- Aprendizaje digital e IA/
- Recursos y herramientas/
- Artículos y documentos/
- Aprender con máquinas: hacia una teoría de la coagencia epistémica — Samuel (2026)/
Aprender con máquinas: hacia una teoría de la coagencia epistémica — Samuel (2026)
Información del Recurso
Documento disponible libremente
Referencia y acceso#
Samuel, A. (2026). Learning with machines: Toward a theory of epistemic co-agency. Computers and Education: Artificial Intelligence, 10, 100573. https://doi.org/10.1016/j.caeai.2026.100573
El artículo se publicó en 2026 en la revista Computers and Education: Artificial Intelligence (Elsevier). El texto completo está disponible en acceso abierto (Gold Open Access) bajo licencia CC BY-NC-ND 4.0 a través de su enlace oficial DOI.
Por qué importa este marco teórico#
Buena parte del debate pedagógico actual sobre la inteligencia artificial generativa oscila entre dos extremos reactivos: la prohibición punitiva por temor al plagio y a la pereza cognitiva, o la fascinación instrumental que reduce la tecnología a un «asistente de productividad» para hacer más tareas en menos tiempo. Ambas posturas comparten un mismo punto ciego: carecen de un modelo epistemológico capaz de explicar qué ocurre con el aprendizaje profundo cuando la producción de ideas, textos y argumentos deja de ser un monólogo del estudiante o un diálogo exclusivamente interhumano.
El trabajo de Anita Samuel interviene directamente en esa grieta conceptual. Su tesis central es que las teorías tradicionales del aprendizaje —en particular el constructivismo individual (Piaget), el constructivismo social y la teoría de la actividad histórico-cultural (Vygotsky)— fueron concebidas bajo supuestos que la IA generativa desafía en su raíz:
- Que las herramientas tecnológicas son artefactos mediadores inertes o pasivos (como un libro de texto, una calculadora o una pizarra), subordinados por completo a la intencionalidad humana.
- Que la agencia epistémica —la facultad y la responsabilidad de formular, justificar, someter a prueba y validar pretensiones de conocimiento— recae exclusivamente en sujetos humanos.
Cuando un estudiante interactúa con un modelo de lenguaje de frontera, el sistema no opera como un simple canal de búsqueda o almacenamiento: dialoga de forma verosímil, formula hipótesis, refuta argumentos preliminares, reestructura esquemas conceptuales y genera salidas lingüísticas con alta fluidez pragmática. Ante esta realidad, Samuel argumenta que seguir tratando a la IA como una «herramienta» es insuficiente: se requiere teorizar una coagencia epistémica (epistemic co-agency).
Tesis central: la coagencia frente a la pasividad epistémica#
El núcleo de la propuesta de Samuel descansa en la tensión entre dos trayectorias posibles en el aula universitaria:
1. El riesgo de la «pasividad epistémica» (epistemic passivity)#
Ocurre cuando el estudiante confiere a la IA una autoridad epistémica artificial injustificada (artificial epistemic authority), aceptando acríticamente sus salidas por el simple hecho de que suenan elocuentes, coherentes y bien estructuradas. Al tercerizar el esfuerzo de articulación, síntesis y juicio valorativo en el modelo, se elimina la fricción cognitiva (cognitive friction) que la psicología cognitiva identifica como la condición indispensable para la consolidación de esquemas mentales propios y el aprendizaje significativo. El aprendiz se vuelve un consumidor pasivo o un mero intermediario logístico que traslada textos generados sin haber transitado el proceso de pensamiento que los originó.
2. La «coagencia epistémica» (epistemic co-agency) como coproducción crítica#
La coagencia epistémica, por el contrario, describe una interacción sociotécnica deliberada donde la exploración, la divergencia y la estructuración inicial de problemas se distribuyen entre el humano y el sistema inteligente, pero la responsabilidad evaluativa y la justificación epistémica se retienen en el juicio humano.
En la coagencia epistémica, el estudiante no busca que la máquina «resuelva» la tarea por él, sino que utiliza el diálogo con el modelo como un catalizador para cuestionar sus propios supuestos, ensayar perspectivas divergentes, detectar vacíos conceptuales y contrastar evidencia.
