Archivo de la etiqueta: Enseñanza

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 91 % de los estudiantes de último curso en Yale ya utiliza inteligencia artificial para sus trabajos académicos: la universidad frente a una nueva realidad educativa

Yale Daily News. “91 Percent of Senior Class Has Used AI for Schoolwork, News Survey Finds.” Yale Daily News, 16 de mayo de 2026. Disponible en: Yale Daily News

Un reciente estudio publicado por el periódico universitario Yale Daily News revela un dato que confirma hasta qué punto la inteligencia artificial generativa se ha integrado en la vida académica contemporánea: el 91 % de los estudiantes que integran la promoción 2026 de Yale University ha utilizado herramientas de inteligencia artificial para realizar algún tipo de trabajo académico durante su etapa universitaria.

La encuesta, realizada de manera anónima entre 172 estudiantes de último curso, ofrece una radiografía muy significativa sobre cómo tecnologías como ChatGPT y otros sistemas de IA han dejado de ser una novedad experimental para convertirse en parte habitual del ecosistema educativo universitario.

Los resultados muestran que únicamente un 9,1 % de los encuestados afirmó no haber utilizado nunca herramientas de inteligencia artificial en tareas relacionadas con sus estudios. La mayoría, concretamente un 67,5 %, declaró emplearlas de manera ocasional, frecuente o muy frecuente, lo que evidencia que el uso de estas tecnologías ha alcanzado niveles de normalización impensables apenas tres años atrás, cuando la irrupción pública de modelos generativos como ChatGPT abrió un intenso debate internacional sobre plagio, autoría, originalidad y el futuro mismo del aprendizaje universitario. La generación que se gradúa en 2026 aparece así como la primera cohorte académica que ha convivido plenamente con la IA durante gran parte de su formación superior.

La encuesta también permite observar cómo se utiliza concretamente la inteligencia artificial en el trabajo universitario. Más del 75 % de los estudiantes reconoció haber empleado estas herramientas para resolver ejercicios o problem sets, una práctica especialmente extendida en disciplinas técnicas, matemáticas y científicas. Un 64 % admitió utilizar IA para ayudar en la redacción de ensayos o trabajos escritos, mientras que uno de los datos más llamativos señala que casi la mitad de los estudiantes —48,5 %— afirmó haber usado inteligencia artificial incluso para colaborar en la elaboración de su tesis final o senior thesis, un tipo de trabajo que tradicionalmente representa la culminación intelectual individual del proceso universitario. Este dato plantea interrogantes profundos sobre cómo deberán redefinirse en el futuro conceptos como esfuerzo individual, originalidad académica o evaluación del aprendizaje.

Más allá de las cifras, el estudio refleja un cambio cultural profundo dentro de la educación superior. La universidad, históricamente concebida como un espacio donde se desarrollan capacidades de análisis crítico, escritura autónoma y construcción gradual del conocimiento, se enfrenta ahora a una tecnología capaz de automatizar precisamente parte de esos procesos cognitivos. Esto genera una paradoja cada vez más visible: mientras muchas instituciones educativas mantienen restricciones severas sobre el uso de inteligencia artificial por considerarla una amenaza para la integridad académica, el mercado laboral empieza simultáneamente a exigir competencias avanzadas en el manejo de estas herramientas. De esta forma, los estudiantes viven en un escenario contradictorio donde lo que en el aula puede considerarse una forma de hacer trampa, en el ámbito profesional comienza a verse como una habilidad necesaria.

Diversos estudios complementarios publicados durante 2026 confirman que el caso de Yale no es una excepción aislada sino parte de una tendencia global. Investigaciones de organizaciones como Gallup muestran que una mayoría creciente de estudiantes universitarios utiliza inteligencia artificial semanalmente para comprender conceptos complejos, revisar ejercicios, mejorar textos, resumir apuntes o desarrollar ideas para trabajos académicos. Paralelamente, una parte importante del profesorado expresa preocupación creciente por el posible deterioro de habilidades fundamentales como la escritura autónoma, el pensamiento crítico o la capacidad de razonamiento independiente, elementos que tradicionalmente constituyen la esencia misma del aprendizaje universitario.

