Skip to main content

1.5 Estado actual da IA na educación

Mensaxe clave

  • AI is already widely used in educational contexts.
    • Ensinar coa IA. Na actualidade, o profesorado usa a IA para preparar ou mellorar as programacións didácticas, para a avaliación e para diferenciar os contidos segundo os distintos niveis educativos.
    • Ensinar sobre a IA. O alumnado usa a IA aínda que carece de nocións básicas sobre que é a IA, cales son as súas limitacións e como usala de maneira responsable.
  • Cómpre comprensión técnica e pensamento crítico. O profesorado e o alumnado necesitan comprender como funcionan os modelos de linguaxe (adestramento, tratamento dos datos, natureza preditiva) e desenvolver habilidades prácticas de verificación, desde detectar citas inventadas ata contrastar os contidos xerados pola IA.
  • Hai que definir un uso responsable e unha postura ética. Cómpre comprender o marco xurídico e ético (Regulamento de IA, RXPD), así como un enfoque da IA como apoio e non como substituto do pensamento humano, baseado na transparencia e na rendición de contas, ademais dunha instrución explícita na redacción de prompts como habilidade que se pode ensinar.
  • Cómpren equidade e novos modelos de avaliación. Hai que salvagardar un acceso equitativo ás ferramentas de IA (financiamento público, modelos abertos, políticas de idade mínima), xunto cun cambio na avaliación: de cualificar o produto final a avaliar o proceso e a capacidade do alumnado para analizar criticamente os resultados da IA.

Se só lembra unha frase desta páxina: a IA xa está presente nos contextos educativos, pero non está regulada. Cómpren marcos estruturados que apoien o desenvolvemento profesional do profesorado, mellorando os seus coñecementos e permitíndolle ensinar coa IA e sobre a IA.

Usos actuais da IA en contextos educativos

Hoxe en día, a intelixencia artificial (IA) está integrada na práctica educativa cotiá, moito máis alá dos proxectos piloto. Entre as aplicacións habituais figuran as plataformas de aprendizaxe adaptativa, os sistemas de titoría intelixente, a cualificación automatizada e a planificación de clases asistida por IA para o profesorado (OECD, 2026). Porén, o cambio máis visible é o uso directo de ferramentas de propósito xeral tanto polo alumnado como polo profesorado.

Ensinar coa IA

O profesorado usa cada vez máis a IA como ferramenta de apoio en múltiples fases do seu traballo, desde a planificación das clases ata a cualificación. Segundo a enquisa TALIS da OCDE, o 37 % do profesorado do primeiro ciclo de secundaria declarou usar a IA en 2024, e o 57 % destes afirmou que lle axuda a redactar ou mellorar as programacións (OECD, 2026). Ademais do deseño das clases, o profesorado usa a IA para diferenciar os contidos segundo os distintos niveis de competencia, xerar materiais de práctica e apoiar o proceso de cualificación. Ao mesmo tempo, a adopción non está exenta de fricións: o 72 % do profesorado expresou a súa preocupación por que a IA permita ao alumnado facer pasar como propios traballos xerados pola IA, o que reflicte unha tensión máis ampla entre os beneficios prácticos da IA para o ensino e as súas implicacións para a integridade académica (OECD, 2026).

Ensinar sobre a IA

Ademais de usar a IA como recurso didáctico, é cada vez máis necesario ensinar ao alumnado sobre a propia IA: como funciona, cales son as súas limitacións e como usala de maneira responsable. Isto inclúe construír unha comprensión básica dos modelos de linguaxe como motores de predición e non como bases de datos, o que explica a súa tendencia a alucinar, así como habilidades prácticas como contrastar os resultados da IA e recoñecer citas inventadas (UNESCO, 2024). Tamén implica desenvolver o pensamento crítico arredor da redacción de prompts, de modo que o alumnado pase de simplemente seguir instrucións a formulalas, e fomentar a conciencia sobre as dimensións éticas e xurídicas do uso da IA, incluídas a privacidade dos datos e o Regulamento de IA da UE. O AI Competency Framework for Teachers (2024) da UNESCO presenta isto como unha competencia profesional fundamental e sostén que o propio profesorado necesita formación nestes ámbitos antes de poder ensinalos eficazmente ao alumnado.

