Reconfigurando la educación superior: la integración de la Inteligencia Artificial para el desarrollo de competencias del siglo XXI

Por Edgar Benítez * y Álvaro Balaguer**

 *Instituto de Ciencia de Datos e Inteligencia Artificial (DATAI), Universidad de Navarra.

**Facultad de Educación y Psicología, Universidad de Navarra.

 

Palabras clave: ESTUDIOS SOBRE EDUCACIÓN, Inteligencia Artificial, competencias del siglo XXI.

 

A comienzos del siglo XXI se popularizó la denominada Curva de Gartner o Gartner hype cycle (Ciclo de Exageración) para describir el ciclo de vida de las tecnologías (Linden & Fenn, 2003). En ella se ponían de manifiesto las sucesivas fases que experimentan las tecnologías desde su emergencia hasta su consolidación:

1. Divulgación de la Tecnología: genera alta expectativa (hype) y conduce al Pico de Expectativas Infladas, donde las expectativas son altas, pero poco realistas.
2. Valle de la Desilusión: las expectativas no se cumplen y el entusiasmo disminuye.
3. Cuesta de la Iluminación: con el tiempo, las expectativas se alinean con la realidad y la tecnología desarrolla su verdadero potencial.
4. Meseta de Productividad: se comprenden las verdaderas capacidades y limitaciones de la tecnología, y su adopción se estabiliza.

La Inteligencia Artificial (IA) ha pasado y sigue pasando por varias etapas de este ciclo. En el ámbito de la educación, es posible afirmar que la curva de exageración podría estar llegando al Valle de la Desilusión. Observamos estudiantes que abusan de su uso, o a profesores frustrados al calificar trabajos sin saber si evalúan al estudiante o el resultado de una consulta a la IA, lo que en algunos casos ha llevado simplemente a la prohibición de su uso. La falta de claridad acerca de cómo controlarla ha llevado a su rechazo.

Es evidente, entonces, que la forma en que la IA se debe integrar en el proceso académico es un tema relevante y que, como con muchas tecnologías anteriores, el objetivo debería centrarse en buscar su integración en la docencia, entendiendo su ubicuidad, para así alinearla a las expectativas de aprendizaje y enseñanza de estudiantes y profesores.

Desarrollar competencias en lugar de acumular conocimientos

Los principales aportes a la docencia de la IA se observan en dos áreas: en la forma en que hace disponible la información y en que permite la ejecución de procesos repetitivos, lo que lleva a que memorizar o aprender algoritmos[1] pueda no ser ya tan relevante en el proceso de aprendizaje. Bajo estas circunstancias, es importante revisitar el concepto de competencias en su acepción más amplia, aquella que la entiende como el conjunto de conocimientos, habilidades, actitudes y valores necesarios para realizar eficazmente una tarea o función, la cual se puede articular bajo tres subconceptos:

1. Saber: conocimientos teóricos y factuales necesarios para desempeñar una tarea.
2. Hacer: habilidades para aplicar los conocimientos en la práctica.
3. Ser: actitudes y valores, incluyendo disposición emocional, ética y responsabilidad.

Podemos decir entonces que una competencia es el conjunto del Saber, el Hacer y el Ser de una tarea. Como ya hemos dicho, la IA se centra en dar acceso a la información y a facilitar la ejecución de procesos repetitivos, lo cual coincide con lo que hemos denominado el Saber y el Hacer, de manera que el Ser, para la IA, es un espacio inexplorado en el contexto del desarrollo de las competencias.

En un estudio reciente que hemos llevado a cabo en adolescentes, se reafirmó que las competencias se pueden resumir en dos tipos: blandas y duras (Balaguer et al., 2025), que en estudiantes universitarios tienen gran aplicabilidad, especialmente en cuanto a la motivación (Vázquez-González et al., 2022). Teniendo en cuenta esto, la IA puede potenciar las competencias duras, como conocimientos técnicos y habilidades prácticas, mientras que las competencias blandas, como la comunicación, el trabajo en equipo y la ética, necesitan un enfoque más personal y humano. De esta manera se logra un equilibrio en donde el desarrollo del Ser se convierte en un objetivo central, complementando el Saber y el Hacer facilitados por la IA.

Desde la perspectiva del estudiante

La IA ofrece alternativas poco exploradas para llevar al aula diferentes formas de aprendizaje, ya que no todos aprendemos de la misma forma. Si el profesor guía al estudiante en su proceso, el mismo estudiante podrá escoger la mejor forma para lograr los objetivos curriculares, generando autodirección en su formación.

