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

Alfabetización informacional y mediática

Creada 2026-11-05 · Actualizada 2026-11-05

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

La alfabetización informacional y la alfabetización mediática son capacidades adyacentes que la IA está reescribiendo en la misma costura. La alfabetización informacional se centra en encontrar y verificar datos exactos; la alfabetización mediática se centra en comprender quién creó un mensaje, cómo se construyó y por qué. Se solapan en su objetivo compartido de construir el pensamiento crítico que permite a las personas navegar un mundo digital y detectar la desinformación, y ahora comparten un segundo problema: la IA generativa produce contenido fluido y plausible cuyo origen e intención están ocultos, de modo que la pregunta por la procedencia que la alfabetización mediática siempre planteó se ha trasladado también a la alfabetización informacional.

Preguntas para reflexionar

  • Cuando un chatbot devuelve un párrafo seguro de sí mismo con tres citas, ¿el estudiante está ejercitando la alfabetización informacional, la alfabetización mediática o ninguna de las dos, y la tarea hace visible esa distinción?
  • Los deepfakes y las citas fabricadas son fallos distintos: uno es un registro falso del mundo, el otro un registro falso de la literatura. ¿Puede un solo curso enseñar ambos sin enseñar cada uno mal?
  • Los detectores de IA y los verificadores de hechos son ellos mismos modelos con tasas de error. ¿Qué le ocurre a un plan de estudios de verificación cuando la herramienta de verificación es probabilística?
  • La alfabetización mediática se ha enseñado a través de la producción: los estudiantes crean medios para comprenderlos. Si ahora un modelo crea el artefacto, ¿qué parte de la pedagogía sobrevive?

Introducción

Las dos alfabetizaciones tienen hogares institucionales separados. La alfabetización informacional se codificó en la biblioteconomía y las ciencias de la información, de forma más visible en el Marco de la ACRL, como un conjunto de disposiciones en torno a la autoridad, el proceso y el valor. La alfabetización mediática surgió de los estudios de comunicación y medios y de la educación mediática escolar, y pregunta por la autoría, la técnica, la audiencia y el efecto. Una juzga si una fuente merece credibilidad; la otra pregunta quién hizo un mensaje y qué está haciendo.

Esa división siempre ha sido más limpia en la teoría que en un aula. Ambas alfabetizaciones enseñan a los estudiantes a frenar, comprobar la procedencia y resistir la fluidez. Ambas se construyeron sobre el supuesto de que el artefacto tenía un autor que pagó un coste por producirlo. La IA generativa retira ese supuesto de ambas a la vez: el texto se sintetiza a partir de un corpus no rastreable, las imágenes y las voces se clonan, y las cuentas automatizadas simulan a la propia audiencia.

Esta página cubre el par porque el corpus los trata como un solo problema instruccional con dos conjuntos de resultados. La evidencia es desigual —un mapa bibliométrico y dos revisiones sistemáticas en el lado de la información, una intervención pequeña y un estudio de entrevistas a expertos en el lado de los medios— y casi ninguna prueba un plan de estudios combinado. Esa ausencia es en sí misma el hallazgo que vale la pena llevar a la práctica.

Dónde divergen los dos constructos

El objeto de la alfabetización informacional es la fuente, y su pregunta central es si la afirmación es verdadera y la evidencia que la respalda creíble. El objeto de la alfabetización mediática es el mensaje, y su pregunta central es quién lo hizo, cómo, para quién y con qué fin. Una cita fabricada falla la primera prueba; un deepfake puede pasar todas las comprobaciones factuales que un estudiante sabe ejecutar mientras falla la segunda.

