Comencé mi carrera como bibliotecaria y obtuve mi maestría en Bibliotecología y Ciencias de la Información (MLIS) en la Universidad Simmons de Boston. Como muchos bibliotecarios que inician su carrera, pasé incontables horas trabajando con estudiantes que llegaban con una mezcla familiar de urgencia e incertidumbre. No buscaban “información” abstracta. Intentaban terminar una tarea, comenzar un proyecto de investigación o comprender un tema que aún no entendían.

por Tamir Borensztajn

Lo que siempre me impresionó fue el poco tiempo que teníamos para cubrir sus necesidades académicas específicas y las vastas colecciones que teníamos a nuestro alcance. El desafío nunca fue la falta de recursos. Fue la rapidez con la que comprendíamos lo que intentaban hacer y los conectamos con el material más relevante en ese momento.

En aquel momento, lo consideré un problema de referencia. En retrospectiva, era algo mucho más amplio. Era un problema estructural en la forma en que se transmite el conocimiento académico.

Hoy en día, ese problema estructural sólo se ha hecho más visible.

Los estudiantes e investigadores de hoy trabajan en entornos dinámicos y fragmentados. Se mueven entre plataformas de aprendizaje, editores de documentos, herramientas de colaboración y, cada vez más, interfaces de inteligencia artificial. Mientras tanto, las bibliotecas siguen conservando colecciones extraordinarias e invirtiendo una importante experiencia en la creación de guías de investigación, listas de lectura y rutas recomendadas para apoyar el aprendizaje y la investigación.

Sin embargo, a menudo existe una brecha entre este trabajo y la forma en que los estudiantes realmente experimentan sus tareas académicas.

En este contexto, la inteligencia artificial se presenta con frecuencia como una amenaza. Estudiantes que utilizan herramientas generativas en lugar de bases de datos. Citas faltantes o erróneas. Fuentes cuestionables. Erosión del rigor académico. Estas preocupaciones son válidas, pero incompletas.

Existe otra posibilidad. La IA también puede utilizarse para fortalecer el papel de la biblioteca en la enseñanza, el aprendizaje y la investigación. No reemplazando a los bibliotecarios, sino ampliando su experiencia y conectando su labor curatorial más directamente con las tareas, proyectos y preguntas en las que trabajan los estudiantes.

No como un motor de respuestas, sino como tejido conectivo. Como la capa de inteligencia que vincula contenido, contexto e intención.

La capa de inteligencia que falta

El mundo académico nunca ha carecido de contenido. Las bibliotecas invierten fuertemente en colecciones con licencia, recursos de acceso abierto, repositorios institucionales y recursos digitales seleccionados. El profesorado diseña planes de estudio bien pensados. Los investigadores generan nuevos conocimientos a un ritmo vertiginoso. El problema no es la escasez. Es la desconexión.

Existe una brecha cada vez mayor entre cómo se gestiona el conocimiento académico y cómo se desarrolla realmente el trabajo académico.

Los recursos residen en los sistemas bibliotecarios. Las guías de investigación se encuentran en los sitios web. La experiencia reside en los bibliotecarios. Pero las tareas, los proyectos y las preguntas de investigación se desarrollan dentro de cursos, documentos y plataformas de aprendizaje, desconectados del lienzo de la biblioteca.

Hemos construido sistemas potentes para recopilar y organizar información, así como sistemas igualmente potentes para la enseñanza, la escritura y la investigación. Lo que no hemos construido es la inteligencia conectiva entre ellos.

No existe una capa que comprenda de forma coherente lo que se le pide al estudiante y adapte la experiencia bibliotecaria a ese contexto. No existe un sistema que interprete las indicaciones de una tarea o el programa de estudios y ayude a traducir esa intención académica en recursos relevantes seleccionados por bibliotecarios.

