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.
McCabe, Kealin. “Using University Library Outreach to Demystify the Transition from High School to Higher Education.” Times Higher Education Campus, 18 de mayo de 2026. Disponible en: Times Higher Education Campus
Se analiza el papel que pueden desempeñar las bibliotecas universitarias en la transición de los estudiantes desde la educación secundaria a la educación superior. Según la autora, uno de los principales desafíos a los que se enfrentan los estudiantes de primer curso es el cambio en las expectativas académicas.
Mientras que en la enseñanza secundaria suele bastar con localizar y utilizar información de manera básica, la universidad exige competencias más complejas, como la búsqueda sistemática de información, la evaluación crítica de fuentes, la síntesis de literatura académica y la comunicación rigurosa de resultados. Estas diferencias generan incertidumbre, estrés e incluso pueden contribuir al abandono de los estudios superiores.
McCabe sostiene que las bibliotecas académicas están especialmente bien situadas para reducir esta brecha mediante programas de divulgación y acercamiento a los estudiantes antes de que ingresen en la universidad. Estos programas no solo permiten desarrollar competencias de alfabetización informacional, sino que también ayudan a que los futuros universitarios conozcan los recursos, servicios y apoyos que encontrarán en el campus. De este modo, las bibliotecas contribuyen a generar una sensación temprana de pertenencia y confianza en el entorno universitario.
La autora describe la experiencia desarrollada en la biblioteca de la University of Northern British Columbia, donde se han diseñado diversas modalidades de intervención. Una de ellas consiste en llevar al bibliotecario directamente a los institutos para impartir sesiones sobre pensamiento crítico, evaluación de la información, inteligencia artificial y plagio. Este enfoque permite trabajar en un entorno familiar para los estudiantes y facilita el establecimiento de vínculos con profesionales que posteriormente podrán ayudarles en la universidad.
Otra modalidad consiste en invitar a los estudiantes a pasar una jornada en el campus universitario. Durante estas visitas, los alumnos aprenden a utilizar literatura revisada por pares, conocen las técnicas básicas de investigación académica y reciben formación sobre citación y búsqueda de información. Además, recorren las instalaciones universitarias y experimentan la vida cotidiana del campus, lo que contribuye a reducir la percepción de complejidad o inaccesibilidad de la educación superior.
El programa también incorpora actividades centradas específicamente en la transición a la universidad. Estas sesiones abordan cuestiones relacionadas con la gestión del tiempo, la responsabilidad personal en el aprendizaje, las habilidades de comunicación y la necesidad de solicitar ayuda cuando sea necesario. El objetivo es evitar el choque cultural que muchos estudiantes experimentan al enfrentarse por primera vez a las exigencias académicas y sociales de la educación superior.
El artículo destaca que estas iniciativas benefician tanto a los estudiantes como a las universidades. Los futuros alumnos llegan mejor preparados para las demandas académicas, mientras que las instituciones fortalecen sus relaciones con los centros educativos y obtienen información valiosa sobre las necesidades y expectativas de los estudiantes. En el caso de la Universidad del Norte de Columbia Británica, la renovación del programa permitió alcanzar a 37 clases de secundaria y a 765 estudiantes en un solo año, consolidando la biblioteca como un actor clave en la orientación educativa y en la promoción del éxito académico futuro.
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.
AAC&U y Elon University.AI-U/v1.0: A Student Guide to Navigating College in the Artificial Intelligence Era. Washington, DC y Elon, NC: American Association of Colleges and Universities y Elon University, 2024.
La guía AI-U/v1.0, desarrollada conjuntamente por AAC&U y Elon University, constituye uno de los primeros grandes intentos institucionales de ofrecer a los estudiantes universitarios un marco práctico, ético y pedagógico para convivir con la inteligencia artificial generativa dentro de la educación superior. El documento nace en un contexto de transformación acelerada provocado por herramientas como ChatGPT, Claude, Gemini o Copilot, cuya expansión ha alterado profundamente la manera de estudiar, investigar, escribir y aprender en las universidades. La guía fue elaborada con la colaboración de expertos académicos, profesorado y estudiantes de múltiples países, y se plantea explícitamente como un “mapa de navegación” para desenvolverse en un entorno universitario crecientemente mediado por la IA.
