Archivo de la etiqueta: Aprendizaje

Un estudio revela que los estudiantes aprenden menos y obtienen mejores calificaciones gracias a la IA.

Gizmodo. 2026. “Students Are Learning Less and Getting Higher Grades Because of AI, Study Finds.” Gizmodo, mayo de 2026. https://gizmodo.com/students-are-learning-less-and-getting-higher-grades-because-of-ai-study-finds-2000758844

Esta investigación muestra que la irrupción de la inteligencia artificial está transformando radicalmente la educación superior. La cuestión ya no es únicamente si los estudiantes usan IA, sino cómo las universidades pueden garantizar que el aprendizaje auténtico, el pensamiento crítico y el desarrollo de habilidades sigan siendo el centro del proceso educativo en una época en la que la automatización intelectual se vuelve cada vez más accesible y sofisticada.

El estudio distingue tres formas principales de utilización de la IA en el ámbito educativo. La primera es la “augmentación”, donde la IA sirve como apoyo para investigar o estructurar ideas mientras el estudiante sigue realizando el trabajo intelectual central. La segunda implica la aparición de nuevas tareas mediadas por IA. La tercera, considerada la más problemática, es el “desplazamiento”, en el que la herramienta automatiza casi por completo el trabajo que antes realizaba el estudiante, como redactar ensayos o resolver ejercicios complejos. Según Chirikov, las dos primeras modalidades pueden contribuir al aprendizaje, pero la tercera conduce a una erosión real de competencias y conocimientos.

La investigación señala que las tareas realizadas fuera del aula —ensayos, trabajos domiciliarios y ejercicios de programación— son especialmente vulnerables a este fenómeno. En cambio, los exámenes presenciales, las exposiciones orales o los debates en clase resultan más difíciles de sustituir mediante IA. Esto está llevando a muchas instituciones a replantearse sus métodos de evaluación. El artículo menciona que en Princeton University se debate modificar un histórico código de honor para supervisar más estrictamente los exámenes, mientras que en Harvard University se estudian límites al porcentaje de sobresalientes concedidos en cada asignatura.

Uno de los aspectos más inquietantes del informe es la posible creación de un círculo vicioso entre educación y automatización laboral. El estudio sostiene que, si la IA sustituye las tareas fundamentales mediante las cuales los estudiantes desarrollan habilidades cognitivas y profesionales, las futuras generaciones podrían incorporarse al mercado laboral con capacidades más débiles precisamente en aquellos ámbitos donde la IA ya es más competente. Esto incrementaría aún más la dependencia de sistemas automatizados dentro del trabajo cotidiano. Chirikov advierte que podría generarse una fuerza laboral incapaz de desempeñar funciones básicas sin apoyo algorítmico, acelerando así procesos de automatización masiva.

El debate ha generado una intensa reacción pública y académica. En foros como Reddit, numerosos docentes y estudiantes sostienen que el problema no es solo la existencia de la IA, sino un sistema educativo basado excesivamente en calificaciones y tareas fácilmente automatizables. Algunos participantes consideran que las universidades no han logrado detectar eficazmente el uso de IA y que los estudiantes han aprendido rápidamente a utilizar estas herramientas para obtener mejores resultados académicos. Otros subrayan que el reto ya no consiste únicamente en prohibir la IA, sino en rediseñar completamente las formas de evaluación para que demuestren competencias reales y no simplemente habilidad para generar prompts eficaces.

El artículo conecta además con otras investigaciones recientes que muestran efectos similares sobre el aprendizaje. Estudios citados por Gizmodo sugieren que quienes utilizan modelos lingüísticos para aprender desarrollan conocimientos más superficiales que quienes realizan búsquedas tradicionales y sintetizan información por sí mismos. Los investigadores consideran que la facilidad y rapidez de las respuestas generadas por IA reduce el esfuerzo cognitivo necesario para construir comprensión profunda.

