Por Mercedes Leti9cia Sánchez Ambris y Carlos Bravo Reyes
¿Hacia dónde debe orientarse el currículo en una época atravesada por la inteligencia artificial (IA)? La respuesta no consiste en eliminar las disciplinas ni en añadir herramientas digitales a las prácticas de siempre, sino en conectar saberes, contextualizar los problemas y preservar la inteligencia humana. La IA puede funcionar como puente entre conocimientos, pero no como brújula de las finalidades educativas.
Esta pregunta surgió después de leer 115 ensayos, de estudiantes de doctorado en Educación que cursan la materia de Diseño Curricular, quienes desde su experiencia como docentes analizaron el currículo en su versión polisémica. Para algunos, representa un plan de estudios; para otros, una selección cultural, una experiencia vivida, un proyecto político, una práctica pedagógica o una construcción social. Esta diversidad no constituye una debilidad conceptual. Expresa que todo currículo implica decisiones sobre qué conocimientos se consideran valiosos, quién los selecciona, con qué propósito se aprende y qué tipo de sociedad se pretende construir.
Disciplinas conectadas, no eliminadas
En algunos debates educativos se plantea que las asignaturas podrían dejar de ser el eje organizador de la escuela. Esta posibilidad no debe entenderse como la desaparición de las disciplinas. Las matemáticas permiten modelar y argumentar; las ciencias ayudan a comprender fenómenos; la historia ofrece herramientas para interpretar el presente; la literatura explora experiencias humanas, y las artes desarrollan sensibilidad e imaginación.
El problema no son las disciplinas, sino su aislamiento. Cuando el conocimiento se organiza en compartimentos rígidos, los estudiantes pueden aprobar materias sin comprender cómo se relacionan entre sí o con los problemas de su comunidad. Por ello, el cambio curricular debería volver permeables las fronteras disciplinarias. Los proyectos y desafíos pueden articular distintas perspectivas, mientras cada disciplina aporta conceptos, métodos y formas específicas de construir conocimiento.
Del currículo acumulativo al currículo con sentido
Durante años, las reformas educativas han incorporado contenidos, competencias y responsabilidades sin revisar siempre el tiempo disponible para aprenderlos. La OCDE advierte que la expansión continua puede producir sobrecarga curricular y dificultar un aprendizaje profundo; por ello, propone considerar principios como enfoque, rigor y coherencia en el diseño curricular (Organización para la Cooperación y el Desarrollo Económicos [OCDE], 2020).
En la era de la IA, acumular información resulta todavía menos pertinente. Una herramienta puede localizar datos, resumir documentos o generar explicaciones en segundos. Sin embargo, el acceso inmediato no sustituye los conocimientos previos: sin ellos, el estudiante difícilmente puede formular preguntas pertinentes, detectar errores, reconocer sesgos o valorar la calidad de una respuesta.
El desafío consiste en pasar de un currículo centrado en recordar respuestas a otro que enseñe a comprender, preguntar, crear, comunicar y actuar responsablemente. La iniciativa Future of Education and Skills 2030/2040 destaca la integración de conocimientos, habilidades, actitudes y valores, así como la agencia del estudiante para tomar decisiones y participar en la construcción de futuros compartidos (OCDE, s. f.).
La IA como puente, no como brújula
La IA puede contribuir a un currículo conectado. Problemas como la escasez de agua, la migración, la desigualdad o la desinformación requieren perspectivas científicas, históricas, sociales, éticas y comunicativas. Las herramientas de IA pueden apoyar la búsqueda y comparación de información, la representación de datos, la simulación de escenarios y la generación de preguntas. También pueden ayudar al docente a elaborar casos contextualizados, ofrecer prácticas diferenciadas y producir retroalimentación inicial.
No obstante, usar IA para resumir textos, contestar cuestionarios o entregar productos terminados solo incorpora una tecnología nueva a un currículo antiguo. La innovación pedagógica no depende de cuánto produce la herramienta, sino de los procesos intelectuales, creativos y éticos que desarrolla el estudiante al utilizarla. En lugar de pedir una definición aislada, puede solicitarse la comparación de varias perspectivas, la identificación de sus supuestos, la verificación de fuentes y la construcción de una postura propia.
La UNESCO recomienda una orientación centrada en el ser humano que proteja la agencia, la privacidad, la inclusión y la diversidad cultural (Miao & Holmes, 2023). Asimismo, el marco para docentes organiza las competencias en cinco dimensiones: enfoque humano, ética de la IA, fundamentos y aplicaciones, pedagogía con IA y aprendizaje profesional (Miao & Cukurova, 2024). Para los estudiantes, propone competencias relacionadas con el juicio crítico, el uso responsable y la participación como cocreadores de estas tecnologías (Miao et al., 2024).
Estas orientaciones recuerdan que incorporar IA no equivale a adoptar una plataforma. Significa formar criterios para decidir cuándo usarla, con qué propósito, cómo verificar sus resultados y cuándo es preferible no emplearla. También exige preguntar quién diseñó la herramienta, con qué datos fue entrenada, qué visiones reproduce, qué grupos están representados y qué sucede con los datos personales.
