{"id":7,"date":"2026-10-13T02:06:29","date_gmt":"2026-10-13T05:06:29","guid":{"rendered":"https:\/\/exactas.uba.ar\/web\/informes-exactas\/?p=7"},"modified":"2026-10-14T11:58:15","modified_gmt":"2026-10-14T14:58:15","slug":"el-efecto-del-uso-de-chatbots-de-ia-en-las-aulas","status":"publish","type":"post","link":"https:\/\/exactas.uba.ar\/web\/documentos-exactas\/el-efecto-del-uso-de-chatbots-de-ia-en-las-aulas\/","title":{"rendered":"El efecto del uso de chatbots de IA en las aulas"},"content":{"rendered":"

Este texto es una versi\u00f3n ampliada de otro publicado por los mismos autores en el Bolet\u00edn de la Biblioteca del Congreso de la Naci\u00f3n<\/a>, n\u00famero 139. Una versi\u00f3n reducida de este documento fue publicada con la firma de un amplio colectivo de investigadores e investigadoras, educadores y educadoras en la <\/em>plataforma Medium<\/em><\/a>.<\/p><\/blockquote>\n

El pensamiento cr\u00edtico sostiene nuestra capacidad de entender el mundo. Es como un m\u00fasculo que a veces da pereza ejercitar, y es por eso que una de las misiones de la educaci\u00f3n es brindarnos las herramientas para vencer esa inercia. Estamos en un momento hist\u00f3rico en el que esto es m\u00e1s importante que nunca porque frecuentemente afloran ciertas ideas t\u00f3xicas, propias de etapas pasadas, perjudiciales para quien las adopta y para la sociedad toda, que vuelven a difundirse. Ideas que se expresan con formulaciones simples, categ\u00f3ricas y, usualmente, con fuerte carga emocional, pero que no resisten un razonamiento informado. Y, para desarmarlas, tenemos que ser capaces de hacer ese razonamiento. Esa capacidad de razonar como mecanismo de defensa de la sociedad es fundamental, porque nada indica que las ideas t\u00f3xicas vayan a disminuir. M\u00e1s bien, lo contrario.<\/span><\/p>\n

Sostener el rol de la escuela como lugar de ejercicio del pensamiento puede ser nuestra principal esperanza como sociedad<\/b>. Promoverlo y practicarlo en el aula es tambi\u00e9n garantizar el derecho a una formaci\u00f3n plena como seres humanos y como individuos participantes de una sociedad. Hoy en d\u00eda es una urgencia superlativa, y la entrada de la Inteligencia Artificial en las aulas lo est\u00e1 poniendo en jaque.<\/span><\/p>\n

\u00a0<\/span>Coincidentemente con esta situaci\u00f3n apremiante, a fines de 2022 la humanidad se sorprendi\u00f3 con la entrada en escena de los chatbots de IA: ChatGPT primero, y luego una serie de productos de similares caracter\u00edsticas. Ahorr\u00e9monos su descripci\u00f3n, todos los conocemos. Pero s\u00ed hagamos una aclaraci\u00f3n terminol\u00f3gica importante: estos chatbots, sustentados en una tecnolog\u00eda llamada <\/span>Large Language Models<\/span><\/i> (LLMs) son solo una forma de la IA. Hay muchas otras, con usos en la producci\u00f3n, en la medicina, en el transporte, etc. que no son susceptibles de las cr\u00edticas que haremos a continuaci\u00f3n (dicho sea de paso, y que tampoco tienen un impacto ambiental tan alto como los LLMs).<\/span><\/p>\n

Ante esta irrupci\u00f3n y su rapid\u00edsima llegada a las aulas, el mundo educativo tuvo una actitud receptiva por un lado, y resignada por el otro. Receptiva, porque no quiso caer en el rechazo a lo novedoso, porque quiso salir de un lugar tal vez m\u00e1s conservador, porque se atrevi\u00f3 a salir de su zona de confort. Resignada, porque consider\u00f3 que era imposible de frenar. Como una ola que lo invad\u00eda todo. Se\u00f1alamos aqu\u00ed una disidencia: saludablemente hemos decidimos no claudicar ante la ludopat\u00eda infantil y la invasi\u00f3n \u201cimparable\u201d de las apuestas, o incluso del celular, en el aula. Si una batalla es posible, la otra necesariamente tambi\u00e9n, ya que sus vectores, impulsores, mecanismos, etc., son similares.<\/span><\/p>\n

Esa actitud receptiva de docentes y autoridades llev\u00f3 al florecimiento de un ecosistema de productos y propuestas escolares donde, bajo la esperanza de que el uso de esta tecnolog\u00eda mejore los aprendizajes y las experiencias \u00e1ulicas, se comenz\u00f3 a fomentar que los estudiantes utilicen LLMs para realizar tareas escolares. <\/span>Urge discontinuarlo como pr\u00e1ctica educativa recomendada<\/b>.<\/span><\/p>\n

