Con motivo de su 90 cumpleaños, quiero dedicarle estas líneas de reconocimiento, gratitud y afecto. No solo por lo que ha supuesto para el campo de las altas capacidades y el desarrollo del talento en todo el mundo, sino también por lo que ha significado en mi propia trayectoria académica y profesional.

Conocí primero a Joseph Renzulli a través de su obra. Sus trabajos formaban parte de esas lecturas que uno descubre pronto que no son simplemente una referencia bibliográfica más, sino una forma distinta de pensar un problema educativo de enorme calado tal cómo identificar, comprender y desarrollar el potencial de los alumnos. Años más tarde tuve la oportunidad de conocerlo personalmente en Nijmegen, en el marco de la 4ª conferencia de la ECHA (1994). Aquel encuentro fue especialmente significativo para mí. Allí le entregué la primera versión traducida al español de sus escalas, las Scales for Rating the Behavioral Characteristics of Superior Students —las conocidas SRBCSS—, que habíamos preparado para una investigación con su autorización. Aquel gesto, que podría haber sido puramente académico o formal, se convirtió en el inicio de una relación prolongada, marcada por la colaboración, el respeto y una admiración creciente que se intensificó muchos años después. En aquellos años noventa yo estaba más vinculado con el enfoque de CTY, complementario pero muy diverso de la aproximación a la escuela de su modelo.

La aportación de Renzulli al campo de las altas capacidades es inmensa. Su conocido modelo de los tres anillos permitió superar visiones reduccionistas de la alta capacidad entendida exclusivamente como puntuación elevada en un test. Al integrar capacidad por encima de la media, creatividad y compromiso con la tarea, Renzulli propuso una concepción mucho más dinámica, educativa y desarrollable del talento que se fue perfilando y ampliando con los años hasta componer un colosal modelo (el Schoolwide Enrichment Model). No se trataba únicamente de “ser” dotado, sino de comprender bajo qué condiciones emergen los comportamientos dotados (gifted behaviours) y cómo la escuela puede favorecerlos. Esta idea, aparentemente sencilla, ha tenido consecuencias profundas. Desplaza el foco desde la etiqueta hacia la oportunidad; desde la clasificación hacia el desarrollo; desde una concepción estática de la capacidad hacia una visión educativa del talento. En un campo tantas veces atrapado entre la medición y la intervención, Renzulli supo tender un puente especialmente fecundo: identificar para servir, conocer para desarrollar, reconocer el potencial para ofrecer experiencias educativas a la altura de ese potencial.

[Curiosamente su artículo: Renzulli, J. S. (1978). What Makes Giftedness? Reexamining a Definition. Phi Delta Kappan, 60, 180-184., fue rechazado inicialmente pues consideraban los editores que no aportaba gran cosa. ¡Hoy es el más citado!]

Pero volvamos al hilo. Para mí, una de sus contribuciones más decisivas ha sido precisamente su concepción de la escuela como espacio de desarrollo del talento, que se vincula fácilmente con toda la corriente de las metodologías activas, el aprendizaje inverso, el alumno como protagonista de su aprendizaje, el propio Mastery Learning, etc. Mi propia trayectoria estuvo muy vinculada durante años al modelo de CTY, como acabo de señalar más arriba, una propuesta extraordinariamente potente para complementar la escuela y ofrecer a los alumnos más capaces oportunidades de aprendizaje avanzado, acelerado y ajustado a su nivel. Renzulli, sin embargo, me ayudó a mirar el problema desde otro ángulo igualmente necesario: no solo cómo ofrecer fuera de la escuela aquello que la escuela no siempre puede dar, sino cómo transformar la propia escuela para que sea capaz de generar oportunidades de enriquecimiento, reto y desarrollo del talento desde dentro.

El Schoolwide Enrichment Model, desarrollado y difundido durante décadas junto con Sally Reis, representa, en este sentido, una de las propuestas más ambiciosas y generosas de la educación contemporánea. No se limita a ofrecer programas para unos pocos, sino que invita a repensar la escuela como un lugar donde todos los estudiantes pueden entrar en contacto con experiencias de enriquecimiento, descubrir intereses, desarrollar fortalezas y producir conocimiento o soluciones con sentido personal y social. Su modelo amplía las oportunidades para que el talento pueda emerger, reconocerse y cultivarse. La distinción entre la «schoolhouse giftedness» y la «creative-productive giftedness«, imprescindible en la era de la IA, ha contribuido a entender que desarrollar el talento no es solo aprender lecciones u obtener buenas calificaciones (aunque esto sea necesario y tenga su indudable importancia), sino que tiene mucho que ver con el florecimiento de la creatividad productiva, pues es decisiva en los avances de la ciencia y la cultura de cualquier sociedad.

Quizá una de las grandes lecciones de Renzulli sea abogar por la excelencia educativa, que no se opone a la equidad, sino que la necesita. Una escuela que no ofrece oportunidades de desarrollo avanzado a quienes las precisan es injusta; pero también lo es una escuela que no se esfuerza por descubrir potencial allí donde todavía no se ha manifestado de forma evidente. Su obra, junto con la de Sally Reis, ha contribuido decisivamente a mostrar que el talento no puede entenderse solo como un atributo individual, sino también como el resultado de contextos que ofrecen oportunidades, reto, acompañamiento y sentido.

A lo largo de los años he podido comprobar, además, que esa visión educativa iba acompañada de una actitud personal poco común. Joseph Renzulli ha mostrado siempre una disposición permanente a colaborar, a compartir, a extender el conocimiento y a hacer que su investigación llegara a todos los rincones posibles. No ha sido un académico encerrado en su propio prestigio, sino un investigador profundamente interesado en que sus ideas fueran útiles para profesores, orientadores, familias, responsables educativos y, sobre todo, alumnos.

Esa generosidad intelectual explica en buena medida la enorme expansión internacional de su obra. Sus modelos, escalas, instrumentos y propuestas de intervención han cruzado fronteras, lenguas y sistemas educativos. Han inspirado investigaciones, programas, políticas y prácticas escolares en contextos muy diversos. En España, sus ideas han tenido también una influencia notable en quienes hemos trabajado durante décadas en el ámbito de las altas capacidades, el desarrollo del talento y el aprendizaje personalizado.

En mi caso, la relación con su obra ha sido constante, particularmente en los últimos tres lustros, desde el estudio y difusión de sus modelos hasta la traducción y utilización de sus escalas; desde las entrevistas y conversaciones mantenidas a lo largo del tiempo hasta los proyectos orientados a acercar sus ideas al público hispanohablante; desde la difusión del modelo de los tres anillos y del Modelo de Enriquecimiento para toda la Escuela (SEM) hasta la adaptación y edición de materiales que han permitido a muchos profesores y profesionales conocer mejor su pensamiento.

Algunas de esas huellas han quedado recogidas también en este blog y en distintos materiales audiovisuales: desde la sección My friends’ corner, que inauguré con Joseph Renzulli como invitado, hasta la entrevista que pude grabar con él en UNIR; desde la serie dedicada al Schoolwide Enrichment Model hasta los vídeos sobre Renzulli Learning y la edición española de El Modelo de Enriquecimiento para toda la Escuela. No son solo referencias documentales, sino pequeños testimonios de una relación intelectual y personal sostenida en el tiempo y de un empeño compartido por hacer llegar estas ideas a profesores, orientadores, familias y responsables educativos de habla hispana.

