La hipótesis: ¿facilidad versus profundidad?

Los autores del estudio, Shiri Melumad y Jin Ho Yun, de la Universidad de Pennsylvania, partieron de la teoría de que las síntesis ofrecidas por los grandes modelos de lenguaje (LLM, por su sigla en inglés) pueden generar conocimiento superficial. Al recibir resúmenes listos, los usuarios podrían evitar procesos de exploración, síntesis y comparación de información que, según la evidencia de la psicología del aprendizaje, son esenciales para desarrollar conocimiento profundo y original.

Según Melumad y Yun, el aprendizaje mediante búsquedas activas permite construir estructuras de conocimiento mediante la formulación de consultas, la interpretación de distintas fuentes y la integración de información en un todo coherente. En contraste, los resúmenes automáticos de IA reducen la necesidad de este esfuerzo, con el riesgo de transformar el aprendizaje activo en un proceso más pasivo.

Experimentos que ponen a prueba la teoría

El estudio incluyó cuatro experimentos con siete réplicas, abarcando un total de 10.462 participantes adultos. Uno de los experimentos más representativos consistió en solicitar a los participantes que investigaran cómo armar un huerto en casa, utilizando Chat GPT o Google, y luego redactaran un consejo para un amigo:

• Quienes utilizaron Chat GPT dedicaron menos tiempo a buscar información (9 minutos promedio) que quienes hicieron búsquedas activas en Google (12 minutos promedio).
• Los consejos redactados por usuarios de IA fueron más breves (85 palabras frente a 95 palabras), menos originales y con menos referencias a hechos concretos.
• Los participantes reportaron sentirse menos apropiados del conocimiento adquirido y percibieron la información como menos completa.

Experimentos posteriores confirmaron estos resultados incluso cuando la información de base era idéntica, incluyendo comparaciones entre Google y sus resúmenes automáticos (Google Overviews). En todos los casos, el aprendizaje mediado por IA fue percibido como menos profundo, menos útil y con menor compromiso personal en la elaboración del conocimiento.

Sedentarismo cognitivo y desarrollo

Álvaro Cabana, investigador del Centro de Investigación Básica en Psicología (CibPsi) y miembro del Centro Interdisciplinario en Ciencia de Datos y Aprendizaje Automático (Cicada), enfatiza que este fenómeno se relaciona con el sedentarismo cognitivo: “Uno tiene que estar todo el tiempo pensando, pero a medida que el ambiente te va resolviendo tareas, aflojamos”, explica. Este patrón puede tener implicaciones significativas durante el desarrollo de habilidades cognitivas en jóvenes, donde la falta de esfuerzo podría limitar la adquisición de competencias fundamentales.

Cabana advierte que no se trata de prohibir herramientas como Chat GPT, sino de fomentar un uso crítico.

“Todas estas tecnologías prometen facilitar algunas tareas, pero hay que ver qué cosas te facilitan. No todo lo que nos dan en bandeja es lo mejor para aprender”

, señala. Según él, integrar la IA de manera consciente, combinando sus ventajas con la exploración activa de información, puede preservar la profundidad del aprendizaje y la construcción de conocimiento.

Conclusión

El estudio de Melumad y Yun sugiere que la facilidad que ofrecen las IA generativas tiene un costo: aprendizaje menos profundo y menor originalidad. Esto no invalida su utilidad, pero advierte sobre la dependencia excesiva de resúmenes automáticos. En palabras de los autores, aprender con IA sin involucramiento activo “podría considerarse, en ocasiones, análogo a que se muestre la solución a un problema matemático en lugar de intentar resolverlo uno mismo”.

En un contexto donde la educación y la información se digitalizan rápidamente, el desafío consiste en equilibrar eficiencia y esfuerzo cognitivo. No se trata de rechazar la IA, sino de usarla de manera crítica, asegurando que la adquisición de conocimiento siga siendo activa, reflexiva y profunda.