Por Dr. Luis Sujatovich* –
La hiperpersonalización parece cumplir una antigua promesa: ofrecer a cada estudiante una educación a su medida. Los contenidos, ritmos y dificultades podrían ajustarse sin imponer el mismo recorrido a todos. Pero una educación perfectamente adaptada despierta una sospecha: si todo se organiza según lo que ya hicimos, ¿cómo encontraremos aquello que todavía no sabemos qué podemos hacer?
De la deliberación a la calibración
Los algoritmos elaboran perfiles a partir de elecciones, errores y desempeños. Con esos datos anticipan el recorrido más conveniente. El docente podría limitarse a supervisarlo, mientras las decisiones didácticas se reducen a ajustar dificultad, ritmo y contenido.
Esa calibración también puede distribuir desigualmente la exigencia. Quienes obtienen mejores resultados recibirían desafíos complejos, mientras quienes presentan dificultades quedarían retenidos en propuestas simplificadas. Lo que comenzó como reconocimiento de las diferencias podría terminar consolidándolas. El problema, entonces, no consiste en considerar la trayectoria del estudiante, sino en convertirla en la medida de todas sus posibilidades. Enseñar exige conocer quién es, pero también imaginar qué podría hacer fuera del perfil construido. De lo contrario, sus antecedentes dejarán de orientar el comienzo del aprendizaje para anticipar su destino.
De la red al circuito
Esta reducción tensiona algunas propuestas educativas contemporáneas. El conectivismo comprende el aprendizaje como la capacidad de sostener conexiones entre personas, saberes y tecnologías. Las metodologías colaborativas, los proyectos y STEAM también confían en el encuentro entre perspectivas y capacidades diferentes.
La hiperpersonalización podría conservar esas conexiones y limitar su diversidad. Cada elección alimenta un perfil, el perfil organiza las recomendaciones y las nuevas respuestas confirman la predicción inicial. La red continúa abierta, pero cada estudiante recorre una versión filtrada por sus rastros. En lugar de ampliar conexiones, el algoritmo puede encerrarlas en un circuito de confirmación. Incluso los proyectos colectivos podrían fragmentarse en tareas individuales. El algoritmo reúne conocimientos producidos socialmente, pero agregar rastros colectivos no equivale a construir conocimiento con otros. Puede estar hecho de otros y, sin embargo, evitar que nos encontremos con ellos.
Educar más allá de la predicción
La consecuencia no es solo didáctica. Cuando un sistema decide qué contenido es relevante, qué dificultad resulta apropiada y qué progreso es suficiente, adopta decisiones pedagógicas. La pedagogía no desaparece: el algoritmo ocupa silenciosamente su lugar y presenta sus criterios como resultados neutrales. La tarea no consiste en rechazar toda personalización, sino en recuperar aquello que ninguna predicción garantiza. La duda, la alteridad y lo inesperado no son fallas de un recorrido mal diseñado. Permiten descubrir intereses, capacidades y formas de pensamiento que el estudiante todavía no podía solicitar. Los algoritmos predicen el futuro a partir de trayectorias anteriores. Allí reside su eficacia y también su límite. Pueden ayudarnos a mejorar dentro de lo que ya somos, pero la educación comienza cuando esa continuidad se interrumpe. Su función no es confirmar un perfil, sino impedir que se convierta en destino. Porque una educación construida solamente con nuestros datos puede conocernos cada vez mejor y, aun así, formarnos únicamente para quienes fuimos.
*Docente e investigador – Colaboración para En Provincia.
Imagen: IA Gemini.
