Archivo de la etiqueta: Enseñanza

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 enseñanza superior ante la transformación acelerada de la IA: Informe Horizon 2026 de EDUCAUSE

Robert, Jenay, Nicole Muscanell, Mark McCormack y Kim Arnold. 2026 EDUCAUSE Horizon Report | Teaching and Learning Edition. Louisville, CO:

Texto completo

Sumario ejecutivo

El informe 2026 EDUCAUSE Horizon Report constituye una de las radiografías más relevantes sobre el futuro inmediato de la educación superior y el impacto de la inteligencia artificial en los procesos de enseñanza y aprendizaje. Elaborado mediante el marco metodológico STEEP —que analiza factores sociales, tecnológicos, económicos, ambientales y políticos—, el documento examina cómo las universidades atraviesan un periodo de transformación estructural marcado por la presión financiera, la disminución de matrículas, la crisis de confianza social hacia la educación superior y la irrupción de tecnologías generativas capaces de alterar profundamente el trabajo académico.

Uno de los ejes centrales del informe es la constatación de que la inteligencia artificial ya no representa una tecnología emergente marginal, sino una infraestructura transversal que está modificando la enseñanza, la evaluación, el diseño instruccional y las relaciones entre estudiantes y docentes. El documento señala que la IA influye especialmente en ámbitos como la tutoría personalizada, la producción de materiales educativos, la automatización de tareas administrativas y el acompañamiento académico. Sin embargo, también advierte que esta integración genera importantes tensiones éticas y pedagógicas: problemas de privacidad, dependencia cognitiva, vigilancia algorítmica, sesgos, desinformación y creciente preocupación por el impacto ambiental derivado del consumo energético de los sistemas de IA.

El informe subraya además que los métodos tradicionales de evaluación están entrando en crisis. Las herramientas generativas dificultan distinguir entre producción humana y automatizada, lo que obliga a las instituciones a replantear profundamente el concepto mismo de aprendizaje verificable. Frente a este escenario, EDUCAUSE identifica una transición hacia evaluaciones “auténticas”, basadas en procesos, evidencias de razonamiento, proyectos contextualizados y demostraciones prácticas del conocimiento. En lugar de centrarse únicamente en el resultado final, las universidades comienzan a valorar la trazabilidad del aprendizaje, la reflexión crítica y la capacidad de integrar herramientas de IA de manera ética y transparente.

Una de las principales novedades del informe de 2026 es la incorporación del concepto “señales de cambio”, definido como indicadores tempranos capaces de anticipar transformaciones futuras antes de que alcancen gran escala institucional. Estas señales funcionan como mecanismos de prospectiva estratégica para detectar innovaciones emergentes, cambios culturales o nuevas prácticas educativas todavía marginales pero potencialmente disruptivas. EDUCAUSE plantea que las universidades deben desarrollar capacidad institucional para interpretar estas señales y adaptarse de forma proactiva, evitando respuestas meramente reactivas ante los cambios tecnológicos y sociales.

Otro aspecto especialmente relevante es el cuestionamiento creciente del valor social y económico de la educación superior. El informe sostiene que muchas instituciones se enfrentan a una pérdida de legitimidad pública debido al aumento de costes, la incertidumbre laboral y la percepción de que los modelos educativos tradicionales no responden adecuadamente a las nuevas demandas profesionales y culturales. En este contexto, la educación superior se ve presionada para demostrar utilidad, flexibilidad y relevancia social. Esta tensión aparece vinculada directamente con la necesidad de redefinir competencias fundamentales como la alfabetización digital, la alfabetización en IA y las capacidades críticas necesarias para desenvolverse en entornos mediados por algoritmos.

El informe también insiste en la importancia de la formación docente. Las instituciones no solo necesitan incorporar tecnologías, sino desarrollar culturas organizativas capaces de acompañar a profesores y estudiantes en procesos de cambio continuo. La alfabetización en IA aparece así como una competencia transversal imprescindible para comprender tanto las oportunidades como los riesgos de estas herramientas. EDUCAUSE propone un enfoque equilibrado que combine innovación tecnológica con pensamiento crítico, ética digital y supervisión humana significativa.

