top of page
Buscar

Pragmatismo evolutivo: una mirada sobre la gestión de la tecnología educativa

  • Foto del escritor: Frids Gonzales
    Frids Gonzales
  • 20 ene
  • 5 min de lectura

Pocos son los docentes a los que les escucho mencionar herramientas tecnológicas de gestión o de elaboración más allá de Sieweb o chat GPT o la recientemente hegemónica Gemini. Una posible razón podría ser porque en tecnología, se suele hablar de lealtad como si fuera una virtud. Usar siempre la misma plataforma, dominarla a fondo e integrarla en todos los procesos. En educación, esta lógica está aún más arraigada. Las instituciones adoptan herramientas y las convierten, generalmente, en parte de su identidad pedagógica.

Si hablamos de inteligencia artificial, el problema sería que esta no funciona con los tiempos de la educación. Funciona con los tiempos del mercado, de la investigación y de la carrera por el modelo más capaz. Y esos tiempos son vertiginosos. Cuando una herramienta deja de ofrecernos matices, empieza a cometer errores sistemáticos o nos obliga a compensar sus limitaciones, la lealtad deja de ser una elección racional. Se convierte en fricción.

Tengamos en cuenta que no se trata sobre qué IA es mejor, ni es una guerra de modelos, es una cuestión de mentalidad. Ese debate es estéril y, además, efímero. Lo que hoy parece superior mañana puede quedar desfasado. La cuestión de fondo es otra: qué mentalidad adoptamos frente a tecnologías que cambian más rápido que nuestros marcos educativos. Aquí es donde nace el concepto de pragmatismo evolutivo. Una idea sencilla: usar herramientas mientras nos sirven para pensar mejor y soltarlas cuando dejan de hacerlo. Sin apego. Sin nostalgia. Sin convertir decisiones tecnológicas en declaraciones de identidad.


Desde la teoría de la difusión de innovaciones (Rogers, 2003), sabemos que las adopciones tecnológicas nunca son neutras. Pero en el contexto actual, esperar estabilidad es una ilusión. En este contexto, es de suma importancia ver a la IA como herramienta cognitiva, no como oráculo. Buena parte del miedo educativo a la IA parte de una confusión básica: tratarla como sustituto del pensamiento humano. La investigación educativa lleva décadas diciendo lo contrario.


Autores como Salomon (1993) o Luckin et al. (2016) describen la tecnología como una herramienta cognitiva. Algo que amplifica, estructura o provoca el pensamiento, pero no lo reemplaza.

En la práctica educativa, la IA puede ayudar a:

  • Ordenar ideas dispersas.

  • Explorar enfoques alternativos.

  • Detectar vacíos argumentativos.

  • Reducir carga cognitiva en tareas mecánicas.


El problema aparece cuando una sola herramienta se convierte en el mediador casi exclusivo del proceso cognitivo. Estudios sobre automatización y memoria muestran que delegar en exceso empobrece la capacidad crítica y la transferencia del aprendizaje (Carr, 2010; Sparrow et al., 2011).


El pragmatismo evolutivo obliga a hacernos una pregunta incómoda pero necesaria: ¿esta herramienta me ayuda a pensar mejor hoy, o solo me ahorra esfuerzo?. Uno de los avances más relevantes de los modelos recientes de IA es su capacidad de adaptación al contexto del usuario. Cuando una herramienta entiende mejor tu forma de razonar, el resultado suele ser menos genérico y más útil.


Desde la psicología educativa, esto conecta con el aprendizaje situado y adaptativo (Bransford et al., 2000). No aprendemos igual en todos los contextos, ni con las mismas mediaciones. Pero aquí hay una trampa: la personalización no es estable. Depende del modelo, de sus datos, de sus ajustes y de decisiones empresariales que el usuario no controla. Por eso, confiar ciegamente en que una herramienta “ya nos entiende” es pedagógicamente peligroso. El pensamiento educativo necesita fricción, contraste y revisión constante. Sumado a esto, Neil Selwyn (2016) lleva años advirtiendo sobre la dependencia de plataformas en educación. Cuando estructuramos la práctica docente alrededor de una tecnología concreta, perdemos autonomía pedagógica.

