Autor: Francisco

  • Desacuerdos entre docentes: cómo convertirlos en decisiones útiles para el equipo

    Desacuerdos entre docentes: cómo convertirlos en decisiones útiles para el equipo

    En un departamento puede haber acuerdo superficial y poca coordinación real. También puede ocurrir lo contrario: dos docentes discrepan sobre evaluación, metodología o criterios y, precisamente porque explican sus razones, el equipo termina tomando una decisión mejor. El problema no es que exista desacuerdo. El problema aparece cuando no sabemos convertirlo en información útil.

    En educación hablamos con frecuencia de coordinación como si significara reducir diferencias: usar la misma plantilla, fijar una fecha común, repartir tareas o evitar contradicciones. Todo eso puede ser necesario. Pero coordinarse profesionalmente también exige algo más difícil: exponer criterios, revisar supuestos y decidir qué hacer cuando personas competentes llegan a conclusiones distintas.

    Los datos de TALIS 2024 de la OCDE muestran que el profesorado dedica más tiempo a trabajar y dialogar con colegas que en 2018 y que las formas de colaboración más profundas se asocian con mayor autoeficacia, cumplimiento de objetivos de clase y satisfacción profesional. Pero la propia OCDE introduce un matiz importante: importa más el tipo de colaboración que el simple número de horas juntos. Reunirse mucho no garantiza pensar mejor.

    Por eso conviene mirar el desacuerdo de otra manera. Una discrepancia bien trabajada puede revelar que el equipo está usando definiciones diferentes, que una norma deja margen de interpretación, que una práctica tiene costes que no todos ven o que estamos intentando resolver problemas distintos con una única decisión. Si conseguimos hacer visibles esas diferencias sin convertirlas en ataques personales, el conflicto deja de ser una avería y se convierte en parte del trabajo profesional.

    1. El problema no es que haya desacuerdo

    Un equipo docente que nunca discrepa puede ser un equipo muy alineado. También puede ser un equipo en el que nadie considera seguro cuestionar una propuesta, en el que las decisiones importantes se toman fuera de la reunión o en el que se confunde cordialidad con acuerdo.

    Esto importa porque las decisiones educativas están llenas de juicios. ¿Cuánto peso debe tener una evidencia? ¿Qué nivel de ayuda sigue siendo compatible con evaluar autonomía? ¿Hasta dónde un departamento necesita criterios comunes y dónde empieza la libertad metodológica? ¿Qué hacemos cuando una medida beneficia a la mayoría pero dificulta el trabajo de un grupo pequeño? En estas preguntas rara vez existe una respuesta puramente técnica.

    La coordinación profesional necesita distinguir entre tener una posición y tener una razón para sostenerla. Si alguien propone que una prueba valga un 40 %, el dato relevante no es solo el porcentaje. Hay que preguntar qué capacidad se intenta evaluar, qué otras evidencias existen, qué consecuencias tendría esa ponderación y qué problema pretende resolver.

    Cuando se explicitan las razones, algunas discrepancias desaparecen porque eran lingüísticas. Otras se vuelven más claras. Y algunas permanecen. Eso no implica que la reunión haya fracasado. Significa que el equipo ha localizado el punto real de decisión.

    En este sentido, la confianza entre profesionales no consiste en evitar conversaciones incómodas. Consiste en poder mantenerlas sin que cada objeción se interprete como deslealtad. La OCDE sitúa la confianza, el apoyo mutuo y la posibilidad de contar con los compañeros entre las bases de una cultura colaborativa. Pero esa base solo produce aprendizaje cuando se combina con trabajo conjunto sobre problemas reales.

    2. Por qué algunos equipos discuten mucho y deciden poco

    No todas las discusiones son productivas. Hay reuniones en las que se repiten durante cuarenta minutos las mismas posiciones con palabras diferentes. Otras terminan con un acuerdo que nadie sabe traducir a una actuación. En algunas, la conversación técnica deriva hacia historias anteriores, tonos, agravios o sospechas sobre las intenciones de los demás.

    Hay cuatro causas especialmente frecuentes.

    El problema está mal definido

    Un docente quiere “flexibilizar la evaluación” y otro “garantizar el rigor”. Si ambos discuten esas etiquetas, probablemente no llegarán muy lejos. Puede que el problema real sea más concreto: qué hacer cuando un alumno demuestra un resultado de aprendizaje en una evidencia distinta de la prevista inicialmente.

    Definir bien el problema reduce dramatismo. En lugar de discutir identidades —“eres demasiado rígido”, “tú lo regalas todo”— podemos analizar una situación observada y sus consecuencias.

    Se mezclan hechos, interpretaciones y preferencias

    “El alumnado no estudia”, “esta metodología funciona”, “la normativa obliga” o “esto siempre se ha hecho así” parecen afirmaciones claras, pero pueden esconder cosas distintas. Algunas se pueden verificar. Otras son interpretaciones. Otras expresan preferencias legítimas.

    Un equipo mejora la calidad de la conversación cuando pregunta: ¿qué sabemos?, ¿qué estamos interpretando?, ¿qué valor queremos proteger? Esa separación no elimina la discrepancia, pero evita que una opinión se presente como si fuera un dato.

    No existe un criterio de decisión acordado

    Dos propuestas pueden ser defendibles y no existir consenso. En ese punto hace falta saber cómo se decidirá. ¿Buscamos unanimidad? ¿Mayoría? ¿Una prueba temporal? ¿Hay un responsable con capacidad final? ¿La norma fija un límite? ¿Conviene recoger evidencia antes de cerrar?

    Sin un mecanismo de decisión, la reunión puede quedar atrapada en un intercambio infinito de argumentos.

    El desacuerdo ha adquirido historia

    A veces ya no se discute sobre la propuesta actual. Se discute sobre todo lo que representa: quién cedió la última vez, quién no cumplió un acuerdo, quién suele imponer su criterio o quién siente que nunca se le escucha.

    En ese caso, mejorar únicamente la agenda de la reunión no será suficiente. Hay que reparar también la relación profesional. El artículo de Estrategias Educativas sobre habilidades humanas del docente plantea precisamente que escuchar, preguntar, regular la propia respuesta y formular desacuerdos son conductas entrenables, no rasgos de personalidad.

    3. Distinguir una diferencia profesional de un conflicto personal

    La frontera no siempre es evidente. Una diferencia profesional puede generar malestar. Y una relación deteriorada puede expresarse mediante argumentos aparentemente técnicos.

    Una señal útil es observar qué podría hacer cambiar de opinión a cada persona. Si alguien puede decir “si vemos que los resultados de esta prueba son consistentes durante un trimestre, aceptaría cambiar el criterio”, todavía estamos ante una discrepancia profesional susceptible de contraste. Si nada podría modificar la posición porque el problema es quién propone la medida, el conflicto ya está en otro plano.

    También ayuda revisar el lenguaje. “No veo suficiente evidencia para hacerlo así” discute una propuesta. “Tú siempre haces lo que te da la gana” atribuye una característica estable a la persona. El primer enunciado permite responder con datos o argumentos. El segundo invita a defenderse.

    Esto no significa convertir las reuniones en conversaciones artificialmente neutras. Hay decisiones que afectan al trabajo, a la carga de corrección, a la autonomía o a la percepción de justicia, y es normal que generen emociones. Profesionalizar el desacuerdo no consiste en eliminar esas emociones, sino en evitar que sustituyan al problema que necesitamos resolver.

    Una pregunta útil: si sustituyéramos el nombre de quien hace la propuesta por “persona A”, ¿seguiríamos evaluando el argumento de la misma manera?

    4. Qué necesita una discusión para producir una decisión útil

    Un desacuerdo productivo suele necesitar cuatro condiciones: un problema suficientemente concreto, información compartida, criterios explícitos y un cierre operativo.

    Un problema observable

    “Tenemos criterios diferentes” es demasiado amplio. “En dos módulos estamos interpretando de forma distinta qué evidencia es suficiente para dar por alcanzado el mismo resultado de aprendizaje” ya permite trabajar.

    Cuanto más concreta sea la situación, menos necesidad tendremos de discutir etiquetas generales. Esto conecta con una idea que aparece también en el artículo sobre observación de clase en vídeo: la evidencia sirve mejor cuando sabemos qué pregunta estamos intentando responder.

    Información que todos puedan examinar

    No siempre habrá estudios o datos cuantitativos. Puede ser una muestra de trabajos, dos programaciones, una rúbrica, resultados de una evaluación, una instrucción normativa o ejemplos de incidencias. Lo importante es que la discusión no dependa únicamente de recuerdos selectivos.

    Una evidencia compartida no decide por nosotros. Dos personas pueden interpretarla de manera distinta. Pero al menos discuten sobre el mismo objeto.

    Criterios antes que soluciones

    Imaginemos que un departamento debe decidir entre dos formas de recuperar un resultado de aprendizaje. Antes de elegir, puede acordar qué debería cumplir cualquier buena solución: ser compatible con la evaluación criterial, permitir comprobar el aprendizaje real, no generar una carga imposible y ser comprensible para el alumnado.

    Después se comparan las alternativas contra esos criterios. El cambio parece pequeño, pero reduce una dinámica muy habitual: enamorarse de una solución y construir después los argumentos para defenderla.

    Un cierre que especifique qué cambia

    “Quedamos en ser flexibles” no es una decisión ejecutable. “Durante este trimestre, cuando el alumno aporte una evidencia alternativa, el profesor comprobará A, B y C; revisaremos cinco casos en diciembre” sí lo es.

    Los buenos acuerdos indican quién hará qué, desde cuándo y cuándo se revisará. Si la decisión es experimental, debe decirlo. Un equipo puede acordar probar sin fingir que ya sabe.

    5. Cómo evitar que gane siempre la opinión más fuerte

    En los equipos aparecen asimetrías inevitables: experiencia, antigüedad, cargo, dominio de la normativa, facilidad para hablar o prestigio informal. Eso no convierte automáticamente en incorrecta la opinión de quien tiene más influencia. Pero sí puede hacer que otras perspectivas no lleguen a formularse.

    Una técnica sencilla consiste en pedir posiciones antes de la discusión abierta. Por ejemplo, cada persona escribe en dos minutos qué problema ve, qué opción prefiere y qué riesgo teme. Después se escuchan las respuestas antes de debatirlas. Así se reduce el efecto de la primera intervención sobre las demás.

    Otra opción es separar “generar alternativas” de “evaluarlas”. Durante unos minutos no se decide si una propuesta es buena; solo se intenta ampliar el mapa. Después se aplican los criterios acordados. Esto es especialmente útil cuando el equipo tiende a saltar de inmediato a “eso no se puede”.

    También conviene que quien coordina no utilice siempre su turno para cerrar. Puede reformular: “Tenemos dos preocupaciones distintas: coherencia y carga de trabajo. ¿Qué opción protege mejor ambas?”. El objetivo no es fingir neutralidad absoluta, sino ayudar a que el grupo vea la estructura del desacuerdo.

    La colaboración profesional de calidad se diferencia del simple intercambio precisamente porque exige interdependencia y reflexión conjunta. TALIS 2024 muestra que actividades profundas —observación con feedback, aprendizaje profesional colaborativo, enseñanza conjunta— son menos frecuentes que compartir materiales o comentar casos. Son más costosas, pero también obligan a hacer explícito el razonamiento profesional.

    Un formato de reunión que reduce ruido

    Cuando el desacuerdo es previsible, también podemos diseñar la conversación. Improvisar el debate favorece a quien piensa más rápido, habla con más seguridad o conoce mejor los códigos informales del grupo. Un formato sencillo puede repartir mejor la participación.

    Antes de la reunión conviene enviar el problema con suficiente precisión y, si existe, la evidencia que se revisará. No hace falta una memoria extensa. Una página puede ser suficiente: situación, decisión pendiente, límites normativos y dos o tres preguntas. Eso permite que las personas lleguen con una primera posición pensada y reduce el tiempo dedicado a descubrir de qué estamos hablando.

    Durante la reunión puede separarse el proceso en tres momentos. Primero se aclaran hechos y restricciones: qué exige la normativa, qué datos tenemos y qué aspectos no sabemos todavía. Después se recogen las interpretaciones y alternativas. Solo en el tercer momento se decide. Mezclar las tres fases suele producir discusiones confusas: alguien plantea una opción y otra persona la rechaza con un dato que todavía nadie había compartido; el grupo vuelve atrás y la conversación pierde foco.

    También resulta útil que la persona que coordina registre no solo el acuerdo, sino la lógica del acuerdo. Una frase como “se adopta la opción B porque permite evaluar el criterio X sin duplicar instrumentos y se revisará tras la primera evaluación” conserva más conocimiento que “se aprueba opción B”. Cuando meses después cambian las condiciones, el equipo puede revisar la decisión sin empezar desde cero.

    Después de la reunión, el acta debería hacer visible qué queda cerrado y qué no. Muchas tensiones posteriores nacen de acuerdos que cada persona recuerda de manera diferente. Un cierre operativo puede contener cinco elementos: decisión, responsable, fecha de aplicación, excepción prevista y fecha de revisión.

    Este nivel de precisión no pretende burocratizar una conversación profesional. Hace justo lo contrario: evita tener que reconstruirla varias veces. En un departamento con poco tiempo, una buena decisión escrita puede ahorrar muchas discusiones futuras.

    Cuatro errores que deterioran el desacuerdo profesional

    Buscar ganadores. Cuando la conversación se organiza como un duelo, ceder se interpreta como perder. Esto incentiva a defender la posición inicial incluso después de que aparezcan mejores argumentos. Resulta más útil tratar las propuestas como hipótesis del equipo: podemos modificarlas sin que nadie tenga que admitir una derrota personal.

    Invocar la experiencia como cierre. La experiencia aporta información valiosa, especialmente sobre consecuencias difíciles de anticipar. Pero “llevo veinte años haciéndolo” no sustituye a explicar por qué una opción es mejor en esta situación. Del mismo modo, una persona recién llegada puede aportar evidencia relevante aunque conozca peor la historia del centro.

    Confundir igualdad con equidad de participación. Dar exactamente dos minutos a cada persona puede parecer justo, pero no resuelve todas las asimetrías. Quien posee información normativa específica quizá necesite exponerla con más detalle; quien suele intervenir poco puede necesitar una invitación explícita. La finalidad no es repartir segundos, sino conseguir que la decisión incorpore la información relevante.

    Cerrar demasiado pronto para proteger el ambiente. Hay equipos que, cuando la conversación se tensa, cambian de tema y aceptan una formulación vaga. El alivio es inmediato, pero el desacuerdo reaparece después en la práctica. A veces cuidar la relación exige precisamente quedarse unos minutos más en una diferencia y formularla con precisión.

    6. Qué hacer cuando no hay consenso

    La coordinación no puede depender de que todo el mundo termine pensando igual. Hay decisiones urgentes, diferencias legítimas y situaciones en las que la evidencia no permite determinar una opción claramente superior.

    En esos casos conviene distinguir al menos cuatro salidas.

    • Acordar un mínimo común. Puede existir un marco compartido y dejar margen de adaptación individual.
    • Probar alternativas. Dos grupos pueden aplicar procedimientos distintos durante un periodo acotado si la comparación es viable y ética.
    • Delegar la decisión. Hay cuestiones para las que existe una responsabilidad formal clara. Consultar no significa diluir quién decide.
    • Posponer con una condición. “Lo revisamos cuando tengamos esta información” es distinto de aplazar indefinidamente.

    La guía de implementación de la Education Endowment Foundation propone un proceso flexible de explorar, preparar, desarrollar y sostener cambios. Esa lógica resulta útil también para decisiones de equipo: no todo acuerdo tiene que terminar en una implantación completa. A veces la respuesta profesional es explorar mejor el problema o probar a pequeña escala.

    El error contrario es confundir consenso con veto. Si cualquier persona puede bloquear indefinidamente una decisión, el equipo aprende que discrepar es suficiente para impedir actuar. Un sistema de coordinación necesita proteger la voz minoritaria sin quedar paralizado por ella.

    7. Un ejemplo: dos docentes, dos criterios y una decisión compartida

    Supongamos un departamento de Formación Profesional. Dos profesores imparten módulos distintos del mismo ciclo. Ambos utilizan proyectos, pero discrepan sobre el papel de la exposición oral.

    Una docente sostiene que la exposición debe formar parte de la calificación porque comunicar una propuesta es una competencia profesional relevante. El otro considera que algunos estudiantes dominan el contenido pero rinden peor al exponer y teme que se esté mezclando el aprendizaje técnico con una habilidad diferente.

    La discusión puede convertirse rápidamente en “hay que prepararles para la empresa” frente a “no podemos penalizar a quien se pone nervioso”. Ambas frases contienen una preocupación válida, pero todavía no permiten decidir.

    El equipo reformula el problema: ¿qué aprendizaje concreto queremos obtener de la exposición y qué peso debería tener esa evidencia frente a otras?

    Después revisa los resultados de aprendizaje y criterios implicados. Descubre que en uno de los módulos comunicar y defender la propuesta aparece explícitamente, mientras que en otro la exposición se estaba utilizando sobre todo por tradición.

    Eso cambia el mapa. Ya no necesitan una regla idéntica para todas las asignaturas. Acuerdan tres principios comunes: cuando la comunicación forme parte explícita del aprendizaje, deberá evaluarse; la rúbrica separará contenido y comunicación; y el alumnado tendrá al menos una oportunidad previa de práctica con feedback.

    La discrepancia no termina con uno convenciendo al otro. Termina con una decisión más precisa que la posición inicial de cualquiera de los dos.

    Además, el equipo establece una revisión después de dos proyectos. Si detecta que la exposición está distorsionando la evaluación o que la práctica previa no mejora el desempeño, ajustará el procedimiento.

    Eso es coordinación: no eliminar la diferencia, sino convertirla en una decisión que pueda explicarse, aplicarse y revisarse.

    8. Coordinar no es pensar igual

    Los equipos docentes necesitan acuerdos. El alumnado no debería recibir mensajes contradictorios sobre cuestiones esenciales ni depender del azar de quién le imparta una materia para entender cómo será evaluado. Pero coherencia no significa uniformidad absoluta.

    Un buen departamento puede compartir criterios y permitir estrategias distintas. Puede exigir una justificación común sin obligar a utilizar la misma actividad. Puede acordar qué resultado quiere proteger y dejar margen sobre cómo alcanzarlo.

    La calidad de la coordinación se reconoce en la capacidad de explicar esas decisiones. ¿Qué problema intentábamos resolver? ¿Qué información utilizamos? ¿Qué criterios priorizamos? ¿Qué margen queda abierto? ¿Cuándo revisaremos el acuerdo?

    Esto conecta con otra idea central de Estrategias Educativas: el desarrollo profesional no se mide por el número de reuniones o cursos, sino por lo que el equipo es capaz de hacer mejor después. El artículo Por qué acumular cursos no equivale a desarrollo profesional docente plantea esa misma pregunta en otro contexto.

    Discutir bien forma parte de ese desarrollo. Obliga a poner palabras a decisiones que normalmente tomamos por intuición, escuchar criterios distintos y descubrir qué evidencia necesitaríamos para revisar nuestra propia posición.

    En síntesis: un desacuerdo útil no termina necesariamente con unanimidad. Termina con un problema mejor definido, razones más visibles y una decisión que el equipo sabe aplicar y revisar.

    Un equipo profesional no es el que nunca tiene conflictos. Es el que puede atravesarlos sin perder de vista la pregunta que justificaba reunirse: ¿qué decisión ayudará mejor a enseñar y evaluar con coherencia?

  • Estandarizar sin desprofesionalizar: qué conviene protocolizar en un centro y qué debe quedar al criterio docente

    Estandarizar sin desprofesionalizar: qué conviene protocolizar en un centro y qué debe quedar al criterio docente

    Un centro necesita acuerdos. Si cada persona responde de manera distinta ante una emergencia, registra la información de forma incompatible o interpreta por su cuenta una obligación común, la organización se vuelve imprevisible.

    Pero la solución contraria tampoco funciona: convertir cada decisión profesional en un procedimiento detallado que indique qué hacer, cómo hacerlo y en qué orden.

    Entre “cada uno hace lo que quiere” y “todos hacen exactamente lo mismo” existe un espacio mucho más interesante: decidir qué necesita protocolo, qué necesita acuerdo y qué debe permanecer bajo criterio profesional.

    Ni cada uno por su cuenta ni todos haciendo exactamente lo mismo

    La autonomía profesional no significa ausencia de coordinación. Y la coordinación no exige uniformidad absoluta.

    Un centro educativo es una organización colectiva. Hay decisiones que afectan a derechos, seguridad, información compartida o funcionamiento común y necesitan respuestas previsibles.

    Al mismo tiempo, enseñar implica interpretar contextos que cambian: grupos distintos, ritmos diferentes, situaciones imprevistas y necesidades concretas. Intentar anticipar mediante protocolos todas esas decisiones puede reducir precisamente la capacidad que necesitamos del profesional.

    La cuestión no es elegir entre autonomía y coherencia. Es determinar dónde necesita cada una mayor peso.

    Para qué sirve realmente un protocolo

    Un protocolo tiene sentido cuando reduce una variabilidad que genera riesgo, desigualdad, confusión o errores importantes.

    Debe ayudar a responder quién actúa, cuándo, con qué información, qué pasos son imprescindibles y cómo sabemos que el procedimiento se ha completado.

    Pero un protocolo también tiene costes: debe aprenderse, mantenerse, actualizarse y aplicarse. Si intenta regular situaciones extremadamente variables, crecerá en excepciones hasta hacerse difícil de utilizar.

    Protocolizar no debería ser la respuesta automática a cualquier problema organizativo.

    Qué conviene protocolizar en un centro

    Hay ámbitos donde una respuesta común tiene un valor evidente.

    Seguridad, protección y obligaciones legales

    Emergencias, protección de menores, custodia de determinada información, protección de datos o actuaciones sometidas a obligaciones normativas necesitan procedimientos claros. En estos casos, la variabilidad puede aumentar el riesgo.

    El protocolo no sustituye al juicio en una situación concreta, pero establece mínimos que no deberían depender de preferencias individuales.

    Procesos que necesitan una respuesta común

    También tiene sentido protocolizar tareas donde varias personas deben coordinarse: comunicación de determinadas incidencias, entrega de documentación, gestión de accesos o circuitos administrativos.

    La clave es que la consistencia aporte un beneficio real al conjunto.

    Qué necesita acuerdos compartidos, pero no un protocolo rígido

    Entre el protocolo y la libertad individual existe una categoría que a menudo olvidamos: el acuerdo profesional.

    Un equipo puede acordar criterios comunes sin especificar cada acción. Puede decidir qué información debe recibir una familia, qué evidencias conviene recoger, cómo coordinar determinadas transiciones o qué principios guían una actuación.

    El acuerdo define un marco. El profesional decide cómo actuar dentro de él.

    Esta fórmula es especialmente útil cuando necesitamos coherencia pero las situaciones concretas son demasiado variables para convertirlas en una secuencia fija.

    Qué debe permanecer bajo el criterio profesional docente

    La enseñanza contiene decisiones que dependen intensamente del contexto.

    Metodología

    Un centro puede acordar principios pedagógicos, pero convertir una metodología concreta en respuesta universal puede ignorar diferencias entre materias, niveles, grupos y objetivos.

    Secuenciación y actividades

    Dos docentes pueden perseguir el mismo resultado mediante recorridos diferentes. La coherencia curricular no exige necesariamente idénticas actividades ni idéntico ritmo.

    Adaptación al grupo y a situaciones concretas

    Una actividad que funciona con un grupo puede fracasar con otro. Una explicación puede necesitar diez minutos un día y treinta al siguiente.

    Profesionalizar implica precisamente desarrollar capacidad para interpretar esas situaciones.

    Cuándo un protocolo deja de reducir problemas y empieza a crear burocracia

    Una señal es que el cumplimiento empieza a medirse por documentos generados en lugar de por problemas resueltos.

    Otra aparece cuando proliferan excepciones. Si casi cada caso necesita una interpretación especial, quizá la realidad no sea suficientemente estable para un protocolo detallado.

    También conviene revisar procedimientos que duplican información, requieren validaciones sin efecto real o sobreviven después de desaparecer el problema que pretendían solucionar.

    Los protocolos no deberían ser acumulativos por defecto. Necesitan fecha de revisión y posibilidad de desaparecer.

    Protocolizar, acordar o dejar decidir: una matriz para tomar decisiones

    Situación | Protocolizar | Acordar | Criterio profesional

    Seguridad y emergencias | Sí | Complementario | Dentro de los márgenes necesarios

    Protección de datos y obligaciones legales | Sí | Complementario | Limitado por la norma

    Circuitos administrativos comunes | Frecuentemente | Sí | En excepciones

    Coordinación entre equipos | Solo lo imprescindible | Sí | Sí

    Principios pedagógicos compartidos | No necesariamente | Sí | Sí

    Metodología de aula | Excepcionalmente | Orientaciones | Principal

    Actividades concretas | No | Puede haber recursos comunes | Principal

    Adaptación al grupo | No como regla general | Criterios generales | Principal

    La matriz no pretende resolver automáticamente cada caso. Sirve para formular mejores preguntas.

    ¿Existe un riesgo importante si dos profesionales actúan de manera diferente? ¿Hay una obligación externa? ¿Necesitamos que varias personas intercambien información de forma compatible? ¿La situación es suficientemente repetible? ¿La variabilidad profesional aporta valor?

