Singapur quiere enseñar a sus alumnos a usar la IA sin dejar de pensar

La inteligencia artificial generativa está cambiando la pregunta central de la educación en Singapur. Ya no basta con saber si un alumno hizo un trabajo sin ayuda: las escuelas y universidades también deben comprobar si puede utilizar la IA de forma crítica, declarar su intervención y demostrar que entiende el contenido por cuenta propia.

El rumbo que está tomando el país no es ni el acceso ilimitado ni el regreso a los vetos generales. Es un modelo de control humano: usar la IA cuando mejora el aprendizaje, pero proteger la lectura, la escritura, el cálculo, el debate y la resolución de problemas que permiten construir conocimientos duraderos.

Singapur ya contaba con una base digital

El cambio no comenzó con ChatGPT. El sistema educativo singapurense ya se apoyaba en herramientas digitales como la plataforma nacional Student Learning Space (SLS), el acceso a dispositivos y distintas soluciones de aprendizaje adaptativo y retroalimentación automatizada.

El EdTech Masterplan 2030, presentado por el Ministerio de Educación (MOE), desarrolla esa trayectoria. Su objetivo es reforzar la alfabetización digital y las competencias tecnológicas, además de aprovechar tecnologías como la IA para personalizar el aprendizaje y ayudar al profesorado.

La SLS ocupa un lugar central en esta estrategia. El MOE señala que ofrece recursos alineados con el currículo desde la educación primaria hasta la etapa preuniversitaria, junto con funciones basadas en IA para apoyar la enseñanza y el aprendizaje. La información oficial sobre tecnología educativa describe estas herramientas como un apoyo para la personalización, la visibilidad del progreso de los alumnos y la labor docente, siempre con salvaguardas de seguridad y criterios adecuados a cada edad.

Esto plantea un reto más complejo que simplemente repartir dispositivos: los estudiantes tienen que aprender a cuestionar las respuestas de un sistema de IA, detectar sus errores y decidir cuándo utilizarlo desvirtúa el objetivo de una tarea.

El riesgo aparece cuando la IA hace el trabajo mental esencial

La externalización cognitiva no es necesariamente perjudicial. Las personas utilizan desde hace mucho tiempo herramientas externas para reducir cargas mentales innecesarias. Una calculadora, un libro de consulta o un corrector ortográfico pueden liberar atención para tareas más exigentes.

El problema empieza cuando el estudiante delega la operación central del aprendizaje antes de intentarla por sí mismo. Por ejemplo, cuando pide a la IA que construya el argumento, interprete las pruebas, resuelva un problema desconocido o redacte la explicación antes de haber desarrollado una respuesta provisional.

La diferencia es importante porque un trabajo pulido puede ocultar un aprendizaje débil. La IA puede aumentar la velocidad, la fluidez y la precisión aparente, pero dejar al alumno sin el modelo mental necesario para:

• detectar una afirmación falsa pero verosímil;
• aplicar una idea a un problema nuevo;
• explicar por qué un argumento resulta convincente;
• identificar qué pruebas faltan; o
• defender su trabajo sin la ayuda de la herramienta.

Por eso los educadores hablan de esfuerzo productivo: recordar, intentar, equivocarse, recibir comentarios y revisar. Eliminar cada dificultad puede hacer que una tarea sea más fácil, pero también puede eliminar la práctica concreta mediante la que se desarrolla el razonamiento.

Qué dice la evidencia —y qué no permite afirmar

La investigación respalda la preocupación, pero no permite concluir que la IA debilite siempre el pensamiento crítico.

Una revisión exploratoria sobre IA generativa en la educación superior identifica beneficios en la escritura, la retroalimentación, la resolución de problemas y la investigación, pero también preocupaciones sobre la externalización cognitiva, la dependencia y la autonomía del estudiante.

Una revisión sistemática más amplia, basada en 89 estudios, encontró efectos condicionados y no uniformes: registró resultados positivos en el 40,4 % de los trabajos y efectos mixtos o dependientes de las condiciones en el 23,6 %. Entre los principales riesgos señalados aparecen la dependencia excesiva, la reducción de la autonomía analítica y la externalización cognitiva.