Para entender por qu\u00e9 esto es as\u00ed debemos comprender primero c\u00f3mo funciona nuestra cabeza.<\/span><\/p>\n

Qu\u00e9 es aprender, una visi\u00f3n desde la neurociencia<\/b><\/h1>\n

Hagamos un ejercicio: intentemos recordar una serie o pel\u00edcula que hayamos visto recientemente o alg\u00fan cap\u00edtulo de libro que hayamos le\u00eddo hace poco. M\u00e1s a\u00fan, intentemos decir, m\u00e1s o menos, la trama. Probemos, incluso enumerar algunas caracter\u00edsticas de los protagonistas o las locaciones. A veces cuesta un poco, pero sin dudas lo logramos. Solo podemos hacerlo exitosamente porque esa informaci\u00f3n ha sido \u201cguardada\u201d previamente en alg\u00fan lugar. Ese lugar es nuestro cerebro. De alg\u00fan modo, adem\u00e1s, sabemos c\u00f3mo buscarla y por eso ahora podemos encontrarla y revivir esas experiencias culturales.<\/span><\/p>\n

El cerebro es el \u00f3rgano responsable de incorporar, retener y evocar conocimientos, percepciones, conceptos y emociones. No solo tenemos guardado aquello que pudimos responder en el p\u00e1rrafo previo; tambi\u00e9n es posible que recordemos d\u00f3nde o con qui\u00e9n est\u00e1bamos o c\u00f3mo nos sent\u00edamos. Es posible, incluso, que m\u00e1s tarde recordemos algo que ahora omitimos.<\/span><\/p>\n

Esto sucede porque las experiencias pueden modificar nuestro cerebro a nivel bioqu\u00edmico y fisiol\u00f3gico. Es a esos cambios cerebrales, inducidos por las experiencias, a los que llamamos aprendizaje. A nivel cerebral, el aprendizaje acad\u00e9mico se da de la misma manera: cuando nos enfrentamos a un contenido de conocimiento que nos resulta lo suficientemente estimulante, desafiante o \u201cinc\u00f3modo\u201d, pueden comenzar a producirse cambios f\u00edsicos en nuestro cerebro que deriven en la incorporaci\u00f3n de la nueva informaci\u00f3n.<\/span><\/p>\n

Pero los aprendizajes no son constru\u00eddos \u201cdesde cero\u201d; por lo general, cada nueva pieza de conocimiento se incorpora a una red preexistente, a un esquema mental que ya exist\u00eda y que, ahora, con el nuevo agregado, toma una nueva forma (Goldin, 2025b). Las redes son din\u00e1micas y el cerebro se reorganiza constantemente a lo largo de toda la vida. As\u00ed, los esquemas representan conocimiento organizado en funci\u00f3n de las experiencias vividas y, por ejemplo, estudiantes que ya tienen armados esquemas mentales sobre determinados temas logran incorporar conocimiento nuevo mucho m\u00e1s efectivamente que quienes a\u00fan no los armaron.<\/span><\/p>\n

Ahora bien, como todos sabemos, el hecho de que exista informaci\u00f3n nueva no implica necesariamente que vaya a ser incorporada. Es necesario activar, simult\u00e1nea y espec\u00edficamente, esquemas preexistentes para lograr una efectiva integraci\u00f3n del conocimiento. A medida que mejoramos nuestra comprensi\u00f3n del mundo vamos armando esquemas m\u00e1s robustos, m\u00e1s duraderos y que resisten m\u00e1s s\u00f3lidamente las confrontaciones.<\/span><\/p>\n

La deconstrucci\u00f3n y reconstrucci\u00f3n de esquemas mentales se sustenta en la modificaci\u00f3n de redes neurales. Se llama plasticidad a la capacidad del cerebro de modificarse f\u00edsicamente por las experiencias que atraviesa la persona. La plasticidad sustenta los aprendizajes acad\u00e9micos porque, en general, lo que busca la escuela es que la informaci\u00f3n se guarde de un modo m\u00e1s o menos organizado, que permita un uso posterior apropiado tal que cada estudiante vaya pudiendo ir complejizando su contenido de conocimiento y aplic\u00e1ndolo de mejores maneras.<\/span><\/p>\n

Requerimientos para aprender<\/b><\/h1>\n

A nivel cognitivo, aprender fehacientemente implica fortalecer las redes neurales que sustentan esos aprendizajes. Y la \u00fanica forma de lograrlo es con pr\u00e1ctica sostenida y apropiada. Esta ejercitaci\u00f3n debe ser de dificultad progresiva y los desaf\u00edos no deben resultar ni demasiado sencillos ni frustrantes; el punto de inicio y la velocidad de progresi\u00f3n depender\u00e1n de cada persona y de c\u00f3mo, y cu\u00e1nto, haya ejercitado esas habilidades a lo largo de su vida. En l\u00edneas generales, es necesario comenzar con conocimientos acotados y operaciones sencillas e ir complejizando a medida que se pueda.<\/span><\/p>\n

