🦉La retroalimentación de IA que no enseña, presentaciones con NotebookLM y qué es un agente de IA

Esta semana:

• Por qué la retroalimentación elaborada por IA no enseña más que un escueto "has fallado".

• De tus apuntes a una presentación en minutos con NotebookLM, sin que invente nada.

• Agente de IA: en qué se diferencia de un chatbot y cómo lo activas

• Step-back prompting: Técnica para mejorar resolución de problemas complejos

• Classroom Cloud: detecta el uso de IA en clase, supervisa las pantallas de tus alumnos y controla las apps ➡️ Pruébalo gratis

¿Qué tipo de retroalimentación hace que tus estudiantes aprendan más en una evaluación formativa?

Imagina que tienes cuatro opciones para dar retroalimentación a tus estudiantes en una evaluación formativa en línea:

• A: Solo indicar correcto o incorrecto

• B: Añadir enlaces al material didáctico donde se explica el concepto

• C: Retroalimentación personalizada por IA que lee la explicación del estudiante

• D: C más los enlaces al material didáctico

¿Cuál crees que produce mejores resultados de aprendizaje?

Un equipo de UC Davis y MIT lo probó con 1.002 estudiantes de un curso de Biología universitaria, a lo largo de los tres parciales del curso, en un ensayo controlado con asignación aleatoria.

El sistema no daba a cada estudiante un único tipo de retroalimentación durante todo el examen sino que combinaba las 4 variantes de arriba, es decir en una recibía solo “correcto/incorrecto”, en la siguiente la retroalimentación de la IA, en otra los enlaces al libro de texto.

En cada pregunta, el alumno además tenía que mover un deslizador indicando cuánta confianza tenía en su respuesta y escribir una explicación de su razonamiento. Solo al final del test aparecía la retroalimentación de cada pregunta, en la variante que le tocara en esa pregunta concreta.

Ninguna de las cuatro condiciones produjo diferencias significativas de rendimiento. La retroalimentación elaborada por la IA no batió al simple “correcto/incorrecto” y con esa muestra y ese diseño, si hubiera una diferencia real, la habrían detectado.

¿Cómo es posible que una retroalimentación personalizada no aporte más que un “has fallado”?

La retroalimentación es uno de los motores más potentes de la evaluación formativa. Lo dice la investigación de referencia y lo he visto en mis cursos, pero hay que tener en cuenta cómo interactúan los estudiantes con ella, hecho que a menudo pasamos por alto. La retroalimentación que no obliga a actuar, se lee en diagonal.

En muchos diseños, la retroalimentación llega tarde y suelta, presentándose toda de golpe al final de un intento.

De hecho, los datos demuestran que cuando los estudiantes acertaban y estaban seguros de su respuesta, a menudo solo hojeaban la explicación o la ignoraban por completo. Únicamente leían a fondo la información cuando estaban muy seguros de haber acertado, pero descubrían que habían fallado.

Curiosamente, en el estudio el mayor impacto en el aprendizaje no provenía de la retroalimentación, sino de obligar al estudiante a hacer una reflexión estructurada. El simple hecho de pedirles que evaluaran su nivel de confianza y explicaran su razonamiento por escrito antes de ver la retroalimentación, les ayudó a darse cuenta de si realmente entendían el concepto o si solo estaban adivinando.  

Este ejercicio cambió cómo estudiaba el 73% de los estudiantes. Algunos empezaron a escribir su razonamiento también en el examen real o pidieron a ChatGPT que criticara sus justificaciones.

La excepción apunta a quienes más sufrían: en el 20% de estudiantes con peores notas se observó una tendencia no concluyente de que la retroalimentación detallada combinada con los materiales podría ayudarles más. Es una pista para investigar, no un resultado firme.

A continuación te dejo 4 claves para aplicar en tus evaluaciones formativas a partir de las conclusiones del estudio:

De nuestro Partner NetSupport :
Control de aula en la era de la IA

¿Sabes qué están haciendo tus alumnos en horas de clase?

Classroom Cloud permite a los profesores ver las pantallas de los alumnos, controlar aplicaciones y detectar el uso de herramientas de IA como ChatGPT, Gemini o Claude.

Todo desde el navegador. Sin servidores. Sin complicaciones.

Descarga una demo gratuita: https://totemguard.com/classroom-cloud/

NotebookLM: Crea una presentación a partir de tus materiales didácticos en minutos

Si tu problema no es la falta de contenido sino el tiempo que cuesta transformar ese contenido didáctico en diapositivas, te interesa probar NotebookLM de Google.