Poder contribuir, aunque sea modestamente, a que su legado sea mejor conocido en español ha sido para mí una forma de devolver algo de lo mucho que he recibido de su trabajo. Porque la obra de Renzulli no solo se estudia, se aplica, se adapta, se conversa, se lleva a las aulas, se discute con profesores, se explica a las familias y se convierte en criterio para tomar mejores decisiones educativas.

Pero junto al investigador y al educador está también la persona. Quienes han tratado a Joseph Renzulli saben que su grandeza académica convive con una cercanía y una cordialidad que dejan huella. Recuerdo, entre otras cosas, su visita a Logroño después de asistir ambos a un congreso en Santiago, y cómo disfrutaba de la gastronomía española. Son detalles aparentemente menores, pero reveladores: la curiosidad, el aprecio por la cultura, la capacidad de disfrutar de la conversación y del encuentro humano. En esas ocasiones se percibía que detrás del gran nombre de la investigación internacional había una persona afable, abierta y agradecida.

Celebrar sus 90 años es celebrar una vida dedicada a mejorar la educación. Una vida que ha ayudado a miles de profesionales a mirar de otro modo a los alumnos con alta capacidad, pero también a comprender mejor la diversidad del talento humano. Una vida que ha insistido en que el potencial necesita oportunidades, que la motivación y la creatividad importan, que la escuela puede ser un lugar de descubrimiento y producción, y que la educación debe aspirar a algo más que a transmitir contenidos de modo uniforme. A entender, en expresión que uso con frecuencia, que los centros educativos han de verse como ámbitos de aprendizaje antes que de enseñanza.

En tiempos en los que los sistemas educativos siguen debatiéndose entre la estandarización y la personalización, entre la burocracia y el desarrollo real de cada alumno, la obra de Renzulli conserva una actualidad extraordinaria. Su legado nos recuerda que educar no consiste solo en enseñar lo previsto, sino en crear condiciones para que lo posible llegue a desplegarse. Nos recuerda que el talento no se desarrolla en el vacío, sino mediante experiencias ricas, exigentes y significativas. Y nos recuerda también que la escuela puede —y debe— ser un lugar donde los estudiantes descubran no solo lo que saben, sino qué son capaces de llegar a hacer con lo que saben.

Por todo ello, este cumpleaños es también una ocasión para expresar gratitud, por sus ideas, por su investigación, por su influencia internacional y por su permanente disposición a colaborar. Gratitud por haber abierto caminos que otros hemos podido recorrer, adaptar, enseñar y seguir desarrollando. Gratitud, en definitiva, por una vida académica y humana que ha contribuido de manera decisiva a convertir el potencial en talento.

Querido Joe, feliz 90 cumpleaños. Gracias por tu magisterio, por tu generosidad y por haber ayudado a tantos de nosotros a comprender que el verdadero reto de la educación no es solo identificar la capacidad, sino crear las condiciones para que pueda convertirse en contribución, creatividad y excelencia.

En lo personal, me siento afortunado de haber podido aprender de tu obra, colaborar contigo en distintos momentos y contribuir a que parte de tu legado haya llegado también al mundo hispanohablante. Este homenaje nace de la admiración intelectual, pero también de la gratitud personal y la amistad hacia quien ha dedicado su vida a ensanchar las posibilidades de la educación y de tantos alumnos en todo el mundo.

_________

Si quieres saber más aquí te dejo unos pocos enlaces en los que se recogen contribuciones que compartimos:

• Una entrevista a Joseph Renzulli
• Joseph Renzulli en My friends’ corner
• Personalizar el aprendizaje con Renzulli Learning
• ¿Conoces el modelo de enriquecimiento para toda la escuela?
• El modelo de enriquecimiento para toda la escuela (Schoolwide Enrichment Model, SEM) (1/7)
• El Modelo Triádico de Enriquecimiento como subteoría del SEM
• El modelo de enriquecimiento para toda la escuela (Schoolwide Enrichment Model, SEM) (7/7). Renzulli Learning
• 40 años de investigación sobre el SEM (5/10). Tríada de enriquecimiento
• Entrevista a Sally M. Reis en diálogos sobre talento y tecnología | UNIR
• Introducción al SEM ESP

La integración de la inteligencia artificial (IA) en la educación ha dejado de ser una promesa para convertirse en una realidad operativa. Aunque las fuentes disponibles aún son parciales, resultan suficientes para justificar una reflexión serena sobre su alcance. En particular, merece la pena poner el foco en su potencial para mejorar la atención al alumnado con altas capacidades, sin olvidar que sus beneficios pueden extenderse al conjunto del alumnado, como siempre suele ocurrir.

Lo que la pedagogía y la tecnología educativa han propuesto e investigado desde hace décadas, como el mastery learning, el deep learning, el flipped learning y todas las tecnologías centradas en el alumno, ahora se vuelve más factible y escalable que cuando estas metodologías se propusieron. Precisamente gracias a la inteligencia artificial y demás tecnologías asociadas.

Hoy encontramos situaciones que hace pocos años parecían improbables, o directamente de matrix: estudiantes que superan dificultades gracias a sistemas que detectan sus lagunas antes de que ellos mismos sean conscientes de ellas, o alumnos que progresan mediante herramientas que ajustan el ritmo de aprendizaje en tiempo real. Este contexto, cada vez más extendido, obliga a diferenciar entre la IA como herramienta puntual —el “chatbot” que responde preguntas— y una nueva generación de sistemas más complejos: los llamados agentes de IA.

Del chatbot al agente: un cambio cualitativo

Un chatbot puede entenderse como una enciclopedia interactiva: responde cuando se le consulta. Un agente, en cambio, se asemeja más a un profesor de apoyo: observa, interpreta patrones de aprendizaje y decide cuándo intervenir. Esta diferencia no es menor, como se comprende.

Los agentes integran capacidades predictivas, interpretativas y generativas que les permiten anticipar dificultades, analizar procesos de aprendizaje y generar materiales ajustados al nivel del alumno. En este sentido, no son meros instrumentos de consulta, sino sistemas que hacen viable una personalización del aprendizaje a una escala inédita.

La diferenciación real en el aula: una posibilidad al alcance de la mano

Esto tiene implicaciones directas para uno de los grandes retos educativos: la atención a la diversidad. En aulas con 25 o 30 alumnos, la diferenciación real resulta difícil de sostener de manera continuada. Basta ver la lucha constante por la inclusión y, al mismo tiempo, por la atención diferenciada en la clase. Los profesores no logran hacer todo lo que querrían o saben que debería ser hecho y, claro, no son responsables de ello si no se les forma, pero siempre son el blanco más asequible.

Los agentes de IA pueden actuar como multiplicadores de la acción docente: mientras el profesor trabaja de forma directa con un grupo reducido, otros alumnos pueden recibir orientación adaptativa, con sistemas que detectan bloqueos, ajustan la dificultad o proponen nuevos retos. Además, la generación de informes inmediatos (evaluación formativa, diagnóstica, etc.) permite al docente tomar decisiones más informadas sobre el progreso de cada estudiante. Al final de eso es de lo que se trata en el aprendizaje, ¿o no?

