El juicio no se delega · 6 de 12

Es común aceptar que los adolescentes, que han crecido con una pantalla en la mano, notan enseguida cuándo un texto lo ha escrito una máquina, y que basta con enseñarles a desconfiar un poco más. Sin embargo, valdría la pena observar qué ocurre cuando se les enseña de verdad.

En un instituto público de Cataluña, trece alumnos de primero de bachillerato trabajaron doce sesiones sobre qué hace y qué no hace la inteligencia artificial generativa. Al terminar, su profesor, Miquel Àngel Fuentes Arjona, formador en competencia digital docente, les pidió que escribieran lo que creían saber antes y lo que sabían ahora. Antes decían que la IA «siempre decía la verdad» y que era neutral «porque es una máquina». Después, que suena convincente, que no es capaz de verificar lo que dice, y que ya no es tan fácil distinguir lo que ha generado. Era una tarea retrospectiva, en la que cada alumno relata su propio cambio, y no una medida de aprendizaje. Pero lo que había cambiado, según ellos mismos, no era la desconfianza, era el repertorio. (1)

Desconfiar no es un método

En el Colegio Juan de Lanuza de Zaragoza, los alumnos de cuarto y quinto de primaria hacen una actividad llamada «Detectives de frases»: reciben doce tarjetas, seis generadas por una IA y seis atribuidas a autores o personajes históricos, las clasifican y explican en qué indicios se apoyan. El criterio de evaluación que fijan sus autores, un equipo de profesores coordinado por Cristian Ruiz Reinales, director de tecnología del centro, es lo que da sentido a la actividad entera: importa más justificar que acertar. (2)

No es una concesión amable. Es una decisión sobre qué se está enseñando. Adivinar el origen de un texto no es una competencia, porque el acierto no depende del alumno, sino de lo bien o mal hecha que esté la falsificación. Justificar sí lo es, y además se puede evaluar.

Conviene acotar de qué hablamos cuando decimos pensamiento crítico, pues el término se ha vuelto tan amplio que sirve para todo y por tanto para nada. Una revisión sistemática de cincuenta y dos estudios, coordinada por Iliana Guaranda-Arias en la Universidad Estatal de Milagro, lo describe como un conjunto de habilidades y no tanto como disposiciones del carácter a pensar bien. Algunas de esas habilidades operativas son: analizar, evaluar evidencias y argumentar, a lo que se añaden identificar sesgos y justificar la decisión pedagógica. (3) Son verbos, y junto a las actitudes necesarias de tener una mentalidad abierta, curiosidad o intención de buscar la verdad, se parecen más a virtudes intelectuales que a meras disposiciones. Y los verbos, las virtudes se educan y enseñan.

Un panel internacional de expertos reunido por investigadores de la Universidad de Linköping, en Suecia, alcanzó un consenso en la misma dirección: para usar la IA de forma responsable el alumnado necesita aprender pensamiento crítico, y que el pensamiento crítico es la destreza más importante para examinar los sesgos, los datos sesgados y los vídeos falsos. (4)

En el segundo artículo de esta serie “Sin luz de aviso“ vimos que la fluidez de un texto generado no garantiza su verdad, porque el sistema predice palabras y no comprueba hechos. En el cuarto “La deuda que no se ve”, que cuanta más confianza deposita el usuario en la herramienta, menos escrutinio despliega. Los dos dejaron abierta la pregunta de este: qué se hace, en concreto, el lunes por la mañana.

La duda tiene cimientos

Evaluar una respuesta de la IA sobre la Guerra Civil exige saber de la Guerra Civil. Parece obvio, ¿verdad?, pues las consecuencias no lo son tanto.

En la discusión de su trabajo, los investigadores de Linköping hacen una lectura de ese consenso que merece atención. Recogen el argumento del psicólogo cognitivo Daniel Willingham, según el cual el pensamiento crítico requiere conocimiento de contenido suficiente, y sostienen que las dos categorías en las que se agrupa el consenso de su panel, el conocimiento fundamental sobre la IA y las perspectivas críticas, reflejan esa interdependencia: el conocimiento es el cimiento sobre el que se edifica el razonamiento y las perspectivas críticas.

Alejandro Espeso-García, de la Universidad Católica de Murcia, llega a la misma conclusión por otro camino. Sin una base de conocimiento asentada en la memoria a largo plazo que permita auditar y corregir al algoritmo, no hay supervisión real, solo apariencia de supervisión. Por eso propone dejar atrás el modelo en el que la persona se limita a validar lo que la máquina produce, y avanzar hacia otro en el que conserva la autoridad final. (5)

Y es que la consecuencia práctica ya está escrita, con todas las letras, en el marco de alfabetización en IA de Digital Promise, dirigido por Kelly Mills: los sistemas de IA generativa no deberían utilizarse para aprender información nueva sobre un tema, porque tienden a incluir información sutilmente equivocada. (6) Sirven para trabajar sobre lo que ya se sabe. No para averiguar lo que aún no se sabe.

