Por qué las simulaciones con IA son la pieza que falta en el aprendizaje experiencial

El plan de estudios de su escuela de negocios tiene un problema que ya conoce pero que quizá no haya expresado en voz alta.

Asignó un caso práctico en PDF de 20 páginas. La mayoría de los estudiantes no leyó más allá del segundo párrafo. Unos pocos pegaron las preguntas de debate en ChatGPT y entregaron respuestas fluidas que no escribieron. El resto ojeó los puntos clave de un chat grupal de la clase. De todos modos, calificó las entregas, registró las notas y pasó al siguiente tema. Pero el aprendizaje que buscaba no se produjo.

La investigación es clara sobre el motivo y la solución no tiene nada que ver con un mejor software de detección.

Las pruebas de la investigación contra el aprendizaje pasivo

La evidencia en contra de la instrucción pasiva y basada en textos densos no es nueva ni sutil. Freeman y sus colegas publicaron un metaanálisis histórico en 2014 que abarcaba 225 estudios en educación superior STEM. Su hallazgo: los estudiantes en entornos de aprendizaje activo obtuvieron un 6 % más en los exámenes y tenían 1,5 veces menos probabilidades de fracasar que los estudiantes en cursos tradicionales basados en clases magistrales. Estas cifras son el promedio de cientos de aulas y decenas de miles de estudiantes.

Para la enseñanza mediante el método del caso en concreto, la brecha es aún mayor. Un estudio de Burchfield y Sappington descubrió que el cumplimiento de las lecturas en los cursos universitarios suele situarse por debajo del 40 %. Los estudiantes simplemente no completan las lecturas asignadas. Y cuando lo hacen, Deslauriers y sus colegas demostraron en 2019 que los estudiantes sienten que aprenden menos con los métodos activos, incluso cuando su rendimiento en el examen mejora, porque el esfuerzo de tomar decisiones resulta más difícil que escuchar una clase magistral pulida. La fricción es la característica, no un defecto.

Los datos lo respaldan. Los instructores informan de que una parte significativa de sus estudiantes llega ahora a clase sin haber leído el caso asignado. En su lugar, recurren a resúmenes generados por IA, apuntes de compañeros o un vistazo rápido al primer y último párrafo. La lectura se produce, pero el aprendizaje no.

Lo que realmente requiere el aprendizaje experiencial

El ciclo de aprendizaje experiencial de David Kolb define cuatro etapas: experiencia concreta, observación reflexiva, conceptualización abstracta y experimentación activa. Un caso práctico en PDF intenta abordar solo la tercera etapa, la conceptualización, y se salta las otras tres por completo. Los estudiantes leen sobre una situación en lugar de vivirla.

Esa brecha es importante porque el cerebro construye recuerdos duraderos a través de decisiones y consecuencias, no mediante el consumo pasivo de texto. Cuando un alumno elige entre dos opciones, ve el resultado y reflexiona sobre por qué ocurrió, la codificación neuronal es fundamentalmente más fuerte que cuando lee un párrafo que describe la misma disyuntiva.

Un metaanálisis de 2020 realizado por Chernikova y colegas en la Review of Educational Research examinó 145 estudios sobre aprendizaje basado en simulación. Descubrieron que las simulaciones producían ganancias de aprendizaje significativamente mayores que los enfoques sin simulación, especialmente cuando las simulaciones incluían escenarios ramificados, retroalimentación sobre las decisiones y oportunidades para la reflexión, exactamente los elementos que un documento de caso estático no puede proporcionar.

Por qué la escalabilidad siempre ha sido el cuello de botella

El modelo de aprendizaje 70-20-10, popularizado por el Center for Creative Leadership, sostiene que el 70 % del desarrollo profesional proviene de las experiencias laborales, el 20 % de las interacciones sociales y solo el 10 % de la instrucción formal. Los métodos experienciales ya ganan, simplemente son difíciles de ofrecer a escala.

Históricamente, construir una simulación ramificada requería un equipo de diseñadores instruccionales, meses de desarrollo y un presupuesto que lo descartaba para la mayoría de los instructores. Ejecutarla requería tiempo de laboratorio dedicado o facilitadores presenciales. Por eso el método del caso se conformó con los PDF estáticos: eran el único formato que se podía escalar.

Pero la limitación era el coste de producción, no la preferencia pedagógica.

Cómo las simulaciones con IA cierran la brecha

El cambio importante es que las herramientas de IA ahora se encargan del cuello de botella de la producción. Un instructor puede subir un caso práctico que ya imparte y, en cuestión de minutos, tener una versión interactiva donde los estudiantes toman decisiones, chatean con personajes virtuales y reciben retroalimentación sobre su razonamiento.

LiveCase funciona con una interfaz de chat de equipo familiar, los estudiantes ven una conversación al estilo Slack con partes interesadas que proporcionan información parcial y presentan dilemas. Cada elección ramifica la narrativa. El sistema gestiona la calificación automatizada de respuestas cualitativas mediante IA, señala las entregas generadas por IA y proporciona al instructor un panel que muestra exactamente quién entendió el material y quién necesita ayuda.

