La revolución tecnológica ha transformado profundamente nuestra sociedad y, como consecuencia, los procesos de enseñanza-aprendizaje. Las nuevas generaciones, inmersas en un entorno digital desde su nacimiento, presentan características distintivas en la forma de acceder, procesar y construir conocimiento. La inteligencia artificial (IA) ha emergido como un actor fundamental en esta transformación, redefiniendo los límites entre el aprendizaje formal e informal y planteando nuevos desafíos y oportunidades para la educación superior.
En este contexto, resulta esencial comprender las características del nuevo aprendiz, cómo la IA está impactando su formación y qué implicaciones tiene esto para las instituciones educativas. Este artículo examina la interrelación entre las nuevas culturas de aprendizaje, la identidad digital de los estudiantes y el papel de la IA en la transformación educativa, con especial énfasis en la educación superior.
El estudiante del siglo XXI: más allá del mito del "nativo digital"
Durante años, se ha utilizado ampliamente el término “nativos digitales” (Prensky, 2001) o “aprendices del nuevo milenio” (Trinder et al., 2008) para describir a las generaciones que han crecido en un entorno altamente tecnológico. Sin embargo, es fundamental cuestionar y reconsiderar esta etiqueta, que ha generado interpretaciones erróneas con consecuencias significativas para la educación.
Desmitificando el concepto de “nativo digital”
La noción de “nativo digital” ha llevado a una peligrosa suposición: que los jóvenes, por el mero hecho de haber nacido en la era digital, poseen naturalmente competencias digitales desarrolladas. Esta concepción determinista ha sido refutada por diversos estudios (Bennett, Maton y Kervin, 2008; Kirschner y De Bruyckere, 2017), que demuestran que la exposición a la tecnología no equivale automáticamente a la capacidad de utilizarla crítica y eficazmente en contextos de aprendizaje formal.
Como señala el modelo de progresión de competencias (Grezan, 2023), existe una escala evolutiva que va desde las simples destrezas técnicas hasta la verdadera competencia digital, pasando por los saberes digitales y las habilidades funcionales. La mayoría de los jóvenes, a pesar de su familiaridad con dispositivos y aplicaciones, suelen situarse apenas en el primer nivel de esta escala: el manejo instrumental de la tecnología.
Esta interpretación errónea ha tenido consecuencias graves en el ámbito educativo:
Desatención institucional: Muchas instituciones educativas han descuidado la alfabetización digital, informacional y mediática, asumiendo que los estudiantes ya poseen estas competencias.
Huérfanos digitales: Se ha generado una generación de “huérfanos digitales” que aprenden por ensayo y error, sin una orientación sistemática sobre el uso crítico y estratégico de las tecnologías.
Brechas invisibilizadas: Las diferencias socioeconómicas y culturales que condicionan el acceso y uso de la tecnología quedan enmascaradas bajo la etiqueta homogeneizadora de “nativos digitales”.
Responsabilidad desplazada: Se ha trasladado implícitamente la responsabilidad del desarrollo de competencias digitales al ámbito personal, eximiendo a las instituciones educativas de su papel fundamental en este proceso.
Características reales de los estudiantes actuales
Más allá del mito, los estudiantes contemporáneos presentan características distintivas en su relación con la tecnología, aunque éstas no implican necesariamente competencias digitales desarrolladas:
Familiaridad tecnológica: Comodidad en el uso cotidiano de dispositivos digitales, principalmente para entretenimiento, comunicación social y búsqueda básica de información.
Preferencia por la multitarea digital: Tendencia a gestionar simultáneamente diversas fuentes de información y canales de comunicación, aunque esto no siempre se traduce en eficiencia cognitiva (Kirschner y De Bruyckere, 2017).
Procesamiento no lineal: Preferencia por accesos hipertextuales a la información, frente a modelos secuenciales tradicionales.
Expectativa de inmediatez: Habituación a respuestas rápidas y disponibilidad constante de información y servicios.
Aprendizaje social informal: Tendencia a aprender mediante interacciones en comunidades virtuales y redes sociales, aunque a menudo de manera superficial y no sistemática.
Estas características constituyen un punto de partida para la educación formal, pero no reemplazan la necesidad de una formación estructurada en competencias digitales avanzadas, especialmente aquellas relacionadas con la evaluación crítica de la información, la creación de contenidos complejos, la resolución de problemas mediante herramientas digitales y el uso ético y seguro de la tecnología.
