Un ensayo controlado aleatorizado realizado en la Universidad de Maryland ha analizado qué ocurre cuando un tutor de inteligencia artificial se integra directamente en varias asignaturas universitarias. El resultado fue contraintuitivo: los grupos con acceso al asistente obtuvieron peores notas finales y participaron menos en las actividades de la plataforma.
El concepto clave es la fricción del aprendizaje. Aprender implica esfuerzo, incertidumbre, errores y revisión; si una herramienta elimina demasiado pronto parte de esa dificultad, puede terminar reduciendo la implicación del estudiante en lugar de reforzarla.
¿Qué ha estudiado esta investigación?
El estudio se realizó durante el semestre de otoño de 2025 con 2.379 estudiantes de grado y 30 profesores de distintas disciplinas, entre ellas STEM, humanidades, ciencias sociales y educación.
La asignación se hizo por profesor. A la mitad de los grupos se les activó un asistente de estudio basado en GPT-4o, integrado en la plataforma del curso y alimentado con los materiales docentes de cada profesor.
Al comparar grupos de una misma asignatura, los investigadores observaron que disponer del tutor redujo la nota final en 0,37 desviaciones estándar, aproximadamente cuatro puntos sobre 100. También disminuyó la participación en las actividades de la plataforma en 0,90 desviaciones estándar.
¿Cómo utilizaron realmente los estudiantes el tutor?
Uno de los datos más relevantes es que el uso fue reducido. Solo el 15 % de los estudiantes que tenían acceso llegó a utilizar el tutor alguna vez, principalmente antes de los exámenes.
Además, el patrón de uso fue claramente instrumental. El 73,8 % de las peticiones buscaba respuestas, explicaciones o soluciones directas, mientras que solo el 0,7 % solicitaba feedback sobre un trabajo realizado por el propio estudiante.
Los usuarios del sistema también declararon hacer menos preguntas al profesor. Esto sugiere que la herramienta no solo pudo modificar la forma de resolver tareas, sino también la relación del estudiante con otros recursos de aprendizaje disponibles en la asignatura.
¿Qué significa esto para el aprendizaje?
En mi opinión, este estudio apunta a una cuestión importante: integrar una herramienta de inteligencia artificial en una asignatura no mejora automáticamente el aprendizaje. Dicho de una forma menos académica, la posibilidad de obtener respuestas directas parece haber hecho a los estudiantes más perezosos: redujo su implicación y rebajó la intensidad del proceso de aprendizaje.
Y ahí está, creo, una de las claves. Aprender exige superar una dificultad, enfrentarse a un problema, equivocarse y volver a intentarlo. Si la inteligencia artificial elimina demasiado pronto esa fricción, aprobar puede dejar de percibirse como un reto.
El problema, por tanto, no está en usar IA, sino en calibrar correctamente su papel para que ayude sin sustituir el esfuerzo que el aprendizaje necesita.
¿Qué limitaciones tiene el estudio?
Los propios autores señalan varias cautelas importantes. El rendimiento se midió mediante las notas del curso y no mediante pruebas independientes, por lo que no puede asumirse que estas calificaciones capturen por completo el aprendizaje real.
Además, el uso del tutor fue bajo y casi todos los profesores mantuvieron activado el modo de respuesta directa en lugar de un modo más orientado a tutorizar. Los autores también plantean que parte del efecto podría deberse a un clima más permisivo hacia el uso de IA en general, y no exclusivamente al asistente estudiado.
Por último, se trata de un working paper todavía sin revisión por pares, por lo que sus conclusiones deben interpretarse como evidencia preliminar.
Datos clave
- Muestra: 2.379 estudiantes y 30 profesores.
- Diseño: ensayo controlado aleatorizado por profesor.
- Resultado principal: unos 4 puntos menos sobre 100 en la nota final.
- Uso del tutor: solo el 15 % lo utilizó alguna vez.
- Fuente: EdWorkingPapers, documento de trabajo sin revisión por pares.
Referencia
Liu, J., Sweet, T., Chen, M. H., Engelberg, J., Masters, M. C., Clark, M., Persaud, A., Lancaster, A., Hollingsworth, J. K. y Rice, J. K. (2026). The effects of course-integrated AI tutoring on student performance and engagement: A randomized university trial (EdWorkingPaper n.º 26-1598). Annenberg Institute at Brown University. https://doi.org/10.26300/y3f8-vh05
Imagen: Biblioteca McKeldin, Universidad de Maryland. Foto de Blacktupelo, Wikimedia Commons, licencia CC BY-SA 4.0.