- La crítica es que la escritura con LLM, desde respuestas de estudiantes hasta reseñas de artículos, puede verse convincente por fuera pero casi nunca aporta ideas o experiencias nuevas a quien la lee
- Las razones por las que la gente delega la escritura se dividen entre quienes no consideran importante la tarea, quienes creen que el modelo escribe mejor que ellos, o quienes buscan crear texto comercial generado automáticamente
- Si el objetivo de escribir es transmitir el propio pensamiento, entonces la salida de un LLM, que no tiene pensamiento propio, se parece más a un producto vacío que incluso al plagio
- Incluso trabajos que parecen formales, como tareas de clase y reseñas académicas, en realidad exigen pensamiento y criterio, y los LLM solo producen texto: no sustituyen el proceso de pensar
- El ejemplo de 234 palabras hecho con Gemini no hizo más que repetir largamente el prompt y añadir generalidades, así que vale más la pena leer el prompt original que el resultado
El estilo y los límites que revela la escritura con LLM
- Al calificar tareas estudiantiles, a menudo se encuentra con textos que parecen salidos de ChatGPT, como respuestas que explican las desventajas de los ángulos de Euler (Euler angles)
- Estas respuestas suelen ser verbosas y ambiguas, se obsesionan con el estilo de viñetas en negritas y tienden a repetir el prompt
- Considera que el estilo de ChatGPT es lo bastante distintivo como para reconocerlo, pero no como prueba concluyente para elevar un caso ante un comité de honor
- Incluso si se señala el problema, no está claro que el beneficio para la integridad del curso compense el tiempo de discutir el caso
Por qué la gente le encarga la escritura a los LLM
-
Tareas que sienten que no importan
- Lo ve como una actitud común entre estudiantes que consideran las clases una serie de obstáculos para obtener el título
- Dice que una motivación similar también va en aumento en las reseñas académicas, y enlaza casos relacionados de paper reviews
- Muchos investigadores pueden ver la revisión como una tarea secundaria dentro de una carga laboral ya excesiva, y sentir que no tienen tiempo para escribir una buena reseña
-
Cuando creen que el modelo escribe mejor
- Algunos colegas creen que un LLM produce mejor escritura que ellos
- Por experiencia, esto parece más común entre personas cuyo segundo idioma es el inglés
- También ocurre con quienes recién aprenden a programar, y se relaciona con una actitud que trata la programación como si fuera un conjuro misterioso que se memoriza y se recita
- Hay usos parecidos en la escritura académica, y enlaza casos relacionados de academic writing
-
Escritura generada automáticamente donde hay intereses de por medio
- Ejemplos: astroturfing, chatbots de atención al cliente y las introducciones larguísimas de recetas de repostería en línea
- Considera que estos textos no están escritos para que los lea una persona y que tampoco contienen la intención del autor
- Dentro del alcance de las motivaciones individuales, no profundiza mucho en este tipo
El propósito de escribir y el vacío de la salida de los LLM
- La razón principal por la que los humanos escriben es transmitir pensamientos originales
- Esos pensamientos no tienen que ser especiales ni académicos; unas vacaciones, una mascota o un color favorito bastan como tema
- La condición importante es que esos pensamientos sean propios
- Si se copian las palabras de otra persona, no se transmite el propio pensamiento, aunque al menos todavía se transmite un pensamiento humano
- Como un LLM no tiene pensamientos propios por estructura, publicar su salida se parece más a un acto sin propósito
Las tareas que parecen poco importantes sí importan
- Considera que dejar debajo de una publicación de Reddit un comentario con un resumen hecho por computadora del texto original desperdicia el tiempo de todos
- Si el texto original es tan pobre que basta con un resumen, entonces no vale la pena participar comentándolo
- Si el texto original realmente exige lectura humana, entonces el resumen no sirve de mucho
- El objetivo de una tarea escrita en clase no es el texto producido, sino obligar al estudiante a pensar
- Un LLM puede producir el resultado, pero no el proceso de pensamiento
