La inteligencia artificial generativa ha entrado con fuerza en la educación superior, pero su incorporación al aprendizaje universitario sigue planteando una pregunta clave: ¿cómo convertir una herramienta como ChatGPT en un recurso didáctico realmente útil, y no solo en un atajo para obtener respuestas?
El artículo “Inteligencia artificial generativa para autoaprendizaje en educación superior: Diseño y validación de una máquina de ejemplos” aborda esta cuestión a partir de una propuesta concreta: el diseño y validación de una máquina de ejemplos pensada para que estudiantes universitarios repasen contenidos de Metodología de Investigación Educativa mediante casos prácticos, interacción guiada y retroalimentación inmediata.
Uno de los aspectos más interesantes del estudio es que muestra que trabajar con IA exige diseño pedagógico, no solo entusiasmo tecnológico. Los autores elaboran distintos prompts, los validan con jueces expertos y los prueban con 192 estudiantes de Ciencias de la Educación.
Los resultados apuntan a una alta satisfacción y utilidad percibida, pero también revelan algo especialmente relevante: los prompts más sencillos funcionan mejor que los más complejos. Lejos de ser un detalle menor, este hallazgo recuerda que la IA generativa necesita límites, instrucciones claras y tareas bien acotadas para convertirse en una aliada del aprendizaje autónomo.
La investigación también tiene valor porque no oculta los errores de la herramienta; al contrario, los convierte en parte del análisis. De hecho, los estudiantes que presenciaron fallos durante el pilotaje valoraron más positivamente la utilidad de la máquina, quizá porque esos errores hicieron visible la necesidad de mirar críticamente las respuestas generadas.
Ahí está una de las claves del artículo: la IA puede apoyar el autoaprendizaje, pero su mayor potencial educativo no está en ofrecer respuestas perfectas, sino en provocar prácticas de análisis, verificación y toma de decisiones. Por eso, más que presentar la IA como una solución cerrada, el estudio abre una línea sugerente para diseñar experiencias universitarias donde aprender con tecnología implique también aprender a desconfiar de ella de manera inteligente.
---
Cómo citar: Sánchez-Prieto, J. C., Izquierdo-Álvarez, V., del Moral-Marcos, M. T., & Martínez-Abad, . F. (2025). Inteligencia artificial generativa para autoaprendizaje en educación superior: Diseño y validación de una máquina de ejemplos. RIED-Revista Iberoamericana de Educación a Distancia, 28(1), 59–81. https://doi.org/10.5944/ried.28.1.41548
