No basta con usar NotebookLM: hay que enseñar a estudiar con IA.

Esta es la idea central de esta reflexión y nace de una preocupación que escucho con frecuencia en mi centro, en talleres de formación docente y en conversaciones con profes: estamos incorporando herramientas de inteligencia artificial al aula, pero muchas veces no nos damos el tiempo suficiente para enseñar a los estudiantes cómo aprender con ellas.

Hoy se habla mucho de herramientas de inteligencia artificial para estudiar. Y con razón. Aplicaciones como NotebookLM pueden ayudar a los estudiantes a trabajar con sus propias fuentes, resumir materiales, crear guías de estudio, generar mapas mentales, elaborar tarjetas didácticas, producir cuestionarios, escuchar resúmenes de audio e incluso preparar presentaciones. A primera vista, pareciera que estamos frente a una gran oportunidad para transformar la manera en que los estudiantes acceden a la información y organizan sus procesos de estudio.

Sin embargo, la pregunta de fondo no es si estas herramientas son potentes. Claro que lo son. La pregunta pedagógica es otra: ¿los estudiantes están usando la IA para aprender mejor o solo para entregar sus tareas más rápido?

Porque una cosa es utilizar NotebookLM para comprender una lectura, organizar ideas, formular preguntas, preparar una autoevaluación o detectar vacíos de aprendizaje. Y otra muy distinta es subir un documento, pedir un resumen, copiar una respuesta, pegarla en una tarea y entregarla como si eso fuera estudiar. La IA puede acelerar la producción de tareas, pero no garantiza por sí misma que el estudiante haya comprendido, reflexionado o construido conocimiento propio.

Entonces, cuando los estudiantes usan mal la IA, ¿el problema es solo de ellos o también tiene que ver con que no les hemos enseñado suficientemente cómo usarla para aprender?

A veces se dice que los estudiantes son “nativos digitales” y que ya saben todo esto de la IA. Personalmente, discrepo de esa idea cuando se usa para asumir que, por haber nacido rodeados de tecnología, ya saben aprender con ella. Una cosa es moverse con rapidez entre aplicaciones, redes y plataformas; otra muy distinta es saber seleccionar información, formular buenas preguntas, verificar fuentes, reconocer vacíos de comprensión, contrastar respuestas y construir una explicación propia.

También he escuchado frases como: “eso deberían enseñarlo en Comunicación”, “eso le toca al tutor” o “eso corresponde al curso de técnicas de estudio”. Pero si la IA ya está entrando a todas las áreas, entonces enseñar a estudiar con IA no puede ser responsabilidad de un solo docente o de un solo espacio o área curricular. Es una tarea compartida.

Cada área tiene una oportunidad concreta. El profesor de Ciencia puede enseñar a verificar evidencias. El de Matemática puede ayudar a revisar procedimientos y detectar errores. El de Ciencias Sociales puede enseñar a contrastar perspectivas. El de Comunicación puede fortalecer lectura crítica, argumentación y escritura propia. El tutor puede acompañar la autorregulación y los hábitos de estudio. En realidad, cada docente, desde su especialidad, puede ayudar a que el estudiante use la IA con mayor criterio, método y responsabilidad.

Pero aquí aparece un punto de partida que no podemos pasar por alto: para enseñar a los estudiantes a estudiar con IA, primero necesitamos docentes alfabetizados digitalmente y con competencias digitales fortalecidas. No basta con conocer el nombre de la herramienta o saber que “sirve para resumir”. El docente necesita comprender qué posibilidades ofrece, cuáles son sus límites, cómo se configura pedagógicamente, cómo se integra en una actividad de aprendizaje, cómo se acompaña su uso y qué evidencias permiten verificar si realmente hubo comprensión.

