Docentes de Vermont afrontan las disyuntivas educativas de la IA en el aula
Los docentes de Vermont comenzaron el nuevo curso escolar con un conflicto que ahora se extiende por Google News: los estudiantes pueden usar inteligencia artificial para aprender más rápido o para evitar aprender por completo. La distinción parece sencilla. Aplicarla a distintas edades, materias, tareas y programas no lo es.
Un reportaje sobre IA en el aula publicado el 1 de septiembre por WCAX reflejó ese desacuerdo a través de educadores que trabajan en Vermont y sus alrededores. Algunos enseñan a los estudiantes a examinar trabajos generados por IA en busca de errores y sesgos. Otros quieren poco o ningún uso en el aula, especialmente antes de la secundaria.
No se trata del conocido debate entre entusiastas de la tecnología y docentes tradicionales. Ambas partes reconocen que los estudiantes se encontrarán con la IA fuera de la escuela. Su desacuerdo gira en torno a cuándo la exposición se convierte en educación, cuándo la ayuda se convierte en sustitución y quién debe decidirlo.
Vermont ya ha publicado orientaciones estatales, pero deliberadamente no resuelve cada decisión de aula. Los distritos, los líderes escolares y los docentes aún deben traducir principios generales en normas prácticas. Eso los deja gestionando la tensión entre el criterio pedagógico y una política coherente.
La pregunta inmediata no es si la IA tiene algún lugar en la educación. Es si las escuelas pueden definir usos que preserven el pensamiento que una tarea fue diseñada para desarrollar.
El debate en las aulas de Vermont ha ido más allá de las prohibiciones
La novedad es el paso de preguntar si las escuelas deben bloquear la IA a decidir qué usos respaldan un objetivo de aprendizaje concreto.
WCAX informó que Claudine Bedell, profesora de educación en St. Michael’s College, pide a sus estudiantes que critiquen material producido por una herramienta de IA. Los estudiantes detectan rápidamente errores y posibles sesgos, explicó. El ejercicio convierte la evaluación, y no la generación, en el objetivo de la tarea.
Esta distinción importa porque la IA generativa crea texto, imágenes, audio o código a partir de patrones presentes en datos de entrenamiento. Puede producir respuestas fluidas sin demostrar que sean correctas. Una actividad de aula puede revelar esa limitación cuando los estudiantes poseen conocimientos suficientes de la materia para cuestionar el resultado.
El enfoque de Bedell trata la alfabetización en IA como alfabetización crítica. Los estudiantes deben identificar afirmaciones sin respaldo, perspectivas ausentes y un lenguaje que parece convincente sin ser fiable. El modelo se convierte en un objeto de estudio, no en un autor invisible.
Christina Asquith, cofundadora de la organización sin fines de lucro Hack Club, con sede en Burlington, describió una postura más restrictiva. Hack Club enseña informática a adolescentes, y los participantes usan IA para escribir código. Sin embargo, Asquith dijo a WCAX que algunos estudiantes entregan proyectos que no entienden.
Hack Club rechaza esos proyectos. Según Asquith, tres cuartas partes de esos estudiantes vuelven a entregarlos en una o dos semanas con una mejor comprensión de su código. La organización permite la herramienta, pero se niega a aceptar el resultado como prueba de aprendizaje.
Ese ejemplo captura el problema central. Un programa que funciona demuestra que el software produjo un resultado operativo. No demuestra que un estudiante pueda explicar el programa, depurarlo o recrear su lógica.
Asquith afirmó que los participantes de Hack Club producían código unas 100 veces más rápido que en 2023. Esa cifra es el relato de la organización, no una medición independiente del aprendizaje. Una producción más rápida puede coexistir con una comprensión más débil.
Por ello, establece un límite mucho más estrecho para el aula. Asquith dijo a WCAX que la IA no tiene ningún papel desde kindergarten hasta octavo grado y que debería desempeñar un papel muy limitado en la secundaria.
El desacuerdo es real, pero existe un terreno común. Bedell y Asquith rechazan por igual la aceptación pasiva de resultados producidos por máquinas. Ambas quieren que los estudiantes comprendan el trabajo que tienen delante.
