Un protocolo de uso crítico y responsable de la IA
Un protocolo de uso crítico y responsable de la IA es una parte
esencial de pensamiento crítico en la era de la inteligencia artificial. La
evaluación crítica comienza cuando se deja de preguntar solamente “¿qué dice?”
y se añade “¿cómo puedo saberlo?”. Una fuente responsable ofrece elementos que
permiten examinar su procedencia, contexto y evidencia; una fuente débil suele
exigir confianza sin ofrecer suficientes medios para comprobarla.
1. Definir la tarea. Este criterio debe aplicarse de forma activa.
No basta con encontrar una palabra, fecha o nombre: hay que interpretar qué
significa para la confiabilidad del contenido. Por ejemplo, si una publicación
presenta una cifra impresionante, conviene localizar de dónde proviene, a qué
año corresponde, qué población describe y si otra fuente independiente confirma
una interpretación semejante.
2. Preguntar con precisión. Este criterio debe aplicarse de forma
activa. No basta con encontrar una palabra, fecha o nombre: hay que interpretar
qué significa para la confiabilidad del contenido. Por ejemplo, si una
publicación presenta una cifra impresionante, conviene localizar de dónde
proviene, a qué año corresponde, qué población describe y si otra fuente
independiente confirma una interpretación semejante.
3. Verificar resultados. Este criterio debe aplicarse de forma
activa. No basta con encontrar una palabra, fecha o nombre: hay que interpretar
qué significa para la confiabilidad del contenido. Por ejemplo, si una
publicación presenta una cifra impresionante, conviene localizar de dónde
proviene, a qué año corresponde, qué población describe y si otra fuente
independiente confirma una interpretación semejante.
4. Citar o declarar el uso cuando corresponda. Este criterio debe
aplicarse de forma activa. No basta con encontrar una palabra, fecha o nombre:
hay que interpretar qué significa para la confiabilidad del contenido. Por
ejemplo, si una publicación presenta una cifra impresionante, conviene
localizar de dónde proviene, a qué año corresponde, qué población describe y si
otra fuente independiente confirma una interpretación semejante.
Ejemplo aplicado. Un estudiante encuentra una publicación que
afirma: “Un estudio demuestra que el 90 % de los jóvenes aprende mejor usando
el teléfono mientras estudia”. El mensaje parece preciso porque incluye un
porcentaje. Una evaluación crítica preguntaría qué estudio produjo el dato,
quién lo realizó, cuántas personas participaron, qué se midió realmente y dónde
puede consultarse el informe original. Si la publicación no permite responder
esas preguntas, el porcentaje no debe tratarse como evidencia suficiente.
Otro caso frecuente ocurre cuando una página utiliza lenguaje seguro
y un diseño profesional. La apariencia puede facilitar la lectura, pero no
prueba la exactitud. Es preferible corroborar la afirmación en fuentes
independientes y, cuando sea posible, llegar al documento, estudio, institución
o registro original.
Señales de alerta incluyen afirmaciones extraordinarias sin
evidencia, ausencia de autor o fecha cuando son relevantes, titulares que
buscan provocar una reacción inmediata, referencias que no llevan a la fuente
mencionada y contenidos que piden compartir antes de verificar. Ninguna señal
aislada demuestra falsedad, pero varias juntas justifican una revisión más
cuidadosa.
Aplicación académica. Antes de incorporar una fuente a un trabajo,
conviene poder explicar por qué se seleccionó: quién responde por ella, qué
evidencia ofrece, qué tan actual es y cómo se relaciona con la pregunta de
investigación. Esa explicación transforma la búsqueda en un proceso de
selección razonada.
Referencias
bibliográficas (APA 7.ª edición)
UNESCO.
(2013). Global media and information literacy assessment framework: Country
readiness and competencies. UNESCO Institute for Statistics.
UNESCO.
(2023). Five laws of media and information literacy.
https://www.unesco.org/en/media-information-literacy/five-laws
McGrew,
S., Breakstone, J., Ortega, T., Smith, M., & Wineburg, S. (2018). Can
students evaluate online sources? Learning from assessments of civic online
reasoning. Theory & Research in Social Education, 46(2), 165–193.
https://doi.org/10.1080/00933104.2017.1416320
Caulfield,
M. (2019). SIFT (The four moves).
https://hapgood.us/2019/06/19/sift-the-four-moves/
UNESCO.
(2023). Guidance for generative AI in education and research. UNESCO.
National
Institute of Standards and Technology. (2023). Artificial intelligence risk
management framework (AI RMF 1.0). U.S. Department of Commerce.
https://doi.org/10.6028/NIST.AI.100-1
Presentación:
.png)
