Inteligencia artificial en el aprendizaje universitario

Durante décadas, lo que un estudiante entregaba servía como prueba razonable de lo que había aprendido. Un resumen suponía haber leído. Un mapa conceptual suponía haber jerarquizado ideas.

La IA generativa rompió esa correspondencia. Hoy el producto puede generarse en segundos sin que ninguna de esas operaciones haya ocurrido. Siguiendo el marco desarrollado por Neil y colaboradores, conviene distinguir el proceso de aprendizaje —las operaciones mentales que modifican las estructuras cognitivas— del producto, su manifestación observable. Cuando el segundo se automatiza, deja de ser evidencia del primero.

Este estudio no busca establecer si la IA es buena o mala para aprender. Busca describir qué se delega, con qué frecuencia y qué tan conscientes son los estudiantes de esa delegación.

Encuesta estructurada con preguntas cerradas y escalas Likert, aplicada de forma voluntaria y anónima a estudiantes de carreras de tecnología y sistemas. Enfoque cuantitativo exploratorio-descriptivo, diseño no experimental de corte transversal.

La muestra concentra estudiantes de Ingeniería en Sistemas Informáticos (69%), seguidos por Analista Programador (13%) y Licenciatura en Gestión de Tecnología Informática (10%).

De 126 estudiantes, uno solo declaró no usar nunca herramientas de IA. El grueso se concentra en los valores altos de la escala: el 65% las emplea de forma frecuente o diaria. No se trata de una tecnología en adopción, sino de una ya instalada en la rutina de estudio.

Las tres finalidades principales —resolver dudas puntuales, resumir lecturas y generar código— concentran dos tercios de las menciones. Todas comparten un rasgo: la IA entrega un resultado que el estudiante consume.

ChatGPT aparece en el 87% de las respuestas. Gemini y Copilot le siguen de lejos, y el resto tiene presencia marginal. La concentración importa: los hábitos de estudio de esta población están moldeados por el diseño de una sola herramienta.

Más de la mitad reconoce que elaborar sus propias notas mejora la comprensión. El dato no sorprende, pero contrasta con el resultado anterior: saben que el trabajo propio funciona mejor y aun así delegan.

Acá aparece la tensión más interesante del estudio. Con un 65% usando IA de forma frecuente o diaria, apenas un 23% admite que le cuesta estudiar sin ella. El 40% lo niega abiertamente.

Hay dos lecturas posibles y el instrumento actual no permite distinguirlas: o el uso intensivo convive con autonomía real, o la dependencia existe pero no se reconoce. Resolver esa ambigüedad es el objetivo de la próxima etapa del trabajo.

El 68% responde que sí sin dudarlo. Un 31% no está seguro, y una sola persona reconoce que no la usa bien. La distribución dice menos sobre las prácticas reales que sobre lo difícil que resulta evaluarse a uno mismo en esta materia.

Las respuestas se reparten sin una tendencia clara: un 39% percibe cambios, un 25% sostiene que todo sigue igual y un 36% se ubica en el medio. Si la evidencia del aprendizaje dejó de ser confiable, la forma de evaluarla debería haberse revisado. Desde la percepción estudiantil, eso todavía no ocurrió de manera generalizada.

Un cruce que no aparece en el artículo original: cómo se comportan las tres variables centrales según el momento de la carrera.

Los valores son promedios en escala 1 a 5. Las diferencias entre años son pequeñas y los subgrupos, chicos: no autorizan conclusiones firmes. Se incluyen porque marcan una dirección a explorar con una muestra mayor. El dato que más llama la atención es el de quinto año, donde la valoración del trabajo sin IA cae por debajo del resto.

El cuestionario incluía un ítem sobre cómo trabaja cada uno con la IA, con opciones que iban desde pedir sugerencias hasta usar el material generado sin modificarlo. Era la pregunta pensada para capturar el grado de delegación. Los resultados fueron estos:

Una sola persona sobre 126 eligió la opción que implica delegación total. Con una distribución tan concentrada, la variable no discrimina: al cruzarla con los ítems de autonomía, las diferencias entre grupos son de centésimas.

La explicación más plausible no es que nadie delegue, sino que nadie lo declara. La opción describe una conducta socialmente mal vista, y preguntarla de frente invita a la respuesta correcta antes que a la verdadera.

Reconocer esto no invalida el estudio: define con precisión qué hay que rediseñar.

Está en preparación una segunda ola que retoma este relevamiento once meses después, con tres cambios de fondo:

La comparación entre ambas olas permitirá observar además cómo evolucionaron los patrones de uso en un período de cambios acelerados en las herramientas disponibles.