IA enseignement supérieur : guide pour enseignants et chercheurs Wait — the system prompt says to translate into "Espanol" (Spanish). The source is French. Translate to Spanish. **IA en la educación superior: guía para docentes e investigadores**

¿Qué prevé el marco francés para la IA en la educación superior?

El principal referente oficial es el informe « IA y educación superior: formación, estructuración y apropiación por la sociedad », presentado el 10 de julio de 2025 a la ministra Élisabeth Borne [4][32]. En el expediente consultado no existe ningún texto vinculante específico sobre la IA en la educación superior. Este informe responde a una lógica de misión y recomendación.

Los referentes fechados

• Misión: Patrick Hetzel lanzó una misión sobre la IA en los establecimientos públicos de educación superior, conforme a su hoja de ruta [5].
• Dirección: fue encargada a Frédéric Pascal, director del instituto DATAIA, y a François Taddei, director del Learning Planet Institute [4][29].
• Consulta: un cuestionario en línea estuvo abierto del 17 de marzo al 17 de abril de 2025 [17].
• Entrega: el informe se presentó el 10 de julio de 2025, junto con un segundo informe dedicado a la enseñanza escolar [4].
• Recomendación: propone un programa de investigación-acción sobre la apropiación y los usos de la IA, tanto en la formación como en la administración [1].

El informe parte de la constatación de que la IA es una revolución tecnológica destinada a transformar en profundidad la sociedad [1]. Por su parte, el ministerio indica que Francia ha optado por invertir masivamente en la IA y lo digital [3].

Límites de estos referentes. Estos elementos son de 2025. El expediente no recoge todas las conclusiones detalladas del informe, y pueden haberse publicado textos más recientes (circulares, marcos de uso, cartas de establecimiento). Antes de tomar cualquier decisión institucional, conviene leer el informe completo y verificar en los sitios del ministerio las publicaciones posteriores a julio de 2025.

¿Cómo utilizar la IA para la investigación académica y la bibliografía?

La IA generativa interviene en la investigación académica en tres niveles documentados: la búsqueda documental, el análisis y la revisión de la literatura, y el formateo de las referencias.

Búsqueda documental. Una formación del dispositivo IA Sup describe cómo las herramientas generativas transforman las prácticas de búsqueda de información, desde los motores tradicionales hasta los asistentes conversacionales [25]. Según EBSCO, editor de bases de datos, los estudiantes pueden ahora empezar consultando un asistente de IA antes de acudir a una base, lo que plantea la cuestión de la calidad de las fuentes en las que se apoya [36].

Análisis y revisión de la literatura. Un blog de un editor indica que la IA puede ayudar al análisis de datos, a la exploración de textos y al examen de la literatura, facilitando la síntesis del conocimiento [28].

Referencias. Una guía de biblioteca universitaria indica que la IA puede normalizar las referencias, aplicar un estilo (APA, MLA, Chicago) y dar formato según las exigencias de una universidad o de una revista [40].

Un procedimiento prudente para una revisión bibliográfica

1. Localizar los artículos con una herramienta de búsqueda. Una guía propone Semantic Scholar para los primeros artículos [38].
2. Verificar cada referencia retenida en la base o en el sitio del editor. Este paso es una precaución nuestra, justificada por el reto de la fiabilidad de las fuentes [36].
3. Sintetizar únicamente los artículos más pertinentes, por ejemplo con NotebookLM, como sugiere la misma guía [38].
4. Releer la síntesis cotejándola con los textos originales, ya que la IA también puede servir para fabricar datos falsos [40].

Para relativizar

Las comparativas de herramientas citadas aquí proceden de sitios comerciales [33][38][39]. Una de ellas, Sonix, se presenta a sí misma como la mejor herramienta [39], y sus clasificaciones no son evaluaciones independientes. La ganancia de « varias horas a unos pocos minutos » anunciada para un panorama bibliográfico proviene de una de estas comparativas [33]: no es una medición independiente.

¿Cómo acompañar a los estudiantes que ya utilizan la IA?

Los estudiantes ya utilizan la IA, y acompañarlos consiste menos en darles acceso a las herramientas que en enseñarles a evaluar sus resultados. Según EBSCO, editor de bases de datos y, por tanto, actor comercial, pueden empezar ahora sus búsquedas interrogando a un asistente de IA, incluso antes de consultar una base de datos. La calidad de las fuentes en las que se apoya el asistente se convierte entonces en una cuestión real [36].

La alfabetización en IA en lugar del equipamiento

La integración de la IA generativa en la educación superior no puede reducirse a una cuestión de equipamiento, de acceso a las herramientas o de rendimiento [11]. Los autores proponen pasar de la alfabetización a una « alfabetización en IA » y a la « cointeligencia », es decir, aprender de otra manera con la IA generativa [11]. El referencial IA Sup va en la misma dirección: es una guía para integrar la IA en los sistemas educativos, que busca preparar a alumnos y estudiantes [34].

Personalización y pedagogía magistral

En el plano pedagógico se perfilan dos evoluciones:

• Trayectorias adaptadas. La IA puede analizar el nivel de competencias, las preferencias de aprendizaje y las necesidades individuales de los estudiantes para adaptarse a ellos [23]. Así puede proponer itinerarios de aprendizaje personalizados [20].
• Una pedagogía magistral cuestionada. La automatización de la transmisión de los saberes teóricos empuja a la educación superior a abandonar la pedagogía magistral, debilitada por las capacidades de la IA [16].