El papel del docente: de ejecutor a diseñador del aprendizaje

Conviene subrayar que este avance no debe interpretarse en términos de sustitución del profesor, sino de complementariedad. La automatización de tareas mecánicas —generación de materiales, corrección de actividades rutinarias o adaptación de contenidos— libera tiempo para que el docente se centre en aquello que resulta insustituible: el acompañamiento, la orientación, la toma de decisiones complejas y el apoyo emocional.

Hay que insistir en una idea básica que a veces se olvida: la máquina no sabe, no entiende, no tiene emociones ni propósitos ni motivación, por mucho que nos adule o que «alucine», es un algoritmo con el que «hablamos», no lo perdamos de vista. La educación discurre en otra liga: la de las personas.

En este escenario, el profesor actúa como director de orquesta, mientras que la IA contribuye a optimizar los procesos.

Altas capacidades: del aburrimiento al desafío intelectual

Desde una perspectiva pedagógica, la personalización deja de ser un ideal inalcanzable para convertirse en una posibilidad real. Las herramientas actuales permiten ajustar el nivel de dificultad en tiempo real, generar itinerarios diferenciados y adaptar contenidos a distintos ritmos y preferencias de aprendizaje.

Este enfoque resulta especialmente relevante para el alumnado con altas capacidades. En estos casos, el principal problema no suele ser la dificultad, sino la falta de reto. La repetición de tareas ya dominadas («el más de lo mismo») genera desmotivación y, en no pocas ocasiones, desconexión por aburrimiento y falta de estímulo intelectual.

Los agentes de IA pueden contribuir a resolver este problema de varias maneras. En primer lugar, permiten avanzar a mayor ritmo mediante procesos de compactación curricular: cuando el sistema detecta que una competencia está adquirida, propone automáticamente desafíos más complejos, evitando la repetición innecesaria (ver Khan Academy, por ejemplo).

Profundización, pensamiento crítico e intereses

En segundo lugar, pueden actuar como verdaderos socios de investigación. En lugar de limitarse a ofrecer más ejercicios, facilitan la profundización en los contenidos, permitiendo al alumno explorar conexiones más complejas o abordar preguntas de mayor nivel. Este uso resulta especialmente valioso en contextos donde el currículo común no siempre permite atender a estos intereses de forma sistemática. ¿Recordáis aquello que decía Renzulli de que el alumno debe actuar como un first-hand inquirer?

Asimismo, los agentes pueden desempeñar un papel relevante en el desarrollo del pensamiento crítico. A través de interacciones de tipo socrático, pueden cuestionar las respuestas del alumno, pedir justificaciones o plantear contraargumentos, generando un entorno de aprendizaje exigente que favorece la reflexión y el razonamiento.

Por último, la personalización por intereses —un elemento central en el desarrollo del talento— puede verse significativamente reforzada. La IA permite conectar los contenidos curriculares con los intereses específicos del alumno, facilitando propuestas de aprendizaje más significativas sin incrementar de manera desproporcionada la carga de trabajo del profesor.

Retos éticos: transparencia y responsabilidad

No obstante, junto a estas oportunidades emergen también desafíos importantes. Entre ellos, destaca la opacidad de los sistemas algorítmicos y el riesgo de sesgos en la toma de decisiones.

La incorporación de la IA en educación exige, por tanto, marcos éticos claros, basados en la transparencia, la rendición de cuentas y la centralidad de la persona. Tenemos que servirnos de las máquinas, no dejarnos dominar por ellas, como ya se he señalado varias veces en las últimas entradas. Vamos que, si siempre fue importante, la educación moral es esencial y urgente en cualquier planteamiento educativo que tenga a la persona en el centro.

Conclusión: una oportunidad que exige criterio

En definitiva, la cuestión no es si la inteligencia artificial debe estar presente en la educación, sino cómo integrarla de manera que contribuya a mejorarla. Utilizada con criterio, puede convertirse en una aliada poderosa para avanzar hacia una enseñanza más personalizada, más equitativa y más orientada al desarrollo del talento.

Porque, en el fondo, el reto sigue siendo el mismo: ofrecer a cada alumno —y de manera muy particular a los más capaces— las oportunidades necesarias para desarrollar plenamente su potencial.

Todo esto puede sonarte muy teórico, a ciencia ficción, provocarte rechazo, indiferencia o incluso crítica por razones diversas (son cosas de viejos profesores que no han pisado un aula…ya ya). Para facilitarte la reflexión he preparado (con inteligencia artificial, ¡naturalmente!) esta infografía. A ver qué te parece. La desarrollo como texto más abajo.

Guía rápida: cómo empezar a usar IA en el aula (sin complicarse) [Elaborada con Chat GPT]

1. Empieza por lo simple (regla de oro)

No necesitas muchas herramientas.
Elige una o dos y dales un uso claro.

2. Tres usos inmediatos en clase

A. Ajustar el nivel (atender a la diversidad)

• Usa Khan Academy o Duolingo u otras como IXL o Smartick
• Deja que el alumno trabaje a su ritmo

Qué consigues:

• El que va más lento no se pierde
• El que va más rápido no se aburre

B. Generar materiales en minutos (ahorrar tiempo)

• Usa MagicSchool AI o ChatGPT

Ejemplos reales:

• “Adapta este texto a 3º de Primaria”
• “Crea 5 preguntas tipo test sobre este tema”
• “Diseña una actividad de ampliación para alumnado avanzado”

Qué consigues:

• Menos carga de preparación
• Más capacidad de personalización

C. Profundizar y retar (especialmente AACC)

• Usa ChatGPT o Brilliant

Ejemplos:

• “Explícame esto como si fuera un experto”
• “Hazme preguntas difíciles sobre este tema”
• “Debate conmigo esta idea”

Qué consigues:

• Más pensamiento crítico
• Más profundidad
• Más motivación

3. Aplicación directa en el aula (escenario real)

Mientras explicas:

• Grupo base → sigue la actividad normal
• Alumnos con dificultad → refuerzo con herramienta adaptativa
• Alumnos avanzados → ampliación con IA

Sin rehacer toda la clase
Sin multiplicar tu carga de trabajo

4. Para alumnado con altas capacidades

La IA permite, por fin:

• Compactar contenido (no repetir lo que ya saben)
• Aumentar el reto en tiempo real
• Trabajar por intereses
• Fomentar pensamiento crítico

No es “más trabajo”
Es mejor trabajo

5. Qué NO hacer (muy importante)

Usar la IA solo para dar respuestas
Sustituir la explicación del profesor
Introducir demasiadas herramientas a la vez

6. Qué SÍ hacer

Usarla para preguntar mejor
Usarla para adaptar
Usarla para ganar tiempo
Mantener al profesor como guía y criterio

IDEA FINAL

La IA no viene a enseñar por ti
Viene a ayudarte a enseñar mejor

1. La IA como propulsor: personalización y profundización

Un alumno con altas capacidades (AACC), en el aula tradicional a menudo se siente como si tuviese que caminar con «pesas en los pies». La IA ofrece una solución definitiva al histórico «Problema de las 2 Sigma» de Bloom, permitiendo una hiper-personalización a gran escala que antes era inviable, tal como ya señalé en una entrada anterior. Esto debe catapultar:

• El aprendizaje al propio ritmo (cuántas veces hemos hablado del self-paced learning): los sistemas adaptativos, casi una quimera hace décadas, permiten que el estudiante navegue por conceptos complejos a su velocidad, eliminando el «techo» del currículo estándar. Es decir, «si pueden, déjalos volar y no los obligues a caminar». Los recursos están ahí, solo hay que utilizarlos con criterio y oportunidad.
• Zona de Desarrollo Próximo: la IA actúa como un generador de desafíos constantes, situando al alumno siempre en el nivel de reto óptimo para evitar el aburrimiento. Esto lo hemos llamado Optimal Match, concepto archiconocido que puedes revisar aquí.
• Profundización: permite explorar áreas específicas e intereses personales de forma autónoma, transformando el aprendizaje en una aventura significativa. ¿Recordáis aquello de convertir la escuela en una aventura diaria y no en una tortura? Este enlace es de 2014!

