El judici no es delega · 9 de 12

Se sol dir que el professorat necessita formació en intel·ligència artificial, i que aquesta formació consisteix a aprendre a utilitzar les eines. Un curs de tarda, quatre aplicacions, algun exemple d’instrucció ben escrita. La idea és raonable i està molt estesa.

Les dades de l’Informe ODITE 2026 apunten cap a una altra recomanació. Quan es comparen les respostes de 138 estudiants i 63 docents sobre la IA a l’escola, la diferència més gran de tot l’estudi no apareix en el pensament crític ni en l’autonomia de l’aprenent. Apareix en la necessitat de parlar a classe dels riscos i de formar-se per fer-ho: el professorat ho puntua amb 4,71 sobre 5 i l’alumnat amb 4,13 (1).

I hi ha una segona part de la dada, que és la que incomoda. Quan en el mateix informe s’analitzen les opinions de les dotze persones expertes entrevistades, el punt on més divergeixen entre elles és com ha d’acompanyar el professorat l’ús de la IA (1).

El professorat demana amb claredat justament allò sobre el qual hi ha menys acord. Per aquí comença aquest article.

Qui dissenya veu el que qui aprèn encara no

L’estudi de triangulació de l’Informe ODITE, signat per la doctora Neus Lorenzo, no es limita a constatar que docents i alumnat opinen diferent. Fa una cosa més exigent: prediu en què han de diferir i en què no.

La predicció és que el professorat puntuarà més alt en els tres dilemes centrals de la pràctica, perquè els percep amb més agudesa, i que en un tema sense dilema no hi haurà diferència apreciable. Les tres diferències es confirmen, amb mides de l’efecte mitjanes. I el cas de control, la percepció que la IA ha millorat el rendiment acadèmic, es comporta com s’esperava: 3,36 l’alumnat, 3,37 el professorat, una diferència d’una centèsima (1).

Aquesta última dada és la que converteix la troballa en argument. Un marc que encerta també allà on anuncia que no hi haurà diferència té poder explicatiu; un que troba divergència en tot, no.

Convé dir fins on arriba l’evidència. Les mostres són petites i no probabilístiques, les prediccions es van formular a partir del marc però no es van registrar abans de veure les dades, i la mateixa autora ho adverteix: correspondència no equival a causalitat (1). El que les dades permeten afirmar és que l’asimetria existeix, és sistemàtica i va sempre en la mateixa direcció.

L’explicació que ofereix l’informe és sòbria i encaixa amb l’experiència de qualsevol claustre. El professorat percep més risc perquè dissenya l’aprenentatge i accedeix a una dimensió del problema que qui aprèn encara no ha necessitat resoldre (1). No és resistència al canvi. És el punt de vista de qui respon de les conseqüències.

La mateixa asimetria apareix fora del nostre context. José Antonio Bowen i C. Edward Watson recullen una enquesta estatunidenca en què el 47 % de l’alumnat universitari considera que la IA té un impacte positiu en l’aprenentatge, enfront del 22 % del professorat, mentre que el 50 % del professorat ho considera negatiu i només el 22 % de l’alumnat hi coincideix (2). L’escletxa no és espanyola, supera fronteres.

Un temari que no és d’eines

Si la formació docent no és un curs d’aplicacions, de què és?

La revisió sistemàtica d’Iliana Guaranda-Arias i el seu equip, publicada el 2026, va analitzar 52 estudis sobre alfabetització ètica en IA i pensament crític del professorat. La resposta que sintetitza és una llista de set components: privacitat, transparència, biaixos, verificació de fonts, integritat acadèmica, autoria i presa de decisions pedagògiques fonamentades (3).

En el pla pràctic ho tradueixen a una cosa que s’assembla molt a un temari de claustre: anàlisi de casos, verificació de fonts, identificació de biaixos, protecció de dades, discussió sobre autoria i avaluació de respostes generades per IA (3). Ni una sola eina a la llista.

La mateixa revisió documenta tres riscos que van junts: dependència tecnològica, ús acrític i formació docent insuficient (3).

Cal llegir aquest estudi sabent què és. Les seves quatre bases de dades són iberoamericanes, amb l’excepció d’ERIC, i exclou llibres, capítols i tesis. Hi predominen les revisions documentals, les anàlisis teòriques i els estudis transversals. Els mateixos autors reconeixen que no consta el registre del protocol ni la data exacta de l’última cerca. Per això conclouen que l’alfabetització ètica i el pensament crític docent són competències interrelacionades en el pla conceptual, i no que una causi l’altra (3). És una revisió honesta amb ella mateixa, i així cal citar-la.