Evaluar el proceso y la transferencia
La presencia de IA obliga a revisar la evaluación. No basta con valorar la entrega puntual o la presentación impecable de un producto. Es necesario observar cómo se formuló el problema, qué decisiones se tomaron, qué fuentes se contrastaron, cómo se corrigieron errores y en qué nuevas situaciones puede utilizarse lo aprendido.
Por ello, la evaluación puede incorporar bitácoras de decisiones, versiones sucesivas, portafolios, defensas orales, resolución de casos y evidencias de transferencia. También debe valorar si el estudiante declara el uso de IA, protege datos personales, reconoce las limitaciones de la herramienta y conserva la responsabilidad intelectual sobre el resultado.
¿Hacia dónde debemos ir?
Necesitamos un currículo conectado sin perder profundidad disciplinar; contextualizado en los problemas y saberes de cada comunidad; flexible, pero no improvisado; centrado en la comprensión, la creación y la transferencia; y comprometido con la inclusión, la equidad y la dignidad humana.
La escuela del futuro no será la que incorpore más herramientas, sino la que formule mejores preguntas sobre sus finalidades. La IA puede ayudar a conectar lo que la escuela fragmentó y a diversificar los caminos para aprender. Sin embargo, el rumbo no debe señalarlo el algoritmo. El rumbo debemos decidirlo nosotros.
Organización para la Cooperación y el Desarrollo Económicos. (2020). Curriculum overload: A way forward. OECD Publishing. https://doi.org/10.1787/3081ceca-en
A pesar de estar en pleno estío, me parece que una lectura como la que propongo en las próximas tres entradas puede ser «refrescante» y del máximo provecho, no solo para los que tienen un interés específico por las altas capacidades y el desarrollo del talento, sino para todos los que tienen un interés genuino por la educación.
El planteamiento que se hace en el artículo cuyo texto reproduzco (traducido del original inglés) con la autorización escrita del primer autor, el profesor Del Siegle, del Department of Educational Psychology, Faculty of Giftedness, Creativity, and Talent Development de la Universidad de Connecticut, enlaza con muchos de los temas tratados en el blog a lo largo de los años, sobre todo con el aprendizaje personalizado, la enseñanza enriquecida, la concepción de la capacidad como potencial en desarrollo y otros tantos. Seguro que a medida que lo vayáis leyendo «uniréis los puntos».
Me parece un artículo muy importante porque reflexiona sobre una concepción del desarrollo personal que se compadece perfectamente con un enfoque de los centros educativos como ámbitos de aprendizaje (más que de enseñanza), como entornos que deben desarrollar el potencial de todos los estudiantes. Esto se relaciona, a su vez, con una concepción equitativa de una escuela que debe dar a cada uno lo que necesita y con el papel protagonista que el alumno tiene (debe tener) en su propio aprendizaje. Finalmente se desvincula el concepto del poco sostenible «ser o no ser», lo que lleva a reconsiderar el cómo y el para qué de la identificación . Hay más relaciones, desde luego, en particular todas las que tienen que ver con las configuraciones curriculares específicas, el ritmo y profundidad del desarrollo del currículo, y tantas otras que os dejo descubrir a vosotros mismos.
Lo diré una vez más. Todo o casi todo está escrito. Basta leerlo con criterio, y no seguir basando nuestras posturas en opiniones más o menos ocurrentes, sino en argumentos bien fundados.
La estructura del artículo es la siguiente:
Resumen
1. Introducción
2. Fragmentación paradigmática y sus consecuencias
3. Limitaciones de la identificación como fundamento de los programas educativos
4. Replantear la educación del alumnado con altas capacidades como desarrollo del talento
5. Los Tres Pilares del Desarrollo del Talento como modelo sistémico
6. Contenidos avanzados: sostener el crecimiento intelectual y creativo
7. Enseñanza intelectualmente estimulante: cultivar la profundidad, la complejidad y la creatividad
8. Aprendizaje auténtico basado en los intereses: conectar el talento con el propósito y la expresión creativa
9. Integración de los Tres Pilares: diseñar sistemas que cultiven el talento y la creatividad
10. La creatividad como mecanismo integrador
11. Implicaciones para el futuro de los programas educativos
12. Conclusiones
Referencias
En esta entrada trataremos los cuatro primeros puntos.
Educ. Sci. 2026, 16, 1134
Resumen
Este artículo sostiene que la educación del alumnado con altas capacidades se encuentra en un punto de inflexión crítico, condicionado por una persistente fragmentación conceptual y por las limitaciones de los sistemas centrados en la identificación. A pesar de décadas de perfeccionamiento, las prácticas de identificación continúan siendo inconsistentes, inequitativas y escasamente alineadas con las experiencias educativas que se supone deben sustentar. Al mismo tiempo, el campo sigue dividido entre paradigmas contrapuestos, especialmente el Paradigma del Niño con Altas Capacidades y el Paradigma del Desarrollo del Talento, lo que genera falta de coherencia en la investigación, las políticas educativas y la práctica.