En definitiva, el caso de Yale University ilustra con claridad que la educación superior se encuentra en medio de una transformación estructural sin precedentes. La pregunta central ya no parece ser si los estudiantes utilizan inteligencia artificial, porque las cifras demuestran que su adopción es prácticamente universal, sino cómo deberán adaptarse las universidades para integrar esta nueva realidad sin sacrificar los principios fundamentales del aprendizaje. Más que prohibir o aceptar acríticamente estas tecnologías, el verdadero desafío educativo del futuro inmediato será redefinir qué significa aprender, crear conocimiento y demostrar competencia intelectual en una era donde la inteligencia artificial se ha convertido en una extensión cotidiana del trabajo humano.

Cómo la IA generativa podría transformar el aprendizaje y el desarrollo

Goel, Sagar y Shubhankar Sohoni. “How Gen AI Could Transform Learning and Development.” Harvard Business Review, septiembre de 2025. https://hbr.org/2025/09/how-gen-ai-could-transform-learning-and-development

La inteligencia artificial generativa está empezando a redefinir el campo del aprendizaje y el desarrollo (L&D) dentro de las organizaciones, especialmente en el contexto corporativo. Los autores parten de una constatación clave: aunque muchas empresas invierten grandes recursos en formación, los métodos tradicionales de capacitación suelen ser genéricos, poco personalizados y desconectados del trabajo real. En este escenario, la IA generativa emerge como una herramienta capaz de transformar radicalmente la forma en que los empleados adquieren y desarrollan habilidades, ofreciendo experiencias de aprendizaje más adaptadas, dinámicas y continuas.

Uno de los principales argumentos del texto es que la IA puede funcionar como un “tutor personal” a gran escala. A diferencia de los modelos formativos tradicionales, la IA generativa permite diseñar itinerarios de aprendizaje individualizados, ajustados al rol, nivel de competencia y necesidades específicas de cada trabajador. Esto abre la posibilidad de una formación más contextualizada y eficiente, en la que los empleados pueden aprender directamente en el flujo de trabajo (“learning in the flow of work”), recibiendo apoyo inmediato y relevante en función de los problemas que enfrentan en tiempo real. Según el artículo, esta personalización no solo mejora la eficacia del aprendizaje, sino que también incrementa el compromiso y la motivación de los usuarios.

Sin embargo, el texto destaca que la IA generativa no sustituye el papel humano en el aprendizaje, sino que lo complementa y lo potencia. Los formadores, líderes de equipo y responsables de recursos humanos siguen siendo fundamentales para orientar, dar sentido y contextualizar el proceso formativo. Sin embargo, la IA introduce un cambio de paradigma al ampliar el alcance del aprendizaje, reducir costes y permitir una escalabilidad sin precedentes. El resultado es una transformación profunda del ecosistema de aprendizaje organizacional, donde la tecnología actúa como facilitadora de un desarrollo más continuo, personalizado y estratégico del talento.

La falsa percepción del uso de IA: cuando creer que todos la usan termina haciendo que todos la usen

Fasiang, Kristin, y Jill Barshay. 2026. “Is Everyone Using AI? How False Perceptions Can Become Self-Fulfilling.” MindShift (KQED) / The Hechinger Report, 8 de junio de 2026. https://www.kqed.org/mindshift/66379/is-everyone-using-ai-how-false-perceptions-can-become-self-fulfilling

El artículo aborda una cuestión clave en el contexto actual de la educación superior: no se sabe con precisión cuántos estudiantes utilizan realmente herramientas de inteligencia artificial como ChatGPT, y esa incertidumbre está influyendo tanto en la percepción social como en las políticas universitarias.

El punto de partida es un estudio realizado en la Universidad de Chicago con 338 estudiantes de grado. Los resultados muestran una discrepancia significativa: el 60 % afirma utilizar herramientas de IA, mientras que el 90 % cree que la mayoría de sus compañeros también las usa. Esta diferencia de 30 puntos plantea varias posibilidades: que los estudiantes subestimen su propio uso, que sobreestimen el de los demás o ambas cosas simultáneamente. En cualquier caso, el resultado es una visión distorsionada del fenómeno.

