1.2 Ensinar sobre a IA e ensinar coa IA
TakeMensaxe Home messageclave
O problema do
IfSeyoursórememberlembraonlyunhaonefrasesentencedestafrom this page:páxina:AIaisIA é un navegador GPS. Salva asatnav.condutoraItquesavesxathetendriverunwhomapaalreadynahascabeza e impide, sen que se note, que quen non o ten chegue amapconstruíloin her head and quietly stops the driver who hasn't from ever building onenunca.
The satnav problemGPS
ToPara driveconducir un taxi en Londres, primeiro hai que superar unha proba de coñecementos: 320 rutas establecidas nas 113 millas cadradas (uns 290 km²) situadas a Londonmenos taxi,de youseis mustmillas first(uns pass10 akm) knowledge test: 320 set routes across the 113 square miles within six miles ofde Charing Cross, for whichCross. Transport for London allowsconcede upata todous twoanos yearsde beforepreparación theantes examinationsmesmo evende begin.que comecen os exames.
ExaminedAs driverscondutoras alsoque usesuperaron a satnav,proba andtamén nobodyusan thinksGPS, lesse ofninguén themas forconsidera it.peores Thepor knowledge test did not become worthless when the device arrived. The satnav became the thing that makes the drive safe.iso. A driverproba withde thecoñecementos citynon inperdeu hero headseu usesvalor thecando satnavchegou foro whatdispositivo. sheO cannotGPS know:converteuse theno accidentque onfai the bridge or tonight's traffic. And she notices when it routes her downsegura a streetcondución. thatUnha hascondutora beenque dugleva upa sincecidade April.na cabeza usa o GPS para o que non pode saber: o accidente na ponte ou o tráfico desta noite. E decátase cando a manda por unha rúa que está levantada por obras desde abril.
NowAgora putpoña unha recén chegada no mesmo taxi e co mesmo GPS. Chega a newcomertodos inos theenderezos. sameDurante taxiun withtempo, thenon samese satnav.distingue Sheda arrivescondutora atexperimentada. everyPero, address.seguindo Foras instrucións do GPS, non está a while,construír shenada. isDespois indistinguishabledun fromano thexirando experiencedá driver.esquerda Butcando followingllo theindican, satnav’ssegue instructions,sen shepoder is building nothing. Aftercruzar a yearcidade ofsen turningo leftdispositivo whene instructed,non sheé stillcapaz cannotde crosssaber thecando cityse without the device, and she cannot tell when it is wrong.equivoca.
Fig. 1.1: The“O outcomeresultado dependsdepende onde thequen driver.conduce” On(imaxe thexerada leftcon sideIA, theGoogle drivingGemini)
Á begins withesquerda, a mapcondución incomeza thecun head.mapa Thena thecabeza satnave addso whatGPS theachega drivero cannot know. This is called "beneficial offloading". On the right the driver has no map in the head. The device is the only orientation for the driver. This is called "detrimental offloading": Image created with GoogleGemini.
This is what researchers call a schema, the organized prior knowledge of a person. Where it is in place, handing work over to a machine frees you up. Researchers call this beneficial cognitive offloading. However, when knowledge needs to be developed, the same process can prevent it from forming. This is called detrimental cognitive offloadingprexudicial”.
O mesmo GPS, dúas condutoras, resultados opostos. A studydiferenza withnunca aroundestivo no dispositivo. Falamos de algo máis ca unha imaxe. Os estudos con condutores atopan que as persoas que dependen moito do GPS forman un mapa mental máis pobre do seu contorno. Un estudo de tres anos mostrou que un uso máis intenso ía acompañado dun descenso máis pronunciado da memoria espacial. E a thousandpsicoloxía secondarysabe studentsdesde showshai thisdúas happeningdécadas inque o mesmo apoio que axuda a mathematicsun classroom.principiante Onepode groupestorbar practiceda withquen anxa unrestricteddomina chatbot,a anothermateria. without. WhileTamén theysucede hadao it,revés. theO efecto dunha ferramenta de IA depende moito máis do que a persoa usuaria xa sabe ca da propia ferramenta.