A partir de trabajos empíricos y teóricos recientes, este artículo sostiene que ambos problemas debilitan la eficacia y la equidad de los programas educativos dirigidos al alumnado con altas capacidades y al desarrollo de la creatividad. Como respuesta, propone una reconceptualización de este ámbito educativo fundamentada en el marco del desarrollo del talento, que concibe la capacidad como dinámica y emergente, y no como una característica fija.
En el centro de esta propuesta se encuentra el modelo de los Tres Pilares del Desarrollo del Talento, que pone el énfasis en: a) el acceso a contenidos avanzados; b) una enseñanza intelectualmente estimulante, caracterizada por la profundidad y la complejidad; y c) oportunidades de aprendizaje auténtico basadas en los intereses del alumnado.
Es importante señalar que este marco sitúa la mayor parte de los servicios educativos para el alumnado con altas capacidades dentro del aula ordinaria, de modo que la enseñanza en el aula se convierte en el principal contexto para el desarrollo del talento, en lugar de depender de programas separados o de modalidades en las que los estudiantes salen temporalmente de su aula habitual.
En conjunto, estos elementos configuran un enfoque integrado y sistémico que desplaza el foco desde la identificación de individuos con altas capacidades hacia el diseño de entornos educativos ricos en oportunidades, desarrollados en el aula y orientados a cultivar el talento de manera amplia.
Palabras clave: desarrollo del talento; educación del alumnado con altas capacidades; contenidos avanzados; estimulación intelectual; aprendizaje basado en los intereses.
1.Introducción
La educación del alumnado con altas capacidades se encuentra en una encrucijada. Durante décadas, este campo ha estado marcado por los debates en torno a la identificación: quién tiene altas capacidades, cómo debe definirse este concepto y qué medidas permiten determinar mejor el acceso a los servicios educativos. Sin embargo, a pesar de la creciente sofisticación de los sistemas de identificación, persisten problemas fundamentales. La identificación continúa siendo inconsistente, inequitativa y, con frecuencia, se encuentra desconectada de las experiencias educativas que debería sustentar. Al mismo tiempo, la investigación pone de manifiesto la existencia de divisiones conceptuales dentro del propio campo, ya que investigadores y profesionales parten a menudo de supuestos paradigmáticos diferentes acerca de la naturaleza de las altas capacidades y de la finalidad de su respuesta educativa (Hook, 2025).
Estos dos problemas —la fragmentación paradigmática y la inestabilidad sistémica de la identificación— tienen profundas implicaciones para el futuro de los programas educativos orientados a las altas capacidades y al desarrollo de la creatividad. Cuando un campo carece de una base conceptual compartida y su principal mecanismo para proporcionar servicios educativos resulta cuestionable, se hace difícil diseñar entornos de aprendizaje coherentes, equitativos y eficaces. El resultado es un sistema en el que los estudiantes son clasificados con frecuencia en distintas categorías, pero no reciben experiencias que desarrollen su potencial de manera significativa (Gubbins et al., 2021).
La investigación reciente refleja un desplazamiento cada vez más rápido desde concepciones estáticas de las altas capacidades, fundamentadas en rasgos, hacia marcos evolutivos que entienden el talento como el resultado emergente de la interacción entre la capacidad, las oportunidades, el contexto y los factores psicosociales (Cristina et al., 2025; Gil, 2025; Olszewski-Kubilius, 2024). Al mismo tiempo, los resultados empíricos muestran que los sistemas de identificación son intrínsecamente inestables y que no pueden representar de manera proporcional a poblaciones diversas (Long et al., 2026; Peters, 2021; Siegle et al., 2026b). En conjunto, estas aportaciones apuntan hacia la necesidad de reorientar el campo.
El propósito de este artículo es formular una visión de futuro para los programas educativos dirigidos a las altas capacidades y al desarrollo de la creatividad que permita afrontar tanto la fragmentación conceptual como las limitaciones actuales. Basándose en trabajos recientes sobre las creencias paradigmáticas y en un marco de desarrollo del talento centrado en los Tres Pilares del Desarrollo del Talento (Siegle, 2024a, 2024b), este artículo sostiene que el futuro del campo no reside en seguir perfeccionando los sistemas de identificación, sino en diseñar, de manera más amplia, entornos de aprendizaje ricos en oportunidades que permitan cultivar el talento de forma generalizada y equitativa.
2. La fragmentación paradigmática y sus consecuencias
Uno de los principales retos de la educación del alumnado con altas capacidades es la falta de consenso respecto a sus supuestos fundamentales (Ambrose et al., 2010; Borland, 2005; McBee et al., 2012; Siegle et al., 2024; Worrell et al., 2019). Desde hace tiempo, diversos autores han señalado que este campo se caracteriza por la coexistencia de paradigmas contrapuestos acerca de qué son las altas capacidades, por qué resultan relevantes y cómo deberían abordarse desde el punto de vista educativo (Dai & Chen, 2013; Hook, 2025; Lo & Porath, 2017). Como reflejo de esta fragmentación en los supuestos de partida, tampoco existe suficiente claridad respecto a los objetivos de la educación del alumnado con altas capacidades (Hook & Boldt, 2025). Ambas cuestiones se refuerzan mutuamente y dificultan el avance del campo. En términos generales, dos orientaciones paradigmáticas han dominado el debate: el Paradigma del Niño con Altas Capacidades (Gifted Child Paradigm, GCP) y el Paradigma del Desarrollo del Talento (Talent Development Paradigm, TDP).