- En la revisión de artículos, una reseña hecha a medias solo genera trabajo innecesario para los autores y no le da al editor información que no supiera ya
Refutación a la idea de que “el modelo lo hace mejor”
- En la comunicación profesional, cree que los LLM se usan sobre todo para añadir relleno o para corregir el tono del prompt original
- En ese proceso, el significado inicial se vuelve borroso y hasta a una idea simple se le agregan varias capas innecesarias de palabras
- Con suerte no se equivoca, pero muchas veces inventa por completo detalles importantes o produce textos difíciles de entender
- De un texto torpe escrito por una persona al menos se puede esperar cierta comprensión interna que quiere compartirse; de un LLM no
Programación y vibe coding
- Dice sentir un poco más de empatía por los programadores, pero cree que las consecuencias a largo plazo son más dañinas y más difíciles de ver
- Recordando Programming as Theory Building de Peter Naur, sostiene que escribir un programa suficientemente complejo requiere no solo producir código, sino también una teoría sobre la estructura lógica detrás de ese código
- Define vibe coding como una forma de desarrollar programas delegando casi por completo su generación a un LLM
- Ese enfoque produce resultados sin teoría, y por eso el código termina siendo prácticamente inútil
- En términos de Naur, sería un programa muerto; aquí lo compara más bien con algo muerto al nacer
- Como ejemplo de una app vibe-coded con problemas de seguridad, menciona una recipe app vibe-coded que filtró una clave de OpenAI
El experimento con Gemini
- Introdujo el argumento del ensayo en Google Gemini y le pidió que completara el texto en dos párrafos cortos
- Evalúa que la salida de Gemini, de 234 palabras, no hizo más que reformular largamente el prompt
- El tono se quedó en generalidades amplias y vacías, y aunque usó vocabulario grande, no lo hizo con gusto
- La frase de ejemplo “Perhaps it stems from a desire for efficiency, a wish to quickly generate text without the perceived effort of crafting each sentence.” es un caso de convertir una idea pequeña en una oración grande
- El mismo sentido puede reducirse a “Perhaps it stems from a desire for efficiency.” y, si se pule más, a “Perhaps people do it for efficiency.”
- El experimento lleva a la conclusión de que los LLM son muy buenos para alargar tonterías, pero no demasiado buenos para mucho más
La conclusión: preferiría leer el prompt
- Afirma que nunca ha querido ver el resultado de ningún modelo generativo creativo —incluidos los de imagen, texto, audio o video— más que el prompt original
- El resultado generado tiene menos sustancia que el prompt y no contiene una visión humana en su proceso de creación
- Sostiene que el objetivo de crear es compartir la propia experiencia, y que si no hay experiencia que compartir, no hay mucho motivo para crear nada
- Cierra con la conclusión de que lo que no vale la pena escribir tampoco vale la pena leer
1 comentarios
Opiniones de Hacker News
A colegas del trabajo que generan con LLMs textos absurdamente extensos, ya les pedí varias veces que mejor me manden solo el prompt.
Si un LLM puede crear un texto largo a partir de una entrada limitada, lo único necesario es esa entrada concisa; el resto me parece relleno inventado.
Si escribo o dicto un flujo de conciencia con muchos paréntesis y medio estructurado, y le pido que lo resuma, muchas veces organiza mejor lo que intentaba decir.
Se relaciona con la famosa frase de Pascal: “si hubiera tenido tiempo, habría escrito una carta más corta”.
Como referencia, al pedirle a un LLM que comprimiera la frase anterior, salió algo como: “cuando cuesta expresar una idea borrosa, si uno habla o escribe largamente pensamientos medio ordenados y le pide a un LLM que los resuma, capta la intención con más claridad y eficacia”.
Ahora la IA se vuelve simplemente una impresora bonita con pérdida.
Cuando por fin pude contactarlo, confesó que había metido los requisitos reales en ChatGPT y que “no había tenido tiempo de revisar el resultado”; me dio muchísima rabia.
El LLM no puede saber de mí más de lo que le di en el prompt, así que el resultado no puede aportar más información que el prompt.
Para preguntas sobre conocimiento público es mucho más útil, porque puede traer información nueva desde materiales externos.
