¿Sigue siendo un fraude el artículo científico? La ciencia, la creatividad y el factor humano en la era de la IA

 Por Universo Abierto

Tregoning, John S. “Is the scientific paper still a fraud?” PLOS Biology, vol. 24, n.º 8, 2026, e3003912. Publicado el 4 de agosto de 2026. DOI: 10.1371/journal.pbio.3003912 https://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.3003912

John S. Tregoning recupera una provocadora idea formulada en 1963 por el inmunólogo y premio Nobel Peter Medawar: “el artículo científico es un fraude”. La expresión no se refiere al fraude científico entendido como falsificación, plagio o fabricación de datos, sino a que el formato convencional del artículo científico ofrece una representación engañosa de cómo se desarrolla realmente la investigación.

El esquema habitual —planteamiento del problema, metodología, resultados y conclusiones— presenta la ciencia como un proceso lineal, ordenado y casi inevitable, cuando en realidad investigar implica dudas, caminos descartados, errores, intuiciones, cambios de rumbo, casualidades y decisiones humanas.

El autor sostiene que el artículo científico oculta buena parte del proceso creativo que existe detrás de los resultados. Las hipótesis aparecen en los artículos como si hubieran sido formuladas desde el principio de manera clara y racional, pero Medawar señalaba que muchas surgen mediante conjeturas, intuiciones y recorridos intelectuales difíciles de reconstruir. Para Tregoning, esta dimensión creativa no es un defecto de la ciencia, sino una de sus características fundamentales. La imaginación permite formular preguntas nuevas, encontrar conexiones inesperadas y decidir qué caminos experimentales merece la pena explorar.

Esta cuestión adquiere una nueva dimensión con la inteligencia artificial. Tregoning reconoce que la IA puede ser extraordinariamente útil, especialmente para trabajar con grandes conjuntos de datos que superan la capacidad de procesamiento humano, pero establece una diferencia esencial entre procesar información y generar auténtica imaginación científica. En su opinión, la ciencia necesita todavía esa capacidad humana para formular hipótesis, interpretar situaciones ambiguas y descubrir posibilidades que no estaban previamente determinadas por los datos. Por ello, la creciente automatización de la producción científica hace todavía más importante recordar que detrás de cada investigación existe una persona que formula preguntas, toma decisiones e interpreta resultados.

Otro problema importante es que los artículos científicos reconstruyen retrospectivamente la investigación como una historia coherente, aunque el trabajo real haya sido mucho más desordenado. En ocasiones, el experimento que aparece como primera figura fue en realidad el último que se realizó; determinados resultados pueden proceder de investigaciones independientes desarrolladas por personas diferentes o en momentos distintos. El investigador selecciona posteriormente aquellos datos que permiten construir una narración científica comprensible. Esto no significa necesariamente que exista manipulación: significa que la publicación científica exige transformar un proceso complejo y contingente en un relato estructurado.

Tregoning relaciona esta reconstrucción narrativa con uno de los grandes problemas de la ciencia contemporánea: la presión por publicar resultados positivos. Cuando los investigadores disponen de recursos limitados, existe una tendencia a realizar experimentos de los que esperan obtener resultados publicables. Los resultados negativos o los experimentos que no conducen a conclusiones interesantes tienen mucha menos presencia en la literatura. El sistema de publish or perish puede acabar influyendo incluso en las preguntas que los científicos deciden investigar, favoreciendo historias de éxito frente a la realidad mucho más irregular del proceso investigador.

El artículo también cuestiona la idea de que la escritura científica deba eliminar completamente la presencia del investigador. El uso de una voz impersonal y uniforme pretende transmitir objetividad, pero también borra las decisiones, perspectivas y elecciones de los autores. Tregoning considera que los investigadores son quienes deciden qué caminos seguir, qué datos seleccionar y cómo interpretar aquello que han encontrado. Incluso los revisores y editores intervienen en la construcción final del relato, porque sus observaciones pueden modificar qué aspectos se destacan y cómo se presenta la investigación.

Una de las consecuencias educativas de este modelo es especialmente interesante. Si los estudiantes aprenden ciencia fundamentalmente a través de artículos científicos, pueden adquirir una imagen falsa de cómo se hace investigación: podrían pensar que primero se formula una hipótesis perfectamente definida, después se realiza un experimento y finalmente se obtiene una conclusión. La realidad es mucho más exploratoria. La investigación científica avanza mediante tanteos, fracasos, resultados inesperados, modificaciones de hipótesis y decisiones que difícilmente pueden reflejarse en la estructura convencional de un artículo.

Tregoning no propone abandonar el artículo científico. Reconoce que continúa siendo la unidad fundamental de comunicación de la ciencia y que probablemente seguirá desempeñando ese papel durante mucho tiempo. Sin embargo, propone complementarlo con otras formas de comunicación, como congresos, blogs y redes sociales, que permitan mostrar mejor el proceso, las personas que participan en él y las circunstancias que rodean la producción del conocimiento. También menciona iniciativas que intentan modificar el modelo tradicional de publicación y revisión, como los preprints, Review Commons o el nuevo modelo editorial de eLife.

