Enseñar en la era de la IA generativa: un libro de cabecera para el profesorado universitario

Cuando en noviembre de 2022 irrumpió ChatGPT, la comunidad docente se fragmentó. Algunos respondieron con desconfianza visceral, otros abrazaron la novedad con entusiasmo quizá excesivo, y la inmensa mayoría navegó, como era previsible, entre la incertidumbre y el desconcierto. En apenas cinco días, un millón de usuarios habían probado el sistema. Dos meses después, la cifra alcanzaba los cien millones, convirtiéndolo en la aplicación de crecimiento más rápido de la historia. El uso, como suele ocurrir con las tecnologías disruptivas, precedió con mucho al debate ético.

Desde entonces se ha publicado una avalancha de artículos, manuales, guías prácticas y documentos institucionales sobre inteligencia artificial en educación. La mayoría oscila entre dos polos problemáticos: el alarmismo tecnofóbico que ve en cada chatbot una amenaza existencial para la integridad académica, o el tecnoentusiasmo ingenuo que promete revoluciones pedagógicas sin fundamento empírico. Pocos textos logran lo que sí consigue este libro: equilibrar profundidad teórica, enfoque práctico y una mirada crítica sobre lo que realmente está en juego.

Portada del libro: Corbeil, J. R. y Corbeil, M. E. (Eds.). (2025). Teaching and Learning in the Age of Generative AI. Routledge.

Publicado por Routledge en 2025, Teaching and Learning in the Age of Generative AI: Evidence-Based Approaches to Pedagogy, Ethics, and Beyond no se limita a describir tecnologías emergentes. Los editores, Joseph Rene Corbeil y Maria Elena Corbeil, profesores de tecnología educativa en la Universidad de Texas Rio Grande Valley con más de cuatro décadas de experiencia combinada en educación a distancia, han reunido a diecisiete equipos de investigadores de tres continentes para contextualizar históricamente estas herramientas, analizarlas pedagógicamente y proponer marcos operativos para una adopción ética e institucionalmente coherente.

El resultado no es un manual de instrucciones ni un manifiesto ideológico. Es algo más valioso y más raro: un libro que trata al profesorado como profesional capaz de tomar decisiones informadas, siempre que disponga de la evidencia adecuada.

¿Por qué este libro importa al profesorado universitario?

Porque articula cinco dimensiones que todo docente debería comprender hoy, dimensiones que rara vez aparecen integradas en un solo volumen:

1. Fundamentos y marcos conceptuales para entender la IA generativa

El libro abre con un recorrido histórico que va desde los trabajos seminales de Turing en 1950 hasta la arquitectura transformer que sustenta ChatGPT, pasando por las redes neuronales de los años noventa, las redes generativas antagónicas (GANs) de 2014 y el papel emergente de los prompts como nuevos actos comunicativos en el aula.

Maria Elena Corbeil, en el capítulo introductorio, ofrece lo que denomina un primer accesible pero riguroso. No se queda en definiciones técnicas superficiales: cada hito tecnológico se conecta con sus implicaciones pedagógicas específicas. Cuando explica qué distingue la IA generativa de la inteligencia artificial tradicional, el lector comprende por qué esta diferencia importa para el diseño de actividades de aprendizaje.

Leticia De Leon aporta un marco conceptual particularmente útil para administradores y responsables de política educativa: el Nested Framework for Implementing AI in Education, que opera en tres niveles interconectados. El nivel macro aborda la transformación institucional necesaria, incluyendo visión estratégica, cultura de innovación y sistemas adaptativos. El nivel meso se centra en la práctica ética, desde la regulación hasta los cambios en el rol docente. El nivel micro atiende al aprendizaje personalizado, donde la IA puede ofrecer retroalimentación inmediata y trayectorias adaptativas. Esta es la representación del framework:

La virtud de este marco radica en su reconocimiento explícito de que la implementación efectiva de IA educativa no es solo cuestión de herramientas, sino de ecosistemas institucionales completos.

2. Transformación didáctica real, no un canto a la novedad

Los capítulos centrales del libro abordan usos concretos con una honestidad infrecuente en la literatura sobre tecnología educativa. Karl Kapp y Jessica Briskin exploran cómo la IA puede crear gemelos digitales de instructores, escenarios ramificados interactivos y contenido de texto a vídeo, herramientas que hasta hace poco requerían equipos de producción completos y presupuestos considerables. La promesa es real: un docente puede ahora generar materiales audiovisuales personalizados en minutos, no en semanas.