Isto é o que a investigación chama un esquema: o coñecemento previo organizado dunha persoa. Cando existe, delegar traballo nunha máquina libera recursos. Os investigadores chámanlle descarga cognitiva beneficiosa. Porén, cando o coñecemento aínda ten que desenvolverse, o mesmo proceso pode impedir que se forme. Isto chámase descarga cognitiva prexudicial.
Un estudo con arredor de mil estudantes de secundaria mostra como sucede isto nunha aula de matemáticas. Un grupo practicou cun chatbot groupsen scoredrestricións e outro sen el. Mentres o tiña, o grupo do chatbot obtivo un 48 % highermáis onnos theexercicios practicede problems.práctica. Then cameDespois anchegou examun withexame thesen o chatbot. Os mesmos estudantes que resolveran tan ben os exercicios obtiveron agora un 17 % menos ca o grupo que nunca usara o chatbot takende away.IA. Now,Un theterceiro samegrupo studentsusou whounha solvedversión practiceda problemsIA sodeseñada wellpara scorednon 17%dar worseas thanrespostas thee groupformular thatpreguntas hadno neverseu usedlugar. theEse AIgrupo chatbot.non perdeu nada.
Ese terceiro grupo resume toda a cuestión do deseño. Un GPS que indica o destino e axuda a atopar a ruta ensina a cidade. Un GPS que di xire á esquerda en 200 metros non o fai, por bos que sexan os seus datos. A thirdinvestigación groupchama useda anesta AI version built to withhold answers and ask questions instead. That group lost nothing.
That third group is the whole design question. A satnav that names the destination and helps you find the route teaches you the city. A satnav that says turn left in 200 meters does not, however good its data. Researchers call the differencediferenza guardrailssalvagardas (guardrails), and thee designo decidesdeseño whetherdecide youse helpaxuda youro studentsseu learnalumnado thea city'saprender mapo ormapa simplyda findcidade theou destination.simplemente a chegar ao destino.
Please remember:Lembre: Youvostede haveten o coñecemento. O seu alumnado, na materia que vostede imparte, aínda non. Esa asimetría é a esencia de todo o capítulo.
Voices of the knowledge.field
“Neste students,momento, inas ferramentas ás que recorre o alumnado están feitas para resolver problemas, non para ensinar, e esa é a principal dificultade no meu traballo actualmente.”
Dous andares, non dous temas
Na literatura académica, estes dous ámbitos considéranse campos distintos. Pódense imaxinar como dous andares dun edificio: a maioría dos docentes está no baixo e non hai ningunha escaleira que leve ao primeiro andar.
Nun estudo con 90 docentes de centros de formación profesional de Baviera inscritos nunha formación sobre IA, o profesorado valorou os seus coñecementos sobre IA cun 3,4 sobre 5 de media, pero a súa capacidade para empregala no ensino moito máis baixo, cun 2,6. Saber e facer separáranse. Un ensaio en cinco países europeos comprobou despois se a formación podía pechar esa fenda. Participaron 736 docentes de Francia, Irlanda, Italia, Luxemburgo e Eslovenia, divididos en dous grupos. Un grupo recibiu un curso en liña e apoio durante o ensaio; o outro recibiu o mesmo curso en liña ao remataren o ensaio. Os resultados mostraron que aumentaron os coñecementos e a capacidade de xulgar o que podía facer unha ferramenta. Pero na maioría dos países o uso habitual da IA na aula non cambiou: os docentes probaron ferramentas e volveron ao que facían antes.
Esta é a fenda entre coñecemento e acción. Os cursos producen coñecemento, pero cambiar a práctica require acompañamento, experimentación e colegas cos que reflexionar. A transferencia hai que deseñala, non esperala.
Voices of the subjectfield
“O teach,único doinconveniente notdeste yet.webinario Thaté asymmetryque isnon theo wholepodemos chapter.probar directamente.”
TwoO floors,que notfai tworealmente topicso profesorado
InA academicconstatación literature,máis thesesólida twoen areastodos areos consideredpaíses distinctresulta, fields.discretamente, Yousorprendente: couldo thinkprofesorado of them as two floors ofusa a building,IA withde mostforma teachersintensiva locatedpara onsi themesmo grounde floorapenas andco noseu staircase leading to the first floor.