Una competencia entre otras

Saber utilizar una herramienta de IA puede considerarse una competencia esperada en las empresas, pero solo una entre otras [21]. Esta fuente es un artículo de comunidad (LinuxFr), no un estudio. Recuerda, sin embargo, que dominar una herramienta no sustituye ni al espíritu crítico ni a las competencias disciplinares, que precisamente la alfabetización en IA busca consolidar [11].

¿Qué riesgos existen para la integridad científica y la fiabilidad de las fuentes?

La IA plantea dos riesgos distintos para la investigación: un ataque directo a la integridad científica y una incertidumbre sobre la fiabilidad de las fuentes que movilizan los asistentes.

Integridad científica: datos e imágenes fabricados

Una guía universitaria de biblioteca señala que la IA puede utilizarse para generar datos falsos o imágenes manipuladas [40]. Para los evaluadores, los directores de laboratorio y los establecimientos, la verificación de la procedencia de los datos se convierte así en una cuestión por derecho propio.

Fiabilidad de las fuentes movilizadas por los asistentes

Los estudiantes pueden ahora empezar sus búsquedas interrogando a un asistente de IA, incluso antes de consultar una base de datos [36]. La calidad de las fuentes en las que se apoya el asistente se convierte entonces en un reto central. Este análisis procede de un editor de bases documentales, es decir, de un actor comercial [36]. Invita a verificar sistemáticamente cada referencia citada en la fuente primaria.

Sesgos, desinformación y marcos éticos

El referencial IA Sup incluye entre sus ejes de trabajo el análisis de la desinformación y los sesgos de la IA generativa [15]. Se consideran necesarios marcos éticos para orientar un uso responsable en la educación superior [19]. Las cartas propuestas buscan, en particular, evitar el plagio y los errores [15]. Otros trabajos formulan recomendaciones para una IA generativa responsable [7] y recuerdan principios éticos de utilización [10]. Los riesgos éticos de la IA en la educación superior se discuten explícitamente en ellos [9].

Detectar textos generados: un tema de investigación

La detección de textos generados por IA es objeto de trabajos de investigación. Uno de ellos busca optimizar los protocolos de detección mediante un análisis comparativo y recomendaciones [12]. El expediente solo ofrece un extracto, sin resultados cuantificados: no permite establecer el rendimiento de los detectores. Sería, por tanto, imprudente fundamentar una decisión disciplinaria únicamente en este tipo de herramienta.

¿Cómo formar al profesorado y preparar al establecimiento?

Formar al profesorado en IA supone apoyarse en recursos ya disponibles y formalizar una estrategia de establecimiento. La necesidad es real: según una encuesta citada por la consultora Headway Advisory (fuente comercial), cerca del 60 % de los docentes considera que su establecimiento no está preparado para formar eficazmente a los estudiantes en IA [22].

Los recursos existentes

• IA Sup pone a disposición recursos para el profesorado, los servicios de apoyo, los responsables de formación y los establecimientos [15]. Incluyen una carta y formaciones, entre ellas un curso en línea sobre el impacto de la IA generativa en la búsqueda documental [15][25]. Un referencial distinto busca preparar a los estudiantes para la IA [34].
• La red IA4sup reúne desde 2022 a docentes y personal de universidades para compartir sus recursos [30].
• Cursos y enseñanzas específicas. Sciences Po imparte desde la primavera de 2024 un curso sobre IA a todos los estudiantes de primer año de máster [31]. En una entrevista concedida a info.gouv.fr, Isabelle Ryl menciona cursos para especialistas y no especialistas, « que ofrecen oportunidades de doble competencia » [2].

Formalizar una estrategia de establecimiento

La integración de la IA se presenta como un giro estratégico, lo que invita a formalizar el enfoque del establecimiento en lugar de multiplicar iniciativas aisladas [18]. Los recursos anteriores pueden constituir su base: carta, formación del profesorado, itinerarios estudiantiles.

Otra vía es la de las IA locales, ancladas en los corpus científicos, los recursos pedagógicos y las bases institucionales. Dataloma propone este tipo de despliegue, con garantías de RGPD y de soberanía [26]. Esta oferta procede de un actor comercial: estas garantías son una afirmación del proveedor, que debe verificarse contractualmente.

¿Dónde pueden encajar Oupi y OUPI Academy en este planteamiento?

Oupi responde a dos necesidades identificadas anteriormente: la búsqueda documental y la formación en usos. No las sustituye, sino que las dota de herramientas.

Para la búsqueda documental y la síntesis

Oupi consulta fuentes académicas y ayuda a la síntesis. Esto corresponde a un uso descrito en las fuentes: las herramientas de IA generativa transforman las prácticas de búsqueda de información [25], y pueden ayudar a la exploración de textos y a la revisión de la literatura, según un actor comercial [28]. Las soluciones académicas de Oupi se sitúan en este terreno: localizar fuentes y, a partir de ellas, obtener una primera síntesis.

Esta síntesis sigue siendo un punto de partida. La IA puede servir para generar datos falsos o imágenes manipuladas [40], y la fiabilidad de las fuentes en las que se apoyan los asistentes es un reto central [36]. El investigador o el docente debe, por tanto, verificar cada referencia citada, consultarla en su versión original y validar por sí mismo las conclusiones antes de reutilizarlas. Oupi no dispensa de esta verificación ni garantiza su resultado.

Para la formación en usos

OUPI Academy forma en usos. La necesidad está documentada: cerca del 60 % de los docentes considera que su establecimiento no está preparado para formar eficazmente a los estudiantes en IA, según una consultora [22]. Además, la integración de la IA generativa no se reduce al equipamiento ni al acceso a las herramientas [11], lo que aboga por una mejora de competencias más que por un simple despliegue. Las formaciones de OUPI Academy pueden articularse con las cartas de uso, que buscan, en particular, evitar el plagio y los errores [15].