Repensar la evaluación en tiempos de inteligencia artificial: del producto final al proceso de aprendizaje

The AI School Librarian. “Grading in the AI Era: Research Literacy in the Age of AI, Week 13: How to Assess Reasoning, Verification, and Transparency.” The AI School Librarians Newsletter, 20 de abril de 2026. Substack. The AI School Librarians Newsletter

Se plantea una reflexión profunda sobre la crisis actual de los sistemas de evaluación educativa en un contexto marcado por la expansión de la inteligencia artificial generativa. El texto parte de una premisa contundente: si las rúbricas y modelos de calificación continúan premiando principalmente el acabado formal, la corrección gramatical o la apariencia de sofisticación textual, las herramientas de IA superarán fácilmente los criterios tradicionales de evaluación. Según el artículo, el problema central ya no consiste en “detectar trampas” o descubrir cuándo un estudiante ha utilizado IA, sino en replantear qué significa realmente aprender y qué aspectos del proceso intelectual merecen ser valorados.

La autora sostiene que gran parte de los sistemas educativos siguen fundamentándose en una lógica de evaluación heredada de la era pre-IA, centrada casi exclusivamente en el producto final: ensayos terminados, trabajos perfectamente estructurados, citas formateadas correctamente y redacciones libres de errores. Sin embargo, la inteligencia artificial es capaz de generar con rapidez precisamente ese tipo de productos. En consecuencia, la escuela se enfrenta a una disyuntiva fundamental: continuar evaluando elementos superficiales que las máquinas pueden imitar fácilmente o desplazar el foco hacia procesos cognitivos más complejos y genuinamente humanos. El texto insiste en que la verdadera evidencia del aprendizaje no reside únicamente en el resultado visible, sino en el recorrido intelectual que conduce hasta él: las dudas, revisiones, decisiones, errores, verificaciones y transformaciones del pensamiento.

Uno de los aspectos más relevantes del artículo es la idea de que la IA obliga a redefinir el concepto mismo de “autoría intelectual”. Tradicionalmente, muchos modelos de evaluación asumían que el texto presentado reflejaba directamente el pensamiento del estudiante. Sin embargo, en un escenario donde una herramienta puede redactar párrafos coherentes, producir tesis convincentes o incluso estructurar investigaciones completas, el profesorado necesita nuevas estrategias para distinguir entre producción automática y apropiación auténtica del conocimiento. El artículo argumenta que la clave no está en prohibir la IA, sino en diseñar evaluaciones capaces de hacer visible el razonamiento humano que hay detrás del trabajo.

Para responder a este desafío, el texto propone cuatro transformaciones estructurales en la evaluación. La primera consiste en calificar la evolución de la pregunta de investigación. En lugar de valorar únicamente la tesis final, se recomienda que el alumnado entregue también la pregunta inicial, las modificaciones posteriores y una explicación de cómo y por qué cambió su enfoque. Esta estrategia busca reconocer el refinamiento intelectual y la capacidad de replantear problemas, algo que constituye una parte esencial del pensamiento crítico. El aprendizaje deja así de verse como un acto instantáneo y pasa a entenderse como un proceso dinámico de exploración y reconstrucción conceptual.

La segunda transformación se centra en la justificación de las fuentes. El artículo subraya que, en una época saturada de información y contenido generado algorítmicamente, ya no basta con citar fuentes; es necesario demostrar por qué una fuente merece confianza. El alumnado debería explicar la credibilidad de los materiales utilizados, detectar sesgos, identificar limitaciones y contrastar datos mediante verificación cruzada. Esta orientación conecta directamente con las competencias de alfabetización informacional y mediática que tradicionalmente han promovido bibliotecarios y especialistas en documentación. La evaluación, por tanto, se desplaza desde la mera acumulación de referencias hacia la capacidad crítica para analizarlas y contextualizarlas.

La tercera propuesta del artículo es incorporar la transparencia como criterio explícito de evaluación. La autora defiende que los estudiantes deberían informar abiertamente sobre cómo utilizaron herramientas de IA, qué partes verificaron y qué decisiones éticas tomaron durante el proceso. Este enfoque intenta sustituir los modelos punitivos basados en vigilancia y sospecha por una cultura académica de honestidad y reflexión. En vez de criminalizar el uso de la inteligencia artificial, el sistema educativo debería enseñar a utilizarla de manera responsable, crítica y documentada. Según el texto, normalizar la transparencia reduce la dependencia de detectores automáticos de IA, cuya fiabilidad es limitada y cuya aplicación puede generar injusticias y desconfianza institucional.