In a study with 90 teachers at Bavarian vocational schools who had signed up for AI training, teachers rated their knowledge of AI at 3.4 out of 5 on average, but their ability to use it in their teaching much lower, at 2.6. Knowing and doing had come apart. A trial across five European countries then tested whether training could close that gap. 736 teachers in France, Ireland, Italy, Luxembourg and Slovenia took part. The teachers were split up in two groups. One group received an online course and support during the trial, the others received the same online course after completing the trial. The results showed that knowledge and the ability to judge what a tool could do, increased. But in most countries the regular classroom use of AI did not change: they tried tools out and went back to what they had been doing before.
This is the knowledge–action gap. Courses produce knowledge, but changing practice needs accompaniment, trialing and colleagues to think with. Transfer has to be designed, not hoped for.
What teachers are actually doing
The most robust finding across countries is quietly surprising: teachers use AI intensively for themselves and hardly at all with their studentsalumnado. InEn Germany,Alemaña, o 52 % ofdos teachersdocentes useusa AIferramentas toolsde severalIA timesvarias veces ao mes ou máis. Pero, entre os que usan a monthIA, orsó more. But of those who use AI, onlyo 29 % letdeixa theirque pupilso workseu withalumnado ittraballe incon class.ela Sona theaula. publicAsí, o debate aboutpúblico "AIsobre in“a theIA classroom"na isaula” largelyé en boa medida un debate sobre algo que aínda non sucede a debategrande about something that is not yet happening at scale.escala.
Fig. 2: Difference“Diferenza inentre AIo useuso forda preparationIA comparedpara toa usagepreparación ine theo classroom.seu uso na aula” (imaxe xerada con IA, Google Gemini)
What O que issi happening is workload relief, and here the news is good. Inestá a trialsuceder iné England,un alivio da carga de traballo, e aquí as noticias son boas. Nun ensaio en Inglaterra, 259 teachersdocentes acrossde 68 schoolscentros were givenrecibiron ChatGPT ande unha guía para planificar clases de ciencias para alumnado de 11 a guide13 foranos. planning science lessons for 11- to 13-year-olds. They spentDedicaron aboutuns 56 minutesminutos semanais á planificación, fronte a week on planning, against 81 inno thegrupo comparisonde group.comparación. IndependentAvaliadores assessorsindependentes whoque diddescoñecían notde knowque whichgrupo groupprocedía cada clase non atoparon indicios de diferenzas de calidade. Nunha ampla enquisa nos Estados Unidos, os docentes que usan a lessonIA camepolo frommenos foundunha novez evidencepor ofsemana estimaron un aforro de case seis horas semanais; trátase da súa propia estimación, non dunha medición.
E paga a differencepena indeterse quality.nun Inpatrón. Na mesma enquisa estadounidense, os centros cunha política sobre IA tiñan máis docentes que usaban a largeIA US(sete survey,de teacherscada whodez use AI at least weekly estimated saving almost six hoursfronte a weekseis –de theircada owndez) estimate,e, notpolo tanto, aforraban en total arredor dunha cuarta parte máis de tempo docente. Para cada docente que usa a measurement.
Andtodas oneas pattern is worth pausing on. In the same US survey, schools with an AI policy had more teachers using AI – seven in ten against six in ten – and so saved aboutsemanas, a quarterdiferenza moreera teacherpequena. timeTrátase inda total.valoración Fordo thepropio individualprofesorado teachere whonon usesdunha AImedición, everye week,unha theenquisa differencenon waspode small.mostrar Thaten isque thedirección teachers' own account rather thanvai a measurement,frecha: andquizais os centros ben organizados simplemente fan ben as dúas cousas. Pero é o contrario do que espera a surveymaioría cannotda show which way the arrow runs: well-organised schools may simply do both things well. But it is the opposite of what most people expect –xente: clearas rulesnormas andclaras heavye useo appearuso together,intensivo notaparecen inxuntos, opposition.non enfrontados. 1.4 CompliantUso Useconforme ofá AInormativa da IA
Why
If you wanted a rankingVoices of the bestfield
AI
“É tools,importante thetela researchcomo willcomplemento, disappointpero youdesde andlogo then,sen ondeixar secondque reading,ChatGPT setleve you free. When researchers gather many separate studies and ask what separates the classrooms where AI helpedtoda a greatclase.”
