Los estudios leídos muestran que la IA diseñada para guiar protege el aprendizaje y la que hace el trabajo del estudiante puede restarlo, y ninguno pone a prueba prohibirla

Esta revista leyó completos doce documentos sobre aprender con inteligencia artificial (diez estudios, un marco de evaluación y unos principios institucionales), el texto íntegro de un ensayo de campo con casi mil estudiantes de secundaria y el metaanálisis de Wang y Fan con la nota que lo retractó, y leyó en su página oficial el resumen de tres estudios sobre IA y derecho, dos de ellos ensayos aleatorios con estudiantes de derecho. La evidencia leída cabe en una frase: la IA diseñada para guiar protege el aprendizaje, y en un curso lo aumentó, mientras la que hace el trabajo del estudiante mejora el producto sin sumar aprendizaje y puede restarlo. En un curso de física de Harvard, un tutor construido con la pedagogía del curso superó el doble de la ganancia mediana de la clase activa. En un colegio de Turquía, quienes practicaron con GPT-4 sin salvaguardas rindieron 17 por ciento menos en el examen sin ayuda que quienes nunca lo tuvieron, y un tutor que daba pistas en lugar de respuestas evitó ese daño. En una universidad pública de Estados Unidos, ofrecer un tutor que los profesores casi no integraron a sus clases se asoció con notas finales 0,37 desviaciones estándar más bajas entre secciones del mismo curso, en un documento de trabajo sin revisión por pares. El metaanálisis que anunciaba un efecto grande de ChatGPT (g = 0,867) fue retractado el 22 de abril de 2026. Ninguno de los estudios leídos prueba que prohibir la IA proteja el aprendizaje. Los estudios leídos apoyan separar la práctica con IA de una parte de la evaluación hecha sin ella, porque en un examen para la casa el 94 por ciento de los trabajos escritos por IA pasó sin que nadie lo detectara.

El informe sobre las reglas de IA de las universidades colombianas mostró que esas reglas son más precisas para vigilar que para enseñar, y el de las facultades de derecho del mundo dejó escritas las dos primeras cláusulas del protocolo de referencia de esta revista. Este informe pone la vara con la que se medirán los siguientes: qué dicen los estudios, con qué diseño y con qué límites. Cada cifra va con la página del estudio (la impresa cuando el documento la trae y la del PDF cuando no) o con su sección, si se leyó en HTML. Las fichas de cada regla siguen en la pestaña Academia.

Cuando la IA hace el trabajo, el estudiante rinde más con ella y, sin ella, aprende menos o no aprende más

El ensayo de campo de Bastani y otros (PNAS, 2025) separa en su diseño el rendimiento del aprendizaje. Distribuyó en tres brazos unas cincuenta clases de matemáticas de un colegio de Turquía, con casi mil estudiantes repartidos al azar entre las aulas: los recursos de siempre, una interfaz parecida a ChatGPT ("GPT Base") y un tutor con salvaguardas diseñadas con los profesores ("GPT Tutor"), que daba pistas sin entregar la respuesta y conocía la solución correcta (sección Experimental Design). Cada sesión tenía una práctica con ayuda y luego un examen sin ningún recurso. En la práctica, el acceso a GPT-4 subió las notas un 48 por ciento con GPT Base y un 127 por ciento con GPT Tutor (sección Main Results). En el examen, quienes habían practicado con GPT Base rindieron 0,054 puntos menos sobre 1 que el grupo de control, un 17 por ciento menos, y quienes usaron GPT Tutor quedaron estadísticamente iguales al control (sección Main Results). El resumen concluye que "unfettered access to GPT-4 can harm educational outcomes" (sección Abstract). El análisis de los mensajes muestra por qué. En la primera sesión, tomando la primera interacción con cada problema, el 67 por ciento de las de GPT Base fueron repetir el enunciado o pedir la respuesta, frente al 37 por ciento con GPT Tutor (sección Student Engagement). Los estudiantes, además, no percibieron el daño: quienes usaron GPT Base no creyeron haber aprendido menos (sección Student Perception). Es un solo colegio, una sola materia, el otoño de 2023 y resultados de corto plazo, límites que los autores enumeran (sección Discussion).