Queda per resoldre la pregunta que més importa a un claustre: què es delega i què no. Miquel Àngel Prats, professor titular de tecnologia educativa a Blanquerna-URL, la formula a l’Informe ODITE amb una precisió que estalvia moltes discussions. La IA redueix temps de tasques administratives, genera materials i produeix retroalimentació preliminar. La qüestió no és quant temps estalvia, sinó què es fa amb el temps alliberat (4).

Si aquest temps es reinverteix en acompanyament, en interacció significativa i en disseny didàctic, l’eficiència treballa a favor de la qualitat. Si s’utilitza per produir més del mateix, erosiona la dimensió humanitzadora de l’ensenyament. El temps alliberat no és un estalvi. És una decisió.

D’aquí sorgeix el desplaçament professional que aquest article vol deixar clar: del docent que transmet al docent que exerceix mediació crítica. No competeix amb la màquina en velocitat ni en volum d’informació, perquè aquesta competició està perduda. Acompanya la interpretació, la contextualització i la formació del criteri (4). Sarah Elaine Eaton, professora de la Universitat de Calgary, ho resumeix en una frase que Bowen i Watson col·loquen al capítol sobre polítiques: els humans poden cedir el control, però no la responsabilitat (2).

Els criteris no es reparteixen, es construeixen

Digital Promise ho diu sense embuts en el seu marc d’alfabetització en IA: la integració segura i eficaç d’aquestes eines depèn d’un professorat alfabetitzat, i no és raonable suposar que el professorat ho aprendrà pel seu compte (5). És un marc institucional que argumenta, no un estudi que mesura, i convé tenir-ho present. Però és la formulació més clara del corpus.

Quina formació compleix aquesta condició? La revisió de Guaranda-Arias recull la tesi de Kelley i Wenzel: calen experiències professionals contextualitzades, no només capacitació tècnica (3). La paraula en context és la clau. Formació que passa dins de la pràctica d’un equip concret, amb les seves matèries, el seu alumnat i els seus dilemes.

La iniciativa CRAFT, de la Facultat d’Educació de Stanford juntament amb el seu institut d’IA centrada en les persones, funciona així per disseny. Els seus materials no s’elaboren a la universitat i es distribueixen després: es codissenyen amb cohorts anuals de professorat de diferents disciplines, i el que passa a les seves aules modifica el contingut, l’estructura i l’estil del material. La seva formació es planteja com el desenvolupament d’una posició fonamentada que orienti decisions responsables (6). És un model clar, amb un abast concret: els seus recursos i les seves cohorts són de secundària i dels Estats Units.

Més a prop hi ha una experiència amb dades. El projecte APLICA-IA, de la Societat Catalana de Pedagogia, ha format entre 2023 i 2025 170 participants directes de trenta-quatre centres educatius, dues universitats i dos centres de formació docent, a Catalunya, Balears i Andorra. El seu enfocament és la recerca-acció col·laborativa: els docents no reben pràctiques, les cocreen. Les mesures abans i després del curs milloren en coneixement sobre IA, en autoeficàcia, en actituds i en competència digital crítica (7).

Aquestes dades descriuen una millora, encara que no la demostren causada per la formació: el disseny compara el mateix grup abans i després, sense grup de control, i bona part del que s’ha mesurat és la percepció que cada docent té de la seva pròpia capacitat. Amb aquesta cautela, hi ha un resultat que mereix atenció pel que té d’honest: després de la formació, la suspicàcia del professorat cap a la IA es manté (7). No es tractava de convèncer ningú.

L’argument de fons l’aporten Miquel F. Oliver, Begoña De la Iglesia, Lucía Buil i Carme Pinya, que documenten a l’Informe ODITE una formació conjunta del professorat de les facultats d’Educació i de Dret de les Illes Balears. Van treballar en grups interdisciplinaris, van pilotar eines i van elaborar de manera col·lectiva un decàleg orientador i una rúbrica. El que van aprendre pel camí és el que dona títol a aquesta secció: els principis que guien l’ús de la IA no es poden imposar de manera externa, s’han de construir des de la pràctica, el diàleg i el consens professional (8).

Què fer amb això

Per a l’equip directiu. Prats identifica quatre elements que un centre necessita per sostenir pràctiques docents crítiques, i funcionen bé com a autoavaluació de claustre: claredat normativa sobre l’ús permès en tasques i avaluacions, formació contínua en les dimensions tècnica, ètica i metodològica, protecció de dades i equitat com a principis operatius, i coherència amb el projecte educatiu del centre (4). Sense aquesta arquitectura, adverteix, la pràctica queda fragmentada i dependent d’iniciatives individuals.

