{"id":27140,"date":"2026-11-07T22:14:17","date_gmt":"2026-11-07T15:44:17","guid":{"rendered":"https:\/\/politicsrights.com\/?p=27140"},"modified":"2026-11-07T22:14:18","modified_gmt":"2026-11-07T15:44:18","slug":"ai-in-higher-education-needs-structure","status":"publish","type":"post","link":"https:\/\/politicsrights.com\/es\/ai-in-higher-education-needs-structure\/","title":{"rendered":"La IA en la educaci\u00f3n superior necesita estructura para ayudar a los estudiantes"},"content":{"rendered":"

Un docente responsable de una universidad brit\u00e1nica imparti\u00f3 los mismos dos m\u00f3dulos de grado de econom\u00eda y empresa durante tres cursos acad\u00e9micos: uno antes de ChatGPT, otro con estudiantes que usaban la IA por su cuenta y otro con la IA integrada en tutor\u00edas y talleres. Un estudio de 2026 publicado en Education and Information Technologies<\/a> hizo un seguimiento de las calificaciones, la asistencia y las horas de estudio independiente en los tres cursos. Es una de las comparaciones m\u00e1s claras hasta ahora sobre la IA en la educaci\u00f3n superior.<\/p>\n\n\n\n

El acceso a la IA cambi\u00f3 poco por s\u00ed solo. El dise\u00f1o del curso cambi\u00f3 lo que los estudiantes hicieron con ella. Otros cuatro estudios recientes, de Irlanda, de China, una revisi\u00f3n de bibliotecas acad\u00e9micas y un art\u00edculo conceptual sobre integridad acad\u00e9mica, muestran d\u00f3nde est\u00e1n las variables decisivas.<\/p>\n\n\n\n

Lo que muestran los m\u00f3dulos brit\u00e1nicos sobre la IA en la educaci\u00f3n superior<\/h2>\n\n\n\n

En el m\u00f3dulo m\u00e1s peque\u00f1o, que aport\u00f3 31 observaciones a nivel de estudiante, la calificaci\u00f3n global media pas\u00f3 de 18 en el a\u00f1o previo a la IA a 14 en el a\u00f1o sin orientaci\u00f3n y a 16 en el a\u00f1o con orientaci\u00f3n. Esa recuperaci\u00f3n no fue estad\u00edsticamente significativa. Las horas de estudio independiente pasaron de 23 a 26 y despu\u00e9s a 57, y ese salto s\u00ed fue significativo.<\/p>\n\n\n\n

El m\u00f3dulo m\u00e1s grande, con 103 observaciones, mostr\u00f3 la mejora m\u00e1s clara. Las calificaciones globales se mantuvieron en 16 en los dos primeros a\u00f1os y subieron a 18 en el a\u00f1o con orientaci\u00f3n, un cambio estad\u00edsticamente significativo, mientras que las horas de estudio pasaron de 19 y 20 a 44. Son tres cohortes, no un experimento controlado.<\/p>\n\n\n\n

The skill-level results varied. In the smaller module, the critical-thinking measure (the coursework essay) fell from 20 to 17 in the unguided year and recovered to 19 in the guided year, a marginally significant change (p = 0.056). The presentation grade in the larger module, the study’s proxy for communication skills, rose only from 17 to 18, which was not significant. The gains were larger in written and analytical work than in presentations.<\/p>\n\n\n\n

Los 27 estudiantes que respondieron la encuesta de fin de curso fueron positivos. De ellos, el 72.2 % calific\u00f3 la IA de \u00fatil o extremadamente \u00fatil en los talleres de dise\u00f1o de \u00e1rboles de decisi\u00f3n, y el 66.6 % la consider\u00f3 eficaz o muy eficaz para resolver problemas en las tutor\u00edas. Los autoinformes de un grupo peque\u00f1o muestran percepci\u00f3n, no rendimiento, pero coinciden con la direcci\u00f3n de las calificaciones. Tres cohortes no bastan para resolver la cuesti\u00f3n de la IA en la educaci\u00f3n superior en general, y por eso importan los otros cuatro estudios.<\/p>\n\n\n\n

Qu\u00e9 hacen los estudiantes cuando la IA llega sin reglas<\/h2>\n\n\n\n

Violeta Morari y sus colegas<\/a> surveyed 608 students at an Irish university during the first semester of 2023 to 2024 and found a student body waiting for guidance on AI in higher education. Only 43 percent reported familiarity with the institution’s integrity policies. Asked whether using generative AI for assignments is cheating, 43.9 percent agreed and 32 percent stayed neutral.<\/p>\n\n\n\n

Los estudiantes tambi\u00e9n dijeron que o\u00edan poco al respecto. Mientras que el 71.6 % afirm\u00f3 que los docentes hablaban a menudo del plagio, solo el 23.1 % dijo lo mismo de los chatbots como ChatGPT. Los docentes ense\u00f1aban los problemas de integridad que ya sab\u00edan nombrar. Solo el 22.1 % estuvo de acuerdo en que la IA generativa mejora el aprendizaje, aunque muchos se mantuvieron neutrales, y la aceptaci\u00f3n aument\u00f3 con la etapa acad\u00e9mica.<\/p>\n\n\n\n

