Observaciones en el aula de próxima generación, impulsadas por IA

Como es típico en el entusiasmo por la tecnología educativa, el estallido inicial de entusiasmo por la inteligencia artificial en la educación se centró en las aplicaciones orientadas a los estudiantes. Productos como IXL , Zearn y el chatbot Khanmigo de Khan Academy podrían encargarse del trabajo pesado y personalizar la instrucción para cada niño. ¿Quién necesita tutores, o incluso profesores, cuando los niños pueden aprender de las máquinas?

Afortunadamente, los límites de la vida real de la instrucción de IA surgieron rápidamente, dado lo difícil que es para los no humanoides motivar a los niños y adolescentes a prestar atención y persistir a través del trabajo duro durante un período de tiempo prolongado (por ejemplo, consulte " El problema del 5 por ciento "). ” , artículos , otoño de 2024). Las aplicaciones siguen siendo populares, pero no está claro que la IA vaya a desplazar a la instrucción humana en vivo en el corto plazo.

Si la IA no puede reemplazar a los docentes, tal vez pueda ayudarlos a mejorar en sus trabajos. Varias empresas están combinando la IA con tecnología de vídeo ubicua y económica para proporcionar retroalimentación a los educadores a través de observación asincrónica y externa. Es una idea atractiva, especialmente dada la promesa y popularidad del coaching instruccional, así como el desafío de ampliarlo de manera efectiva (consulte “ Llevando el coaching docente a escala ”, investigación , otoño de 2018).

Si bien estos esfuerzos parecen hechos a medida para los docentes que buscan mejorar, existen aplicaciones claras en todo el espectro de efectividad. Al igual que las cámaras corporales que usa la policía, las grabaciones de video y las herramientas de inteligencia artificial podrían abrir una ventana a cada salón de clases, exponiendo a los estudiantes de bajo desempeño al escrutinio y ayudando a mantener bajo control el mal comportamiento.

Aplicaciones para observaciones

Las observaciones basadas en videos no son nuevas. La idea subyacente, anterior a la IA, era que los docentes se grabaran a sí mismos impartiendo clases, eligieran algunas de sus mejores muestras y subieran esos clips a una plataforma donde un instructor pedagógico o un director pudieran verlos y brindar retroalimentación. De hecho, este modelo fue una innovación importante del proyecto Medidas de enseñanza efectiva (MET, por sus siglas en inglés) lanzado en 2009 por la Fundación Bill y Melinda Gates (ver “ Luces, cámara, acción! ” What Next , primavera de 2011).

Edthena es una empresa que ha creado un servicio de coaching mediante comentarios en vídeo. Su fundador, Adam Geller, comenzó como profesor de ciencias en St. Louis antes de pasar al equipo de estrategia nacional de Teach For America. En ese momento, la organización estaba buscando una manera de brindar retroalimentación más frecuente a los miembros de su cuerpo, dada la creciente evidencia de que el mejor aprendizaje profesional proviene de que los educadores revisen, discutan y critiquen juntos regularmente la práctica de instrucción. Es difícil para los instructores o directores de instrucción visitar el aula de cada maestro con mucha frecuencia, pero las lecciones grabadas permiten a cualquiera observar y brindar comentarios en cualquier momento y desde cualquier lugar. Esto le dio a Geller una idea, que luego convirtió en Edthena.

Durante más de una década, afirma Geller, su plataforma ha reducido drásticamente la “brecha de retroalimentación”. Los estudios de investigación encuentran que el video coaching a través de Edthena puede mejorar la retención , la competencia y la confianza de los docentes . Aún así, es una gran inversión en recursos de personal. Después de todo, los entrenadores o administradores deben encontrar tiempo para ver los videos y ofrecer comentarios, y el día tiene un número limitado de horas.

Ingrese la IA. Edthena ahora ofrece un chatbot " AI Coach " que ofrece a los profesores indicaciones específicas mientras ven en privado grabaciones de sus lecciones. El chatbot está diseñado para ayudar a los profesores a ver su práctica en relación con objetivos profesionales comunes y a desarrollar planes de acción para mejorar.

