Autonomía digital: enseñar a decidir en tiempos de IA

Aprende cómo fortalecer el juicio crítico y la autorregulación con inteligencia artificial mediante estrategias prácticas centradas en el estudiante.

Diversos estudios han advertido sobre los posibles efectos negativos de la IA generativa en el aprendizaje, particularmente en lo que respecta a la dependencia de estos sistemas, el deterioro de habilidades cognitivas y la disminución de la agencia del estudiante. Sin embargo, otras investigaciones —como la de Anders y Speltz, (2025)— muestran que es posible integrar la IA generativa en procesos educativos sin sacrificar estas capacidades, siempre que su uso se articule con enfoques pedagógicos adecuados.

En este marco, se incorporan enfoques como el de “humano en el bucle” (HITL, por sus siglas en inglés), que enfatizan la importancia de mantener la supervisión humana, el juicio crítico y la toma de decisiones durante el uso de la IA. Esto permite que los estudiantes evalúen los contenidos generados, tomen decisiones informadas y conserven el control sobre su proceso de aprendizaje (Bender et al., 2021; Sharples, 2023, citados en Anders y Speltz, 2025).

Para responder a este desafío, el estudio propone y analiza un marco integrado que articula la alfabetización en IA generativa —en sus dimensiones funcional, crítica y ética, y creativa— con procesos de aprendizaje autorregulado (SRL), organizados en un ciclo de tres momentos: planificar, iterar y evaluar.

Las alfabetizaciones en IA proporcionan a los estudiantes los conocimientos y habilidades necesarios para tomar decisiones informadas en cada fase del aprendizaje autorregulado (SRL). A su vez, los procesos de SRL ofrecen la estructura metacognitiva que permite organizar, orientar y aplicar esas competencias de manera intencional en la resolución de tareas complejas.

Alfabetización funcional, crítica y creativa

Las primeras investigaciones tras la aparición de ChatGPT se centraron en identificar las habilidades necesarias para utilizar estas herramientas de manera efectiva. Tate et al., citados en Anders y Dux (2025), proponen cuatro competencias fundamentales: comprender las capacidades y limitaciones de la IA, seleccionar herramientas adecuadas según la tarea, desarrollar estrategias de interacción efectivas e integrar de manera ética los contenidos generados.

No obstante, el dominio técnico resulta insuficiente. Es necesario que los estudiantes desarrollen una mirada crítica sobre el impacto de estas tecnologías. Anders y Speltz (2025) denominan a esta capacidad “juicio evaluativo”: la habilidad de valorar la calidad de las respuestas de la IA a partir de criterios disciplinares y de los propios marcos de sentido del estudiante.

Evaluar implica, además, tomar decisiones responsables sobre su uso: identificar errores y sesgos, cuidar la integridad académica y evitar que la IA sustituya el proceso de aprendizaje. En este sentido, la ética no se entiende como un conjunto de normas fijas, sino como una práctica que se construye en la interacción, el análisis y el diálogo con la tecnología.

Por su parte, la alfabetización creativa busca que los estudiantes utilicen la IA para la resolución de problemas y la generación de nuevas ideas. Aunque la IA puede producir propuestas, la responsabilidad de darles sentido, contextualizarlas y llevarlas a la acción recae en el usuario.

Sin embargo, saber qué habilidades desarrollar no es suficiente. La pregunta ahora es: ¿cómo se organizan en la práctica?

Cómo se construye la autonomía con IA

Tomando como base el modelo de aprendizaje autorregulado en entornos tecnológicos propuesto por Jin et al. (2025) y los aportes de Lan y Zhou (2025), (citados en Anders y Speltz, 2025) este marco organiza las prácticas de alfabetización en IA en torno a tres fases del aprendizaje autorregulado:

1. Anticipación (preparación)

2. Ejecución (acción)

3. Reflexión (evaluación)

 FASE 1 ANTICIPACIÓN 

La autonomía empieza en la decisión, no en la herramienta. En la fase de anticipación los estudiantes establecen objetivos, analizan los requerimientos de la tarea y se preparan para trabajar con IA.

En esta fase, los estudiantes activan distintos tipos de procesos:

Estrategias de aprendizaje autorregulado

Cognición	Metacgonición	Motivación	Conducta
Activación de conocimientos previos	Definición de metas y planificación estratégica	Valor que se le otorga a la tarea y creencias sobre la propia capacidad (autoeficacia)	Gestión de recursos (tiempo, herramientas, planificación)

Aplicaciones de alfabetización en IA

Funcional	Crítica y ética	Creativa
Analizar los requerimientos de la tarea, seleccionar herramientas de IA según sus capacidades y limitaciones. Planificar cómo interactuar con ellas.	Establecer criterios para evaluar las respuestas de la IA y establecer límites de uso.	Identificar oportunidades para usar la IA alineadas con objetivos personales y disciplinares.

Esta fase resulta fundamental para el desarrollo de la autonomía digital, en tanto es el estudiante quien define el propósito de uso de la IA, la forma en que la empleará y los criterios desde los cuales evaluará sus resultados. No se inicia desde la herramienta, sino desde el conocimiento previo: los estudiantes parten de lo que saben para identificar problemas reales, imaginar posibles soluciones y adaptar la IA a contextos específicos. De este modo, el juicio crítico se activa antes de interactuar con la tecnología, en la manera en que se formula el problema y se trazan las decisiones iniciales. En consecuencia, la IA no reemplaza el conocimiento del estudiante, sino que depende de él para producir resultados pertinentes y valiosos.

