Resumen: La práctica de recuperación es una técnica pedagógica bien establecida conocida para mejorar significativamente el aprendizaje de los estudiantes y la retención de conocimiento. Sin embargo, generar preguntas de práctica de recuperación de alta calidad a menudo requiere mucho tiempo e intensivo en el trabajo para los instructores, especialmente en sujetos técnicos en rápida evolución. Los modelos de idiomas grandes (LLM) ofrecen el potencial para automatizar este proceso generando preguntas en respuesta a las indicaciones, sin embargo, aún no se ha establecido la efectividad de la práctica de recuperación generada por LLM en el aprendizaje de los estudiantes. En este estudio, realizamos un estudio empírico que involucra dos cursos de ciencia de datos a nivel universitario, con aproximadamente 60 estudiantes. Comparamos los resultados de aprendizaje durante una semana en la que los estudiantes recibieron preguntas de práctica de recuperación de opciones múltiples generadas por LLM con las de una semana en las que no se proporcionaron tales preguntas. Los resultados indican que los estudiantes expuestos a la práctica de recuperación generada por LLM lograron una retención de conocimiento significativamente mayor, con una precisión promedio del 89%, en comparación con el 73% en la semana sin dicha práctica. Estos hallazgos sugieren que las preguntas de recuperación generadas por LLM pueden apoyar efectivamente el aprendizaje de los estudiantes y pueden proporcionar una solución escalable para integrar la práctica de recuperación en la enseñanza en tiempo real. Sin embargo, a pesar de estos resultados alentadores y los posibles beneficios para ahorrar tiempo, se deben tomar precauciones, ya que la calidad de las preguntas generadas por LLM puede variar. Los instructores aún deben verificar y revisar manualmente las preguntas generadas antes de liberarlas a los estudiantes.
Publicado Originalme en export.arxiv.org El 8 de julio de 2025.
Ver Fuente Original