NotebookLM tiene una funcionalidad en su panel Studio que acelera este proceso. Sube tus materiales (PDFs, enlaces a videos de Youtube, páginas web, etc) y genera la presentación desde ellos. He estado probando este flujo con unidades didácticas, artículos técnicos y guiones de formación, y la calidad y el ahorro de tiempo es real.

Por qué con NotebookLM y no con ChatGPT o Claude

Las tres herramientas te generan una presentación. La diferencia está en de dónde sale el contenido.

NotebookLM trabaja solo con las fuentes que tú subes, no las mezcla con su conocimiento general. NotebookLM es RAG de fuente cerrada. Cada diapositiva sale de tus apuntes, tu PDF o tu guión y mantiene la trazabilidad hasta esa fuente. Eso reduce mucho el riesgo de que se invente datos. Su tasa de alucinación es de 13% aprox. frente a un 40% de una IA generalista.

ChatGPT o Claude razonan mejor pero pueden mezclar tus archivos con su conocimiento de entrenamiento sin avisar. Puedes pedirles que se ciñan a tus fuentes, pero no lo garantizan por diseño, mientras que NotebookLM sí.

Qué puedes generar

Desde el panel Studio puedes elegir entre dos formatos:

• Presentación completa: diapositivas con texto detallado, pensadas para compartir por correo o para que tus estudiantes las lean sin que tú estés presente.

• Diapositivas de presentador: versión limpia con puntos clave, diseñada para hablar en clase, es decir tu apoyo en pantalla mientras tú explicas.

Puedes indicar el idioma, la longitud (corta, estándar o larga) y dar instrucciones de estilo en el campo de personalización: tono, audiencia, qué sección priorizar.

Cómo activarlo:

1. Abre notebooklm.google.com con tu cuenta Google

2. Crea un notebook nuevo o abre uno existente

3. Sube tus materiales o tus fuentes: PDF, documentos de Google, texto pegado, enlace web o vídeo de YouTube. Puedes subir varios a la vez.

4. En el panel derecho, localiza la sección Studio

5. Pulsa la opción Presentación 

6. Elige el formato: Presentación completa o Diapositivas de presentador, el idioma y la longitud. Añade instrucciones específicas para que la presentación se adecúe a tu audiencia, nivel de dificultad, puntos a incluir, número de diapositivas, etc.

7. Pulsa Generar. En un minuto tienes la presentación lista.

8. La descarga sale en formato .pptx o .pdf.

El resultado será un punto de partida, no la versión final. Tendrás que pedir cambios, corregir lo que no esté bien y añadir ejemplos, el matiz que da tu experiencia y el orden que tú le darías. La herramienta te ahorra el arranque desde cero pero el criterio pedagógico siempre lo pones tú.

Cómo editar por diapositiva

Una vez generada la presentación, puedes revisar diapositiva a diapositiva. Pulsa el icono del lápiz sobre la que quieras modificar, escribe la instrucción concreta y regenera solo esa:

“Simplifica este texto a tres puntos”, “Añade un ejemplo de aplicación en empresa”, “Reformula la caja 2 para que lo entiendan participantes sin base previa”

La solución que utilizo para editar el texto y corregir errores directamente en la presentación es descargar las diapositivas en formato PDF, importarlo a Gamma y Gamma reconstruye el contenido como diapositivas editables, con el texto ya en cajas que puedes tocar.

Cómo pueden aprovechar NotebookLM tus estudiantes:

NotebookLM no es solo para tus presentaciones. Puedes usarlo como actividad de síntesis, en donde cada estudiante sube sus apuntes de la unidad, genera una presentación con los puntos clave y la defiende en clase.

Lo que aprenden con esta actividad es identificar lo esencial de un tema, revisar si la herramienta ha priorizado lo correcto y defender las decisiones de contenido.

Dar un paso atrás (Step-back prompting): el principio primero, el detalle después

¿Le pides a la IA que resuelva un problema complejo de varios pasos y te devuelve la solución errónea? El razonamiento lógico es todavía un desafío técnico de estos modelos.

Una técnica para evitarlo es el step-back prompting, que significa “dar un paso atrás”. Antes de pedir la solución a un problema, haces que el modelo dé un paso atrás y nombre el principio de fondo del que depende todo. Solo después le pides que solucione el problema, ya con ese principio como base.

La técnica viene de un estudio de Google DeepMind (2023). En problemas de física, química y razonamiento de múltiples pasos mejoró entre un 7 % y un 27 % frente a pedirle que lo resolviera directamente desde el inicio.

El ejemplo del propio estudio era una pregunta sobre la presión de un gas ideal, en donde “sin el paso atrás”, el modelo se perdía en los cálculos y en cambio con el principio anclado primero, acertaba.