En perspectiva histórica, el documento refleja la evolución progresiva de los informes Horizon desde los años posteriores a la pandemia hasta la actualidad. Mientras los informes de 2022 y 2023 todavía estaban muy marcados por la transición híbrida y el impacto inmediato de ChatGPT, el informe de 2026 muestra una etapa más madura, centrada ya no solo en la adopción tecnológica, sino en las consecuencias estructurales, cognitivas y sociales de la IA sobre el ecosistema universitario. La cuestión ya no es si la IA transformará la educación, sino cómo preservar la agencia humana, la confianza académica y el sentido formativo de la universidad en un entorno crecientemente automatizado.

Opiniones del profesorado sobre la IA

The Chronicle of Higher Education. “Faculty Views on AI.” The Chronicle of Higher Education, consultado el 7 de mayo de 2026. The Chronicle of Higher Education

Texto completo

El informe presenta un panorama claro: la IA ya está transformando la enseñanza superior, pero su adopción está marcada por la tensión entre utilidad práctica y riesgo pedagógico. Los docentes valoran su capacidad para ahorrar tiempo, generar materiales y apoyar tareas rutinarias, pero temen que debilite el esfuerzo intelectual, favorezca el engaño y erosione competencias fundamentales. La conclusión implícita es que el problema no es solo tecnológico, sino estratégico: las universidades deberán decidir si la IA será un simple atajo operativo o una herramienta integrada críticamente dentro de un nuevo modelo educativo.

El informe Faculty Views on AI refleja una posición profundamente ambivalente del profesorado universitario ante la inteligencia artificial generativa. Por un lado, una mayoría reconoce que estas herramientas ya están siendo útiles para mejorar ciertos aspectos de la docencia; por otro, existe una preocupación muy fuerte por su impacto negativo en el aprendizaje, la ética académica y la falta de regulación institucional. El estudio combina datos de una encuesta de The Chronicle of Higher Education a 425 docentes en 2025 y otra de la American Association of Colleges and Universities (AAC&U) a 1.057 profesores de educación superior en 2025, lo que permite observar tendencias consolidadas en el ámbito universitario.

Uno de los datos más significativos es que el profesorado ya está incorporando la IA a su trabajo cotidiano. El 78 % afirma haber utilizado herramientas de IA para crear o editar textos, lo que indica que estas aplicaciones se están convirtiendo en asistentes habituales para redactar materiales, instrucciones o contenidos académicos. Además, el 55 % las ha empleado para crear o revisar cuestionarios, exámenes u otras evaluaciones, mientras que el 40 % dice haberlas usado para elaborar o modificar programas docentes (syllabi). También el 36 % las ha utilizado para crear o editar imágenes, señal de que la IA comienza a desempeñar un papel relevante en la producción de recursos visuales para las clases. Estos porcentajes muestran que, lejos de ser una novedad marginal, la IA ya forma parte de las prácticas docentes en muchas instituciones.

Sin embargo, junto a este uso creciente aparecen temores muy marcados sobre sus consecuencias educativas. El 90 % del profesorado considera que el uso de IA reducirá las capacidades de pensamiento crítico del alumnado, lo que revela una inquietud central: que los estudiantes deleguen procesos intelectuales complejos en la máquina y pierdan autonomía analítica. Asimismo, el 83 % cree que la IA disminuirá la capacidad de atención, reforzando la idea de que el acceso inmediato a respuestas puede fomentar hábitos de concentración superficial. Otro dato especialmente revelador es que el 78 % sostiene que el fraude académico o las trampas en el campus han aumentado desde que la IA se popularizó, lo que sitúa la integridad académica como una de las grandes preocupaciones actuales.

A estos temores se suma un problema institucional importante: la ausencia de normas claras. Más de seis de cada diez profesores afirman que sus universidades carecen de directrices claras sobre cómo debe usarse la IA por parte del profesorado. Esto genera incertidumbre y respuestas desiguales entre departamentos o facultades. En muchos casos, cada docente decide por su cuenta si la permite, la restringe o la integra, lo que produce incoherencia pedagógica y desconcierto entre los estudiantes. El informe subraya que las universidades necesitan definir con mayor claridad qué papel desean otorgar a estas tecnologías y comunicarlo de forma transparente a toda la comunidad académica.

Entre quienes todavía no utilizan IA para mejorar materiales docentes, las razones principales también resultan reveladoras. La objeción más citada son los problemas éticos, seguida de las dudas sobre si realmente ayuda a aprender mejor, las preocupaciones medioambientales y de sostenibilidad, y finalmente los temores relacionados con privacidad y derechos de autor. Esto demuestra que la resistencia no se debe únicamente a desconocimiento tecnológico, sino también a debates legítimos sobre valores, impacto social y calidad educativa.

