martes, 24 de marzo de 2026

Skinner ante la inteligencia artificial: una posible reconstrucción pedagógica

En colaboración con Mercedes Leticia Sánchez Ambriz

El podcast, al igual que los anteriores, explica el artículo con el empleo de ejemplos que engalan lo escrito. Lo escuchas desde aquí.

Para preparar una charla en una maestría en educación, volví a abrir, casi como quien se asoma a una ventana hacia otro tiempo, dos obras fundamentales de B. F. Skinner: Tecnología de la enseñanza y Ciencia y conducta humana (una psicología científica). No fue una lectura apresurada ni meramente académica; fue más bien un diálogo silencioso con una de las voces más influyentes de la psicología educativa del siglo XX. En ese encuentro intelectual, la primera obra volvió a revelarse para mí como la más definitiva, aunque en la introducción de la segunda se condensa con notable claridad el núcleo de su pensamiento pedagógico.

Skinner nos invita a mirar la enseñanza con una radicalidad que todavía hoy incomoda y, al mismo tiempo, ilumina. Para él, enseñar no consiste en depositar contenidos en la mente del estudiante, ni en esperar pasivamente que el desarrollo madurativo haga su trabajo, ni en sostenerse en discursos difusos sobre el crecimiento personal. Enseñar, en su visión, implica diseñar con rigor las condiciones en las que el aprendizaje puede emerger. Es una tarea artesanal y científica a la vez: organizar situaciones concretas que provoquen respuestas, y que estas respuestas se fortalezcan mediante sus consecuencias.

Hay en esta postura una fuerza casi arquitectónica. Skinner concibe al docente como un constructor de escenarios donde el aprendizaje no es azaroso, sino cuidadosamente modelado. Cuando afirma que “enseñanza es simplemente la disposición de las contingencias de refuerzo”, no solo define un principio técnico, sino que revela una filosofía educativa basada en la acción, la evidencia y la transformación observable. Su conductismo no teme a la precisión ni al método; confía en que la conducta puede ser comprendida y orientada si se interviene en las condiciones adecuadas. Explicó con bastante fuerza cómo se moldea una conducta observable, pero no logró explicar cómo se comprende, se interpreta, se reelabora y se crea conocimiento.

Skinner propone una tecnología de la enseñanza basada en varios principios: el refuerzo inmediato, la fragmentación del aprendizaje en pasos pequeños, el avance gradual por aproximaciones sucesivas, la reducción del error innecesario, y el último el ritmo individual de progreso. Todo esto lo conduce a defender la enseñanza programada y el uso de máquinas de enseñar bajo su concepción conductista.

Bajo esta perspectiva, y a partir de la lectura atenta de su obra, surge de manera casi inevitable una pregunta: si Skinner pudiera pronunciarse sobre la inteligencia artificial, ¿qué diría? No se trata, por supuesto, de atribuirle una opinión literal acerca de una tecnología que pertenece a un tiempo posterior al suyo, sino de formular una hipótesis interpretativa sustentada en sus planteamientos sobre las contingencias de refuerzo, la respuesta activa del estudiante, la secuenciación del aprendizaje, la retroalimentación inmediata y la función instrumental de la tecnología en los procesos de enseñanza.

Desde esta revisión teórica es posible suponer que Skinner habría valorado la inteligencia artificial como un dispositivo pedagógico en la medida en que esta organizara condiciones eficaces para el aprendizaje, promoviera la producción intelectual activa del estudiante y contribuyera a fortalecer el papel del docente. En contraste, probablemente habría adoptado una postura crítica frente a los usos de la IA orientados a sustituir la actividad cognitiva del alumno, fomentar la pasividad o encubrir sus efectos reales bajo discursos mentalistas y promesas pedagógicas difusas. Tales reservas, en el fondo, trascienden la adhesión o no al conductismo skinneriano y remiten a preocupaciones educativas que hoy resultan ampliamente compartidas.

Por tanto, las ideas que expresamos se formulan como una suposición teórica y no como cita directa de una opinión inexistente. El punto de partida del análisis está en su definición de la enseñanza. En Tecnología de la enseñanza afirma que “enseñanza es simplemente la disposición de las contingencias de refuerzo”. Más adelante señala que el estudiante “no absorbe pasivamente los conocimientos” y que “conocer es actuar, operar”. Estas formulaciones permiten suponer que Skinner no habría evaluado la IA preguntándose si piensa como un ser humano, sino preguntándose qué conductas promueve, cómo las organiza y con qué efectos observables sobre el aprendizaje.

