Capítulo 5

Ser tutor en la era digital y de la IA

La tutoría no se digitaliza: cambia de escenario, no de esencia.

Teóricos clave

Quiénes sostienen este capítulo

Acompañar entre pantallas e inteligencia artificial se apoya en quienes piensan la tecnología como ecología de aprendizaje, el conocimiento en red y la IA con criterio.

BC MK COPE & KALANTZIS

Bill Cope y Mary Kalantzis

Teóricos de la educación · Australia / EE. UU. · (retrato ilustrado: sin foto de licencia libre)

Big idea. La tecnología no es una herramienta que se «añade» a la clase, sino una ecología de aprendizaje con siete affordances: ubicuidad, creación activa de conocimiento, significado multimodal, retroalimentación recursiva, inteligencia colaborativa, metacognición y diferenciación. En su obra reciente sobre IA («aprendizaje cyber-social») advierten que la IA puede ampliar el aprendizaje, pero no sustituir la relación humana ni el juicio.

En la práctica. El tutor digital no «usa apps»: diseña un entorno donde el estudiante crea, colabora, recibe retroalimentación continua y reflexiona. La IA apoya; la relación sigue en el centro.

Siete affordances de las ecologías de e-learning 1Aprendizaje ubicuo 2Creación activa de conocimiento 3Significado multimodal 4Retroalimentación recursiva 5Inteligencia colaborativa 6Metacognición 7Aprendizaje diferenciado
Siete affordances que el tutor puede aprovechar para acompañar en entornos digitales.
Retrato de George Siemens

George Siemens 1970–

Teórico del aprendizaje digital · Canadá

Big idea. El conectivismo: en la era digital, aprender es saber conectar y sostener nodos —personas, fuentes, comunidades—. El conocimiento está distribuido en la red; importa tanto qué se sabe como saber dónde y con quién aprender.

En la práctica. El tutor ayuda a tejer la red de aprendizaje del estudiante: a quién preguntar, qué fuentes confiar, cómo participar en comunidades. Acompañar también es enseñar a conectarse.

Fuentes Comuni- Pares Docentes IA Recursos Estudiante
Aprender en digital es conectar y cuidar una red de personas, fuentes y comunidades.
RL LUCKIN

Rose Luckin 1960–

Investigadora de IA en educación · Reino Unido · (retrato ilustrado: sin foto de licencia libre)

Big idea. La IA en educación debe aumentar la inteligencia humana, no sustituirla: sirve para personalizar, hacer visible el proceso de aprendizaje y liberar tiempo del docente para lo que solo lo humano hace. Lo valioso es la «inteligencia humana aumentada».

En la práctica. El tutor usa la IA para detectar señales tempranas, personalizar y ahorrar trabajo administrativo, y dedica el tiempo ganado a la relación y al acompañamiento.

IAdatos · personalización · escala Tutorjuicio · relación · ética Inteligencia humanaaumentada
La IA suma capacidad; el juicio y la relación del tutor siguen siendo insustituibles.
NS SELWYN

Neil Selwyn 1971–

Investigador crítico de tecnología educativa · Reino Unido / Australia · (retrato ilustrado: sin foto de licencia libre)

Big idea. La tecnología educativa no es neutral: detrás hay intereses, datos y efectos. Conviene preguntar a quién beneficia, qué se recoge y qué se pierde. El entusiasmo no sustituye al juicio crítico.

En la práctica. Antes de adoptar una herramienta, el tutor pregunta: ¿protege los datos del estudiante?, ¿reduce o amplía desigualdades?, ¿sustituye relación por automatización? Criterio antes que moda.

Preguntar antes de adoptar ?¿A quién beneficia de verdad? ?¿Qué datos del estudiante recoge? ?¿Reduce o amplía la desigualdad? ?¿Qué relación humana se pierde?
Cuatro preguntas para elegir tecnología con criterio, no por moda.

Retratos: Wikimedia Commons — Siemens (CC BY 1.0). Cope y Kalantzis, Luckin y Selwyn: retratos ilustrados (sin foto de licencia libre).

Conviene decirlo de entrada para no confundir la herramienta con el oficio: la tutoría no se digitaliza. Lo que cambia con las pantallas y la inteligencia artificial no es la esencia del acompañamiento —seguir al lado de quien aprende, leer sus señales, sostener su crecimiento— sino el escenario donde ocurre. El tutor de hoy acompaña en un entorno híbrido, hecho de aulas y mensajes, de presencia y de plataformas, donde el estudiante aprende a cualquier hora y desde cualquier lugar.