    Cuanto mayor sea el riesgo de una respuesta incoherente, más sentido tiene protocolizar. Cuanto más dependa la calidad de interpretar el contexto, más espacio necesita el criterio profesional.

    La coherencia de un centro no exige que todos enseñen igual

    Un centro coherente no es aquel en el que todas las aulas se parecen.

    Es aquel en el que las personas conocen los mínimos comunes, entienden qué decisiones deben coordinar y saben dónde empieza su responsabilidad profesional.

    Esto permite exigir coherencia donde importa sin convertir la organización en un manual de instrucciones.

    Estandarizar puede proteger, simplificar y coordinar. También puede empobrecer la práctica cuando invade decisiones que requieren conocimiento situado. La clave no está en tener muchos o pocos protocolos, sino en colocarlos donde aportan más valor que el criterio individual.

    Una buena organización no elimina la variabilidad. Decide qué variabilidad es un problema y cuál es precisamente una expresión de profesionalidad.

    La pregunta no es cuánto estandarizar

    Las organizaciones suelen discutir en términos de más o menos normas. Es una pregunta demasiado simple. Hay centros con pocos protocolos mal elegidos y otros con procedimientos numerosos pero necesarios.

    La cuestión útil es qué variabilidad queremos reducir y por qué. Si dos respuestas distintas pueden poner en riesgo derechos o seguridad, la estandarización tiene sentido. Si dos respuestas diferentes pueden ser igualmente buenas porque dependen del contexto, imponer una sola puede empeorar la práctica.

    Esto obliga a justificar cada protocolo por su función, no por una preferencia general por el control o la autonomía.

    Variabilidad buena y variabilidad mala

    No toda variabilidad es creatividad. Que cada persona registre una incidencia con categorías incompatibles dificulta coordinar. Que cada profesor elija una actividad distinta para enseñar un concepto puede ser perfectamente razonable.

    Podemos llamar variabilidad mala a aquella que introduce riesgo, inequidad, errores o imposibilidad de coordinar. Variabilidad buena es la que permite adaptar una respuesta manteniendo objetivos y garantías comunes.

    El trabajo organizativo consiste en distinguirlas.

    Un caso de seguridad

    Ante una emergencia no queremos que cada profesional invente el procedimiento. Necesitamos responsabilidades, canales y pasos conocidos. Aquí la estandarización reduce incertidumbre precisamente cuando hay poco tiempo para deliberar.

    Eso no elimina el criterio. Una emergencia real nunca coincide perfectamente con un documento. El protocolo establece mínimos y orden; el profesional interpreta la situación dentro de ese marco.

    Un caso pedagógico

    Supongamos que un centro quiere mejorar la participación. Puede acordar que todas las programaciones incluyan oportunidades de participación activa y que los equipos revisen evidencias.

    Sería distinto imponer una técnica concreta en todas las materias y grupos. La finalidad común puede mantenerse mientras el método varía.

    Confundir objetivo con procedimiento es una de las formas más habituales de sobreestandarización.

    Evaluación: un terreno intermedio

    La evaluación muestra bien la necesidad de capas. Existen normas y criterios curriculares comunes; los equipos necesitan acuerdos para garantizar coherencia; y el docente toma numerosas decisiones sobre actividades, momentos, instrumentos y feedback.

    Intentar situarlo todo en una sola columna —protocolo o autonomía— empobrece el análisis.

    La matriz debería permitir combinaciones: algo puede tener mínimos obligatorios, acuerdos de equipo y espacio profesional simultáneamente.

    Protocolizar para proteger derechos

    Cuando la actuación afecta a derechos del alumnado, la consistencia adquiere especial importancia. Los procedimientos ayudan a que la respuesta no dependa de quién esté de guardia o de la experiencia individual.

    También facilitan trazabilidad: podemos saber qué se hizo y cuándo.

    Pero incluso aquí conviene evitar pasos ornamentales. Un protocolo de protección no es mejor porque tenga veinte firmas. Es mejor si permite actuar de manera segura, clara y verificable.

    Acuerdos como categoría olvidada

    Muchas discusiones se polarizan porque solo vemos norma o libertad. El acuerdo profesional ocupa un espacio intermedio muy potente.

    Un departamento puede acordar qué evidencias mínimas compartir, cómo comunicar determinados resultados o qué criterios usar para coordinar, sin prescribir cada decisión de aula.

    El acuerdo produce coherencia mediante deliberación y compromiso, no solo mediante cumplimiento.

    Autonomía no es aislamiento

    Defender criterio profesional no significa que cada docente trabaje sin contraste. La autonomía madura incluye capacidad para justificar decisiones, aprender de evidencia y coordinarse.

    Los datos TALIS relacionan autonomía, colaboración y participación en decisiones como dimensiones de la profesionalidad. En España, TALIS 2024 sitúa la autonomía instructiva declarada cerca de la media de la OCDE y muestra que hablar sobre el aprendizaje de alumnos concretos y acordar estándares de evaluación forman parte de las prácticas colaborativas frecuentes.

    La colaboración no elimina autonomía. Puede mejorarla porque amplía información y alternativas.

    El peligro del protocolo como respuesta al error

    Después de una incidencia, las organizaciones tienden a crear una regla para impedir que vuelva a ocurrir. Si repetimos esta reacción, cada excepción histórica añade una capa.

    Antes de crear un protocolo conviene preguntar si el problema fue sistémico, frecuente y previsible o un caso excepcional. También si una regla habría evitado realmente el error.

    No todo fallo necesita una norma nueva. A veces necesita formación, mejor información o una responsabilidad más clara.

    El protocolo como sustituto de la confianza

    Otra tentación es documentar cada acción porque no confiamos en que se haga. El resultado puede ser paradójico: aumenta el registro, pero no necesariamente la calidad.

    Si el problema es de desempeño, un formulario adicional puede producir evidencia de cumplimiento sin resolverlo. Si el problema es de coordinación, quizá baste un acuerdo visible.

    Los controles tienen coste y deberían justificarse por el riesgo que reducen.

    El efecto sobre la responsabilidad

    Una regulación excesiva puede desplazar el razonamiento. El profesional deja de preguntar “¿qué necesita esta situación?” y pregunta “¿qué dice el procedimiento?”. En ámbitos donde el contexto importa, esa sustitución puede ser peligrosa.

    Al mismo tiempo, una autonomía sin límites puede diluir responsabilidad: “cada uno lo hace a su manera” no sirve cuando existen objetivos comunes.

    La profesionalidad exige ambas cosas: marco y juicio.

    Diseñar protocolos mínimos

    Un buen protocolo debería contener solo lo necesario para reducir el riesgo que lo justifica. Puede definir propósito, activación, responsables, pasos críticos, registro imprescindible y salida.

    Las orientaciones, ejemplos y recursos pueden estar fuera del núcleo obligatorio. Así evitamos convertir recomendaciones en requisitos por el mero hecho de aparecer en el mismo documento.

    También conviene diferenciar visualmente “debe”, “se recomienda” y “puede”. Muchas organizaciones generan rigidez simplemente porque no distinguen esos niveles.

    Diseñar excepciones

    Si sabemos que existirán casos excepcionales, el protocolo debería decir quién puede apartarse y cómo se documenta la razón. La excepción justificada es distinta del incumplimiento.

    Esto evita dos extremos: reglas imposibles de adaptar y excepciones informales que hacen inútil el procedimiento.

    Revisar y retirar

    Todo protocolo debería tener propietario y fecha de revisión. Si nadie es responsable de revisarlo, seguirá vivo aunque cambien herramientas, normas y necesidades.

    La revisión puede preguntar: ¿sigue existiendo el riesgo?, ¿se usa?, ¿produce duplicidades?, ¿las excepciones son demasiadas?, ¿hay evidencia de que ayuda?

    Retirar una regla puede ser una mejora tan importante como crearla.

    Una matriz más exigente

    Para decidir entre protocolizar, acordar o dejar al criterio profesional podemos usar cinco preguntas.

    Primera: ¿qué daño puede producir una respuesta inconsistente? Segunda: ¿existe una obligación externa? Tercera: ¿la situación es repetible y las reglas son claras? Cuarta: ¿el contexto cambia sustancialmente la mejor respuesta? Quinta: ¿quién debe rendir cuentas del resultado?

    Un riesgo alto, obligación clara y baja necesidad de adaptación empujan hacia protocolo. Alta dependencia del contexto y varias respuestas válidas empujan hacia criterio profesional. Entre ambos aparece el acuerdo.

    Ejemplo completo: comunicación con familias

    Un centro puede protocolizar cuestiones de protección, canales oficiales y determinados plazos. Puede acordar principios de comunicación y qué información mínima debe trasladarse. Y puede dejar al docente adaptar lenguaje, momento y enfoque a cada familia.

    Pretender escribir un guion universal para cada conversación sería poco realista. Renunciar a cualquier marco también.

    La matriz permite ver las tres capas simultáneamente.

    Ejemplo completo: metodología

    Puede existir un proyecto educativo que promueva aprendizaje activo o evaluación formativa. Eso no obliga necesariamente a que todas las clases utilicen la misma técnica.

    El centro puede acordar qué entiende por determinados principios, compartir evidencias y desarrollar formación. La elección concreta debe poder responder a materia, grupo y objetivo.

    La coherencia se encuentra en el propósito y ciertos criterios, no en la apariencia idéntica de las aulas.

    Qué ocurre con la innovación

    Protocolizar demasiado pronto una práctica innovadora puede congelarla antes de comprenderla. Cuando algo está en fase de exploración necesitamos variación para aprender qué funciona.

    Después, si aparecen elementos robustos que conviene compartir, pueden convertirse en acuerdos o mínimos. La estandarización debería llegar después del aprendizaje, no antes.

    Participación en el diseño

    Los protocolos funcionan mejor cuando incorporan conocimiento de quienes los aplican. Quien está cerca de la práctica conoce excepciones, fricciones y consecuencias que pueden escapar al diseñador.

    Participar no significa que toda decisión se tome por unanimidad. Significa utilizar información distribuida antes de fijar reglas.

    Además, las personas comprenden mejor el propósito de una norma cuando han podido discutir el problema que pretende resolver.

    Burocracia por capas

    Muchos centros no tienen un gran procedimiento absurdo, sino decenas de pequeñas obligaciones razonables por separado. El problema aparece en la suma.

    Por eso la revisión debe mirar el sistema completo. Dos registros pueden ser útiles individualmente y redundantes juntos. Tres reuniones pueden tener objetivos legítimos y consumir el mismo tiempo de las mismas personas.

    La simplificación necesita una vista transversal.

    Profesionalizar no es dejar hacer

    Un profesional autónomo necesita conocimiento, estándares éticos, evidencia y responsabilidad. Defender criterio no significa aceptar cualquier práctica porque sea elección del docente.

    Precisamente porque existe autonomía, debe existir capacidad para explicar decisiones y revisarlas a la luz de resultados.

    La alternativa a la microregulación no es la ausencia de exigencia; es una exigencia basada en fines, evidencias y responsabilidad.

    Coherencia visible

    Un visitante no debería medir la coherencia porque todos usen la misma plantilla. Puede verla en que el alumnado conoce expectativas, las familias reciben respuestas compatibles, los equipos comparten información y los profesionales pueden explicar por qué toman decisiones diferentes.

    Ese tipo de coherencia es más difícil de construir que uniformar documentos, pero también más valioso.

    Cierre

    Un centro necesita protocolos para aquello que no puede depender de preferencias individuales, acuerdos para aquello que requiere coordinación y criterio profesional para aquello que exige interpretar el contexto.

    La matriz no ofrece respuestas automáticas. Su valor está en obligarnos a justificar dónde colocamos cada decisión.

    La buena estandarización no intenta eliminar diferencias. Reduce las diferencias que generan riesgo o incoherencia y protege las que permiten enseñar mejor.

    La pregunta final no es “¿podemos hacer un protocolo?”, porque casi siempre podemos. Es “¿mejorará la decisión si la convertimos en protocolo?”. Cuando la respuesta no es clara, quizá necesitemos un acuerdo, una orientación o simplemente confiar en profesionales capaces de responder de sus decisiones.

    Un caso fronterizo: uso de herramientas digitales

    Un centro puede querer que todo el profesorado utilice una plataforma común. Hay buenas razones para acordar dónde encuentra el alumnado materiales o comunicaciones, porque diez canales generan confusión.

    Eso no obliga a protocolizar cada actividad digital. Podemos estandarizar el punto de acceso y dejar al criterio profesional cómo se enseña dentro de cada materia.

    El ejemplo muestra que una misma cuestión puede contener capas distintas. La matriz no clasifica “tecnología” en una columna; clasifica decisiones concretas.

    Otro caso: reuniones

    Puede protocolizarse quién convoca, cómo quedan registrados los acuerdos y quién es responsable de cada acción. Puede acordarse una estructura que favorezca decisiones. Pero no necesitamos un guion rígido para toda conversación profesional.

    Si una reunión existe solo porque el protocolo exige celebrarla, conviene revisar el protocolo.

    La estandarización debería reducir incertidumbre, no fabricar actividad.

    Indicadores de sobreprotocolización

    Podemos detectar exceso cuando aparecen documentos paralelos, cuando nadie conoce todas las normas, cuando el cumplimiento consume más tiempo que la tarea, cuando proliferan excepciones o cuando las personas cumplen formalmente mientras resuelven el problema por otro canal.

    Otra señal es que resulta difícil explicar qué riesgo reduce un paso. “Porque está en el procedimiento” no es una justificación suficiente para mantenerlo indefinidamente.

    Indicadores de falta de coordinación

    El extremo contrario también deja huellas: familias que reciben respuestas incompatibles, información que no llega, decisiones similares tratadas de manera arbitraria, datos imposibles de comparar o personas que no saben quién debe actuar.

    En esos casos puede hacer falta un acuerdo o protocolo, no simplemente pedir “más coordinación”.

    Cómo revisar un protocolo existente

    Podemos reunir a varias personas que lo usan y recorrer un caso real. En cada paso preguntamos: ¿qué propósito tiene?, ¿qué ocurriría si lo eliminamos?, ¿quién utiliza esta información?, ¿es obligatorio?, ¿puede simplificarse?

    Después analizamos excepciones. Si son frecuentes, quizá la regla sea demasiado rígida. Si casi nunca se utiliza una parte, quizá sobra.

    Finalmente se decide qué permanece obligatorio, qué pasa a orientación y qué desaparece.

    La importancia del lenguaje

    Las palabras crean obligaciones. “Se deberá” no significa lo mismo que “se recomienda”. Mezclarlas en un documento provoca que sugerencias útiles terminen tratándose como requisitos.

    Un diseño claro separa mínimos, criterios y ejemplos. Esto permite actualizar recomendaciones sin reabrir todo el procedimiento.

    También ayuda a que el profesorado sepa dónde tiene margen real de decisión.

    Rendición de cuentas sin microgestión

    La autonomía profesional necesita responsabilidad por resultados y decisiones, pero rendir cuentas no exige registrar cada movimiento.

    Podemos pedir que un docente explique qué evidencia utilizó para adaptar una actividad sin imponerle una secuencia de veinte pasos. Podemos acordar resultados mínimos sin dictar exactamente cómo alcanzarlos.

    La rendición de cuentas madura se centra en decisiones relevantes, no en demostrar actividad.

    Qué gana el alumnado

    Esta discusión puede parecer organizativa, pero tiene efectos directos. Un buen protocolo evita que la protección o los derechos dependan de quién atienda el caso. Un buen acuerdo reduce contradicciones. Una autonomía bien situada permite adaptar enseñanza a necesidades reales.

    El alumnado necesita simultáneamente previsibilidad y adaptación. La arquitectura organizativa debe ofrecer ambas.

    Una prueba antes de crear cualquier protocolo

    Antes de redactar, podemos completar una frase: “Necesitamos que todas las personas hagan X de la misma manera porque, si no, ocurre Y”.

    Si no podemos describir Y con claridad, quizá no necesitamos un protocolo. Tal vez buscamos comodidad administrativa, apariencia de control o uniformidad.

    Después preguntamos si existe una alternativa menos rígida: un acuerdo, una plantilla opcional, una formación o una mejor información.

    El protocolo mínimo viable

    Cuando sí sea necesario, conviene empezar por el mínimo que protege la finalidad. Podemos ampliarlo si la experiencia muestra huecos, pero es más difícil reducir un documento que ya se percibe como obligatorio.

    Un protocolo breve y comprendido suele ser más seguro que uno exhaustivo que nadie puede recordar.

    La calidad no está en el número de páginas, sino en que las personas sepan qué hacer cuando llega la situación para la que fue creado.

    Cierre ampliado

    La profesionalidad docente no se protege eliminando todas las reglas. Se protege colocando cada regla donde aporta valor y evitando que invada decisiones que necesitan conocimiento situado.

    Tampoco se protege la coherencia dejando todo al criterio individual. Los centros son organizaciones colectivas y necesitan mínimos, lenguaje compartido y responsabilidades.

    Protocolizar, acordar y decidir profesionalmente no son opciones rivales. Son tres herramientas para problemas distintos.

    La madurez organizativa consiste en saber cuál utilizar, revisar periódicamente la elección y aceptar que una decisión puede cambiar de categoría cuando cambia el contexto.

    Un protocolo puede ser una garantía. Un acuerdo puede ser una forma de inteligencia colectiva. Y el criterio profesional puede ser la mejor respuesta cuando ninguna regla puede anticipar suficientemente la realidad del aula.

    Fuentes consultadas

  • Digitalizar un mal proceso no lo convierte en bueno: qué revisar antes de automatizar un centro

    Digitalizar un mal proceso no lo convierte en bueno: qué revisar antes de automatizar un centro

    Un formulario digital puede sustituir a un papel. Una automatización puede enviar avisos sin intervención humana. Una plataforma puede trasladar información de un lugar a otro en segundos. Pero ninguna de esas mejoras responde por sí sola a la pregunta más importante: ¿tenía sentido el proceso que acabamos de digitalizar?

    En los centros educativos existe un riesgo frecuente: utilizar tecnología para acelerar procedimientos que ya eran redundantes, confusos o innecesarios. El resultado no siempre es menos burocracia. A veces obtenemos la misma burocracia, pero con más pantallas, más notificaciones y más lugares que consultar.

    Cuando la tecnología acelera un proceso que no funciona

    Imaginemos una incidencia que un docente comunica en una plataforma. Después alguien copia esa información a una hoja de cálculo, se envía un correo, otra persona valida el dato y finalmente se vuelve a introducir en un informe.

    Automatizar el correo puede ahorrar unos minutos. Pero el verdadero problema quizá sea que la misma información atraviesa cinco pasos y tres sistemas.

    La tecnología tiene una capacidad extraordinaria para hacer más rápido un procedimiento. Precisamente por eso conviene comprobar primero si merece la pena conservarlo.

    Digitalizar no es transformar

    Digitalizar significa trasladar información o tareas a medios digitales. Transformar implica revisar cómo se trabaja y preguntarse si existe una forma mejor de conseguir el resultado.

    Pasar una ficha de papel a un formulario es digitalización. Preguntarse por qué se recogen esos datos, quién los utiliza y si podrían obtenerse automáticamente es rediseño.

    Si mantenemos todos los pasos anteriores y simplemente añadimos tecnología, podemos terminar con un sistema más complejo que el original. La transformación útil no empieza eligiendo una aplicación. Empieza comprendiendo el problema.

    Antes de automatizar hay que entender cómo funciona realmente el proceso

    Los procedimientos escritos y los procedimientos reales no siempre coinciden. Por eso conviene dibujar el recorrido de una tarea tal como ocurre.

    Qué problema intenta resolver

    Todo proceso debería tener una finalidad identificable. “Siempre se ha hecho así” no es una finalidad. ¿Qué decisión permite tomar? ¿Qué obligación satisface? ¿Qué problema evita? Si nadie puede responder con claridad, quizá el primer paso no sea automatizarlo, sino cuestionarlo.

    Quién interviene y dónde se atasca

    Hay que identificar quién inicia el proceso, quién necesita la información, quién valida, quién espera y quién vuelve a intervenir. Las esperas suelen revelar cuellos de botella, pero también responsabilidades mal definidas.

    Duplicidades, esperas y tareas que no aportan valor

    Una señal clara es introducir el mismo dato más de una vez. Otra es generar información que nadie consulta. También conviene detectar autorizaciones que no modifican ninguna decisión y comunicaciones enviadas “por si acaso”.

    Eliminar y simplificar antes de automatizar

    La secuencia más útil suele ser: eliminar, simplificar y solo después automatizar.

    Eliminar significa retirar pasos, datos o documentos que no aportan valor ni responden a una obligación. Simplificar significa reducir decisiones, actores o transferencias innecesarias. Automatizar llega al final, cuando sabemos que el proceso merece existir.

    Esta secuencia evita invertir tiempo y dinero en perfeccionar tareas prescindibles y facilita la adopción: un proceso sencillo necesita menos formación, genera menos errores y depende menos de una herramienta concreta.

    ¿La tecnología ahorra trabajo o simplemente lo desplaza?

    Una automatización puede ahorrar diez minutos a administración y añadir cinco minutos a cada uno de cincuenta docentes. Desde el punto de vista del sistema, no ha mejorado.

    Por eso conviene medir el trabajo total y no solo el de quien impulsa el cambio.

    También existe trabajo invisible: aprender la herramienta, recuperar contraseñas, mantener permisos, resolver incidencias, actualizar plantillas, revisar integraciones y explicar el procedimiento a quienes llegan nuevos.

    Si el sistema funciona únicamente porque una persona concreta sabe repararlo cada vez que falla, quizá hayamos ganado velocidad a cambio de fragilidad.

    Qué merece la pena automatizar y qué conviene mantener bajo criterio humano

    Las tareas repetitivas, previsibles y basadas en reglas claras suelen ser buenas candidatas: trasladar datos entre sistemas, generar recordatorios, comprobar campos incompletos, preparar documentos a partir de información validada o avisar de plazos.

    Cuanto más dependa una tarea de contexto, interpretación o consecuencias importantes para una persona, mayor debe ser la cautela.

    Automatizar la preparación de un aviso no equivale a automatizar la decisión de enviarlo. Generar un resumen no equivale a aceptar su interpretación. Detectar una posible anomalía no equivale a decidir qué significa.

    La eficiencia es valiosa, pero no todas las tareas de un centro son problemas de eficiencia.

    Probar pequeño antes de cambiar todo el centro

    Una automatización debería poder probarse con un alcance limitado: un procedimiento, un equipo, un periodo corto o un conjunto de datos controlado.

    La prueba permite comprobar si ahorra tiempo real, si genera errores nuevos, si las excepciones son frecuentes y si quienes participan entienden el funcionamiento. También debería existir una forma clara de volver atrás.

    Probar pequeño no significa falta de ambición. Significa aprender antes de escalar.

    La prueba definitiva: ¿el proceso es ahora más sencillo, rápido y útil?

    Una automatización no debería evaluarse por el número de pasos que ejecuta una máquina, sino por la mejora que experimentan las personas.

    ¿Se introduce menos información manualmente? ¿Hay menos duplicidades? ¿Se tarda menos desde el inicio hasta el resultado? ¿Han disminuido los errores? ¿Es más fácil saber en qué estado está cada caso? ¿Requiere menos explicaciones? ¿Hemos eliminado alguna tarea?

    Si después de digitalizar seguimos haciendo lo mismo, con los mismos problemas y además necesitamos mantener una nueva plataforma, probablemente no hemos transformado el proceso.

    La tecnología puede reducir carga administrativa. Pero su mayor valor aparece cuando llega después de una decisión más difícil: dejar de hacer lo que no aporta, simplificar lo que sí necesitamos y automatizar únicamente aquello que merece conservarse.

    De la idea al mapa de proceso

    Una forma sencilla de empezar es escoger un procedimiento que genere quejas frecuentes y seguir cinco casos reales. No necesitamos software especializado. Una tabla con paso, persona, dato, espera, decisión y resultado permite ver buena parte del problema.

    Conviene registrar también las vueltas atrás. Si una solicitud vuelve continuamente porque falta información, quizá el formulario esté mal diseñado. Si vuelve porque nadie conoce el criterio de aprobación, el problema no es el formulario. Si vuelve porque la norma exige una comprobación, ese paso tiene otra naturaleza.

    El mapa debe reflejar lo que sucede, no lo que debería suceder. Cuando aparece una hoja paralela o un mensaje informal, no conviene ocultarlo: es una señal de que el procedimiento oficial no cubre alguna necesidad.

    Eliminar exige más criterio que automatizar

    Es relativamente fácil añadir una automatización. Eliminar un paso obliga a responder quién lo utilizaba y qué riesgo cubría. Por eso la simplificación necesita conversación entre quien solicita la información y quien realiza la tarea.

    Podemos clasificar cada paso en cuatro grupos: obligatorio, útil para decidir, útil solo en determinadas circunstancias y prescindible. Después revisamos especialmente los dos últimos.

    Lo obligatorio tampoco queda fuera del análisis. Una obligación puede cumplirse de varias maneras. Que debamos conservar una evidencia no significa que necesitemos introducirla tres veces.

