Introducción
Imaginar la educación del futuro es más difícil de lo que parece. Solemos tomar la tecnología más novedosa del presente y proyectarla hacia adelante como si su avance fuera inevitable: aulas virtuales, tutores artificiales, realidad aumentada, evaluaciones automáticas y trayectorias personalizadas para cada estudiante.
La inteligencia artificial puede transformar la enseñanza, pero el resultado dependerá de la pedagogía, la inversión, la regulación y las decisiones humanas.
La educación no cambia solamente porque aparezca una herramienta mejor. También depende de instituciones, docentes, familias, infraestructura, intereses económicos, decisiones políticas y valores culturales. Una tecnología puede existir durante décadas sin llegar a todas las escuelas, o incorporarse de manera superficial sin mejorar realmente el aprendizaje.
La pregunta, entonces, no es solo qué podrá hacer la inteligencia artificial, sino qué tipo de educación queremos construir con ella.
Mucho antes de que existieran las computadoras, el filósofo John Dewey ya cuestionaba una enseñanza basada exclusivamente en la recepción pasiva de información. Defendía una educación conectada con la experiencia, la reflexión y la vida social. Sin embargo, también advertía que no toda experiencia produce aprendizaje: necesita estar organizada y orientada por un educador (Dewey, 1938).
Esa distinción sigue siendo fundamental. La educación del futuro no debería elegir entre conocimiento o creatividad, memoria o pensamiento crítico, docentes o inteligencia artificial. El desafío será integrar estas dimensiones de una manera pedagógicamente sólida, humana y accesible.
¿Por qué tiene que cambiar la educación?
Durante gran parte de la historia, el acceso a la información fue escaso y costoso. Los libros eran limitados, el conocimiento especializado estaba concentrado y el docente cumplía una función central como transmisor de contenidos.
Internet modificó radicalmente esa situación. Hoy, buena parte del conocimiento humano puede consultarse desde un teléfono. Con la inteligencia artificial generativa, además, ya no solo podemos buscar información: podemos pedir explicaciones, ejemplos, comparaciones, resúmenes, ejercicios y retroalimentación instantánea.
Como vimos al analizar la historia de la transmisión de información, el problema educativo ya no es únicamente acceder a contenidos. También debemos aprender a seleccionar fuentes, detectar errores, relacionar conocimientos y distinguir una explicación convincente de una explicación verdadera.
Sin embargo, sería un error concluir que, como la información está disponible, ya no necesitamos aprenderla.
Para comprender un texto, resolver un problema o evaluar una afirmación necesitamos conocimientos almacenados en la memoria. No podemos pensar críticamente sobre biología, economía o historia si no conocemos los conceptos fundamentales de esos campos.
El pensamiento crítico tampoco es una habilidad completamente general que pueda utilizarse del mismo modo sobre cualquier tema. Depende, en buena medida, del conocimiento previo y de la práctica dentro de cada área (Willingham, 2007).
La educación del futuro no debería abandonar los contenidos. Debería enseñar contenidos relevantes de una manera que permita comprenderlos, recuperarlos, conectarlos y aplicarlos.
La inteligencia artificial como tutor personal
Uno de los cambios más probables es la expansión de sistemas capaces de acompañar individualmente a cada estudiante.
Un tutor de IA podría:
- Detectar errores frecuentes.
- Adaptar la dificultad de los ejercicios.
- Ofrecer explicaciones alternativas.
- Generar ejemplos relacionados con los intereses del alumno.
- Proponer prácticas de recuperación y repasos espaciados.
- Traducir o simplificar determinados materiales.
- Brindar ayudas de accesibilidad.
- Informar al docente qué contenidos están generando más dificultades.
Esto no parte completamente de cero. Los sistemas de tutoría inteligente existen desde hace décadas. Una revisión de 50 evaluaciones controladas encontró resultados positivos sobre el rendimiento académico, aunque la magnitud variaba según la implementación, el grupo de comparación y el tipo de prueba utilizada (Kulik & Fletcher, 2016).
Esta evidencia muestra que la tutoría digital puede ser útil. Pero no demuestra que cualquier chatbot produzca automáticamente mejores aprendizajes.
Los sistemas clásicos de tutoría inteligente solían trabajar dentro de dominios limitados, con contenidos, respuestas y trayectorias diseñadas previamente. Las inteligencias artificiales generativas son mucho más flexibles, pero también pueden equivocarse, inventar información o proporcionar una respuesta correcta sin que el alumno comprenda cómo se llegó a ella.
