Competencia en ingeniería de prompts, gestión del conocimiento y ajuste tecnológico como impulsores de la sostenibilidad educativa mediante IA generativa

Por qué importan preguntas más inteligentes a la IA para los estudiantes

A medida que herramientas de IA generativa como los chatbots llegan a las aulas, surge un enigma clave: ¿qué hace que algunos estudiantes conviertan estas herramientas en compañeros de aprendizaje duraderos, mientras que otros las usan de forma breve o ineficaz? Este estudio explora cómo la habilidad de los estudiantes para formular buenas preguntas a la IA, cómo gestionan el conocimiento que obtienen y qué tan bien las herramientas de IA se ajustan a sus necesidades de estudio, actúan conjuntamente para apoyar un aprendizaje sostenible y a largo plazo en la educación superior.

Cómo examinó el estudio el uso de IA por parte de los estudiantes

Los investigadores encuestaron a 437 estudiantes universitarios que ya usan herramientas de IA generativa como ChatGPT en trabajos académicos. Mediante modelos estadísticos, construyeron y probaron una cadena de influencias que comienza con la competencia del estudiante en "ingeniería de prompts", pasa por la cantidad de conocimiento útil que el estudiante adquiere y efectivamente utiliza, luego conforma qué tan bien la IA parece ajustarse tanto a las tareas como al estudiante individual, y finalmente conduce a la intención del estudiante de seguir usando la IA. El punto final de esta cadena es la sostenibilidad educativa, entendida aquí como el uso duradero y efectivo de la IA en el aprendizaje, en lugar de una moda tecnológica efímera.

De mejores prompts a un mejor ajuste para el aprendizaje

La idea central es que en los sistemas de IA generativa, la calidad de lo que los estudiantes obtienen depende en gran medida de lo que introducen. Los estudiantes que saben formular prompts claros, detallados y con propósito tienden a extraer información más precisa y relevante y son mejores aplicándola en trabajos, proyectos y resolución de problemas. El estudio encuentra que esta adquisición y aplicación del conocimiento moldean fuertemente la percepción de los estudiantes sobre el ajuste de la IA con sus tareas académicas y con sus preferencias, habilidades y nivel de comodidad. En otras palabras, el prompting inteligente no solo produce mejores respuestas; hace que la tecnología parezca más adecuada tanto para la tarea como para la persona que la usa.

Por qué el “ajuste” impulsa el uso continuado

La investigación destaca dos tipos de ajuste. El ajuste tarea–tecnología refleja qué tan bien las herramientas de IA ayudan con tareas de aprendizaje concretas, como comprender un concepto o resolver un problema. El ajuste individuo–tecnología refleja qué tan bien las herramientas encajan con los estilos de aprendizaje, la confianza y las necesidades de los estudiantes. Ambos tipos de ajuste se vinculan con los planes de los estudiantes de seguir usando la IA, pero el ajuste tarea–tecnología es el impulsor más potente. Cuando los estudiantes sienten que la IA realmente les ayuda a completar las tareas académicas de manera más eficaz, es mucho más probable que la sigan usando de forma voluntaria y regular. Este uso continuado, a su vez, está estrechamente ligado a la idea de sostenibilidad educativa, ya que las herramientas solo transforman el aprendizaje cuando permanecen como parte de las rutinas de estudio diarias.

Las habilidades de prompting como una nueva alfabetización

El estudio también sitúa la ingeniería de prompts como una nueva forma de alfabetización académica. Los estudiantes que dominan descomponer tareas complejas en preguntas más pequeñas, ajustar prompts a distintos sistemas de IA, refinar sus peticiones en función de respuestas previas y verificar las salidas de la IA en busca de sesgos y precisión muestran niveles mucho más altos tanto de adquisición como de uso del conocimiento. La ingeniería de prompts surgió como el predictor más fuerte en todo el modelo, lo que sugiere que la manera en que los estudiantes se comunican con la IA puede importar más que la plataforma específica que elijan. Curiosamente, el patrón general se mantuvo tanto para estudiantes masculinos como femeninos, aunque la aplicación del conocimiento a tareas reales pareció reforzar un poco más la sensación de ajuste de la tarea en las mujeres.

Qué implica esto para el futuro del aprendizaje

Para el lector general, el mensaje del estudio es claro: la IA generativa potencia la educación sobre todo cuando los estudiantes aprenden a formular mejores preguntas y a trabajar activamente con las respuestas. Cuando unas sólidas habilidades de prompting alimentan una ganancia de conocimiento constante y su uso en el mundo real, los estudiantes perciben la IA como parte natural de su caja de herramientas de estudio, no como una novedad pasajera. Este uso sostenido y significativo es lo que los autores denominan sostenibilidad educativa. Lejos de sustituir el aprendizaje humano, la IA puede convertirse en un socio que favorece una comprensión más profunda y habilidades duraderas, siempre que las instituciones ayuden a los estudiantes a desarrollar las competencias necesarias para guiar y cuestionar estas herramientas potentes.

Cita: Gibreel, O., Karataş, K. & Arpaci, I. Prompt engineering competence, knowledge management, and technology fit as drivers of educational sustainability through generative AI. Sci Rep 16, 15596 (2026). https://doi.org/10.1038/s41598-026-46335-x

Palabras clave: IA generativa en la educación, ingeniería de prompts, sostenibilidad educativa, ajuste tarea-tecnología, gestión del conocimiento