Los investigadores señalan que esta distorsión puede estar provocada por la llamada “sesgo de deseabilidad social”. Es decir, los estudiantes pueden no declarar con sinceridad su uso de IA porque consideran que admitirlo podría asociarse con pereza, falta de esfuerzo o incluso deshonestidad académica. En entrevistas complementarias, algunos estudiantes equiparan el uso de IA con no ser capaz de realizar el trabajo por sí mismos, lo que refuerza el estigma y favorece el ocultamiento.

Sin embargo, el artículo también plantea una explicación alternativa: la sobreestimación del uso de IA entre compañeros. Dado que estas herramientas son muy visibles en la vida cotidiana universitaria —pantallas abiertas con ChatGPT, conversaciones sobre su uso, referencias constantes en clase— los estudiantes pueden asumir que su uso es mucho más generalizado de lo que realmente es. Esta combinación de invisibilidad del uso real y visibilidad del discurso genera un efecto de “normalización percibida”.

El texto conecta este fenómeno con un concepto bien conocido en ciencias sociales: la “ignorancia pluralista”. Este ocurre cuando las personas creen erróneamente que los demás se comportan de manera distinta (generalmente más extrema o más frecuente) que la realidad. Un paralelismo clásico se observa en el consumo de alcohol o drogas en campus universitarios, donde los estudiantes suelen sobrestimar cuánto beben o consumen sus compañeros.

Estas percepciones erróneas no son inocuas. El artículo recuerda que en estudios sobre salud pública se ha demostrado que cuando los estudiantes creen que “todo el mundo bebe”, tienden a beber más ellos mismos. Es decir, la percepción social puede convertirse en una profecía autocumplida. Si los estudiantes creen que el uso de IA es casi universal, pueden sentirse presionados a adoptarlo para no quedarse atrás, aunque en realidad no sea tan extendido.

En este sentido, los investigadores advierten de un riesgo importante para las universidades: diseñar políticas sobre inteligencia artificial basadas en suposiciones y no en datos fiables. Si las instituciones asumen que la IA es omnipresente sin evidencias sólidas, podrían establecer normas excesivamente restrictivas o, por el contrario, demasiado permisivas.

El artículo también sugiere que las universidades podrían aprender de estrategias aplicadas en salud pública. En el caso del alcohol, algunas campañas dejaron de enfatizar el problema del consumo excesivo y empezaron a comunicar datos reales que mostraban que la mayoría de estudiantes bebía con moderación. Esta corrección de percepciones contribuyó a reducir comportamientos de riesgo.

Finalmente, el texto concluye que la gestión del uso de la IA en educación no solo depende de normas tecnológicas o académicas, sino también de cómo se construyen las percepciones sociales. Si los estudiantes creen que el uso de IA es la norma absoluta, esa creencia puede moldear su comportamiento, independientemente de la realidad estadística. Por ello, los autores subrayan la necesidad de investigar mejor estos patrones y comunicar datos más precisos para evitar dinámicas de presión social y uso inducido.

Inteligencia artificial y educación

Díaz-Noguera, María Dolores, Carlos Hervás-Gómez y Fulgencio Sánchez-Vera (coords.). 2024. Artificial Intelligence and Education. Granada: Editorial Octaedro. https://octaedro.com/libro/artificial-intelligence-and-education/

El libro ofrece una visión amplia y multidisciplinar sobre el impacto de la inteligencia artificial (IA) en la educación contemporánea, analizando sus implicaciones pedagógicas, éticas y sociales. A través de diferentes capítulos escritos por especialistas internacionales, la obra examina cómo la IA está transformando los procesos de enseñanza y aprendizaje, desde la educación primaria hasta la universidad, y cómo estas tecnologías están redefiniendo las competencias docentes y estudiantiles en la era digital.