La conclusión resulta especialmente pertinente en el contexto actual de la IA generativa y la proliferación de contenidos científicos automatizados. Si los sistemas de IA pueden producir textos que imitan perfectamente la forma convencional de un artículo científico, existe el riesgo de confundir la calidad formal del producto con la calidad del proceso que lo ha generado. Para Tregoning, precisamente por eso debemos prestar más atención a aquello que tradicionalmente queda fuera del artículo: la innovación, la intuición, la imaginación, las decisiones y el razonamiento humano. El artículo científico no debería ser considerado la investigación misma, sino la manifestación externa y estructurada de un proceso intelectual mucho más complejo.

La ciencia no es solamente el resultado que aparece publicado; es también el conjunto de decisiones, dudas, experimentos, errores, intuiciones y descubrimientos humanos que hicieron posible llegar hasta él.

Tomado de Universo Abierto

Hablar con la IA y pedirle que haga cosas por ti: un reto educativo

Por Ramón Besonías.

Las dos herramientas más útiles que ofrecía la IAg hasta hace nada eran los asistentes y los proyectos. Los asistentes permitían superar el mero prompteo, facilitando que todas las conversaciones que tuvieras bajo ese asistente se comportaran de una forma específica, de tal forma que siguieran un flujo guiado de tarea o una función, alimentados con instrucciones y materiales adjuntos. Por su parte, los proyectos ayudan a trabajar durante más tiempo con un objetivo, reto o proyecto, también guiados por instrucciones y alimentados (si lo deseas) con archivos adjuntos. Digamos que el asistente es una herramienta con una función (la llave inglesa, el destornillador...) y el proyecto es una maquinaria que trabaja a largo plazo, recordando en todas las conversaciones lo que hizo. Asistentes y proyectos convertían la IAg en un recurso más adaptado, no teniendo que escribir constantemente lo que deseas y teniendo desorganizados los diferentes usos que le dabas. 

Más de 3 años de IAg han mejorado la capacidad y memoria de los modelos, siendo más eficaces en las respuestas adaptadas. Con el tiempo de uso, aprenden mejor a saber lo que necesitas y reconocen patrones de trabajo. Con supervisión, por supuesto.

Pero hace poco hemos asistido a un cambio cualitativo que cambiará sin duda nuestra forma de usar la IAg: la IA agéntica. El modelo ya no solo responde, también actúa, interactúa con aplicaciones, incluso con tu propio ordenador y hace cosas por ti, automatiza tareas, rutinas de trabajo. Y lo puede hacer mediante el modo de voz, sin necesidad de escribir. Esto cambia sustancialmente el uso. De escribir pasamos a hablar. No necesitas apenas teclear en tu dispositivo. De promptear, a pedir e iterar, obteniendo un producto en múltiples formatos. De estar aislada del resto de tu ecosistema digital, ahora la IAg lo usa para generar lo que le indiques. De asistentes pasamos a habilidades (skills) que invocamos en nuestra IAg para que hagan lo que previamente hemos diseñado. Google está pensando a finales de año eliminar sus asistentes (Gems) y sustituirlo por estas habilidades y herramientas agénticas que trabajen 24/7 en tu dispositivo. 

Los proyectos se mantienen, convirtiéndose en el centro de operaciones de nuestro trabajo con IAg, organizado, adaptado a las necesidades de cada tarea con ayuda de agentes que no solo te contestan en texto o voz, sino que realizan la tarea por ti a partir de tus indicaciones, directas y/o a través de skills. A veces, esos proyectos invocarán a aplicaciones de tu dispositivo (Drive, Gmail. Canva, ) para que te ayuden a hacer esa tarea. ChatGPT los llama Complementos. 

Skills y complementos vitaminan la IAg, la convierten en un taller de trabajo. Y no solo lo tiene en formato web, también existen aplicaciones de escritorio que puedes descargar. ¿Qué ventaja tiene la aplicación? Que puede interactuar con tu dispositivo y usar y alojar archivos desde tu disco duro. 

Hay que tener en cuenta, sin embargo, que estamos en su comienzo. Spark de Google aún no está disponible en España y Work de ChatGPT está muy reciente y en constante mejora. A fecha de hoy, ChatGPT Work está disponible para cuentas gratuitas en las aplicaciones de escritorio de macOS y Windows. En cambio, en web y móvil requiere cuentas de pago Plus, Pro, Business, Enterprise o Edu. Las cuentas Go no tienen Work en la web de ChatGPT. Pero es cuestión de tiempo que lo que antes era de pago, mañana sea gratuito. Aún así, si quieres sacarle provecho a la IA agéntica, es inevitable pasar por caja. La IAg gratuita se te quedará pequeña. 