Me gusta el punto de vista del autor: no es un juicio de valor sobre las personas que usan LLMs como ChatGPT o Gemini, sino que la idea detrás de crear el prompt es inevitablemente más interesante, original y humana que la salida del LLM.
Por mi experiencia usando LLMs para escribir código, si el prompt es basura, el código es objetivamente basura.
Si no sé qué quiero, y no tengo ideas, estructura ni plan, eso es el tipo de código que sale.
También me gustaría escuchar réplicas de gente que haya usado LLMs últimamente para escritura académica o creativa. No he probado modelos recientes más allá de usarlos en proyectos personales de programación para atravesar boilerplate o armar esqueletos.
Al final es una estructura en la que se repite una y otra vez: basura entra, basura sale.
Hace unas semanas también mencioné esto como una de las razones por las que los LLM actuales no pueden ser grandes creadores de campañas para Dungeons and Dragons.
Los humanos no necesitan “restricciones”. Si a un escritor competente le pides que se siente en silencio e imagine la trama de una nueva novela, simplemente lo hace.
https://news.ycombinator.com/item?id=43677863
Dicho eso, un LLM sí puede ser un excelente tablero de rebote de ideas.
Si necesitas más evidencia, sube la temperatura a 1.0 y pregúntale a cualquier LLM: “Para una campaña de DND, imagina una sala de mazmorra independiente con un acertijo único que no exista antes. Describe en detalle el acertijo, la solución, la disposición de la sala, etc., y hazlo completamente nuevo e imaginativo”.
Te apuesto a que el 99% va a proponer algún acertijo físico formal como “The Resonant Hourglass” o “The Mirror of Acoustic Symmetry”.
Es cuestión de meter ideas, quitar lo que sobra, definir tono y concisión, y pasar por varios borradores.
https://old.reddit.com/r/singularity/comments/1andqk8/gemini...
Al mismo tiempo, cuanto más necesita alguien un LLM para esos usos, más probable es que sea la persona menos capaz de detectar las debilidades de la salida. Así como yo no puedo escribir en español, tampoco puedo evaluar la calidad de una traducción al español hecha por un LLM.
Llevado al extremo, los estudiantes de hoy podrían depender de los LLMs, confiar en ellos sin saber más, terminar confiando en todo sin saber nada y ni siquiera poder evaluar la calidad o el desempeño.
Un área en la que difiero del autor es la programación. Aunque me gustan los algoritmos, el código se escribe para que lo lea una computadora, y no me incomoda mucho que una computadora escriba código.
Los LLMs me han ahorrado mucho tiempo escribiendo funciones simples, permitiéndome pasar rápido las tareas tediosas de un proyecto y concentrarme en las partes interesantes.
Creo que la frase de Miyazaki de que “los humanos han perdido la confianza en sí mismos” encaja perfectamente. Los LLMs pueden ser excelentes herramientas para automatizar trabajo repetitivo y aburrido, pero es triste pensar que pueden reemplazar la perspectiva única de una persona.
Casi no ayudan a estructurar. Escribir consiste en tener una comprensión tan clara que, aunque reduzcas ese significado a palabras, otra persona pueda aferrarse a él.
Estoy de acuerdo en que los LLMs no ayudan mucho en esa parte.
Eso sí, toda la información debe estar dentro del prompt. Si no, alucinan.
El resultado no está al nivel de enviarlo tal cual, pero basta para empezar e iterar en lugar de mirar una pantalla en blanco.
También me gustaría probar que escriban la sección de metodología, porque en cada paper es casi repetir la misma información con frases distintas.
Pero todavía no confío en la precisión de los detalles técnicos. Un LLM es solo un modelo de lenguaje; no tiene conocimiento ni comprensión.
Escrito así, un LLM parece un algoritmo de descompresión inversa. Una idea simple es inflada por el LLM hasta volverla desordenada, y luego otra persona la resume de nuevo con un LLM para devolverla a algo cercano al prompt original.
Los únicos que ganan con este trabajo sin sentido son Sam Altman y compañía, que se llevan alrededor de $0.000000001 por haberlo hecho posible.