Pero el libro no oculta las limitaciones. Jason Gulya examina el fenómeno de los chatbots educativos desde una perspectiva crítica que merece atención. Mientras plataformas como Khanmigo prometen revolucionar la educación con tutores IA disponibles 24 horas, Gulya advierte sobre una confusión conceptual fundamental: estos sistemas tienden a equiparar conocimiento, lo que el estudiante sabe, con habilidad, lo que puede hacer. Que un estudiante pueda conversar con una simulación de Jay Gatsby no significa que esté aprendiendo a leer literatura con mayor profundidad.

Su propuesta resulta provocadora y pedagógicamente fundamentada: utilizar chatbots deliberadamente defectuosos, programados para proporcionar información incorrecta en aproximadamente el 20% de sus respuestas, como herramienta para entrenar el pensamiento crítico. Los estudiantes saben de antemano que el sistema miente, y su tarea consiste en identificar las inexactitudes. El chatbot resiste brevemente cuando se le cuestiona antes de reconocer el error. El resultado: estudiantes que desarrollan hábitos de verificación activa en lugar de aceptación pasiva.

Le Dinh Bao Quoc dedica un capítulo completo al pensamiento crítico y la resolución de problemas, argumentando algo que puede parecer contraintuitivo: estas habilidades son ahora más cruciales que nunca, no menos, precisamente porque la tecnología puede generar respuestas plausibles sin comprensión real. La facilidad con que ChatGPT produce textos coherentes eleva, no reduce, la importancia de saber evaluar argumentos.

Las cinco dimensiones que articula el libro para una integración pedagógica de la IA generativa.

3. Ética y políticas institucionales: más allá del binomio prohibición-adopción

¿Prohibimos la IA en las aulas? ¿La regulamos con políticas institucionales? ¿La adoptamos sin filtro confiando en que los beneficios superarán los riesgos? Este bloque del libro responde con algo más valioso que opiniones: ejemplos documentados, evidencia empírica y propuestas concretas de gobernanza educativa.

Clive Forrester replantea el concepto mismo de "trampa" en la era de la IA. Su argumento central merece consideración seria: si los métodos tradicionales de evaluación, particularmente el ensayo individual escrito fuera del aula, se han vuelto vulnerables a la asistencia automatizada, quizá el problema no sea solo la tecnología sino también nuestra dependencia excesiva de formatos evaluativos que priorizaban la conveniencia sobre la autenticidad. La solución no pasa únicamente por detectores de IA, sugiere Forrester, sino por diversificar las técnicas de evaluación hacia formatos que fomenten el pensamiento crítico demostrable.

Krzysztof Walczak y Wojciech Cellary abordan los riesgos de inexactitudes, sesgos algorítmicos, desinformación y privacidad en la IA educativa. Su análisis resulta especialmente pertinente porque se fundamenta en datos empíricos: sus encuestas revelan que, aunque los estudiantes universitarios usan IA generativa con frecuencia, muchos no confían plenamente en ella, y la mayoría carece de criterios claros para identificar cuándo el contenido generado es incorrecto. Esta brecha entre uso y alfabetización crítica constituye un problema pedagógico urgente.

Francisco García y Harriet Watkins exploran el paisaje de políticas de uso justo (fair use) en educación superior estadounidense, ofreciendo orientación práctica para instituciones que navegan las complejidades legales y éticas del uso de IA en contextos académicos. Para lectores hispanohablantes, este capítulo ofrece un marco de referencia útil, aunque naturalmente requiere adaptación a los contextos normativos de cada país.

4. Formación de docentes y estudiantes: enseñar sobre IA y con IA no es lo mismo

Esta distinción, aparentemente simple, atraviesa varios capítulos del libro y merece subrayarse. Usar IA como herramienta pedagógica es diferente de enseñar a los estudiantes qué es la IA, cómo funciona, cuáles son sus limitaciones y cómo interactuar con ella de manera crítica. Ambas dimensiones son necesarias, pero requieren enfoques distintos.

Andrew Kelly, Miriam Sullivan y Katrina Strampel aportan estrategias para enseñar IA generativa en educación superior, con énfasis en tres aspectos interrelacionados: aseguramiento de calidad de las respuestas generadas, uso ético que respete la integridad académica, y diseño curricular que integre estas herramientas sin subordinar los objetivos de aprendizaje a las capacidades tecnológicas.

