Conceptos
Alfabetización en retroalimentación
Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.
Alfabetización en retroalimentación: las capacidades y disposiciones que el estudiantado necesita para comprender, evaluar y actuar sobre la retroalimentación con el fin de mejorar su aprendizaje. Es la contraparte, del lado de quien aprende, de la provisión de retroalimentación: mientras que la calidad de la retroalimentación con IA y el bucle de retroalimentación se ocupan de la calidad y la mecánica del sistema de retroalimentación, la alfabetización en retroalimentación se ocupa de la capacidad de quien aprende para buscar, interpretar, juzgar y usar la retroalimentación de forma productiva.
Preguntas para reflexionar
- Una retroalimentación bien diseñada solo ayuda al estudiantado que sabe interpretarla y actuar en consecuencia. Si dos estudiantes reciben una retroalimentación idéntica y aprenden cantidades distintas, ¿dónde reside la diferencia, y es culpa del estudiante o del sistema?
- La investigación encuentra que el estudiantado con una alfabetización en retroalimentación más sólida se beneficia más de la retroalimentación con IA, mientras que quienes tienen una alfabetización más débil muestran efectos mínimos o incluso negativos. ¿Qué sugiere eso sobre limitarse a añadir retroalimentación con IA a un curso sin desarrollar también la capacidad del estudiantado para usarla?
- La alfabetización en retroalimentación incluye buscar retroalimentación, emitir juicios, gestionar lo afectivo y actuar sobre la retroalimentación, no solo recibirla. ¿Cuándo fue la última vez que buscó retroalimentación en lugar de esperarla, y qué le dio (o no) el valor suficiente para hacerlo?
- Si la IA ya puede generar retroalimentación abundante e instantánea, ¿se ha desplazado el cuello de botella de la provisión de retroalimentación a la capacidad de quien aprende para usarla? ¿Qué cambiaría en su forma de diseñar la retroalimentación si viera la alfabetización del estudiantado en retroalimentación como la verdadera restricción?
Introducción
La alfabetización en retroalimentación importa porque una retroalimentación bien diseñada solo ayuda al estudiantado que sabe interpretarla y actuar en consecuencia. Un estudiante que no puede evaluar si la retroalimentación generada por IA es correcta, o que no sabe cómo convertir la retroalimentación en una revisión concreta, aprende mucho menos de la misma retroalimentación que un compañero con mayor alfabetización en retroalimentación. A medida que la IA transforma la provisión de retroalimentación, la alfabetización en retroalimentación se ha convertido en una condición límite central para determinar si la retroalimentación con IA mejora el aprendizaje.
Corbin, Tai y Flenady (2026) sitúan el reconocimiento antes que la alfabetización: un estudiante debe conceder al proveedor la posición necesaria para guiar, y recibir la posición necesaria para responder, o no hay nada sobre lo que la alfabetización pueda trabajar.
Qué es la alfabetización en retroalimentación
La alfabetización en retroalimentación se enmarca ampliamente como un conjunto de capacidades interrelacionadas: la capacidad de valorar la retroalimentación, emitir juicios, gestionar lo afectivo y actuar (según Carless y Boud). La literatura agrupa la alfabetización en retroalimentación en torno a varias capacidades:
- Buscar y provocar retroalimentación: solicitar retroalimentación de forma proactiva en lugar de recibirla pasivamente.
- Emitir juicios: evaluar la exactitud y la utilidad de la retroalimentación, incluida la producida por IA.
- Dar sentido: interpretar la retroalimentación en relación con los objetivos y criterios de la tarea, y comprender qué implica para la mejora.
- Gestionar lo afectivo: implicarse de forma productiva con la retroalimentación sin desanimarse ni inflarse por ella.
- Actuar sobre la retroalimentación: traducir la retroalimentación en revisiones concretas o cambios de enfoque (bucle de retroalimentación, aprendizaje autorregulado).
- Juzgar la autoridad evaluativa: una capacidad adicional propuesta por AlGhamdi (2026): además de valorar la retroalimentación, emitir juicios, gestionar lo afectivo y actuar, el estudiantado que razonaba sobre la retroalimentación producida por IA necesitaba juzgar qué fuente posee autoridad evaluativa, con independencia de juzgar la calidad de la retroalimentación. Como a los participantes se les dijo que ChatGPT generaba tanto la puntuación como la retroalimentación, su alfabetización en retroalimentación se ejercitó sobre la fuente y la legitimidad de la evaluación, y no solo sobre su contenido, y produjo demandas de validación por parte del docente en lugar de una aceptación pasiva.
