El impacto de los "Large Language Models" en la memorización y el aprendizaje de estudiantes universitarios: ¿Se aprende menos cuando se deja que las herramientas de Inteligencia Artificial piensen por nosotros?

*Exposición de experimento realizado para Trabajo de fin de Curso (TFM)

Desde noviembre de 2022, los estudiantes universitarios han tenido acceso a los Large Language Models (LLMs), un tipo de modelo de lenguaje que ha alcanzado un nivel de inteligencia artificial (IA) sin precedentes. La IA se refiere, en términos simples, a sistemas capaces de realizar tareas que normalmente requerirían inteligencia humana, como reconocer patrones, tomar decisiones o proponer ideas. Los LLMs pueden ayudar en el proceso de investigación, escritura y lluvia de ideas; incluso son capaces de llevar a cabo gran parte de estos procesos sin supervisión. Algunas de sus versiones más populares son ChatGPT, Claude, Perplexity y Gemini, entre otras.

A pocos años desde su lanzamiento, esta herramienta ha cambiado la forma en que los estudiantes estudian, escriben, investigan, resuelven problemas e incluso piensan. Basta con caminar por cualquier biblioteca universitaria para notarlo: pocos estudiantes hoy investigan, redactan o incluso estudian para un examen sin abrir, en algún momento, una conversación con LLMs. Lo usan para entender un concepto que no quedó claro en clase, para organizar sus ideas antes de escribir, para generar un primer borrador que luego editan, o simplemente para que les resuma un texto largo que no tienen tiempo de leer por completo. Por lo eficientes y poderosas que son estas herramientas, han llamado la atención de autoridades universitarias de todo el mundo. La principal preocupación de muchas instituciones es que los estudiantes usan, o pueden usar, herramientas como LLMs de manera poco ética: para hacer trampa en los exámenes o para delegar el proceso de investigación y la escritura de ensayos, proyectos y tareas. Como respuesta, muchas instituciones han invertido en programas de detección de plagio y en herramientas de monitoreo de pantallas para exámenes, que suelen ser costosas y poco eficientes y, además, tienden a generar una relación de desconfianza entre profesores y estudiantes en lugar de resolver el problema de fondo. Sin embargo, profesores e investigadores están comenzando a hacerse una pregunta mucho más importante: ¿cuál es el impacto real de estas herramientas en el aprendizaje de los estudiantes?

Hasta ahora, los investigadores se han centrado principalmente en el impacto a corto plazo de los LLM en el aprendizaje y comparten una limitación importante: la mayoría de sus hallazgos son subjetivos, ya que provienen de encuestas en las que los propios estudiantes evalúan su uso de la herramienta y su aprendizaje (Deng et al., 2025).

Los docentes necesitan evidencia sobre los riesgos y beneficios del uso de herramientas de inteligencia artificial, así como formas objetivas de medir su impacto en el aprendizaje y ver cómo incorporarlas en sus clases. Esa fue la meta que dió paso al presente estudio: encontrar una forma objetiva de medir el impacto de los LLMs en el aprendizaje de los estudiantes universitarios.

Para esto, diseñamos y llevamos a cabo un experimento en el que asignamos aleatoriamente a estudiantes universitarios a dos grupos. Ambos grupos tenían que resumir en un ensayo un texto médico cargado de jerga técnica. Los del primer grupo no podían usar ningún tipo de herramienta y tenían que escribir el ensayo en sus propias palabras; los del segundo grupo únicamente podían usar LLMs para escribir el ensayo (se les pidió explícitamente que leyeran el texto y copiaran y pegaran directamente el ensayo que generaron las LLMs). El propósito de forzarlos a usar LLMs era replicar la dependencia excesiva de la herramienta, es decir, el escenario más extremo posible: no un estudiante que usa LLMs como apoyo en partes específicas, sino uno que le entrega por completo la tarea de leer, sintetizar y redactar. Este diseño tiene una limitación que vale la pena reconocer desde ahora: en la vida real, la mayoría de los estudiantes no usan LLMs de forma tan absoluta. Muchos lo utilizan parcialmente, combinando su propio análisis con la ayuda de la herramienta. Aun así, decidimos estudiar qué pasa en el extremo de la dependencia total porque nos permitía aislar con claridad el efecto de delegar el proceso de pensar, sin la variable adicional de cuánto exactamente delegó cada estudiante. Una semana después, se les pidió a los participantes de ambos grupos que realizaran un examen de opción múltiple para evaluar cuánto recordaban y cuánto entendían del texto. Por último, completaron un cuestionario para medir su necesidad de cognición, ya que se sospechaba que esta tendría influencia en cuánto recordarían del texto médico.

