1.2 Enseñar Sobre la IA vs. Enseñar con IA
Mensaje clave
- La IA es un GPS. Beneficia al conductor que ya lleva el mapa en la cabeza y frena, a quien no lo tiene, de llegar a aprenderlo. El efecto depende de la persona, no del producto.
- Sostenemos que enseñar sobre la IA es la condición previa para enseñar con IA. Hay que conocer la máquina para poder comprobar la respuesta que ha producido.
- Saber no es lo mismo que hacer. El profesorado valora su conocimiento sobre IA por encima de su capacidad para enseñar con ella, y la formación por sí sola no cierra esa brecha.
- El profesorado usa la IA entre bastidores, no en clase. En Alemania, la mitad del profesorado usa la IA varias veces al mes o más; de ellos, menos de un tercio deja que el alumnado trabaje con ella en clase.
- La pedagogía vence a la tecnología. Usar la IA para reelaborar el propio trabajo y construir sobre él vence a usarla solo para practicar o consultar; trabajar en grupo vence a trabajar solo; la retroalimentación vence a la gamificación.
- Una retroalimentación mejor no es un aprendizaje mejor. En un experimento, unos comentarios de la IA valorados como mejores que los de un docente dieron lugar a revisiones que no fueron mejores. Lo que decide es si la retroalimentación se pone en práctica.
- La IA aumenta la producción, no el aprendizaje autodirigido.
- Unas reglas claras y un uso intensivo aparecen juntos. En una amplia encuesta estadounidense, las escuelas con una política de IA tenían más docentes que usaban la IA y, por tanto, ahorraban más tiempo en total, no menos.
- Proteged vuestro propio mapa. El alivio se convierte en pérdida de competencia cuando la IA absorbe el trabajo que construye y mantiene el criterio.
Si solo recordáis una frase de esta página: la IA es un GPS. Beneficia al conductor que ya lleva el mapa en la cabeza y frena, silenciosamente, a quien no lo tiene, de llegar a construirlo alguna vez.
El problema del GPS
Para conducir un taxi en Londres, primero hay que aprobar un examen de conocimiento: 320 rutas establecidas dentro de las 113 millas cuadradas en un radio de seis millas desde Charing Cross, para el cual Transport for London concede hasta dos años antes de que empiecen siquiera los exámenes.
Los conductores examinados también usan GPS, y nadie piensa peor de ellos por ello. El examen de conocimiento no perdió su valor cuando llegó el dispositivo. El GPS se convirtió en lo que hace que la conducción sea segura. Una conductora que lleva la ciudad en la cabeza usa el GPS para lo que no puede saber: el accidente en el puente o el tráfico de esta noche. Y se da cuenta cuando la desvía por una calle que llevan meses reparando desde abril.
Ahora poned a una recién llegada en el mismo taxi con el mismo GPS. Llega a todas las direcciones. Durante un tiempo, es indistinguible de la conductora experimentada. Pero al seguir las instrucciones del GPS, no está construyendo nada. Después de un año girando a la izquierda cuando se lo indican, sigue sin poder cruzar la ciudad sin el dispositivo, y no sabe reconocer cuándo se equivoca.
Fig. 1: «El resultado depende de quien conduce» (imagen generada con IA, Google Gemini)
A la izquierda, la conducción empieza con un mapa en la cabeza. El GPS añade lo que la conductora no puede saber. Esto se llama «externalización beneficiosa». A la derecha, la conductora no tiene ningún mapa en la cabeza. El dispositivo es su única orientación. Esto se llama «externalización perjudicial».
El mismo GPS, dos conductoras, resultados opuestos. La diferencia nunca estuvo en el dispositivo. Hablamos de algo más que de una imagen. Los estudios con conductores muestran que quienes dependen mucho del GPS se forman un mapa mental más pobre de su entorno. Un estudio de tres años mostró que un uso más intensivo iba acompañado de un deterioro más pronunciado de la memoria espacial. Y la psicología sabe desde hace dos décadas que el mismo apoyo que ayuda a un principiante puede estorbar a quien ya domina la materia. Lo mismo ocurre a la inversa. El efecto de una herramienta de IA depende mucho más de lo que la persona usuaria ya sabe que de la propia herramienta.