2. Los Riesgos: la «habitación china» y la deuda cognitiva

Sin embargo, debemos evitar que la IA se convierta en una «muleta» que provoque la atrofia del esfuerzo.

• La habitación china: siguiendo a Searle, corremos el riesgo de que el alumno parezca competente al manipular símbolos (procesar datos con IA) sin tener una comprensión semántica real. En esta entrada Sternberg se refiere a este asunto con toda claridad.
• La deuda cognitiva: externalizar procesos mentales de alto nivel debilita las conexiones neuronales. Escaneos cerebrales (EEG) muestran que los usuarios dependientes de la IA tienen una conectividad significativamente menor en áreas clave para la memoria y la creatividad. Ya hablamos de esto aquí.
• La amnesia inmediata: El 83% de los usuarios de IA no puede recordar el contenido de un ensayo apenas unos minutos después de haberlo generado, ya que el aprendizaje sin esfuerzo no deja huella en la memoria. Esto parece bastante obvio: si el ensayo lo ha generado otro, no hay modo de que lo recuerde uno… Esto tiene implicaciones para la evaluación de los productos de los alumnos.

3. El alumno como «director de orquesta» y el profesor como brújula

En este paradigma, el alumno debe ser el «director de orquesta»: utiliza la potencia de la máquina para gestionar datos, pero aporta su propio discernimiento, criterio y rigor para dar sentido al resultado.

Por su parte, el docente deja de ser el «sabio en el escenario» (the sage on the stage) para ser un mentor y brújula (the guide on the side). ¿Ya nos hemos olvidado de las virtualidades de las metodologías activas y del flipped classroom? Su función [la del profesor] es ser un «pensador en voz alta», modelando cómo dudar, verificar fuentes y gestionar la incertidumbre frente a la máquina.

4. La voz crítica de los alumnos con alta capacidad

Ya hablamos de esto hace unas semanas a propósito de un estudio de campo llevado a cabo recientemente. Puedes ver la entrada a partir de este enlace.

Es fascinante, y algo a tener muy en cuenta, el notar que los alumnos con AACC suelen ser los más críticos con la IA, cuestionándola no por ignorancia, sino por una alta exigencia de autenticidad y justicia.

• Dilución de la creatividad: temen que la IA homogenice su trabajo. Es icónica la anécdota de la alumna que rechazó un dibujo de IA de un delfín diciendo: «yo lo mismo pintaré; a diferencia de la IA, yo sé dónde va la aleta dorsal».
• Escepticismo técnico: definen a menudo la IA como «clunky» (torpe) o poco confiable para razonamientos divergentes y profundos.
• Frustración con las restricciones: se sienten penalizados cuando los centros, por miedo al mal uso de otros, bloquean herramientas digitales legítimas que ellos necesitan para organizar sus ideas ágilmente.

5. Guía de Uso: cuándo invitar (y cuándo no) a la IA al aprendizaje

6. La Transformación de la evaluación y las tareas

Para verificar que el aprendizaje es real y que la IA no ha tomado el mando, la evaluación debe modificarse y pasar de juzgar el producto a auditar el proceso. Hace tiempo que es más relevante preguntar no ¿qué sabes? sino ¿qué sabes hacer con lo que sabes? Veamos unos simples ejemplos:

• Auditoría cognitiva: en lugar de pedir al alumno un ensayo, entrégale uno generado por la IA que contenga un error sutil o una omisión profunda. La tarea del alumno es actuar como autoridad técnica: encontrar el fallo, explicar por qué ocurrió y proponer una solución superior basada en su propio rigor.
• Inteligencia de convocatoria inmediata: evaluar mediante debates en tiempo real, entrevistas o defensas orales donde el alumno no tenga apoyo externo. Si un alumno no puede defender su tesis cara a cara, su competencia es solo una «ilusión de saber». ¿No os recuerda esto a la defensa de una tesis doctoral o tesis de máster, por ejemplo?
• Tareas de reflexión «pre-pantalla»: pedir al alumno que genere sus propias ideas e hipótesis antes de interactuar con la IA, para que esta sea un compañero de debate y no un oráculo inicial.

En conclusión, la educación del talento en el siglo XXI no se define por cuánta información se posee, sino por la autonomía intelectual y la capacidad de ser pensadores críticos que auditan la tecnología. El conocimiento propio, forjado a través del estudio y el análisis, es el único vuelo que realmente nos pertenece.

Permitidme terminar con un pensamiento de gran filósofo Alejandro Llano pronunciado hace más de treinta años:

“Lo descriptivo cederá la primera posición a lo metodológico. Lo formativo tendrá mayor relevancia que lo informativo. El objetivo focal será una intensa y amplia preparación intelectual: aprender a pensar con rigor, hondura y creatividad” (Llano, A., 1994, discurso apertura de curso Universidad de Navarra).

¡Nada que añadir!

Como complemento de esta entrada adjunto esta imagen que he realizado con NotebookLM y que puede ser un buen resumen de lo expuesto en esta entrada y alguna anterior. Espero que os resulte de interés.

Hoy quiero reflexionar en voz alta sobre algo que nos está pasando a todos, casi sin darnos cuenta. La Inteligencia Artificial (IA) ha entrado en nuestras vidas y en nuestras aulas como un tsunami. Es fascinante, sí, pero nos pone frente a un espejo incómodo: ¿estamos usando la tecnología para ser mejores o simplemente nos hemos vuelto demasiado perezosos para pensar por nosotros mismos?

El lado brillante: La promesa de la educación personalizada

No podemos negar que la IA tiene un potencial increíble. Durante décadas, la educación ha arrastrado el «Problema de las 2 Sigma» de Bloom: la idea de que un alumno rinde muchísimo mejor con un tutor personal, algo que era imposible de pagar para todo el mundo.

Hoy, la IA parece resolver esto:

• Tutoría a gran escala: Sistemas como el «Tutor CoPilot» de Stanford permiten ofrecer apoyo experto por apenas 20 dólares al año.
• Resultados reales: Un estudio de Harvard demostró que estudiantes de física aprendieron el doble en menos tiempo usando tutores de IA en comparación con clases tradicionales.
• Inclusión: La llamada «Small AI» está permitiendo que en países con menos recursos se acceda a educación de calidad a través de simples teléfonos móviles.

La zona oscura: la «deuda cognitiva» y la pereza mental

Aquí es donde quiero que nos detengamos. El gran peligro de la IA no es que sea «mala», sino lo que nos hace por omisión. Se está hablando ya de la «deuda cognitiva»: al externalizar nuestras tareas mentales a una máquina, nuestras habilidades fundamentales se debilitan. [Te recomiendo que leas esta entrada si no lo has hecho ya y, sobre todo, el documento que incluye, recientemente publicado por Robert Sternberg].

