Archivo de la categoría: Tecnologías de la información

La inteligencia artificial generativa en la educación superior: percepciones, oportunidades y desafíos éticos desde la mirada estudiantil

Lopes, Carlos; Antunes, Maria Luz; Sanches, Tatiana. “Inteligência Artificial Generativa no Ensino Superior: perceções, crenças e desafios éticos dos estudantes de Psicologia e da Educação”. Ibersid. Revista de Sistemas de Información y Documentación, vol. 20, nº 1 (enero-junio 2026), pp. 109-123.

El artículo analiza en profundidad cómo los estudiantes universitarios portugueses perciben la incorporación de la Inteligencia Artificial Generativa (IA-Gen) en el contexto de la educación superior, centrándose especialmente en alumnado de las áreas de Psicología y Ciencias de la Educación. Los estudiantes quieren ser socios, no pasajeros: no solo quieren aprender sobre IA-Gen, sino ayudar a moldar la forma en que la IA se integra en la educación y cómo los prepara para el futuro.

Los autores parten de la idea de que herramientas como ChatGPT han transformado radicalmente la manera en que los estudiantes acceden al conocimiento, estudian, sintetizan información y desarrollan tareas académicas. Sin embargo, sostienen que la verdadera cuestión no reside únicamente en la sofisticación tecnológica de estas herramientas, sino en la capacidad crítica del alumnado para utilizarlas de forma ética, responsable y académicamente rigurosa. El estudio sitúa la irrupción de la IA generativa como uno de los fenómenos más disruptivos en la universidad contemporánea, obligando a replantear metodologías docentes, sistemas de evaluación y competencias digitales necesarias para desenvolverse en un ecosistema cada vez más automatizado.

La investigación se desarrolló a partir de una muestra de 272 estudiantes universitarios portugueses de primer año, pertenecientes principalmente a titulaciones de Psicología (73,1%) y Ciencias de la Educación, empleando una metodología mixta que combinó cuestionarios estructurados, escalas de percepción y preguntas abiertas. Los resultados muestran una penetración extraordinariamente rápida de estas tecnologías en la vida académica: el 96 % de los estudiantes declara utilizar herramientas de IA generativa, mientras que un 58,9 % afirma emplearlas semanalmente y un 12 % incluso diariamente. La plataforma claramente dominante es ChatGPT, utilizada por un 88 % de los encuestados, seguida por otras herramientas emergentes como Google Gemini, Microsoft Copilot, Perplexity o NotebookLM. Su uso principal se concentra en comprender temas complejos, resumir contenidos académicos, elaborar trabajos escritos y generar ideas para proyectos o presentaciones.

Uno de los hallazgos centrales del estudio es que los estudiantes manifiestan una actitud que los autores denominan “optimismo crítico”. Los encuestados consideran que la IA resulta intuitiva, fácil de usar y muy útil para ahorrar tiempo y esfuerzo en tareas académicas. Sin embargo, lejos de aceptar de manera acrítica sus respuestas, muestran conciencia de que la calidad del resultado depende en gran medida de saber formular correctamente las preguntas o prompts. De hecho, la puntuación más alta de toda la investigación corresponde precisamente al reconocimiento de que la capacidad para plantear instrucciones adecuadas es fundamental para obtener buenos resultados. Esto revela que los estudiantes no entienden la IA como una solución automática o mágica, sino como una herramienta que exige nuevas competencias técnicas y cognitivas para aprovechar plenamente su potencial.

El trabajo dedica especial atención a la fiabilidad de la información generada por la IA y a las preocupaciones éticas derivadas de su uso. Aquí aparece uno de los datos más significativos: casi todos los estudiantes coinciden en que cualquier información proporcionada por sistemas de IA debe verificarse con fuentes expertas o académicas antes de ser utilizada. Existe un escepticismo considerable respecto a la exactitud de las respuestas automáticas, reflejando una conciencia clara de fenómenos como las “alucinaciones” de los modelos generativos. Paralelamente, emergen inquietudes relacionadas con el plagio académico, la privacidad de los datos compartidos, la seguridad digital y la necesidad de que las universidades establezcan normativas claras que regulen el uso de estas herramientas dentro de los procesos de enseñanza y evaluación. La investigación muestra así que la aceptación tecnológica convive permanentemente con una actitud prudente respecto a sus riesgos potenciales.

Otro resultado especialmente interesante es la comparación que hacen los propios estudiantes entre la inteligencia artificial y el papel del profesorado. Aunque reconocen que la IA puede proporcionar respuestas estructuradas y facilitar el acceso rápido a información, la mayoría considera que la inteligencia de estas herramientas sigue siendo claramente inferior a la de sus docentes. Los encuestados rechazan la idea de que la IA pueda sustituir completamente la función del profesor o convertirse en una autoridad intelectual autónoma. Para ellos, el docente continúa siendo una figura esencial como mediador pedagógico, orientador crítico y garante de la calidad del aprendizaje. Esta percepción resulta especialmente relevante porque desmonta la idea de que los estudiantes desean reemplazar la enseñanza humana por sistemas automatizados; más bien ven la IA como un complemento funcional, no como un sustituto del conocimiento experto y la experiencia pedagógica.