    Un buen rediseño protege garantías mientras reduce fricción. La meta no es “hacer menos” indiscriminadamente, sino dejar de gastar esfuerzo en acciones que no mejoran seguridad, información ni decisiones.

    Un caso: seguimiento de incidencias

    Imaginemos que el centro quiere mejorar el seguimiento de incidencias de convivencia. Actualmente el docente registra la incidencia, el tutor recibe un aviso, jefatura mantiene una hoja y cada mes se prepara un resumen.

    La primera tentación sería conectar automáticamente plataforma y hoja. Antes deberíamos preguntar qué información necesita realmente cada actor. Quizá la hoja existe porque la plataforma no ofrece una vista útil. Tal vez el problema pueda resolverse con un informe automático. O quizá se estén mezclando incidencias de naturaleza distinta y haga falta rediseñar categorías.

    También debemos identificar decisiones: ¿qué dato provoca una actuación? ¿Quién la inicia? ¿Qué información necesita? Si el resumen mensual no produce ninguna decisión, su automatización tiene poco valor.

    Otro caso: solicitudes internas

    Un centro puede tener peticiones de compra por correo, papel y mensajes. La automatización falla si intenta incorporar las tres vías. Primero hay que acordar una entrada común, definir qué información mínima necesita la compra, establecer quién autoriza según importe y qué sucede con una urgencia.

    Solo entonces tiene sentido automatizar confirmaciones, estados o archivo. El resultado no es una versión digital del caos anterior, sino un proceso nuevo y más simple.

    Automatizar excepciones puede ser una mala inversión

    Toda organización tiene excepciones. El problema aparece cuando intentamos codificarlas todas desde el principio. La automatización crece, aumenta el mantenimiento y cada modificación puede romper otra regla.

    Conviene preguntarse qué porcentaje de casos sigue el camino normal. Si es alto, automatizamos ese camino y dejamos una salida humana clara. Si cada caso es distinto, quizá el proceso no sea buen candidato.

    La salida manual no es un fracaso. Es una válvula de seguridad que reconoce que la realidad educativa contiene situaciones que no pueden anticiparse completamente.

    La calidad de los datos importa

    Una automatización ejecuta reglas sobre la información que recibe. Si los campos están incompletos, las categorías se usan de forma distinta o existen duplicados, el sistema puede acelerar errores.

    Antes de automatizar conviene revisar definiciones. ¿Qué significa “pendiente”? ¿Cuándo una incidencia está “cerrada”? ¿Quién puede modificar un dato? ¿Cuál es la fuente válida si dos sistemas discrepan?

    Estas preguntas parecen técnicas, pero son organizativas. Un centro necesita lenguaje común para coordinarse.

    No crear un ecosistema de pequeñas dependencias

    Las automatizaciones pequeñas son atractivas porque resuelven problemas rápidamente. Diez soluciones independientes pueden terminar formando una arquitectura frágil: una hoja alimenta otra, un script lee un correo, un formulario cambia una columna y todo deja de funcionar.

    Por eso cada automatización debería documentar al menos propósito, propietario, entradas, salidas, dependencias y procedimiento de recuperación. Si nadie sabe que existe, no puede mantenerse.

    También conviene revisar si la herramienta permite exportar datos y abandonar el servicio. La dependencia tecnológica no es solo económica. Puede ser dependencia de formatos, cuentas o conocimientos de una persona.

    Medir antes y después

    Sin una línea de base, cualquier mejora puede parecer eficaz. Antes del cambio conviene medir durante un periodo razonable cuánto tarda el proceso, cuántos pasos tiene, cuántos errores aparecen y cuántas personas intervienen.

    Después repetimos las medidas. Si el tiempo baja pero aumentan errores, no basta. Si disminuyen pasos pero los usuarios crean canales paralelos, hay una señal. Si la herramienta ahorra tiempo al centro pero lo traslada a familias, también.

    Medir no requiere convertir cada proceso en una investigación. Bastan indicadores relacionados con el problema que motivó el cambio.

    Qué significa probar pequeño

    Un piloto debe tener alcance y duración definidos. Por ejemplo: un departamento durante seis semanas y solo para solicitudes ordinarias. Debe existir un responsable y una forma de recoger incidencias.

    Antes de comenzar se decide qué demostraría éxito: reducir el tiempo medio, eliminar duplicidades, disminuir correos o mejorar trazabilidad. También qué obligaría a detener la prueba.

    Esto evita el piloto eterno, donde la herramienta queda instalada porque ya está allí aunque nadie haya demostrado su utilidad.

    La adopción forma parte del diseño

    Una solución técnicamente excelente puede fracasar si exige comportamientos poco realistas. Si el procedimiento obliga a abrir una plataforma que nadie utiliza para una tarea que ocurre dos veces al año, aparecerán olvidos. Si una automatización envía demasiados avisos, las personas dejarán de leerlos.

    Diseñar implica comprender rutinas. El mejor punto de entrada suele ser el que encaja con el trabajo existente sin añadir pasos innecesarios.

    La formación también debe ser proporcional. Un proceso sencillo debería poder explicarse de forma sencilla. Si necesitamos una sesión de dos horas para enseñar cómo solicitar algo elemental, quizá el diseño sea demasiado complejo.

    Qué hacer con la inteligencia artificial

    La IA amplía las posibilidades: clasificar textos, resumir, extraer información o generar borradores. Pero también introduce incertidumbre. Una regla tradicional hace lo que hemos programado; un modelo generativo puede producir resultados plausibles y erróneos.

    Por eso no conviene automatizar con IA una decisión sensible solo porque técnicamente sea posible. Podemos utilizarla para preparar una propuesta que una persona revise, identificar elementos que después se comprueben o reducir trabajo de redacción manteniendo validación.

    La supervisión debe diseñarse, no añadirse como frase final. ¿Quién revisa? ¿Qué debe comprobar? ¿Qué ocurre si discrepa? ¿Cómo se detecta un error?

    Seguridad y privacidad desde el principio

    Los procesos educativos manejan información personal. Conectar servicios puede multiplicar copias y accesos. Antes de automatizar hay que saber qué datos circulan, dónde se almacenan, quién accede y durante cuánto tiempo.

    Una automatización que ahorra cinco minutos pero crea una copia innecesaria de datos sensibles no es una mejora bien diseñada.

    La minimización también simplifica técnicamente: menos datos significan menos campos, menos errores y menos exposición.

    Mantener y retirar

    Toda automatización necesita una fecha de revisión. ¿Sigue existiendo el problema? ¿La herramienta continúa siendo adecuada? ¿Ha cambiado el sistema oficial? ¿Seguimos utilizando la salida?

    Retirar debe ser una opción normal. Las organizaciones tienden a acumular procesos porque cada uno tuvo una razón al nacer. La transformación sostenible necesita capacidad de borrar.

    Podemos imaginar una revisión anual de automatizaciones con tres decisiones: mantener, modificar o retirar. El inventario evita que existan mecanismos invisibles durante años.

    La pregunta económica

    Incluso cuando una licencia es barata, existe coste de oportunidad. Horas de configuración, aprendizaje y mantenimiento podrían dedicarse a otras mejoras. Conviene estimar el ahorro esperado y compararlo con ese coste.

    No hace falta precisión financiera extrema. Si una automatización requiere cuarenta horas de construcción para ahorrar diez minutos al año, la decisión es clara. Si elimina varias horas semanales de trabajo repetitivo, el caso cambia.

    También hay beneficios no temporales: menos errores, mayor trazabilidad, respuesta más rápida. Deben incluirse en la valoración.

    Una plantilla de decisión

    Antes de automatizar, el equipo debería poder completar una página: problema; resultado deseado; proceso actual; pasos que eliminamos; datos necesarios; reglas; excepciones; riesgos; responsable; piloto; indicadores; plan de reversión y revisión.

    Si no podemos rellenarla porque todavía no entendemos el proceso, tampoco estamos preparados para automatizarlo.

    Transformación digital con una regla sencilla

    La tecnología tiene sentido cuando reduce trabajo innecesario, mejora información o permite una experiencia que antes no era posible. No tiene sentido por el mero hecho de ser digital.

    La secuencia que conviene recordar es: entender, eliminar, simplificar, probar, automatizar, medir y revisar. El orden importa. Saltar directamente a la herramienta es precisamente lo que convierte una oportunidad de transformación en burocracia digital.

    Un centro no debería aspirar a tener el mayor número de procesos automatizados. Debería aspirar a tener el menor número de procesos necesarios, bien diseñados, comprensibles y sostenibles. La automatización llega después.

    Un ejemplo de principio a fin

    Pensemos en la gestión de una actividad complementaria. El proceso actual pide al profesorado una propuesta en documento, después datos similares en un formulario, una confirmación por correo y finalmente información para familias. El equipo quiere “automatizar las excursiones”.

    El análisis descubre que parte de los datos se repite porque cada documento nació en momentos distintos. La primera mejora es definir una fuente única. Después se separan datos estables —responsable, grupo, fecha, coste— de información que aparece más tarde. Se elimina una validación que nunca cambia la decisión y se mantiene otra porque comprueba disponibilidad y seguridad.

    Solo entonces se diseña la automatización: cuando se aprueba la propuesta, se genera un borrador de comunicación y se actualiza el calendario. El docente revisa antes de enviar. El sistema no decide si la actividad es adecuada; elimina traslados mecánicos de información.

    El piloto muestra además que las actividades con pernocta necesitan un circuito diferente. En vez de complicar el flujo normal con diez condiciones, se crea una salida específica para esos casos.

    Este ejemplo resume una idea: automatizar bien exige conocer el proceso mejor de lo que lo conocíamos antes de tocar la tecnología.

    Indicadores de una automatización saludable

    Después de tres meses deberíamos poder mostrar cambios. Menos entradas duplicadas, menor tiempo medio, menos consultas sobre el estado, menos errores y menor dependencia de correos informales serían señales positivas.

    También conviene mirar efectos no previstos. ¿Aumentó el número de avisos? ¿las familias reciben información más clara? ¿el profesorado entiende quién decide? ¿se ha creado trabajo nuevo para secretaría?

    La evaluación no termina con “funciona”. Un sistema puede funcionar exactamente como fue diseñado y seguir siendo una mala solución.

    Automatizar para recuperar capacidad profesional

    El objetivo más interesante no es ahorrar minutos aislados, sino liberar atención para tareas que necesitan juicio. Cada vez que una máquina copia un dato correctamente, una persona puede dedicar ese tiempo a interpretar, conversar o diseñar.

    Pero ese beneficio solo existe si el tiempo se recupera de verdad. Si cada ahorro se utiliza para añadir un nuevo registro, la transformación no reduce carga.

    Por eso el centro debería vincular las mejoras de proceso con una decisión explícita: qué queremos hacer mejor gracias al tiempo liberado. Preparar, coordinar, atender, analizar o acompañar son destinos más valiosos que llenar otra capa de información.

    La sencillez como indicador de madurez digital

    A veces asociamos madurez tecnológica con sistemas complejos. Puede ser al contrario. Una organización madura sabe cuándo no necesita una herramienta, cuándo una hoja sencilla basta y cuándo merece construir una integración.

    La sofisticación debe responder al problema. Cuantas más piezas tenga una solución, más puntos de fallo y más conocimiento necesita para mantenerse.

    Una buena transformación digital puede terminar con menos aplicaciones, menos formularios y menos automatizaciones que al principio. Lo importante no es cuánto hemos digitalizado, sino cuánto hemos mejorado el trabajo.

    Preguntas para una reunión de revisión

    Una reunión de veinte minutos puede utilizar seis preguntas: ¿qué problema resolvía este proceso?, ¿sigue existiendo?, ¿qué pasos no producen una decisión ni una garantía?, ¿qué información repetimos?, ¿qué parte puede automatizarse con bajo riesgo?, ¿cómo sabremos dentro de tres meses si ha mejorado?

    Responderlas con quienes hacen el trabajo suele revelar más que empezar viendo demostraciones de software.

    La tecnología entra al final de la conversación, cuando el centro sabe qué necesita. Ese orden reduce compras impulsivas, desarrollos innecesarios y frustración.

    Digitalizar bien no consiste en trasladar burocracia al ordenador. Consiste en utilizar la oportunidad tecnológica para revisar por qué trabajamos como trabajamos y conservar únicamente aquello que aporta valor.

    Fuentes consultadas

  • Cuando una IA predice, ¿quién decide? El límite entre recomendación automática y criterio profesional

    Cuando una IA predice, ¿quién decide? El límite entre recomendación automática y criterio profesional

    Un sistema detecta que un alumno presenta un riesgo elevado de abandono. Otro recomienda una actividad porque estima que su nivel actual es insuficiente. Una herramienta identifica patrones de absentismo, propone un itinerario, señala una posible dificultad de aprendizaje o advierte de que un trabajo podría haber sido generado con inteligencia artificial.

    En ninguno de esos casos la máquina tiene necesariamente la última palabra. Puede existir un tutor, un orientador, un profesor o un equipo docente encargado formalmente de tomar la decisión. Sobre el papel, por tanto, sigue habiendo una persona «en el circuito».

    Pero eso no resuelve el problema.

    Porque una IA no necesita decidir para modificar una decisión. Basta con que determine qué alumno aparece primero en una pantalla, a quién etiqueta como «de riesgo», qué porcentaje muestra junto a su nombre, qué recomendación presenta como preferente o qué fragmentos colorea de rojo para orientar la atención de quien debe decidir después.

    La cuestión importante, entonces, deja de ser únicamente si una inteligencia artificial puede acertar. Hay que preguntarse qué está prediciendo realmente, con qué datos, qué errores comete, quién fija los umbrales, cómo modifica el criterio profesional y qué capacidad conserva una persona para apartarse de su recomendación.

    Porque entre utilizar IA para ampliar el criterio profesional y permitir que lo sustituya puede no existir una frontera visible. A veces existe una sucesión de pequeñas decisiones aparentemente inocuas que terminan desplazando el centro de gravedad desde el profesional hacia el sistema.

    Una predicción no es una explicación, un diagnóstico ni una decisión

    Conviene empezar por algo elemental que el lenguaje cotidiano tiende a borrar.

    Cuando un sistema afirma que un estudiante tiene, por ejemplo, un 72 % de probabilidad de abandonar, no está viendo su futuro. Está realizando una inferencia a partir de información disponible y de relaciones encontradas previamente entre determinadas variables y determinados resultados.

    Los modelos utilizados para predecir rendimiento o riesgo educativo pueden incorporar calificaciones anteriores, resultados de evaluaciones, entregas, actividad en plataformas digitales, asistencia, características personales o socioeconómicas y muchas otras variables. La investigación sobre predicción académica muestra además una gran diversidad de modelos, datos y métricas.

    El resultado es probabilístico. Y esto obliga a distinguir cuatro conceptos que con frecuencia se mezclan: predicción, explicación, diagnóstico y decisión.

    Un sistema puede detectar que determinados patrones de asistencia y rendimiento aparecen frecuentemente asociados al abandono. Eso no significa que haya descubierto por qué un alumno concreto está faltando a clase.

    Quizá trabaja por las tardes. Quizá atraviesa una situación familiar difícil. Quizá ha dejado de participar porque piensa abandonar. Quizá falta precisamente porque ya domina parte del contenido. Quizá existe un problema económico, emocional, relacional o académico que no aparece en ninguna base de datos.

    La correlación puede ser útil para llamar nuestra atención. No explica necesariamente la causa.

    Y la diferencia importa porque una intervención educativa necesita algo más que saber que existe un riesgo. Necesita comprender qué está ocurriendo suficientemente bien como para decidir qué hacer.

    Si confundimos indicador y causa, podemos terminar actuando sobre aquello que el sistema sabe medir en lugar de hacerlo sobre aquello que el alumno necesita.

    El alumno que conoce el algoritmo no es necesariamente el alumno que conoce el profesor

    Aquí aparece una diferencia fundamental entre conocimiento estadístico y conocimiento situado.

    Un modelo puede procesar simultáneamente miles o millones de observaciones y descubrir relaciones imposibles de detectar mediante observación individual. Esa es precisamente una de sus grandes fortalezas.

    El profesional dispone de otro tipo de información. Conoce —cuando las condiciones de trabajo se lo permiten— la evolución reciente del alumno, sus conversaciones, su comportamiento en diferentes contextos, cambios familiares, relaciones con compañeros, motivación, acontecimientos excepcionales o información aportada por otros profesionales.

    Ninguna de las dos perspectivas es automáticamente superior en todos los casos. El problema aparece cuando confundimos una con la otra.

    Los datos disponibles para el algoritmo no equivalen a toda la información relevante sobre la persona. Y el conocimiento profesional tampoco garantiza ausencia de prejuicios, errores de percepción o expectativas equivocadas.

    Por eso la cuestión interesante no consiste en decidir quién «sabe más», humano o algoritmo. Consiste en diseñar una relación en la que las capacidades de uno permitan detectar los errores del otro.

    Un 85 % de acierto puede esconder una mala decisión

    Las métricas agregadas son especialmente peligrosas cuando se trasladan sin contexto a decisiones individuales.

    Supongamos que un sistema afirma alcanzar un 85 % de precisión. Parece un resultado excelente. Pero para valorar su utilidad educativa necesitamos bastante más información.

    ¿Qué significa exactamente ese 85 %? ¿Qué porcentaje de alumnos realmente en riesgo consigue detectar? ¿Cuántos estudiantes que no iban a abandonar son clasificados como si fueran a hacerlo? ¿Comete los mismos errores con todos los grupos? ¿Ha sido validado con alumnado parecido al de nuestro centro? ¿Mantiene su rendimiento cuando cambian las cohortes, los programas o las circunstancias?

    En educación, los errores tampoco son simétricos. Un falso negativo puede dejar sin apoyo a una persona que lo necesitaba. Un falso positivo puede provocar que alguien sea observado, derivado, orientado o tratado como estudiante de riesgo sin serlo.

    No existe una respuesta matemática universal sobre cuál de los dos errores es peor. Depende de las consecuencias.

    Si una alerta simplemente invita al tutor a revisar información adicional, un falso positivo puede tener un coste pequeño. Si la clasificación condiciona orientación, evaluación, acceso a oportunidades o expectativas sobre el alumno, las consecuencias pueden ser muy diferentes.

    Por eso la pregunta relevante no es únicamente cuánto acierta el algoritmo. También debemos preguntar: ¿cómo se equivoca y quién soporta el coste de sus errores?

    El umbral también es una decisión

    Imaginemos que un modelo produce para cada estudiante un valor de riesgo entre 0 y 1: 0,43; 0,61; 0,72; 0,84. La máquina ha producido una puntuación. Todavía falta decidir qué hacemos con ella.

    Podemos establecer que cualquier resultado superior a 0,60 active una alerta. O utilizar 0,70. O 0,80. Cada elección cambia el número de estudiantes identificados y modifica el equilibrio entre falsos positivos y falsos negativos.

    Ese umbral puede parecer un detalle técnico escondido dentro del sistema. No lo es. Es una decisión institucional sobre qué riesgo estamos dispuestos a tolerar.

    Un estudio de 2026 sobre un sistema de alerta temprana en educación STEM plantea precisamente que el umbral de clasificación debe relacionarse con el coste relativo de los distintos tipos de error.

    Esto cambia mucho la pregunta «¿quién decide?». Porque la decisión no empieza cuando un tutor recibe una alerta. Alguien ya decidió anteriormente qué variables se utilizarían, qué resultado debía predecirse, qué modelo era suficientemente bueno, qué umbral transformaría una probabilidad en una alerta y quién tendría acceso a ella.

    La responsabilidad está distribuida a lo largo de toda la cadena.

    Exactitud y equidad no son la misma pregunta

    Un modelo puede presentar un buen rendimiento global y funcionar peor para determinados grupos. Por eso evaluar únicamente su precisión media es insuficiente.

    Una revisión sistemática sobre sesgos y equidad en algoritmos educativos examinó investigaciones sobre predicción del abandono, rendimiento, clasificación y recomendación, y subraya la necesidad de analizar la equidad además del rendimiento predictivo.

    Esto introduce una dificultad que una cifra única de precisión oculta. No basta con preguntar: ¿funciona el sistema? Hay que añadir: ¿para quién funciona, en qué condiciones y para quién se equivoca más?

    Los datos históricos describen además un sistema educativo que ya contiene desigualdades, diferencias de oportunidades y decisiones humanas anteriores. Aprender de esos datos no significa aprender de una realidad neutral.

    Un modelo puede descubrir patrones reales y, precisamente por ser reales, reproducir desigualdades que ya existían.

    Cuando una predicción empieza a cambiar aquello que predice

    Este es probablemente uno de los problemas más profundos de la predicción educativa.

    Una predicción meteorológica no cambia la trayectoria de un huracán. Una predicción sobre una persona puede cambiar cómo otras personas se relacionan con ella.

    Imaginemos que junto al nombre de un estudiante aparece: RIESGO DE ABANDONO: ALTO.

    Desde ese momento la información entra en el sistema social del centro. Puede hacer que el tutor preste más atención al alumno, que sería precisamente el objetivo deseado. Pero también puede modificar las expectativas sobre su futuro.

    Puede cambiar la manera en que interpretamos una ausencia, una mala nota o una conversación. Una conducta ambigua que antes habría parecido circunstancial puede empezar a verse como confirmación del riesgo anunciado.

    La clasificación deja entonces de limitarse a describir. Empieza a intervenir.

    La investigación sobre learning analytics lleva tiempo señalando el riesgo de etiquetado y de dinámicas de profecía autocumplida. «Riesgo alto» no significa «alumno destinado al fracaso». Significa, en el mejor de los casos, que determinados datos se parecen suficientemente a patrones anteriores como para justificar una revisión profesional.

    Convertir una probabilidad en una identidad es uno de los errores más peligrosos que podemos cometer.

    La IA puede influir aunque no decida

    Imaginemos que el centro establece: «La IA nunca decide. La decisión final corresponde siempre al profesor».

    Puede parecer una garantía suficiente. No necesariamente.

    Un experimento publicado en 2026 con 214 docentes universitarios mantuvo constante el mismo trabajo de un estudiante y modificó la información proporcionada por un supuesto detector de IA. Cuando la alerta algorítmica era alta, cambiaron las valoraciones del mismo texto en varias dimensiones y aumentó la disposición declarada a intervenir. Determinadas señales visuales reforzaron algunos efectos.

    El alcance del estudio debe interpretarse con prudencia: es un experimento controlado con una población y una tarea concretas. Pero permite observar algo conceptualmente importante: la salida del algoritmo puede modificar el juicio humano aunque el algoritmo no tenga autoridad para tomar la decisión.

    El porcentaje actúa como información previa. El color dirige la atención. La etiqueta crea un marco desde el que empezamos a interpretar la evidencia.

    Esto transforma el diseño de una interfaz en una cuestión pedagógica y ética. No es igual mostrar en rojo «87 % — RIESGO ALTO» que indicar que el sistema ha identificado un patrón que requiere revisión, acompañado de las evidencias utilizadas, sus limitaciones y una advertencia explícita de que el resultado no determina la decisión.

    La interfaz también gobierna.

    El sesgo de automatización: cuando la recomendación se convierte en ancla

    Este fenómeno se relaciona con el denominado sesgo de automatización: la tendencia a confiar automática o excesivamente en la salida de un sistema.

    Resulta especialmente relevante cuando la máquina no ejecuta directamente una acción, sino que ofrece información o recomendaciones para que otra persona decida.

    Es significativo que el propio Reglamento (UE) 2024/1689 de Inteligencia Artificial mencione expresamente este riesgo. Para los sistemas de alto riesgo, su artículo 14 exige que quienes ejercen la supervisión puedan comprender suficientemente las capacidades y limitaciones del sistema, interpretar correctamente sus resultados, ser conscientes de la posible tendencia a confiar automática o excesivamente en ellos y, cuando corresponda, ignorar, anular o revertir su salida.

    Es una concepción de la supervisión humana mucho más exigente que tener una persona sentada frente a la pantalla.

    Porque un humano puede estar formalmente dentro del circuito y cognitivamente fuera de él.

    El humano en el circuito no garantiza criterio humano

    Supongamos que un orientador recibe veinte alertas. Tiene poco tiempo para revisarlas. El algoritmo ofrece una recomendación clara. La documentación sobre cómo se obtiene es difícil de interpretar. La organización considera excepcional apartarse de ella. Y si el profesional discrepa, debe justificar por escrito su decisión.

    Formalmente decide una persona. En la práctica, el diseño institucional empuja hacia la aceptación.

    Aquí aparece lo que podríamos llamar automatización silenciosa. Nadie ha aprobado una norma diciendo que deba obedecerse al algoritmo. Pero el coste de cuestionarlo es superior al coste de aceptarlo.

    Con el tiempo, la recomendación puede convertirse en opción por defecto. Y entonces aparece una peligrosa inversión de la carga de la prueba: ya no tiene que justificarse por qué seguimos la recomendación; debe justificarse por qué nos apartamos de ella.

    Una supervisión humana real requiere, por tanto, algo más que autoridad formal. Necesita tiempo, información, competencia, posibilidad efectiva de discrepancia y una cultura organizativa en la que disentir razonadamente del sistema no se considere un error.

    También podemos diseñar procesos que protejan el juicio independiente

    La influencia de una recomendación no depende únicamente de su contenido. También importa cuándo aparece.