Cómo aparece la alfabetización en retroalimentación en la investigación
-
La alfabetización en retroalimentación como moderadora del valor de la retroalimentación con IA: Mendoza et al. (2026) muestran que la alfabetización en retroalimentación modera el vínculo entre la aceptación de ChatGPT y el aprendizaje autorregulado: el estudiantado con mayor alfabetización percibe un mayor beneficio de autorregulación en la retroalimentación con IA, mientras que quienes tienen menos alfabetización muestran efectos mínimos o incluso negativos (dependencia excesiva). La alfabetización en retroalimentación es una condición límite para que el estudiantado pueda «dar sentido» a la retroalimentación con IA.
-
La alfabetización en retroalimentación como vía del uso de IA generativa al pensamiento crítico: en 421 estudiantes universitarios chinos, la asociación entre el uso de IA generativa y el pensamiento crítico autoinformado pasó casi por completo por la alfabetización en retroalimentación con IA generativa (β=0,185, 71,98% del efecto total), y esa vía se fortaleció a medida que aumentaba el pensamiento reflexivo (índice de mediación moderada = 0,030) (Yan et al. (2026)).
-
La alfabetización en retroalimentación predice el aprendizaje en la escritura asistida por IA: Hawkins et al. (2026) encuentran que la alfabetización en retroalimentación fue el único predictor positivo significativo de la nota del ensayo en una tarea de escritura de ensayos mejorada con IA, mientras que Liu y Deris (2025) desarrollan y validan una escala de Alfabetización en Retroalimentación con IA (AIFL) y muestran que predice la incorporación de la retroalimentación.
-
El bucle entre alfabetización e implicación funciona en ambos sentidos. Un panel de intercepto aleatorio de tres olas con 399 estudiantes universitarios chinos encontró que la alfabetización en retroalimentación con IA predecía la implicación agéntica posterior (β = 0,222) y que la vía inversa era igual de fuerte (β = 0,263), sin que una prueba de Wald pudiera separar sus magnitudes (Xu (2026)).
Una disposición rival: la sensibilidad a la recompensa. La sensibilidad a la recompensa basada en la nota debilitó el vínculo credibilidad–aprendizaje percibido en Pérez-López et al. (2026) (pendientes simples 0,733, 0,607 y 0,483 con sensibilidad baja, media y alta), lo que sitúa la orientación instrumental del estudiantado hacia las calificaciones justo donde la investigación sobre alfabetización en retroalimentación sitúa una disposición cultivable a usar la retroalimentación.
-
La comprensión, y no la accionabilidad, cargó con el rédito de la revisión. A lo largo de tres ciclos de retroalimentación y revisión de escritura en dos clases intactas de 48 estudiantes cada una, la comprensión fue la dimensión más asociada con la calidad de la revisión (r = 0,501), por delante de la accionabilidad (r = 0,480) y de la precisión diagnóstica (r = 0,445); lo que añadía la condición diagnóstica era una hoja de interpretación leída antes de la revisión independiente (Yao y Fan (2026)).
-
Marcos para la implicación del estudiantado con la retroalimentación habilitada por la IA generativa: Zhan, Boud, Dawson y Yan (2025) (Boud y Dawson son académicos de referencia en alfabetización en retroalimentación) sostienen que la IA generativa puede habilitar la implicación del estudiantado con la retroalimentación, trasladando un modelo cíclico de autorregulación de la retroalimentación a las fases de provocar, procesar y actuar.
-
La retroalimentación con IA llega sin el encuadre del docente: Brunnström y Palmqvist (2026) sostienen que la IA generativa hace que la alfabetización en retroalimentación sea más exigente, porque las respuestas se generan de forma interactiva y sin el encuadre inmediato de un docente: el estudiantado debe interpretarlas, evaluarlas, implicarse con ellas y usarlas, incluido decidir cuándo una respuesta es demasiado abstracta, cuándo insistir y cuándo volver a los recursos convencionales. A lo largo de su demostración de ocho intercambios, la simplificación y una estructura utilizable solo aparecieron tras las intervenciones de quien aprendía, lo que convierte el ciclo de provocar, procesar y actuar de la implicación con la retroalimentación en algo que el estudiante tiene que conducir (Zhan, Boud, Dawson y Yan trazaron ese ciclo para la IA generativa; aprendizaje autorregulado).