Para aprender requerimos enfrentarnos a actividades conseguibles y desafiantes, pero no frustrantes. Esto es lo que Vygotsky denomin\u00f3 <\/span>zona proximal<\/span><\/i>. Cualesquiera que sean la edad y la materia, ir paso a paso ayudar\u00e1 a prevenir la sobrecarga cognitiva y permitir\u00e1 que cada nueva pieza de informaci\u00f3n se asiente sobre una base s\u00f3lida de material que ya se ha organizado previamente. Con mayor o menor costo, si la estimulaci\u00f3n es apropiada, las redes se ir\u00e1n modificando. Habr\u00e1 errores, por supuesto: modificaciones desacertadas que, bajo la mirada atenta del educador, podr\u00e1n ser resueltas. Nada mejor que un error para \u201chacer tambalear\u201d una estructura mental que cre\u00edamos consolidada. El error es imprescindible, es parte del camino a la hora de lograr aprendizajes duraderos y s\u00f3lidos (Goldin, 2025b). Pero junto con este debe venir el andamiaje para ayudarnos a entender qu\u00e9 era lo incorrecto y, sobre todo, por qu\u00e9. Si queremos aprehender los aprendizajes, ese acompa\u00f1amiento fundamental requiere que seamos nosotros quienes hacemos el ejercicio mental de ir razonando paso a paso hasta desandar el \u201cmal camino\u201d. Y eso cuesta y lleva tiempo.<\/span><\/p>\n

La tentaci\u00f3n de los LLMs<\/b><\/h1>\n

Suele ser tentador imaginar a estos sistemas de inteligencia artificial como tutores individuales \u201cideales\u201d: interact\u00faan 1-a-1, permiten a cada estudiante ir a su propio ritmo e, incluso, es posible que ante el hecho de saberse frente a una m\u00e1quina, muchas personas se animen a repreguntar un concepto las veces que sea necesario hasta entenderlo; todos estos, aspectos clave a la hora de lograr buenos aprendizajes (Goldin, 2025a).<\/span><\/p>\n

El hecho de que en muchas ocasiones estas herramientas den buenas respuestas a las tareas que se les encomienda vuelve muy tentador pensarlas como aliadas de los aprendizajes. El tema es el objetivo que tengamos: \u00bfpretendemos lograr resultados o nos interesa, adem\u00e1s, el proceso y lo que nos queda m\u00e1s all\u00e1 del resultado? El uso indiscriminado de estas herramientas evidencia el <\/span>trade off<\/span><\/i> entre la exigencia de productividad inmediata (sin necesariamente considerar calidad) y la real construcci\u00f3n de conocimiento. Cuando inclinamos la balanza hacia la productividad en la escuela, tenemos dos problemas. El primero, es que ese no deber\u00eda ser el objetivo del sistema educativo. No se trata de producir m\u00e1s monograf\u00edas o hacerlas en menos tiempo. Se trata de transitar procesos que impactan en nuestro cerebro en forma de aprendizajes. El segundo, es que va en detrimento de la construcci\u00f3n apropiada de esquemas mentales que, como vimos previamente, son los que sustentan los aprendizajes reales.<\/span><\/p>\n

Porque la otra cara de la moneda es que no son menores los desaf\u00edos que presentan estos algoritmos a la hora de favorecer el razonamiento y el pensamiento cr\u00edtico del usuario. Porque lo que ofrecen son las respuestas m\u00e1s utilizadas y las palabras m\u00e1s probables del corpus de conocimiento del cual aprendieron, sin \u201cchequeo\u201d de la veracidad ni autenticidad de dicha informaci\u00f3n (Gibney, 2024). As\u00ed, su funcionamiento trae aparejados varios problemas a la hora de pensarlos como aliados del aprendizaje, porque los algoritmos generativos, como los que sustentan los LLMs, suelen dar todas las respuestas de modo inmediato, sin repreguntas, propuestas de pensamiento activo ni espacios de duda. Por lo tanto, su t\u00edpico uso escolar de responder alguna pregunta o hacer una monograf\u00eda no fomenta la creatividad, la metacognici\u00f3n ni la metamemoria, tres caracter\u00edsticas cognitivas fundamentales del aprendizaje. Esto implica que, al menos al d\u00eda de hoy, los algoritmos generativos no fomentan las pausas para pensar e indagar en el propio contenido de conocimiento, no favorecen la colaboraci\u00f3n con otras personas y no dejan pr\u00e1cticamente espacio para los \u201cno s\u00e9\u201d ni para los errores; todas estas, instancias imprescindibles a la hora de aprender y aprehender (Goldin, 2025a).<\/span><\/p>\n

Podr\u00eda pensarse, entonces, que hay lugar para estas herramientas siempre y cuando no se las utilice para \u201cque hagan la tarea\u201d, si no de una forma m\u00e1s criteriosa. Demos un par de ejemplos sint\u00e9ticos, con contrapropuestas:<\/span><\/p>\n