El reto que ofrece ahora la IA pasa por identificar qué tareas plantear al estudiante, sabiendo que la usará (con o sin autorización). El esfuerzo del docente deberá entonces orientarse a ayudarle a construir capacidades críticas y éticas en el uso de la IA, volviéndose resiliente y autónomo, con o sin el uso de estas tecnologías, es decir, una formación de las competencias centrada en el Ser. Sin embargo, se puede pensar que la formación centrada en el Ser pudiera restar rigor a la evaluación integral del estudiante, pero no es así: lo que se plantea es enfocar esta evaluación hacia el proceso de enseñanza-aprendizaje en la capacidad del estudiante para demostrar disposición emocional y ética. Mientras que la IA puede potenciar las competencias duras facilitando el acceso a información y la ejecución de procesos repetitivos, el docente redirige su esfuerzo hacia las competencias blandas, como la comunicación, la colaboración y la ética. Así, se asegura un desarrollo integral del estudiante, que abarque tanto las habilidades técnicas como las habilidades del siglo XXI (Rotherham & Willingham, 2010), que requieren una intervención más personal y humana.

La práctica en el aula

Para llevar esto a la práctica, lo primero es cambiar el enfoque de evaluaciones sumativas a evaluaciones formativas, que informen sobre el proceso de aprendizaje más que solo medir el resultado final. El profesor no es un juez, sino un facilitador y un guía. Esto se une a la idea de que el estudiante escoja su propio camino de aprendizaje, adaptándose a un mundo cambiante y con alta especialización.

Fuente de la imagen: Pexels

La IA en el aula no debe verse como un conflicto con las prácticas existentes, sino como una oportunidad para innovar y mejorar los métodos de enseñanza y evaluación. Evaluar la ingeniería del prompt y enfocarse en los procesos y metodologías detrás de los resultados generados por IA sugiere un enfoque más crítico y reflexivo hacia la tecnología, asegurando que los estudiantes no solo consuman información, sino que también desarrollen habilidades críticas para evaluar y entender cómo se generan esos resultados. La educación personalizada podrá adaptar los materiales de aprendizaje a las necesidades individuales y proporcionar recursos adicionales para quienes deseen explorar más a fondo.

A manera de conclusión

La Curva de Gartner nos ayuda a comprender la evolución de la IA en la educación. A pesar de las altas expectativas iniciales, la IA ha experimentado un desfase entre estas expectativas y su impacto real en la enseñanza y el aprendizaje, lo cual ya ha sido reportado en otros tipos de tecnologías de la información (Coll, 2008). Sin embargo, su potencial transformador no debe subestimarse, ya que su capacidad para mejorar la educación depende del contexto de uso (Torres Vivar et al., 2024). En la educación superior, la IA presenta tanto oportunidades como desafíos, incluyendo la necesidad de regulación ética (Chávez Granizo et al., 2024) y de equidad para una implementación justa y eficaz (Durán Sánchez et al., 2024).

A pesar de estos desafíos, la IA puede ser un valioso recurso para los docentes, ya que alivia la carga administrativa y les permite personalizar la enseñanza (Ordóñez García et al., 2024). Este enfoque conduce a la creación de currículos flexibles (Cano, 2014) y permite a los estudiantes profundizar en áreas de interés o relevancia para sus futuras carreras (Díaz-Barriga et al., 2020). Esto no disminuye la exigencia en la evaluación, sino que contribuye a una educación profundamente relevante y rigurosamente preparatoria.

Para avanzar en la integración de la IA en la educación superior es crucial desarrollar estrategias que equilibren las competencias duras y blandas, asegurando que los estudiantes no solo adquieran conocimientos técnicos, sino también habilidades decisivas en el siglo XXI, como el pensamiento crítico, la colaboración y la comunicación. La formación centrada en el Ser debe complementarse con el Saber y el Hacer, facilitados por la IA, para asegurar un desarrollo integral del estudiante.

Además, es fundamental fomentar la formación de los docentes en el uso ético y efectivo de la IA, asegurando que estén preparados para guiar a los estudiantes en su proceso de aprendizaje en un entorno cada vez más digitalizado. La colaboración entre instituciones educativas, gobiernos y empresas tecnológicas puede ser un factor clave para superar los desafíos y maximizar los beneficios de la IA en la educación.

