Introducción La irrupción de la inteligencia artificial (IA) generativa ha transformado profundamente el panorama educativo en apenas unos años. Herramientas capaces de generar texto, imágenes, código o contenidos multimedia a partir de instrucciones en lenguaje natural han pasado rápidamente de ser tecnologías emergentes a convertirse en recursos ...
PUBLICIDAD
Crea tu cuenta gratis y léelo completo ahora.
¿Ya estás registrado? Inicia sesión aquí .
La irrupción de la inteligencia artificial (IA) generativa ha transformado profundamente el panorama educativo en apenas unos años. Herramientas capaces de generar texto, imágenes, código o contenidos multimedia a partir de instrucciones en lenguaje natural han pasado rápidamente de ser tecnologías emergentes a convertirse en recursos ampliamente utilizados por estudiantes y docentes de educación superior.
Desde la aparición de modelos conversacionales avanzados y otras aplicaciones basadas en IA generativa, universidades de todo el mundo han iniciado procesos de adaptación para integrar estas herramientas en la enseñanza, la evaluación y el aprendizaje. Sin embargo, el debate sobre su impacto real continúa abierto. Mientras algunos expertos destacan su potencial para mejorar el rendimiento académico y personalizar el aprendizaje, otros señalan riesgos relacionados con la dependencia tecnológica, la integridad académica o las desigualdades en el acceso.
Con el objetivo de aportar evidencia más sólida a esta discusión, una revisión sistemática y metaanálisis reciente examinó los efectos de la IA generativa sobre los resultados intelectuales y socioemocionales en estudiantes universitarios.
Una transformación acelerada
La adopción de herramientas de IA generativa en la educación superior ha sido extraordinariamente rápida. Plataformas basadas en grandes modelos de lenguaje permiten a los estudiantes:
- Resolver dudas académicas.
- Generar borradores de trabajos.
- Recibir explicaciones personalizadas.
- Practicar habilidades de escritura.
- Obtener retroalimentación inmediata.
- Simular escenarios de aprendizaje.
Esta accesibilidad ha favorecido una incorporación masiva de la tecnología en múltiples disciplinas y contextos educativos.
Necesidad de evidencia científica
A pesar de su rápida expansión, gran parte del debate sobre la IA generativa ha estado sustentado en opiniones, experiencias anecdóticas o estudios aislados.
La creciente acumulación de investigaciones experimentales ha hecho posible realizar síntesis cuantitativas capaces de evaluar con mayor precisión sus efectos sobre distintos dominios del aprendizaje.
La investigación tuvo como objetivo determinar si la utilización de herramientas de IA generativa produce mejoras en dos áreas fundamentales:
Incluyen variables relacionadas con el rendimiento académico y los procesos cognitivos, tales como:
- Adquisición de conocimientos.
- Comprensión conceptual.
- Resolución de problemas.
- Rendimiento en evaluaciones.
- Desarrollo de habilidades académicas.
Resultados socioemocionales
Comprenden dimensiones vinculadas al bienestar y la experiencia educativa, entre ellas:
Motivación.
Autoeficacia.
Compromiso con el aprendizaje.
Satisfacción académica.
Actitudes hacia el estudio.
Revisión sistemática y metaanálisis
Los autores realizaron una revisión sistemática acompañada de un metaanálisis para sintetizar la evidencia disponible sobre el impacto de la IA generativa en estudiantes universitarios.
Estudios incluidos
Se seleccionaron 33 estudios experimentales y cuasiexperimentales publicados entre 2021 y 2024.
En conjunto, la muestra analizada incluyó:
- 3.394 participantes.
- Diversos contextos educativos.
- Diferentes disciplinas académicas.
- Múltiples modalidades de intervención basadas en IA generativa.
Procedimientos analíticos
Se aplicaron modelos de efectos aleatorios utilizando Stata 18 para estimar los efectos combinados de las intervenciones.
Además, se realizaron:
- Análisis de sesgo de publicación.
- Análisis de sensibilidad.
- Análisis de moderadores.
Estas técnicas permitieron evaluar la robustez de los resultados y explorar posibles fuentes de heterogeneidad entre estudios.
Impacto positivo sobre los resultados intelectuales
La IA generativa mostró un efecto positivo y estadísticamente significativo sobre los resultados intelectuales.
El tamaño del efecto combinado fue:
- Hedges' g = 1,096.
- I C 95 %: 0,087–2,104.
- p = 0,033.
Desde una perspectiva metodológica, este resultado sugiere un efecto potencialmente importante sobre variables relacionadas con el aprendizaje y el rendimiento académico.
