martes, 30 de junio de 2026

Resultados de la PSA III de la Facultad de Humanidades de la UAGRM

Como comentamos en anteriores trabajos en el blog, la PSA, (Prueba de Suficiencia Académica), es en la que los estudiantes deben autoprepararse por sí solos. No se emplean tutores, ni se realizan videoconferencias o reuniones de orientación; es solo el estudiante el que debe estudiar para aprobar la prueba. 

Una de las salas donde se realizó el examen

Para esta tercera versión, se abrieron cupos para las carreras de Educación, Comunicación, Sociología, Psicología, Turismo y Actividad Física. Esta última tiene una ponderación diferente al resto de las carreras. En Actividad Física, los estudiantes rinden un examen físico, dividido en varias áreas y donde se miden sus habilidades físicas para vencer dichas pruebas. A la evaluación que obtienen estas pruebas de suficiencia física se suma la calificación que obtienen en el examen de la PSA. 

Resultados de la tercera PSA 2026

Para esta prueba se matricularon 217 aspirantes, de ellos 103 para Actividad Física y el resto para las restantes carreras. En la PSA II se matricularon 271 estudiantes y en la PSA I un total de 385 bachilleres, lo que hace un total de 873 estudiantes, como muestra la gráfica. 

 

La disminución con respecto a la PSA I, obedece a que los que se presentaron en la PSA II y PSA III son estudiantes que culminaron su bachiller a finales del pasado año o en períodos anteriores. Mientras que los de la PSA I fueron algunos de los que no aprobaron el CUP 2026 o los que no lo pudieron matricular por diferentes razones. 


La gráfica muestra la relación en cantidad de postulantes entre el CUP 2026 y la suma de las tres PSA de este año. Mientras en el CUP 2026 se inscribieron 1442 estudiantes, en las tres PSA la cifra llega a los 873, que representa el 60,5 % respecto al CUP. Es importante señalar que en años anteriores nunca se lograron estas cifras. 

Otro dato que llama la atención es la cantidad de aprobados en cada PSA. El gráfico muestra dicha relación.

 


Las diferencias son pocas: en la PSA I se logró el 73 % de aprobación, en la PSA II el 81% y en la PSA III, se alcanzó un 75 %. No encontramos un indicador que pueda justificar las diferencias porcentuales entre las tres PSA, que son bajas. 

Resultados por materia

Como en los análisis anteriores, volvemos a estudiar las diferencias entre las cuatro materias que se toman en el examen: Biología, Historia, Lenguaje y Psicología. La siguiente tabla muestra las relaciones de aprobación entre las materias examinadas y las PSA I, II y III

 


La mayor diferencia se observa en Biología, donde se descendió un 18 % en relación con el mejor puntaje logrado en la PSA I. Para el resto de las materias, las diferencias son mínimas y no creemos que las causas de las diferencias se deban a los recursos empleados, ya que son los mismos. 

Recursos empleados y opiniones de los participantes.

Como en las dos anteriores PSA, en esta se utilizó un cuaderno de NotebookLM, donde se añadieron los mismos textos de las anteriores PSA y se ejecutaron en esta ocasión tres cuestionarios de autoevaluación, cada uno de 20 preguntas. Para estos cuestionarios se empleó la siguiente instrucción:

Crea un cuestionario de 20 preguntas de opción múltiple sobre la fuente seleccionada; no te refieras a las restantes fuentes. Crea nuevas preguntas, no repitas la de este cuestionario. Para cada pregunta: Escribe una pregunta clara e inequívoca. Proporciona 4 opciones de respuesta (A, B, C, D). Incluye solo una respuesta correcta. Haz que las opciones incorrectas sean creíbles, pero claramente erróneas al analizarlas. Evita las preguntas capciosas. No incluyas opciones como todas las anteriores o ninguna de las anteriores.


