evidoria

← Volver al listado

Buena práctica Importada

La «sorpresa GPT» — ensayo aleatorizado de Stanford (Code in Place) con chat GPT-4 para 5.831 estudiantes en 146 países

Estados Unidos · Stanford · Ver el perfil de Estados Unidos · Ver el perfil de Stanford

Top 25% 60/100 · Pregunte a Evidence Copilot sobre esta práctica

En un curso gratuito en línea de Stanford, ofrecer el chat GPT-4 a 3.581 de 5.831 estudiantes activos redujo en promedio la participación en exámenes, tareas y sesiones, pero quienes lo adoptaron rindieron mejor; la participación subió en países de bajo IDH.

Detalles

Promotor
Stanford University — Code in Place
Período
2023 cohort; paper presented at L@S 2025
Palabras clave
online learning, introductory programming, generative AI tutoring, randomised trial

Descripción

Code in Place es el curso gratuito y en línea de introducción a Python de Stanford, con sesiones en grupos pequeños dirigidas por voluntarios. En un artículo de Learning @ Scale 2025, Allen Nie, Chris Piech y colegas describen un ensayo aleatorizado en una cohorte de 8.762 inscritos de 146 países. El grupo experimental fueron los 5.831 estudiantes aún activos tras la semana 1, asignados 60 % a tratamiento (n=3.581) y 40 % a control (n=2.250). Los estudiantes tratados recibieron una interfaz de GPT-4 específica del curso.
En promedio, anunciar y ofrecer la herramienta redujo significativamente la participación en los exámenes (la estimación de acceso informada es de unos −4,3 puntos porcentuales) y también la participación en tareas y la asistencia a sesiones. Sin embargo, los estudiantes que realmente adoptaron la herramienta mostraron beneficios positivos en su rendimiento en los exámenes. Para estudiantes de países con bajo índice de desarrollo humano, el acceso aumentó en promedio la participación en los exámenes, lo que apunta a efectos desiguales según el contexto.
Los autores subrayan que los efectos a más largo plazo sobre el éxito estudiantil siguen sin estar claros y que las comparaciones entre adoptantes no son puramente aleatorizadas. El caso es valioso porque combina una muestra aleatorizada muy grande con una tensión clara: el chat con un LLM puede ayudar a quienes lo usan, pero reducir el compromiso general.

Implementación

Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles