[responsivevoice_button buttontext="Escuchar la noticia" voice="Spanish

Latin American Female"]

Por Susana Sorribes

Por qué la educación necesita IA más inteligencia pedagógica.

Inteligencia Artificial

Una respuesta impecable ya no demuestra que alguien haya aprendido. Puede estar bien escrita, ordenada, ilustrada y presentada en pocos segundos por una herramienta de inteligencia artificial. Ante esa nueva realidad, la pregunta educativa decisiva ha dejado de ser si el alumnado utiliza IA. La pregunta es otra: ¿qué ha tenido que pensar para llegar hasta el resultado?

Durante años hemos evaluado principalmente productos: un texto, un problema resuelto, una exposición, una imagen, una programación o una investigación. La inteligencia artificial generativa ha alterado ese equilibrio. Hoy puede producir resultados formalmente excelentes sin que quien los entrega comprenda el contenido, sepa justificar sus decisiones o sea capaz de repetir el desempeño sin ayuda. El problema, por tanto, no está en que la máquina escriba bien. Está en confundir la calidad del producto con la existencia de aprendizaje.

Esta transformación obliga a revisar la enseñanza y, sobre todo, la evaluación. El foco debe desplazarse hacia el proceso: la primera idea del estudiante, las preguntas que formula, las fuentes que consulta, los errores que descubre, los cambios que introduce y la explicación final que puede ofrecer con sus propias palabras. En ese recorrido aparece una propuesta que considero más útil que el debate simplista entre prohibir o permitir: combinar IA e IP, inteligencia artificial e inteligencia pedagógica.

La IA puede generar, organizar, comparar, traducir o sugerir. La inteligencia pedagógica decide cuándo esas funciones ayudan a aprender, qué límites necesitan y en qué momento conviene apagar la herramienta. La diferencia es sustancial. Una tecnología puede ser muy potente y, al mismo tiempo, estar mal integrada en una actividad. El aprendizaje no lo garantiza la aplicación. Lo determina el diseño pedagógico de la interacción.

Aprendizaje aumentado y autoría cognitiva

Hablar de docencia aumentada no significa sustituir al profesor. Significa ampliar su capacidad para preparar variantes de una actividad, anticipar errores frecuentes, adaptar formatos, ofrecer retroalimentación formativa o reducir algunas tareas administrativas. El docente sigue tomando las decisiones que definen el acto educativo: establece los objetivos, organiza la secuencia, interpreta el contexto, cuida el vínculo, fija los límites éticos y evalúa.

La UNESCO ha defendido un enfoque de la IA centrado en las personas. Esta idea resulta especialmente importante en educación, porque enseñar no consiste únicamente en distribuir información. El profesorado observa dudas, detecta silencios, interpreta circunstancias y decide cuándo una dificultad forma parte del esfuerzo necesario para aprender y cuándo se ha convertido en una barrera que debe retirarse.

En este contexto adquiere valor el concepto de autoría cognitiva. Un estudiante conserva esa autoría cuando sigue siendo dueño del razonamiento, aunque utilice inteligencia artificial. Puede explicar el problema, justificar por qué aceptó una propuesta, detectar un error, rechazar una sugerencia, reconstruir la respuesta y aplicar lo aprendido a una situación diferente. Si solo puede mostrar el resultado final, pero no sabe defenderlo, la autoría es débil o inexistente.

También conviene recuperar el valor del esfuerzo productivo. No se trata de elogiar la dificultad por sí misma ni de mantener obstáculos inútiles. Se trata de proteger el trabajo mental que permite comprender: recordar, relacionar, formular hipótesis, corregir modelos y tomar decisiones. Una IA puede retirar una barrera de formato o proporcionar una pista. No debería retirar precisamente el razonamiento que se desea desarrollar.

