Mahipal Jadeja: «No se preocupe, no llega tarde»

En la universidad india se enseña casi todo en inglés, pero la mayoría de los estudiantes piensa en hindi o en su lengua regional. Mahipal Jadeja da clase de programación a alumnos de primero llegados de disciplinas muy distintas, y hace años que observa lo mismo: buena parte del esfuerzo mental del estudiante no se va en entender qué es un bucle, sino en entender la frase que le explica qué es un bucle. «El estudiante está resolviendo dos problemas a la vez: ¿qué significa esta frase? y ¿qué significa este concepto de programación?».

Jadeja es profesor ayudante en el Departamento de Informática del Malaviya National Institute of Technology (MNIT) de Jaipur, doctor en informática teórica y autor de trabajos sobre redes neuronales en grafos e IA generativa aplicada a la educación. De ese problema de aula nació Python Ki Pathshala, un GPT personalizado que enseña Python en hindi, en inglés o en hinglish, y que explica cada concepto con una historia construida alrededor de lo que al alumno le interesa: el críquet, los videojuegos, el ajedrez, la danza o Instagram. El boletín educativo de OpenAI lo destacó como ejemplo de profesor construyendo sus propias herramientas.

Los números que maneja son suyos y así los damos: en una encuesta a 73 alumnos de primero de carreras no informáticas, la herramienta obtuvo un 4,58 sobre 5. Pero lo que a él le cambió el proyecto no fue la nota, sino un comentario suelto de un estudiante: «Es como si me leyera la mente». A partir de ahí entendió que sus alumnos no estaban pidiendo que la IA les quitara la dificultad, sino que se la explicara en su mundo. Es una idea que no aparece cuando se discute únicamente qué modelo de IA es mejor, porque no depende del modelo.

Hay además un motivo por el que esta entrevista importa a un lector hispanohablante. La quinta respuesta está escrita expresamente para un docente latinoamericano que empieza hoy, y arranca con un aviso: no llegáis tarde. De fondo late la misma cuestión que ya asomó en esta conversación sobre modelos abiertos y dependencia tecnológica: las herramientas llegan primero en inglés, y quien no lo domina paga un peaje que nadie contabiliza. El Domingo de Iberia es la sección de entrevistas de LaPrensaIA.

La entrevista

Para un lector no técnico: ¿por qué aprender a programar en tu propio idioma lo cambia todo?

Para la mayoría de nosotros, el pensamiento más profundo y más natural ocurre en la lengua que usamos cada día. Eso resulta especialmente importante al aprender algo tan exigente en lo cognitivo como la programación.

En el nivel básico, el alumno ya está intentando comprender ideas que le son ajenas. ¿Qué es exactamente una variable? ¿Por qué necesitamos bucles? ¿Cuándo conviene usar una lista y cuándo un diccionario? ¿Para qué sirven las funciones? Antes de poder escribir buenos programas, el estudiante necesita desarrollar intuición sobre esos bloques y entender dónde y por qué son útiles.

Ahora añada usted otra barrera. Si la explicación llega en un idioma en el que el estudiante no se siente del todo cómodo, parte de su esfuerzo cognitivo se va en interpretar la explicación. El estudiante está resolviendo dos problemas a la vez: «¿qué significa esta frase?» y «¿qué significa este concepto de programación?». En ese proceso se puede perder claridad conceptual.

La programación es en sí misma una forma de comunicación. Estamos aprendiendo un lenguaje formal con el que decirle a una máquina exactamente qué queremos que haga. Eso ya es difícil de por sí. ¿Por qué hacer difícil además la explicación de ese lenguaje nuevo?

Hay una cita ampliamente atribuida a Nelson Mandela: «Si hablas a un hombre en un idioma que entiende, le llegas a la cabeza. Si le hablas en su idioma, le llegas al corazón». Creo que algo parecido ocurre en la educación. Cuando el alumno se encuentra una idea abstracta en su propia lengua, puede conectarla con más naturalidad con experiencias, historias y situaciones que ya le resultan familiares.

Eso puede influir no solo en la comprensión, sino potencialmente en la creatividad. Si el alumno puede pensar con naturalidad sobre un problema de programación, más parte de su esfuerzo mental puede dedicarse a preguntas como «¿dónde podría usar yo esto?» o «¿podría resolverlo de otra manera?». El inglés sigue siendo enormemente valioso en informática, pero el dominio del inglés no debería convertirse en un requisito previo para entender el pensamiento computacional.

En última instancia, aprender a programar en la propia lengua elimina una capa innecesaria entre el alumno y la idea. Programar deja entonces de parecer una asignatura extranjera e intimidante y se parece más a una forma nueva de expresar las ideas de uno a una máquina.

¿Cómo surgió Python Ki Pathshala y qué es lo que más le sorprendió de cómo lo usaron los estudiantes?