    Un experimento de 2026 con futuros docentes comparó distintas secuencias de decisión. Cuando las recomendaciones eran deliberadamente erróneas, quienes habían formulado primero un juicio independiente fueron menos susceptibles a seguirlas. Los autores advierten que se trata de escenarios controlados y que su transferencia a contextos reales requiere más investigación.

    Pero la implicación de diseño es interesante. Quizá preservar el criterio profesional no dependa solo de formar al profesor para «pensar críticamente». Puede depender también de diseñar el flujo de trabajo para obligarnos a pensar antes de ver qué piensa la máquina.

    1. El profesional revisa primero la evidencia disponible.
    2. Registra una valoración preliminar.
    3. Consulta después la recomendación algorítmica.
    4. Compara ambas.
    5. Si existe una discrepancia relevante, revisa las razones.
    6. Registra finalmente la decisión.

    Eso convierte la supervisión humana en arquitectura del proceso y no únicamente en una declaración de principios.

    Pero tampoco debemos caer en la aversión al algoritmo

    Hasta aquí podría parecer que la conclusión lógica es desconfiar siempre de las recomendaciones automatizadas. Sería otro error.

    El juicio profesional humano tampoco es infalible. Tenemos sesgos, información incompleta, cansancio, exceso de confianza y dificultades para procesar grandes cantidades de datos.

    Una investigación publicada en Computers & Education en 2026 estudió cómo utilizaban educadores el consejo algorítmico en una simulación de recomendación educativa. Los participantes tendieron a apoyarse más en su propio juicio, aunque la mayoría utilizó el consejo algorítmico al menos alguna vez.

    El objetivo, por tanto, no debería ser conseguir profesionales que obedezcan a la IA. Tampoco profesionales que la ignoren.

    Lo deseable es algo bastante más difícil: confianza calibrada.

    Confiar cuando existen razones para hacerlo. Dudar cuando existen razones para dudar. Y disponer de suficiente información para distinguir una situación de otra.

    No todos los usos educativos de IA tienen el mismo riesgo

    También conviene evitar otra simplificación frecuente.

    El Reglamento europeo de Inteligencia Artificial no clasifica como alto riesgo cualquier uso de IA en educación.

    Su anexo III identifica determinados usos relacionados, entre otros, con acceso o admisión, evaluación de resultados de aprendizaje, determinación del nivel educativo apropiado y seguimiento o detección de comportamientos prohibidos durante exámenes. Por tanto, no puede afirmarse que cualquier sistema de recomendación, alerta temprana o predicción de abandono sea automáticamente de alto riesgo en el sentido jurídico del Reglamento.

    La clasificación depende de la finalidad y características concretas del sistema y de las reglas establecidas en la propia norma.

    Esta precisión jurídica no reduce la importancia del problema. La refuerza, porque obliga a distinguir dos preguntas: ¿qué exige legalmente el Reglamento a este sistema concreto? y ¿qué garantías educativas necesitamos aunque el sistema no quede jurídicamente clasificado como de alto riesgo?

    No todo lo pedagógicamente delicado necesita estar jurídicamente clasificado como «alto riesgo» para merecer cautela.

    La transparencia útil no consiste en explicar todas las matemáticas

    A veces se responde a estos problemas reclamando «algoritmos explicables». Pero tampoco aquí conviene simplificar.

    Un profesor, tutor u orientador no necesita necesariamente conocer todas las operaciones matemáticas realizadas por el modelo. Necesita comprender lo suficiente para utilizar su resultado responsablemente.

    Eso significa conocer qué pretende predecir; con qué tipo de datos; para qué población fue validado; qué precisión puede esperarse; qué errores conocidos presenta; si funciona peor con determinados grupos; qué significa exactamente la puntuación; qué consecuencias debe y no debe desencadenar; y cómo puede cuestionarse el resultado.

    El AI Act sigue una lógica semejante para los sistemas de alto riesgo: exige transparencia suficiente para interpretar y utilizar correctamente sus resultados e información sobre finalidad, precisión, limitaciones y circunstancias que puedan afectar al rendimiento.

    Explicar no significa abrir una caja negra y mostrar miles de parámetros. Significa proporcionar información accionable para una decisión responsable.

    Cuando el profesional discrepa, descubrimos quién decide realmente

    Existe una prueba bastante sencilla para evaluar la calidad de un sistema de supervisión humana: ¿qué ocurre cuando el profesional dice que no?

    Imaginemos que el algoritmo clasifica a una alumna como de alto riesgo. Su tutora conoce información reciente que no aparece en los datos y considera que la alerta está descontextualizada.

    ¿Puede descartarla? ¿Puede introducir información contradictoria? ¿Queda registrada la discrepancia? ¿Debe justificarla? ¿La decisión profesional tiene el mismo peso que la recomendación automática? ¿Se utiliza esa discrepancia posteriormente para comprobar si el modelo está fallando?

    Un sistema donde nadie discrepa puede ser un sistema extraordinariamente preciso. O puede ser un sistema donde discrepar resulta demasiado difícil.

    Las discrepancias son también información. Pueden revelar un dato ausente, una circunstancia excepcional, un sesgo, una mala calibración, un cambio en la población o una limitación del modelo.

    Una organización madura no debería limitarse a registrar cuándo los profesionales siguen al algoritmo. Debería aprender también de cuándo tienen buenas razones para no hacerlo.

    La responsabilidad empieza mucho antes de la decisión final

    Decir «la responsabilidad final es del profesor» puede parecer una defensa del criterio profesional. En determinadas circunstancias puede convertirse exactamente en lo contrario.

    Si el profesional recibe un sistema que no ha elegido, con variables que no conoce, un umbral que no ha fijado y una recomendación cuya lógica apenas puede interpretar, atribuirle toda la responsabilidad por pulsar el último botón resulta insuficiente.

    La responsabilidad comienza antes: alguien decide adquirir la herramienta, define la finalidad, determina qué datos puede utilizar, acepta unas métricas de rendimiento, configura los umbrales, decide quién ve las alertas, diseña la interfaz, establece qué consecuencias puede desencadenar cada resultado y debe comprobar después si funciona como se esperaba.

    Por eso la gobernanza de IA no puede reducirse a colocar un humano al final del proceso. Debe abarcar todo el sistema sociotécnico en el que algoritmo, datos, profesionales, normas, interfaz y organización producen conjuntamente la decisión.

    Europa está desplazando el debate hacia el juicio profesional

    Las conclusiones del Consejo de la Unión Europea de 2026 sobre el profesorado en la era de la inteligencia artificial resultan especialmente relevantes. El documento aborda la agencia y supervisión humanas, la dependencia tecnológica, la responsabilidad, los sesgos y el exceso de confianza, y sitúa el juicio profesional, la autonomía pedagógica y la responsabilidad dentro de una educación centrada en las personas.

    No se trata únicamente de una posición defensiva frente a la tecnología. El profesorado puede desempeñar también un papel activo en la evaluación crítica, selección y adaptación contextual de estas herramientas.

    La OCDE plantea en 2026 una dirección semejante al abordar la relación entre IA y agencia profesional docente. Y UNESCO viene defendiendo un enfoque centrado en el ser humano que combina regulación, validación ética, diseño pedagógico y desarrollo de capacidades.

    El objetivo no consiste en mantener la IA fuera de la educación. Consiste en evitar que su incorporación vacíe progresivamente de contenido la capacidad humana de decidir.

    Doce preguntas antes de utilizar una predicción para decidir

    Todo lo anterior puede traducirse en una prueba práctica. Antes de permitir que una predicción algorítmica influya en una decisión educativa deberíamos poder responder, como mínimo, a estas cuestiones:

    1. ¿Qué predice exactamente el sistema? No qué promete comercialmente, sino cuál es la variable concreta que estima.
    2. ¿Con qué datos lo hace? Qué información utiliza y qué aspectos relevantes de la realidad del alumno quedan necesariamente fuera.
    3. ¿Para qué población ha sido validado? Un buen rendimiento en otro contexto no garantiza el mismo comportamiento en nuestro alumnado.
    4. ¿Cómo se equivoca? No basta con conocer su precisión media: necesitamos comprender falsos positivos, falsos negativos y, cuando sea pertinente, diferencias entre grupos.
    5. ¿Quién ha decidido el umbral? Y qué consecuencias tiene moverlo.
    6. ¿Qué ocurre después de una alerta? Una predicción sin un protocolo de intervención útil puede limitarse a clasificar personas sin ayudarlas.
    7. ¿Puede el profesional formar un juicio independiente antes de consultar la recomendación?
    8. ¿Puede apartarse realmente de ella? No solo formalmente, sino sin barreras organizativas que conviertan la discrepancia en una opción excepcional.
    9. ¿Queda registrada la discrepancia? Y, sobre todo, ¿se utiliza después para aprender si el sistema estaba equivocado?
    10. ¿Puede la persona afectada conocer que la IA ha intervenido y cuestionar la decisión cuando corresponda?
    11. ¿Quién evalúa periódicamente el sistema? Un modelo que funcionaba con una población y unas condiciones determinadas puede dejar de hacerlo.
    12. ¿Quién responde de todo el proceso? No solo de la última pulsación del botón.

    Si un centro no puede responder razonablemente a estas preguntas, quizá todavía no tiene un problema de inteligencia artificial. Tiene un problema de gobernanza.

    El verdadero límite no está donde pensábamos

    Durante mucho tiempo hemos imaginado una frontera sencilla. A un lado estaría la máquina que recomienda. Al otro, la persona que decide. Mientras el ser humano conserve la última palabra, suponemos que el criterio profesional permanece protegido.

    La realidad es bastante más compleja.

    Una IA puede no tomar ninguna decisión formal y, sin embargo, determinar qué casos vemos primero, qué consideramos anormal, dónde dirigimos nuestra atención, qué nivel de riesgo aceptamos, qué explicación buscamos y desde qué expectativa empezamos a mirar a una persona.

    Por eso preservar el criterio profesional no consiste simplemente en reservar al docente el último clic.

    Significa conservar su capacidad para comprender, contextualizar, cuestionar, aportar información que el sistema desconoce y apartarse de su recomendación cuando existan razones para hacerlo. También significa reconocer cuándo una señal algorítmica está mostrando algo que el profesional no había visto.

    La buena integración no exige obediencia. Tampoco resistencia. Exige una relación en la que tanto el juicio humano como la predicción automática puedan ser sometidos a contraste.

    La inteligencia artificial puede ampliar extraordinariamente nuestra capacidad para detectar patrones y anticipar necesidades. Pero una persona no es únicamente el conjunto de variables que un sistema ha conseguido registrar sobre ella.

    Ese quizá sea el límite más importante.

    El riesgo no comienza cuando dejamos que una máquina tome la decisión final. Puede comenzar mucho antes: cuando dejamos que determine, sin suficiente examen, qué información consideramos relevante, qué alumno nos preocupa, qué explicación buscamos y desde qué expectativa empezamos a mirarlo.

    Fuentes y lecturas

  • Coaching o evaluación: cómo acompañar a un docente sin convertir cada conversación en control

    Coaching o evaluación: cómo acompañar a un docente sin convertir cada conversación en control

    Dos personas pueden sentarse a hablar de una clase y vivir conversaciones completamente distintas. Una puede pensar que están analizando juntos qué funcionó y qué podría mejorar. La otra puede estar preguntándose qué consecuencias tendrá cada frase que diga.

    Cuando ocurre eso, el problema no está necesariamente en las preguntas. Está en la función que atribuimos a la conversación.

    El acompañamiento profesional puede ayudar a revisar decisiones, probar alternativas y aprender de la práctica. Pero pierde gran parte de su valor cuando se confunde con supervisión, evaluación o control.

    Acompañar y evaluar no son lo mismo

    La evaluación profesional necesita criterios, evidencias y consecuencias definidas. El acompañamiento busca generar reflexión y mejora.

    Ambas funciones pueden ser legítimas. El problema aparece cuando se mezclan sin explicitarlo.

    Si una conversación pretende evaluar, debe decirlo. Si pretende acompañar, necesita unas condiciones que permitan reconocer dudas, errores y dificultades sin que cada reconocimiento se interprete automáticamente como una prueba de incompetencia.

    No se aprende de la práctica fingiendo que todo sale bien.

    Cuando el docente no sabe si está siendo ayudado o evaluado

    La ambigüedad modifica la conversación.

    Un docente que cree estar siendo evaluado tenderá razonablemente a proteger su imagen profesional. Elegirá qué cuenta, evitará determinadas dudas y presentará las decisiones de la manera más favorable posible.

    Eso puede ser comprensible en un proceso de evaluación, pero empobrece un proceso de aprendizaje profesional.

    Antes de iniciar un acompañamiento deberían estar claras cuestiones básicas: cuál es su finalidad, quién participa, qué información se recogerá, qué uso tendrá y cuáles son sus límites.

    La confianza no se obtiene pidiéndola. Se construye mediante reglas previsibles.

    Observar una clase sin convertir la observación en control

    Entrar en un aula es una de las formas más potentes de comprender la práctica, pero también una de las más sensibles.

    La diferencia puede empezar antes de la observación. En lugar de acudir con una lista interminable de aspectos que juzgar, acompañante y docente pueden acordar un foco: participación, claridad de las consignas, transiciones, preguntas o distribución del tiempo.

    La observación entonces recoge evidencias sobre una pregunta compartida.

    “Cinco alumnos participaron espontáneamente y siete lo hicieron después de una pregunta dirigida” aporta más información que “la participación fue insuficiente”. La primera formulación describe. La segunda ya interpreta.

    Separar evidencia e interpretación mejora la conversación posterior.

    Qué convierte el feedback en una herramienta de mejora

    El feedback útil no es el que contiene más recomendaciones. Es el que ayuda a comprender mejor una situación y permite elegir una acción posible.

    Preguntar antes de diagnosticar

    Antes de explicar al docente qué ocurrió, conviene preguntarle qué vio él. Quizá exista una intención que el observador desconoce o un antecedente del grupo que cambia la interpretación.

    Trabajar sobre evidencias

    Las conversaciones mejoran cuando se apoyan en situaciones concretas: qué pregunta se formuló, cuánto duró una actividad, qué hicieron los alumnos, en qué momento apareció una dificultad.

    Las etiquetas generales son difíciles de convertir en decisiones.

    Elegir una mejora concreta

    Una conversación puede producir diez ideas y ningún cambio. Es preferible seleccionar una decisión pequeña, probarla y volver a observar qué ocurre.

    El objetivo no es terminar la reunión con un informe perfecto. Es aumentar la capacidad del docente para intervenir sobre su propia práctica.

    Autonomía, confianza y confidencialidad: las condiciones del acompañamiento

    Acompañar no significa decidir por otra persona.

    El profesional debe conservar un margen real para interpretar las evidencias, valorar alternativas y decidir qué cambios tienen sentido en su contexto. Si todas las conversaciones terminan con una instrucción que debe cumplirse, estamos ante otra relación.

    También deben estar claros los límites de la confidencialidad. Prometer que “nada saldrá de aquí” cuando existen situaciones que exigirían actuar no es una buena base. Es mejor definir de antemano qué puede mantenerse en el espacio de acompañamiento y qué circunstancias requieren otro procedimiento.

    La seguridad profesional no consiste en eliminar toda responsabilidad, sino en saber qué reglas operan.

    Cuándo el acompañamiento debe terminar y empezar otro procedimiento

    No todos los problemas pueden resolverse mediante coaching, mentoría o conversación reflexiva.

    Puede haber incumplimientos, situaciones de protección, conflictos graves o responsabilidades organizativas que requieran mecanismos distintos. Intentar tratarlos como acompañamiento perjudica a ambas funciones.

    El límite debe ser explícito: mientras analizamos práctica y desarrollo profesional estamos en un espacio; cuando aparece una cuestión que exige intervención formal, debe comunicarse el cambio.

    Lo importante es no transformar retrospectivamente una conversación presentada como acompañamiento en material evaluativo sin reglas conocidas.

    Cómo saber si estamos acompañando o controlando

    ¿El docente puede proponer el foco? ¿Puede discrepar? ¿Las evidencias se utilizan para comprender o para acumular defectos? ¿Cada conversación genera un documento obligatorio? ¿El acompañante ofrece alternativas o prescribe soluciones? ¿Se espera que el docente termine aplicando la opción preferida por quien acompaña?

    Una señal especialmente reveladora es lo que ocurre con la incertidumbre. En un espacio de acompañamiento debería ser posible decir “no sé por qué esto no funcionó”. Si reconocerlo resulta peligroso, la conversación tenderá a convertirse en representación.

    Un buen acompañamiento debería hacer cada vez menos necesario al acompañante

    El objetivo no es crear docentes dependientes de una persona que observa, interpreta y aconseja.

    El acompañamiento funciona cuando mejora la capacidad de observar la propia práctica, formular preguntas, buscar evidencias, probar alternativas y valorar resultados. Con el tiempo, parte de ese diálogo externo debería convertirse en una rutina profesional interna.

    Esto cambia incluso la forma de medir el éxito. No se trata de cuántas reuniones se han celebrado ni de cuántas recomendaciones se han emitido. Se trata de si el docente dispone de mejores herramientas para tomar decisiones sin necesitar continuamente a quien le acompañó.

    Acompañar no es vigilar con un lenguaje amable. Tampoco consiste en evitar cualquier evaluación. Es construir un espacio con una finalidad distinta, reglas claras y suficiente confianza para poder mirar la práctica tal como es.

    Cuando eso ocurre, la conversación deja de ser un examen y se convierte en una herramienta profesional.

    La conversación cambia según quién tiene poder

    No es igual recibir feedback de un compañero elegido que de una persona que puede influir en horarios, responsabilidades o evaluación. Aunque ambas formulen las mismas preguntas, la relación de poder cambia cómo se interpretan.

    Por eso no basta con adoptar técnicas de coaching. Un responsable jerárquico puede acompañar, pero necesita reconocer la doble posición y delimitar cuándo actúa como apoyo y cuándo como evaluador.

    La claridad protege a ambos. El docente sabe qué puede esperar y quien acompaña evita prometer una confidencialidad que quizá no pueda mantener.

    El contrato de acompañamiento

    Antes de observar o conversar conviene acordar un pequeño contrato profesional: propósito, foco, duración, uso de notas, confidencialidad, forma de feedback y decisión sobre pasos siguientes.

    No necesita ser un documento burocrático. Puede ser una conversación de cinco minutos. Lo importante es eliminar ambigüedad.

    También conviene acordar qué no es el proceso. Si no va a producir una calificación, decirlo. Si determinadas situaciones obligarían a activar otro procedimiento, explicarlo.

    Elegir un foco pequeño

    “Mejorar mi clase” es demasiado amplio. “Conseguir que más alumnado participe antes de que respondan siempre los mismos” permite observar.

    Los focos concretos reducen la sensación de juicio global. Nadie está evaluando si alguien “es buen profesor”; estamos intentando comprender una práctica específica.

    También facilitan evidencias. Podemos contar tiempos de espera, turnos, preguntas o intervenciones. La conversación se aleja de impresiones personales.

    Evidencia antes que adjetivos

    “Has explicado demasiado” invita a defenderse. “Durante los primeros 23 minutos habló principalmente el profesor” ofrece un dato que podemos interpretar juntos.

    La evidencia no elimina el juicio profesional, pero lo retrasa. Primero describimos, después preguntamos qué significa y finalmente decidimos si merece cambiar algo.

    Esta separación es especialmente útil cuando observador y docente tienen estilos diferentes. El acompañamiento no debería convertir preferencias personales en estándares universales.

    Preguntas que abren reflexión

    Una buena pregunta no es una orden disfrazada. “¿No crees que deberías usar trabajo cooperativo?” contiene ya la respuesta esperada. “¿Qué querías conseguir en ese momento y qué señales viste?” permite reconstruir la decisión.

    Otras preguntas útiles son: ¿qué te sorprendió?, ¿en qué momento cambió el grupo?, ¿qué repetirías?, ¿qué probarías si tuvieras otra oportunidad?, ¿qué evidencia necesitaríamos para saber si mejora?

    El acompañante no renuncia a aportar conocimiento. Puede ofrecer alternativas después de comprender el razonamiento del docente.

    Cuando el acompañante ve algo que el docente no ve

    No todo debe quedar en preguntas. Si existe un patrón claro, puede señalarse. La diferencia está en cómo se presenta.

    “Me fijé en que después de cada pregunta esperabas aproximadamente un segundo antes de responder tú mismo. ¿Quieres que revisemos qué pasó?” abre análisis. “No dejas pensar al alumnado” convierte la observación en juicio.

    El objetivo no es suavizar artificialmente el lenguaje, sino hacerlo más preciso.

    Feedback no significa lista de mejoras

    Una sesión que termina con doce recomendaciones puede resultar menos útil que otra con una sola decisión. La capacidad de cambio es limitada y cada modificación interactúa con el resto.

    Conviene priorizar aquello que tenga mayor relación con el objetivo y sea suficientemente pequeño para probarse. Después se observa de nuevo.

    Este ciclo —foco, evidencia, hipótesis, prueba, nueva evidencia— convierte el acompañamiento en aprendizaje profesional.

    El derecho a no adoptar una sugerencia

    Si el proceso es realmente formativo, el docente puede escuchar una alternativa y decidir no aplicarla, siempre dentro de sus responsabilidades profesionales.

    Esa posibilidad es importante. Obliga al acompañante a argumentar en vez de imponer y al docente a justificar su criterio.

    La autonomía no significa inmunidad a la evidencia. Significa capacidad de decidir razonadamente.

    Cuándo el vídeo ayuda

    La grabación puede aportar evidencia especialmente rica porque permite volver a momentos concretos. Pero también aumenta sensibilidad y debe gestionarse con garantías de privacidad, finalidad y acceso.

    El vídeo funciona mejor cuando el docente conoce el foco y puede seleccionar fragmentos. No debería convertirse en archivo permanente de vigilancia.

    Una secuencia útil es mirar primero sin comentar, describir lo observado, comparar con la intención y elegir una pequeña prueba para la siguiente clase.

    Coaching entre iguales

    El acompañamiento no tiene por qué venir siempre de dirección. Las parejas o pequeños grupos docentes pueden observarse y compartir feedback.

    TALIS ha mostrado que las formas profundas de colaboración —observación, feedback y aprendizaje profesional conjunto— son menos frecuentes que intercambiar materiales o hablar de alumnado, aunque quienes reciben feedback de colegas suelen considerarlo útil.

    El reto no es obligar a observar más, sino crear condiciones para que la observación sea profesionalmente valiosa.

    La confianza no puede decretarse

    Un centro puede anunciar una “cultura de confianza” y mantener prácticas que transmiten lo contrario. Si toda dificultad reconocida genera registro, si las conversaciones se citan después fuera de contexto o si discrepar tiene coste, el profesorado aprenderá a protegerse.

    La confianza se construye mediante experiencias repetidas de previsibilidad: sabemos para qué hablamos, qué ocurrirá con la información y qué límites existen.

    También requiere competencia. Confiamos más en el feedback de alguien capaz de observar con precisión y comprender el contexto.

    Diferenciar desarrollo de corrección

    Hay situaciones en las que un profesional necesita mejorar una práctica y otras en las que existe un incumplimiento. Mezclarlas daña el acompañamiento.

    Si existe una obligación clara que no se cumple, quizá corresponda una actuación formal. Presentarla como “coaching” puede convertir el lenguaje de desarrollo en mecanismo disciplinario encubierto.

    A la inversa, utilizar procedimientos formales para cualquier dificultad impide experimentar y aprender.

    Qué ocurre cuando aparece un problema serio

    El límite debe haberse explicado antes. Si durante el acompañamiento aparece una cuestión de seguridad, protección o incumplimiento grave, quien acompaña puede tener que actuar.

    Lo importante es comunicar el cambio: “hasta aquí estábamos trabajando en un espacio de desarrollo; esto requiere otro procedimiento”. No fingir que nada ha cambiado.

    Esa honestidad protege más confianza que prometer confidencialidad absoluta y romperla después.

    Acompañamiento y evaluación pueden coexistir

    Separar funciones no significa que una organización deba renunciar a evaluar. La evaluación cumple finalidades de responsabilidad y calidad; el acompañamiento, de aprendizaje.

    Pueden coexistir si sus reglas, evidencias y consecuencias están diferenciadas. Incluso una evaluación puede generar después objetivos de desarrollo, pero no debería apropiarse retrospectivamente de conversaciones que se presentaron como confidenciales.

    Una sesión de treinta minutos

    Una estructura práctica podría ser: cinco minutos para que el docente reconstruya la situación; diez para revisar evidencias; diez para explorar explicaciones y alternativas; cinco para elegir una prueba.

    No es una receta universal. Su valor está en impedir que la conversación se convierta en monólogo del acompañante.

    La siguiente sesión empieza preguntando qué ocurrió con la prueba, no comprobando si se obedeció.

    Señales de dependencia

    El acompañamiento puede fallar también por exceso de apoyo. Si el docente consulta cada decisión, espera aprobación o intenta reproducir el estilo del mentor, no estamos ampliando autonomía.

    El acompañante debería transferir herramientas: cómo formular un foco, recoger evidencia, interpretar y probar. Con el tiempo, el docente puede aplicar el ciclo sin ayuda externa.

    Señales de control disfrazado

    Hay señales claras: focos impuestos siempre desde arriba; notas cuyo uso no se explica; recomendaciones que en realidad son órdenes; obligación de mostrar mejora en el sentido elegido por el observador; ausencia de derecho a discrepar; acumulación de evidencias para decisiones no anunciadas.