-
La alfabetización en retroalimentación en la escritura asistida por IA y el inglés con fines académicos: los guiones de alfabetización en retroalimentación y los mecanismos de segundo evaluador entrenan al estudiantado para implicarse críticamente con la retroalimentación con IA durante la revisión de la escritura, desplazando la revisión hacia una mejora a nivel de argumentación y no de retoques superficiales.
-
Herramientas de retroalimentación automatizada para el desarrollo de la alfabetización: Tubino y Adachi (2025) sostienen que las herramientas de retroalimentación automatizada con IA deberían reformularse como instrumentos para desarrollar la alfabetización del estudiantado en retroalimentación, y no solo para proporcionar más retroalimentación.
-
Retroalimentación entre pares y alfabetización en retroalimentación: Irwin y Muller (2025) sitúan la IA generativa dentro de la retroalimentación entre pares en inglés como lengua extranjera para entrenar la alfabetización en retroalimentación y facilitar su incorporación en las clases de expresión oral, y los estudios sobre andamiaje comparan la IA generativa con pares humanos a la hora de fomentar la retroalimentación autorregulada.
-
La retroalimentación almacenada como dato duradero y consultable. Emparejar ChatGPT con un portafolio electrónico elevó a la vez el rendimiento oral y la alfabetización en retroalimentación (η² parcial = 0,218 para esta última), ya que el estudiantado trataba la retroalimentación archivada del docente, de los pares y de la IA como datos que conciliar y no como una corrección puntual (Laksana et al. (2026)).
-
La alfabetización en retroalimentación en la analítica del aprendizaje y los paneles de IA generativa: Jin et al. (2025) examinan cómo percibe el estudiantado la retroalimentación de la analítica del aprendizaje impulsada por IA generativa desde una perspectiva de alfabetización en retroalimentación.
-
La alfabetización en retroalimentación como objetivo del diseño de la alfabetización en IA y de la evaluación: Richmond y Nicholls (2025) emplean una evaluación centrada en el proceso y no en el artefacto, en la que el estudiantado critica la salida de ChatGPT contra una rúbrica para construir a la vez la alfabetización en retroalimentación, la psicológica y la de IA; la retroalimentación con IA centrada en quien aprende y el diseño de retroalimentación cuidadoso vinculan la calidad de la retroalimentación con la capacidad de implicación de quien aprende.
-
La alfabetización en retroalimentación se puede enseñar, y la IA puede aportar el material de práctica. Una guía conceptual hace que el profesorado genere un espectro graduado de muestras de trabajo de IA —que cumplen todos los criterios, algunos y ninguno— y luego conduzca al estudiantado a través de una crítica modelada, un análisis guiado en clase y una evaluación independiente (Pennington y Hock (2026)).
Por qué la alfabetización en retroalimentación importa para la IA en la educación
La IA cambia la retroalimentación en dos direcciones que elevan a la vez lo que está en juego con la alfabetización en retroalimentación. En primer lugar, la IA aumenta drásticamente el volumen y la inmediatez de la retroalimentación (calidad de la retroalimentación con IA, bucle de retroalimentación), de modo que el estudiantado se enfrenta a mucha más retroalimentación que debe clasificar y evaluar. En segundo lugar, la retroalimentación generada por IA conlleva riesgos propios —la inexactitud, la alucinación y la «ilusión de dominio»— que exigen habilidades de evaluación crítica y que plantean riesgos de dependencia excesiva y de falacia del LLM y atribución errónea. La alfabetización en retroalimentación se convierte así en un componente central de la alfabetización en IA: saber no solo cómo pedir retroalimentación a una IA, sino cómo juzgar si merece la pena actuar sobre ella y cómo convertirla en aprendizaje genuino en lugar de en la simple finalización de la tarea.
Bearman y sus colegas (2026) añaden una exigencia más a esa lista. En su estudio de taller, el estudiantado no gestionaba una sola fuente de retroalimentación, sino una red: sopesaba los comentarios del docente frente a la salida de la IA, las rúbricas, los materiales del curso y sus pares, y cuando la retroalimentación humana tardaba seguía trabajando con la IA como compás de espera, y revisaba después si esta le había llevado a error. Los autores sugieren que el estudiantado puede actuar como su propio «humano en el bucle» gestionando esas relaciones desde la tarea concreta hasta la trayectoria más amplia, lo que es en sí mismo una capacidad de alfabetización en retroalimentación. Su advertencia es que son los comentarios escasos o tardíos del docente los que empujan al estudiantado hacia fuentes no verificadas.