Uno de los ejes fundamentales del texto es la idea de que comprender la inteligencia artificial ya no constituye una competencia opcional, sino una alfabetización esencial del siglo XXI. La guía insiste en que el alumnado no debe limitarse a utilizar herramientas de IA como simples asistentes automáticos, sino aprender a entender sus capacidades, limitaciones, sesgos y consecuencias sociales. Desde esta perspectiva, la IA es presentada simultáneamente como oportunidad y riesgo: una tecnología capaz de ampliar las capacidades humanas, pero también de erosionar habilidades intelectuales si se emplea de manera acrítica o dependiente.
El documento dedica una parte importante a explicar cómo utilizar la IA de manera responsable en contextos académicos. Se ofrecen orientaciones concretas sobre cuándo es apropiado usar herramientas generativas y cuándo no lo es, insistiendo en la importancia de respetar las políticas específicas de cada asignatura o institución. La guía recalca que la IA no debe sustituir el trabajo intelectual personal ni convertirse en una vía de automatización del aprendizaje. Más bien, propone emplearla como apoyo para la lluvia de ideas, la organización de contenidos, la revisión preliminar de textos o la exploración de perspectivas alternativas, manteniendo siempre la supervisión crítica del estudiante.
Uno de los aspectos más interesantes del manual es su insistencia en la transparencia y la autoría intelectual. Los autores sostienen que los estudiantes deben aprender a reconocer y declarar cuándo han utilizado inteligencia artificial en sus trabajos académicos, de manera similar a como se citan otras fuentes o colaboraciones. Esta cuestión aparece vinculada a una redefinición más amplia del concepto de originalidad en la era de la IA. El texto no plantea la creatividad humana como opuesta a la inteligencia artificial, sino como una capacidad que debe fortalecerse precisamente frente a la automatización masiva de contenidos.
La guía también aborda directamente los riesgos asociados al uso indiscriminado de modelos generativos. Entre ellos se mencionan las denominadas “alucinaciones” de la IA —respuestas incorrectas presentadas con apariencia de autoridad—, los sesgos presentes en los datos de entrenamiento, los problemas de privacidad y la posible difusión de desinformación. El documento insiste repetidamente en que las herramientas de IA no comprenden realmente el significado de lo que producen, sino que generan respuestas probabilísticas basadas en patrones estadísticos. Por ello, se recomienda contrastar siempre la información obtenida y evitar confiar ciegamente en sistemas automatizados.
Otro núcleo importante del texto se centra en la preparación profesional de los estudiantes para un mercado laboral profundamente transformado por la inteligencia artificial. La guía sostiene que prácticamente todas las profesiones experimentarán cambios significativos debido a la automatización cognitiva y a la incorporación de sistemas generativos en tareas administrativas, creativas y analíticas. Frente a ello, se anima a los estudiantes a desarrollar habilidades específicamente humanas difíciles de automatizar: pensamiento crítico, juicio ético, creatividad, comunicación interpersonal, colaboración y capacidad de adaptación. La IA es presentada así no como sustituta total del trabajo humano, sino como una tecnología que reconfigurará profundamente las competencias laborales más valoradas.
An infographic comparing AI chatbots, search engines, and libraries as information resources.
Lund, Brady D., Zoe Abbie Teel, Ting Wang, et al. “Artificial Intelligence (AI) and Information Seeking: A Comparative Exploration of AI Chatbots, Search Engines, and Library Resources as Information Sources among University Students.” Journal of Librarianship and Information Science (OnlineFirst, 2026). https://doi.org/10.1177/09610006261438484
El artículo retrata un momento de transición en el ecosistema informativo universitario. La IA no ha desplazado a Google ni a las bibliotecas, pero ya se ha incorporado de forma visible a las rutinas académicas. Su papel es complementario, aunque en expansión, especialmente entre estudiantes jóvenes e internacionales. Para las bibliotecas y universidades, el reto no consiste en resistirse al cambio, sino en liderarlo: integrar la IA de forma ética, crítica y conectada con recursos académicos de calidad.
Este estudio analiza cómo los estudiantes universitarios de Estados Unidos están integrando la inteligencia artificial generativa en sus prácticas de búsqueda académica. A partir de una encuesta electrónica respondida por 236 estudiantes de perfiles diversos, los autores comparan el uso, preferencia y satisfacción con tres grandes fuentes de información: motores de búsqueda tradicionales (como Google), recursos bibliotecarios universitarios y herramientas de IA conversacional como ChatGPT. El trabajo parte de la idea de que la irrupción de la IA está modificando profundamente la ecología informacional en la educación superior, alterando la manera en que los estudiantes localizan, evalúan y utilizan información.