La cuarta transformación aborda la importancia de la reflexión metacognitiva. El artículo propone que los estudiantes respondan preguntas relacionadas con la evolución de su pensamiento: qué cambió durante la investigación, qué evidencias resultaron más débiles o qué interrogantes quedaron sin resolver. Estas actividades buscan que el alumnado tome conciencia de sus propios procesos intelectuales y convierta el aprendizaje en una experiencia autorreflexiva. Además, la metacognición resulta especialmente difícil de automatizar, ya que implica conectar experiencias personales, decisiones contextuales y procesos internos de razonamiento.

Otro aspecto significativo del artículo es su crítica implícita a la cultura educativa basada exclusivamente en resultados cuantificables y estandarizados. La IA pone en evidencia las limitaciones de sistemas que privilegian la eficiencia, la apariencia formal y la producción rápida de textos. Frente a ello, la autora defiende modelos de evaluación más lentos, procesuales y centrados en la construcción del pensamiento. En esta visión, el aula deja de ser un espacio donde únicamente se “entregan productos” para convertirse en un entorno donde se documenta el desarrollo intelectual.

El texto también se relaciona con debates más amplios sobre alfabetización digital y ciudadanía crítica. La capacidad para verificar información, justificar decisiones y reflexionar sobre el uso ético de herramientas tecnológicas se presenta como una competencia esencial del siglo XXI. De este modo, la evaluación deja de ser solamente un mecanismo de medición académica y se transforma en un espacio de formación ética e intelectual. El artículo sugiere que la irrupción de la IA puede convertirse en una oportunidad para corregir debilidades estructurales que ya existían en los sistemas educativos mucho antes de la aparición de ChatGPT y otras plataformas generativas.

“Grading in the AI Era” propone una visión educativa basada en la autenticidad del pensamiento, la trazabilidad del aprendizaje y la centralidad del razonamiento humano. El artículo concluye que la inteligencia artificial no debería obligar a las instituciones educativas a reforzar modelos de vigilancia, sino a rediseñar profundamente sus prácticas pedagógicas. La verdadera cuestión ya no es si los estudiantes utilizan IA, sino si las escuelas son capaces de evaluar aquello que realmente importa: la capacidad de pensar, cuestionar, verificar, interpretar y construir conocimiento propio en colaboración crítica con las tecnologías emergentes

La falta de habilidades de decodificación de la lectura podría ser la causa de las dificultades de muchos estudiantes mayores

Schwartz, Sarah. “One Reading Skill Might Be Responsible for Many Older Students’ Struggles.” Education Week, marzo de 2026. https://www.edweek.org/teaching-learning/one-reading-skill-might-be-responsible-for-many-older-students-struggles/2026/03

El artículo analiza un problema creciente en la educación secundaria: muchos estudiantes mayores siguen teniendo dificultades significativas de lectura, incluso después de haber superado los primeros años de escolarización donde se enseñan las habilidades básicas de decodificación.

La investigación presentada sugiere que una parte importante de estas dificultades no está relacionada únicamente con la comprensión general o el vocabulario, sino con una habilidad más específica y menos atendida en cursos superiores: la capacidad de decodificar palabras complejas y multisilábicas.

A partir de estudios recientes impulsados por el programa Reading Reimagined y el AERDF, el texto explica que existe una especie de “umbral de decodificación”. Este umbral representa el nivel de dominio necesario para que los estudiantes puedan seguir progresando en la lectura a medida que los textos se vuelven más complejos en primaria superior y secundaria. Cuando los estudiantes no han alcanzado este nivel, pueden leer palabras simples, pero se bloquean ante términos largos y estructuralmente complejos, lo que limita su fluidez y comprensión global.

El artículo detalla que en los grados intermedios las palabras cambian radicalmente en estructura: se vuelven más largas, morfológicamente complejas y con raíces de distintos orígenes lingüísticos. Esto implica que las estrategias de lectura aprendidas en los primeros años (como la decodificación fonética básica) ya no son suficientes. Muchos estudiantes que parecen leer con normalidad en realidad están “adivinando” o fragmentando incorrectamente palabras complejas, lo que genera errores sistemáticos que afectan la comprensión del texto completo.

Uno de los hallazgos más relevantes es que este problema no está suficientemente diagnosticado en las evaluaciones tradicionales de lectura en secundaria, ya que estas suelen centrarse en la comprensión global y no en los procesos subyacentes de decodificación. Como resultado, muchos estudiantes que fracasan en comprensión lectora en realidad tienen dificultades no detectadas a nivel de palabra, especialmente con términos multisilábicos que son clave en los textos académicos.