Este nuevo modelo de trabajo se puede usar también en móviles, lo que agiliza y hace más versátil su uso. No es raro que en unos años, la IA agéntica esté integrada en todos los dispositivos como un ecosistema que permita usar a través de la IA cualquier aplicación y realizar tareas a través de dictados de voz en vivo. Ya se puede hacer, aunque de forma aún limitada y con constantes mejoras y revisiones de seguridad. Los estudiantes se acostumbrarán -ya lo hacen- a hablar con sus dispositivos, no a escribir. Esto supondrá un reto para la escuela. El llamado nativo digital será con el tiempo nativo IA y en sus hábitos cotidianos usará más la oralidad que el texto. Igualmente, afectará a su forma de pensar, aprender y realizar tareas. 

La IA agéntica hace que los pasos del proceso de elaboración de tareas se deleguen en una IA agéntica. Del corta y pega manual pasamos al powerpoint, y de éste al Canva, que requiere cada vez menos la mediación humana. Con la IA agéntica, puedes invocar a Canva, decirle en modo voz lo que deseas y dejar que lo haga. Revisas el resultado, lo afinas con instrucciones de voz y listo para ser usado. Un estudiante poco motivado y con ganas de acabar cuanto antes delegará mucho más. Házmelo y listo. Y si el docente carece de competencia digital, quizá pueda creer que el estudiante ha hecho un gran trabajo. A mínimo que te zambullas en este ecosistema de trabajo con IA, verás que es fácil ofrecer un producto vistoso sin apenas sudar tú. 

Por eso es necesario que el docente se adelante al estudiante, conozca estas herramientas, testee sus limitaciones y posibilidades, procurando que en el proceso de aprendizaje se propicie una delegación sostenible, que favorezca que el estudiante piense, argumente, analice sin dejar que la IA se lo haga todo. Reto complicado. La IA avanza rápido, el estudiante se adapta mejor y más rápido que sus docentes. Por eso, a veces adoptamos una postura a la defensiva. En vez de aprender, prohibimos. Es más cómodo que formarse. Pero los hábitos siguen ahí, el estudiante no dejará de usarla, y lo hará cada vez con más competencia. No en la dirección que deseamos, pero será competente en su uso práctico. 

A su vez, tendremos que repensar la enseñanza en un contexto social y productivo que muta hacia nuevos paradigmas. ¿Cómo fortalecer esas destrezas cognitivas en el nativo IA que habla más que lee o escribe, que ya no diseña, procesa ni elabora las tareas educativas, sino que le pide a viva voz a una IA que se las haga? Habrá que buscar métodos de evaluación que faciliten que dentro de ese proceso de aprendizaje existan fases donde la IA no intervenga y el estudiante no necesite delegar en ella, pero que igualmente recurran a la IA en aquello en lo que pueda ofrecer un servicio útil, efectivo, a partir del diseño y directrices del estudiante. ¿Por qué hacerle ascos a la IA si favorece un aprendizaje significativo y la creación de materiales donde el estudiante sea el director analítico y creativo? Ese será el ecosistema de trabajo futuro que deberá asumir en las próximas décadas. Eso sí, ya no será el mundo analógico, ni siquiera el digital, al que estábamos acostumbrados. Debemos asumir esa transición. Enseñar a ciudadanos que se comunicarán, aprenderán y trabajarán de formas en las que nosotros, generaciones híbridas, no nos criamos ni adoptamos en nuestra vida cotidiana y trabajo. 

Lo que ahora son agentes, proyectos, complementos, skills, en unos años derivará en IA con mayor poder de automatización y versatilidad de uso. En manos de un menor, la tentación a delegar del todo es previsible. Ahí es donde la escuela debe estar, para preparar al futuro adulto a no ser un mero consumidor pasivo y un trabajador incompetente, sino adoptar una actitud proactiva, crítica, creativa, que tome las riendas de cualquier uso de la IA. Esa actitud será una ventaja competitiva en un futuro mercado de trabajo, que marcará a fuego la frontera entre creadores y consumidores. 

Piénsalo: ¿eres consumidor o creador con IA? Estas categorías son aplicables también al docente. Y lo eran antes de la IA. ¿Dejabas en manos del libro de texto todo el proceso de enseñanza o adaptabas materiales, creabas nuevos, ajustabas constantemente los recursos, los diversificabas y evaluabas? La IA no cambia este binomio, lo traslada a un contexto donde su dialéctica será aún más agresiva que en anteriores ecosistemas tecnológicos, ya que requerirá una adaptación más cruda. A día de hoy, la mayoría de docentes son consumidores de IA, no han dado el paso a empoderarse ante ella y empezar a crear con ella, tomando el pulso a sus limitaciones y posibilidades didácticas. Esto nos hace vulnerables ante el avance progresivo de la IA y la rapidez con la que se está integrando en los hábitos cotidianos, transformando en los estudiantes su forma de percibir el aprendizaje. ¿Cómo enseñar a estudiantes que tienen en su mano una herramienta que puede ayudarles a realizar todo lo que un docente imagine que pueda hacer? La diferencia entre que se acostumbre a delegar o sea él quien aprenda a dirigir el proceso de uso es una responsabilidad que está en nuestro tejado. 