Los resultados muestran que los motores de búsqueda siguen siendo la herramienta dominante para tareas académicas, tanto por frecuencia de uso como por preferencia inicial al comenzar una investigación. Casi la mitad de los estudiantes indicaron que Google o buscadores similares son su primera opción, mientras que el resto se divide entre los recursos de biblioteca y la IA. Sin embargo, la IA ya ocupa un lugar significativo: solo un 15% declaró no haberla usado nunca para fines académicos, mientras que cerca del 10% la utiliza diariamente. Esto indica que la IA no ha sustituido aún a las herramientas tradicionales, pero sí se ha convertido en una pieza estable del repertorio informacional estudiantil.
Uno de los hallazgos más relevantes es la existencia de diferencias demográficas marcadas. Los estudiantes más jóvenes muestran mayor inclinación hacia la IA como punto de partida en sus búsquedas, mientras que los mayores prefieren claramente las páginas web de bibliotecas universitarias. Asimismo, los estudiantes internacionales utilizan la IA con mucha mayor frecuencia que los estudiantes nacionales estadounidenses. De hecho, recurren menos a los recursos bibliotecarios y más a herramientas de IA, lo que los autores interpretan como posible consecuencia de barreras idiomáticas, desconocimiento del entorno bibliotecario estadounidense o búsqueda de interfaces más accesibles y conversacionales.
En cuanto a la percepción de calidad, los buscadores tradicionales siguen obteniendo mejores puntuaciones globales que la IA en relevancia y satisfacción de resultados. Los estudiantes consideran especialmente eficaces a los buscadores para noticias recientes, meteorología e información laboral. En cambio, la IA obtiene valoraciones más competitivas cuando se trata de ayuda académica, preparación de exámenes, comprensión inicial de un tema o generación de instrucciones para realizar tareas. Esto sugiere que los usuarios perciben fortalezas diferenciadas: el buscador como herramienta de acceso a fuentes actualizadas y múltiples perspectivas, y la IA como asistente para sintetizar, orientar o explicar.
El estudio también demuestra una relación clara entre uso frecuente y satisfacción con la IA. Cuanto más emplea un estudiante estas herramientas, mayor es su percepción de utilidad. Los usuarios intensivos valoran especialmente la IA para tareas educativas, estudio y resolución de procedimientos. Esto puede indicar un aprendizaje progresivo del uso eficaz de la herramienta o una adaptación de expectativas a sus capacidades reales. Los autores advierten, no obstante, que esta relación también podría fomentar dependencia acrítica si los estudiantes aceptan respuestas sintéticas sin contrastarlas con fuentes primarias.
Desde la perspectiva bibliotecaria, el artículo plantea implicaciones estratégicas de gran interés. Las bibliotecas universitarias no deberían contemplar la IA únicamente como una amenaza competitiva, sino como una oportunidad para rediseñar sus servicios. Proponen desarrollar sistemas de descubrimiento apoyados en IA conectados directamente con colecciones licenciadas, bases de datos y contenidos académicos fiables. De este modo, las bibliotecas podrían ofrecer experiencias conversacionales semejantes a ChatGPT, pero sustentadas en recursos evaluados y legales. También subrayan la necesidad urgente de programas de alfabetización informacional y alfabetización en IA, enseñando a los estudiantes a verificar respuestas, identificar sesgos, contrastar perspectivas y comprender límites de los modelos generativos.
Los autores reconocen algunas limitaciones metodológicas. La muestra estaba sobrerrepresentada por estudiantes de posgrado, internacionales y vinculados a ciencias de la computación e información, lo que puede inflar los niveles generales de adopción tecnológica. Además, el estudio se basa en autoinformes y no en observación directa del comportamiento real. Por ello recomiendan investigaciones futuras con muestras más representativas, entrevistas cualitativas y estudios experimentales que analicen cómo los estudiantes combinan IA, buscadores y biblioteca ante necesidades concretas de información.