En resumen, la integración de la IA en la educación superior representa una oportunidad significativa para transformar los métodos de enseñanza y aprendizaje, preparando mejor a los estudiantes para enfrentar los retos de un mundo en constante cambio. Con un enfoque equilibrado y ético, la IA puede convertirse en un aliado poderoso para mejorar la calidad educativa y el desarrollo de competencias esenciales para el siglo XXI.

Figura 1

Ciclo de Exageración de Gartner para Tecnologías Emergentes

Nota: La figura muestra las distintas fases por las que pasa una tecnología emergente desde su introducción hasta su madurez. Estas fases son: Innovación Tecnológica, Pico de Expectativas Infladas, Valle de Desilusión, Cuesta de la Iluminación y Meseta de la Productividad. El gráfico ilustra cómo las expectativas y el entusiasmo iniciales suelen ser muy altos, seguidos por una fase de desilusión y un eventual ajuste hasta llegar a una adopción productiva y estabilizada.

Referencias

Balaguer, Á., Serrano, B., Orejudo, S., & Benítez, E. (2025). Key competences in Education and General Self-efficacy. Validation of COMINT scale. Revista de Educación, 407, 1-30. https://doi.org/10.4438/1988-592X-RE-2025-407-654

Cano, J. M. (2014). Flexibilidad y educación superior. Horizonte Sanitario, 8(1), 4-6. https://doi.org/10.19136/hs.a8n1.179

Chávez Granizo, G. P., Castro Game, J. K., Ibarra Martínez, M. A., & Tobar Flores, Y. F. (2024). La inteligencia artificial en la educación superior: Oportunidades y amenazas. RECIAMUC, 8(1), 71-79. https://doi.org/10.26820/reciamuc/8.(1).ene.2024.71-79

Coll, C. (2008). Aprender y enseñar con las TIC: Expectativas, realidad y potencialidades. Boletín de la Institución Libre de Enseñanza, 72(1), 7-40.

Díaz-Barriga, F., López-Ramírez, J. L., & López-Banda, E. A. (2020). Trayectorias personales de aprendizaje y currículo flexible: La perspectiva de los estudiantes universitarios de psicología. Revista Iberoamericana de Educación Superior, 11(30), 3-21. https://doi.org/10.22201/iisue.20072872e.2020.30.585

Durán Sánchez, F. A., Mora Naranjo, B. M., Basurto Cobeña, M. P., Barcio López, D. E., & Rosales Macas, F. J. (2024). Desarrollo de competencias del siglo XXI en estudiantes de educación primaria a través de la enseñanza de habilidades cognitivas con apoyo de inteligencia artificial. Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(1), 187. https://doi.org/10.56712/latam.v5i1.1793

Linden, A., & Fenn, J. (2003). Understanding Gartner’s hype cycles. Strategic Analysis Report Nº R-20-1971. Gartner, Inc, 88, 1423.

Ordóñez García, S. C., Padilla Romero, L. E., Buenaño Barrionuevo, L. A., & Herrera Valdivieso, M. V. (2024). Impacto de la inteligencia artificial en la formación del docente para la educación superior. RECIAMUC, 8(1), 189-195. https://doi.org/10.26820/reciamuc/8.(1).ene.2024.

Rotherham, A. J., & Willingham, D. T. (2010). “21st-century” skills. American Educator, 17(1), 17-20.

Torres Vivar, L. R., Sánchez Ávila, P. R., Pizarro Vargas, V. J., & Rubio Marín, A. F. (2024). Aplicaciones de inteligencia artificial (IA) en la educación. RECIAMUC, 8(1), 178-188. https://doi.org/10.26820/reciamuc/8.(1).ene.2024.

Vázquez-González, L., Clara-Zafra, M., Céspedes-Gallegos, S., Ceja-Romay, S., & Pacheco-López, E. (2022). Estudio sobre habilidades blandas en estudiantes universitarios: El caso del TECNM Coatzacoalcos. IPSA Scientia, Revista Científica Multidisciplinaria, 7(1), 10-25. https://doi.org/10.25214/27114406.1311

Cómo citar esta entrada:

Benitez, Edgar y Balaguer, Álvaro (2024). Reconfigurando la educación superior: la integración de la Inteligencia Artificial para el desarrollo de competencias del siglo XXI. Aula Magna 2.0 [Blog]. https://cuedespyd.hypotheses.org/16814

 

---

[1] Un algoritmo se entiende como una secuencia ordenada de pasos o tareas que se deben seguir para alcanzar un objetivo específico. Por ejemplo, realizar operaciones matemáticas, resumir textos o extraer información de documentos.

---

---