En las preguntas cualitativas abiertas aparecen preocupaciones todavía más profundas acerca de los efectos sociales, cognitivos y ambientales de estas tecnologías. La categoría más mencionada por los participantes fue la erosión cognitiva, es decir, el temor a que una dependencia excesiva de la IA termine debilitando capacidades humanas fundamentales como la creatividad, la escritura autónoma, el esfuerzo intelectual o la capacidad de razonamiento crítico. También aparece una fuerte conciencia ecológica, ya que muchos estudiantes expresan preocupación por el elevado consumo energético, el uso intensivo de agua en centros de datos y la huella ambiental asociada al entrenamiento de modelos de gran escala. Junto a ello, se identifican temores vinculados a la dependencia tecnológica, el aislamiento social, la sustitución laboral por automatización y el aumento de desigualdades económicas derivadas del acceso desigual a herramientas avanzadas de IA.

Cuando se pregunta a los estudiantes cómo debería integrarse la inteligencia artificial en las aulas, las respuestas apuntan a una transformación del papel del profesorado. Los participantes consideran que los docentes deben dejar de ser simples transmisores de información para convertirse en guías de alfabetización en inteligencia artificial. Recomiendan enseñar cómo formular buenos prompts, cómo verificar la fiabilidad de las respuestas, cómo evitar el plagio académico y cómo utilizar la IA como apoyo para desarrollar pensamiento crítico, no para sustituirlo. También proponen emplear estas herramientas en metodologías activas, como la creación de materiales interactivos, cuestionarios, esquemas visuales o actividades de gamificación que hagan las clases más dinámicas. En otras palabras, los estudiantes no rechazan la IA, pero exigen una integración pedagógica acompañada de formación ética y criterios claros de uso responsable.

Como conclusión general, el estudio sostiene que la incorporación de la inteligencia artificial generativa en la universidad constituye mucho más que una innovación tecnológica: representa un cambio estructural en la forma de aprender, investigar y producir conocimiento. Los autores defienden que las instituciones de educación superior deben actuar rápidamente diseñando políticas institucionales claras, programas de alfabetización digital e iniciativas formativas que permitan aprovechar los beneficios de la IA sin poner en riesgo la integridad académica ni las capacidades cognitivas fundamentales del alumnado. El mensaje final del trabajo es claro: la inteligencia artificial puede democratizar el acceso al conocimiento y potenciar enormemente los procesos educativos, pero su integración solo será verdaderamente positiva si permanece subordinada al juicio humano, al pensamiento crítico y a principios éticos sólidos que garanticen que la innovación tecnológica fortalezca, y no debilite, la calidad del aprendizaje universitario.

El amor, el tiempo y el algoritmo: humanismo metafísico y gobernanza ética de la IA en la educación

Teacher and students collaborating on algorithm and time concepts in classroom
Students and a teacher engage with algorithm and time concepts using digital tools

Hedfeld, Patrick. “AI as a socio-technical actor: rethinking definitions for ethics and governance.” Springer Nature – AI and Ethics, vol. 6, artículo 254, 2026. Publicado el 14 de abril de 2026. DOI: 10.1007/s43681-026-01123-1

El artículo de Patrick Hedfeld plantea una revisión profunda de la manera en que actualmente entendemos y definimos la inteligencia artificial, argumentando que las definiciones dominantes resultan insuficientes para afrontar adecuadamente los desafíos éticos y regulatorios que surgen con su expansión.

Tradicionalmente, explica el autor, la inteligencia artificial ha sido entendida desde dos perspectivas principales: una definición técnica centrada en algoritmos, capacidades computacionales y rendimiento en tareas específicas, y una definición orientada a la gobernanza, enfocada en clasificar riesgos, regular usos y establecer marcos jurídicos. Aunque ambas aproximaciones son necesarias, Hedfeld sostiene que dejan fuera un elemento crucial: el contexto social e institucional dentro del cual la IA opera y produce efectos concretos.

La tesis central del trabajo propone considerar la inteligencia artificial no simplemente como una herramienta tecnológica, sino como un actor sociotécnico, es decir, como un sistema que participa activamente en redes complejas de interacción humana, institucional y tecnológica. El autor aclara que esto no significa atribuir conciencia, autonomía moral o personalidad a la IA, sino reconocer que estos sistemas median decisiones humanas, condicionan comportamientos, reorganizan prácticas institucionales y alteran relaciones sociales. Desde esta perspectiva, la IA deja de ser un objeto neutral utilizado por personas y pasa a entenderse como una entidad con capacidad de influir estructuralmente en procesos colectivos.

Uno de los aportes más relevantes del artículo consiste en señalar que las definiciones puramente funcionales de inteligencia artificial no permiten comprender adecuadamente fenómenos éticamente problemáticos que están emergiendo con rapidez. Entre ellos se encuentran la responsabilidad distribuida —cuando no resulta claro quién responde por una decisión tomada con asistencia algorítmica—, la discriminación estructural derivada de sesgos incorporados en los sistemas de entrenamiento, la dependencia epistémica que generan herramientas automatizadas en investigadores o profesionales, y la transformación silenciosa de instituciones que comienzan a reorganizar su funcionamiento en torno a decisiones automatizadas. Según Hedfeld, estos problemas no pueden analizarse correctamente si la IA se sigue entendiendo únicamente como software o infraestructura técnica.