Apéndice. Encuesta sobre IA y búsqueda de información
1. ¿Cuál de las siguientes opciones describe mejor tu especialidad académica? a. Artes – bellas artes, música, danza, fotografía b. Humanidades – filosofía, historia, literatura, lenguas c. Ciencias Sociales – psicología, sociología, economía, educación, biblioteconomía d. Ciencias Naturales – biología, química, matemáticas, ecología, ingeniería e. Ciencias de la Computación – informática, ciencia de la información, ciencia de datos, IA f. Empresa – administración, hostelería, sistemas y ciencias de la decisión, marketing
2. ¿Cuál es tu nivel académico actual? a. Estudiante de grado b. Estudiante de máster c. Estudiante de doctorado
3. ¿Cuál es tu edad? a. 18–25 b. 26–30 c. 31–35 d. 36 o más
4. ¿Cuál es tu género? a. Mujer b. Hombre c. No binario d. Otro
5. ¿Cuál describe mejor tu situación como estudiante? a. Estudiante nacional b. Estudiante internacional
6. Pensando específicamente en tus actividades académicas y/o experiencias de investigación, indica con qué frecuencia utilizas cada una de las siguientes fuentes de información (nunca, menos de una vez al mes, mensualmente, semanalmente, diariamente): a. Libros b. Revistas científicas c. Actas de congresos d. Recursos web e. Bases de datos bibliotecarias f. Comunicaciones personales g. Herramientas de IA generativa
7. Pensando específicamente en tus actividades académicas y/o experiencias de investigación, ¿qué grado de confianza tienes en que encuentras toda la información necesaria sobre un tema cuando utilizas los siguientes recursos? (nada confiado, poco confiado, neutral, bastante confiado, muy confiado): a. Libros b. Revistas científicas c. Actas de congresos d. Recursos web e. Bases de datos bibliotecarias f. Comunicaciones personales g. Herramientas de IA generativa
8. ¿Cuál de las siguientes interfaces preferirías utilizar al comenzar tu búsqueda de información? a. Página principal de la biblioteca b. Google/motor de búsqueda c. Chatbot de IA/modelo de lenguaje grande
9. ¿Cuántas veces has realizado las siguientes actividades durante el último mes? a. Visitado la biblioteca universitaria, utilizado la web de la biblioteca o accedido a recursos bibliotecarios mediante enlaces web. b. Utilizado Google u otro motor de búsqueda similar para actividades o tareas universitarias. c. Utilizado una herramienta de IA para actividades o tareas universitarias.
10. Al realizar una tarea concreta de búsqueda de información relacionada con estudios o investigación, ¿con qué frecuencia recurres a los siguientes enfoques? (nunca, raramente, a veces, a menudo, siempre): a. Utilizar solo un motor de búsqueda tradicional b. Utilizar solo un chatbot de IA/ChatGPT c. Primero utilizar un motor de búsqueda tradicional y después un chatbot de IA/ChatGPT d. Primero utilizar un chatbot de IA/ChatGPT y después un motor de búsqueda tradicional
11. Pensando en la información que buscas en tu vida diaria, ¿qué probabilidad hay de que uses un motor de búsqueda tradicional para lo siguiente? (muy improbable, algo improbable, ni probable ni improbable, algo probable, muy probable): a. Encontrar información relacionada con empleo b. Encontrar información relacionada con estudios c. Aprender más sobre un tema que estudias d. Consultar el tiempo e. Ponerte al día con noticias recientes f. Crear chistes o historias g. Crear un conjunto de instrucciones para completar una tarea
12. Pensando en la información que buscas en tu vida diaria, ¿qué probabilidad hay de que uses chatbots de IA/ChatGPT para lo siguiente? (muy improbable, algo improbable, ni probable ni improbable, algo probable, muy probable): a. Encontrar información relacionada con empleo b. Encontrar información relacionada con estudios c. Aprender más sobre un tema que estudias d. Consultar el tiempo e. Ponerte al día con noticias recientes f. Crear chistes o historias g. Crear un conjunto de instrucciones para completar una tarea
13. Cuando buscas cada uno de los siguientes tipos de información, ¿con qué frecuencia un motor de búsqueda es capaz de generar una respuesta relevante? Nota: relevante significa únicamente que proporciona información pertinente sobre el tema, no necesariamente que sea exacta o satisfactoria para ti. (nunca, no muy a menudo, con cierta frecuencia, muy a menudo, siempre): a. Encontrar información relacionada con empleo b. Encontrar información relacionada con estudios c. Aprender más sobre un tema que estudias d. Consultar el tiempo e. Ponerte al día con noticias recientes f. Crear chistes o historias g. Crear un conjunto de instrucciones para completar una tarea
