10 puntos por GN⁺ 2025-04-10 | 1 comentarios | Compartir por WhatsApp
  • Anthropic analizó 1 millón de conversaciones anónimas generadas en Claude.ai para investigar cómo usan la IA los estudiantes universitarios en entornos educativos reales
  • Es el primer análisis a gran escala de uso real que complementa las limitaciones de estudios previos basados en encuestas o experimentos

Resumen de hallazgos principales

  • Los estudiantes de áreas STEM son quienes adoptan Claude con más entusiasmo, y en particular la carrera de Computer Science representó el 36.8% de todas las conversaciones (aunque solo representa el 5.4% de los títulos universitarios en EE. UU.)
  • Las formas de uso de la IA por parte de los estudiantes se dividen en cuatro tipos: resolución directa de problemas, generación directa de resultados, resolución colaborativa de problemas y generación colaborativa de resultados
  • La mayoría de los estudiantes usa Claude para funciones cognitivas de orden superior como 'crear (Creating)' y 'analizar (Analyzing)'
  • Esto corresponde a los niveles superiores de la taxonomía de objetivos educativos de Bloom, lo que plantea preocupación por un posible debilitamiento del pensamiento crítico debido a la dependencia de la IA

Cómo se identificaron los tipos de uso educativo de la IA

  • Se utilizó una herramienta interna de análisis llamada Clio para clasificar las conversaciones de Claude por temas, eliminar información personal y luego agregarlas
  • De 1 millón de conversaciones, 574,740 fueron identificadas como directamente relacionadas con actividades académicas o de investigación
  • Clio realizó una clasificación automática para el análisis usando conceptos de alto nivel como 'depuración de código' y 'explicación de conceptos de economía'

Para qué usan Claude los estudiantes

  • El 39.3% de todas las conversaciones se usó para generar y mejorar contenido educativo (por ejemplo, crear ejercicios de práctica, editar ensayos, hacer resúmenes, etc.)
  • El 33.5% se usó para resolver tareas y obtener explicaciones técnicas (por ejemplo, depurar código, implementar algoritmos, resolver problemas de matemáticas, etc.)
  • Otros usos:
    • Análisis y visualización de datos: 11.0%
    • Diseño de investigación y desarrollo de herramientas: 6.5%
    • Generación de diagramas técnicos: 3.2%
    • Traducción y corrección de textos: 2.4%

Comparación de la proporción de uso de Claude por campo académico

  • Carreras sobrerrepresentadas:
    • Computer Science: proporción de títulos 5.4% → proporción de conversaciones 38.6%
    • Ciencias naturales y matemáticas: proporción de títulos 9.2% → proporción de conversaciones 15.2%
  • Carreras subrepresentadas:
    • Business: 18.6% → 8.9%
    • Health Professions: 13.1% → 5.5%
    • Humanities: 12.5% → 6.4%
  • Los estudiantes STEM están adoptando Claude rápidamente

Análisis de los tipos de interacción estudiante-IA

  • Se definieron cuatro tipos de interacción a partir de dos ejes:
    • directa vs. colaborativa (obtener respuestas rápidamente vs. colaborar de forma conversacional con la IA)
    • resolución de problemas vs. generación de resultados (soluciones a preguntas vs. generación de productos como ensayos)
  • Los cuatro tipos representan entre el 23% y el 29% del total de conversaciones, con una distribución bastante equilibrada
  • Ejemplos positivos de aprendizaje:
    • explicación de conceptos de filosofía
    • elaboración de materiales didácticos de química
    • explicación de conceptos de anatomía muscular

Posibilidad de hacer trampa con IA

  • Aproximadamente el 47% de las conversaciones fueron interacciones directas, con posible riesgo de uso indebido
    • Ej.: pedir respuestas a problemas de machine learning, solicitar respuestas de examen, reescribir oraciones para evitar plagio
  • Incluso las conversaciones colaborativas pueden aportar poco al aprendizaje
    • Ej.: pedir que se resuelva una tarea de estadística

Patrones de interacción por carrera

  • Ciencias naturales y matemáticas: enfoque en resolución de problemas (por ejemplo, pedir soluciones paso a paso)
  • Ingeniería informática, ingeniería y ciencias naturales: preferencia por interacciones colaborativas
  • Humanidades, negocios y áreas de salud: equilibrio entre interacciones directas y colaborativas
  • Carreras de educación: la mayor proporción de generación de resultados (74.4%)
    • Incluye casos de docentes que usan Claude para crear materiales educativos y planes de clase

Análisis del trabajo cognitivo que los estudiantes delegan a la IA

  • Análisis de las funciones cognitivas realizadas por Claude con base en Bloom’s Taxonomy
    • Proporción de tareas cognitivas de orden superior:
      • crear (Creating): 39.8%
      • analizar (Analyzing): 30.2%
    • Proporción de tareas cognitivas de orden inferior:
      • aplicar (Applying): 10.9%
      • comprender (Understanding): 10.0%
      • recordar (Remembering): 1.8%
  • Que la IA generativa pueda realizar funciones de pensamiento de orden superior es relevante desde el punto de vista educativo, pero también puede provocar una disminución de las capacidades del estudiante

Limitaciones del estudio

  • Es probable que los datos estén sesgados hacia adoptantes tempranos
  • No se refleja el uso de otras IA distintas de Claude
  • Parte de los datos podría corresponder a conversaciones de profesores o personal universitario
  • No se consideraron diferencias de uso según el momento del semestre
  • No se analizó si las respuestas de la IA contribuyen realmente al aprendizaje
  • No se clasificaron casos de uso interdisciplinario entre carreras
  • Hay limitaciones al aplicar la taxonomía de Bloom a la IA

