Conceptos
Educación secundaria
Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.
Síntesis: La educación secundaria es la franja en la que el uso de la IA generativa es ordinario y las ganancias de aprendizaje medidas son menores que lo que se afirma de ella. Un ensayo de dos años en escuelas medias ordinarias produjo alrededor de 0.06–0.08 DE al año, y el metaanálisis de tutoría inteligente de K-12 unos g = 0.27, porque el compromiso y la búsqueda de ayuda limitan el efecto más que la capacidad del modelo. El alumnado prefiere la herramienta que hace más del trabajo cognitivo, y los detectores separan ensayos completos pero no frases. La evidencia va de la preparación de exámenes a la escritura y la autoría, y de ahí a la corrección, la detección y los años de escuela media en los que el uso supera al escepticismo.
Preguntas para reflexionar
- Un tutor está a un clic, y aun así el estudiante mediano le pidió ayuda en el 17 % de las sesiones que contenían un error. ¿Qué hace que preguntar sea más barato que saltarse el problema en su clase?
- El alumnado prefirió el chatbot a tomar apuntes y aprendió menos con él. ¿Cómo detectaría esa trampa antes de que lo haga el examen?
- Los detectores alcanzan F1 0.96 en ensayos completos, 0.88 en frases y pierden un tercio de su recuerdo tras una reescritura. ¿Qué política de integridad sobrevive a eso?
- Casi todos los ensayos de secundaria duran de cuatro a doce semanas y se miden con un examen de unidad. ¿Qué justificaría una adopción departamental de un año?
- El uso declarado sube de 12 a 17 mientras la confianza en la salida se mantiene plana. ¿En qué punto de los grados 6 a 9 enseñaría a verificar?
Introducción
La educación secundaria abarca aproximadamente de los 11 a los 18 años —escuela media o secundaria básica, y luego bachillerato— y tres rasgos del contexto moldean lo que la IA puede hacer allí. La asistencia es obligatoria, el profesorado es especialista de asignatura y puede ver a 150 estudiantes por semana, y las evaluaciones consecuentes son externas: GCSE, exámenes nacionales y PISA a los 15 años.
Los mismos estudiantes son los que más rápido adoptan. En Suiza, el 84 % de los jóvenes de 14 a 19 años declara un uso regular de IA generativa, una proporción mayor que la de cualquier franja adulta. El uso casi universal, los exámenes externos y un solo adulto responsable de varias clases explican por qué la literatura se concentra en la preparación de exámenes, la corrección, las tareas y la integridad, y no en el rediseño del currículo.
Qué mide la investigación
-
Las ganancias de la tutoría inteligente son modestas y se reducen con la distancia. Dieciocho experimentos estadounidenses sobre 11 sistemas se agruparon en g = 0.271, casi idéntico en primaria (0.266) y en escuela media (0.256). Los efectos cayeron a 0.146 donde se incluían escuelas rurales y a un 0.110 no significativo más allá de los seis meses; los resultados de fin de año (0.155) fueron un tercio de los postests inmediatos (0.460) (Leite et al., 2025).
-
Las revisiones de STEM informan efectos mayores con un control de calidad más débil. Treinta y cinco estudios experimentales y cuasiexperimentales se agruparon en g = 0.670, con bachillerato en 1.099 y escuela media en 0.392. Los autores no aplicaron ningún instrumento formal de valoración, y la heterogeneidad de efectos fijos alcanzó I² = 82.98 % (Doğan et al., 2026).
-
Las ganancias de motivación son menores aquí que en la universidad. En 42 estudios controlados (56 tamaños del efecto, 6,059 estudiantes) el efecto agrupado de motivación fue g = 0.764, pero los estudios de secundaria promediaron 0.360 frente a 0.886 en educación superior, con I² = 93.7 % (Fang et al., 2026).
-
Un ensayo típico es corto y usa una prueba construida localmente. Una evaluación de ciencias de GCSE aleatorizó a 929 estudiantes en tres asignaturas, retuvo a 644 en el postest e informó g = 0.33 en una prueba de 35 puntos alineada con el currículo que sus autores califican de provisional (Harrison et al., 2026).
