Proteger el esfuerzo que hace aprender: qué confiar a la IA y qué mantener exigente

En mi primer artículo escribí que no todo lo que ahorra tiempo al alumno le ayuda a aprender. Una parte del esfuerzo (buscar, equivocarse, reformular) es justamente lo que produce el aprendizaje. No es nostalgia de docente: es uno de los resultados más sólidos de la psicología del aprendizaje. Y los primeros estudios sobre la IA en el aula van en la misma dirección.

1.El rendimiento del momento no es aprendizaje

Elizabeth y Robert Bjork (2011) lo formulan como una advertencia: el rendimiento durante el aprendizaje puede ser un indicador muy poco fiable de lo que realmente se ha aprendido. Las condiciones que complican la tarea y ralentizan el progreso aparente favorecen a menudo la retención a largo plazo y la transferencia. Las llaman dificultades deseables.

Dos efectos clásicos lo ilustran. El primero es el efecto de generación: en cinco experimentos, las palabras que los participantes producían ellos mismos se recordaban mejor que las mismas palabras simplemente leídas (Slamecka y Graf, 1978). El segundo es el efecto del test: estudiantes que se habían puesto a prueba sobre un texto recordaban el 56 % de sus ideas una semana después, frente al 42 % de quienes lo habían releído, aunque releer les daba más confianza en su memoria (Roediger y Karpicke, 2006).

Bjork y Bjork sacan una consecuencia directa: cada vez que obtenemos una respuesta que podríamos haber producido nosotros mismos, perdemos una ocasión de aprender. Con un límite importante: una dificultad solo es deseable si el alumno tiene los conocimientos para superarla. Si no, es simplemente una dificultad.

2.Con la IA: una muleta o un tutor

Un estudio en un gran instituto de Turquía, con cerca de 1000 alumnos de matemáticas, muestra lo que esto significa con la IA generativa (Bastani et al., 2025). Durante las sesiones de ejercicios, el acceso libre a GPT-4 mejoró las notas un 48 %. Pero en el examen siguiente, sin la herramienta, esos alumnos sacaron notas un 17 % más bajas que los que nunca tuvieron acceso: los autores hablan de usar la IA como una muleta. Una versión diseñada para dar pistas sin revelar la respuesta mejoró las notas en los ejercicios un 127 % y eliminó ese efecto negativo en el examen, aunque sin superar al grupo sin IA.

Otro estudio, en Harvard, obtuvo un resultado más favorable: con un tutor de IA construido según principios pedagógicos precisos, estudiantes de un curso de física aprendieron más, en menos tiempo, que en una clase de aprendizaje activo (Kestin et al., 2025). Pero las pruebas se hicieron al final de cada sesión, sin medir la retención a más largo plazo, y los propios autores recomiendan evitar la IA cuando es probable que los alumnos la usen como muleta para esquivar la reflexión.

Lo mismo aparece fuera de las matemáticas: estudiantes que investigaban con ChatGPT en lugar de un buscador sentían una carga cognitiva menor, pero producían argumentaciones de peor calidad (Stadler et al., 2024). Kapur (2016) lo resume: aprendizaje y rendimiento no siempre coinciden, y las condiciones que maximizan el rendimiento inmediato no maximizan necesariamente el aprendizaje a largo plazo.

3.Qué confiar a la herramienta y qué mantener exigente

La verdadera pregunta pedagógica no es, por tanto, «IA sí o IA no», sino: en una tarea concreta, ¿el esfuerzo que se pide es el que hace aprender? Esta es mi propuesta para el aula.

• Mantener exigente lo que constituye el aprendizaje buscado: recordar sin ayuda, producir la propia respuesta antes de comprobarla, explicar con las propias palabras, hacer un primer intento ante un problema.
• Confiar a la herramienta, bajo control del docente, lo que es solo un medio: dar formato, generar ejercicios de práctica adicionales, reformular una consigna al nivel de lectura adecuado.
• Cuando el alumno usa la IA, preferir usos que den pistas en lugar de respuestas, y comprobar después lo que sabe hacer sin la herramienta.

No es una regla universal. La misma tarea puede ser central en una secuencia y secundaria en otra: reformular un texto es el objetivo de una clase de lengua, pero solo un medio en un problema de ciencias. Corresponde al docente decidir, objetivo por objetivo, dónde está el esfuerzo útil.

Hablemos

¿Cómo protegen el esfuerzo útil en sus clases cuando el alumnado tiene acceso a la IA? Estaré encantado de conversar. Mis datos de contacto: pablocorreaprieto.ch

Texto redactado con ayuda de una IA, revisado y validado por el autor.