La IA como mediadora del aprendizaje: percepciones y realidades
La inteligencia artificial está transformando radicalmente los procesos educativos. Las herramientas basadas en IA pueden analizar los datos generados por los estudiantes, ofrecer retroalimentación personalizada y adaptar los contenidos a las necesidades individuales, potenciando así el aprendizaje autónomo (Añapa Quiñónez, 2024).
El enfoque sobre esta transformación resulta particularmente relevante, al conceptualizar la IA no solo como herramienta sino como un componente integral del ecosistema de aprendizaje. La propuesta de “ecosistemas de aprendizaje híbridos” (Grezan, 2023) plantea una integración que transciende la mera incorporación tecnológica para establecer un nuevo paradigma donde los límites entre el aprendizaje mediado por humanos y por máquinas se difuminan estratégicamente.
Percepción de los estudiantes sobre la IA en educación
Investigaciones recientes revelan una actitud generalmente positiva de los estudiantes universitarios hacia la implementación de la IA en su formación. Según Tuniesky Gutiérrez De León et al. (2024), existe una alta consistencia interna en la valoración favorable de la IA como herramienta educativa, con un alfa de Cronbach de 0.952 en su estudio con estudiantes de la Universidad Estatal Amazónica.
Los estudiantes valoran especialmente:
La capacidad de la IA para mejorar la calidad general del aprendizaje
La personalización de contenidos y actividades según sus necesidades
La retroalimentación inmediata y específica
El acceso a recursos educativos más amplios y diversos
La posibilidad de aprender a su propio ritmo
Asimismo, se observa una correlación significativa entre la percepción positiva de la IA en el ámbito educativo y la confianza de los estudiantes en su preparación para utilizar estas tecnologías en su futuro profesional (Tuniesky Gutiérrez De León et al., 2024).
Impacto de la IA en el proceso cognitivo del aprendizaje
Para comprender cómo la IA afecta al aprendizaje, es fundamental considerar los mecanismos cognitivos subyacentes. Según Dehaene (2020) en su obra “How We Learn”, el aprendizaje eficaz requiere cuatro pilares fundamentales. Este enfoque neurocognitivo se complementa significativamente con la propuesta de Grezan (2022) sobre la integración de neurociencia y tecnología educativa, que enfatiza cómo los sistemas de IA pueden alinearse con los procesos naturales de aprendizaje del cerebro:
Atención focalizada: La IA puede tanto potenciar como dispersar la atención. Si bien las herramientas de aprendizaje adaptativo pueden optimizar el enfoque del estudiante en contenidos relevantes, también existe el riesgo de sobrecarga informativa y distracción.
Compromiso activo: Dehaene enfatiza que el aprendizaje efectivo requiere la participación activa del estudiante. Las tecnologías de IA que promueven la interacción y la resolución de problemas pueden potenciar este pilar, mientras que aquellas que facilitan una recepción pasiva de contenidos podrían obstaculizarlo.
Retroalimentación de errores: La IA sobresale particularmente en este aspecto, proporcionando evaluación inmediata y personalizada, lo que permite a los estudiantes corregir conceptos erróneos y refinar su comprensión.
Consolidación: La transición del conocimiento explícito al implícito requiere práctica distribuida. Los sistemas de IA pueden optimizar los intervalos de repaso y adaptar los ejercicios para facilitar la consolidación de lo aprendido en la memoria a largo plazo.
Metacognición asistida: Metacognición asistida: A estos cuatro pilares, Grezan (2023) añade un quinto elemento crucial: la metacognición asistida por IA. Como se detalla en su propuesta sobre el aprendizaje exponencial y el rol del docente catalizador (Grezan, 2023), este enfoque no solo introduce sistemas inteligentes que personalizan el contenido, sino que también fomentan activamente la reflexión del estudiante sobre su propio proceso de aprendizaje. A través de ciclos de retroalimentación inmediata y personalizada, el estudiante desarrolla una mayor conciencia de sus estrategias cognitivas, promoviendo la transferencia de conocimientos a nuevos contextos y avanzando hacia un aprendizaje profundo
La interacción entre estos pilares cognitivos y las herramientas de IA determinará en gran medida la eficacia de las nuevas tecnologías en el proceso de aprendizaje.
Reconfiguración de los espacios de aprendizaje: entre lo formal e informal
Difuminación de fronteras educativas
Una de las consecuencias más significativas de la integración de la IA y las tecnologías digitales en la educación es la creciente difuminación de las fronteras entre los entornos de aprendizaje formal e informal. Como señalan Escofet Roig, García González y Gros Salvat (2011), los contornos del aprendizaje formal e informal “se desenfocan y se tornan más difusos y problemáticos”, especialmente con la emergencia de las tecnologías sociales.