Tutoría, repaso y el problema del compromiso
-
El acceso no es uso. En 18 escuelas medias de Tennessee, Khanmigo elevó el rendimiento en matemáticas 0.06–0.08 DE al año a unos 15 dólares por estudiante, cerca de la ganancia de la misma práctica de Khan Academy sin IA. El 96 % del alumnado lo probó, pero el estudiante mediano le escribió en el 17 % de las sesiones que contenían un error (Oreopoulos y Low, 2026).
-
Una persona en la sala cambia la experiencia de la dificultad. Entre 149 estudiantes de bachillerato que trabajaban por encima del nivel del currículo, el 32.0 % de quienes buscaban en la web abierta declaró estrés, frente al 19.2 % de quienes usaban un tutor de IA generativa y el 5.8 % de quienes tenían un tutor humano. No se midió ningún resultado de aprendizaje (Ennion y McLellan, 2026).
-
El apoyo sensible al afecto puede elevar la ansiedad que pretende reducir. En dos clases de química de noveno grado que siguieron la misma secuencia de laboratorio de 16 semanas, la ansiedad aumentó con la retroalimentación emocional de la IA (F = 4.60, p = 0.035) y se mantuvo plana solo con el docente. El alumnado no podía distinguir si gobernaban los consejos calmantes del sistema o el procedimiento del profesor (Liu, Li y Zhang, 2026).
Escritura, lectura y autoría
-
El alumnado prefiere la actividad que hace el trabajo por él. En siete escuelas inglesas, 405 estudiantes de Year 10 leyeron dos pasajes de historia y fueron evaluados tres días después, sin libro. Tomar apuntes superó al uso del chatbot en unos 0.5 DE de retención y 0.4 de comprensión, y sin embargo el alumnado valoró el chatbot como más fácil y más agradable (Kreijkes et al., 2026).
-
La retroalimentación cambia la escritura solo en quienes están dispuestos a actuar sobre ella. Cada uno de 1,507 estudiantes de secundaria recibió un mensaje estandarizado y diez minutos para revisar; el compromiso conductual y las actitudes instrumentales movieron el rendimiento del percentil 46 al 54, mientras la utilidad percibida no medió nada (Jansen et al., 2026).
-
Un asistente restringido puede mantener al alumnado pensando. En una unidad bilingüe sobre la fotosíntesis, 122 estudiantes de séptimo grado produjeron 6,788 turnos con un asistente instruido para no dar respuestas; el 59 % alcanzó agencia epistémica compartida, y no dio una respuesta directa en ninguno de los 1,049 turnos auditados. Alrededor del 20 % de las interacciones implicaron copiar texto o pescar una respuesta (Chang et al., 2026).
Evaluación, integridad y presión de exámenes
-
La concordancia en la corrección puede ser alta y aun así estar sesgada. Un corrector comercial basado en Grandes modelos de lenguaje (LLM) igualó las notas de física de GCSE de AQA con κ ponderada cuadrática = 0.885 en 71 ítems polémicos, pero sobrecalificó 0.30 puntos de media y 6 puntos en una pregunta (Bozdag y Qiu, 2026).
-
Un kappa no muestra si un corrector puede ser manipulado. En 22 modelos con instrucciones, 14 subieron una nota más de un 5 % de la escala cuando la respuesta llevaba una nota del alumno, uno lo hizo un 83.2 %, y describir al estudiante como fuerte elevó la nota en 28 de 66 pares modelo-tarea (Porcaro, 2026).
-
La detección localiza ensayos, no frases. Con registros de teclas y portapapeles de 2,429 jóvenes alemanes de 15 años, los clasificadores separaron texto de IA de texto humano con macro-F1 0.96, pero la F1 a nivel de frase cayó a 0.88 y el recuerdo de IA bajó de 0.92 a 0.60 tras una reescritura al estilo del estudiante (Schaller et al., 2026).
-
El alumnado razona sobre la integridad de forma condicional. Entre 133 estudiantes de Hong Kong de 14 a 16 años, la aceptabilidad dependía del propósito de uso (62.4 %), del impacto en el aprendizaje (54.1 %) y de la intención (51.9 %), no del uso de IA en sí (Chan, 2026).