Un enfoque desarrolla esa comprensión mediante la crítica estructurada. El otro limita el acceso hasta que los estudiantes cuenten con bases más sólidas. Google News presenta el desacuerdo como una historia local oportuna, pero las escuelas de Vermont deben convertirlo en normas operativas duraderas.
Google News destaca una brecha en las orientaciones estatales
Vermont cuenta con un marco estatal, pero las decisiones más relevantes siguen recayendo en los distritos, los líderes escolares y los docentes individuales.
La Vermont Agency of Education publicó el 23 de enero de 2026 una guía educativa sobre IA de 50 páginas. Aborda el trabajo administrativo, el aprendizaje personalizado, la alfabetización en IA, el uso responsable, la revisión de herramientas y el acceso apropiado para cada etapa de desarrollo.
El documento ofrece orientación sin declarar una política universal para las aulas. Indica a los educadores que consulten las listas de software aprobado, los equipos de tecnología del distrito, el liderazgo escolar y los requisitos de privacidad aplicables.
Esa flexibilidad respeta el criterio pedagógico local. También puede producir respuestas diferentes para estudiantes que cursan materias similares en distritos vecinos.
La guía estatal separa las expectativas por rangos de grado. Los educadores de primaria deberían centrarse principalmente en usar IA para agilizar su propio trabajo. La secundaria básica se describe como un punto de transición en el que los estudiantes necesitan orientación estructurada. Los estudiantes de secundaria superior pueden asumir tareas más exigentes respaldadas por IA después de desarrollar alfabetización en IA.
Estas distinciones sitúan la madurez evolutiva en el centro. Una herramienta adecuada para un ejercicio de programación en secundaria superior puede no serlo para una lección de escritura en primaria. Incluso dentro de un mismo grado, la preparación varía según el estudiante, la materia y la tarea.
El marco también distingue entre acceso y supervisión. Un distrito puede aprobar un chatbot centrado en la educación, pero esa aprobación no define cómo debe usarlo un docente. La cuestión pedagógica sigue siendo si la herramienta refuerza la habilidad específica que se busca desarrollar.
Pensemos en una tarea de escritura. La IA puede sugerir un esquema, ofrecer comentarios o producir una respuesta completa. Estas acciones se realizan a través de la misma interfaz, pero tienen consecuencias educativas distintas.
Un docente podría permitir la lluvia de ideas, pero prohibir la prosa generada. Otro podría pedir a los estudiantes que comparen un borrador de IA con el suyo. Un tercero podría prohibir la herramienta porque la tarea mide el razonamiento sin ayuda.
Estas diferencias se vuelven confusas cuando las escuelas solo comunican si la IA está “permitida”. Los estudiantes necesitan expectativas a nivel de tarea: qué pueden hacer, qué deben revelar y qué partes del trabajo deben seguir siendo propias.
Los reportajes nacionales muestran que esta ambigüedad se extiende más allá de Vermont. Un análisis sobre honestidad académica de Associated Press describió cómo los estudiantes se encuentran con reglas diferentes sobre IA según el aula. La corrección gramatical, los esquemas, la reescritura y la generación de ideas suelen quedar en terreno incierto.
Por lo tanto, una política útil debe describir acciones en lugar de marcas. Bloquear un chatbot no responde si los estudiantes pueden usar funciones de IA integradas en motores de búsqueda, software de escritura, editores de documentos o plataformas de aprendizaje.
El mismo principio se aplica al uso por parte del profesorado. Una escuela puede permitir ayuda para planificar lecciones sin autorizar la calificación o los comentarios automatizados. La política debe identificar qué responsabilidades exigen un criterio profesional directo.
Las orientaciones de Vermont dan a las escuelas un vocabulario para tomar esas decisiones. No eliminan el difícil trabajo de adoptarlas.
La verdadera división es aprendizaje frente a sustitución
El conflicto principal no enfrenta a docentes y tecnología. Enfrenta el aprendizaje asistido por IA con la sustitución asistida por IA.
La sustitución ocurre cuando una herramienta realiza el trabajo cognitivo que una tarea pretende medir. Si los estudiantes deben construir un argumento, generar el argumento completo sustituye ese proceso. Si deben aprender sintaxis, aceptar código generado puede ocultar si entienden el lenguaje.