Uno de los ejes centrales del volumen es el potencial de la IA para mejorar la accesibilidad y la inclusión educativa. Se presentan experiencias y estudios sobre el uso de chatbots, sistemas adaptativos y herramientas digitales que favorecen el aprendizaje personalizado y la atención a la diversidad, especialmente en contextos de discapacidad o necesidades educativas específicas. Al mismo tiempo, se subraya la importancia de diseñar estas tecnologías desde principios de equidad y diseño universal del aprendizaje.

Otro bloque relevante aborda los desafíos éticos y académicos derivados de la incorporación de la IA en la educación, como la integridad académica, la privacidad de los datos, la fiabilidad de los sistemas automatizados y el desarrollo del pensamiento crítico. Los autores insisten en la necesidad de una implementación responsable, donde la tecnología actúe como apoyo y no como sustituto del juicio humano.

La obra plantea una reflexión de fondo sobre la colaboración entre humanos y máquinas en la sociedad del conocimiento. Lejos de una visión puramente instrumental, se defiende un enfoque en el que la IA amplía las capacidades humanas, pero exige también nuevas competencias críticas, pedagógicas y éticas para garantizar una educación más justa, inclusiva y sostenible.

Las cinco prioridades tecnológicas en educación en 2026

Kelly, R. (2026, 20 de mayo). Education’s Top 5 Technology Priorities and the Challenges Standing in the Way. THE Journal. https://thejournal.com/articles/2026/05/20/educationes-top-5-technology-priorities-and-the-challenges-standing-in-the-way.aspx

El artículo analiza los resultados del informe State of EdTech de CoSN, que ofrece una panorámica de las principales prioridades tecnológicas en el ámbito educativo en Estados Unidos para 2026, así como de los obstáculos que dificultan su implementación efectiva. El estudio, basado en encuestas a más de 600 responsables tecnológicos de distritos escolares, revela que la educación atraviesa una fase de intensa transformación digital marcada por la expansión de la inteligencia artificial, la preocupación por la ciberseguridad y las limitaciones estructurales de financiación y personal.

La primera gran conclusión del informe es que la ciberseguridad se mantiene como la prioridad número uno en los sistemas educativos. Le siguen la privacidad y protección de datos, la integración de la inteligencia artificial generativa, la optimización del presupuesto tecnológico y la modernización de la infraestructura de red. Este orden refleja un cambio progresivo en las preocupaciones del sector, donde la protección de los sistemas digitales y de los datos de estudiantes y personal se ha convertido en un elemento crítico debido al aumento de incidentes cibernéticos en instituciones educativas y a la creciente dependencia de plataformas digitales para la gestión académica y administrativa.

Uno de los hallazgos principales del informe es que la ciberseguridad sigue siendo la prioridad número uno para estos responsables. La mayoría de los distritos está invirtiendo en sistemas de monitorización, detección de amenazas, protección de identidades y cortafuegos para garantizar la seguridad de las redes y la continuidad del aprendizaje. Sin embargo, el informe señala una brecha importante entre responsabilidad y capacidad de respuesta: alrededor del 65% de los encuestados identifica la falta de personal especializado en ciberseguridad y la ausencia de presupuestos específicos como los principales obstáculos para afrontar estos retos. Este problema se agrava por el aumento del coste de los seguros cibernéticos y por la aparición de ciberataques potenciados por inteligencia artificial, lo que incrementa la presión sobre los recursos disponibles.

En relación con la inteligencia artificial, el informe destaca un avance notable en la adopción de marcos normativos y de orientación para su uso responsable. Más del 75% de los distritos ya cuentan con directrices sobre IA, lo que supone un aumento significativo respecto al año anterior. Los líderes educativos valoran positivamente la orientación de las agencias estatales de educación, aunque rechazan en su mayoría la imposición de mandatos rígidos, defendiendo la importancia de la autonomía local en la toma de decisiones.