Al igual que en las dos PSA anteriores, se utilizaron las mismas preguntas en la encuesta para evaluar el empleo del cuaderno y el nivel de preparación. La encuesta fue comunicada en los grupos de WhatsApp que se organizaron para los aspirantes y fue respondida por el 57 % de los integrantes de estos grupos. A continuación, las respuestas comparadas entre las PSA. Una de las preguntas indagó por el nivel de preparación para el examen; debían seleccionar entre alto, medio y poco. 

 


Con relación al nivel alto, existe una ligera disminución respecto a la PSA II y un pequeño incremento con respecto a la PSA I. En el caso del nivel medio, no se aprecian diferencias significativas entre la PSA II y la PSA III. De igual modo se aprecia en el nivel poco, donde la diferencia entre la PSA III y las restantes es de un 8 punto porcentual. En conclusión, el nivel de preparación se mantiene en medio. 

Al igual que en las anteriores PSA, en esta se volvió a indagar si resolvieron los cuestionarios. La gráfica muestra los resultados. 

 

En la PSA I, el 76 % declaró que los resolvieron; en la PSA II lo hizo el 96 % y en la última respondió afirmativamente el 85 %. Es probable que la disminución de 11 puntos porcentuales entre la PSA II y la PSA III se deba a que en esta última los estudiantes de Actividad Física se preocuparon más por los exámenes físicos que se extendieron por cuatro días consecutivos, restando tiempo a su preparación teórica. El resultado de estos corresponde a 50 puntos del total. De esta manera, si un estudiante lograba el total de los puntos, solo debía responder unas pocas preguntas para alcanzar los 51 puntos necesarios para ingresar. 

Otra de las preguntas se refirió a la utilidad que el empleo de NotebookLM tuvo para su preparación.

En este caso, la relación es entre la PSA II y III, ya que esta pregunta no se realizó en la PSA I. La mayor diferencia se aprecia en el nivel regular. En la PSA II, el 9 % lo evaluó de ese modo, mientras que en la PSA III escaló hasta el 22 %.

Para aclarar las diferencias, se llevó a cabo un análisis entre la respuesta a esta pregunta y la carrera a la que aspira, obteniéndose el siguiente resultado. 


El mayor nivel de preparación se observa en los aspirantes a Ciencias de la educación, mientras que el nivel medio se concentra más en Psicología, Sociología y Actividad física en ese orden, aunque sin diferencias considerables entre las tres carreras. 

La última de las preguntas fue de carácter abierto y no obligatoria, donde se les pedía dejar un comentario relacionado con la PSA y su organización. En sentido general, las respuestas destacaron la utilidad de los recursos, valoraron de positiva la organización y destacaron la necesidad de seguir preparándose más en la universidad. Las respuestas fueron muy similares a las de las dos anteriores PSA. 

Conclusiones

La PSA III fue aprobada por el 75,1 % de los aspirantes, mientras que en la PSA II se alcanzó el 81 % y en la PSA I el 73 %. Como señalamos, las diferencias porcentuales son pocas, lo que demuestra que la estrategia de emplear NotebookLM para la preparación es satisfactoria. Al revisar los resultados alcanzados en las pruebas del 2024 y 2025, el índice de aprobación es muy superior en todos los exámenes de este año. En aquellas ocasiones, el índice de preguntas respondidas estaba por debajo de la mitad, es decir, menos de 20. Mientras que en todas las realizadas este año, dicho valor oscila entre 22 y 25 preguntas correctas de un total de 40. Es necesario aclarar que para aprobar se debe lograr 51 puntos, lo que significa 21 respuestas correctas. 

El resultado superior alcanzado este año se debe principalmente a la utilización de los cuestionarios de autoevaluación en NotebookLM, los que no se empleaban en los años 2024 y 2025. En este caso NotebookLM se revela como un importante organizador del aprendizaje del estudiante. Mantendremos la misma estrategia para una cuarta prueba que será tomada próximamente, pero en la que se espera una matrícula inferior. 


martes, 23 de junio de 2026

NotebookLM como mediador cognitivo en la educación superior

  


En colaboración con 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