El resultado es familiar: una inversión significativa en recursos académicos, sumada a una exhaustiva selección profesional. Los bibliotecarios elaboran cuidadosamente guías de investigación, listas de lectura y rutas recomendadas diseñadas para apoyar el aprendizaje. Sin embargo, gran parte de este trabajo tiene una visibilidad limitada, y muchos estudiantes nunca lo encuentran al completar sus tareas.

Esto no se debe a que el trabajo carezca de calidad, sino a que está estructuralmente separado del flujo de trabajo del curso y la actividad de investigación.

La distancia entre la curaduría y el trabajo del curso

Las bibliotecas invierten un enorme esfuerzo profesional en la creación de guías temáticas, guías de cursos y materiales didácticos alineados con las disciplinas y los objetivos de aprendizaje. Este trabajo es fundamental y refleja un profundo conocimiento tanto del contenido como de la pedagogía.

Sin embargo, desde la perspectiva de un estudiante, esta experiencia a menudo se encuentra uno o dos pasos alejada de donde realmente comienza su trabajo.

Un estudiante no empieza con una guía de investigación. Empieza con una consigna para la tarea.

Un profesor no empieza con herramientas ni sistemas. Empieza con los resultados de aprendizaje y los objetivos del curso.

Un investigador no enmarca su trabajo como “uso de la biblioteca”. Lo enmarca como una pregunta que intenta responder.

Cuando las guías de investigación y los recursos recomendados están desconectados de estos puntos de entrada, su impacto se ve naturalmente limitado.

Esto no es un fracaso de la bibliotecología. Es una deficiencia estructural en la prestación de servicios.

Conciencia, fricción y el camino de menor resistencia

Cuando los estudiantes recurrían a Google, y ahora recurren cada vez más a ChatGPT, no rechazaban la autoridad. Optaban por la inmediatez. Siguían el camino de menor resistencia.

Muchos estudiantes simplemente desconocen la amplitud y profundidad de lo que ofrece su biblioteca. Otros sí lo saben, pero encuentran demasiadas dificultades para acceder a ella justo cuando la necesitan. Cuando los plazos son ajustados y la presión es alta, la comodidad es lo primero.

Si la biblioteca no está visible en el momento en que los estudiantes intentan interpretar una tarea o comenzar un proyecto, está funcionalmente ausente.

No se trata de una cuestión de marketing. Es estructural.

Es importante destacar que esto no constituye un argumento en contra de la exploración, la indagación abierta ni del proceso de búsqueda en sí. Estos siguen siendo fundamentales para que estudiantes e investigadores construyan su comprensión. La oportunidad no reside en reemplazar estas experiencias, sino en apoyarlas de forma más eficaz, comprendiendo primero el contexto y la intención.

Cuando un sistema reconoce lo que se le pide al estudiante, puede identificar puntos de partida relevantes y guiarlo con mayor claridad y confianza. La exploración no desaparece. Se consolida. La indagación no disminuye. Se enfoca más.

La intención está en todas partes en el ámbito académico

Una de las realidades más olvidadas de la vida académica es cuán explícita es en realidad la intención.

Los programas de estudio describen lo que se enseñará. Las tareas definen las expectativas. Las propuestas de investigación describen las preguntas que se están abordando. Los resultados de aprendizaje articulan lo que los estudiantes deberían ser capaces de hacer. No son señales vagas, sino declaraciones concretas de propósito.

En otros sectores, las empresas invierten enormes cantidades de tiempo y dinero intentando inferir la intención del usuario. En la educación superior, la intención está documentada, estructurada y es abundante.

El problema no es la ausencia de intención. Es la ausencia de sistemas que la utilicen.

Cuando un estudiante envía el resumen de una tarea, nos indica exactamente qué intenta lograr. Cuando un profesor diseña un curso, declara qué tipos de aprendizaje desea promover. Cuando un investigador redacta una propuesta, define el alcance y la dirección de su investigación.

Estos artefactos no son gastos administrativos. Son hojas de ruta.

