Los grandes modelos de lenguaje (LLMs por sus siglas en inglés, como ChatGPT y GitHub Copilot), ya forman parte de las herramientas que algunos estudiantes usan para programar. Pueden generar fragmentos de código, explicar conceptos, detectar errores o ayudar a resolver una tarea. Pero, ¿qué hace que un estudiante decida incorporarlos a su aprendizaje?
Un estudio reciente analizó esta pregunta entre 311 estudiantes de carreras relacionadas con computación de una universidad pública y una privada en México. Los investigadores se enfocaron particularmente en cómo la facilidad de uso de estas herramientas se relaciona con la percepción que tienen los estudiantes sobre su utilidad y con la frecuencia con que las utilizan.
La idea surgió cuando Anas Wajid, investigador postdoctoral del Institute for the Future of Education (IFE), comenzó a enseñar a estudiantes a programar y se percató de lo extendido que estaba el uso de los LLMs.
“Lo sorprendía porque ya no era igual a como a él le enseñaron”, dice Claudia Camacho, investigadora del IFE, profesora de la Escuela de Ingeniería y Ciencias (EIC) y una de las autoras del artículo.
La facilidad de uso favorece la adopción de los LLMs
Los resultados mostraron que cuanto más fácil consideraban el uso de LLMs para programar, mayor era su percepción de que estas herramientas eran efectivas. La facilidad de uso también estuvo relacionada con una mayor confianza en ellos, una mayor intención de continuar utilizándolos y una mayor frecuencia de uso.
La relación más fuerte que encontraron fue entre la facilidad de uso y la percepción de beneficio. Esto quiere decir que para ellos, cuando interactuar con estas herramientas requiere poco esfuerzo, tienden a sentirse más cómodos experimentando con ellos y a verlos como un apoyo útil para sus actividades de programación.
“De esta manera, comprobamos con evidencia lo que intuitivamente pensábamos que estaba sucediendo”, cuenta Camacho.
Sin embargo, que una herramienta sea fácil de usar también puede tener un lado problemático. Los autores señalan riesgos como la dependencia excesiva y la posibilidad de que los estudiantes incorporen código generado por inteligencia artificial sin comprender cómo funciona.
“Es algo que hay que tener muy en cuenta, que debemos mantener ciertas habilidades fundamentales”, reflexiona la investigadora.
El uso excesivo de LLMs puede convertirse en un riesgo para el aprendizaje de programación porque los estudiantes pueden delegar en la IA procesos de resolución de problemas que necesitan desarrollar por sí mismos
La sobredependencia puede hacer que acepten código generado sin comprenderlo o verificarlo adecuadamente, lo que puede debilitar la retención de conceptos fundamentales.
Por ello, plantean que el objetivo de las universidades no debería ser simplemente permitir o prohibir el uso de estas herramientas, sino enseñar a utilizarlas de manera crítica.
Los autores advierten que la facilidad de uso —que favorece una mayor frecuencia— debe acompañarse de estrategias que obliguen a los estudiantes a razonar, comprobar y explicar las soluciones generadas por la IA.
Usar IA sin dejar de aprender
“Los LLMs ya están en todos lados, incluyendo en una de las carreras más prometedoras, la de programación”, dice Camacho.
En el caso de la programación recomiendan incorporar actividades en las que los estudiantes tengan que explicar y verificar el código generado por IA, documentar cómo utilizaron estas herramientas y justificar las decisiones que tomaron. También proponen que las evaluaciones consideren el proceso de razonamiento y no únicamente si el código final funciona.
Pero más allá de adecuar el uso de estos modelos a la disciplina a la que se aplican y desarrollar lineamientos, códigos y reglamentos institucionales para su uso, debe existir una educación enfocada en el uso de inteligencia artificial.
En esta educación, que puede ser desde la infancia, los estudiantes deben aprender a usarla de forma consciente.
“Así como aprendemos a leer y escribir, deberíamos tener una alfabetización básica en lo que es la IA, reconociendo sus implicaciones éticas, ambientales e intelectuales”.
El estudio tiene una limitación importante, pues sus resultados se basan en las percepciones de los estudiantes, no en una medición directa de cuánto aprenden al utilizar LLMs. Además, los participantes pertenecían únicamente a dos universidades, por lo que los resultados no pueden generalizarse a todos los estudiantes mexicanos.
Así, la investigación no demuestra que ChatGPT mejore por sí mismo las habilidades de programación. Lo que sugiere es que la facilidad de uso puede convertirse en un motor de adopción.
Cuando estas herramientas son fáciles de usar, los estudiantes tienden a confiar más en ellas, percibir mayores beneficios y recurrir a ellas con mayor frecuencia.
Así, el desafío educativo está en lograr que esa facilidad no sustituya el aprendizaje, sino que lo acompañe.
¿Te interesó esta historia? ¿Quieres publicarla? Contacta a nuestra editora de contenidos para conocer más marianaleonm@tec.mx
