A principios de la década de 2010, casi todos los jóvenes que iban a la universidad con conocimientos de STEM (siglas de Ciencias, Tecnología, Electrónica y Matemáticas) recibían el mismo consejo: aprende a programar. Python era el nuevo latín. La informática era el ticket hacia una vida estable, bien remunerada y preparada para el futuro.
En 2025, ese brillo se ha atenuado. «Aprende a programar» ahora suena un poco como «aprende taquigrafía». Los adolescentes siguen queriendo trabajar en tecnología, pero ya no ven un único camino para lograrlo. La IA parece estar a punto de acaparar los trabajos de codificación, y no hay una oferta grande de clases de AP (Advanced Placement –colocación avanzada–) en vibe coding. Los profesores están batallando por mantenerse al día.
“Se está pasando de cursar la mayor cantidad posible de informática a intentar cursar la mayor cantidad posible de estadística”, afirma Benjamin Rubenstein, subdirector de la Manhattan Village Academy de Nueva York. Rubenstein lleva 20 años en las aulas de la ciudad de Nueva York, tiempo que ha bastado para ver cómo el proceso de aprendizaje en las áreas STEM se transforma en una red de caminos ramificados en lugar de una línea recta. Para sus alumnos, estudiar estadística resulta más práctico.
STEM con propósito
Hace cuarenta años, los estudiantes inspirados por la NASA soñaban con ser físicos o ingenieros. Veinte años después, el atractivo de trabajar en Google o en otras gigantes de la tecnología los empujaba hacia la informática. Ahora, sus ambiciones están condicionadas por la IA, que los aleja de las cosas que la misma puede hacer (como la codificación) y los acerca a las cosas con las que todavía tiene dificultades. A medida que disminuye el número de estudiantes de informática, los estudiantes de bachillerato con inquietudes STEM buscan campos que combinen la informática con el análisis, la interpretación y los datos.
VIDEOTrazamos el mapa más completo del imperio de Elon Musk | On the Grid
Rubenstein sigue exigiendo a todos los alumnos que cursen informática antes de graduarse, «para que puedan entender lo que ocurre tras bastidores». Pero el departamento de matemáticas de su escuela combina ahora la alfabetización en datos con un propósito: una clase de Matemáticas Aplicadas en la que los estudiantes analizan datos del Departamento de Policía de Nueva York para proponer cambios políticos, y un curso de Etnomatemáticas que vincula las matemáticas con la cultura y la identidad. «No queremos que las matemáticas se sientan desconectadas de la vida real», sostiene.
Se trata de un cambio pequeño pero significativo que, según Rubenstein, no se está produciendo de forma aislada. Tras un largo auge, las universidades están viendo cómo se enfría el auge de las ciencias informáticas. El número de titulaciones en informática, ingeniería informática e información concedidas en el curso académico 2023-2024 en EE UU y Canadá cayó alrededor de un 5.5% respecto al año anterior, según una encuesta de la organización sin fines de lucro Computing Research Association.
En la enseñanza secundaria, el interés por los datos es evidente. Según Education Week, en 2024 se registraron 264,262 inscripciones para el examen AP de Estadística, convirtiéndolo en uno de los exámenes AP más solicitados. Los exámenes AP de Informática siguen atrayendo a un gran número de estudiantes: en 2024, 175,261 estudiantes se presentaron al examen AP de Principios de Informática y 98,136 al examen AP de Informática A, pero la señal es clara: la alfabetización en datos ahora está al mismo nivel que la codificación, no por debajo de ella.
“Los estudiantes que se consideran personas STEM perseguirán aquello que consideren que los convierte en un recurso valioso, en algo apreciado en el mundo laboral”, afirma Rubenstein. “El mundo laboral puede, básicamente, cambiar la educación si así lo desea, diciendo: ‘Esto es lo que necesitamos de los estudiantes’. La educación primaria y secundaria seguirá su ejemplo”.https://8792f8a75868413d3255ac63e3c8a0d4.safeframe.googlesyndication.com/safeframe/1-0-45/html/container.htmlLo más visto
- Medio AmbienteEl agua regresa al Lago de Texcoco y entierra los restos de lo que quiso ser un megaaeropuertoPor Anna Lagos
- SeguridadMás de 1,500 líderes y expertos advierten que la IA general es un riesgo enorme y exigen frenar su desarrolloPor Fernanda González
- Novedades y EventosMotorola desafía a Apple con el Moto X70 Air y su diseño ultra delgadoPor Diego Barbera
- CienciaCientíficos desarrollan una inyección para reducir tumores cancerígenos de cabeza y cuello en semanasPor Fernanda González
Publicidad
En medio de todo esto, el auge de la IA deja a los profesores en una posición difícil. Intentan preparar a los alumnos para un futuro definido por el aprendizaje automático y, al mismo tiempo, gestionar la facilidad con la que esas mismas herramientas pueden cortocircuitar el proceso de aprendizaje.
