Catorce de los 22 estudiantes que participaron en un experimento terminaron alineándose con una solución matemática incorrecta defendida por un robot social. Los otros ocho mantuvieron su resistencia. El resultado plantea una pregunta concreta para la robótica educativa: qué ocurre cuando una máquina argumenta con soltura, pero se equivoca.
El estudio de Pablo González-Oliveras, Olov Engwall y Ali Reza Majlesi se publicó el 10 de septiembre en Frontiers in Robotics and AI. Los investigadores utilizaron un robot Furhat y una tarea de geometría con contenidos familiares para los estudiantes de secundaria. Se trató de una interacción controlada; el experimento no puso a prueba un robot alimentado por un modelo de lenguaje.
Tener razones y aun así cambiar de respuesta
La tarea tenía tres partes. En la parte crítica, todos los participantes habían producido evidencia pertinente para llegar a la solución correcta. El robot, sin embargo, propuso otra respuesta y la defendió mediante argumentos incorrectos.
Entre los catorce estudiantes que acabaron aceptando la propuesta del robot, tres lo hicieron inmediatamente después del desacuerdo y once tras un debate persuasivo. Esa distinción permite observar tanto el desenlace como el recorrido de la conversación: no todos cedieron del mismo modo ni en el mismo momento.
El equipo también examinó las respuestas durante los dos primeros intercambios del debate. Según los autores, ese indicador de resistencia temprana mostró una coherencia descriptiva con lo que ocurrió al final. El trabajo no lo presenta como un sistema de predicción validado.
Hipótesis que necesitan otra prueba
A partir de los patrones observados, la interacción y la literatura previa, los investigadores formulan siete hipótesis para estudios futuros. Entre ellas figuran posibles relaciones con la competencia que los estudiantes se atribuyen, la atención a la tarea, el uso habitual de IA conversacional y la preferencia por características humanas en los robots.
Son hipótesis, no relaciones causales demostradas. Con este estudio exploratorio no se puede concluir que usar más asistentes conversacionales provoque menor resistencia, ni que uno de esos factores explique por sí solo quién acepta una respuesta equivocada.
Los autores también plantean que una expresión neutral y la ausencia de señales de incertidumbre podrían hacer más creíbles argumentos que solo parecen razonables. Proponen investigar comportamientos robóticos que comuniquen mejor los límites de la información. La geometría no concede puntos extra por responder sin titubear.
La muestra pequeña y el escenario específico restringen la generalización. El dato observado es la respuesta de estos participantes ante este robot y esta tarea. Su interés para el diseño educativo reside en mostrar que aportar una explicación convincente y aportar una explicación correcta son capacidades que deben evaluarse por separado.