A Systematic Review and Taxonomy of GenAI Usage in Programming Education: A Self-Regulation Perspective
Esta revisión sistemática de 58 estudios hasta octubre de 2025 propone una taxonomía tetradimensional para demostrar que el impacto de la IA generativa en la autorregulación del estudiante en la educación de programación no depende de la tecnología en sí misma, sino de estrategias de mediación pedagógica estructuradas que fomentan la autonomía frente a contextos no guiados que fomentan la dependencia cognitiva.
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
Imagina que estás aprendiendo a montar en bicicleta. En el pasado, tenías que tambalearte, caerte y descubrir cómo mantener el equilibrio por ti mismo. Ahora, imagina una rueda de entrenamiento mágica e invisible que puede hablarte. Puede decirte exactamente cómo pedalear, guiarte para alejarte de los baches e incluso arreglar tu bicicleta si te estrellas. Esto es lo que la Inteligencia Artificial Generativa (IA Generativa) se siente en el mundo de aprender a programar. Es un programa informático superinteligente que puede escribir instrucciones de computadora (código) por ti, explicar ideas complejas y ayudarte a resolver problemas al instante.
Pero aquí está la parte difícil: el Aprendizaje Autorregulado. Este es un término elegante para "aprender a aprender". Es la capacidad de establecer tus propias metas, mantener la concentración cuando las cosas se ponen difíciles y revisar tu propio trabajo para ver si realmente lo entiendes. La gran pregunta no es solo "¿Puede esta herramienta mágica ayudarme a terminar mi tarea?", sino "¿Me hará esta herramienta un aprendiz mejor e independiente, o me hará dependiente de la máquina?". Si la herramienta hace todo el pensamiento por ti, podrías obtener la respuesta correcta, pero no aprenderás a montar la bicicleta por tu cuenta. Este es el rompecabezas exacto que los científicos están tratando de resolver en el campo de la Educación en Programación.
La Gran Investigación del Ayudante de Código
Un equipo de investigadores decidió dar un gran paso atrás y mirar el panorama completo. No se limitaron a realizar un solo experimento; actuaron como detectives, rastreando 58 estudios diferentes publicados hasta octubre de 2025. Exploraron miles de artículos de investigación para averiguar: ¿Cómo están utilizando realmente los profesores y los estudiantes estas herramientas de IA para aprender a programar, y les ayuda esto a convertirse en pensadores independientes o solo en robots que copian código?
Descubrieron que la respuesta no es un simple "sí" o "no". Es más bien como una receta. La herramienta mágica (IA Generativa) es solo un ingrediente; lo que importa es cómo cocinas con ella.
Los Cuatro Ingredientes de la Receta
Para dar sentido a todas las diferentes formas en que la gente usa la IA, los investigadores crearon un mapa especial llamado Taxonomía. Piensa en esto como un menú en un restaurante que te ayuda a pedir la comida adecuada. Organizaron los estudios en cuatro categorías principales:
- ¿Qué estamos cocinando? (Syllabus Objetivo): ¿Estamos usando la IA para escribir código nuevo desde cero, para arreglar código roto (depuración) o solo para explicar cómo funcionan las cosas? La mayoría de los estudios se centraron en la escritura de código, lo cual tiene sentido ya que eso es para lo que herramientas como ChatGPT son mejores.
- ¿Quién es el chef? (Estrategia de Mediación): Esta es la parte más importante. ¿La IA simplemente está ahí sentada esperando a que le preguntes cualquier cosa (Uso Libre), o el profesor te guía sobre exactamente cuándo y cómo usarla (Uso Guiado)?
- La trampa del "Uso Libre": Cuando los estudiantes se quedan solos con la IA, a menudo la tratan como un atajo. Piden la respuesta, la obtienen y siguen adelante. Los investigadores descubrieron que esto conduce a una "ilusión de competencia": crees que sabes cómo montar la bicicleta porque la rueda invisible te sostuvo, pero en realidad no sabes.
- La magia "Guiada": Cuando los profesores establecen reglas —como "Usa la IA para explicar el error, pero no dejes que escriba la solución por ti"— los estudiantes realmente aprenden más. Es como tener un entrenador que no empujará la bicicleta por ti, pero te dirá hacia qué lado inclinarte.
- ¿Cómo nos sentimos? (Impacto Cognitivo): ¿Se sintieron los estudiantes más motivados? ¿Entendieron mejor el material? ¿O se volvieron dependientes de la herramienta? Los resultados fueron mixtos. Algunos estudiantes se sintieron menos estresados y con más confianza, mientras que otros sintieron que estaban perdiendo su capacidad de pensar críticamente.
- ¿Qué tipo de herramienta es? (Enfoque Técnico): ¿Es un chatbot simple con el que hablas, un tutor inteligente integrado en tu software de programación o un robot especializado? El estudio encontró que los chatbots simples son los más comunes, pero las herramientas especializadas diseñadas por profesores suelen funcionar mejor para el aprendizaje profundo.
El Gran Descubrimiento: Todo se Trata de las Reglas
El hallazgo más emocionante de este artículo es que la tecnología en sí misma no es la heroína ni la villana. La herramienta de IA es neutral. Es la mediación pedagógica —la forma en que los profesores y los estudiantes la usan— lo que decide el resultado.
- Cuando sale mal: Si simplemente dejas que los estudiantes usen la IA sin reglas, tienden a convertirse en "dependientes cognitivos". Dejan de intentar resolver problemas por sí mismos porque la herramienta es demasiado fácil de usar. Pueden obtener buenas calificaciones, pero en realidad no están aprendiendo.
- Cuando sale bien: Cuando la IA se utiliza como un andamio (como ruedas de entrenamiento que retiras lentamente), es increíble. Los profesores que utilizan estrategias como "pide a la IA una pista, no la respuesta" o "usa la IA para revisar tu lógica antes de escribir el código" ven que los estudiantes se vuelven más motivados, más comprometidos y mejores resolviendo problemas por su cuenta.
¿Qué falta?
Los investigadores también señalaron algunos vacíos en el conocimiento actual. La mayoría de los estudios que analizaron fueron a corto plazo (solo unas pocas semanas o incluso una sola sesión de clase) e involucraron grupos pequeños de estudiantes. Aún no sabemos realmente si usar la IA durante todo un semestre hace que los estudiantes sean mejores programadores a largo plazo, o si solo los hace más rápidos para copiar. Además, la mayoría de los estudios se centraron en estudiantes que ya eran bastante buenos programando; no sabemos lo suficiente sobre cómo esto afecta a los principiantes o a los estudiantes con diferentes necesidades de aprendizaje.
La Conclusión
Este artículo nos dice que la IA Generativa es una poderosa nueva herramienta en el aula, pero no es una varita mágica que lo arregla todo por sí sola. Si simplemente le entregas a un estudiante una varita mágica y le dices "haz tu tarea", es posible que obtenga la respuesta, pero no aprenderá la magia. Sin embargo, si un profesor usa esa varita como parte de una lección estructurada —enseñando a los estudiantes cómo hacer las preguntas correctas y cuándo soltar la varita—, entonces puede ayudarlos a convertirse en solucionadores de problemas independientes, seguros y creativos.
El futuro de la educación en programación no se trata de prohibir la IA o dejar que corra libremente; se trata de encontrar el equilibrio perfecto donde la IA apoye el cerebro del estudiante sin reemplazarlo.
¿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.