La adopción de una IA agéntica inmersiva, presente en todos los dispositivos, no llegará mañana ni el próximo año. Tardará en llegar, inocularse y hacer efecto en las rutinas de ocio y trabajo. Por eso, aún tenemos tiempo para aprender y actuar. Cuando suceda y no nos pille preparados a docentes y familias, puede que tenga un efecto en los menores similar al de las redes sociales, con la diferencia que las redes sociales se circunscriben al ámbito de ocio y comunicación. La IA vertebrará todos los contextos, también los de aprendizaje y trabajo. En el aprendizaje, lo está haciendo lentamente. En el trabajo, mucho más. Quizá por eso en niveles universitarios y de FP no se ha percibido aún como una urgencia, ya que la IA no está presente en la mayoría de los entornos de trabajo. Cuando lo haga, solo entonces, los currículos, por ejemplo, de ciclos formativos se empezarán a repensar. Más tarde que pronto, porque se supone que el sistema educativo debería adelantarse a lo que vendrá, facilitando no solo la adaptación, también la innovación. 

Para muchos esta lentitud de integración de la IA en el mundo laboral es buena noticia, ya que genera miedo e incertidumbre escuchar o leer noticias a diario sobre lo que será capaz de hacer la IA y el impacto que tendrá sobre el trabajo. Por eso, adoptamos una actitud de recelo y cautela, pero sin sensación de urgencia o necesidad. Si llega, que llegue. Ya me pondré al día. En el ámbito educativo, es un error, ya que genera velocidades contradictorias. La IA se integra en los hábitos del estudiante sin filtros ni criterios, sin acompañamiento ni formación, mientras el docente va a paso de tortuga, incluso con hostilidad hacia este ecosistema emergente. El choque es inevitable y ya está sucediendo. Cada vez más docentes se quejan de cómo la IA cambia los hábitos de los estudiantes ante las tareas asignadas y su forma de estudiar. La actitud del docente suele ser de indignación y defensa, lo que no ayuda mucho a afrontar el problema desde actitudes proactivas y decisiones educativas, no punitivas o de control.

Solemos seguir actuando desde categorías no solo pre IA, incluso pre YouTube. Como si esto no afectara de forma sustancial al aprendizaje y no fuera con nosotros la necesidad  de una revisión profunda de nuestra forma de enseñar. Al adoptar posturas dialécticas que enfrentan el desarrollo tecnológico con el humanístico y científico, anulamos la posibilidad de que los estudiantes aprendan a combinarlos y afrontar sus distopías. El saber como una torre numantina, infranqueable, que debemos proteger de los enemigos del conocimiento. Infructuosa táctica. Como si el saber fuera un legado inmóvil, eterno y sagrado, no sometido a cambios sociales y tecnológicos que mutan su contenido y forma. 

Reitero: ¿Cómo enseñar a estudiantes que hablan con la IA y le piden que haga cosas por ellos? La pregunta me hizo recordar la famosa novela de K. Dick, ¿Sueñan los androides con ovejas eléctricas? ¿No debiéramos, en vez de detectar y perseguir a los replicantes, comprenderlos? En fin. Más preguntas que respuestas. Pero hacérselas en un buen comienzo, ¿no crees?

Resumen visual generado con IA a partir de mi texto

Tomado de IA Educativa 

Hablamos mucho de los riesgos de la IA, pero muy poco de aprender a usarla

 Por Carlos Bravo Reyes y Mercedes Leticia Sánchez Ambriz

Hace algunos años uno de nuestros problemas era la infoxicación. Internet colocó ante nosotros una cantidad de información que superaba nuestra capacidad para leerla, procesarla y valorarla. Tener acceso a más información no significaba estar mejor informados. Había que aprender a buscar, seleccionar, contrastar y decidir qué merecía nuestra atención. La inteligencia artificial generativa no eliminó ese problema: lo transformó.

Ahora no tenemos solamente miles de documentos, noticias, videos y enlaces esperando ser consultados. Tenemos herramientas capaces de leerlos, resumirlos, compararlos y convertirlos en una respuesta aparentemente coherente. Ya no necesitamos recorrer decenas de páginas para encontrar una explicación, podemos escribir una pregunta y recibirla en segundos.

Este cambio parece resolver una parte de la infoxicación. Si antes el problema era encontrar una respuesta entre demasiada información, ahora la IA puede organizar esa información por nosotros. Pero surge otra dificultad: ¿qué hacemos con una respuesta que parece correcta, está bien redactada y llega prácticamente terminada?

Esta pregunta adquiere mayor significado después de leer el trabajo de Selma Hodzic, Anja Stevic y Jörg Matthes, publicado en 2026 en Technology in Society (Hodzic et al., 2026). Los autores realizaron una revisión paraguas sobre la inteligencia artificial generativa. Este tipo de indagación consiste en una revisión que analiza y sintetiza los resultados de varias revisiones sistemáticas o metaanálisis previamente publicados sobre un mismo tema. Loa autores analizaron 170 revisiones para conocer qué estamos investigando acerca de sus beneficios, riesgos, cuestiones éticas, alfabetización y regulación. La educación representa el 27 % de los trabajos estudiados, después de salud, con el 31 %, y antes de tecnología, con el 28 %.