La excepción son los textos y el código repetitivos o de tipo boilerplate, donde hay que expresar poca información en muchas palabras.
http://prize.hutter1.net/
Basta con ver el prefacio, las FAQ y el hecho de que todas las entradas ganadoras ahora son redes neuronales.
Creo que la respuesta al desaliento del profesor es bastante simple. Muchas personas no están en la universidad para aprender y cultivar la mente, sino para sobrevivir en un sistema económico brutal de darwinismo social.
Quienes llegaron de verdad a estudiar ángulos de Euler siempre fueron poquísimos; los demás lo ven como un requisito que deben superar para conseguir un trabajo que quizá termine automatizado por la IA.
Desde el punto de vista del refuerzo de condiciones, el profesor simplemente tiene que bajarles la nota a los estudiantes que claramente hicieron trampa.
En teoría, los estudiantes dejarán de hacerlo o se volverán lo suficientemente buenos como para no ser descubiertos. Esto último quizá sea una habilidad con demanda en el futuro.
Sí es raro que los padres digan: “Si pasas estas puertas, por cada dólar que ganes moliendo sésamo en alguna empresa, nosotros te daremos otros 2 dólares”.
¿Trabajar y educarse por cuenta propia no es algo decente y digno? ¿Es un mal trato?
Al menos eso dice su página: https://claytonwramsey.com/about/
Los profesores tampoco reciben una formación pedagógica real, pero no parece que esta persona haya aprendido métodos de enseñanza adecuados.
Al final, es bastante joven y su texto se parece más a una reacción fuerte e improvisada. Hay que evaluarlo en ese contexto.
Hay muchas formas de usar los LLM.
El problema está en quienes lanzan un prompt único y breve y reciben una salida genérica y aburrida. Es “basura entra, salida genérica”.
La forma en que yo los uso en la práctica es volcar ideas y pedir ayuda para ordenarlas, recibir feedback sobre la expresión y la conexión entre frases, mejorar el tono y el estilo como hablante no nativo procurando mantener la personalidad, simplificar oraciones desordenadas, encontrar omisiones o problemas en el texto, etc.
Normalmente es un proceso iterativo, y la longitud combinada de los prompts termina siendo mayor que el resultado final. Además, incorporo el feedback manualmente.
Si alguien solo escribe “escríbeme un post de blog sobre X”, el prompt será más interesante que la salida; pero si hay cinco rondas de correcciones y contexto, ¿de verdad querrías leer todos los prompts y borradores en lugar de la versión final?
Si quieres, aquí está: https://chatgpt.com/share/6817dd19-4604-800b-95ee-f2dd05add4...
Para que conste, el borrador inicial que le diste a ChatGPT es mejor que el texto que publicaste aquí.
Esto es muy difícil de hacerles entender a los estudiantes. Cuando un docente pide escribir sobre un acontecimiento histórico, no es una especie de ritual para obtener un título.
El objetivo es mejorar varias habilidades: reunir información, entenderla, absorberla, criticar lo leído y, finalmente, formarse una opinión propia.
Decir “vuelco mis ideas y hago que el LLM las ordene” suena a que no te interesa desarrollar la capacidad de absorber realmente la información.
Para mí parece una señal de que no te interesa convertirte en una persona interesante. Creo que es una cuestión de madurez, y algún día lo entenderás.
Al final, eso es lo que dice el autor. Lo que me interesa es lo que tú tienes para decir sobre un tema que te importa, no lo que puedes hacer para fingir que te importa o que sabes.
Si no puedes ordenar tus ideas por tu cuenta, cuesta creer que ya hayas llegado a un punto interesante, y para llegar ahí hace falta práctica.
Pero me preocupa que, si usas un LLM sin practicar, nunca termines convirtiéndote en una persona interesante.
Esto tampoco siempre es sencillo, así que a veces hay que iterar con cosas como “tradúcelo al idioma que usa la gente de tal región”.
En parte, el autor tiene razón. Como usuario de una segunda lengua, el LLM produce textos mejores que los míos.
Pero los prompts están en un idioma extranjero y mezclados con fragmentos de borrador, así que no sirven al lector y no los voy a compartir.
Lo veo más parecido a entregarle el borrador de un libro a un editor y a un traductor.
