Un comité do MIT pide redeseñar obxectivos, avaliación e comunidade presencial ante unha IA que xa resolve case calquera traballo escrito
O comité ad hoc do Instituto Tecnolóxico de Massachusetts propón oito principios e un conxunto de recomendacións para adaptar o ensino universitario á IA xenerativa.
O documento é o informe final do Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training do Massachusetts Institute of Technology (MIT). A dirección da institución encargouno en xaneiro de 2026 para avaliar o uso actual da IA xenerativa, identificar innovacións na docencia e na avaliación e propoñer unha política de uso. Está datado o 13 de agosto de 2026 e copresídeno Eric Klopfer e Sam Madden; o comité reúne estudantes de grao e posgrao, profesorado de todas as escolas e persoal de unidades como as bibliotecas e o Teaching and Learning Lab. É un documento institucional, dirixido á comunidade do MIT.
O comité conclúe que a cuestión é máis profunda que redactar unha norma: afecta á estrutura, ao sentido e ao valor da formación universitaria. Segundo o informe, a IA pode dar respostas razoables a case calquera tarefa escrita do grao, e advirte: «This is not a moment for patches and duct tape.» Entre os datos que achega, na enquisa tecnolóxica do outono de 2025 máis de dous terzos do alumnado que respondeu cría que a IA importará na súa carreira, pero só un 25 % consideraba que o MIT o prepara adecuadamente para usala.
Os oito principios son: ser humilde, ser audaz, poñer as persoas no centro, apostar pola aprendizaxe, ensinar con intencionalidade, recoñecer que non hai unha solución única, aumentar en lugar de automatizar e pensar máis alá da aula e do campus. O cuarto fala do esforzo produtivo e dun novo contrato social entre docentes e estudantes; o sétimo pide usar a IA, nas palabras do informe, «to augment and enhance curiosity, creativity, and learning, not automate them». O quinto plantexa definir primeiro o propósito da aprendizaxe en lugar de preguntarse se a IA debe permitirse ou prohibirse.
As recomendacións agrúpanse en tres bloques. O primeiro, sobre os procesos educativos, pide revisar os obxectivos de cada materia, recorrer a exames orais, portfolios semestrais ou traballos fóra da aula acompañados de conversa en clase, e reforzar a aprendizaxe por proxectos e a aprendizaxe social presencial. Reclama tamén unha política de IA xustificada en cada materia, con formato estándar e pautas claras e coherentes. Desaconsella fiarse dos detectores de IA, que considera pouco fiables, e describe os navegadores de bloqueo actuais como defectuosos e próximos á vixilancia, aínda que recomenda estudalos; prefire o historial de versións e a retroalimentación por etapas. O segundo bloque, sobre a comunidade e a experiencia residencial, recomenda que o profesorado declare o seu propio uso de IA, que se ensine un uso eficaz, responsable e ético desde as sesións de acollida do alumnado e que toda tese inclúa unha declaración sobre como se usou a IA, sen que figure nunca como coautora.
O terceiro bloque propón estruturas de apoio: un comité permanente sobre IA e educación, responsables de IA por escola ou departamento, bolseiros e un equipo de implementación, un fondo para pilotos, formación e apoio continuos ao profesorado e métricas de uso, participación e resultados. Inclúe tamén acceso equitativo á tecnoloxía, unha plataforma que non ate a comunidade a un único provedor de modelos e o seguimento dos custos e do impacto ambiental. Estas medidas dependen dos recursos dunha universidade concreta.
Este informe relaciónase por tema con outros documentos da biblioteca: a avaliación na era da IA, como Responsible Assessment in the AI Era, ou a integridade académica, como A Comprehensive Academic Integrity (CAI) Framework: An Overview. O diario non contrastou o seu contido co deste informe. Para un docente, o máis aproveitable son as ideas transferibles: partir dos obxectivos de aprendizaxe antes de decidir que se permite, declarar en cada materia que usos de IA son admisibles e por que, e diversificar a avaliación con compoñentes orais ou de proceso. Convén comezar polo bloque sobre os procesos educativos, o máis próximo á aula. Como límite, o contexto é o dunha universidade de investigación concreta, de modo que a súa translación a outros niveis ou centros require adaptación.
