Aprendizaje agéntico con guía

de la agencia humana a la coagencia con IA: fundamentos, evidencia y riesgos de un enfoque emergente

▸ Resumen

El aprendizaje agéntico con guía constituye un enfoque pedagógico emergente que articula la agencia del estudiante —entendida como su capacidad proactiva de intervenir en el flujo instruccional— con el andamiaje proporcionado por docentes y, de manera creciente, por sistemas de inteligencia artificial agéntica. Este artículo examina los fundamentos psicológicos del concepto, desde la teoría sociocognitiva de Bandura hasta la reconceptualización del compromiso agéntico de Reeve y Patall, evalúa su viabilidad como enfoque diferenciado, explora las tensiones que la IA agéntica introduce en los entornos de aprendizaje universitario y analiza críticamente los riesgos de delegación cognitiva y homogeneización intelectual que acompañan a esta convergencia.

Palabras clave: aprendizaje agéntico, compromiso agéntico, agencia del estudiante, IA agéntica, andamiaje, regulación híbrida, educación superior, pedagogía crítica.

1. Introducción

«La capacidad de ejercer control sobre la naturaleza y la calidad de la propia vida constituye la esencia de lo humano.» — Albert Bandura, Annual Review of Psychology (2001)

La desvinculación crónica de los estudiantes con respecto a sus procesos de aprendizaje constituye uno de los desafíos más persistentes de la educación superior contemporánea. Los datos resultan elocuentes: según la encuesta Gallup Student Poll, apenas el 47 % de los estudiantes entre quinto y duodécimo grado se declaran comprometidos, y esa cifra desciende al 33 % cuando alcanzan el décimo grado (Hodges, 2018; Patall, 2024). ¿Qué ocurre cuando trasladamos esta tendencia al contexto universitario? La pregunta no es retórica.

Durante décadas, la investigación educativa ha operado con un modelo tripartito del compromiso estudiantil: conductual (esfuerzo, atención), emocional (interés, disfrute) y cognitivo (autorregulación, estrategias profundas). Este esquema, aunque valioso, asume que el estudiante reacciona a lo que el docente proporciona. No contempla la posibilidad de que el estudiante intervenga activamente en el flujo instruccional para transformarlo. Es precisamente esta brecha la que el concepto de aprendizaje agéntico aspira a cerrar.

Ahora bien, la irrupción de la IA agéntica —sistemas autónomos capaces de perseguir objetivos complejos, secuenciar acciones y autoajustarse sin intervención humana constante (Acharya et al., 2025)— introduce una complejidad que no podemos ignorar. Bozkurt (2025) ha lanzado una advertencia que consideramos necesario tomar en serio: estos sistemas no son meras herramientas avanzadas, sino «participantes activos en una compleja reconfiguración de la agencia del estudiante». La cuestión, entonces, no es solo pedagógica sino también epistemológica y ética.

En este artículo proponemos examinar el aprendizaje agéntico con guía: un enfoque que combina la capacidad proactiva del estudiante con el andamiaje pedagógico deliberado, ya sea humano o algorítmico. Evaluaremos si este enfoque tiene sustento empírico suficiente, qué lo distingue de propuestas anteriores, y cómo la IA agéntica puede amplificarlo o, paradójicamente, erosionarlo. La honestidad intelectual nos obliga a explorar ambas posibilidades con igual rigor.

2. Genealogía del concepto: de Bandura al compromiso agéntico

2.1. La perspectiva agéntica de la teoría sociocognitiva

El punto de partida ineludible es Albert Bandura. Desde finales de los años ochenta, el psicólogo de Stanford fue desarrollando lo que denominó la perspectiva agéntica de la teoría sociocognitiva. En su formulación más depurada (Bandura, 2001), la agencia humana se caracteriza por cuatro propiedades nucleares: intencionalidad (la capacidad de formar planes de acción), previsión (la anticipación de resultados probables), autorreactividad (la autorregulación del curso de acción) y autorreflexión (la evaluación metacognitiva de las propias capacidades y del sentido de la acción).

Bandura (2001, 2006, 2018) distingue tres modalidades de agencia con implicaciones educativas directas. La agencia personal directa implica actuar por sí mismo para producir resultados. La agencia proxy se ejerce cuando se recurre a otros para lograr lo que uno no puede conseguir de manera autónoma: un estudiante que solicita retroalimentación específica al docente está ejerciendo agencia proxy. La agencia colectiva opera mediante el esfuerzo coordinado e interdependiente de un grupo. En su último libro (Bandura, 2023), estas tres formas se presentan como constitutivas de la naturaleza humana, no como meros mecanismos psicológicos.

