Por: Ricardo H. Caroprese
Ricardo Caroprese es ingeniero electrónico y profesor universitario. Durante muchos años desarrolló su actividad profesional en ingeniería, telecomunicaciones, dirección y gestión de empresas. En los últimos años retomó con especial dedicación la enseñanza de Matemática, Física y otras ciencias exactas, incluso impartiendo seminarios en cursos de MBA, experiencia que lo llevó a reflexionar profundamente sobre los procesos de aprendizaje, la autonomía de los estudiantes y los nuevos desafíos que plantea la Inteligencia Artificial en la educación.
Hace muchos años que enseño Matemática, Física y otras ciencias exactas, adicionalmente a mi extenso desempeño profesional. Y también hace muchos años que observo cómo aprenden los estudiantes.
En las clases particulares, en clases formales y en conversaciones personales, he visto la manera en que los alumnos llegan después de haber estudiado para un examen, un parcial o una recuperación. Traen fórmulas, procedimientos y ejercicios resueltos. Sin embargo, cuando aparece un problema que no es exactamente igual a los que practicaron, muchas veces no saben por dónde empezar.
Y ahí aparece una diferencia que considero fundamental: memorizar no es lo mismo que comprender.
Un alumno puede recordar perfectamente una fórmula y, sin embargo, no saber cuándo utilizarla. Puede resolver diez ejercicios iguales y quedar desconcertado frente al undécimo si cambia la situación planteada.
Esto ocurre especialmente cuando durante años se ha aprendido que estudiar consiste, en buena medida, en repetir un procedimiento hasta poder reproducirlo en un examen.
El dilema es que los problemas reales que se presenten en la profesión —y en la vida en general— no vienen con un modelo al lado.
En la universidad —pasada la escuela secundaria— esta dificultad se vuelve muy evidente. Muchos estudiantes llegan acostumbrados a ejercicios en los que conocen de antemano qué procedimiento deben aplicar. En la vida profesional, aparecen situaciones nuevas: hay que interpretar, decidir, plantear hipótesis, descartar caminos y encontrar una solución.
Eso requiere algo que no se adquiere simplemente memorizando: el hábito de pensar.
Hay ejemplos cotidianos que muestran hasta qué punto puede faltar ese hábito. Algunos estudiantes utilizan la calculadora incluso para operaciones elementales y aceptan el resultado que aparece en la pantalla sin preguntarse si tiene sentido.
Pero una calculadora no sabe si el resultado es razonable.
Y tampoco lo sabe una inteligencia artificial.
La inteligencia artificial es una herramienta extraordinaria. Puede explicar, calcular, proponer alternativas y resolver problemas en segundos. Pero, precisamente por eso, aparece un nuevo desafío educativo: ¿qué sucede cuando el alumno recibe una respuesta, pero no sabe evaluar si es correct
Hoy podemos obtener una respuesta con una facilidad que hace pocos años era inimaginable. Lo difícil, y posiblemente lo más importante, sigue siendo formular la pregunta adecuada, comprender la respuesta, cuestionarla y verificarla.
Por eso creo que la llegada de la inteligencia artificial no reduce la importancia de enseñar a pensar. La aumenta.
También hay otro problema: el miedo a equivocarse.
Cuando un estudiante siente que equivocarse significa fracasar, muchas veces busca memorizar el camino seguro. Prefiere saber qué fórmula debe aplicar antes que preguntarse por qué debe aplicarla.
Pero equivocarse debería formar parte del aprendizaje.
Una buena clase no debería ser solamente aquella en la que el alumno llega al resultado correcto. También debería ser aquella en la que puede explicar por qué eligió un camino, descubrir dónde se equivocó y encontrar una alternativa.
Tal vez deberíamos preguntarnos qué estamos evaluando cuando tomamos un examen.
¿Estamos comprobando cuánto puede recordar un estudiante?
¿O cuánto puede hacer con aquello que aprendió?
La diferencia no es menor.
Si acostumbramos a un alumno a reproducir siempre el procedimiento conocido, corremos el riesgo de debilitar su autonomía intelectual. Y si, además, hoy puede pedirle a una inteligencia artificial que produzca una respuesta inmediatamente, esa debilidad puede hacerse todavía más evidente.
La escuela tiene, por supuesto, muchas funciones. También contiene, acompaña, integra y sostiene. Pero no debería perder de vista su función esencial: enseñar.
Y enseñar no debería significar solamente transmitir información.
Debería significar ayudar a desarrollar la capacidad de comprender, relacionar, preguntar, argumentar, resolver y crear.
Quizás necesitemos recuperar algo que parece sencillo, pero que considero fundamental: la curiosidad.
Que un alumno pueda preguntarse “¿por qué?”, “¿qué pasaría si…?”, “¿habrá otra manera de resolverlo?”, incluso “¿y si el profesor está equivocado?”.
No como una falta de respeto a la autoridad, sino como una forma de aprendizaje.
Un buen profesor no debería tener como objetivo que sus alumnos dependan siempre de él. Al contrario: debería aspirar a que, algún día, puedan discutirle una idea, encontrar un error, proponer una solución diferente o incluso superarlo.
Eso no disminuye al profesor.
Lo enaltece.
Porque educar no debería consistir en formar personas acostumbradas a obedecer respuestas, sino en formar personas capaces de construirlas.
En tiempos en que una máquina puede responder casi cualquier pregunta, quizás nuestra tarea más importante sea enseñar aquello que un algoritmo no puede hacer por nosotros: decidir qué pregunta vale la pena hacer, comprender lo que tenemos delante y saber si la respuesta que recibimos tiene sentido.
No es aprender para repetir.
Es aprender para pensar.