• Atrofia cerebral documentada: investigadores del MIT Media Lab han usado escaneos cerebrales (EEG) y los resultados dan miedo: los usuarios de herramientas como ChatGPT muestran una conectividad neuronal significativamente más débil en la banda Alpha, esencial para la creatividad y la memoria (solo 42 conexiones frente a las 79 de quienes piensan por sí mismos).
• La ilusión de saber: existe un fenómeno llamado «ilusión de lo aprendido». Nos resulta familiar lo que la IA escribe, pero somos incapaces de explicarlo profundamente. Es como el GPS: nos lleva al sitio, pero si se apaga, no sabemos volver porque no hemos creado un mapa mental de la ruta.
• Amnesia inmediata: el 83% de los usuarios de IA no puede recordar el contenido de un ensayo apenas unos minutos después de haberlo generado. Si no hay esfuerzo, no hay huella en la memoria. El aprendizaje sin esfuerzo es una ilusión, no una realidad.

El peligro de la «externalización cognitiva»

Cuando dejamos que la IA haga el resumen, que encuentre la tesis de un texto o que resuelva el problema de matemáticas, estamos cometiendo un error de base: el aprendizaje no es el producto final, es el proceso de hacerlo.

• Sesgos invisibles: si delegamos el pensamiento, aceptamos los prejuicios de la máquina. Se ha visto que algoritmos de evaluación penalizan desproporcionadamente a alumnos de entornos humildes o recomiendan menos carreras STEM a mujeres basándose en datos históricos sesgados.
• Sedentarismo cognitivo: si no usamos el cerebro para analizar y decidir, perdemos nuestra autonomía intelectual. Nos convertimos en pasajeros de nuestra propia vida mental, en lugar de ser los conductores.

Una reflexión final: sé el piloto, no el pasajero

La IA ha venido para quedarse, y prohibirla es como intentar detener un tsunami con las manos, o ponerle puertas al campo. Pero la clave está en el concepto: «Human in the loop» (el humano en el bucle): la IA debe ser nuestro copiloto, pero tú nunca debes soltar el volante.

Para que no se nos oxide la mente, se podrían proponer tres reglas personales que emergen de algunos informes relevantes sobre el particular:

1. Reflexiona antes de encender la pantalla: genera tus propias ideas y dudas antes de preguntar a la IA.
2. Verifica y critica: no uses la IA como un oráculo, sino como un compañero de debate que a veces se equivoca (y mucho). No olvidemos que estamos preguntando a un algoritmo que ni siquiera entiende lo que nos responde, simplemente lo hace basado en su programación, probabilidades, etc. no a una persona.
3. Hazlo tuyo: no copies y pegues. Reescribe, añade tu voz, tu estilo y tus vivencias personales. Eso es lo único que una máquina no puede replicar.

Decía a los alumnos hace un tiempo al comienzo de curso que el aprendizaje implica sufrimiento y el que no esté dispuesto a sufrir, no aprenderá. Al menos sufrimiento moral. Aprender, sin duda, duele un poco porque requiere esfuerzo, pero es ese esfuerzo el que nos hace humanos y capaces. No deberíamos permitir que la comodidad de un clic nos robe nuestra capacidad de pensar.

Dicho esto, me parece sensato delegar las operaciones que consumen mucho tiempo y tienen un menor valor añadido, para que puedas dedicarte a dominar lo que quieres aprender. Dejadme poner un ejemplo sencillo: hace años (muchos) utilizábamos ficheros en papel para hacer cualquier revisión bibliográfica y búsqueda de fuentes gastando horas y con la ilusión de que lo que necesitábamos estaría en el fichero. Ahora podemos hacer una búsqueda en bases de datos en segundos, sabiendo que nada de lo relevante publicado se quedará fuera de la búsqueda. El procedimiento ha cambiado, el tiempo invertido también, pero permanece la necesidad de saber discernir qué fuentes son relevantes para mí y cuáles no lo son, qué criterios debo aplicar (capacidad de discernimiento o crítica) para seleccionar unas u otras fuentes, etc. ¿Qué hago con los miles de referencias que una búsqueda me devuelve? ¿Cómo las filtro? ¿Cuáles son esenciales y fundamentadas y cuáles son prescindibles o incluso debo evitar para no contaminarme?

A mi juicio, una vez más, no se trata de plantear la pregunta incorrecta y un tanto pueril: «¿IA sí o no?»; mejor preguntémonos: «IA cuándo y para qué».

–––––––––––––––––––––

Nota: la imagen la he creado como una infografía, a partir de una serie de fuentes seleccionadas por mí, con NotebookLM, por tanto el texto que contiene es legible y resume algunos de los aspectos tratados. La puedes descargar si te interesa.

La IA como amplificador: rompiendo el techo del aula

Para un alumno con AACC, el ritmo del aula tradicional a menudo le hace sentirse como si caminara con pesas en los pies. La IA ofrece una solución sin precedentes: la hiper-personalización. A diferencia de un currículo lineal, los sistemas de aprendizaje adaptativo permiten que el estudiante navegue por conceptos complejos a su propia velocidad. Si un niño de primaria domina la aritmética en minutos, la IA puede abrirle las puertas a la astrofísica, o a la programación avanzada, proporcionando desafíos que están justo en su «Zona de Desarrollo Próximo». La IA no solo entrega datos; elimina el techo que muchas veces impone el sistema educativo estándar. Ciertamente requiere supervisión y orientación por parte del profesor, entrenamiento técnico, etc. (puedes ver a este respecto el post anterior sobre el rol del profesor).

El riesgo de la «muleta»: fortaleza y esfuerzo en la era del clic

Sin embargo, tener una herramienta que ofrece resúmenes y soluciones en segundos es una espada de doble filo. Para un alumno con AACC, que a menudo procesa la información con gran rapidez, el riesgo es la atrofia del esfuerzo. Si el camino es siempre llano, el «músculo» de la fortaleza no se desarrolla. Por eso, la IA no debe ser un solucionador, sino un generador de desafíos. El verdadero aprendizaje ocurre cuando el alumno actúa como un «Director de Orquesta»: utiliza la potencia de la máquina para gestionar datos, pero aporta su propio criterio para dar sentido y profundidad al resultado. El conocimiento propio es el filtro indispensable que transforma una respuesta automática en un logro intelectual real. Si no hay conocimiento y reflexión propias esto será imposible.

Del consumo a la auditoría: el valor de buscar el error

Una de las estrategias más potentes para fomentar esta mentalidad es la auditoría cognitiva. En lugar de pedirle al alumno que resuelva un problema que la IA ya domina, el reto se invierte: le entregamos una solución generada por la IA que contiene un error sutil o una omisión profunda. Su misión es encontrar el fallo, analizar por qué ocurrió y proponer una solución superior. Este ejercicio desplaza al alumno de una posición pasiva a una de autoridad técnica, enseñándole que la excelencia no nace de la velocidad, sino del rigor y la capacidad de cuestionar lo que parece «perfecto».

Una aventura compartida: el profesor como mentor y brújula

En este nuevo paradigma, la relación entre el docente y el alumno con AACC se transforma profundamente. (Ver los enfoques basados en metodologías activas, flipped classroom, por ejemplo). El profesor ya no es quien «imparte la lección» desde un pedestal de autoridad (the sage on the stage), sino un mentor que acompaña al estudiante en un territorio inexplorado (the guide on the side). Mientras la IA se encarga de la profundidad técnica, el profesor se ocupa de lo esencialmente humano: la validación emocional, la gestión de la frustración y el fomento de la intuición. Se convierten en compañeros de una aventura donde ambos investigan, auditan y descubren. Esta conexión personal es la que permite al guía detectar cuándo el alumno está brillando por su cuenta y cuándo se está dejando llevar por la inercia de la máquina.