La asistencia respalda el proceso sin desplazar su propósito. Un estudiante podría pedir a un chatbot que cree preguntas de práctica, explique un error o cuestione una conclusión. El estudiante aún debe evaluar la respuesta y demostrar comprensión independiente.
El límite cambia según la tarea. Una calculadora puede respaldar las matemáticas avanzadas y, al mismo tiempo, perjudicar un ejercicio diseñado para desarrollar fluidez aritmética. El informe estatal sobre política de IA de Vermont de 2024 utilizó esa comparación al analizar la IA generativa.
La analogía es útil, pero incompleta. Una calculadora realiza operaciones definidas con resultados previsibles. Un modelo de lenguaje genera respuestas probabilísticas que pueden contener errores factuales, sesgos o detalles inventados.
Esa diferencia aumenta la importancia de la verificación. Los estudiantes necesitan conocimientos suficientes para reconocer cuándo una respuesta pulida es incorrecta. Sin esa base, “comprobar la IA” puede convertirse en poco más que aceptar su seguridad.
El ejercicio de aula de Bedell aborda directamente esta debilidad. Los estudiantes primero examinan el material generado y luego identifican sus fallos. El valor de aprendizaje proviene de la crítica, no de obtener texto más rápido.
Hack Club utiliza un mecanismo diferente. Evalúa la comprensión después de que los estudiantes construyen con IA. Rechazar proyectos sin explicación obliga a los estudiantes a volver al código, donde deben elaborar una explicación de lo que produjo el sistema.
Ambos casos modifican la evaluación. Los docentes no pueden tratar un documento terminado o un programa funcional como evidencia suficiente. Deben examinar el proceso que hay detrás.
Eso puede incluir borradores, notas de fuentes, explicaciones orales, historiales de versiones, trabajo realizado en clase o reflexiones breves que describan cómo se utilizó una herramienta. Estos métodos son más informativos que una puntuación de detección de IA.
El software de detección intenta estimar si un modelo generó un pasaje. Esas estimaciones no revelan lo que aprendió un estudiante, y los falsos positivos pueden dañar la confianza. La evidencia del proceso ofrece a los docentes una base más sólida para evaluar la autoría y la comprensión.
También importa una divulgación clara. Los estudiantes deben saber cuándo deben identificar un paso asistido por IA y cuán detallada debe ser esa divulgación. Los docentes que utilizan materiales generados por IA deberían seguir expectativas comparables.
Esa reciprocidad está surgiendo como un asunto importante en Vermont. Una encuesta a educadores de Vermont publicada por Seven Days informó que algunos estudiantes se sentían menos motivados cuando los docentes asignaban material generado por IA. Los estudiantes cuestionaban por qué su propio trabajo enfrentaba reglas más estrictas que el trabajo de sus docentes.
La preocupación no es meramente simbólica. Una hoja de trabajo inexacta puede propagar errores por toda una clase. Una lección genérica también puede no reflejar a los estudiantes, el currículo o el debate que un docente conoce de primera mano.
Por lo tanto, la supervisión docente debe significar más que pulsar un botón y leer el resultado una vez. Los educadores siguen siendo responsables de la precisión, la accesibilidad, la adecuación pedagógica y el tratamiento de la información de los estudiantes.
Un aula transparente puede hacer visible esa responsabilidad. Los docentes pueden explicar cuándo la IA ayudó a preparar un recurso, qué partes modificaron y por qué el material final sirve a la lección. Los estudiantes pueden documentar sus propios usos permitidos siguiendo el mismo principio.
Este modelo no asigna a estudiantes y docentes responsabilidades idénticas. Los docentes diseñan la enseñanza y evalúan el aprendizaje. Sin embargo, establece un estándar compartido: ninguna de las partes debe presentar resultados no examinados de una máquina como trabajo original y verificado.
La privacidad y los límites de edad complican la IA en el aula
Incluso una actividad de aprendizaje bien diseñada puede volverse inaceptable cuando una herramienta de IA recopila datos sensibles o supera el nivel de madurez de un estudiante.
Los sistemas de IA generativa suelen conservar los prompts, generar registros de uso o vincular las interacciones con cuentas de usuario. Un estudiante puede revelar datos personales, dificultades académicas, información sobre discapacidades o trabajos inéditos durante una conversación aparentemente normal.