Por eso, el tutor del futuro no debería limitarse a responder preguntas. Tendría que identificar qué sabe el estudiante, pedirle que explique su razonamiento, ofrecer pistas graduales y evitar resolver inmediatamente aquello que todavía puede intentar por sí mismo.
Personalizar no significa enseñar según “estilos de aprendizaje”
La personalización educativa suele asociarse con la idea de que algunas personas serían “visuales”, otras “auditivas” y otras “kinestésicas”. De acuerdo con esta creencia, cada estudiante aprendería mejor si el contenido se adaptara a su estilo particular.
El problema es que la evidencia no respalda suficientemente esa hipótesis. Las personas pueden tener preferencias, pero no se ha demostrado de manera consistente que clasificar a los alumnos por estilos y ajustar la enseñanza a esas categorías mejore el aprendizaje (Pashler et al., 2008).
La personalización más útil debería apoyarse en variables observables y modificables:
- Qué conocimientos previos posee el estudiante.
- Qué errores está cometiendo.
- Cuánta práctica necesita.
- Qué conceptos ya domina.
- Qué nivel de dificultad puede afrontar.
- Qué apoyos de accesibilidad requiere.
- Cuándo conviene introducir ejemplos, imágenes, textos o actividades prácticas según el contenido.
La modalidad debe adaptarse principalmente a aquello que se está enseñando. La geometría necesita representaciones visuales; la pronunciación de un idioma requiere escuchar; una técnica deportiva necesita movimiento y retroalimentación corporal. Esto depende de la naturaleza del conocimiento, no de etiquetar permanentemente al estudiante.
Una IA educativa bien diseñada no debería decir “este alumno es visual”. Debería reconocer, por ejemplo, que todavía no comprende las fracciones, que responde bien a ejemplos concretos y que necesita practicar la recuperación del procedimiento sin recibir la solución completa.
Memoria y pensamiento crítico: una falsa oposición
Recordar no consiste únicamente en repetir datos de manera mecánica. La memoria de largo plazo contiene los conceptos y procedimientos que nos permiten pensar. Un médico no puede razonar clínicamente si debe buscar cada dato elemental; un matemático no puede resolver problemas complejos si no domina operaciones básicas; un ciudadano no puede evaluar un argumento histórico sin conocer mínimamente el contexto.
Incluso los exámenes pueden utilizarse para aprender, no solo para calificar. La práctica de recuperación —intentar recordar activamente lo aprendido— puede mejorar la retención a largo plazo más que volver a leer el mismo material de manera pasiva (Roediger & Karpicke, 2006).
La evaluación del futuro, por lo tanto, no debería eliminar toda forma de prueba. Debería distinguir entre:
- Exámenes utilizados únicamente para clasificar.
- Evaluaciones diagnósticas para detectar conocimientos previos.
- Preguntas de recuperación para consolidar la memoria.
- Problemas de transferencia para comprobar si el estudiante puede aplicar lo aprendido.
- Proyectos que integren diferentes conocimientos.
- Instancias orales para explicar y defender un razonamiento.
- Portafolios que permitan observar el progreso en el tiempo.
Las notas numéricas probablemente no desaparecerán por completo, sobre todo en procesos de certificación o selección. Pero pueden dejar de ser la única representación del aprendizaje.
Proyectos, problemas y la importancia de la guía
La educación del futuro probablemente utilice más proyectos, simulaciones y problemas reales. Estas metodologías pueden conectar disciplinas, aumentar la motivación y mostrar para qué sirve lo aprendido.
Pero tampoco alcanza con dejar a los estudiantes frente a un problema complejo y esperar que descubran solos los conocimientos necesarios.
La investigación sobre carga cognitiva y aprendizaje muestra que la instrucción con orientación suficiente suele ser más eficaz que el descubrimiento mínimamente guiado, especialmente cuando los alumnos todavía son principiantes. La guía puede reducirse gradualmente cuando el estudiante adquiere conocimientos y autonomía (Kirschner et al., 2006).
Un buen proyecto educativo debería combinar:
- Conocimientos fundamentales enseñados explícitamente.
- Ejemplos resueltos y modelos de razonamiento.
- Práctica guiada con retroalimentación.
- Resolución progresivamente más autónoma.