El estudio también muestra un cambio importante en la percepción de la inteligencia artificial dentro del sector educativo. En tan solo un año, los responsables tecnológicos han incrementado de forma considerable su optimismo sobre el potencial de la IA, especialmente en áreas como la productividad, la personalización del aprendizaje, la tutoría estudiantil y la preparación para el mercado laboral. De hecho, la productividad es el ámbito donde se percibe mayor impacto positivo, con un 96% de líderes que consideran que la IA puede mejorar la educación.

Además, el informe señala que más de la mitad de los distritos ya implementan iniciativas de IA centradas en la mejora de la productividad administrativa y docente, mientras que un 41% trabaja en plataformas educativas para apoyar la enseñanza y el aprendizaje. Además, el uso de la IA en operaciones internas ha crecido de forma notable, pasando del 37% al 64% en un solo año. En conjunto, el estudio refleja un sistema educativo en transición, donde la adopción de la inteligencia artificial avanza rápidamente, pero sigue condicionada por desigualdades de recursos, capacidades organizativas y necesidades de regulación equilibrada..

Escribir bajo sospecha: el impacto de los detectores de inteligencia artificial en estudiantes y docentes

Agranovsky, Nathan. 2026. “AI Detectors Are Failing Our Students.” The AI School Librarian (Substack), 13 de abril de 2026. https://aischoollibrarian.substack.com/p/ai-detectors-are-failing-our-students

El artículo analiza críticamente el uso creciente de detectores de inteligencia artificial en entornos educativos y sostiene que estas herramientas, lejos de resolver el problema del uso indebido de la IA, están generando nuevos efectos adversos en el aprendizaje y la evaluación.

Un estudio reciente, AI Writing Detectors Are Ineffective, Unreliable, and Harmful de Louie Giray, reúne evidencias crecientes y plantea una idea clara: los detectores de escritura con IA no son lo bastante fiables para ser usados en la toma de decisiones educativas, y utilizarlos así puede causar un daño real al alumnado.

En particular, se señala que los estudiantes no nativos de inglés son desproporcionadamente afectados por estas herramientas, ya que sus producciones escritas tienden a ser más estructuradas o menos idiomáticas, lo que los algoritmos interpretan erróneamente como patrones artificiales. Este fenómeno no constituye un simple margen de error aceptable, sino un problema estructural que compromete la equidad del sistema de evaluación.

En primer lugar, se argumenta que los detectores de IA no identifican realmente la autoría del texto, sino que funcionan mediante métricas probabilísticas como la perplejidad y la variabilidad de las frases, lo que los hace incapaces de distinguir de forma fiable entre un texto humano bien estructurado y uno generado por IA. Esto provoca un alto riesgo de falsos positivos, especialmente en estudiantes que escriben con estilo académico, siguen rúbricas estrictas o pertenecen a contextos multilingües.

Otro aspecto crítico que se aborda es la facilidad con la que estos sistemas pueden ser eludidos. El artículo señala que no se requieren conocimientos técnicos avanzados para modificar un texto generado por IA de forma que evite ser detectado. Cambios mínimos en la redacción, ajustes de tono o la combinación parcial de escritura humana y artificial pueden alterar significativamente los resultados del detector. Esto genera una situación paradójica: mientras algunos estudiantes pueden ser falsamente acusados sin haber utilizado IA, otros pueden emplearla de manera estratégica sin ser detectados, lo que introduce una profunda desigualdad en el sistema de evaluación.

Se dedica una parte importante al problema del sesgo, destacando que los detectores tienden a perjudicar especialmente a estudiantes multilingües o a aquellos que utilizan un lenguaje más simple o estructurado. Esta situación agrava desigualdades ya existentes en el sistema educativo, ya que estudiantes que están en proceso de adquisición de una lengua o que provienen de contextos educativos diversos tienen más probabilidades de ser señalados erróneamente. De este modo, la herramienta no solo falla en su precisión técnica, sino que también introduce un componente de injusticia sistemática.

El texto también señala que estas herramientas están alterando el comportamiento de los estudiantes, que empiezan a escribir “para el detector” en lugar de escribir para comunicar ideas. Esto conduce a una degradación del estilo, una mayor homogeneización del lenguaje y, en algunos casos, al uso defensivo de la IA para evitar ser penalizados injustamente.