Esto convierte la aprobación de herramientas en una decisión de gobernanza de datos. Las escuelas deben comprender qué información recopila un proveedor, cuánto tiempo la conserva y si utiliza las entradas para mejorar sus modelos.
La guía de Vermont orienta a los educadores hacia herramientas aprobadas por el distrito y equipos tecnológicos. Hace referencia a requisitos federales de privacidad, incluida la Family Educational Rights and Privacy Act y la Children’s Online Privacy Protection Act.
Los docentes no pueden resolver por sí solos todas las cuestiones contractuales o técnicas. Los distritos necesitan un proceso de revisión que abarque el manejo de datos, la seguridad, la accesibilidad, los controles de cuentas y las restricciones de edad antes de que comience el uso en el aula.
El diseño del producto introduce otra complicación. Un chatbot general puede fomentar conversaciones abiertas, mientras que una aplicación específica para educación puede limitar el modelo a una materia o actividad definida. Un sistema más acotado reduce algunos riesgos, pero no los elimina.
La guía estatal señala ejemplos como la evaluación de alfabetización y la tutoría centrada en el currículo. También advierte que los líderes escolares deben examinar la aplicación real en lugar de asumir que una etiqueta educativa garantiza la seguridad.
La supervisión sigue siendo limitada. La guía de Vermont analiza las brechas en la capacidad de los administradores para revisar las conversaciones de los estudiantes dentro de algunas plataformas ampliamente utilizadas. Una escuela no puede prometer una supervisión significativa si su personal no puede ver cómo interactúan los estudiantes con una herramienta.
La edad hace que esas limitaciones sean más relevantes. Los estudiantes más jóvenes tienen menos experiencia para evaluar la persuasión, la incertidumbre factual y el lenguaje emocional simulado. Pueden atribuir comprensión o autoridad a un sistema que genera respuestas conversacionales sin conciencia humana.
Esto ayuda a explicar el llamamiento de Asquith a no utilizar IA en las aulas desde preescolar hasta octavo grado. Su postura pone el énfasis en proteger el aprendizaje y el desarrollo fundamentales antes de que los estudiantes se encuentren con herramientas capaces de realizar el trabajo por ellos.
La guía estatal de Vermont adopta un enfoque más gradual. Centra el uso en primaria en tareas de los educadores, introduce una alfabetización en IA estructurada durante la escuela media y permite un uso más amplio en secundaria una vez que los estudiantes demuestran estar preparados.
Ninguna de las dos posturas ha quedado resuelta por evidencia de largo plazo en el aula. Las herramientas de IA generativa solo estuvieron ampliamente disponibles a finales de 2022, lo que deja a las escuelas con una investigación longitudinal limitada sobre aprendizaje, dependencia y desarrollo.
Esa incertidumbre debería moderar las afirmaciones de ambos lados. Las escuelas no pueden asumir que la exposición temprana crea automáticamente alfabetización. Tampoco pueden asumir que evitar las herramientas en el aula impide que los estudiantes las usen en otros contextos.
La equidad añade otra presión. Los estudiantes con cuentas de pago, dispositivos personales o mayor apoyo en casa pueden acceder independientemente de las normas escolares. Por ello, una prohibición simple puede desplazar el uso de la IA fuera de entornos supervisados sin hacerlo desaparecer.
A la inversa, el uso obligatorio puede imponer una carga a las familias preocupadas por la privacidad, los sesgos, la exposición a pantallas o la accesibilidad. También puede perjudicar a los estudiantes que aprenden mejor mediante instrucción humana y práctica directa.
Una política defendible necesita alternativas. Si una tarea permite o exige IA, los estudiantes deberían tener una forma de cumplir el mismo objetivo de aprendizaje sin entregar datos personales a un servicio no aprobado.
Las escuelas también deberían evitar presentar cada adaptación como permiso para una generación sin restricciones. El apoyo de accesibilidad puede definirse estrictamente en torno a la necesidad documentada de un estudiante, preservando al mismo tiempo el propósito de la tarea.
La difícil verdad es que la “IA segura” no es una categoría permanente de producto. Los proveedores cambian funciones, políticas, modelos y controles de cuentas. La aprobación del distrito debe revisarse cuando cambien esas condiciones.
Los docentes son ahora el punto de presión
El enfoque flexible de Vermont sitúa el juicio profesional en el centro, pero también pide a los docentes que gestionen responsabilidades que ningún aula individual puede resolver por sí sola.