La IA como tecnología de enseñanza

Desde esta perspectiva, es posible suponer que Skinner habría interpretado la inteligencia artificial como una extensión de la tecnología instruccional. En Tecnología de la enseñanza sostiene que una máquina de enseñar es, esencialmente, un instrumento diseñado para organizar contingencias de reforzamiento. En esa misma línea argumenta que el profesor requiere apoyos instrumentales para disponer de manera eficaz las condiciones bajo las cuales el aprendizaje puede producirse. Esta afirmación no constituye un detalle secundario, sino un elemento central de su concepción pedagógica: la calidad de la enseñanza depende de la forma en que se estructuran las situaciones que permiten al estudiante responder, corregir sus errores, avanzar progresivamente y consolidar repertorios de conducta.

En consecuencia, desde un marco skinneriano, un tutor basado en inteligencia artificial, un sistema adaptativo o cualquier aplicación educativa sustentada en esta tecnología serían evaluados fundamentalmente por su funcionalidad didáctica. Es decir, no como inteligencias que compiten con la labor docente, sino como instrumentos pedagógicos capaces de ampliar la capacidad del profesor para organizar experiencias de aprendizaje más sistemáticas, inmediatas y eficaces.

Otro eje decisivo de esta reconstrucción es la inmediatez del refuerzo, al expresar que la respuesta correcta debe recibir refuerzo “de la forma más inmediata posible” y que la técnica eficaz asegura “corrección instantánea”. Estos planteamientos se leen en la segunda obra y más específicamente en la introducción de esta.

En la primera obra Skinner critica los retrasos escolares entre la respuesta y la corroboración. Pone de ejemplo a un profesor que se pasea por el aula, revisando las respuestas de los estudiantes y después se lleva a su casa los trabajos para corregirlos. Para él la respuesta debe ser inmediata. Bajo esta idea es posible considerar que habría visto con interés una IA capaz de ofrecer corrección rápida, orientación puntual y continuidad del proceso de aprendizaje sin largas demoras.

La secuenciación del aprendizaje es otro punto central. Skinner insiste en que el comportamiento complejo no se construye de golpe. Debe dividirse en pasos pequeños, reforzados uno a uno. En el mismo libro sostiene que el proceso de aprendizaje debe organizarse en “un gran número de pasos muy pequeños” y que la frecuencia del refuerzo aumenta cuando cada paso es corto y controlable. Desde esa lógica, una IA educativa bien diseñada sería compatible con su marco teórico si fragmenta tareas, dosifica la dificultad, adapta la ruta del estudiante y preserva la continuidad entre una respuesta y la siguiente. No se trataría de admirar la novedad técnica del sistema, sino de verificar si favorece una progresión eficiente hacia el comportamiento terminal buscado.

La respuesta activa del estudiante también resulta clave. Skinner objeta la idea de que aprender sea recibir, memorizar o contemplar. En su crítica a los lenguajes mentalistas escribe que “ni reconocer ni entender ni utilizar un sentido” describen acciones útiles para definir el comportamiento terminal. Lo que importa no es una supuesta actividad interna imposible de verificar directamente, sino lo que el estudiante hace. Por eso, una IA que solo explique, resuma o entregue soluciones terminadas habría sido, para Skinner, una tecnología pedagógicamente débil. En cambio, una IA que exija redactar, resolver, reformular, clasificar, preguntar y responder se aproximaría mucho más a su ideal de enseñanza. Esa idea aparece con fuerza cuando afirma que “Un programa puede enseñar al estudiante a hacer preguntas y responderlas”. En esta idea es que se debe hoy en día centrar el trabajo con la IA, no es la pregunta superficial la que ayuda al estudiante, es el dialogo con los algoritmos lo que permite el razonamiento por parte del estudiante.

Límites y objeciones que Skinner probablemente formularía

La primera objeción probable de Skinner recaería sobre el uso pasivo de la IA. La segunda obra estudiada y específicamente en la introducción escrita por Ramón Bayes, señala una advertencia muy clara: “El alumno dice Skinner se transformará en un receptor cada vez más pasivo” cuando la tecnología se limita a presentar materias y reduce el intercambio pedagógico. Trasladado al presente, esto permite inferir que habría criticado una IA usada como fuente de respuestas listas para copiar, como atajo para evitar el esfuerzo cognitivo o como sustituto de la producción intelectual del estudiante. Su aceptación de la tecnología nunca fue una aceptación de la pasividad.

La segunda objeción sería metodológica. Skinner desconfía de las formulaciones abstractas que prometen mucho y explican poco. En la obra Ciencia y Conducta humana, se cita su crítica a filosofías educativas que “se mantienen mudas en cuanto a los métodos”. En Tecnología de la enseñanza insiste en que no basta hablar de adaptación, comprensión o sentido si esos términos no especifican comportamientos observables. Aplicado a la IA, esto sugiere una pregunta muy skinneriana: ¿qué hace el estudiante con ella?, ¿qué respuestas nuevas aparecen?, ¿qué errores disminuyen?, ¿qué secuencias mejora?, ¿qué condiciones de refuerzo organiza mejor que antes? Skinner habría exigido pruebas de funcionamiento didáctico, no descripciones impresionistas ni retórica tecnológica.