Cómo se aplica este principio (p.ej.: problema de física):

"¿Qué le pasa a la presión de un gas ideal si la temperatura aumenta por un factor de 2 y el volumen por un factor de 8?"

Paso 1 “Paso atrás”:

El modelo identifica el principio: la ley de los gases ideales.

Paso 2 resolución:

El modelo razona y acierta en la solución.

¿Es relevante en el 2026 dado la mejora de los modelos? 

• Si activas un modo de razonamiento (Pensamiento extendido en Claude, Thinking en ChatGPT), el modelo ya hace este tipo de “paso atrás” por su cuenta. En Gemini 2.5, el razonamiento está activado por defecto sin necesidad de activar manualmente un modo Thinking.

• La técnica sigue marcando la diferencia en el chat normal, sin pensamiento extendido, que es como la mayoría de profesores usan la IA por defecto.

❓️Agente de IA

Cada semana oyes el término "agente" en titulares de prensa y cada herramienta IA parece tener el suyo propio. Pero ¿cuál es la diferencia entre un agente y un chatbot?

Un agente de IA es un sistema de software que persigue un objetivo de forma autónoma: razona, planifica los pasos, usa herramientas externas, evalúa los resultados y decide qué hacer a continuación. Todo eso sin que tú intervengas en cada paso.

Mismo objetivo, dos experiencias muy distintas

Imagina que necesitas preparar los materiales completos de una formación: presentación con imágenes, ficha de actividades, examen tipo test y rúbrica. Todo guardado en una carpeta de tu Drive.

Con un chatbot:

• Le pides la presentación. Te devuelve texto con los puntos clave para cada diapositiva. Abres PowerPoint, copias el texto, buscas imágenes, formateas y guardas.

• Le pides la ficha, el examen y la rúbrica, una por una. Cada vez te devuelve texto. Cada vez lo pegas en Docs, lo maquetas y lo guardas.

• El chatbot te devuelve texto. El archivo terminado lo montas tú.

Con un agente:

• Una sola instrucción: "Prepara los materiales completos de formación [tema] para [curso] (presentación, ficha, examen tipo test, rúbrica). Guárdalos como archivos separados en una carpeta nueva llamada 'Formación mayo' en mi Drive."

• Por dentro, el agente investiga, redacta, busca imágenes, crea la carpeta, genera los .pptx y .docx y los guarda.

• Cierras la pestaña. Vuelves 25 minutos después y la carpeta existe con los cuatro archivos terminados, listos para revisar.

En la práctica esta frontera se difumina. Los chatbots actuales ya activan capacidades agénticas por su cuenta, buscan en la web y te generan un Word descargable cuando ven que hace falta. La diferencia con un agente es más de grado: cuántos pasos da sin pedirte permiso, cuánto tiempo trabaja sin tus comentarios y qué nivel de acceso tiene a tus sistemas. Cuanto más se desplaza hacia minutos sin tu supervisión y más acción directa sobre tu Drive, tu correo o tus archivos, más agéntico es lo que estás usando.

¿Cómo accedes a un agente? ¿Claude o ChatGPT son chatbot o agente?

El mismo chat puede ser las dos cosas. Depende del modo que actives y de lo que pidas. Investigación profunda es el agente más conocido, pero cada plataforma tiene varios modos agénticos.

• ChatGPT: Modo Agente (investigación con citas, interactuar con páginas web y ejecutar código). Se activa desde el botón “+” del chat seleccionando Modo agente, o escribiendo /agent.

• Gemini Spark: Agente personal de IA que ejecuta tareas multipaso entre Gmail, Calendar, Drive, Maps, YouTube y navegación web en vivo, pidiendo confirmación antes de acciones críticas. Limitación importante: de momento solo está disponible en EE. UU., en inglés, con suscripción Google AI Ultra y cuenta personal y no funciona con cuentas Workspace de centros educativos.

• Claude: Claude Cowork, una app de escritorio (Mac y Windows) que trabaja sobre tus archivos locales y aplicaciones. Prepara informes, analiza documentos y automatiza flujos.

• Perplexity: Investigación profunda y el navegador Comet, que distingue entre el Asistente (resúmenes, preguntas y análisis multipestaña en lateral) y el Agente (ejecuta tareas: rellena formularios, gestiona correo, reserva).

• Microsoft 365 Copilot: Copilot Studio para crear agentes propios, agentes de rol (p.ej.: Agente de ventas, agente de finanzas) y Copilot Cowork, construido junto a Anthropic sobre la misma tecnología que Claude Cowork.