- Aplicación de lo aprendido a un problema relevante.
La inteligencia artificial podría colaborar en cada etapa: explicar conceptos, generar ejercicios, ofrecer pistas y simular escenarios. Pero el diseño pedagógico seguiría siendo decisivo.
Utilizar tecnología avanzada con una mala metodología no transforma la educación. Solo digitaliza sus problemas.
¿Qué ocurrirá con los docentes?
Es improbable que los docentes desaparezcan, aunque sus tareas pueden cambiar.
El Foro Económico Mundial presenta a la IA como una herramienta capaz de apoyar a los educadores, automatizar parte del trabajo administrativo, personalizar ciertas experiencias e incorporar nuevas competencias al currículo. Su propio marco de Educación 4.0 insiste en potenciar la enseñanza humana, no simplemente reemplazarla (World Economic Forum, 2024).
El docente del futuro podría dedicar menos tiempo a:
- Corregir ejercicios rutinarios.
- Preparar versiones similares de una actividad.
- Organizar información administrativa.
- Detectar manualmente patrones básicos de error.
Y más tiempo a:
- Explicar conceptos difíciles.
- Diseñar secuencias de aprendizaje.
- Observar el razonamiento de los estudiantes.
- Guiar proyectos y discusiones.
- Enseñar a evaluar fuentes.
- Resolver conflictos.
- Construir comunidad.
- Detectar problemas que una plataforma no puede comprender adecuadamente.
- Tomar decisiones pedagógicas y éticas.
Esto requiere evitar otra simplificación: el docente no se convertirá solamente en un “mentor emocional”. Continuará necesitando un conocimiento profundo de su disciplina, de la pedagogía y de cómo aprenden los estudiantes.
La IA puede producir una explicación en segundos. Saber si esa explicación es correcta, oportuna y adecuada para ese alumno seguirá requiriendo criterio profesional.
¿Qué debería aprender una persona en el futuro?
La OCDE, mediante su proyecto Future of Education and Skills 2030/2040, propone pensar la educación como una combinación de conocimientos, habilidades, actitudes y valores. También destaca la agencia del estudiante: su capacidad de orientar su aprendizaje y participar en la construcción de su futuro (OECD, s. f.).
Esto no significa abandonar la alfabetización, la matemática, las ciencias o la historia. Significa integrarlas con nuevas competencias:
- Alfabetización científica y estadística.
- Comprensión de sistemas tecnológicos.
- Uso crítico de la inteligencia artificial.
- Capacidad para formular buenas preguntas.
- Evaluación de fuentes y evidencia.
- Comunicación oral y escrita.
- Resolución de problemas.
- Cooperación.
- Autorregulación.
- Adaptación a contextos cambiantes.
- Comprensión ética de las decisiones.
El pensamiento crítico será indispensable, pero no debería enseñarse como una lista abstracta de reglas. Necesita conocimientos concretos, ejemplos variados, práctica y oportunidades para transferir lo aprendido a situaciones nuevas (Willingham, 2007).
Lo mismo ocurre con la curiosidad. Puede impulsar el aprendizaje, pero necesita encontrarse con una estructura que permita transformar preguntas dispersas en conocimiento organizado.
La escuela como espacio físico y social
Si cada estudiante puede acceder a un tutor artificial desde su casa, ¿seguirá teniendo sentido asistir a una escuela?
Probablemente sí.
La escuela no es solamente un lugar donde se transmiten contenidos. También es un espacio donde se aprende a convivir con personas diferentes, respetar reglas compartidas, cooperar, negociar, esperar, liderar, afrontar frustraciones y formar vínculos.
La educación exclusivamente virtual puede ofrecer flexibilidad, pero no reproduce por completo la complejidad de la interacción presencial. Una conversación cara a cara, un juego colectivo, una experiencia artística o un conflicto entre compañeros contienen dimensiones corporales y emocionales difíciles de reducir a una interfaz.
En escenarios de alta digitalización, la escuela podría adquirir aún más valor como espacio de:
- Socialización.
- Actividad física.
- Arte y creatividad.
- Trabajo cooperativo.
- Experimentos y prácticas.
- Contacto con la naturaleza.
- Debate presencial.
- Participación comunitaria.
La educación del futuro podría ser híbrida: parte del estudio conceptual y de la práctica individual estaría asistida digitalmente, mientras que las instituciones concentrarían experiencias que requieren presencia, cooperación y orientación humana.
