La IA que ayuda al tutor a hacer una mejor pregunta

La pregunta decisiva en una tutoría no siempre es “¿cuál es la respuesta?”. Cuando un alumno se equivoca en una resta o en un problema de fracciones, el siguiente paso puede revelar si ha entendido el procedimiento o si sólo ha memorizado una regla. Dar una pista demasiado directa resuelve el ejercicio; hacer una pregunta adecuada puede ayudar a construir el aprendizaje.

Tutor CoPilot, desarrollado por investigadores de Stanford, aplica inteligencia artificial a ese momento. No es un chatbot que sustituya al tutor ni un asistente que habla directamente con el estudiante. Es una herramienta para el profesional que está impartiendo la tutoría: cuando la activa ante un error, le propone estrategias y preguntas guiadas que puede usar, modificar o ignorar.

El diseño se probó en un programa de tutoría virtual de matemáticas de FEV Tutor con un distrito escolar del sur de Estados Unidos. El estudio de 2024 fue un ensayo aleatorizado preregistrado y se realizó en escuelas Title I, que reciben apoyo federal por atender a alumnado de familias de bajos ingresos.

Qué hace durante una sesión

El tutor sigue conversando con el estudiante. Si éste se atasca, Tutor CoPilot no le entrega una solución acabada. Puede sugerir, por ejemplo, que el tutor pida identificar los números de una resta o representar los elementos antes de calcular. La idea es trasladar una parte del razonamiento pedagógico de un docente experto al instante en que un tutor menos experimentado necesita responder.

La herramienta se alimenta de modelos de lenguaje, pero sus indicaciones se diseñaron a partir de procesos de razonamiento de educadores experimentados. El sistema está orientado al tutor y ofrece varias estrategias; el tutor conserva la decisión sobre cuándo activarlo, qué sugerencia utilizar y cómo adaptarla al contexto del alumno. Esta separación importa: una recomendación de IA no conoce por sí sola la historia completa de una clase, el nivel real del estudiante o una necesidad de apoyo concreta.

Qué se midió

La versión publicada en 2024 describe un ensayo con 900 tutores y 1.800 estudiantes de primaria y secundaria. Los estudiantes cuyos tutores tuvieron acceso a Tutor CoPilot fueron cuatro puntos porcentuales más propensos a dominar el tema evaluado: la tasa de aprobado en las pruebas de salida pasó del 62% al 66%. Entre tutores inicialmente peor valorados, la mejora alcanzó nueve puntos porcentuales, del 56% al 65%.

El estudio también analizó más de 550.000 mensajes de tutoría. Los tutores con acceso a la herramienta usaron con mayor frecuencia estrategias asociadas con aprendizaje profundo, como preguntas que orientan el razonamiento, y fueron menos proclives a dar la respuesta sin más. El coste estimado, según los patrones de uso del ensayo, fue de unos US$20 por tutor y año.

Estas cifras explican el interés del caso. La IA no intenta reemplazar la interacción educativa; intenta hacer que un tutor en vivo tenga más recursos para responder bien a un error. La mejora fue mayor precisamente donde el acceso a una orientación experta suele ser más limitado: en tutores con menor valoración inicial.

Por qué el control humano es parte del resultado

En educación, una respuesta fluida no basta. Debe ser correcta, apropiada para la edad, coherente con el currículo y útil para que el alumno piense. Los propios tutores señalaron un límite importante: algunas sugerencias de Tutor CoPilot no se ajustaban bien al nivel de curso. En las primeras pruebas, además, el sistema podía tardar más de 30 segundos en responder, una demora incómoda en una conversación en tiempo real.

Ambos problemas muestran por qué el tutor no puede limitarse a copiar una salida. Tiene que comprobar si la pregunta tiene sentido, reformularla y decidir si es el momento adecuado. La herramienta ofrece apoyo; la responsabilidad pedagógica sigue siendo humana.

La privacidad también requiere diseño específico. Stanford indicó que el sistema desidentificaba automáticamente los nombres de estudiantes y tutores y limitaba la información enviada a servicios externos de modelos. Esa medida reduce exposición, pero no elimina la obligación de los distritos de revisar contratos, retención de datos, seguridad y consentimiento.

Qué no demuestra todavía

El ensayo mide dominio de temas de matemáticas en un programa, un distrito y una modalidad concreta. No demuestra por sí mismo que cualquier chatbot mejore el aprendizaje, que los efectos se mantengan a largo plazo o que funcionen igual en lectura, ciencias o entornos presenciales. Tampoco prueba que el coste sea idéntico al escalarse en todos los sistemas.

La propia investigación señala que los modelos de lenguaje “de fábrica” no se comportan necesariamente bien en interacciones educativas reales. Aquí hubo diseño pedagógico, una plataforma de tutoría existente y un ensayo controlado. Quitar esos elementos y ofrecer un chat genérico sería otro caso, con otros riesgos.

Una lección para centros educativos

Tutor CoPilot propone una forma sobria de aplicar IA: usarla para mejorar una intervención humana que ya existe. En vez de pedir a la máquina que eduque sola, se le asigna una tarea acotada: sugerir una siguiente pregunta cuando un tutor necesita ayuda.

Para una escuela o distrito, la evaluación debe ir más allá de si la herramienta impresiona. Hay que medir aprendizaje, calidad de las sugerencias, uso real, tiempos de respuesta, errores por nivel o grupo de alumnos y protección de datos. La utilidad de la IA educativa no se mide por cuántas respuestas genera, sino por si ayuda a que el estudiante llegue a razonar por sí mismo.

Acceso, uso y efecto no son la misma cifra

El resultado principal del ensayo es un análisis por intención de tratar: compara estudiantes según que su tutor recibiera acceso, aunque no activara la herramienta en cada sesión. El artículo informa que Tutor CoPilot se utilizó al menos una vez en alrededor del 29% de las sesiones del grupo con acceso. Por eso, los cuatro puntos porcentuales no significan que cada recomendación de IA causara cuatro puntos de aprendizaje.

Los autores también estiman un efecto entre quienes usaron la herramienta, pero ese cálculo requiere supuestos estadísticos adicionales. Para una decisión escolar, la estimación más sobria es la aleatorizada. Después se puede investigar adopción: por qué unos tutores abrieron el asistente, qué sugerencias aceptaron y si el beneficio dependió de un tipo de error. Mezclar acceso con uso exagera la certeza.

Cómo leer una prueba educativa de IA

Primero se identifica la unidad aleatorizada, la población y el resultado. Aquí se asignó acceso a tutores de un programa concreto y se midieron pruebas de salida de matemáticas. Segundo se mira el denominador: tutorías, estudiantes y mensajes responden preguntas distintas. Tercero se comprueba si el indicador mide aprendizaje, satisfacción o actividad. Una respuesta rápida y bien valorada no sustituye una medida de dominio.

Después llegan los límites de transferencia. El paper sitúa el ensayo en escuelas Title I de un distrito del sur de Estados Unidos y advierte que otros niveles, materias y poblaciones pueden responder de forma distinta. Un centro que adopte el sistema debería repetir la comparación con su currículo, registrar errores por curso y observar si el efecto persiste más allá de la prueba inmediata.

La capacidad transferible es separar diseño, adopción y resultado. Un buen caso de IA educativa declara a quién se asignó la herramienta, quién la usó, qué aprendizaje se midió y durante cuánto tiempo. Con esas cuatro preguntas, un lector puede distinguir una intervención pedagógica probada de una demostración fluida que sólo produce actividad.