Python Ki Pathshala salió de un problema muy práctico que yo mismo tenía como profesor. Enseño programación en Python a alumnos de primer curso procedentes de disciplinas y contextos distintos, y detecté una y otra vez tres barreras: el idioma, la personalización y la ausencia de narración en la enseñanza convencional de la programación.

Muchos estudiantes en la India se sienten más cómodos pensando y comunicándose en hindi o en otras lenguas regionales, aunque la educación superior se imparta mayoritariamente en inglés. Al mismo tiempo, los alumnos tienen intereses muy diferentes. Una metáfora de críquet puede conectar de inmediato con uno y no decirle nada a otro que disfruta con los videojuegos, la danza, el ajedrez o Instagram.

También me parecía que la educación técnica desaprovecha las historias. Enseñamos programación con definiciones, sintaxis, algoritmos y ejemplos, todo ello imprescindible, pero los seres humanos recordamos especialmente bien las ideas cuando están colocadas dentro de una narración.

Esas observaciones se convirtieron en la filosofía de diseño de Python Ki Pathshala. Un estudiante puede aprender en hindi, en inglés o en hinglish, pedir una metáfora o una aplicación al mundo real, o dar su nombre y su afición y recibir una historia personalizada que le explica un concepto de programación a través de algo que le resulta familiar.

Lo que más me sorprendió fue la fuerza con la que los estudiantes respondieron a esa cercanía. En las valoraciones de 73 alumnos de primer curso que no estudiaban informática, Python Ki Pathshala obtuvo una puntuación global de 4,58 sobre 5, y los casos de uso reales y la narración estuvieron entre las funciones más valoradas. Hubo un comentario de un estudiante que se me quedó grabado: «Es como si me leyera la mente».

Ese comentario cambió mi manera de ver el proyecto. Los estudiantes no estaban pidiéndole a la IA que les quitara el reto intelectual. La estaban usando para hacer ese reto más comprensible y más conectado con su propio mundo.

También empecé a ver que el enfoque de fondo viajaba más allá de Python. Eso me hizo entender que la idea grande no es un GPT personalizado. Es que la IA puede ampliar la capacidad de un profesor para personalizar la explicación a una escala que antes era imposible. El objetivo no es sustituir al profesor, sino ayudarle a conectar con más alumnos y de más maneras.

¿Qué puede hacer un GPT personalizado por un profesor que no puedan hacer un libro de texto o un chatbot genérico?

Un libro de texto tiene un enorme valor educativo, pero una limitación fundamental: sus explicaciones son estáticas. Los mismos ejemplos y las mismas analogías se le presentan a todos los alumnos, sean cuales sean sus intereses, su procedencia o su dificultad con un concepto.

Un GPT personalizado puede convertir esa experiencia en dinámica. En Python Ki Pathshala, el estudiante puede indicar una afición, una serie favorita o un interés cotidiano junto con el concepto que quiere entender. El sistema crea entonces, en tiempo real, una historia personalizada, una metáfora o un ejemplo del mundo real construido alrededor de ese contexto. Un alumno puede entender los bucles a través del críquet, otro a través de los videojuegos y otro a través de Instagram.

La diferencia con un chatbot genérico es igual de importante. Un chatbot genérico puede dar una explicación técnicamente correcta, pero no necesariamente enseña como enseño yo. Yo prefiero empezar un tema explicando por qué el alumno lo necesita, después introducir metáforas intuitivas, avanzar hacia ejemplos y código y, por último, comprobar que se ha entendido.

Con un GPT personalizado, un docente puede dejar codificadas esas preferencias pedagógicas dentro del sistema. Yo puedo además aportar mis propios apuntes, ejemplos, ejercicios y cuadernos de programación, de modo que la experiencia de aprendizaje siga conectada con lo que los estudiantes se encuentran en mi clase.

Así que la ventaja real no es simplemente que un GPT personalizado genere más contenido. Es que puede generar el tipo de explicación adecuado para un alumno concreto manteniéndose alineado con el enfoque pedagógico del profesor.

Nos permite llevar algo de los métodos, los ejemplos y la filosofía educativa del docente a una experiencia de aprendizaje personalizada y disponible fuera del horario de clase.

¿Cuál es el mayor riesgo de meter la IA en el aula, y cómo se protege usted de él?

El mayor riesgo, en mi opinión, es la descarga cognitiva. Si los estudiantes usan la IA simplemente para generar los trabajos, resolver los problemas o producir el código por ellos, pueden completar la tarea sin desarrollar el pensamiento que esa tarea estaba diseñada para cultivar.

La educación no consiste solo en llegar a la respuesta correcta. Consiste también en pelearse con un problema, cometer errores, poner ideas a prueba y desarrollar poco a poco el pensamiento crítico y creativo. La IA se vuelve contraproducente cuando elimina ese proceso en lugar de apoyarlo.