Pero esto tampoco es inevitable. Una sociedad podría utilizar la misma tecnología para enriquecer los vínculos o para reducir costos y aislar estudiantes. La dirección dependerá de las decisiones políticas y culturales.
Los grandes desafíos de incorporar IA a la educación
Equidad y brecha digital
Un tutor artificial disponible permanentemente podría democratizar el acceso a explicaciones personalizadas. Pero también podría ampliar las desigualdades.
Los estudiantes con mejores dispositivos, conexión estable, entornos tranquilos y adultos capaces de orientarlos podrían aprovechar más estas herramientas. Otros podrían recibir versiones gratuitas menos potentes, usar equipos compartidos o quedar directamente excluidos.
Además, los modelos pueden funcionar mejor en los idiomas y contextos culturales con mayor presencia en sus datos de entrenamiento.
La UNESCO sostiene que la integración de IA debe seguir un enfoque humano, inclusivo y centrado en derechos, evitando que la tecnología profundice las brechas existentes (UNESCO, 2025).
Privacidad y ética de los datos
Para personalizar realmente la enseñanza, una plataforma necesita recopilar información: respuestas, errores, tiempos de trabajo, intereses, historial académico y patrones de interacción.
Cuanto más detallado sea el perfil, mayor será el riesgo.
¿Quién controla esos datos? ¿Durante cuánto tiempo se conservan? ¿Pueden utilizarse para publicidad, vigilancia o selección laboral? ¿Un error cometido a los doce años debería formar parte de un perfil educativo permanente?
El problema se vuelve todavía más delicado si los sistemas intentan inferir emociones, dificultades psicológicas o rasgos de personalidad. Estas inferencias pueden ser imprecisas y afectar decisiones importantes.
La personalización no debería convertirse en vigilancia educativa.
Sesgos algorítmicos
Una IA puede reproducir sesgos presentes en sus datos, evaluaciones y criterios de diseño. También puede recomendar trayectorias diferentes según el origen, género, idioma o desempeño previo del estudiante.
Adaptar la dificultad puede ayudar, pero también puede encerrar a una persona en expectativas bajas. Si el sistema interpreta que un alumno “no es bueno” para matemática y reduce permanentemente los desafíos, la personalización se convierte en una profecía autocumplida.
Por eso, las recomendaciones importantes deberían ser explicables, revisables y supervisadas por personas.
Formación docente
La incorporación de IA no puede depender únicamente de entregar una aplicación y esperar que cada docente descubra cómo usarla.
Será necesario formar a los educadores para:
- Comprender las capacidades y límites de los modelos.
- Verificar resultados.
- Proteger datos personales.
- Diseñar actividades que no deleguen todo el razonamiento.
- Detectar dependencia o uso inadecuado.
- Evaluar procesos, no solamente productos finales.
- Enseñar criterios de autoría y citación.
Sin formación y tiempo institucional, la IA puede sumar tareas en lugar de reducirlas.
Sobredependencia y pérdida de autonomía
Una herramienta que siempre explica, corrige y propone el siguiente paso puede mejorar la práctica, pero también reducir el esfuerzo cognitivo.
Si el estudiante consulta la respuesta antes de intentar resolver el problema, evita justamente el proceso que necesita para aprender. Si delega cada decisión, puede volverse más eficiente en el corto plazo y menos autónomo en el largo.
La IA debería funcionar como un andamio: ofrecer la ayuda necesaria y retirarla gradualmente. El objetivo no es que el estudiante dependa cada vez más del tutor, sino que llegue a necesitarlo menos.
Escenarios posibles: de 2030 a 2100
No podemos asignar fechas precisas a transformaciones sociales tan complejas. Las siguientes etapas no son predicciones, sino escenarios condicionados.
| Período | Escenario plausible |
|---|---|
| 2026-2035 | Mayor uso de asistentes para explicar, practicar, traducir, planificar clases y automatizar tareas administrativas. Regulaciones todavía desiguales y resultados muy dependientes de cada institución. |
| 2035-2050 | En países o sistemas con inversión sostenida, podrían extenderse tutores vinculados al currículo, evaluaciones formativas continuas y perfiles de aprendizaje transferibles. La supervisión docente seguiría siendo necesaria. |
| 2040-2060 | En escenarios de alta inversión, conectividad universal y buena regulación, podría consolidarse una educación híbrida con trayectorias más personalizadas y certificaciones de competencias más flexibles. |
| 2060-2100 | Cualquier proyección es altamente especulativa. Podrían aparecer entornos inmersivos, traducción casi universal y colaboración global avanzada, pero también restricciones políticas, crisis económicas o rechazo social. |
Los países desarrollados probablemente incorporen primero las soluciones más costosas, aunque eso no garantiza que las utilicen bien. Algunos países con menos recursos podrían avanzar mediante herramientas abiertas y móviles, pero dependerán de infraestructura, formación y soberanía tecnológica.