La plataforma es gratuita para crear contenido, cuesta 1,50 $ por participante ejecutarla y se integra con Canvas y otras plataformas LMS. El contenido es 100 % propiedad del instructor y puede publicarse a través de Harvard Business Impact, The Case Centre o Ivey Publishing para obtener regalías.

Lo que diferencia esto de otras herramientas de tecnología educativa es que no añade más pantallas al día del estudiante. Sustituye la lectura por la acción.

Lo que cambia al dar el paso

La diferencia mensurable entre una tarea de caso pasiva y una simulación interactiva se hace visible en la primera sesión de análisis. En lugar de preguntar "¿quién leyó el caso?" (silencio), pregunta "¿qué pasó cuando decidiste retrasar el lanzamiento del producto?" (todos tienen una respuesta, porque todos tomaron esa decisión).

Los datos le dan una visión directa del pensamiento de los estudiantes:

• Cada ruta de decisión se registra y se puntúa según una rúbrica
• La calificación automatizada gestiona las respuestas cualitativas abiertas
• El panel destaca a los alumnos que tienen dificultades frente a los que dominan el concepto
• La supervisión de IA señala los intentos de externalizar la simulación a un LLM

Un profesor de INSEAD, Atalay Atasu, describió el uso de LiveCase como algo que "dio vida a mi aula. Los alumnos estaban comprometidos, llenos de energía y pensando más allá de la teoría". En toda la plataforma, más de 70 000 alumnos han completado ya simulaciones, con tasas de participación que alcanzan el 92 %.

Como comentamos en un análisis anterior sobre la evaluación basada en decisiones, el cambio fundamental es sustituir la memorización por el juicio. Una simulación no pregunta al estudiante qué recuerda de una lectura. Le pide que tome una decisión y viva con el resultado.

La cuestión no es si el aprendizaje experiencial funciona. La evidencia sobre eso está clara. La cuestión es si puede permitirse seguir enseñando en un formato con el que sus estudiantes ya han dejado de interactuar.

Profundizamos en el software de formación experiencial en Por qué el ROI de su formación corporativa está estancado (y cómo las simulaciones basadas en decisiones lo solucionan).

Para más información sobre el aprendizaje experiencial, consulte Los estudiantes aprenden más cuando deciden. Aquí están las pruebas..

FAQ

¿Qué es el aprendizaje experiencial?

El aprendizaje experiencial es un enfoque pedagógico en el que los alumnos adquieren conocimientos a través de la experiencia directa y la reflexión, en lugar de mediante la lectura pasiva o las clases magistrales. El modelo de David Kolb lo describe como un ciclo de cuatro etapas: experiencia concreta, observación reflexiva, conceptualización abstracta y experimentación activa.

¿Qué tan eficaz es el aprendizaje basado en simulación en comparación con los métodos tradicionales?

Un metaanálisis de 2020 de 145 estudios descubrió que el aprendizaje basado en simulación producía ganancias de aprendizaje significativamente mayores que los enfoques sin simulación, especialmente cuando las simulaciones incluían escenarios ramificados y retroalimentación sobre las decisiones. Los estudiantes en entornos de aprendizaje activo obtienen aproximadamente un 6 % más en los exámenes y tienen tasas de fracaso 1,5 veces menores que los estudiantes en entornos de solo clases magistrales.

¿En qué se diferencia una simulación con IA de un caso práctico tradicional?

Una simulación con IA convierte una narrativa de caso estática en una experiencia interactiva donde los estudiantes toman decisiones, chatean con personajes virtuales y ven las consecuencias de sus elecciones en tiempo real. Un caso práctico tradicional pide a los estudiantes que lean sobre una situación y respondan preguntas sobre ella desde fuera. Una simulación los sitúa dentro de la situación.

¿Puedo convertir mis casos prácticos en PDF existentes en simulaciones?

Sí. Plataformas como LiveCase permiten a los instructores subir materiales de casos existentes y usar IA para generar automáticamente un marco de simulación. El instructor conserva el control editorial total y puede perfeccionar el escenario antes de compartirlo con los alumnos. La creación y la vista previa son gratuitas, y no se requiere ninguna habilidad técnica.

¿Qué es la evaluación basada en decisiones?

La evaluación basada en decisiones evalúa a los alumnos por las elecciones que hacen durante una simulación, en lugar de por lo bien que recuerdan hechos de una lectura. Cada punto de decisión se puede puntuar según una rúbrica, y el patrón acumulativo de elecciones proporciona una medida más rica del juicio y el pensamiento crítico que un examen de opción múltiple.

¿Cómo gestionan las simulaciones con IA la integridad académica?

Las simulaciones impulsadas por IA son resistentes a la externalización por diseño. Dado que cada alumno debe tomar decisiones específicas del contexto bajo presión de tiempo dentro de una narrativa en desarrollo, una herramienta de IA genérica no puede completar la simulación en su nombre. La plataforma también supervisa el texto generado por IA en las respuestas abiertas y señala posibles problemas de integridad al instructor.