L'auge de la IA en l'educació està transformant la manera com aprenen els estudiants, oferint un accés més ràpid a la informació i noves maneres d'explorar idees. A PRODIREKT, reconeixem els beneficis de les eines d'IA, però també veiem el repte: garantir que els estudiants mantinguin la capacitat d'interactuar profundament amb material complex i desenvolupar habilitats essencials de pensament crític.

23–AG–2025 | El que més ens sorprèn de l'article de Jeppe Klitgaard Stricker: «La trampa de l'optimització» és com el bucle de la «gratificació immediata» no només tracta de velocitat, sinó de reduir la tolerància dels estudiants a l'ambigüitat i la frustració. En l'aprenentatge tradicional, lluitar amb la incertesa és precisament el que aguditza el raonament i nodreix la resiliència. Amb la IA, però, el llindar d'incomoditat esdevé perillosament baix. Els estudiants ja no senten la necessitat de seure amb la complexitat; en canvi, externalitzen el «mig desordenat» del pensament a una màquina que pot empaquetar respostes parcials ràpidament.

Per als educadors, això significa que el repte no és només dissenyar tasques que es resisteixin a una fàcil optimització de la IA, sinó també cultivar el que es podria anomenar resistència cognitiva . L'habilitat més profunda que hauríem de fomentar és la capacitat de romandre en aquest espai incòmode on la resposta no està clara i la lluita no és gratificant. Si els estudiants aprenen a persistir-hi, no només s'adaptaran millor als entorns rics en IA, sinó que també estaran equipats per al tipus de problemes oberts i imprevisibles que cap algoritme pot resoldre per ells.

IA en educació, equilibri entre velocitat i pensament crític

Digues el que penses! 🎯 IA en educació: “La trampa de l'optimització: com la IA generativa està entrenant els estudiants per evitar el pensament profund” de Jeppe Klitgaard Stricker

Si observeu algú que treballa amb ChatGPT o una eina similar per primera vegada, probablement notareu un canvi de comportament gairebé immediat. La primera resposta de la màquina no és del tot correcta, així que refinen la pregunta. A continuació, sorgeix el dubte: Sóc jo o la màquina és estúpida? Ah, això està millor, però encara no és perfecte. Una altra iteració; i després una altra. Cada millora crea una petita dosi de satisfacció, fomentant una altra ronda de refinament.

Això és divertit!

Això també és una adherència tecnològica de llibre de text.

Quan et quedes sense fitxes i reps el missatge que has d'esperar unes hores per continuar, la insatisfacció és molt forta. No es tracta només d'una barrera tecnològica, sinó també profundament humana i natural. L'experiència reflecteix exactament el que els psicòlegs conductuals observen amb els esquemes de recompenses variables: la imprevisibilitat de quan sorgirà la resposta "perfecta" manté els usuaris compromesos molt més temps que les recompenses constants.

És com observar nens que es queden sense monedes per a la màquina de pinball. Han experimentat prou victòries per creure que la propera partida podria ser aquella en què tot encaixa perfectament. Volem més monedes o fitxes. Volem seguir al joc.

Per descomptat, això és un disseny amb un propòsit. Les plataformes d'IA generativa han heretat principis d'experiència d'usuari persuasius de les xarxes socials i els videojocs: hi ha esquemes de recompensa de dopamina variables, sobretot en forma de comentaris "personals" immediats i la promesa que la propera iteració serà encara millor.

La rigidesa esdevé encara més problemàtica quan es combina amb l'impuls de la IA cap a la personalització. Aquests sistemes aprenen les nostres preferències, el nostre estil d'escriptura, les nostres dreceres intel·lectuals. Es tornen cada cop més hàbils a l'hora de donar-nos exactament el que creiem que volem, creant un bucle de retroalimentació convenient que pot reduir en lloc d'ampliar el nostre pensament. No només fem servir aquestes eines; ens sentim atrets per elles i, el que és més inquietant, condicionats per elles.

De la reflexió a la motivació

La rigidesa de la plataforma és una cosa, però el que és més preocupant és com aquest bucle iteratiu està substituint formes més profundes d'interacció cognitiva. En lloc de lluitar amb un concepte complex mitjançant una reflexió, una lectura o una discussió extenses, estem aprenent a dividir el nostre pensament en cicles de resposta ràpida. El nostre pensament es torna més ràpid i més curt. També depèn cada cop més de la retroalimentació contínua.