Por thoseque wherea itferramenta barelynon helpedé ato all,esencial
Se answerbuscaba isunha neverclasificación thedas brandmellores offerramentas de IA, a investigación vaino decepcionar e despois, nunha segunda lectura, liberalo. Cando os investigadores reúnen moitos estudos independentes e se preguntan que distingue as aulas nas que a IA axudou moito daquelas nas que apenas axudou, a resposta nunca é a marca do software. ItÉ iso whatque these studentslle werepediu askedao toalumnado que dofixese withcon it.ela. TheOs followingseguintes bulletpuntos pointsresumen summarizeresultados importantimportantes researchda results.investigación, Butaínda allque resultstodos buildse onbasean onlyen apoucos few studies.estudos.
InEnmathematics,matemáticas,studentsowhoalumnadousedqueAI to transform to reworkusou asolutionIAorparatotransformar,buildéondicir,theirparaownreelaborarattemptunhagainedsoluciónaboutoutwoconstruírandsobre o seu propio intento, avanzou arredor de dúas veces e media máis ca o alumnado que ahalfusoutimessóasparamuchenriquecerastarefasstudentshabituais,whocomousedpracticaritouonlycomprobarto enhance ordinary tasks such as practising or checking answers.respostas.StudentsOwhoalumnadousedqueAIusoutogetherainIAgroupsengainedgrupoaboutavanzou arredor dun 70 %moremáisthancastudentsowhoqueusedaitusoualone..en solitario.Where AI was used to give feedback on student work, gains were among the largest. Using AI to gamify lessons producedCando againIAtoosesmallusoutoparacalldarproven.retroalimentación sobre o traballo do alumnado, os avances estiveron entre os maiores. O uso da IA para gamificar as clases produciu un avance demasiado pequeno para consideralo demostrado.
PedagogyA ispedagoxía moreé importantmáis thanimportante theca technologya used.tecnoloxía Whereempregada. researchersCando haveos sortedinvestigadores theclasificaron studiesos byestudos whatsegundo studentso wereque actuallyfacía doing,realmente theo activityalumnado, mattereda moreactividade thanimportou themáis tool.ca Interestingly,a theferramenta. sameCuriosamente, patternatopouse waso foundmesmo forpatrón thecoa previousxeración generationanterior ofde digitalferramentas toolsdixitais innos secondarycentros schools.de Thesecundaria. resultsOs largelyresultados dependdependen onen whethergran teachersmedida hadde beense trainedo toprofesorado userecibira them. formación para usalas.
GoodUnha feedbackboa isretroalimentación notnon theé sameo mesmo ca unha retroalimentación que funciona. Nun experimento, 70 estudantes universitarios escribiron un ensaio argumentativo e revisárono unha semana despois. Asignáronse ao chou a tres grupos: un recibiu retroalimentación dun docente experimentado, outro dun chatbot cunha instrución sinxela e outro do mesmo chatbot, ao que se lle pediu que analizase o ensaio paso a paso. Avaliada coa mesma rúbrica, a retroalimentación do chatbot paso a paso foi a mellor das tres. Foi mellor ca a do chatbot sinxelo e mellor ca a do docente. Despois chegaron as feedbackrevisións, thate works.os tres grupos melloraron en medida moi semellante. InA onemellor experiment,retroalimentación 70do universityestudo studentsnon wroteproduciu anmáis argumentativemellora essay and revised itca a weekpeor later.valorada. TheyUns werecomentarios assignedmellores atnon randomderon to three groups: one got feedback from an experienced teacher, one fromlugar a chatbotun givenensaio a plain instruction, and one from the same chatbot prompted to reason through the essay step by step. Marked against the same rubric, the step-by-step chatbot produced the best feedback of the three. The feedback was better than the plain chatbot and better than the teacher. Then came the revisions, and all three groups improved by much the same amount. The best feedback in the study brought no more improvement than the lowest-rated feedback. Better comments did not produce a better essay.mellor.
ThisEste resultresultado challengescuestiona unha suposición moi estendida: que unha mellor retroalimentación leva a commonunha assumptionmellor thataprendizaxe. betterEvidentemente, feedbackpor leadssi tosoa betternon learning.o Obviouslyfai. itA doesretroalimentación notsó onten itsefecto own. Feedback only does anything if it isse takense upincorpora: read,se understood,se actedle, on,se andentende, understoodse wellaplica enoughe thatse thecomprende studento couldsuficientemente getben itcomo rightpara unaidedque nexto time.estudante poida facelo correctamente sen axuda a vez seguinte. UptakeO ispescozo thede bottleneck,botella noté qualitya incorporación, non a calidade.