Los resultados dejan una paradoja que merece ser examinada desde la educación.

Sabemos bastante sobre los riesgos y beneficios, pero falta algo

La inteligencia artificial generativa ha provocado una discusión que con frecuencia parece dividirse entre quienes destacan sus posibilidades y quienes advierten sus peligros. La revisión de Hodzic y sus colaboradores muestra una situación menos polarizada. Prácticamente todos los estudios analizados reconocen beneficios y riesgos. El problema no está en ignorar unos para defender los otros, sino en determinar qué hacemos frente a ambos.

Entre los beneficios aparecen la eficacia, la automatización, el apoyo a la toma de decisiones y la personalización. Esta última tiene un peso particular en educación. El 80 % de los trabajos educativos examinados menciona la personalización, frente al 62 % en tecnología y el 57 % en salud.

El dato resulta comprensible. Desde la perspectiva educativa, una herramienta capaz de adaptar explicaciones, generar ejemplos, responder preguntas o modificar el nivel de complejidad de una respuesta tiene enormes posibilidades. Un estudiante puede solicitar otra explicación cuando no comprende la primera. Un profesor puede crear ejemplos relacionados con diferentes contextos. La interacción puede adaptarse a necesidades que difícilmente podrían atenderse de manera individual en grupos numerosos.

Pero la misma revisión muestra la otra cara. El 91 % de los trabajos educativos aborda riesgos. Los problemas éticos aparecen en el 82 %, los sesgos en el 71 %, la privacidad en el 62 % y los problemas de seguridad en el 31 %. Hasta aquí podríamos sentirnos relativamente tranquilos. La investigación reconoce las posibilidades de la IA y también identifica sus problemas. Sin embargo, hay un dato que cambia la lectura.

Solamente el 44 % de los trabajos educativos analizados aborda la alfabetización en inteligencia artificial. En salud el porcentaje cae al 6 % y en tecnología al 10 %. Los propios autores advierten que la importancia de esta alfabetización todavía no está plenamente reconocida y relacionan esta carencia con la falta de programas estructurados que permitan a los usuarios evaluar críticamente los resultados producidos por la IA.

Aquí aparece una contradicción. Estamos dedicando una enorme atención a conocer qué puede hacer la inteligencia artificial y qué riesgos genera, pero mucha menos a estudiar cómo preparar a las personas para trabajar con ella.

Podemos trasladar el problema a una situación cotidiana. Un estudiante pregunta a una IA sobre un tema que desconoce. Recibe una explicación organizada, con conceptos, ejemplos y argumentos. ¿Cómo determina que la respuesta es correcta? ¿Qué elementos le permiten reconocer un sesgo? ¿Cómo identifica una afirmación que necesita ser verificada? ¿Cómo distingue una explicación convincente de una explicación científicamente sustentada?

No basta con advertirle que la IA puede equivocarse. Necesita criterios para descubrir cuándo se equivoca.

Tampoco basta con decirle que debe desarrollar pensamiento crítico. Tiene que aprender qué operaciones concretas realiza para analizar una respuesta, contrastarla con otras fuentes, identificar sus limitaciones y decidir qué puede aceptar, modificar o rechazar.

La alfabetización en IA no debería reducirse a aprender a escribir mejores prompts. Saber conversar con una herramienta no equivale a saber pensar con ella.

De la infoxicación a la aitoxicación

Durante años hemos relacionado la infoxicación con el exceso de información. El sujeto se encontraba frente a más contenidos de los que podía procesar. Su dificultad principal consistía en seleccionar. La IA introduce una modificación profunda. El exceso ya no llega únicamente en forma de documentos dispersos, llega convertido en respuestas.

En trabajos anteriores en el blog denominamos aitoxicación a esta nueva situación. La diferencia no es solamente terminológica. La infoxicación puede producir la sensación de estar perdido entre demasiada información. La aitoxicación puede producir exactamente la sensación contraria: creer que ya encontramos lo que necesitábamos.

Una respuesta bien construida transmite orden, un resumen reduce la complejidad. Una explicación fluida produce sensación de comprensión. La herramienta puede comparar documentos que no hemos leído y entregarnos las diferencias principales. También puede redactar un texto que después asumimos como propio.

El riesgo cambia de lugar.

La infoxicación nos obligaba a preguntarnos qué leer. La aitoxicación nos obliga a preguntarnos qué cuestionar. En el libro sobre este tema hemos planteado que la aitoxicación no aparece por la mera existencia de muchas respuestas. Surge cuando la respuesta reduce la necesidad de formular preguntas, examinar supuestos y reconstruir el sentido. La fluidez lingüística puede generar apariencia de validez y una estructura ordenada puede confundirse con profundidad.