El procés acadèmic tradicional de formular hipòtesis, recopilar informació, sintetitzar fonts contradictòries, etc. s'està comprimint en un intercanvi ràpid amb un sistema d'IA. Ens estem entrenant per esperar respostes immediates i tractar el coneixement com quelcom que es pot optimitzar mitjançant una millor "enginyeria ràpida" en lloc d'una comprensió més profunda.

Per ser justos, aquest refinament iteratiu també pot millorar l'aprenentatge en alguns contextos, quan els estudiants l'utilitzen per explorar diferents angles d'un problema o per articular els seus pensaments amb més precisió. La preocupació sorgeix quan això es converteix en la manera predeterminada de compromís intel·lectual, substituint en lloc de complementar les formes tradicionals de pensament profund.

Per a les institucions d'educació superior, això presenta un dilema que va més enllà de les polítiques i la detecció del plagi. La IA generativa, òbviament, ha arribat per quedar-se i aporta molts beneficis, com ara una major pressió per reformar un model educatiu obsolet. Però també és la tecnologia la que està remodelant activament els hàbits cognitius.

Els estudiants que arriben a les nostres aules ja poden estar acostumats a la gratificació immediata del pensament assistit per IA. Poden tenir dificultats amb tasques que requereixen una participació sostinguda amb material difícil, preferint en canvi dividir problemes complexos en parts manejables per IA. Per al professorat, és difícil dissenyar tasques que requereixin el tipus de treball intel·lectual sostingut i incòmode que desenvolupa habilitats de pensament crític.

Avançar amb intenció

Hi ha moltes coses que no podem controlar pel que fa a la IA generativa i l'educació. Però segurament podem ser més intencionats sobre com integrem aquestes eines a la pràctica educativa, observant com les tecnologies d'IA generativa ajuden i canvien els enfocaments fonamentals dels paradigmes educatius alhora.

Hem de dissenyar experiències d'aprenentatge que fomentin explícitament la tolerància a la incertesa, que recompensin la implicació profunda per sobre de l'optimització ràpida i que valorin la dificultat de treballar amb idees complexes sense assistència tecnològica.

Això podria significar crear "zones lliures d'IA" en certs cursos, ensenyar als estudiants a reconèixer quan es troben en un bucle d'optimització en comptes d'un aprenentatge genuí, o redissenyar les avaluacions per prioritzar el procés per sobre del resultat de manera que l'assistència de la IA sigui menys rellevant. També podria implicar ensenyar explícitament als estudiants els mecanismes psicològics que intervenen en les interaccions de la IA, ajudant-los a desenvolupar consciència de quan estan sent condicionats en comparació amb quan estan aprenent realment.

El que està en joc aquí va més enllà dels resultats d'aprenentatge individuals. Estem presenciant un canvi fonamental en la manera com els estudiants interactuen amb idees complexes, i si no intervenim, ens arrisquem a cultivar una generació d'estudiants que destaquen en l'extracció d'informació però que tenen dificultats amb el treball cognitiu més profund de la síntesi, el pensament original i la resiliència intel·lectual.

La ironia és que, si bé la IA generativa promet augmentar la intel·ligència humana, la seva implementació actual en entorns educatius pot estar disminuint la nostra capacitat per al tipus de pensament pacient i incòmode que històricament ha impulsat coneixements innovadors. La qüestió no és si els estudiants poden obtenir millors respostes més ràpidament; òbviament, sí que poden. La qüestió és si estan desenvolupant els músculs intel·lectuals necessaris per fer millors preguntes.

Jeppe Klitgaard Stricker és un líder educatiu sènior amb una curiositat incansable per la majoria de les coses relacionades amb la IA.

Cap d'administració del Departament de Medicina Clínica de la Universitat d'Aalborg, Dinamarca. També treballa com a escriptor, conferenciant i assessor sobre IA generativa en l'educació superior a través de www.stricker.ai.

Si voleu explorar més de l'obra de Jeppe, visiteu el seu Substack: jeppestricker.substack.com