Otro eje central del artículo es la dimensión ética y pedagógica: el uso de detectores desplaza la confianza del profesorado hacia sistemas opacos que no pueden demostrar autoría ni intención. Incluso los propios desarrolladores de estas herramientas reconocen su falta de fiabilidad, lo que cuestiona su uso como base para sanciones académicas.

A partir de ejemplos concretos, el artículo ilustra la situación habitual en muchas aulas: un estudiante entrega un trabajo, el sistema lo marca como generado en gran parte por IA, y el docente debe decidir si confiar en la herramienta o en la palabra del estudiante, especialmente cuando no existen borradores u ուրիշ trazas del proceso de escritura. Este tipo de dilemas refleja una tensión creciente en la educación contemporánea, donde la autoridad del algoritmo compite con la evidencia humana sin que exista un criterio claro para resolver el conflicto.

Finalmente, el autor propone un cambio de enfoque: en lugar de depender de la detección, las instituciones deberían centrarse en la alfabetización en IA, la evaluación del proceso de escritura y la adaptación de las metodologías docentes a un entorno donde la IA ya forma parte del ecosistema de aprendizaje.

Adopción de la inteligencia artificial y tecnologías digitales en la educación superior

Qartuppi, S. de R.L. de C.V. 2025. Adopción de la inteligencia artificial y tecnologías digitales en la educación superior. Volumen 1. Hermosillo: Qartuppi.

Vol. 1

Vol. 2

Esta obra examina el impacto disruptivo de las tecnologías digitales en la educación superior, resaltando su influencia en las metodologías pedagógicas, los perfiles profesionales y la relación entre el aula y la sociedad. A lo largo de sus capítulos multidisciplinarios, explora aplicaciones que van desde el ámbito de la salud hasta el uso de asistentes virtuales y la realidad virtual, destacando las oportunidades para la innovación docente. Además, aborda los desafíos éticos emergentes y la urgencia de actualizar los perfiles curriculares para integrar la inteligencia artificial de manera efectiva. Con un enfoque que equilibra la innovación tecnológica y la reflexión ética, este libro propone una educación más inclusiva y adaptable a los desafíos del futuro.

El problema de la primera respuesta: cómo la IA está cambiando la forma de pensar, verificar y aprender

“The First Answer Problem: The hidden impact of AI-generated answers on student thinking, verification, and access to information”. Publicado en la newsletter AI School Librarian en Substack. Disponible en: AI School Librarian – The First Answer Problem

Se analiza uno de los efectos más profundos y menos visibles de la inteligencia artificial generativa en la educación: el desplazamiento del proceso de búsqueda, reflexión y verificación por respuestas inmediatas generadas automáticamente. La autora sostiene que el problema no es únicamente que los estudiantes utilicen herramientas como ChatGPT o los resúmenes automáticos de buscadores, sino que estas tecnologías están modificando la manera en que las personas se relacionan con el conocimiento. En lugar de recorrer distintas fuentes, contrastar perspectivas y construir criterios propios, los usuarios tienden a aceptar la “primera respuesta” producida por la IA como si fuese una síntesis objetiva y suficiente de la realidad.

El texto explica que durante décadas el proceso de búsqueda de información implicaba una serie de pasos cognitivos importantes: formular preguntas, revisar resultados, distinguir entre fuentes fiables y dudosas, comparar interpretaciones y, finalmente, construir una conclusión propia. Con la irrupción de los sistemas de respuesta automática, gran parte de ese recorrido desaparece. El usuario recibe una respuesta cerrada, aparentemente coherente y redactada con autoridad. La consecuencia es que la búsqueda deja de ser una actividad intelectual activa para convertirse en una experiencia de consumo pasivo de información.