    Ninguna técnica de comunicación compensa ese diseño. Podemos hacer preguntas amables y seguir ejerciendo control.

    Qué medir

    Contar reuniones dice poco. Podemos valorar si el docente formula preguntas más precisas, utiliza evidencia, prueba cambios, identifica efectos y necesita menos dirección externa.

    También podemos preguntar si el proceso resulta seguro y útil. Una respuesta negativa no demuestra que el profesorado “se resista”; puede señalar problemas de diseño.

    El acompañante también necesita feedback

    La relación no es unidireccional. Quien acompaña debería preguntar qué parte de la conversación ayudó, cuál no y qué podría hacer diferente.

    Esta práctica modela precisamente la apertura que se pide al docente y evita que el acompañante se coloque fuera del proceso de aprendizaje.

    Cierre

    Acompañar bien exige una combinación difícil: suficiente confianza para hablar de lo que no funciona y suficiente rigor para no convertir la conversación en simple apoyo emocional.

    La evidencia aporta rigor. La claridad de roles aporta seguridad. La autonomía convierte el feedback en desarrollo profesional.

    El éxito llega cuando el docente no aprende a agradar al acompañante, sino a observar mejor su propia práctica. En ese momento la conversación deja de funcionar como control externo y empieza a convertirse en criterio profesional interno.

    Un caso completo: participación en el aula

    Una docente pide ayuda porque siempre responden los mismos alumnos. Antes de observar, acuerda con su compañera registrar quién participa, qué tipo de preguntas preceden a cada intervención y cuánto tiempo de espera existe.

    La observación muestra que la profesora formula muchas preguntas abiertas, pero responde ella misma cuando pasan dos segundos. También muestra que cuando permite comentar primero por parejas aumenta el número de voces.

    La conversación no necesita concluir “debes usar parejas”. Puede explorar qué objetivo perseguía, qué coste tendría aumentar espera y qué alternativa quiere probar. La docente decide ensayar cinco segundos de espera y una breve conversación por parejas en dos momentos.

    Una semana después vuelven a recoger datos. Ha aumentado la participación, pero también se alargó una actividad. Ahora existe nueva evidencia para ajustar.

    Ese ciclo es acompañamiento: no una receta, sino capacidad creciente para analizar decisiones.

    Un caso distinto: una dificultad que exige actuación formal

    Durante una observación aparece una conducta que vulnera una obligación clara. Aquí fingir que todo pertenece al coaching sería inadecuado.

    Quien acompaña debe explicar que la situación cambia de marco y qué procedimiento corresponde. La transparencia puede resultar incómoda, pero protege mejor la relación que utilizar después notas tomadas con otra finalidad.

    Separar funciones no significa ignorar problemas. Significa tratarlos con las reglas adecuadas.

    Quién debería acompañar

    No existe una única figura ideal. Puede ser un compañero, mentor, jefe de departamento, orientador o miembro del equipo directivo. Cada opción tiene ventajas y límites.

    Los iguales pueden facilitar apertura, pero quizá carezcan de tiempo o formación. Una persona con responsabilidad organizativa puede disponer de más capacidad para facilitar recursos, pero la relación jerárquica modifica la conversación.

    Lo importante es que rol y finalidad sean explícitos y que quien acompaña sepa observar, escuchar y ofrecer feedback basado en evidencia.

    Formar a quien da feedback

    Dar feedback no es simplemente decir lo que pensamos de una clase. Requiere distinguir descripción e interpretación, formular preguntas, manejar silencios, priorizar y evitar convertir preferencias personales en normas.

    También requiere conocimiento pedagógico. Un acompañante que solo domina técnicas conversacionales puede producir conversaciones agradables pero poco sustantivas.

    La combinación necesaria es relacional y profesional: confianza suficiente para explorar y conocimiento suficiente para aportar.

    Evitar la cultura de la actuación perfecta

    Si el acompañamiento solo ocurre cuando alguien “tiene que demostrar” una buena clase, perdemos su función. Las clases preparadas para ser observadas ofrecen menos oportunidades de aprender sobre dificultades habituales.

    Un espacio formativo debería normalizar observar también lo que no sale como esperábamos. Eso exige que el error no se utilice automáticamente como evidencia contra la persona.

    La mejora profesional necesita poder trabajar con la práctica real.

    El valor de volver a observar

    Una única observación produce una fotografía. Volver después de probar un cambio convierte el proceso en aprendizaje.

    No hace falta una visita completa. Puede bastar un fragmento centrado en el foco. La pregunta es qué cambió y qué efecto tuvo.

    Este retorno evita que el feedback quede en conversación inspiradora sin consecuencias.

    Una cultura donde pedir ayuda sea profesional

    En organizaciones maduras, pedir otra mirada no debería interpretarse como debilidad. Los problemas complejos justifican colaboración.

    TALIS muestra que en España han aumentado algunas formas de colaboración profunda entre 2018 y 2024, incluida la retroalimentación basada en observación, aunque estas prácticas no tienen por qué ser todavía cotidianas.

    La dirección puede favorecerlas protegiendo tiempo, formando observadores y evitando apropiarse de espacios que necesitan confianza.

    El criterio final

    Podemos saber si un programa de acompañamiento está bien diseñado preguntando qué tipo de profesional produce.

    Si produce docentes que esperan instrucciones, hemos creado dependencia. Si produce docentes que esconden dificultades, hemos creado control. Si produce docentes capaces de formular mejores preguntas, buscar evidencia, contrastar alternativas y decidir con más fundamento, estamos desarrollando profesionalidad.

    El objetivo no es que cada conversación termine con acuerdo. Puede terminar con una discrepancia razonada. Lo importante es que aumente la calidad del pensamiento sobre la práctica.

    Acompañar significa ayudar a mirar mejor, no mirar permanentemente por otro.

    Fuentes consultadas

  • Anonimizar datos del alumnado no es borrar el nombre: qué debe comprobar un centro antes de compartir información

    Anonimizar datos del alumnado no es borrar el nombre: qué debe comprobar un centro antes de compartir información

    Un centro educativo puede creer que ha protegido la identidad de su alumnado porque ha eliminado nombres, apellidos o números de expediente de un documento. Sin embargo, esa operación no convierte automáticamente la información en anónima. A veces basta combinar curso, edad, una necesidad educativa concreta, una incidencia poco frecuente o una actividad determinada para reconocer a la persona de la que se habla.

    La cuestión, por tanto, no es solo si hemos borrado los identificadores más evidentes. La pregunta útil es otra: ¿puede alguien identificar razonablemente al alumno utilizando la información que queda y otros datos a los que pueda tener acceso?

    Borrar el nombre no siempre hace anónimos los datos

    Los datos personales no se limitan al nombre y los apellidos. La Agencia Española de Protección de Datos recuerda que también son personales las informaciones que, reunidas, permiten identificar a una persona. Por eso una tabla sin nombres puede seguir conteniendo datos personales.

    Pensemos en un grupo pequeño. Un documento menciona a “alumna de 17 años de segundo curso, con adaptación por una determinada necesidad y participante en una movilidad internacional”. Quizá no aparezca ningún identificador directo, pero para quienes conocen el centro puede existir una sola persona que encaje en esa descripción.

    La anonimización exige mirar el conjunto, no únicamente cada columna por separado. El riesgo aparece precisamente en la combinación.

    Anonimizar, seudonimizar y ocultar datos no es lo mismo

    Sustituir “María López” por “Alumna 14” puede ser útil, pero no necesariamente anonimiza la información. Si el centro conserva una tabla que permite relacionar “Alumna 14” con María López, estamos ante una seudonimización.

    La diferencia es importante. La AEPD señala que los datos seudonimizados siguen siendo datos personales cuando pueden atribuirse de nuevo a una persona mediante información adicional. La anonimización, en cambio, pretende que la persona deje de ser identificable de forma razonable.

    Tampoco basta con ocultar visualmente una columna en una hoja de cálculo, cambiar el nombre de un archivo o eliminar el encabezado de un informe. La protección debe afectar a la información que realmente se comparte y a la posibilidad de reconstruir la identidad.

    Cómo puede identificarse a un alumno sin que aparezca su nombre

    Los identificadores indirectos son especialmente relevantes en educación porque los centros trabajan con comunidades relativamente pequeñas.

    Datos indirectos y combinación de variables

    Curso, grupo, edad, localidad, optativas, fecha de una incidencia, participación en un programa, absentismo, calificaciones o determinadas circunstancias familiares pueden parecer poco reveladores por separado. Juntos pueden formar una descripción casi única.

    Cuanto más detallado sea el conjunto compartido, mayor debe ser la revisión de esas combinaciones.

    Grupos pequeños y casos únicos

    Un dato agregado puede ser suficientemente general en un centro grande y resultar identificativo en un grupo de seis alumnos. Decir que “el 100 % del alumnado con determinada necesidad superó el módulo” puede equivaler a hablar de una persona concreta si solo existe un alumno con esa característica.

    La anonimización no puede separarse del contexto.

    Informes, observaciones y texto libre

    Los campos abiertos son todavía más delicados. Un comentario puede contener nombres de familiares, diagnósticos, lugares, fechas, conflictos o detalles biográficos que permitan reconocer a la persona aunque los campos estructurados hayan sido limpiados.

    Por eso no basta con automatizar la eliminación de columnas. Los textos libres necesitan una revisión específica.

    Antes de compartir datos: qué necesitamos realmente y para qué

    Una buena protección empieza antes de anonimizar. Empieza preguntando por qué necesitamos compartir esa información.

    El principio de minimización del RGPD exige que los datos sean adecuados, pertinentes y limitados a lo necesario para la finalidad perseguida. Si para analizar resultados académicos basta conocer módulo, curso y resultado agregado, quizá no exista ninguna razón para incluir edad exacta, grupo, observaciones individuales o circunstancias personales.

    Esta pregunta simplifica el problema: los datos que no se comparten tampoco necesitan ser protegidos frente a ese intercambio.

    Conviene formular tres cuestiones: qué decisión queremos tomar con los datos, qué variables son imprescindibles para hacerlo y cuáles estamos incluyendo simplemente porque ya estaban disponibles.

    Con quién compartimos la información también cambia el riesgo

    La misma información puede tener riesgos diferentes según quién la reciba y qué otros datos posea.

    Personal del centro

    Que la información circule dentro del centro no significa que deba ser accesible para cualquiera. El acceso debe responder a una necesidad vinculada a las funciones profesionales.

    Proveedores y plataformas

    Cuando los datos salen de los sistemas del centro entran en juego nuevas preguntas: qué servicio los recibe, con qué finalidad, dónde se almacenan, cuánto tiempo permanecen allí y qué condiciones regulan su tratamiento.

    Herramientas de IA

    Copiar un informe en una herramienta de IA es también una forma de tratamiento y comunicación de información. Eliminar el nombre antes de pegarlo no resuelve automáticamente el problema si el texto mantiene suficientes detalles para identificar al alumno.

    La pregunta no debe ser “¿he quitado el nombre?”, sino “¿necesito introducir datos personales para obtener esta ayuda?”. Muchas tareas pueden resolverse con un caso ficticio, una estructura vacía o información verdaderamente agregada.

    Imágenes, audios y trabajos: cuando el propio contenido identifica

    No toda identificación se produce mediante texto. Una fotografía puede mostrar un rostro, un uniforme, una matrícula o un espacio reconocible. Una grabación puede identificar por la voz. Un trabajo puede incluir el nombre del alumno en sus propiedades, referencias a experiencias personales o información incrustada en el archivo.

    Antes de compartir materiales para formación, investigación, difusión o análisis conviene revisar tanto el contenido visible como la información asociada al archivo.

    La AEPD recuerda específicamente a los centros educativos que la publicación de contenidos que permitan identificar al alumnado exige atender a la base jurídica correspondiente y recomienda disociar o anonimizar cuando proceda.

    Un método práctico para comprobar si los datos están realmente anonimizados

    Un centro no necesita convertir cada intercambio de información en una auditoría compleja, pero sí puede adoptar una secuencia sencilla.

    Primero, definir la finalidad. Segundo, eliminar todo lo que no sea necesario. Tercero, retirar identificadores directos. Cuarto, buscar combinaciones de datos que puedan singularizar a alguien. Quinto, revisar textos libres y archivos adjuntos. Sexto, considerar qué información adicional posee el destinatario. Séptimo, preguntarse si la identidad podría reconstruirse con un esfuerzo razonable.

    Si la respuesta genera dudas, lo prudente no es etiquetar el archivo como “anónimo”, sino tratarlo como información personal y aplicar las garantías correspondientes.

    La prueba final: ¿alguien podría volver a identificar al alumno?

    La anonimización no consiste en hacer que la identidad sea menos visible. Consiste en impedir que pueda reconstruirse razonablemente.

    Por eso borrar nombres puede ser un primer paso, pero nunca una prueba suficiente. Un centro que quiera compartir información con seguridad debe mirar los datos como los miraría quien los recibe: qué sabe ya, qué podría cruzar y qué detalles hacen único a cada caso.

    La mejor comprobación final es sencilla de formular: si entregamos este conjunto de datos a la persona o sistema que va a recibirlo, ¿podría llegar razonablemente a saber de quién estamos hablando?

    Si la respuesta es sí, o no podemos responder con seguridad, todavía no tenemos datos anónimos.

    Cómo cambia el análisis cuando pensamos en escenarios reales

    La dificultad de anonimizar se entiende mejor con casos concretos. Imaginemos que un departamento quiere compartir con otro centro los resultados de una experiencia metodológica. El archivo no contiene nombres, pero sí curso, sexo, edad, calificación inicial, calificación final y una columna de observaciones. En un grupo de treinta alumnos, algunas combinaciones pueden ser frecuentes. Otras no: quizá solo exista una alumna de determinada edad que se incorporó tarde y cuya observación menciona una circunstancia muy conocida. El riesgo no está en una variable aislada, sino en la posibilidad de singularizar.

    Otro ejemplo: se quiere mostrar en una formación un caso de mejora de absentismo. Se elimina el nombre, pero se conserva el porcentaje exacto de faltas, el ciclo, el trimestre y una descripción del motivo. Para alguien ajeno al centro puede parecer anónimo. Para compañeros, profesorado o familias puede ser perfectamente reconocible. La audiencia modifica el riesgo.

    Esto explica por qué no existe una lista universal de columnas que baste con borrar. La anonimización exige valorar medios razonables de identificación, contexto y destinatarios. Un conjunto puede ofrecer más protección en un entorno y menos en otro.

    También debemos evitar el error contrario: pensar que cualquier información educativa es imposible de compartir. Se pueden publicar estadísticas, analizar resultados y aprender de experiencias siempre que se diseñe el conjunto con la finalidad y la minimización en mente. El objetivo no es bloquear el uso de datos, sino evitar que utilicemos información identificable cuando no la necesitamos.

    Generalizar, agrupar y reducir precisión

    Eliminar variables no es la única técnica. En ocasiones podemos reducir precisión. En vez de edad exacta, utilizar un intervalo; en vez de fecha concreta, trimestre; en vez de localidad, una categoría territorial suficientemente amplia; en vez de una calificación con decimales, rangos. Agrupar disminuye la posibilidad de singularización, aunque también reduce detalle analítico.

    Aquí aparece una decisión importante: cuánta precisión necesitamos para responder a la pregunta. Si la investigación pretende saber si una intervención mejora resultados en términos generales, quizá no necesitemos conservar cada dato individual. Si necesita estudiar diferencias por variables concretas, tendremos que valorar con más cuidado el tratamiento.

    La buena anonimización no consiste en destruir información al azar. Consiste en conservar la utilidad necesaria reduciendo el riesgo de identificación. Por eso conviene definir primero la pregunta. Sin finalidad clara, tendemos a conservar “por si acaso”, justo lo contrario de la minimización.

    El problema de los conjuntos pequeños

    Los centros educativos generan continuamente subconjuntos pequeños: alumnado con una materia pendiente, participantes en una movilidad, estudiantes con una medida específica, personas que han sufrido una determinada incidencia. Publicar porcentajes sobre estos grupos puede revelar más de lo que parece.

    Si en un grupo hay una sola persona y afirmamos que el 100 % de quienes presentan una característica obtuvieron determinado resultado, el dato agregado no protege nada. Incluso con dos o tres personas pueden inferirse resultados cuando se combinan varias tablas.

    Esto obliga a revisar no solo cada documento, sino la posibilidad de cruzarlo con otros datos públicos o conocidos. Horarios, fotografías de actividades, noticias del centro, listados de participantes o información difundida en redes pueden facilitar la reidentificación.

    No se trata de imaginar ataques extraordinarios. La prueba debe considerar lo razonablemente accesible para quien recibirá la información.

    Qué hacer con las herramientas de inteligencia artificial

    La popularización de asistentes de IA introduce una situación nueva porque copiar y pegar se ha convertido en una acción cotidiana. Un docente puede querer resumir un informe, mejorar su redacción, crear una adaptación o analizar respuestas. La facilidad de uso puede hacer olvidar que el contenido sigue siendo información.

    Antes de introducir un texto real conviene separar la tarea del dato. Si queremos mejorar la estructura de un informe, podemos pedir una plantilla sin incluir ningún caso. Si queremos simplificar un texto, podemos sustituir detalles por variables ficticias. Si necesitamos analizar patrones, quizá podamos trabajar con datos agregados.

    Cuando el uso de datos personales sea realmente necesario, la decisión ya no debe tratarse como una improvisación individual: habrá que utilizar las herramientas, configuraciones y garantías autorizadas por la organización y comprobar las condiciones aplicables.

    La IA tampoco convierte automáticamente en anónima una información porque el usuario haya omitido el nombre. Un relato biográfico detallado puede identificar mejor que una tabla.

    Un ejercicio útil para equipos docentes

    Puede hacerse una prueba sencilla en formación interna. Se entrega un caso supuestamente anonimizado y se pide a varios profesionales que señalen qué variables podrían permitir reconocer a la persona. Después se repite el ejercicio imaginando distintos destinatarios: alguien de otro país, una familia del centro, un compañero del mismo grupo y una plataforma externa.

    El resultado suele mostrar que “anónimo” no es una propiedad visual del documento. Depende de lo que contiene y del contexto en el que circula.

    El ejercicio también ayuda a cambiar hábitos. En vez de preguntar únicamente “¿he borrado el nombre?”, el equipo empieza a preguntar “¿por qué necesito este dato?”, “¿puedo agruparlo?”, “¿qué sabe ya quien lo recibe?” y “¿qué podría inferir?”.

    Errores frecuentes que conviene detectar

    Un error es confundir iniciales con anonimización. Otro es utilizar un código estable y pensar que, por no ser legible, deja de ser dato personal. También es frecuente mantener fechas exactas innecesarias, copiar observaciones completas, compartir capturas de pantalla con información periférica o olvidar metadatos y nombres de archivo.

    Otro fallo aparece al anonimizar una tabla y adjuntar después el documento original “para que se entienda mejor”. La protección debe abarcar el paquete completo.

    También conviene desconfiar de expresiones como “esto solo lo verá el equipo”. El acceso limitado puede ser una medida de seguridad, pero no convierte los datos en anónimos. Si las personas autorizadas pueden identificar al alumno, seguimos trabajando con datos personales.

    Una política de centro puede ser breve

    No hace falta redactar un manual de cincuenta páginas para mejorar la práctica. Un centro puede establecer un circuito sencillo: definir finalidad, comprobar si pueden usarse datos anónimos o agregados, minimizar, revisar identificadores directos e indirectos, comprobar destinatario y canal, y consultar al responsable correspondiente cuando exista duda.

    Ese procedimiento debería incluir ejemplos educativos reales. Las normas abstractas se olvidan; los casos permiten reconocer el problema cuando aparece.

    También resulta útil diferenciar usos habituales: coordinación interna necesaria, difusión pública, investigación, formación, proveedores externos y herramientas de IA. No todos presentan el mismo riesgo ni requieren la misma respuesta.

    La prueba del compañero informado

    Una comprobación práctica consiste en imaginar a una persona que conoce el centro pero no tiene acceso al listado original. ¿Podría reconocer a alguien con lo que hemos dejado? Esta prueba no sustituye un análisis formal cuando sea necesario, pero obliga a mirar el documento desde fuera.

    Después podemos elevar la exigencia: ¿qué ocurriría si esa persona pudiera consultar la web del centro, redes sociales o noticias públicas? ¿Y si conoce el grupo? ¿Y si combina dos tablas que publicamos por separado?

    La anonimización robusta debe sobrevivir razonablemente a esas preguntas.

    Compartir menos puede producir mejores análisis

    Existe además un beneficio metodológico. Acumular variables irrelevantes puede distraer del objetivo. Cuando obligamos a justificar cada dato, el análisis suele ganar claridad. Sabemos qué pregunta responde cada variable y evitamos interpretaciones oportunistas.

    La minimización no es solo una obligación de protección. Puede funcionar como disciplina intelectual: recoger lo que necesitamos, saber para qué y evitar la tentación de convertir cualquier información disponible en una variable analítica.

    Una decisión que debe poder explicarse

    Si un centro comparte un conjunto de datos, debería poder explicar por qué considera adecuada la protección aplicada. No basta con una sensación de seguridad. Debe existir una lógica: finalidad, variables necesarias, transformaciones realizadas, destinatario, posibilidad de cruce y medidas complementarias.

    Esta trazabilidad es especialmente importante cuando se reutilizan conjuntos. Un archivo preparado para un equipo interno no debería publicarse después en una web sin una nueva revisión. Cambiar el destinatario cambia el contexto.

    Cierre práctico

    Antes de enviar un archivo, presentar un caso, utilizar datos en una formación o introducir información en una herramienta externa, conviene detenerse unos minutos. ¿Necesitamos casos individuales? ¿Podemos agregar? ¿Hemos reducido precisión? ¿Quedan casos únicos? ¿El texto libre revela detalles? ¿Qué sabe el destinatario? ¿Podría cruzarlo con otra información?

    La pregunta final sigue siendo la más exigente: ¿existe una probabilidad razonable de que la persona vuelva a ser identificada? Si la respuesta es afirmativa o no podemos justificar con suficiente seguridad que sea negativa, no deberíamos llamar anónimo al conjunto.

    La protección de datos mejora cuando deja de verse como una tarea de borrar nombres al final y pasa a formar parte del diseño desde el principio. Ahí está el cambio importante: no “limpiar” después todo lo que hemos recogido, sino pensar antes qué información necesitamos realmente.

    Qué debería quedar documentado antes de compartir

    En intercambios recurrentes conviene dejar una pequeña ficha de decisión. Debe indicar la finalidad, el destinatario, las variables incluidas, las transformaciones aplicadas y la razón por la que el conjunto conserva utilidad sin mantener identificadores innecesarios. No se trata de crear burocracia adicional, sino de evitar que dentro de seis meses nadie recuerde por qué se consideró adecuado un archivo.

    La documentación también facilita revisar cambios. Si añadimos una variable nueva, ampliamos destinatarios o publicamos información que antes circulaba internamente, podemos detectar que el análisis original ya no sirve.

    Cuando la anonimización reduce demasiado la utilidad

    Existe un equilibrio real. Si agrupamos tanto que los datos dejan de responder a la pregunta, la solución no es fingir que siguen siendo útiles. Quizá necesitemos trabajar con datos personales bajo garantías adecuadas en vez de intentar convertirlos a toda costa en anónimos.

    Esta distinción es importante: anonimizar no es siempre obligatorio ni siempre posible manteniendo la finalidad. Lo incorrecto es llamar anónimo a lo que sigue siendo identificable para evitar reconocer que estamos tratando datos personales.

    Formación práctica, no solo normativa

    El profesorado no necesita memorizar artículos del RGPD para detectar muchos riesgos cotidianos. Necesita reconocer escenas: una captura de pantalla, un informe pegado en una IA, una tabla para una ponencia, un trabajo compartido como ejemplo o una fotografía de actividad.

    Una formación útil puede partir de esos objetos y preguntar qué información contienen, qué puede inferirse y cómo conseguir la misma finalidad con menos datos. Después la normativa da marco a decisiones que ya se entienden.

    Una cultura de minimización

    El cambio más profundo aparece cuando el centro deja de recoger información “por si acaso”. Cada campo debería tener una razón. Cada copia debería tener un destinatario. Cada conservación debería responder a una necesidad.

    Esa cultura reduce riesgo, pero también simplifica sistemas. Menos datos irrelevantes significan menos errores, menos duplicidades y análisis más claros.

    La protección deja entonces de ser una barrera colocada al final y se convierte en criterio de diseño. Antes de crear un formulario preguntamos qué necesitamos; antes de exportar preguntamos quién lo recibirá; antes de utilizar una herramienta preguntamos si podemos resolver la tarea sin datos personales.

    Diez comprobaciones antes de pulsar enviar

    Como síntesis operativa, un centro puede utilizar diez preguntas: ¿cuál es la finalidad?, ¿necesitamos datos individuales?, ¿podemos agregarlos?, ¿hemos eliminado identificadores directos?, ¿quedan combinaciones únicas?, ¿hay texto libre?, ¿existen imágenes o metadatos?, ¿qué información adicional tiene el destinatario?, ¿podría cruzar otras fuentes?, ¿podemos defender razonadamente que la persona ya no es identificable?