El modelo de causalidad recíproca triádica sostiene que los factores personales (cognición, afectos, biología), las conductas y el entorno se influyen mutuamente de forma bidireccional. Trasladado al aula, esto significa que el estudiante no solo responde al entorno de aprendizaje: lo configura. Esta premisa, aparentemente abstracta, tiene consecuencias concretas para el diseño instruccional. Si los docentes diseñamos entornos que asumen pasividad estudiantil, generaremos pasividad. Si diseñamos para la agencia, esta podrá emerger.

2.2. El compromiso agéntico: Reeve y Tseng (2011)

El salto conceptual decisivo se produce en 2011, cuando Johnmarshall Reeve y Ching-Mei Tseng proponen el compromiso agéntico como cuarta dimensión del compromiso estudiantil. Su definición es precisa: la «contribución constructiva del estudiante al flujo de la instrucción que recibe» (Reeve y Tseng, 2011, p. 258). Un estudiante que formula preguntas, expresa preferencias sobre cómo abordar una tarea, sugiere modificaciones o solicita recursos está ejerciendo compromiso agéntico.

El estudio original con 365 estudiantes taiwaneses demostró tres hallazgos clave. Primero, el compromiso agéntico es empíricamente distinto de las otras tres dimensiones, aunque correlaciona positivamente con ellas. Segundo, se asocia significativamente con la satisfacción de necesidades psicológicas básicas (autonomía, competencia, relación). Tercero, predice varianza independiente en el rendimiento: incluso después de controlar los efectos de los componentes conductual, emocional y cognitivo, el compromiso agéntico explicó varianza única en las calificaciones finales.

2.3. Consolidación empírica: de Reeve, Cheon y Jang (2020) a Patall (2024)

El constructo no se ha mantenido estático. Reeve, Cheon y Jang (2020) han propuesto una reconceptualización del compromiso estudiantil para incrementar su capacidad explicativa. Su argumento es doble: el compromiso agéntico fortalece el vínculo entre lo que los estudiantes hacen y el progreso que logran, y genera una respuesta recíproca por parte del docente. Los profesores se vuelven más receptivos cuando perciben que sus estudiantes se implican proactivamente.

Patall (2024), en su artículo Agentic engagement: Transcending passive motivation (Motivation Science, 10(3), 222-233), argumenta que el compromiso agéntico trasciende la motivación pasiva porque es proactivo, colaborativo y constructivo. No se limita al individuo: genera efectos sistémicos. Cuando un estudiante se compromete agénticamente, enriquece la instrucción para sus compañeros.

Un metaanálisis reciente publicado en Educational Psychology Review (2025), con 652 tamaños del efecto procedentes de 62 estudios y 32.403 participantes, confirma la hipótesis de la función especializada: cada tipo de compromiso tiene un propósito diferenciado. El compromiso agéntico resultó ser el predictor más sólido del apoyo docente entre las cuatro dimensiones. La proactividad estudiantil transforma la dinámica relacional del aula.

3. Convergencias teóricas

3.1. Autodeterminación y agencia

Ryan y Deci (2000) identificaron tres necesidades psicológicas básicas para la motivación intrínseca: autonomía, competencia y relación. El compromiso agéntico se articula naturalmente con este triángulo: cuando un estudiante contribuye al flujo instruccional, ejerce autonomía (decide cómo implicarse), desarrolla competencia (adapta las condiciones de aprendizaje) y fortalece la relación con el docente (genera interacción recíproca). Investigaciones recientes (Alqurni, 2026) subrayan que los sistemas de IA agéntica pueden funcionar como un «compañero de aprendizaje» que promueve y andamia la autonomía.

3.2. Constructivismo, ZDP y aprendizaje autorregulado

Kostopoulos et al. (2025), en su revisión narrativa publicada en IEEE Access, argumentan que la IA agéntica en educación se nutre de al menos cuatro tradiciones teóricas consolidadas: el constructivismo (los agentes catalizan la construcción autónoma de conocimiento), la teoría del aprendizaje social (funcionan como compañeros o facilitadores), los modelos de aprendizaje autorregulado (fomentan planificación, monitorización y reflexión) y la zona de desarrollo próximo de Vygotsky (el agente identifica la ZDP y proporciona andamiajes personalizados en tiempo real).

