Comprender
Codificar
Relaciona lo nuevo con conocimientos previos y distingue la idea de sus ejemplos.
Casos de estudio · Estudiantes
Aprender no es entregar.
Es poder volver a hacerlo.
La IA puede explicar, adaptar, preguntar y ampliar la práctica. El límite aparece cuando mejora el producto mientras sustituye el esfuerzo que construye comprensión, memoria y criterio. Este caso de estudio relaciona la ayuda con la etapa educativa, el conocimiento previo y el objetivo real de aprendizaje.
Rendimiento asistido no equivale a aprendizaje. La prueba útil es qué puedes explicar, adaptar y volver a hacer cuando la ayuda desaparece.
Lectura del apoyo
Secundaria
Aumenta la abstracción, pero la autorregulación y la lectura crítica siguen desarrollándose. La facilidad puede confundirse con dominio.
Lectura
Prioridades pedagógicas orientativas; no son puntuaciones ni una prescripción clínica.
Arquitectura del aprendizaje
La respuesta es el producto.
Aprender es cambiar el sistema.
El aprendizaje deja una capacidad más estable: reconocer, recuperar, explicar y usar una idea en otro contexto. La IA beneficia ese proceso cuando crea buen feedback y más práctica; lo perjudica cuando hace invisible el razonamiento.
Aprendizajetransferiblecon y sin IA
01Codificar
02Recuperar
03Explicar
04Transferir
Recordar
Recuperar
Intenta traer la información sin verla. El esfuerzo de recuperación modifica la memoria.
Hacer visible
Explicar
Pon en palabras por qué cada paso funciona y dónde podría fallar.
Generalizar
Transferir
Aplica lo aprendido a un problema con superficie, datos o contexto diferentes.
Diferencias relevantes para aprender
La misma ayuda no sirve a todo el alumnado ni en todas las tareas.
Este caso de estudio no clasifica «tipos de inteligencia». Se fija en seis condiciones observables que cambian cómo conviene introducir la IA: qué sabe ya la persona, qué barrera encuentra, qué necesita practicar y cómo podrá demostrar después que ha aprendido.
Conocimiento previo
Quien ya conoce la materia puede detectar omisiones; quien empieza puede confundir una explicación clara con una explicación completa.
Ajustar la ayuda
Pedir primero una predicción o un intento y graduar las pistas según los errores observados.
Comprobar
Explicar y resolver una variante sin consultar.
Atención y memoria de trabajo
Una tarea puede saturar por su formato aunque el concepto sea accesible. Dividir ayuda; convertir cada paso en una respuesta automática impide aprender a coordinarlos.
Ajustar la ayuda
Reducir ruido, mostrar una estructura y retirar el apoyo por fases.
Comprobar
Reconstruir el procedimiento completo con una guía cada vez menor.
Motivación y autoeficacia
La ayuda temprana puede reforzar «yo no puedo»; una pista ajustada permite atribuir el avance a decisiones propias.
Ajustar la ayuda
Plantear retos alcanzables, registrar progreso y dar feedback sobre estrategia, no sobre una identidad fija.
Comprobar
Elegir y justificar el siguiente paso ante un bloqueo nuevo.
Lenguaje y accesibilidad
Cambiar idioma, tamaño, modalidad o complejidad sintáctica puede abrir el acceso sin rebajar el objetivo intelectual.
Ajustar la ayuda
Modificar la barrera de formato y conservar el vocabulario o razonamiento que se desea aprender.
Comprobar
Demostrar comprensión en una modalidad accesible y acordada.
Neurodiversidad y salud
TDAH, dislexia, autismo, discapacidad, ansiedad, sueño o fatiga no producen un único perfil ni autorizan un diagnóstico generado por IA.
Ajustar la ayuda
Acordar apoyos con el estudiante y, cuando proceda, con docentes y profesionales especializados.
Comprobar
Observar participación, comprensión y autonomía, no solo velocidad.
Contexto y apoyo disponible
Tiempo, dispositivo, privacidad, idioma familiar y acompañamiento cambian lo que una recomendación permite hacer en la práctica.
Ajustar la ayuda
Ofrecer una alternativa sin IA y no penalizar a quien dispone de menos recursos.
Comprobar
Comprobar que la evaluación mide aprendizaje y no acceso tecnológico.
