¿Tecnologías más inteligentes para humanos más “tontos”?
Un estudio publicado por el Center for Curriculum Redesign desarrolla la tesis de que la tecnología actúa como un agente epistemológico que reconfigura qué sabemos, cómo lo validamos y cómo lo empleamos. Según este enfoque, que evita por igual el tecnoutopismo y la crítica nostálgica, el núcleo del análisis no está en si prohibimos o abrazamos las tecnologías, sino en cómo reimaginamos, desde las instituciones educativas, la formación humana en el marco de las nuevas exigencias cognoscitivas.
La tecnología como agente de cambio epistemológico
El estudio, Smarter, Humans “Dumber”? How Technology Improves and Diminishes Human Cognition and What This Means for Education, realizado por Dirk Van Damme (con algunas contribuciones de Charles Fadel), propone una lectura matizada y empírica sobre la pregunta de si la tecnología nos hace más listos o más “tontos”. El documento conceptualiza las tecnologías como reconfiguradoras del sistema de conocimiento: no son meros instrumentos neutrales sino mediadores activos que producen nuevos modos de producción, verificación y difusión del saber. Cada innovación amplifica ciertas capacidades (por ejemplo, la concisión y durabilidad del conocimiento con la imprenta) y erosiona otras, como las prácticas orales o las habilidades artesanales.
Por tanto, la tecnología no es intrínsecamente buena ni mala; sus efectos dependen de la ecología institucional, pedagógica y social que la rodea. En consecuencia, el núcleo del análisis no está en si prohibimos o abrazamos las tecnologías, sino en cómo reimaginamos, desde las instituciones educativas, la formación humana en el marco de las nuevas exigencias cognoscitivas.
A partir de veinte estudios de caso históricos -desde el fuego y la agricultura hasta la imprenta, los smartphones y la inteligencia artificial-, el autor identifica patrones recurrentes: la externalización cognitiva, la fragmentación atencional, la opacidad epistémica y la redistribución del prestigio experto.
Van Damme sintetiza la evolución de la interacción humano-tecnología en fases:
- La externalización de tareas (usar herramientas para ampliar capacidades físicas).
- La externalización cognitiva (almacenar y recuperar información fuera del sujeto).
- La delegación algorítmica compleja (automatización de juicio y decisión).
Cada fase aumenta la escala y la accesibilidad del conocimiento, pero suele venir acompañada por la reducción en la práctica de ciertas capacidades: la memoria espacial es desplazada por el uso del GPS; el cálculo mental es sustituido por las calculadoras, o el razonamiento exploratorio queda atenuado por el acceso a respuestas inmediatas de sistemas de IA. El informe insiste en que esas pérdidas no son irreversibles ni unívocas: dependen de qué queremos conservar y qué queremos enseñar explícitamente en la escuela.
Por tanto, el uso de la tecnología va asociado a determinados beneficios (amplificación de abstracción, eficiencia cognitiva, mayor acceso y habilitación de tareas complejas) y a pérdidas (fragmentación de la atención, pereza cognitiva, pérdida de conocimiento tácito y aumento de la opacidad epistemológica). Entre las ventajas el informe destaca la capacidad de manejar conjuntos de datos masivos, la posibilidad de realizar inferencias complejas y la democratización del acceso a fuentes. Entre las desventajas, señala la fragmentación atencional producida por plataformas que premian microestímulos; la transferencia de carga cognitiva hacia interfaces externas que requieren saber “dónde mirar” en lugar de “saber cómo”; y la opacidad de procesos algorítmicos que deterioran la capacidad de juicio crítico informado. Estas tendencias crean una tensión entre un mayor alcance cognitivo en ciertas áreas y una mayor fragilidad en operaciones internas básicas.
Algunas implicaciones educativas
El informe identifica varias consecuencias directas para la enseñanza:
- La atención pasa a ser un recurso escaso: las tecnologías diseñadas para capturarla fragmentan las sesiones de aprendizaje y reducen la capacidad para la lectura profunda y la reflexión prolongada.
- La “descarga cognitiva”, que se refiere al uso de dispositivos para almacenar, procesar o gestionar información, altera las prioridades curriculares, por lo que la escuela debe enseñar cuándo y cómo delegar la búsqueda de información y cómo verificar los resultados externos para evitar que el alumnado pierda competencias básicas imprescindibles en la gestión de la información.
El documento propone que la atención y la memoria vuelvan a situarse como objetivos formativos explícitos, y sugiere pedagogías que combinen prácticas sin ayuda tecnológica con prácticas que usan tecnología para potenciar tareas de alto valor. En concreto, sugiere prácticas de “entrenamiento cognitivo” contra la distracción (bloques de trabajo sin dispositivos); un diseño curricular que alterne tareas con y sin tecnología para fomentar la transferencia; una evaluación que mida no solo resultados sino proceso y pensamiento crítico, y una formación docente centrada en cuándo y cómo delegar funciones cognitivas a las máquinas.
Por otro lado, el informe advierte contra lo que llama opacidad epistémica. Con tecnologías que actúan como cajas negras, sin mostrar los procesos (p. ej., modelos de IA que generan recomendaciones sin explicarlas), se incrementa la opacidad: los usuarios confían en resultados sin comprender los supuestos ni los límites. Desde la óptica educativa, esto exige desarrollar en el alumnado habilidades para detectar la opacidad, evaluar fuentes, interpretar trazas digitales y cuestionar las pruebas algorítmicas. Es decir, una alfabetización epistemológica.
Competencia cognitiva y capas de habilidad: el marco de cinco capas.