El texto también subraya que esta dificultad no es marginal. Se estima que una proporción significativa de estudiantes de secundaria —al menos alrededor del 40% según algunos datos preliminares— presenta problemas con la decodificación avanzada, aunque no necesariamente con la decodificación básica de palabras simples. Esto sugiere que el problema no desaparece en los primeros cursos escolares, sino que evoluciona y se manifiesta de forma más compleja en etapas posteriores.

A partir de estos resultados, el artículo plantea la necesidad de replantear la enseñanza de la lectura en los cursos intermedios. En lugar de asumir que las habilidades fundamentales se consolidan en los primeros años, los investigadores proponen continuar enseñando explícitamente estrategias de análisis de palabras complejas, incluyendo morfología, estructura de palabras y descomposición de términos largos dentro del contexto de la lectura real.

El texto abre un debate pedagógico importante: si la enseñanza de habilidades fundamentales de lectura se está abandonando demasiado pronto. La conclusión general es que la alfabetización no es un proceso cerrado en primaria, sino un continuo que debe extenderse a lo largo de toda la educación obligatoria, integrando tanto la comprensión como la decodificación avanzada en los niveles superiores para evitar que las dificultades queden ocultas hasta etapas tardías.

Las bibliotecas son el corazón del ecosistema de la lectura.

Rainwater, Brooks. “Libraries Are at the Heart of the Reading Ecosystem.” EdTrust, 22 de septiembre de 2025.

Texto completo

El artículo destaca que, en un momento en el que solo el 31 % de los alumnos de cuarto grado en EE. UU. leen con soltura, las bibliotecas públicas se enfrentan a ataques y recortes, a pesar de ser piezas fundamentales para la alfabetización. Según Brooks Rainwater, presidente y director general del Urban Libraries Council, el aprendizaje –y especialmente la lectura– no ocurre únicamente en la escuela; gran parte del tiempo de los niños está fuera del aula, y las bibliotecas comunitarias ofrecen recursos esenciales durante todo el año para apoyar a los jóvenes lectores y sus familias

Lejos de ser depósitos pasivos de libros, las bibliotecas son espacios activos de aprendizaje y encuentros. Se describen como núcleos comunitarios que fomentan la lectura temprana, apoyan a educadores y cuidadores, y construyen lo que el autor denomina un “ecosistema de alfabetización” sólido y resiliente.

La entrada también denuncia amenazas serias, como el veto de libros y los recortes en la financiación de entidades como el Institute of Museum and Library Services, que ponen en peligro la libertad intelectual y la capacidad de las bibliotecas para innovar y ofrecer servicios adaptados a sus comunidades

A pesar de estas dificultades, el artículo presenta ejemplos esperanzadores: bibliotecas que crean colecciones de textos cortos para reforzar lecciones de fonética, programas de lectura para principiantes, tutorías y cursos en línea para profesores, demostrando cómo las bibliotecas continúan cumpliendo un papel vital para lectores emergentes en entornos diversos.

Se propone la necesidad de acciones estratégicas a nivel comunitario: capacitar al personal bibliotecario, colaborar con escuelas, diseñar programas junto a familias y desarrollar colecciones multilíngües y culturalmente relevantes. Todo ello con un enfoque de equidad, para asegurar que todas las comunidades tengan acceso a recursos de lectura de alta calidad.

Bibliotecas públicas y aprendizaje para adultos: ampliando posibilidades. Libro blanco.

Public Library Association. Expanding Possibilities: Public Libraries and Adult Learning White Paper. Public Libraries Online, 12 de noviembre de 2025.

Texto completo

El informe “Expanding Possibilities: Public Libraries and Adult Learning”, elaborado por la Public Library Association (PLA) con el patrocinio de Gale (parte de Cengage Group), analiza cómo las bibliotecas públicas de Estados Unidos están ampliando sus servicios para apoyar el aprendizaje de adultos. A partir de una encuesta nacional a más de 350 bibliotecas, revisión bibliográfica y estudios de caso, el documento identifica tendencias, barreras y estrategias innovadoras que las bibliotecas usan para ayudar a los mayores a adquirir nuevas habilidades, acceder a recursos y alcanzar sus objetivos educativos.