Aquí los resultados de Hodzic, Stevic y Matthes encuentran un punto de contacto con esta idea. Su revisión no utiliza el concepto de aitoxicación, pero muestra una carencia que ayuda a comprenderlo: conocemos los riesgos, reconocemos los beneficios y, sin embargo, la preparación del usuario recibe mucha menos atención.

Hay otro resultado que merece detenerse. Más del 90 % de los trabajos examinados son revisiones sistemáticas, de alcance o narrativas. Los estudios bibliométricos representan alrededor del 5 % y los metaanálisis apenas el 1 %. Los autores reclaman más evaluaciones empíricas sobre la adopción de la IA. Para la educación esto plantea una tarea concreta. Necesitamos investigar menos solamente sobre lo que la IA podría hacer y observar más lo que profesores y estudiantes realmente hacen con ella.

Necesitamos entrar al aula.

¿Qué sucede cuando un estudiante recibe una respuesta incorrecta pero convincente? ¿La detecta? ¿Qué hace cuando dos herramientas ofrecen explicaciones diferentes? ¿Consulta las fuentes originales? ¿Pregunta antes de pensar el problema o después de elaborar una primera respuesta? ¿Utiliza la IA para ampliar su razonamiento o para evitarlo? ¿Puede explicar sin ayuda aquello que acaba de entregar?

Estas preguntas desplazan la discusión desde la tecnología hacia el sujeto.

En otro trabajo sobre la ruta visible del aprendizaje con IA propusimos que el estudiante no entregue solamente el producto final. Debe reconstruir el proceso seguido, justificar las fuentes seleccionadas, explicar sus instrucciones a la IA, valorar las respuestas recibidas y argumentar las decisiones tomadas. La finalidad no consiste en vigilar cuánto utilizó la herramienta, sino en obtener evidencias de que hubo aprendizaje.

La misma lógica aparece en el modelo C.A.R.E. que hemos propuesto frente a la aitoxicación: Curar, Analizar, Recontextualizar y Evaluar. Curar obliga a seleccionar antes de aceptar. Analizar introduce la duda ante una respuesta convincente. Recontextualizar exige relacionarla con una situación concreta. Evaluar obliga a revisar tanto el resultado como el proceso seguido.

No se trata, entonces, de utilizar menos inteligencia artificial. Tampoco de aumentar las prohibiciones. Se trata de formar mejores usuarios.

La revisión de Hodzic y sus colaboradores termina reclamando una aproximación que combine innovación, protección ética, gobernanza transparente y una alfabetización amplia en inteligencia artificial. Desde la educación podemos añadir algo: esa alfabetización debe convertirse en experiencia pedagógica.

Un estudiante no aprende a evaluar la IA porque le expliquemos sus riesgos. Aprende cuando tiene que comparar respuestas, detectar errores, verificar fuentes, justificar decisiones y defender lo que finalmente afirma.

La infoxicación nos enseñó que acceder a la información no equivale a conocer.

La inteligencia artificial nos coloca frente a una lección más compleja: recibir una buena respuesta tampoco equivale a comprenderla.

Tal vez por eso la pregunta educativa más necesaria ya no sea cuánto saben nuestros estudiantes sobre inteligencia artificial. Tendríamos que empezar a preguntar algo diferente: ¿Qué son capaces de pensar, cuestionar y decidir después de utilizarla?

Referencias

Hodzic, S., Stevic, A., & Matthes, J. (2026). Generative AI in practice: An umbrella review of risks, benefits, ethics, and future directions across major domains. Technology in Society, 87, 103331. https://doi.org/10.1016/J.TECHSOC.2026.103331

Manual de lectura, escritura y oralidad académicas: una guía para desarrollar competencias comunicativas en el ingreso a la universidad

 Tomado de Universo Abierto

Navarro, Federico, y Graciela Aparicio (coords.). Manual de lectura, escritura y oralidad académicas para ingresantes a la universidad. Buenos Aires: Universidad Argentina de la Empresa (UADE), 2026.

Texto completo

Manual de lectura, escritura y oralidad académicas para ingresantes a la universidad, coordinado por Federico Navarro y Graciela Aparicio, constituye una propuesta pedagógica destinada a facilitar la transición de los estudiantes hacia la cultura académica universitaria. Su propósito principal es acompañar el proceso de enculturación durante el primer año de estudios mediante el desarrollo de competencias fundamentales de lectura, escritura y comunicación oral, entendidas no como habilidades generales, sino como prácticas propias de la educación superior. Aunque el manual se orienta especialmente a estudiantes de Economía y Administración, sus planteamientos, estrategias y actividades poseen un carácter transversal que los hace aplicables a cualquier disciplina universitaria. La obra adopta como eje temático cuestiones relacionadas con la empresa, la sostenibilidad y la responsabilidad social, integrando así el aprendizaje de la comunicación académica con problemáticas de actualidad.