Desde que apareció la IA, he venido pensando en la relación entre prompt y salida
Por las características de los sistemas que usamos, asumimos naturalmente que el prompt será más corto que la salida, pero mientras más concretamos lo que queremos, el prompt se alarga y el tamaño de la salida se mantiene igual
Si en vez de escribir un ensayo explicas qué debe contener ese ensayo, esa explicación inevitablemente termina siendo más larga que el ensayo mismo. Porque explicar lo que se va a decir requiere más texto que simplemente decirlo
El hecho de que esperemos recibir más esfuerzo a cambio de menos esfuerzo muestra que lo que obtenemos, al final, es relleno
Por eso los prompts son más interesantes, y muchas veces empecé a escribir un prompt porque no sabía qué escribir, y en ese proceso de pronto se aclaró lo que quería decir
En general, la IA es mucho más útil para comprimir ideas complejas en algo simple que para expandir ideas simples en algo complejo
Si llegas al punto de especificar con suficiente precisión en inglés el nuevo sistema que quieres crear como para obtener exactamente el sistema deseado, bien podrías haber escrito el código
Si durante 1 hora escribo un prompt de 500 palabras y le agrego X datos adicionales, como filas de una tabla, y el LLM me devuelve X respuestas perfectas, no importa que la relación de salida sea peor que si yo hubiera escrito esos caracteres directamente
Lo importante es si terminé el trabajo más rápido en esa hora y unos minutos de procesamiento del LLM
Es parecido a programar. El objetivo de usar un LLM no es escribir código mejor que el que podría escribir yo mismo, sino escribir código lo suficientemente bueno mucho más rápido
Pero, como dijeron otros, quizá los prompts no sean tan interesantes ni tan repetitivos como creemos. También pueden ser simplemente: “la tarea es esta, ¿cuál es la respuesta?”
Estoy totalmente de acuerdo con el punto central del autor, pero es difícil refutar las condiciones económicas y barreras asociadas con obtener un título
La mayoría de las personas ve un título como una puerta de entrada para conseguir un buen empleo, y eso es económicamente natural
Lamentablemente, hoy los empleadores también están incentivando este tipo de trabajo de copiar y pegar. Basta ver que Meta y Google dicen que la mayor parte del código nuevo está siendo generado por IA
El mundo será devorado por la IA
Antes solo las personas más inteligentes o más ricas iban a la universidad, así que el título universitario se volvió un indicador indirecto de inteligencia
Ahora los graduados universitarios consiguen buenos empleos, así que la forma de darles buenos empleos a todos se vuelve darles un título a todos
Si a la mayoría no le interesa el aprendizaje que sustenta el título, sino solo el empleo, al final aparecen estudiantes a los que solo les importa la nota mínima para aprobar y el certificado final
Si la gente solo vino a jugar el juego, no podemos esperar que aprenda
Pero aunque el 90% desaproveche la oportunidad frente a sus ojos, el 10% la tomará y la exprimirá hasta los huesos
Si estás en la universidad, recomiendo aprovechar el conocimiento disponible y las oportunidades de interactuar con él. La universidad puede estar abierta a todos, pero quienes ven el oro que hay dentro y realmente aprenden son unos pocos afortunados
El juego no se trata solo de la puntuación final. Hay muchísimo más disponible
Me preocupa que los LLM ya hayan creado la primera generación de desarrolladores que no pueden funcionar sin LLM
No hay problema en usar LLM para parte del trabajo, pero hay que poder funcionar sin ellos
No todos los datos pueden meterse en un prompt de IA, algunos problemas no se pueden resolver con LLM, y si dependes de código o configuraciones generadas para problemas simples, no desarrollas tus propias capacidades
Rechazo firmemente la conclusión de Clayton: “nunca he querido ver el prompt original más que el resultado de un modelo generativo. El resultado tiene menos sustancia que el prompt y carece de visión humana”
Hicimos esto con IA, y estoy seguro de que, salvo que seas el creador, no querrías ver la entrada cruda
https://www.youtube.com/watch?v=H4NFXGMuwpY