Sin embargo, Rubenstein cree que la inteligencia artificial podría convertirse en una auténtica aliada de los educadores STEM, no en un sustituto. Se imagina aulas en las que los algoritmos ayuden a los profesores a identificar qué alumnos comprenden un concepto y cuáles necesitan más tiempo, o a sugerir proyectos de datos alineados con los intereses de un alumno en particular; en otras palabras, formas de hacer que el aprendizaje sea más individualizado y aplicado.
Un nuevo tipo de alfabetización
Es parte del mismo cambio que ha observado en sus alumnos: un giro hacia el aprendizaje de cómo interpretar y utilizar la tecnología, no solo construirla. Otros educadores están empezando a pensar de forma similar, explorando cómo las herramientas de IA pueden reforzar la alfabetización de datos o ampliar el acceso a la enseñanza personalizada de STEM.
En la Universidad de Georgia, el investigador en educación científica Xiaoming Zhai ya está probando cómo podría ser. Su equipo construye lo que él denomina “sistemas multiagente para el aula”: asistentes de IA que interactúan con profesores y alumnos para modelar el proceso de investigación científica.
Los proyectos de Zhai ponen a prueba un nuevo tipo de alfabetización: no solo cómo utilizar la IA, sino cómo pensar con ella. El investigador cuenta la historia de un profesor visitante que nunca había escrito una línea de código y, sin embargo, utilizó la IA generativa para construir una simulación científica funcional.
«Se ha bajado la barra de la codificación», resume. «La verdadera habilidad ahora es integrar la IA en tu propia disciplina».
Zhai cree que la IA no debe tratarse como una amalgama de disciplinas STEM, sino como parte de su núcleo. La próxima generación de científicos, afirma, utilizará algoritmos de la misma forma que sus predecesores utilizaban microscopios: para detectar patrones, probar ideas y ampliar los límites de lo que se puede conocer. La codificación ya no es la frontera; la verdadera habilidad consiste en aprender a interpretar la inteligencia de las máquinas y colaborar con ellas. Como presidente de un comité nacional sobre la IA en la enseñanza de las ciencias, Zhai está presionando para que ese cambio sea explícito, instando a las escuelas a enseñar a los estudiantes a aprovechar la precisión de la IA y, al mismo tiempo, a mantenerse alerta ante sus puntos ciegos.
«La IA puede hacer algunos trabajos que los humanos no pueden», manifiesta, «pero también falla estrepitosamente fuera de sus datos de entrenamiento. No queremos estudiantes que piensen que la IA puede hacerlo todo o que le teman por completo. Queremos que la utilicen con responsabilidad».
Ese equilibrio entre fluidez y escepticismo, ambición e identidad, está reescribiendo silenciosamente lo que significa STEM en escuelas como la de Rubenstein. Las clases de informática no están desapareciendo, pero comparten escenario con las asignaturas optativas de medicina forense, los laboratorios de ciencia-ficción y los debates sobre ética de los datos.
«Los estudiantes ya no pueden ver las cosas compartimentadas», reflexiona Rubenstein. «Necesitan múltiples disciplinas para tomar buenas decisiones».
La IA no está por llegar, ya está aquí. Los estudiantes de STEM de hoy no están luchando contra ella; están aprendiendo a leerla, cuestionarla y utilizarla. La nueva habilidad no es codificar la máquina, sino entender su lógica lo suficientemente bien como para dirigirla.
Artículo originalmente publicado en WIRED. Adaptado por Andrea Baranenko.
Fuente: Wired
Sea el primero en comentar en "Gracias a la IA, el análisis y la interpretación de datos están desplazando a la programación"