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.

¿Deberían las escuelas prohibir la IA? La pregunta que no podemos ignorar ahora mismo

The AI School Librarian. “Should Schools Pause AI? The Question We Cannot Ignore Right Now.” The AI School Librarians Newsletter, April 17, 2026. https://aischoollibrarian.substack.com/p/should-schools-pause-ai-the-question

El artículo analiza la propuesta de pausar durante cinco años la inteligencia artificial en las escuelas por riesgos relacionados con aprendizaje, privacidad, salud mental y falta de evidencias sólidas sobre sus beneficios. Aunque reconoce esos peligros, sostiene que prohibirla no evitará su uso fuera del aula y dejaría al alumnado sin orientación crítica ni formación adecuada. Concluye que la mejor opción es una integración prudente: regulación clara, protección de datos, capacitación docente y alfabetización digital crítica.

El artículo aborda uno de los debates más relevantes y urgentes en el ámbito educativo contemporáneo: si las escuelas deberían suspender temporalmente el uso de la inteligencia artificial generativa. El texto parte de una propuesta impulsada por una coalición liderada por Fairplay, que reclama una pausa de cinco años en el uso de herramientas de IA orientadas al alumnado en centros de educación infantil, primaria y secundaria. Esta petición representa una de las críticas públicas más contundentes hasta la fecha contra la expansión de la IA en la enseñanza, y refleja un cambio importante en la conversación pública: ya no se discute solo qué puede hacer la IA, sino qué efectos reales está teniendo sobre los estudiantes.

La coalición justifica su propuesta señalando múltiples riesgos todavía insuficientemente comprendidos. Entre ellos destacan las posibles consecuencias sobre el desarrollo cognitivo, ya que una dependencia excesiva de herramientas automáticas podría debilitar habilidades como el pensamiento crítico, la resolución de problemas o la capacidad de redacción autónoma. También se mencionan impactos potenciales sobre el desarrollo social y emocional, dado que el aprendizaje escolar no consiste únicamente en adquirir contenidos, sino en interactuar con docentes y compañeros, debatir, equivocarse y construir conocimiento en comunidad. Además, el artículo recoge inquietudes relativas a la salud mental, la integridad académica y la privacidad de los datos estudiantiles.

Uno de los argumentos más sólidos que reconoce el autor es la falta de evidencia empírica robusta. Aunque la IA se presenta con frecuencia como una revolución educativa, todavía existen escasos estudios longitudinales que demuestren mejoras sostenidas y consistentes en los resultados de aprendizaje gracias a estas herramientas. Gran parte del entusiasmo actual se basa en promesas, hipótesis y potencialidades, más que en pruebas consolidadas. En otras palabras, se está implantando una tecnología a gran escala antes de comprender plenamente sus consecuencias pedagógicas.

El texto también critica la forma desigual y precipitada con la que muchas instituciones educativas están adoptando estas herramientas. Algunos centros han desarrollado marcos claros, objetivos definidos, protocolos de uso y criterios éticos. Sin embargo, otros han introducido la IA sin suficiente formación docente, sin políticas transparentes y sin tiempo para reflexionar sobre su integración. Esta implantación improvisada genera incertidumbre y puede aumentar desigualdades entre estudiantes y escuelas. A ello se suma el problema persistente de la privacidad: muchas plataformas de IA no explican con claridad cómo almacenan, procesan o utilizan los datos de los menores.

No obstante, el autor considera que una pausa total de cinco años presenta serias limitaciones. Señala que prohibir la IA en la escuela no impediría que los estudiantes la utilicen fuera del aula. Por el contrario, los jóvenes ya interactúan con estas herramientas en sus hogares, teléfonos móviles y redes digitales, y seguirán haciéndolo. Si la escuela se retira del debate, la IA no desaparece: simplemente pasa a utilizarse en espacios sin supervisión adulta, sin orientación crítica y sin acompañamiento pedagógico. Desde esta perspectiva, excluir la IA del entorno escolar puede dejar a los estudiantes más vulnerables y menos preparados.