Entre los hallazgos más relevantes, el estudio destaca que las bibliotecas se están convirtiendo en proveedores esenciales de educación para adultos, ofreciendo formación en alfabetización digital, programas de desarrollo profesional, talleres de salud y finanzas, y espacios comunitarios de aprendizaje

El informe también señala que existen obstáculos significativos para la participación: falta de financiación estable, dificultades para evaluar el impacto de los programas y desafíos para mantener asociaciones eficaces. A pesar de ello, muchas bibliotecas están superando estas barreras mediante colaboraciones con otras organizaciones, el diseño de programas adaptados a las necesidades locales y la evaluación constante de sus resultados.

Por otro lado, se subraya la importancia de alinear las acciones de las bibliotecas con las prioridades de aprendizaje de la comunidad, garantizando que los programas respondan a las necesidades reales de los usuarios adultos. Esto implica diseñar ofertas formativas flexibles, accesibles y relevantes, que respondan tanto a demandas profesionales como personales.

Finalmente, la PLA recomienda reforzar la visibilidad de las bibliotecas como instituciones clave para el aprendizaje continuo, abogando por más apoyo institucional, inversiones sostenibles y una evaluación sistemática. De este modo, las bibliotecas pueden consolidarse como piezas fundamentales del ecosistema educativo, ofreciendo oportunidades de aprendizaje a lo largo de toda la vida.

Aprendizaje con IA: Una recopilación de artículos escritos por estudiantes

University of Leeds Libraries. “New Student-Led Open Education Resource Showcases Student Voices on AI.” Leeds University Libraries Blog, September 9, 2025.

PDF

EPUB

Los textos relatan experiencias reales de uso de inteligencia artificial generativa (GenAI) en el estudio, abarcando cómo dicha tecnología puede facilitar la comprensión, fomentar la creatividad y la confianza, así como apoyar un aprendizaje más personalizado y accesible

Un tema resaltado en las aportaciones de los estudiantes es la conciencia ética: muchos reflexionan sobre el uso responsable de la IA, los límites apropiados, las implicaciones de integridad académica, y cómo evitar depender demasiado de la tecnología sin comprensión crítica.

Los casos incluyen ejemplos de usos diversos: desde herramientas que ayudan a estructurar ideas o investigar, hasta aplicaciones que permiten adaptaciones para quienes tienen necesidades de aprendizaje distintas.

El recurso ha sido desarrollado como parte de la iniciativa University of Leeds Open Books, usando la plataforma Pressbooks. Está licenciado de forma abierta (“open license”) y está disponible libremente para que cualquiera lo lea, lo use y lo adapte. Además, se plantea como un “libro vivo”: se aceptan nuevas contribuciones hasta el 1 de noviembre de 2025, y todas las aportaciones pasan por un proceso de revisión por pares gestionado por el equipo editorial estudiantil.

El proyecto cuenta con el apoyo institucional de varias áreas de la universidad: la Escuela de Educación, las Bibliotecas, el Servicio de Educación Digital, Desarrollo Organizacional y Profesional, Curriculum Redefined, el Leeds Institute for Teaching Excellence (LITE), y la Knowledge Equity Network. También hay patrocinio de altos cargos universitarios implicados en educación y experiencia estudiantil, lo que indica un compromiso institucionalidad con la calidad educativa, la equidad y la innovación pedagógica.

Cómo la IA está cambiando —y no «matando»— la universidad

Flaherty, Colleen. “How AI Is Changing—Not ‘Killing’—College.” Inside Higher Ed, August 29, 2025

Texto completo

Las principales conclusiones de la encuesta realizada por Inside Higher Ed a estudiantes sobre la IA generativa muestran que, en su opinión, el uso de esta tecnología en constante evolución no ha disminuido el valor de la universidad, pero podría afectar a sus habilidades de pensamiento crítico.

El artículo presenta los principales hallazgos de la encuesta Student Voice 2025–26 realizada por Inside Higher Ed, que se centra en las percepciones de los estudiantes universitarios sobre la inteligencia artificial generativa. La encuesta fue parte de la serie Student Voice 2025–26 y se realizó en julio de 2025. Participaron 1 047 estudiantes de 166 instituciones de educación superior (tanto públicas como privadas, de dos y cuatro años).

Un alto porcentaje, aproximadamente el 85 %, informó haber utilizado inteligencia artificial generativa en cursos durante el último año. Las actividades más comunes incluyen: lluvia de ideas (55 %), preguntas tipo tutor (50 %) y preparación para exámenes o test (46 %). Le siguen funciones como edición de trabajos y generación de resúmenes.