El autor se apoya en campos interdisciplinarios como los estudios sociales de la ciencia y la tecnología (STS), la filosofía de la tecnología y la ética aplicada a la inteligencia artificial para construir su propuesta conceptual. Desde este marco teórico sostiene que la IA actúa como mediadora de acciones humanas: estructura opciones disponibles, dirige la atención hacia determinados resultados, establece patrones de interacción y modifica procedimientos institucionales mediante una interacción constante entre humanos y sistemas automatizados. En consecuencia, afirma que las discusiones sobre regulación no deberían centrarse únicamente en evaluar si un sistema funciona correctamente o si presenta riesgos inmediatos, sino también en analizar cómo transforma estructuras sociales más amplias.

En términos de gobernanza, el artículo concluye que adoptar una definición sociotécnica de inteligencia artificial permitiría desarrollar modelos regulatorios más sólidos y sensibles al contexto real de uso. En lugar de limitarse a clasificar sistemas por niveles abstractos de riesgo, los marcos regulatorios deberían incorporar análisis institucionales, mecanismos de responsabilidad compartida y evaluaciones continuas sobre impactos sociales de largo plazo. Hedfeld sostiene que esta perspectiva ofrece una base más adecuada para construir políticas públicas, mecanismos de rendición de cuentas y evaluaciones éticas capaces de responder a la complejidad real de la inteligencia artificial contemporánea.

En conjunto, el trabajo representa una contribución importante dentro del debate contemporáneo sobre ética de la inteligencia artificial, al desplazar la conversación desde una visión puramente tecnológica hacia una comprensión más amplia en la que la IA aparece integrada en sistemas sociales complejos. La investigación sugiere que definir correctamente qué entendemos por inteligencia artificial no es una cuestión meramente académica o semántica, sino una decisión fundamental que determina cómo distribuimos responsabilidades, cómo regulamos tecnologías emergentes y qué tipo de relación queremos establecer entre innovación tecnológica y valores democráticos en el futuro.

El verdadero motivo por el que la gente rechaza los centros de datos de inteligencia artificial

Smith, Thomas (2026). The real reason people hate AI data centers so much. Publicado en Fast Company, 25 de junio de 2026.

El creciente rechazo social hacia los grandes centros de datos que sostienen el desarrollo de la inteligencia artificial. Aunque en apariencia las protestas se dirigen contra estas enormes infraestructuras tecnológicas, el texto sostiene que el verdadero problema no son los edificios en sí, sino el miedo, la desconfianza y la creciente inquietud pública hacia la propia IA como fenómeno social y económico.

En los últimos años, compañías tecnológicas vinculadas a la inteligencia artificial han impulsado la construcción de gigantescos centros de datos destinados a entrenar modelos avanzados y almacenar cantidades masivas de información. Sin embargo, estas instalaciones han comenzado a despertar una fuerte oposición ciudadana. Entre las críticas más frecuentes aparecen el elevado consumo energético, el posible aumento en las facturas eléctricas, el uso intensivo de agua en zonas vulnerables a la sequía, la contaminación generada por generadores diésel de respaldo y también el impacto visual o acústico que producen estas grandes construcciones en comunidades locales. A simple vista, parecería tratarse de una reacción puramente ambiental o económica.

El artículo, firmado por Thomas Smith, plantea sin embargo una interpretación más profunda. Según el autor, la hostilidad hacia estos centros de datos es en realidad una manifestación indirecta del temor generalizado que muchas personas sienten hacia la inteligencia artificial. Diversos estudios de opinión muestran que una parte significativa de la población considera que la IA avanza demasiado rápido, amenaza empleos, debilita la privacidad personal, incrementa la inseguridad sobre el uso de datos y puede escapar a cualquier control efectivo de los gobiernos. Como la inteligencia artificial es una tecnología abstracta e invisible —a diferencia de un teléfono móvil o un automóvil autónomo—, las personas terminan proyectando ese miedo en aquello que sí pueden ver físicamente: los centros de datos.

Smith explica que muchas críticas concretas contra estas instalaciones a veces están exageradas o descontextualizadas. Algunos estudios recientes muestran que el impacto sobre el precio de la electricidad no siempre es tan severo como suele afirmarse públicamente e incluso ciertos proyectos pueden estimular inversiones en infraestructura energética o generar empleo local de alta cualificación. Sin embargo, estos argumentos técnicos no suelen convencer a comunidades que perciben que se les está imponiendo una transformación tecnológica enorme sin consultarles ni ofrecer garantías suficientes sobre sus consecuencias sociales. El rechazo, por tanto, no responde únicamente a cálculos energéticos, sino a una sensación de pérdida de control colectivo frente a un cambio tecnológico acelerado.

El texto advierte además que las empresas tecnológicas están cometiendo un error estratégico cuando intentan responder al malestar ciudadano únicamente con datos técnicos o promesas económicas. La oposición a estas infraestructuras revela un problema más profundo: una parte creciente de la sociedad no confía en que el desarrollo de la inteligencia artificial esté siendo guiado por principios transparentes, regulaciones sólidas o mecanismos democráticos de supervisión. El autor sostiene que, mientras no existan espacios reales para que la ciudadanía participe en la discusión sobre el futuro de la IA, cualquier manifestación física del sector tecnológico seguirá convirtiéndose en blanco de protestas sociales cada vez más intensas.

Más allá del caso concreto de los centros de datos, este análisis refleja un fenómeno mayor: la inteligencia artificial ya no genera únicamente entusiasmo e innovación, sino también ansiedad social. El desarrollo tecnológico está entrando en una fase en la que no basta con construir sistemas más potentes; será igualmente necesario construir confianza pública. El debate sobre la infraestructura física de la IA se está transformando así en un debate mucho más amplio sobre gobernanza tecnológica, impacto social y legitimidad democrática en la era de la automatización inteligente.

