* Las autoras forman parte de la comunidad de lectores de Guyana Guardian
Los debates sobre el uso de la IA generativa en la educación superior suelen partir de una misma premisa: los estudiantes necesitan un nivel previo de competencia digital para poder utilizarla de forma productiva. Quienes saben buscar, filtrar y evaluar información digital tienden a beneficiarse más de herramientas como ChatGPT, mientras que otros corren el riesgo de quedarse atrás, acentuando las desigualdades educativas existentes.
Diversos estudios respaldan esta idea. Los estudiantes con mayores competencias digitales utilizan la IA generativa con mayor frecuencia y muestran actitudes más positivas hacia ella (Caner Yıldırım, 2025). Al mismo tiempo, estudios basados en marcos como el europeo DigComp —que define qué significa ser competente digitalmente— se han centrado sobre todo en identificar carencias, mostrando que los llamados “nativos digitales” son menos competentes de lo que a menudo se asume (Lucas et al., 2022).
En muchos casos, la competencia digital se ha entendido como un atributo fijo que el alumnado “trae” a la universidad, prestando menos atención a cómo puede desarrollarse mediante el diseño docente, por lo que predominan evaluaciones puntuales que describen niveles existentes, pero aportan poca información sobre su evolución.
Sabemos así más sobre cómo la competencia digital predice el uso de nuevas tecnologías que sobre cómo el uso educativo de esas tecnologías puede, a su vez, contribuir a fortalecer dichas competencias.
Quienes saben buscar, filtrar y evaluar información digital tienden a beneficiarse más de herramientas como ChatGPT
Algunos estudios recientes sugieren que sí. Integrar herramientas como ChatGPT en tareas de aprendizaje estructuradas puede estimular la búsqueda de información, el razonamiento analítico y la evaluación crítica (Dalgıç et al., 2024; Naamati-Schneider y Alt, 2024).
Sin embargo, siguen siendo escasos los estudios que vinculan el uso educativo de la IA con mejoras medibles en competencias digitales, y menos los que analizan si estos beneficios se distribuyen de forma equitativa o si favorecen sobre todo a quienes ya parten con mayores competencias digitales.
Estudiante trabajando con IA.
Con el objetivo de avanzar en esta dirección, en García y Pallarés (2026) analizamos el impacto de una intervención con IA generativa en las competencias digitales del alumnado universitario, utilizando el marco DigComp (Vuorikari et al., 2022).
En nuestro estudio diseñamos un ensayo controlado aleatorizado con 169 estudiantes de grado matriculados en una asignatura de Microeconomía. Todos siguieron el mismo programa y realizaron las mismas actividades; la diferencia estuvo en cómo se integró la IA generativa en el proceso de aprendizaje.
El grupo experimental recibió formación específica para usar modelos de lenguaje de forma estratégica y reflexiva. Los estudiantes aprendieron a contextualizar preguntas, descomponer problemas, refinar prompts y verificar sus propias soluciones antes de recurrir a la IA.
Además, realizaron autoevaluaciones en línea con retroalimentación adaptativa: en lugar de limitarse a indicar si una respuesta era correcta o incorrecta, el sistema ofrecía pistas, preguntas guiadas y sugerencias sobre cómo usar la IA como apoyo al razonamiento.
El grupo de control realizó las mismas autoevaluaciones, pero con retroalimentación estándar que solo indicaba si las respuestas eran correctas o incorrectas y sin formación ni orientación sobre el uso de la IA.
Para medir el impacto de la intervención, se administraron cuestionarios antes y después del curso, centrados en cinco áreas clave de la competencia digital: alfabetización informacional y de datos, comunicación y colaboración, seguridad, y dos dimensiones de la resolución de problemas, el uso funcional de herramientas digitales y la autorregulación metacognitiva. A partir de estos datos, estimamos cómo cambiaba la probabilidad de declarar el nivel más alto de competencia en el grupo experimental, en comparación con el grupo de control.
Estudiante utilizando la IA.
Los resultados muestran mejoras significativas en tres áreas clave. En alfabetización informacional y de datos, el grupo experimental presentó una mayor probabilidad de declarar el nivel más alto de competencia para identificar necesidades de información y realizar búsquedas digitales eficaces, con una diferencia de unos 15 puntos porcentuales respecto al grupo de control. En el uso funcional de herramientas digitales para resolver tareas, el efecto fue aún más acusado, con una diferencia de alrededor de 24 puntos porcentuales a favor del grupo experimental. Una mejora de magnitud similar se observó en la autorregulación metacognitiva, reflejada en una mayor capacidad para reconocer qué aspectos de las propias competencias digitales requerían refuerzo o actualización.
En conjunto, estos resultados apuntan no solo a un uso más eficaz de la tecnología, sino también a una mayor conciencia de las propias fortalezas y limitaciones, un componente central del aprendizaje autónomo.
Al analizar los resultados según el nivel inicial de competencia digital, se observó un patrón diferenciado. Los mayores beneficios se concentraron en los estudiantes con niveles más bajos (por debajo de la mediana) al inicio del curso. Para estos estudiantes, la intervención produjo mejoras grandes y significativas en todas las áreas de competencia digital evaluadas.
En cambio, entre quienes partían de niveles más altos (por encima de la mediana), los efectos fueron más moderados, lo que sugiere un efecto compensatorio del uso pedagógico de la IA. Lejos de ampliar la brecha digital, el uso guiado de la IA ayudó a reducirla. Los estudiantes con menos recursos iniciales fueron quienes más ganaron.
Lejos de ampliar la brecha digital, el uso guiado de la IA ayudó a reducirla
Las evidencias mostradas tienen implicaciones claras para la educación superior. La competencia digital no debería entenderse solo como un requisito previo para usar la IA. Bajo un diseño adecuado, la IA puede ser una herramienta pedagógica para desarrollar las competencias digitales. Esto implica integrar la IA en el currículo.
Para las universidades preocupadas por la equidad, el foco debería ponerse menos en el acceso a la IA y más en el apoyo para aprender a usarla bien, ya que la evidencia disponible, aunque todavía incipiente, indica que enseñar a formular buenas preguntas, evaluar respuestas y reflexionar sobre las propias competencias puede contribuir a reducir desigualdades y promover una educación superior más inclusiva.
* Concepción González García es profesora ayudante en la Facultad de Economía y Empresa de la UCAM y doctora en Economía por la Universidad de Alicante. Sus intereses de investigación abarcan la Macroeconomía, especialmente la política fiscal, y la Educación.
Concepción González García.
* Nina Pallarés es profesora ayudante de Economía y coordinadora académica del Máster en Dirección de Entidades Deportivas en la Universidad Católica de Murcia. Su investigación se enmarca en el área de la econometría aplicada, con un enfoque en temas de salud, trabajo, educación y economía familiar.
Nina Pallarés.
¡Participa!
¿Quieres compartir tus conocimientos?
Si tienen interés en participar en Lectores Expertos pueden escribir un email a la dirección de correo de nuestra sección de Participación ([email protected]) adjuntando sus datos biográficos y el texto que proponen para su publicación.