Contexto educativo y debate histórico
A lo largo de décadas se ha debatido intensamente sobre el aprendizaje activo y adaptativo. Con frecuencia se han producido desvíos erráticos derivados de planteamientos oportunistas que jerarquizan por motivos meramente circunstanciales los distintos aspectos de la formación. Por ejemplo, se suele contraponer lo teórico y lo práctico de los contenidos, o la capacidad de memorización frente a la creatividad. Además, algunos enfoques han reducido el debate educativo a doctrinas ideológicas sin rigor ni contraste empírico, imponiéndolas en la comunidad educativa mediante adhesiones afectivas e intuiciones simplistas.
Índice de Estilos de Aprendizaje (Felder y Silverman)
A finales de los años 80, Richard Felder y Linda Silverman desarrollaron el concepto de Index of Learning Styles (ILS), traducido al español como Índice de Estilos de Aprendizaje. Se trata de un instrumento de medición en una teoría de estilos de aprendizaje, el cual identifica preferencias de aprendizaje en cuatro dimensiones contrapuestas:
- Activo – Reflexivo
- Sensorial – Intuitivo
- Visual – Verbal
- Secuencial – Global
Esta herramienta parte de la premisa de que los alumnos utilizan de modo diferente los recursos de aprendizaje según sus preferencias y rasgos cognitivos. Los creadores de contenidos y los docentes deberían tenerlo en consideración, diversificando modelos de presentación y estrategias en el aula. Sin embargo, el interés por este instrumento ha fluctuado debido a la controversia sobre la utilidad real de adaptar las estrategias pedagógicas a estilos individuales. Se cuestiona si dicha adaptación mejora necesariamente el rendimiento, o si la clave reside más bien en diversificar las estrategias de enseñanza según la naturaleza del contenido.
Sistemas Inteligentes de Aprendizaje (ILS)
En el artículo Intelligent Learning Systems in Primary and Secondary Education: A Systematic Review (2014–2024), los autores usan las siglas ILS en un sentido diferente: Intelligent Learning Systems o sistemas inteligentes de aprendizaje. Estos sistemas, potenciados por los avances en Inteligencia Artificial, posibilitan mecanismos de aprendizaje adaptativos a las necesidades individuales de los alumnos. Antes era inabarcable en un aula personalizar de este modo el aprendizaje, e incluso imposible planificarlo en la creación de contenidos educativos.
Este avance supone un paso de lo teórico a lo práctico, dejando de lado controversias poco útiles. Abre un amplio campo de posibilidades de progreso siempre que aceptemos trabajar en entornos digitales, sin rechazarlos por prejuicios infundados o compararlos únicamente con los efectos disruptivos que puede tener el uso continuado de dispositivos electrónicos con fines de ocio. En definitiva, los sistemas inteligentes de aprendizaje prometen una adaptación y personalización reales, respaldadas por decisiones en tiempo real basadas en datos.
Ventajas prácticas de los ILS
Los ILS incorporan herramientas computacionales que permiten:
- Personalizar el ritmo y contenido de estudio de cada estudiante.
- Gestionar la enseñanza mediante algoritmos adaptativos que seleccionan actividades según el progreso.
- Realizar análisis dinámico del rendimiento, considerando velocidad de respuesta y conocimientos previos.
- Ofrecer instrucción individualizada, por ejemplo mediante chats con Inteligencia Artificial.
Esta gestión se traduce en una entrega automatizada de contenidos, con estrategias basadas en necesidades individuales y retroalimentación inmediata. Lo que tradicionalmente se exigía al profesor —adaptación y atención personalizada— encuentra ahora una herramienta técnica que lo hace viable en tiempo real mediante monitorización continua y ajuste dinámico.
Según el estudio revisado, la implementación de ILS en primaria y secundaria muestra mejoras, especialmente en alumnos de mayor edad, con incrementos significativos en motivación, confianza, participación y resultados académicos. Sin resolver todos los problemas estructurales del sistema educativo en lo que atañe a las dificultades de la enseñanza personalizada —la elevada ratio; una diversidad escasamente articulada que concentra en una misma aula niveles muy dispares de capacitación, dominio lingüístico y conducta; currículos no siempre bien integrados ni jerarquizados conforme a la relevancia de sus elementos; la asignación de materias diversas, en ocasiones ajenas a la especialidad docente; modelos de evaluación pretenciosos y fuertemente burocratizados; o la insuficiencia de apoyo institucional a los profesores más expuestos— los ILS pueden aliviar parcialmente la carga del profesorado al facilitar la atención individualizada.
Factores condicionantes y desafíos
Ahora bien, cuesta confiar en que, en el contexto propio actual, este terreno pueda realmente abonarse de manera sistemática. La integración eficaz de sistemas inteligentes exige estabilidad normativa, coherencia curricular a medio y largo plazo, inversión sostenida en infraestructuras y una formación docente que no se limite a acciones puntuales o formales. Sin ese marco estructural, existe el riesgo de que estas herramientas se incorporen como añadidos tecnológicos superpuestos a un sistema que mantiene inalterados sus problemas de fondo. En tal caso, su potencial adaptativo quedaría condicionado por dinámicas organizativas y administrativas que no siempre favorecen una implementación reflexiva y sostenida.
En ese sentido, la cuestión no es únicamente técnica, la dotación sistemática de recursos tecnológicos, sino sistémica: la tecnología puede ofrecer posibilidades reales de personalización y monitorización inteligente, pero su eficacia dependerá de la capacidad del sistema educativo para integrarla de manera coherente, estable y pedagógicamente articulada.
Existen además otros desafíos relevantes señalados en este artículo: riesgos de sesgo algorítmico y privacidad de datos, brecha digital y la necesidad de equilibrar automatización y pedagogía humana. Aunque los ILS ofrecen tutoría inteligente, el docente debe mantener un rol activo, motivando, acompañando emocionalmente y contextualizando los contenidos. Es deseable, por tanto, una interacción equilibrada entre lo automatizado y lo humano.
Marco metodológico del estudio
Los datos analizados proceden de una revisión sistemática publicada en Frontiers in Education (2026) por Cerón Salazar y Burbano González. El estudio examina investigaciones empíricas sobre Intelligent Learning Systems en educación primaria y secundaria entre 2014 y 2024, siguiendo criterios metodológicos estandarizados (tipo PRISMA), con predominio de estudios cuantitativos centrados en impacto académico, personalización del aprendizaje e integración pedagógica de la Inteligencia Artificial.
No hay comentarios:
Publicar un comentario