Metaenseñanza

En colaboración con Mercedes Leticia Sánchez Ambriz

El podcast contiene ejemplos que complementan el artículo; desde aquí lo escuchas.

En un mundo donde la inteligencia artificial es capaz de redactar textos, resolver problemas y simular razonamientos en segundos (UNESCO, 2023), la docencia enfrenta un desafío radical: si la máquina puede hacer lo que antes considerábamos evidencia de aprendizaje, entonces debemos preguntarnos qué significa realmente enseñar.

Es aquí donde emerge con fuerza un concepto que redefine la identidad docente: la metaenseñanza. No es una moda ni un nuevo tecnicismo pedagógico. Es una urgencia. Metaenseñar es mirarse en el espejo profesional: es analizar nuestras prácticas, interrogar nuestros métodos, desmontar los hábitos pedagógicos que damos por sentado (Zimmerman, 2000). Es atrevernos a examinar no solo lo que hacemos, sino cómo y por qué lo hacemos. Es recuperar la conciencia profunda de que enseñar es también un acto de autoconstrucción.

La irrupción de la IA ha puesto a prueba esta conciencia. Nos obliga, a veces de manera abrupta, a replantear aquello que creíamos sólido (Russell & Norvig, 2022): ¿Sigue teniendo valor pedir un ensayo que la IA puede producir en un instante? ¿Qué habilidades realmente importan cuando la información es abundante y omnipresente? ¿Qué papel ocupa el docente cuando los estudiantes tienen en sus manos una herramienta capaz de generar respuestas impecables, pero no necesariamente verdaderas? ¿Qué se espera de la ética tanto de los profesores como de los estudiantes?

La metaenseñanza nos llama a responder estas preguntas desde la reflexión crítica, no desde el miedo. Nos invita a convertir la IA en un aliado para elevar la calidad intelectual del aula, y no en un enemigo a controlar. Nos empuja a diseñar experiencias que ninguna máquina pueda reemplazar porque involucran juicio, sensibilidad, comprensión profunda y humanidad.

En tiempos de IA, la metaenseñanza no es solo un concepto: es una brújula. Una forma de devolverle a la educación su propósito más esencial. Una oportunidad para que el docente latinoamericano se coloque en el centro del cambio, no como espectador, sino como protagonista consciente y creador de nuevas rutas de aprendizaje.

Enseñar: del discurso al diseño de experiencias

Durante décadas, enseñar significó transmitir contenidos y esperar que el estudiante los reprodujera (Robinson, 2006). Pero en un escenario donde la IA puede ofrecer explicaciones, ejemplos, resúmenes y ejercicios en segundos, la enseñanza deja de centrarse en “decir” para centrarse en diseñar experiencias intelectualmente desafiantes.

La metaenseñanza permite que el docente se pregunte:

·         ¿Estoy enseñando algo que realmente necesita ser enseñado por un humano?

·         ¿Qué parte del proceso cognitivo puedo potenciar usando IA?

·     ¿Cómo puedo hacer que mis clases promuevan análisis, interpretación y criterio propio?

La IA puede amplificar la enseñanza en tres vías:

a) Como generadora de materiales: ejemplos, casos, escenarios, textos comparativos.

b) Como simuladora de situaciones: debates, entrevistas, rol de expertos, análisis de dilemas éticos.

c) Como asistente para personalizar explicaciones: niveles de complejidad, analogías, visualizaciones.

Pero la clave está en que el docente mantenga el timón pedagógico. La IA no reemplaza la enseñanza; la complementa, amplifica y diversifica, siempre que el docente mantenga la reflexión crítica que exige la metaenseñanza (Siemens, 2017).

De recibir información a construir comprensión

La IA pone información al alcance del estudiante sin esfuerzo. Esto obliga a transformar el concepto mismo de aprendizaje. Aprender ya no es memorizar ni repetir; es pensar sobre la información, darle sentido y convertirla en conocimiento útil (Flavell, 1979).

La metaenseñanza ayuda al docente a guiar este proceso. Nos lleva a preguntarnos:

·         ¿Qué significa aprender cuando la información ya no es escasa?

·         ¿Qué habilidades necesita el estudiante para no depender ciegamente de una IA?