Las literaturas empíricas reflejan la división. Una encuesta a 236 estudiantes universitarios estadounidenses preguntó dónde comienzan las búsquedas académicas y encontró motores de búsqueda en el 45,5%, la página de inicio de la biblioteca en el 27,9% y un chatbot de IA en el 26,6%, con el estudiantado internacional sustituyendo recursos bibliotecarios por IA a aproximadamente el doble de la tasa nacional (Lund et al., 2026). Una revisión sistemática de 32 estudios encontró que la integración de la alfabetización en IA en la instrucción en alfabetización informacional está en una «etapa de infancia», impartida mediante LibGuides y talleres más que mediante un plan de estudios (Mirza y Arif, 2026). En el lado de los medios, entrevistas con siete expertos y una encuesta a 141 estudiantes encontraron que la inclusión de la tecnología en el plan de estudios de alfabetización mediática crítica es «limitada y a menudo superficial», con docentes poco formados para herramientas que producen desinformación y deepfakes (el estudio de alfabetización mediática crítica, 2026).

Cómo la IA complica la alfabetización informacional

La primera complicación es la fabricación a escala. Un modelo produce texto convincente, referencias plausibles y estadísticas seguras que pueden no existir; el lector recibe una síntesis cuyo rastro de búsqueda ha sido borrado. Comprobar se convierte en una habilidad distinta: no «¿es esta una buena fuente?» sino «¿existe esta fuente, y dice lo que la respuesta afirma?».

La segunda es que la capa de búsqueda se colapsó en una capa de respuesta. Cuando la herramienta recupera, selecciona y escribe, el acto alfabetizado se traslada a juzgar la síntesis. Ese es el residuo que la evidencia señala una y otra vez: una plataforma con bibliotecario integrado superó a la instrucción bibliotecaria convencional por 0,78 frente a 0,25 puntos en un instrumento basado en la ACRL, y las consultas que produjeron la ganancia estuvieron dominadas por preguntas de evaluación de fuentes (Huang, 2026).

La tercera es la capacidad. En una encuesta a 412 bibliotecarios académicos de 38 instituciones nigerianas, la competencia autoevaluada era alta para la instrucción en bases de datos (M = 4,07) y la impartición de alfabetización informacional (M = 4,02), pero la competencia compuesta en IA era de 2,86, con los valores más débiles en el diseño de objetivos (M = 2,70) y la evaluación de resultados (M = 2,62) (Dada, 2026). A un campo mapeado en 1.669 publicaciones se le pide enseñar una competencia que sus instructores declaran no saber aún diseñar (Jabeen y Lux, 2026).

Cómo la IA complica la alfabetización mediática

Las preguntas fundacionales de la alfabetización mediática suponían un creador con un propósito. Los deepfakes, la clonación de voz y los bots automatizados rompen ese supuesto de tres maneras: el artefacto puede no tener autor humano, la audiencia puede ser sintética y la intención puede ser la optimización para la implicación en lugar de la persuasión por parte de alguien.

La evidencia curricular sugiere que las escuelas no se han puesto al día. Las entrevistas a expertos describen la formación docente como la restricción vinculante y no la resistencia estudiantil, y abogan por un encuadre de pedagogía crítica que trate la evaluación como práctica ética y participativa en lugar de capacitación en herramientas. Un informe encargado para medios de servicio público encontró que la oferta para jóvenes de 14 a 19 años se inclinaba hacia habilidades funcionales de IA y se alejaba de la evaluación crítica, pese a revisar más de 40 marcos y entrevistar a 35 expertos (el informe sobre alfabetizaciones en IA, 2025).

La IA como herramienta defensiva: afirmaciones y salvedades

El argumento a favor de usar la IA en el lado defensivo es plausible y se formula con amplitud: comprobaciones automáticas de credibilidad que examinan el historial y el lenguaje de una fuente en busca de señales de sesgo, detectores de deepfakes, analizadores de metadatos que buscan marcadores de procedencia, y simulaciones que permiten a los estudiantes practicar la evaluación con material sintético realista. Estas capacidades son productos reales, y su uso en el aula es práctica real.