Sin embargo, los amplios intervalos de confianza y la elevada heterogeneidad observada indican que la magnitud del beneficio puede variar considerablemente según el contexto educativo y las características de la intervención.
Beneficios en los resultados socioemocionales
La revisión también identificó efectos positivos sobre variables socioemocionales.
Los resultados mostraron:
- Hedges' g = 0,301.
- IC 95 %: 0,048–0,553.
- p = 0,020.
Aunque el tamaño del efecto fue menor que el observado para los resultados intelectuales, los hallazgos sugieren que la IA generativa puede contribuir a mejorar aspectos relacionados con la experiencia de aprendizaje y el compromiso académico.
Comparación entre ambos dominios
Los investigadores analizaron si los beneficios observados diferían significativamente entre los resultados intelectuales y los socioemocionales.
La comparación no mostró diferencias estadísticamente significativas:
Coeficiente = -0,739.
p = 0,252.
Esto indica que, aunque los efectos sobre el aprendizaje parecen más pronunciados, la evidencia disponible no permite concluir que un dominio se beneficie claramente más que el otro.
Sesgo de publicación
Uno de los aspectos más relevantes del análisis fue la detección de sesgo de publicación en los resultados intelectuales.
Este hallazgo sugiere la posibilidad de que los estudios con resultados positivos hayan tenido mayor probabilidad de ser publicados, lo que podría influir en la estimación global de los efectos.
Por el contrario, no se detectó sesgo de publicación significativo para los resultados socioemocionales.
Análisis de sensibilidad
Los análisis de sensibilidad mostraron diferencias importantes entre ambos dominios.
Resultados intelectuales
Los efectos sobre el aprendizaje fueron relativamente sensibles a la inclusión o exclusión de determinados estudios, lo que indica cierta fragilidad de las estimaciones disponibles.
Resultados socioemocionales
En contraste, los efectos observados sobre variables socioemocionales mostraron una mayor estabilidad, reforzando la confianza en la consistencia de estos hallazgos.
Moderadores analizados
Los investigadores examinaron diversos factores que podrían explicar la heterogeneidad observada.
Entre ellos:
- Tipo de funcionalidad de la IA.
- Duración de la intervención.
- Área de conocimiento.
Ausencia de efectos significativos
Ninguno de estos moderadores logró explicar significativamente las diferencias entre estudios a nivel global.
Este resultado sugiere que otros factores todavía no suficientemente investigados podrían estar influyendo en la efectividad de la IA generativa en contextos educativos.
Una herramienta prometedora
La evidencia disponible indica que la IA generativa puede constituir un recurso valioso para apoyar el aprendizaje universitario.
Su capacidad para proporcionar retroalimentación inmediata, facilitar la personalización del aprendizaje y ampliar el acceso a recursos educativos representa una oportunidad relevante para la innovación docente.
Necesidad de una implementación crítica
No obstante, los resultados también ponen de manifiesto la necesidad de evitar interpretaciones excesivamente optimistas.
La heterogeneidad observada, la presencia de sesgo de publicación y la sensibilidad de algunos resultados indican que todavía existen importantes incertidumbres sobre las condiciones que favorecen una implementación efectiva.
Retos para la investigación futura
Los autores destacan la necesidad de:
- Estudios longitudinales de mayor duración.
- Diseños experimentales más robustos.
- Evaluación de impactos a largo plazo.
- Análisis de diferencias entre disciplinas.
- Investigación sobre competencias críticas y éticas relacionadas con el uso de IA.
La evidencia sintetizada en este metaanálisis sugiere que la inteligencia artificial generativa puede mejorar tanto los resultados intelectuales como los socioemocionales en estudiantes de educación superior. Los efectos parecen especialmente prometedores en variables relacionadas con el aprendizaje y el rendimiento académico, aunque la magnitud de los beneficios varía considerablemente entre estudios.
A pesar del potencial mostrado por estas tecnologías, la base empírica disponible sigue siendo heterogénea y metodológicamente desigual. Por ello, la integración de la IA generativa en la educación superior debe acompañarse de investigación rigurosa, evaluación continua y estrategias pedagógicas que permitan aprovechar sus ventajas sin descuidar los desafíos asociados a su uso.
Resumen y adaptación editorial: Virginia Candelas García (Cibermedicina / Psiquiatria.com)
Fuente original: Generative AI in higher education: a meta-analysis of intellectual and social–emotional outcomes - Front. Psychol. Educational Psychology Volume 17
Texto completo disponible en: https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2026.1848745/full
Este contenido es un resumen adaptado. La autoría científica corresponde a los autores originales.
Artículo distribuido bajo licencia Creative Commons según la fuente original.
Explora el artículo con IA