Coincidimos con este análisis, aunque añadiríamos un matiz importante: la autorregulación es condición necesaria pero no suficiente para el aprendizaje agéntico. Un estudiante puede autorregularse eficazmente sin jamás intervenir proactivamente en el flujo instruccional. El compromiso agéntico requiere, además, disposición a actuar sobre el entorno, no solo a adaptarse a él.

4. Aprendizaje agéntico con guía: definición y propiedades

A partir de la evidencia revisada, proponemos conceptualizar el aprendizaje agéntico con guía como un enfoque pedagógico en el que la agencia del estudiante se activa y se sostiene mediante andamiaje deliberado proporcionado por el docente, por pares o por sistemas de IA diseñados con intencionalidad pedagógica. No se trata de autonomía plena ni de dirección completa: es un espacio intermedio donde la iniciativa del estudiante se encuentra con estructuras de apoyo que la canalizan, la amplían y la hacen productiva.

El adjetivo «con guía» no denota paternalismo. Siguiendo la terminología de la SDT, se refiere al apoyo a la autonomía: un estilo instruccional que toma la perspectiva del estudiante, ofrece opciones significativas y reconoce sus preferencias (Reeve y Cheon, 2021). La guía es, paradójicamente, lo que permite que la agencia sea productiva y no simplemente dispersa.

5. El debate central: ¿nueva teoría del aprendizaje o enfoque tecnopedagógico?

Aquí llegamos a una cuestión que consideramos necesario abordar con franqueza: ¿estamos ante una nueva teoría del aprendizaje o ante un enfoque de implementación tecnopedagógica? Nuestra posición, matizada, difiere parcialmente de ambas lecturas extremas.

Por un lado, coincidimos con Kostopoulos et al. (2025) cuando argumentan que el aprendizaje agéntico no constituye, stricto sensu, una nueva teoría del aprendizaje. No propone mecanismos cognitivos desconocidos ni formula leyes inéditas sobre cómo los seres humanos adquieren conocimiento. Se nutre de tradiciones teóricas consolidadas: el constructivismo, la SDT, la teoría sociocognitiva y los modelos de aprendizaje autorregulado.

Por otro lado, reducirlo a un mero «enfoque de implementación tecnológica» sería insuficiente. El compromiso agéntico, como constructo, ha demostrado empíricamente que captura una dimensión de la experiencia de aprendizaje que los tres componentes clásicos del compromiso no explican. Predice varianza independiente en el rendimiento. Tiene una función especializada (la generación de apoyo docente) que lo distingue cualitativamente. Y su articulación con la IA agéntica abre interrogantes que las teorías existentes no resuelven por sí solas.

▸ Nuestra posición. El aprendizaje agéntico con guía no es una nueva teoría del aprendizaje, pero tampoco es un simple marco de implementación tecnológica. Es un enfoque pedagógico emergente que reconceptualiza la relación estudiante-instrucción-entorno incorporando la dimensión agéntica como constitutiva del proceso formativo. Su novedad reside no en los ingredientes teóricos individuales, sino en su articulación específica y en las tensiones inéditas que la coagencia con IA introduce.

6. Diferenciación respecto a enfoques existentes

7. La IA agéntica: amplificador y amenaza

7.1. ¿Qué es un sistema de IA genuinamente agéntico?

La IA agéntica se define como sistemas de IA que persiguen objetivos complejos con mínima intervención humana, adaptando planes y acciones a contextos cambiantes (Acharya et al., 2025; Hosseini y Seilani, 2025). Kostopoulos et al. (2025) proponen un listado operativo: un sistema es genuinamente agéntico si cumple al menos cuatro de seis criterios: autonomía, razonamiento, memoria, planificación, corporalización e interacción dirigida a metas. Este rigor conceptual resulta crucial para distinguir agentes genuinos de chatbots glorificados.

7.2. La promesa: andamiaje adaptativo y regulación híbrida

Un estudio reciente publicado en Frontiers in Artificial Intelligence (Alqurni, 2026), utilizando la teoría sociocognitiva de Bandura y la SDT como marcos interpretativos, demuestra que la agencia percibida de los sistemas de IA correlaciona positivamente con el apoyo a la autonomía y la autoeficacia del estudiante. Cuando los estudiantes perciben que el sistema respeta su ritmo, ofrece retroalimentación pertinente y asiste sin imponer, su autodeterminación se fortalece.

