Què entenem per pensament crític en temps d’IA
Un instrument científic per mirar la informació
El pensament crític és com un microscopi mental. No fabrica dades noves, però ens ajuda a observar-les amb precisió, a separar el que és aparent del que és rellevant. En un món on la IA genera textos, gràfics i respostes amb facilitat, aquesta mirada es fa imprescindible. La clau no és desconfiar per sistema, sinó comprovar amb criteri.
Als laboratoris discutim hipòtesis, registrem proves i revisem errors. A l’aula podem fer el mateix amb les sortides de la IA. Quan una eina dona una resposta, els alumnes poden elaborar preguntes de control, demanar exemples, buscar contraexemples i, si cal, replicar l’experiment informatiu amb noves fonts.
Competències clau que volem entrenar
- Formular hipòtesis abans de consultar la IA i comparar-les amb el resultat.
- Validar evidències amb dades, observacions o raonaments traçables.
- Detectar biaixos i punts cecs, tant propis com del sistema.
- Argumentar amb claredat, indicant fonts, límits i alternatives.
- Revisar i millorar el procés, no només el producte final.
Dissenyar preguntes que obliguen a pensar
De la dada a l’explicació
La IA respon millor a preguntes concretes, però el pensament crític creix amb preguntes que posen el focus en el per què i el com ho sabem. Quan plantegem una tasca, passem de demanar una definició a demanar una explicació amb evidències. Per exemple, en lloc de demanar una llista de capes de l’atmosfera, demanem que compari dues hipòtesis sobre com afecta una erupció volcànica a la temperatura local i que justifiqui el mecanisme.
Una bona pràctica és incorporar el patró AER. Primer, una Afirmació clara. Després, l’Evidència que la sustenta. Finalment, el Raonament que connecta evidència i afirmació. Quan la IA dona una resposta, els alumnes poden reconstruir l’AER i marcar què falta o què sobra.
Rutines de pensament a l’aula
Les rutines ens ajuden a fer visible el procés. La clàssica Veig Penso Em pregunto encaixa molt bé amb resultats generats per IA. Veig convida a descriure sense interpretar. Penso permet formular hipòtesis. Em pregunto obre vies de verificació. Si cada equip registra aquesta seqüència, el debat posterior és més ric i evidenciable.
Propostes de preguntes que activen el criteri
- Quina evidència presenta la resposta i com la podríem mesurar o reproduir.
- Quines explicacions alternatives hi ha i quina seria més plausible.
- Quins límits reconeix la resposta i què necessitem per afinar-la.
- Quina incertesa assumim i com la podem reduir amb noves dades.
Activitats d’aula amb IA per entrenar el criteri
Laboratori d’hipòtesis amb simulació
Com si féssim un experiment, però amb idees. Demanem a la IA que proposi tres hipòtesis sobre l’efecte del color de la superfície en l’escalfament al sol. L’alumnat selecciona la hipòtesi més plausible, dissenya un microexperiment amb termòmetres i cartolines i compara el resultat amb la predicció. La gràcia no és encertar, sinó contrastar. Atrapar l’error es converteix en una victòria perquè mostra pensament crític.
Podem repetir el patró amb temes socials de ciència. Per exemple, impacte d’una campanya de reciclatge en un barri. La IA pot simular escenaris, però els alumnes identifiquen variables confusores i ajusten l’escenari amb dades reals de la classe o del municipi.
Debat d’evidències i mapa de biaixos
Dividim la classe en dos equips. Cada equip demana a la IA una resposta argumentada des d’un punt de vista diferent. A continuació, elaboren un mapa de biaixos amb possibles fonts d’error, mostres limitades o generalitzacions excessives. El debat se centra a millorar els criteris de validació, no a guanyar l’altre equip.
El docent circula com a guia, fent preguntes que fan aflorar el raonament. Què passaria si canviem l’escala d’anàlisi. Quina dada canviaria la nostra conclusió. Què no sabem encara i com ho aconseguirem.