Que falta?

Xunto aos marcos institucionais e aos datos de adopción, é importante comprender como se concretan estas dinámicas na práctica. No marco do proxecto DUAL.AI.TEACHer realizouse unha serie de obradoiros. Convocáronse numerosos axentes do ámbito educativo para recoller as súas perspectivas directas sobre o uso actual da IA no ensino. Estes obradoiros puxeron de manifesto un conxunto de necesidades e preocupacións concretas expresadas polo profesorado, que abranguen aspectos prácticos, pedagóxicos e formativos. As seguintes seccións describen estas necesidades en detalle.

  • Comprender como funciona a IA. Tanto o alumnado como o profesorado necesitan comprender como se constrúen e adestran os modelos de linguaxe e que sucede cos seus datos unha vez proporcionados. Tamén deben entender a natureza destes modelos como motores de predición e non como bases de datos, o que explica a súa tendencia a alucinar. O profesorado necesita un curso sinxelo e xeral que aborde os fundamentos do funcionamento dos LLM.
  • Pensamento crítico: cuestionar e verificar a IA. O alumnado e o profesorado deben ser capaces de cuestionar as respostas xeradas pola IA e de recoñecer a información inventada. Tamén se necesitan habilidades prácticas de verificación, desde contrastar os resultados da IA con fontes oficiais ata detectar imaxes e vídeos xerados pola IA. O alumnado ten que pasar de seguir instrucións a formulalas, pensando de forma crítica no resultado que desexa obter.
  • Ética, protección de datos e regulación. Cómpre unha comprensión xeral dos aspectos éticos e xurídicos do uso da IA, incluídos o Regulamento de IA da UE e o RXPD. Un uso seguro e responsable é esencial para evitar prácticas ilegais, xunto coa conciencia sobre cuestións relacionadas, como os nesgos nos materiais didácticos e a escasa fiabilidade dos detectores de IA.
  • Uso responsable. A IA debe usarse de forma consciente como apoio, non como substituto, deixando espazo ao pensamento propio do alumnado. A transparencia é importante: espérase que o alumnado sinale que partes son propias, en liña coa “escritura cíborg”, na que a IA amplía o pensamento de quen escribe en lugar de substituílo. Tamén cómpre que o alumnado asuma a autoría e a responsabilidade do seu traballo.
  • Habilidades prácticas. A redacción de prompts debe tratarse como unha habilidade que se pode ensinar, non como algo que se adquire por conta propia. Tanto o profesorado como o alumnado necesitan instrución explícita para redactar prompts eficaces, e o profesorado necesita formación en enxeñaría de prompts para a planificación das clases, a diferenciación e a cualificación. Tamén cómpre unha familiaridade máis ampla coas ferramentas para escoller a máis axeitada para cada materia.
  • Equidade e infraestrutura. O acceso á IA está no centro dunha crecente preocupación pola equidade, xa que os distritos con máis recursos poden permitirse mellores ferramentas, o que amplía as fendas de competencia entre centros. Cómpre financiamento público para garantir a igualdade de acceso independentemente dos recursos de cada centro, preferindo, como parte deste esforzo, os modelos de IA abertos aos corporativos. Tamén hai que definir unha idade mínima para o uso da IA.
  • Avaliación. Cómpre un enfoque diferente da avaliación, centrado no proceso e non no produto final, que inclúa as reflexións do alumnado sobre os borradores xerados pola IA. Tamén se necesitan tarefas que integren a IA, nas que se avalíe a capacidade do alumnado para criticar, contrastar e editar os resultados da IA, o que suscita preguntas sobre o papel humano cando o propio profesorado recorre á IA para cualificar. Cómpren ademais métodos de aula concretos, como contrastar textos da IA, comparar respostas de chatbots, debater sobre o uso da IA nos deberes e incorporar ferramentas non dixitais, como os papelógrafos.
Voices from the field

“Quen ensina coa IA ten que ser capaz de verificar cada resposta que dá, porque os erros prodúcense. Sen un coñecemento sólido da materia, non os detectará.”