Uno de los principales aportes del manual es su concepción de la alfabetización académica como un proceso de incorporación progresiva a las formas de producir, interpretar y comunicar conocimiento características de la universidad. Los autores parten de la idea de que los estudiantes no llegan a la educación superior con un dominio completo de estas prácticas, por lo que resulta necesario enseñarlas explícitamente. En este sentido, el manual explica cuáles son las expectativas que la comunidad académica tiene respecto a quienes escriben y leen textos universitarios, cómo se construye el conocimiento mediante el diálogo con otros autores y por qué resulta esencial comprender las convenciones discursivas que regulan la producción científica y profesional.

La obra dedica una atención especial al desarrollo de la autoría académica. Los estudiantes aprenden que escribir en la universidad no consiste únicamente en reproducir información, sino en construir una voz propia fundamentada en evidencias y en el análisis crítico de las fuentes consultadas. Para ello, el manual aborda cuestiones como la identificación de fuentes científicamente fiables, la evaluación de su calidad y pertinencia, el uso adecuado de las citas y referencias bibliográficas y la integración de diferentes perspectivas para elaborar argumentos propios. De esta manera, fomenta una concepción ética y responsable de la escritura académica, basada en el reconocimiento del trabajo intelectual ajeno y en la prevención del plagio.

El contenido se organiza en siete capítulos, diseñados para desarrollarse a lo largo de un curso de aproximadamente 72 horas, en los que se trabajan de forma progresiva competencias esenciales para la producción de textos académicos. Entre ellas destacan la planificación de un informe de lectura, la formulación de afirmaciones y argumentos sólidos, la búsqueda y selección de información, el análisis crítico de fuentes, la organización de ideas, la construcción de una voz autoral y la revisión sistemática de los textos. Cada capítulo combina explicaciones conceptuales con actividades prácticas, ejemplos comentados y ejercicios que permiten aplicar inmediatamente los conocimientos adquiridos.

El informe de lectura constituye el género central alrededor del cual se articula buena parte de la propuesta didáctica. Los coordinadores consideran que este tipo de texto representa una herramienta privilegiada para el aprendizaje porque obliga a comprender, sintetizar, analizar, comparar y valorar críticamente distintos documentos antes de elaborar una interpretación propia. A través de una secuencia cuidadosamente estructurada, los estudiantes aprenden a planificar, redactar y revisar informes que no solo demuestran comprensión lectora, sino también capacidad de reflexión y argumentación, convirtiendo la escritura en un instrumento para aprender y construir conocimiento.

Otro aspecto destacable del manual es su flexibilidad metodológica. Aunque ha sido concebido para un contexto universitario concreto, los contenidos, actividades y estrategias pueden adaptarse fácilmente a otras titulaciones, instituciones y modalidades de enseñanza. Los autores proponen materiales reutilizables y escalables que permiten ajustar la profundidad de los contenidos según las necesidades de cada curso o programa formativo. Asimismo, la obra incorpora una amplia variedad de géneros discursivos y situaciones comunicativas que enriquecen la formación de los estudiantes y favorecen el desarrollo de competencias transferibles a distintos ámbitos académicos y profesionales.

En conjunto, el Manual de lectura, escritura y oralidad académicas para ingresantes a la universidad representa una valiosa contribución a la alfabetización académica en la educación superior. Su enfoque combina fundamentos teóricos sólidos con una orientación eminentemente práctica, ofreciendo a docentes y estudiantes un conjunto de herramientas para comprender cómo se produce y comunica el conocimiento en la universidad. Más que enseñar técnicas de redacción, el manual propone formar escritores y lectores capaces de participar activamente en las comunidades académicas, desarrollar pensamiento crítico y construir una identidad intelectual basada en el rigor, la reflexión y el uso responsable de la información.

Tomado de Universo Abierto

Replantear la educación del alumnado con altas capacidades: de clasificar a los estudiantes a generar oportunidades en el aula (3/3)

Por Javier Tourón

Vamos con la última entrada de este interesante artículo. En una posterior haré un resumen de los puntos principales, ya no incluidos en el artículo original. Al final de esta entrada incluiré dos enlaces: uno al artículo en inglés y otro a la traducción. (Los énfasis del texto, si no se indica lo contrario, son míos).

______000______

9. Integración de los Tres Pilares: diseñar sistemas que cultiven el talento y la creatividad

La fortaleza de los Tres Pilares del Desarrollo del Talento reside en su integración. Cada componente aborda un aspecto diferente del aprendizaje, pero es su interacción la que permite construir un sistema estable y eficaz. Los contenidos avanzados garantizan que los estudiantes afronten desafíos de manera continuada; la enseñanza intelectualmente estimulante favorece una implicación profunda con esos contenidos; y el aprendizaje auténtico basado en los intereses conecta dicha implicación con el significado personal y el sentido de propósito.

Cuando estos elementos se integran en el entorno general de aprendizaje, dan lugar a sistemas capaces de responder de forma inherente a las diferencias en la preparación, los intereses y las trayectorias de desarrollo del alumnado. En estos sistemas, los estudiantes no quedan restringidos por etiquetas ni por criterios de elegibilidad; por el contrario, acceden a oportunidades que permiten que sus capacidades y su creatividad emerjan y se desarrollen a lo largo del tiempo.