Sin duda, un entrenador de IA no reemplaza el entrenamiento humano. Una analogía podría ser el creciente número de chatbots de salud mental en el mercado, muchos de ellos basados ​​en terapia cognitivo-conductual (TCC), que pueden ayudar a los pacientes a reflexionar sobre sus propios pensamientos y sentimientos y ayudarlos a ver las cosas de una manera más constructiva. De la misma manera, el AI Coach de Edthena está ayudando a los profesores a participar en una "reflexión profunda sobre la enseñanza en el aula", dice Geller. Y como la herramienta de IA responde a las autoevaluaciones de los propios profesores, y no a las lecciones en sí, es relativamente sencillo entrenarla.

Recopilación de datos para la superación personal

Si Edthena trata de "reflexión profunda", entonces TeachFX trata de datos concretos. La aplicación captura grabaciones de audio del aula y utiliza inteligencia artificial de reconocimiento de voz para diferenciar el habla del profesor y del estudiante durante las lecciones. Los profesores reciben visualizaciones del tiempo de clase dedicado a la charla del profesor, la charla de los estudiantes, la charla en grupo y el tiempo de espera para evaluar la participación de los estudiantes, así como análisis más sofisticados de los intercambios verbales durante la clase. Es como un Fitbit para instrucciones.

El fundador de TeachFX, Jamie Poskin, un ex profesor de secundaria, tuvo la idea mientras entrevistaba al director de una escuela cuando era estudiante de posgrado de la Universidad de Stanford. Discutieron el desafío de brindar retroalimentación a los docentes, especialmente a los nuevos. Estuvieron de acuerdo en que grabar las lecciones era intrigante, pero ¿cuándo podrían los directores encontrar tiempo para ver los vídeos? El director se preguntó: ¿qué pasaría si se pudiera entrenar a la IA para que buscara indicadores de buenas prácticas (los “movimientos” del maestro que fueran universalmente aplicables independientemente del nivel de grado o la materia)?

La primera versión de TeachFX se centró en una única métrica: el discurso del profesor versus el discurso de los estudiantes, basándose en una voluminosa evidencia de investigaciones de que cuanto más hablan los niños durante la instrucción directa, más tienden a aprender. Y aunque las aulas pueden ser cacofónicas (especialmente las de primaria), la tecnología podría distinguir fácilmente entre las voces de los profesores y de los estudiantes. Según datos internos de la empresa , estos análisis no solo fueron factibles, sino que el simple hecho de activar la aplicación TeachFX ayudó a los profesores a duplicar la cantidad de conversación de los estudiantes durante la clase. Según la empresa, casi el 80 por ciento de los profesores en una implementación típica utilizan la herramienta de forma recurrente.

Con el tiempo, a medida que la tecnología fue mejorando, la plataforma agregó más métricas alineadas con las mejores prácticas basadas en evidencia. Por ejemplo: ¿Qué proporción de las preguntas de un docente son abiertas? ¿Cuánto tiempo espera a que los estudiantes respondan? Un estudio de Dorottya Demszky y colegas publicado en 2023 descubrió que los docentes que recibieron comentarios de TeachFX aumentaron su uso de "preguntas de enfoque", que incitan a los estudiantes a reflexionar y explicar su pensamiento, en un 20 por ciento.

¿Un papel de la IA en la evaluación?

Una cosa es utilizar la IA para proporcionar retroalimentación constructiva y sin riesgos a los profesores sobre su práctica docente. Pero ¿qué pasa con su incorporación a las evaluaciones formales de desempeño?

A nadie con quien hablé le gustó esa idea.

Thomas Kane, de la Escuela de Graduados en Educación de Harvard, que dirigió el proyecto MET , dijo: "La IA podría facilitar que los profesores obtengan comentarios más frecuentes, sin la mancha de una relación de supervisión". Pero si se introduce esa “relación de supervisión” se perderá la voluntad de los profesores de probar estas tecnologías.