La IA nos permite leer e interpretar estas señales a gran escala. Nos permite comprender el contexto, no solo las palabras clave. Nos permite distinguir entre la lectura contextual y la indagación específica.

Esto es importante porque el trabajo académico no es genérico. Es situacional.

Si se utilizan correctamente, estas señales no acortan la investigación. La moldean. Ayudan a estudiantes e investigadores a iniciar el proceso con una dirección más clara y una base más sólida.

De la curación al contexto

Las bibliotecas dedican una enorme experiencia a la creación de guías de investigación, listas de lectura y rutas recomendadas, alineadas con las disciplinas y los objetivos de aprendizaje. Este trabajo refleja un profundo conocimiento tanto del contenido como de la pedagogía.

El desafío no es la calidad de esta curaduría, sino la distancia entre su ubicación y el inicio del trabajo académico.

La IA ofrece una manera de reducir esta brecha. Al interpretar el contexto académico, como la descripción de una tarea o el programa de estudios, es posible conectar más directamente las guías de investigación existentes y los recursos recomendados con el trabajo que los estudiantes están realizando.

No se trata de redefinir la bibliotecología. Se trata de facilitar el acceso a la experiencia bibliotecaria allí donde es más relevante.

Disponibilidad versus presencia

Las bibliotecas son excelentes para hacer que los recursos estén disponibles. Tienen menos éxito en hacerlos presentes

El acceso no es sinónimo de visibilidad. Un recurso que existe pero no se encuentra es como si no existiera.

Si las guías de investigación y los recursos recomendados no son visibles en el contexto de los cursos y proyectos, permanecen periféricos.

La IA ofrece la oportunidad de cambiar esto. No impulsando el contenido, sino alineándolo de forma más natural con el trabajo que los estudiantes ya realizan.

Tampoco se trata de limitar la exploración intelectual. Una vez que los estudiantes se conectan con recursos relevantes, conservan toda la riqueza de explorar, cuestionar y seguir caminos inesperados.

Una capa de inteligencia responsable

Nada de esto funciona sin confianza.

Las bibliotecas se han ganado su posición como guardianas de la información. Cualquier uso de la IA en este ámbito debe ser transparente, explicable y responsable. Los datos deben gestionarse con responsabilidad. Los bibliotecarios deben mantener el control. Los usuarios deben comprender lo que sucede.

La IA nunca debería sustituir el criterio profesional. Debería apoyarlo.

Las bibliotecas se encuentran en una posición privilegiada para liderar la adopción responsable de la IA porque ya operan con sólidos marcos éticos. Ya enseñan la evaluación crítica. Ya priorizan la privacidad y la integridad.

La IA no tiene por qué erosionar estos valores. Puede reforzarlos.

Reconectando la biblioteca con el trabajo académico

En esencia, se trata de reconectar el trabajo de la biblioteca con el trabajo del estudiante y el investigador.

No en teoría. En la práctica.

La oportunidad es pasar de guías estáticas a apoyo contextual. De recursos disponibles a expertos alineados con las tareas académicas reales. De la biblioteca como destino a la biblioteca como aliado en el proceso académico.

No se trata de seguir tendencias. Se trata de cumplir la misión que siempre han tenido las bibliotecas, utilizando herramientas que reflejen cómo se aprende hoy en día.

La IA nos permite comprender la intención académica y responder a ella. Nos permite hacer que las guías de investigación, los recursos recomendados y la experiencia bibliotecaria sean más visibles y útiles. Nos brinda la oportunidad de fortalecer el papel de la biblioteca en la labor diaria de enseñanza y aprendizaje.

Esa labor siempre ha sido de la biblioteca. Ahora contamos con nuevas herramientas para llevarla a cabo.

Tamir Borensztajn es el fundador de WyderNet

Fuente: https://www.researchinformation.info/analysis-opinion/from-anxiety-to-advantage/

Deja una respuesta