La teoría está en la base común
Inteligencia, constructos y diferencias individuales se explican en los Fundamentos teóricos.
Aquí solo se traducen a decisiones de enseñanza y evaluación para no mezclar la teoría común con la aplicación al colectivo.
Diseñar el tipo de ayuda
No preguntes solo “¿uso IA?”.
Pregunta qué papel ocupa.
La misma tecnología puede resolver, tutorizar, discutir o simular. El modo de interacción determina cuánto razonamiento sigue perteneciendo al estudiante.
Tutor de pistas
La IA regula la ayuda
Orienta sin revelar de inmediato la solución y devuelve el trabajo cognitivo al estudiante.
Petición que cambia el reparto
“No me des la respuesta. Haz una pregunta cada vez y ofrece una pista solo después de mi intento.”
- Encaja mejor
- Adquirir procedimientos, detectar un bloqueo y practicar con dificultad graduada.
- Riesgo
- Las pistas pueden convertirse en una solución fragmentada si se piden demasiado pronto.
Perfil orientativo
Transferencia82
Esfuerzo propio76
Feedback útil88
Ilustración pedagógica, no resultado de una escala validada.Experimento de campo · casi 1.000 estudiantes
La ayuda puede elevar la práctica y reducir el aprendizaje posterior.
En matemáticas de secundaria, Bastani y colaboradores compararon acceso a GPT-4 sin guardas, un tutor con pistas y un grupo de control. El efecto dependió del diseño.
PNAS, 2025 · estudio completo ↗Durante la práctica con IAmejora de calificaciones
Examen posterior sin IAfrente al control
GPT tutor
No prueba que toda IA perjudique ni que estos porcentajes se reproduzcan en otras edades, materias o herramientas.Las salvaguardas mitigaron en gran medida el efecto negativo.
Edad, nivel y conocimiento previo
La edad orienta.
La pericia en la tarea decide.
Las etapas son puntos de partida, no fronteras rígidas. Dentro de la misma edad existen enormes diferencias en desarrollo, experiencia, apoyo, motivación y necesidades educativas.
Andamiaje visible
Secundaria
Aumenta la abstracción, pero la autorregulación y la lectura crítica siguen desarrollándose. La facilidad puede confundirse con dominio.
Pistas graduadas, comparación de explicaciones, preguntas de recuperación y práctica con feedback.
Primer intento, razonamiento intermedio, escritura extensa y comprobación de fuentes.
Después de usar IA, rehace el problema o argumento con datos distintos y justifica cada decisión.
13
Edad de acceso no equivale a madurez pedagógica. La guía de UNESCO de 2023 propuso un umbral de 13 años para conversaciones independientes con plataformas de IA generativa, junto con protección de datos y diseño adecuado a la edad. Deben prevalecer la normativa, las condiciones del servicio y la política del centro aplicables.
UNESCO ↗Laboratorio de decisión
Diseña la ayuda según lo que necesitas conservar.
Esta herramienta no mide dependencia ni diagnostica aprendizaje. Convierte cuatro variables observables en una recomendación editorial para decidir cuándo introducir la IA.
Orientación para esta tarea
94/100protección
cognitiva
cognitiva
Primero sin IA; después, tutor de pistas
Haz un intento completo o delimita el bloqueo. Pide una sola pista, continúa tú y termina con una variante sin ayuda.
Regla
Cuanto más necesites transferir y menos puedas verificar, más tarde debe aparecer la solución.
Protocolo breve
Yo → Pista → Reconstruyo → Transfiero
Intento y marco el punto exacto de bloqueo.
Pido una pregunta o pista, no la solución completa.
Cierro la IA y rehago el razonamiento con mis palabras.
Resuelvo una variante nueva y reviso el error.
Confianza calibrada
No basta con acertar.
Conviene saber cuánto sabes.
El criterio mejora cuando separas respuesta y confianza, recibes feedback y registras cuándo estabas muy seguro de algo falso. Practica con tres afirmaciones.
Afirmación 1 de 3
Si una respuesta parece clara y contiene enlaces, ya está verificada.
?
Primero decide y calibra.
La explicación aparecerá después de fijar tu respuesta y tu nivel de confianza.
Predice
Antes de preguntar a la IA, escribe qué resultado esperas y por qué.