Lucas Kohnke y Curtis Green-Eneix se centran en la preparación de docentes, tanto en formación inicial como en ejercicio, para el aula impulsada por IA. Su argumento central: la alfabetización en IA no puede ser un añadido opcional al desarrollo profesional docente, debe convertirse en componente transversal. Un profesor que no comprende cómo funcionan estos sistemas, aunque sea a nivel conceptual, difícilmente podrá guiar a sus estudiantes en su uso crítico.

Laura Dumin, desde su experiencia en la enseñanza de la escritura, ofrece ideas prácticas para preparar a los estudiantes para vivir y trabajar en un mundo donde la IA será ubicua. Su perspectiva resulta valiosa precisamente porque la escritura es el dominio donde la IA generativa ha causado mayor disrupción percibida. Si en algún lugar necesitamos repensar qué significa aprender y demostrar competencia, es en las disciplinas centradas en la producción textual.

5. El futuro de la educación con IA: escenarios 2040

Los capítulos finales proyectan escenarios a medio y largo plazo, pero con una característica que los distingue del futurismo habitual: se fundamentan en tendencias actuales verificables y consideran tanto trayectorias optimistas como cautelares.

Debby Cotton y sus colegas examinan cómo la IA desafía los métodos tradicionales de evaluación y ofrecen estrategias para desarrollar evaluaciones auténticas y confiables. Cotton, miembro del panel de expertos en IA del Office for Students del Reino Unido y autora de uno de los artículos más citados sobre ChatGPT y educación, aporta credibilidad empírica a sus recomendaciones.

Renee Rottner y su equipo abordan la brecha digital y las implicaciones de la IA en la equidad educativa, un tema que atraviesa todo el libro pero que aquí recibe tratamiento sistemático. La pregunta no es solo si la IA puede mejorar el aprendizaje, sino para quién y bajo qué condiciones de acceso.

Peter Cardon y Bryan Marshall proponen un marco para alinear el contenido educativo con las competencias que serán demandadas en la era de la IA, distinguiendo entre habilidades que la automatización hará obsoletas y aquellas que, por el contrario, ganarán valor precisamente porque las máquinas no pueden replicarlas fácilmente.
Y el capítulo final lo dejo para proximo articulo de este espacio en el enlace siguiente. Espero que te sea de gran interés. A mi por lo menos me parece fascinante: https://blog.iaforteachers.com/el-horizonte-de-2040-la-educacion-que-viene-segun-joseph-rene-corbeil/

Reflexión editorial

Lo mejor de este libro es que no cae en ninguno de los dos extremos habituales. No alimenta el pánico moral que ve en cada herramienta de IA una amenaza para la civilización académica, pero tampoco promete transformaciones milagrosas que la evidencia disponible no sustenta.

Como señala Badrul Khan en el prólogo, "antes de confiar a la IA mayor responsabilidad, es crucial educarnos para reconocer las situaciones y contextos donde la IA puede no ser la solución más adecuada". Esta cautela informada, que no es lo mismo que rechazo, define el tono del volumen completo.

Los editores, ganadores de múltiples premios por su trabajo en enseñanza online, incluyendo el AECT DDL Distance Education Book Award, aportan una perspectiva equilibrada que solo puede provenir de décadas de experiencia en el campo. Ya en 2021 coautorearon un capítulo sobre "Establecer confianza en la inteligencia artificial en educación", lo que demuestra que su interés en el tema precede la explosión mediática de ChatGPT y responde a preocupaciones pedagógicas genuinas, no a modas pasajeras.

El libro se posiciona como lo que necesitamos ahora: una pedagogía con IA, pero no subordinada a ella. Es, en muchos sentidos, un texto de cabecera para quien busca construir un modelo educativo fundamentado en sentido común, evidencia empírica y sensibilidad social frente a los retos que plantea el nuevo ecosistema digital.

Referencia bibliográfica del libro:

Corbeil, J. R. y Corbeil, M. E. (Eds.). (2025). Teaching and learning in the age of generative AI: Evidence-based approaches to pedagogy, ethics, and beyond. Routledge. https://doi.org/10.4324/9781032688602

Nota para el profesorado hispanohablante: Aunque el libro está publicado en inglés, su estructura modular permite abordar capítulos específicos según las necesidades. Para quienes trabajan en formación docente, los capítulos 10, 11 y 12 sobre preparación de educadores resultan especialmente relevantes. Para responsables de política institucional, el marco anidado del capítulo 2 ofrece una hoja de ruta adaptable a diferentes contextos.