De hecho, ninguno de los fundadores de empresas con los que hablé estaba ansioso por ver que su tecnología se utilizara para evaluar a los docentes. Como me dijo Poskin de TeachFX, "Queremos que los docentes aprendan y crezcan". Cuanto más a menudo los docentes suban grabaciones a la plataforma, mejor. Sin embargo, las evaluaciones formales generalmente solo se realizan cada pocos años. Son la antítesis de la retroalimentación constructiva.

Dicho esto, los líderes de ambas compañías acogen con agrado que los docentes decidan utilizar sus grabaciones, o los datos y “registros de reflexión” derivados de ellas, en sesiones de entrenamiento o evaluaciones formales. En todos los casos, la clave es dejar esas decisiones a los profesores y permitirles mantener el control del proceso y los datos.

Para mí, estas aplicaciones parecen excelentes herramientas para profesores concienzudos y deseosos de mejorar, como sin duda lo fueron Geller y Poskin. Pero me parece que la motivación de los profesores para utilizarlos según lo previsto debe ser un problema, al igual que lo es para los estudiantes. Los profesores están muy ocupados y aplicaciones como estas suponen, en última instancia, trabajo extra.

En su favor, algunos distritos ofrecen incentivos, como computar el tiempo que los docentes pasan usando las aplicaciones para cumplir con los requisitos de aprendizaje profesional o permitir que las grabaciones sustituyan las visitas semanales a las aulas. Son pasos en la dirección correcta, pero no deberíamos esperar que la adopción sea universal. En mi opinión, parece probable que los peores docentes, que posiblemente sean los que más tienen que ganar, sean los menos propensos a interactuar con este tipo de tecnologías.

De cámaras corporales a cámaras en el aula

No creo que sería una locura, entonces, que alguien desarrollara una versión de esta idea que se centre menos en ayudar a los docentes bien intencionados a mejorar y más en responsabilizar al pequeño número de docentes ineficaces. Nuestras escuelas se han enfrentado durante mucho tiempo al problema del “burócrata de la calle”, acuñado por el politólogo Michael Lipsky en 1969. La idea es que algunos servicios gubernamentales dependen tanto del juicio y la discreción de las personas sobre el terreno que es difícil evaluar su trabajo. o hacerlos responsables. La enseñanza es uno de esos campos; la vigilancia policial es otra.

En el mundo de las fuerzas del orden, las cámaras de tablero y las cámaras corporales han cambiado la ecuación al proporcionar un registro claro de las interacciones de los agentes de policía con el público, para bien o para mal. Sin duda, esto ha generado todo tipo de preguntas y desafíos, como cuándo publicar las imágenes, cómo interpretarlas y qué es admisible en los tribunales. Los mandatos de Bodycam han obtenido cierto apoyo junto con serias preocupaciones sobre la privacidad y la confiabilidad. Pero no hay duda de que la brutalidad y la mala conducta policial enfrentan ahora un mayor escrutinio que en el pasado.

Entonces, ¿por qué no llevar la misma línea de pensamiento a las escuelas públicas? Coloque cámaras y micrófonos en cada salón de clases. Enciéndelos y mantenlos encendidos. Envíe las grabaciones a la nube y deje que el aprendizaje automático haga su trabajo (con estrictos protocolos de privacidad y seguridad, por supuesto). Si la IA ya puede diferenciar entre preguntas buenas y malas, seguramente puede informar a los directores o jefes de departamento si un maestro comienza la instrucción tarde y la termina temprano, o muestra películas todos los viernes, o permite que los niños deambulen por los pasillos, o no hace ningún esfuerzo por detenerse. evitar que hagan trampa en los exámenes. Si dicha tecnología pudiera detener las formas más atroces de mala enseñanza, podría proporcionar un impulso significativo al rendimiento de los estudiantes.

Por desgracia, dadas las políticas educativas, eso probablemente seguirá siendo sólo el sueño de un experto. Mientras tanto, usemos la IA para ayudar a la mayor cantidad posible de docentes motivados a pasar de ser buenos a excelentes.

Michael J. Petrilli es presidente del Instituto Thomas B. Fordham, miembro visitante de la Institución Hoover de la Universidad de Stanford y editor ejecutivo de Education Next .

https://www.educationnext.org/next-gen-classroom-observations-powered-by-ai/