    La lista no sustituye asesoramiento cuando el caso lo requiere. Sirve para evitar errores básicos y, sobre todo, para cambiar la pregunta inicial.

    Anonimizar no es borrar una columna. Es diseñar un conjunto de información en el que la identidad deje de ser razonablemente recuperable. Esa diferencia conceptual debería ser el punto de partida de cualquier centro que quiera compartir datos con rigor.

    Fuentes consultadas

  • Antes de adoptar una herramienta de IA: cinco preguntas para decidir si aporta valor al aula

    Antes de adoptar una herramienta de IA: cinco preguntas para decidir si aporta valor al aula

    Una herramienta de inteligencia artificial puede crear en segundos un cuestionario, adaptar un texto o comentar un trabajo del alumnado. En una demostración, cuesta no imaginar todo el tiempo que podría ahorrar.

    La decisión difícil llega después: ¿en qué tarea ayuda a aprender y en cuál hace por el estudiante algo que necesita practicar?

    En agosto de 2026, el Departamento de Educación de Estados Unidos propuso cinco preguntas para valorar las herramientas de tecnología educativa. Su orientación se refiere a la tecnología educativa en general, pero ofrece un marco especialmente útil para examinar los usos de la IA en el aula: qué problema resuelve, cuándo debe utilizarse, para quién, durante cuánto tiempo y qué evidencia muestra que mejora el aprendizaje.

    Estas preguntas no sirven para aprobar o rechazar una aplicación de una vez para siempre. Sirven para decidir si un uso concreto, con un grupo y una tarea determinados, merece la pena.

    Antes de empezar: define el uso, no el nombre de la aplicación

    «¿Utilizamos ChatGPT, Gemini o Copilot?» parece una pregunta práctica. En realidad, se adelanta un paso.

    Una misma aplicación puede ayudar al profesor a preparar ejemplos, permitir que un alumno practique con preguntas adicionales o redactar por él el trabajo que debía aprender a hacer. La herramienta es la misma; la decisión educativa cambia por completo. Como explicamos al analizar por qué la IA no mejora el aprendizaje por sí sola, lo decisivo es su lugar dentro de la actividad.

    Antes de elegirla, conviene poder completar esta frase:

    Utilizaremos la IA para [tarea concreta], en [momento de la actividad], con [grupo o alumnado], de modo que pueda [acción de aprendizaje observable].

    También hay que precisar qué hará la herramienta, qué seguirá haciendo el estudiante y qué revisará el docente. Sin esos límites, «usar IA» describe una intención, pero todavía no una actividad.

    1. ¿Qué problema de aprendizaje queremos resolver?

    Las aplicaciones suelen presentarse mediante funciones: generan materiales, personalizan explicaciones, ofrecen feedback o ahorran tiempo. Ninguna de esas capacidades demuestra, por sí sola, que el alumnado vaya a aprender mejor.

    El primer paso es describir el problema sin mencionar la tecnología. Por ejemplo:

    El alumnado entrega una sola versión de sus informes. Cuando recibe comentarios, queda poco tiempo para revisar el trabajo.

    Esta formulación permite explorar soluciones. Tal vez haga falta adelantar la fecha del primer borrador, mostrar un informe comentado, organizar una revisión entre iguales o utilizar una herramienta que plantee preguntas antes de la entrega. La IA es una posibilidad entre varias. En este punto ayuda partir de un diagnóstico concreto de lo que ocurre en el aula.

    En cambio, «queremos usar IA para dar feedback» ya da por elegida la solución y deja sin definir el problema.

    Fíjate en lo que hará el alumnado

    Una buena justificación termina con una acción que pueda observarse: revisar un primer borrador, detectar errores en un procedimiento, comparar explicaciones, justificar una decisión o practicar más intentos útiles. «Estará más motivado» puede ser una expectativa razonable, pero es demasiado imprecisa para decidir si la herramienta funciona.

    Hay, además, una comprobación decisiva: ¿qué parte del esfuerzo queremos que siga haciendo el estudiante?

    Si el objetivo es aprender a sintetizar, pedir a la IA que resuma el texto antes del primer intento puede eliminar justamente la práctica buscada. Si el objetivo es aprender a revisar un argumento, pedirle que señale una contradicción para que el alumno la resuelva puede abrir una oportunidad de aprendizaje.

    El producto final podría mejorar en ambos casos. Lo que cambia es quién ha realizado el trabajo intelectual.

    La primera pregunta debería poder responderse así: tenemos este problema, esperamos que cambie esta acción del alumnado y creemos que este uso de la IA puede ayudar más que las alternativas disponibles. Si todavía no podemos escribir esa frase, es pronto para elegir herramienta.

    2. ¿Cuándo debería utilizarse?

    El momento de uso importa tanto como la función.

    Pensemos en un informe. La IA podría intervenir antes de escribirlo, proponiendo el esquema; durante la redacción, reformulando párrafos; después del primer borrador, planteando preguntas de revisión; o al final, comprobando aspectos formales. Son cuatro actividades distintas.

    Si queremos que el alumnado aprenda a organizar un argumento, ofrecerle un esquema completo al principio puede quitarle una práctica necesaria. Si ya ha elaborado su propuesta, contrastarla después con otras posibilidades puede ayudarle a tomar mejores decisiones.

    La pregunta útil es: ¿qué debe intentar primero el estudiante para que la ayuda tenga sentido?

    También hay momentos en los que necesitamos comprobar autonomía. Una herramienta que acompaña la práctica puede retirarse en una tarea posterior para observar qué sabe hacer el alumno sin ese apoyo. Esa retirada no convierte en inútil la ayuda anterior; permite averiguar si ha contribuido al aprendizaje. Esta distinción es importante cuando queremos evaluar el proceso de aprendizaje con IA y no solo el producto final.

    Calcula la supervisión real

    Una demostración suele mostrar una respuesta convincente. Una clase presenta treinta situaciones menos ordenadas.

    El docente tendrá que comprobar si las explicaciones son correctas, si los ejemplos se ajustan al nivel, si el feedback interpreta bien el trabajo y si el alumnado entiende las sugerencias. Una IA puede ahorrar tiempo al generar ejercicios y consumirlo después al revisar errores o aclarar comentarios confusos.

    Por eso conviene probar el uso en condiciones normales de clase. Si solo funciona cuando el profesor puede supervisar cada respuesta de inmediato, quizá no sea viable para ese grupo y esa tarea.

    3. ¿Para quién aporta valor?

    «Para todo el alumnado» es una respuesta demasiado amplia.

    Una explicación alternativa puede ayudar a quien encuentra una barrera concreta de comprensión. El feedback inmediato puede ser valioso para quien necesita repetir un procedimiento. En otra actividad, esos mismos alumnos quizá necesiten hablar con un compañero o recibir una explicación directa del profesor.

    Hay que observar quién mejora, quién no obtiene una ventaja clara y quién encuentra una dificultad nueva.

    El acceso también merece una comprobación real. Que una herramienta sea gratuita o funcione en el navegador no significa que todos puedan utilizarla en las mismas condiciones. Influyen los dispositivos, la conexión, las cuentas, la edad mínima, el idioma, la navegación con teclado, los lectores de pantalla y la claridad de la interfaz.

    Si un estudiante no puede utilizarla, la alternativa debe permitirle trabajar el mismo aprendizaje. Darle una tarea más pobre para resolver un problema de acceso crea una desigualdad nueva.

    Los datos forman parte de la decisión

    Antes de introducir trabajos, nombres, imágenes, voces, calificaciones o información sobre necesidades educativas en un servicio externo, hay que saber qué datos necesita, con qué finalidad los trata, quién puede acceder a ellos y qué garantías ofrece.

    En marzo de 2026, la AEPD y otras autoridades españolas publicaron unos principios para la contratación y el uso de plataformas educativas digitales. El documento aborda, entre otras cuestiones, las finalidades del tratamiento, los contratos, la evaluación de riesgos y la protección de datos desde el diseño. Su alcance son esas plataformas; resulta una referencia relevante cuando una función de IA se incorpora a un entorno educativo digital, pero no equivale a aprobar cualquier aplicación de IA para uso escolar.

    La AEPD también indica que el profesorado debería utilizar, en su función educativa en línea, los medios puestos a disposición por el centro o la administración responsable del tratamiento. La elección de un servicio que maneja datos del alumnado no debería quedar en una decisión individual improvisada.

    Existen, además, límites que no dependen de la utilidad pedagógica. El Reglamento europeo de inteligencia artificial prohíbe el uso en centros educativos de sistemas de IA destinados a inferir las emociones de una persona, con las excepciones previstas por motivos médicos o de seguridad. Que una plataforma anuncie una función no significa que pueda utilizarse en el centro. Hemos examinado ese caso con más detalle en el artículo sobre detección de emociones mediante IA en el aula.

    La tercera pregunta queda, por tanto, así: ¿podemos ofrecer esta ayuda a quienes la necesitan, sin crear barreras para otros alumnos ni tratar datos fuera de las condiciones autorizadas?

    4. ¿Durante cuánto tiempo debería utilizarse?

    Una ayuda puede ser útil al principio de una unidad y sobrar al final.

    Por ejemplo, durante las primeras prácticas de redacción una IA podría formular preguntas para revisar un informe: «¿Qué dato respalda esta conclusión?» o «¿Se entiende la relación entre estos dos apartados?». Más adelante, el estudiante puede tener que explicar qué sugerencias acepta. Finalmente, puede revisar otro texto sin esa ayuda.

    Así comprobamos si está adquiriendo criterio propio o si depende de que alguien le señale siempre los problemas.

    La duración no tiene que ser breve por principio. Algunas herramientas resuelven necesidades estables de acceso y pueden formar parte habitual del trabajo. Otras son apoyos temporales. Lo importante es decidirlo según la función que cumplen, no mantenerlas porque ya están disponibles.

    Evita que el piloto dure para siempre

    «Estamos probándolo» deja de ser una descripción útil cuando pasan los trimestres y nadie revisa el resultado.

    Una prueba necesita una fecha de inicio y otra de revisión, un uso delimitado y una decisión posterior: continuar, ajustar o retirar. También conviene pensar qué ocurriría si el proveedor cambia sus condiciones, elimina una función o el servicio falla.

    La pregunta no se limita a cuánto tiempo tendrá abierta la herramienta el estudiante. Incluye hasta qué punto queremos que una actividad dependa de ella.

    5. ¿Qué evidencia demostraría que aporta valor?

    Este es el punto en el que más fácilmente se confunde actividad con aprendizaje.

    El número de cuentas creadas indica implantación. Las consultas realizadas indican uso. Que el alumnado diga que le gusta aporta información sobre su experiencia. Ninguno de esos datos demuestra por sí solo que haya aprendido más.

    La evidencia debe relacionarse con el problema definido al principio.

    Si queríamos mejorar la revisión de informes, observaremos si los cambios entre borradores son más sustantivos y si el alumnado puede explicar por qué los hace. Si queríamos aumentar la práctica de un procedimiento, comprobaremos si realiza más intentos útiles, corrige errores y mejora su precisión. Si buscábamos reducir una barrera de acceso, preguntaremos a las personas afectadas y observaremos si pueden participar mejor en la actividad.

    No es necesario convertir cada prueba de aula en una investigación experimental. Sí es necesario decidir antes qué observaríamos para justificar la continuidad.

    Una revisión pequeña puede combinar tres miradas:

    1. Trabajos del alumnado: ¿ha cambiado la capacidad que queríamos desarrollar?
    2. Actividad en clase: ¿qué hace ahora el estudiante y qué ha dejado de hacer?
    3. Coste real: ¿cuánto tiempo docente exige supervisar, corregir errores y resolver incidencias?

    También hay que mirar los efectos no deseados. Un informe puede tener mejor aspecto mientras el estudiante pierde capacidad para defender sus decisiones. Una herramienta puede reducir tiempo de corrección y aumentar el dedicado a resolver respuestas erróneas. Un resultado medio positivo puede ocultar que solo se benefician quienes ya manejaban bien la tecnología.

    La pregunta completa sería: ¿la mejora observada en este grupo y esta tarea justifica el tiempo, la supervisión y los riesgos que introduce el uso?

    «Todavía no lo sabemos» es una respuesta válida. Lo que no conviene es convertirla silenciosamente en un «sí».

    Cómo probar una herramienta sin extenderla a todo el centro: un caso de FP

    Entre el uso informal y la adopción general existe una opción manejable: probar un caso bien delimitado.

    Supongamos que en un módulo de FP el alumnado entrega informes con escasa revisión. El departamento quiere comprobar si una herramienta capaz de formular preguntas sobre estructura y claridad ayuda a mejorar el segundo borrador.

    Problema
    El alumnado revisa poco sus informes antes de la entrega final.
    Hipótesis
    Recibir preguntas tras el primer borrador ayudará a realizar cambios más sustantivos.
    Momento
    Después de redactar una primera versión sin generación automática del informe.
    Uso de la IA
    Plantear preguntas y señalar posibles problemas de estructura o claridad.
    Límite
    No redactar ni reescribir apartados completos por el estudiante.
    Duración
    Dos proyectos, con una revisión al terminar cada uno.
    Condición previa
    Utilizar un entorno autorizado y determinar qué datos pueden introducirse.
    Evidencia
    Comparar borradores, examinar las decisiones del alumnado y registrar tiempo docente e incidencias.

    En el segundo proyecto, cada estudiante podría justificar dos sugerencias que aceptó y una que rechazó. Después realizaría una breve revisión sin la herramienta.

    Esa última tarea importa. Si los informes finales mejoran, pero nadie puede reconocer un problema de estructura sin que la IA lo señale, la prueba habrá mejorado el producto sin demostrar la autonomía buscada.

    También podría aparecer un resultado más preciso: la herramienta ayuda a detectar problemas de organización, pero falla con la terminología técnica del ciclo. En ese caso, la decisión razonable quizá sea limitarla a la estructura y excluir los comentarios sobre contenido.

    Un piloto útil no tiene que terminar con una adopción completa. Su valor está en permitir una decisión mejor informada.

    Adoptar, ajustar o descartar

    Después de la prueba hay tres salidas razonables.

    • Adoptar el uso concreto si se observa una mejora relevante, las condiciones de acceso y tratamiento de datos son adecuadas y el trabajo de supervisión puede sostenerse.
    • Ajustarlo si ayuda en una parte de la tarea, con determinados alumnos o en un momento específico, pero presenta límites en otros usos.
    • Descartarlo si la mejora es pequeña, una alternativa más sencilla funciona igual de bien, genera dificultades de acceso o exige una supervisión que anula su ventaja.

    La decisión debe poder revisarse. La orientación del Departamento de Educación estadounidense plantea precisamente que, cuando la evidencia no muestra una mejora del aprendizaje y persisten las deficiencias, los centros estén dispuestos a cambiar de rumbo y retirar la tecnología.

    Una ficha breve antes de llevar IA al aula

    No hace falta un documento extenso para cada actividad. A menudo bastará con responder por escrito a estas cuestiones:

    1. Problema: ¿qué aprendizaje queremos mejorar y qué ocurre ahora?
    2. Acción: ¿qué hará de forma diferente el alumnado?
    3. Momento: ¿qué debe intentar antes de recibir la ayuda?
    4. Destinatarios: ¿para quién resulta útil y quién podría encontrar barreras?
    5. Límites: ¿qué hará la IA y qué seguirá correspondiendo al estudiante y al docente?
    6. Condiciones: ¿está autorizado el entorno y qué datos pueden utilizarse?
    7. Duración: ¿cuándo revisaremos o retiraremos el apoyo?
    8. Evidencia: ¿qué cambio observable justificaría continuar?

    Si estas respuestas no caben todavía en una ficha clara, probablemente la actividad necesita más diseño antes de incorporar la herramienta.

    Primero el aprendizaje, después la herramienta

    Las aplicaciones de IA cambiarán. También lo harán sus precios, funciones y condiciones. Por eso resulta más útil disponer de preguntas que sobrevivan a las marcas.

    Una herramienta merece entrar en una actividad cuando podemos explicar qué problema aborda, qué trabajo conserva el alumnado, a quién ayuda, bajo qué condiciones se utiliza y cómo sabremos si ha servido.

    «La usamos porque genera ejercicios y ofrece feedback» describe funciones.

    «La usamos después del primer borrador para que el alumnado revise mejor sus informes; comparamos las versiones y comprobamos si después puede hacerlo con menos ayuda» describe una decisión educativa.

    Esa diferencia importa más que cualquier demostración.

    Fuentes

  • Aprender de forma autónoma no significa aprender solo: cómo enseñar a organizarse en FP

    Aprender de forma autónoma no significa aprender solo: cómo enseñar a organizarse en FP

    «Tenéis tres semanas. Organizaos vosotros». La frase encaja bien con la Formación Profesional. El alumnado debe aprender a resolver encargos, trabajar con plazos, coordinarse, buscar información, tomar decisiones y responder ante situaciones menos estructuradas que un ejercicio de diez minutos. El problema aparece cuando pedir autonomía sustituye a enseñarla.

    Un estudiante que no sabe dividir una tarea, estimar tiempos, detectar que se está bloqueando o pedir ayuda con precisión no desarrolla esas capacidades simplemente porque el docente se retire. Puede aprenderlas por ensayo y error, pero también puede procrastinar, depender del compañero que organiza el grupo o descubrir el problema cuando ya no queda tiempo para corregirlo.

    Una revisión sistemática publicada en 2025 sobre intervenciones para promover aprendizaje autorregulado en centros de formación profesional localizó solo once estudios que cumplían sus criterios. Diez informaron de efectos positivos en alguna medida, pero la heterogeneidad de diseños, intervenciones y resultados impide convertir esa cifra en una garantía general. La evidencia específica en educación vocacional es prometedora, aunque todavía limitada.

    La síntesis de la Education Endowment Foundation para estudiantes de 16 a 19 años publicada en 2026 apunta en una dirección compatible: metacognición y autorregulación, feedback y aprendizaje colaborativo son tres áreas prometedoras para desarrollar aprendices más independientes. El mensaje práctico es claro: la autonomía no consiste en retirar al docente, sino en cambiar progresivamente el tipo de ayuda.

    1. «Organizaos vosotros» no enseña a organizarse

    Imaginemos un proyecto de marketing en FP. Un equipo debe investigar un pequeño mercado, diseñar una propuesta, preparar materiales y defenderla oralmente cuatro semanas después.

    El profesor explica el resultado final y deja tiempo de trabajo autónomo.

    Un grupo empieza inmediatamente y construye un calendario. Otro reparte tareas sin comprobar dependencias. En un tercero, una persona asume la organización y el resto espera instrucciones. Otro dedica dos semanas al diseño visual antes de descubrir que no ha resuelto el análisis previo.

    Cuando llega la entrega, esas diferencias pueden parecer simplemente diferencias de «responsabilidad» o «madurez».

    Parte de ellas pueden serlo. Pero también puede haber una diferencia de estrategias. Algo parecido ocurre cuando interpretamos como desmotivación un problema que en realidad exige diseñar mejores condiciones de participación, expectativa y autonomía.

    Planificar una tarea compleja implica representar el objetivo, dividirlo, estimar recursos, ordenar acciones, prever problemas y decidir puntos de control. Supervisarla exige comparar lo que está ocurriendo con lo previsto y modificar el plan. Todo eso se puede enseñar.

    Si el docente únicamente anuncia «esto es trabajo autónomo», está evaluando una capacidad que quizá nunca ha hecho visible.

    La autonomía debería funcionar como cualquier otra competencia: se modela, se practica con apoyo, se observa y se transfiere progresivamente a situaciones nuevas.

    2. Qué significa realmente aprender de forma autónoma

    Autonomía no significa trabajar en silencio, hacerlo todo sin preguntar o terminar una tarea sin intervención docente.

    Un aprendiz autónomo puede necesitar ayuda. La diferencia está en que participa cada vez más en la regulación de su propio proceso.

    Puede definir o comprender el objetivo

    Antes de empezar sabe qué resultado busca, qué restricciones existen y qué criterios determinan que el trabajo esté suficientemente bien.

    Puede elegir una estrategia

    No inicia automáticamente la primera acción que se le ocurre. Decide si necesita buscar información, revisar un ejemplo, hacer una prueba, consultar una fuente o dividir el problema.

    Puede organizar tiempo y recursos

    Distribuye el trabajo, estima cuánto puede costar, identifica materiales, herramientas y personas necesarias y ajusta el plan cuando aparecen imprevistos.

    Puede supervisar lo que está ocurriendo

    Se pregunta si está avanzando, si entiende, si el método elegido funciona y si el resultado intermedio cumple los criterios.

    Puede detectar el bloqueo

    No confunde estar ocupado con avanzar. Reconoce cuándo lleva demasiado tiempo sin resolver el problema.

    Puede pedir ayuda con intención

    No espera pasivamente a que el docente detecte la dificultad ni pregunta simplemente «¿esto está bien?». Puede explicar qué ha intentado, dónde se bloquea y qué necesita aclarar.

    Puede revisar la estrategia

    Si algo falla, modifica el procedimiento en lugar de repetir exactamente lo mismo.

    Estas capacidades se relacionan con la autorregulación y la metacognición. En términos sencillos, el alumno aprende a planificar, controlar y evaluar su propia actividad. No se desarrollan todas al mismo ritmo ni de una vez.

    3. Por qué la FP necesita autonomía, pero no debería presuponerla

    La Formación Profesional tiene características que hacen especialmente visible esta cuestión. Muchos aprendizajes se organizan alrededor de tareas profesionales, proyectos, problemas, simulaciones, prácticas, atención a clientes, producción de materiales o uso de herramientas técnicas.

    En una situación profesional real no siempre existe una ficha que indique cada paso. El trabajador debe interpretar una demanda, priorizar, organizar recursos, comprobar estándares y responder a imprevistos. Eso hace que la autonomía tenga un valor evidente.

    Pero sería un error deducir que, por tratarse de FP o de alumnado mayor, esas capacidades ya están adquiridas.

    La síntesis de EEF para 16-19 sobre metacognición y autorregulación insiste en no asumir que los jóvenes llegan sabiendo gestionar su aprendizaje de forma independiente. Las estrategias metacognitivas necesitan hacerse explícitas y conectarse con las materias.

    Además, el alumnado de FP es diverso. Puede incluir estudiantes con trayectorias académicas muy distintas, personas adultas que vuelven a estudiar, alumnado que combina formación y empleo, jóvenes con dificultades previas de organización, estudiantes con necesidades específicas de apoyo o personas con alta competencia práctica y poca experiencia gestionando tareas académicas largas.

    Pedir la misma autonomía formal a todo el grupo no garantiza igualdad de oportunidades. La enseñanza adaptativa recuerda que responder a diferencias no exige preparar treinta clases, sino ajustar apoyos y decisiones donde realmente hacen falta.

    El objetivo debería ser aumentar progresivamente la capacidad de cada estudiante para controlar tareas relevantes del perfil profesional.

    4. La autonomía se construye con apoyo antes de retirar el apoyo

    A veces se presentan apoyo y autonomía como polos opuestos: cuanto más ayuda el profesor, menos autónomo sería el alumno. La relación real es más compleja.

    Un apoyo bien diseñado puede aumentar la autonomía si permite aprender una estrategia que después se utilizará con menor asistencia. El problema no es ayudar. Es ayudar de una forma que haga al estudiante dependiente de la ayuda.

    Podemos pensar en cuatro movimientos.

    Modelar

    El docente hace visible un proceso que normalmente permanece en su cabeza.

    Ante una tarea compleja puede pensar en voz alta:

    «Antes de buscar información necesito decidir qué preguntas tengo que responder».

    «Esta fuente parece útil, pero no sé todavía si es suficientemente fiable».

    «Llevo quince minutos en este punto y no avanzo; voy a probar otro procedimiento».

    El valor no está en entregar la solución, sino en mostrar cómo se toman decisiones.

    Planificar juntos

    En una segunda fase, el alumnado participa en la planificación. El profesor ya no construye todo el proceso: formula preguntas, compara alternativas y ayuda a justificar decisiones.

    Practicar con puntos de control

    El estudiante trabaja con más independencia, pero existen momentos definidos para revisar el progreso. El control no llega únicamente al final.

    Retirar gradualmente

    Cuando una estrategia empieza a aparecer de forma consistente, se reduce la pauta, la frecuencia de revisión o el nivel de ayuda. El apoyo desaparece porque ya no es necesario, no porque haya llegado una fecha determinada del trimestre.

    5. Enseñar a planificar dentro de una tarea profesional

    La organización suele enseñarse mediante consejos generales: usar agenda, evitar distracciones, dividir tareas o establecer prioridades. Pueden ser útiles, pero tienen más posibilidades de transferirse cuando se aprenden dentro de tareas reales.

    Imaginemos que un grupo de Comercio debe diseñar una acción promocional para un pequeño establecimiento. Antes de comenzar, el docente puede guiar seis preguntas.

    ¿Qué resultado necesitamos?

    No basta con «hacer una campaña». Hay que concretar producto, público, objetivos, restricciones, entregables y criterios.

    ¿Qué sabemos ya y qué falta por averiguar?

    El grupo diferencia información disponible de supuestos. Eso evita comenzar diseñando antes de entender el problema.

    ¿Qué pasos dependen de otros?

