📄 social_science

When Confidence Shifts Toward the Tool: AI Appropriation, Reliance Calibration, and School Guidance in High School Academic Work

Una encuesta a 1.444 estudiantes de secundaria de EE. UU. revela que la apropiación de la IA implica comportamientos de aprendizaje y de atajos complejos y coocurrentes, mientras que el uso frecuente se correlaciona con una reducción de la autoconfianza y una brecha de dependencia cada vez mayor, lo que sugiere que las escuelas deben ir más allá de las directrices generales para proporcionar una práctica dirigida por docentes para una calibración efectiva de la dependencia de la IA.

Autores originales: Larry Zhiming Xu, Gabriel Velez, Aubrie Robinson

Publicado 2026-07-07

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Larry Zhiming Xu, Gabriel Velez, Aubrie Robinson

Artículo original bajo licencia CC BY 4.0 (https://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

La visión general: No se trata de si lo usan, sino de cómo lo usan

Imagina una escuela donde casi todos los estudiantes tienen un tutor súper inteligente e invisible en su bolsillo (IA). Para finales de 2025, aproximadamente dos tercios de los adolescentes en EE. UU. estaban usando estas herramientas para sus tareas.

Los investigadores se preguntaron: ¿Importa si un estudiante usa la IA?
Su respuesta: No realmente. Saber simplemente que un estudiante usa la IA es como saber que un conductor tiene un coche. Eso no te dice si está conduciendo de forma segura, si va a exceso de velocidad o si está usando el GPS para tomar un atajo que no debería tomar.

En lugar de contar con qué frecuencia los estudiantes usan la IA, este estudio analizó cómo la usan (qué le piden que haga) y cómo se sienten al respecto (¿confían más en la IA que en su propio cerebro?).

Concepto clave 1: La "Apropiación" (Cómo usan la herramienta)

Los investigadores descubrieron que los estudiantes no encajan en cajas perfectas como "Buen Estudiante" vs. "Tramposo".

La analogía: Piensa en la IA como una navaja suiza.
El hallazgo: La mayoría de los estudiantes usan la navaja para muchas cosas diferentes. El mismo estudiante que le pide a la IA que "explique este concepto matemático" (como usar la navaja para abrir una carta) es a menudo el mismo estudiante que le pide que "escriba todo este ensayo por mí" (como usar la navaja para cortar una cuerda que ellos mismos deberían haber atado).
La conclusión: No puedes juzgar a un estudiante solo por cuánto usa la IA. Un estudiante que la usa mucho puede estar usándola para aprender, para hacer trampa, o para ambas cosas al mismo tiempo. Los usos "buenos" y "malos" suelen estar mezclados en el flujo de trabajo de la misma persona.

Concepto clave 2: La "Brecha de Dependencia" (El cambio de confianza)

Este es el descubrimiento más importante del artículo. Los investigadores midieron dos cosas:

Qué tanta confianza siente un estudiante al hacer el trabajo sin la IA.
Qué tanta confianza siente en que la IA puede ayudarle a hacer el trabajo.

Calcularon la diferencia entre estos dos sentimientos, llamándola la "Brecha de Dependencia".

La analogía: Imagina a un equilibrista.
- Brecha baja: El equilibrista confía más en sus propias piernas que en la red de seguridad. Sabe que puede caminar por la cuerda, pero la red está ahí por si acaso.
- Brecha alta: El equilibrista confía más en la red de seguridad que en sus propias piernas. Se siente inestable por su cuenta y se siente seguro solo cuando la red está presente.
El hallazgo:
- Los estudiantes que no usan la IA se sienten muy seguros de sus propias capacidades y no confían mucho en la IA.
- A medida que los estudiantes usan la IA con más frecuencia, su confianza en su propia capacidad disminuye ligeramente, pero su confianza en la IA aumenta drásticamente.
- El "Cruce": Entre los estudiantes que usan la IA todos los días, algo interesante sucedió: su confianza en la ayuda de la IA se volvió ligeramente mayor que su confianza en su propia capacidad. No han perdido sus habilidades, pero ahora confían más en la herramienta que en sí mismos.

Concepto clave 3: El "Centro Faltante" (Lo que las escuelas están haciendo mal)

Los investigadores preguntaron: "¿Ayudan las escuelas a los estudiantes a entender cómo usar la IA correctamente?"