Los docentes deben decidir si un uso favorece el aprendizaje, explicar esa decisión a los estudiantes, aplicar las normas de integridad académica, revisar los resultados en busca de errores y proteger la información de los estudiantes. Deben hacerlo mientras las funciones de IA se extienden por el software que ya conocen.
Una prohibición completa parece más fácil de administrar. Sin embargo, los estudiantes aún pueden acceder a las herramientas mediante cuentas personales, interfaces de búsqueda, asistentes de escritura y teléfonos. La aplicación de las normas se convierte entonces en una tarea de vigilancia cada vez mayor.
El acceso sin restricciones evita esa carga de control, pero crea otro problema. Los estudiantes pueden externalizar el mismo razonamiento que las escuelas pretenden desarrollar.
El punto medio viable requiere más diseño, no menos. Las tareas necesitan límites explícitos sobre la IA, evidencia significativa del proceso y métodos de evaluación que revelen la comprensión. Eso incrementa las exigencias de preparación antes de reducir cualquier carga de trabajo.
Por ello, el desarrollo profesional importa. Los docentes necesitan tiempo para probar herramientas en materias que conocen profundamente. Eso les permite identificar errores típicos, citas débiles, supuestos sesgados y patrones de lenguaje genérico.
La formación también debe cubrir cuándo no usar IA. Una sesión centrada solo en los prompts corre el riesgo de tratar la adopción como un objetivo predeterminado. Los educadores necesitan autoridad para rechazar una herramienta cuando no sirve a sus estudiantes.
Los reportes locales muestran que los distritos de Vermont se encuentran en distintas etapas. Champlain Valley School District ha desarrollado principios centrados en el aprendizaje equitativo, el apoyo a los educadores y el uso ético. Los educadores de Harwood han trabajado hacia una filosofía compartida destinada a reducir las normas inconsistentes.
Estos esfuerzos muestran por qué un documento estatal no puede ser la capa final. Los distritos necesitan orientación para las tareas, listas de herramientas aprobadas, prácticas de divulgación, comunicación con las familias y procedimientos para revisar trabajos en disputa.
Los líderes escolares también deben definir la rendición de cuentas. Un docente debería saber quién aprueba una herramienta nueva y quién responde si se exponen datos de estudiantes. Los estudiantes deberían saber cómo cuestionar una acusación relacionada con IA o solicitar una aclaración antes de entregar un trabajo.
Las familias necesitan explicaciones claras sobre lo que hace una herramienta. Los nombres de productos y las afirmaciones amplias sobre aprendizaje personalizado no responden si un estudiante conversará con un modelo, cargará trabajos o recibirá retroalimentación automatizada.
El debate también tiene consecuencias para los proveedores. Las empresas educativas enfrentan presión para ofrecer visibilidad administrativa, controles apropiados para la edad, accesibilidad y prácticas de datos claras. Un chatbot diseñado para adultos no puede estar listo para el aula solo mediante una nueva marca.
Google, Microsoft, OpenAI y proveedores centrados en educación compiten por un lugar en los flujos de trabajo escolares. Sus productos difieren, pero la pregunta institucional es la misma: ¿puede un distrito controlar el uso sin transferir la autoridad educativa al software?
Las escuelas deberían evaluar esos sistemas según sus objetivos locales de aprendizaje. Una función que ahorra tiempo de planificación no es automáticamente adecuada para los estudiantes. Una interfaz de tutoría no es automáticamente lo bastante fiable para un uso independiente.
Los docentes siguen siendo responsables de la relación que el software no puede proporcionar. Detectan la frustración, los conocimientos previos, el contexto social y los cambios en el trabajo de un estudiante a lo largo del tiempo. La IA puede procesar entradas, pero no asume ese deber profesional.
Por eso la presión actual no puede resolverse únicamente mediante la adquisición de tecnología. El experimento de Vermont depende de que las instituciones den a los docentes suficiente política, formación y tiempo para ejercer el juicio que se les pide aportar.
Qué deberían observar las escuelas de Vermont a continuación
La próxima fase se medirá a través de las políticas de distrito, la evidencia en el aula y la confianza de los estudiantes, más que por la cantidad de herramientas de IA adoptadas.
