26 documentos de 16 instituciones, agrupados por institución. Son la base de evidencia: cada ficha enlaza a sus citas verbatim, los conceptos que tratan y el documento original.
4 documentos
Primera guía global de una agencia de la ONU sobre IA generativa en educación. Propone un enfoque centrado en el ser humano: protección de datos, edad mínima de uso autónomo, validación pedagógica previa al despliegue y rendición de cuentas de los proveedores. Advierte que las herramientas emergen más rápido que los marcos regulatorios.
Define las competencias que un docente necesita en relación con la IA, organizadas en dimensiones que van desde la ética hasta el diseño pedagógico. La competencia no se reduce a 'saber usar herramientas': incluye dimensiones técnicas, éticas, pedagógicas y de agencia profesional.
Marco de competencias en IA para estudiantes, pensado para integrar objetivos de aprendizaje sobre IA en el currículo. Articula una mirada centrada en el ser humano y en la ciudadanía, con énfasis en el pensamiento crítico sobre la IA y no solo en su uso instrumental.
Informe de UNESCO (2025) que reencuadra la digitalización y la IA en educación desde el derecho a la educación y el marco internacional de derechos humanos. Recorre acceso, calidad, privacidad y gobernanza, y advierte sobre la captura comercial de los datos escolares, la vigilancia y el riesgo de usar lo digital como excusa para desfinanciar la escuela.
3 documentos
Síntesis más actualizada sobre usos efectivos de IA generativa en educación. Hallazgo central: el uso de chatbots de propósito general puede mejorar el rendimiento inmediato pero las ventajas desaparecen o se revierten al retirar el acceso. Distingue augmentation (docente + IA) de replacement, y advierte que las herramientas off-the-shelf rara vez se alinean con el currículo.
La encuesta a docentes más grande del mundo, que por primera vez incluye datos sistemáticos sobre uso de IA por el profesorado. Aporta una fotografía empírica descriptiva del estado actual: qué proporción de docentes usa IA, para qué, y qué barreras y preocupaciones reportan.
Working paper de la OCDE (2025) que pregunta si el avance acelerado de la IA obliga a repensar los supuestos fundacionales del currículo escolar: qué deben aprender los estudiantes cuando la tecnología escribe, calcula y razona. Usa la historia (la calculadora en matemáticas) para encuadrar el dilema de qué delegar a la máquina y qué debe seguir siendo dominio humano.
1 documento
Revisión de la investigación existente sobre los impactos de la IA en estudiantes y docentes de K-12. Prioriza el rigor metodológico y distingue tipos de evidencia, señalando dónde hay resultados sólidos y dónde la evidencia todavía es insuficiente.
1 documento
Resultado de un estudio global de un año en más de 50 países. Concluye que, sin corregir el rumbo, los riesgos actuales de la IA para el desarrollo de los estudiantes superan sus beneficios, porque erosionan capacidades fundacionales. Ordena la acción en tres pilares: Prosper (enriquecer el aprendizaje), Prepare (formar a personas y sistemas) y Protect (salvaguardar a los estudiantes).
2 documentos
Síntesis con perspectiva latinoamericana y global desde el Banco Mundial. Argumenta que la IA puede mejorar el aprendizaje en países de ingreso bajo y medio si se integra con buen diseño pedagógico y acompañamiento, pero que en contextos de acceso heterogéneo puede convertirse en un factor adicional de desigualdad. Presenta una taxonomía de aplicaciones.
Brief sobre IA en educación superior desde el Banco Mundial. Revisa oportunidades y riesgos de la IA para la enseñanza, el aprendizaje y la gestión universitaria, con atención a la equidad de acceso y a las condiciones institucionales necesarias para un uso responsable.
4 documentos
Ensayo de Diana Laurillard sobre cómo el feedback generado por IA podría apoyar el aprendizaje dentro de un marco conversacional, manteniendo al docente como diseñador del proceso. Distingue el feedback que enriquece los ciclos de aprendizaje del que solo automatiza la corrección.
Capítulo del Handbook of Artificial Intelligence in Education dedicado a la ética de la IA educativa. Examina los dilemas éticos del diseño y uso de AIED —privacidad, agencia, equidad, transparencia— y propone marcos para abordarlos, situando la ética en el centro del diseño y no como un añadido.
Reflexión publicada en el blog del IOE de UCL a partir de la Global Smart Education Conference en Beijing. Discute qué tipo de ecosistema educativo —políticas, capacidades, infraestructura— se necesita para una era de IA, más allá de la adopción de herramientas puntuales.
