Base de conocimiento AIEdAIEd KB
En esta página

Esta página está traducida al español. Las páginas de artículo siguen escritas en inglés. Leer esta página en inglés

Conceptos

Agencia de quien aprende

Creada 2026-09-25 · Actualizada 2026-09-25

Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.

La agencia de quien aprende: la capacidad de quien aprende para actuar con intención, tomar decisiones y ejercer control sobre su propio aprendizaje. En la IA en la educación, la agencia es una preocupación central porque las herramientas de IA pueden tanto sostener como socavar el control de quien aprende: una IA bien diseñada preserva y amplifica la autonomía de quien aprende, mientras que la dependencia excesiva o la aceptación pasiva de la salida de la IA pueden erosionarla. La agencia se conecta con Aprendizaje autorregulado, Motivation, Self-Efficacy y el diseño ético de los sistemas de IA, y está estrechamente relacionada con los conceptos psicológicos de autonomía y de sentido de agencia.

Preguntas para reflexionar

  • La agencia de quien aprende, es decir, su capacidad de actuar con intención y de controlar su propio aprendizaje, es central en la IA en la educación. Cuando usa una herramienta de IA, ¿cuánto control conserva realmente sobre el proceso de aprendizaje, frente a la herramienta?
  • La IA puede tanto sostener como socavar la agencia: una IA bien diseñada amplifica la autonomía, mientras que la dependencia excesiva la erosiona. Piense en una ocasión en que dejó que una IA simplemente «lo hiciera». ¿Aprendió menos, aunque el resultado pareciera mejor?
  • El estudiantado que delega la interpretación en la IA puede perder agencia sobre su propio razonamiento. Cuando le entrega una tarea a la IA, ¿qué parte de su propio pensamiento está cediendo en silencio?
  • Un estudio encontró que el aprendizaje previo de IA iniciado por cuenta propia predecía cuánto se beneficiaba el estudiantado de la instrucción: quienes tenían más agencia se beneficiaron más. Si la agencia es en parte una habilidad que se trae de antemano, ¿cómo podría su propio contexto construirla en lugar de darla por supuesta?
  • La agencia no es solo un rasgo: emerge momento a momento en el trabajo en grupo, donde la IA puede redistribuir quién da forma a una colaboración sin que el estudiantado lo note. ¿Cuándo notó por última vez que una herramienta dirigía en silencio el rumbo de un grupo?
  • Las personas de IA contrarias podrían empujar a los grupos hacia un desafío productivo, pero también redujeron la satisfacción con el trabajo en equipo y la seguridad psicológica. ¿Puede existir fricción productiva sin seguridad psicológica, y qué implica eso para el diseño de compañeros de equipo de IA?

Introducción

La agencia importa porque el aprendizaje es más eficaz cuando quien aprende participa de forma activa e intencionada en lugar de recibir pasivamente. Los sistemas de IA, ya sean agentes de tutoría, robots o chatbots, determinan cuánto control conserva quien aprende sobre su proceso de aprendizaje. Preservar la agencia es, por tanto, un principio de diseño clave en una IA educativa responsable, junto con sostener la autoeficacia, construir la confianza y evitar la dependencia excesiva.

Mishra et al. enmarcan el control frente a la agencia como la tensión esencial y recurrente de la IA en la educación, desde los primeros sistemas de tutoría inteligente hasta la IA generativa actual, lo que convierte la agencia de quien aprende en el eje persistente de los debates del campo.

Una visión de suma cero de la agencia con herramientas agénticas: Prieto y Dimitriadis (2026) sostienen que cuanto más agencia se concede a las herramientas educativas de IA, menos conserva quien aprende, es decir, que la agencia es en la práctica un juego de suma cero, y que los enfoques actuales de diseño centrado en las personas (por ejemplo, el diseño sensible a los valores) son insuficientes porque la dependencia excesiva y el aislamiento responden a factores sistémicos más amplios y a la tendencia humana a tomar el camino más fácil. Su visión de diseño emancipador, orientada al florecimiento de quien aprende dentro de sistemas complejos, trata la preservación y el cultivo de la agencia de quien aprende como el objetivo central del diseño de IA generativa y no como algo secundario.