La inteligencia artificial descifra un papiro calcinado por la erupción del Vesubio tras casi 2.000 años

The Guardian (24 junio 2026). AI helps read papyrus scroll burnt to crisp during Vesuvius eruption. Artículo original en The Guardian

Un equipo internacional de investigadores ha conseguido uno de los avances más extraordinarios de los últimos años en el campo de la arqueología digital y las humanidades: leer por primera vez el contenido de un papiro carbonizado por la erupción del monte Mount Vesuvius en el año 79 d.C., gracias a técnicas de inteligencia artificial, escaneo avanzado y reconstrucción digital. El hallazgo, difundido por The Guardian, supone un paso decisivo en la recuperación de textos antiguos considerados perdidos para siempre.

Los manuscritos pertenecen a la célebre colección de los Papiros de Herculano, descubiertos en el siglo XVIII en la llamada Villa of the Papyri, una biblioteca sepultada bajo cenizas volcánicas en la antigua ciudad romana de Herculaneum. Más de 1.800 rollos fueron encontrados completamente carbonizados debido al intenso calor provocado por la erupción. Durante siglos resultó prácticamente imposible abrirlos sin destruirlos físicamente, lo que convirtió a estos documentos en uno de los mayores enigmas de la filología clásica.

El gran avance ha sido posible gracias al proyecto internacional Vesuvius Challenge, una iniciativa lanzada en 2023 que combina escaneado mediante rayos X de altísima resolución con algoritmos de aprendizaje automático capaces de detectar trazos de tinta invisibles dentro de los papiros enrollados. En lugar de abrir físicamente el documento, los investigadores realizaron un proceso conocido como virtual unwrapping (desenrollado virtual), que permite reconstruir digitalmente cada una de las capas internas del manuscrito sin dañarlo.

El papiro analizado, identificado como PHerc 1667, ha revelado aproximadamente un metro y medio de texto continuo escrito en griego antiguo, distribuido en unas veinte columnas. Los especialistas consideran que el contenido trata cuestiones relacionadas con la filosofía estoica, especialmente temas vinculados con la ética, el comportamiento humano, la razón práctica y conceptos filosóficos como hormē (impulso) y phronēsis (sabiduría práctica). Algunos investigadores sugieren incluso que podría estar relacionado con textos del filósofo estoico griego Chrysippus, uno de los grandes pensadores del helenismo cuyos escritos apenas han sobrevivido hasta hoy.

Este logro representa mucho más que una curiosidad arqueológica. Los expertos creen que abre la posibilidad de acceder a cientos de manuscritos aún cerrados que permanecen almacenados desde hace siglos en museos italianos y franceses. Además, algunos textos ya analizados están revelando nuevas obras del filósofo epicúreo Philodemus, lo que podría transformar el conocimiento actual sobre la filosofía antigua, la transmisión textual grecorromana y la historia intelectual del Mediterráneo clásico.

El descubrimiento constituye también una demostración espectacular del impacto de la inteligencia artificial en disciplinas humanísticas. Tradicionalmente asociada a campos como la programación o la automatización industrial, la IA está mostrando aquí una nueva faceta: convertirse en herramienta para recuperar patrimonio cultural desaparecido. Lo que hasta hace poco parecía ciencia ficción —leer documentos destruidos hace veinte siglos sin tocarlos físicamente— empieza a redefinir la relación entre tecnología, arqueología y preservación del conocimiento, inaugurando una nueva era para el estudio del mundo antiguo.

Capacitando a los estudiantes para la era de la IA: Un marco de alfabetización en IA para la educación primaria y secundaria.

OECD/European Union. Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education. París: OECD Publishing, 2026. https://doi.org/10.1787/65cd27d4-en

El marco global denominado AI Literacy Framework for Primary and Secondary Education (abreviado como AILit Framework) representa una iniciativa internacional conjunta impulsada por la Comisión Europea y la Organización para la Cooperación y el Desarrollo Económicos (OCDE). Esta guía, de carácter no vinculante, tiene el propósito de unificar criterios y establecer un lenguaje común de competencias digitales orientadas a sistemas de educación primaria y secundaria a nivel mundial. Su diseño metodológico se encuentra alineado de forma explícita con las directrices estratégicas de otros organismos de envergadura global, tales como la UNESCO, UNICEF y el Banco Mundial. Al mismo tiempo, el documento complementa iniciativas regionales europeas clave, entre las que destacan el Plan de Acción de Educación Digital 2021-2027, el Marco Europeo de Competencias Digitales (DigComp 3.0) y las normativas éticas y de seguridad consagradas en la Ley de Inteligencia Artificial de la Unión Europea del año 2024. La necesidad urgente de implementar este marco se fundamenta en estadísticas empíricas recientes, las cuales revelan que el uso de herramientas de Inteligencia Artificial generativa por parte de jóvenes de entre 16 y 24 años duplica la tasa registrada en la población general. Ante este escenario, la alfabetización en IA se vuelve una prioridad inaplazable para mitigar riesgos sustanciales que afectan directamente el desarrollo cognitivo de los menores, tales como la desinformación, los sesgos de género institucionalizados, la pérdida de pensamiento crítico y la preocupante dependencia emocional o psicológica hacia «compañeros virtuales» basados en IA, los cuales carecen de cualquier tipo de conciencia, comprensión o empatía humana real.