El Paradigma del Niño con Altas Capacidades concibe las altas capacidades como un rasgo relativamente estable, a menudo innato, habitualmente asociado a una inteligencia elevada y acompañado de características cognitivas y socioemocionales diferenciadas. Desde este paradigma, la tarea central de la educación del alumnado con altas capacidades consiste en identificar a estos estudiantes y proporcionarles servicios especializados adaptados a sus necesidades (Dai & Chen, 2013; Hook, 2025). Por el contrario, el Paradigma del Desarrollo del Talento entiende las altas capacidades como un proceso evolutivo y subraya el papel del entorno, las oportunidades y la implicación sostenida en la transformación del potencial en competencia experta (Renzulli, 2012; Subotnik et al., 2012). Desde esta perspectiva, la finalidad de la educación del alumnado con altas capacidades no consiste únicamente en identificar el talento, sino en desarrollarlo a lo largo del tiempo.
Trabajos empíricos recientes sobre las creencias de los distintos agentes implicados indican que el campo no se encuentra plenamente unificado en torno a ninguno de estos dos paradigmas (Hook, 2025). Por el contrario, pueden distinguirse al menos tres grupos: quienes se alinean en mayor medida con el Paradigma del Niño con Altas Capacidades —más frecuente entre los profesionales—; quienes se identifican con el Paradigma del Desarrollo del Talento —más habitual entre los investigadores—; y un grupo amplio cuyas creencias integran elementos de ambos paradigmas. Este tercer grupo, que constituye la mayoría de los participantes en los análisis recientes, sostiene simultáneamente ideas como la naturaleza evolutiva del talento y la existencia de características distintivas en las personas con altas capacidades. Esta última perspectiva orienta el planteamiento de los autores.
Esta fragmentación paradigmática tiene importantes consecuencias. Cuando profesionales e investigadores parten de supuestos paradigmáticos diferentes, pueden interpretar de manera divergente unos mismos resultados de investigación, priorizar objetivos educativos distintos y defender formas diferentes de intervención. Por ejemplo, un profesional que conciba las altas capacidades como un rasgo fijo puede otorgar prioridad a la identificación temprana y al agrupamiento del alumnado (véase Schroth & Helfer, 2009), mientras que un investigador alineado con el desarrollo del talento puede poner el énfasis en ampliar el acceso a oportunidades educativas (véase Renzulli & Reis, 2014).
Estas diferencias no son meramente teóricas, sino que influyen directamente en lo que sucede en las aulas. Las creencias condicionan las decisiones relativas al currículo, la enseñanza y el agrupamiento de los estudiantes (Pajares, 1996; Szymanski et al., 2018; Wilson, 1990). Cuando los distintos agentes mantienen concepciones diferentes sobre las altas capacidades, los programas suelen carecer de coherencia, porque las decisiones relativas a la identificación, el currículo y los servicios educativos se sustentan en supuestos contrapuestos (A. Y. Carpenter, 2019; Schroth & Helfer, 2008, 2009; VanTassel-Baska & Brown, 2022). Esta falta de coherencia se agrava cuando los sistemas de identificación, que varían considerablemente en sus criterios y resultados, se convierten en el principal mecanismo para determinar el acceso a los servicios, en lugar de adecuar dichos servicios a las necesidades educativas que los estudiantes manifiestan de forma efectiva (Gubbins et al., 2021). Así, un estudiante puede cumplir los criterios y recibir servicios en un distrito escolar, pero no cumplirlos en otro que utilice un sistema de identificación distinto. Del mismo modo, un estudiante puede ser identificado por mostrar una fortaleza en un área de talento concreta —por ejemplo, matemáticas— y, sin embargo, recibir servicios en otra diferente —por ejemplo, pensamiento creativo—.
3. Limitaciones de la identificación como fundamento de los programas educativos
La centralidad que ocupa la identificación en la educación del alumnado con altas capacidades descansa sobre tres supuestos: que las altas capacidades pueden medirse, que esa medición puede orientar la toma de decisiones educativas y que sus resultados —que culminan en la asignación de una etiqueta de altas capacidades— son permanentes (véase Sternberg et al., 2021). Sin embargo, la evidencia empírica cuestiona cada vez más estos supuestos.
Uno de los principales problemas es la variabilidad de los sistemas de identificación. Los cambios en las medidas utilizadas, las normas de referencia, los puntos de corte y las reglas de decisión pueden dar lugar a grupos de estudiantes identificados radicalmente distintos (Long et al., 2026). Sistemas que aparentemente presentan un diseño similar pueden identificar a personas completamente diferentes, lo que pone de manifiesto que la identificación no es un proceso objetivo, sino que depende de las decisiones metodológicas adoptadas (McBee et al., 2014).