Conexiones con conceptos relacionados
La alfabetización en retroalimentación se conecta con la calidad de la retroalimentación con IA y el bucle de retroalimentación (el lado de la provisión que complementa), con la evaluación formativa (el ciclo de evaluación al que alimenta) y con el aprendizaje autorregulado (la autoevaluación y la adaptación que sostiene). Es un subconjunto de la alfabetización en IA cuando se aplica a la retroalimentación generada por IA, se cruza con la evaluación entre pares en contextos colaborativos y resulta especialmente consecuente para la enseñanza de la escritura. También se conecta con la metacognición y la calibración de la confianza, la capacidad de juzgar si una retroalimentación es digna de confianza.
Actuar sobre la retroalimentación no es lo mismo que mejorar el artefacto. Entre 22 docentes de matemáticas en formación, la aceptación selectiva de la retroalimentación de la IA y de los pares fue la norma (32 de 44 episodios), pero solo cinco mejoraron la calidad de sus tareas diseñadas: una brecha de traducción que los autores atribuyen al juicio evaluativo más que a la adopción (Oh, 2026).
Wang y Guo (2026) tratan la alfabetización en retroalimentación como algo que se desarrolla con la práctica: quienes revisaban entre pares en inglés como lengua extranjera y trabajaron dialógicamente con IA generativa para generar comentarios mejoraron su propia capacidad de juzgar y usar la retroalimentación, y no solo los comentarios que entregaron.
La alfabetización en retroalimentación tiene que abarcar tanto una fuente máquina como una humana. Stillman y sus colegas (2026) piden al estudiantado que evalúe la retroalimentación de sus pares y la de un chatbot sobre el mismo borrador en una misma reflexión, lo que convierte la comparación misma en la tarea de aprendizaje. Los estudiantes de su estudio rebajaron la autoridad del chatbot frente a la de un docente, y los autores leen esa rebaja como alfabetización y no como reticencia.
Concepciones erróneas
- «La retroalimentación con IA mejora el pensamiento crítico de forma directa.» En 421 estudiantes universitarios chinos, la asociación entre el uso de IA generativa y el pensamiento crítico autoinformado pasó por la alfabetización en retroalimentación. La alfabetización es el mediador, así que una intervención que añade retroalimentación con IA sin desarrollar la capacidad de leerla ataca el término equivocado.
- «La alfabetización es una condición previa, no un resultado.» Un panel de intercepto aleatorio de tres olas con 399 estudiantes universitarios chinos encontró que la alfabetización en retroalimentación con IA predecía la implicación agéntica posterior (β = 0,222), así que el bucle funciona en ambos sentidos. Es dinámica y no una puerta que se cruza una sola vez.
- «La accionabilidad es lo que hace que la retroalimentación cambie la escritura.» A lo largo de tres ciclos de retroalimentación y revisión de escritura en dos clases intactas de 48 estudiantes cada una, la comprensión fue la dimensión que cargó con el rédito de la revisión. Una retroalimentación que el estudiantado no puede interpretar no mejora por hacerla más accionable.
