¡Profe, no te necesito!

 Por Ramón Besonías

Hace unos meses, mientras ojeaba libros en una librería, escuché a unas estudiantes de 2º de Bachillerato comentar lo inútil que les parecía tener que asistir a las clases de una profesora que se limitaba, según confesaban, a soltar la brasa. Para eso me lo preparo sola, se quejaba una de ellas. No parecían estudiantes sin interés. Al contrario, por lo poco que pude deducir, se trataba de jóvenes motivadas, de familia acomodada y con suficiente competencia y motivación. 

Desde hace tiempo, es muy fácil encontrar noticias sobre el escaso interés de los estudiantes universitarios por asistir a algunas clases. Esto puede trasladarse a Bachillerato, aunque en este caso la presión de la presencialidad es mayor.

¿Tienen razón estos estudiantes? Si nos limitamos a un enfoque práctico, es probable que a muchos de estos estudiantes les compense la reducción de ese esfuerzo en favor de otros métodos de estudio, con igual o superior resultado al que obtendrían si asistieran a las clases. ¿Por qué asistir si me lo preparo a mi aire y la nota mejora? A priori, es razonable pensar que este escenario se aplica a estudiantes con cierto grado de autonomía. En entornos vulnerables, con déficits sustanciales en competencias básicas, la presencia del docente y la socialización es un estímulo fundamental. En un modelo de aprendizaje híbrido o 100% online, se sentirían perdidos y más pronto que tarde abandonarían los estudios. 

Lo he observado en algunos estudiantes que al terminar Bachillerato, como no obtuvieron suficiente nota, optaron por la formación online y no les fue bien. ¿Por qué? Porque no fueron capaces de asumir la disciplina de trabajo y la soledad. Necesitaban de un profesor que marcase pautas, límites y tiempos. Además, les agobiaba estar todo el día estudiando solos. Factores psicológicos o emocionales, también competenciales, influyen a la contra en la percepción de la formación no presencial, pese a tener a su disposición medios y materiales eficaces para sobrellevar el curso. A esto se suma otro factor, la competencia digital. Algunos estudiantes no se manejan bien con la tecnología, o les requiere un periodo de adaptación más largo y oneroso. Pasa algo similar con los docentes. No todos entran tan dócilmente a usar herramientas digitales por múltiples causas.  

¿Es posible que estudiantes con un perfil competencial y motivación puedan aprobar Bachillerato sin necesidad de las clases presenciales? Sin duda. El Bachillerato, por mucho que se arrogue el calificativo de competencial, sigue basándose en la asimilación de contenidos. Los elementos llamados competenciales obligan a pensar mejor la pregunta, requieren un flujo de pensamiento antes de contestar, que se puede preparar fácilmente con escasa o nula mediación del docente. La baja competencia del estudiante, su escasa autonomía, son factores que hacen necesaria la presencialidad y la guía del docente. En contextos con un alto grado competencial, es natural que las clases presenciales se sientan en parte inútiles. 

¿Qué aporta el docente y el aula que no lo haga un trabajo autónomo eficaz? Uno de los argumentos razonables a favor de la presencialidad es la necesidad de socialización, pero difícilmente soporta la falsación para las nuevas generaciones, cuyo concepto de relaciones sociales no está necesariamente mediado por la presencia física. Entiéndame mi lector que no estoy defendiendo que desde el Bachillerato desaparezcan las clases presenciales. Mi intención es reflexionar de qué manera los cambios en la percepción del aprendizaje nos obligan a los docentes a cuestionar nuestra labor, la forma como enseñamos y evaluamos, teniendo en cuenta que buena parte de ellos son automatizables y puede obtenerse una calificación sostenible sin necesidad de ir a clase.

Este escenario se está haciendo más que evidente en la Universidad, especialmente en aquellas áreas centradas en el análisis de contenidos escritos y su volcado en tareas y exámenes. Si el docente lee sus powerpoint en clase y los exámenes solo requieren la comprensión de los libros asignados, ¿para qué ir a clase? Mejor me lo preparo en casa, con medios mucho más eficaces, y me ahorro horas de traslado a la facultad y horas de tedio. En Bachillerato, dos cuartas de lo mismo.

Cualquier estudiante mínimamente avispado, posee múltiples estrategias que le permiten sortear una evaluación basada en trabajos escritos. Las generaciones nacidas con el milenio perciben como un método inútil la clase basada en la mera escucha del temario, y no solo porque sean generaciones digitales. El sistema educativo se presta a ello. Si hicieras una encuesta a estudiantes de secundaria sobre los métodos de evaluación que usan sus docentes, revelarían que un alto porcentaje está basado en la mera asimilación de contenidos teóricos a través de tareas y exámenes fácilmente automatizables con ayuda de una IA. La adaptación del docente a estrategias de evaluación más variadas, en función de múltiples objetivos y competencias, es aún una rara avis. Campo abonado a esa tendencia a considerar las clases como algo prescindible. Indignarse por ello es inútil, y más aún no hacer nada por remediarlo, esperando que todo se solucione por arbitrio de una ciencia infusa. ¿Es posible reformular nuestra forma de evaluar y diseñar nuestra metodología de tal forma que la clase presencial aporte un valor añadido, indelegable a una IA que automatice el aprendizaje? Sí, es posible y necesario. Pero requiere un viraje sustancial que trascienda el modelo basado en la mera entrega de un producto final (examen, tarea), y se centre en el proceso de trabajo. Cuidar el cómo frente al qué. 

Los docentes no percibimos aún la urgencia de este cambio, pero sí nos quejamos de su impacto sobre destrezas cognitivas básicas. No leen, no comprenden, copian y pegan. Vale, sucede eso. ¿Qué puedes hacer en tu aula para provocar lo contrario? No hay nada más estéril que el lamento. 

Pero seamos honestos. El hecho de que haya cambiado la percepción del estudiante del papel de la enseñanza y sus métodos de evaluación, no supone un aumento significativo de las matriculaciones en enseñanzas online o híbridas. En tres años, el peso de la enseñanza no presencial se mantiene alrededor de una quinta parte: 

• En FP, se mantiene estable en torno al 18,8 %. 
• En Universidad, alrededor del 18,5 %, con una ligera subida respecto a 2022-2023. 

En FP, la modalidad a distancia funciona como una alternativa flexible, que facilita la recualificación o la conciliación. En universidad, su crecimiento tiene un componente más crematístico, sobre todo en el máster privado online, que ofrece un modelo flexible, algo así como un supermercado de títulos. Si nos centramos en la enseñanza semipresencial universitaria, los porcentajes bajan ligeramente. Lo que crece más es la oferta no presencial/online y las titulaciones con varias modalidades.

Respecto a si los estudiantes universitarios asisten o no a clase, el Sistema Integrado de Información Universitaria recoge abandono, rendimiento, matrícula, cambio de estudios, modalidad, etc., pero no una medición homogénea y periódica de asistencia a clase. El estudio más reciente es el informe de la Universitat Autònoma de Barcelona sobre absentismo universitario, publicado en 2026, con datos recogidos entre junio y diciembre de 2025. Participaron 2.253 estudiantes, 732 docentes y 60 responsables de centros. El informe señala que:

• el 53,9 % del alumnado declara asistir entre el 80 % y el 100 % de las clases; 
• un 23,1 % entre el 60 % y el 80 %; 
• y aproximadamente un 23 % asiste a menos del 60 %. 