Per a l’equip directiu. L’itinerari de la Universitat de les Illes Balears és transferible a un claustre de secundària: grups mixtos per departament, pilotatge real d’una eina sobre una tasca concreta, deliberació sobre el que s’ha vist i redacció col·lectiva d’un decàleg orientador, no prescriptiu, amb una rúbrica que l’acompanyi (8). El document importa menys que el procés. El procés és la formació.

Per al claustre. Declarar l’ús propi. L’Informe ODITE inclou capítols que detallen al final què va fer la IA en la seva elaboració i què no: acompanyament a la redacció i a la claredat expositiva, sense substituir en cap cas el criteri professional ni generar les conclusions (1). Adoptar aquesta pràctica en les programacions i els materials del centre ensenya més sobre integritat que qualsevol norma, perquè modela la conducta que es demana a l’alumnat.

Per acabar

La conclusió de Prats és la que millor tanca aquest recorregut: el que és decisiu no és la potència de l’algorisme, sinó la qualitat del criteri pedagògic que orienta la seva integració (4). Un participant de la formació APLICA ho va dir d’una altra manera, i val la pena recollir-ho: el veritable potencial de la IA no és tecnològic, sinó pedagògic i social (7).

Lluny de diluir la figura docent, la presència d’aquests sistemes pot reforçar-la. En un món on produir informació és trivial, el valor professional es desplaça cap a la mediació, la interpretació i el judici. Això no s’aprèn en una tarda, i no s’aprèn tot sol.

Per continuar pensant. De les hores de formació de l’últim curs, quantes van servir per aprendre una eina i quantes per construir un criteri?

Glossari

• Alfabetització ètica en IA. Capacitat de comprendre i avaluar de manera crítica el funcionament, els límits i les conseqüències educatives dels sistemes d’IA, atenent la privacitat, la transparència, l’equitat, l’autoria, la responsabilitat i la integritat acadèmica.
• Formació contextualitzada/situada. Formació que es desenvolupa dins de la pràctica professional real d’un equip, sobre les seves tasques i els seus dilemes, en lloc de transmetre continguts descontextualitzats.
• Codisseny. Mètode pel qual els materials o criteris s’elaboren juntament amb les persones que els utilitzaran, de manera que la seva experiència modifica el resultat i no només el valida al final.
• Mediació crítica. Paper docent que consisteix a acompanyar la interpretació, la contextualització i la problematització de la informació generada, en lloc de competir amb la màquina a produir-la.
• Autoeficàcia. Confiança que una persona té en la seva pròpia capacitat per fer una tasca. Es mesura preguntant, no observant, i per això convé distingir-la del rendiment real.
• Disseny pre-post. Estudi que mesura un mateix grup abans i després d’una intervenció. Mostra si alguna cosa va canviar, però sense grup de comparació no permet atribuir el canvi a la intervenció.

Referències

1. Lorenzo Galés, N. (2026). Justificación estadística: correspondencia entre los dilemas pedagógicos de la praxis y las divergencias entre expertos. A J. M. Muñoz, N. Lorenzo, X. Suñé, M. À. Prats i C. López (coords.), Informe ODITE 2026. Claves para una nueva educación. Observatorio de Innovación Educativa y Cultura Digital, Asociación Espiral. Apartats 3, 4 i 5, i declaració d’ús d’IA.
2. Bowen, J. A. i Watson, C. E. (2024). Teaching with AI: A Practical Guide to a New Era of Human Learning. Johns Hopkins University Press.
3. Guaranda-Arias, I. C., García-Ortiz, L. R. i 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.
4. Prats, M. À. (2026). Enfoques metodológicos y prácticas docentes críticas en la era de la inteligencia artificial. A Informe ODITE 2026.
5. Mills, K., Ruiz, P., Lee, K., Coenraad, M., Fusco, J., Roschelle, J. i Weisgrau, J. (2024). AI Literacy: A Framework to Understand, Evaluate, and Use Emerging Technology. Digital Promise.
6. CRAFT: Classroom-Ready Resources About AI for Teaching. Stanford Graduate School of Education i Institute for Human-Centered AI. Principis fonamentals, desenvolupament professional i programa de docents codissenyadors. https://craft.stanford.edu/
7. De la Fuente Castelló, R. M. i Lorenzo Galés, N. (2026). Agencia humana en la IA educativa: APLICA-Soluciones para pasar a la acción. A Informe ODITE 2026.
8. Oliver Trobat, M. F., De la Iglesia Mayol, B., Buil Legaz, L. i Pinya Medina, C. (2026). Coconstruyendo criterios para el uso pedagógico y ético de la inteligencia artificial en la educación universitaria. A Informe ODITE 2026.