    No todas las tareas pueden realizarse en paralelo. El diseño de una creatividad puede depender de haber definido antes el mensaje y el público.

    ¿Qué recursos necesitamos?

    Datos, aplicaciones, presupuesto, permisos, ejemplos, materiales, tiempo de aula o acceso a una empresa.

    ¿Qué puede salir mal?

    Falta de respuesta del cliente, datos insuficientes, archivo incompatible, proveedor que no llega, integrante ausente o una estimación de tiempo demasiado optimista.

    ¿Cuándo comprobaremos el progreso?

    En lugar de esperar a la fecha final, se fijan hitos que permiten corregir.

    La primera vez, el docente puede dirigir todas estas preguntas. En proyectos posteriores, algunas desaparecen de la plantilla. Finalmente, el alumnado puede construir su propio plan y justificarlo.

    Así, una herramienta de organización deja de ser burocracia y se convierte en una forma visible de pensar el trabajo.

    6. Aprender con otros también puede desarrollar autonomía

    El título de este artículo contiene una aparente contradicción. Si queremos autonomía, ¿por qué hablar de aprendizaje colaborativo?

    Porque aprender a regularse no siempre es un proceso individual.

    Un compañero puede hacer visible una estrategia que otro no conocía. Explicar por qué se ha elegido un procedimiento obliga a verbalizar decisiones. Comparar dos soluciones permite detectar criterios. Pedir ayuda y evaluar una propuesta ajena también forman parte de la autonomía.

    La literatura utiliza el concepto de corregulación para describir situaciones en las que la regulación del aprendizaje se comparte temporalmente entre personas. En FP esto puede aparecer de manera natural en proyectos y prácticas.

    El riesgo es confundir colaboración con reparto de piezas. «Tú haces las diapositivas, yo el presupuesto y él habla» puede producir un producto conjunto sin aprendizaje compartido.

    Para que el grupo contribuya a la autonomía individual conviene introducir momentos en los que todos tengan que comprender las decisiones principales. Por ejemplo:

    • Antes de repartir tareas, el equipo acuerda el plan.
    • Cada integrante explica qué criterio está utilizando.
    • Los avances se revisan juntos en puntos definidos.
    • Una persona diferente justifica una decisión del equipo.
    • Al finalizar, cada estudiante identifica qué estrategia trasladaría a otra tarea.

    La meta no es impedir la especialización. Es evitar que la estructura del grupo permita que unos regulen siempre el aprendizaje de los demás.

    7. El feedback desarrolla autonomía cuando el alumno tiene que hacer algo con él

    Recibir feedback no convierte automáticamente a alguien en aprendiz autónomo.

    Un documento lleno de comentarios puede producir dependencia si el estudiante espera que otra persona identifique siempre cada problema y diga cómo corregirlo.

    El feedback resulta más útil para la autorregulación cuando ayuda a responder tres preguntas:

    • ¿Dónde estoy respecto al objetivo?
    • ¿Qué problema debería atender ahora?
    • ¿Qué voy a hacer con esta información?

    La síntesis de EEF para 16-19 señala el feedback como una de las áreas prometedoras para desarrollar independencia, aunque la evidencia específica de esa etapa tiene limitaciones.

    En la práctica, el cambio importante es pasar de entregar correcciones a diseñar ciclos de acción.

    Un profesor puede señalar que una justificación comercial no utiliza evidencia suficiente. La respuesta autónoma no es copiar una frase corregida. El estudiante debería volver a las fuentes, elegir una evidencia, incorporarla y explicar por qué mejora la decisión.

    También puede compararse el feedback externo con la autoevaluación. Antes de recibir comentarios, el alumno identifica dos puntos fuertes y dos dudas. Después contrasta su diagnóstico con el del profesor.

    Con el tiempo, interesa observar si anticipa problemas que antes solo detectaba después de la corrección.

    El feedback deja de ser un servicio de reparación y se convierte en información para controlar el propio trabajo. Además, cuando el alumnado necesita acompañamiento sostenido conviene cuidar que los apoyos tutoriales mantengan participación y continuidad.

    8. Una secuencia de seis pasos para enseñar autonomía dentro de un módulo

    No hace falta crear una asignatura de «aprender a aprender». La autonomía puede enseñarse dentro del propio contenido profesional.

    Paso 1. Modelar una tarea

    El docente resuelve o inicia un ejemplo mostrando decisiones, dudas, comprobaciones y errores. No modela solo el resultado correcto: modela cómo sabe que tiene que cambiar de estrategia.

    Paso 2. Planificar juntos

    El grupo construye el plan de una tarea similar. El profesor pregunta más de lo que prescribe.

    ¿Qué haríais primero? ¿Qué información falta? ¿Qué parte puede bloquear el resto? ¿Cómo sabremos si esta fase está terminada?

    Paso 3. Primer intento con una pauta visible

    El alumnado trabaja utilizando una lista breve, un tablero, una plantilla o un conjunto de preguntas. La pauta debe reducir carga, no crear una segunda tarea administrativa.

    Paso 4. Punto de control

    Antes de la entrega final se detiene el proceso. Cada estudiante o equipo responde:

    • Qué estaba previsto.
    • Qué se ha completado.
    • Qué problema ha aparecido.
    • Qué decisión toma ahora.

    Paso 5. Revisión con feedback o compañeros

    El trabajo recibe información externa, pero el alumno debe decidir qué modifica y justificar esa decisión.

    Paso 6. Nueva tarea con menos apoyo

    La siguiente actividad mantiene el tipo de razonamiento y reduce la estructura proporcionada. Quizá desaparece la plantilla completa y queda una lista de tres preguntas. Más tarde solo se mantiene el punto de control.

    La secuencia puede repetirse varias veces durante el curso. No busca que el alumno deje de consultar al profesor. Busca que llegue a la consulta con más capacidad para describir y gestionar su problema.

    9. Cómo saber cuándo retirar una ayuda

    Retirar apoyos por calendario es una mala estrategia.

    «En el segundo trimestre ya no habrá plantilla» solo tiene sentido si el alumnado ha desarrollado la capacidad que la plantilla sostenía.

    Conviene observar comportamientos.

    Puede explicar su plan

    No necesita recitar un documento. Sabe qué intenta conseguir, qué está haciendo primero y por qué.

    Detecta que está bloqueado

    No permanece indefinidamente en una acción improductiva.

    Elige un recurso razonable

    Busca un ejemplo, revisa instrucciones, consulta una fuente, prueba una herramienta o pregunta a una persona adecuada.

    Controla los tiempos principales

    Puede estimar qué queda, detectar retrasos y repriorizar.

    Comprueba la calidad antes de entregar

    Utiliza criterios, ejemplos o una revisión propia en lugar de considerar terminado el trabajo cuando simplemente se acaba el tiempo.

    Corrige un error sin esperar la solución completa

    Utiliza feedback, compara alternativas y modifica el procedimiento.

    Pide ayuda de forma más específica

    «He intentado A y B, pero no entiendo por qué ocurre C» muestra más autorregulación que «no sé hacerlo».

    Cuando estas conductas aparecen con consistencia, puede reducirse el apoyo. Si desaparecen al retirar la ayuda, quizá la retirada ha sido demasiado rápida o la estrategia no se ha transferido a la nueva situación.

    10. El alumnado que necesita más estructura no necesita menos autonomía

    Existe una confusión especialmente perjudicial. Si un estudiante necesita pautas, recordatorios, anticipación o apoyos visuales, puede parecer que la autonomía no es un objetivo realista.

    Precisamente esas herramientas pueden ser el camino para desarrollarla.

    Una agenda visual permite anticipar sin depender constantemente de una explicación oral. Una checklist puede permitir revisar una tarea sin esperar al profesor. Un ejemplo resuelto puede ayudar a identificar criterios. Un temporizador, un tablero Kanban o un calendario de hitos puede externalizar parte del control del tiempo. Una tarjeta con «qué he probado / dónde me bloqueo / qué necesito» puede mejorar la petición de ayuda.

    La cuestión es quién controla progresivamente la herramienta.

    Si el docente completa siempre la checklist, el apoyo sigue siendo externo. Si el estudiante aprende a utilizarla, adaptarla y decidir cuándo la necesita, se convierte en un recurso de autorregulación.

    Esto también evita equiparar autonomía con ausencia de adaptaciones. Una persona puede ser altamente autónoma utilizando apoyos permanentes de accesibilidad, organización o comunicación.

    El objetivo es aumentar el control sobre el propio aprendizaje, no eliminar todas las herramientas que lo hacen posible.

    11. Errores habituales al intentar fomentar autonomía

    Dar una plantilla para siempre

    Una estructura útil puede convertirse en rutina mecánica si nunca cambia. El alumnado aprende a rellenar casillas, no necesariamente a planificar.

    Retirar todos los apoyos a la vez

    Pasar de una tarea muy guiada a «ahora hacedlo solos» hace difícil saber qué capacidad falta.

    Confundir silencio con independencia

    Un grupo puede trabajar en silencio y estar completamente bloqueado. Otro puede conversar, pedir ayuda y regularse mejor.

    Intervenir ante la primera dificultad

    Si el profesor resuelve cada bloqueo inmediatamente, el alumnado aprende que detectar un problema activa una solución externa.

    A veces conviene devolver una pregunta: ¿qué has probado?, ¿qué información tienes?, ¿qué alternativa podrías comparar?

    Evaluar únicamente el producto

    Dos estudiantes pueden entregar resultados similares mediante procesos muy diferentes.

    Si la autonomía es un objetivo, conviene observar planificación, revisión, uso de recursos y decisiones, no solo el producto final.

    Convertir la organización en papeleo

    Planes de trabajo excesivos, diarios interminables y registros que nadie revisa pueden consumir más capacidad de la que desarrollan. La herramienta debe ser proporcional al problema.

    Enseñar técnicas de estudio desconectadas del módulo

    Explicar prioridades o gestión del tiempo en abstracto tiene menos fuerza que aplicarlas a un montaje, un presupuesto, una campaña, una intervención técnica o un proyecto real.

    Confundir pedir ayuda con dependencia

    El profesional competente no resuelve todo solo. Sabe cuándo necesita otra persona, qué información debe aportar y cómo incorporar la respuesta.

    12. Cómo evaluar autonomía sin castigar a quien todavía la está aprendiendo

    Si la autonomía forma parte de los objetivos educativos, evaluarla exige cuidado.

    No conviene convertirla en una valoración de personalidad: «responsable», «maduro», «trabajador», «independiente».

    Es más útil observar conductas:

    • ¿Planifica antes de empezar?
    • ¿Utiliza criterios para revisar?
    • ¿Registra o recuerda los hitos?
    • ¿Detecta un error?
    • ¿Puede explicar una decisión?
    • ¿Utiliza feedback para modificar el trabajo?
    • ¿Pide ayuda después de un intento razonable?
    • ¿Transfiere una estrategia a otra tarea?

    Estas evidencias permiten ofrecer un feedback mucho más preciso.

    En lugar de «tienes que organizarte mejor», el docente puede decir: «Has empezado tres tareas antes de cerrar la anterior. En el próximo proyecto quiero que decidas dos hitos y no abras la segunda fase hasta comprobar el primero».

    La evaluación puede ser formativa durante buena parte del proceso. El objetivo no es penalizar repetidamente a quien necesita apoyo, sino hacer visible qué aspecto de la autorregulación está aprendiendo.

    13. Un ejemplo en FP: del proyecto dirigido al encargo autónomo

    Imaginemos una secuencia de tres proyectos en un ciclo de Comercio y Marketing.

    Primer proyecto

    El profesor entrega el encargo y modela cómo lo descompone.

    El grupo utiliza una plantilla con objetivo, público, tareas, dependencias, responsables, fechas y criterios de revisión.

    Hay dos puntos de control obligatorios.

    Antes de entregar, cada equipo compara su trabajo con un ejemplo comentado.

    Segundo proyecto

    La tarea cambia, pero conserva una complejidad parecida.

    La plantilla se reduce a objetivos, hitos, riesgos y revisión.

    Solo existe un punto de control obligatorio. El equipo decide si necesita otro.

    El feedback del profesor señala problemas, pero no prescribe todas las soluciones.

    Tercer proyecto

    El alumnado recibe un encargo más abierto.

    Debe presentar, junto al producto, un plan de trabajo breve diseñado por el propio equipo.

    El profesor comprueba al inicio que la planificación es viable y después actúa principalmente a demanda o ante señales claras de bloqueo.

    Al finalizar, cada estudiante explica una decisión que cambiaría si repitiera el proyecto.

    El tercer encargo parece más autónomo porque el apoyo visible es menor. Pero esa autonomía ha sido construida por los dos proyectos anteriores.

    Sin ellos, «encargo abierto» habría significado simplemente menor intervención docente.

    14. El objetivo no es que el docente deje de intervenir

    Un alumno autónomo no es un alumno abandonado. Sigue necesitando enseñanza, conocimiento experto, feedback, modelos, recursos y conversaciones. Lo que cambia es la naturaleza de la intervención.

    Al principio, el profesor puede decir qué pasos seguir. Después pregunta qué pasos propone el estudiante.

    Al principio detecta el bloqueo. Después enseña a reconocer señales de bloqueo.

    Al principio decide qué recurso utilizar. Después compara recursos con el alumno y le pide justificar la elección.

    Al principio revisa todo el trabajo. Después enseña criterios para que el estudiante haga una primera revisión.

    Esa transición resume buena parte de la autonomía.

    La revisión sistemática específica de formación profesional muestra una base de evidencia todavía pequeña y heterogénea. No podemos afirmar que exista una única intervención que convierta al alumnado de FP en aprendices autorregulados.

    Sí existe suficiente fundamento para evitar una práctica débil: confundir autonomía con retirada de apoyo.

    La FP ofrece un contexto especialmente adecuado para enseñar estas capacidades porque las tareas profesionales obligan a planificar, coordinar, comprobar y responder a imprevistos. La oportunidad está en hacer visibles esos procesos y diseñar una retirada gradual de ayuda.

    «Organizaos vosotros» puede ser el destino.

    No debería ser siempre el punto de partida.

    Fuentes y lecturas para profundizar

  • Cómo saber si un plan de mejora está funcionando: indicadores que muestran un cambio real en el centro

    Cómo saber si un plan de mejora está funcionando: indicadores que muestran un cambio real en el centro

    Un plan de mejora puede estar perfectamente cumplimentado y, al mismo tiempo, no estar mejorando nada importante. Las reuniones se han celebrado, las actuaciones aparecen como ejecutadas, los responsables han entregado los documentos previstos y el calendario se ha respetado. Sin embargo, cuando alguien pregunta qué está ocurriendo de forma diferente en las aulas, en la asistencia del alumnado, en la coordinación del profesorado o en la experiencia de las familias, la respuesta no siempre está tan clara.

    Ese es el problema que deberían resolver los indicadores. No sirven solo para demostrar que el centro ha hecho lo que había programado. Sirven para comprobar si esas actuaciones están produciendo los cambios que justificaban el plan y para decidir qué conviene mantener, corregir o abandonar.

    La evaluación de PROA+ publicada por el Ministerio de Educación ofrece un ejemplo útil porque no se limita a observar resultados finales como titulación, idoneidad o absentismo. También analiza aspectos del funcionamiento de los centros, entre ellos la planificación, la coordinación del profesorado, el liderazgo pedagógico, la convivencia o la implicación de las familias. No significa que esos indicadores puedan copiarse en cualquier plan. Lo relevante es el principio: para saber si una mejora está avanzando hay que mirar lo que se hace, cómo cambia la práctica y qué resultados empiezan a aparecer.

    1. Un plan no mejora porque haya completado todas sus actuaciones

    En muchos planes de centro el seguimiento empieza por una pregunta administrativa: ¿se ha realizado la actuación? Es una pregunta necesaria, pero insuficiente.

    Imaginemos una prioridad habitual: reducir el absentismo. El plan incluye entrevistas con familias, seguimiento tutorial, coordinación con orientación y un protocolo de aviso temprano. Al terminar el trimestre, el centro puede comprobar que todas esas actuaciones se han realizado. Eso demuestra ejecución, no eficacia.

    Para hablar de mejora necesitamos una cadena más exigente. Primero debemos saber si las medidas se están aplicando como se diseñaron. Después, si han cambiado la forma de trabajar de los profesionales. A continuación, si el alumnado y las familias están experimentando algo diferente. Finalmente, si aparecen resultados compatibles con el objetivo: menos faltas reiteradas, menos episodios de desconexión prolongada, mayor reincorporación o mejor continuidad escolar.

    La diferencia parece pequeña, pero cambia por completo el seguimiento. Cuando medimos solo actividades, la pregunta es «¿lo hemos hecho?». Cuando evaluamos mejora, la pregunta pasa a ser «¿qué ha cambiado porque lo hemos hecho?».

    La Education Endowment Foundation insiste precisamente en esta idea al abordar la implementación: una propuesta educativa puede ser prometedora sobre el papel, pero lo decisivo es cómo se manifiesta en el trabajo cotidiano del centro. Su marco distingue entre explorar, preparar, poner en marcha y sostener una iniciativa, y concede un papel central a observar, reflexionar y adaptar durante el proceso.

    2. La pregunta que debería hacerse el centro antes de elegir indicadores

    Como ocurre también al hacer un diagnóstico del aula antes de intervenir, elegir indicadores antes de definir el cambio que se busca suele producir cuadros de mando llenos de datos poco útiles. El orden debería ser el contrario.

    La pregunta de partida es sencilla: si esta prioridad funciona, ¿qué debería estar ocurriendo de forma diferente dentro de tres o seis meses?

    «Mejorar la convivencia» es demasiado amplio para medirlo directamente. Hay que traducirlo. Quizá el centro espera que los conflictos se detecten antes, que el profesorado responda con criterios más coherentes, que disminuyan determinadas conductas repetidas, que el alumnado conozca los canales de ayuda y que aumente su percepción de seguridad en algunos espacios.

    «Mejorar la competencia lectora» tampoco se convierte automáticamente en un indicador. Puede implicar que más materias incorporen lectura guiada, que el alumnado utilice estrategias de comprensión con menor ayuda, que disminuyan ciertos errores recurrentes y, más adelante, que mejore el desempeño en tareas que exigen interpretar textos.

    La formulación útil no describe una actividad. Describe una diferencia observable.

    Una manera práctica de comprobarlo es completar esta frase: «Si esta prioridad está funcionando, deberíamos empezar a ver…». Si el equipo solo puede responder con «más reuniones», «más talleres», «más materiales» o «más formación», todavía está describiendo medios, no cambios.

    3. Cuatro tipos de evidencia para no mirar solo el resultado final

    Un buen sistema de seguimiento combina evidencias cercanas al proceso con resultados que tardan más en aparecer. No todas responden a la misma pregunta.

    Evidencias de implementación: ¿estamos haciendo realmente lo acordado?

    Sirven para saber si la intervención existe de verdad en la práctica. No basta con que figure en el plan.

    Si un centro acuerda que cada tutor realizará un contacto temprano tras un determinado patrón de faltas, puede revisar qué proporción de casos recibió ese contacto, cuánto tiempo transcurrió hasta realizarlo y si se registró la información necesaria.

    Si se introduce una rutina común de evaluación formativa, el indicador no sería «se ha impartido una formación sobre evaluación», sino comprobar si esa rutina aparece de forma consistente en las situaciones previstas.

    Estas evidencias permiten detectar un problema frecuente: atribuir a una medida resultados cuando, en realidad, nunca llegó a aplicarse de forma suficiente.

    Evidencias de práctica: ¿está cambiando lo que hacen los profesionales?

    Aquí interesa observar conductas profesionales relevantes. Un plan de inclusión puede haber creado una reunión semanal, pero la pregunta es si esa reunión modifica después las decisiones del aula. ¿Los apoyos se conectan con las tareas ordinarias? ¿Se comparten criterios? ¿Se reducen respuestas contradictorias entre docentes? ¿Se anticipan barreras en lugar de actuar siempre después del problema?

    La evidencia puede proceder de registros sencillos, revisión de documentos de trabajo, observación entre iguales, análisis de casos o muestras de tareas. No hace falta convertir el centro en una auditoría permanente.

    Evidencias de experiencia: ¿el cambio es perceptible para quienes deberían beneficiarse?

    Algunas mejoras deberían percibirse antes de aparecer en los resultados académicos.

    Un alumnado que conoce mejor qué hacer cuando necesita ayuda, familias que reciben información antes de que el problema se agrave o profesorado que percibe mayor claridad en los procedimientos son señales relevantes. No sustituyen los resultados, pero ayudan a entender si la intervención está llegando a quienes debería.

    Estas evidencias requieren prudencia. Una encuesta de satisfacción aislada no demuestra aprendizaje ni impacto. Su valor aumenta cuando responde a preguntas concretas y se combina con otras fuentes.

    Resultados: ¿aparece finalmente el efecto que buscábamos?

    Aquí entran absentismo, titulación, repetición, resultados de aprendizaje, participación, incidencias o cualquier resultado coherente con la prioridad.

    Son importantes, pero suelen llegar tarde y están influidos por múltiples factores. Por eso no conviene esperar al final del curso para descubrir que algo no funciona.

    4. Indicadores adelantados y resultados que tardan en aparecer

    Una de las decisiones más útiles consiste en distinguir entre señales tempranas y resultados finales.

    • Si el objetivo es reducir el abandono, esperar a la tasa de abandono es demasiado tarde. Antes pueden observarse asistencia irregular, acumulación de tareas no entregadas, desvinculación en determinados módulos, falta de respuesta a contactos, cambios en la puntualidad o continuidad después de una intervención.
    • Si el objetivo es mejorar la competencia matemática, las notas trimestrales tampoco son la única señal. Puede observarse si el alumnado explica procedimientos con mayor precisión, identifica errores, utiliza estrategias nuevas o necesita menos ayuda en determinados tipos de tarea.

    Los indicadores adelantados tienen una ventaja: permiten intervenir. Su desventaja es que no garantizan el resultado final. Que aumente la participación no asegura por sí sola un mejor aprendizaje. Que disminuyan las incidencias registradas tampoco demuestra necesariamente una mejor convivencia; podría significar simplemente que se registran menos.

    Por eso deben interpretarse como señales, no como pruebas definitivas.

    La OCDE ha advertido sobre este riesgo en el uso de indicadores educativos. Medir puede orientar la implementación y facilitar decisiones, pero también puede producir efectos indeseados cuando el indicador se convierte en un objetivo en sí mismo. Si un centro premia únicamente la reducción de incidencias, puede incentivar que se registren menos. Si valora solo el porcentaje de aprobados, puede desplazar la atención desde la calidad del aprendizaje hacia la cifra.

    Un indicador útil ayuda a hacer mejores preguntas. Un indicador mal diseñado empuja a mejorar el dato.

    5. Ejemplo completo: un plan para reducir el absentismo

    Supongamos que un centro detecta un aumento del absentismo intermitente en primero de FP. No se trata todavía de abandono, pero una parte del alumnado acumula faltas que dificultan seguir el ritmo y algunos estudiantes desaparecen varios días antes de volver.

    El objetivo podría formularse así: detectar antes las trayectorias de desconexión y aumentar la continuidad de asistencia del alumnado con faltas reiteradas.

    A partir de ahí, el seguimiento puede construirse en varias capas.

    Primero, implementación. El centro comprueba si el sistema de alerta identifica los casos en el plazo acordado, si tutoría recibe la información, si se realiza un primer contacto y si los casos que necesitan apoyo adicional llegan al profesional correspondiente.

    Después, práctica. Se revisa si los contactos sirven para identificar causas concretas o se limitan a recordar la obligación de asistir. También si el equipo docente comparte información relevante, si facilita la reincorporación cuando el alumno vuelve y si evita que una ausencia prolongada termine convirtiéndose en una montaña de tareas imposible de recuperar.

    A continuación, experiencia. Se puede preguntar a una pequeña muestra de alumnado si sabe a quién acudir, si percibe que volver después de varias faltas es viable y si las respuestas del centro llegan antes de que la situación se agrave. En las familias interesa conocer si el contacto es temprano, comprensible y orientado a resolver problemas.

    Más tarde aparecen resultados intermedios: menos secuencias largas de faltas, mayor retorno tras una alerta, reducción de determinados patrones de absentismo o más continuidad durante las semanas posteriores a una intervención.

    Finalmente se observarán los resultados de mayor alcance: asistencia acumulada, permanencia, promoción o titulación.

    La diferencia con un seguimiento burocrático es evidente. Contar el número de llamadas, reuniones o entrevistas solo informa de actividad. El seguimiento completo permite saber dónde se rompe el proceso.

    Si las alertas se generan pero los contactos llegan tarde, el problema está en la implementación. Si los contactos son puntuales pero la reincorporación sigue siendo difícil, quizá deba cambiar la respuesta educativa. Si todo parece funcionar y el absentismo no varía, hay que revisar la explicación inicial: puede que las causas principales estén fuera del alcance de las medidas elegidas.

    6. Cuántos indicadores necesita realmente un centro

    La respuesta habitual es menos de los que solemos imaginar.

    Un plan con veinte indicadores por prioridad puede producir una sensación de control, pero también una enorme carga de recogida de datos. Es el mismo problema organizativo que aparece cuando la carga administrativa resta tiempo al trabajo pedagógico. Si nadie dispone de tiempo para interpretar la información, el cuadro de mando se convierte en un archivo.