14. Cuando buscas cada uno de los siguientes tipos de información, ¿con qué frecuencia un chatbot de IA/ChatGPT es capaz de generar una respuesta relevante? Nota: relevante significa únicamente que proporciona información pertinente sobre el tema, no necesariamente que sea exacta o satisfactoria para ti. (nunca, no muy a menudo, con cierta frecuencia, muy a menudo, siempre): a. Encontrar información relacionada con empleo b. Encontrar información relacionada con estudios c. Aprender más sobre un tema que estudias d. Consultar el tiempo e. Ponerte al día con noticias recientes f. Crear chistes o historias g. Crear un conjunto de instrucciones para completar una tarea
15. Cuando buscas cada uno de los siguientes tipos de información, ¿con qué frecuencia un motor de búsqueda tradicional es capaz de generar una respuesta satisfactoria? Nota: una respuesta satisfactoria es aquella que cubre completamente la información que necesitas y con la que quedas satisfecho/a. (nunca, no muy a menudo, con cierta frecuencia, muy a menudo, siempre): a. Encontrar información relacionada con empleo b. Encontrar información relacionada con estudios c. Aprender más sobre un tema que estudias d. Consultar el tiempo e. Ponerte al día con noticias recientes f. Crear chistes o historias g. Crear un conjunto de instrucciones para completar una tarea
16. Cuando buscas cada uno de los siguientes tipos de información, ¿con qué frecuencia un chatbot de IA/ChatGPT es capaz de generar una respuesta satisfactoria? Nota: una respuesta satisfactoria es aquella que cubre completamente la información que necesitas y con la que quedas satisfecho/a. (nunca, no muy a menudo, con cierta frecuencia, muy a menudo, siempre): a. Encontrar información relacionada con empleo b. Encontrar información relacionada con estudios c. Aprender más sobre un tema que estudias d. Consultar el tiempo e. Ponerte al día con noticias recientes f. Crear chistes o historias g. Crear un conjunto de instrucciones para completar una tarea
California State University. “CSU Releases Findings After Conducting the Largest and Most Comprehensive Survey on Artificial Intelligence in Higher Education.” 1 de abril de 2026.
El sistema California State University (CSU) ha publicado el mayor y más completo estudio sobre inteligencia artificial en la educación superior hasta la fecha, basado en más de 94.000 respuestas de estudiantes, profesorado y personal universitario.
Este informe, titulado Ahead of the Curve, refleja un momento de transición clave en las universidades: la IA ya no es una opción emergente, sino una realidad integrada en los procesos de enseñanza, aprendizaje y gestión académica. La investigación muestra que el debate ha dejado de centrarse en si la IA debe formar parte de la educación superior, para enfocarse en cómo implementarla de forma coherente, ética y a gran escala.
Uno de los hallazgos más significativos es el uso generalizado de herramientas de IA en toda la comunidad universitaria. La gran mayoría de estudiantes, docentes y personal ya interactúan con estas tecnologías, lo que evidencia su rápida normalización. Esta adopción se asocia a beneficios claros como el apoyo al aprendizaje, la mejora de la productividad y el impulso a la innovación académica. Sin embargo, también plantea retos importantes: la preocupación por la integridad académica, la fiabilidad de los resultados generados por IA y el posible impacto en el pensamiento crítico. La encuesta captura así una percepción ambivalente, donde entusiasmo y cautela conviven en equilibrio.
El estudio también subraya una demanda creciente de formación específica en inteligencia artificial. Tanto estudiantes como profesorado consideran necesario desarrollar competencias más avanzadas que permitan utilizar estas herramientas de manera eficaz y responsable, especialmente en contextos profesionales. Esta necesidad es más acusada en colectivos que perciben un mayor riesgo de quedar rezagados en un mercado laboral cada vez más influido por la IA. En este sentido, la universidad aparece como un agente clave para cerrar la brecha de habilidades y garantizar una integración equitativa de la tecnología.