Antes de entrar en los resultados, vale la pena definir algunas ideas que constituyen la base de este artículo. Xu et al. (2024) distinguen entre dos tipos de conocimiento: el biológicamente primario y el biológicamente secundario. El primero son habilidades que los humanos adquirimos de forma natural a lo largo de la evolución, como hablar, reconocer rostros o interactuar socialmente. El segundo depende de la enseñanza formal y de la cultura: leer, escribir, resolver ecuaciones o aprender física. En el fondo, casi todo lo que se enseña en la escuela es conocimiento biológicamente secundario: existe porque alguien tuvo que enseñárnoslo, no porque lo hayamos aprendido por nosotros mismos.

La teoría de la carga cognitiva examina los procesos necesarios para adquirir ese conocimiento biológicamente secundario. Describe el aprendizaje como un sistema que procesa información mediante dos tipos de memoria: la memoria de trabajo, que retiene información nueva de forma activa pero solo por unos segundos y con capacidad muy limitada, y la memoria a largo plazo (MLP), donde la información puede almacenarse de forma prácticamente ilimitada una vez que ha sido procesada (Sweller, 2024). La información aprendida se traslada desde la memoria de trabajo a la memoria a largo plazo y luego de regreso. Durante este proceso, existen tres tipos de esfuerzo mental, o cargas cognitivas (es decir, la cantidad de recursos mentales que requiere procesar cierta información), que se le imponen a la memoria de trabajo. La carga cognitiva intrínseca depende de qué tan complejo es el material y de cuánto ya sabemos del tema. La carga cognitiva extrínseca es el esfuerzo que provoca la forma en que se presenta la información, no el material en sí. Y la carga cognitiva germana, la más relevante para este estudio, es el esfuerzo mental orientado a mejorar el aprendizaje, integrando activamente la información nueva con lo que ya sabíamos (Zou et al., 2025).

Una forma simple de entender esto es imaginar que el cerebro funciona como un set de piezas LEGO: las piezas existentes son el conocimiento previamente adquirido y acomodar o reconstruir ese set para incluir nuevas piezas es el proceso de aprendizaje. La dificultad para encajar esas nuevas piezas es precisamente lo que la teoría denomina carga cognitiva germana. Con suficiente práctica, la información en la memoria a largo plazo se agrupa en un solo bloque, lo que reduce el esfuerzo necesario para traerla de vuelta a la memoria de trabajo. Por eso, un experto no es alguien con más memoria, sino alguien que ha logrado agrupar mucho conocimiento en bloques pequeños y fáciles de mover: una habilidad que requiere tiempo y experiencia (Sweller, 2024).

Otra teoría central de este estudio es el constructivismo, que explora cómo aprendemos (Bereiter, 1994). Sostiene que cada persona construye su propio entendimiento del mundo a través de sus experiencias y de las reflexiones que hace sobre ellas. Sus dos ideas centrales son que usamos lo que ya sabemos para construir conocimiento nuevo, y que aprender es un proceso activo, no pasivo. Dos mecanismos clave en esta construcción, propuestos originalmente por el psicólogo Jean Piaget (citado en Bada, 2015), son la acomodación y la asimilación. La acomodación ocurre cuando ajustamos nuestro entendimiento para incorporar información que contradice lo que ya sabíamos; la asimilación, en cambio, consiste en integrar experiencias nuevas en lo que ya sabíamos. Un ejemplo simple: si alguien que solo conoce perros pequeños ve por primera vez un gran danés, puede asimilarlo fácilmente ("sigue siendo un perro, solo que más grande"), pero si esa misma persona ve un delfín, probablemente tenga que acomodar por completo su idea de "animal", porque un delfín no encaja limpiamente en las categorías que ya tenía. Aprender un texto médico complejo, como el que se usó en este experimento, se parece más a lo segundo que a lo primero: requiere reorganizar activamente lo que ya se sabe, no solo añadir un dato más a una lista.