Estrechamente relacionado con esta variabilidad se encuentra el problema de la inequidad persistente. Los estudiantes pertenecientes a grupos históricamente insuficientemente atendidos continúan estando infrarrepresentados en los programas para alumnado con altas capacidades (Ford, 2014; Peters et al., 2019), incluso cuando se controla el nivel de rendimiento (Siegle et al., 2026b). Ningún sistema de identificación ha demostrado producir una representación proporcional de los diferentes grupos demográficos, lo que sugiere que la inequidad no constituye únicamente un defecto de determinados sistemas concretos, sino una característica estructural tanto de la sociedad como del propio proceso de identificación (Peters et al., 2023).
Otra limitación tiene que ver con la inconsistencia de las medidas. Las valoraciones del profesorado, en particular, están influidas por efectos asociados al evaluador, de modo que una proporción sustancial de la varianza puede atribuirse al docente y no al estudiante (McCoach et al., 2024).
La limitación más crítica, sin embargo, es la escasa correspondencia entre la identificación y los servicios proporcionados. Los estudiantes pueden ser identificados a partir de fortalezas en dominios específicos y, pese a ello, recibir experiencias generales de enriquecimiento que no se apoyan en esas fortalezas ni contribuyen a desarrollarlas (Gubbins et al., 2021; Siegle et al., 2025). Esta desconexión debilita la propia finalidad de la identificación, puesto que no garantiza que los estudiantes reciban oportunidades de aprendizaje adecuadas. Si la identificación no permite determinar de forma fiable quién debería recibir servicios y si esos servicios tampoco se ajustan de manera consistente a las necesidades del alumnado, el campo debe reconsiderar su dependencia de la identificación como principio organizador.
4. Replantear la educación del alumnado con altas capacidades como desarrollo del talento
Frente a los enfoques centrados en la identificación, el marco del desarrollo del talento ofrece una base más coherente y con mayor respaldo empírico para el futuro de la educación del alumnado con altas capacidades. Desde esta perspectiva, las altas capacidades no se conciben como un atributo fijo, sino como una trayectoria de desarrollo configurada por las oportunidades, el esfuerzo y el entorno (Subotnik et al., 2012).
Dentro de este marco, los indicadores tempranos de capacidad se interpretan como potencial, no como destino. La realización del talento depende del acceso sostenido a contenidos avanzados, a una enseñanza de alta calidad y a oportunidades de implicación significativa. Este planteamiento es coherente con la concepción de Renzulli (1998), según la cual las altas capacidades surgen de la interacción entre la capacidad, la creatividad y el compromiso con la tarea, bajo determinadas condiciones y en contextos específicos.
Una implicación fundamental de esta perspectiva es que el talento no puede observarse plenamente en ausencia de oportunidades (Baykoç et al., 2014; Gavin et al., 2025). Los estudiantes que no han sido identificados inicialmente como alumnos con altas capacidades pueden mostrar niveles elevados de desempeño cuando reciben el apoyo adecuado. A la inversa, los estudiantes identificados pueden no llegar a desarrollar su potencial si no se les ofrecen oportunidades significativas de crecimiento. Por tanto, el desarrollo del talento constituye un proceso en dos fases: primero, proporcionar oportunidades que permitan que los talentos afloren y, después, ofrecer los servicios necesarios para desarrollarlos.
De este modo, la pregunta deja de ser «¿quién tiene altas capacidades?» y pasa a ser «¿cómo podemos crear las condiciones que permitan desarrollar el talento?». Este cambio tiene profundas implicaciones para el diseño de los programas educativos, ya que exige sustituir los sistemas selectivos por modelos inclusivos basados en las oportunidades. Este énfasis en entornos de aprendizaje ricos en oportunidades es coherente con la investigación internacional reciente sobre los sistemas de desarrollo del talento. En lugar de valorar a los países principalmente por la manera en que identifican al alumnado con altas capacidades o por el número de programas especializados que ofrecen, Ziegler y Stoeger (2024) sostienen que deberían ser evaluados en función del grado en que crean entornos capaces de apoyar sistemáticamente el desarrollo de la competencia experta y la eminencia. Su marco propone que los sistemas eficaces de apoyo al talento deben proporcionar redes coordinadas de entornos de aprendizaje de alta calidad, acceso equitativo a oportunidades avanzadas y los recursos educativos necesarios para sostener el desarrollo del talento a lo largo del tiempo. Asimismo, estos autores sostienen que la excelencia no surge simplemente de identificar a individuos excepcionales, sino de diseñar entornos que cultiven desempeños excepcionales. Esta perspectiva sistémica refuerza la tesis defendida en este artículo: el futuro de la educación del alumnado con altas capacidades depende menos del perfeccionamiento de los sistemas de identificación que de la creación de entornos escolares y de aula que ofrezcan a todos los estudiantes oportunidades de aprendizaje avanzado, desafío intelectual e implicación auténtica.
En 2011 celebramos la primera edición de CINAIC. En aquel momento, la innovación educativa ocupaba un espacio muy distinto al actual. Era un ámbito impulsado, sobre todo, por el compromiso y la vocación del profesorado. Existían muy pocas revistas especializadas, la producción científica era limitada y muchas experiencias excelentes apenas trascendían el aula donde habían nacido.