El artículo establece además un paralelismo con lo ocurrido años atrás con las redes sociales. Plataformas como Facebook, Instagram o TikTok se convirtieron en elementos centrales de la vida juvenil mientras muchas escuelas optaban por ignorarlas o restringirlas sin enseñar realmente cómo funcionan. No se explicó de forma sistemática cómo operan los algoritmos, cómo capturan la atención o cómo circula la desinformación. Como resultado, muchos estudiantes aprendieron por ensayo y error, a veces sufriendo daños. El autor sugiere que con la IA podría repetirse ese mismo error histórico si las escuelas responden únicamente con prohibiciones.

En el fondo, el texto plantea una tensión compleja entre dos verdades simultáneas. La primera es que la IA introduce riesgos reales en el aprendizaje, la privacidad y el desarrollo de los estudiantes. La segunda es que esta tecnología se está integrando rápidamente en la sociedad y en el mundo laboral al que los jóvenes accederán en el futuro. Por ello, el verdadero dilema no es simplemente si la IA pertenece o no a la escuela, sino cómo evitar tanto una adopción precipitada como un rechazo absoluto.

Como conclusión, el artículo defiende una posición intermedia basada en prudencia, regulación y alfabetización crítica. En lugar de acelerar sin control o prohibir sin alternativa, propone que las escuelas diseñen políticas claras, formen al profesorado, evalúen evidencias, protejan datos y enseñen a los estudiantes a comprender las limitaciones y riesgos de estas herramientas. La cuestión no sería “usar o no usar IA”, sino cómo integrarla responsablemente en beneficio del aprendizaje humano.

Las humanidades y la humanidad en un mundo de IA: un manifiesto para educadores

Real Discussion. “Humanities and Humanity in an AI World: An Educator’s Manifesto.” Real Discussion. Accedido abril de 2026.

Texto completo

El manifiesto se articula como una llamada a la acción: recuperar el valor de lo humano en un entorno tecnológico acelerado. Propone que la educación del futuro debe centrarse en formar ciudadanos capaces de convivir con la inteligencia artificial sin perder su capacidad de juicio, su sensibilidad ética y su creatividad. En última instancia, sostiene que el objetivo no es competir con las máquinas, sino reafirmar aquello que nos hace irreductiblemente humanos: la capacidad de pensar, sentir, interpretar y dar sentido al mundo.

El manifiesto plantea una defensa firme del papel de las humanidades en un mundo cada vez más dominado por la inteligencia artificial, subrayando que el verdadero desafío no es tecnológico, sino profundamente humano. En este contexto, la educación se convierte en el principal campo de batalla donde se decide si la IA será una herramienta al servicio del desarrollo humano o un sustituto de capacidades esenciales como el pensamiento crítico, la creatividad y la reflexión ética. El texto advierte que el riesgo no reside únicamente en la automatización, sino en la posible delegación de procesos cognitivos fundamentales a sistemas algorítmicos, lo que podría empobrecer la experiencia educativa y reducir la autonomía intelectual de los estudiantes.

El documento insiste en que las humanidades —filosofía, literatura, historia, artes— no son disciplinas accesorias, sino el núcleo que permite interpretar el mundo, cuestionarlo y dotarlo de significado. Frente a una IA capaz de generar respuestas rápidas y aparentemente coherentes, el manifiesto reivindica la lentitud del pensamiento crítico, la ambigüedad como espacio de aprendizaje y el error como parte indispensable del proceso educativo. En este sentido, alerta sobre el peligro de que los estudiantes utilicen la inteligencia artificial como sustituto del esfuerzo intelectual, debilitando su capacidad para argumentar, analizar y crear conocimiento propio.

Asimismo, el manifiesto propone una pedagogía renovada que no rechaza la inteligencia artificial, pero sí exige una integración consciente y crítica. La IA debe ser utilizada como apoyo, nunca como reemplazo del pensamiento humano. Esto implica rediseñar las metodologías educativas para priorizar habilidades que las máquinas no pueden replicar plenamente, como la empatía, el juicio ético, la interpretación contextual y la imaginación. En esta línea, coincide con otros enfoques humanistas que subrayan que la educación no puede reducirse a eficiencia o productividad, sino que debe cultivar la dimensión moral y relacional del ser humano.