Esto es lo que los investigadores llaman un esquema, el conocimiento previo organizado de una persona. Cuando ya está presente, delegar el trabajo en una máquina os libera. Los investigadores llaman a esto externalización cognitiva beneficiosa. Sin embargo, cuando el conocimiento aún debe desarrollarse, el mismo proceso puede impedir que se forme. Esto se llama externalización cognitiva perjudicial.
Un estudio con cerca de mil estudiantes de secundaria muestra esto ocurriendo en una clase de matemáticas. Un grupo practicó con un chatbot sin restricciones, otro sin él. Mientras lo tuvo, el grupo con chatbot obtuvo una puntuación un 48 % más alta en los problemas de práctica. Luego llegó un examen sin el chatbot. Ahora, los mismos estudiantes que habían resuelto tan bien los problemas de práctica obtuvieron un 17 % peor resultado que el grupo que nunca había usado el chatbot de IA. Un tercer grupo usó una versión de IA diseñada para no dar las respuestas directamente y, en su lugar, hacer preguntas. Ese grupo no perdió nada.
Ese tercer grupo es toda la cuestión de diseño. Un GPS que nombra el destino y os ayuda a encontrar la ruta os enseña la ciudad. Un GPS que dice gira a la izquierda en 200 metros no lo hace, por buenos que sean sus datos. Los investigadores llaman a esta diferencia barreras de seguridad, y el diseño decide si ayudáis a vuestro alumnado a aprender el mapa de la ciudad o simplemente a encontrar el destino.
Recordad esto: vosotros tenéis el conocimiento. Vuestro alumnado, en la materia que impartís, todavía no. Esa asimetría es todo el capítulo.
«Ahora mismo, las herramientas a las que recurre el alumnado están hechas para resolver problemas, no para enseñar, y esa es actualmente la principal dificultad de mi trabajo».
Dos plantas, no dos temas
En la literatura académica, estas dos áreas se consideran campos distintos. Podéis pensar en ellas como dos plantas de un edificio, con la mayoría del profesorado en la planta baja y sin escalera que lleve a la primera planta.
En un estudio con 90 docentes de centros de formación profesional de Baviera que se habían inscrito en una formación sobre IA, el profesorado valoró su conocimiento sobre IA con una media de 3,4 sobre 5, pero su capacidad para usarla en su docencia mucho más baja, con un 2,6. El saber y el hacer se habían desconectado. Un ensayo en cinco países europeos puso a prueba después si la formación podía cerrar esa brecha. Participaron 736 docentes de Francia, Irlanda, Italia, Luxemburgo y Eslovenia, divididos en dos grupos. Un grupo recibió un curso en línea y apoyo durante el ensayo; el otro recibió el mismo curso en línea una vez finalizado el ensayo. Los resultados mostraron que aumentaron el conocimiento y la capacidad para juzgar lo que una herramienta podía hacer. Pero en la mayoría de los países el uso habitual de la IA en el aula no cambió: probaron herramientas y volvieron a lo que hacían antes.
Esta es la brecha entre saber y actuar. Los cursos generan conocimiento, pero cambiar la práctica requiere acompañamiento, experimentación y compañeros con quienes pensar. La transferencia hay que diseñarla, no esperar a que ocurra.
«El único inconveniente de este webinar es que no podemos probarlo directamente».
Lo que el profesorado hace en realidad
El hallazgo más sólido entre países es sorprendente, aunque de forma discreta: el profesorado usa la IA intensamente para sí mismo y casi nada con su alumnado. En Alemania, el 52 % del profesorado usa herramientas de IA varias veces al mes o más. Pero, de quienes usan la IA, solo el 29 % deja que su alumnado trabaje con ella en clase. Así que el debate público sobre «la IA en el aula» es, en gran medida, un debate sobre algo que todavía no ocurre a gran escala.
Fig. 2: «Diferencia entre el uso de la IA para preparar las clases y su uso en el aula» (imagen generada con IA, Google Gemini)
Lo que sí está ocurriendo es un alivio de la carga de trabajo, y aquí las noticias son buenas. En un ensayo realizado en Inglaterra, 259 docentes de 68 escuelas recibieron ChatGPT y una guía para planificar clases de ciencias para alumnado de 11 a 13 años. Dedicaron unos 56 minutos semanales a planificar, frente a 81 en el grupo de comparación. Evaluadores independientes que no sabían de qué grupo procedía cada clase no encontraron indicios de una diferencia de calidad. En una amplia encuesta estadounidense, el profesorado que usa la IA al menos una vez por semana estimó un ahorro de casi seis horas semanales; se trata de su propia estimación, no de una medición.