En contraste, solo el 25 % admite usar IA para completar tareas completas, y apenas el 19 % para redactar ensayos enteros. Quienes emplearon IA para escribir ensayos son un tanto más propensos a reportar un impacto negativo en su pensamiento crítico (12 %) en comparación con quienes la utilizaron solo para estudiar (6 %)

El principal motor del uso indebido de IA (desde la perspectiva de los estudiantes) es la presión por obtener buenas calificaciones (37 %), seguido por la falta de tiempo (27 %) y el desinterés por las políticas de integridad académica (26 %). Solo un ínfimo 6 % atribuye este comportamiento a políticas poco claras.

Aun así, el 97 % opina que las instituciones deberían actuar frente a los retos que plantea la IA, pero prefieren soluciones educativas (como formación sobre ética en el uso de IA – 53 %) por encima de prácticas represivas como detectar contenido generado por IA (21 %) o limitar su uso en clase (18 %).

Se observa una brecha de género en la percepción de la IA: los estudiantes hombres son más propensos que las mujeres o personas no binarias a decir que la IA está mejorando sus habilidades de pensamiento crítico.

Aunque muchos temen que el uso de estas tecnologías pueda afectar habilidades clave como el pensamiento crítico, en general los estudiantes no consideran que la IA esté «matando» el valor de la universidad.

Según la encuesta, los estudiantes están utilizando la IA activamente como parte de su proceso de aprendizaje, lo que indica una adopción respetuosa y consciente. Aunque reconocen los riesgos potenciales, como la disminución de habilidades analíticas, no perciben que la IA disminuya la relevancia o el propósito de su formación universitaria.

Esta perspectiva de los estudiantes plantea una tensión interesante: por un lado, existe una preocupación legítima sobre cómo la IA puede impactar negativamente en el desarrollo de competencias críticas; por otro, su uso creciente refleja una herramienta valiosa para complementar el aprendizaje, siempre que se utilice con responsabilidad

Transformar el aprendizaje con IA generativa: de las percepciones de los estudiantes al diseño de una solución educativa

Mirea, Corina-Marina, Răzvan Bologa, Andrei Toma, Antonio Clim, Dimitrie-Daniel Plăcintă, and Andrei Bobocea. 2025. «Transforming Learning with Generative AI: From Student Perceptions to the Design of an Educational Solution» Applied Sciences 15, no. 10: 5785. https://doi.org/10.3390/app15105785

Se explora cómo la inteligencia artificial generativa, específicamente herramientas como ChatGPT-3.5 y ChatGPT-4, está transformando el proceso de aprendizaje desde la perspectiva de los estudiantes hasta el diseño de soluciones educativas adaptativas.

El estudio se centra en comprender cómo los estudiantes perciben el uso de herramientas de IA generativa en su proceso de aprendizaje y cómo estas herramientas pueden integrarse en sistemas educativos adaptativos para mejorar los resultados académicos.

Los investigadores realizaron una encuesta entre estudiantes para recopilar datos sobre sus experiencias y percepciones al utilizar ChatGPT en sus estudios. Además, analizaron arquitecturas de plataformas de aprendizaje existentes para proponer una nueva arquitectura de sistema de aprendizaje adaptativo que incorpore IA generativa.

El objetivo principal del estudio es doble: por un lado, evaluar cómo los estudiantes perciben el uso de herramientas de IA generativa en su proceso de aprendizaje; por otro, diseñar una arquitectura de sistema de aprendizaje adaptativo que aproveche estas herramientas para crear entornos educativos más eficaces. La investigación parte de un enfoque empírico basado en encuestas a estudiantes universitarios, complementado con un análisis técnico de plataformas de aprendizaje digital existentes. Con base en estos dos pilares —la percepción de los usuarios y el estado del arte tecnológico— los autores desarrollan una propuesta concreta de solución educativa basada en IA.

Los resultados de la encuesta reflejan que una mayoría significativa de estudiantes percibe beneficios concretos en el uso de herramientas como ChatGPT. Entre los aspectos más valorados se encuentran la ayuda para la comprensión de conceptos complejos, el apoyo en la redacción de textos y la posibilidad de resolver dudas de manera inmediata y personalizada. Muchos estudiantes afirmaron que estas interacciones habían tenido un efecto positivo en su rendimiento académico.