La tercera objeción afectaría el lugar del profesor. Skinner es explícito al afirmar que “las máquinas de enseñar tampoco eliminarán al profesor”. En otro pasaje refuerza la idea al señalar que los aparatos liberan al docente de tareas mecánicas y le dejan espacio para funciones propiamente humanas. Esta afirmación es muy útil para pensar la IA actual. Desde una lectura skinneriana, la IA no reemplaza al profesor cuando este diseña secuencias, interpreta errores, decide trayectorias, selecciona refuerzos y orienta procesos formativos. La sustituibilidad aparece solo cuando la enseñanza se reduce a corrección mecánica o transmisión lineal de información. Skinner habría defendido una docencia aumentada por instrumentos, no una docencia abolida por ellos.

Dejando al margen las múltiples críticas formuladas al conductismo skinneriano, la síntesis interpretativa que se desprende de este análisis resulta conceptualmente clara. Desde sus postulados teóricos, es razonable inferir que Skinner habría reconocido el valor de la inteligencia artificial como tecnología educativa en la medida en que esta contribuyera a organizar contingencias de reforzamiento eficaces, estimulara la participación activa del estudiante, garantizara retroalimentación inmediata, estructurara progresivamente la complejidad de las tareas y potenciara la eficacia pedagógica del docente.

Su aceptación, sin embargo, no habría sido acrítica. Es igualmente plausible sostener que habría cuestionado aquellos usos de la IA orientados a generar dependencia cognitiva, transformar al estudiante en un receptor pasivo de información o sostener discursos imprecisos sobre comprensión, creatividad o innovación sin evidencias conductuales verificables. Asimismo, habría rechazado cualquier pretensión de sustituir integralmente la función pedagógica del profesor, entendida como diseño deliberado de condiciones formativas.

En este marco, la discusión central no radicaría en determinar si la inteligencia artificial puede ser considerada “inteligente” en términos humanos, sino en evaluar rigurosamente su eficacia didáctica. Desde la lógica skinneriana, enseñar bien no constituye una abstracción retórica, sino una operación concreta y sistemática: construir entornos de aprendizaje capaces de propiciar la emergencia, consolidación y mantenimiento de comportamientos académicos funcionales. ¿Estás de acuerdo con estas ideas?

Referencias

Skinner, B. F. (1970). Tecnología de la enseñanza. s/f Tomado de https://drive.google.com/file/d/1NaMrX7jKdcse1XW3kvWs_XegvcskuI7d/view  

Skinner,B.F.  (1971) Ciencia y conducta humana (Una psicología científica) Editorial Fontanella. S.A. 1969.

 

domingo, 15 de marzo de 2026

Educar para la incertidumbre: el valor del pensamiento probabilístico

En colaboración con Mer desde Leticia Sánchez Ambriz.

El podcast es breve pero preciso en analizar el valor del pensamiento probabalísitco y que puedes escuchar aquí. 

El mundo contemporáneo atraviesa una etapa de transformaciones profundas que evidencian la creciente complejidad de los sistemas sociales, económicos y ambientales. Las crisis geopolíticas, la reconfiguración del orden internacional, los riesgos climáticos, la aceleración tecnológica y la volatilidad de los mercados configuran un escenario caracterizado por la incertidumbre permanente. En este contexto, la educación enfrenta el desafío de formar sujetos capaces no solo de comprender la realidad, sino de interpretar escenarios inciertos, evaluar riesgos y tomar decisiones informadas en entornos cambiantes.

Históricamente, el currículo escolar ha privilegiado una concepción del conocimiento basada en la estabilidad, la certeza y la respuesta correcta. Sin embargo, las dinámicas actuales muestran que los modelos deterministas resultan insuficientes para explicar los fenómenos contemporáneos.

La vida social, científica y económica se desarrolla en condiciones de variabilidad constante, lo que exige una transformación en los enfoques formativos. Desde esta perspectiva, el pensamiento probabilístico emerge como una competencia clave para la ciudadanía del siglo XXI, al posibilitar que los estudiantes desarrollen habilidades para analizar datos, anticipar escenarios posibles y comprender la naturaleza no lineal de los sistemas complejos.

Diversos teóricos han contribuido a fundamentar la relevancia educativa de esta competencia. Iddo Gal (2005) introduce el concepto de alfabetización probabilística para referirse a la capacidad de los ciudadanos de interpretar información estadística y probabilística presente en la vida cotidiana, particularmente en contextos de toma de decisiones. Esta visión amplía el alcance de la enseñanza tradicional de la probabilidad al situarla como una dimensión esencial de la formación ciudadana crítica.

