Entrevista: hablamos con un profesor que integró IA en su clase de Historia
Un profesor de Historia relata cómo la IA generativa transformó la participación y el análisis crítico en su aula, multiplicando por cuatro las entregas avanzad
Javier Morales, docente de Historia Contemporánea en un instituto de Valladolid, introdujo ChatGPT y Claude en su programación didáctica en septiembre de 2025. Seis meses después, el 68% de sus estudiantes de 4º ESO entregaron proyectos de investigación que requerían análisis crítico de fuentes primarias, frente al 17% del curso anterior. La experiencia ilustra cómo la IA generativa puede funcionar como andamiaje pedagógico cuando se integra con objetivos de aprendizaje claros, aunque también subraya los dilemas sobre dependencia tecnológica y equidad de acceso.
La apuesta de Morales no es aislada. Según el informe «Inteligencia Artificial en Educación Secundaria» publicado por el Ministerio de Educación español en febrero de 2026, el 41% de los centros públicos de ESO ya permite el uso supervisado de asistentes de IA en proyectos de investigación, mientras el 23% mantiene prohibiciones totales. El caso permite examinar qué ocurre cuando un docente decide cruzar esa frontera con metodología estructurada.
- El 68% de los estudiantes entregaron análisis críticos de fuentes tras integrar IA, frente al 17% del año anterior.
- Morales diseñó tres fases obligatorias: borrador manual, revisión con IA y justificación de cambios.
- El 41% de los institutos españoles de ESO ya permite uso supervisado de asistentes IA en proyectos (Ministerio de Educación, 2026).
- Las familias sin acceso doméstico a IA premium recibieron tiempo lectivo compensatorio en el aula de informática.
Contexto: la IA entra en las aulas de Secundaria
El debate sobre IA generativa en institutos españoles escaló durante el curso 2024-2025, cuando ChatGPT alcanzó 200 millones de usuarios activos semanales (OpenAI, enero 2025) y los casos de plagio asistido por máquinas se multiplicaron. El Ministerio de Educación respondió en junio de 2025 con una guía no vinculante que delegaba en cada centro la decisión de prohibir, tolerar o integrar estas herramientas. Castilla y León fue una de las primeras comunidades en recomendar «integración crítica» frente a veto total.
Morales había observado que sus estudiantes ya usaban IA para redactar trabajos, pero lo hacían a escondidas y sin criterio. «Recibía textos de ChatGPT sin editar, con errores fácticos evidentes y un estilo plano», explica. La prohibición no funcionaba. Decidió experimentar con un modelo inverso: enseñar a usar IA como se enseña a citar fuentes bibliográficas.
El instituto, ubicado en un barrio con 32% de familias bajo el umbral de pobreza (INE, 2024), presentaba desafíos adicionales de equidad. No todos los hogares podían pagar suscripciones premium. Morales negoció con el equipo directivo un protocolo: los estudiantes sin acceso doméstico dispondrían de dos sesiones semanales en el aula de informática con cuentas institucionales.
Metodología: tres fases obligatorias para cada proyecto
Morales estructuró su experimento alrededor de un proyecto trimestral sobre la Guerra Civil española. Los estudiantes debían analizar tres fuentes primarias (cartas, proclamas, fotografías de archivo) y redactar un ensayo de 1.500 palabras. La novedad radicó en el proceso obligatorio de tres fases: borrador manual (sin IA), revisión con asistente de IA documentada en un log, y justificación escrita de cada cambio sugerido por la máquina que el alumno decidiera incorporar.
La primera fase exigía investigación tradicional. Los estudiantes consultaron el fondo documental del Archivo Histórico Provincial y bases de datos académicas. Entregaron borradores a mano o en procesador de texto, sin consultar IA. Morales corregía estos primeros drafts con énfasis en estructura argumental, no en prosa pulida.
En la segunda fase, cada estudiante podía usar ChatGPT (versión gratuita o Plus), Claude, o Perplexity para revisar su borrador. Morales proporcionó prompts modelo: «Identifica tres puntos débiles en mi argumentación», «Sugiere fuentes adicionales sobre X», «Revisa la coherencia de este párrafo sin reescribirlo completamente». Los alumnos debían copiar cada prompt y respuesta de la IA en un documento anexo.
La tercera fase era la clave pedagógica. Los estudiantes redactaban un apartado final —«Diario de revisión con IA»— donde explicaban qué sugerencias habían aceptado, cuáles habían rechazado y por qué. «Si la IA te dice que una fuente es de 1938 pero tú habías puesto 1936, debes comprobar en el archivo y justificar tu decisión», detalla Morales. Esta metacognición explícita diferenciaba el plagio del aprendizaje asistido.
Resultados: más análisis crítico, menos miedo a la página en blanco
El cambio cuantitativo fue notable. En el curso 2024-2025, solo 4 de 24 estudiantes (17%) entregaron trabajos que cumplían los criterios de «análisis crítico de fuentes» según la rúbrica del departamento. En 2025-2026, con IA integrada, 17 de 25 (68%) alcanzaron ese nivel. La nota media subió de 5,8 a 7,2 sobre 10. Morales atribuye la mejora a que la IA redujo la «parálisis de la página en blanco» y permitió iterar más veces sobre el borrador.
Los logs de revisión revelaron patrones. El 76% de los estudiantes usaron IA principalmente para reestructurar párrafos, no para generar contenido desde cero. El 41% pidieron sugerencias de fuentes adicionales, y de estas el 68% verificaron las referencias antes de citarlas (el resto descubrió que la IA había «alucinado» un libro inexistente). Morales intervino en clase cuando detectó este fenómeno, convirtiendo el error en lección sobre fact-checking.