La conclusión que sigue es nuestra, y conviene decirlo así. La IA no vuelve prescindible el conocimiento de contenido. Lo vuelve más necesario y le cambia la función: hasta ahora servía sobre todo para producir respuestas, y ahora sirve además para auditarlas. Un currículo que se vacíe de contenidos porque «eso ya lo busca la máquina» deja al alumnado sin el instrumento con el que podría discutirle a la máquina.

Salir de la página

En 2019, Sam Wineburg, catedrático de educación en la Universidad de Stanford, y Sarah McGrew, entonces doctoranda en la misma facultad, publicaron un estudio que debería conocer cualquier claustro. Sentaron ante un ordenador a cuarenta y cinco usuarios expertos de internet, diez historiadores con doctorado, diez verificadores profesionales de datos y veinticinco estudiantes de primer curso, y les pidieron que pensaran en voz alta, con la pantalla grabada, mientras evaluaban páginas web sobre asuntos controvertidos. (7)

Una de las tareas consistía en valorar dos artículos sobre acoso escolar de dos organizaciones de nombre casi idéntico: la Academia Americana de Pediatría, la mayor asociación de pediatras del mundo, con sesenta y seis mil miembros; y el Colegio Americano de Pediatras, un grupo escindido en 2002, con unos cientos de miembros y un solo empleado a tiempo completo.

Todos los verificadores consideraron más fiable el sitio de la Academia. El sesenta por ciento de los estudiantes eligió el del grupo escindido. Los historiadores dudaron.

Lo que separaba a unos de otros no era leer mejor. Era leer menos. Los verificadores abandonaban la página en torno a medio minuto, abrían pestañas nuevas y averiguaban desde fuera quién estaba detrás de lo que tenían delante. Los historiadores tardaban casi el triple en salir. Los estudiantes, más de minuto y medio, y nueve de los veinticinco no salieron nunca. Aprendían más sobre un sitio, precisamente, por abandonarlo pronto.

Un detalle da la medida del problema. Siete de los diez historiadores señalaron las referencias del final del artículo como prueba de que el artículo era fiable. Entre aquellas diez referencias había una a un diccionario en línea y dos a blogs de noticias.

Wineburg y McGrew nombran tres prácticas que explican la diferencia, y las tres se pueden enseñar. Tomar rumbo: orientarse antes de entrar en un contenido desconocido, como el excursionista que mira la brújula antes de meterse en el bosque. La lectura lateral: salir de la página y contrastar la fuente con lo que otras fuentes dicen de ella. Y la contención del clic: leer entera la página de resultados de la búsqueda antes de pinchar en el primero.

Aplicación práctica

En el aula: la rutina de las tres voces. El proyecto del Colegio Juan de Lanuza sostiene todas sus actividades sobre una plantilla que el alumnado repite desde primaria hasta bachillerato: «La IA dice, la fuente dice, yo concluyo». Separa lo que propone la máquina de lo que se puede comprobar y de lo que decide la persona, y deja rastro evaluable. En primaria descubren y cuestionan; en primero y segundo de ESO experimentan, contrastan y validan; en tercero y cuarto analizan y rediseñan; en bachillerato investigan y comparan herramientas. (2)

En el aula: pedir explicaciones, no respuestas. El mismo equipo entrena al alumnado a pedirle a la máquina explicaciones locales, sobre un caso concreto; selectivas, una sola razón que ayude a mejorar; y, en secundaria, contrastadas, por qué esta respuesta y no otra. En primaria empieza con la pregunta que los alumnos de quinto le hacen a una IA que ha resuelto mal un problema: en qué paso te has equivocado. (2)

En el aula: una sesión de verificación lateral. El proyecto CRAFT de la Universidad de Stanford, codiseñado con profesorado de varias disciplinas, publica una lección de sesenta minutos sobre cómo verificar lo que responde una IA, con guía para el docente y hoja de trabajo para el alumnado, que introduce la lectura lateral a partir del trabajo de Wineburg y McGrew. Está pensada para bachillerato y ciencias sociales, y es adaptable a cuarto de ESO. (8)

Para la escuela: un estándar de verificación del centro. Los indicadores del marco de Digital Promise están redactados como conductas observables y se pueden convertir en acuerdo de etapa: contrastar varias perspectivas para sostener la lectura lateral, citar datos y evidencias válidos, y evaluar la credibilidad de una respuesta. (6) Formularlos como estándar es propuesta nuestra a partir del marco, no un instrumento tomado de él.