También calcula una media de asistencia del 72,8 % y una mediana del 90 %, lo que indica una distribución desigual: muchos asisten a menudo, pero hay una bolsa relevante de absentismo parcial. Además, el 40 % del alumnado afirma haber dejado de asistir a alguna asignatura desde el inicio del curso académico.

El profesorado no tiene la misma percepción. Calculan una asistencia media del 60,7 %, y casi la mitad de sus respuestas —49,4 %— sitúan el absentismo por encima del 40 %; dentro de ese grupo, un 16,7 % describe situaciones con más del 60 % de absentismo.

El alumnado dice asistir más de lo que indica el profesorado. Puede deberse a sesgo de autopercepción, diferencias entre asignaturas, o a que los estudiantes que responden encuestas son precisamente los más conectados con la universidad. Nos datos no permiten una conclusión fiable, pero revelan tendencias. Es difícil o imposible saber si el absentismo tiene que ver o no con la naturaleza del grado o las formas de enseñanza de cada docente.

Sin embargo, sí podemos arguir algunos factores que pueden influir en esta tendencia: 

• La clase presencial permite aprobar sin asistencia. En el informe UAB, entre el alumnado que ya ha dejado de asistir, el factor más fuerte vinculado a la evaluación es que el contenido y los materiales son accesibles fuera del aula. El informe destaca que este grupo valora especialmente la disponibilidad de materiales y la facilidad de acceder al contenido sin acudir presencialmente. Si la clase no añade nada que no esté en el PDF, el campus virtual o los apuntes de un compañero, el estudiante hace sus cuentas: me evito el coste de desplazamiento, ahorro tiempo y reduzco el aburrimiento. Y si el rendimiento académico se mantiene o aumenta, ¿por qué ir a clase? 
• La enseñanza presencial pierde su monopolio como vía de acceso al contenido. Antes, no ir a clase implicaba perder buena parte del contenido. Ahora no. El estudiante puede reconstruir la asignatura con: campus virtual, presentaciones, apuntes de compañeros, bancos de apuntes, vídeos, grupos de mensajería, IA generativa, pruebas de otros años, resúmenes y esquemas externos. El informe de la UAB revela que cuando los compañeros facilitan apuntes y el profesorado proporciona material suficiente, la asistencia pierde sentido funcional. El aula ya no controla el acceso al conocimiento. Un diseño curricular que flexibilice los medios de evaluación fomentaría el interés o utilidad de las clases presenciales. Si no existe, la navaja de Ockham gana.
• El absentismo es estratégico cuando la evaluación permite aprobar sin asistir. Según el informe UAB, cuando el aula no vincula claramente contenido, evaluación y aprendizaje, el absentismo se convierte en una estrategia académica. Esto explica por qué no aumenta necesariamente la matrícula online. El estudiante no necesita cambiar de modalidad. Le basta con descubrir que puede superar una asignatura presencial comportándose como si fuera una semipresencial clandestina.
• Importa más el título que la experiencia universitaria. El informe UAB, indica que ocho de cada diez estudiantes tienen como principal objetivo obtener el título para acceder al mercado laboral. Esa percepción instrumental de la educación contribuye a menor implicación y a un aprendizaje más superficial y fragmentado. Si el grado no se vive como experiencia intelectual o profesional, la asistencia se mide por utilidad inmediata. La universidad presencial queda así reducida a una especie de expendedor de certificaciones.
• El problema también es logístico, de trabajo y cansancio. La explicación “no van porque tienen apuntes e IA” es insuficiente. Hay condicionantes materiales. En la UAB, el 71,4 % del alumnado declara usar transporte público para llegar al campus; el 68,4 % tarda más de 30 minutos y el 31,9 % invierte más de una hora diaria en llegar. Eso convierte cada clase en una decisión de coste: desplazamiento, espera, huecos muertos y cansancio. El estudio Vía Universitaria 2023-2025 también apunta a cambios de dedicación: aumenta el alumnado que compagina estudios y trabajo, con un 26 % trabajando durante el curso, nueve puntos más que en 2021, y baja la dedicación media al estudio. La brecha socioeconómica es un agravante.  
• La IA influye en la asistencia. No es causa única ni principal, pero sí acelerador. El informe UAB señala que para el alumnado la IA no funciona tanto como sustituto directo de la clase, sino como una herramienta más dentro de un ecosistema donde el problema central es si la clase aporta valor académico. También recoge el factor “la IA es suficiente para aprobar”, aunque el alumnado lo diluye dentro de lógicas más amplias de acceso a materiales y dificultad de la materia. El estudiante no necesita matricularse online porque puede construir un ecosistema de apoyo paralelo dentro del grado presencial. Es un error pensar que los estudiantes usan la IA para todo. Son selectivos, pragmáticos. Si tienen la ocasión y les aporta un valor añadido en la nota, la usan sin escrúpulos. Si les resulta engorrosa, compleja, y les lleva mucho tiempo, la evitan. Y no la usan para todas las tareas. Saben discriminar cuáles usar según la naturaleza de la prueba y el contexto. Respecto a la ética, priorizan la utilidad frente a la moralidad porque interpretan su uso como una cuestión meramente pragmática, de supervivencia, no ligada a valores. Sin embargo, cuando se debate sobre el impacto global de la IA, compran la narrativa. 
• Salud mental, motivación y transporte. El informe UAB identifica como factores principales los problemas de salud y familiares, especialmente salud mental y emocional, con un peso explicativo del 32,30 %; después aparecen la motivación académica, la presión social, factores externos como transporte o meteorología y la percepción de autoeficacia académica. Parte del absentismo es desenganche, pero otra parte es fragilidad vital, ansiedad, cansancio, precariedad o incapacidad de sostener la vida universitaria convencional. Para generaciones en las que la vida digital absorbe buena parte de sus relaciones personales y su cultura de ocio, la presencialidad se siente como una carga más lesiva para su salud mental.
• Cambio cultural postpandemia. Un artículo de Díaz y Pons señala que hay indicios de aumento del absentismo tras la pandemia y que esta pudo acelerar cambios tecnológicos y culturales previos. Además, el informe Vía Universitaria 2023-2025 detecta una reducción del tiempo de estudio autónomo y sugiere que puede relacionarse con cambios en la presencialidad, metodologías docentes y conciliación con otras responsabilidades. Esto afectó no solo a la educación. Aumentó la mediación digital en los hábitos de compra, ocio y relaciones. No hay que obviar que este ecosistema cultural más allá de las fronteras del aula acaba influyendo de forma determinante sobre ella, reconfigurando la percepción del aprendizaje. 
• Otros factores relevantes. El grado presencial público suele ser más barato y más legitimado que muchas opciones privadas online. La oferta online no cubre igual todos los grados, especialmente aquellos con prácticas, laboratorios, clínica, talleres o componente profesional regulado. El título presencial mantiene prestigio social, incluso si la experiencia real del estudiante es intermitente. La universidad presencial ya ofrece materiales digitales, de modo que permite una especie de híbrido de facto sin llamarlo así.