Molenaar (2022) ha propuesto el concepto de regulación híbrida humano-IA, que consideramos el marco más prometedor para articular la coagencia. En este modelo, la IA no reemplaza la cognición humana: la aumenta, funcionando como un «copiloto» metacognitivo que andamia y apoya al estudiante, quien permanece como «piloto» de su propio aprendizaje.

7.3. La amenaza: delegación cognitiva y mentes manufacturadas algorítmicamente

Aquí debemos ser especialmente rigurosos. Bozkurt (2025), en su provocador artículo Algorithmically manufactured minds (Open Praxis, 17(2), 206-210), argumenta que la IA agéntica no solo automatiza tareas, sino que reconfigura la agencia del estudiante de maneras que pueden resultar corrosivas para la pedagogía crítica. Su análisis identifica cuatro riesgos que merecen atención detenida.

⚠ Riesgo 1: Pereza metacognitiva. Cuando un estudiante delega a un agente de IA la tarea de resumir textos, buscar fuentes o estructurar argumentos, no solo descarga trabajo: cortocircuita la lucha cognitiva esencial para el desarrollo de competencias de orden superior. La conveniencia de la IA puede erosionar las habilidades de autorregulación y pensamiento crítico (Sargsyan, 2025; Levin et al., 2025).

⚠ Riesgo 2: Colapso modal y homogeneización intelectual. Cuando una clase entera utiliza la misma IA, los trabajos tienden a converger hacia los estilos y conclusiones preferidos por los algoritmos. Bozkurt (2025) lo describe como socialización en «una realidad generada por la máquina que se percibe como autoritativa sin estar anclada en la indagación rigurosa basada en evidencia».

⚠ Riesgo 3: El panóptico algorítmico. La IA puede crear una ilusión de libertad mientras guía sutilmente al estudiante a través de caminos predefinidos, limitando la exploración genuina y la serendipia intelectual. La agencia aparente puede enmascarar una forma sofisticada de control.

⚠ Riesgo 4: Erosión de la pedagogía crítica. Al valorar el producto final por encima del proceso, se corre el riesgo de alienar a los estudiantes del proceso formativo de la indagación, el análisis y la síntesis, haciéndolos más vulnerables a la desinformación (Bozkurt, 2025).

Estos riesgos no invalidan el enfoque, pero delimitan las condiciones bajo las cuales resulta productivo. La diferencia entre amplificación y erosión de la agencia no reside en la tecnología, sino en el diseño pedagógico que la enmarca. Verghis et al. (2025) subrayan que la personalización algorítmica, sin autonomía genuina, puede convertirse en una forma sofisticada de paternalismo digital.

8. Evaluación de viabilidad

¿Podemos considerar el aprendizaje agéntico con guía como un enfoque pedagógico viable y diferenciado? Nuestra evaluación es cautelosamente afirmativa, sustentada en tres argumentos y acotada por tres limitaciones.

Argumentos a favor

Sustento empírico creciente. El metaanálisis de Educational Psychology Review (2025) documenta, a partir de 652 tamaños del efecto en 62 estudios con más de 32.000 participantes, que el compromiso agéntico tiene una función especializada diferenciada. Utami y Kurniawati (2024) ofrecen una revisión sistemática que confirma su impacto en la resiliencia académica y la autoeficacia.

Diferenciación conceptual clara. Como muestra la Tabla 2, el aprendizaje agéntico con guía se distingue de propuestas anteriores en aspectos específicos: la intervención en el flujo instruccional como componente constitutivo, la coagencia persona-IA como relación operativa y la base teórica integrada de Bandura-SDT-Reeve.

Convergencia con tendencias tecnológicas verificables. La IA agéntica ya se implementa en contextos educativos reales: Khanmigo (Khan Academy) utiliza el método socrático para guiar sin dar respuestas directas; Jill Watson (Georgia Tech) mejora la presencia docente en clases masivas; Carnegie Learning y Duolingo generan respuestas adaptativas y conscientes del contexto (Kostopoulos et al., 2025).

