Una revisión de 52 estudios sobre inteligencia artificial en la educación encontró que estas herramientas pueden ayudar a aprender cuando apoyan el estudio, pero también perjudicarlo cuando hacen el trabajo por el alumno. El equipo de Stanford observó resultados distintos entre herramientas y contextos: ninguno de los usos examinados produjo mejoras de forma constante.
La actualización, publicada el 10 de noviembre por el AI Hub for Education de Stanford, incorpora 32 investigaciones a las 20 que el equipo había reunido en marzo. Los nuevos trabajos se centran en IA generativa; la revisión anterior también incluía algunas herramientas de IA no generativa.
Los estudios seleccionados emplearon ensayos controlados aleatorizados o diseños cuasiexperimentales para estimar los efectos de intervenciones educativas. La revisión reúne esas pruebas, que abarcan desde estudiantes de escuela hasta universitarios y adultos, junto con investigaciones sobre herramientas utilizadas por docentes.
En conjunto, los resultados fueron más favorables cuando la IA ayudaba a comprender materiales, practicar o recibir retroalimentación que cuando producía el trabajo del estudiante. Aun así, algunos estudios de apoyo al aprendizaje no detectaron ventajas frente a otras formas de estudiar.
"Hay mucha evidencia de que, si no se usan con cuidado, estas herramientas pueden reducir el aprendizaje", dijo Susanna Loeb, profesora de la Escuela de Educación de Stanford y coautora de la revisión, a Education Week.
Resolver con ayuda y responder después
Una de las investigaciones incluidas ayuda a explicar la diferencia. En un ensayo publicado en 2025, cerca de 1,000 estudiantes de secundaria en Turquía practicaron matemáticas con distintas condiciones de apoyo. Una interfaz basada en GPT-4 imitaba el funcionamiento de un chatbot convencional; otra incorporaba pistas y límites diseñados para proteger el aprendizaje.
Quienes practicaron con la primera interfaz obtuvieron calificaciones 48% más altas mientras podían usarla, frente al grupo sin IA. Pero cuando la herramienta se retiró para un examen posterior, sus calificaciones fueron 17% más bajas que las del grupo que nunca la tuvo. El segundo diseño redujo en gran medida esa desventaja, según el estudio publicado en PNAS.
La diferencia entre resolver con ayuda y responder por cuenta propia también apareció en un estudio con adultos que examinamos antes: la ventaja inicial al usar IA desapareció al retirar la herramienta.
Patricia Rodriguez
Eso no significa que las pistas sean siempre la mejor opción. La revisión de Stanford describe otro ensayo, con 199 universitarios reclutados en línea en Estados Unidos, en el que una respuesta correcta acompañada de una explicación inmediata produjo mejores resultados en una prueba posterior que una retroalimentación que daba ánimo y pistas antes de revelar la respuesta.
Los experimentos evaluaron estudiantes, tareas y diseños distintos. Para los autores de la revisión, esa diferencia impide concluir que una herramienta etiquetada como educativa siempre superará a un chatbot de uso general.
Qué ocurrió cuando la IA ayudó a docentes
La revisión también encontró resultados distintos en las herramientas dirigidas al profesorado. En una prepublicación sobre un curso universitario de economía con 354 estudiantes, asistentes de enseñanza recibieron sugerencias de IA para comentar ensayos y podían aceptarlas, editarlas o descartarlas.
Con esa ayuda, los asistentes ofrecieron más comentarios y los estudiantes entregaron revisiones de mayor calidad. Sin embargo, el estudio no encontró una diferencia estadísticamente significativa entre los grupos en una prueba posterior de conocimientos. Una mejor versión del ensayo no se tradujo, en esa medición, en una ventaja comprobada de aprendizaje.
Otro experimento, realizado en escuelas de Turquía, dio a docentes acceso a una herramienta de apoyo para preparar materiales. La motivación de sus estudiantes disminuyó, aunque las calificaciones promedio no cambiaron de forma significativa. Stanford señala que los docentes usaron principalmente la IA para generar materiales y que solían aceptarlos con pocos cambios; el estudio no estableció si esa falta de revisión explicó la caída de motivación.
Los límites de la evidencia
De los 52 trabajos revisados, 10 se realizaron con estudiantes o docentes de niveles preuniversitarios en Estados Unidos, informó Education Week. Cinco de los estudios nuevos evaluaron herramientas para estudiantes en esas escuelas, una población que no aparecía en los trabajos sobre uso estudiantil de la revisión de marzo.
El informe advierte que sus resultados no deben generalizarse a todas las escuelas estadounidenses. También falta evidencia para determinar si las mejoras observadas en algunas pruebas se mantienen a largo plazo o se trasladan a otras tareas.
El proceso de selección tiene otra limitación: un modelo de lenguaje clasificó primero los trabajos nuevos para priorizar los que revisarían investigadores humanos. Stanford reconoce que ese filtro pudo dejar fuera algún estudio relevante antes de la evaluación humana.
Entre los financiadores que aparecen en los agradecimientos de la revisión están Google.org y las fundaciones Walton Family y Overdeck.
Para evaluar una herramienta en un centro educativo, los autores proponen medir el aprendizaje después de retirar la IA y observar también la motivación de los estudiantes, la carga de trabajo docente y las condiciones en que se usa.