Otro eje fundamental del texto es la defensa de la autonomía del profesorado. Los docentes no deben convertirse en meros supervisores de herramientas tecnológicas, sino seguir siendo guías intelectuales capaces de orientar el aprendizaje desde una perspectiva crítica. El manifiesto advierte que una adopción acrítica de la IA en el aula puede desplazar la autoridad pedagógica hacia sistemas automatizados diseñados por grandes corporaciones, lo que plantea riesgos no solo educativos, sino también políticos y culturales.

Explorar la inteligencia artificial en educación: guía práctica para una integración pedagógica crítica y creativa

Arbó Trabado, Andreu, Mònica Blasco Paüls, Maria de Lluc Coli Mulet, Mar Fernández Montenegro, Jordi Planes Cid, Gerard Santiveri Ribalta, Cristina Torrent Pujol, Javier Badia Clavera, Oriol Capdevila Morro, Anna de Dios Pifarré, et al. Guia: Explorant la Intel·ligència Artificial (IA). Lleida: Universitat de Lleida, Institut de Ciències de l’Educació, 2025.

Texto completo

La obra Guia: Explorant la Intel·ligència Artificial (IA) constituye un recurso educativo desarrollado por el grupo de trabajo del Institut de Ciències de l’Educació de la Universitat de Lleida con el propósito de acercar la inteligencia artificial al ámbito docente desde una perspectiva práctica, aplicada y pedagógicamente fundamentada. El documento se enmarca en un contexto de creciente digitalización de la educación y responde a la necesidad de dotar al profesorado de herramientas que faciliten la integración efectiva de tecnologías emergentes en el aula, no solo como instrumentos técnicos, sino como elementos que transforman los procesos de enseñanza-aprendizaje.

Uno de los ejes centrales de la guía es su orientación práctica. A diferencia de aproximaciones teóricas o meramente conceptuales, el documento recopila experiencias reales de aplicación de la inteligencia artificial en distintos niveles educativos y áreas curriculares. Estas experiencias incluyen propuestas para mejorar la comprensión lectora, el aprendizaje de lenguas, la resolución de problemas matemáticos o incluso la creación musical mediante herramientas de IA. Cada actividad está cuidadosamente estructurada, incorporando objetivos pedagógicos, instrucciones paso a paso, resultados obtenidos y una reflexión crítica sobre sus fortalezas y limitaciones, lo que convierte la guía en un instrumento directamente transferible al aula.

Además, la guía no se limita a promover el uso instrumental de la inteligencia artificial, sino que insiste en la necesidad de desarrollar una actitud crítica y reflexiva hacia estas tecnologías. En este sentido, plantea la importancia de que tanto docentes como estudiantes comprendan las implicaciones éticas, sociales y educativas de la IA, fomentando un uso responsable, creativo y consciente. La propuesta pedagógica subyacente apuesta por una integración equilibrada en la que la tecnología no sustituya al docente, sino que amplifique sus capacidades y enriquezca la experiencia educativa.

Otro aspecto relevante es la organización de los contenidos, que facilita su accesibilidad y aplicabilidad. Las actividades están clasificadas tanto por áreas de conocimiento como por herramientas de inteligencia artificial, lo que permite a los docentes seleccionar fácilmente aquellas propuestas más adecuadas a sus necesidades. Asimismo, la inclusión de materiales complementarios, como presentaciones para trabajar con el alumnado, refuerza el carácter didáctico de la obra y su vocación de ser utilizada como guía de referencia en contextos educativos diversos.

En conjunto, la guía representa una aportación significativa al campo de la innovación educativa, al ofrecer un modelo concreto de incorporación de la inteligencia artificial en el aula basado en la experimentación, la reflexión crítica y la mejora continua. Su enfoque combina la dimensión técnica con la pedagógica, contribuyendo a preparar al profesorado para afrontar los retos y oportunidades que plantea la inteligencia artificial en la educación contemporánea.

Integridad académica en la era de la Inteligencia Artificial Generativa (IAG). Planeta biblioteca 2026/04/09.

Integridad académica en la era de la Inteligencia Artificial Generativa (IAG)

Planeta biblioteca 2026/04/09.

