Un
estudiante lee la consigna de la tarea que orientó el profesor y abre ChatGPT: “Explícame
qué tengo que hacer”. Todavía no ha pedido que le escriba el trabajo. Sin
embargo, la inteligencia artificial (IA) ya interviene en una parte del
aprendizaje: comprender el problema. Esta acción nos invita a mirar más
allá de la autoría del texto entregado. También necesitamos saber cómo llegó
el estudiante a entender la tarea y qué decisiones pudo tomar por sí mismo.
Watson,
Morgner y Brezovec (Watson et al., 2026) en un trabajo de reciente publicación, proponen
estudiar la IA generativa como una infraestructura que media el significado
educativo. Su revisión crítica integradora examina cómo reformula
consignas, rúbricas, comentarios docentes y géneros académicos. Llaman transducción
semántica a esa transformación de las demandas educativas en formas
comunicativamente aceptables. Dicho de manera sencilla, una explicación puede
sonar adecuada y, aun así, cambiar lo que se esperaba del estudiante.
La revisión
toca otro punto interesante y muy común en estos tiempos de expansión de la IA
y es que facilitar el acceso no resuelve todas las desigualdades.
Importan las capacidades de uso y los modelos de buen desempeño que orientan el
reconocimiento de los estudiantes. Su aporte es conceptual: no demuestra que
utilizar IA cause dependencia ni estima la frecuencia de ese efecto. Ofrece una
perspectiva para formular preguntas y examinar prácticas que podrían pasar
inadvertidas.
Un ejemplo
explica lo anterior. Si se le pide al estudiante: “Analiza críticamente las
implicaciones educativas de la IA generativa”. La herramienta podría
convertirla en una lista de ventajas y desventajas. El estudiante recibe una
orientación comprensible, pero quizá pierde una exigencia central: discutir
supuestos y valorar la evidencia. Si acepta ese esquema sin contrastarlo con el
objetivo de la actividad, empieza a resolver una versión diferente de la tarea,
deja de analizar.
Contrario a
la anterior, podemos encontrar que un estudiante que desconoce parte del
lenguaje científico-técnico, o no conoce a fondo el idioma, puede lograr con la
reformulación de la IA, ayuda para comprender lo pedido por el profesor. Sería
injusto confundir esa necesidad de apoyo con falta de capacidad. La pregunta
pedagógica surge después: ¿el estudiante puede explicar lo que entendió,
reconocer lo que cambió y justificar su interpretación?
Como
profesores, también tenemos una responsabilidad en esta escena. Una consigna
ambigua puede empujar al estudiante a buscar fuera del aula la claridad que no
encontró en nuestras indicaciones. Antes de atribuir el problema a la
tecnología, conviene revisar qué pedimos y cómo lo explicamos. Esa revisión
puede incluir ejemplos, una conversación breve y criterios de evaluación
comprensibles, que como profesores podemos asesorarnos con la IA.
Acompañar la comprensión y
cuidar la autonomía
Desde el
enfoque histórico cultural que orienta esta reflexión, aprender supone
participar en actividades mediadas por otras personas y recursos culturales.
Pedir ayuda forma parte de ese proceso. De este modo podemos valorar la
mediación por las posibilidades que abre para comprender y actuar con mayor
autonomía. Esto exige observar el aprendizaje a lo largo del tiempo y
considerar los apoyos de accesibilidad que cada estudiante necesita.
Aquí encontramos
una posible relación con la aitoxicación, entendida en este blog como una
preocupación por la dependencia excesiva de la IA. La dependencia
interpretativa sería una dimensión por investigar, no un diagnóstico
establecido. Podría aparecer cuando alguien acepta reiteradamente la
interpretación de la herramienta sin contrastarla ni elaborar la propia. Para
estudiarla, habría que considerar la dificultad de la tarea, los conocimientos
previos y las condiciones de enseñanza.
Un
estudiante puede consultar varias veces la IA y discutir cada sugerencia con
buenos argumentos. Otro puede hacerlo una sola vez y aceptar un planteamiento
que no comprende. Como docentes, nos interesa observar qué decisiones conserva
cada uno y cómo explica sus razones.
La
propuesta sugiere una adaptación sencilla para nuestras clases. Antes de
consultar la IA, podríamos pedir al estudiante que escriba qué entiende de la
consigna y dónde necesita ayuda. Después compararía su interpretación con
la respuesta recibida. Al compartirlas, explicaría qué sugerencia aceptó, cuál
descartó y por qué. El profesor tendría así una oportunidad de intervenir en la
comprensión, cuando todavía es posible reorientar el trabajo.
Esta
secuencia debe ajustarse al objetivo. Si queremos evaluar la interpretación de
un problema, necesitamos observar esa actividad directamente. Si buscamos
valorar un argumento disciplinar, aclarar el vocabulario de la consigna puede
ser un apoyo legítimo. En ambos casos, conviene acordar cuándo y para qué puede
emplearse la IA. La claridad protege al estudiante y hace más coherente la
evaluación.
En una
materia sobre evaluación educativa que impartimos, los estudiantes deben trabajar
con un generador de prompt para iniciar el trabajo de creación de una
institución educativa que los llevará por diez pasos hasta concluir con el
sistema de evaluación de una asignatura. En la primera exposición de sus
avances, tienen que mostrar la selección de tres instituciones y explicar las
razones por la que descartaron dos. En este momento el estudiante confronta el
trabajo de la IA con sus intereses y posibilidades reales.
La
escritura académica requiere el mismo cuidado., por lo que a declarar que
empleó la IA para redactar y buscar información, no explica si también ayudó a
delimitar el problema o seleccionar los argumentos. Podemos solicitar una
explicación breve de esas intervenciones y de las decisiones que asumió el
autor. Una conversación sobre el trabajo puede mostrar comprensiones y dudas
que la fluidez del texto deja ocultas.
Al cerrar
una actividad, parece útil volver a una pregunta concreta: ¿qué puede
comprender ahora el estudiante que antes no comprendía? Podemos explorarlo
mediante un problema semejante, con apoyos ajustados a sus necesidades, y
escuchar cómo razona. Si logra justificar mejor sus decisiones, tendremos
indicios de avance. Nuestra tarea consiste en organizar ayudas que
favorezcan ese progreso y revisar las que terminan sustituyendo su
participación intelectual.
Referencias
Sambetova, R., & Zhaidakbayeva, L. (2026). A
pedagogical model of generative AI tutoring in informatics education and its
effects on problem-solving quality and academic independence. STEM Education, 6(5), 927–951.
https://doi.org/10.3934/steme.2026037
Watson, S., Morgner, C., & Brezovec, E. (2026).
Generative AI as meaning-mediating infrastructure in education: A critical
integrative review of inclusion, exclusion, and semantic transduction. AI & Society.
https://doi.org/10.1007/s00146-026-03221-4