MoreMáis isn'tnon alwayssempre better.é mellor. InNun asegundo secondestudo, study, withcon 60 alumnos de Year 11 students(15-16 andanos) e 240 pieces of writing, the AI produced way more content-related comments than the teachers did. But the students acted more often on the teachers' comments. When confronted with thirty precise corrections,textos, a studentIA mightxerou eithermoitos stopmáis diagnosingcomentarios andsobre starto triagingcontido orca justo comply.profesorado. IfPero o alumnado actuou con máis frecuencia a studentpartir followsdos thecomentarios rules,do they'reprofesorado. basicallyAnte sayingtrinta thatcorreccións theprecisas, revisionun wasalumno unnecessary.pode It'sdeixar thede satnavdiagnosticar again,e but onpoñerse a differentpriorizar, level.ou Itsimplemente giveslimitarse youa reallyobedecer. detailedSe feedback,un likealumno 'Turnse leftlimita ina seguir as indicacións, en realidade está a dicir que a revisión non era necesaria. Volve ser o GPS, pero noutro nivel: dálle unha retroalimentación moi detallada, do tipo “xire á esquerda en 200 meters'metros”, forsobre youro ownseu writing.propio texto.
ItImporta mattersquen whoo says it.di. We'reNon notsabemos reallycon surecerteza whypor teacherque commentsse areincorporan takencon upmáis morefrecuencia often.os This is all about interpretation, not measurement, but the most likely explanation is that feedback is seen as an act between people. What someone who knows what you did last term and will see what youcomentarios do withprofesorado. itTrátase hasde tointerpretación, saynon isde differentmedición, frompero thea sameexplicación sentencemáis generatedprobable oné request.que a retroalimentación se percibe como un acto entre persoas. O que ten que dicir alguén que sabe o que fixo vostede o trimestre pasado e que verá o que fai con iso é distinto da mesma frase xerada a petición.
WhatQue followsse forderiva practice.para a práctica. Unha análise agrupada de estudos sobre retroalimentación automatizada da escrita, realizada antes de que existisen os chatbots actuais, chegou a resultados semellantes. A pooledretroalimentación analysistivo ofmáis studiesefecto oncando automatedo writingalumnado feedbackdebía that was done before today's chatbots existed came to similar results. Feedback did more when students had to apply it toaplicala a newun piecetexto ofnovo writingca thancando whensó theyrevisaba onlyo revisedtexto theque texttiña indiante, fronte ofmáis them,cando andse moreusou whenao itlongo wasde usedvarias oversesións severalca sessionsnunha rathersoa. thanE once.cómpre Anddicir onealgo moremáis thingcon shouldxustiza: been saidcomparación fairly:coa comparedausencia withde no feedback at all, AI feedback does help. Inretroalimentación, a studyretroalimentación byda IA si axuda. Nun estudo dun equipo alemán con 459 alumnos de bacharelato, a Germanretroalimentación teamxerada withpola 459IA upper-secondarymellorou pupils,lixeiramente AI-generatedas feedbacksúas modestlyrevisións improvede theira revisionssúa and their motivation.motivación.
AndE thea samemesma splitdivisión showsaparece upa atgrande scale.escala. OneUn teamequipo pooledagrupou 228 studies:estudos: AIa clearlyIA andmellorou consistentlyde improvedforma whatclara studentse couldconstante produce,o whileque anyo gainalumnado inera theircapaz abilityde toproducir, plan,mentres monitorque andcalquera correctavance theirna ownsúa learningcapacidade wasde smallplanificar, enoughsupervisar toe havecorrixir beena chance.propia Programmingaprendizaxe showsfoi ittan sharpest.pequeno Studentsque withpodería andeberse AIao assistantazar. wereA measurablyprogramación faster,móstrao andcon nomáis betternitidez: ato thealumnado endcun thanasistente thosede withoutIA one.foi mensurablemente máis rápido, pero ao final non era mellor ca o que traballou sen el. GettingFacer moremáis donee andmellorar gettingnon betterson areo notmesmo, thee samea thing,IA and AI separates them.sepáraos.