En términos organizativos, el marco desglosa la alfabetización en IA no como el mero aprendizaje técnico del uso de un software o herramienta en particular, sino como una amalgama articulada de conocimientos teóricos, habilidades prácticas y actitudes críticas esenciales para el bienestar y la autonomía del estudiante. El núcleo conceptual del documento se estructura a través de cuatro grandes dominios que plantean una ruta pedagógica secuencial para el aprendizaje en las aulas de clase. El primer dominio, denominado «Engage with AI» (Involucrarse con la IA), constituye el pilar fundamental que faculta a los educandos para identificar de manera consciente los sistemas automatizados en su vida cotidiana, evaluar de forma reflexiva sus resultados y discernir las implicaciones éticas y sociales inmediatas. Una vez asentada esta base crítica, los alumnos avanzan simultáneamente hacia los dominios de «Create with AI» (Crear con la IA) y «Manage AI» (Gestionar la IA), espacios donde se fomenta la experimentación directa y práctica a fin de utilizar las tecnologías como socios creativos en la resolución de problemas académicos, manteniendo siempre el control y la agencia humana, y aprendiendo a delegar de manera intencional tareas específicas hacia la máquina. Finalmente, la trayectoria pedagógica culmina en el dominio avanzado de «Shape AI» (Dar forma a la IA). Esta dimensión superior desafía a los estudiantes a trascender su rol como consumidores pasivos de tecnología e integrar conocimientos técnicos avanzados para proponer mejoras conceptuales o de programación en los algoritmos, con la finalidad explícita de que dichos sistemas operen bajo un marco riguroso que refleje fielmente los valores sociales y humanos.

A diferencia de otros enfoques académicos que aíslan el estudio de la moral digital en módulos independientes, el AILit Framework incorpora los principios éticos de forma transversal a lo largo de todos sus dominios de competencia, promoviendo una constante evaluación reflexiva antes, durante y después de cualquier interacción computacional. Entre los valores éticos que se defienden activamente se encuentran el resguardo estricto de la privacidad de los datos personales, la inclusión social, la transparencia algorítmica y la responsabilidad en el uso equitativo de los sistemas de información. Asimismo, el marco introduce de manera novedosa una dimensión de responsabilidad ecológica, obligando a los estudiantes a sopesar y concientizar los altos costos ambientales en términos de consumo energético, uso intensivo de agua, materiales y emisiones globales de carbono que acarrea el despliegue de las grandes infraestructuras informáticas vinculadas a la IA. Por último, el documento subraya que el éxito de este ecosistema formativo recae de forma directa en el soporte institucional brindado a los profesores. Se recalca que los líderes escolares y las autoridades educativas no deben exigir la implementación de estas directrices sin antes proveer los recursos y el tiempo necesarios para el desarrollo profesional docente. Se documenta que para el año 2024 casi el 40% de los profesores de la OCDE ya habían recibido algún tipo de capacitación inicial sobre IA. En consecuencia, se insta a robustecer este proceso de capacitación continua, enfocándose no únicamente en el dominio instrumental de las aplicaciones tecnológicas, sino en la adopción de pedagogías que robustezcan el juicio reflexivo, la curiosidad, el escepticismo saludable y el crecimiento integral de las capacidades propiamente humanas de los alumnos

La alfabetización en inteligencia artificial y las habilidades socioemocionales como competencias transversales en la educación.

Licardo, Marta, y Alenka Lipovec, eds. Artificial Intelligence Literacy and Social-Emotional Skills as Transversal Competencies in Education. Hamburgo: Verlag Dr. Kovač, 2024

Texto completo

Esta monografía científica, financiada en el marco del proyecto SETCOM (Entornos de Soporte para la Mejora de Competencias Transversales en la Educación), aborda en profundidad la intersección crítica entre la alfabetización en Inteligencia Artificial (IA) y el desarrollo de habilidades socioemocionales (SE) dentro de los sistemas educativos actuales.

A través de una rigurosa aproximación metodológica basada en la investigación pedagógica empírica, el volumen se compone de múltiples estudios orientados a tender puentes entre las directrices de las políticas públicas y la práctica real en las aulas. El postulado central de la obra sostiene que tanto la capacidad técnica para comprender la IA como las competencias humanas de índole emocional no deben avanzar de forma aislada, sino converger de forma sinérgica como pilares fundamentales y transversales que doten a estudiantes y profesores de las herramientas necesarias para navegar un ecosistema digital dinámico y en constante transformación.

En la dimensión puramente tecnológica, el texto examina el panorama de la Inteligencia Artificial aplicada en la educación (AIED), desglosando conceptualmente sus aproximaciones en cuatro ejes: aprender con la IA, utilizar la IA para comprender los procesos de aprendizaje (mediante la analítica de trazas digitales y movimientos del usuario), aprender sobre la tecnología en sí y prepararse éticamente para sus implicaciones laborales y de privacidad. Se ofrece un repaso histórico riguroso que va desde las primeras máquinas de opción múltiple de Sidney Pressey en la década de 1920 y los dispositivos de retroalimentación inmediata basados en el condicionamiento de B.F. Skinner, hasta los actuales Sistemas de Tutoría Inteligente (ITS). La monografía resalta que, gracias a los modelos de aprendizaje automático y por refuerzo, los sistemas de tutoría actuales han alcanzado capacidades competitivas comparables a las de un tutor humano personalizado, reduciendo drásticamente los tiempos de asimilación de contenidos y adaptándose de forma flexible a las necesidades e inclusión de cada estudiante.

