Usar no es aprender: una lectura crítica de PISA 2025 y de la evidencia internacional sobre IAGen
DOI:
https://doi.org/10.70577/jd09wn31Palabras clave:
inteligencia artificial generativa; PISA 2025; aprendizaje; política educativa; alfabetización en IA; evaluación educativa; educación comparada.Resumen
La discusión educativa sobre inteligencia artificial generativa suele tratar el “uso de IA” como una exposición homogénea cuyos efectos podrían establecerse mediante una respuesta única. Este ensayo cuestiona esa premisa mediante un análisis documental comparado de un corpus principal de fuentes institucionales y académicas de alta influencia publicadas entre 2023 y 2026, complementado por antecedentes teóricos sobre instrumentación, descarga cognitiva y autorregulación. El corpus comprende PISA 2025, TALIS 2024, documentos normativos de UNESCO, el OECD Digital Education Outlook 2026, el AI Index Report 2026 y dos metaanálisis recientes sobre ChatGPT y resultados de aprendizaje. Los resultados muestran que las aparentes contradicciones entre asociaciones negativas, efectos experimentales favorables y recomendaciones normativas disminuyen cuando se distinguen el tipo de uso observado, el trabajo cognitivo que permanece en el estudiante, la mediación o regulación de la interacción y el alcance inferencial del diseño. PISA 2025 identifica relaciones diferenciadas entre uso de chatbots y desempeño científico según propósito y frecuencia, así como desigualdades en las oportunidades escolares declaradas para evaluar información generada por IA; su diseño no permite convertir esas asociaciones en efectos causales. Como contribución, se propone un criterio de cuatro preguntas para interpretar evidencia sobre inteligencia artificial generativa y aprendizaje. El caso costarricense muestra que el uso relativamente alto de chatbots, las oportunidades declaradas de evaluación crítica y los desafíos persistentes de desempeño pueden coexistir, por lo que la discusión debe desplazarse desde la mera disponibilidad hacia la calidad del uso educativo.
Descargas
Referencias
Artigue, M. (2002). Learning mathematics in a CAS environment: The genesis of a reflection about instrumentation and the dialectics between technical and conceptual work. International Journal of Computers for Mathematical Learning, 7(3), 245–274. https://doi.org/10.1023/A:1022103903080
Biesta, G. (2007). Why “what works” won’t work: Evidence-based practice and the democratic deficit in educational research. Educational Theory, 57(1), 1–22. https://doi.org/10.1111/j.1741-5446.2006.00241.x
Cartwright, N., & Hardie, J. (2012). Evidence-based policy: A practical guide to doing it better. Oxford University Press.
Global Education Monitoring Report Team. (2023). Global education monitoring report 2023: Technology in education: A tool on whose terms? UNESCO. https://doi.org/10.54676/UZQV8501
Liu, Z., Zuo, H., & Lu, Y. (2025). The impact of ChatGPT on students’ academic achievement: A meta-analysis. Journal of Computer Assisted Learning, 41(4), e70096. https://doi.org/10.1111/jcal.70096
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-teachers
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-students
OECD. (2025). Results from TALIS 2024: The state of teaching. OECD Publishing. https://doi.org/10.1787/90df6235-en
OECD. (2026a). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en
OECD. (2026b). PISA 2025 results (Volume I): Costa Rica. OECD Publishing. https://www.oecd.org/en/publications/pisa-2025-results-volume-i-country-notes_2d4ff9ea-en/costa-rica_53f42f10-en.html
OECD. (2026c). PISA 2025 results (Volume I): Future-ready students. OECD Publishing. https://doi.org/10.1787/73451bc5-en
Rabardel, P. (1995). Les hommes et les technologies: Approche cognitive des instruments contemporains. Armand Colin.
Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002
Stanford Institute for Human-Centered Artificial Intelligence. (2026). The AI Index report 2026. Stanford University. https://hai.stanford.edu/ai-index/2026-ai-index-report
Trouche, L. (2004). Managing the complexity of human/machine interactions in computerized learning environments: Guiding students’ command process through instrumental orchestrations. International Journal of Computers for Mathematical Learning, 9(3), 281–307. https://doi.org/10.1007/s10758-004-3468-5
Wu, X., Zhu, P., Zhang, J., Yin, M., & Wang, Y. (2026). ChatGPT’s impact on student learning outcomes: A meta-analysis of 35 experimental studies. Humanities and Social Sciences Communications, 13, 684. https://doi.org/10.1057/s41599-026-07019-z
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70. https://doi.org/10.1207/s15430421tip4102_2
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Melvin Ramírez Bogantes, Marco Gutiérrez Montenegro (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-CompartirIgual 4.0.