Cómo aparece la agencia en la investigación de la base de conocimiento

  • Robótica e interacción entre personas y robots: RoboBlockly Studio se diseñó explícitamente para preservar la agencia de quien aprende en el pensamiento computacional; una revisión sistemática examina cómo la interacción entre personas y robots afecta a la autonomía humana y al sentido de agencia, centrales en los debates sobre el bienestar y la gobernanza.
  • Aprendizaje colaborativo: la investigación sobre la Human AI Collaboration examina cómo se reparten las tareas cognitivas entre quien aprende y la IA, y la agencia determina si es la persona o la IA la que dirige la interacción.
  • Implicación crítica: la investigación sobre la descarga cognitiva muestra cómo el estudiantado que delega la interpretación en la IA puede perder agencia sobre su propio razonamiento; los enfoques críticos y metacognitivos tratan de protegerla.
  • Diseño para la agencia: el diseño basado en conocimiento de robots sociales generativos (Teachy Mini) aborda riesgos como la dependencia excesiva que socavan la agencia de quien aprende.
  • La agencia previa predice quién se beneficia: Liang et al. (2026), apoyándose en la teoría cognitiva social de Bandura, mostraron que el aprendizaje previo de IA iniciado por cuenta propia (una manifestación conductual de la agencia) predecía cuánto se beneficiaba el estudiantado de un año de instrucción sobre IA en la escuela: quienes llegaban con más agencia lo hacían con la preparación más sólida, mientras que los currículos escolares redujeron las brechas psicológicas pero dejaron intactas las cognitivas. La instrucción estructurada y el aprendizaje previo relacionado con la agencia funcionaron de forma sinérgica, no como sustitutos.
  • La selectividad fundamentada como agencia docente ante el cambio tecnológico: Adiozaman y Segar (2026) entrevistaron tres veces a lo largo de un semestre a dos académicos con experiencia y encontraron que navegaban la enseñanza mediada por IA ni adoptándola ni resistiéndose a ella por completo, sino mediante decisiones deliberadas y sensibles al contexto guiadas por valores pedagógicos, compromiso ético y juicio profesional: un patrón que los autores llaman selectividad fundamentada, en el que rechazar un uso concreto cuenta como juicio y no como una adopción fallida. Es la contraparte docente de los hallazgos sobre quien aprende que aparecen más arriba: un uso desigual de la IA puede ser un ejercicio de agencia, no la prueba de su ausencia.
  • Tener acceso a la elección no es lo mismo que ejercer la agencia: Su, Nair y Nagashima (2026) asignaron aleatoriamente a 69 estudiantes universitarios a un diseño 2 × 2 que cruzaba el control de parámetros de una simulación de bandadas con el acceso a un agente conversacional opcional, y no encontraron ningún efecto fiable de ninguna de las dos posibilidades sobre las mejoras en el aprendizaje una vez controlado el conocimiento previo (control de parámetros F(1, 50) = 0.04, p = .849; agente F(1, 50) = 2.68, p = .108). Las mejoras siguieron cómo se usaba el control: el tiempo con los deslizadores en la lección conceptualmente más compleja predijo mejoras mayores (β = .11, p = .007), mientras que el mismo comportamiento en la lección más fácil predijo mejoras menores (β = −.04, p = .047), y la interacción con el agente opcional osciló entre 0 y 32 preguntas por persona sin relacionarse con los resultados. Los autores lo interpretan como una agencia puesta en acto y no concedida: la pregunta de diseño es qué ayuda a quien aprende a decidir qué vale la pena cambiar y a notar las consecuencias.
  • Delegación epistémica en la investigación en etapas tempranas: Han y Liu (2026) enmarcan la dependencia de la IA entre investigadores doctorales y posdoctorales como delegación epistémica, es decir, la transferencia del planteamiento del problema, la elección del método y la autoridad interpretativa al sistema inteligente, y encontraron que se asocia negativamente tanto con la autoeficacia investigadora como con la autonomía investigadora, con el apoyo de la dirección amortiguando esa pérdida. Amplía los debates sobre la agencia desde la autonomía de quien aprende hasta la formación de quien investiga.

La agencia se conecta con Aprendizaje autorregulado, Motivation, Self-Efficacy, Student Experience, Human AI Collaboration, Ética, la dependencia excesiva y Metacognición. Es una consideración central en la robótica, la tutoría y el diseño de agentes de aprendizaje con IA.