Internet se ha convertido en “un campo de juego en el que las personas pueden buscar y encontrar las herramientas y los contenidos que necesitan para configurar, a su medida, su propio medio de aprendizaje” (Jokisalo y Riu, 2009, citados por Escofet Roig et al., 2011). Estas nuevas culturas de aprendizaje, caracterizadas por su permeabilidad y autogestionadas por los propios aprendices, contrastan con los modelos tradicionales de educación formal.
Aprendizaje autónomo mediado por IA
La IA potencia significativamente el aprendizaje autónomo, permitiendo a los estudiantes tomar mayor control sobre su proceso formativo. Según Añapa Quiñónez (2024), las herramientas de búsqueda impulsadas por IA pueden analizar datos sobre el rendimiento, comportamiento y preferencias de los estudiantes, proporcionando recomendaciones personalizadas que facilitan un aprendizaje más efectivo y agradable.
El marco conceptual desarrollado por Grezan (2022) sobre “competencias digitales críticas” resulta especialmente valioso en este contexto. A diferencia de enfoques que conciben el aprendizaje mediado por IA como un proceso predominantemente pasivo, esta propuesta enfatiza la necesidad de que los estudiantes desarrollen capacidades para evaluar críticamente las sugerencias algorítmicas, contrastar fuentes y construir su propio criterio en diálogo con los sistemas inteligentes. No se trata solo de consumir contenido personalizado, sino de establecer una relación dialéctica con la tecnología que fomente la autonomía intelectual.
Este proceso de personalización favorece que los estudiantes:
Aprendan a su propio ritmo
Accedan a materiales relevantes y atractivos para ellos
Desarrollen mayor autonomía en la gestión de su aprendizaje
Identifiquen y refuercen áreas específicas de mejora
La investigación muestra que el uso de la IA como herramienta para el aprendizaje autónomo mejora significativamente los resultados académicos (Añapa Quiñónez, 2024).
Desafíos de la integración de la IA en la educación superior
A pesar de su potencial transformador, la implementación de la IA en la educación superior enfrenta importantes desafíos:
Brecha entre competencias digitales informales y académicas
Como señalan diversos estudios (UCL-CIBER Group, 2008; Kennedy et al., 2006), existe una brecha significativa entre las habilidades digitales que los estudiantes desarrollan en contextos informales y su aplicación efectiva en entornos académicos. “No podemos asumir el hecho de que los jóvenes tengan un acceso habitual a la tecnología sea sinónimo de que saben cómo emplearlas de forma estratégica para optimizar el aprendizaje en contextos formales” (Escofet Roig et al., 2011).
Consideraciones éticas y riesgos
La implementación de la IA en educación plantea importantes cuestiones éticas, entre ellas:
Sesgo algorítmico: Riesgo de que los algoritmos de IA reproduzcan o amplifiquen sesgos, generando resultados discriminatorios o injustos (Vera, 2023). Grezan (2023) propone un modelo de “IA culturalmente sensible” que incorpore activamente perspectivas diversas en el diseño y validación de sistemas educativos.
Privacidad y seguridad de datos: La recopilación masiva de datos sobre el comportamiento y rendimiento de los estudiantes requiere protocolos rigurosos de protección (Jara y Ochoa, 2020). El marco de “soberanía de datos educativos” desarrollado por Grezan (2022) ofrece pautas concretas para equilibrar personalización y privacidad.
Dependencia tecnológica: Riesgo de desarrollar una excesiva dependencia de las herramientas de IA, potencialmente disminuyendo capacidades cognitivas fundamentales como el pensamiento crítico y la resolución creativa de problemas. La propuesta de “autonomía tecnológica progresiva” de Grezan (2023) sugiere un modelo donde la asistencia de IA se reduce gradualmente a medida que el estudiante desarrolla competencias.
Equidad y acceso: Peligro de ampliar las brechas educativas entre quienes tienen acceso a tecnologías avanzadas y quienes no (Vera, 2023). Grezan (2022) enfatiza la necesidad de diseñar soluciones “tecnológicamente inclusivas” que funcionen con diversos niveles de infraestructura.
Necesidad de adaptación institucional
Las instituciones de educación superior enfrentan el desafío de adaptar sus estructuras, metodologías y prácticas pedagógicas para incorporar efectivamente las nuevas tecnologías sin perder su esencia formativa. Esto implica:
Formación docente: Los educadores necesitan desarrollar competencias para integrar efectivamente la IA en sus prácticas pedagógicas.