    Cada indicador debería superar tres preguntas.

    • Primera: ¿qué decisión podría cambiar gracias a este dato?
    • Segunda: ¿podemos obtenerlo con un coste razonable y de forma suficientemente fiable?
    • Tercera: ¿aporta algo distinto a lo que ya sabemos?

    Si no hay una decisión asociada, probablemente no sea prioritario. Si exige un sistema de recogida desproporcionado, debe buscarse una alternativa. Y si tres indicadores cuentan prácticamente lo mismo, basta con el más claro.

    En una prioridad concreta puede ser suficiente combinar cuatro o cinco señales: una de implementación, una de práctica, una de experiencia y uno o dos resultados. La cantidad depende del problema, pero el principio se mantiene: recoger solo información que pueda utilizarse.

    7. Una cifra sin referencia dice bastante poco

    «El absentismo es del 8 %» parece un dato claro, pero todavía faltan preguntas.

    ¿Era del 11 % al inicio? ¿Está concentrado en un grupo? ¿Ha cambiado la forma de registrar faltas? ¿Se refiere a todos los niveles? ¿Qué ocurrió en el mismo periodo del curso anterior? ¿Ha habido modificaciones en transporte, oferta educativa o matrícula que alteren la comparación?

    Los indicadores necesitan una línea de partida. Sin ella resulta difícil saber si existe progreso.

    También necesitan desagregación cuando sea relevante. Una mejora promedio puede ocultar que determinados grupos no se benefician. Al mismo tiempo, desagregar no significa buscar diferencias estadísticas en muestras diminutas ni etiquetar al alumnado de manera innecesaria. La pregunta siempre debe ser qué información necesita el centro para tomar una decisión proporcionada.

    Conviene además combinar tendencia y contexto. Un dato aislado puede ser ruido. Tres momentos consecutivos ofrecen una historia algo más fiable. Y esa historia mejora cuando se acompaña de información cualitativa que ayude a interpretarla.

    8. Qué hacer cuando los indicadores cuentan historias distintas

    Es normal que ocurra.

    Puede mejorar la percepción de apoyo del alumnado mientras los resultados académicos permanecen estables. Puede aumentar el número de conflictos registrados mientras mejora la convivencia porque el centro ha creado canales más seguros para comunicar problemas. Puede disminuir el absentismo total y, sin embargo, concentrarse una situación grave en un pequeño grupo.

    La respuesta no debería ser elegir el dato más favorable.

    Cuando las señales divergen, conviene formular hipótesis. ¿Estamos viendo una fase temprana del cambio? ¿Ha cambiado el registro? ¿Una medida beneficia a unos grupos y no a otros? ¿El resultado final necesita más tiempo? ¿Estamos midiendo una variable demasiado alejada de la intervención?

    La triangulación no consiste en exigir que todas las fuentes coincidan. Consiste en utilizar sus diferencias para comprender mejor el proceso.

    9. Cuándo un indicador debe provocar una decisión

    El seguimiento pierde valor cuando los datos se presentan en una reunión y nadie sabe qué hacer con ellos.

    Una mejora importante es acordar de antemano qué tipo de respuesta puede provocar cada señal.

    • Si una medida se aplica en menos casos de los previstos, hay que revisar las barreras de implementación.
    • Si se aplica de manera consistente pero la experiencia del alumnado no cambia, puede ser necesario modificar cómo se lleva a cabo.
    • Si aparecen efectos positivos en unas aulas y no en otras, conviene investigar qué condiciones son diferentes antes de extender o descartar la medida.
    • Si tras un periodo razonable no aparecen señales de cambio y la intervención consume recursos relevantes, debe existir la posibilidad real de detenerla.

    Esto evita un sesgo muy humano: mantener actuaciones simplemente porque ya se ha invertido tiempo en ellas.

    La evaluación no debería servir para justificar retrospectivamente el plan. Debería permitir cambiarlo.

    10. Una reunión de seguimiento que termine en decisiones

    No hace falta crear un nuevo órgano ni una aplicación compleja. Una reunión trimestral puede ser suficiente si trabaja con una estructura clara.

    Para cada prioridad, el equipo puede responder cinco preguntas.

    • ¿Qué esperábamos que cambiara?
    • ¿Qué evidencias tenemos de que la intervención se está aplicando?
    • ¿Qué señales muestran cambios en la práctica o en la experiencia del alumnado?
    • ¿Qué resultados están apareciendo y qué no podemos concluir todavía?
    • ¿Qué decisión tomamos hasta la siguiente revisión?

    La última pregunta es la que convierte información en mejora.

    El acta debería poder resumir una decisión concreta: mantener, ampliar, modificar, investigar o retirar. También debería dejar claro qué evidencia volverá a observarse y cuándo.

    Este enfoque se parece más a un ciclo de aprendizaje organizativo que a una comprobación administrativa, una lógica próxima a la que exige conseguir que una reforma curricular llegue realmente al aula. El plan deja de ser un documento cerrado y pasa a funcionar como una hipótesis de trabajo: creemos que estas actuaciones producirán estos cambios; recogemos evidencias; comparamos; ajustamos.

    11. Lo que enseña PROA+ sin convertirlo en una plantilla universal

    La evaluación de PROA+ resulta interesante porque combina distintos niveles de evidencia. El Ministerio informa de mejoras comparadas en titulación, idoneidad y absentismo, y también describe avances en planificación, coordinación docente, liderazgo pedagógico, convivencia e implicación familiar.

    Ese enfoque ayuda a entender una idea importante: los resultados del alumnado y el funcionamiento del centro no son mundos separados.

    Sin embargo, sería un error extraer una lista y convertirla en el cuadro de indicadores de cualquier centro. PROA+ es un programa específico, dirigido a determinados contextos, con una evaluación concreta y una escala que un centro ordinario no puede reproducir.

    Lo que sí puede trasladarse es el enfoque: buscar evidencias próximas a la implementación, observar cambios en el funcionamiento y conectar esas señales con resultados relevantes.

    12. El plan está funcionando cuando el cambio puede verse antes de leer el documento

    Un buen plan de mejora acaba dejando huellas reconocibles.

    Se nota en cómo se detecta un problema, en quién interviene, en qué ocurre después de una reunión, en qué apoyos llegan al aula, en la experiencia del alumnado y, con el tiempo, en los resultados.

    Los indicadores sirven para hacer visibles esas huellas. No deberían crear una segunda realidad paralela formada por porcentajes, semáforos y documentos que apenas se relacionan con la vida del centro.

    La prueba más exigente es sencilla: si el plan desapareciera del archivo y solo pudiéramos observar lo que ocurre en el centro, ¿seríamos capaces de reconocer qué ha cambiado?

    Si la respuesta es sí, los indicadores ayudarán a describir, comprender y sostener esa mejora. Si la respuesta es no, quizá tengamos muchas actuaciones ejecutadas, pero todavía no una evidencia clara de cambio.

    Fuentes y lecturas para profundizar

  • Leer rápido no es comprender: qué revela PISA 2025 sobre lectura crítica y comprobación de fuentes

    Leer rápido no es comprender: qué revela PISA 2025 sobre lectura crítica y comprobación de fuentes

    Un alumno encuentra en pocos segundos una frase que parece responder a la pregunta. Copia la idea, entrega la tarea y pasa a otra cosa. Si la respuesta es correcta, puede parecer que ha comprendido el texto. Pero localizar información y comprenderla no son exactamente la misma operación. Tampoco lo son comprender una afirmación, evaluar la calidad de la evidencia que la sostiene y decidir si la fuente merece confianza.

    PISA 2025 ha reabierto esta discusión porque la lectura vuelve a ser una de las áreas que más empeoran. España obtiene 451 puntos, 23 menos que en 2022, y solo un 2 % del alumnado alcanza los niveles de rendimiento más altos. En el conjunto de la OCDE, la caída de lectura forma parte de una tendencia más larga: entre 2015 y 2025 la puntuación media descendió 28 puntos.

    Sin embargo, el dato más interesante para el aula no está únicamente en la puntuación. La OCDE ha analizado qué tipos de tareas lectoras han sufrido más, cuánto tiempo dedica el alumnado a responder y qué ocurre cuando la tarea exige leer textos más largos, evaluar información o mantener el esfuerzo durante una prueba. El resultado no autoriza una explicación sencilla, pero sí deja una señal clara: cada vez importa más enseñar a detenerse, integrar, contrastar y justificar.

    Eso no significa convertir cada lectura en un ejercicio de sospecha ni asumir que leer en pantalla deteriora necesariamente la comprensión. Significa reconocer que, en un entorno donde obtener una respuesta es cada vez más fácil, comprender por qué esa respuesta merece ser aceptada se vuelve una competencia central.

    1. Encontrar una respuesta no significa haber comprendido el texto

    PISA distingue varios procesos lectores. Algunos exigen localizar una información concreta. Otros requieren comprender relaciones, construir una representación global del texto, integrar datos separados o evaluar y reflexionar sobre el contenido y la forma.

    La diferencia es importante porque una tarea puede resolverse con una lectura muy dirigida sin que el lector haya construido una comprensión profunda. Si la pregunta pide localizar la fecha de un acontecimiento, basta con encontrarla. Si pregunta qué explicación está mejor respaldada, qué afirmación contradice otra parte del texto o por qué una fuente resulta más fiable, el lector debe hacer bastante más.

    En el aula ocurre constantemente. Un estudiante puede encontrar la definición correcta de un concepto y, sin embargo, no ser capaz de explicarlo con sus palabras. Puede seleccionar una frase de un artículo y no advertir que el párrafo siguiente la matiza. Puede ofrecer dos enlaces que sostienen la misma afirmación sin comprobar si ambos proceden de la misma fuente original.

    Por eso conviene separar tres acciones que a menudo aparecen mezcladas: localizar, comprender y evaluar. Las tres forman parte de la competencia lectora, pero no se entrenan de la misma manera.

    2. Qué está cambiando en la lectura según PISA 2025

    El análisis de PISA 2025 permite observar la evolución de los mismos tipos de tareas a lo largo de varios ciclos. La imagen resultante es más matizada de lo que sugiere un titular sobre “pérdida de comprensión lectora”.

    Los textos largos siguen siendo especialmente exigentes

    La OCDE señala que las mayores caídas de éxito aparecen en tareas que utilizan textos largos. Ese patrón se mantiene en el periodo 2018-2025 y resulta relevante porque trabajar con un texto extenso exige algo distinto de localizar una frase aislada: mantener una representación del contenido, recordar información previa, conectar partes y sostener la atención durante más tiempo.

    No significa que todo texto largo sea pedagógicamente mejor. Un texto puede ser extenso y estar mal escrito, ser redundante o resultar inadecuado para el nivel del alumnado. La cuestión es otra: si casi todas las actividades habituales se resuelven mediante fragmentos mínimos, respuestas inmediatas o materiales muy troceados, el alumnado dispone de menos oportunidades para practicar una lectura que exige continuidad.

    Evaluar y reflexionar sufrió especialmente entre 2018 y 2022

    Cuando la OCDE compara los tipos de procesos lectores, observa que entre 2018 y 2022 las tareas que exigían evaluar y reflexionar se vieron especialmente afectadas, mientras que localizar información resistió mejor. Son precisamente las tareas que requieren ir más allá del significado literal, valorar la calidad del contenido, relacionar información y juzgar su validez.

    Pero aquí conviene evitar una simplificación. Si se amplía la comparación hasta 2025, las diferencias entre procesos se reducen: el descenso es más general y ya no puede sostenerse que todo el deterioro se concentre únicamente en la evaluación crítica. PISA muestra un problema amplio de lectura, aunque determinados componentes —como la longitud del texto y la capacidad de mantener una lectura cuidadosa— siguen destacando.

    Trabajar con varias fuentes no aparece como la explicación por sí sola

    Otro resultado merece atención porque contradice una explicación intuitiva. PISA diferencia tareas basadas en una sola fuente y tareas que exigen utilizar varias. La caída no muestra un patrón suficientemente claro como para concluir que el problema principal sea simplemente enfrentarse a múltiples fuentes.

    Esto importa en la escuela digital. Sería fácil afirmar que el alumnado está acostumbrado a saltar de una página a otra y que por eso ha perdido capacidad de comprensión. Los datos no permiten una conclusión tan directa. La dificultad parece estar más relacionada con la calidad del procesamiento: recordar, integrar, sostener el esfuerzo, evaluar y no responder antes de haber comprendido.

    3. La señal más llamativa: aumentan las respuestas rápidas e incorrectas

    PISA dispone de información sobre el tiempo que tarda cada estudiante en responder. La OCDE utiliza esos datos para identificar respuestas “apresuradas”: respuestas incorrectas dadas en un tiempo tan breve que resulta difícil que el alumno haya procesado adecuadamente el ítem.

    Entre 2018 y 2025, la proporción media de este tipo de respuestas aumentó en más de cuatro puntos porcentuales y se situó alrededor del 9 % en la OCDE. España aparece con un 9,7 % de respuestas rápidas e incorrectas en el resumen comparativo de 2025.

    En las tareas específicas de fluidez lectora, la OCDE ofrece además una clasificación de estudiantes. La proporción media de lectores precisos y fluidos cayó unos siete puntos porcentuales, mientras que el grupo clasificado como lectores apresurados pasó aproximadamente del 6,6 % en 2018 al 11,4 % en 2025.

    Este hallazgo es sugerente, pero debe interpretarse con cuidado. Una respuesta rápida e incorrecta no demuestra por sí sola que el estudiante “no sepa leer”. Puede reflejar baja implicación con la prueba, pérdida de atención, escasa persistencia, dificultad real de lectura o una combinación de factores. La propia OCDE plantea esas alternativas.

    Lo importante desde el punto de vista educativo es que cada vez más estudiantes parecen optar por contestar deprisa en lugar de dejar una tarea difícil sin responder. El problema no es la velocidad en sí. Un lector experto puede leer con rapidez cuando la tarea lo permite. El problema aparece cuando la rapidez sustituye al procesamiento necesario para responder con precisión.

    4. Leer críticamente no consiste en desconfiar de todo

    El debate sobre lectura crítica suele convertirse con facilidad en una lista de advertencias: no creas todo lo que ves, busca varias fuentes, comprueba quién lo publica. Son recomendaciones razonables, pero insuficientes.

    Una persona puede consultar cinco páginas y seguir mal informada si todas repiten el mismo dato sin llegar a su origen. También puede desconfiar de una fuente rigurosa simplemente porque contradice una creencia previa. Incluso puede presentar “dos versiones” de un tema cuando una de ellas cuenta con evidencia sólida y la otra no.

    PISA 2025 incluye preguntas sobre las creencias del alumnado acerca de la ciencia y de la información. Una de ellas plantea que la información procedente de una sola fuente debería contrastarse con otras antes de aceptarse. La OCDE considera esta disposición importante en un entorno donde abundan fuentes de fiabilidad desigual.

    Pero contrastar no significa buscar a alguien que diga lo contrario. Significa comprobar de dónde procede una afirmación, qué evidencia la respalda, si existe una fuente primaria, quién tiene competencia para sostenerla y si otras fuentes independientes confirman o cuestionan el dato.

    La competencia crítica, por tanto, no consiste en enseñar al alumnado a sospechar. Consiste en darle criterios para decidir cuándo confiar y por qué.

    5. Comprobar una fuente exige mirar fuera de la propia fuente

    La investigación reciente sobre evaluación de credibilidad ofrece una idea especialmente útil para el aula: cuando una página es desconocida, no siempre conviene quedarse dentro de ella analizando su aspecto, su logotipo o el texto de “Quiénes somos”.

    La estrategia conocida como lectura lateral propone salir de la página y abrir otras fuentes para investigar quién está detrás, qué reputación tiene, si otras instituciones reconocidas la citan y cuál es el origen de la afirmación.

    Un metaanálisis publicado en 2025, que reunió 64 estudios experimentales controlados sobre enseñanza de evaluación de fuentes, encontró un efecto positivo medio de estas intervenciones y señaló la lectura lateral como el enfoque que mostró los efectos más altos. Los autores advierten de una heterogeneidad considerable: no todas las intervenciones funcionan igual ni en todos los contextos. Aun así, el resultado refuerza una idea pedagógica importante: evaluar la credibilidad puede enseñarse explícitamente y mejorar con práctica repetida.

    Otros estudios con alumnado escolar han encontrado mejoras cuando se enseña de forma directa a cuestionar fuentes poco fiables y justificar por qué una fuente merece mayor o menor confianza. La consecuencia práctica es clara: no basta con pedir “busca información fiable”. Hay que mostrar qué hace un lector competente para determinarlo.

    6. La comprensión también depende de lo que el lector ya sabe

    Hay otra simplificación frecuente: presentar la lectura crítica como un conjunto de técnicas que pueden aplicarse con independencia del conocimiento del tema.

    Las estrategias importan, pero el conocimiento previo también. Para detectar que una cifra es improbable, entender la relevancia de una fuente o advertir que una explicación omite una condición importante, el lector necesita disponer de conocimientos con los que interpretar lo que está leyendo.

    Este punto aparece también en el debate abierto tras PISA 2025. Gregorio Luri ha cuestionado que el deterioro lector pueda explicarse simplemente por las pantallas y ha insistido en la relación entre comprensión y conocimiento acumulado. Su tesis debe tratarse como una interpretación, no como una conclusión causal de PISA, pero señala una cuestión bien asentada en investigación sobre comprensión: leer no consiste únicamente en decodificar palabras o aplicar una técnica, sino en conectar la información nueva con estructuras de conocimiento disponibles.

    Esto tiene una consecuencia educativa importante. Enseñar a comprobar fuentes no puede sustituir a enseñar ciencias, historia, lengua, economía o cualquier disciplina. Cuanto mayor sea el conocimiento del alumnado sobre un campo, más recursos tendrá para formular buenas preguntas y detectar afirmaciones dudosas.

    La alfabetización informacional y el conocimiento disciplinar se necesitan mutuamente.

    7. Papel o pantalla: una explicación demasiado sencilla

    La caída de lectura coincide con una transformación profunda de los hábitos digitales. Es razonable investigar si el soporte influye, pero no conviene convertir esa coincidencia en una explicación cerrada.

    La propia OCDE plantea como hipótesis que la disminución de la lectura por placer y el desplazamiento hacia formas de lectura digital más fragmentadas podrían estar relacionados con dificultades para comprometerse con textos complejos. Lo presenta como una posibilidad, no como una demostración.

    La investigación comparativa tampoco permite una regla universal de “papel bueno, pantalla mala”. Un metaanálisis de 2024 que reunió 37 estudios experimentales no encontró una diferencia global significativa de comprensión entre lectura en papel y lectura digital, aunque sí detectó variaciones según las características del lector, del texto y de las condiciones de lectura.

    Esto invita a cambiar la pregunta. En lugar de discutir únicamente qué soporte utilizamos, conviene analizar qué comportamiento promueve la tarea. Leer un informe en una tableta sin notificaciones y con tiempo para anotar puede exigir una concentración muy distinta de recorrer enlaces mientras llegan mensajes, vídeos y recomendaciones. Del mismo modo, entregar un texto impreso no garantiza que el alumnado lo procese con profundidad.

    El soporte importa en determinadas condiciones. El diseño de la actividad importa siempre.

    8. Cinco rutinas para enseñar a leer con más profundidad

    Los datos de PISA no proporcionan una metodología de aula. Las siguientes propuestas son una transferencia editorial basada en los problemas que el informe ayuda a identificar y en investigación sobre evaluación de fuentes. Deben adaptarse a la edad, la materia y el objetivo de aprendizaje.

    1. Reconstruir la idea antes de buscar la respuesta

    Antes de contestar una pregunta, pedir al alumnado que formule en una o dos frases qué sostiene realmente el texto. No un resumen de todo, sino la afirmación principal y las condiciones que la acompañan.

    Esta pequeña pausa obliga a construir una representación del contenido antes de saltar a una frase aislada. Puede hacerse oralmente, por escrito o comparando dos formulaciones y discutiendo cuál conserva mejor el sentido.

    2. Señalar qué evidencia permite afirmarlo

    Una respuesta correcta debería poder acompañarse de una pregunta adicional: “¿En qué parte del texto te apoyas?”. El objetivo no es llenar tareas de citas, sino acostumbrar a distinguir entre una conclusión y la evidencia que la sostiene.

    Cuando el alumnado no encuentra esa evidencia, puede descubrir que ha respondido por intuición, por conocimientos previos o por una palabra que le resultó familiar.

    3. Separar hecho, interpretación y propuesta

    Esta rutina resulta especialmente útil con artículos, informes, noticias y respuestas generadas por IA. Se puede pedir que el alumnado marque qué afirmaciones están documentadas, cuáles son interpretaciones del autor y cuáles son recomendaciones.

    El ejercicio ayuda a comprender que dos textos pueden compartir los mismos datos y llegar a interpretaciones diferentes sin que necesariamente uno esté mintiendo.

    4. Leer lateralmente cuando la credibilidad sea relevante

    Ante una página desconocida, la tarea no debe limitarse a evaluar su diseño. El alumnado puede investigar quién publica, localizar la fuente original de una cifra, comprobar qué otras instituciones hablan de esa organización y comparar cómo se presenta la misma evidencia en varias fuentes.

    Conviene empezar con ejemplos preparados por el docente y verbalizar el proceso: “No conozco esta web; antes de aceptar su afirmación, voy a comprobar quién está detrás”. Después, la estrategia puede trasladarse progresivamente a investigaciones más abiertas.

    5. Introducir preguntas que obliguen a frenar

    Algunas preguntas pueden diseñarse para que la primera respuesta plausible no sea suficiente: “¿Qué dato necesitarías para estar seguro?”, “¿Qué parte del texto contradice esta interpretación?”, “¿Cuál de estas dos fuentes confiarías más y por qué?”, “¿Qué afirmación no puede sostenerse con la evidencia disponible?”.

    La finalidad no es hacer las tareas artificialmente difíciles. Es crear momentos en los que responder bien requiera revisar el texto, relacionar partes y justificar una decisión.

    9. Evaluar comprensión sin premiar únicamente la velocidad

    La escuela también transmite qué tipo de lectura valora mediante sus pruebas y actividades.

    Si la mayoría de las preguntas pueden resolverse localizando una palabra o copiando una frase, el alumnado aprende que comprender consiste en encontrar. Si todas las tareas se realizan bajo una presión temporal intensa, puede aprender que acabar es más importante que revisar.

    Eso no significa eliminar la fluidez ni trabajar siempre lentamente. La lectura fluida libera recursos cognitivos y es una condición importante para comprender. El reto es combinar velocidad y precisión con tareas que exijan profundidad cuando la profundidad es necesaria.

    Una evaluación equilibrada puede incluir preguntas de localización, pero también pedir inferencias, comparación de fuentes, explicación de contradicciones, evaluación de argumentos o identificación de evidencia insuficiente.

    También puede separar momentos. Primero se permite una lectura inicial. Después se pide volver al texto para justificar. Finalmente se plantea una cuestión nueva que obligue a transferir lo comprendido. Así la revisión deja de ser un comportamiento opcional y se convierte en parte visible de la tarea.

    10. La IA hace más importante saber cuándo no aceptar una respuesta

    PISA 2025 llega en un momento particular. En España, el 54 % del alumnado declara utilizar chatbots de IA para ayudarle a aprender al menos una vez por semana. El 40 % afirma utilizarlos para resumir textos que debía leer y el 33 % para redactar trabajos escritos.

    Esto no demuestra que la IA esté causando el deterioro de la lectura. Sería metodológicamente incorrecto afirmarlo. Pero sí cambia el entorno en el que se produce la lectura escolar.

    Durante mucho tiempo, una parte importante del esfuerzo consistía en encontrar información. Ahora un sistema puede localizarla, resumirla y presentarla en segundos. La competencia diferencial se desplaza hacia otras preguntas: ¿es correcta?, ¿qué ha omitido?, ¿de dónde procede?, ¿qué evidencia la respalda?, ¿puedo explicar la respuesta sin depender de la herramienta?

    Por eso leer críticamente no es una competencia defensiva contra Internet o contra la IA. Es una condición para utilizarlos con autonomía.

    11. Leer mejor también significa saber detenerse

    PISA 2025 no demuestra que el alumnado comprenda menos porque lea demasiado rápido. Sí detecta una caída importante en lectura, más dificultades con textos largos, un aumento de respuestas rápidas e incorrectas y señales compatibles con menor persistencia ante tareas exigentes.

    Tampoco demuestra que la pantalla sea la causa ni que trabajar con múltiples fuentes explique por sí mismo el retroceso. Es precisamente esa combinación de señales y límites la que hace interesante el informe.

    La respuesta educativa no debería ser una campaña genérica para “leer más despacio”. Debería consistir en ofrecer más oportunidades para leer con propósito, mantener la atención sobre textos exigentes, reconstruir argumentos, volver a la evidencia, comparar fuentes y explicar por qué confiamos en una información.

    Un alumno competente no es el que tarda más en leer ni el que abre más enlaces. Es el que ajusta su forma de leer a la tarea.

    A veces necesitará localizar un dato en segundos. Otras veces deberá detenerse, releer y reconocer que todavía no tiene suficiente información para responder.

    En una escuela donde las respuestas pueden aparecer de inmediato, enseñar ese momento de pausa quizá sea una de las formas más concretas de enseñar a pensar.