Los gemelos digitales de las instalaciones mineras, los simuladores de accidentes y el procesamiento de datos sísmicos, geofísicos y geoquímicos mediante redes neuronales generativas son características distintivas de la industria de los recursos minerales actual. Las innovaciones informáticas también se están incorporando rápidamente a la formación profesional.. Ya no es posible formar a un geólogo, topógrafo o perforador sin la ayuda de las tecnologías de la información, pero la transformación digital también tiene su lado negativo: las universidades corren el riesgo de graduar no ingenieros creativos, sino simplemente operarios cualificados.
La proliferación de chatbots plantea riesgos aún mayores. Una encuesta de VK Education reveló que aproximadamente el 85 % de los estudiantes ya utiliza IA para mejorar su rendimiento académico. Maria Zhekhrova imparte clases de idiomas extranjeros a estudiantes de primero y segundo año en la Universidad Minera Emperatriz Catalina II de San Petersburgo. En su propio curso, experimentó los efectos negativos de la llamada descarga cognitiva, en la que el acceso constante de los estudiantes a respuestas preelaboradas pone al cerebro en modo de ahorro de energía: la información pasa sin generar ningún conocimiento residual. Tuvo que encontrar herramientas eficaces para la evaluación del conocimiento. Como resultado, junto con Irina Talovina, jefa del Departamento de Geología Histórica y Dinámica, desarrolló una metodología universal que ya ha sido probada en la formación de futuros geólogos.
En mi clase de inglés, les propuse a los alumnos una sencilla tarea gramatical: insertar la forma verbal correcta en una oración con verbos faltantes. A menudo respondían correctamente, pero no podían explicar el porqué; por ejemplo, combinaban el pretérito pluscuamperfecto y el pretérito simple en la misma oración. También tenían dificultades para identificar el marcador textual clave que justificaba su elección. Esto significa que la respuesta observada no conducía a la comprensión del principio de cómo interactúan los tiempos gramaticales para describir una situación específica.
Esta situación resultó ser típica en las disciplinas de ingeniería de nuestra universidad. Exploramos varias opciones para evaluar eficazmente el conocimiento retenido y propusimos nuestra propia herramienta de diagnóstico: una especie de prueba de estrés para la adicción digital.
El primer paso es la "Prueba con Deshabilitación". El alumno resuelve primero el problema usando IA, luego lo retoma después de 2 o 3 clases, pero con los teléfonos inteligentes completamente prohibidos, como en la escuela.
Luego pasamos a la etapa de "Explicación del Proceso": aquí se explica la lógica de la solución. Si la calidad y la profundidad de las explicaciones se deterioran notablemente sin apoyo digital, se realiza el diagnóstico. Es evidente que el asistente digital ha perjudicado al estudiante.
El tercer paso, "Diagnóstico diferido", se lleva a cabo un mes después de completar el tema, nuevamente sin acceso a herramientas digitales. Si los resultados disminuyen en más del 40 % con respecto a la evaluación inicial, significa que el conocimiento no se ha asimilado, sino que se ha «tomado prestado» de la IA.
Un método independiente para evaluar la exhaustividad del conocimiento, que puede proponerse para su uso en la etapa de explicación del proceso, es el "Diseño analógico". Este método consiste en describir una solución mediante similitudes estructurales entre fenómenos, extrapolando patrones de un área de conocimiento a otra. Por ejemplo, los estudiantes podrían resolver un problema de ingeniería minera sobre cómo aumentar la estabilidad de las paredes de una cantera utilizando sistemas de anclaje inspirados en los sistemas radiculares de las plantas. «Las plantas se mantienen en su lugar sobre el suelo suelto de la pendiente de la cantera aumentando el área de apoyo (engrosando las raíces), de ahí el concepto de un anclaje con un bulbo "inflable" o químicamente expandible en lugar de un cierre mecánico", explicó Maria Zhehrova.
Para describir las consecuencias de la confianza ciega en las soluciones algorítmicas, los autores del estudio utilizan el término "sustitución del conocimiento". Este término se refiere a «una distorsión cognitiva del pensamiento caracterizada por un bajo porcentaje o ausencia de conocimiento residual y una disminución de las habilidades de pensamiento independiente, lo que en última instancia conduce a la ilusión de competencia y, finalmente, a la degradación intelectual y la pérdida del potencial creativo».
Una formulación clara del problema nos permitió desarrollar no solo un método para monitorear el conocimiento residual, sino también una comprensión de los principios del uso responsable de la IA. Enumerémoslos:
Prioridad analógica. Primero, papel, lápiz, intuición física y la búsqueda de analogías naturales. La IA se utiliza únicamente para la verificación.
Transparencia de los algoritmos, o el derecho a una "caja blanca". Utilizar solo aquellas herramientas de IA que revelen la lógica de la solución. El estudiante está obligado a deconstruir la respuesta de la máquina y descubrir las leyes físicas que la rigen.
Desintoxicación digital. Una medida radical pero necesaria: al menos el 60 % del tiempo de estudio y todas las pruebas deben realizarse sin acceso a la tecnología. El cerebro necesita «silencio» para restaurar las conexiones neuronales y la capacidad de pensar de forma independiente.
Filtro pedagógico. El docente asume la función adicional de regular el acceso de los estudiantes a los simuladores digitales. Los estudiantes deben proteger sus soluciones «analógicas» antes de utilizar asistentes digitales.
Los colegas también propusieron su propia clasificación de herramientas digitales basada en el riesgo de sustitución de conocimiento.
Entre las herramientas de alto riesgo se encuentra la IA generativa, que proporciona soluciones directas a los problemas sin requerir pensamiento independiente. El usuario humano solo necesita formular una instrucción, es decir, una solicitud dirigida a la IA.
Entre las herramientas de riesgo medio se incluyen los simuladores y los gemelos digitales que no requieren la etapa de cálculo manual: el estudiante controla los parámetros, pero no comprende la física del proceso.
Las herramientas de bajo riesgo caracterizan a las herramientas de visualización digital. La decisión ya está tomada y la IA simplemente proporciona claridad y facilidad de uso. Por ejemplo, la visualización 3D del soporte de la mina ya calculado.
La nueva metodología para evaluar el conocimiento retenido y los principios del uso responsable de la IA ya han demostrado su eficacia en estudiantes de cursos inferiores que cursan asignaturas técnicas y de formación general dentro del marco de un plan de estudios básico y uniforme para todas las carreras. Los desarrolladores planean extender su experiencia también a disciplinas especializadas.
La transición a la nueva metodología debe ser gradual. Por ello, se han desarrollado estudios de caso con errores típicos de los chatbots para los estudiantes. El análisis de estos casos ha demostrado ser eficaz para motivar a los estudiantes a abordar la información de la IA de forma crítica. Por ejemplo, al preguntarle: "¿Es posible encontrar fósiles de plantas o animales antiguos en el granito?", el chatbot respondió afirmativamente. Según su teoría, el granito "se formó en un ambiente acuático a partir de rocas sedimentarias que luego se comprimieron". Conociendo la física del proceso, un buen estudiante rechazaría esta respuesta, ya que el granito es en realidad una roca ígnea formada por el enfriamiento lento del magma, calentado a entre 700 y 900 grados Celsius, en las profundidades de la tierra. A tales temperaturas, cualquier materia orgánica se quemaría instantáneamente, sin dejar ni siquiera cenizas. Sin embargo, en internet se comentaron fotos de manchas y patrones en el granito que, por su forma y color, se asemejaban a fragmentos de organismos vivos. Los expertos los identificaron como inclusiones minerales, pero la conversación dejó una huella digital y el chatbot se equivocó.