Una de las aportaciones centrales del informe es la propuesta de un marco de cinco capas de la competencia cognitiva:
- Capacidades esenciales (atención, memoria).
- Habilidades procedimentales e instrumentales.
- Comprensión conceptual.
- Sentido integrador (transferencia).
- Meta-competencia epistémica (juicio, discernimiento, adaptabilidad).
El autor argumenta que las tecnologías afectan a cada capa de un modo diferente: las primeras (1-2) son las más vulnerables a la externalización (p. ej., de la memoria); las medias pueden mejorarse con herramientas de práctica dirigida, y las superiores (4–5) son las más importantes en entornos automatizados, pero también las más difíciles de automatizar. Por ello, la educación debe reequilibrar su foco: proteger los saberes esenciales a la vez que emplea la tecnología para practicar y evaluar niveles superiores.
En la siguiente tabla se presentan esquemáticamente las capas de habilidad y se acompañan de algunos ejemplos.
Tabla: Marco de la competencia educativa (adaptado de Van Damme, 2026).
Capa | Prioridad educativa (qué enseñar y ejercitar) | Ejemplo de aplicación en el aula |
1. Capacidades fundacionales. Atención sostenida, memoria (formación y retención), orientación espacial y temporal, control inhibitorio. | Preservar y cultivar estas capacidades como no delegables. Ejercicios regulares sin dispositivos; prácticas de memoria y lectura profunda. | Bloques semanales de “lectura sin dispositivo” con tareas de memorización activa seguidas de una breve reflexión escrita. |
2. Habilidades procedimentales e instrumentales. Cálculo fluido, ejecución rutinaria, uso competente de herramientas (buscar, formatear, protocolos). | Enseñar la automatización estratégica: practicar procedimiento antes de permitir la delegación; comprender cuándo y cómo usar la herramienta. | Antes de usar calculadora, ejercitar resolución manual de ecuaciones representativas hasta lograr fluidez. |
3. Comprensión conceptual. Modelos, explicaciones causales, principios disciplinarios, transferencia cercana. | Priorizar la profundización conceptual: explicar los porqués y aplicar modelos a problemas nuevos. | Resolver un problema nuevo, justificar el procedimiento seguido y usarlo en un nuevo problema; usar simulaciones para contrastar hipótesis. |
4. Sentido integrador. Transferencia lejana, síntesis entre dominios, reconocer patrones complejos y relaciones entre sistemas. | Desarrollar capacidad para integrar conocimiento multidisciplinar y aplicar marcos analíticos amplios. | Proyecto interdisciplinar: analizar un problema (p. ej. el cambio climático) usando datos económicos y de salud con herramientas de visualización. |
5. Metacompetencia epistémica. Juicio, verificación, supervisión de IA, saber cuándo no confiar en una fuente/algoritmo, adaptabilidad epistemológica. | Enseñar explícitamente competencias cívicas clave; verificación, crítica de fuentes, lectura de trazas algorítmicas, procedimientos de auditabilidad y fallback. | Confrontar una respuesta generada por IA con la obtenida con fuentes primarias; documentar la fiabilidad y los pasos de verificación. |
Entre las recomendaciones prácticas, el autor subraya:
- Revalorizar la atención y la memoria en los objetivos curriculares.
- Incorporar evaluaciones que midan el sentido crítico, la transferencia y la capacidad epistemológica.
- Formar al profesorado en estrategias de co-uso de tecnología.
- Exigir transparencia y trazabilidad en las herramientas algorítmicas usadas en educación.
- Diseñar experiencias que alternen trabajo sin ayuda tecnológica y trabajo con delegación, para fortalecer la metacognición.
Estas medidas buscan evitar dos riesgos: la delegación de tareas formativas a favor de interfaces opacas y la “pereza cognitiva” que asume que la tecnología siempre resolverá los problemas de pensamiento.
En resumen, ¿la tecnología nos está volviendo más “tontos”?
La respuesta del informe es sí y no:
- Sí, en la medida en que la delegación tecnológica puede erosionar prácticas internas (memoria, atención, pericia tácita) si la educación no compensa;
- No, porque la tecnología amplía la capacidad cognitiva colectiva, posibilita nuevos tipos de creatividad, y habilita resolución de problemas de mayor escala y complejidad.
Precisamente, el valor principal del estudio reside en desplazar la discusión desde polaridades (más listo vs. más tonto) hacia una agenda práctica y normativa: entender qué capacidades conviene mantener en el aprendiz y cuáles pueden y deben ser delegadas sin pérdida de autonomía. La tecnología puede y debe ser aliada de la educación, siempre que se reprogramen las instituciones, los currículos y las prácticas docentes para cultivar no tanto los conocimientos externalizables como el pensamiento crítico, la atención y la adaptabilidad.
El esfuerzo educativo debe centrarse, por tanto, en mantener un equilibrio dinámico entre proteger y entrenar las capacidades internas que permiten juicio y autonomía, mientras se aprovecha la tecnología para potenciar aprendizajes de alto valor y reducir las tareas repetitivas y poco significativas. El reto, por tanto, no es prescindir de la tecnología, sino reconfigurar la educación para integrarla en el marco de la nueva ecología cognitiva. Es decir, no se trata de apagar las máquinas, sino de educar a seres humanos con capacidad de pensar con autonomía (sobre todo, para cuando las máquinas fallen o engañen).
Referencia
- Van Damme, D. (2026). Technologies Smarter, Humans “Dumber”? How Technological Advances Improve and Diminish Human Cognition and What This Means for Education. Boston, MA: Center for Curriculum Redesign. Disponible en este enlace.