Más allá de los datos, a modo de reflexión subjetiva, aunque compartida por otros docentes, podemos observar un cambio sutil en la forma de percibir los estudiantes el papel de la educación, el acceso al conocimiento y su aprendizaje. La enseñanza formal la perciben como un mero proceso pragmático que les permita aprobar, y a esto ha contribuido el propio sistema educativo, convirtiendo el aprendizaje en supervivencia. No hace falta hacer una encuesta entre estudiantes de Bachillerato para descubrir que esa percepción es generalizada. 

No es que estudiante tenga la sensación de que el docente “no sirva”, sino que ya no es imprescindible para aprobar. De hecho, los estudiantes saben valorar por encima de otros factores la actitud proactiva y empática del docente. Ahora bien, cuando el objetivo es superar una prueba, el papel del docente se reduce si no aporta algo que los medios digitales no puedan sustituir. Si sumamos a esto la neurosis colectiva de la PAU, que es una prueba de selección y supervivencia, vamos intuyendo la tormenta antes de que llueva. Es inquietante leer en las redes sociales de los centros educativos públicos los rankings de aprobados en la PAU, al estilo de los institutos privados anglosajones. Demencial. La autopercepción de la enseñanza pública está adoptando estrategias empresariales de márquetin para mantener o aumentar líneas. Cada centro de una misma ciudad, incluso zonificación, se convierte en competidor de otros. Lo se subraya el talento y superación desde circunstancias y capacidades diversas. Se pone el acento en el estudiante que sacó 14 y quiere hacer un grado puntero. Ni qué decir que este márquetin suele circunscribirse a las expectativas universitarias, no a otras como la FP de Grado Superior. Los estudiantes, más pronto que tarde, perciben que se les está preparando para aprobar, no para aprender, y hacerlo en un contexto de competitividad feroz.  

Este no un fenómeno que afecte solo a Bachillerato. Ya empezamos a ver según en qué contextos una tendencia a convertir la escuela pública en una empresa de selección de los más aptos en un contexto de embudo laboral. Esto lleva a familias y docentes a adoptar medidas neurotizantes incluso en Primaria. 

Respecto a la influencia de la IA y la digitalización creciente del modelo educativo en la percepción del aprendizaje, hay que tener en cuenta que hasta hace poco el docente seleccionaba el contenido, explicaba ese contenido y evaluaba el dominio de ese contenido. Los medios digitales seleccionan y explican. El estudiante puede encontrar explicaciones alternativas, resúmenes, esquemas, vídeos, foros, ejercicios resueltos y ahora asistentes de IA. Para ellos es suficiente para sobrevivir en el contexto del Bachillerato o la Universidad. 

La paradoja es que cuanto más intenta transmitir contenido el docente, más sustituible parece a ojos del estudiante. Si el docente funciona como “explicador de contenidos”, compite contra YouTube, apuntes, academias e IA. Si funciona como diseñador de pensamiento, guía de lectura y debate, provocador de conflicto cognitivo, evaluador fino y acompañante del proceso, la sustitución es más difícil. 

No hay acritud en el estudiante. Es una cuestión de ahorro de energía, de gestión de su incertidumbre, de que se puede hacer y se hace. ¿Consecuencia? La delegación excesiva. Desgasta el aprendizaje profundo, el desarrollo de destrezas cognitivas esenciales. ¿Solución? Cambiar el enfoque de la evaluación docente. Dejar de ver la IA como enemiga y empezar a usarla en favor del aprendizaje del estudiante. La IA como andamiaje. El aprendizaje como proceso, no el aprobado de un examen. ¿Es posible esto en un contexto donde el sistema conduce a aprobar una PAU? No es extraño que cada vez más estudiantes se decanten por la FP de Grado Superior. Requiere solo 2 años con posibilidad de seguir formándote, combina la teoría con la práctica, se centra en la capacitación laboral, tiene más salidas laborales que la Universidad. No hay color. 

Enseñar a los estudiantes a usar la IA de una forma ética, creativa y práctica no es fácil. Requiere tiempo, continuidad y aprender juntos. No basta que lo haga uno o dos docentes de un grupo. Debe existir un compromiso de toda la comunidad educativa: docentes, familias y estudiantes. Formación, plan integral, autoevaluación, paciencia y optimismo. Este es el escenario ideal, pero ¿fácil? No. Pero habrá que empezar a hacer algo, ¿no crees? Lo contrario es que cada docente siga buscándose la vida en su aula, cada cual a su modo, sin apenas formación y apoyo. Y dentro de 10 años el pastel nos explote en la cara, lamentándonos y echando la culpa a la IA, pero sin haber reaccionado. Esperando a que se solucione por arte de magia. 

Mientras tanto, los estudiantes seguirán haciendo lo que creen mejor para ellos, sorteando como pueden un mundo cada vez más complejo, incierto y competitivo. Quizá en 10 años nos reprochen no haber reaccionado antes, teniendo herramientas con las que enfrentarse a ese mundo con creatividad, ingenio y conocimiento.

Por último, me gustaría subrayar que si bien hasta ahora la tecnología podía ser un agravante de la brecha socioeconómica, con la IA esa brecha puede agravarse. El uso de IA permitirá en pocos años agilizar procesos de enseñanza y aprendizaje. Cuanto más avanzada sea la IA, más costosa resultará. Aquellos estudiantes más vulnerables pueden quedar fuera de esa alfabetización, no solo por el coste, también por factores adyacentes: falta de apoyo social y familiar, desmotivación, menores expectativas... En entornos vulnerables, el aprendizaje se desgasta y la tecnología se presta a usos más tóxicos, sin guía y apoyo externo. Al docente le resulta más difícil alfabetizar en IA en entornos vulnerables porque existen de base déficits esenciales que requieren una atención urgente. Si no sabe leer o comprender lo que lee, ¿cómo enseñarle a enfrentarse a la IA? Pero a su vez estos estudiantes están más expuestos a un uso tóxico de la IA, lo que nos lleva a una paradoja. ¿Cómo educar en IA manteniendo como objetivos curriculares el desarrollo de las destrezas más básicas? 

Un elemento a favor en estos entornos es que el estudiante, al ser menos autónomo, necesita del docente. No es tan capaz de aguantar una enseñanza sin la presencia y guía del profesor. El retraso curricular es más evidente y difícil de remontar. A esto se suman factores económicos que limitan el acceso a estudios superiores y un entorno que induce a otras opciones más atractivas, como FP o oposiciones a fuerzas de seguridad, cuando no una entrada temprana en nichos vulnerables dentro del mercado laboral, temporales y mal pagados. La tecnología se convierte en un agravante de la brecha social y económica. 

Muchas preguntas, pocas respuestas. Pero merece la pena hacérselas e intentar resolverlas desde la realidad vulnerable que vivimos cada día en el aula. Animo.