Un comité do MIT pide redeseñar obxectivos, avaliación e comunidade presencial ante unha IA que xa resolve case calquera traballo escrito
O comité ad hoc do Instituto Tecnolóxico de Massachusetts propón oito principios e un conxunto de recomendacións para adaptar o ensino universitario á IA xenerativa.
O documento é o informe final do Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training do Massachusetts Institute of Technology (MIT). A dirección da institución encargouno en xaneiro de 2026 para avaliar o uso actual da IA xenerativa, identificar innovacións na docencia e na avaliación e propoñer unha política de uso. Está datado o 13 de agosto de 2026 e copresídeno Eric Klopfer e Sam Madden; o comité reúne estudantes de grao e posgrao, profesorado de todas as escolas e persoal de unidades como as bibliotecas e o Teaching and Learning Lab. É un documento institucional, dirixido á comunidade do MIT.
O comité conclúe que a cuestión é máis profunda que redactar unha norma: afecta á estrutura, ao sentido e ao valor da formación universitaria. Segundo o informe, a IA pode dar respostas razoables a case calquera tarefa escrita do grao, e advirte: «This is not a moment for patches and duct tape.» Entre os datos que achega, na enquisa tecnolóxica do outono de 2025 máis de dous terzos do alumnado que respondeu cría que a IA importará na súa carreira, pero só un 25 % consideraba que o MIT o prepara adecuadamente para usala.
Os oito principios son: ser humilde, ser audaz, poñer as persoas no centro, apostar pola aprendizaxe, ensinar con intencionalidade, recoñecer que non hai unha solución única, aumentar en lugar de automatizar e pensar máis alá da aula e do campus. O cuarto fala do esforzo produtivo e dun novo contrato social entre docentes e estudantes; o sétimo pide usar a IA, nas palabras do informe, «to augment and enhance curiosity, creativity, and learning, not automate them». O quinto plantexa definir primeiro o propósito da aprendizaxe en lugar de preguntarse se a IA debe permitirse ou prohibirse.
As recomendacións agrúpanse en tres bloques. O primeiro, sobre os procesos educativos, pide revisar os obxectivos de cada materia, recorrer a exames orais, portfolios semestrais ou traballos fóra da aula acompañados de conversa en clase, e reforzar a aprendizaxe por proxectos e a aprendizaxe social presencial. Reclama tamén unha política de IA xustificada en cada materia, con formato estándar e pautas claras e coherentes. Desaconsella fiarse dos detectores de IA, que considera pouco fiables, e describe os navegadores de bloqueo actuais como defectuosos e próximos á vixilancia, aínda que recomenda estudalos; prefire o historial de versións e a retroalimentación por etapas. O segundo bloque, sobre a comunidade e a experiencia residencial, recomenda que o profesorado declare o seu propio uso de IA, que se ensine un uso eficaz, responsable e ético desde as sesións de acollida do alumnado e que toda tese inclúa unha declaración sobre como se usou a IA, sen que figure nunca como coautora.
O terceiro bloque propón estruturas de apoio: un comité permanente sobre IA e educación, responsables de IA por escola ou departamento, bolseiros e un equipo de implementación, un fondo para pilotos, formación e apoio continuos ao profesorado e métricas de uso, participación e resultados. Inclúe tamén acceso equitativo á tecnoloxía, unha plataforma que non ate a comunidade a un único provedor de modelos e o seguimento dos custos e do impacto ambiental. Estas medidas dependen dos recursos dunha universidade concreta.
Este informe relaciónase por tema con outros documentos da biblioteca: a avaliación na era da IA, como Responsible Assessment in the AI Era, ou a integridade académica, como A Comprehensive Academic Integrity (CAI) Framework: An Overview. O diario non contrastou o seu contido co deste informe. Para un docente, o máis aproveitable son as ideas transferibles: partir dos obxectivos de aprendizaxe antes de decidir que se permite, declarar en cada materia que usos de IA son admisibles e por que, e diversificar a avaliación con compoñentes orais ou de proceso. Convén comezar polo bloque sobre os procesos educativos, o máis próximo á aula. Como límite, o contexto é o dunha universidade de investigación concreta, de modo que a súa translación a outros niveis ou centros require adaptación.
