La relación entre estrategias de aprendizaje autorregulado (Self-Regulated Learning por sus siglas en inglés) y el uso de IA generativa en universidades está transformando la forma en que los estudiantes abordan su aprendizaje. Un estudio realizado en Australia y Canadá con 435 estudiantes universitarios analizó cómo ciertas habilidades, como la autoeficacia, la motivación intrínseca, el apoyo social y la regulación del esfuerzo, influyen directamente en la percepción de utilidad y facilidad de uso de herramientas de IA generativa. Los hallazgos son claros: quienes desarrollan estas habilidades, también desarrollan una mayor confianza en el uso de IA generativa con fines académicos.
El uso de IA generativa está ligado a la autorregulación
El estudio muestra que los estudiantes que incorporan estas herramientas como parte de sus estrategias de estudio no lo hacen de forma casual. Suelen ser personas que ya cuentan con habilidades para gestionar su aprendizaje de manera autónoma y efectiva.
Por ejemplo, quienes tienen alta autoeficacia tienden a ver la IA generativa como una herramienta útil y fácil de usar. Saben lo que buscan, formulan preguntas claras y evalúan las respuestas. En cambio, quienes dudan de sus capacidades pueden sentirse abrumados frente a la misma herramienta. Así, el desarrollo de habilidades SRL no solo beneficia el rendimiento académico, sino que mejora directamente la experiencia con la IA.
Otro hallazgo relevante del estudio es que la motivación intrínseca —el deseo de aprender por interés personal— y la capacidad de sostener el esfuerzo frente a tareas poco atractivas, predicen la percepción de utilidad de la IA generativa. Dicho de otro modo: cuanto más motivado está el estudiante por aprender, más útil le parece la herramienta.
Esto no se aplica igual a quienes usan IA generativa para fines no académicos. En ese caso, la relación entre SRL y tecnología es más débil. El entorno educativo, en cambio, potencia la convergencia entre herramienta y estrategia. Es como si la IA generativa fuera un mapa, pero solo los estudiantes con brújula interna (motivación y regulación del esfuerzo) supieran cómo interpretarlo.
Apoyo social y diseño pedagógico importan tanto como la tecnología
El apoyo social —tanto de docentes como de compañeros— también influye en la percepción de facilidad de uso. Un entorno donde los profesores modelan el uso de IA generativa, y los estudiantes comparten experiencias, crea las condiciones para un aprendizaje significativo. El diseño del curso y las dinámicas colaborativas se vuelven, en este contexto, parte activa de la incorporación tecnológica.
La tecnología, por sí sola, no garantiza el aprendizaje. Pero cuando se inserta en un entorno que promueve la autorregulación y el intercambio, se convierte en un potenciador. Un chatbot como ChatGPT puede servir para fijar metas, resumir textos complejos o monitorear el avance de una tarea. Sin embargo, para que eso ocurra, el estudiante debe saber qué necesita y cómo usar la herramienta para alcanzarlo.
Es importante subrayar que las percepciones de “facilidad de uso” y “utilidad percibida” no son propiedades fijas de la tecnología. Se construyen en la experiencia, y esa experiencia está mediada por factores personales y sociales. En otras palabras, el mismo sistema de IA generativa puede ser percibido como simple o complejo, útil o irrelevante, dependiendo de las habilidades y motivaciones del usuario.
Esto tiene implicancias directas para el diseño pedagógico: no basta con integrar IA generativa en los cursos, hay que enseñar a usarla como parte del proceso de aprendizaje. Mostrar cómo se puede utilizar un chatbot para dividir una tarea en pasos concretos, organizar tiempos de estudio o detectar desvíos de atención, puede marcar la diferencia entre el uso superficial y el uso estratégico de estas tecnologías.
La tecnología cambia, pero las habilidades perduran
Una limitación del estudio es que se basa en una fotografía de los primeros meses de adopción masiva de IA generativa en universidades. Sin embargo, su principal aporte está en mostrar que las habilidades SRL no solo favorecen el aprendizaje, sino que también permiten adaptarse mejor a nuevas herramientas.
Las universidades deben ver esto como una oportunidad. Enseñar autorregulación no es una moda, es una inversión a largo plazo. A medida que la IA generativa evolucione, los estudiantes que ya dominan estas habilidades estarán mejor preparados para evaluar nuevas tecnologías, adaptar sus estrategias y seguir aprendiendo con autonomía.
El estudio concluye que promover el uso de IA generativa en contextos educativos requiere mucho más que capacitar en la herramienta. Se necesita una estrategia integral. Esto incluye formar a los docentes en el uso pedagógico de la IA, rediseñar cursos para incorporar la autorregulación como competencia transversal y fortalecer los espacios de apoyo entre pares.
El aprendizaje no se automatiza. Pero sí puede ampliarse, personalizarse y profundizarse con ayuda de tecnologías bien incorporadas. En ese sentido, la IA generativa no reemplaza al estudiante: lo desafía a conocerse mejor como aprendiz.