Fuentes consultadas

EsadeEcPol. (2024). El mercado de las clases particulares en España entre 2020 y 2024: La nueva geografía social, territorial y lingüística de la educación en la sombra. Esade Center for Economic Policy.

https://www.esade.edu/ecpol/en/publications/el-mercado-de-las-clases-particulares-en-espana-entre-2020-y-2024-la-nueva-geografia-social-territorial-y-linguistica-de-la-educacion-en-la-sombra

Fundación SM. (2026). Jóvenes españoles 2026. Observatorio de la Escuela en Iberoamérica.

https://es.fundacion-sm.org/innovacion-educativa/biblioteca/informe-jovenes-espanoles2026

Muñoz Moreno, J. L., Ion, G., Rodríguez-Gómez, D., Mercader, C., & otros. (2026). L’absentisme a les aules universitàries de la UAB: per què val la pena anar a classe. Universitat Autònoma de Barcelona.

https://ddd.uab.cat/pub/docins/2026/327188/Absentisme_aules_universitaries_UAB.pdf

OECD. (2023). PISA 2022 Results. Volume II: Learning During — and From — Disruption. OECD Publishing.

https://www.oecd.org/en/publications/pisa-2022-results-volume-ii_a97db61c-en.html

UNESCO. (2023). Global Education Monitoring Report 2023: Technology in education: A tool on whose terms? UNESCO.

https://www.unesco.org/gem-report/en/publication/technology

Xarxa Vives d’Universitats. (2025). Via Universitària 2023-2025: Accés, condicions d’aprenentatge, expectatives i retorns dels estudis universitaris. Xarxa Vives d’Universitats.

https://www.vives.org/programes/estudiants/viauniversitaria-2/

Ministerio de Ciencia, Innovación y Universidades. (2025). Estadística de estudiantes universitarios. Curso 2024-2025. Avance. Sistema Integrado de Información Universitaria.

https://www.ciencia.gob.es/Ministerio/Estadisticas/SIIU/Estudiantes.html

Ministerio de Ciencia, Innovación y Universidades. (2025). Estadística de universidades, centros y titulaciones. Curso 2024-2025. Sistema Integrado de Información Universitaria.

https://www.ciencia.gob.es/Ministerio/Estadisticas/SIIU/UCT.html

Ministerio de Educación, Formación Profesional y Deportes. (2025). Estadísticas de las enseñanzas no universitarias. Alumnado matriculado. Formación Profesional. EDUCAbase. 

https://estadisticas.educacion.gob.es/EducaJaxiPx/Tabla.htm?path=/no-universitaria/alumnado/matriculado

Ministerio de Educación, Formación Profesional y Deportes. (2025). Datos avance de matriculación en Bachillerato y Formación Profesional. Curso 2024-2025. TodoFP.

https://www.todofp.es/comunes/noticias/2025/aumenta-matriculacion-bachillerato-fp.html

Autoría y uso de IA 

Este artículo ha sido escrito, revisado y editado por su autor. Durante el proceso se ha utilizado IA generativa como herramienta de apoyo para contrastar datos, ordenar fuentes, explorar enfoques argumentativos, revisar formulaciones y generar una imagen de acompañamiento. 

La responsabilidad sobre las ideas, el tono, la selección de fuentes, la interpretación de los datos y la versión final del texto corresponde íntegramente al autor. 

Tomado de IA Educativa

NotebookLM como mediador cognitivo en la educación superior

 Por Carlos Brao Reyes y Mercedes Leticia Sánchez Ambriz

La educación superior enfrenta un problema que no se resuelve con más información. Los estudiantes tienen acceso a libros, artículos, guías, videos, repositorios y documentos de todo tipo, pero esa abundancia no siempre se convierte en conocimiento. Con frecuencia, el material se acumula sin una ruta clara de lectura. Se subrayan fragmentos, se guardan archivos y se elaboran trabajos que parecen correctos, aunque revelan una apropiación débil del contenido. El desafío pedagógico no está solo en acceder a fuentes, sino en aprender a trabajar con ellas, lo que se traduce en evitar la aitoxicación del conocimiento. (Bravo Carlos & Sánchez Mercedes, 2026)

Para colaborar en la disminución de la aitoxicación encontramos en NotebookLM un asistente de investigación con inteligencia artificial orientado a organizar ideas, trabajar con fuentes cargadas por el usuario, responder con información basada en esas fuentes y transformar documentos en guías de estudio, resúmenes, mapas mentales y otros formatos de apoyo (Google, 2026). La verdadera dimensión de esta herramienta está en la forma en que la empleamos para convertirla en un mediador cognitivo entre el estudiante y los documentos.

Un mediador cognitivo reorganiza la actividad intelectual del estudiante. Ayuda a formular preguntas, identificar relaciones, jerarquizar conceptos, recuperar evidencias y revisar la coherencia entre lo que se afirma y la fuente consultada. En este sentido, el valor de NotebookLM no reside en producir respuestas listas, sino en acompañar al estudiante durante la lectura, la investigación y la escritura académica.(González, 2026)

De la lectura dispersa a la mediación cognitiva

Desde el enfoque histórico cultural, el aprendizaje no se reduce a una actividad individual encerrada en la mente del estudiante. Vygotsky mostró que el desarrollo de las funciones psicológicas superiores se construye mediante instrumentos, signos, lenguaje e interacción social (González Berta, 2019). En esa perspectiva, las tecnologías no son neutras, modifican la forma en que el sujeto se relaciona con el conocimiento, con los otros y consigo mismo. NotebookLM actúa como un instrumento cultural digital cuando interviene en la relación entre el estudiante y sus fuentes de estudio.

La mediación cognitiva se observa cuando el estudiante deja de leer documentos aislados y comienza a establecer vínculos entre ellos. Un texto se relaciona con otro, una categoría aparece en varios autores, una definición se amplía con un ejemplo, una idea se contradice con otra y los sesgos en la información se encuentran con más precisión. NotebookLM ayuda a ordenar ese campo inicial de información y ofrece una primera estructura de lectura. Sin embargo, esa estructura no debe ser aceptada de manera pasiva, debe ser interrogada, contrastada y corregida por el estudiante.

En el proceso anterior se encuentra una organización didáctica, que favorece la conversión de la información en conocimiento. NotebookLM no sustituye la lectura; la vuelve más dialogada, porque el estudiante pregunta, revisa, vuelve a la fuente y reelabora. El estudiante realiza operaciones que quizá no lograría solo, pero que alcanza con apoyos externos: sintetizar, comparar, clasificar, argumentar y verificar. La herramienta funciona como andamiaje, siempre que el docente diseñe tareas que obliguen a pensar y no solo a recibir respuestas. Es de esta manera como este proceso sigue la conocida zona de desarrollo próximo.

