Experiential Versus Instructional Approaches for Eliciting Metacognitive Awareness in AI-Assisted Learning: A Short-Term Longitudinal Study

Imagina que estás aprendiendo a montar en bicicleta. Podrías estar sentado en un aula mientras un profesor dibuja un diagrama perfecto de engranajes, pedales y equilibrio en una pizarra blanca, explicando exactamente cómo funciona la física. Eso es aprendizaje instructivo: obtener conocimiento de otra persona, paso a paso, sin ensuciarse las manos. O, podrías subirte a una bicicleta tambaleante, tambalearte, caerte, levantarte y descubrir cómo mantener el equilibrio sintiendo el viento y la carretera. Eso es aprendizaje experiencial: aprender haciendo, cometiendo errores y reflexionando sobre lo sucedido.

Ahora, imagina que en lugar de una bicicleta, estás aprendiendo a usar un amigo robot superinteligente llamado IA Generativa (o GenIA) para que te ayude a estudiar. Este robot puede escribir ensayos, resolver problemas matemáticos y explicar ideas complejas en segundos. Pero aquí está el truco: si dejas que el robot haga todo el trabajo, podrías dejar de pensar por ti mismo. Aquí es donde entra la metacognición. Piensa en la metacognición como el "tablero de control" o el "entrenador interno" de tu cerebro. Es la capacidad de pensar sobre cómo estás pensando. Un buen entrenador interno sabe qué estrategias funcionan (como pedirle al robot que desafíe tus ideas) y cuáles son trampas (como dejar que el robot escriba toda tu tarea). La gran pregunta que los educadores se plantean ahora es: al enseñar a los estudiantes cómo usar esta poderosa herramienta de IA, ¿es mejor darles una clase magistral sobre ella o dejar que jueguen con ella y aprendan de la experiencia?

El experimento: El aula de conferencias frente al patio de recreo

Investigadores de la Universitat Pompeu Fabra en Barcelona decidieron resolver este debate con un experimento del mundo real. Reunieron a 126 estudiantes de primer año de ingeniería y los dividieron en dos equipos. Ambos equipos pasaron dos horas aprendiendo cómo usar la GenIA de manera efectiva, pero aprendieron de formas muy diferentes.

El primer equipo, el Grupo Instructivo, asistió a una clase magistral tradicional. Escucharon a expertos explicar las formas "correctas" e "incorrectas" de usar la IA. Escucharon historias sobre cómo usar la IA con demasiada facilidad puede volver tu cerebro perezoso (un concepto llamado "descarga cognitiva", donde delegas tu pensamiento a la máquina). Aprendieron la teoría, pero no hicieron nada realmente con la IA durante la sesión.

El segundo equipo, el Grupo Experiencial, se ensució las manos. No solo escucharon; jugaron. Se les dieron cuatro desafíos específicos. En uno, tenían que escribir un resumen de un artículo antes de pedirle a la IA que lo revisara, obligándolos a pensar primero. En otro, tenían que argumentar un punto y pedirle a la IA que jugara al "tutor socrático", desafiando sus argumentos con preguntas. También probaron la forma "incorrecta" —pedirle a la IA una solución inmediata y copiarla— para ver qué se sentía al saltarse el esfuerzo. Después de cada tarea, se detuvieron a reflexionar sobre lo ocurrido.

Los investigadores querían ver cómo estos dos enfoques cambiaron sus "entrenadores internos" (su conciencia metacognitiva) inmediatamente después de la sesión y cinco semanas después. Midieron dos cosas principales:

1. Conocimiento: ¿Entendieron los estudiantes qué estrategias funcionan?
2. Regulación: ¿Podían los estudiantes realmente usar esas estrategias para controlar su propio aprendizaje?

Los resultados: El comienzo rápido y la carrera de fondo

Los hallazgos fueron como observar una carrera de velocidad que se convierte en un maratón.

Justo después de la sesión (La velocidad):
El Grupo Experiencial (los jugadores) obtuvo una ventaja masiva. Inmediatamente después de su sesión práctica, sabían mucho más sobre estrategias de IA efectivas y se sentían mucho más comprometidos con las herramientas que el grupo de la clase magistral. Sus "entrenadores internos" estaban muy despiertos. Entendían la diferencia entre usar la IA como un compañero y usarla como una muleta.

El Grupo Instructivo (los oyentes), sin embargo, mostró un panorama mixto de inmediato. Aunque informaron sentirse ligeramente más positivos sobre la IA y más comprometidos con las herramientas después de la clase, su comprensión de cómo usar las estrategias de IA (Conocimiento Metacognitivo) no mejoró significativamente. La clase magistral no despertó instantáneamente sus entrenadores internos respecto a las estrategias específicas necesarias para un aprendizaje efectivo.

Cinco semanas después (El maratón):
Aquí es donde la historia se pone interesante. Cinco semanas después, la brecha en el compromiso se cerró. Los estudiantes que solo habían escuchado la clase magistral se habían puesto al nivel de los jugadores en términos de cuánto se comprometían con las herramientas. Habían descubierto, a través de su uso diario de la IA, que el consejo de la clase magistral era en realidad cierto. El "grupo de la clase magistral" había aprendido lentamente lo que el "grupo de juego" había aprendido instantáneamente.

Pero hubo un giro. Mientras que la brecha de compromiso se cerró, el Grupo Experiencial comenzó a mostrar un nuevo y especial superpoder: la Regulación.

Durante esas cinco semanas, los estudiantes que habían realizado los ejercicios prácticos no solo conocían las estrategias; empezaron a usarlas cada vez mejor. Su capacidad para monitorear y ajustar su propio pensamiento siguió creciendo. Se estaban volviendo mejores al controlar cómo usaban la IA. El grupo de la clase magistral, por el contrario, se estancó. Conocían las estrategias, pero no parecían mejorar en su aplicación a lo largo del tiempo.

Lo que esto significa para el futuro

El artículo sugiere que si quieres que los estudiantes entiendan rápidamente cómo usar la IA, deja que jueguen con ella. Las actividades prácticas crean una chispa inmediata de comprensión y entusiasmo que las clases magistrales simplemente no pueden igualar.

Sin embargo, el artículo también nos advierte que no esperemos milagros de la noche a la mañana. El hecho de que los estudiantes conozcan una estrategia no significa que la usen perfectamente de inmediato. El grupo de "juego" demostró que la capacidad de controlar su propio aprendizaje (regulación) toma tiempo para desarrollarse. Es como aprender a montar en bicicleta: puedes entender la teoría del equilibrio inmediatamente después de caerte, pero mantenerte erguido mientras pedaleas requiere algunas semanas de práctica.

Los investigadores sugieren que los profesores deberían priorizar estas actividades prácticas de "probar y ver" sobre las largas clases magistrales al introducir la IA. Pero también aconsejan paciencia. Si los estudiantes no comienzan a usar la IA perfectamente justo después de un ejercicio divertido, no significa que la lección haya fallado. Puede que simplemente signifique que sus "entrenadores internos" aún se están despertando y aprendiendo a pilotar el barco. Los beneficios de hacer el trabajo por uno mismo pueden no verse reflejados en la nota final de inmediato, pero construyen un aprendiz más fuerte y capaz de autorregularse a largo plazo.

En resumen, puedes decirle a alguien cómo montar en bicicleta, pero no puedes enseñarle a mantener el equilibrio sin dejar que se tambalee un poco primero. Y a veces, ese tambaleo es precisamente lo que les ayuda a mantenerse erguidos semanas después.