Artículo de Mutlu Cukurova (BJET, 2025) que cuestiona la concepción dominante de la IA como mera herramienta y propone concebirla de otros modos, hasta llegar a sistemas de inteligencia híbrida humano-IA fuertemente acoplados, donde la IA extiende la cognición humana en vez de reemplazarla. Advierte que intervenir directamente con IA en la enseñanza amenaza la agencia humana y choca con la dificultad de predecir y normar en contextos sociales.
1 documento
Ensayo controlado aleatorizado en un curso universitario de física (N=194) en Harvard. Compara el aprendizaje de estudiantes que reciben el contenido mediante un tutor de IA diseñado con buenas prácticas pedagógicas frente a una clase de aprendizaje activo. Encuentra que los estudiantes aprenden significativamente más en menos tiempo con el tutor de IA, y reportan mayor motivación y compromiso. El efecto se atribuye al diseño —ingeniería de contexto más pedagogía— y no al modelo en bruto.
1 documento
Encuesta nacional a docentes, estudiantes y familias en EE. UU. sobre el uso de IA y el monitoreo de la actividad estudiantil. Documenta que la vigilancia escolar es casi universal y que sus daños —disciplina, contacto con la policía, exposición no consentida de la identidad de género u orientación sexual— persisten y recaen de forma desigual sobre los estudiantes más vulnerables.
1 documento
Análisis técnico de 163 productos edtech avalados por 49 gobiernos durante la pandemia. Encuentra que 145 (89%) ponían en riesgo o vulneraban derechos del niño, enviando datos de menores a empresas de publicidad. Reencuadra la “educación remota” como una infraestructura de captura de datos infantiles que operó sin escrutinio.
2 documentos
Nota técnica de la División de Educación del BID que revisa la evidencia sobre IA en educación y la aterriza en las condiciones de América Latina y el Caribe: brechas de conectividad, capacidades docentes y datos. Propone un marco de oportunidades y riesgos para que los sistemas educativos de la región usen la IA sin profundizar desigualdades.
Nota de la serie CIMA del BID que analiza datos de TALIS 2024 sobre el uso de IA en las escuelas de América Latina y el Caribe. Aporta cifras sobre cuánto y cómo usan la IA los docentes de la región y dónde están las brechas de formación.
1 documento
Actualización 2024 de la Política Nacional de IA de Chile. Define los principios, ejes y acciones del Estado frente a la IA, incluyendo educación y desarrollo de talento. Marco normativo nacional que articula gobernanza, ética y capacidades.
1 documento
Informe comisionado por el Consejo de Europa que examina la IA en educación a través de sus valores centrales —derechos humanos, democracia y estado de derecho—. Hace un análisis crítico de la evidencia académica y del bombo publicitario, y advierte que el uso masivo de la IA educativa se sostiene más en marketing que en evidencia independiente robusta.
1 documento
Working paper que propone siete formas de usar la IA con estudiantes (tutor, coach, mentor, compañero, herramienta, simulador, estudiante), cada una con su beneficio y su riesgo pedagógico. Voz pragmática y pro-IA que, aun así, insiste en la supervisión activa, la evaluación crítica del output y en mantener al estudiante como el humano en el bucle.
1 documento
Ensayo crítico de Neil Selwyn (Nordisk tidsskrift for pedagogikk og kritikk, 2024) que cuestiona las narrativas tecno-optimistas. Plantea límites de fondo: lo esencial de enseñar y aprender no es reducible a datos, la IA tiende a reforzar las opresiones sobre estudiantes minorizados, rediseñar la educación para hacerla 'legible por máquina' tiene costos, y la huella ecológica es alta. Concluye llamando a desacelerar y recalibrar el debate.
1 documento
Ensayo controlado británico (EEF, evaluación de NFER, 2024) sobre el uso de ChatGPT en la preparación de clases de ciencias de 7.º y 8.º grado. Mide carga docente: el grupo con ChatGPT ahorró en promedio 25,3 minutos por semana (~31%), sin que un panel ciego de expertos detectara diferencia en la calidad de los recursos. Evidencia causal de que la IA alivia tiempo, pero no mejora por sí sola la calidad.
1 documento
Quinta edición del marco europeo de competencia digital (JRC, 2025). Su novedad central es la integración sistemática y transversal de la competencia en IA (incluida la IA generativa) a lo largo de todo el marco, con más de 500 resultados de aprendizaje. Define la competencia digital como uso confiado, crítico y responsable, y la ata al control sobre los propios datos y a la participación democrática.