EuropeEuropa como espello
En Europa, as mirrorenquisas
Acrosssobre Europe,o surveysuso ofda teachers'IA AIpolo useprofesorado runvan fromdesde aboutarredor ninede innove tende incada dez nunha mostra checa ata arredor de un de cada sete en Francia. As enquisas difiren en método e data: a Czechcifra samplecheca toprocede aboutdunha onepequena inenquisa sevende in France. The surveys differ in method and timing: the Czech figure comes from2025 a small 2025 survey of 317 teachersdocentes ande countsconta anycalquera experienceexperiencia withcoa AIIA, whereasmentres theque Frencha figurecifra comesfrancesa fromprocede theda OECD'senquisa internationalinternacional teacherda surveyOCDE ao profesorado TALIS 2024, inna whichque justalgo undermenos halfda ofmetade Czechdos teachersdocentes reportedchecos usingdeclararon AIusar ina theirIA teaching. no seu ensino.
FranceFrancia builtcreou oneun ofdos themaiores continent'sprogramas largestpúblicos statede AIIA programmes:do adaptive practicecontinente: software inde mathspráctica andadaptativa French,en freematemáticas fore everyfrancés, pupilgratuíto inpara thetodo firsto yearalumnado ofdo upperprimeiro secondarycurso school.do Nevertheless,ensino Frenchsecundario teacherssuperior. useAínda AIasí, rarelyo andprofesorado onlyfrancés usa pouco a IA e só o 9 % ofrecibiu Frenchalgunha teachersformación havesobre receivedIA, anyfronte training in AI, compared withao 38 % onde averagemedia acrossnos OECDpaíses countries.da OCDE.
NorwayNoruega hasincorporou writteno theproblema satnavdo problemGPS intoá itssúa policypolítica educativa (atpolo leastmenos como recomendación), tal como o faría unha autoescola de taxistas: primeiro apréndese co mapa e despois engádese o dispositivo. En xuño de 2026, Noruega recomendou que, como norma xeral, o alumnado de 1.º a 7.º curso non teña acceso á IA. Entre 8.º e 10.º curso, a IA pode introducirse de forma gradual e coidadosa, unha vez que o profesorado teña a competencia necesaria para guiar o seu uso. No ensino secundario superior, o alumnado debería aprender a usar a IA cun propósito claro.
O punto cego
Hai un risco da IA que raramente se nomea, e a imaxe tamén o recolle: o coñecemento do mapa de Londres non é permanente. Unha condutora que segue as afrechas recommendation)durante thecinco wayanos non conserva a taxicidade drivingna schoolcabeza. wouldEsvaécese, do.e Learndeixa withde decatarse da rúa levantada. A súa competencia profesional mantense facendo precisamente as cousas que a mapIA first,mellor andabsorbe: afterwards add the device. In June 2026 Nowrway recommended that pupils in grades 1 to 7 should, asredactar a rule,tarefa, notanticipar beo givenerro accessconceptual toe AI. In grades 8 to 10 AI may be introduced gradually and carefully, once teachers have the competence to guide it. In upper secondary school pupils should learn to use AI purposefully.
The blind spot
One risk of AI is rarely named, and the image reaches it too: knowledge about the London city map is not permanent. A driver who follows the arrows for five years does not keep the city in her head. It fades, and she stops noticing the dug-up street. Your expertise is maintained by doing the very things AI is best at absorbing: writing the task, anticipating the misconception and drafting the explanation. Where AI takes over the work through which judgment forms, relief turns into deskilling. Inpreparar a Germanexplicación. Cando a IA asume o traballo a través do cal se forma o criterio, o alivio convértese en descualificación. Nun panel ofalemán de expertos en e-learning experts,learning, 65 outde ofcada 100 expectedagardaban generativeque AIa toIA costxenerativa peoplefixese importantperder skills,ás uppersoas fromcompetencias importantes, fronte a 44 theo yearano before.anterior. InEn medicinemedicina, theo effectefecto hasxa alreadyse beenmediu: measured:despois afterde AIque supporto becameapoio routineda inIA colonoscopy,se doctorsvolvese workinghabitual withoutnas itcolonoscopias, detectedos fewermédicos precancerousque growthstraballaban thansen before.ela detectaban menos lesións precancerosas ca antes.

