Cuando se habla de la Inteligencia Artificial en el ámbito educativo, generalmente viene a la mente la IA generativa, como los chatbots tipo ChatGPT o programas que generan textos e imágenes automáticamente.
Sin embargo, existe una forma de Inteligencia Artificial menos visible pero potencialmente más provechosa para la enseñanza. Ante uno de los retos más urgentes del país, que es mejorar el Plan de Alfabetización: asegurarse de que un gran número de estudiantes comprenda lo que leen.
Esta IA alternativa está en desarrollo en los centros de investigación de Ciencias Exactas de la UBA. Un grupo en el Laboratorio de Inteligencia Artificial Aplicada (LIAA) está trabajando en un modelo que pueda “escuchar” y evaluar cómo leen los niños.
El propósito es que, pronto, la herramienta detecte automáticamente y de manera anticipada las dificultades de aprendizaje, permitiendo así que los educadores intervengan de manera oportuna y efectiva.
La importancia de la fluidez en la lectura
La concepción de esta IA se basa en las últimas investigaciones en lingüística y pedagogía, enfatizando la precisión y velocidad de lectura. La evidencia demuestra que ningún alumno en primer grado debería leer menos de 40 palabras por minuto.
Por ello, departamentos educativos de varias provincias ya están comenzando a evaluar cómo leen los niños en primaria, mediante grabaciones y análisis de su progreso a lo largo de la escolaridad.
El equipo del LIAA se propuso entrenar la IA con estas grabaciones, para desarrollar una aplicación que permita a los docentes registrar a sus alumnos y obtener un diagnóstico inmediato sobre sus dificultades y recomendaciones para superarlas. Iniciaron este proyecto hace dos años con audios recopilados en Mendoza.
Este desarrollo fue presentado recientemente por uno de sus creadores, Juan Kamienkowski, especialista en neurociencias, en el evento “Aprendizajes efectivos con IA en alfabetización y matemática”, organizado por la Universidad Austral.
“Nuestra intención desde el inicio ha sido contar cuántas palabras leen correctamente los niños de forma automática”, explicó Kamienkowski, utilizando el ejemplo de los subtítulos en Youtube para ilustrar el trabajo.
Kamienkowski aclaró que no se trata de corregir los errores de los niños al leer, sino de identificar los diversos tipos de errores cometidos, para ofrecer un diagnóstico más preciso.
El investigador del Instituto de Ciencias de la Computación de la UBA y el CONICET, quien también es profesor y dirige la Maestría en Ciencia de Datos de la UBA, detalló que el sistema actual mide la cantidad de palabras correctamente leídas por minuto, que es el estándar común de fluidez.
En el futuro, una vez que el sistema esté capacitado con diversos errores de lectura infantil, podrá proporcionar retroalimentación más específica sobre las áreas en las que cada niño tiene dificultades.
“Un desafío de estos algoritmos es que necesitan grandes volúmenes de datos. Conseguir grabaciones de niños y, además, anotadas correctamente es bastante complicado”, comentó Kamienkowski. “Esto es un campo en constante evolución, donde es crucial mantenerse actualizado.”
Kamienkowski mencionó que el futuro desarrollo será una aplicación que permita grabar, procesar y almacenar los audios directamente desde las aulas, junto a Jazmín Vidal, Octavio Castro, Luciana Ferrer y Pablo Riera.
Dicha aplicación podría ser implementada por cualquier provincia como parte de sus esfuerzos para mejorar la alfabetización inicial dentro del Plan Nacional de Alfabetización.
Kamienkowski también destacó la colaboración con otras entidades, como la asociación Dale! y la Fundación Natura, quienes se encargan del acopio de audios e integración con el sistema educativo.
La IA y la prevención del abandono escolar
Desde el mismo laboratorio, se está desarrollando otra extraordinaria herramienta de IA aplicada a la educación, presentada por Kamienkowski durante el evento.
Esta segunda IA es un sistema diseñado para identificar tempranamente el riesgo de deserción escolar, utilizando los datos proporcionados por el sistema educativo nominal de Mendoza (GEM), que recopila información en tiempo real sobre las trayectorias educativas de los estudiantes, como la asistencia y las calificaciones.
Con estos datos, la IA genera un indicador tipo semáforo que clasifica a los estudiantes en riesgo de deserción en verde, amarillo o rojo. La meta es que las políticas públicas actúen para prevenir que los estudiantes en rojo abandonen los estudios.
El sistema está diseñado para que sean las provincias las encargadas de administrarlo. “Estamos capacitando a personal técnico de la provincia para asegurar la transferencia de conocimiento desde la universidad”, agregó Kamienkowski.
Kamienkowski participó en el panel “Evidencias sobre el uso de IA en la mejora de los aprendizajes” durante el evento sobre IA y educación de la Universidad Austral.
En el evento también participó la doctora en lingüística Valeria Abusamra, quien presentó una investigación sobre progresión del desarrollo lector en la escuela primaria, identificando los pasos clave para lograr la comprensión lectora.
Henri Muurimaa, de Finlandia, compartió su experiencia con Eduten, una plataforma educativa que utiliza IA, implementada en su país.
La apertura del evento estuvo a cargo del secretario de Educación, Carlos Torrendell; el rector de la Universidad Austral, Julián Rodríguez; y la representante del BID en Argentina, Viviana Alva Hart. Contó con el patrocinio de varias organizaciones, incluyendo OEI, Banco Mundial, Tenaris, MIT Center for International Studies, Fundación Natura y Varkey Foundation.