  • El uso acotado como control epistémico, no como reticencia. Zagami (2026) informa de que el estudiantado con mejor rendimiento en una encuesta universitaria con 484 respuestas mostró una menor implicación activa con la IA y un menor impacto en el aprendizaje percibido, a la vez que también declaraba una menor desconexión relacionada con la IA, y describía su propio uso como intensivo en verificación: las salidas se comprobaban y después se subordinaban a su propio razonamiento. Leído como agencia y no como evitación, el patrón es una retención deliberada del juicio: el estudiantado conserva la autoría de la conclusión mientras usa la herramienta para aclarar y resumir.
  • Actuar, saber y responder no son lo mismo. Un análisis del discurso asistido por corpus de 366 resúmenes de IA generativa en la educación superior nombra a la IA como actor 2,050 veces sin hacerla nunca responsable de responder, mientras que la responsabilidad de juzgar las salidas y verificar las afirmaciones recae en el estudiantado: la activación gramatical, la agencia funcional, la autoridad epistémica y la rendición de cuentas normativa se separan (Poudyal, 2026).

La agencia como fenómeno emergente e interaccional

La agencia de quien aprende no es solo un rasgo individual estático, sino también un proceso emergente y constituido en la interacción que se pone en acto a través del discurso y de la coordinación momento a momento del trabajo en grupo. En el aprendizaje colaborativo, la agencia se distribuye y se renegocia mediante el juego entre procesos divergentes (generar ideas, explorar alternativas) y procesos convergentes (evaluar, integrar, sintetizar). Esta visión importa para la IA porque los sistemas de IA agéntica pueden redistribuir sutilmente el trabajo epistémico y regulatorio dentro de un grupo, reconfigurando quién contribuye, quién marca la dirección y quién regula el avance, a menudo sin que quien aprende se dé cuenta.

  • Jin et al. (2026) aportan la evidencia más directa: en un experimento amplio (224 estudiantes, 97 tríadas) en el que la IA actuaba como compañera de equipo no revelada, las personas de IA de apoyo y las contrarias reconfiguraron igualmente la agencia emergente. La IA contraria llevó el discurso hacia trayectorias orientadas al desafío y a la reflexión (fricción productiva), mientras que la IA de apoyo estabilizó el acuerdo y renovó la ideación.

  • Las personas de IA como mecanismos de gobernanza del discurso. Las personas contrarias externalizaron la carga de desafiar (redistribuyendo el trabajo epistémico hacia la crítica), mientras que las personas de apoyo externalizaron la afirmación y el mantenimiento del consenso. El estudio identificó seis perfiles de agencia emergente; en particular, la AI Regulation in Education reflexiva fue exclusivamente humana (la IA externalizó la crítica y la afirmación, pero no la monitorización de nivel meta).

  • El coste afectivo de la fricción. La IA contraria redujo la satisfacción con el trabajo en equipo y la seguridad psicológica sin aportar mejoras de rendimiento creativo, desacoplando la estimulación epistémica de la sostenibilidad experiencial. Esto advierte de que las estructuras discursivas «productivas» deben interpretarse junto con sus consecuencias emocionales: la agencia solo florece en un clima psicológicamente seguro.

  • La participación implícita de la IA es gobernanza invisible. Como las personas funcionaron incluso sin revelar la presencia de la IA, el estudio sitúa el diseño de personas como una forma de gobernanza invisible de los procesos colaborativos, un hallazgo con implicaciones directas para los asistentes de escritura, los sistemas de evaluación entre pares y las plataformas de trabajo en equipo que pueden dar forma a las contribuciones sin anunciar su presencia.

  • Tres patrones de agencia en la evaluación en grupo. Chen y Zou (2026) entrevistaron a 15 grupos focales de profesorado en formación sobre una presentación grupal auténtica y encontraron la agencia operando en tres direcciones a la vez: cinco grupos intensificaron el uso de la IA generativa como infraestructura de coordinación (agencia orientada a la cooperación: descifrar las secciones de los pares, alinear las partes, proteger una calificación compartida), siete lo contuvieron (agencia normativa: límites trazados para proteger la autenticidad, la equidad, la originalidad y la diversidad de perspectivas) y tres nunca cambiaron su práctica respecto del trabajo individual (agencia no puesta en acto, en la que la capacidad individual nunca se movilizó de forma colectiva). Su distinción importa porque aquí la contención era autorregulación normativa y no cumplimiento ni desvinculación, y porque la capacidad por sí sola no produjo agencia colectiva. La pertenencia al grupo también invirtió la rendición de cuentas que se supone que crea el trabajo en grupo: un clima colectivo permisivo redujo el riesgo de mal uso percibido en lugar de aumentar el compromiso.