«La IA es como un compañero de estudio muy leído pero despistado. Te ayuda a pensar en voz alta, pero si no verificas lo que dice, te lleva por mal camino.»
El aspecto cualitativo sorprendió más. Tres estudiantes con historial de bajo rendimiento —dos con dislexia diagnosticada, uno con TDAH— entregaron trabajos complejos por primera vez. La IA había funcionado como adaptación curricular de facto: les permitió externalizar la corrección ortográfica y centrarse en el razonamiento histórico. Morales advierte, sin embargo, que este beneficio requiere supervisión. «Sin el diario de revisión, no habría forma de distinguir si el alumno aprendió o solo copió», afirma.
Obstáculos: equidad, dependencia y resistencias
El experimento no estuvo exento de fricciones. Cinco familias firmaron una queja formal al consejo escolar alegando que «la IA hace el trabajo por los niños». Morales convocó una reunión en octubre de 2025 donde mostró ejemplos anonimizados de borradores previos y finales, junto con los diarios de revisión. La mayoría de las familias retiraron la objeción tras comprobar que el proceso exigía más trabajo metacognitivo, no menos.
El problema de equidad persistió. Aunque el instituto garantizó acceso institucional, dos estudiantes abandonaron el proyecto alegando que «no tenían tiempo para las sesiones extra en informática» porque trabajaban después de clase. Morales reconoce que la brecha no es solo de acceso tecnológico, sino de capital temporal. «Pedirles que vengan fuera de horario replica desigualdades estructurales», admite.
Otro dilema surgió cuando tres estudiantes entregaron diarios de revisión idénticos, sugiriendo que habían trabajado juntos —o que uno había copiado al otro—. Morales aplicó el mismo protocolo que para plagio tradicional: entrevista individual donde cada alumno debía explicar oralmente sus decisiones. Dos de los tres demostraron comprensión genuina; el tercero repitió el trabajo. El episodio evidenció que la IA no elimina el plagio, solo cambia su superficie.
Un riesgo menos visible es la dependencia. En una encuesta anónima de final de trimestre, el 38% de los estudiantes declararon «no sentirse capaces» de escribir un ensayo sin consultar IA. Morales planea alternar proyectos con y sin IA en el segundo trimestre para preservar habilidades básicas de redacción autónoma.
Comparativa con otros enfoques en España
El modelo de Morales contrasta con otras estrategias documentadas en centros españoles. La siguiente tabla resume tres enfoques identificados en el estudio del Ministerio de Educación (2026):
| Enfoque | Descripción | % centros | Resultados reportados |
|---|---|---|---|
| Prohibición total | Veto explícito de IA en trabajos, con sanciones por uso detectado | 23% | Reducción de plagio visible, pero uso oculto continúa (detectores imperfectos) |
| Tolerancia implícita | No se prohíbe ni se enseña; cada alumno decide | 36% | Desigualdad entre alumnos con/sin habilidad de prompting; calidad errática |
| Integración estructurada | IA como herramienta pedagógica con protocolos (modelo Morales) | 41% | Mejora en habilidades metacognitivas; requiere formación docente y tiempo lectivo |
Un instituto de Barcelona documentado en el mismo informe optó por prohibir IA en trabajos escritos pero permitirla en fases de brainstorming supervisadas en clase. Un colegio concertado de Madrid adoptó un «sello de IA» opcional: los alumnos podían marcar sus trabajos como «asistidos por IA» sin penalización, obligándose a adjuntar el log de interacciones. Ambos modelos coinciden en que la transparencia es más efectiva que la vigilancia.
Implicaciones para el sector educativo
La experiencia de Morales sugiere que la pregunta no es «¿debemos permitir IA en clase?», sino «¿cómo enseñamos a usarla sin que reemplace el pensamiento crítico?». La metodología de tres fases —borrador manual, revisión con IA, justificación de cambios— ofrece un marco replicable que convierte la herramienta en espejo metacognitivo en lugar de atajo. Sin embargo, su viabilidad depende de recursos que muchos centros no poseen: tiempo lectivo para iteración, acceso equitativo a tecnología premium y formación docente en diseño de prompts pedagógicos.
El caso también subraya tensiones no resueltas. La brecha de equidad se desplaza del acceso a internet (casi universal en España: 96% de hogares según INE 2025) hacia el acceso a versiones avanzadas de IA, tiempo libre para sesiones extra y capital cultural para aprovechar la herramienta. Morales calcula que su protocolo añadió 6 horas de trabajo docente semanal en corrección de logs y tutorías individuales. «Es inviable sin reducción de ratio o apoyo administrativo», reconoce.
Otras asignaturas observan con interés. El departamento de Lengua del instituto adoptará el modelo en el segundo trimestre para análisis literario. Matemáticas explora usar IA para verificar razonamientos, no solo resultados. Morales colabora con la Universidad de Valladolid en un estudio longitudinal que medirá si los estudiantes que aprendieron con IA en 4º ESO mantienen habilidades de escritura autónoma en Bachillerato.
El debate pedagógico de fondo es centenario: cada tecnología —desde la calculadora hasta Wikipedia— generó temores sobre atrofia cognitiva. La diferencia con IA generativa es la escala y la opacidad. Un estudiante puede explicar cómo usó una calculadora; describir qué ocurrió en las capas neuronales de un LLM es imposible. Esa caja negra exige, paradójicamente, más reflexión metacognitiva explícita, no menos.
La pregunta que queda abierta es si el sistema educativo español puede escalar este tipo de integración antes de que la IA se convierta en una herramienta ubicua y opaca, usada por todos pero comprendida por pocos. Morales volverá al aula en septiembre de 2026 con una certeza: «Prohibir es fingir que el mundo no cambió. Enseñar a usar bien es lo único que podemos hacer».