Conceptos conectados
- Patrones pedagógicos — Los pasos de valoración crítica que estas secuencias incorporan al flujo de trabajo
- Portafolio electrónico
- Calidad de la retroalimentación de la IA
- Retroalimentación
- Evaluación formativa
- Aprendizaje autorregulado
- Alfabetización en IA
- Evaluación entre pares
- Autoevaluación
- Escritura
- Metacognición
- Calibración de la confianza
- Descarga cognitiva
- Educación superior
- Reflexión
Artículos conectados
-
Within-person reciprocal processes between AI feedback literacy and agentic engagement: a three-wave random-intercept cross-lagged panel study — Alfabetización en retroalimentación con IA e implicación agéntica: un panel de intercepto aleatorio de tres olas (Xu 2026)
-
Using AI to Build Student Feedback Literacy and Leverage Assessment as a Learning Tool — Generar muestras de trabajo calificadas con rúbrica para enseñar alfabetización en retroalimentación (Pennington y Hock 2026)
-
AI-interaction literacy: reflections on how generative AI might be used to support self-regulated learning in higher education — La retroalimentación con IA sin el encuadre del docente eleva el listón de la alfabetización en retroalimentación (Brunnström y Palmqvist 2026)
-
Making sense of AI feedback: how students' feedback literacy moderates the link between ChatGPT acceptance and self-regulated learning — La alfabetización en retroalimentación modera la retroalimentación con IA → aprendizaje autorregulado (Mendoza et al. 2026)
-
Summarise, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing — La alfabetización en retroalimentación predice la nota del ensayo en la escritura mejorada con IA (Hawkins et al. 2026)
-
AI feedback literacy in higher education: Understanding, measuring, and predicting student feedback uptake — Escala de Alfabetización en Retroalimentación con IA y predicción de su incorporación (Liu y Deris 2025)
-
Generative artificial intelligence as an enabler of student feedback engagement: a framework — La IA generativa como habilitadora del marco de implicación con la retroalimentación (Zhan, Boud, Dawson y Yan 2025)
-
Rethinking AI-assisted writing instruction: feedback literacy scripts, calibration training, and student writing development — Guiones de alfabetización en retroalimentación y entrenamiento en calibración para la escritura asistida por IA (Dai 2026)
-
Effects of feedback literacy scripts and a second-rater mechanism on EAP writing revision in generative AI-supported contexts — Guiones de alfabetización en retroalimentación y segundo evaluador en la revisión de escritura en inglés con fines académicos (Yao 2026)
-
Reconnecting relationships through technology: Developing feedback literacy capabilities through an AI automated feedback tool — Herramienta de retroalimentación automatizada con IA para desarrollar la alfabetización en retroalimentación (Tubino y Adachi 2025)
-
Positioning generative AI in EFL peer feedback: Training feedback literacy and enabling uptake in speaking classes — Situar la IA generativa en la retroalimentación entre pares en inglés como lengua extranjera para entrenar la alfabetización en retroalimentación (Irwin y Muller 2026)
-
Fostering feedback literacy by scaffolding self-regulated feedback: a comparative study of GenAI and human peers — Andamiaje de la retroalimentación autorregulada: IA generativa frente a pares humanos (Gu, Chen y Yan 2026)
-
Students' Perceptions of Generative AI-Powered Learning Analytics in the Feedback Process: A Feedback Literacy Perspective — La analítica del aprendizaje con IA generativa en la retroalimentación, desde la perspectiva de la alfabetización en retroalimentación (Jin et al. 2025)
-
Using generative AI to promote psychological, feedback, and artificial intelligence literacies in undergraduate psychology — La evaluación con IA generativa construye alfabetización psicológica, en retroalimentación y en IA (Richmond y Nicholls 2025)
-
Enhancing learner-centered feedback with AI: Teachers' practices and perceptions — Prácticas y percepciones del profesorado sobre la retroalimentación con IA centrada en quien aprende
-
The care-full craft of feedback in an age of generative AI — Diseño de retroalimentación cuidadoso con IA generativa
-
Artificial intelligence and feedback in university education: effectiveness and student perceptions — Retroalimentación generada por IA en la educación superior
-
How artificial intelligence transforms the feedback ecosystem in higher education — La IA reconfigura las relaciones entre estudiantado, docentes, pares y materiales en el ecosistema de retroalimentación (Bearman et al. 2026)
-
Using AI-Generated Feedback to Improve Critical Thinking and Writing Proficiency — Retroalimentación con IA y pensamiento crítico en la escritura
-
Student Evaluation of Repeated AI Feedback Across a Semester of Writing — Retroalimentación repetida de escritura con IA a lo largo de un semestre
-
Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education — ¿Quién debería calificar mi trabajo? Perspectivas del estudiantado sobre la evaluación transparente de la escritura asistida por IA en la educación superior
-
The association between generative AI use and university students' critical thinking: a moderated mediation model of GenAI feedback literacy and reflective thinking — El uso de IA generativa condujo al pensamiento crítico a través de la alfabetización en retroalimentación con IA generativa, fortaleciéndose con el pensamiento reflexivo
-
From automated scoring to learning diagnosis: a mechanism study of AI-supported formative assessment in English writing — La comprensión, y no la accionabilidad, cargó con el rédito de la revisión
-
Dear Gemini: Agency, Peer Review, and Critical AI Literacies in Student Writing Ecologies — Evaluar la retroalimentación de pares y de un chatbot sobre el mismo borrador dentro de una misma tarea de reflexión
-
Translating AI and peer feedback in sustainability-oriented STEM teacher education: pre-service mathematics teachers' uptake, revision, and modeling task-design quality — Adopción selectiva sin mejora del artefacto: la brecha de traducción de la retroalimentación (Oh 2026)