Cuatro pilares de la teoría de Samuel#
El artículo articula cuatro dimensiones interconectadas que configuran este marco:
Desliza horizontalmente para consultar todas las columnas.
| Pilar | Planteamiento de Samuel | Implicación en el aula |
|---|---|---|
| 1. Del artefacto instrumental al socio dialógico | La IA no es una herramienta estática que se domina con destreza mecánica; actúa como un interlocutor dinámico en un sistema de cognición distribuida. | Superar los tutoriales de «prompts mágicos» y centrarse en la interacción dialógica reflexiva y sostenida. |
| 2. La trampa de la opacidad algorítmica | A diferencia de un colega o docente que puede explicar los motivos de su razonamiento, la IA es un sistema opaco; su fluidez no garantiza veracidad ni rigor. | Formar en verificación epistémica: dudar sistemáticamente de las afirmaciones plausibles y corroborar contra fuentes primarias. |
| 3. Asimetría ontológica y responsabilidad | La máquina genera posibilidades; el ser humano otorga sentido, sitúa el saber en un contexto ético y se responsabiliza del impacto social de lo afirmado. | La autoría no se define por quién redactó cada palabra, sino por quién sostiene la justificación moral y disciplinar del trabajo. |
| 4. Preservación del trabajo epistémico | El aprendizaje transformador no reside en el documento final, sino en los actos de discernimiento, depuración y elección ocurridos durante el proceso. | Evaluar la trazabilidad del proceso reflexivo (bitácoras, contrastes, justificaciones) y no únicamente la entrega terminada. |
Qué sugiere para el diseño pedagógico y la cocreación#
La formulación teórica de Samuel aporta fundamentos directos para el trabajo docente en educación superior:
- Transformar las consignas: del encargo a la cocreación dialógica. Consignas del tipo «elabora un ensayo sobre X» o «investiga los factores de Y» son fácilmente delegables a la IA de manera pasiva. Consignas en clave de coagencia exigen roles explícitos: pedir al estudiantado que instruya a la IA para adoptar una postura contraria a la suya, analice las debilidades del contraargumento generado, justifique con fuentes documentales primarias por qué la respuesta de la máquina es parcial o errónea, y redacte una postura propia informada por ese debate.
- Dividir el trabajo cognitivo: divergencia algorítmica y convergencia humana. En sintonía con lo hallado por Wang & Zhang (2026), la IA destaca en expandir el espacio de posibilidades (lluvia de ideas, identificación de casos atípicos, generación de borradores alternativos), mientras que la persona debe encargarse del pensamiento convergente: filtrar, seleccionar, verificar, ponderar valores y decidir el rumbo epistemológico.
- Evaluar la trazabilidad y la defensa argumentativa. Si la producción de borradores está compartida con máquinas, la evaluación sumativa tradicional pierde su capacidad diagnóstica. La teoría de coagencia exige evaluar la capacidad del estudiante para defender oralmente sus argumentos, dar cuenta de por qué descartó ciertas sugerencias de la IA y demostrar dominio del razonamiento subyacente.
Relación con nuestro contexto: UDGplus y el ecosistema del sitio#
El artículo de Anita Samuel complementa y robustece varias líneas clave que este sitio promueve para la Universidad de Guadalajara:
- Curso de Diseño inverso y cocreación con IA: La coagencia epistémica constituye el soporte teórico exacto para las trece lecciones del curso. Proporciona la justificación pedagógica de por qué la cocreación no es «hacer trampa tolerada», sino una modalidad avanzada de aprendizaje mediado que exige más rigor metacognitivo que las tareas tradicionales.
- Concepto de Cocreación persona-IA: En nuestro glosario institucional, este marco permite precisar la diferencia entre la mera generación asistida (uso utilitario de bajo nivel) y la cocreación genuina con dirección epistémica humana.
- Guía de Agenciamiento humano frente a la IA: Samuel ofrece el vocabulario para responder a la inquietud docente sobre la pérdida de agencia: el antídoto contra la atrofia del pensamiento no es el apagón tecnológico, sino el cultivo explícito de la vigilancia crítica y la gobernanza humana del diálogo con la máquina.
- Complemento al estudio empírico de Wang & Zhang (2026): Mientras que Wang y Zhang demostraron empíricamente en 912 estudiantes que el encuadre de «socio intelectual» activa simultáneamente la delegación y la vigilancia crítica, Samuel proporciona la base teórica y epistemológica que explica por qué ocurre ese fenómeno.