Cuándo apoyarse en la IA y cuándo aprender sin ella: una nueva guía para el aula universitaria
Embedded Files
Vicerrectorado de Enseñanza Virtual 01/07/2026 ⏱️ 5 min
El marco SCAN propone clasificar las tareas académicas según el conocimiento del estudiante, el papel de la IA y la necesidad de mantener espacios de aprendizaje humano. El debate sobre la inteligencia artificial generativa en educación superior ya no se limita a permitirla o prohibirla. Una cuestión cada vez más relevante es decidir qué tareas pueden apoyarse en IA, cuáles pueden delegarse parcialmente y cuáles deben seguir siendo realizadas por el estudiante para preservar el aprendizaje. En este contexto, Tsim y Gutoreva (2026) presentan SCAN, un marco centrado en la persona que busca orientar la asignación de tareas entre estudiantes e IA generativa a partir de la zona de desarrollo próximo de Vygotsky y la metacognición.
El uso de IA generativa puede acelerar tareas, facilitar explicaciones y ampliar el acceso a recursos. Sin embargo, también puede fomentar dependencia, automatización acrítica o una falsa sensación de comprensión. El estudio advierte que la fluidez superficial de los modelos puede llevar a estudiantes noveles a confundir respuestas bien redactadas con conocimiento fiable, generando errores de calibración sobre lo que realmente saben y pueden verificar.
Este problema es especialmente sensible en educación superior. Delegar una tarea demasiado pronto puede impedir que el estudiante desarrolle competencias fundamentales; rechazar la IA en todas las fases, en cambio, puede desaprovechar oportunidades de apoyo, comparación, retroalimentación y mejora. SCAN intenta ofrecer una vía intermedia: no pregunta solo si la IA puede hacer una tarea, sino qué sabe el estudiante, qué puede aportar la IA y qué aprendizaje se perdería si se delega.
Cuatro zonas para decidir el uso de IA
El marco SCAN clasifica las tareas en cuatro subzonas: Substitute, Complement, Aid y Non-negotiable.
La zona Substitute se refiere a tareas que el estudiante no domina y que la IA puede completar mediante conocimiento general. Aquí aparece el mayor riesgo de sustitución cognitiva: el estudiante obtiene un resultado, pero no necesariamente aprende ni puede evaluarlo.
La zona Complement aparece cuando el estudiante posee conocimiento suficiente para realizar la tarea y verificar el resultado de la IA. En este caso, la IA puede actuar como colaboradora: acelera el proceso, ofrece alternativas o ayuda a comparar enfoques, pero la responsabilidad epistémica permanece en la persona.
La zona Aid describe situaciones en las que el estudiante tiene conocimientos parciales, aunque insuficientes. La IA puede funcionar como andamiaje, ofreciendo pistas, ejemplos o preguntas que ayuden a avanzar sin sustituir por completo el razonamiento.
Finalmente, la zona Non-negotiable reúne tareas que requieren juicio humano, mentoría, responsabilidad, experiencia situada o desarrollo relacional. En estos casos, la guía debe proceder de docentes, supervisores o expertos humanos, no de una herramienta generativa.
SCAN propone que la alfabetización en IA no consiste solo en saber usar herramientas generativas, sino en saber cuándo usarlas, cuándo cuestionarlas y cuándo aprender sin ellas. Su potencial dependerá de futuras investigaciones empíricas que evalúen su aplicación en distintos tipos de tareas, especialmente creativas y de toma de decisiones. Como marco de partida, ofrece una brújula útil para avanzar hacia una inteligencia híbrida donde la IA amplifique capacidades sin erosionar la autonomía intelectual del estudiante.
Tsim, F., & Gutoreva, A. (2026). SCAN: A decision-making framework for effective task allocation with generative AI. arXiv. https://doi.org/10.48550/arXiv.2606.15601
Report abuse