Separa
Marca hechos, inferencias, preferencias e incertidumbres con etiquetas distintas.
Contrasta
Busca una fuente primaria y una razón por la que tu interpretación podría fallar.
Registra
Conserva los errores de alta confianza: son el mapa más útil de tu criterio.
Condiciones de aprendizaje
La misma herramienta no crea la misma oportunidad.
El efecto depende de recursos, tiempo, idioma, accesibilidad, calidad del acompañamiento, conocimiento previo y posibilidad de pagar mejores herramientas. “Personalizar” no basta si no se observa quién queda atrás.
IAAcceso ≠ beneficioEl contexto transforma el resultado
Conectividad
Dispositivo, datos, espacio y tiempo estable.
Lengua
Calidad desigual entre idiomas, registros y variedades.
Accesibilidad
Compatibilidad real con necesidades sensoriales, motoras y cognitivas.
Capital educativo
Saber preguntar, verificar y reconocer una buena explicación.
Acompañamiento
Docentes, familia, pares y feedback humano disponible.
Poder de elección
Poder rechazar la herramienta sin perder oportunidades.
Tecnología educativa a escala · no IA generativa
Las ganancias pueden ser reales, modestas y desiguales.
Un estudio de 2026 con unos 200.000 estudiantes estimó una ganancia de 0,031 desviaciones estándar con unas 6,6 horas anuales de Khan Academy —aproximadamente 11 minutos semanales— frente a no usarla. Proyectó 0,085 DE a 30 minutos semanales. El alumnado de mayor rendimiento se benefició más, en parte porque usó más la plataforma y avanzó por más habilidades.
Eames et al., PNAS 2026 ↗00,030,060,09 DE
Uso observado · 11 min/sem+0,031
Uso recomendado · 30 min/sem+0,085
Preguntas para centros y docentes
□
¿La actividad funciona también con una herramienta gratuita o sin cuenta personal?
□
¿Existe una alternativa equivalente para quien no pueda o no quiera usar IA?
□
¿Se enseña a verificar o se presupone una competencia que no todos poseen?
□
¿La evaluación revela el proceso y la transferencia, no solo la calidad del producto?
Evidencia y límites
Qué sabemos, qué inferimos y qué falta medir.
La evidencia sobre memoria y aprendizaje es amplia; la evidencia causal sobre IA generativa en educación todavía es reciente, específica y heterogénea. Por eso se citan diseño, muestra y límites.
01Experimento de campo · IA generativa
Generative AI without guardrails can harm learning
En matemáticas de secundaria, la arquitectura de ayuda cambió el resultado: producir mejor con IA no garantizó rendir mejor cuando se retiró.
Bastani et al. · PNAS, 2025 ↗02Experimento · memoria y comprensiónRetrieval practice produces more learning than elaborative studying
Recuperar y reconstruir conocimiento mejoró el aprendizaje conceptual y la inferencia frente al estudio elaborativo con mapas conceptuales.
Karpicke & Blunt · Science, 2011 ↗03Revisión cuantitativa · 317 experimentosDistributed practice in verbal recall tasks
Espaciar la práctica es un fenómeno robusto; el intervalo útil depende de cuánto tiempo se quiera conservar el aprendizaje.
Cepeda et al. · Psychological Bulletin, 2006 ↗04Revisión · técnicas de estudioImproving Students’ Learning With Effective Learning Techniques
La práctica de pruebas y la práctica distribuida recibieron valoración de alta utilidad en diferentes edades y capacidades.
Dunlosky et al. · Psychological Science in the Public Interest, 2013 ↗05Estudio a escala · aprendizaje digitalHow Khan Academy influences student math learning
El uso sostenido se asoció con ganancias modestas; el beneficio fue desigual y dependió también del uso y progreso efectivo.
Eames et al. · PNAS, 2026 ↗06Guía internacional · derechos y diseñoGuidance for generative AI in education and research
Propone un enfoque humano, adecuado a la edad, con protección de datos, validación ética y diseño pedagógico.
UNESCO · 2023, actualizada en 2026 ↗!
No convertimos una correlación en una lesión cerebral.
Una peor ejecución posterior, una reducción del esfuerzo o una asociación con más uso no demuestran por sí solas deterioro cognitivo general. Hacen falta medidas sin asistencia, seguimiento temporal y comparación con alternativas reales.