← Últimos artículos
💻 computer science

The Future of Feedback: How Can AI Help Transform Feedback to Be More Engaging, Effective, and Scalable?

Este informe de reunión sintetiza las perspectivas interdisciplinarias de 50 académicos sobre el uso de la inteligencia artificial generativa para transformar la retroalimentación educativa, destacando sus promesas, riesgos, desafíos pendientes y futuras direcciones de investigación.

Autores originales: Jennifer Meyer (University of Vienna, Vienna, Austria), Olaf Köller (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Thorben Jansen (Leibniz Institute for Science,Mathematics Educ
Publicado 2026-03-16
📖 5 min de lectura🧠 Análisis profundo

Autores originales: Jennifer Meyer (University of Vienna, Vienna, Austria), Olaf Köller (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Thorben Jansen (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Johanna Fleckenstein (University of Hildesheim, Germany), Michael W. Asher (Carnegie Mellon University, USA), Sarah Bichler (Universität Passau, Passau, Germany), Laura Brandl (LMU Munich, Germany), Jasmin Breitwieser (DIPF | Leibniz Institute for Research,Information in Education, Frankfurt, Germany), Kai S. Cortina (University of Michigan, USA), Mutlu Cukurova (University College London, United Kingdom), Martin Daumiller (University of Freiburg, Germany), Hannah Deininger (University of Tübingen, Germany), Frank Fischer (LMU, Germany), Dragan Gašević (Monash University, Clayton, VIC, Australia), Jeanine Grütter (LMU Munich, Germany), Anna Hilz (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Ioana Jivet (CATALPA, FernUniversität in Hagen, Germany), Jelena Jovanović (University of Belgrade, Serbia), Rene F. Kizilcec (Cornell University, USA), Livia Kuklick (Humboldt Universität zu Berlin, Berlin, Germany), Marlit Annalena Lindner (Leibniz Institute for Science,Mathematics Education,Europa-Universität Flensburg, Germany), Anastasiya Lipnevich (NBME,the Graduate Center, City University of New York, USA), Ute Mertens (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Detmar Meurers (Leibniz Institut für Wissensmedien, Tübingen, Germany), Kou Murayama (University of Tübingen, Germany), Tanya Nazaretsky (EPFL, Switzerland), Knut Neumann (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Ernesto Panadero (Dublin City University,Deusto University), Maciej Pankiewicz (University of Pennsylvania, USA), Zachary A. Pardos (UC Berkeley, USA), Chris Piech (Stanford University, USA), Hannah Pünjer (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Nikol Rummel (Ruhr-University-Bochum,CAIS, Bochum, Germany), Marlene Steinbach (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Olga Viberg (KTH Royal Institute of Technology, Sweden), Naomi Winstone (University of Surrey, UK)

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que la educación es como un gran jardín. Durante años, los jardineros (los profesores) han tenido que regar cada planta (cada estudiante) uno por uno. Esto es hermoso, pero si tienes un bosque entero, es imposible llegar a todos con la misma atención.

Aquí es donde entra la Inteligencia Artificial (IA) en este informe. El documento es como el acta de una reunión de 50 expertos (psicólogos, científicos de datos, educadores) que se reunieron para responder a una pregunta crucial: ¿Cómo podemos usar la IA para dar "consejos" (feedback) a los estudiantes de una manera que sea útil, divertida y que funcione para millones de personas a la vez?

Aquí te explico los puntos clave con analogías sencillas:

1. La IA como un "Super-Cocinero" (La Promesa)

Antes, para dar buenos consejos a un estudiante, un profesor tenía que leer su trabajo, pensar en qué le faltaba y escribir una explicación larga. Esto tomaba mucho tiempo.