Durante estos quince años hemos tenido el privilegio de vivir esa evolución desde dentro. Hemos visto consolidarse la innovación educativa como un ámbito de investigación, crecer las oportunidades para publicar y compartir evidencias, surgir nuevas metodologías y comprobar cómo muchas de esas ideas han terminado transformando la práctica docente. La colaboración entre profesores e investigadores se ha convertido, además, en uno de los principales motores de este cambio.
También hemos asistido a la aparición de nuevos desafíos. Hoy, la inteligencia artificial está transformando la educación a una velocidad sin precedentes y abre un escenario lleno de oportunidades, pero también de preguntas e incertidumbres que merece la pena analizar y debatir con rigor.
En este contexto, nos complace anunciar la celebración de la IX edición de CINAIC, que tendrá lugar los días 16, 17 y 18 de junio de 2027 en Madrid. Será, además, una edición muy especial al coincidir con la conmemoración del 250º aniversario de la enseñanza de la Ingeniería de Minas. La Escuela de Minas, sede de la mayoría de las ediciones de CINAIC, volverá a ser el escenario de este encuentro, un marco excepcional para reunir de nuevo a docentes e investigadores comprometidos con la innovación educativa.
Por ahora solo queremos pedirte una cosa: reserva esas fechas en tu agenda.
Los investigadores señalan que las prácticas de publicación transparentes podrían estar asociadas con una mayor calidad de la investigación, aunque todavía se necesitan más evidencias.
Los artículos científicos cuyos informes de revisión por pares son públicos tienen menos probabilidades de ser retractados que aquellos cuyos informes permanecen confidenciales, según concluye un estudio. Sus autores sugieren que este fenómeno podría reflejar, al menos en algunos casos, una mayor confianza de los investigadores que optan por hacer transparente el proceso de evaluación.
El análisis, publicado este año como preprint en el servidor MetaArXiv, examinó 116.359 artículos publicados desde mayo de 2019 en revistas de acceso abierto de la Public Library of Science (PLOS), con sede en San Francisco (California). Las revistas de PLOS permiten a los autores decidir, una vez aceptado el manuscrito, si desean publicar junto al artículo los informes de revisión por pares. De los trabajos analizados, 46.920 artículos —algo más del 40 %— fueron acompañados por estos informes abiertos.
Entre los artículos con informes públicos de los revisores, 105 fueron posteriormente retractados, frente a 321 retractaciones entre aquellos cuyo proceso de revisión permaneció cerrado.
El estudio no pretende explicar directamente la relación entre la revisión abierta y la menor tasa de retractaciones. Sin embargo, en un trabajo de seguimiento aún no publicado, descrito a Nature Index, el coautor Matt Spick, especialista en integridad de la investigación de la Universidad de Surrey (Reino Unido), investigó si el tono o sentimiento de los informes de los revisores podía aportar alguna explicación.
Una posibilidad era que los autores de PLOS, que deciden si publican los informes únicamente después de que el artículo ha sido aceptado, tendieran a hacerlo cuando las evaluaciones eran especialmente favorables. Para comprobar esta hipótesis, Spick comparó el contenido de los informes de revisión de PLOS con los informes públicos de artículos publicados en revistas de BMC, editorial con sede en Londres y perteneciente a Springer Nature, la misma empresa que publica Nature. No encontró diferencias significativas entre ambos conjuntos de datos, lo que sugiere que la menor tasa de retractaciones no puede explicarse simplemente porque los autores publiquen únicamente las revisiones más positivas.
En su lugar, Spick y Adrian Barnett, estadístico de la Queensland University of Technology (Australia) y coautor del preprint de MetaArXiv, plantean otra hipótesis: los investigadores que tienen una mayor confianza en la calidad de su trabajo y que, además, apoyan las prácticas de ciencia abierta, podrían estar más predispuestos a elegir la revisión por pares abierta. En consecuencia, la decisión de hacer públicos los informes de revisión podría constituir, por sí misma, un indicador indirecto de la calidad del artículo.
Esta interpretación es compartida por Jessica Polka, responsable del desarrollo de materiales docentes de biología en MIT Open Learning, quien considera que publicar los informes de los revisores constituye «una señal muy útil para el lector de que los autores confían en la solidez de sus resultados».
Los autores advierten de que existen numerosos factores que dificultan atribuir esta relación a una única causa.
Por ejemplo, el estudio no analiza las razones concretas por las que algunos artículos fueron retractados. Además de los casos de fraude o mala conducta científica, las retractaciones también pueden producirse por errores honestos o por problemas de reproducibilidad, circunstancias que no necesariamente influyen en la confianza que los autores tienen en su trabajo cuando deciden si desean hacer públicos los informes de revisión.
Asimismo, el estudio no evaluó si el modelo de revisión utilizado por las revistas de PLOS —como la revisión simple ciega (single-blind), en la que los revisores conocen la identidad de los autores pero no al contrario, o la doble ciega (double-blind), en la que autores y revisores permanecen mutuamente anónimos— influye en la proporción de autores que optan por publicar los informes de evaluación.
No obstante, la investigación sí detectó diferencias geográficas significativas. Los investigadores de Arabia Saudí, Corea del Sur, Pakistán, Polonia y China fueron los menos propensos a elegir la revisión abierta, mientras que los autores del Reino Unido, Países Bajos, Francia y Etiopía figuraban entre los más inclinados a hacerlo.