La investigación disponible aconseja huir tanto del entusiasmo acrítico como del rechazo automático. Bastani y sus colaboradores observaron en matemáticas de bachillerato que un chatbot general podía mejorar el desempeño mientras el alumnado lo utilizaba, pero quienes dependieron de la versión sin salvaguardas obtuvieron peores resultados cuando se retiró la herramienta. Una versión diseñada como tutor, con límites y pistas, redujo ese efecto negativo. En otro contexto, Kestin y sus colaboradores encontraron que un tutor de IA construido con principios pedagógicos produjo, en un ensayo de física universitaria, más aprendizaje en menos tiempo que la condición de clase activa utilizada en el estudio.

No son investigaciones idénticas ni permiten conclusiones universales. Sí comparten una advertencia útil: el diseño importa. Sin andamiaje, la IA puede convertirse en atajo. Con preguntas, límites, retroalimentación y retirada progresiva de la ayuda, puede actuar como tutor.

De hablar con la IA también se aprende

Se ha extendido la idea de que dominar la inteligencia artificial consiste en escribir instrucciones cada vez más largas. Sin embargo, el valor educativo de un prompt no depende de su extensión ni de una fórmula mágica. Depende de la actividad mental que provoca.

No produce el mismo aprendizaje escribir “resuelve este problema de álgebra” que pedir: “Primero pregúntame cómo lo he intentado. Identifica solo el primer error. Hazme una pregunta cada vez. No me des la solución final. Cuando termine, pídeme justificar el método y crear un problema parecido”. En el segundo caso, la instrucción protege el proceso de razonamiento y devuelve el control al estudiante.

La conversación con la IA puede adoptar diferentes funciones. Puede actuar como tutor socrático y avanzar mediante preguntas; como interlocutor crítico que separa supuestos, evidencias y conclusiones; como abogado del diablo que formula la mejor objeción posible; como apoyo al pensamiento lateral que propone otras perspectivas; o como auditor de evidencias que señala qué afirmaciones deben comprobarse. Ninguno de estos papeles convierte a la herramienta en evaluadora final. La valoración educativa sigue correspondiendo al docente.

Para ordenar este diálogo propongo el protocolo PENSAR. Primero, el estudiante plantea una hipótesis o un intento propio. Después encarga a la IA preguntas o pistas, no la solución. A continuación, necesita evidencia y solicita fuentes, límites y grado de certeza. Luego somete a crítica la respuesta mediante objeciones y contraejemplos. Más tarde abre alternativas desde otras perspectivas. Finalmente reconstruye lo aprendido con sus propias palabras y lo transfiere a una situación nueva.

Este proceso no suele resolverse con una sola instrucción. Se desarrolla mediante looping, es decir, una conversación en bucle formada por varias iteraciones. El estudiante pregunta, recibe una respuesta, la cuestiona, cambia el enfoque, añade una condición, vuelve a contrastar y corrige. En ese recorrido pueden aparecer dudas y decisiones mucho más reveladoras que el producto final.

Por eso la pieza más valiosa de una actividad con IA puede ser el cuaderno de bitácora. No un registro interminable de conversaciones copiadas, sino una selección razonada: qué quería conseguir, cuál fue su primera propuesta, qué instrucciones utilizó, qué respuesta descartó, qué error encontró, qué fuente verificó, qué cambio introdujo y qué puede explicar ahora sin ayuda. Si la tarea consiste en crear una imagen, la bitácora permite conocer cómo se definieron el propósito, la composición, los límites y los sucesivos ajustes. Si el encargo es un texto, muestra cómo evolucionó la tesis y qué afirmaciones tuvieron que verificarse. Si se trata de una aplicación, recoge las decisiones sobre niveles, accesibilidad, retroalimentación y criterios de avance. La iteración deja de ser un trámite técnico y se convierte en evidencia de aprendizaje.

Herramientas que ayudan cuando la tarea está bien diseñada

Las aplicaciones no tienen valor pedagógico por el mero hecho de incorporar IA. Lo adquieren cuando se insertan en una secuencia que exige comprender, contrastar y explicar. Gemini Notebook, antes NotebookLM, permite trabajar con un conjunto de fuentes elegido por el docente o por el estudiante. Puede generar síntesis, preguntas, guías o materiales de repaso anclados en esos documentos. Una actividad bien diseñada podría ofrecer dos fuentes fiables y una deliberadamente discutible. El alumnado formularía una pregunta, obtendría una primera síntesis, comprobaría dos afirmaciones en los textos originales, registraría las discrepancias y cerraría con una explicación oral sin consultar la herramienta. El resultado útil no es el resumen automático, sino la capacidad de rastrear la evidencia y advertir sus límites.