Limitaciones reconocidas

Base empírica aún modesta. La revisión sistemática de Utami y Kurniawati (2024) identificó solo 15 artículos elegibles entre 2011 y 2024. Patall (2024) reconoce explícitamente la insuficiencia de la investigación y la necesidad de futuros estudios sobre naturaleza, función, antecedentes y condiciones de activación del compromiso agéntico.

Predominio de educación primaria y secundaria. La mayoría de los estudios se han realizado en contextos preuniversitarios. La transferencia al ámbito universitario, particularmente en contextos hispanohablantes, requiere investigación específica.

Ausencia de evaluaciones longitudinales con IA agéntica. La convergencia entre compromiso agéntico e IA agéntica es teóricamente prometedora pero empíricamente incipiente. Necesitamos estudios que midan el impacto a medio y largo plazo de la coagencia persona-IA sobre el desarrollo de la agencia estudiantil genuina.

9. Principios para la práctica docente universitaria

Si aceptamos, con las cautelas señaladas, la viabilidad de este enfoque, ¿qué consecuencias prácticas se derivan? Proponemos cinco principios de acción.

1. Diseñar para la contribución, no solo para la participación. Las actividades deben incluir espacios donde los estudiantes modifiquen las condiciones de la tarea, propongan alternativas y ofrezcan retroalimentación sobre la instrucción. La participación conductual es insuficiente.

2. Calibrar el andamiaje al nivel de agencia. El andamiaje debe comenzar siendo más estructurado para quienes tienen menor experiencia agéntica y retirarse progresivamente. Molenaar (2022) denomina esto regulación híbrida: la IA ajusta su nivel de intervención según la competencia autorreguladora del estudiante.

3. Implementar la IA como coagente, no como sustituto. Los sistemas de IA deben proporcionar opciones, preguntas provocadoras y retroalimentación formativa, no respuestas completas ni itinerarios cerrados. El método socrático de Khanmigo es un ejemplo de esta orientación.

4. Integrar la reflexión metacognitiva sobre la agencia. Rutinas como el diario de aprendizaje, rúbricas de autoevaluación de la iniciativa o sesiones de reflexión colectiva pueden hacer visible la dimensión agéntica. Levin et al. (2025) insisten en que el desafío metacognitivo es el aspecto más desatendido de la integración de IA en educación.

5. Vigilar activamente los indicadores de delegación cognitiva. El docente debe monitorizar si la IA amplifica la agencia o la sustituye. Indicadores de alerta: reducción progresiva de preguntas originales, convergencia estilística entre trabajos, incapacidad de los estudiantes para explicar sus propios procesos de indagación.

10. Conclusiones

El aprendizaje agéntico con guía se inscribe en una tradición teórica sólida y encuentra en la convergencia con la IA agéntica un terreno fértil para su desarrollo, pero también un campo minado de riesgos que no podemos minimizar. Tres conclusiones se imponen con razonable claridad.

Primera. El compromiso agéntico, como constructo empírico, ha demostrado ser distinto, relevante y predictivo. No es un sinónimo de participación activa ni de motivación intrínseca. Captura algo que los tres componentes clásicos del compromiso no explican: la intervención proactiva del estudiante en las condiciones de su propio aprendizaje.

Segunda. La IA agéntica puede ser el vehículo tecnológico más potente para materializar los principios del aprendizaje agéntico con guía, pero solo si se diseña como andamiaje adaptativo que se retira progresivamente, no como sustituto de la lucha cognitiva del estudiante. El modelo de regulación híbrida de Molenaar (2022) ofrece la orientación más clara para este diseño.

Tercera. Las advertencias de Bozkurt (2025) sobre la homogeneización intelectual, la pereza metacognitiva y el panóptico algorítmico merecen ser tomadas en serio, no como argumentos contra la tecnología sino como criterios de diseño. El objetivo no es crear, en palabras de Bozkurt, «mentes manufacturadas algorítmicamente», sino empoderar mentes humanas que naveguen, critiquen y cocreen en entornos cada vez más complejos.

La educación superior necesita estudiantes que no solo aprendan lo que se les enseña, sino que contribuyan a definir qué, cómo y bajo qué condiciones aprenden. El aprendizaje agéntico con guía ofrece un vocabulario conceptual y una orientación práctica para avanzar en esa dirección. La tarea que nos corresponde es poner estas ideas a prueba con el rigor que merecen y con la apertura que la complejidad del momento exige.