Una vez adquirido el conocimiento nuevo, debe consolidarse en la memoria a largo plazo de forma estable para no perderlo. Una de las conclusiones más consistentes de la investigación sobre la memoria es que cuanto más tiempo transcurre desde que se aprendió algo, menos probable es recordarlo. Radvansky et al. (2022) propusieron un marco para explicar cómo cambia esa accesibilidad con el tiempo, al que llamaron el marco de las fases de la memoria. Todo empieza en la fase de memoria de trabajo, en la que la información recién percibida es maleable y corre el riesgo de perderse en apenas 60 segundos; si sobrevive esos primeros segundos, pasa a la fase temprana de la memoria a largo plazo, que dura hasta 12 horas y en la que la información se consolida en el hipocampo; después entra en una fase transicional de entre 12 horas y 7 días, en la que las memorias se van integrando poco a poco con lo que ya sabíamos; y finalmente, pasada esa semana, llega a la memoria a largo plazo, donde queda consolidada y la probabilidad de olvido baja considerablemente.

Entender estas fases explica por qué en el experimento dejamos pasar exactamente una semana entre la primera tarea (leer el texto médico y resumirlo) y la segunda (el examen de opción múltiple): era necesario dar tiempo suficiente para confirmar que los participantes realmente habían consolidado la información en su memoria a largo plazo y no solo de forma temporal.

La última idea que vale la pena definir es la necesidad de cognición: la diferencia entre personas en cuánto disfrutan dedicar esfuerzo mental a pensar, analizar o resolver problemas complejos. Cacioppo y Petty desarrollaron el término en 1982 para describir esta diferencia (Cacioppo & Petty, 1982), que no tiene que ver con la capacidad intelectual, sino con la motivación del individuo para pensar a fondo. Alguien con alta necesidad de cognición es quien, al toparse con un concepto difícil, intenta entenderlo por su cuenta antes de buscar la respuesta; alguien con baja necesidad de cognición prefiere que se lo expliquen directamente y no le interesa mucho el "por qué" detrás. Quienes tienen alta necesidad de cognición suelen dedicar más esfuerzo a buscar información relevante, evaluar la calidad de los argumentos y procesar ideas que contradicen lo que pensaban, además de mostrar más interés genuino por aprender (Cacioppo et al., 1996). Quienes tienen baja necesidad de cognición prefieren métodos más simples y directos, muestran menos curiosidad por explorar ideas nuevas, y recurren más a atajos mentales para interpretar lo que los rodea (Moșoi et al., 2025). Con estas ideas ya definidas, veamos qué encontramos en nuestros resultados: en resumen, una clara diferencia en cuánto recordaban los participantes, pero una mucho menor en cuánto entendían el tema de fondo.

El hallazgo más relevante del estudio fue una diferencia de 21 puntos porcentuales en el total de respuestas correctas: los estudiantes que trabajaron sin LLMs obtuvieron una puntuación significativamente mayor en el examen aplicado una semana después que quienes sí la usaron. El examen medía dos cosas distintas: memoria factual (números, nombres y detalles específicos) y comprensión conceptual (por qué la enfermedad es complicada, cómo se trata y por qué). La diferencia general se debió, sobre todo, a la memoria factual, donde la brecha fue de 24 puntos porcentuales. En la comprensión conceptual, en cambio, la diferencia fue mucho menor: solo 8 puntos. Esto es interesante porque sugiere que los LLMs explican bastante bien la lógica conceptual del texto: entender por qué una enfermedad se comporta de cierta manera no depende tanto de haber luchado personalmente con el texto, como sí depende de recordar un número, una fecha o el nombre exacto de un medicamento. El problema es otro: como quienes usaron LLMs no resumieron ni escribieron el ensayo ellos mismos, sino que solo usaron el que la herramienta generó, no interactuaron con el texto con la misma profundidad que el otro grupo. Nunca tuvieron que decidir qué información era relevante, cómo ordenarla o con qué palabras explicarla, que es justamente el tipo de esfuerzo que, según la teoría de la carga cognitiva, ancla los detalles específicos en la memoria a largo plazo (Zou et al., 2025). Por eso retuvieron peor los detalles específicos, aunque captaron la idea general del texto casi tan bien como quienes lo escribieron por su cuenta.

También evaluamos si la necesidad de cognición influía en la relación entre las condiciones del estudio y los resultados. No fue el caso: todas las interacciones entre las variables (precisión factual, conceptual y general) fueron prácticamente nulas y no resultaron estadísticamente significativas. Se esperaba que los participantes con alta necesidad de cognición interactuaran con el texto de forma más profunda que los de baja necesidad, independientemente del grupo al que pertenecieran, pero eso no se reflejó en los datos. Hay al menos dos explicaciones posibles. La primera es que la muestra no fue lo suficientemente grande para detectar una interacción que probablemente es muy sutil. La segunda es que, sin importar cuánto disfrute alguien de pensar a fondo, cuando existe la opción de generar el ensayo con LLMs, ni siquiera los más curiosos profundizan más de lo estrictamente necesario.

