Integración de herramientas de IA generativas en la docencia universitaria

Acerca del proyecto de innovación docente

El objetivo del proyecto fue integrar herramientas de Inteligencia Artificial generativa en los estudios de grado universitario para mejorar la calidad educativa. La idea principal es que la IA puede facilitar tanto a los estudiantes la comprensión de conceptos y la autoevaluación, como al profesorado la creación de contenidos adaptados al alumnado. Durante el proyecto se desarrollaron prompts y ejemplos para que los alumnos sean capaces de responder dudas sobre el contenido de la asignatura y sobre resolución de problemas, proporcionando de esta forma apoyo personalizado en tiempo real.

El material generado durante el proyecto está disponible para su descarga.

Algunas conclusiones sobre su desempeño en Matemáticas

Antes de indicar las conclusiones es conveniente aclarar que en la asignatura de matemáticas de primer curso de grado donde se ha llevado principalmente a cabo el proyecto (Matemáticas I del Grado en Química) tiene una primera pequeña parte de repaso de conceptos de transición entre nivel de bachiller y nivel de grado donde la IA ha tenido un desempeño adecuado (exceptuando en algunos detalles) mientras que en los conceptos matemáticos propios del grado el desempeño ha sido en general irregular.

Las conclusiones son las siguientes (ver la documentación disponible en Digibug donde se encuentran multitud de ejemplos que ilustran las conclusiones obtenidas):

1. En tareas de cálculo de derivadas y problemas de optimización para funciones de una o varias variables el desempeño es adecuado: comete algunos errores, subsanables si se le indica que revise los cálculos, y normalmente simplifica y razona de forma correcta y automática. En algunos casos, no indica completamente el razonamiento llevado a cabo aunque el resultado es correcto lo que puede causar confusión entre el alumnado.
2. En tareas de cálculo integral para funciones de una variable el desempeño es también adecuado aunque requiere en muchos de los casos que se especifique por parte del usuario qué método de integración usar así como ir guiando el proceso de cálculo mediante una secuencia adecuada de consultas. En el caso de cálculo integral para funciones de varias variables el desempeño es irregular: los planteamientos son a veces incorrectos y en ocasiones no los más adecuados para resolver el problema, los resultados son a veces incompletos y requieren de consultas adicionales para resolverlos.

A lo largo de la ejecución del proyecto la capacidad de razonamiento de la IA generativa ha ido mejorando con la aparición de diferentes agentes (especialmente con los modelos o de ChatGPT que han sido entrenados para pensar durante más tiempo antes de responder y, por tanto, son capaces de resolver problemas más complejos). En palabras de Terence Tao, medallista field y profesor en UCLA, el modelo o1 de OpenAI es

“estudiante de grado mediocre pero no completamente incompetente”.

Sin embargo, la aparición de estos modelos cuando el proyecto ya estaba avanzado no ha permitido hacerse una idea precisa de sus posibilidades con respecto a los antecesores.

Nuestra recomendación general es que la IA está lista para ser usada a nivel de grado en asignaturas de matemáticas con las siguientes consideraciones:

• El desempeño únicamente es adecuado en asignaturas de matemáticas básicas (de primer grado) en grados STEM. En asignaturas de matemáticas de nivel superior su desempeño no es adecuado y sus respuestas, en la mayoría de los casos, no son precisas y en algunos casos incorrectas (esta valoración es a nivel personal basada en el uso de la herramienta para distintas tareas en asignaturas del grado en Matemáticas de cursos superiores).
• Es útil como herramienta de autoevalución siempre que el estudiante la use correctamente: una vez resuelto el ejercicio acuda a la solución dada por una IA para contrastar el resultado obtenido. En este sentido, también es útil para evitar el bloqueo de los estudiantes al intentar resolver ejercicios y problemas si se usa para solicitar indicaciones para resolverlo. En este escenario se minimiza que el alumno obtenga la falsa creencia de que es capaz de resolver de forma autónoma el ejercicio.