Cuando el docente diseña la IA de su curso, los estudiantes aprenden más
Un ensayo aleatorizado con 7,200 estudiantes, 19 universidades y 55 clases encontró que los cursos donde el docente diseñó su propia herramienta de IA obtuvieron mejores calificaciones en exámenes presenciales y supervisados
INTELIGENCIA ARTIFICIALEDUCACIÓN MÉDICA
Alfredo Manzano
11/18/20262 min read
Un ensayo aleatorizado con 7,200 estudiantes de 19 universidades evaluó qué ocurre cuando cada docente construye la herramienta de inteligencia artificial (IA) de su propio curso, en lugar de usar un chatbot genérico. Los grupos con una herramienta diseñada por el docente obtuvieron mejores calificaciones en exámenes presenciales y supervisados: 0.32 desviaciones estándar por estudiante (intervalo de confianza de 95%: 0.06 a 0.59).
Las herramientas fueron muy distintas entre sí, porque cada docente las ajustó a su materia. Algunos armaron tutores que generan problemas nuevos sin límite, y esa práctica fue lo que más valoraron los estudiantes (49.2%). Otros prefirieron coaches socráticos que piden intentar el problema antes de dar la respuesta, o juegos de rol con clientes y ejecutivos simulados que cuestionan las decisiones del estudiante. También hubo asistentes alimentados con el programa y las políticas del curso, que resolvían dudas de logística a cualquier hora.
La experiencia dejó varias lecciones prácticas. Los estudiantes confiaron más en las herramientas hechas con el contenido de su curso. Los registros de conversación mostraron a varios docentes en qué temas se atoraban sus alumnos. Un docente comprobó que el uso voluntario era bajo y optó por dar puntos por usar la herramienta. Otro tuvo que reescribir varias veces las instrucciones de la IA para que dejara de revelar respuestas.
¿Qué cambia con este artículo?
La evidencia más citada hasta ahora indicaba que la IA genérica puede perjudicar el aprendizaje. Este estudio sugiere que el diseño importa, porque una herramienta pensada por quien conoce el curso se comporta de otra manera. Con todo, es un preprint sin revisión por pares, con un intervalo de confianza amplio, realizado sobre todo en cursos de ciencias aplicadas, y no identifica cuál de los diseños produjo la mejora. La participación y la satisfacción de los estudiantes no cambiaron de forma detectable.
Referencia
Li, J., Bray, R., Martin, S., et al. (2026). Instructor-designed AI improves learning in a randomized trial across 19 universities. arXiv. https://arxiv.org/abs/2611.19099