  • La analogía: Piensa en la IA como un Thermomix o una cocina robótica. Antes, tenías que cocinar, hornear y batir con herramientas separadas. La IA puede hacer todo eso a la vez.
  • El beneficio: La IA puede dar consejos detallados (explicar por qué algo está mal y cómo arreglarlo) a 1.000 estudiantes al mismo tiempo, en segundos y gratis. Esto libera a los profesores de las tareas aburridas de calificar para que puedan hacer lo que mejor saben: conectar con los alumnos y enseñar.

2. El Peligro de "Dejar que el Robot Piense por Ti" (El Riesgo)

Pero, como con cualquier herramienta nueva, hay trampas.

  • La analogía: Imagina que tienes un coche con piloto automático. Si lo usas todo el tiempo, tus músculos de conducir se debilitan y ya no sabes manejar si se queda sin batería.
  • El riesgo: Si los estudiantes dependen demasiado de la IA para corregir sus errores, podrían dejar de pensar por sí mismos. Podrían volverse "perezosos mentalmente" y no aprender realmente. Además, a veces la IA puede "alucinar" (inventar cosas que no son ciertas), como un narrador de cuentos que se equivoca de historia.
  • La solución: Los estudiantes y profesores necesitan aprender a ser "pilotos expertos" de la IA, no solo pasajeros. Deben saber cuándo confiar en ella y cuándo verificarla.

3. No basta con Dar el Regalo, hay que Abrirlo (La Participación)

Dar un consejo no sirve de nada si el estudiante lo ignora o no entiende cómo usarlo.

  • La analogía: Es como si un amigo te diera un mapa del tesoro. Si tú no miras el mapa, no lo entiendes o crees que es un dibujo falso, nunca encontrarás el tesoro.
  • El desafío: La IA puede dar el mapa, pero ¿cómo hacemos que el estudiante tenga ganas de mirarlo?
    • El tono importa: Si la IA es muy dura, el estudiante se asusta y cierra el mapa. Si es muy amable, el estudiante podría pensar que ya lo sabe todo y no esforzarse.
    • La confianza: ¿Crees más en un consejo que te da un humano o en uno que te da una computadora? A veces los estudiantes desconfían de la IA. El informe sugiere que la IA debe diseñarse para ganar esa confianza y hacer que el consejo sea interesante, quizás usando videos o voz, no solo texto aburrido.

4. El Gran Experimento (A Escala)

Ahora que tenemos esta tecnología, ¿cómo sabemos si realmente funciona en todas las escuelas del mundo?

  • La analogía: Imagina que quieres probar una nueva receta de pastel. Si la pruebas solo en tu cocina, quizás funcione. Pero si quieres saber si funciona en todas las cocinas del mundo (con diferentes hornos, ingredientes y chefs), necesitas una prueba gigante y organizada.
  • El plan: Los expertos piden hacer "mega-experimentos" en muchas escuelas a la vez. Quieren usar la IA para probar qué tipo de consejos funcionan mejor para niños de 10 años, para adolescentes, para matemáticas o para historia.
  • La colaboración: Necesitan que los profesores, los científicos y las empresas de tecnología trabajen juntos. Si solo los científicos diseñan la herramienta, quizás no sirva en un aula real. Si solo las empresas la hacen, quizás no sea educativa.

En Resumen

Este informe dice que la IA es una herramienta poderosa que puede cambiar la educación para bien, haciendo que los consejos sean más frecuentes y personalizados. Pero no es una varita mágica.

  • No reemplaza al profesor: El profesor es el capitán del barco; la IA es el motor de alta velocidad.
  • Necesita cuidado: Si no la usamos bien, los estudiantes pueden volverse perezosos o desconfiar.
  • El futuro: Depende de que aprendamos a usarla con inteligencia, que los estudiantes aprendan a "leer" sus consejos y que sigamos investigando para asegurarnos de que funcione para todos, no solo para unos pocos.

Es como darles a los estudiantes un superpoder para aprender, pero primero tenemos que enseñarles a controlar ese superpoder sin volar hacia el sol.

¿Ahogado en artículos de tu campo?

Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.

Probar Digest →