Con la IA, este riesgo se amplifica por tres razones:

  1. Los modelos cambian sin avisar.

  2. Las decisiones pedagógicas quedan condicionadas por intereses comerciales.

  3. Se produce una homogeneización del pensamiento.


Desde una perspectiva ética, esto afecta directamente a la diversidad cognitiva y a la autonomía intelectual del estudiantado (Floridi et al., 2018). El pragmatismo evolutivo no propone rechazar plataformas, sino evitar el matrimonio con ellas. Adoptar esta mentalidad implica cambios muy concretos en la práctica docente:

  • Formarse en principios, no solo en herramientas.

  • Diseñar actividades que no dependan de una IA específica.

  • Mostrar al estudiantado que cambiar de herramienta es normal.

  • Evaluar procesos, no solo productos bien redactados.


Para este cometido el modelo TPACK (Mishra & Koehler, 2006) sigue siendo una referencia útil: la tecnología debe estar al servicio del contenido y la pedagogía, no al revés. Por otro lado, muchas instituciones siguen buscando “la solución definitiva” en IA. Esa lógica ya no funciona. La OECD (2023) y la UNESCO (2023) recomiendan enfoques flexibles: pilotos cortos, evaluación continua y capacidad real de cambio. Más que elegir la mejor herramienta, las instituciones deberían preguntarse: ¿qué tan fácil es salir de ella si deja de servir?


Parte de la búsqueda de este enfoque flexible se centra en la evaluación. Aunque pueda sonar duro y cuestionador, la IA no ha roto la evaluación, ha dejado en evidencia evaluaciones pobres. Si una tarea puede resolverse íntegramente con una herramienta externa, quizá no estaba midiendo aprendizaje profundo. La investigación sobre evaluación auténtica (Wiggins, 1998) lleva tiempo señalándolo. Evaluar en tiempos de IA implica centrarse en:

  • Decisiones tomadas.

  • Justificaciones.

  • Iteraciones.

  • Reflexión metacognitiva.


Es por ello la importancia de dejar claro que la IA no elimina la evaluación, sino más bien la obliga a mejorar y que, en un mundo de tecnologías cambiantes, saber soltar es una competencia fundamental. No solo soltar contenidos obsoletos, sino también herramientas, hábitos y dependencias cognitivas. Desde la perspectiva del aprendizaje permanente, esta capacidad es central para la adaptabilidad profesional y académica (European Commission, 2020). Educar en IA no es enseñar a usar una plataforma concreta. Es enseñar a pensar con tecnologías que sabemos que van a cambiar.


El debate sobre qué IA es mejor puede quedar obsoleto en horas, días o semanas. La mentalidad con la que integramos la IA en educación no. El pragmatismo evolutivo propone algo incómodo pero necesario: abandonar la lealtad tecnológica y adoptar una relación flexible, crítica y provisional con las herramientas. En educación, avanzar no siempre significa incorporar más tecnología. A veces significa saber cuándo dejarla atrás.


Fuentes consultadas

Bransford, J. D., Brown, A. L., & Cocking, R. R. (2000). How people learn. National Academy Press. https://www.nationalacademies.org/read/9853/chapter/1 

European Commission. (2020). European skills agenda.

Floridi, L. et al. (2018). AI4People. Minds and Machines, 28(4), 689–707. https://link.springer.com/article/10.1007/s11023-018-9482-5 

Mishra, P., & Koehler, M. (2006). Teachers College Record, 108(6), 1017–1054. https://elicit.com/review/a755c3a3-84d6-4d08-93bf-6afe71e3efb2/source/fa99f3591c7047d3af1e019a552a458f 

Salomon, G. (1993). Distributed cognitions. Cambridge. https://web.stanford.edu/~roypea/RoyPDF%20folder/A67_Pea_93_DI_CUP.pdf 

Sparrow, B. et al. (2011). Science, 333(6043), 776–778. http://www2.psych.purdue.edu/~gfrancis/Classes/PSY392/SparrowEtAl.pdf 

UNESCO. (2023). Guidance on generative AI in education. https://unesdoc.unesco.org/ark:/48223/pf0000386164 

Wiggins, G. (1998). Educative assessment. Jossey-Bass. https://es.scribd.com/doc/274040325/wiggins-1998 


 
 
 

Entradas recientes

Ver todo

Comentarios

bottom of page