Los usuarios de IA se dividirán en dos tipos: quienes usan la IA como una herramienta completa de extremo a extremo, y quienes la usan como una herramienta para potenciar el trabajo y la creatividad que ya tienen
Este último es, sin duda, un gran caso de uso de la IA
Tal vez esto fuerce un gran cambio en la forma de evaluar a los estudiantes. Quizá, después de entregar un ensayo, el profesor deba conversar con ellos sobre el tema para comprobar cuánto absorbieron realmente
O quizá, lo más probable, los LLM simplemente empeoren todo
Esto pasa porque el instructor le hace al estudiante preguntas que solo lo obligan a repetir el texto del instructor
Para enseñar bien, habría que hacerlo así
“Hay un pequeño brazo robótico de juguete hecho con Tinkertoys. Tiene tres articulaciones angulares: base giratoria, hombro y codo, y en cada articulación hay un transportador para ver el ángulo”
Así se entiende de verdad qué significan estos problemas en la práctica
No sé nada de robótica, pero suena como una tarea bastante común, del tipo en que un LLM podría regurgitar la tarea de otra persona
Si un estudiante hace eso, quizá el problema sea ese estudiante; pero si el 90% lo hace, diría que la tarea está mal planteada
Incluso mucho antes de que aparecieran los LLM, ya había enseñado, y había muchas entregas basura copiadas y pegadas
Siempre les ponía 0, pero no decía que era plagio. Porque tratarlo como plagio requería un procedimiento administrativo de la universidad
En cambio, solo comentaba: “Pedí X y entregaste esta tontería pegada sin sentido”
Mientras los resultados de los LLM sigan al nivel actual, no representan una gran amenaza de ser realmente competitivos en las tareas
Si el estudiante tiene el cuidado suficiente para reescribirlo con su propia voz, más bien lo consideraría un éxito. Si entrega tal cual la basura de un LLM afinado con RLHF por una empresa tercerizada de etiquetado de datos, simplemente se le pone 0
A los estudiantes no les interesa una apelación emocional de 3000 palabras en un blog; van a tomar el camino de menor resistencia
Si no estás dispuesto a tachar toda la tarea y devolverla con letras rojas grandes que digan “tonterías de ChatGPT, 0”, deberías preguntarte cuál era el propósito de la tarea en primer lugar
Dicho eso, lo entiendo. La universidad se convirtió en una estructura en la que los estudiantes pagan para obtener un título, y los profesores perdieron ante los administradores la capacidad de hacer cumplir cualquier estándar o disciplina
Así que lo único que pueden hacer es dar una calificación mínima aprobatoria a la basura de ChatGPT y explayarse con filosofía en un blog que los estudiantes jamás leerán
Era una trampa evidente. Por ejemplo, obtener la respuesta correcta con código incorrecto
Pero no tenía intención de pasar por el procedimiento administrativo de denunciarlo como trampa, así que simplemente le puse 0
Si le pones 0 a una respuesta correcta, parece que eso terminaría en una queja o apelación exitosa
Pero las ideas nuevas tienen posibilidades de fallar, así que la mayoría eran bastante malas y recibían notas bajas
Como no sabía qué hacer, pronto empecé a escribir ensayos sin leer los libros asignados, basándome en resúmenes de Wikipedia y reseñas de otras personas
Cuando recibí mis primeras A y A+, me di cuenta de que incluso un texto original de nivel promedio no lo entiende la mitad de la gente porque su comprensión es demasiado baja
Para que una idea en literatura sea reconocida como verdaderamente intelectual, tiene que resultar atractiva incluso para quienes no recuerdan lo que realmente leyeron
Incluso para una persona informada e inteligente, un mar de información similar le nubla la vista
El objetivo de una tarea de escritura en clase no debería ser producir un texto, sino hacer que el estudiante piense. Los modelos de lenguaje pueden hacer lo primero, pero no lo segundo
Es muy desalentador ver que tantos expertos y académicos inteligentes en educación y en la academia no entienden esto
Ven el trabajo como una simple producción de entregables y no piensan en cómo el proceso construye conocimiento, habilidades y experiencia