Este enfoque integrado también aborda uno de los problemas más persistentes de la educación del alumnado con altas capacidades: la desconexión entre la identificación y los servicios educativos. Al centrarse en el diseño del entorno de aprendizaje, en lugar de en la clasificación de los estudiantes, el marco de los Tres Pilares desplaza el énfasis desde la determinación de quién reúne los requisitos para recibir servicios hacia la garantía de que todo el alumnado tenga acceso a oportunidades que favorezcan su crecimiento.

De este modo, ofrece una vía hacia un modelo de educación del alumnado con altas capacidades más coherente, equitativo y orientado al futuro, que no se concibe como un complemento añadido, sino como un resultado natural y esperable de entornos diseñados para cultivar el talento mediante el desafío, la implicación y el trabajo significativo.

10. La creatividad como mecanismo integrador

En el contexto de los futuros programas educativos para el alumnado con altas capacidades, la creatividad desempeña una función central en la integración de los Tres Pilares del Desarrollo del Talento. La creatividad no se limita a la expresión artística; constituye un proceso fundamental mediante el cual las personas generan ideas, resuelven problemas y producen trabajos significativos en diferentes ámbitos.

El aprendizaje auténtico basado en los intereses actúa, en particular, como un vehículo principal para la expresión creativa. Cuando los estudiantes participan en proyectos relacionados con sus intereses, avanzan desde el consumo de conocimiento hacia la producción y la innovación. Estas experiencias favorecen no solo la creatividad, sino también el desarrollo de la identidad, ya que el alumnado comienza a percibirse como parte activa y contribuyente dentro de un ámbito determinado.

La creatividad también surge mediante una enseñanza intelectualmente estimulante, que anima a los estudiantes a explorar perspectivas diversas, establecer conexiones y participar en la resolución de problemas complejos. De este modo, la creatividad queda integrada en la propia estructura del desarrollo del talento, en lugar de tratarse como un objetivo separado o complementario.

11. Implicaciones para el futuro de los programas educativos

El avance hacia un desarrollo del talento a gran escala tiene varias implicaciones para el diseño futuro de los programas educativos relacionados con las altas capacidades y la creatividad.

En primer lugar, los programas deben evolucionar desde un enfoque categorial hacia uno sistémico. En lugar de crear programas separados para estudiantes previamente identificados, los centros pueden integrar oportunidades avanzadas en los entornos de educación general, de modo que el acceso venga determinado por la preparación y los intereses, y no por las etiquetas.

En segundo lugar, el foco debe desplazarse desde la selección hacia la oportunidad. Proporcionar un acceso amplio a contenidos avanzados y a experiencias de aprendizaje auténtico permite que el talento emerja y se desarrolle a lo largo del tiempo.

En tercer lugar, los programas deben adquirir un carácter dinámico y sensible a las necesidades del alumnado. La evaluación continua y las prácticas de enseñanza flexibles permiten al profesorado ajustar la respuesta educativa a unas necesidades que evolucionan con el tiempo (Siegle et al., 2026a).

En cuarto lugar, la formación del profesorado debe centrarse en el desarrollo de capacidades profesionales. Los docentes necesitan adquirir las competencias necesarias para diseñar una enseñanza que incorpore profundidad, complejidad y autenticidad, así como para reconocer formas diversas de manifestación del talento.

Por último, la investigación debe orientarse hacia el estudio de las estructuras de oportunidad, en lugar de centrarse exclusivamente en los resultados de los procesos de identificación. Comprender de qué manera los distintos entornos favorecen o limitan el desarrollo será esencial para hacer avanzar este campo [de estudio].

12. Conclusiones

El futuro de los programas educativos dirigidos al alumnado con altas capacidades y al desarrollo de la creatividad depende de la capacidad del campo para superar sus limitaciones conceptuales y estructurales de tan larga trayectoria. La fragmentación paradigmática ha generado falta de coherencia, mientras que los sistemas centrados en la identificación han demostrado ser variables e inequitativos. En conjunto, estos problemas hacen necesario replantear de manera fundamental cómo se concibe y se lleva a la práctica la educación del alumnado con altas capacidades.

El marco del desarrollo del talento, concretado a través del modelo de los Tres Pilares, ofrece una vía de avance. Al centrarse en las oportunidades, la implicación y el desarrollo, permite alinear los programas educativos con las concepciones contemporáneas acerca de cómo emerge y se desarrolla el talento. De este modo, proporciona un enfoque más inclusivo, equitativo y eficaz para cultivar el potencial humano. En última instancia, la pregunta ya no es quién tiene altas capacidades (Borland, 2005), sino cómo pueden diseñarse los sistemas educativos para favorecer el desarrollo del talento y la creatividad en todo el alumnado.

______0000______

Poco se puede añadir. El reto está planteado: ¿hay quien quiera asumirlo?

Notas.

Las referencias bibliográficas del artículo las incluyo en los ficheros descargables que incluyo a continuación.

Acceder al artículo original descargable desde este enlace.

Acceder al artículo traducido desde aquí.

Tomado de Javier Tourón