Según Barnett, estas diferencias pueden explicarse, al menos en parte, por factores culturales e institucionales. Las normas académicas, el grado en que universidades y organismos financiadores promueven la ciencia abierta y la transparencia, así como las políticas nacionales de publicación científica, influyen en la disposición de los investigadores a compartir públicamente los informes de revisión.
Las prácticas editoriales también están fuertemente condicionadas por las políticas de grandes financiadores de la investigación y organizaciones filantrópicas, como Wellcome, en Londres, o la Fundación Gates, en Seattle (Washington), que fomentan activamente la ciencia abierta y la publicación de los informes de revisión por pares como parte de una investigación más transparente y responsable.
Por Carlos Bravo Reyes y Mercedes Leticia Sánchez Ambriz
Uno de los problemas más visibles en las aulas universitarias no es que los estudiantes utilicen inteligencia artificial. El problema aparece cuando la emplean para resolver todo, entregando resultados que no comprenden. Presentan un texto correcto, una infografía atractiva y realizan una exposición bien ordenada. Sin embargo, no pueden explicar una idea central, reconocer una fuente ni justificar una decisión. El producto parece terminado, pero el aprendizaje permanece oculto. Cometen errores y dicen que fue la IA quien lo dijo.
Esta situación obliga a revisar el sentido de la tarea. Durante años, los profesores evaluamos el resultado final como evidencia del trabajo intelectual. La inteligencia artificial ha debilitado esa relación. Un documento bien escrito ya no demuestra, por sí solo, que su autor conoce el tema. La fluidez verbal puede ocultar una comprensión limitada. También puede encubrir fuentes débiles, conceptos imprecisos y conclusiones que nadie verificó.
La respuesta más inmediata suele ser prohibir la IA o intentar descubrir cuánto texto produjo. Ambas decisiones dejan intacto el problema pedagógico. La pregunta no debería ser cuánto intervino la herramienta. Conviene preguntar qué hizo el estudiante con ella, qué examinó, qué descartó y qué puede defender sin consultarla otra vez.
La experiencia que propongo puede llamarse: La ruta visible del aprendizaje con IA. Su propósito no consiste en producir más materiales. Busca que cada estudiante reconstruya el proceso seguido y responda por sus decisiones. NotebookLM funcionaría como mediador de la investigación, no como una máquina que entrega respuestas terminadas.
La actividad comenzaría con una pregunta problémica, que exige comparar, relacionar y tomar partido. Un ejemplo sería este: ¿cuándo contribuye la IA generativa al aprendizaje universitario y cuándo genera dependencia cognitiva? Podemos crear varios equipos de tres integrantes, donde cada uno podría delimitar la pregunta desde una asignatura o situación educativa concreta.
Cada equipo iniciaría una investigación profunda para construir un cuaderno en NotebookLM. Las fuentes podrían rondar entre ocho y diez, donde al menos cinco serían artículos académicos o revisiones científicas. También incluiría documentos institucionales y una fuente que presente una perspectiva diferente. Esta condición reduce la posibilidad de formar un corpus que solo confirme una idea previa.
Incorporar un documento al cuaderno no significa aceptarlo; por el contrario, cada fuente debe pasar por una revisión. Los estudiantes examinarían la autoría, la fecha, la procedencia, el método empleado, la evidencia presentada y sus límites, así como su relación con la pregunta. Una fuente puede parecer confiable y aportar muy poco. Otra puede ser pertinente, pero contener afirmaciones que deben compararse con otras fuentes. Esta tarea es la que obliga al estudiante a leer y analizar las fuentes, evitando así la aceptación tácita de todas las fuentes.
Para esta tarea se puede crear una tabla de calidad documental, donde se recogen todos los elementos antes mencionados. El estudiante tendría que explicar por qué conserva cada texto y qué uso le dará. También anotaría las fuentes descartadas y las razones del rechazo. Esta decisión tiene valor formativo. Buscar información es solo el inicio; seleccionar exige criterio.
Después se elaboraría un glosario comentado con diez o quince términos. Cada entrada contendría una definición redactada por el equipo y la fuente que la sustenta. También incluiría un ejemplo, un contraejemplo y su relación con otros conceptos. Copiar una definición no basta. El ejemplo muestra si el estudiante puede reconocer el concepto. El contraejemplo permite comprobar si comprende sus límites.
Este glosario cumple otra función: evita que categorías como pensamiento crítico, aprendizaje, dependencia o evaluación se utilicen como etiquetas vacías. Si el estudiante no puede explicar un término con sus propias palabras, tampoco puede utilizarlo con rigor en una conclusión.
En esta etapa entraría el sitio Prompts para trabajar con NotebookLM. Su biblioteca y el método 5C ofrecerían un andamiaje común. El método organiza cada consulta mediante contexto, corpus, comando, condiciones y comprobación. La acción cognitiva debe ser precisa. Comparar, evaluar, explicar y justificar producen interacciones más exigentes que resumir.
El sitio no debería convertirse en un banco para copiar instrucciones. Cada equipo seleccionaría tres prompts y los adaptaría a su problema. También redactaría uno propio mediante el método 5C. En todos los casos mostraría el prompt de referencia, la versión modificada y la razón de cada cambio.
