Tutores de IA en la universidad: qué enseña Khan Academy

La explicación de la IA parece clara. La relees, reconoces los conceptos y crees que ya lo has entendido. Después cierras el chat, intentas resolver un ejercicio parecido y no sabes por dónde empezar. Cuando preparas un examen universitario, esa distancia entre seguir una respuesta y construirla por tu cuenta importa más que la rapidez con la que aparece el texto.

Un asistente de estudio útil debería ayudarte a reducir esa distancia. Los aprendizajes publicados por Khan Academy sobre Khanmigo ofrecen un punto de partida para decidir qué conviene observar. A partir de esa pregunta proponemos una forma concreta de usar Algor: trabajar con los materiales de la asignatura, mostrar tu razonamiento y comprobar qué puedes hacer cuando termina la ayuda.

Qué aporta el trabajo de Khan Academy sobre tutores con IA

En su informe de mayo de 2026, Khan Academy describe unos 20 experimentos A/B con más de 15 millones de conversaciones, entre octubre de 2025 y abril de 2026. Una medida central es acertar el siguiente problema de la misma habilidad, en la misma sesión, sin Khanmigo.

Es una pregunta valiosa para tu propia experiencia: después de recibir una explicación, ¿qué tarea puedes resolver de forma autónoma? Una conversación satisfactoria y una respuesta correcta elaborada por el estudiante son observaciones diferentes. La segunda se acerca más a lo que necesitas cuando el profesor cambia el ejemplo o te pide justificar una decisión.

El informe describe mejoras al incorporar contexto relevante del estudiante y conocimientos previos; añadir información indiscriminadamente no siempre ayudó. Son experimentos sobre el producto Khanmigo, no un ensayo universitario sobre Algor. El número de conversaciones tampoco equivale al de estudiantes distintos.

Participación, resultado inmediato y preparación para el examen

Un trabajo de investigación de 2025 sobre conversaciones con Khanmigo distingue seguir procedimientos de producir explicaciones propias. Su asociación con resultados posteriores no demuestra, por sí sola, un efecto causal sobre la preparación a largo plazo.

Conviene separar tres niveles. Participar significa hacer algo durante la sesión. Rendir bien inmediatamente después significa afrontar una tarea cercana a la recién trabajada. Estar preparado para el examen también exige recordar, elegir y conectar conocimientos en condiciones diferentes. El éxito en el primer nivel no certifica automáticamente los otros dos.

Un informe posterior de Khan Academy sobre un estudio escolar señala un uso limitado del tutor para razonar. El acceso por sí solo no demuestra un beneficio adicional de la IA.

¿Hay investigación con estudiantes universitarios?

Un ensayo aleatorizado publicado en Scientific Reports en 2025, con 194 estudiantes universitarios de física y dos lecciones, encontró mejores resultados inmediatos con un tutor de IA diseñado específicamente para la intervención que con aprendizaje activo en el aula.

El contexto es concreto: un tutor determinado, contenidos definidos y pruebas cercanas a las lecciones. No permite atribuir ese resultado a cualquier aplicación ni predecir una nota al terminar el semestre. Sí ofrece un motivo serio para examinar cómo se organiza el aprendizaje con IA, más allá de lo convincente que parezca una respuesta.

En la universidad, el problema es muy reconocible. Las diapositivas pueden resumir pasos que se explicaron oralmente; el manual puede utilizar otra notación; un examen puede exigir elegir un procedimiento sin pistas. El trabajo útil consiste en reconstruir esos pasos y comprobar después si sabes utilizarlos.

De la pregunta de investigación a una sesión de estudio

El recorrido siguiente es nuestra aplicación práctica de la pregunta sobre autonomía. No reproduce el protocolo de los estudios citados ni es un método probado por sus autores en Algor. Puedes ensayarlo con un tema acotado y valorarlo a partir de las respuestas que consigues elaborar.

1. Comparte el problema y tu intento

Imagina que estás preparando estadística. Puedes repetir que correlación y causalidad son distintas, pero al observar una asociación entre dos variables escribes enseguida que una causa la otra. Pedir otra explicación general sobre la correlación puede darte un texto que reconoces. Mostrar el paso exacto donde llegaste a esa conclusión permite examinar un error concreto.

En Algor puedes trabajar con un Set dedicado al tema. La guía de estudio y del asistente de IA documenta el chat con contexto del Set y las citas que puedes abrir. Los materiales de la asignatura aportan una referencia; tu intento añade información sobre lo que entiendes o confundes.

Podrías pedir: «Esta es mi explicación. Usa el material del Set para señalar el primer paso que no he justificado. Hazme una pregunta que me ayude a corregirlo antes de mostrar una respuesta completa». Es una instrucción de estudio para el asistente, no una garantía de que todas sus respuestas seguirán perfectamente ese comportamiento.