    \n
  1. El ni\u00f1o debe buscar informaci\u00f3n sobre el 25 de mayo, d\u00e1rsela al chatbot, pedirle que asuma el rol de alguno de aquellos patriotas, asumir \u00e9l el de otro y reproducir una hipot\u00e9tica discusi\u00f3n en la antesala de la Revoluci\u00f3n sobre alguna de las tensiones internas, reflejando las distintas posiciones. Es cierto que en ese escenario hay una tarea cognitiva no delegada, pero lo tambi\u00e9n cierto es que el chatbot es innecesario. Aqu\u00ed una versi\u00f3n superadora: dos ni\u00f1os leen el material sobre la Revoluci\u00f3n de Mayo de manera conjunta, asumen cada uno el rol de un patriota, y de esa manera reproducen la antedicha discusi\u00f3n.<\/li>\n
  2. El adolescente no le pide al chatbot que haga la composici\u00f3n, solamente que se la critique para mejorarla. Aqu\u00ed, una opci\u00f3n superadora: el estudiante escribe la composici\u00f3n y la intercambia con alg\u00fan compa\u00f1ero. Cada uno debe hacer una cr\u00edtica constructiva de la del otro y luego usar la devoluci\u00f3n obtenida para mejorar la propia.<\/li>\n<\/ol>\n

    Pero, \u00bfno existen otro tipo de desaf\u00edos educativos que no puedan adaptarse a este esquema y donde sigamos manteniendo el buen uso de los LLMs? Abordamos esa posibilidad en la pr\u00f3xima secci\u00f3n.<\/span><\/p>\n

    Qu\u00e9 sabemos ahora sobre los LLMs en el aula: nos hacen pensar menos<\/b><\/h1>\n

    Antes de abordar la evidencia cient\u00edfica analicemos la idea central que favorece su uso: no se tratar\u00eda de pedirle al chatbot que resuelva la consigna, sino que nos ayude a resolverla: que busque la informaci\u00f3n y que nos ayude a procesarla, pero no que haga el trabajo por nosotros. Eso \u00faltimo ser\u00eda un <\/span>mal uso<\/span><\/i> al que se le opone un <\/span>buen uso<\/span><\/i>, que consistir\u00eda en crear una serie de bien pensados <\/span>prompts<\/span><\/i> (esas instrucciones que le damos para expresar lo que queremos que haga) que vamos refinando en base a sus respuestas. En este escenario, el chatbot har\u00eda el trabajo pesado, m\u00e1s no el creativo. No invertir\u00edamos recursos cognitivos ni tiempo en la parte tediosa, pudiendo reservarlos a la parte que s\u00ed vale la pena y donde se involucra nuestra capacidad humana de an\u00e1lisis y pensamiento.<\/span><\/p>\n

    Este hipot\u00e9tico buen uso es como algunos de esos animales en peligro de extinci\u00f3n que solo pueden sobrevivir en la reserva ecol\u00f3gica, bajo estricta supervisi\u00f3n<\/b>. Liberados al medio silvestre se los comen los depredadores. Los depredadores en este caso son la urgencia por resolver la tarea, la falta de inter\u00e9s real en ella, la presi\u00f3n por aprobar, la facilidad de los atajos (admitamos la pereza de la que todos padecemos) y el lenguaje engalanado y superficialmente refinado que parece darle una apariencia de solvencia a las respuestas, de complejidad. Y que produce cierta admiraci\u00f3n y lejan\u00eda: nos quedamos con la sensaci\u00f3n de que las propias elaboraciones jam\u00e1s podr\u00edan lograr ese nivel. No olvidemos un depredador m\u00e1s: todo lo que resuelve el chatbot nos ahorra <\/span>rozamiento<\/span><\/i>: la frustraci\u00f3n por la tarea que no sale, la necesidad de terminar para lograr hacer otra cosa, la frase que no aparece, la conexi\u00f3n entre los puntos que no se muestra obvia y, en ocasiones, tambi\u00e9n la necesidad de interactuar con los dem\u00e1s para pensar. Interactuar con otros, admit\u00e1moslo, puede ser inc\u00f3modo. S\u00ed, <\/span>transitar las incomodidades del mundo es otro aprendizaje escolar fundamental que los LLMs nos hacen perder<\/b>.<\/span><\/p>\n