Un experimento de laboratorio con 117 universitarios que escribían en inglés como segunda lengua (Fan y otros, versión preprint del artículo del British Journal of Educational Technology) muestra un patrón cercano. Los asignó al azar a revisar un ensayo con ChatGPT, con un experto humano, con herramientas de analítica de escritura o sin apoyo (p. 8). La herramienta estaba limitada a dar consejos y no a redactar el ensayo (p. 10). Aun así, el grupo con ChatGPT mejoró más la nota del ensayo que los otros tres (p. 16), incluso más que el grupo asistido por un experto en escritura académica (p. 18), y en conocimiento y en transferencia a un tema nuevo no hubo diferencias significativas entre los grupos (pp. 16 y 17), que eran de 25 a 35 personas (p. 8). Los autores lo resumen así: "ChatGPT can significantly improve short-term task performance, but it may not boost intrinsic motivation and knowledge gain and transfer" (p. 3). Observaron que algunos estudiantes copiaban y pegaban lo que generaba la herramienta (p. 19), y llaman "metacognitive laziness" (pereza metacognitiva) a esa dependencia (p. 18).

El tercer estudio, de Lehmann, Cornelius y Sting, es un preprint sin revisión por pares con dos experimentos de laboratorio preregistrados (107 y 69 estudiantes que aprendían a programar) y un estudio de campo con 113 estudiantes de posgrado (pp. 7, 15 y 17). En los dos experimentos, el acceso a la IA no cambió en promedio lo aprendido (pp. 15 y 17). En el estudio de campo, donde solo se observa el uso para obtener soluciones, ese uso se asoció con una caída significativa del aprendizaje a largo plazo: entregar un código idéntico al generado por ChatGPT bajó la nota de todas las preguntas siguientes (pp. 2 y 12). En análisis exploratorios, los mensajes que pedían soluciones se asociaron con más temas recorridos y menos comprensión de cada uno, y los que pedían explicaciones, con más comprensión y sin cambio en el aprendizaje total (pp. 19 a 22). El tipo de uso lo escogió cada estudiante. Cuando se permitió copiar y pegar, el 64,2 por ciento de los mensajes pedía soluciones (p. 19), y el 42 por ciento de esas peticiones llegó sin un solo intento previo de resolver el ejercicio (p. 20). Los autores concluyen que los estudiantes "prefer to use LLMs to substitute rather than complement their own learning activities" (p. 2). Dos hallazgos más pesan para un protocolo: los estudiantes con menos conocimiento previo entendieron significativamente menos que el grupo de control (p. 22), y quienes tuvieron acceso a la herramienta creyeron haber aprendido más de lo que aprendieron (p. 23).

Cuando la IA está diseñada para guiar, evita el daño, y en un curso de física de Harvard el estudiante aprendió más y en menos tiempo

El ensayo aleatorio de Kestin y otros (Scientific Reports, 2025) trae el resultado más favorable de los leídos, con condiciones exigentes. En Physical Sciences 2, un curso de física de Harvard con 233 inscritos, 194 estudiantes vivieron una semana con un tutor de IA en casa y otra con una clase de aprendizaje activo, en orden cruzado (pp. 2 y 7). El tutor se construyó con las mismas prácticas pedagógicas de la clase: guiaba paso a paso, manejaba la carga cognitiva y tenía en sus instrucciones las soluciones completas para no inventarlas (pp. 1, 4 y 5). La mediana de la ganancia de aprendizaje con el tutor fue más del doble que en clase (p. 2). La regresión lineal estima un efecto de 0,63 desviaciones estándar, que los autores consideran subestimado por el techo de la prueba, y la regresión por cuantiles lo ubica entre 0,73 y 1,3 (p. 3). La mediana del tiempo con el tutor fue de 49 minutos, frente a los 60 que los autores suponen para la clase (p. 2).