Mostrar los prompts tampoco demuestra comprensión. Un prompt puede copiarse con la misma facilidad que una respuesta. Por eso, el registro debe incluir el propósito, el resultado obtenido, la verificación realizada y la decisión final. El estudiante explicaría si aceptó, corrigió, descartó o reformuló la respuesta. También presentaría un prompt que fracasó y mostraría cómo lo corrigió.
Una segunda tabla vincularía las afirmaciones con sus evidencias. Cada conclusión tendría una fuente, un fragmento de respaldo, una interpretación del equipo y una advertencia sobre sus límites. Esta separación ayuda a distinguir tres niveles. Uno corresponde a la fuente, otro a NotebookLM y el tercero a la conclusión estudiantil.
Desde el enfoque histórico cultural, la herramienta ocupa el lugar de un instrumento de mediación. No aprende en lugar del estudiante. Modifica la actividad y crea nuevas condiciones para acceder a la información. La apropiación del conocimiento surge cuando el estudiante dialoga, contrasta, explica y actúa con los conceptos. El profesor organiza esas condiciones y orienta el paso desde la ayuda externa hacia la comprensión propia.
La defensa cambia el sentido de la tarea
La infografía y la presentación serían productos de síntesis, pero no el centro de la evaluación. La infografía representaría relaciones entre conceptos, evidencias y conclusiones. Cada afirmación central indicaría su fuente. La presentación mostraría el proceso de investigación, las decisiones documentales, los prompts empleados y las correcciones realizadas.
La defensa del trabajo no consiste en crear diapositivas, ni en leerlas. El equipo tendría que responder varias preguntas. Explicaría qué investigó, cómo delimitó el problema y qué fuentes aceptó. También mostraría cómo influyeron los prompts y qué puede sostener sin ayuda de la IA. Esta última pregunta marca la diferencia entre repetir una salida y demostrar aprendizaje.
La actividad terminaría con una defensa individual. El profesor elegiría al azar un término del glosario, una fuente, una afirmación de la infografía y un prompt. Cada integrante explicaría su sentido y reconstruiría el razonamiento seguido. También respondería una pregunta nueva. La selección aleatoria impide que una sola persona concentre el trabajo y obliga a todos a conocer el proceso completo.
La calificación debe reflejar este cambio. La calidad de las fuentes recibiría el veinte por ciento. La relación entre afirmaciones y evidencias tendría otro veinte por ciento. El glosario y la comprensión conceptual representarían el quince por ciento. Los prompts, su justificación y sus reformulaciones sumarían otro quince por ciento. La infografía y la presentación aportarían el diez por ciento. La defensa individual completaría el veinte por ciento restantes.
Este reparto de notas no comunica una decisión pedagógica. Los productos visuales tienen valor, pero no sustituyen la investigación. Un diseño atractivo no compensa una fuente débil. Una presentación fluida no reemplaza la comprensión. La defensa tampoco funciona como castigo. Es el momento en que el estudiante convierte el proceso en lenguaje propio.
La propuesta permite trabajar varias habilidades en una sola experiencia. Los estudiantes buscan, seleccionan, comparan, definen, verifican, sintetizan y comunican. La taxonomía de Bloom deja de aparecer como una lista de verbos. Se convierte en una guía para formular operaciones intelectuales observables. La alfabetización en IA también adquiere un sentido pedagógico. No se limita a manejar funciones; incluye reconocer límites, examinar evidencias y asumir responsabilidad por una conclusión.
Esta tarea puede aplicarse en distintas asignaturas. Cambiarían la pregunta, el corpus y los productos, pero se conservaría el principio. Cada resultado generado con IA debe dejar una huella que permita reconstruir cómo se obtuvo. Esa huella no es una captura de pantalla. Está formada por fuentes, decisiones, dudas, correcciones y argumentos.
El mayor riesgo no es que la inteligencia artificial escriba por los estudiantes. El mayor riesgo es que ellos se acostumbren a presentar conocimientos que nunca hicieron suyos. Esa práctica alimenta una forma de aitoxicación: mucha información, apariencia de dominio y escasa capacidad para explicar.
Por eso, la tarea no termina cuando aparece el texto, la infografía o la presentación. En ese momento comienza la parte que realmente interesa al profesor. El estudiante debe mostrar qué comprendió, cómo llegó hasta allí y qué razones sostienen su respuesta. La autoría ya no se mide por la ausencia de inteligencia artificial. Se reconoce en la capacidad de examinarla, corregirla y responder por cada idea presentada.
La idea que estamos presentando surgió como parte de un taller sobre NotebookLM que recientemente realizamos con profesores y administrativos de la Facultad de Humanidades. La tarea evaluativa propuesta requiere madurez del estudiante, responsabilidad, habilidades digitales, en especial para trabajar con NotebookLM, y un sentido ético del trabajo. El profesor debe orientar detalladamente cada paso, para evitar que se salten algunos y volvamos al clásico copiar y pegar. Es una tarea que puede revisarse por partes y conlleva tiempo tanto en la fase de investigación, el desarrollo y su presentación final.