    En este punto podemos pensar que, siempre que el docente tenga claro su objetivo pedag\u00f3gico, distintas pr\u00e1cticas podr\u00edan ser incorporadas a las actividades escolares y aprovechar las caracter\u00edsticas de los LLMs fomentando en el proceso que los estudiantes reconstruyan sus propios esquemas mentales, conecten conceptos y aprendan de los errores que ellos y los sistemas de inteligencia artificial cometan. Por favor <\/span>no nos confundamos<\/b>: dejemos de lado la an\u00e9cdota del estudiante brillante que ya tiene su escolaridad resuelta y se potencia con estas herramientas. Concentr\u00e9monos en el estudiante promedio y, ahora que est\u00e1 empezando a aparecer, miremos la<\/span> evidencia cient\u00edfica que se\u00f1ala que el uso escolar de LLMs deteriora nuestra capacidad de pensar<\/b>. Vamos a contar cinco ejemplos recientes que ilustran claramente los potenciales peligros para nuestra cognici\u00f3n.<\/span><\/p>\n

      \n
    1. Unos investigadores de Suecia y China (Str\u00f6mberg y colaboradores, 2026) analizaron 30 meses de datos educativos de m\u00e1s de 26.000 estudiantes chinos de escuela secundaria. Encontraron que si bien quienes usaban chatbots de IA hac\u00edan la tarea 30% m\u00e1s r\u00e1pido y estas tareas se calificaban con notas 18% superiores a los que no usaban IA, a la hora de los ex\u00e1menes mensuales que esos alumnos deben completar regularmente, <\/span>sus notas ca\u00edan 20%, y ese efecto ya se notaba a los 6 meses de empezar a usar IA<\/b>. El efecto se ve\u00eda en todas las materias, pero era peor en ciencias sociales, seguidas de ciencias exactas y matem\u00e1ticas y luego lenguajes extranjeros. M\u00e1s a\u00fan, cuando rindieron <\/span>ex\u00e1menes de ingreso<\/b> al siguiente nivel de la escuela secundaria o a la universidad, reconocidos por su alto nivel de exigencia, <\/span>sus calificaciones tambi\u00e9n cayeron, entre un 18 y un 24%<\/b>.<\/span><\/li>\n
    2. Otro estudio analiz\u00f3 si la baja en calificaciones se debe a que los LLMs no est\u00e1n tan preparados para asistir pedag\u00f3gicamente. As\u00ed, Bastani y colaboradores (2025), quienes se preguntaron si los LLMs podr\u00edan ayudar al aprendizaje de matem\u00e1ticas en la escuela secundaria. Para estudiarlo dise\u00f1aron un experimento del que participaron m\u00e1s de 900 estudiantes, a los que se hac\u00eda trabajar en sesiones de 90 minutos que se divid\u00edan as\u00ed: en la primera parte, los docentes explicaban el tema (como lo har\u00edan normalmente). En la segunda, los estudiantes deb\u00edan resolver ejercicios de pr\u00e1ctica sobre el tema y, sobre el final, resolver un examen a libro cerrado (sobre el mismo tema). La segunda parte, la de ejercitaci\u00f3n individual era la parte central del experimento: en ella, los estudiantes fueron divididos en tres grupos. Unos ejercitaban de la manera tradicional, otros pod\u00edan usar ChatGPT y el tercer grupo, una versi\u00f3n del chat que estaba personalizada mediante unos prompts previos para comportarse como un tutor: no daba las respuestas de manera directa, sino que daba pistas, como lo har\u00eda un buen docente. De hecho, las pistas fueron especialmente dise\u00f1adas por el equipo docente. Si bien en la etapa dos, cuando ejercitaban individualmente, tanto el grupo que us\u00f3 ChatGPT como la versi\u00f3n que simulaba ser un tutor consiguieron mejores puntajes que el grupo que no us\u00f3 nada (\u00a148% y 127% de incremento, respectivamente!), cuando pasaron al examen real, a libro cerrado, los resultados cambiaron: <\/span>el grupo que us\u00f3 ChatGPT durante la etapa de pr\u00e1ctica sac\u00f3 notas un 17% m\u00e1s bajas que el grupo que no hab\u00eda utilizado ning\u00fan LLM<\/b>. El grupo que utiliz\u00f3 la \u201cversi\u00f3n tutor\u201d, que durante la pr\u00e1ctica hab\u00eda tenido resultados tan superiores al grupo control, sac\u00f3 notas apenas m\u00e1s bajas, aunque sin diferencia significativa. La ventaja que hab\u00eda aportado la versi\u00f3n creada tan trabajosamente, se evapor\u00f3.<\/span><\/li>\n