Por otro lado, la obra categoriza las tecnologías de IA vigentes en tres grandes grupos superpuestos según sus destinatarios: las enfocadas en el estudiante (que incluyen aplicaciones asistidas, simulaciones, herramientas para personas con discapacidad, chatbots de tutoría y evaluaciones formativas automatizadas), las enfocadas en el docente (como la detección de plagio, curación inteligente de materiales de enseñanza y asistentes de corrección) y las institucionales (centradas en la planificación de horarios, procesos de admisión y la detección temprana de deserción escolar). En este sentido, la irrupción de las herramientas de IA generativa ocupa un espacio analítico relevante; mediante diversos estudios de caso prácticos con estudiantes universitarios de educación de la Universidad de Maribor, se demuestra el inmenso valor de estas plataformas como catalizadores de lluvia de ideas y copilotos de investigación creativa. Sin embargo, los investigadores lanzan una advertencia contundente al ilustrar cómo una formulación imprecisa de instrucciones (prompts de baja calidad) o una terminología inadecuada pueden desembocar en resultados defectuosos, lo que sitúa la capacidad de evaluación crítica y el dominio conceptual del ser humano por encima del automatismo computacional.

Finalmente, el libro profundiza en el factor humano analizando el rol fundamental del Aprendizaje Socioemocional (SEL) y la competencia relacional de los profesores. Se presentan análisis de tipologías para comprender las actitudes de los alumnos ante la IA y su relación con el trabajo en equipo, una destreza indispensable puesto que los propios algoritmos de IA ya se usan con éxito para conformar grupos de estudio heterogéneos y dinámicos en las aulas. Los capítulos de cierre se enfocan en los educadores de distintos niveles escolares, señalando que las creencias y actitudes que posee un docente acerca del aprendizaje socioemocional actúan como predictores directos de su competencia relacional, es decir, de su capacidad para establecer y sostener vínculos humanos constructivos y empáticos. El libro concluye con una firme defensa de la ética y la cautela: la tecnología en la enseñanza no debe mitificarse ni emplearse ciegamente (lo que generaría un oxímoron pedagógico debido a las respuestas absurdas que las máquinas aún producen), sino que debe gestionarse a través de un enfoque centrado en el bienestar humano para dar pie a una educación equitativa, transformadora, inclusiva y verdaderamente holística.









.

La mitad de los adultos de Estados Unidos nunca ha utilizado un chatbot de inteligencia artificial

Gottfried, Jeffrey, William Bishop, Monica Anderson, Michelle Faverio, Eugenie Park y Colleen McClain. 2026. “Americans and AI 2026: Chatbots, Smart Devices and Views on Impact – Why don’t people use chatbots?” Pew Research Center, 17 de junio de 2026. https://www.pewresearch.org/internet/2026/06/17/why-dont-people-use-chatbots/

El informe analiza por qué una parte significativa de la población adulta en Estados Unidos no utiliza chatbots de inteligencia artificial como ChatGPT, Gemini o Copilot, a pesar de su creciente presencia en la vida cotidiana. Los resultados proceden de una encuesta representativa realizada a más de 5.000 adultos estadounidenses, lo que permite identificar patrones claros de adopción, rechazo y percepción social de estas herramientas.

El informe de Pew Research Center (17 de junio de 2026) muestra un panorama muy claro sobre la adopción de los chatbots de inteligencia artificial: su uso está lejos de ser universal y la principal explicación no es tecnológica, sino cultural y actitudinal.

En términos generales, los datos indican que el 51% de los adultos en Estados Unidos no ha usado nunca chatbots de IA, frente a un 49% que sí los ha utilizado al menos una vez. Esta división casi simétrica refleja que la tecnología está extendida, pero todavía no plenamente integrada en la vida cotidiana de la población.

Cuando se analizan las razones del no uso, el factor más importante es el desinterés, señalado por un 83% de los no usuarios. Es decir, la mayoría no rechaza activamente la tecnología, sino que simplemente no la percibe como necesaria o útil en su día a día. A esto se suma un componente de desconfianza estructural, ya que un 76% duda de la exactitud de la información que generan los chatbots, lo que limita su valor como herramienta informativa o de apoyo. En paralelo, aparece una preocupación muy marcada por la privacidad y el uso de datos personales (79%), lo que evidencia una sensibilidad creciente hacia el impacto de la inteligencia artificial en la esfera privada.

Junto a estos factores principales, el estudio también identifica barreras secundarias: un 55% declara no saber cómo usarlos, lo que apunta a ciertos déficits de alfabetización digital, aunque no son el obstáculo dominante. En cambio, la presión social o el miedo al juicio ajeno apenas influye, ya que solo un 14% menciona este motivo.

Las expectativas de futuro refuerzan esta tendencia de estancamiento. Un 67% de los no usuarios considera poco o nada probable que empiece a utilizarlos en los próximos 12 meses, lo que sugiere que la brecha de adopción podría mantenerse estable a corto plazo, sin una incorporación masiva inminente.