FASE 2 EJECUCIÓN

El aprendizaje ocurre en la iteración. Los estudiantes interactúan con la IA, prueban, ajustan y refinan sus procesos.

En esta fase, los estudiantes activan distintos tipos de procesos:

Estrategias de aprendizaje autoregulado

Cognición	Metacognición
Selección y adaptación de estrategias.	Monitoreo de la calidad y relevancia de los resultados.

Aplicaciones de alfabetización en IA:

Funcional	Crítica	Creativa
Desarrollar y ajustar prompts, integrar información relevante, experimentar con herramientas y monitorear la efectividad de las estrategias.	Evaluar la precisión de las respuestas, identificar sesgos, inconsistencias o errores, y cuestionar la validez de la información generada.	Explorar distintas formas de interacción con la IA, reformular preguntas, combinar ideas y mejorar progresivamente los resultados.

En esta fase se hace evidente que el aprendizaje no ocurre en el primer intento, sino en la iteración. Los estudiantes comienzan a diseñar procesos intencionales, donde organizan su trabajo en secuencias coherentes. Aprenden a descomponer tareas complejas, seleccionar herramientas según sus posibilidades y construir flujos de trabajo que les permiten avanzar con mayor control y claridad. Así, la IA deja de ser una respuesta inmediata y se convierte en parte de un proceso que el estudiante dirige, ajusta y mejora continuamente.

FASE 3 EVALUACIÓN

El pensamiento crítico se consolida cuando el estudiante evalúa su propio proceso. Los estudiantes valoran los resultados obtenidos con la IA y reorganizan su aprendizaje a partir de esa experiencia.

En esta fase, los estudiantes activan distintos tipos de procesos:

Estrategias de Aprendizaje Autorregulado (SRL)

Cognición	Metacognición	Motivación	Conducta
Revisión de resultados y síntesis del aprendizaje.	Autoevaluación y reflexión sobre las estrategias utilizadas.	Satisfacción con el proceso y fortalecimiento de la confianza.	Documentación de procesos y ajustes para futuras tareas.

Aplicaciones de alfabetización en IA

Funcional	Crítica y ética	Creativa
Reflexionar sobre el uso de la herramienta, las estrategias de prompting y cómo mejorar futuros procesos de trabajo.	Analizar decisiones tomadas, revisar criterios de evaluación y ajustar la forma en que se juzgan los resultados de la IA.	Evaluar la originalidad de los resultados, su pertinencia en contexto y reconocer estrategias reutilizables para nuevos escenarios.

En esta fase, los estudiantes aprenden a preguntarse qué funcionó y por qué. Este ejercicio de revisión les permite desarrollar una mentalidad basada en la prueba y el ajuste continuo, en la que el error deja de ser un obstáculo y se convierte en parte del proceso de aprendizaje. Así, la interacción con la IA se transforma en un proceso reflexivo que fortalece la toma de decisiones y el control sobre el propio aprendizaje.

Las evidencias revisadas permiten afirmar que el juicio crítico y la autorregulación en entornos digitales no se desarrollan a partir de explicaciones teóricas, sino a través de la práctica situada. Esto implica diseñar experiencias donde el estudiante enfrente problemas reales, tome decisiones y reflexione sobre sus propias acciones. En este proceso, la agencia no se construye mediante instrucciones rígidas, sino a través de ciclos continuos de experimentación, evaluación y ajuste.

El pensamiento crítico no aparece antes del uso de la IA, sino durante su uso guiado, cuando el estudiante contrasta, cuestiona y ajusta lo que la herramienta produce en función de un propósito claro. Asimismo, la autonomía digital no se construye únicamente enseñando riesgos o conceptos, sino articulando tres elementos clave: uso real de la tecnología, andamiaje pedagógico y espacios de reflexión. Es en esta combinación donde el estudiante desarrolla la capacidad de regular su aprendizaje, comprender el alcance de la IA y decidir de manera informada cuándo y cómo utilizarla.

Este proceso no está exento de dificultades. La incertidumbre, los errores, la ambigüedad y las limitaciones técnicas forman parte esencial del aprendizaje con IA. Lejos de ser obstáculos a eliminar, estos elementos son condiciones necesarias para desarrollar pensamiento crítico. La autonomía digital exige, precisamente, la capacidad de sostenerse en escenarios complejos, donde no hay respuestas únicas y donde cada decisión tiene implicaciones.

Finalmente, estos hallazgos muestran que la inteligencia artificial generativa no reduce la creatividad ni el pensamiento, sino que puede ampliarlos cuando el estudiante mantiene el control metacognitivo sobre el proceso. La clave no está en la herramienta, sino en la capacidad del estudiante para decidir cuándo, cómo y para qué usarla. Formar en autonomía digital implica, entonces, pasar de enseñar herramientas a diseñar propuestas que permitan pensar con ellas.

REFERENCIAS BIBLIOGRÁFICAS

Anders, A. D., & Speltz, E. D. (2025). Developing generative AI literacies through self-regulated learning: A human-centered approach. Computers and Education: Artificial Intelligence, 100482.