    3. En el intento por determinar los efectos negativos sobre los aprendizajes, un grupo de investigadores del MIT realiz\u00f3 un estudio pionero (Kosmyna y col., 2025). Dividi\u00f3 a 54 estudiantes universitarios en 3 grupos y se les pidi\u00f3 que escribieran breves monograf\u00edas en base a ciertas preguntas disparadoras. Un grupo utiliz\u00f3 ChatGPT, el otro solo pod\u00eda googlear y el tercero, ninguna de las dos alternativas. Al pedirles posteriormente que citaran algo de lo que hab\u00edan escrito, solo un peque\u00f1o porcentaje del grupo que google\u00f3 y del que no us\u00f3 ninguna herramienta externa tuvo problemas en hacerlo, mientras que en el grupo que utiliz\u00f3 el LLM la gran mayor\u00eda de los participantes no logr\u00f3 hacer una sola cita correcta de su propio trabajo, realizado solo unos minutos antes.<\/span>
      \n<\/span>Dicho de otra manera,<\/span> resolvieron la tarea con ChatGPT, pero nada les qued\u00f3 de lo que escribieron<\/b>. O sea, al usar el LLM como \u00fanica herramienta quitando todo el desaf\u00edo a la tarea, no lograron modificar los esquemas mentales necesarios para poder guardar la informaci\u00f3n con la que hab\u00edan estado trabajando. De hecho, el otro resultado principal del estudio muestra c\u00f3mo el uso de las distintas herramientas modifica la manera en que las redes neurales se conectan: encontraron que <\/span>la conectividad disminuye cuanto mayor apoyo externo, y menos \u201cpensamiento\u201d, se usa al escribir<\/b>. Y los autores encontraron tambi\u00e9n efectos sobre la sensaci\u00f3n de propiedad generada por la propia producci\u00f3n escrita: quienes utilizaron LLMs para escribir sus ensayos reconocieron como menos propios esos textos que quienes los escribieron sin apoyarse en ninguna otra herramienta; y se observaron resultados intermedios en quienes escribieron mientras se ayudaban buscando informaci\u00f3n en Google.<\/span>
      \n<\/span>Como los mismos autores reconocen, podr\u00eda se\u00f1alarse el car\u00e1cter preliminar del estudio, basado en su cantidad de participantes.<\/span><\/li>\n
    4. El estudio anterior tiene, en efecto, un bajo tama\u00f1o muestral y a\u00fan no ha sido revisado por pares, pero no es el \u00fanico que apunta en ese sentido. En otro estudio con m\u00e1s de 10.000 participantes, Melumad y Yun (2025) analizaron producciones escritas hechas con ayuda de LLMs o solamente googleando. Los autores se concentraron en la profundidad de esas producciones, variable que evaluaron por m\u00e9todos basados en an\u00e1lisis ling\u00fc\u00edsticos y por apreciaciones tanto de quienes las escribieron como de otros humanos, y encontraron que <\/span>la utilizaci\u00f3n de LLMs genera producciones de menor calidad, m\u00e1s superficiales. <\/b>Adem\u00e1s, encontraron que quienes los utilizaron reportaron menor autopercepci\u00f3n de aprendizaje que quienes solamente utilizaron un buscador como apoyo.<\/span><\/li>\n
    5. El \u00faltimo de nuestra muestra de estudios profundiza en esa direcci\u00f3n. Meincke, Nave y Terwiesch (2025) midieron el nivel de creatividad de una serie de ensayos donde un grupo de participantes pod\u00eda usar ChatGPT mientras otro grupo, no. Encontraron que en el grupo que utiliz\u00f3 el LLM las producciones individuales fueron, en promedio, m\u00e1s creativas que en el grupo que no lo us\u00f3. Podr\u00edamos quedarnos con este resultado parcial, que es lo que suele suceder en much\u00edsimas aulas: los ensayos escritos por chatbots sacan muy buenas notas. Pero en el estudio fueron un paso m\u00e1s all\u00e1 y analizaron todas las producciones en conjunto. Encontraron mayor creatividad colectiva en el grupo que no tuvo ayuda de ChatGPT que en el que s\u00ed la tuvo. Las ideas producidas mediante ChatGPT ten\u00edan hasta un 94% de similaridad. Es decir, <\/span>el uso de ChatGPT tendi\u00f3 a homogeneizar el discurso, las palabras y las ideas<\/b>. E hizo que la producci\u00f3n de ideas sobre un mismo tema, como proceso colectivo, fuera menos rico.<\/span><\/li>\n<\/ol>\n