El informe destaca la urgencia de establecer marcos éticos y normativos claros. La falta de políticas homogéneas genera incertidumbre entre los estudiantes, mientras que el profesorado reclama orientaciones precisas sobre cómo integrar la IA en la docencia sin comprometer la calidad educativa. Cuestiones como la transparencia, la verificación de contenidos, la privacidad de los datos y la equidad en el acceso emergen como prioridades. En conjunto, el estudio del CSU posiciona a la educación superior ante un desafío estructural: liderar el uso responsable de la inteligencia artificial sin renunciar a sus principios fundamentales de rigor académico y formación crítica.
Datos clave:
Más de 94.000 participantes (estudiantes, profesorado y personal).
Es el mayor estudio sobre IA en educación superior hasta la fecha.
Incluye a las 22 universidades del sistema CSU.
Uso
95% de los encuestados ha utilizado al menos una herramienta de IA.
Uso habitual:
Más de la mitad de los estudiantes
60% del profesorado
≈66% del personal
Formación en IA
Más del 80% del personal quiere formación en IA. Aproximadamente 70% del profesorado también la demanda.
Estudiantes: cerca del 50%,
Ética IA
≈80% de estudiantes no se sienten cómodos entregando trabajos generados por IA como propios.
Uso docentes
Más del 50% del profesorado usa IA para preparar materiales.
69% orienta a los estudiantes sobre su uso.
≈66% incluye normas sobre IA en sus programas docentes.
Percepción del futuro
La IA será esencial para: – 82% del personal – 78% del profesorado – 69% de estudiantes
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.
Rismanchian, S., Razia Babar, E. T., & Doroudi, S. (2026). What undergraduate students need to know and actually know about generative AI.Computers and Education: Artificial Intelligence, artículo 100554. https://doi.org/10.1016/j.caeai.2026.100554
Este artículo analiza la alfabetización en inteligencia artificial generativa (GenAI) entre estudiantes de pregrado, un tema crítico dada la rápida adopción de herramientas como ChatGPT desde su lanzamiento en 2022.
Los autores proponen un marco teórico integral para evaluar la alfabetización en GenAI, que combina tres tipos de conocimiento conceptual: las bases de los modelos de lenguaje a gran escala (LLMs), sus capacidades y limitaciones, y su impacto social. Este marco se utiliza para desarrollar una encuesta validada que incluye ítems de conocimiento y percepciones, diseñada con revisión de expertos y modelado de teoría de respuesta al ítem (IRT) para asegurar su rigor metodológico.
Mediante dos estudios complementarios realizados en Estados Unidos —uno con estudiantes de cursos universitarios en una gran universidad pública de investigación (R1) y otro con una muestra nacional reclutada en línea— los autores investigan cuánto saben realmente los estudiantes sobre GenAI y cómo calibran sus percepciones sobre estas herramientas. Los resultados muestran que aproximadamente el 60% de los estudiantes usan chatbots de IA semanal o diariamente, pero muchos sobreestiman las capacidades de estos sistemas, especialmente en tareas que requieren razonamiento o cálculo, y tienden a antropomorfizarlos o tratarlos como simples motores de búsqueda.
Los hallazgos indican además que los estudiantes con formación en ciencias de la computación y aquellos que usan con mayor frecuencia estas herramientas obtienen puntajes de conocimiento más altos, aunque esto no garantiza una percepción exacta de sus capacidades. Un hallazgo clave es que un mayor conocimiento conceptual se asocia con una menor sobreestimación de las capacidades de los sistemas de IA generativa, lo que sugiere que las iniciativas educativas deben ir más allá del uso instrumental de las herramientas y abordar profundamente los conceptos fundamentales, las limitaciones técnicas y las implicaciones sociales de la IA.
La investigación identifica 5 dimensiones clave de alfabetización en GenAI necesarias para un estudiante actual:
Conocimiento Técnico: Cómo funcionan los modelos (tokens, predicción probabilística).
Uso Práctico: Ingeniería de prompts y aplicaciones académicas.
Evaluación Crítica: Identificar alucinaciones, sesgos y limitaciones.
Ética y Responsabilidad: Plagio, derechos de autor y privacidad.
Impacto Social: Cómo la IA afecta al mercado laboral y a la sociedad.
Una investigación académica publicada en PNAS Nexus que pone de manifiesto los efectos del uso de modelos de lenguaje como ChatGPT en los procesos de aprendizaje.
