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

El nuevo despertar docente frente a la inteligencia artificial

 Por Mercedes Leticia Sánchez y Carlos Bravo Reyes

La historia humana siempre ha estado vinculada con la capacidad de crear herramientas para ampliar las posibilidades de existencia. Durante miles de años, las tecnologías estuvieron orientadas principalmente a extender las capacidades físicas humanas: cultivar la tierra, transportar objetos, construir ciudades o acelerar procesos mecánicos.

La revolución industrial marcó un punto de inflexión al permitir que las máquinas sustituyeran parte del esfuerzo físico humano mediante procesos automatizados de producción. Más tarde, las tecnologías digitales ampliaron las capacidades de comunicación y acceso a la información. En la actualidad, la inteligencia artificial introduce una diferencia fundamental respecto a las revoluciones anteriores: la herramienta deja de limitarse al trabajo físico o mecánico y comienza a intervenir en espacios asociados históricamente con la cognición humana.

Actualmente, sistemas de inteligencia artificial pueden redactar textos, producir imágenes, analizar datos, generar simulaciones conversacionales y organizar grandes volúmenes de información en cuestión de segundos. Aunque estas tecnologías no poseen conciencia humana ni comprensión emocional auténtica, sí transforman profundamente la manera en que las personas interactúan con el conocimiento.

Esta transición modifica la percepción tradicional sobre la inteligencia y la creación. Durante siglos, escribir, interpretar o producir conocimiento eran actividades exclusivamente humanas. Hoy, la humanidad presencia el surgimiento de sistemas capaces de simular ciertas expresiones del pensamiento mediante algoritmos entrenados con enormes cantidades de datos.

El impacto cultural de este cambio es profundo. La humanidad atraviesa una etapa donde la inteligencia deja de percibirse únicamente como una capacidad biológica individual y comienza a coexistir con sistemas artificiales capaces de participar en procesos de producción simbólica y organización del conocimiento.

Caldevilla-Domínguez (2024) advierte que la incorporación de IA en la educación superior obliga a reflexionar críticamente sobre aspectos relacionados con transparencia, equidad, privacidad y responsabilidad ética. Por ello, el desafío contemporáneo no consiste solamente en incorporar nuevas tecnologías, sino en comprender críticamente el impacto humano y social de estas transformaciones.

El nuevo despertar docente

Durante décadas, gran parte del sistema educativo acostumbró al docente a desempeñar un papel predominantemente pasivo frente a la tecnología. Las plataformas digitales eran diseñadas por especialistas externos y el profesorado aprendía únicamente a utilizar herramientas previamente estructuradas. El docente ocupaba principalmente el rol de consumidor tecnológico.

Sin embargo, la inteligencia artificial generativa comienza a alterar profundamente esta dinámica.

Por primera vez, millones de docentes tienen acceso directo a sistemas capaces de asistir procesos de creación pedagógica mediante lenguaje natural. Actualmente, un profesor puede solicitar la generación de secuencias didácticas, rúbricas automatizadas, simuladores educativos, materiales multimedia o recursos adaptados a contextos específicos sin requerir conocimientos avanzados de programación.

Más allá de la automatización, este fenómeno representa una transformación histórica en la identidad profesional docente. El profesor deja de ser únicamente usuario de tecnología y comienza a participar activamente en la creación de soluciones pedagógicas digitales. Surge así una nueva figura: el docente creador.

El concepto de “despertar docente” no debe interpretarse únicamente como adquisición de competencias tecnológicas. Hace referencia a una toma de conciencia histórica frente a un cambio civilizatorio que redefine la relación entre humanidad, inteligencia y conocimiento.

El docente contemporáneo no solo aprende nuevas herramientas; también debe comprender críticamente las implicaciones culturales, éticas y epistemológicas de convivir con sistemas capaces de producir contenidos automatizados.

El riesgo de una automatización superficial

A pesar de las oportunidades que ofrece la inteligencia artificial, también existen riesgos asociados con una adopción superficial o acrítica de estas tecnologías.

Uno de los principales problemas consiste en sustituir el pensamiento pedagógico por producción automatizada de contenidos. Cuando la IA se utiliza únicamente para generar respuestas rápidas sin análisis crítico ni contextualización educativa, existe el riesgo de empobrecer la reflexión académica y debilitar la construcción intelectual propia.

Gallent-Torres et al. (2023) advierten que la inteligencia artificial generativa plantea desafíos relacionados con nuevas formas de plagio académico, problemas de autoría y riesgos para la integridad académica. El problema no radica exclusivamente en la existencia de herramientas inteligentes, sino en la posibilidad de reemplazar el pensamiento humano por automatización acrítica.