      Los resultados aqu\u00ed contados son consistentes con un fen\u00f3meno tambi\u00e9n documentado en el mundo laboral: cuando usamos herramientas en las que delegamos capacidades fundamentales de pensamiento, perdemos dichas habilidades. A modo de ejemplo citamos otro estudio, de Budzy\u0144 y colaboradores (2025), esta vez hecho en adultos profesionales: endoscopistas muy experimentados. Durante tres meses se les permiti\u00f3 usar IA para diagnosticar, pero con una particularidad: un d\u00eda s\u00ed, un d\u00eda no. Su rendimiento durante los d\u00edas en que no pod\u00edan acceder a la herramienta baj\u00f3 de 28,4% a 22,4%, lo que result\u00f3 significativo en t\u00e9rminos estad\u00edsticos.<\/span><\/p>\n

      Como todo en ciencia, la evidencia se acumula progresivamente, y toma tiempo. Aparecen estudios en un sentido y en otro (por ejemplo, Deng y colaboradores, 2025). Mientras tanto, la recomendaci\u00f3n es la cautela. El uso de los LLMs en las aulas atenta contra esa cautela, porque si bien es cierto que la evidencia sobre sus falencias como apoyo a la escolaridad es a\u00fan preliminar, <\/span>no hay evidencia contundente que muestre que los chatbots favorecen el aprendizaje<\/b>.<\/span><\/p>\n

      Cu\u00e1ndo y c\u00f3mo usar los LLM, es la cuesti\u00f3n<\/b><\/h1>\n

      A nivel de implicancias educativas, el resultado m\u00e1s interesante del trabajo que contamos en el ejemplo 32, realizado por Kosmyna y colaboradores (2025), ha sido el menos difundido. Luego de las tres sesiones de las que ya hablamos, en las que los participantes escribieron sus ensayos, los investigadores agregaron una cuarta instancia en la cual a un subgrupo les intercambiaron los materiales: aquellos que hab\u00edan estado utilizando un LLM para escribir, ahora deber\u00edan arregl\u00e1rselas solitos con su cerebro. Y viceversa. En cada una de las tres primeras sesiones los participantes hab\u00edan elegido sobre cu\u00e1l de 3 temas escribir. Se trataba de temas generales, que permit\u00edan incorporar perspectivas propias y amplias sobre \u201cgrandes\u201d cuestiones, como la lealtad, la felicidad, el arte, la filantrop\u00eda, el coraje o la perfecci\u00f3n, entre otras. Para hacerlo a\u00fan m\u00e1s sencillo, las opciones del tema sobre el cual escribir en la cuarta sesi\u00f3n fueron los tres temas que cada participante ya hab\u00eda elegido en sus sesiones previas.<\/span><\/p>\n

      Resulta que, en su mayor\u00eda, los del grupo que originalmente hab\u00eda usado el LLM no pudieron siquiera reconocer el tema general que hab\u00edan elegido trabajar en las sesiones anteriores. Simplemente no recordaban qu\u00e9 hab\u00edan hecho en las instancias en las que los \u201cayud\u00f3\u201d el chatbot. En cambio quienes originalmente hab\u00edan trabajado \u201csolo con su cerebro\u201d s\u00ed recordaron perfectamente. M\u00e1s a\u00fan, los resultados de la ejercitaci\u00f3n de esas tres primeras sesiones tuvieron efectos en el armado de esquemas mentales a m\u00e1s largo plazo: luego de realizar la tarea en la cuarta sesi\u00f3n, los participantes deb\u00edan intentar citar alguna parte que hubieran escrito. Casi ninguno de quienes originalmente hab\u00edan practicado con el chatbot pudo citar algo, a diferencia de casi todos los que practicaron con sus cerebros, que consistentemente recordaron mejor lo que hab\u00edan escrito, a\u00fan despu\u00e9s de usar el chatbot.<\/span><\/p>\n

      Podemos interpretar mejor los resultados si trazamos el paralelismo de este estudio con lo que sucede en un aula. Durante el per\u00edodo de clases hay tareas que permiten que los estudiantes pongan en pr\u00e1ctica t\u00e9cnicas, ejercicios y conocimientos. Esas pr\u00e1cticas, como vimos, deben demandar desaf\u00edos progresivos. Aquellos participantes del grupo que no tuvo asistencia inicial externa debieron armar, desarmar y modificar sus esquemas mentales a medida que escrib\u00edan los ensayos. Tarea ardua, pero que lograron hacer. Cuando a ellos se les present\u00f3 la oportunidad de agregar el uso de un chatbot en la cuarta sesi\u00f3n, lo que hicieron fue utilizarlo como la herramienta que puede ser: para mejorar la prosa, para reformular alguna parte poco clara. Quienes, en cambio, desde el inicio hab\u00edan delegado su cognici\u00f3n en el LLM, no supieron hacer un buen uso de su cabeza cuando eso fue todo lo que tuvieron.<\/span><\/p>\n

      En suma, lo que este estudio nos muestra es que los LLMs podr\u00edan ser aliados a la hora de producir contenido, siempre y cuando sean usados responsablemente, sin delegaci\u00f3n y en el momento apropiado.<\/span><\/p>\n

      El problema es que sin una intervenci\u00f3n docente adecuada y que calibre exactamente cu\u00e1ndo y c\u00f3mo incorporarlos, esa utilizaci\u00f3n se vuelve enemiga del aprendizaje: \u00bfc\u00f3mo saber, por ejemplo, cu\u00e1ndo un tema est\u00e1 suficientemente masticado y arraigado como para que pueda ser \u201cpulido\u201d con la ayuda de un chatbot? M\u00e1s a\u00fan, nada indica que lograr de este modo un resultado final de mejor calidad conduzca a aprender el mecanismo para volver a lograrlo en el futuro, por lo que la utilidad real de estos usos en el \u00e1mbito escolar no es para nada obvia.<\/span><\/p>\n