Las se\u00f1ales sobre el cumplimiento fueron mixtas. Una mayor\u00eda, 352 frente a 251, quer\u00eda una herramienta formal de denuncia, y el 58 % apoyaba una. Sin embargo, solo el 28 % dijo que denunciar\u00eda a un compa\u00f1ero, mientras que 258 dijeron que no lo har\u00edan y 176 no estaban seguros. Los estudiantes quieren que exista control del cumplimiento y se niegan a ser su instrumento. Una pol\u00edtica que se apoya en la denuncia entre compa\u00f1eros exige una conducta que la cohorte dice que no ofrecer\u00e1.<\/p>\n\n\n\n

La historia de la tecnolog\u00eda educativa explica por qu\u00e9 la adopci\u00f3n sin estructura decepciona. En Failure to Disrupt<\/em>, Justin Reich examin\u00f3 los MOOC, los calificadores autom\u00e1ticos y los tutores informatizados. Concluy\u00f3 que las tecnolog\u00edas concebidas para el aprendizaje a gran escala no cumplieron sus promesas, que sus beneficios fueron sobre todo para los estudiantes con m\u00e1s recursos y que la reforma exitosa depende de un cambio institucional gradual. La IA generativa a\u00f1ade una complicaci\u00f3n: las herramientas anteriores calificaban y daban tutor\u00eda, mientras que esta puede producir la propia tarea.<\/p>\n\n\n\n

El pensamiento cr\u00edtico decide qui\u00e9n se beneficia de la IA<\/h2>\n\n\n\n

Un estudio con 744 estudiantes universitarios de toda China continental, publicado por Yingchun Wang en Frontiers in Psychology<\/a>, tested what separates students who gain from AI from those who do not. Students rated their AI literacy on four dimensions: awareness, usage, evaluation, and ethics. Higher literacy went with higher academic self-efficacy, meaning confidence in one’s ability to succeed at coursework.<\/p>\n\n\n\n

Para la IA en la educaci\u00f3n superior, el mecanismo importa. La autoeficacia explic\u00f3 entre el 26 y el 29 % del v\u00ednculo entre la alfabetizaci\u00f3n en IA y el rendimiento, seg\u00fan la dimensi\u00f3n. El pensamiento cr\u00edtico modific\u00f3 entonces el resultado. Entre los estudiantes una desviaci\u00f3n est\u00e1ndar por encima de la media en pensamiento cr\u00edtico, la conciencia sobre la IA predec\u00eda la autoeficacia con un coeficiente de 0.50. Entre los que estaban una desviaci\u00f3n est\u00e1ndar por debajo, el coeficiente fue de 0.09 y estad\u00edsticamente indistinguible de cero.<\/p>\n\n\n\n

Las otras tres dimensiones se dividieron de la misma manera: de 0.47 a 0.51 para el grupo alto y de 0.11 a 0.15 para el grupo bajo. La alfabetizaci\u00f3n aument\u00f3 la confianza solo all\u00ed donde los estudiantes pod\u00edan juzgar lo que produc\u00eda la m\u00e1quina. Una herramienta amplifica el criterio de quien la maneja.<\/p>\n\n\n\n

Una herramienta amplifica el criterio de quien la maneja.<\/p><\/blockquote><\/figure>\n\n\n\n

Los datos provienen de un \u00fanico momento y de autoinformes, y la medida de rendimiento es una valoraci\u00f3n de seis \u00edtems sobre cu\u00e1n plenamente completan los estudiantes sus tareas, por lo que el orden causal sigue abierto.<\/p>\n\n\n\n

Aun as\u00ed, el resultado sugiere que ense\u00f1ar a los estudiantes a manejar la IA no basta por s\u00ed solo para generar confianza, porque la mejora depend\u00eda de una capacidad distinta.<\/p>\n\n\n\n

Un criterio de este tipo tarda en construirse y no viene incluido en el resultado. La comprensi\u00f3n basada en la experiencia que los estudiosos llaman conocimiento t\u00e1cito<\/a> pertenece a quien ha hecho el trabajo, y por eso un estudiante de primer a\u00f1o y un doctorando pueden leer el mismo p\u00e1rrafo generado por un modelo y hacer con \u00e9l cosas completamente distintas. Ense\u00f1ar a los estudiantes a evaluar lo que produce la IA debe preceder a ense\u00f1arles a depender de ella.<\/p>\n\n\n\n

Por qu\u00e9 el dise\u00f1o de la evaluaci\u00f3n supera a la detecci\u00f3n<\/h2>\n\n\n\n

El software de detecci\u00f3n no puede soportar el peso que las universidades depositan en \u00e9l cuando gobiernan la IA en la educaci\u00f3n superior. Alireza Maleki’s conceptual paper in Discover Artificial Intelligence<\/a> sostiene que la detecci\u00f3n de plagio resulta insuficiente porque el contenido generado por IA suele ser original por dise\u00f1o. La gobernanza debe pasar de preguntar si el estudiante produjo un texto a preguntar c\u00f3mo lo produjo y con qu\u00e9 herramientas.<\/p>\n\n\n\n