Conclusión: el esfuerzo como sello de identidad

Al final del día, debemos recordarles a estos alumnos ( y a todos los demás en grados diversos) que la facilidad no es sinónimo de éxito. El conocimiento propio que ha de adquirirse a través del estudio, forjado a través de la duda y el análisis crítico, es el único que genera un verdadero desarrollo del talento. La IA es un copiloto extraordinario, pero el vuelo —con todas sus turbulencias y rectificaciones— le pertenece exclusivamente al ser humano. El logro no reside en la respuesta que da la pantalla, sino en la capacidad de la mente humana para cuestionarla, mejorarla y hacerla suya.

Todo un reto cargado de valor añadido.

1. El nuevo concepto de autoridad: criterio sobre datos

Muchos docentes sienten que la IA amenaza su rol como fuente de conocimiento. Sin embargo, la verdadera autoridad hoy nace de la humildad intelectual. Poseer datos ya no es un superpoder; el verdadero poder es el discernimiento. Siempre lo fue realmente.

Para un alumno con AACC, ver a un profesor que duda, que verifica una fuente o que admite no saber algo para investigarlo junto a él, es la lección de «pensamiento de alto nivel» más valiosa que existe. No perdemos autoridad al usar la IA; la transformamos en maestría de pensamiento.

2. Aprender a gestionar la incertidumbre: el profesor como «Pensador en Voz Alta»

Es natural sentir vértigo cuando un alumno brillante avanza más rápido que el currículo. Aquí, el docente debe pasar de «impartir» a «modelar».

• Saber cosas: lo hace la IA.
• Saber razonar sobre los hechos: lo hace el profesor.

Al convertirnos en «pensadores en voz alta», enseñamos al alumno a auditar a la máquina, a buscar sesgos y a no conformarse con la primera respuesta que podamos obtener. El aula deja de ser un lugar de respuestas cerradas para ser un laboratorio de aprendizaje profundo. Contrastar, verificar, triangular, analizar coherencias y discrepancias… Como dije tantas veces hoy ya no se trata de responder a la pregunta: ¿qué sabes?; más bien a esta otra: ¿qué sabes hacer con lo que sabes? Y eso no se hace con un consumo lineal y pasivo de información escrita, recibida por vía auditiva, visual, etc. Se hace como siempre: «ocupando el entendimiento con los conceptos, teniéndolos presentes en la conciencia».

3. El riesgo calculado: menos mecánica, más conexión

Delegar la parte mecánica del aprendizaje en la IA (búsqueda de datos, resúmenes básicos, ejercicios repetitivos) no es perder el control, es ganar tiempo. Ese tiempo liberado es el que permite al profesor centrarse en lo que la IA nunca podrá replicar: la conexión humana, la validación emocional y la guía ética. ¿Recordáis aquello que dije alguna vez de que la educación se resuelve en un encuentro entre personas, no entre personas y máquinas?

4. Estrategia práctica: el momento «sabías que…»

¿Cómo aplicar esto en un aula diversa sin morir en el intento? A modo de ejemplo, podríamos poner en marcha algo así como la Píldora de Investigación:

1. La Misión (10 min): Mientras el grupo trabaja en la base, el alumno de AACC usa la IA para buscar una conexión sorprendente sobre el tema.
2. El Filtro de Calidad: El profesor guía: «¿Por qué este dato es relevante? ¿Cómo sabemos que es cierto?»
3. Compartir el Hallazgo: Al final, el alumno comparte un «Sabías que…». Esto integra su talento, enriquece a sus compañeros y posiciona al profesor como el mentor que valida y da sentido al descubrimiento.

5. Conclusión: de la herramienta al propósito

El verdadero desafío que enfrentamos no es decidir si la tecnología debe entrar o no en nuestras aulas; esa puerta ya está abierta. Sería como preguntarnos si debemos utilizar o no los teléfonos o la mensajería instantánea. La pregunta que todo educador debe hacerse hoy, a mi modesto entender, no es «IA ¿sí o no?», sino «IA ¿para qué?». Debemos utilizarla para liberar el potencial creativo, para fomentar la autonomía y el pensamiento crítico y para permitir que cada alumno, especialmente aquellos con Altas Capacidades, encuentren su propio camino hacia la excelencia. Te invito a que no seas un espectador de este cambio, sino un protagonista: experimenta, cuestiona y comparte tus hallazgos. El futuro de la educación no lo escribirá un algoritmo, sino los docentes que se atrevan a usarlo como puente hacia un aprendizaje más humano y profundo. ¿Y tú, para qué vas a usar la IA mañana en tu clase?

Por otra parte, existe una abundantísima cantidad de información y recursos útiles sobre este modelo en el Renzulli Center for Creativity, Gifted Education, and Talent Development. Se puede acceder directamente, para más comodidad desde este enlace.

Para finalizar, hay tres libros que te recomiendo. El primero lo editamos en español hace unos años: El Modelo de Enriquecimiento para toda la Escuela. El segundo es Enriqueciendo el currículo para todo el alumnado, publicado por Roberto Ranz. Ambos se complementan perfectamente. Si quieres unas descripciones más breves, las encontrarás en algunas las entradas de este blog y a las que puedes acceder desde aquí.

Finalmente, te recuerdo mi libro último titulado Navegando hacia el talento, donde se recogen aspectos esenciales de este modelo.

En fin, que literatura para estudiar y formarse hay más de la que uno pueda pensar a simple vista. Recuerdo que hace ya muchos años un alumno que quería hacer la tesis doctoral conmigo sobre un tema determinado, después de unas primeras conversaciones, volvió a verme y me dijo: «sobre este tema no hay nada o casi nada publicado…». Mi respuesta fue inmediata, «sobre casi todo, casi todo está publicado…, tendrás que buscar mejor». Y es que casi todo está escrito, ¿te suena esta expresión?

Para terminar, si quieres descargarte la versión traducida por Marta Tourón y por mí del artículo original este es el enlace para hacerlo.

En un estudio de seguimiento de 25 años de estudiantes que asistieron a una escuela basada en el modelo SEM (Booij et al., 2016), tres economistas holandeses informaron que los estudiantes participantes obtuvieron calificaciones más altas, siguieron un plan de estudios más intensivo en ciencias (sobre todo para las niñas), y reportaron creencias más fuertes sobre sus habilidades académicas que los estudiantes que no asistieron a una escuela basada en SEM (ver Tabla 9). También encontraron que en el programa SEM los efectos positivos persistieron en las universidades a las que asistieron, donde los estudiantes eligieron estudios más desafiantes, lo que se traduce en salarios más altos al ingresar al mercado laboral. Estos mismos investigadores encontraron que estos resultados son consistentes con una interpretación de los efectos sobre el capital humano de un programa educativo que promueve tanto la excelencia académica como la productividad creativa. En un estudio de seguimiento, Booij y sus colegas (2017) también publicaron un análisis de los efectos del enriquecimiento en todos los estudiantes participantes, encontrando un mayor rendimiento para todos los participantes en los programas de enriquecimiento SEM.