  • La agencia como identidad relacional. Xie (2026) cuestiona el modelo individualista de la agencia que, sostiene, incluso las críticas a la IA dan por supuesto. Apoyándose en la identidad relacional daoísta, un yo «fluido y heterogéneo» constituido a través de las relaciones con los demás y con el cosmos, concluye que una brecha digital o la discriminación algorítmica son «una violación de la constitución fundamental del yo», lo que convierte la igualdad de acceso al aprendizaje en «no solo un mandato ético, sino un dato ontológico», y que el poder asimétrico y los costes ambientales son «dimensiones integrales del yo» y no externalidades. Su contraideal, el «Zhenren» (真人) o quien aprende de forma natural, trata la IA como un «adjunto instrumental» y no como un sustituto cognitivo: la agencia como plenitud cultivada, no como optimización sin fricción.(Alternative AI Philosophy: Daoism as Method for AI in Education)

Para los entornos colaborativos, esto replantea la pregunta de diseño: no si la IA puede participar como compañera de equipo, sino cómo su participación pautada equilibra el rigor epistémico, la seguridad emocional y el sentido de propiedad de quien aprende. La fricción acotada (desafío restringido, combinado con movimientos de integración y de reparación) y una alfabetización metacolaborativa explícita son las salvaguardas recomendadas.

Una lectura estructural de la agencia aparece en el marco de evaluación gozosa de El Khoury y Ma, donde la agencia se trata como una propiedad del diseño y no como motivación: el estudiantado elige el orden de las tareas, marca su propio ritmo y señala cuándo termina una interacción, de modo que el apoyo está disponible mientras la responsabilidad del trabajo sigue siendo de quien aprende. El mecanismo que nombran es la valoración: ensayar sin público y elegir cuándo empezar cambia lo que significa una tarea, de veredicto a algo que el estudiantado puede moldear, y sostienen que la experiencia repetida de ese cambio es lo que asienta sentimientos ocasionales de eficacia en una postura cotidiana ante la evaluación.

La agencia frente a la identidad de quien aprende

La identidad de quien aprende y la agencia de quien aprende se confunden con facilidad, pero nombran cosas distintas, y la IA reconfigura ambas.

  • La agencia se pone en acto; la identidad se habita. La agencia es la capacidad situada de actuar con intención y de dirigir el propio aprendizaje ahora: una propiedad variable e interaccional. La identidad es el sentido más duradero y narrativo de quién es y en quién se está convirtiendo quien aprende. La agencia es un proceso; la identidad es un estado de ser que se acumula a partir de ella.
  • La identidad es agencia interiorizada. Los actos agentivos repetidos (elegir, crear, persistir) son la forma en que quien aprende llega a verse a sí mismo como una persona con agencia y competente. La identidad es el sedimento de la agencia a lo largo del tiempo, reforzado por el reconocimiento y la pertenencia.
  • Modos de fallo distintos. La agencia se erosiona con la dependencia excesiva y la aceptación pasiva (quien aprende deja de dirigir su razonamiento); la identidad se erosiona con la pérdida de autoría y la amenaza a la competencia (quien aprende deja de sentir que la salida es suya o que pertenece al ámbito). La redistribución implícita del trabajo epistémico por parte de la IA es sobre todo una cuestión de agencia; la paradoja de la competencia en los campos creativos es sobre todo una cuestión de identidad.
  • Hay que diseñar para ambas. El diseño orientado a la agencia preserva el control y la elección (fricción acotada, supervisión con intervención humana, transparencia); el diseño orientado a la identidad protege la autoría y el reconocimiento (evaluación auténtica, atribución clara de la contribución de la IA frente a la humana, tareas que permiten a quien aprende reclamar un ámbito como propio). Proteger la agencia sin proteger la autoría conserva el control, pero no el valor propio, y viceversa.

Esta distinción entre la agencia puesta en acto y la identidad estable se aplica también al rechazo. Como describe Zagami (2026), renunciar a un chatbot para una escritura evaluada, prohibirlo para el razonamiento sin ayuda, resistirse al triaje automatizado en el apoyo al estudiantado o retrasar una adquisición son relaciones separadas con sistemas separados, que abarcan los niveles personal, pedagógico, profesional, administrativo e institucional, y no una única disposición duradera. Ese derecho se reparte de forma desigual: el estudiantado con confianza académica puede renunciar sin penalización, mientras que quienes necesitan apoyo lingüístico, de accesibilidad o de retroalimentación rápida leen el rechazo como una oportunidad perdida, y el profesorado con plaza fija rechaza por principio mientras que el personal con contratos temporales siente presión para adoptar. Cuando la IA forma parte de la infraestructura, el rechazo se desplaza de la exclusión individual a la adquisición, la auditoría y la contestabilidad.