Y hay un patrón que merece detenerse a considerar. En la misma encuesta estadounidense, las escuelas con una política de IA tenían más docentes que usaban la IA (siete de cada diez frente a seis de cada diez) y, por tanto, ahorraban en total alrededor de un cuarto más de tiempo docente. Para el docente individual que usa la IA cada semana, la diferencia era pequeña. Se trata del relato del propio profesorado, no de una medición, y una encuesta no puede mostrar en qué dirección va la flecha causal: puede que las escuelas bien organizadas simplemente hagan bien ambas cosas. Pero es lo contrario de lo que la mayoría esperaría: unas reglas claras y un uso intensivo aparecen juntos, no enfrentados. 1.4 Uso Conforme de la IA
«Es importante tenerla como complemento, pero desde luego no dejar que ChatGPT dirija toda la clase».
Por qué la herramienta no es lo importante
Si buscabais un ranking de las mejores herramientas de IA, la investigación os decepcionará y luego, en una segunda lectura, os liberará. Cuando los investigadores reúnen muchos estudios separados y preguntan qué diferencia a las aulas donde la IA ayudó mucho de aquellas donde apenas ayudó, la respuesta nunca es la marca del software. Es lo que se pidió al alumnado que hiciera con ella. Los siguientes puntos resumen resultados de investigación importantes. Pero todos se basan en pocos estudios.
- En matemáticas, el alumnado que usó la IA para reelaborar una solución o construir sobre su propio intento ganó aproximadamente dos veces y media más que el alumnado que la usó solo para enriquecer tareas habituales, como practicar o comprobar respuestas.
- El alumnado que usó la IA en grupo ganó alrededor de un 70 % más que quienes la usaron en solitario.
- Cuando la IA se usó para dar retroalimentación sobre el trabajo del alumnado, las mejoras estuvieron entre las mayores. Usar la IA para gamificar las clases produjo una mejora demasiado pequeña como para considerarla demostrada.
La pedagogía es más importante que la tecnología utilizada. Cuando los investigadores han clasificado los estudios según lo que el alumnado hacía realmente, la actividad importó más que la herramienta. Curiosamente, se observó el mismo patrón con la generación anterior de herramientas digitales en secundaria. Los resultados dependen en gran medida de si el profesorado había recibido formación para usarlas.
Una buena retroalimentación no es lo mismo que una retroalimentación que funciona. En un experimento, 70 estudiantes universitarios escribieron un ensayo argumentativo y lo revisaron una semana después. Se les asignó al azar a tres grupos: uno recibió retroalimentación de un profesor experimentado, otro de un chatbot con una instrucción sencilla, y otro del mismo chatbot instruido para razonar el ensayo paso a paso. Evaluada con la misma rúbrica, la retroalimentación del chatbot paso a paso fue la mejor de las tres. Fue mejor que la del chatbot sencillo y mejor que la del profesor. Luego llegaron las revisiones, y los tres grupos mejoraron aproximadamente lo mismo. La mejor retroalimentación del estudio no produjo más mejora que la peor valorada. Unos mejores comentarios no produjeron un mejor ensayo.
Este resultado desafía una suposición común: que una mejor retroalimentación produce un mejor aprendizaje. Evidentemente, por sí sola no lo hace. La retroalimentación solo sirve de algo si se pone en práctica: se lee, se entiende, se actúa en consecuencia y se comprende lo bastante bien como para que el estudiante pueda acertar sin ayuda la próxima vez. El cuello de botella es la puesta en práctica, no la calidad.
Más no siempre es mejor. En un segundo estudio, con 60 estudiantes de 4.º de la ESO y 240 textos escritos, la IA produjo muchos más comentarios relacionados con el contenido que el profesorado. Pero el alumnado puso en práctica más a menudo los comentarios del profesorado. Ante treinta correcciones precisas, un estudiante puede dejar de diagnosticar y empezar a priorizar, o simplemente obedecer. Si un estudiante sigue las reglas al pie de la letra, básicamente está diciendo que la revisión era innecesaria. Es el GPS otra vez, pero en otro nivel. Os da una retroalimentación muy detallada, como «gira a la izquierda en 200 metros», aplicada a vuestro propio texto.