Los programas de educación general y para los más capaces basados en el SEM han proporcionado beneficios para estudiantes académicamente talentosos y de alto potencial, permitiéndoles aumentar las aspiraciones para la universidad y las carreras y para seleccionar planes postsecundarios y de carrera basados en intereses desafiantes (Delcourt, 1993; Hébert, 1993), y desarrollar la creatividad y motivación que se aplicó al trabajo posterior (Delcourt, 1993; Hébert, 1993). Hébert (1993) y Delcourt (1993) encontraron que los programas para dotados que utilizan el enfoque SEM (Renzulli, 1977; Renzulli y Reis, 1985, 1997, 2014) ayudaron a centrar la atención académica de los estudiantes y el desarrollo de la productividad en sus áreas de interés, y tuvieron un efecto positivo en los intereses subsiguientes, afectando positivamente los planes de carrera postsecundaria.

Renzulli y Reis (2014) también resumieron la investigación que sugiere que el trabajo temprano en proyectos avanzados en los programas para los más dotados sirvió como un entrenamiento importante para la productividad posterior. Hébert (1993) observó que las características no intelectuales, como la creatividad, los intereses y el compromiso con la tarea, se mantienen constantes en los estudiantes más dotados y talentosos a lo largo del tiempo. Su investigación posterior, en 2010, identificó importantes lecciones afectivas que los estudiantes obtuvieron durante sus experiencias de enriquecimiento Tipo III en programas SEM, especialmente confianza en uno mismo, empatía hacia los otros, establecer contactos con almas intelectuales y afectivas gemelas.

Westberg (1999, 2010) investigó los efectos longitudinales en estudiantes que participaron en el mismo tipo de programa y encontró que estos mantuvieron sus intereses y todavía estaban involucrados tanto en los mismos como en el trabajo productivo creativo después de terminar la universidad y graduarse.

En resumen, los estudios longitudinales tanto cualitativos como cuantitativos de los programas SEM para los más capaces demuestran resultados positivos en el desarrollo cognitivo, afectivo y social de los alumnos. Los participantes en SEM han aumentado sus aspiraciones universitarias y laborales y han mantenido los intereses y el trabajo creativo y productivo que comenzaron en los programas para los más capaces después de terminar la universidad y la escuela de posgrado.

Tabla 9. Estudios longitudinales sobre el SEM

Una extensión más reciente del SEM es el Modelo de Enriquecimiento Escolar en Lectura (SEMR, por sus siglas en inglés), que ha demostrado éxito con la diferenciación, niveles avanzados de desafío, y compromiso para todos los lectores (Reis et al., 2007, 2008, 2011). Este enfoque de lectura enriquecida desarrollado por Reis y un equipo de especialistas en lectura y educación para dotados, se enfoca en la aceleración y enriquecimiento para el desarrollo de talentos en los lectores a través de la participación en opciones desafiantes para la lectura autoseleccionada, acompañadas de instrucción en pensamiento de alto nivel y habilidades de estrategia de lectura.

Un segundo enfoque central del SEM-R es la diferenciación del contenido y las estrategias de lectura, junto con experiencias más desafiantes y oportunidades avanzadas para la metacognición y la lectura autorregulada. En otras palabras, el programa SEM-R desafía y prepara a los estudiantes que tienen talento en lectura o que tienen un gran interés en la lectura para leer libros más desafiantes en la escuela y en casa.

Se ha comprobado que el SEM-R es efectivo para ayudar a los profesores a diferenciar la instrucción en lectura y reducir el tiempo dedicado a la enseñanza de todo el grupo. La aplicación del SEM-R produjo un mayor rendimiento en lectura y alentó a los lectores talentosos a leer materiales más desafiantes por períodos de tiempo más largos (Reis et al., 2007, 2008, 2011). La investigación específica sobre el Modelo de Enriquecimiento Escolar en Lectura (SEM-R) ha sido uniformemente positiva al demostrar que los docentes pueden eliminar hasta 5 horas de instrucción de lectura agrupada y reemplazarla con conferencias cortas y lectura enriquecida basada en intereses [de los estudiantes] (Reis y Fogarty, 2006; Reis et al., 2006, 2008, 2011).

Cuando el SEM-R se implementa utilizando diseños experimentales aleatorios, se han encontrado diferencias significativas favoreciendo al grupo SEM-R en fluidez lectora y actitudes hacia la lectura (Reis et al., 2007). Otros estudios se describen en la Tabla 6 a continuación, incluyendo investigación sobre programas de lectura extraescolares. Reis y Boeve (2009) utilizaron análisis cualitativos, métodos comparativos de estudio de casos para investigar un programa de lectura enriquecido después de la escuela usando el SEM-R para estudiantes urbanos, académicamente dotados, que también habían sido identificados como lectores talentosos. Aunque estos estudiantes inicialmente encontraron frustración y lucharon cuando se le pidió que leyeran contenido que estaba en o ligeramente por encima de su nivel de lectura, la mayoría finalmente tuvo éxito, y sus puntuaciones de fluidez de lectura mejoraron.

Tabla 6. Investigación sobre el SEM-R

Renzulli Learning System[1]

Algunos alumnos que participaron en los programas SEM también tuvieron acceso a Renzulli Learning System (www.renzullilearning.com), un componente en línea que ayuda a los maestros a implementar el SEM (Renzulli y Reis, 2011). Renzulli Learning ofrece un sistema automatizado digital de evaluación de diagnóstico que crea un perfil de las fortalezas académicas de cada estudiante, sus intereses, preferencias de aprendizaje y modos preferidos de expresión. A continuación, un motor de búsqueda examina más de 50.000 actividades de enriquecimiento, materiales, recursos y oportunidades y selecciona aquellas que son apropiadas para el perfil de cada estudiante en función de su edad, nivel de desafío e intereses.

Una herramienta de gestión de proyectos guía a los estudiantes y docentes a usar recursos específicamente seleccionados para actividades curriculares asignadas, independientes o proyectos de investigación en pequeños grupos, y una amplia variedad de actividades de enriquecimiento y experiencias desafiantes. Los estudiantes tienen la oportunidad de seguir una formación de nivel avanzado Tipo II y Proyectos Tipo III en sus áreas de fortaleza y áreas de interés personal, utilizando un plan de organización y gestión proyectos denominado The Wizard Project Maker.

Field (2009) utilizó procedimientos cuantitativos en un estudio empírico para investigar los efectos de Renzulli Learning en la fluidez de la lectura oral, la comprensión lectora, la ciencia, el rendimiento académico y rendimiento en estudios sociales en dos escuelas. Después de 16 semanas, los estudiantes que participaron en Renzulli Learning demostraron un crecimiento significativamente mayor en comprensión y fluidez en la lectura oral y rendimiento en estudios sociales que los estudiantes que no participaron en el programa en línea. Información sobre investigaciones adicionales en torno a Renzulli Learning se puede encontrar en la Tabla 7.

