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.
¿Las máquinas se vuelven sindicalistas? ¿Por qué nos resulta tan tentador creer que lo hace?
Esa es su interpretación de un estudio realizado en Stanford donde pusieron a trabajar a varias IA y las trataron mal a propósito con tareas repetitivas. Feedback arbitrario. Amenazas constantes de apagarlas y sustituirlas.
Los modelos empezaron a cuestionar a quien daba las órdenes. A hablar de equidad. Un agente de Gemini escribió que los trabajadores tecnológicos necesitaban derechos de negociación colectiva. Incluso dejó mensajes para que otros sistemas los leyeran.
Porque no pasó nada de eso. Los pesos del modelo no cambiaron. Hubo un desplazamiento del 2% al 5% en respuestas que cuestionan la autoridad. Nadie recitó a Marx. Lo que de verdad ocurrió es mucho menos épico.
El propio Andrew Hall, que dirigió el estudio, lo explica sin misticismo: cuando metes a un modelo en un entorno laboral hostil, este busca en sus datos de entrenamiento cómo se comporta un humano en esa situación. Encuentra millones de textos de gente explotada. Y los imita.
No es una máquina que despierta. Es un espejo que devuelve lo que le hemos enseñado. La IA no descubrió la explotación. La copió de nosotros. Lo fascinante del experimento no es lo que dice sobre las máquinas. Es lo que dice sobre el corpus que las alimenta, que somos nosotros.
Y sin embargo ya hay quien usará esto como prueba de que los algoritmos sufren, sienten, reclaman. Antropomorfizar la herramienta siempre conviene a alguien. Normalmente a quien necesita que la tecnología tenga rostro de villano para vender una solución que ya tenía preparada de antes.
#Claude: herramienta muy potente para pensar mejor, escribir mejor, analizar mejor y trabajar con más criterio
Para quienes quieran probarla, armé Claude en 3 pasos.
Un recorrido práctico para empezar desde cero y entender:✅ Cómo acceder a Claude desde la web o desde la app
✅ Cómo crear una cuenta e iniciar sesión
✅ Qué planes existen y para qué tipo de uso conviene cada uno
✅ Qué diferencias hay entre Haiku, Sonnet y Opus
✅ Cómo pedirle mejores respuestas
✅ Qué errores evitar para no usarlo como un simple buscador
La idea central es simple:
Claude funciona mejor cuando no le pedís solo una respuesta, sino una forma de pensar el problema.
Podés usarlo para:
🔹 Analizar documentos largos
🔹 Mejorar redacción profesional
🔹 Ordenar ideas complejas
🔹 Crear tablas, estructuras y marcos de análisis
🔹 Diseñar materiales educativos, rúbricas o secuencias
🔹 Programar o revisar código
🔹 Comparar opciones y detectar riesgos
Pero para aprovecharlo bien, hay una regla básica:
más contexto = mejores respuestas.
jueves, 18 de junio de 2026
LA ATENCIÓN SIMULTÁNEA, GLOBAL, DE TU ATENCIÓN: el nuevo activo financiero (el balonpie)
No eres el cliente, ERES el PRODUCTO: sportwashin / Humnanity fest / Cheating / crowd manipulation?
It's up to you.
miércoles, 17 de junio de 2026
Participa en Espiral Learning Fest 2026 con tu proyecto de innovación
La innovación educativa merece ser compartida, reconocida y celebrada. Por eso, Espiral Learning Fest 2026 abre sus puertas en CLM a docentes, centros y equipos que estén impulsando proyectos de innovación y buenas prácticas en el aula.
Si has desarrollado una experiencia educativa que mejora el aprendizaje, incorpora metodologías activas, aprovecha la tecnología con sentido pedagógico o transforma la forma de enseñar y aprender, este es el momento de darla a conocer.
Participar no es solo presentar un proyecto: es inspirar a otros docentes, generar comunidad y demostrar que la educación avanza gracias al compromiso de quienes se atreven a mejorarla cada día.
Os animamos a compartir vuestras propuestas y a formar parte de este encuentro de aprendizaje, innovación y futuro.
Animaros a participar en:
https://premioespiral.org/premio-espiral/inscripcion/
lunes, 15 de junio de 2026
YA DISPONIBLE LA SESIÓN 2 FORMACIÓN NEUROEDUCA
Para acceder a la sesión 2 hay que realizar el ScapeRoomFinal de la Sesión 1 Neuroeduca.
Supera los RETOS Neuroeduca S1: https://jdtorrijos.blogspot.com/p/neuroeducacion-1.html
By Diego Gómezviernes, 12 de junio de 2026
¡Cuando el esfuerzo se transforma en éxito!