En otras palabras, la integración de la IA en el aula no empieza en la herramienta, sino en la mirada pedagógica del docente. Si el profesor no cuenta con criterios claros para orientar el uso de la inteligencia artificial, es muy probable que el estudiante termine usándola desde la lógica más inmediata: obtener una respuesta rápida, cumplir con la tarea y avanzar. Por eso, la alfabetización docente en IA y el desarrollo de la competencia digital docente no son un añadido opcional, sino una condición necesaria para que estas tecnologías se conviertan en verdaderas mediaciones para el aprendizaje.

Estudiar con IA exige enseñar a pensar el contexto

Durante años, enseñar técnicas de estudio significó enseñar a subrayar, resumir, tomar apuntes, elaborar organizadores visuales, construir fichas o preparar repasos. Todas esas estrategias siguen siendo valiosas. Pero en tiempos de inteligencia artificial necesitamos añadir una nueva dimensión: enseñar al estudiante a construir un buen contexto de aprendizaje para dialogar con la IA. Esto implica ayudarlo a formular mejores preguntas, trabajar con fuentes, verificar respuestas, reconocer vacíos de comprensión, pedir retroalimentación y producir explicaciones propias.

Por eso, si realmente queremos integrar la IA en el aula, necesitamos enseñar técnicas de estudio antes, durante y después de usarla. Antes de consultar la IA, el estudiante debería recuperar lo que sabe, reconocer qué entiende y formular una duda inicial. Durante el uso, debería aprender a enmarcar bien su consulta, usar fuentes concretas, pedir explicaciones por pasos y dialogar con la herramienta. Después, debería verificar, contrastar, corregir, explicar con sus propias palabras y aplicar lo aprendido en una evidencia propia.

En términos sencillos, estudiar con IA no consiste solo en escribir un prompt. Consiste en aprender a darle a la herramienta un contexto suficientemente claro para que pueda ayudar de verdad. Ese contexto incluye el propósito del estudio, la fuente utilizada, el nivel de profundidad esperado, las dudas del estudiante, el tipo de producto que necesita construir y los criterios para comprobar si realmente comprendió.

Cuando un estudiante escribe: “Haz un resumen de este texto”, obtiene una respuesta rápida. Pero cuando escribe: “Actúa como un tutor académico. Estoy estudiando este texto para comprender sus ideas principales. Primero ayúdame a identificar los conceptos clave, luego formúlame preguntas para comprobar mi comprensión y, al final, dime qué partes debería revisar nuevamente. Usa solo la fuente que he subido”, la interacción cambia por completo. ¿No me crees? Te invito a probarlo. Ingresa a ChatGPT, Gemini, Claude, NotebookLM, y verás los resultados.

En el primer caso, la IA produce información. En el segundo, la IA acompaña un proceso de aprendizaje.

Esa diferencia es enorme. Por eso, en este artículo propongo algunas técnicas aplicables con NotebookLM, como la práctica de recuperación, el priming, la delimitación del contexto, el grounding en fuentes, los prompts encadenados y la revisión crítica. Mi intención no es convertir a los estudiantes en expertos en prompts, sino ayudarlos a estudiar mejor con IA.

La IA puede ahorrar muchas horas, sí. Pero ese tiempo no debería usarse para pensar menos, sino para pensar mejor. Y ahí empieza el verdadero desafío docente: no solo enseñar a usar inteligencia artificial, sino enseñar a estudiar con inteligencia artificial.

Técnicas de IA que pueden convertirse en técnicas de estudio

Como ya lo había mencionado, no debemos caer en que el estudiante ya conoce la IA y ya sabe cómo funciona, no es así. Debemos enseñar a los estudiantes algunas técnicas propias del uso estratégico de la IA, pero traducidas a un lenguaje sencillo y aplicable al estudio. No se trata de formar estudiantes expertos en ingeniería de prompts, sino estudiantes capaces de dialogar mejor con la IA para aprender mejor.