Tabla 7. Investigación sobre Renzulli Learning System

Implementación del SEM para poblaciones diversas

El uso del SEM ha demostrado ser efectivo con poblaciones diversas, incluidos estudiantes que son doblemente excepcionales (Baum, 1988; Baum et al., 2014; Reis et al., 2003), que tienen un bajo rendimiento en la escuela (Baum et al., 1995), y que pertenecen a grupos cultural y lingüísticamente diversos (Beecher y Sweeny, 2008; Reis y Morales-Taylor, 2010). El modelo de identificación del grupo de talentos y el enriquecimiento basado en intereses brindan oportunidades adicionales para los estudiantes que aún no están identificados, pero que tienen un potencial creativo-productivo. Esta mayor exposición, junto con oportunidades para actividades basadas en sus intereses, aumenta el compromiso y las oportunidades (Beecher y Sweeney, 2008).

Estudiantes con doble excepcionalidad

Los estudiantes que presentan doble excepcionalidad (2E) a menudo no se identifican como dotados o con problemas de aprendizaje, ya que sus déficits generalmente enmascaran sus talentos, mientras que sus talentos enmascaran simultáneamente sus discapacidades. Varios investigadores han examinado el uso de la instrucción basada en fortalezas SEM y el interés de los estudiantes en trabajar con alumnos que tienen tanto talentos como discapacidades (Baum, 1988; Baum et al., 2014; Reis et al., 2003). La investigación relacionada con la provisión de enfoques de enriquecimiento apropiados ha sugerido que estas estrategias ayudaron a los estudiantes 2E a tener éxito y alcanzar niveles más altos que el uso de estrategias de recuperación (Baum, 1988; Baum et al., 1995, 2014; Emerick, 1992; Reis et al., 2003). En la Tabla 8, se resume la investigación sobre el uso de SEM con estudiantes doblemente excepcionales.

Estudiantes con bajo rendimiento

El SEM también puede ser efectivo con estudiantes dotados que tienden a tener un bajo rendimiento, lo que puede incluir a un número significativo de alumnos en el grupo de talentos (Reis y McCoach, 2000). McCoach y Siegle (2003) encontraron que una diferencia entre los dotados y los de bajo rendimiento es el valor que le dan a las metas que se fijaron, y buscar el enriquecimiento basado en intereses se alinea con este hallazgo. Brigandi et al. (2016) también encontraron una conexión positiva entre la participación en el enriquecimiento y la valoración de las metas de los estudiantes. En uno de los estudios más convincentes publicados sobre cómo revertir el bajo rendimiento, Baum et al. (1995) encontraron que la realización de productos autoseleccionados de Tipo III, basados en los intereses de los estudiantes ayudó a revertir el bajo rendimiento en 17 estudiantes de alta capacidad (de 8 a 13 años). El 82% de los estudiantes participantes lograron avances y ya no tenían un bajo rendimiento en sus escuelas al final de la intervención.

Poblaciones culturalmente diversas

Muchos factores contribuyen a la sub-representación y la sub-identificación de estudiantes cultural y lingüísticamente diversos en los programas para los más capaces y con talento, incluidas las prácticas de identificación que benefician a los estudiantes de clase media alta (Briggs et al., 2008). El SEM, con un modelo de identificación de grupo de talentos (Talent Pool), amplía la exposición a un grupo más grande y diverso de estudiantes y se ha utilizado para ese propósito e implementado en escuelas de alta pobreza, urbanas y rurales durante décadas. Por ejemplo, Allen et al. (2016) encontraron que el uso de grupos de enriquecimiento en una escuela primaria urbana, en su mayoría latinos, mejoró el sentido de comunidad de la escuela, validó las culturas de origen de los estudiantes, aumentó la asistencia y desarrolló el sentido de acción de los estudiantes.

En algunas áreas urbanas, las escuelas SEM se han creado para atender a estudiantes dotados culturalmente diversos (Beecher y Sweeny, 2008; Reis y Morales Taylor, 2010) y han tenido éxito en aumentar el compromiso, la productividad creativa y el rendimiento académico de estudiantes diversos y de bajos recursos. Estas escuelas, a veces llamadas Academias Renzulli, incorporan todos los componentes de SEM y están diseñadas para estudiantes apasionados por el aprendizaje y capaces de un rendimiento avanzado y creativo en la escuela. Algunas docenas de estas escuelas, tanto públicas estándar como escuelas autónomas, existen actualmente en los Estados Unidos.

Tabla 8. Investigación sobre el uso del SEM con poblaciones diversas

[1] N. de los T. Existe una versión en español de RLS desarrollada por Tourón, et. al. puede verse en: renzullilearning.com/es

La compactación es un enfoque ampliamente utilizado para la diferenciación de la instrucción que combina estrategias de enriquecimiento y aceleración (Colangelo et al., 2004) y permite a los maestros de aula diferenciar, modificar y acelerar el plan de estudios regular mediante la eliminación de porciones de contenido previamente dominado por el estudiante.

La investigación sobre compactación (ver Tabla 5) ha demostrado consistentemente que los estudiantes académicamente talentosos pueden tener entre 24–70% de su plan de estudios regular eliminado o simplificado para evitar la repetición de trabajo previamente dominado, garantizando el dominio y al mismo tiempo sustituyéndolo por más actividades apropiadamente desafiantes (Reis y Purcell, 1993; Reis et al., 1998b) sin ninguna pérdida de logros o reducción en las calificaciones de las pruebas.

Reis et al. (1998b) encontraron que, cuando los docentes utilizaron la compactación curricular para eliminar entre el 24 y el 70% de los contenidos del plan de estudios regular para los estudiantes más capaces y de alto potencial, obtuvieron calificaciones tan buenas o mejores en las pruebas de logros posteriores fuera de nivel (‘Out of level’), utilizando las pruebas de capacidades básicas de Iowa, ITBS. Por ejemplo, los estudiantes de alta capacidad cuyo plan de estudios fue eliminado en Ciencias y Matemáticas obtuvieron puntuaciones significativamente más altas en las pruebas de rendimiento de Ciencias y Matemáticas que los grupos de control cuyo plan de estudios no fue compactado.

Reis y Westberg (1994) investigaron el uso de la compactación en 20 distritos escolares en todo el país, en el que los maestros fueron asignados aleatoriamente por distrito a uno de tres grupos de tratamiento que recibieron diferentes niveles de desarrollo profesional. Después de recibir formación en compactación curricular, los docentes lograron eliminar entre un 42% y 54% del contenido para los estudiantes de alta capacidad identificados. Reis y Purcell (1993) encontraron que los maestros de primaria pudieron eliminar entre el 24% y el 70% del plan de estudios en todas las áreas de contenido para estudiantes de alta capacidad, pero que los maestros de clase necesitaban una ayuda considerable para diseñar actividades de reemplazo desafiantes y rigurosas para reemplazar el contenido previamente eliminado. En resumen, la compactación curricular es un método eficiente y una estrategia ampliamente utilizada para diferenciar el plan de estudios y la instrucción para estudiantes académicamente talentosos y de alto potencial.

Tabla 5. Investigación sobre la compactación curricular

Nota: Como señalé en la entrada anterior sobre los grupos de enriquecimiento (la bibliografía allí citada sigue siendo muy útil), hay muchas referencias sobre la compactación. De forma breve os sugiero repasar este vídeo de Sally Reis sobre este tema, traducido y subtitulado por mí hace unos pocos años.

Sugiero también una lectura de este documento: https://gifted.uconn.edu/schoolwide-enrichment-model/curriculum_compacting/

Y de este libro de Renzulli y Reis monográfico sobe el tema: Curriculum Compacting: A Guide to Differentiating Curriculum and Instruction Through Enrichment and Acceleration. (https://amzn.eu/d/d5HPW5A)