Uso de Inteligencia Artificial en Cursos de Métodos Numéricos: Riesgos y Oportunidades

Resumen

En numerosos cursos de ingeniería, es usual que los estudiantes utilicen software basado en el Método de Elementos Finitos (FEM) antes de conocer sus fundamentos, empleando estas herramientas para hacer Ingeniería Asistida por Computadora (CAE) como una marcha de cálculo automatizada. Esta práctica suele conducir a errores como aceptar resultados numéricos sin sentido físico o utilizar modelos elásticos en problemas donde el material alcanza su límite de fluencia. De manera análoga, las interfaces de chat basadas en Grandes Modelos de Lenguaje (LLM), como GPT o Deepseek, pueden facilitar la generación de código para Dinámica de Fluidos Computacional (CFD), sin que el estudiante comprenda la lógica algorítmica y fundamentos matemáticos del programa. Si bien estos modelos pueden generar fragmentos básicos de código, su uso acrítico aumenta el riesgo de introducir errores de modelado e implementación. En este artículo proponemos un enfoque pedagógico centrado en la traducción y optimización de código generado por estudiantes en base a referencias bibliográficas tradicionales. Al revisar el código línea a línea, asistidos por un LLM, los alumnos comprenden mejor la estructura del programa, las lógica de implementación y los criterios necesarios para validar los resultados. Evaluamos esta metodología a partir de experiencias en dos cursos de grado, de Ingeniería Mecánica, donde se estudian los fundamentos de CFD. Los estudiantes finalizan los cursos demostrando una mejor comprensión de los métodos numéricos que en ediciones anteriores de los cursos analizados. Además, en las entrevistas finales de curso, los alumnos reportan una mirada más crítica respecto al uso de herramientas de Inteligencia Artificial.