1. Retrieval practice (Práctica de recuperación): recordar antes de consultar

Una de las técnicas de estudio más potentes es la práctica de recuperación, que consiste en intentar recordar información desde la memoria antes de revisar los apuntes o materiales. UC San Diego la describe como una estrategia efectiva, especialmente cuando se acompaña de una verificación posterior con los materiales del curso.

En tiempos de IA, esta técnica es todavía más importante. Antes de pedirle a NotebookLM que explique un tema, el estudiante debería intentar responder:

¿Qué recuerdo? ¿Qué entiendo? ¿Qué no entiendo? ¿Qué palabras clave puedo mencionar sin mirar?

Así, la IA no reemplaza el esfuerzo cognitivo inicial, sino que ayuda a contrastarlo y mejorarlo.

2. Priming: preparar a la IA para que actúe como acompañante de estudio

El priming consiste en orientar inicialmente a la IA para que responda desde un rol, tono o propósito específico. En el estudio, esto puede ayudar a que la herramienta no se comporte como un robot que entrega respuestas, sino como un tutor que guía.

Ejemplo para estudiantes:

Actúa como un tutor de estudio. No me des solo respuestas finales. Ayúdame a comprender este tema paso a paso, hazme preguntas y corrige mis ideas si son incompletas.

Esta técnica permite que el estudiante marque una intención: no quiere copiar, quiere aprender.

3. Delimitación del contexto: decir qué se estudia, para qué y con qué dificultad

Muchos estudiantes piden ayuda a la IA sin explicar qué necesitan realmente. Por eso reciben respuestas generales. Delimitar el contexto ayuda a obtener una orientación más pertinente.

Ejemplo:

Estoy estudiando este documento para una evaluación de Ciencias Sociales. Me cuesta diferenciar causas y consecuencias. Ayúdame a organizar la información en una tabla y luego hazme preguntas para comprobar si entendí.

Aquí el estudiante no solo pide ayuda. Explica su necesidad de aprendizaje.

4. Grounding o anclaje en fuentes: trabajar con evidencia, no con ocurrencias

Una ventaja de herramientas como NotebookLM es que permiten trabajar con fuentes específicas proporcionadas por el usuario. Esto es fundamental para evitar respuestas inventadas, superficiales o desconectadas del material de clase. El estudiante debe aprender a pedir:

Usa únicamente la fuente que he subido. Si algo no aparece en el documento, indícalo claramente.

Esta técnica fortalece el pensamiento crítico, porque enseña al estudiante a verificar si la respuesta tiene respaldo en la fuente original.

4. Prompts encadenados: estudiar por pasos, no de golpe

Una mala práctica es pedirle a la IA que haga todo en una sola instrucción: resumen, explicación, tarea, conclusión y respuesta final. Eso reduce el proceso de aprendizaje.

Una mejor práctica es trabajar con prompts encadenados, es decir, dividir el estudio en pequeñas fases:

Primero: identifica ideas principales. Luego: explica conceptos difíciles. Después: formula preguntas. Luego: evalúa mis respuestas. Finalmente: ayúdame a construir una explicación propia.

Ejemplo:

Primero, identifica cinco ideas principales del documento. Luego, formula tres preguntas de comprensión. Después, espera mis respuestas. Finalmente, dame retroalimentación y dime qué debo revisar.

Este tipo de interacción obliga al estudiante a participar activamente.

Con toda esta información, puede resumirse en esto:

Ejemplo:

Actúa como mi tutor de estudio sobre el cambio climático. Ayúdame a comprender el tema paso a paso usando solo las fuentes cargadas en este cuaderno. No me des respuestas listas para copiar; guíame con explicaciones claras, preguntas, ejemplos sencillos y retroalimentación para que construya mis propias respuestas. Cuando te pregunte algo, resume la idea clave, relaciónala con la fuente, dame un ejemplo cercano a mi vida o comunidad y termina con una pregunta para comprobar si entendí. Si algo no aparece en las fuentes, indícalo claramente y no inventes información.

