Stanford reúne 52 estudios causales sobre IA en la escuela y ve resultados desiguales
La revisión de noviembre pasa de 20 a 52 trabajos y concluye que la IA parece más prometedora para entender material nuevo que para producir tareas, pero ningún uso mejora el aprendizaje de forma consistente.
La iniciativa SCALE de la Universidad de Stanford publicó el 10 de noviembre de 2026 «The Evidence Base on AI in K-12: A November 2026 Review», una actualización de su revisión de marzo. Recoge solo estudios causales, es decir, ensayos aleatorizados y diseños parecidos que permiten atribuir un efecto a la IA. Pasa de 20 a 52 trabajos, con 32 nuevos publicados entre octubre de 2025 y junio de 2026. Cinco de los nuevos, centrados en el alumnado, se hicieron en escuelas de Estados Unidos, frente a ninguno en la revisión anterior.
Según la revisión, el uso de la IA para apoyar el aprendizaje parece más favorable que usarla para hacer las tareas: en un estudio con universitarios de Brasil, producir el trabajo con IA empeoró el rendimiento en una evaluación posterior sin ella. Aun así, ningún tipo de uso mejora el aprendizaje de forma consistente, y que al alumnado le guste la experiencia no siempre se traduce en mejores resultados.
Entre los casos que cita hay uno en Turquía, con 193 docentes y 2.816 estudiantes de 5.º a 12.º grado, en el que dar al profesorado un asistente de IA basado en GPT-4o redujo la motivación y la confianza del alumnado; las notas bajaron con los docentes de menor rendimiento previo. Otro, en Sierra Leona, con 1.423 estudiantes de matemáticas de 7.º y 8.º grado, mostró una mejora al integrar los docentes Gemini Guided Learning, el modo de estudio guiado del asistente de Google, en la mitad de sus clases; lo firma un equipo de Google y Fab AI, y Google.org figura entre los financiadores de la propia revisión.
Los propios autores advierten de que los resultados no son generalizables a todo el sistema escolar estadounidense, de que la evidencia sobre equidad y efectos a largo plazo es escasa y de que muchos estudios son preprints, es decir, trabajos difundidos sin revisión por pares.
Stanford reúne 52 estudios causales sobre IA en la escuela y ve resultados desiguales
La revisión de noviembre pasa de 20 a 52 trabajos y concluye que la IA parece más prometedora para entender material nuevo que para producir tareas, pero ningún uso mejora el aprendizaje de forma consistente.
La iniciativa SCALE de la Universidad de Stanford publicó el 10 de noviembre de 2026 «The Evidence Base on AI in K-12: A November 2026 Review», una actualización de su revisión de marzo. Recoge solo estudios causales, es decir, ensayos aleatorizados y diseños parecidos que permiten atribuir un efecto a la IA. Pasa de 20 a 52 trabajos, con 32 nuevos publicados entre octubre de 2025 y junio de 2026. Cinco de los nuevos, centrados en el alumnado, se hicieron en escuelas de Estados Unidos, frente a ninguno en la revisión anterior.
Según la revisión, el uso de la IA para apoyar el aprendizaje parece más favorable que usarla para hacer las tareas: en un estudio con universitarios de Brasil, producir el trabajo con IA empeoró el rendimiento en una evaluación posterior sin ella. Aun así, ningún tipo de uso mejora el aprendizaje de forma consistente, y que al alumnado le guste la experiencia no siempre se traduce en mejores resultados.
Entre los casos que cita hay uno en Turquía, con 193 docentes y 2.816 estudiantes de 5.º a 12.º grado, en el que dar al profesorado un asistente de IA basado en GPT-4o redujo la motivación y la confianza del alumnado; las notas bajaron con los docentes de menor rendimiento previo. Otro, en Sierra Leona, con 1.423 estudiantes de matemáticas de 7.º y 8.º grado, mostró una mejora al integrar los docentes Gemini Guided Learning, el modo de estudio guiado del asistente de Google, en la mitad de sus clases; lo firma un equipo de Google y Fab AI, y Google.org figura entre los financiadores de la propia revisión.
Los propios autores advierten de que los resultados no son generalizables a todo el sistema escolar estadounidense, de que la evidencia sobre equidad y efectos a largo plazo es escasa y de que muchos estudios son preprints, es decir, trabajos difundidos sin revisión por pares.