La analogía: Imagina un gimnasio. La escuela ha puesto un cartel que dice: "Se permite usar las pesas". (Esto es una Política). Pero la escuela no ha contratado a un entrenador para enseñarte cómo levantar pesas sin lastimarte la espalda.
El hallazgo:
- Las escuelas están proporcionando principalmente Reglas (ej. "Puedes usar la IA si la citas") y Recursos (enlaces a sitios web).
- Los estudiantes están gritando por Práctica (ej. "Muéstrenme cómo usar esta herramienta para aprender, no solo para obtener una respuesta").
- El estudio encontró que tener una política escolar no ayudó a reducir la "Brecha de Dependencia". Los estudiantes que sentían que tenían una buena guía no necesariamente confiaban más en sí mismos.
- La brecha: La necesidad insatisfecha más grande era que los profesores guiaran a los estudiantes a través de la práctica real: mostrarles cuándo usar la herramienta y cuándo dejarla de lado.

Los cuatro tipos de estudiantes (Perfiles)

Los investigadores agruparon a los estudiantes en cuatro "personalidades" basadas en sus hábitos:

El Independiente Escéptico (18%): Raramente usan la IA. Confían en sí mismos al 100% y en la IA al 0%.
El Usuario de Rutina No Apoyado (36%): Usan la IA con frecuencia, pero sienten que la escuela no los está ayudando. Quieren más orientación pero no la reciben.
El Usuario de Alta Eficacia Guiado (31%): Usan la IA con frecuencia, pero cuentan con un buen apoyo docente. Aun así, confían más en sí mismos.
El Usuario Intensivo Dependiente de Atajos (15%): Los "Usuarios Pesados". Usan la IA constantemente, principalmente para obtener respuestas o redactar borradores. Confían más en la IA que en sí mismos. Este grupo tiene la mayor "Brecha de Dependencia".

La conclusión final

El artículo argumenta que las escuelas deben dejar de preguntar simplemente "¿Estás usando la IA?" y empezar a preguntar: "¿En quién confías más: en tu propio cerebro o en la herramienta?"

El objetivo no es prohibir la IA ni simplemente decir "está bien". El objetivo es la Calibración. Las escuelas necesitan enseñar a los estudiantes cómo usar la herramienta como un asistente útil sin permitir que la herramienta se convierta en el maestro de su pensamiento. En este momento, las escuelas son buenas creando reglas, pero son malas enseñando la práctica de usar la herramienta con sabiduría.

En resumen: Los estudiantes están usando la IA para hacer sus tareas y, a medida que la usan más, empiezan a confiar más en el robot que en sus propios cerebros. Las escuelas deben intervenir y enseñarles cómo mantener su propia confianza fuerte mientras usan la herramienta.

Resumen Técnico: Cuando la confianza se desplaza hacia la herramienta

Planteamiento del problema
A medida que la inteligencia artificial (IA) permea la educación secundaria, las métricas tradicionales de "adopción" (es decir, si los estudiantes usan la IA y con qué frecuencia) han resultado insuficientes para comprender el papel evolutivo de la tecnología. Actualmente, las escuelas monitorean la frecuencia de uso y la existencia de políticas formales, pero estos indicadores no logran capturar cómo los estudiantes integran la IA en sus procesos cognitivos. Específicamente, los marcos existentes no pueden distinguir entre usos que apoyan el aprendizaje (por ejemplo, explicar conceptos) y aquellos que lo evaden (por ejemplo, generar borradores completos), ni pueden evaluar si la confianza de un estudiante en su propia capacidad académica se está erosionando a medida que aumenta la dependencia de la herramienta. El problema central es la falta de un marco de diagnóstico para medir la relación dinámica entre las capacidades tecnológicas y las autopercepciones de competencia de los estudiantes en un entorno donde la IA está fácilmente disponible.

Metodología
El estudio empleó un diseño de encuesta transversal con una muestra de 1,444 estudiantes de una red de escuelas preparatorias católicas en los Estados Unidos. Los datos fueron recolectados en la primavera de 2025.

Medidas: El instrumento evaluó la frecuencia de uso de la IA, la amplitud de las herramientas y propósitos específicos de "apropiación" (categorizados como orientados al aprendizaje frente a orientados a atajos). Crucialmente, midió dos niveles de confianza distintos: la confianza en el manejo de las tareas escolares sin IA y la confianza en la capacidad de la IA para ayudar con las tareas escolares.
Constructo clave: El estudio operacionalizó la "calibración de la dependencia" a través de la brecha de dependencia, definida como la diferencia entre la confianza en la ayuda de la IA y la confianza en la capacidad independiente. Una brecha positiva indica que la confianza se ha desplazado hacia la herramienta.
Análisis: Los investigadores utilizaron regresiones jerárquicas de mínimos cuadrados ordinarios (OLS) con errores estándar agrupados por escuela para predecir la brecha de dependencia. Las variables incluyeron demografía, frecuencia de uso, amplitud de propósitos, creencias relacionadas con la IA (autoeficacia y optimismo) y la percepción de orientación escolar. Además, se utilizó el agrupamiento de k-medias para generar perfiles descriptivos de estudiantes basados en patrones de apropiación.