También existe una relación directa con la teoría de la carga cognitiva (Alisoy, 2025). Muchos estudiantes se saturan ante documentos extensos, lenguaje técnico y múltiples fuentes. Esa saturación reduce la comprensión y favorece la copia superficial. NotebookLM disminuye la carga inicial al ofrecer síntesis, preguntas orientadoras o representaciones visuales. Pero reducir la carga no significa empobrecer el pensamiento. El propósito educativo debe ser liberar recursos mentales para operaciones de mayor nivel: analizar, interpretar, contrastar y producir una posición propia (Sweller, 1988)

El aprendizaje autorregulado aporta otra dimensión. Un estudiante autónomo planifica, controla y evalúa su proceso de aprendizaje (Zimmerman, 2002). NotebookLM apoya esas acciones si se usa con intencionalidad. En la planificación, facilita la búsqueda documental a partir de la realización de una investigación rápida o profunda, además de cargar directamente las fuentes que obtuvimos en otras búsquedas. En la etapa de control, permite formular preguntas durante la lectura. En la evaluación, facilita revisar si una respuesta tiene respaldo en las fuentes. De esta manera, la IA deja de ser una máquina de respuestas y se convierte en un recurso para observar el propio proceso cognitivo. En todas estas etapas se requiere que el estudiante empleé diferentes prompts para obtener el mejor rendimiento. De este tema comentaremos en otro trabajo.

En todo este proceso siempre se corre el riesgo de que el estudiante confunda mediación con sustitución. Si acepta cada salida de la IA sin examinarla, NotebookLM se convierte en una autoridad opaca debilitando el juicio académico. La fluidez textual no garantiza comprensión, la respuesta ordenada no siempre representa la complejidad de los autores. Una síntesis clara no siempre conserva los matices del documento original. Por eso, la mediación tecnológica exige mediación humana.

Fuentes cerradas para aprender, investigar y escribir

Una de las características pedagógicas más valiosas de NotebookLM es su trabajo con fuentes delimitadas. El usuario incorpora documentos al cuaderno y la interacción se produce a partir de esas fuentes. La ayuda oficial de Google precisa que el modelo utiliza las fuentes cargadas para responder preguntas o completar solicitudes, con distintos tipos de documentos admitidos, entre ellos PDF, archivos de texto, documentos de Google, presentaciones, audios, páginas web y videos públicos de YouTube con transcripción (Google, 2026) Esta lógica diferencia a NotebookLM de otros entornos conversacionales abiertos, donde la respuesta suele provenir de un campo menos visible para el estudiante.

El entorno documental cerrado fortalece la respuesta. La pregunta ya no es solo qué responde la IA, sino desde qué fuentes responde. Esto tiene consecuencias pedagógicas directas. El docente puede solicitar que cada afirmación relevante sea contrastada con el documento cargado. También puede pedir al estudiante que compare la síntesis generada con el texto original, detecte omisiones y explique qué criterios usó para aceptar o modificar la respuesta. La evaluación se desplaza del producto final al proceso de construcción del conocimiento.

En investigación científica, NotebookLM apoya la organización inicial del campo teórico. Un estudiante que inicia una tesis suele reunir muchos documentos, pero no siempre sabe cómo convertirlos en categorías, preguntas o relaciones conceptuales. El cuaderno ayuda a reconocer núcleos temáticos, localizar coincidencias entre autores, diferenciar enfoques y preparar esquemas argumentales. No reemplaza la revisión bibliográfica. La búsqueda sistemática, la selección de fuentes, la valoración metodológica y la interpretación siguen perteneciendo al investigador. En este punto como indicamos en párrafos anteriores es necesario conocer con exactitud qué preguntar, en otras palabras, qué prompt crear.

Para la escritura académica ocurre algo similar. NotebookLM asiste en la recuperación de ideas, el ordenamiento de argumentos, la elaboración de esquemas y la revisión de definiciones. También ayuda a trabajar la paráfrasis responsable, siempre que el estudiante conserve la atribución de ideas y revise el sentido de lo escrito. La escritura científica no consiste en producir frases correctas. Consiste en construir una posición sustentada, dialogar con autores y formular una contribución reconocible. En dependencia de la configuración que se realice al cuaderno, este puede devolver todas las fuentes en un formato específico de notación bibliográfica

Un estudio reciente sobre la enseñanza universitaria de Historia Antigua analizó NotebookLM como mediador cognitivo a partir de textos grecolatinos sobre la fundación de Roma. La experiencia trabajó con un corpus cerrado, generó resúmenes, mapas conceptuales, tarjetas didácticas, audios y videos, y mostró aportes para la estructuración cognitiva, la retención y el aprendizaje multimodal. El mismo estudio advirtió riesgos: homogeneización del discurso histórico, pérdida de matices filológicos y necesidad de supervisión humana (González, 2026). Esta conclusión resulta clave para cualquier área universitaria: la IA apoya la comprensión, pero no reemplaza la interpretación crítica.

En estos momentos estamos trabajando en la integración de NotebookLM en Moodle. Para una maestría en Educación Superior y Tecnología educativa, impartimos un módulo donde se vinculan las redes sociales, la inteligencia artificial y la curación de contenidos. Para cada unidad se creó un cuaderno, con fuentes curadas por el profesor y que debían ser consultadas por los participantes para responder a las evaluaciones del módulo. En este caso el aula virtual dejó de ser el almacén de archivos que los estudiantes rara vez leen. En un próximo trabajo informaremos de los resultados y opiniones de los estudiantes.

Los estudiantes consultan cada cuaderno y realizan las preguntas necesarias para aclarar sus dudas y redactar sus trabajos. Se produce un dialogo con las fuentes, que es imposible en Moodle y culmina con una producción propia del estudiante. En esa ruta, la IA cede su protagonismo a la actividad intelectual: leer, preguntar, verificar, argumentar, escribir y evaluar.

NotebookLM representa una oportunidad para renovar la lectura académica en educación superior. Su aporte no está en acelerar la entrega de tareas, sino en hacer visible el proceso de comprensión. Bien integrado, ayuda a que el estudiante dialogue con fuentes, organice ideas y revise evidencias. Mal empleado, produce respuestas limpias con pensamiento ausente. La diferencia no está solo en la tecnología, sino en la organización pedagógica que la orienta.

El reto docente consiste en convertir la inteligencia artificial en mediación y no en dependencia. NotebookLM será valioso cuando ayude a leer con mayor profundidad, investigar con más orden y escribir con fundamento. Su lugar no es sustituir al estudiante ni al profesor, sino acompañar una relación más consciente con el conocimiento. En tiempos de IA generativa, la universidad no debe renunciar al pensamiento crítico, debe enseñarlo con nuevos instrumentos.

Alisoy, H. (2025). Can NotebookLM Support English Language Learners? A Theoretical Perspective on AI Tools in Education. Porta Universorum, 1(6), 25–55. https://doi.org/10.69760/PORTUNI.0106003

González Berta. (2019). ¿Por qué el enfoque histórico cultural? Inter-Cambios. Dilemas y Transiciones de La Educación Superior, 4(2). https://doi.org/10.29156/INTER.5.2.2

González, F. J. C. (2026). De las fuentes clásicas a la Inteligencia Artificial: Notebook LM como mediador cognitivo en la enseñanza universitaria de Historia Antigua. AI & Antiquity, 2(1), 11–24. https://doi.org/10.64946/AIANTIQUITY.V2I1.001

Bravo Carlos, & Sánchez Mercedes. (2026). La nueva Aitoxicación de conocimiento. https://www.amazon.es/dp/B0GYB53VPB

Google. (2026). Google, soporte de NotebookLM. https://support.google.com/notebooklm/answer/16164461?hl=en&ref_topic=16164070

Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1016/0364-0213(88)90023-7

Zimmerman, B. (2002). Becoming a Self-Regulated Learner: An Overview. Theory Into Practice, 41, 64–70. https://doi.org/10.1207/s15430421tip4102_2

Tomado de 366-días 

IA educativa: Debo y no quiero

 Por Ramón Besonías

Imagen generada por una IA a partir de mi prompt

Necesidad y rechazo conviven. Al mismo tiempo que los docentes perciben que es esencial formarse y usarla en el aula, la repelen o miran de reojo. Debo y no quiero.