Los estudiantes que menos saben están siendo arrastrados por los LLM, sin entender el propósito de escribir o resolver problemas ni los límites de los LLM, y están desperdiciando años
A veces gastan cientos de miles de dólares para atrofiar su cerebro y obtener solo un papel, y luego se enfrentan al mundo real, donde aparecen problemas mucho más abiertos y la calidad de resolución de problemas de los LLM cae de forma marcada
Quienes de verdad se queden lidiando con los problemas por su cuenta y aprendan tendrán, a largo plazo, una ventaja enorme
Si lo único que nos importara fuera mover peso, tendría sentido usar una herramienta
Pero este trabajo se hace por el efecto que tendrá en ti. La razón por la que el profesor pregunta no es que no sepa la respuesta
Si quisiera aprender y sumergirme en el material, podría ahorrarme 60 mil dólares y hacerlo gratis en línea, probablemente con más eficiencia
El objetivo de una tarea de escritura en clase es lograr que la universidad me dé un título
Aprender realmente el material no hace que puedas obtener el título; solo puedes hacerlo pasando las barreras que pusieron los profesores y pagando una matrícula enorme
Sería bueno que hubiera otro sistema en el que, después de aprender de verdad, pudieras recibir una certificación válida de empleabilidad por ese hecho, pero mientras los profesores sean los guardianes del codiciado certificado de empleabilidad, este problema de incentivos seguirá
Cuando de niño me pidieron un ensayo sobre “por qué ganaron las fuerzas del bien en El Señor de los Anillos”, en realidad era una barrera para comprobar si había leído la novela
Había tres opciones: leer la novela y escribir el ensayo uno mismo, encontrar un ensayo ya escrito, o tomar el ensayo de un amigo como plantilla y reescribirlo
Antes de internet tampoco era fácil encontrar ensayos ya escritos, aunque había libros de ensayos sobre temas comunes, con el riesgo de que el profesor te descubriera o de que alguien usara la misma fuente
A y C al menos te hacían aprender algo sobre la novela y pulir tus habilidades de escritura
Hoy puedes pedirle a ChatGPT que escriba un ensayo de 4 páginas sobre una novela de la que jamás has oído hablar y terminar ahí. No obtienes ningún valor en el proceso
Es un ejemplo simple, pero se aplica igual a la programación. Un programador principiante puede afirmar que un LLM le da la capacidad de abordar tareas difíciles y lenguajes que no conoce, pero de esa experiencia no está obteniendo habilidades ni conocimiento
Si le pides a Google Maps que te encuentre una ruta de Praga a Bruselas, te dará una lista de giros para llegar al destino, pero no puedes afirmar que en el proceso aprendiste la geografía de Alemania
Estoy de acuerdo en que la situación que describe el autor es insatisfactoria, pero en gran parte es responsabilidad del sistema educativo y, más aún, de quien escribe
Con tareas de escritura como esas, es natural que los estudiantes usen LLM. Si tus compañeros los están usando, lo tonto es no usarlos
Los educadores tienen que reestructurar la forma en que enseñan y evalúan. Es raro que el autor no lo vea
Las universidades y escuelas deben cambiar su forma de operar frente a la IA; si no, están haciendo fracasar a los estudiantes
Sé que la IA tiene muchos problemas potenciales y reales para la sociedad, pero si se adopta correctamente también tiene la posibilidad de cambiar positivamente la experiencia educativa
Primero, los estudiantes son una audiencia cautiva. No quieren estar ahí, pero la ley los obliga
Lo mismo ocurre más allá de la educación obligatoria. La inercia los empujó hacia la educación superior y no se dieron cuenta de que tenían opciones o alternativas reales
Segundo, muchas de las habilidades que se desarrollan en clase en realidad no sirven
Pasé mucho tiempo en clases de inglés como segunda lengua, pero lo que realmente me enseñó el idioma fue usar internet. Las clases de inglés de la etapa final eran solo trabajo para aparentar estar ocupado
En las clases de mi lengua materna también tuve que escribir bastantes ensayos, pero lo único útil fue el examen final de esa materia
Desde entonces no he escrito un ensayo “de verdad”. Incluso si lo hiciera, probablemente lo escribiría en inglés y usaría otro estilo aprendido en publicaciones de foros