En ningún caso deberíamos asumir que una innovación disponible en un laboratorio llegará automáticamente a todas las aulas.
Una posible sinergia entre seres humanos e inteligencia artificial
En un escenario favorable, la educación podría convertirse en una red de colaboración mucho más amplia.
Estudiantes de diferentes países podrían trabajar sobre problemas científicos, sociales o ambientales; compartir datos; comparar soluciones y recibir apoyo de sistemas capaces de traducir, modelar escenarios y organizar grandes cantidades de información.
La IA podría ayudar a:
- Procesar datos.
- Simular consecuencias.
- Detectar patrones.
- Traducir entre idiomas.
- Generar hipótesis iniciales.
- Conectar proyectos similares.
Los seres humanos deberían conservar las tareas que requieren responsabilidad, contexto y deliberación: definir qué problemas merecen atención, evaluar consecuencias, decidir qué valores priorizar y asumir la autoría de las decisiones.
Esta red global de aprendizaje podría producir conocimiento valioso. Pero también podría concentrar el control educativo en unas pocas plataformas privadas. La misma infraestructura que facilita la cooperación puede facilitar la vigilancia y la dependencia.
Por eso, esta posibilidad debe presentarse como una interpretación o escenario deseable, no como el futuro inevitable de la educación.
¿Cómo podemos prepararnos desde ahora?
No hace falta esperar hasta 2050 para mejorar la educación. Muchas decisiones útiles ya son posibles:
- Enseñar conocimientos sólidos junto con su aplicación.
- Utilizar la práctica de recuperación y el repaso espaciado.
- Combinar instrucción explícita con proyectos bien guiados.
- Enseñar a verificar las respuestas de una IA.
- Evitar clasificar a los alumnos mediante estilos de aprendizaje sin respaldo.
- Incorporar IA como apoyo, no como sustituto automático del razonamiento.
- Proteger los datos de niños y adolescentes.
- Formar docentes antes de exigirles que utilicen nuevas plataformas.
- Evaluar si una tecnología mejora realmente el aprendizaje.
- Mantener espacios presenciales de vínculo, juego, arte y actividad física.
- Pedir que el estudiante explique cómo llegó a una respuesta, no solo que entregue un resultado.
La pregunta decisiva no debería ser si una escuela utiliza inteligencia artificial. Debería ser si sus estudiantes aprenden más, comprenden mejor y se vuelven progresivamente más autónomos.
Cuadro de síntesis
| Nivel de conocimiento | Qué podemos afirmar |
|---|---|
| Respaldado empíricamente | La práctica de recuperación favorece la retención; el pensamiento crítico depende parcialmente del conocimiento previo; la instrucción guiada suele beneficiar especialmente a los principiantes; determinados sistemas de tutoría inteligente pueden mejorar el aprendizaje. |
| En implementación y evaluación | Tutores generativos, retroalimentación automática, asistentes docentes, aprendizaje adaptativo y nuevas formas de evaluación. Su eficacia depende del diseño y del contexto. |
| Objetivos institucionales | Los marcos de UNESCO, OCDE y WEF priorizan competencias futuras, agencia, inclusión, formación docente y una integración de IA centrada en las personas. |
| Riesgos documentados | Brecha digital, privacidad, sesgos, errores, dependencia tecnológica y desigual capacidad para supervisar los sistemas. |
| Escenarios teóricos | Trayectorias completamente personalizadas, certificaciones dinámicas y redes mundiales de estudiantes resolviendo problemas reales. |
| Interpretación filosófica | La tecnología debería liberar tiempo para una educación más reflexiva y humana, pero no existe garantía de que sea utilizada con ese propósito. |
Preguntas frecuentes
¿La inteligencia artificial reemplazará a los docentes?