El desajuste entre adopción y evidencia, y el rediseño de la evaluación
El uso en este nivel es casi universal; la evidencia es en gran medida una descripción de ese uso. Pérez-Montesdeoca et al. (2026) sintetizaron 33 estudios: 26 describían cómo se usaba la tecnología frente a 7 que examinaban algún cambio en el alumnado, y solo 21 recogieron datos de aula originales. Casi todos eran iniciados por docentes y ejecutados de forma aislada, que es el patrón que la cifra del 84 % de adopción oculta: docentes individuales experimentando, no departamentos rediseñando.
Lo que la revisión sí establece es condicional. La retroalimentación fue la aplicación más sólida, con retroalimentación de vocabulario adaptada que casi duplicó las puntuaciones en uno de los estudios incluidos, mientras que la delegación completa estrechó el aprendizaje y comparar o rechazar la salida lo profundizó. La precisión siguió la dificultad de la tarea más que la asignatura: BingChat y Bard alcanzaron el 92.11 % en preguntas básicas de biología, todas las herramientas cayeron por debajo del 20 % en ítems de orden superior, y la corrección automatizada alcanzó un 50.8 % de concordancia con evaluadores humanos. El trabajo con encuestas apunta a la profundidad y no a la dosis, ya que Wu y Zhang (2025) encontraron que la profundidad de uso seguía la capacidad de innovación autoevaluada mientras que la frecuencia no, en un diseño transversal en el que las rutas reformulan las correlaciones.
La adopción sigue a la intención; la ansiedad actúa después. Zhang y An (2026) encontraron que la ansiedad ante la IA no se relacionaba con la intención (β = 0.056, p = 0.123) pero era negativa para las tres conductas, con la más fuerte al aplicar la salida (β = −0.247), en un modelo donde la utilidad lideraba y las expectativas adultas superaban a la capacidad. La medición también es de nivel piloto: Schicchi y Taibi (2026) retuvieron tres factores de una escala de actitudes de 19 ítems en 93 estudiantes, sin modelo confirmatorio.
Por eso la pregunta sobre la evaluación pasa a ser qué certifica todavía un producto terminado. Torres-Peralta et al. (2026) encontraron que el aprendizaje percibido era casi independiente de un índice de compromiso de leer, modificar y añadir a la salida (correlación agrupada 0.052), y Cho (2025) revisó asociaciones con el GPA de 0.31 en escritura y 0.18 en matemáticas que son sobre todo comparaciones entre usuarios y no usuarios. Recoja el prompt, la respuesta en borrador y las revisiones, y califique el proceso en lugar de la página.
Escuela media y adolescencia temprana
-
El uso se consolida antes que el escepticismo. En 1,598 estudiantes de 12 a 25 años, el uso promedio pasó de 1.24 a 1.77 en una escala de 0 a 4 entre los 12 y los 17 años, y el número de actividades usadas con intensidad pasó de 1.76 a 3.48, mientras la fiabilidad percibida no cambió (Cuenca-Rodríguez et al., 2026).
-
Un taller de dos horas cambia conductas que las autodeclaraciones no captan. Entre 116 estudiantes franceses de los grados 8 y 9, quienes asistieron aceptaron menos a menudo instrucciones poco especificadas (51.5 % frente a 66.7 %) y pidieron una aclaración tras una respuesta débil el 59.2 % de las veces frente al 27.9 %; sus autoevaluaciones de alfabetización en IA no predijeron ninguna de las dos cosas (Clerc et al., 2026).
-
El propósito de uso pesa más que la frecuencia. Entre 12,191 jóvenes de 15 años de cuatro regiones chinas, pasar a un uso orientado al aprendizaje valía 5.8 puntos de PISA a frecuencia fija, mientras que pasar a resumir y redactar costaba 6.6 (Wu et al., 2026).
-
Las ganancias de motivación en la adolescencia temprana conllevan un costo relacional. En 2,464 estudiantes alemanes de los grados 7 y 8, ChatGPT dentro de un aprendizaje basado en competencias se asoció con más satisfacción de autonomía y competencia pero con menos relación (Schweder et al., 2026).
