Un rebaño sin acceso a la información ni al conocimiento es la suma de personas que no cuestionan la realidad porque no hace preguntas incómodas, a nadie.
Prof. PhD JUAN DIEGO GÓMEZ-ESCALONILLA TORRIJOS Divulgador Científico doctorado en Neuroeducación y Creador de contenido Neuroeducativo. Grupo de Investigación Educativa (GIE) NEEvolución! www.linkedin.com/in/diego-gómez-868386a8
lunes, 22 de junio de 2026
"HAZLO MEJOR" eso no le dice NADA a ChatGPT
Y es que así, básicamente, le estás pidiendo que adivine lo que quieres.
Hay frases que usamos todos los días que son completamente vacías para la IA. "Hazlo más profesional." "Ayúdame con esto." La herramienta no sabe qué hacer y te devuelve algo genérico.El truco es ser específico de verdad.
En vez de "hazlo mejor", prueba con "reestructura este texto para que convenza a un director general de aprobar esto hoy". En vez de "hazme algo creativo", dile exactamente para qué canal, qué tono y a quién va dirigido.
ChatGPT es tan bueno como el prompt que le escribes.
La Inteligencia Artificial y el futuro de la Universidad
Manual estratégico para gobernar la transformación institucional.
Las universidades están intentando gobernar la IA con categorías construidas para un mundo que ya no existe.
La IA no es solo una cuestión de plagio, declaración de uso o acceso a herramientas. Cambia la evaluación, el apoyo al estudiante, la credibilidad de la investigación, la gobernanza de los datos y la responsabilidad institucional.
Este libro ofrece un marco práctico para las universidades que necesitan convertir la política sobre IA en práctica institucional.
OCDE: los resultados de aprendizaje de los estudiantes están estrechamente asociados con la calidad del conocimiento pedagógico de sus docentes
La gráfica muestra una correlación positiva entre las puntuaciones promedio de conocimiento pedagógico general docente —GPK— y los desempeños promedio de los estudiantes de 15 años en matemáticas. Esto implica que los sistemas educativos con docentes mejor formados tienden a presentar mejores resultados académicos.
Sin embargo, este dato debe leerse con rigor. No basta con afirmar que “hay que capacitar docentes”. La formación docente debe ser especializada, sistemática y orientada al mejoramiento de la práctica pedagógica. En particular, debe fortalecer una competencia profesional decisiva: la evaluación del aprendizaje.
Evaluar no es únicamente asignar calificaciones, aplicar pruebas o reportar resultados. Evaluar implica recoger evidencias válidas sobre el aprendizaje, interpretarlas pedagógicamente, identificar brechas, retroalimentar con precisión y tomar decisiones didácticas fundamentadas.
Desde esta perspectiva, la evaluación deja de ser un procedimiento administrativo y se convierte en un dispositivo estratégico para mejorar la enseñanza y potenciar el aprendizaje.
Por eso, los programas de formación docente en evaluación son indispensables. Un docente que comprende la evaluación puede diseñar mejores instrumentos, formular criterios claros, analizar desempeños, diferenciar niveles de logro y orientar procesos de mejora continua.
La conclusión es clara: no hay mejora sostenible de los aprendizajes sin fortalecimiento profesional docente, y no hay fortalecimiento docente serio sin formación rigurosa en evaluación del aprendizaje.
Experimental evidence on the productivity effects of generative artificial intelligence
- Shakked Noy,
- Whitney Zhang Experimental
Shakked Noy y Whitney Zhang publicaron en Science un experimento con profesionales realizando diversas tareas: con ChatGPT, el tiempo medio bajó un 40% y la calidad subió un 18%, según evaluadores independientes.
Encontraron aumentos de productividad de alrededor del 14–15%, especialmente fuertes en trabajadores novatos o menos cualificados, lo que sugiere que la IA captura y distribuye “buenas prácticas” de ejecución.
McKinsey estima que la IA generativa puede automatizar actividades que hoy ocupan entre el 60% y el 70% del tiempo de los empleados, con especial impacto en trabajo del conocimiento, marketing, ventas, software, atención al cliente e I+D. Esto encaja con la idea de que una parte grande del trabajo operativo puede pasar de ejecución humana directa a asistencia, automatización o supervisión de sistemas.
Pero ¡ojo! La IA generativa no elimina simplemente el trabajo humano, sino que cambia dónde se concentra. Antes, una parte importante del esfuerzo en proyectos creativos o de conocimiento se consumía en ejecución: redactar, producir versiones, buscar información, preparar borradores, documentar, repetir formatos o transformar una idea en múltiples entregables.
El resultado es un desplazamiento del valor humano hacia la fase de pensamiento: definir mejor el problema, formular hipótesis, elegir criterios, diseñar prompts, evaluar salidas, corregir errores, aportar contexto, cuidar la originalidad y decidir qué merece convertirse en producto final. En ese sentido, “idea” no significa solo inspiración, sino dirección estratégica y juicio editorial.
La IA puede multiplicar la capacidad de producir, pero precisamente por eso aumenta la importancia de saber qué producir, por qué, para quién y con qué estándar. Por eso el gráfico funciona bien como visualización conceptual: menos personas dedicadas a ejecución repetitiva, más atención humana concentrada en conceptualización, criterio y supervisión.
MYTHOS 5 Vs Fable 5
En este análisis definitivo de la nueva inteligencia artificial de Anthropic, desglosamos las increíbles capacidades de Claude Fable 5 y el misterioso modelo restringido Mythos 5.
Tomar buenas o malas decisiones sin entender por qué
Acemoglu, Daron and Kong, Dingwen and Ozdaglar, Asuman E., AI, Human Cognition and Knowledge Collapse (February 2026). NBER Working Paper No. w34910, Available at SSRN: https://ssrn.com/abstract=6326698
la IA puede ayudarnos a decidir mejor hoy, mientras deteriora el ecosistema de conocimiento que necesitaremos mañana.
Un modelo de IA distingue entre dos tipos de conocimiento.
Por un lado, el conocimiento general: las bases, los principios, la teoría compartida por una comunidad.
Por otro, el conocimiento específico de contexto: tu caso, tu paciente, tu empresa, tu aula, tu problema concreto.
Las buenas decisiones necesitan ambas cosas: El contexto sin teoría es ceguera y la teoría sin contexto es impotencia.
Cuando sustituimos esa curva de aprendizaje por una respuesta inmediata, la decisión puede seguir siendo buena… pero el sistema que genera conocimiento empieza a empobrecerse.
Ese es el concepto que más me inquieta del paper: colapso del conocimiento.
Un estado en el que seguimos recibiendo recomendaciones personalizadas de alta calidad, pero el conocimiento general que permite interpretarlas, discutirlas y mejorarlas se va erosionando.
Decidimos más rápido. Pero entendemos menos: Taxonomía de Bloom.
Suscribirse a:
Entradas (Atom)