Gamma puede acelerar la preparación visual de una exposición. Pero presentar no equivale a comprender. El aprendizaje aparece cuando el estudiante construye una tesis, selecciona datos, revisa las licencias, elimina afirmaciones dudosas y defiende oralmente sus decisiones. Una diapositiva atractiva no demuestra por sí solo conocimiento. La pregunta inesperada del profesor, la explicación de una opción descartada o la defensa de una fuente dicen mucho más. Algo similar ocurre con la programación mediante instrucciones en lenguaje natural, conocida como vibe coding. Crear una aplicación para practicar ecuaciones puede ser una magnífica actividad si el alumnado debe decidir qué diagnosticar, cómo graduar la dificultad, cuándo ofrecer una pista y qué error requiere una explicación específica. Después debe probar los ejercicios, encontrar fallos y justificar mejoras. Si la herramienta entrega el código y nadie revisa el contenido matemático, solo habremos automatizado un producto. Si el grupo examina su funcionamiento y argumenta las decisiones, la creación se convierte en una tarea de modelización y evaluación.

La edad no sustituye al criterio

El uso educativo de la IA necesita una progresión de autonomía. La UNESCO ha propuesto los 13 años como referencia mínima para un uso independiente, mientras que las compañías establecen sus propios términos y las instituciones deben definir sus políticas. Pero una cifra aislada no resuelve el problema pedagógico.

También importan la madurez, la capacidad de autorregulación, la competencia digital, la finalidad de la actividad, la supervisión disponible, la existencia de discapacidad y las situaciones de vulnerabilidad o brecha tecnológica. Dos estudiantes de la misma edad pueden necesitar apoyos y límites diferentes. En la infancia resulta más prudente un uso colectivo y mediado por el docente, sin cuentas autónomas y con datos ficticios. En la adolescencia inicial pueden plantearse tareas acotadas, herramientas aprobadas y verificación guiada. Más adelante cabe una autonomía progresiva, unida a la declaración de uso, el contraste de fuentes y la práctica periódica sin IA. En educación superior se espera un empleo más estratégico y disciplinar, pero también mayor transparencia metodológica y responsabilidad académica.

Esta progresión no es una escala automática ni sustituye la normativa del país, las reglas institucionales, las condiciones del proveedor o la protección reforzada de menores. Su propósito es recordar que educar para usar IA exige acompañamiento antes que simple acceso.

Evaluar el recorrido y no solo la llegada

La evaluación constituye el punto en el que esta transformación se vuelve inaplazable. Si una máquina puede producir el texto, la imagen, la presentación o parte del código, el profesorado necesita evidencias distintas para determinar qué ha aprendido el estudiante.

Una opción sencilla consiste en comunicar antes de cada tarea un semáforo de uso. En rojo, la IA no está permitida porque se evalúa una capacidad de base o un desempeño independiente. En ámbar, puede emplearse de forma limitada para obtener ideas, preguntas o retroalimentación, siempre que se registre su intervención. En verde, colaborar críticamente con la IA forma parte de la competencia evaluada, por ejemplo, al crear un prototipo, comparar modelos o auditar sesgos.

La misma asignatura puede combinar los tres colores. El alumnado puede demostrar primero que domina un procedimiento sin asistencia, utilizar después la IA para explorar alternativas y analizar finalmente sus errores. Lo importante es que las condiciones sean claras desde el inicio y coherentes con el aprendizaje que se pretende observar. El cuaderno de bitácora se convierte aquí en una herramienta central. Puede incluir la hipótesis previa, una selección de prompts, las respuestas utilizadas, las decisiones descartadas, las fuentes consultadas y las versiones intermedias. A ello deben añadirse otras pruebas: una defensa oral, una demostración, una pregunta imprevista, un problema de transferencia sin IA o una breve reflexión sobre qué cambió y qué sigue sin comprenderse.