Conexiones
La secundaria se sitúa entre la educación primaria y la educación de grado, y comparte con K-12 las preocupaciones sobre la capacidad docente y la equidad. Lo que la distingue es la combinación de exámenes externos y enseñanza por especialistas de asignatura, que empuja la IA hacia el repaso, la corrección y el apoyo a los trabajos de curso. Eso hace que la validez y la puntuación automatizada sean más centrales aquí que en los años de primaria, donde domina la adecuación al desarrollo. El otro hilo distintivo es el aprendizaje autorregulado: los adolescentes reciben la herramienta antes de tener el juicio para usarla, así que la metacognición y la descarga cognitiva deciden si aparece una ganancia.
Implicaciones para la práctica
Para el profesorado
- Ponga el tutor donde ocurre el error. La cifra del 17 % es un problema de diseño, no un déficit del alumnado: exija una pregunta o una explicación antes del siguiente problema, y revise el intercambio, no el inicio de sesión.
- Secuencie las herramientas de escritura en lugar de presentarlas juntas: consulte, cierre el chatbot y luego escriba. Una cuarta parte del alumnado copió cuando ambas estaban abiertas a la vez.
- Decida antes de la clase qué consejo gobierna cuando un sistema sensible al afecto entra en conflicto con su procedimiento, y dígaselo al alumnado.
Para los líderes escolares
- Presupueste a partir del uso real. Una licencia de 15 dólares no es un programa; el efecto depende de la programación, de las instrucciones del docente y del seguimiento del progreso.
- Fije expectativas de 0.06–0.08 DE al año para la tutoría en aulas ordinarias y de unos 0.27 para la tutoría inteligente. No prometa cierre de brechas con ninguna de las dos.
- Mantenga la salida de los detectores fuera de las conclusiones de mala conducta. Exija borradores, historial de versiones o defensa oral, porque las puntuaciones de texto completo se mueven con una sola reescritura.
Para la investigación
- Informe la detección a nivel de frase además de a nivel de texto, y presente los resultados de las pruebas junto a las estadísticas de concordancia.
- Mida para qué usó el alumnado la herramienta, no solo con qué frecuencia. El propósito separó una brecha de 12 puntos de PISA a igual frecuencia.
- Pruebe la durabilidad más allá de cuatro semanas, con resultados de fin de año o externos. Los postests inmediatos exageran los efectos de la tutoría en aproximadamente un factor de tres.
Concepciones erróneas
-
«Un tutor de IA enseña siempre que el alumnado tenga acceso». El 96 % del alumnado probó Khanmigo; el estudiante mediano le pidió ayuda en el 17 % de las sesiones en las que se produjo un error. Disponibilidad y dosis son variables distintas.
-
«Una alta concordancia con los examinadores significa que un corrector es fiable». Catorce de 22 modelos pudieron moverse más de un 5 % de la escala con una nota en la respuesta, y una etiqueta sobre el estudiante desplazó las notas hacia arriba en 28 de 66 pares modelo-tarea.
-
«La detección puede decir qué frases escribió la IA». La F1 a nivel de frase cayó a 0.88, el recuerdo bajó a 0.60 tras una reescritura al estilo del estudiante, y el texto escrito después de usar un chatbot sin material copiado se leyó como humano en el 94.6 % de los casos.
-
«Una alfabetización en IA crítica puede esperar a la universidad». El uso sube cada año de los 12 a los 17 mientras la fiabilidad percibida se mantiene plana, y un taller de dos horas en los grados 8 y 9 cambió las conductas de consulta y seguimiento dos días después.
Conceptos conectados
- K-12 — la franja madre que abarca la escolaridad primaria y secundaria.
- Educación primaria — la franja anterior, donde domina la adecuación al desarrollo.
- Educación de grado — la franja siguiente, donde toman el relevo los cursos de gran matrícula y la tutoría académica.
- Tutoría inteligente — la clase de sistemas detrás de la mayoría de los ensayos de rendimiento en secundaria.
- Integridad académica — el marco de política y razonamiento para los trabajos asistidos por IA.
- Detección de IA — los métodos de texto y de patrones de respuesta, y sus límites.
- Evaluación automatizada — corrección y puntuación, incluido el enrutamiento humano que las hace utilizables.
- Validez de la evaluación — qué puede sostener una puntuación o un punto de referencia.
- Alfabetización en IA — el conocimiento y los hábitos de regulación que separan el uso de la comprensión.
- Búsqueda de ayuda — la conducta que decide si se usa un tutor en el momento de la dificultad.