Transformación metodológica: La integración efectiva de la IA requiere abandonar modelos transmisivos de conocimiento en favor de enfoques que aprovechen el potencial de estas tecnologías para personalizar y potenciar el aprendizaje.
Estrategias institucionales: Como señala Duart et al. (2008), existe una “falta de estrategias institucionales de uso educativo de Internet” que debe abordarse mediante políticas coherentes y sostenibles.
Hacia un nuevo paradigma educativo en la era de la IA
Principios para la educación superior del futuro
Frente a los cambios que la IA y las tecnologías digitales están generando, es necesario repensar el modelo educativo universitario. Siguiendo a Escofet Roig et al. (2011), algunos principios fundamentales para la educación superior del futuro serían:
Aprendizaje independiente: Formar en la capacidad de aprender autónomamente, desarrollando competencias de gestión, planificación y selección de recursos.
Estructuras horizontales: Sustituir modelos verticales tradicionales por estructuras más participativas y colaborativas.
Credibilidad colectiva: Fomentar un aprendizaje participativo que aproveche el potencial de las tecnologías sociales para la co-creación de conocimiento.
Pedagogía descentralizada: Adoptar métodos inductivos y pedagogías colectivas basadas en fuentes diversificadas de información.
Aprendizaje en red: Desarrollar proyectos basados en redes que permitan cooperar, interactuar y comprometerse.
Recursos abiertos: Implementar y aprovechar los recursos educativos abiertos.
Aprendizaje a lo largo de la vida: Diseñar currículos y desarrollar competencias orientadas a la formación continua.
Instituciones deslocalizadas: Aprovechar los dispositivos móviles y las tecnologías ubicuas para flexibilizar los espacios y tiempos de aprendizaje.
Presencia social, cognitiva y de enseñanza
Garrison (2006) propone un marco integral para la educación en la era digital, basado en tres elementos interrelacionados:
Presencia social: Habilidad para conectar con miembros de la comunidad de aprendices a nivel personal.
Presencia cognitiva: Procesos de construcción de significado y desarrollo del pensamiento crítico.
Presencia de enseñanza: Estructuración y apoyo al proceso educativo.
La integración efectiva de la IA debe considerar estos tres elementos, buscando un equilibrio que potencie la interacción social, facilite los procesos cognitivos y proporcione la estructura pedagógica necesaria para un aprendizaje significativo.
La emergencia de la IA está transformando profundamente el perfil del nuevo aprendiz y los procesos educativos, particularmente en la educación superior. Los estudiantes contemporáneos muestran una actitud generalmente positiva hacia estas tecnologías y valoran su potencial para personalizar y enriquecer su experiencia de aprendizaje.
Sin embargo, esta transformación no está exenta de desafíos. La brecha entre las competencias digitales informales y su aplicación académica, las cuestiones éticas asociadas al uso de la IA, y la necesidad de adaptación institucional son aspectos críticos que requieren atención.
Para aprovechar plenamente el potencial de la IA en educación, es necesario un enfoque equilibrado que:
Respete los principios neurocognitivos del aprendizaje efectivo (atención, compromiso activo, retroalimentación y consolidación)
Promueva la autonomía y la autorregulación del estudiante
Integre coherentemente los espacios formales e informales de aprendizaje
Aborde proactivamente las consideraciones éticas y de equidad
Transforme las estructuras y metodologías institucionales
La propuesta sobre “ecosistemas de aprendizaje híbridos“(Grezan, 2023) ofrece un marco integrador particularmente valioso para esta transformación. Su enfoque, que combina las fortalezas de la pedagogía tradicional con las potencialidades de la IA adaptativa, propone una transición gradual y reflexiva que no solo incorpora tecnología, sino que redefine fundamentalmente las relaciones entre docentes, estudiantes y contenidos. Como señala el propio “La verdadera revolución educativa no radica en la sofisticación de los algoritmos, sino en nuestra capacidad para rediseñar espacios de aprendizaje donde la inteligencia humana y artificial se complementen orgánicamente (Grezan, 2022):.”
En definitiva, el desafío principal para la educación superior consiste en acercar la cultura del aprendizaje informal de los jóvenes a la formación institucional, aprovechando el potencial de la IA para crear experiencias de aprendizaje más personalizadas, significativas y alineadas con las demandas de la sociedad contemporánea.