Probablemente automatice algunas tareas, pero no reemplaza fácilmente el conocimiento pedagógico, la supervisión, el vínculo humano, la construcción de comunidad y la responsabilidad sobre decisiones educativas.
¿Memorizar dejará de ser necesario?
No. La repetición mecánica puede perder centralidad, pero la memoria de largo plazo sigue siendo indispensable para comprender, razonar y pensar críticamente.
¿La IA puede adaptar la enseñanza a cada alumno?
Puede adaptar dificultad, ejemplos, práctica y retroalimentación. Sin embargo, debería hacerlo a partir de conocimientos y errores observables, no de etiquetas rígidas como los supuestos estilos visual, auditivo o kinestésico.
¿Cuándo veremos una educación completamente personalizada?
No existe una fecha científicamente justificable. En sistemas con alta inversión y regulación podrían consolidarse formas avanzadas entre 2040 y 2060. Una personalización integral y universal continúa siendo especulativa.
¿Usar IA garantiza mejores resultados?
No. Su impacto depende del diseño pedagógico, la calidad del contenido, la formación docente, el acceso, la protección de datos y la forma en que los estudiantes la utilizan.
Conclusión
La educación del futuro no será necesariamente más libre, personalizada o humana por el simple hecho de incorporar inteligencia artificial.
La tecnología puede ofrecer tutores accesibles, detectar dificultades, reducir tareas administrativas y ampliar las posibilidades de aprendizaje. Pero también puede profundizar desigualdades, vigilar a los estudiantes, reproducir sesgos y acostumbrarnos a delegar el esfuerzo de pensar.
Tampoco necesitamos elegir entre el pasado y el futuro. La memoria sigue siendo necesaria. Los conocimientos importan. La guía docente importa. Al mismo tiempo, los proyectos, la curiosidad, la cooperación y la aplicación práctica pueden darle sentido a lo aprendido.
La mejor educación posible probablemente combine una base sólida de conocimientos con pensamiento crítico, experiencias significativas, práctica deliberada y herramientas capaces de adaptarse a cada proceso.
La IA puede ayudarnos a construirla, pero no decidirá por nosotros qué significa educar bien.
Esa seguirá siendo una responsabilidad humana.
Síntesis visual del artículo
Bibliografía y referencias
- Dewey, J. (1938). Experience and education. Kappa Delta Pi.
- Kirschner, P. A., Sweller, J., & Clark, R. E. (2006). Why minimal guidance during instruction does not work: An analysis of the failure of constructivist, discovery, problem-based, experiential, and inquiry-based teaching. Educational Psychologist, 41(2), 75-86. https://doi.org/10.1207/s15326985ep4102_1
- Kulik, J. A., & Fletcher, J. D. (2016). Effectiveness of intelligent tutoring systems: A meta-analytic review. Review of Educational Research, 86(1), 42-78. https://doi.org/10.3102/0034654315581420
- OECD. (s. f.). Future of Education and Skills 2030/2040. https://www.oecd.org/en/about/projects/future-of-education-and-skills-2030.html
- Pashler, H., McDaniel, M., Rohrer, D., & Bjork, R. (2008). Learning styles: Concepts and evidence. Psychological Science in the Public Interest, 9(3), 105-119. https://doi.org/10.1111/j.1539-6053.2009.01038.x
- Roediger, H. L., III, & Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science, 17(3), 249-255. https://doi.org/10.1111/j.1467-9280.2006.01693.x
- UNESCO. (2025). AI and the future of education: Disruptions, dilemmas and directions. https://www.unesco.org/en/articles/ai-and-future-education-disruptions-dilemmas-and-directions
- Willingham, D. T. (2007). Critical thinking: Why is it so hard to teach? American Educator, 31(2), 8-19.
- World Economic Forum. (2024). Shaping the future of learning: The role of AI in Education 4.0. https://www.weforum.org/publications/shaping-the-future-of-learning-the-role-of-ai-in-education-4-0/
Seguí explorando las grandes preguntas
Suscribite a Meditaciones Modernas y recibí gratis “50 ideas para entender el mundo moderno”: una guía que conecta ciencia, filosofía, historia, economía y tecnología.
- 50 ideas fundamentales explicadas con claridad.
- Un recorrido desde el Big Bang hasta la inteligencia artificial.
- Nuevos artículos de Meditaciones Modernas en tu correo.
Después de suscribirte, revisá tu correo —también Spam— para confirmar la suscripción y recibir el PDF.
Deja una respuesta