Además, mensajes contradictorios de catastrofismo paralizante e ingenua fascinación protagonizan no solo las redes sociales, también los medios de comunicación. A su vez, las administraciones educativas, temerosas de denuncias familiares, se mantienen en una tibia cautela, centrando sus esfuerzos en la privacidad y la seguridad, y no en la didáctica de la IA. 

Enlace a la noticia

La UE sabe que o te formas o los futuros trabajadores se quedarán atrás en un mundo en vías de una profunda transformación cultural, social y laboral. Europa sabe que tibieza e innovación se llevan mal. De ahí su premura. Es una demanda económica, no educativa. De todo esto quedará un plan nuevo de alfabetización digital que incluirá la IA como contenido esencial. Prescriptivo a medias (para traslados y méritos). Y poco más. Tener el B1 en IA dejará tranquila a la UE, que anotará que un porcentaje sostenible de docentes han pasado por una formación básica. Formación que no demuestra que se sepa usar la IA en el aula. Ni que se esté usando. Es más que probable que la formación en IA acabe siendo o autodidacta o se inserte en planes de especialización de las propias empresas. Aún no hemos entrado en la burbuja de la formación en IA, pero al tiempo. Más pronto que tarde, formarse en IA puntera costará un riñón y los dos pulmones. Y lo que ahora es gratis para el usuario iniciado o eventual, mañana será tarifa plana a precios cada vez más altos. No bastará con saber preguntar a la IA: 'hazme tal o cual tarea', porque eso ya te lo hará desde agentes autónomos sin necesidad de iteración. Asistentes inmersivos en tu móvil hablarán contigo y resolverán rutinas cotidianas con una simple orden de voz. Para problemas mayores requerirá que sepas pensar mejor que ella, que sepas cómo funciona, en qué se equivoca, cómo reformular sus respuestas complejas. Una nueva alfabetización se viene y no va a tardar mucho. No lees, no comprendes, no sabes argumentar. A galeras a remar.

El uso actual de IA por parte del docente se circunscribe al diseño curricular de tareas rudimentarias y reducción de burocracia. Poco más. Apenas se usa en el aula y no se enseña a usarla el estudiante. Y con un modelo estandarizado de formación del profesorado como el ya existente con la alfabetización digital, no va a mejorar mucho. La sospecha latente de que la formación digital solo aumenta la burocracia y aleja de las destrezas básicas funciona como contención contra el cambio. Añade a esto el miedo jurídico de las administraciones educativas y su incapacidad para tomar este asunto por los cuernos. Tampoco los que están en los sillones de las consejerías tienen una formación en IA seria. 

Este escenario no cambia mucho cuando hablamos de FP Superior y la Universidad. En España, aún no se ve una irrupción invasiva de la IA en el empleo y en las rutinas de trabajo o procesos de producción. No se siente urgencia en formarse. Se percibe la IA como un torpe ayudante o un estorbo que impide el aprendizaje. No se la toman en serio. Más bien gana la actitud de rechazo y miedo. 

Como apunté al inicio, conviven dos actitudes contradictorias que chocan constantemente y que lo harán durante mucho tiempo, hasta que la IA tenga un impacto creciente en los trabajos y veamos un aumento y mejora de empleos donde se exija una formación seria en IA, además de conocimientos en tu área de origen. 

Esto aún no existe. Es más, el profesorado, ignorante de su potencial, siente la IA como un enemigo del aprendizaje y la cultura. Esto retarda o dificulta la formación y uso de IA en educación. Grupos de presión alimentan la narrativa regresiva de vuelta a modelos educativos sin tecnología, que no pocos docentes ven con buenos ojos por las evidentes ventajas que proporciona: no debo formarme, no genera burocracia y permite quedarme en mi zona de confort. El anticiclón perfecto. 

Después vienen los lamentos al observar que aunque no uses IA en el aula, esta influye en los estudiantes de manera directa, en la cultura de trabajo, formas de comunicación y percepción del propio aprendizaje, requiriendo una reformulación de nuestras metodologías y criterios de evaluación. No hacer nada tampoco ayuda. Tarde o temprano, la realidad impacta en tu cara. Espabila.

Las preguntas relevantes siguen sin respuesta porque no nos las hacemos, y hacerlas descoloca inercias asentadas: ¿En qué edades empezar a usar IA? ¿Cómo hacerlo en cada etapa? ¿Cómo integrarla en la didáctica de aula sin delegación cognitiva? ¿Cómo enseñar a los estudiantes a usarla en vez de dejarlos a libre albedrío? ¿Cómo establecer un plan de formación del profesorado en IA, eficaz, anclado en la realidad del aula y no en cubrir las apariencias u obtener puntos? ¿Cómo contar con las familias en el reto de un uso responsable más allá del aula? 

En estos próximos años, proliferarán planes estratégicos en las consejerías de Educación en materia de IA, para endulzar el oído mediático, pero que no tendrán efecto en la cultura de trabajo del docente de a pie, como tampoco lo tiene la alfabetización anterior, limitada al uso del Classroom y la pizarra digital. El divorcio y ritmos de aclimatación entre escuela y empresa será cada vez más evidente. Por ahora estamos en la fase quejumbrosa y pasiva: ¿Para qué aprender IA, si los estudiantes solo la usan para copiar y pegar, y alimenta su ignorancia? Y aún nos quedan unos años hasta trascender esa fase y empezar a usarla, no por convencimiento educativo, sino por pura necesidad y obligación. 

No acabamos de ver que existe una clara relación entre la competencia lingüística y la digital en tiempos de la IA. Saber formular preguntas, plantear problemas relevantes, diseñar procesos, aplicar ideas a realidades tangibles, salirse del renglón marcado, activar destrezas creativas es y será esencial y compatible con un mundo con IA. Y si no lo es, aumentará la ignorancia y la pobreza. Vino nuevo en odres viejos. 

Lo dicho. Nos toca espabilar. Estos tiempos requieren del docente una formación integral, renacentista. Ya llegamos tarde, porque los estudiantes llevan 3 años usando la IA a libre albedrío, sin criterio ni apoyo, y cambiar hábitos cuesta. Tarde, pero algún día habrá que empezar, ¿no crees?