El marco de coagencia ecológica: la agencia como problema de diseño epistémico

Poudyal (2026) replantea la agencia de quien aprende como una cuestión fundamentalmente epistémica: la IA generativa no se limita a añadir una herramienta, sino que reasigna la autoridad epistemológica (la capacidad de producir conocimiento, validar afirmaciones y crear pruebas de aprendizaje) del profesorado al estudiantado y a las máquinas. El marco de coagencia ecológica del artículo trata la coagencia como la relación entre tres dimensiones interdependientes, todas acotadas por una condición no negociable de responsabilidad epistémica humana:

  • Coagencia relacional: la agencia como producto de la interacción entre el estudiantado, la herramienta y el contexto, que exige una división transparente de qué tareas se delegan en la IA y cuáles se retienen, además de una coagencia ética en la que las personas conservan la responsabilidad principal y actúan en una función de monitorización.
  • Coagencia regulatoria: proyectar el ciclo del aprendizaje autorregulado (previsión, desempeño, reflexión) sobre la mediación de la IA. Que la IA generativa entre antes o después del intento de quien aprende determina si amplifica o erosiona el control percibido; la descarga cognitiva estratégica solo sostiene un aprendizaje transformador cuando la decisión de descargar es intencionada y no rutinaria.
  • Coagencia pedagógica: situar al profesorado en el centro, avanzando por un continuo de observador, adoptante, colaborador e innovador que depende del apoyo institucional y no de la disposición individual.

La condición límite del marco exige contestabilidad (la capacidad de cuestionar y contrastar la salida de la IA), procedencia (saber de dónde vienen los datos de entrenamiento y la salida) y no delegación del crédito moral e intelectual (los juicios de alto riesgo sobre el bienestar del estudiantado, su situación académica y sus calificaciones no deben determinarse únicamente por la IA). Esto ofrece a quienes educan y a quienes elaboran políticas un vocabulario más preciso que el vago «equilibrio» entre las contribuciones humanas y artificiales, y conecta la agencia con la ética, la evaluación, la equidad y la gobernanza.

Un encuadre estrechamente relacionado es el de la agencia epistémica relacional (Du y Yuan 2026), que coincide en que la agencia se habilita socialmente y se media tecnológicamente, y no consiste en aislarse de la dependencia. Donde el marco de coagencia ecológica subraya la responsabilidad epistémica humana como un límite no negociable, Du y Yuan mantienen una asimetría explícita: los sistemas de IA pueden dar forma y extender el razonamiento sin tener responsabilidad recíproca ni autoridad legítima. Sus seis criterios diagnósticos (contestabilidad, recuperabilidad, transferencia, trazabilidad, responsabilidad distribuida y pluralidad epistémica) ofrecen una prueba práctica para saber cuándo una relación entre personas y IA preserva la capacidad de quien aprende de participar en cómo se forman, se evalúan y se aceptan las afirmaciones, y cuándo se limita a entregar un producto. La agencia, desde esta perspectiva, no es independencia de las herramientas, sino la capacidad de juzgar con responsabilidad con, a través de y contra los sistemas que median el conocimiento.

  • La agencia delegada como mecanismo, no solo como riesgo. Yan y Gašević (2026) tratan la delegación del trabajo cognitivo en la IA como parte de cómo ocurre el aprendizaje, y no solo como una amenaza para él: en su planteamiento, el desempeño asistido se convierte en capacidad duradera solo cuando quien aprende conserva la responsabilidad de enmarcar el problema, fijar los criterios y justificar las respuestas, una división del trabajo que llaman agencia delegada. Eso convierte la propia asignación en la variable de diseño, ya que una misma herramienta puede preservar o disolver la agencia de quien aprende según qué responsabilidades absorba.

Conceptos conectados

Artículos conectados

Preguntas frecuentes relacionadas

Metadatos

Público destinatarioLearners
Learning and instructionMotivation, Aprendizaje autorregulado
Equity, ethics, and responsible useÉtica
Foundations of AI in educationAgencia de quien aprende, Descarga cognitiva, Human AI Collaboration
SourceHistoryEditChat

Incrustar esta página

Copy the code below to embed a chromeless version of this page in a learning management system or other website. The embedded view hides the site header, navigation, and footer.