Los datos revelan que la no adopción de chatbots no responde a una falta de acceso tecnológico, sino a una combinación de desinterés mayoritario, desconfianza en la fiabilidad de la IA y preocupación por la privacidad, lo que configura un escenario en el que la expansión de estas herramientas depende tanto de su mejora técnica como de su aceptación social.

Un abogado sancionado con más de 31.000 dólares por presentar citas jurídicas falsas generadas con inteligencia artificial

Lawyer writing notes on legal papers at courtroom table with judge in background
A lawyer reviews and annotates legal documents during a courtroom proceeding.

Mach, Jessica. “Lawyer Who Used AI-Fabricated Citations Hit With $31,150 in Costs to LSO.” Law Times, junio de 2026.

Un tribunal disciplinario de la Law Society of Ontario impuso una sanción económica de 31.150 dólares canadienses al abogado Shahryar Mazaheri, después de comprobar que presentó documentos legales elaborados con inteligencia artificial que incluían citas jurisprudenciales inexistentes o incorrectas.

Un caso disciplinario en la provincia canadiense de Ontario ha vuelto a poner el foco en los riesgos del uso no supervisado de la inteligencia artificial en el ámbito jurídico. La Law Society of Ontario sancionó a un abogado, Shahryar Mazaheri, con el pago de 31.150 dólares canadienses en costas, tras comprobar que había presentado escritos legales que contenían citas jurisprudenciales generadas por IA que no existían en la realidad.

El incidente se produjo cuando el abogado utilizó herramientas de inteligencia artificial para preparar documentación en un procedimiento legal, sin realizar una verificación adecuada de las fuentes citadas. Como resultado, se incluyeron referencias a casos judiciales ficticios o incorrectamente atribuidos, lo que comprometió la integridad del proceso y obligó al tribunal a revisar en profundidad el material presentado.

La decisión del organismo regulador subraya que el problema no es el uso de herramientas de IA en sí mismo, sino la falta de supervisión profesional y verificación crítica. El tribunal dejó claro que los abogados pueden apoyarse en tecnologías emergentes, pero siguen teniendo una obligación estricta de garantizar la exactitud de toda la información presentada ante la justicia.

Además de la sanción económica, el caso se ha convertido en un precedente relevante en Canadá, ya que evidencia cómo la incorporación acelerada de la IA generativa en profesiones reguladas está generando nuevos desafíos éticos y legales. Entre las preocupaciones destacadas están la facilidad con la que estos sistemas pueden “alucinar” datos, la tentación de confiar excesivamente en ellos y la necesidad de establecer protocolos claros de validación.

El caso ha sido citado en debates más amplios sobre la regulación de la inteligencia artificial en profesiones como el derecho, la medicina o la contabilidad, donde la responsabilidad profesional no puede delegarse en sistemas automatizados. En este contexto, la resolución refuerza una idea clave: la IA puede asistir, pero la responsabilidad final sigue siendo humana y profesional.

En conjunto, el episodio marca un punto de inflexión en la relación entre tecnología y práctica jurídica, anticipando un escenario en el que los colegios profesionales deberán definir con mayor precisión los límites, usos permitidos y deberes de diligencia cuando se empleen herramientas de IA en entornos críticos.

AI cambia su retroalimentación sobre la escritura de estudiantes cuando conoce su raza y género

Sparks, Sarah D. 2026. “AI Changes Its Feedback on Students’ Writing When It Knows Their Race, Gender.” Education Week, June 18, 2026. https://www.edweek.org/technology/ai-changes-its-feedback-on-students-writing-when-it-knows-their-race-gender/2026/06.

Un estudio reciente analiza cómo los sistemas de inteligencia artificial utilizados como “coaches” de escritura modifican su retroalimentación cuando reciben información sobre características personales de los estudiantes, como su raza, género, nivel académico o condición de aprendizaje. Los investigadores descubrieron que la misma redacción puede recibir comentarios muy distintos dependiendo de esos datos contextuales.

Cuando la IA “cree” que el estudiante es de alto rendimiento, tiende a ofrecer sugerencias más profundas, como ampliar argumentos o considerar contraargumentos. En cambio, cuando se le atribuyen perfiles de bajo rendimiento o dificultades de aprendizaje, la retroalimentación se vuelve más superficial, centrada en correcciones básicas como ortografía o frases confusas. Esto ocurre incluso cuando el texto original es idéntico.

El estudio, realizado con modelos como GPT-4o y Llama, sugiere que estos sesgos no son accidentales sino consecuencia de cómo los modelos interpretan la información contextual: toda característica añadida al prompt es tratada como relevante, aunque no tenga relación con la calidad del escrito. Esto puede generar estereotipos educativos, ya que el sistema adapta su “expectativa” del estudiante según su perfil.

Los autores advierten que la personalización mediante IA en educación puede tener efectos contraproducentes si no se controla adecuadamente, ya que podría reforzar desigualdades en lugar de mejorar el aprendizaje. Subrayan la necesidad de supervisión docente y criterios pedagógicos claros para evitar que los sistemas automáticos sustituyan el juicio educativo humano.

Alfabetización en inteligencia artificial: competencias, marcos de referencia y el papel de las bibliotecas en la era digital

People participating in an AI literacy workshop with laptops and digital graphics about AI concepts
A diverse group collaborates at an AI literacy workshop focusing on data and ethics in a library.

