Por ejemplo, un colegio podría crear un proyecto específico dentro de una plataforma de IA para apoyar adecuaciones curriculares (un GPT, Gem, Project, etc.). 

Entonces, el profesor ya no tendría que explicarlo todo cada vez, ya que podría subir una prueba y pedir: “Adapta esta evaluación para este perfil pedagógico. Mantén el mismo objetivo de aprendizaje y el mismo nivel conceptual. Modifica únicamente las barreras de acceso que sean necesarias para un alumno como ‘Tobías’ (alias de un estudiante con un diagnóstico real dentro del GPT). Al final, explícame qué modificaste y por qué”. Esta última frase me parece especialmente importante, ya que nos ayuda a evaluar mejor el resultado de lo producido por la IA. Y recordar que el responsable final de la adecuación sigue siendo el profesor.