# ¿Cómo deben evaluar las escuelas en la era de la IA?

> Si una IA escribe una redacción aprobable en segundos, esta ya no prueba el aprendizaje. Qué dice la ciencia sobre el esfuerzo y cómo evaluar el pensamiento.

URL: https://www.clarityailab.com/es/insights/beyond-the-prompt-redefining-educational-rigor-in-the-era-of-ai/

Cuando una IA puede producir una redacción aprobable en segundos, una redacción terminada ya no demuestra que un alumno haya aprendido nada. Las escuelas necesitan evaluar el pensamiento que hay detrás del trabajo, porque la investigación sobre la memoria muestra que el esfuerzo de producir una respuesta es una parte importante de lo que hace que el aprendizaje se fije.

Este artículo es para docentes y directivos que replantean los deberes y la evaluación. Expone lo rápido que crece el uso, lo que dice la ciencia del aprendizaje sobre el esfuerzo y formas prácticas de evaluar el proceso.

## ¿Cuántos alumnos usan IA para sus tareas?

La proporción crece deprisa. El [Pew Research Center](https://www.pewresearch.org/short-reads/2025/01/15/about-a-quarter-of-us-teens-have-used-chatgpt-for-schoolwork-double-the-share-in-2023/) halló que el 26 % de los adolescentes estadounidenses de 13 a 17 años había usado ChatGPT para tareas escolares, frente al 13 % un año antes. La mayoría, el 73 %, aún no lo había hecho, así que los hábitos se están formando todavía, razón para fijar expectativas claras ya.

## ¿Por qué importa el esfuerzo de aprender?

Tres hallazgos bien asentados explican por qué ceder el trabajo a la IA puede socavar el aprendizaje.

- **El efecto de generación.** En 1978, [Slamecka y Graf](https://doi.org/10.1037/0278-7393.4.6.592) mostraron que recordamos mejor la información que generamos que la que simplemente leemos. Escribir un argumento, no solo leerlo, forma parte de aprenderlo.
- **Las dificultades deseables.** Elizabeth y Robert [Bjork](https://bjorklab.psych.ucla.edu/wp-content/uploads/sites/13/2016/04/EBjork_RBjork_2011.pdf) describen cómo ciertas dificultades al estudiar, como espaciar las sesiones, mezclar temas y ponerse a prueba en lugar de releer, ralentizan el aprendizaje en el momento pero lo hacen duradero.
- **La ilusión de profundidad explicativa.** [Rozenblit y Keil](https://pmc.ncbi.nlm.nih.gov/articles/PMC3062901/) hallaron que la gente cree entender cómo funcionan las cosas con mucho más detalle del que realmente entiende. Una respuesta fluida de la IA puede reforzar esa ilusión: el alumno ha leído una buena explicación y siente que la domina.

## ¿Qué muestra la evidencia sobre IA y aprendizaje?

Los estudios recientes encajan con este cuadro. En un experimento de campo con casi 1.000 estudiantes de matemáticas de secundaria, [Bastani y sus colegas](https://doi.org/10.1073/pnas.2422633122) hallaron que los alumnos con un chatbot sin restricciones rindieron mejor en la práctica, pero peor en un examen posterior sin él. Una versión tutor que daba pistas en lugar de respuestas evitó en gran medida ese daño.

Un estudio más pequeño de Nataliya Kosmyna y sus colegas, [*Your Brain on ChatGPT*](https://arxiv.org/abs/2506.08872), midió la actividad cerebral de 54 personas mientras escribían redacciones. Quienes escribieron con un asistente de IA mostraron la conectividad cerebral más débil de los tres grupos, se sintieron menos autores de sus textos y les costó citar lo que habían escrito. Es una prepublicación con una muestra pequeña: una señal que vigilar, no un resultado firme.

## ¿Puede la IA, en cambio, apoyar el aprendizaje?

Sí, cuando se asigna con un propósito. [*Assigning AI*](https://arxiv.org/abs/2306.10052) de Ethan y Lilach Mollick describe siete formas de usar la IA con los alumnos, entre ellas como tutor, entrenador, compañero de equipo o «alumno» al que los estudiantes enseñan, cada una con sus riesgos. *Análisis:* lo que comparten es que el alumno sigue pensando, y la IA pregunta, sugiere o rebate en lugar de producir el trabajo final.

## ¿Cómo debe cambiar la evaluación?

Calificar el proceso, no solo el producto:

- **Explicarlo en voz alta.** Breves comprobaciones orales o debates en clase muestran si el alumno entiende lo que entregó.
- **Hacer en clase el trabajo clave.** Redactar los primeros borradores, resolver los problemas centrales o planificar argumentos donde el docente pueda ver el razonamiento.
- **Pedir el rastro.** Notas, borradores, fuentes consultadas y, cuando se permitía la IA, los prompts usados y lo que el alumno cambió.
- **Convertir la IA en objeto de crítica.** Dar a los alumnos una respuesta de IA y pedirles que encuentren sus errores, comprueben sus afirmaciones en las fuentes y la mejoren.
- **Espaciar e intercalar.** Hacer cuestionarios breves y sin consecuencias sobre distintos temas: las dificultades deseables que construyen memoria duradera.
- **Mantener trabajo sin IA.** Los alumnos aún deben demostrar que saben escribir, calcular y razonar sin ayuda, igual que la calculadora no acabó con el cálculo mental. Algunas tareas supervisadas sin IA cada trimestre dan una referencia honesta y hacen justo permitir la IA en lo demás.

## ¿Qué deben hacer ahora las escuelas?

1. **Fijar una norma clara de IA por tarea:** no permitida, permitida declarándola o exigida como parte del ejercicio.
2. **Rediseñar primero las evaluaciones de mayor peso,** para que las notas reflejen lo que los alumnos saben hacer por sí mismos.
3. **Elegir herramientas que enseñen.** Preferir IA que da pistas y preguntas a IA que da respuestas.
4. **Explicar el porqué a los alumnos.** Contarles el efecto de generación: hacer el trabajo es la forma de aprenderlo, no un obstáculo que sortear.

Sobre la privacidad de la IA en las escuelas, véase [La IA en el aula: ¿aprender mejor o menos privacidad?](/insights/algorithmic-classroom-ai-innovation-privacy-critical-thinking/).

### ¿Cuántos alumnos usan IA para sus tareas?

El Pew Research Center halló que el 26 % de los adolescentes estadounidenses de 13 a 17 años había usado ChatGPT para tareas escolares en una encuesta de septiembre y octubre de 2024, el doble que el 13 % de 2023.

### ¿Por qué hacer uno mismo el trabajo ayuda a aprender?

La investigación sobre la memoria muestra que recordamos mejor la información que generamos que la que solo leemos, un efecto descrito por primera vez por Slamecka y Graf en 1978. Cierto esfuerzo al aprender, lo que los investigadores llaman dificultad deseable, hace que el conocimiento perdure.

### ¿La IA ayuda o perjudica al aprendizaje?

Ambas cosas son posibles. En un estudio con casi 1.000 estudiantes de matemáticas, un chatbot sin restricciones mejoró la práctica pero bajó las notas del examen; un tutor que daba pistas en lugar de respuestas evitó la caída.

### ¿Cómo pueden evaluar los docentes cuando los alumnos usan IA?

Evaluar el proceso además del producto: explicaciones orales, trabajo hecho en clase, borradores y notas que muestren cómo llegó el alumno a la respuesta, y tareas que pidan criticar y comprobar lo que produce la IA.