Maleki organiza la integridad acad\u00e9mica en cuatro capas interdependientes: gobernanza y pol\u00edticas, dise\u00f1o de la evaluaci\u00f3n, normas institucionales y culturales, y agencia moral individual. El art\u00edculo no presenta datos. Su valor reside en la secuencia que describe, en la que la pol\u00edtica da forma a la evaluaci\u00f3n, la evaluaci\u00f3n da forma a las normas culturales y las normas dan forma a las decisiones morales que toman los estudiantes.<\/p>\n\n\n\n

Los m\u00f3dulos brit\u00e1nicos ilustran el mismo punto. En el m\u00f3dulo m\u00e1s peque\u00f1o, una regresi\u00f3n que controlaba la asistencia dio al uso de IA sin orientaci\u00f3n un coeficiente negativo significativo sobre las calificaciones globales y a las horas de estudio independiente uno positivo significativo. En el m\u00f3dulo m\u00e1s grande, el efecto del uso sin orientaci\u00f3n fue peque\u00f1o y cambi\u00f3 seg\u00fan el m\u00e9todo de estimaci\u00f3n. Cuando el curso daba a los estudiantes una raz\u00f3n estructurada para estudiar, las horas y las calificaciones subieron.<\/p>\n\n\n\n

La alternativa pr\u00e1ctica a la detecci\u00f3n es evaluar el proceso. Una tarea en varias etapas, con una propuesta, un borrador, comentarios de los compa\u00f1eros y una versi\u00f3n final, da al estudiante una raz\u00f3n para pensar en cada etapa. Una breve defensa oral confirma que el autor entiende el argumento. Una declaraci\u00f3n escrita de qu\u00e9 herramientas se usaron, para qu\u00e9 y por qu\u00e9 deja un rastro que el docente puede leer.<\/p>\n\n\n\n

Neil Selwyn plante\u00f3 la idea de fondo en Should Robots Replace Teachers?<\/em> antes de que existiera ChatGPT. Tras examinar los robots en las aulas, los sistemas de tutor\u00eda inteligente, la anal\u00edtica del aprendizaje y la toma de decisiones automatizada, sostuvo que incorporar la IA a la ense\u00f1anza es una elecci\u00f3n que pertenece a los debates sobre valores, juicio y pol\u00edtica. La evaluaci\u00f3n basada en el proceso es esa elecci\u00f3n hecha concreta.<\/p>\n\n\n\n

Las brechas de capacidad deciden qui\u00e9n recibe orientaci\u00f3n<\/h2>\n\n\n\n

La estructura cuesta tiempo del personal, y el tiempo del personal cuesta dinero. Eso convierte la financiaci\u00f3n en una cuesti\u00f3n central para la IA en la educaci\u00f3n superior. Una revisi\u00f3n sistem\u00e1tica de Lateef Ayinde, Raphael Ebiefung y Bolaji David Oladokun<\/a> publicada en The Journal of Academic Librarianship examin\u00f3 29 estudios de 2020 a 2024 sobre la IA en las bibliotecas acad\u00e9micas. La financiaci\u00f3n fue el obst\u00e1culo citado con m\u00e1s frecuencia, presente en 14 de los 29 estudios, es decir, el 48 %.<\/p>\n\n\n\n

El resto de la lista se lee como un mapa de capacidades desiguales. Ocho estudios informaron de habilidades inform\u00e1ticas limitadas entre los bibliotecarios, seis de infraestructura inadecuada, tres de un suministro el\u00e9ctrico poco fiable y cuatro de miedo a perder el empleo. Los autores se\u00f1alan que a las instituciones de los pa\u00edses en desarrollo les cuesta en particular asignar fondos espec\u00edficos a la IA. La revisi\u00f3n abarca solo estudios en ingl\u00e9s, por lo que falta la producci\u00f3n acad\u00e9mica en otros idiomas.<\/p>\n\n\n\n

Una pol\u00edtica redactada en una universidad de investigaci\u00f3n bien financiada no se trasladar\u00e1 a una instituci\u00f3n que no puede pagar la formaci\u00f3n. El acceso a un uso guiado de la IA depende entonces de una decisi\u00f3n presupuestaria. Las instituciones est\u00e1n adoptando la IA en la educaci\u00f3n superior en medio de cambios m\u00e1s amplios en el uso y la gobernanza de la IA<\/a>, y la brecha de capacidad decide qu\u00e9 estudiantes se benefician.<\/p>\n\n\n\n

Una pol\u00edtica viable para la IA en la educaci\u00f3n superior<\/h2>\n\n\n\n

En conjunto, los cinco estudios respaldan cuatro compromisos para las instituciones. Constituyen una propuesta extra\u00edda de la evidencia, y ning\u00fan art\u00edculo pone a prueba el conjunto como tal. Cada compromiso responde a una laguna que los estudios dejan ver: reglas poco claras, proceso inobservable, criterio desigual y capacidad desigual.<\/p>\n\n\n\n