La evidencia es más delgada que las afirmaciones. Los detectores son probabilísticos y se degradan a medida que mejoran los generadores; un modelo de verificación de hechos es él mismo un modelo, así que el estudiante sigue teniendo que juzgar al verificador; y los metadatos de procedencia solo ayudan cuando un productor decide adjuntarlos. Uno de los resultados más firmes del corpus es que la instrucción en alfabetización mediática apoyada en IA puede funcionar a pequeña escala: un programa de 18 horas construido sobre el modelo 5E produjo grandes ganancias entre 36 estudiantes de cuarto grado en una escuela turca (Demir y Akar, 2026). Treinta y seis estudiantes son una prueba de concepto, no un caso de adquisición.

Un artículo de opinión del sector bibliotecario lleva la misma idea más lejos: la IA podría encargarse de la impartición de la alfabetización informacional mediante recuperación, tutoriales adaptativos, chatbots y verificación automatizada de hechos, con bibliotecarios y no proveedores como responsables de la integración (Offem y Arikpo, 2026). El artículo no informa de datos, así que es una nota de diseño sobre dónde podría vivir la instrucción y no evidencia de que funcione.

Leídos juntos, los dos lados del balance sugieren una regla: la IA puede asumir la carga de práctica —escenarios realistas, retroalimentación inmediata, escala— pero la carga de juicio sigue siendo del estudiante, y cualquier herramienta que afirme reemplazarla debe evaluarse como un detector con una tasa de error medida, no adoptarse como una clave de respuestas.

Qué significa esto para la práctica

  • Enseñe un procedimiento, dos objetos. La rutina comprobable —rastrear la afirmación hasta una fuente, rastrear la fuente hasta un autor, preguntar qué está haciendo el artefacto— sirve para una cita y para un vídeo. Nombre qué objeto evalúa la tarea.
  • Trate la detección como evidencia, no como veredicto. La salida de un detector es una probabilidad; enseñe a los estudiantes a corroborarla con un segundo método y a decir qué les haría cambiar de opinión.
  • Mantenga la producción en el plan de estudios. Crear medios fue la pedagogía que hizo concreta la crítica; generar con IA puede apoyarla solo si los estudiantes examinan las elecciones que la herramienta hizo por ellos.
  • Incorpore a un bibliotecario o especialista en medios dentro del flujo de trabajo. El resultado instruccional más sólido de esta literatura proviene de un diseño en el que la consulta humana estaba integrada, no ofrecida después.
  • Evalúe la capacidad del personal antes de escribir el programa. El déficit medido está en el diseño de objetivos y la evaluación de resultados, no en el uso de herramientas.

Limitaciones de la evidencia

La mayoría de los estudios aquí son pequeños, autoinformados o ambas cosas: 236 estudiantes en una encuesta, 36 niños en una intervención, 412 bibliotecarios calificándose a sí mismos. La visibilidad bibliométrica no es práctica, y los autores del estudio cienciométrico lo dicen explícitamente. Ningún estudio del corpus evalúa un plan de estudios combinado de alfabetización informacional y mediática, y los detectores y herramientas de verificación de hechos que recomienda la literatura práctica están en gran medida sin medir en estas fuentes. La afirmación de que la verificación impulsada por IA mejora los resultados debe tratarse como una hipótesis de diseño hasta que alguien la pruebe contra un control.

Conceptos conectados

Artículos conectados

Metadatos

NivelHigher Ed, K 12, Adult Learning
Público destinatarioLibrarians, Instructors, Learners, Curriculum Designers
Aprendizaje y enseñanzaPedagogía crítica
Tecnologías y técnicasIA generativa, Grandes modelos de lenguaje (LLM)
Equidad, ética y uso responsableCalibración de la confianza
Fundamentos de la IA en la educaciónAlfabetización informacional y mediática, Alfabetización en IA, Pensamiento crítico, Integridad académica
Tipo de páginaSynthesis
FuenteHistorialEditarChat

Incrustar esta página

Copia el código de abajo para incrustar esta página en un sistema de gestión del aprendizaje u otro sitio web. La versión incrustada muestra solo el contenido de la página: oculta el encabezado, la navegación y el pie de página del sitio.