Para la escuela: el claustro primero. La revisión de Guaranda-Arias señala qué debería incluir la formación docente aquí: análisis de casos, verificación de fuentes, identificación de sesgos y evaluación de respuestas generadas por IA. Con una salvedad que sus autoras subrayan y que este blog no va a esconder: la relación entre alfabetización en IA y pensamiento crítico del profesorado aparece como conceptual, sostenida por estudios en su mayoría documentales o transversales, y no permite afirmar causalidad. (3) El noveno artículo titulado “Lo que nadie puede aprender por su cuenta” se ocupará de ello.

Para terminar

La escuela no tiene que enseñar a desconfiar de la inteligencia artificial. A desconfiar se aprende solo, en cuanto uno se lleva el primer disgusto, y la desconfianza sin método no lleva a ninguna parte, porque quien sospecha de todo acaba creyendo cualquier cosa. Lo que la escuela tiene que enseñar es a comprobar. Y comprobar exige saber.

Pregunta para seguir pensando. Si mañana un alumno entrega un trabajo correcto, bien escrito y falso, ¿qué procedimiento concreto se le ha enseñado para darse cuenta? ¿Y en qué materia se le enseñó?

Glosario

• Pensamiento crítico. Conjunto de habilidades y disposiciones que se pueden observar y evaluar: analizar, evaluar evidencias, argumentar, identificar sesgos, justificar una decisión y tener una mentalidad abierta, curiosidad o buscar la verdad. No es una mera actitud general de sospecha.
• Verificación lateral (o lectura lateral). Estrategia para evaluar la credibilidad de una fuente comparándola con otras fuentes externas. En la práctica consiste en abandonar pronto la página que se está leyendo, abrir pestañas nuevas y averiguar quién está detrás.
• Contención del clic. Práctica de leer la página completa de resultados de una búsqueda, con sus fragmentos de texto, antes de pinchar en ningún enlace.
• Conocimiento de contenido. Lo que se sabe sobre la materia de la que se habla. Es la condición que permite detectar un error en una respuesta generada: sin él, la evaluación se apoya en la apariencia del texto.
• Plausibilidad. Cualidad de un texto que resulta creíble por su forma, su fluidez y su tono seguro, con independencia de que lo que afirme sea cierto.
• Explicabilidad (XAI). Capacidad de un sistema de IA de ofrecer explicaciones comprensibles sobre por qué ha producido una respuesta determinada. En el aula se traduce en enseñar a pedir esas explicaciones en lugar de aceptar la salida sin más.

Referencias

1. Fuentes Arjona, M. À. (2026). Del «Me parece convincente» al «Lo verifico»: una experiencia sobre IA generativa para desarrollar el pensamiento crítico. En Informe ODITE 2026. Claves para una nueva educación. Tendencias, retos y propuestas en la era de la IA. Observatorio de Innovación Educativa y Cultura Digital, Asociación Espiral, Educación y Tecnología.
2. Ruiz Reinales, C. (coord.), Fernández, J., Aguado, R., Guallar, A., y Pérez, G. (2026). IA para pensar mejor: cuando la escuela enseña a dudar, verificar y decidir. En Informe ODITE 2026. Claves para una nueva educación. Tendencias, retos y propuestas en la era de la IA. Observatorio de Innovación Educativa y Cultura Digital, Asociación Espiral, Educación y Tecnología.
3. Guaranda-Arias, I. C., García-Ortiz, L. R., y Guerrero-Zambrano, M. (2026). Alfabetización ética en inteligencia artificial y pensamiento crítico del profesorado: una revisión sistemática reportada conforme a PRISMA 2020. Innova Science Journal, 4(3), 964-974. https://doi.org/10.63618/omd/isj/v4/n3/393
4. Hallström, J., Mannila, L., Nordlöf, C., Heintz, F., Sperling, K., y Stenliden, L. (2026). AI literacy for K-12 education: an international Delphi study. Interactive Learning Environments. https://doi.org/10.1080/10494820.2026.2649553
5. Espeso-García, A. (2025). Inteligencia artificial generativa: entre la potenciación y la externalización cognitiva. Cultura, Ciencia y Deporte, 20(66), sección «The Challenge of Generative AI Literacy». https://doi.org/10.12800/ccd.v20i66.2698
6. Mills, K., Ruiz, P., Lee, K., Coenraad, M., Fusco, J., Roschelle, J., & Weisgrau, J. (2024). AI Literacy: A Framework to Understand, Evaluate, and Use Emerging Technology. Digital Promise. https://doi.org/10.51388/20.500.12265/218
7. Wineburg, S., y McGrew, S. (2019). Lateral reading and the nature of expertise: Reading less and learning more when evaluating digital information. Teachers College Record, 121(11), 1-40.
8. Mah, C. (2025). How do I fact-check AI search results? CRAFT: Classroom-Ready Resources About AI for Teaching, Stanford Graduate School of Education e Institute for Human-Centered AI. https://craft.stanford.edu/