Tomado de IA educativa

El estilo de comunicación con la IA influye en el aprendizaje

 Por Maribel Labrado-Antolín

Imagina que los estudiantes de tu clase usan una Inteligencia Artificial (IA) para resolver un problema empresarial complejo. Algunos hacen preguntas a la IA de forma directa y mecánica, otros van un paso más allá: conversan con ella y generan un diálogo. ¿Esta diferencia debería importarnos? La respuesta es sí, y mucho. La forma en que las y los estudiantes interactúan con la IA afecta su aprendizaje profundo. En este artículo, comparto los hallazgos de una investigación realizada por la Universidad Complutense de Madrid en la que los estudiantes de la clase de Dirección estratégica internacional utilizan un chatbot personalizado para analizar la estrategia de una empresa real. Los resultados del estudio son reveladores: no todos los estudiantes obtienen el mismo beneficio de la IA. La diferencia radica en el tono emocional y en el estilo de la relación que establecen con la máquina. En este artículo comparto los resultados de esta investigación, los beneficios del aprendizaje y una propuesta que puedes implementar en tu clase.

La alfabetización en IA no se trata únicamente de saber usar las herramientas, también implica comprender cómo la forma en que interactuamos y nos comunicamos con ellas moldea nuestro aprendizaje. Entender los patrones de uso de estas herramientas por parte de los estudiantes ayuda a los docentes a diseñar experiencias que maximicen el propósito pedagógico de cada lección. El objetivo de mi estudio se centró en explorar cómo la relación emocional que los estudiantes establecen con los tutores inteligentes afecta directamente la profundidad de su pensamiento, así como también las estrategias pedagógicas que potencian esta relación.

La IA como un socio de pensamiento y no como dispensador de respuestas

Según datos de la UNESCO (2024), el 78 % de las instituciones de educación superior en América Latina y Europa están incorporando herramientas de IA en sus procesos formativos. Como sabemos, la mera adopción de la tecnología no garantiza la mejora del aprendizaje, por ello, es necesario investigar cómo los estudiantes están interactuando con las herramientas disponibles. Nguyen et al. (2024) revelaron que muchos estudiantes utilizan chatbots de forma pasiva; es decir, consumen respuestas sin procesarlas de manera crítica. Adicionalmente, Kosmyna et al. (2025) advierten que la interacción con la IA puede reducir la carga cognitiva, pero también fomentar lo que denominan «pereza metacognitiva» cuando los estudiantes dejan que la máquina “piense por ellos” sin reflexionar sobre el contenido.

Estamos ante una paradoja: las mismas herramientas que se diseñan para potenciar el aprendizaje, pueden, si se utilizan de manera pasiva, debilitar el pensamiento crítico. Mi investigación nace de una tesis central que surge de esta paradoja: una comunicación máquina-humano cercana y bidireccional se asocia con una utilización activa del chatbot (tutor inteligente) así como con un mayor desarrollo del pensamiento estratégico.

Investigaciones recientes en pedagogía con IA convergen en una idea: la IA es más efectiva cuando la tratamos como un socio de pensamiento, no como un dispensador de respuestas. En este sentido, Kirk et al. (2025) hablan de la necesidad de una «alineación socioafectiva» entre humanos e IA. Esto significa que la educación debe trascender lo meramente funcional para cultivar interacciones significativas con la tecnología. Un caso de éxito inspirador viene de la mano de Rodríguez-Maya y Aylas-Flórez (2025). Estos investigadores reportaron que los estudiantes que mantenían una conversación iterativa y reflexiva con tutores inteligentes mostraban mayor compromiso académico, así como un mayor dominio conceptual, especialmente cuando recibían retroalimentación personalizada.

En conclusión, estamos llamados a desarrollar una nueva alfabetización: la capacidad de comunicarnos con las máquinas de manera reflexiva, colaborativa, estratégica y, sí, por qué no, emocionalmente conectada.

Experiencia pedagógica de estudio

Durante el semestre de primavera 2024-2025, implementé una experiencia pedagógica en mi asignatura de Dirección estratégica internacional. El objetivo era claro: investigar si la forma en que los estudiantes se comunican con un tutor inteligente impacta la profundidad de su pensamiento estratégico. Para ello, diseñé un chatbot personalizado que guiaba a los estudiantes a aplicar marcos teóricos vistos en la asignatura. En este caso, se trataba del modelo CAGE de Ghemawat (2001), para analizar la estrategia internacional de una empresa real. Esto no era una tarea de ensayo tradicional, sino una tarea de investigación donde las averiguaciones y la reflexión crítica eran la actividad principal para evaluar por el docente.

Las tecnologías incorporadas fueron modestas pero efectivas: un chatbot con instrucciones personalizadas diseñadas por un educador a partir del contenido teórico del curso. Quince estudiantes participaron en la actividad. Durante 45 minutos, cada uno interactuaba individualmente con el chatbot. La mayoría optó por utilizar ChatGPT. Cada conversación fue registrada para posterior análisis.

Metodología y tecnologías incorporadas

Para analizar las conversaciones entre el chatbot y cada estudiante, utilicé un enfoque cualitativo: codificación temática y análisis de coocurrencia de códigos extraídos. El análisis de los datos se realizó con ATLAS.ti, una herramienta especializada en investigación cualitativa. Se elaboró un libro de códigos, sobre los que se establecieron tres familias de códigos clave:

1. Tipo de asistencia solicitada al chatbot. Los códigos de esta familia recogen evidencias sobre el tipo de preguntas que los estudiantes solicitan al chatbot, por ejemplo, si se trata de preguntas de análisis simple, solicitud de búsqueda de datos básicos de la empresa o, por el contrario, el estudiante aplica un pensamiento crítico para elaborar la consulta al chatbot.
2. Estilo y tono comunicativo. Se distinguen entre el uso de tono colaborativo (a través de un estilo de comunicación que emula el estilo humano-humano), tono neutral (sin evidencias de relación con el chatbot) o pasivo (donde la conversación humano-IA sucede sin lógica secuencial).
3. Orientación estratégica. En esta última familia de códigos se recogen indicios sobre cómo los estudiantes reflejan el uso aplicado de las teorías de la materia en su formulación de preguntas. Adicionalmente, se recogen indicios sobre una orientación de las consecuencias a futuro de las decisiones empresariales.

Segmenté las conversaciones en dos grupos de estudiantes: estudiantes cuyas conversaciones mostraban un estilo de comunicación socioafectiva con el chatbot (RELATES) versus aquellos sin estos elementos (NOT-RELATES).

El hallazgo principal fue que los estudiantes que adoptaban un tono relacional y generaban preguntas de seguimiento demostraban significativamente más pensamiento crítico y reflexión estratégica. El análisis de coocurrencia arrojaba luz a esta conclusión, por ejemplo: El código «Follow-up question» aparecía 23 veces en conversaciones relacionales versus solo cuatro veces en no-relacionales; código «estilo de comunicación colaborativa» (donde el estudiante invitaba al chatbot a pensar conjuntamente) era casi inexistente en el grupo no-relacional; por último, las preguntas sobre «Future thinking» (implicaciones futuras de decisiones estratégicas) eran cinco veces más frecuentes en conversaciones relacionales.