Taller de verificació i traçabilitat
La IA pot escriure ràpid, però la verificació és humana i col·lectiva. Proposem un taller on cada grup rep una resposta generada per IA sobre un tema científic proper, com la fotosíntesi o el cicle de l’aigua. La tasca és crear un circuit de traçabilitat amb tres passos visibles. Comprovar termes clau amb materials de classe, recrear el procés amb un esquema o maqueta, i redactar un paràgraf amb allò que la resposta explica bé, allò que és imprecís i allò que queda obert.
Si hi ha incertesa, la convertim en una pregunta investigable per a la setmana següent. El pensament crític es nodreix de continuïtat i revisió, com qualsevol projecte científic.
Avaluar el pensament crític amb evidències visibles
Rúbriques que miren el procés
Una rúbrica útil descriu què vol dir fer bé cada fase. Per exemple, al nivell bàsic l’alumne identifica una afirmació i una evidència, encara que la connexió sigui feble. Al nivell avançat, formula alternatives, explicita límits i proposa noves proves. La rúbrica ha de ser breu i transparent, per poder-la usar en coavaluació i autoavaluació mentre treballen.
El portafolis de classe pot recollir captures de la conversa amb la IA, esbossos d’idees, gràfics fets a mà i anotacions del docent. El valor no és acumular, sinó construir una traça del raonament. Això ajuda molt quan revisem com ha millorat un alumne, i no només si ha encertat un resultat.
Avaluació formativa en tres moviments
Podem instaurar un ritme senzill que es repeteix. Abans de consultar la IA, cada equip escriu dues hipòtesis. Durant la consulta, registren què han demanat i què han obtingut, marcant en negreta on veuen evidència. Després, fan una mini anàlisi d’errors i plantegen una pregunta nova per avançar.
Indicadors per observar a l’aula
- Claredat en l’afirmació i en la pregunta investigable.
- Qualitat de les evidències i capacitat per connectar-les amb el raonament.
- Revisió de límits, biaixos i alternatives plausibles.
- Traçabilitat del procés, amb registres útils i millores iteratives.
Ètica, seguretat i benestar digital com a part del criteri
Models mentals per gestionar la incertesa
La IA treballa amb patrons, no amb veritats absolutes. Expliquem als alumnes que les respostes són estimacions, com quan mesurem amb un instrument i hi ha marge d’error. Introduïm la idea d’incertesa amb termòmetres mentals. En una escala del zero al cent, quina confiança ens dona aquesta resposta. Què necessitem per pujar-la uns punts.
També val la pena parlar de responsabilitat. Que una eina generi un text no ens allibera de citar, contrastar i decidir amb criteri. El pensament crític inclou el respecte per les persones, per les dades i pel context on aprenem.
Normes de classe i escenaris per practicar
Establim normes clares i positives, que convidin a l’ús segur i responsable. Per exemple, no compartim dades personals, demanem sempre més d’una font, indiquem què ens ha generat la IA i què és aportació pròpia. Per fer-ho viu, fem escenaris de joc de rol on cal decidir en equip quina és la millor manera d’actuar davant d’una resposta dubtosa.
El benestar també compta. Planifiquem pauses, variem d’activitat i equilibrem pantalla i manipulació. La ment crítica es cuida amb bon ritme, descans i moviment. Si una sessió s’embolica, aturem, respirem i reformulem la pregunta. El model és la ciència, que avança amb paciència i correccions.
Pràctica final per emportar-se
Tanquem amb una rutina que la classe pot repetir cada setmana. Triem una pregunta del món real, demanem a la IA una primera explicació i construïm un petit experiment de verificació. Arxivem la traça i anotem què hem après sobre el tema i sobre com pensar millor. A poc a poc, l’aula es converteix en un laboratori de criteri.
El nostre paper com a docents és fer visible aquest procés. Quan l’alumnat veu que preguntar, provar i revisar és normal, la IA deixa de ser una caixa negra i esdevé una eina per veure més clar. Com una lupa a les mans, però amb el cervell ben despert.