Otras síntesis llegan a una conclusión similar. Una revisión de la evidencia sobre el aprendizaje en el aula advierte que el pensamiento de orden superior —incluidos el análisis, el razonamiento y la creatividad— puede verse perjudicado cuando la IA generativa evita el esfuerzo necesario para adquirir habilidades. Entre sus recomendaciones están consolidar primero los conocimientos básicos, enseñar alfabetización en IA e introducir las herramientas de manera gradual y guiada.

La base científica, sin embargo, todavía está en desarrollo. Las revisiones señalan que no existe una definición homogénea de pensamiento crítico y que los estudios difieren en asignaturas, edades, tareas y tipos de asistencia de IA.

La conclusión más prudente es, por tanto, condicional:

La IA tiene más probabilidades de apoyar el aprendizaje cuando funciona como andamiaje, interlocutor de retroalimentación o desafío al razonamiento del alumno; y más probabilidades de perjudicarlo cuando sustituye la interpretación y el análisis fundamentales.

La brecha más importante puede ser la que separa el rendimiento en una tarea del aprendizaje duradero. Un estudiante puede completar un trabajo con mejores resultados sin adquirir el conocimiento o el criterio que esa actividad pretendía desarrollar.

De perseguir el plagio a rediseñar la evaluación

Tras el lanzamiento público de ChatGPT en 2022, la respuesta inicial de muchas instituciones se concentró en el fraude, el plagio y las herramientas de detección. Las políticas universitarias de Singapur muestran ahora un enfoque más diferenciado.

La IA puede estar permitida en determinados trabajos, pero las reglas dependen del curso y el alumno sigue siendo responsable de la exactitud, la integridad y la atribución de lo que entrega.

Las directrices de la National University of Singapore (NUS) piden a los estudiantes reconocer cualquier uso de IA, consultar las expectativas del docente y asumir la responsabilidad por la calidad e integridad de su trabajo. La política de la universidad considera inadecuado tanto presentar directamente un resultado generado por IA como parafrasearlo y entregarlo sin declarar su origen.

También se han hecho más visibles los límites de los detectores. La Nanyang Technological University (NTU) ha anunciado que dejará de utilizar su detector institucional de IA a partir de 2027, al considerar que es poco fiable y que carece de validez empírica para demostrar una infracción académica. La universidad prevé dar más importancia a la documentación del proceso de trabajo y a las declaraciones estandarizadas de uso de IA.

Esto apunta a una filosofía de evaluación distinta. En lugar de intentar deducir quién escribió un texto únicamente a partir del resultado final, los docentes pueden observar cómo llegó el estudiante a una conclusión mediante:

• un primer intento sin ayuda;
• borradores sucesivos e historiales de revisión;
• fuentes anotadas;
• reflexiones sobre el proceso;
• explicaciones o defensas orales;
• pruebas locales, específicas de la disciplina o relacionadas con la experiencia del alumno; y
• tareas que exijan aplicar conceptos a situaciones nuevas.

El objetivo no es crear evaluaciones “a prueba de IA”, sino hacer visible el aprendizaje que se está evaluando.

Cómo usar la IA sin cederle el control

Una regla práctica para los estudiantes puede resumirse así: utiliza la IA después, junto a o contra tu propio razonamiento; no en lugar de él.

Para los estudiantes

1. Empieza sin ayuda. Haz un esquema, intenta resolver el problema, localiza fuentes relevantes o formula una posición provisional antes de abrir una herramienta de IA.
2. Usa la IA como interlocutora. Pídele contraargumentos, supuestos ocultos, términos de búsqueda, preguntas de práctica o una crítica de tu borrador.
3. Trata sus respuestas como afirmaciones, no como pruebas. Verifica datos, citas, referencias, cálculos e interpretaciones con fuentes primarias o autorizadas.
4. Registra el uso de la IA. Anota la herramienta, las instrucciones importantes, las respuestas relevantes, qué aceptaste o rechazaste y cómo verificaste el resultado. Las directrices de la NUS ya exigen reconocer el uso y mantener la responsabilidad personal, mientras que algunos departamentos piden declaraciones más detalladas.
5. Conserva el dominio independiente. Debes poder explicar y defender cada afirmación importante sin depender de la herramienta.

