El auge de la IA generativa evidencia que solo un diez por ciento del alumnado universitario verifica con rigor metodológico los datos obtenidos

El último estudio conjunto elaborado por la Escuela Pía de Cataluña y la Universitat Oberta de Catalunya revela una brecha crítica en el despliegue de la inteligencia artificial dentro del ámbito académico. Sobre una muestra representativa de 3.700 alumnos de educación secundaria obligatoria y bachillerato, el análisis constata que la verificación de datos es la gran asignatura pendiente del ecosistema educativo actual, con apenas un 10 % del alumnado que contrasta de manera sistemática las respuestas proporcionadas por los modelos generativos.

La falacia de la fluidez y el espejismo de la veracidad

Los grandes modelos de lenguaje priorizan la coherencia sintáctica y la verosimilitud estadística frente a la exactitud factual. Esta arquitectura probabilística genera un riesgo evidente en entornos formativos, donde la facilidad de lectura de las respuestas textuales, el uso predominante detectado por los investigadores, enmascara alucinaciones algorítmicas y errores sistemáticos. Los datos empíricos del informe no dejan lugar a dudas sobre la magnitud del problema de gobernanza algorítmica:

• Solo un 10 % del alumnado verifica siempre la información generada por los sistemas de inteligencia artificial.
• Un 23,8 % admite realizar esta comprobación únicamente a menudo.
• Un 32,9 % delega en la suerte y revisa los datos a veces, mientras que el 21,7 % lo hace raramente.
• Un preocupante 11,5 % de los estudiantes reconoce que no verifica nunca la validez de los contenidos obtenidos.

Este patrón de uso acrítico choca directamente con la exigencia de rigor intelectual que debe regir la enseñanza avanzada. La ausencia de un filtro analítico transforma al estudiante en un consumidor pasivo de outputs sintéticos, vaciando de contenido el esfuerzo cognitivo necesario para la adquisición de conocimiento duradero.

Hacia una pedagogía de la trazabilidad y el escepticismo metodológico

Ante la constatación de que el aprendizaje sobre el funcionamiento de estas tecnologías se basa mayoritariamente en la iniciativa autodidacta, los expertos firmantes del informe abogan por una transformación estructural en los centros educativos. El desafío no consiste en prohibir el acceso a la infraestructura computacional, sino en rediseñar los sistemas de evaluación para exigir transparencia en los procesos.

El alumnado necesita saber cuándo la inteligencia artificial es una ayuda legítima, cuando hay que limitar su uso y qué parte del proceso tiene que ser propia.

Esta perspectiva conecta con la necesidad de alinear la práctica educativa con los marcos regulatorios internacionales en materia de competencia digital y gobernanza de datos. La asimilación de conceptos como los sesgos de entrenamiento, la privacidad de la información y la ingeniería de peticiones debe integrarse en el currículo como una competencia transversal ineludible.

Diez directrices para la soberanía digital en las aulas

Para mitigar los riesgos derivados de una adopción desregulada y garantizar que la tecnología actúe como un amplificador cognitivo y no como un sustituto del pensamiento crítico, el equipo de investigación propone un decálogo de actuación institucional:

• Protocolos normativos: Desarrollar marcos de centro unificados que especifiquen con precisión los límites operativos de la inteligencia artificial.
• Centralidad de la escuela: Asumir la responsabilidad pedagógica para evitar que el autoaprendizaje fragmentado dicte la relación del estudiante con la tecnología.
• Verificación obligatoria: Elevar el contraste de fuentes y la detección de errores algorítmicos a la categoría de requisito indispensable en cualquier tarea.
• Alfabetización en peticiones: Enseñar la formulación, refinamiento y modulación de instrucciones como una disciplina analítica formal.
• Límites éticos: Demarcar con claridad los umbrales entre la asistencia legítima, la delegación inaceptable y el plagio académico.
• Dimensión moral: Incorporar al debate educativo cuestiones críticas relativas a la autoría, los sesgos de los datasets y la protección de datos personales.
• Complementariedad tecnológica: Garantizar que la infraestructura digital enriquezca la interacción docente sin desplazar el esfuerzo intelectual humano.
• Diversificación de herramientas: Superar el monopolio de los interfaces conversacionales basados en texto mediante la exploración de arquitecturas multimodales.
• Adaptabilidad curricular: Ajustar el uso de los modelos computacionales a la naturaleza específica de cada materia y nivel de enseñanza.
• Equidad digital: Prestar un apoyo intensivo al alumnado con menor familiaridad previa para evitar que la tecnología amplifique las brechas socioeducativas preexistentes.