Artículos conectados
- One click away: AI tutoring with Khanmigo in a two-year school experiment — ensayo por conglomerados de dos años en 18 escuelas medias de Tennessee.
- Evaluating AI Tutoring at the Speed of Innovation: Practitioner-Led Micro-Randomised Trials of an AI Tutoring Platform in GCSE Science — ECA multisitio de cuatro semanas de Medly en ciencias de GCSE.
- Do intelligent tutoring systems benefit K-12 students? A meta-analysis and evaluation of heterogeneity of treatment effects in the U.S. — 18 experimentos estadounidenses de tutoría inteligente y su decaimiento en el tiempo.
- The Impact of Artificial Intelligence-Supported Instruction on Student Learning in STEM: A Systematic Review and Meta-Analysis — 35 estudios de enseñanza STEM apoyada por IA por nivel.
- Effects of generative artificial intelligence on students' learning motivation: evidence from a meta-analysis — 42 estudios controlados de motivación, con la secundaria como subgrupo.
- Effects of LLM use and note-taking on reading comprehension and memory: A randomised experiment in secondary schools — experimento de lectura prerregistrado en siete escuelas inglesas.
- Automated feedback on argumentative writing: The role of secondary students' feedback receptivity and feedback perception — 1,507 estudiantes, un mensaje de retroalimentación y ganancias de revisión.
- Investigating Secondary School Students' Shared Epistemic Agency with GAI in Online Scientific Explanation Writing — 122 estudiantes de séptimo grado escribiendo con un asistente que retiene respuestas.
- Teaching students to question the machine: An AI literacy intervention improves students' regulation of LLM use in a science task — taller de dos horas en los grados 8 y 9 medido por conducta.
- Students Learn to Use Generative AI Before Learning to Question It: Ordinal Trajectories of Academic Use and Caution from Adolescence to University — 1,598 estudiantes de 12 a 25 años; el uso sube antes que la cautela.
- Detecting AI-Authored Text in Authentic Student Writing: Evidence from PISA 2025 — estudio de pulsaciones de PISA 2025 sobre detección a nivel de texto y de frase.
- Cheating or not cheating? Rethinking AI-giarism and academic integrity through secondary students' ethical reasoning — 133 estudiantes de Hong Kong razonando sobre propósito e intención.
- Comparing the Marking Accuracy of an AI Marking System with Official Examination Board Marks and Experienced Teacher Judgement: A Case Study in GCSE Physics — corrector comercial frente a notas de AQA y un panel de docentes.
- Beyond agreement: a benchmark of how language models grade student work, and how they fail — 22 modelos probados frente a manipulación, efectos de etiquetas y concordancia.
- Generative AI use and scientific literacy among 15-year-olds in Beijing, Shanghai, Jiangsu, and Zhejiang, China — alfabetización científica de PISA 2025 y propósito de uso del chatbot.
- Student motivation and need satisfaction in GenAI-supported classrooms: A self-determination theory perspective — 2,464 estudiantes alemanes de los grados 7 y 8.
- The integration of generative artificial intelligence in secondary education: A systematic review — revisión PRISMA de 33 estudios; 26 de uso frente a 7 de impacto.
- Generative artificial intelligence in secondary education: Applications and effects on students’ innovation skills and digital literacy — 500 estudiantes de los grados 7 a 12; profundidad de uso y capacidad autoevaluadas.
- Predictors of High School Students’ Intentions and Behaviors in Using AI Learning Tools: An Extended Theory of Planned Behavior Approach — 513 estudiantes de Hangzhou; la ansiedad en la puesta en práctica, no en la intención.
- High School Students’ Attitudes Toward Generative AI: An Exploratory Factor Analysis of a Novel Measurement Scale — escala de actitudes de 19 ítems en 93 estudiantes italianos; medición piloto.
- Perceived Learning vs. Engagement in AI-Assisted Homework: A Comparative Study of ChatGPT Use Across High School, University, and Teachers in Sonora, Mexico (2024–2025) — 1,477 encuestados; aprendizaje percibido frente a un índice de compromiso.
- Impact of ChatGPT on High School Grade Point Average: A Comparative Study by Subject, School Type, and Socioeconomic Factors — asociaciones con el GPA por asignatura, tipo de escuela y nivel socioeconómico.