5. Revisión crítica: no aceptar la primera respuesta como definitiva

El estudiante debe aprender que la IA puede ayudar, pero no debe ser aceptada sin revisión. Toda respuesta debe pasar por preguntas de control:

¿Esto aparece en la fuente? ¿Está completo? ¿Hay alguna idea confusa? ¿Puedo explicarlo con mis propias palabras? ¿Qué parte necesito volver a revisar?

Esta revisión crítica transforma el uso de IA en una oportunidad para desarrollar criterio.

Técnica de estudio para estudiantes: Método RECVA con IA

Para ayudar a los estudiantes a usar herramientas como NotebookLM de manera más consciente, se puede enseñar una técnica sencilla: RECVA.

RECVA significa: Recupera, Enmarca, Consulta, Verifica y Aplica.

Es una ruta de estudio que combina técnicas tradicionales de aprendizaje con estrategias de uso inteligente de la IA.

Fase	Acción del estudiante	Técnica asociada	Ejemplo de uso con IA
R — Recupera	Escribe lo que recuerda antes de usar IA.	Práctica de recuperación	“Antes de consultar, anoto cinco ideas que recuerdo del tema.”
E — Enmarca	Explica a la IA qué estudia, para qué y qué necesita.	Priming + delimitación del contexto	“Actúa como tutor. Estoy estudiando este texto para una evaluación y necesito comprender las ideas principales.”
C — Consulta	Dialoga con la IA por pasos.	Prompts encadenados	“Primero identifica conceptos clave, luego hazme preguntas y después revisa mis respuestas.”
V — Verifica	Contrasta la respuesta con la fuente original.	Grounding + revisión crítica	“Indica en qué parte del documento aparece esta idea y qué información falta revisar.”
A — Aplica	Produce una evidencia propia de aprendizaje.	Transferencia	“Ahora explicaré el tema con mis palabras y resolveré un caso.”

La potencia de esta técnica está en que evita que el estudiante empiece copiando. Lo obliga a recordar, preguntar, contrastar y producir algo propio.

Ejemplo de aplicación del Método RECVA

Imaginemos que un estudiante debe estudiar sobre el cambio climático.

R — Recupera

Antes de usar la IA, responde en su cuaderno:

¿Qué sé sobre el cambio climático? ¿Qué causas recuerdo? ¿Qué consecuencias puedo mencionar? ¿Qué conceptos me generan duda?

E — Enmarca

Luego abre NotebookLM y en la "configuración del cuaderno" escribe:

Actúa como tutor de estudio. Estoy revisando este documento sobre cambio climático. Necesito comprender causas, consecuencias y posibles soluciones. No me des una tarea hecha. Ayúdame a estudiar paso a paso usando solo la fuente que he subido.

C — Consulta

Después continúa:

Identifica cinco ideas principales del documento. Luego formula cinco preguntas de comprensión. No me des las respuestas todavía. Espera a que yo responda.

V — Verifica

Cuando responde, pide:

Revisa mis respuestas. Indica cuáles están completas, cuáles son confusas y qué parte del documento debería volver a leer.

A — Aplica

Finalmente construye una evidencia propia:

Redacta una explicación breve con tus propias palabras sobre cómo las acciones humanas influyen en el cambio climático y qué medidas podrían tomarse desde la comunidad escolar.

Infografía elaborada con ChatGPT

Orientaciones para integrar esta técnica en el aula: Antes, durante y después de usar la IA.

El docente puede incorporar el Método RECVA en una sesión de clase sin convertirla en una actividad excesivamente tecnológica. Lo importante no es la herramienta en sí, sino la estructura pedagógica del proceso.

Antes de usar la IA

El docente debe entregar una fuente concreta: lectura, separata, presentación, artículo, ficha informativa o documento del curso.

Luego pide a los estudiantes que completen la fase Recupera sin IA. Esta parte puede hacerse en el cuaderno.