ESUCHAR

Descargar

En esta ocasión, Julio Alonso Arévalo analiza el impacto de la inteligencia artificial generativa en la integridad académica, destacando su rápida adopción y su utilidad en la investigación y la escritura. Señala que estas herramientas plantean riesgos como el plagio, la falta de originalidad, la generación de información falsa (alucinaciones) y el uso no declarado en publicaciones científicas. Asimismo, expone evidencias del aumento de textos académicos asistidos por IA y de problemas reales derivados de su uso indebido. Aborda también las limitaciones de los detectores de contenido generado por IA, subrayando su falta de fiabilidad y sus sesgos. Propone, además, medidas como el desarrollo de políticas claras, el uso de herramientas tecnológicas de detección y la alfabetización en IA para fomentar un uso ético y crítico. Concluye que la IA es una herramienta valiosa, pero no sustituye el pensamiento humano, siendo fundamentales la transparencia, la formación y la responsabilidad en su uso.

La mayoría de los estudiantes universitarios utilizan IA a pesar de que sus instituciones desaconsejan su uso

Lumina Foundation y Gallup. State of Higher Education Study. 2025. https://www.gallup.com/file/analytics/704279/Lumina-Foundation-Gallup-SOHE_AI_Report.pdf

El avance de la inteligencia artificial en la educación superior se ha consolidado con una rapidez que contrasta con la lentitud institucional para regular su uso. Un estudio reciente de la Lumina Foundation y Gallup revela que la mayoría de los estudiantes universitarios emplea herramientas como ChatGPT, Microsoft Copilot y Google Gemini de forma habitual en sus tareas académicas.

En concreto, el 57 % afirma utilizarlas diaria o semanalmente, mientras que solo un 13 % declara no usarlas nunca. Sin embargo, más de la mitad de los estudiantes (53 %) indica que sus instituciones desaconsejan o prohíben su uso, y un 52 % señala la ausencia de directrices claras en al menos algunas de sus asignaturas. Este desajuste evidencia una brecha significativa entre la práctica estudiantil y la normativa académica.

En cuanto a los motivos de uso, los estudiantes recurren a la inteligencia artificial principalmente como herramienta de apoyo al aprendizaje. Entre quienes la utilizan al menos mensualmente, el 86 % destaca su utilidad para comprender materiales complejos, mientras que otros beneficios señalados incluyen el ahorro de tiempo (76 %), la mejora del rendimiento académico (70 %) y la preparación para el futuro profesional (65 %). Las aplicaciones más comunes consisten en resolver dudas sobre contenidos difíciles y verificar respuestas en tareas, actividades que al menos seis de cada diez usuarios realizan con frecuencia semanal o diaria. Por otro lado, quienes evitan estas herramientas lo hacen mayoritariamente por razones éticas: el 74 % considera su uso como una forma de hacer trampa, y el 68 % menciona las restricciones institucionales, frente a un reducido 14 % que alude a la falta de conocimientos técnicos.

A pesar de la expansión del uso de la IA, las políticas universitarias no han evolucionado al mismo ritmo. Solo un 7 % de los estudiantes afirma que su institución fomenta activamente el uso de estas herramientas, mientras que el 42 % señala que se desaconsejan en la mayoría de los casos y un 11 % indica que están prohibidas. No obstante, incluso en contextos restrictivos, el uso persiste: el 48 % de los estudiantes en instituciones que lo desaconsejan continúa utilizándolas semanalmente, al igual que el 27 % en aquellas donde están prohibidas. Además, la claridad normativa es desigual: únicamente el 51 % de los estudiantes de universidades de cuatro años y el 43 % de los de instituciones de dos años afirman que todas sus asignaturas cuentan con políticas claras sobre inteligencia artificial.

El impacto de la IA trasciende el ámbito académico y alcanza las expectativas laborales de los estudiantes. Casi la mitad (47 %) reconoce haber considerado cambiar de carrera debido a la influencia de la inteligencia artificial en el mercado laboral, y un 16 % afirma haberlo hecho ya. Asimismo, un 12 % señala que esta preocupación ha influido en su decisión de acceder a la educación superior. Aunque el 58 % considera adecuada la formación recibida en inteligencia artificial, cerca de tres de cada diez estudiantes creen que es insuficiente, cifra que aumenta en instituciones con políticas más restrictivas.

En conjunto, los resultados ponen de manifiesto un momento crítico para las instituciones educativas, que deben decidir si abordar la inteligencia artificial como un problema de control o como una oportunidad pedagógica. La evidencia sugiere que, con marcos normativos adecuados, la IA podría integrarse como una herramienta clave para el aprendizaje y la preparación profesional, en lugar de limitarse a ser objeto de prohibición.