La preocupación ética también se extiende hacia la privacidad de datos, la transparencia algorítmica y los sesgos presentes en muchos sistemas inteligentes. Vílchez Ruiz (2024) señala que el desafío contemporáneo no consiste solamente en restringir el uso de IA, sino en enseñar formas éticas y responsables de interacción con estas tecnologías.

En este contexto, el nuevo despertar docente implica reconocer que la educación no puede reducirse a procesos automatizados. La inteligencia artificial puede asistir tareas pedagógicas, pero no sustituir dimensiones profundamente humanas como:

• la sensibilidad educativa;
• la interpretación crítica;
• la comprensión contextual;
• la construcción ética;
• y el acompañamiento emocional del aprendizaje.

La tecnología puede generar información; sin embargo, comprender críticamente el sentido humano del conocimiento continúa siendo una tarea fundamentalmente educativa y por ende humana.

Conclusiones

La inteligencia artificial representa uno de los cambios culturales y tecnológicos más significativos de la historia contemporánea. Más allá de sus capacidades técnicas, su verdadero impacto radica en modificar la manera en que la humanidad comprende la inteligencia, la creación y la producción del conocimiento.

La especie humana que alguna vez aprendió a sembrar la tierra ahora desarrolla sistemas capaces de producir textos, imágenes y respuestas mediante inteligencia artificial. Esta transición histórica no constituye únicamente una revolución tecnológica; representa también un cambio profundo en la relación entre humanidad y conocimiento.

En este escenario emerge un nuevo despertar docente frente a la IA. Este despertar no consiste únicamente en aprender a utilizar plataformas digitales o automatizar tareas pedagógicas. Consiste en tomar conciencia de que la educación atraviesa una transformación histórica donde cambian las formas de construir pensamiento, producir conocimiento y comprender la inteligencia misma.

El docente contemporáneo ya no puede permanecer únicamente como consumidor pasivo de tecnologías diseñadas por otros. Debe desarrollar capacidades críticas, éticas y creativas que le permitan participar activamente en la construcción del nuevo ecosistema educativo digital.

No obstante, este proceso exige prudencia y reflexión crítica. La inteligencia artificial no reemplaza la complejidad humana ni garantiza automáticamente progreso educativo. Su incorporación debe realizarse desde enfoques éticos y humanistas que prioricen el pensamiento crítico, la autonomía intelectual y la formación integral de las personas.

El verdadero desafío educativo del presente no consiste solamente en adaptarse tecnológicamente a la inteligencia artificial, sino en comprender críticamente el cambio de época que esta tecnología inaugura para la humanidad.

Referencias

Caldevilla-Domínguez, D. (2024). Usos éticos de la IA en la universidad moderna: Más allá del plagio. EDU Review, 12(1), 57–65. https://doi.org/10.37467/revedu.v12.5184

Flores Morales, J. A., Quinteros María Fe Guadalupe, R., Contreras Maguiña, A. P., & Luna Román, E. A. (2024). Originalidad y honestidad intelectual: Navegando por las aguas del plagio. Revista de Climatología, 24, 2032–2038. https://doi.org/10.59427/rcli/2024/v24cs.2032-2038

Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). El impacto de la inteligencia artificial generativa en educación superior: una mirada desde la ética y la integridad académica. RELIEVE, 29(2). https://doi.org/10.30827/relieve.v29i2.29134

Ibarra Beltrán, Á. de J., Aguayo Álvarez, Z., & Velázquez García, R. E. (2023). Desmitificando el plagio digital: percepciones y realidades de la ética estudiantil desde el Centro Universitario de Tonalá. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 4(5), 1418–1431. https://doi.org/10.56712/latam.v4i5.1403

Vílchez Ruiz, M. I. (2024). Contenido educativo con inteligencia artificial: ¿Restringir o enseñar a personalizar éticamente en el ámbito educativo? Revista Ciencia & Tecnología, 24(44).

 Tomado de 366-días

OpenWorksheets: una alternativa libre para crear fichas interactivas

 Por Juan José de Haros

OpenWorksheets (OWS) es una aplicación web libre para crear fichas interactivas y autocorregibles a partir de un PDF, una imagen o una hoja en blanco.

Pantalla inicial de OpenWorksheets

El profesorado prepara su ficha, coloca encima los campos de respuesta y define las soluciones. Después, el alumnado la resuelve desde el navegador y el docente puede revisar las entregas, ver la puntuación y exportar los resultados.

OWS tiene como bandera la libertad, privacidad, portabilidad y reutilización sin depender de una plataforma cerrada. No necesita cuentas de usuario ni servidores externos, ya que todo funciona en el navegador del profesorado y en el del alumnado. La comunicación entre ambos se realiza mediante archivos de entrega cifrados, que tienen extensión .owsub (OpenWorksheets submissions) o a través de una URL (también cifrada) que se envía directamente al docente.