Un estudiante del grupo relacional preguntó al chatbot: «¿Cuáles crees que son los futuros riesgos u oportunidades para (la empresa) conforme evolucionan las leyes de la Unión Europea (UE)?» Esta pregunta refleja colaboración, pensamiento futuro y confianza en el proceso. Contrasta con respuestas más mecánicas del grupo no-relacional, donde los estudiantes simplemente copiaban literalmente las instrucciones. El análisis de coocurrencia reveló que el uso del tono neutral (el más prevalente) no era necesariamente negativo, pero tendía a acompañarse con análisis simples.

Beneficios para el aprendizaje y retroalimentación de estudiantes

A nivel cognitivo, los estudiantes con interacciones relacionales demostraban un pensamiento más profundo y estratégico, una mayor aplicación de marcos teóricos a problemas reales, una reflexión sobre futuros escenarios, así como la integración de múltiples perspectivas (perspectiva interna de la empresa, perspectiva externa del mercado).

Aunque el estudio se enfocara en el análisis de contenido, a nivel emocional, los estudiantes reportaron en conversaciones posteriores que percibían al chatbot como un «compañero de pensamiento» al iniciar conversaciones más reflexivas. Un estudiante comentó: «Fue diferente a otras veces que he usado IA. Sentía que estábamos descubriendo juntos, no solo buscando respuestas». Los estudiantes aprendieron, sin que se lo dijéramos explícitamente, que la calidad del diálogo determina la calidad del aprendizaje.

Áreas de mejora y próximos pasos

Una vez finalizado el análisis temático de las respuestas de los estudiantes, identifiqué las siguientes áreas de mejora en este proyecto:

1. Preparación del estudiante. Algunos llegaron sin una idea clara de cómo comunicarse con una IA. Una sesión preparatoria sobre «cómo hacer preguntas estratégicas» podría profundizar más en los resultados.
2. Este estudio se limitó al análisis estratégico empresarial. Sería valioso explorar si la codificación y las coocurrencias obtenidas se sostienen en otros ámbitos o disciplinas educativas.
3. Falta de seguimiento longitudinal. Este fue un ejercicio de 45 minutos, habría que determinar si estos patrones persisten en interacciones sostenidas a lo largo del semestre o si el patrón relacional evoluciona con el tiempo.
4. Falta de evaluación de competencias. Aunque se observan cambios cualitativos en el pensamiento, correlacionar estos con evaluaciones formales de competencias de nivel superior sería el siguiente paso.

Una propuesta para tu docencia

Te invito a hacer una pregunta fundamental en tu próxima clase con IA: ¿cuál es el valor que mis estudiantes perciben de esta herramienta? No asumas. Pregunta. Genera un debate. Que tus estudiantes reflexionen sobre qué significa pensar con una máquina versus buscar respuestas en una máquina.

A partir de ahí, sugiero tres acciones concretas:

1. Enseña a tus estudiantes a «relacionarse» con la IA. Dedica tiempo a explicar qué es una pregunta estratégica versus una solicitud funcional. Aprende a modelar buenos prompts y observa si el diálogo iterativo de tus estudiantes con la tecnología genera pensamiento profundo. Esta es la nueva alfabetización digital.
2. Crea espacios para que los estudiantes reflexionen sobre su propia interacción con IA. Pídeles que documenten cómo evoluciona su pensamiento a través de la conversación. ¿Dónde surge la curiosidad? ¿Cuándo pasa de consumo pasivo a cocreación? Esta metacognición es valiosa en sí misma.
3. Experimenta con tus propias formas de integrar IA. No todas las disciplinas funcionan igual. Pero el principio de «relación vs. transacción» es transferible. ¿Cómo podrías diseñar tu instrucción para que los estudiantes se sientan cómodos siendo reflexivos, colaborativos y estratégicos con herramientas de IA?

Reflexión

Mi aprendizaje en este proyecto de investigación trasciende el diseño del chatbot. No se trata de si la IA es buena o mala para la educación. Se trata de cómo se relacionan mis estudiantes con las herramientas que les facilito. La IA, como cualquier tecnología educativa, es un espejo de nuestras intenciones. Si la usamos de forma transaccional, obtenemos respuestas transaccionales. Si la usamos como un socio para el pensamiento profundo, ocurre algo verdaderamente transformador.

La experiencia que describo en este artículo me confirmó algo que muchos educadores intuimos, pero raramente documentamos: el compromiso emocional acelera el aprendizaje cognitivo. No es sentimentalismo. Es neuroquímica. Cuando nos sentimos parte de un proceso colaborativo, nuestro cerebro se activa de formas distintas. Generamos preguntas más sofisticadas, exploramos conexiones más profundas, reflexionamos sobre implicaciones futuras.

Quizás la mayor lección es que la era de la IA no requiere que abandonemos lo humano en la educación. Al contrario: requiere que cultivemos lo más humano que tenemos—nuestra capacidad de relacionarnos, de ser curiosos, de cuestionar críticamente—y que la IA sea la herramienta que amplifica esa humanidad.

¿Deseas conectar?

Creo firmemente que la innovación en educación es colectiva. Estoy abierta a dialogar con educadores que quieran profundizar en estas ideas, adaptar esta experiencia a sus contextos o colaborar en futuras investigaciones. Si tienes dudas, ideas, sugerencias o deseas explorar colaboraciones, te animo a contactarme. El futuro de la educación se construye cuando compartimos lo que aprendemos.

Acerca de la autora

Maribel Labrado-Antolín (mlabra02@ucm.es) es profesora en el Departamento de Organización de Empresas de la Universidad Complutense de Madrid, donde desarrolla su labor docente. Su investigación se centra en el impacto del teletrabajo en bienestar y productividad, con publicaciones en revistas JCR, y actualmente integra la investigación con docencia y mentoría académica para formar profesionales preparados para los retos del trabajo en la era digital.

Referencias

Ghemawat, P. (2001). Distance still matters: The hard reality of global expansion. Harvard Business Review, 79(8), 137-147.

Kirk, J. R., Stevenson, J., & Cann, C. (2025). Socioaffective alignment in human-AI learning partnerships: A framework for educational equity. Learning, Culture and Social Interaction, 45, 100789.

Kosmyna, N., Thiebaux, M., & Aubert, O. (2025). Cognitive load and metacognitive monitoring in AI-assisted learning: Preliminary findings. Frontiers in Education, 10, 1234567.

Labrado, M. (2026). Talking to machines: How communication style shapes student engagement with AI tutors. American Journal of STEM Education, 19, 37-58. https://doi.org/10.32674/t2qnzc90

Nguyen, B., Aamodt, T., Frommert, J., Gaskins, B., & Haider, R. (2024). Collaborative engagement with ChatGPT: Impact on academic writing quality. Computers & Education Quarterly, 52(1), 12-34.

Rodríguez-Maya, E., & Aylas-Flórez, J. (2025). Case study: AI tutoring impact on student engagement in Mexican higher education. Journal of Educational Innovation, 31(4), 267-289.

UNESCO. (2024). Artificial intelligence in education: A global perspective on opportunities and challenges. UNESCO Publishing.

Usher, M., & Amzalag, M. (2025). Graduate students’ communication styles with AI tutors: A qualitative analysis of academic writing support. Higher Education Research & Development, 44(2), 189-207.

Tomado de EDUBITS del Tec de Monterrey