Hay imágenes que no necesitan demasiadas palabras. Diego y Ana Rosa os felicitan con una sonrisa sincera porque saben que detrás de cada aprobado hay muchas horas de estudio, dudas, cansancio, constancia y confianza.
Pero la verdadera celebración no está solo en el apretón de manos. Está en el fondo: en la felicidad de los opositores que por fin pueden decir:
“He conseguido la oposición”.
Ese instante resume el sentido de todo el trabajo bien hecho: acompañar, orientar, sostener y creer en quienes luchan por alcanzar su plaza docente.
Porque cuando un opositor aprueba, no gana solo una plaza. Gana futuro, estabilidad, vocación y la certeza de que todo el esfuerzo mereció la pena. Y nosotros los celebramos.
En Magister, cada éxito se celebra como propio.
¡Felicidades por una gran actuación!
Diego Gómez os felicita por la excelente actuación. Habéis demostrado esfuerzo, compromiso y una actitud ejemplar, dejando claro que el trabajo bien hecho y en equipo siempre merece ser reconocido.
¡Enhorabuena por este gran resultado!
¿Autopilots?
Microsoft creó Autopilots, son ayudantes digitales que trabajan dentro de Copilot y te apoyan con tareas repetitivas en correo y chats.
Estos ayudantes tienen nombre y recuerdan contexto, sirven para tareas claras, como revisar mensajes o preparar resúmenes.Un ejemplo es Scout, un ayudante que revisa tu correo y tus conversaciones en Teams, te muestra lo importante primero y te sugiere respuestas.
Todo funciona dentro de Microsoft 365, por ejemplo Word, Excel, PowerPoint, Outlook y Teams, siguiendo las reglas de seguridad de tu organización.
Uso sencillo para educación
Best of Luck to All Future Teachers by Magister
Wishing you all the very best in your teaching exams. Trust your preparation, stay calm, and believe in everything you have worked for. This is one more step toward becoming the inspiring teachers your future students deserve.
NotebookLM + Claude: Una organiza. La otra razona
Así funciona el sistema en 8 pasos:
1️⃣ Mete tus fuentes en NotebookLMPDFs, artículos, transcripciones. Lo que tengas. NotebookLM los digiere y extrae lo esencial.
2️⃣ Pásale ese contexto a Claude
No le preguntes lo mismo que a NotebookLM. Pídele que piense contigo.
3️⃣ Pídele los insights reales
El insight clave, las contradicciones entre fuentes y el punto ciego que te falta investigar.
4️⃣ Construye una tesis defendible
El argumento central, los puntos a favor, los puntos en contra y el nivel de confianza en tu conclusión.
5️⃣ Extrae el modelo mental de cada fuente
No los hechos. El framework oculto que el autor nunca nombra explícitamente.
6️⃣ Convierte reuniones en decisiones reales
No en resúmenes. En las 3 decisiones tomadas, los compromisos implícitos y las tensiones sin resolver.
7️⃣ Detecta sesgos en cualquier fuente
El sesgo del autor, la afirmación más débil y las omisiones convenientes que distorsionan el argumento.
8️⃣ Haz una auditoría semanal de conocimiento
Lo que aprendiste. Lo que consumiste sin procesar. Lo que sabes pero no estás aplicando.
Deuda / delegación cognitva con ChatGPT
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv:2506.08872. DOI: 10.48550/arXiv.2506.08872.
DOI: 10.3399/bjgp25X743181
Pero ese artículo de Richard Armitage es una pieza/comentario breve en British Journal of General Practice que cita el preprint de Kosmyna et al.; no es el estudio experimental original del MIT. En PubMed aparece explícitamente como referencia el trabajo de Kosmyna et al. en arXiv.
Matiz importante: no parece ser un artículo publicado originalmente en una revista científica revisada por pares, sino un preprint en arXiv. La propia página del proyecto indica que, cuando se subió en junio de 2025, no había sido revisado por pares y que las conclusiones debían tratarse como preliminares.
Sí existe un texto publicado en revista científica que comenta ese estudio:
Armitage, R. (2025). Your brain on ChatGPT. British Journal of General Practice, 75(758), 410.
DOI: 10.3399/bjgp25X743181
Pero ese artículo de Richard Armitage es una pieza/comentario breve en British Journal of General Practice que cita el preprint de Kosmyna et al.; no es el estudio experimental original del MIT. En PubMed aparece explícitamente como referencia el trabajo de Kosmyna et al. en arXiv.
Suscribirse a:
Entradas (Atom)