Estos resultados aportan a un área que sigue creciendo rápidamente. Desde un punto de vista práctico, tiene implicaciones directas en la forma en que los docentes diseñan sus actividades y evaluaciones. Si el objetivo es una comprensión profunda y una retención duradera, permitir que los estudiantes usen IA para resumir información puede ir en contra de ese objetivo. No porque deleguen automáticamente toda su capacidad de pensar, sino porque resumir con sus propias palabras es, en sí mismo, el mecanismo que produce el aprendizaje. Por eso, tendría sentido que los docentes fomenten discusiones grupales o actividades colaborativas en las que los estudiantes procesen la información juntos antes de recurrir a herramientas de IA.

Los riesgos del uso de la IA en el trabajo académico no se limitan al plagio ni a la deshonestidad académica. También está la facilidad con la que estas herramientas permiten obtener resultados rápidos, lo que puede sacrificar la retención a largo plazo y la comprensión profunda del material.

Con este estudio, buscamos responder a una pregunta cada vez más urgente en la educación superior: ¿Usar LLMs para realizar una tarea cognitivamente exigente, perjudica el aprendizaje y la retención de los estudiantes?

Los hallazgos sugieren que, al menos en términos de precisión general, la respuesta es sí. Este resultado coincide con lo que predicen el constructivismo y la teoría de la carga cognitiva: cuando se delega el proceso de leer, reflexionar y escribir activamente, se evita precisamente la carga cognitiva germana que impulsa la consolidación de la memoria. Quienes usaron LLMs leyeron el artículo, pero no interactuaron con él de forma profunda, y por eso retuvieron poco una semana después. Quienes lo resumieron con sus propias palabras probablemente tuvieron más dificultades en el momento, pero terminaron reteniendo más información fáctica.

Vale la pena aclarar que los resultados no permiten concluir que la IA perjudique todas las capacidades cognitivas por igual. La precisión conceptual no cambió mucho entre los dos grupos, lo que sugiere que, aunque la herramienta no ayude a recordar detalles específicos, sí parece transmitir bien la lógica general de un tema. Este estudio no puede responder por completo a esa pregunta y probablemente valga la pena que investigaciones futuras la exploren con una muestra más grande.

Por ahora, estos resultados contribuyen a un campo de investigación que crece rápidamente sobre el impacto de la inteligencia artificial en el aprendizaje: no solo en cuanto al rendimiento o la motivación, sino también en algo más básico: si la información realmente se consolida en la memoria a largo plazo y se retiene con el tiempo.

Vale la pena matizar los límites del estudio. Como mencionamos antes, la condición de "uso de LLMs" fue deliberadamente extrema: copiar y pegar un ensayo generado por la herramienta sin ninguna edición ni participación propia. Esto no representa cómo la mayoría de los estudiantes usan realmente estas herramientas hoy en día, que tienden a usarlas para tareas puntuales como generar ideas, resumir textos o simplificar información compleja, en vez de delegar una tarea completa (Ravšelj et al., 2025). Es probable que un uso más moderado, como pedirle a un LLM que explique un concepto confuso y luego escribir el resumen uno mismo, produzca resultados distintos, posiblemente mucho más favorables. Tampoco se evaluó qué ocurre cuando el tema no es un texto médico desconocido, sino algo más cercano a los intereses o a la experiencia previa del estudiante, donde la motivación y el conocimiento previo podrían cambiar el panorama por completo. Estas son, precisamente, las preguntas que quedan abiertas para investigaciones futuras.

Para el estudiante o docente que lea esto, la implicación práctica es sencilla: la eficiencia de escribir menos tiene un costo, y ese costo se paga en la memoria, no en la calificación inmediata. Usar LLMs para generar un resumen completo puede ahorrar tiempo hoy, pero probablemente signifique recordar menos la próxima semana, el día del examen final o después de culminar un curso o grado. Esto no significa que tengamos que evitar la herramienta por completo, pero vale la pena tomarse en serio en qué momentos del proceso de aprendizaje se usa y cuándo no.

El punto de este artículo no es argumentar que las herramientas de IA deban prohibirse en entornos académicos. El punto es entender en qué riesgo pueden caer los estudiantes si se vuelven demasiado dependientes de ellas y usar esa comprensión, en lugar del miedo o la prohibición, para decidir cómo y cuándo conviene usarlas.