También se identificaron algunos riesgos y desafíos, como la dependencia excesiva de la IA, la posibilidad de recibir información incorrecta o sesgada y la disminución del pensamiento crítico si no se usan las herramientas de forma consciente y reflexiva. No obstante, los estudiantes demostraron una actitud crítica y madura, reconociendo que la IA es una herramienta de apoyo y no un sustituto del aprendizaje activo.

A partir de los hallazgos, los autores proponen una arquitectura de sistema de aprendizaje adaptativo que integra IA generativa como núcleo funcional. Esta arquitectura se basa en varios módulos: gestión del conocimiento, personalización del aprendizaje, interacción con el usuario, seguimiento del progreso, evaluación formativa y retroalimentación continua. La IA generativa se utiliza principalmente para generar contenidos personalizados, explicar conceptos según el nivel del estudiante, ofrecer ejercicios prácticos y simular escenarios de aprendizaje.

El sistema está diseñado para aprender del comportamiento y las respuestas del estudiante, adaptándose dinámicamente a sus necesidades, intereses y ritmo de aprendizaje. Esto permite una experiencia educativa más personalizada, motivadora y eficaz. Además, el modelo considera la necesidad de incorporar mecanismos éticos y de verificación de la información generada por la IA.

La IA generativa en la enseñanza superior: adopción y retos para profesores e investigadores

Baytas, Claire, y Dylan Ruediger. 2025. Making AI Generative for Higher Education: Adoption and Challenges Among Instructors and Researchers. Ithaka S+R. Publicado el 1 de mayo de 2025.

Texto completo

Desde la aparición de ChatGPT en noviembre de 2022, la inteligencia artificial generativa (IA generativa) se ha convertido en un tema central en la educación superior. Más de dos años después, las instituciones todavía están explorando cómo esta tecnología está transformando la enseñanza, el aprendizaje y la investigación. La preocupación inicial se centraba en el plagio estudiantil y la integridad académica, pero el debate ha evolucionado hacia una evaluación más matizada sobre los beneficios, riesgos éticos, y desafíos institucionales que presenta la IA generativa.

El informe de Ithaka S+R es el resultado de una investigación colaborativa iniciada en 2023 con 19 universidades de Estados Unidos y Canadá. Su objetivo fue comprender cómo docentes e investigadores están adoptando esta tecnología, qué dificultades enfrentan y qué tipo de apoyos necesitan. A través de entrevistas realizadas en la primavera de 2024, se recogieron testimonios de profesorado, estudiantes de posgrado y otros actores implicados en la educación superior.

Uno de los principales hallazgos es la gran variabilidad en el nivel de familiaridad con la IA generativa. Si bien algunos usuarios tienen experiencia avanzada, otros apenas están comenzando a explorar sus aplicaciones. Sin embargo, incluso quienes tienen menor experiencia reconocen la importancia de mejorar su alfabetización digital en IA. Muchos docentes están tratando de incorporar habilidades básicas de IA en las actividades del aula, aunque todavía existe incertidumbre sobre cómo adaptar los objetivos de aprendizaje a estas nuevas herramientas.

Los instructores demandan más orientación institucional, especialmente en lo relativo a la integridad académica y la inclusión formal de la alfabetización en IA en los planes de estudios generales. Por otro lado, la mayoría de los investigadores han probado la IA generativa, pero son pocos los que han encontrado maneras sostenibles de integrarla en sus procesos de investigación a largo plazo. Existe una preocupación extendida por la falta de estándares éticos claros que garanticen la calidad y la integridad del trabajo académico asistido por IA.

Además, tanto docentes como investigadores identifican una carencia de recursos de apoyo específicos para cada disciplina. También expresan inquietudes sobre la seguridad, la asequibilidad y el acceso a herramientas de IA, así como sobre la necesidad de entender mejor el creciente panorama de productos tecnológicos diseñados para la educación superior.

El informe también destaca que, si bien muchas universidades han creado grupos de trabajo sobre IA, redactado políticas modelo para sus planes de estudio y ofrecido talleres de alfabetización digital, persisten obstáculos institucionales que dificultan una implementación efectiva. Las estructuras descentralizadas y la falta de coordinación entre departamentos hacen que sea difícil ofrecer un apoyo integral y coherente. Además, los costos asociados con la adopción masiva de estas tecnologías aún no están claros.