De manera complementaria, las investigaciones en didáctica de la estadística desarrolladas por Carmen Batanero (2013) evidencian que el pensamiento probabilístico puede construirse desde edades tempranas mediante experiencias contextualizadas, experimentación y análisis de situaciones reales. Este planteamiento cuestiona la idea de que la probabilidad sea un contenido exclusivamente abstracto o propio de niveles educativos avanzados, y propone su incorporación progresiva en la educación básica como parte de una alfabetización científica integral.

Asimismo, el trabajo de David Spiegelhalter (2019) sobre la comprensión pública del riesgo destaca la importancia de formar ciudadanos capaces de interpretar datos inciertos en ámbitos como la salud, el medio ambiente o la economía. En sociedades caracterizadas por la circulación constante de estadísticas, predicciones y modelos de proyección, comprender la probabilidad se convierte en una competencia indispensable para el ejercicio del pensamiento crítico y la participación informada.

Desde una perspectiva epistemológica más amplia, Edgar Morin (1999) plantea que uno de los saberes fundamentales para la educación del futuro consiste en aprender a enfrentar la incertidumbre. Para este autor, la formación escolar debe orientarse hacia la comprensión de la complejidad y la interdependencia de los fenómenos, superando visiones fragmentadas del conocimiento. En este sentido, la integración curricular del pensamiento probabilístico no solo responde a una necesidad disciplinar, sino a la urgencia de preparar a los estudiantes para comprender un mundo caracterizado por la imprevisibilidad estructural.

La incorporación del pensamiento probabilístico en la educación no implica necesariamente la creación inmediata de nuevas asignaturas, sino la reconfiguración de experiencias de aprendizaje dentro de las áreas existentes, favoreciendo la comprensión de la incertidumbre como parte de la vida cotidiana.

En educación primaria, por ejemplo, los estudiantes pueden desarrollar nociones básicas de probabilidad mediante actividades como la predicción del clima semanal, la experimentación con juegos de azar controlados o la interpretación de gráficos sencillos relacionados con fenómenos cercanos a su entorno. Estas experiencias permitirían a los niños comprender que no todos los eventos responden a certezas absolutas, sino que existen distintos grados de posibilidad.

En el nivel de secundaria, el pensamiento probabilístico puede fortalecerse a través del análisis de situaciones reales como la variabilidad en el rendimiento académico, la probabilidad de ocurrencia de fenómenos naturales o la interpretación crítica de estadísticas difundidas en los medios de comunicación.

Actividades como la simulación de escenarios ambientales, el análisis de encuestas escolares o la comparación de datos históricos favorecen el desarrollo de habilidades para formular hipótesis, evaluar riesgos y tomar decisiones fundamentadas en evidencia.

Por su parte, en la educación media superior, la integración de modelos probabilísticos más complejos permite vincular el aprendizaje con problemáticas contemporáneas como el cambio climático, la movilidad social o las transformaciones tecnológicas derivadas de la inteligencia artificial.

El uso de herramientas digitales para analizar bases de datos, construir predicciones o visualizar tendencias contribuye a que los estudiantes comprendan la naturaleza dinámica de los sistemas sociales y científicos. De este modo, la probabilidad deja de ser un contenido aislado de la matemática formal y se convierte en un eje transversal para la comprensión crítica del mundo contemporáneo.

Integrar el pensamiento probabilístico en el currículo supone, en consecuencia, un cambio en la finalidad educativa. No se trata únicamente de enseñar procedimientos matemáticos, sino de promover una formación orientada a la interpretación de la complejidad, la toma de decisiones responsables y la construcción de ciudadanía informada.

En un contexto global marcado por la incertidumbre, educar en probabilidad implica preparar a las nuevas generaciones para convivir con la variabilidad, analizar información compleja y participar activamente en la construcción de futuros posibles.

En síntesis, el pensamiento probabilístico representa una competencia estratégica para articular educación, ciencia y sociedad en el marco de los desafíos del siglo XXI. Su integración transversal en la educación básica y media constituye una oportunidad para avanzar hacia un currículo más pertinente, prospectivo y humanista, capaz de formar sujetos críticos, resilientes y comprometidos con la comprensión y transformación de un mundo en constante cambio.

Referencias

Batanero, C. (2013). Teaching probability and statistics in school mathematics. Springer.

Gal, I. (2005). Towards “probability literacy” for all citizens. En G. A. Jones (Ed.), Exploring probability in school: Challenges for teaching and learning (pp. 43–71). Springer.

Morin, E. (1999). Los siete saberes necesarios para la educación del futuro. UNESCO.

Spiegelhalter, D. (2019). The art of statistics: Learning from data. Penguin.