Quién lo dice importa. No sabemos con certeza por qué los comentarios del profesorado se ponen en práctica más a menudo. Esto es cuestión de interpretación, no de medición, pero la explicación más probable es que la retroalimentación se percibe como un acto entre personas. Lo que dice alguien que sabe lo que hicisteis el trimestre pasado y verá lo que hacéis con ello es diferente de la misma frase generada bajo demanda.
Qué implica esto para la práctica. Un análisis combinado de estudios sobre retroalimentación automatizada de textos, realizado antes de que existieran los chatbots actuales, llegó a resultados similares. La retroalimentación tuvo más efecto cuando el alumnado tenía que aplicarla a un texto nuevo que cuando solo revisaba el texto que tenía delante, y más cuando se usó a lo largo de varias sesiones que una sola vez. Y hay que decir una cosa más con justicia: en comparación con no recibir ninguna retroalimentación, la retroalimentación de la IA sí ayuda. En un estudio de un equipo alemán con 459 estudiantes de bachillerato, la retroalimentación generada por IA mejoró moderadamente sus revisiones y su motivación.
Y la misma división aparece a gran escala. Un equipo combinó 228 estudios: la IA mejoró clara y consistentemente lo que el alumnado podía producir, mientras que cualquier ganancia en su capacidad de planificar, supervisar y corregir su propio aprendizaje fue lo bastante pequeña como para deberse al azar. La programación lo muestra con más claridad. El alumnado con un asistente de IA fue medible más rápido, y no mejor al final que quienes no lo tenían. Hacer más y mejorar no son lo mismo, y la IA los separa.
Europa como espejo
En toda Europa, las encuestas sobre el uso de la IA por parte del profesorado van desde unos nueve de cada diez en una muestra checa hasta aproximadamente uno de cada siete en Francia. Las encuestas difieren en método y momento: la cifra checa procede de una pequeña encuesta de 2025 a 317 docentes y cuenta cualquier experiencia con la IA, mientras que la cifra francesa procede de la encuesta internacional de la OCDE al profesorado TALIS 2024, en la que algo menos de la mitad del profesorado checo declaró usar la IA en su docencia.
Francia construyó uno de los mayores programas estatales de IA del continente: un software de práctica adaptativa en matemáticas y francés, gratuito para todo el alumnado del primer curso de bachillerato. Sin embargo, el profesorado francés usa poco la IA y solo el 9 % ha recibido alguna formación en IA, frente al 38 % de media en los países de la OCDE.
Noruega ha plasmado el problema del GPS en su política (al menos como recomendación) tal como lo haría una autoescuela de taxistas: primero aprender con el mapa y después añadir el dispositivo. En junio de 2026, Noruega recomendó que, por norma general, el alumnado de 1.º a 7.º curso no tenga acceso a la IA. Entre 8.º y 10.º curso, la IA puede introducirse de forma gradual y cuidadosa, una vez que el profesorado tenga la competencia necesaria para guiarla. En la educación secundaria superior, el alumnado debe aprender a usar la IA con un propósito.
El punto ciego
Rara vez se nombra un riesgo de la IA, y la imagen también lo alcanza: el conocimiento del mapa de la ciudad de Londres no es permanente. Una conductora que sigue las flechas durante cinco años no conserva la ciudad en la cabeza. Se desvanece, y deja de notar la calle en obras. Vuestra pericia se mantiene haciendo precisamente aquello que la IA mejor absorbe: redactar la tarea, anticipar el error conceptual y elaborar la explicación. Cuando la IA se hace cargo del trabajo mediante el cual se forma el criterio, el alivio se convierte en pérdida de competencia. En un panel alemán de expertos en e-learning, 65 de cada 100 esperaban que la IA generativa hiciera perder a las personas competencias importantes, frente a 44 el año anterior. En medicina, el efecto ya se ha medido: después de que el apoyo de la IA se generalizara en las colonoscopias, los médicos que trabajaban sin ella detectaban menos lesiones precancerosas que antes.
Usad el GPS. Pero conservad el mapa.


No comments to display
No comments to display