Conclusiones y tareas futuras

  • La IA ofrece muchas posibilidades para el aprendizaje, pero también plantea grandes desafíos en pensamiento crítico y ética académica
  • Preguntas clave:
    • ¿Cómo asegurar que los estudiantes desarrollen capacidades cognitivas básicas incluso en la era de la IA?
    • ¿Cómo redefinir los criterios de exámenes y evaluación?
    • ¿Qué significa aprender en una era en la que la IA puede escribir ensayos y resolver problemas complejos?
  • Claude ya se está usando como una herramienta de aprendizaje significativa en entornos educativos, y se prevé ampliar la colaboración con educadores

Enfoque educativo de Anthropic

  • La empresa sigue investigando el papel educativo de la IA en colaboración con universidades
  • Está experimentando con un 'Learning Mode' centrado en la comprensión de conceptos, en lugar de dar respuestas directas
  • Planea estudiar en profundidad cómo influye la IA en el aprendizaje en el futuro

1 comentarios

 
GN⁺ 2025-04-10
Opinión de Hacker News
  • Es común la pregunta de cuánto hacen trampa los estudiantes usando IA. Es un tema difícil de responder, porque no se conoce el contexto educativo en el que se usan las respuestas de Claude
    • Los profesores han desarrollado productos populares para ayudar a resolver este problema
    • Depender de la IA es muy tentador. Hay recuerdos de haber tenido dificultades para implementar estructuras de datos complejas
    • Con IA se puede copiar/pegar código y resolver problemas. Eso es sorprendente, pero puede perjudicar el proceso de aprendizaje
    • Parece que Anthropic tiene incentivos para minimizar que los estudiantes usen LLM para hacer sus tareas
    • A menudo los estudiantes usan Claude para obtener explicaciones técnicas o soluciones
    • “Escribir ensayos” puede considerarse una solución para tareas académicas
    • Es posible que los estudiantes completen tareas con LLM usando cuentas separadas
  • Los estudiantes usan principalmente los sistemas de IA para aprender cosas nuevas
    • Esta es una forma de evitar la palabra “trampa” y reflejar la creatividad de manera positiva
    • Es importante garantizar que los estudiantes no deleguen tareas cognitivas importantes a sistemas de IA
    • Casi la mitad de las conversaciones entre estudiantes e IA se usan para buscar respuestas directas
    • Hay ejemplos como dar respuestas a problemas de aprendizaje automático o respuestas directas para exámenes de inglés
    • Estos problemas no violan necesariamente los principios de la educación, pero pueden obstaculizar el aprendizaje
    • Hace 50 años hubo conversaciones parecidas, así como las calculadoras cumplieron el papel de la IA
  • Hay sospechas de que este artículo es una pieza de relaciones públicas para evitar controles estrictos sobre el uso de LLM
    • Además de la trampa, hay materias académicas que requieren sesiones de estudio continuas
    • Que los estudiantes pidan “muestra tu trabajo y explícalo” puede ser evidencia de trampa
    • Si los estudiantes delegan sus tareas a un LLM, eso puede causar problemas graves de capacidad
    • Incluso en el autoaprendizaje existe la tentación de buscar la respuesta
    • Anthropic debería reconocer que las respuestas a todo texto están disponibles de inmediato y gratis
    • Esto obliga a cambiar de raíz la forma de enseñar
    • Incluso en áreas como la música puede haber casos en que se use IA para evitar el aprendizaje
    • Durante este periodo “temporal”, también hay problemas con la calificación en curva
    • En el caso de profesores flojos o que no adoptan nuevos métodos de evaluación, los estudiantes honestos no tienen incentivos para aprender por la vía difícil
  • Hay una opinión de que la escritura no es importante
    • La escritura representa el pensamiento, y excluir el pensamiento puede causar problemas
    • Si los estudiantes no aprenden a escribir a través del pensamiento, puede haber consecuencias negativas
    • Se espera que más personas vean la escritura de una manera que enfatice el pensamiento
    • Se están desarrollando herramientas para demostrar que estudiantes y escritores redactaron de forma tradicional
  • Hay una pregunta sobre cómo evitar que los modelos de lenguaje interfieran con el aprendizaje siendo estudiante
    • Se usa mucho Claude, subiendo diapositivas y haciendo preguntas
    • Hay muchas conversaciones con Claude para resolver problemas
    • Hacer trampa es un gran problema en clases de aprendizaje automático
    • A veces los estudiantes usan LLM en cuestionarios para encontrar respuestas
    • Se usó Claude para revisar errores en una tarea, pero queda la duda de si se habría aprendido más resolviéndolo por cuenta propia
  • Se cree que a menudo los estudiantes usan Claude como alternativa a desarrollar habilidades básicas
    • Parece que las conversaciones con Claude se centran principalmente en ayudar a los estudiantes a resolver problemas
  • No hay forma de impedir que los estudiantes usen varios modelos de IA, mezclen las respuestas y se las entreguen al profesor
  • A pesar de las desventajas materiales de la educación en la era de la IA, hay envidia hacia los estudiantes que tienen acceso a estos sistemas
    • Ha habido experiencias con profesores a quienes no les importaba si los estudiantes entendían el material
    • Se habría querido tener la capacidad de usar los LLM modernos para recibir explicaciones de conceptos de otras maneras