Referencias

Acharya, D. B., Kuppan, K. y Divya, B. (2025). Agentic AI: autonomous intelligence for complex goals – a comprehensive survey. IEEE Access.

Alqurni, J. (2026). Exploring the role of agentic AI in fostering self-efficacy, autonomy support, and self-learning motivation in higher education. Frontiers in Artificial Intelligence, 9. https://doi.org/10.3389/frai.2025.1738774

Bandura, A. (2001). Social cognitive theory: an agentic perspective. Annual Review of Psychology, 52, 1-26. https://doi.org/10.1146/annurev.psych.52.1.1

Bandura, A. (2006). Toward a psychology of human agency. Perspectives on Psychological Science, 1(2), 164-180.

Bandura, A. (2018). Toward a psychology of human agency: pathways and reflections. Perspectives on Psychological Science, 13(2), 130-136. https://doi.org/10.1177/1745691617699280

Bandura, A. (2023). Social cognitive theory: an agentic perspective on human nature. Wiley.

Bozkurt, A. (2025). Algorithmically manufactured minds: generative and agentic AI in a time of post-truth, reconfiguration of student agency and death of critical pedagogy. Open Praxis, 17(2), 206-210. https://doi.org/10.55982/openpraxis.17.2.792

Hodges, T. (2018). School engagement is more than just talk. Gallup Student Poll.

Hosseini, S. y Seilani, H. (2025). The role of agentic AI in shaping a smart future: a systematic review. Array, 26, 100399. https://doi.org/10.1016/j.array.2025.100399

Kostopoulos, G., Gkamas, V., Rigou, M. y Kotsiantis, S. (2025). Agentic AI in education: state of the art and future directions. IEEE Access, 13, 77467-77489. https://doi.org/10.1109/ACCESS.2025.3620473

Levin, I., Marom, M. y Kojukhov, A. (2025). Rethinking AI in education: highlighting the metacognitive challenge. BRAIN. Broad Research in Artificial Intelligence and Neuroscience, 16(1).

Molenaar, I. (2022). The concept of hybrid human-AI regulation: exemplifying how to support young learners' self-regulated learning. Computers and Education: Artificial Intelligence, 3, 100070. https://doi.org/10.1016/j.caeai.2022.100070

Patall, E. A. (2024). Agentic engagement: transcending passive motivation. Motivation Science, 10(3), 222-233. https://doi.org/10.1037/mot0000332

Raidas, M. A. y Bhandari, R. (2025). Agentic AI in education: redefining learning for the digital era. En Artificial intelligence in education: transforming learning for the future. ISBN: 978-81-988164-1-2.

Reeve, J. (2013). How students create motivationally supportive learning environments for themselves: the concept of agentic engagement. Journal of Educational Psychology, 105(3), 579-595.

Reeve, J., Cheon, S. H. y Jang, H. (2020). How and why students make academic progress: reconceptualizing the student engagement construct to increase its explanatory power. Contemporary Educational Psychology, 64, 101926. https://doi.org/10.1016/j.cedpsych.2020.101926

Reeve, J. y Cheon, S. H. (2021). Autonomy-supportive teaching. Educational Psychologist, 56(1), 54-72.

Reeve, J. y Tseng, C.-M. (2011). Agency as a fourth aspect of students' engagement during learning activities. Contemporary Educational Psychology, 36(4), 257-267. https://doi.org/10.1016/j.cedpsych.2011.05.002

Ryan, R. M. y Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68-78.

Sargsyan, L. (2025). Integrating agentic AI in higher education: balancing opportunities, challenges, and ethical imperatives.

Utami, R. A. y Kurniawati, F. (2024). Agentic engagement in education: a systematic review of its characteristics, factors, and impacts (2011-2024). Konselor, 13(4).

Verghis, A. M. et al. (2025). Beyond personalization: autonomy and agency in intelligent systems education. Frontiers in Education, 10. https://doi.org/10.3389/feduc.2025.1610239

Zimmerman, B. J. (2000). Self-efficacy: an essential motive to learn. Contemporary Educational Psychology, 25(1), 82-91.

© 2026 Fernando Santamaría · IAforTeachers.com

Citar como: Santamaría González, F. (2026). Aprendizaje agéntico con guía: de la agencia humana a la coagencia con IA. IAforTeachers, Serie Pedagogías Emergentes, Nº 4. Puedes acceder a la versión editorial aquí.