Por eso los docentes no deberíamos limitarnos a dar acceso a herramientas de IA. Deberíamos pensar con cuidado cómo se comportan esas herramientas. Un GPT personalizado, por ejemplo, puede diseñarse para guiar al estudiante a través de un problema, darle pistas, hacerle preguntas y animarle a construir él mismo la respuesta.

En Python Ki Pathshala, cuando los alumnos piden la solución a un problema de programación, el sistema está diseñado para dar orientación parcial de código en lugar de entregar de inmediato la solución completa. El énfasis está en ayudar al estudiante a entender la idea de fondo y a construir la solución progresivamente.

En el plano institucional, además, necesitamos políticas claras que definan qué usos de la IA son apropiados en cada contexto de aprendizaje y de evaluación.

Para mí el principio es sencillo: la IA debería amplificar el pensamiento del alumno, no sustituirlo. Si diseñamos el aprendizaje con IA alrededor de ese principio, estas herramientas pueden convertirse en compañeras intelectuales en vez de en atajos que rodean el proceso de aprender.

Si tuviera que aconsejar a un docente de América Latina que empieza hoy, ¿por dónde le diría que empezara?

Mi primer mensaje sería: no se preocupe, no llega tarde. La IA generativa puede resultar intimidante porque el campo evoluciona muy deprisa, pero los docentes ya poseen una de las habilidades más importantes para trabajar con ella: la capacidad de dar buenas instrucciones.

Los profesores somos, en muchos sentidos, prompters naturales. Cada día explicamos tareas, definimos expectativas, ponemos ejemplos, fijamos límites y guiamos a los alumnos hacia un resultado deseado. Escribir instrucciones para una IA nos pide trasladar esa misma capacidad a un sistema. Si es usted capaz de visualizar cómo debería ser una respuesta educativa ideal, puede empezar por aprender a describir ese resultado con claridad.

Así que yo empezaría por ahí, por las instrucciones, y por experimentar con cómo el contexto, los ejemplos, las restricciones y los objetivos cambian la calidad de la respuesta que devuelve una IA.

El paso siguiente es identificar una dificultad recurrente en una asignatura que usted imparta y preguntarse si la IA puede ayudar a resolverla. En mi caso, el reto era la personalización. Como profesor, yo solo puedo preparar un número limitado de metáforas, historias y ejemplos. La IA puede generar muchas variantes contextuales en tiempo real según los intereses, la lengua y el bagaje del estudiante. A partir de ahí, una vez que uno se maneja escribiendo instrucciones, la progresión natural es pasar a construir GPT personalizados —«GPTs» en ChatGPT o «Gems» en Gemini—, que básicamente combinan instrucciones bien diseñadas con la experiencia propia y con archivos que uno puede subir como base de conocimiento. Eso hace que el sistema refleje su estilo docente, su temario y sus materiales de forma mucho más consistente, sin perder la flexibilidad de la IA generativa.

Para otro docente, el problema puede ser la retroalimentación formativa, las pistas para las evaluaciones, las preguntas frecuentes, las definiciones difíciles o los ejemplos que reflejen mejor la cultura y la experiencia locales.

Una vez que ese problema está claro, se puede crear un asistente de IA específico a su alrededor. No hace falta que sea sofisticado. Un primer asistente útil puede limitarse a responder las dudas habituales del curso o a guiar al alumno por un solo tema difícil.

Mi recomendación, por tanto, es esta: empiece por un problema, una asignatura y un experimento pequeño. Y después mejórelo con la respuesta de los estudiantes. La adopción de la IA en educación no tiene por qué empezar por la sofisticación tecnológica. Debería empezar por una necesidad pedagógica real.

---

Mahipal Jadeja es profesor ayudante en el Departamento de Informática del Malaviya National Institute of Technology (MNIT) de Jaipur, en la India, con trabajo en informática teórica, redes neuronales en grafos, IA generativa e IA aplicada a la educación. Según su propia reseña biográfica, ha impartido más de 175 charlas, conferencias, talleres y sesiones de formación, con las que ha contribuido a la alfabetización en inteligencia artificial de más de 15.000 estudiantes, docentes, investigadores y profesionales; ha contribuido además a iniciativas académicas relacionadas con la Universidad de Oxford e impartió una sesión invitada ante una audiencia académica vinculada al MIT. Es el creador de Python Ki Pathshala, y su trabajo sobre IA en educación ha sido destacado por el boletín ChatGPT for Education de OpenAI y por OpenAI Academy. Divulga en su canal CS Simplified. Perfil: LinkedIn. Las cifras de charlas, alumnos alcanzados y valoración de la herramienta son datos facilitados por el entrevistado. Responde por escrito a LaPrensaIA; contestó en inglés y sus respuestas se publican íntegras y en su orden original, traducidas al español y revisadas por él. Foto cortesía del entrevistado.