Según el estudio, que involucró a más de 10 000 participantes en una serie de experimentos, las personas que utilizaron resúmenes generados por IA para estudiar temas específicos desarrollaron una comprensión superficial de los contenidos, produjeron menos hechos concretos y tendieron a replicar información similar a la de otros usuarios que también dependieron de herramientas automatizadas. Por contraste, quienes recurrieron a búsquedas tradicionales en la web tuvieron que interactuar más activamente con fuentes diversas, lo que favoreció una comprensión más profunda y duradera del material.
Los investigadores destacaron que los modelos de lenguaje grande (LLM) como ChatGPT son eficaces para generar respuestas fluidas rápidamente, pero este beneficio puede resultar contraproducente para el aprendizaje real si reemplaza por completo el esfuerzo que requiere recopilar y sintetizar información por cuenta propia. En los experimentos, algunos grupos de participantes vieron exactamente los mismos hechos presentados de distinto modo: un grupo a través de un único resumen de IA y otro mediante enlaces a múltiples artículos web. Los resultados mostraron que quienes usaron IA dedicaron menos tiempo a explorar las fuentes originales, se implicaron menos en el proceso y escribieron consejos para otros con menos datos y menor variedad de contenidos.
El artículo también resalta cómo una investigación complementaria con 1 500 nuevos participantes evaluó la calidad de los consejos derivados del aprendizaje con IA frente al aprendizaje tradicional: los consejos basados en IA fueron considerados menos informativos y de menor confianza, y las personas manifestaron menor disposición a seguirlos. Esto sugiere que el uso excesivo de resúmenes automatizados no solo afecta la comprensión individual, sino también la percepción de utilidad y veracidad del contenido generado por IA
Otro punto importante es la advertencia de los autores de que esta dinámica puede conducir a una “deshabilitación” de habilidades cognitivas básicas, especialmente entre estudiantes jóvenes que pueden depender cada vez más de accesos rápidos a información generada por IA. Si bien los investigadores no rechazan el uso de LLM como herramientas educativas, subrayan con fuerza que deben utilizarse como complemento y no sustituto del esfuerzo intelectual activo. Según ellos, la verdadera comprensión se construye mediante la interacción directa con múltiples fuentes, la reflexión crítica y la síntesis propia de información, algo que los resúmenes automatizados no pueden reemplazar.
Finalmente, el artículo vincula estas conclusiones con preocupaciones más amplias sobre la confianza en herramientas de IA: investigaciones previas han encontrado que chatbots populares a veces malinterpretan o distorsionan contenidos periodísticos, lo que refuerza la necesidad de que los usuarios mantengan un enfoque crítico y verifiquen activamente las respuestas que reciben
Las Escuelas Públicas de Indianápolis registraron un aumento del 10.2% en el nivel de competencia en el examen estatal estandarizado IREAD del año escolar 2024-2025. Solo en tercer grado, los índices de competencia se dispararon casi un 70%. Los educadores afirman que esto se debe a la colaboración con la Biblioteca Pública de Indianápolis.
el distrito Indianapolis Public Schools (IPS) ha experimentado un aumento significativo en los resultados de lectura —un 10,2 % de incremento en las puntuaciones del examen IREAD en el curso 2024‑2025— gracias a su colaboración con Indianapolis Public Library (IndyPL). Este sistema compartido permite a los alumnos acceder a más de 2,3 millones de títulos y pedir prestados libros de cualquiera de las bibliotecas del consorcio, con un notable aumento en préstamos: entre agosto y septiembre, los estudiantes de IPS retiraron más de 36 .800 libros, un incremento del 34 %.
Según responsables del distrito escolar y maestros, este mayor acceso a libros ha sido crucial: muchos profesores integran en sus clases libros tomados del sistema compartido, y los alumnos encuentran variedad —desde novelas gráficas hasta ficción serial o no ficción narrativa—, lo que incentiva su interés por la lectura. La iniciativa forma parte del plan “Rebuilding Stronger” de IPS, que ha renovado sus centros de medios y bibliotecas escolares para hacerlos más atractivos y funcionales, con la meta de fomentar el hábito lector y mejorar competencias básicas.
El resultado —el repunte en las puntuaciones del IREAD— sugiere una fuerte correlación entre la ampliación del acceso a libros físicos/digitales y el rendimiento en lectura. La experiencia de IPS refuerza la idea de que facilitar recursos bibliográficos y promover la lectura desde temprana edad puede tener un impacto claro en la alfabetización y el éxito escolar.
Universo Abierto 