·         ¿Cómo fomentar que la IA se convierta en una herramienta para profundizar, no para evitar el esfuerzo?

Aquí es donde emergen nuevas formas de aprendizaje mediado por IA: a) Aprendizaje reflexivo: el estudiante compara sus respuestas con las de la IA y analiza diferencias. b) Aprendizaje guiado: la IA ofrece pistas, no soluciones, permitiendo avanzar por niveles. c) Aprendizaje autónomo: el estudiante usa IA para explorar, consultar, contrastar y construir argumentos.

En este contexto, el aprendizaje se fortalece porque el estudiante ya no está solo frente al conocimiento; está acompañado por una herramienta poderosa que, bien usada, estimula la curiosidad, la autoexplicación y la toma de decisiones.

Evaluar: del producto al proceso

Si hay un momento educativo donde la IA ha generado más incertidumbre, es en la evaluación (Garrison et al., 2020). La posibilidad de que una máquina produzca respuestas impecables —aunque no siempre verdaderas— desestabiliza las formas tradicionales de acreditar el aprendizaje.

Aquí la metaenseñanza es crucial: nos obliga a revisar qué estamos evaluando realmente.

·         ¿Estamos evaluando la capacidad de producir un texto o la capacidad de pensar?

·         ¿Estamos evaluando memoria o criterio?

·         ¿Estamos midiendo el proceso o solo un resultado final fácilmente replicable por IA?

La IA puede ser una amenaza para la evaluación superficial, pero una aliada para la evaluación profunda. Algunas formas de aprovecharla incluyen (Black & Wiliam, 2001): a) Evaluación del proceso: pedir al estudiante documentar cómo usó la IA, qué decisiones tomó, qué descartó y por qué. b) Evaluación crítica: solicitar análisis sobre errores de la IA, sesgos, contradicciones o limitaciones. c) Evaluación creativa: diseñar tareas donde el valor está en la interpretación, la narrativa personal o la aplicación contextual. d) Evaluación híbrida: combinar IA con trabajo manual reflexivo, debates, defensas orales o proyectos aplicados.

La evaluación deja de ser una cacería de trampas y se convierte en una lectura honesta y profunda del pensamiento del estudiante.

Un cierre oportuno

La irrupción de la inteligencia artificial nos confronta con una verdad ineludible: la metaenseñanza no es una opción, sino el escudo epistemológico que resguarda la calidad intelectual en la educación superior. Opinamos que el cambio en los pilares de enseñanza, aprendizaje y evaluación no es una reacción a la tecnología, sino una refundación proactiva del rol docente.

Al enfocarse en la planificación, las estrategias y la evaluación del proceso cognitivo, la metaenseñanza garantiza que el estudiante se mantenga como el director autónomo de su aprendizaje, utilizando la IA como un poderoso copiloto y no como un reemplazo de su pensamiento.

El desafío para las universidades latinoamericanas radica en liderar esta transformación. Al integrar estratégicamente la IA para favorecer el pensamiento crítico, fomentar la autonomía y diseñar una evaluación profunda, el docente se convierte en el arquitecto de la criticidad.

Este enfoque permite trascender la brecha tecnológica y convertirla en una oportunidad de innovación pedagógica que forma profesionales no solo competentes, sino también conscientes, éticos y capaces de pensar con y más allá de la máquina, asegurando así la pertinencia y el propósito humanista de la educación superior en la región.

Referencias

Black, P., & Wiliam, D. (2001). Inside the black box: Raising standards through classroom assessment. Phi Delta Kappan, 83(1), 11-20.

Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist, 34(10), 906–911.

Garrison, D. R., Cleveland-Innes, M., & K. M. (2020). The role of the Community of Inquiry framework in the age of AI. The International Review of Research in Open and Distributed Learning, 21(3), 1-15.

Robinson, K. (2006). Out of our minds: Learning to be creative (2nd ed.). Capstone Publishing.

Russell, S. J., & Norvig, P. (2022). Artificial intelligence: A modern approach (4th ed.). Pearson Education.

Siemens, G. (2017). Conectivismo: Una teoría del aprendizaje para la era digital. Lulu.com.

UNESCO. (2023). Guía para el uso de la Inteligencia Artificial en la Educación. Publicaciones UNESCO.

Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. En M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 13-39). Academic Press.