Bill Cope y Mary Kalantzis lo formulan con una idea útil: la tecnología no es un añadido a la clase, sino una ecología de aprendizaje. No se trata de «usar una app», sino de habitar un entorno con nuevas posibilidades —y nuevos riesgos—. Por eso este capítulo no enseña herramientas concretas (envejecen rápido), sino criterios que duran: qué potencia la tecnología, qué solo sostiene la relación humana y cómo poner la inteligencia artificial al servicio del acompañamiento, y no al revés.

Siete maneras de acompañar en digital

Las siete affordances de las ecologías de e-learning de Cope y Kalantzis se leen como siete oportunidades para el tutor. No exigen tecnología sofisticada; exigen intención.

01

Aprendizaje ubicuo

El acompañamiento ya no cabe solo en la hora de tutoría: un mensaje a tiempo, un recordatorio, una respuesta breve sostienen el vínculo entre sesiones.

02

Creación activa de conocimiento

En vez de solo recibir, el estudiante produce: portafolios, bitácoras, proyectos. El tutor acompaña ese hacer, no solo el resultado.

03

Significado multimodal

Texto, audio, imagen y video amplían cómo el estudiante expresa lo que entiende y lo que siente; el tutor escucha en más de un lenguaje.

04

Retroalimentación recursiva

La tecnología permite devolver comentarios frecuentes y a tiempo, no solo una calificación al final. El feedback se vuelve conversación.

05

Inteligencia colaborativa

Aprender con otros se vuelve visible: foros, documentos compartidos, comunidades. El tutor teje esa colaboración en lugar de aislar.

06

Metacognición

Las analíticas y los registros ayudan al estudiante a verse aprender: dónde avanza, dónde se atora. Acompañar es ayudarle a leer esos datos.

07

Aprendizaje diferenciado

La personalización deja de ser un ideal lejano: con apoyo de la IA, el ritmo y los recursos se ajustan a cada estudiante, uno a uno.

La inteligencia artificial: apoyo, no sustituto

La IA puede personalizar, detectar señales tempranas y liberar al tutor de tareas administrativas. Rose Luckin lo resume bien: lo valioso no es la máquina, sino la inteligencia humana aumentada por ella. Pero Cope y Kalantzis, desde su crítica del «aprendizaje cyber-social», y Neil Selwyn, desde la mirada crítica a la tecnología educativa, recuerdan que ninguna herramienta es neutral: hay que preguntar a quién beneficia, qué datos recoge y qué relación humana podría reemplazar.

La regla práctica es simple: la IA hace borradores; el tutor decide. La IA sugiere; la relación confirma. Lo que distingue al acompañamiento —la confianza, el juicio, el cuidado— no se automatiza.

Lo que la IA potencia

Úsala para

  • Detectar a tiempo el desenganche con analíticas de aprendizaje.
  • Personalizar materiales y rutas según cada estudiante.
  • Borradores de retroalimentación que el tutor revisa y humaniza.
  • Ahorrar trabajo administrativo y ganar tiempo para lo humano.
Lo que solo el tutor sostiene

No la delegues en

  • La relación de confianza y la lectura emocional del estudiante.
  • El juicio ético ante un dilema o una situación de riesgo.
  • Las decisiones que afectan la vida y el futuro de la persona.
  • El cuidado: estar presente cuando alguien lo necesita.
Ética digital

Acompañar en digital exige cuidar lo mismo que en persona, con riesgos nuevos. Confidencialidad: lo que un estudiante comparte por chat merece la misma reserva que en una charla privada. Datos: conviene saber qué guardan las plataformas y la IA, y minimizar lo que se recoge. Sesgo: los sistemas de IA pueden reproducir desigualdades; sus sugerencias se revisan, no se obedecen. Brecha: no todos los estudiantes tienen el mismo acceso; el tutor no da por hecho la conectividad.

La tecnología amplía el alcance del tutor; nunca reemplaza su presencia.

Referencias

Cope, B., & Kalantzis, M. (2017). e-Learning ecologies: Principles for new learning and assessment. Routledge.

Kalantzis, M., & Cope, B. (2024). On cyber-social learning: A critique of artificial intelligence in education. En Trust and inclusion in AI-mediated education. Springer.

Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2(1).

Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. UCL IOE Press.

Selwyn, N. (2016). Is technology good for education? Polity.