La primera señal es si los distritos convierten la orientación amplia en normas a nivel de tarea. Los estudiantes deberían ver categorías claras para usos prohibidos, limitados, divulgados y obligatorios. Si esas categorías aparecen en todas las materias, Vermont avanzará hacia la coherencia sin imponer una sola regla para cada lección.
La segunda señal es si cambia la evaluación. Las escuelas que sigan calificando solo productos terminados tendrán dificultades para distinguir el aprendizaje de la sustitución. Más explicaciones orales, borradores documentados y demostraciones en el aula mostrarían que la política está influyendo en la práctica docente.
La tercera señal es si los docentes y los estudiantes informan de una mayor claridad. Una política puede parecer completa mientras deja sin respuesta las preguntas cotidianas. Los distritos deberían preguntar si los estudiantes entienden los usos permitidos y si los docentes saben cómo responder de forma coherente.
Estas señales importan más que las cifras de adopción. Una tasa alta de uso no demuestra beneficio educativo. Una tasa baja no prueba que los estudiantes estén aprendiendo sin IA fuera de la escuela.
Los legisladores de Vermont también siguen formando parte del panorama. El senador estatal Seth Bongartz dijo a Seven Days que quería una política modelo, al tiempo que expresaba reticencia ante una prohibición general. La futura acción legislativa mostrará si el estado mantiene la orientación voluntaria o establece requisitos más firmes.
Los cambios de los proveedores merecen una revisión continua. Un distrito puede aprobar una herramienta bajo una política de privacidad y encontrarse después con nuevas funciones. El intercambio de conversaciones, los agentes automatizados, las funciones de memoria o las funciones sociales pueden cambiar el cálculo de riesgos.
Las escuelas deberían documentar las fechas y los factores desencadenantes de las revisiones. La aprobación debería expirar o volver a evaluación cuando un proveedor cambie de forma sustancial las funciones dirigidas a estudiantes, las prácticas de datos o los controles administrativos.
Los educadores también deberían recopilar evidencia concreta en el aula. ¿Retuvieron los estudiantes los conceptos después de prácticas apoyadas por IA? ¿Podían explicar el código generado? ¿La retroalimentación mejoró la revisión o sustituyó la conversación con un docente?
Estas preguntas son más difíciles que contar inicios de sesión, pero abordan el propósito de la educación. También protegen a las escuelas de confundir actividad con aprendizaje.
Los estudiantes deben formar parte del proceso de evaluación. Pueden describir cuándo las normas parecen inconsistentes, cuándo la IA hace que una tarea tenga menos sentido y cuándo el uso estructurado les ayuda a practicar. Sus comentarios no deberían decidir cada política, pero excluirlos ocultaría una parte esencial de la realidad del aula.
El debate público de Vermont es valioso porque se resiste a una historia simple de adopción. Los educadores destacados a través de Google News no están decidiendo si la IA es impresionante. Están decidiendo cuándo es educativa.
Ese estándar deja espacio para respuestas distintas en cada aula. Un club de programación puede permitir código generado por IA y exigir una defensa técnica. Una clase de escritura puede prohibir la prosa generada y permitir la comparación de fuentes. Un aula de primaria puede mantener la IA dirigida a estudiantes completamente fuera de la lección.
La coherencia debería referirse al proceso de decisión, no a resultados idénticos. Todo uso permitido debería tener un propósito de aprendizaje, una justificación de edad, una revisión de privacidad y un método para comprobar la comprensión.
Para los estudiantes que gestionan investigación, notas y material de fuentes, un espacio de trabajo privado para estudiantes puede ayudar con la organización sin reemplazar el razonamiento que exige una tarea. Sea cual sea la herramienta que utilicen, el estudiante debería seguir siendo capaz de explicar el trabajo final.
Por lo tanto, la pregunta más útil para los docentes es específica: ¿qué tipo de pensamiento deben practicar aquí los estudiantes y qué partes deben realizar por sí mismos?
Si las escuelas de Vermont pueden responder a esa pregunta antes de elegir una herramienta, sus políticas seguirán siendo útiles a medida que cambien los productos. Si no pueden, las normas sobre lo que se debe y no se debe hacer seguirán variando entre las aulas mientras los estudiantes aprenden a desenvolverse en esas brechas.