Contribuciones principales
El artículo realiza tres contribuciones primarias:

Conceptual: Desplaza la lente analítica de la "adopción" hacia la apropiación (cómo los usuarios asignan propósitos a la tecnología) e introduce la calibración de la dependencia al contexto educativo. Este marco postula que la dependencia apropiada depende no solo de la fiabilidad de la herramienta, sino también de la necesidad de desarrollo del estudiante para construir competencia independiente.
Empírica: Captura una muestra amplia y de múltiples escuelas en un momento crítico: después de que el acceso a la IA se volviera rutinario pero antes de que la orientación institucional madurara. Proporciona evidencia de que los usos orientados al aprendizaje y los orientados a atajos suelen coexistir en los mismos estudiantes, desafiando la visión binaria de usuarios de IA "buenos" vs. "malos".
Práctica: Identifica un "punto medio perdido" en la orientación escolar, donde existen reglas a nivel de política pero carece la práctica pedagógica (instrucción guiada por el docente). Argumenta que la brecha de dependencia es una métrica más diagnóstica que la confianza independiente por sí sola para comprender la dinámica estudiante-IA.

Resultados

Patrones de apropiación: El 94% de los encuestados utilizó al menos una herramienta de IA. Los usos orientados al aprendizaje (por ejemplo, tutoría, esquematización) fueron comunes (65% para tutoría), pero los usos orientados a atajos (por ejemplo, encontrar respuestas, redactar borradores) también fueron sustanciales (32% y 18%, respectivamente). Crucialmente, estos propósitos coocurrieron frecuentemente; los estudiantes que usaban la IA para explicaciones eran a menudo los mismos que la usaban para obtener respuestas, lo que sugiere un patrón de uso complejo e entrelazado en lugar de grupos de usuarios distintos.
La brecha de dependencia: La frecuencia de uso se asoció negativamente con la confianza independiente ( $r = -0.18$ ) pero se asoció fuertemente de forma positiva con la brecha de dependencia ( $r = 0.45$ ). Entre los usuarios diarios, la confianza en la ayuda de la IA ( $M=4.17$ ) superó ligeramente la confianza en la capacidad independiente ( $M=4.02$ ), indicando un "cruce" donde la herramienta se convierte en el ancla principal de la confianza.
Predictores de la brecha: La regresión jerárquica reveló que la frecuencia de uso, la amplitud de los propósitos de aprendizaje y de atajos, y el optimismo respecto a la IA fueron predictores significativos de una mayor brecha de dependencia. Notablemente, la percepción de orientación escolar no predijo significativamente la brecha una vez que se contabilizaron el uso y las creencias.
Desajuste de orientación: Mientras que las directrices generales fueron la forma de apoyo escolar más reportada (48%), la mayor demanda insatisfecha fue la práctica guiada por el docente (el 42% la quería frente al 27% que la recibía) y clases dedicadas a la IA.
Perfiles de estudiantes: Surgieron cuatro perfiles distintos:
1. Aprendices independientes escépticos de la IA (18%): Usuarios poco frecuentes, alta confianza independiente, brecha negativa.
2. Usuarios rutinarios sin apoyo (36%): Usuarios frecuentes, poca orientación, alto desajuste.
3. Usuarios de alta autoeficacia guiados (31%): Usuarios frecuentes, alta orientación, mantienen una alta confianza independiente.
4. Usuarios intensivos dependientes de atajos (15%): Mayor uso, uso universal de atajos, menor confianza independiente, y el único grupo con una brecha de dependencia positiva.

Significancia y afirmaciones
El artículo argumenta que, a medida que la IA se convierte en parte de la infraestructura ordinaria de las tareas escolares, el enfoque debe pasar de rastrear si los estudiantes usan la IA a comprender cómo calibran su dependencia. El estudio afirma que la brecha de dependencia captura una dinámica crítica: el punto en el que el sentido de capacidad académica de un estudiante se desplaza de sí mismo hacia la herramienta.

Los autores sostienen que la coocurrencia de usos de apoyo y de sustitución complica las dicotomías simples de "trampa vs. aprendizaje", sugiriendo que la frontera entre el aumento y la descarga de tareas es procedimental más que categórica. Además, el hallazgo de que la orientación escolar percibida (específicamente las reglas a nivel de política) no se correlaciona con una mejor calibración implica que los modelos de orientación actuales están desalineados con las necesidades de los estudiantes. El artículo concluye que las escuelas deben ir más allá de las políticas de uso aceptable para proporcionar "práctica guiada" que ayude a los estudiantes a distinguir entre la asistencia de la IA que apoya el aprendizaje y la asistencia que desplaza el trabajo cognitivo necesario para el desarrollo de habilidades. La brecha de dependencia se propone como una métrica práctica y escalable para que las escuelas monitoreen este cambio en la confianza y la competencia.