Alonso-Arévalo, Julio. “Alfabetización en inteligencia artificial: competencias, marcos de referencia y el papel de las bibliotecas en la era digital.” Boletín de la Asociación Andaluza de Bibliotecarios 131 (enero-junio 2026): 9-23. Libro-BAAB131-008-024.pdf

La irrupción de la inteligencia artificial, especialmente de la inteligencia artificial generativa, ha transformado profundamente múltiples ámbitos de la sociedad contemporánea, desde la educación hasta la salud, la investigación, la economía y la comunicación cotidiana. En este escenario, el artículo plantea que la alfabetización en inteligencia artificial debe entenderse como una competencia esencial del siglo XXI, comparable en relevancia a la alfabetización digital surgida con Internet. Ya no se trata únicamente de saber utilizar herramientas tecnológicas, sino de comprender el funcionamiento interno de los sistemas algorítmicos, interpretar críticamente sus resultados y desarrollar capacidades para interactuar con estas tecnologías de manera ética, responsable y consciente. Libro-BAAB131-008-024.pdf

Uno de los aspectos centrales del trabajo es la definición amplia y multidimensional del concepto de alfabetización en inteligencia artificial. El autor explica que esta competencia no puede reducirse al simple uso instrumental de plataformas como ChatGPT, Gemini o Claude, sino que requiere comprender cómo operan los algoritmos, saber formular instrucciones eficaces (prompts), evaluar críticamente las respuestas generadas y reconocer problemas asociados como sesgos, alucinaciones, manipulación informativa o limitaciones derivadas de los datos de entrenamiento. Esta alfabetización incorpora, por tanto, dimensiones técnicas, cognitivas, éticas y comunicativas que exigen una formación mucho más compleja que la simple familiaridad tecnológica.

El artículo subraya además una preocupación creciente: existe una brecha importante entre el uso masivo de herramientas de inteligencia artificial y la verdadera comprensión de sus mecanismos de funcionamiento. Muchas personas, incluidos estudiantes universitarios y docentes, utilizan diariamente sistemas de IA sin entender realmente cómo producen sus respuestas ni cuáles son sus limitaciones epistemológicas. Esta situación puede generar una confianza excesiva en contenidos erróneos o sesgados, comprometer la integridad académica y favorecer la reproducción automática de desinformación. En este sentido, el autor insiste en que la alfabetización en IA debe integrarse con otras alfabetizaciones ya consolidadas, especialmente la alfabetización informacional, mediática, digital y de datos, ampliando así los marcos tradicionales de formación crítica.

Una parte sustancial del estudio analiza los principales marcos internacionales desarrollados para estructurar la enseñanza de estas competencias. Se examinan especialmente los modelos propuestos por la UNESCO, EDUCAUSE, la Association of College and Research Libraries y el World Economic Forum. Aunque cada uno presenta matices distintos, todos coinciden en varios principios fundamentales: la necesidad de formar pensamiento crítico, incorporar una dimensión ética, preparar a la ciudadanía digital para interactuar responsablemente con la IA y concebir el aprendizaje como un proceso continuo. Las diferencias principales radican en el público al que van dirigidos, el nivel de profundidad técnica y el contexto institucional en el que fueron diseñados.

Uno de los aportes más relevantes del trabajo es situar a las bibliotecas como actores estratégicos dentro de este nuevo ecosistema formativo. Históricamente, las bibliotecas han sido instituciones dedicadas a democratizar el acceso a la información y desarrollar usuarios críticos capaces de evaluar fuentes documentales. El artículo sostiene que esa misión debe ampliarse ahora hacia la alfabetización en inteligencia artificial, convirtiendo a las bibliotecas en espacios capaces de enseñar a interpretar contenidos generados algorítmicamente, detectar sesgos, combatir la desinformación y formar ciudadanos capaces de interactuar con estas herramientas desde una perspectiva ética y crítica. El papel del bibliotecario deja así de limitarse a la gestión documental para convertirse en mediador tecnológico y formador especializado.

El análisis de experiencias concretas en bibliotecas universitarias demuestra, sin embargo, que todavía existen desafíos importantes. Muchas bibliotecas han comenzado a ofrecer guías y recursos sobre herramientas de IA, pero suelen centrarse principalmente en enseñar el uso práctico de estas plataformas, dejando en segundo plano aspectos fundamentales como la ética, el pensamiento crítico o la comprensión técnica de los modelos. Además, persisten obstáculos como la falta de personal especializado, la rapidez con que evolucionan estas tecnologías, la necesidad permanente de actualización profesional y el riesgo de generar dependencia tecnológica en lugar de fomentar autonomía intelectual. Estos desafíos obligan a replantear la formación bibliotecaria y las estrategias institucionales de adaptación.

Finalmente, el artículo concluye que la alfabetización en inteligencia artificial representa uno de los grandes retos educativos, sociales y culturales del presente. El autor sostiene que no comprender el funcionamiento de estas tecnologías puede convertirse en un nuevo factor de desigualdad estructural, ya que quienes no adquieran estas competencias quedarán en desventaja tanto en el mercado laboral como en su capacidad de participar de forma informada en una sociedad cada vez más mediada por algoritmos. En este contexto, las bibliotecas públicas, universitarias y escolares están llamadas a desempeñar una función decisiva en la construcción de una ciudadanía digital crítica, democrática y capaz de ejercer un uso consciente de la inteligencia artificial, consolidándose como instituciones fundamentales en la transición hacia una sociedad algorítmica más equitativa.