No se trata de premiar al estudiante que acumule más instrucciones ni de contar iteraciones. Se trata de valorar la calidad de sus decisiones. ¿Identificó un error? ¿Contrastó una afirmación? ¿Cambió de estrategia por una razón comprensible? ¿Puede explicar qué aportó la IA y qué aportó él? ¿Sabe realizar por sí mismo la parte esencial? La bitácora tampoco debería convertirse en una nueva carga burocrática. Puede ser breve, visual y selectiva. Bastan algunas capturas o fragmentos significativos acompañados de comentarios propios. En una creación gráfica, por ejemplo, el alumnado puede conservar la petición inicial, dos versiones intermedias y la imagen final, y explicar qué cambió en cada paso y por qué. En una investigación puede señalar una respuesta que parecía convincente, la fuente que permitió corregirla y la reformulación posterior. El profesor no evalúa la obediencia a una plantilla, sino la capacidad de revisar el propio proceso.

Esta evaluación recupera además una conversación educativa que el producto terminado había ocultado. La pregunta “¿por qué hiciste esto?” vuelve a ocupar el centro. El alumno debe argumentar; el docente puede ajustar la ayuda y comprobar si existe comprensión. La IA deja así un rastro que, bien utilizado, permite observar la metacognición: dónde surgió la duda, qué estrategia funcionó y cuándo la persona estuvo preparada para continuar sin apoyo.

En lugar de convertir la detección de IA en el centro de la evaluación, conviene diseñar tareas en las que comprender resulte más útil que ocultar. La defensa humana de lo aprendido ofrece una evidencia más rica que la persecución de un supuesto porcentaje de autoría automática.

Una didáctica neovygotskiana con tecnología de IA

Esta manera de trabajar puede interpretarse como una actualización tecnológica de principios de raíz vygotskiana. Desde una perspectiva neovygotskiana, el aprendizaje se construye mediante la interacción social, la mediación del docente, el lenguaje y las herramientas culturales; entre estas últimas podemos situar hoy la inteligencia artificial.

La IA puede actuar como andamiaje temporal: formula preguntas, proporciona una pista, ofrece un contraejemplo o adapta el formato. Pero el objetivo no consiste en mantener al estudiante dependiente de ese apoyo. La ayuda debe permitirle avanzar y retirarse después para comprobar qué puede realizar de forma autónoma. Conviene hablar con prudencia. No estamos ante una nueva teoría educativa ya validada y cerrada, sino ante una lectura pedagógica posible para un escenario nuevo. Lo neovygotskiano no reside en usar una aplicación moderna, sino en entender que el aprendizaje se construye mediante interacción, mediación y progresiva autonomía. La tecnología amplía las formas de mediación; no elimina la necesidad del docente ni la dimensión social del aprendizaje.

En los próximos años crecerán los tutores multimodales, las simulaciones conversacionales, la retroalimentación inmediata, la traducción, los apoyos de accesibilidad y los asistentes para planificar. También podrán reducir tareas burocráticas y facilitar análisis previos en la gestión o la inspección educativa. Sin embargo, las decisiones de admisión, calificación, diagnóstico, disciplina, apoyo psicológico u orientación vital no deben quedar en manos de una predicción opaca. Personalizar la educación exige conocer a una persona, no solo calcular un perfil.

Ahí se encuentra el límite y, al mismo tiempo, la oportunidad. La inteligencia artificial puede aumentar la capacidad de enseñar y aprender. La inteligencia pedagógica decide para qué, en qué condiciones y con qué evidencias. Una aporta velocidad y variedad; la otra aporta propósito, contexto y responsabilidad.

La escuela, por tanto, no necesita introducir IA en cada actividad. Necesita inteligencia pedagógica para decidir cuándo utilizarla, cómo limitarla y cuándo apagarla. El futuro educativo no será simplemente IA. Será IA + IP: tecnología al servicio de un aprendizaje visible, explicable y profundamente humano.

Fuente: https://exitoeducativo.net/firmas-expertos-en-educacion/del-resultado-perfecto-al-aprendizaje-demostrado