Conocer tus materiales no equivale a conocer tus dificultades. Explica el error y el objetivo de forma expresa, sin suponer que el chat ya ha reconstruido todo tu historial de aprendizaje. Así delimitas mejor el trabajo de esa conversación.

2. Comprueba la referencia y corrige los apuntes

Cuando el asistente cite una fuente, ábrela. Localiza la definición, la condición o el fragmento que sostiene la explicación. En el ejemplo de estadística, pregunta qué otras explicaciones son compatibles con la asociación observada. ¿Los datos permiten distinguirlas o hace falta información adicional?

Una cita facilita la comprobación, pero no vuelve infalible la respuesta. Si el fragmento no respalda la afirmación, regresa al texto de la asignatura o apunta una pregunta para el profesor. Esto importa especialmente cuando las fuentes emplean convenciones distintas o un resumen ha omitido una condición esencial.

Algor permite conservar esa corrección en el material con el que continúas estudiando. Las páginas del Set son editables: puedes añadir una condición ausente o precisar una relación en un mapa. La aclaración pasa a formar parte de los apuntes en lugar de quedarse perdida en el chat.

3. Elabora una respuesta antes de consultar la corrección

Pasa a una pregunta que debas responder tú. Las pruebas de Algor pueden incluir preguntas abiertas; puedes seleccionar el contenido y desactivar la corrección inmediata para verla al final. La captura siguiente muestra una respuesta abierta con un ejemplo de historia de la guía.

En estadística, podrías interpretar brevemente una asociación, proponer una explicación alternativa e indicar qué información ayudaría a evaluarla. En historia, podrías defender una tesis diferenciando la sucesión temporal de una relación causal. En ambos casos produces un razonamiento que puedes revisar, en vez de limitarte a reconocer una frase correcta.

Algor evalúa las respuestas abiertas mediante IA. Lee esa valoración junto con la explicación y las fuentes de la asignatura. Si una respuesta marcada como correcta omite una condición que exige el curso, todavía debes trabajarla. Nuestra guía de recuperación activa ofrece más ejemplos para practicar este esfuerzo.

4. Cambia el caso y retira el apoyo

Cierra los apuntes y resuelve un segundo problema. Cambia algo importante: el contexto, los datos disponibles o la pregunta final. Repetir las palabras que acabas de leer es una comprobación demasiado débil de tu capacidad para decidir por tu cuenta.

Anota dónde te bloqueas. Si recuerdas la definición pero no sabes aplicarla, acumular más definiciones quizá no resuelva la dificultad. Compara dos casos y explica por qué llevan a conclusiones diferentes. Si falta un concepto básico, vuelve a él antes de avanzar hacia problemas más complejos.

Para un examen escrito, desarrolla la explicación con sus pasos intermedios. Para una exposición o una prueba oral, exprésala en voz alta y responde una pregunta adicional. Ajusta el ejercicio a lo que realmente evalúa tu asignatura.

Cómo saber si la sesión ha servido

Guarda tres muestras breves: el primer intento, la corrección comprobada y una respuesta posterior sin ayuda. No sirven para calcular una mejora personal científicamente validada. Te permiten observar si ha cambiado tu razonamiento o solo la manera de formularlo.

Retoma el tema en otra sesión. Los resultados y el progreso del Set pueden ayudarte a decidir qué revisar, junto con los ejercicios y criterios del curso. Una puntuación dentro de una aplicación informa del trabajo realizado en ese entorno; no predice tu nota universitaria.

Si el material inicial está fragmentado, puedes empezar por cómo estudiar con diapositivas. El paso adicional que proponemos aquí es comprobar si esa organización se convierte en una respuesta que sabes construir.

Por qué Algor encaja en esta forma de estudiar

El valor práctico está en la continuidad entre materiales, aclaraciones y práctica. Puedes discutir un fragmento en el contexto del Set, comprobar la referencia, actualizar los apuntes y ponerte a prueba. El asistente forma parte de un entorno que también conserva lo que elaboras y corriges.

Empieza con un tema de una asignatura actual. Prepara un pequeño Set en Algor Education y escribe una respuesta antes de pedir ayuda. Al terminar la sesión, intenta responder una pregunta nueva por tu cuenta. Tendrás un criterio concreto para valorar si la IA está ayudándote a aprender.

Nota sobre las fuentes: este artículo distingue los resultados publicados sobre tutores concretos de nuestra propuesta de uso de Algor. No describe un estudio sobre Algor ni una colaboración con Khan Academy. Funciones comprobadas en la guía Algor el 29 de septiembre de 2026.