Para docentes e instituciones

Las escuelas y universidades pueden aclarar las expectativas asignando a cada tarea un nivel de permiso:

• Prohibida: la actividad mide memoria, cálculo, escritura u otra destreza fundamental sin asistencia.
• Permitida con declaración: la IA puede ayudar en la investigación, la retroalimentación o la edición, pero el estudiante debe documentar su uso y verificar el resultado.
• Esperada: se evalúa la capacidad del alumno para interrogar, mejorar o cuestionar una respuesta de IA.

Un flujo de trabajo sólido puede seguir esta secuencia: primer intento sin ayuda, retroalimentación guiada de la IA, revisión independiente y reflexión sobre en qué acertó, quedó incompleta o se equivocó la herramienta.

Los docentes también deben distinguir entre saber redactar instrucciones y comprender una materia. Un prompt sofisticado no demuestra por sí solo que el alumno entienda el tema. En cambio, justificar correctamente el rechazo de una respuesta de IA que parecía plausible puede ser una evidencia más sólida de aprendizaje.

En el caso de los estudiantes más pequeños, el MOE sostiene que el uso de IA debe beneficiar el aprendizaje, tener un propósito claro, ser apropiado para la edad y el desarrollo, y realizarse de forma segura y responsable. Informaciones recientes describen además la introducción gradual y supervisada de herramientas desarrolladas por el MOE desde Primary 4, equivalente al cuarto curso de primaria, junto con una ampliación de la formación docente en IA.

Los niños necesitan, por tanto, actividades guiadas en el aula y acompañamiento adulto, no un acceso privado y sin límites.

Tener acceso no equivale a saber usar la IA

La infraestructura digital centralizada de Singapur puede ayudar a reducir las diferencias de acceso a dispositivos y herramientas educativas aprobadas. El MOE afirma que las escuelas reciben apoyo para contar con conectividad, dispositivos y software, y que los estudiantes pueden utilizar la SLS en todo el sistema educativo.

Pero el acceso igualitario no garantiza un uso crítico igualitario. Las familias con más tiempo, confianza o experiencia educativa pueden estar en mejores condiciones de ayudar a sus hijos a cuestionar una respuesta, comprobar una fuente o detectar una explicación superficial. Sin una enseñanza explícita, esas diferencias pueden convertirse en una nueva forma de desigualdad educativa.

Las escuelas pueden reducir esa brecha haciendo visibles y enseñables las prácticas de los usuarios expertos:

• demostrar en clase cómo verificar información y evaluar fuentes;
• ofrecer instrucciones estructuradas y ejemplos de usos sólidos y deficientes de la IA;
• enseñar metacognición, es decir, cómo sabe el alumno que realmente entiende algo;
• proporcionar acceso supervisado a herramientas gestionadas por la institución; y
• formar al profesorado para que la orientación no dependa de la confianza individual de cada docente.

La dirección actual del MOE sobre alfabetización en IA incluye comprender sus beneficios, limitaciones y riesgos, cuestionar sus respuestas e identificar sesgos o información falsa y engañosa.

El rumbo de Singapur hasta 2029

Las señales de política educativa disponibles apuntan a una integración más profunda, no a una retirada. Es probable que Singapur siga incorporando la alfabetización en IA en distintas etapas del aprendizaje, ampliando las herramientas aprobadas y utilizando la SLS para ofrecer práctica personalizada y retroalimentación formativa.

En las universidades, también es probable que continúen ganando peso la transparencia, la responsabilidad y las reglas específicas de cada asignatura, en lugar de una aplicación basada principalmente en detectores.

La evaluación podría valorar cada vez más el proceso, la aplicación, el diálogo y el criterio, especialmente cuando el objetivo sea el razonamiento independiente.

La prueba decisiva será si la IA amplía la capacidad de pensar de los estudiantes o si, de forma silenciosa, sustituye la práctica que hace posible ese pensamiento. El modelo más sólido para Singapur no es “IA en todas partes” ni “IA en ninguna”: es un uso estructurado, con tiempo protegido para el esfuerzo sin ayuda.

Los estudiantes deberían graduarse sabiendo trabajar eficazmente con IA, reconocer cuándo se equivoca, decidir cuándo no utilizarla y elaborar un razonamiento sólido cuando la herramienta no esté disponible. Esa es la diferencia entre aprender con IA y externalizar el aprendizaje a la IA.