En definitiva, el informe subraya la necesidad de seguir investigando, compartiendo prácticas efectivas y diseñando estrategias institucionales colaborativas para incorporar la IA generativa de forma ética, responsable y pedagógicamente útil en la educación superior.

Los temas clave del informe Making AI Generative for Higher Education de Ithaka S+R (2025) son los siguientes:

1. Adopción desigual y experimental de la IA generativa

  • Los niveles de uso y familiaridad con herramientas como ChatGPT varían ampliamente entre docentes e investigadores.
  • Muchos han experimentado con estas herramientas, pero su uso sistemático en docencia e investigación es todavía limitado.

2. Alfabetización en IA como necesidad urgente

  • Profesores e investigadores reconocen que deben comprender mejor la IA generativa para usarla de manera crítica, ética y efectiva.
  • Existe interés en integrar competencias en IA en la enseñanza, pero falta claridad sobre cómo hacerlo.

3. Falta de políticas institucionales claras

  • Las universidades aún no ofrecen directrices suficientemente concretas sobre el uso aceptable de la IA generativa.
  • Persisten dudas sobre cómo abordar la integridad académica en este nuevo contexto.

4. Preocupaciones sobre ética, sesgos y precisión

  • Inquietud por la calidad, fiabilidad y sesgos de las respuestas generadas por IA.
  • Preocupación por el uso de datos sensibles o malinterpretación de fuentes en contextos académicos.

5. Impacto en la pedagogía universitaria

  • La IA está provocando que los docentes reconsideren sus objetivos educativos, métodos de evaluación y estrategias de aprendizaje.
  • Se debate si la IA debe ser prohibida, regulada o integrada activamente en el aula.

6. Falta de apoyo disciplinar específico

  • Escasez de recursos adaptados a las distintas áreas de conocimiento para usar la IA generativa de forma efectiva y ética.
  • Necesidad de materiales y formación más ajustados a los contextos profesionales y metodológicos de cada disciplina.

7. Desconocimiento del ecosistema de productos IA

  • Muchos académicos no conocen la variedad de herramientas de IA disponibles ni sus diferencias, lo que limita su capacidad para adoptarlas con criterio.

8. Demanda de una respuesta institucional coordinada

  • Profesores e investigadores piden que las universidades lideren el proceso de integración de la IA con formación, políticas claras y acceso seguro a herramientas tecnológicas.

ERIC en peligro: la mas importante base de datos de investigación educativa podría dejar de actualizarse esta semana

​Barshay, Jill. «Proof Points: A Treasure Trove of Education Reports and Studies Is Under Threat.» The Hechinger Report, April 21, 2025. https://hechingerreport.org/proof-points-eric-under-threat/

El centro de recursos educativos ERIC (Education Resources Information Center), una biblioteca pública digital con 2,1 millones de documentos educativos, podría dejar de actualizarse esta semana por falta de financiación. A pesar de tener un contrato vigente hasta 2028 y fondos ya autorizados por el Congreso, el Departamento de Eficiencia Gubernamental (DOGE) se ha negado a liberar el dinero necesario para su operación. ERIC, gestionado por el Departamento de Educación de EE.UU., es una herramienta esencial para investigadores, docentes y responsables de políticas educativas, comparable a PubMed en el campo de la salud.

Erin Pollard Young, la única empleada del Departamento de Educación dedicada a ERIC, fue despedida en marzo junto con otros 1.300 trabajadores. Antes de su salida, intentó recortar el presupuesto de ERIC a la mitad, como exigía DOGE, pero incluso esa propuesta fue rechazada. El contrato podría expirar el 23 de abril, lo que significaría que ya no se añadirían nuevos documentos al repositorio.

ERIC contiene artículos de revistas académicas, libros, informes gubernamentales y tesis doctorales, incluyendo una gran cantidad de «literatura gris» (estudios no publicados ni catalogados en bases privadas como EBSCO), lo que lo hace insustituible por herramientas como Google o IA.

Desde el Departamento de Educación han justificado los recortes con la necesidad de reestructurar el Instituto de Ciencias de la Educación (IES), del cual depende ERIC, acusándolo de ineficacia en la mejora de resultados educativos.

Pollard Young ha decidido hablar públicamente sobre la situación, a pesar del riesgo de represalias, para intentar salvar un recurso que ha sido clave para la investigación educativa durante más de 60 años.