      IA que s\u00ed<\/b><\/h1>\n

      Como dijimos al principio, <\/span>los LLMs no son el \u00fanico tipo de IA posible<\/b>. De hecho, hay muchos otros usos educativos interesantes para la IA. Y varios, cerca nuestro: Vidal y colaboradores (2025), de la UBA, hacen un gran trabajo en el uso de IA para detectar fluidez lectora, con los ni\u00f1os leyendo fragmentos de texto delante de una aplicaci\u00f3n. Esto permite no solo agilizar los tiempos, sino homogeneizar resultados que, si fuesen hechos por personas, variar\u00edan de acuerdo al evaluador asignado y su nivel de entrenamiento. Existen aplicaciones que ayudan a los docentes con la gesti\u00f3n curricular para alivianar su carga de trabajo, y tambi\u00e9n varias herramientas, por ejemplo implementaciones provinciales de Sistemas de Alerta Temprana, que utilizan datos como calificaciones o asistencia para predecir situaciones de abandono escolar y poner en funcionamiento dispositivos de retenci\u00f3n. Aclaremos, desde ya, que esta lista no pretende ser exhaustiva, sino solo mostrar una serie de ejemplos de los grandes usos que se le pueden dar a estas tecnolog\u00edas.<\/span><\/p>\n

      A la hora de ense\u00f1ar, es imprescindible tener en consideraci\u00f3n que cada nuevo contenido de conocimiento, te\u00f3rico o pr\u00e1ctico, se incorporar\u00e1 a esquemas mentales preexistentes. As\u00ed, son paulatinos y progresivos los cambios fisiol\u00f3gicos requeridos para construir y modificar las redes neurales que sustentan cada conocimiento. Su formaci\u00f3n requiere, tambi\u00e9n, tiempos de \u201cdecantaci\u00f3n\u201d. El tema es que el tiempo suele ser un bien escaso en educaci\u00f3n. Parte de los desaf\u00edos que es menester resolver como educadores y formadores de pol\u00edticas p\u00fablicas es, justamente, c\u00f3mo balancear el tiempo escolar y los contenidos curriculares a ser impartidos; y hacerlo atendiendo a las variaciones que existen entre contextos educativos y sistemas de educaci\u00f3n diversos. Esto demanda una profunda reflexi\u00f3n conjunta para consensuar cu\u00e1les son los objetivos de ense\u00f1anza realmente imprescindibles para cada una de las diferentes asignaturas y niveles, de modo tal de poder abarcarlos y abordarlos correcta y eficazmente.<\/span><\/p>\n

      As\u00ed como conducir un veh\u00edculo no significa saber de mec\u00e1nica, escribir unos <\/span>prompts<\/span><\/i> est\u00e1 muy lejos de significar que sabemos de IA. No podemos dejar de se\u00f1alar un lugar en el que la IA s\u00ed debe estar en la escuela: bajo la lupa, como elemento de estudio. <\/span>Sostenemos que no solo la Inteligencia Artificial, sino la disciplina m\u00e1s amplia que la contiene, las Ciencias de la Computaci\u00f3n, deber\u00edan formar parte de la curr\u00edcula<\/b>. Dig\u00e1moslo claramente: en el mundo actual es imprescindible entender c\u00f3mo funciona la tecnolog\u00eda, c\u00f3mo est\u00e1 hecha, por qui\u00e9nes, con qu\u00e9 intenciones, con qu\u00e9 potencialidades, con qu\u00e9 ideas cient\u00edficas. Es nuestra obligaci\u00f3n ense\u00f1ar estos temas y fomentar las discusiones no solo sobre c\u00f3mo es la tecnolog\u00eda, sino, principalmente, sobre c\u00f3mo podr\u00eda ser.<\/span><\/p>\n

      El falso debate sobre la prohibici\u00f3n<\/b><\/h1>\n

      La escuela es el lugar donde no repetimos la sociedad que existe, es donde fomentamos la que deseamos que exista. As\u00ed preparamos a los alumnos para el afuera, para el mundo laboral y para el futuro. Que no podamos fumar en la escuela no significa que no ense\u00f1emos sobre los riesgos del tabaco, sus efectos biol\u00f3gicos o sus interacciones qu\u00edmicas. La misma reflexi\u00f3n vale sobre el uso de herramientas de IA que perjudican los aprendizajes. No es necesario involucrar un chatbot en la jornada escolar para explicar c\u00f3mo funciona, c\u00f3mo est\u00e1 construido y a qui\u00e9n beneficia. Algunos pa\u00edses y ciudades, como <\/span>Noruega<\/span><\/a> o <\/span>Nueva York<\/span><\/a>, ya tomaron esa decisi\u00f3n. Argentina puede hacerlo tambi\u00e9n.<\/span><\/p>\n

      Los chatbots de IA en el aula est\u00e1n matando nuestra capacidad para pensar. Estamos a tiempo de evitarlo.<\/b><\/p>\n

      AUTORES<\/b><\/h1>\n