El artículo subraya que esta transformación afecta especialmente a los estudiantes jóvenes, quienes pueden llegar a pensar que investigar consiste simplemente en obtener una respuesta instantánea. Según la autora, el verdadero riesgo no es únicamente la posibilidad de errores o “alucinaciones” de la IA, sino la pérdida gradual de habilidades críticas como la duda, la verificación y el razonamiento independiente. La IA reduce la fricción cognitiva que tradicionalmente formaba parte del aprendizaje. Sin esa fricción —el esfuerzo de leer, seleccionar y evaluar— disminuyen también la memoria, la comprensión profunda y la capacidad de desarrollar pensamiento propio.

La reflexión conecta con investigaciones recientes sobre sistemas generativos y verificación del conocimiento. Diversos estudios señalan que los modelos de IA producen respuestas convincentes incluso cuando son incorrectas o cuando las referencias que proporcionan son falsas. Investigadores han demostrado que los sistemas de lenguaje pueden generar información plausible sin ser capaces de respaldarla adecuadamente con evidencias reales. Esta cuestión resulta especialmente preocupante en contextos educativos, donde muchos estudiantes todavía no poseen herramientas suficientes para distinguir entre una respuesta sólida y una explicación meramente persuasiva.

El artículo también plantea que los motores de búsqueda basados en IA están sustituyendo progresivamente el modelo clásico de exploración web. En lugar de ofrecer listas de enlaces diversos, presentan resúmenes únicos elaborados algorítmicamente. Investigaciones recientes denominan este fenómeno “burbujas de respuesta”, ya que diferentes sistemas de IA pueden ofrecer versiones distintas y sesgadas de la realidad dependiendo de las fuentes que prioricen. Esto supone una transformación profunda del acceso a la información: el usuario ya no navega entre múltiples voces, sino que recibe una interpretación sintetizada por un intermediario algorítmico.

La autora advierte además de que la aparente autoridad lingüística de la IA favorece una confianza excesiva. Las respuestas están redactadas con fluidez, seguridad y tono enciclopédico, lo que dificulta detectar errores o simplificaciones. Estudios recientes muestran que muchos sistemas reducen incluso las expresiones de duda o incertidumbre presentes en las fuentes originales, transmitiendo una sensación artificial de certeza. De esta manera, la IA no solo organiza la información, sino que también condiciona la percepción de qué conocimientos parecen indiscutibles.

En el ámbito educativo, el texto señala que esta dinámica puede generar estudiantes capaces de repetir respuestas elaboradas por IA sin haber desarrollado comprensión auténtica. Diversos debates en comunidades docentes reflejan precisamente esta preocupación: profesores observan que muchos alumnos utilizan herramientas generativas para resumir lecturas, construir opiniones o elaborar respuestas antes incluso de enfrentarse directamente al material original. El aprendizaje se vuelve superficial, apoyado en textos correctos formalmente pero desconectados de una verdadera elaboración intelectual.

El artículo defiende que las bibliotecas escolares y los profesionales de la información tienen un papel fundamental ante esta situación. No basta con enseñar a utilizar herramientas digitales; es necesario formar en alfabetización informacional avanzada. Esto implica enseñar a verificar fuentes, rastrear el origen de las afirmaciones, identificar sesgos algorítmicos y comprender cómo funcionan los modelos de IA. La autora propone recuperar la idea de que investigar no consiste en encontrar rápidamente una respuesta, sino en aprender a formular preguntas mejores y desarrollar pensamiento crítico.

La reflexión enlaza además con debates contemporáneos sobre la verificabilidad de las respuestas generadas por IA. Instituciones académicas y tecnológicas están trabajando en sistemas que permitan rastrear evidencias y validar automáticamente afirmaciones generadas por modelos de lenguaje. Sin embargo, el propio artículo sugiere que ningún sistema técnico sustituirá completamente la necesidad de juicio humano, especialmente en educación.

En todo esto se plantea una cuestión cultural de gran alcance: si las nuevas generaciones se acostumbran a aceptar respuestas inmediatas producidas algorítmicamente, podría debilitarse la capacidad social de cuestionar, contrastar y pensar de forma autónoma. El problema central no sería únicamente tecnológico, sino epistemológico y educativo. La IA modifica no solo cómo accedemos a la información, sino también cómo entendemos el acto mismo de conocer.