Pearson midió 80 millones de interacciones y vinculó IA con lectura activa universitaria
El análisis de casi 80 millones de interacciones de unos 400.000 estudiantes con materiales digitales durante el semestre iniciado en enero de 2025 halló que el uso de herramientas de aprendizaje con IA se asocia con más lectura activa, un indicador relevante para el rendimiento y el promedio de calificaciones en los primeros años universitarios
El uso de herramientas de aprendizaje impulsadas por inteligencia artificial (IA) integradas en materiales digitales se asoció con una mayor probabilidad de que estudiantes universitarios adopten conductas de lectura activa, un patrón vinculado con mejores resultados en educación superior. La conclusión surge de un estudio de Pearson basado en interacciones registradas en su ecosistema de contenidos.
La investigación se apoyó en el análisis de casi 80 millones de interacciones globales realizadas por unos 400.000 estudiantes de educación superior con materiales digitales de la compañía durante el semestre que comenzó en enero de 2025. A partir de esa base, el trabajo comparó el comportamiento de lectura de quienes utilizaron herramientas de IA con el de quienes no lo hicieron, y clasificó a los usuarios de acuerdo con señales compatibles con lectura activa.
En libros electrónicos independientes de Pearson, una sola interacción con la herramienta de aprendizaje de IA triplicó la probabilidad de que un estudiante fuera clasificado como lector activo. Cuando el uso fue repetido, esa probabilidad se multiplicó por 3,5.
El efecto fue más marcado en libros electrónicos integrados en cursos digitales impartidos por un instructor. En ese formato, un único uso de la herramienta multiplicó por 23 la probabilidad de que un estudiante alcanzara la calificación de lector activo, mientras que entre los usuarios repetidos la probabilidad fue 24 veces mayor.
Tom ap Simon, presidente de la División de Educación Superior de Pearson, planteó: “Tras dos años estudiando cómo aprenden los estudiantes con IA, la señal es clara”. También sostuvo: “Esta investigación demuestra que la IA puede ser un verdadero multiplicador del aprendizaje”.
El estudio define la lectura activa como un conjunto de estrategias provenientes de la ciencia del aprendizaje orientadas a comprender mejor lo leído. Entre ellas, menciona resaltar pasajes, tomar notas, formular preguntas aclaratorias y practicar la recuperación de información. Estos comportamientos se asocian con una comprensión más profunda, una mayor retención y un mejor rendimiento académico.
El marco de referencia incluye un deterioro en la preparación lectora. Los datos nacionales citados indican que solo el 39% de los estudiantes que presentaron el examen ACT en 2025 cumplieron con los estándares de lectura de nivel universitario, y que casi la mitad de los profesores reportan que los estudiantes de primer año están “mucho menos preparados” para la lectura atenta y el análisis en comparación con las cohortes previas a la pandemia.
La Dra. Emily Lai, jefa de Investigación de Pearson y coautora del estudio, señaló que la sobrecarga cognitiva y la dependencia excesiva de herramientas de IA figuran entre las preocupaciones de los educadores. En su formulación, el punto crítico es el diseño e integración de estas funciones: “Nuestra investigación demuestra que cuando la IA se integra responsablemente en el flujo de aprendizaje, puede promover el aprendizaje, en lugar de reemplazarlo”.
Como complemento, un análisis independiente realizado en otoño de 2025 sobre interacciones con un libro de texto electrónico de introducción a la biología mostró que el 97% de los estudiantes utilizó la herramienta de estudio con IA de forma responsable, mientras que el 3% intentó copiar y pegar preguntas de tareas o evaluaciones. Además, uno de cada tres estudiantes que usó la función de preguntas ingresó consultas que, según la Taxonomía de Bloom revisada, fueron más allá de la memorización y la comprensión básicas, con intentos de aplicar, analizar y evaluar el contenido del curso.