Preguntas sugeridas:

¿Qué sabes sobre el tema? ¿Qué ideas recuerdas de la clase anterior? ¿Qué conceptos te parecen difíciles? ¿Qué pregunta te gustaría resolver hoy?

Esta fase permite activar conocimientos previos y evitar que la primera acción sea depender de la IA.

Durante el uso de la IA

El docente guía las fases Enmarca y Consulta. Aquí puede entregar una plantilla de prompt para que los estudiantes no improvisen.

Plantilla sugerida:

Actúa como tutor de estudio. Estoy aprendiendo sobre ________. Mi objetivo es ________. Me cuesta ________. Usa solo la fuente proporcionada. Primero ayúdame a identificar ideas principales, luego hazme preguntas de comprensión y espera mis respuestas antes de dar retroalimentación.

Esta plantilla enseña priming, delimitación del contexto, grounding y prompts encadenados de manera sencilla.

Después de usar la IA

El docente conduce las fases Verifica y Aplica.

Aquí los estudiantes deben volver a la fuente original, revisar si la IA respondió correctamente y construir una evidencia propia.

Productos posibles:

• una explicación personal;

• una ficha de estudio;

• un mapa conceptual;

• una respuesta argumentada;

• una resolución de caso;

• una autoevaluación corregida;

• una reflexión metacognitiva.

RECUERDA: el producto final no es “lo que dijo la IA”, sino lo que el estudiante logró comprender, verificar y reconstruir.

La verdadera competencia no es usar IA, sino aprender mejor con ella

En los próximos años, las herramientas de inteligencia artificial serán cada vez más potentes. Seguramente resumirán mejor, explicarán con mayor claridad, generarán mejores cuestionarios, producirán audios más naturales, organizarán información con más precisión y ofrecerán experiencias de estudio cada vez más personalizadas. Incluso es posible que avancemos hacia formas de inteligencia artificial mucho más complejas. Pero, pase lo que pase, hay algo que la IA no resolverá por sí sola: el problema pedagógico del aprendizaje.

La pregunta de fondo seguirá siendo la misma: ¿qué hace el estudiante con la información que recibe?

Si solo copia, no aprende. Si solo pega, no comprende. Si solo entrega, no desarrolla autonomía.

Pero si recupera lo que sabe, reconoce sus dudas, enmarca bien su necesidad, consulta con propósito, verifica con la fuente, contrasta respuestas y aplica lo aprendido en una evidencia propia, entonces la IA puede convertirse en una verdadera aliada del estudio.

Por eso, enseñar a usar NotebookLM u otra herramienta de IA no debería reducirse a mostrar funciones, botones o comandos desde una mirada instrumental. Necesitamos darnos el tiempo de enseñar técnicas de estudio con IA: qué hacer antes de consultarla, cómo dialogar con ella durante el proceso y cómo verificar, corregir y reconstruir lo aprendido después de usarla.

Pero este desafío también nos interpela como docentes. Para enseñar a los estudiantes a estudiar con IA, primero necesitamos fortalecer nuestra propia alfabetización digital y nuestras competencias digitales docentes. No basta con saber que una herramienta existe; necesitamos comprender cómo funciona, qué posibilidades ofrece, qué límites tiene, cómo se integra pedagógicamente y qué evidencias permiten reconocer si realmente hubo aprendizaje.

Ahí está, quizá, una de las tareas más importantes de este tiempo: formarnos para acompañar mejor. Porque la integración de la IA en el aula no empieza en la herramienta, sino en la mirada pedagógica del docente que sabe orientar, preguntar, desafiar, cuidar y dar sentido al aprendizaje.

La IA puede ayudar a estudiar, sí. Pero el docente alfabetizado digitalmente es quien puede convertir ese uso en una experiencia formativa, crítica y verdaderamente humana. Así que ... manos a la obra. Como lo diría el poeta César Vallejo: "hay, hermanos, muchísimo que hacer"

Seguimos.

Te leo en los comentarios.