Feedback que funciona: así se da rumbo al aprendizaje

Por qué el feedback dirige el aprendizaje

Sin feedback solo se sabe que se hizo algo, no si estuvo bien. Practicar sin respuesta puede incluso afianzar errores. La investigación educativa muestra una y otra vez que el feedback es una de las influencias más potentes en el aprendizaje, pero también que el efecto varía mucho: algunos feedbacks ayudan, otros no hacen nada o empeoran las cosas. Así que no se trata de más feedback, sino de mejor feedback.

Cinco características del feedback que ayuda

1. Concreto. «Hiciste tres veces una pregunta cerrada» ayuda; «bien hecho» no.
2. Rápido. Cuanto menos tiempo pasa tras la acción, mejor queda ligado a ella. Para las habilidades, en minutos es mejor que en semanas.
3. Sobre la tarea, no sobre la persona. «Esta explicación se saltó un paso» es más útil que «eres descuidado».
4. Aplicable. Indique qué se puede hacer de otra manera la próxima vez, no solo qué falló.
5. Con una segunda oportunidad. El feedback sin segundo intento es un juicio. Con un segundo intento es aprendizaje.

Lo que puede hacer el feedback de IA en un itinerario de aprendizaje

En CoVince la IA valora las respuestas abiertas, quien aprende recibe feedback en la lección y, tras una conversación con un CrewMate, la IA redacta un informe final. La gran ventaja es la rapidez y la disponibilidad: el feedback llega al instante, para cada participante, en cualquier momento. Es algo que un formador con veinte participantes nunca puede hacer.

También el feedback tras un segundo intento es distinto: en una pregunta se puede volver a intentar y se obtienen menos puntos, de modo que la segunda oportunidad está incorporada.

Trampas del feedback de IA

• Demasiado amable. Una IA que lo elogia todo no enseña nada. Haga visibles los criterios y ajuste la valoración para que sea lo bastante exigente.
• Demasiado general. Si el feedback pudiera ser el mismo para cada respuesta, no vale nada. Dé los criterios a la IA.
• Sin persona. La IA no lo ve todo. Pida a un formador o compañero que lea con regularidad y corrija el rumbo.

El informe final como tema de conversación

Un informe solo tiene valor si alguien hace algo con él. Tras un ejercicio de conversación, pida a quienes aprenden que elijan un punto con el que quieren seguir y lo prueben en la siguiente ronda. Un formador o responsable puede, en una conversación de diez minutos, tomar el informe como punto de partida. Así, el feedback de IA es el comienzo de una conversación, no su final. Más sobre la práctica en sí en practicar con un juego de rol con IA.

Feedback entre personas

No todo el feedback tiene que venir de la IA o del formador. En un juego de escenarios, en el debrief se ve quién sabía qué y cuándo, y con ello el feedback del juego sobre el equipo. En la organización, los compañeros pueden darse un premio, con una razón obligatoria. Así, el reconocimiento también es una forma de feedback: dice qué hizo bien alguien. Véase recompensar sin las trampas de la gamificación.

Un ejemplo: de «bien hecho» a algo útil

Compare dos formas de feedback sobre una explicación a un cliente. La primera: «Bien hecho, un relato claro». Agradable, pero quien aprende no sabe qué repetir ni qué ajustar. La segunda: «Empezaste con el resultado para el cliente y usaste un ejemplo. Te saltaste el paso de cómo se paga, y de ahí vino la pregunta del cliente. La próxima vez prueba ese paso después del ejemplo».

La segunda es concreta, trata de la tarea, explica una causa y da un siguiente paso. Ese feedback se puede redactar para preguntas abiertas, de modo que la IA también lo dé así: fije los criterios de valoración y pida una observación, una consecuencia y una sugerencia.

Una cultura en la que el feedback es normal

La técnica ayuda, pero el feedback solo funciona de verdad cuando las personas lo quieren. Eso exige un entorno en el que equivocarse en un ejercicio es normal y en el que los responsables piden y reciben feedback ellos mismos. Un itinerario de aprendizaje puede ayudar: un chat por itinerario de aprendizaje donde se hacen preguntas, premios con los que los compañeros se dan las gracias con una razón, un debrief tras un juego de escenarios en el que se habla de hechos y no de culpa.

Empiece por usted mismo: como formador o diseñador, pida feedback sobre su propio itinerario de aprendizaje. Una pregunta abierta al final («¿qué no estuvo claro?») rinde mucho y demuestra que va en serio.

Redactar criterios para la valoración de la IA

La calidad del feedback de IA depende de los criterios que se le dan. Un buen conjunto consta de tres a cinco criterios, cada uno en lenguaje corriente y observable. Para una conversación con un cliente, por ejemplo: ¿siguió preguntando quien aprende antes de dar una solución?, ¿nombró el sentimiento del cliente?, ¿resumió antes de cerrar?, ¿dijo con concreción cuál es el siguiente paso?

• Mantenga los criterios concretos: ¿qué se puede ver u oír?
• Describa qué es bueno y qué es insuficiente, con un ejemplo.
• Pruebe los criterios con algunas respuestas reales y compruebe si la IA valora como lo haría usted.
• Ajuste según lo que vea y comparta los criterios con quienes aprenden.

Cómo organizarlo

Para cada objetivo de aprendizaje, empiece con la pregunta: ¿qué feedback necesita quien aprende para mejorar y cuándo? Ponga el feedback rápido (correcto/incorrecto con explicación) en las swipeslides, el feedback rico (informe) en las conversaciones y el feedback humano en los momentos que importan. Compruebe en los informes si, tras el feedback, las personas hacen realmente una segunda ronda. Si no, quizá el feedback sea bueno pero el paso hacia él no.