Pantalla inicial del editor con las diferentes formas de crear una ficha.

Las formas que tenemos para crear una ficha (proyecto) son:

• Añadir PDF o imagen, esta es la forma habitual. Podemos abrir un PDF o una imagen para dibujar encima los campos autocorregibles de forma que podemos aprovechar documentos ya existentes.
• Abrir una ficha ya creada con extensión .owpkg (OpenWorksheets package). Podremos continuar trabajando en un proyecto guardado anteriormente.
• Comenzar con una hoja en blanco sobre la cual podremos crear nuestra ficha.
• Crear con IA permite producir una ficha a partir de los parámetros que definamos (nivel, tema, tipos de campos deseados, etc.). Se utilizan los tipos de campo que pueden generarse automáticamente; quedan fuera los que dependen directamente de recortes o zonas del PDF. OWS generará un prompt que podremos pegar en nuestra IA de cabecera.

Un proyecto abierto (ficha). En la parte izquierda accedemos a los botones para crear campos, las miniaturas y a la derecha la lista de todos los campos y sus propiedades cuando se selecciona uno.

Además, las fichas pueden guardarse como archivo propio (.owpkg), exportarse como página web autónoma y compartirse mediante enlace (previa subida a la nube obteniendo un enlace público), como web incrustada en otra o integrarse en Moodle y otros LMS mediante SCORM 1.2.

La aplicación admite muchos tipos de respuesta: texto corto, respuesta numérica, fórmulas matemáticas o químicas, verdadero/falso, opción única o múltiple, desplegables, huecos, tablas editables, emparejamientos, ordenar elementos, arrastrar a zonas, unir con flechas, respuesta larga y grabación de voz. También permite insertar imágenes, audio, vídeo, contenido HTML, paquetes de eXeLearning, IMS CP y SCORM.

Como profesor de matemáticas y ciencias, soy especialmente sensible a la posibilidad de crear fórmulas. Cualquier texto de la ficha puede incluir fórmulas LaTeX. Además, el editor de fórmulas de elaboración propia, EdiCuaTeX, se integra de forma natural para permitir la edición visual sin conocimientos de LaTeX, tanto en la parte del profesorado como en la del alumnado. No obstante, soy consciente de que una gran parte del profesorado no usará nunca fórmulas en sus fichas, por ese motivo se pueden desactivar en la configuración de la ficha.

OpenWorksheets también incorpora opciones de seguridad y privacidad: cifrado de la ficha, cifrado de entregas, verificación de integridad, restricciones de acceso, tiempo límite y supervisión ligera durante la realización. Un semáforo de seguridad indica su nivel en la barra superior.

Flujo de trabajo

El flujo de trabajo más habitual es compartir la ficha mediante un enlace o código QR:

1. El profesor crea la actividad en el editor a partir de un PDF, una imagen, IA o una hoja en blanco.
2. Añade los campos de respuesta y configura las soluciones, la puntuación y las opciones de corrección.
3. Exporta la ficha como paquete .owpkg.
4. Sube ese paquete a Google Drive o a otro alojamiento público.
5. En Google Drive, activa la opción Cualquier persona con el enlace y copia la URL pública del archivo.
6. Pega esa URL en OpenWorksheets para generar el enlace final del alumnado.
7. Comparte ese enlace con los estudiantes.
8. El alumnado abre la ficha en el navegador, la completa y entrega sus respuestas mediante archivo o enlace de entrega.
9. El docente abre las entregas en OpenWorksheets, comprueba su integridad, revisa las respuestas, ajusta las correcciones manuales si las hay y exporta los resultados a CSV.

Además de este flujo principal, OpenWorksheets permite otras formas de uso:

• Exportar la ficha como página web autónoma, para publicarla a través de una página web.
• Integrarla en Moodle u otro LMS mediante SCORM 1.2.
• Exportarla como IMS Content Package.
• Embeberla en otra página mediante un iframe.

Cuadro de diálogo para compartir una ficha. Antes se tiene que subir la ficha a un servicio público de almacenamiento como Google Drive.

Una ficha tal como la ve el alumnado. En la esquina inferior derecha tiene la opción de finalizarla.

OpenWorksheets permite crear, compartir y corregir fichas interactivas con un enfoque abierto, portable y respetuoso con la privacidad. La intención es que el profesorado pueda conservar el control sobre sus materiales y utilizarlos en distintos contextos, sin depender de una plataforma cerrada.

Puedes ver una descripción de las posibilidades más completa en la página de las características del programa.

Tomado de BILATERIA