El estudio mide el aprendizaje inmediato de dos lecciones, no la retención, y los autores advierten que "we do not presume that structured AI tutoring will always outperform in-class active learning in all contexts", en particular en tareas de síntesis compleja (p. 6). El tutor costó meses de desarrollo y días de preparación por lección (p. 8). Los autores recomiendan usarlo antes de clase, para que el tiempo presencial se dedique a destrezas de orden superior que el profesor evalúa en persona, y evitarlo donde los estudiantes "are likely to use it as a crutch to circumvent critical thinking" (p. 6).

Los estudios del apartado anterior completan el cuadro. En el de Bastani y otros, el tutor que daba pistas dejó el resultado del examen estadísticamente igual al del grupo de control, sin producir una ganancia (secciones Introduction y Main Results), y en los de Lehmann y otros pedir explicaciones se asoció con más comprensión, en un análisis exploratorio (p. 20). La guía bien diseñada protegió el aprendizaje en el colegio de Turquía, y el único estudio leído que midió una ganancia, el de Harvard, combinó esa guía con un trabajo pedagógico que sus autores describen junto a otros factores posibles, sin separarlos (p. 6).

Ofrecer a toda la clase un tutor que los profesores casi no incorporaron a sus tareas no mejoró las notas y redujo la participación en la plataforma

El documento de trabajo de Liu y otros (EdWorkingPaper 26-1598, fechado el 30 de septiembre de 2026) es el ensayo aleatorio más grande de los leídos y todavía no tiene revisión por pares. En el otoño de 2025, en la Universidad de Maryland, asignó al azar a los profesores (30 en la muestra final, con 2.379 estudiantes de varias disciplinas) a tener o no en su curso un asistente de estudio basado en GPT-4o que respondía a partir de los materiales del curso (pp. 7 a 11). Entre secciones del mismo curso (22 profesores y 1.353 estudiantes), el acceso redujo la nota final en 4,12 puntos sobre 100, equivalentes a 0,37 desviaciones estándar (pp. 12 y 19). En la muestra completa la estimación es de 2,88 puntos menos, significativa solo al 10 por ciento (Tabla 3, p. 41). Grande y consistente fue la caída de la participación en la plataforma del curso, de 0,89 a 0,90 desviaciones estándar en las actividades registradas según la muestra (pp. 19 y 20). En la muestra completa, la pérdida estimada fue mayor en los estudiantes de primera generación universitaria, con 0,50 desviaciones estándar frente a 0,22 en los demás, un resultado que el documento pide leer con cautela por el número de comparaciones (pp. 20 y 21).

Los datos de uso ayudan a entenderlo. Solo el 14,63 por ciento de los estudiantes con acceso la usó alguna vez (p. 14), el 73,8 por ciento de sus peticiones buscaba respuestas directas y el 0,7 por ciento pedía retroalimentación sobre su propio trabajo (pp. 26 y 27). La mayoría de los profesores dejó el modo de instrucción directa en lugar del modo tutor (p. 28), y entre los que respondieron la encuesta ninguno incorporó el asistente a tareas o actividades (p. 15). Los autores lo resumen así: la integración técnica "may improve the relevance of AI assistance, but it does not ensure productive use" (p. 28). El estudio mide con notas del curso y no con una prueba independiente, y no sabe qué evaluaciones se hicieron sin supervisión (pp. 13 y 29). Para un protocolo, su enseñanza es que enseñar con una herramienta exige incorporarla a las tareas del curso, una explicación que el documento plantea sin haberla puesto a prueba (pp. 28 y 29).

El metaanálisis que anunciaba un efecto grande fue retractado, y la vara son los ensayos que miden sin la herramienta

El metaanálisis de Wang y Fan, publicado en Humanities and Social Sciences Communications en mayo de 2025, reunió 51 estudios y reportó un efecto grande de ChatGPT sobre el rendimiento (g = 0,867) y efectos moderados sobre la percepción del aprendizaje y el pensamiento de orden superior (sección Abstract). En su conclusión sugería que los gobiernos promovieran la integración de ChatGPT en la educación (sección Conclusion). El 22 de abril de 2026 la revista lo retractó, porque las discrepancias halladas en el metaanálisis le quitaron al editor la confianza en la validez del análisis y de sus conclusiones (nota de retractación). Al 14 de octubre de 2026, la página oficial del artículo registra 457 citas, de modo que su cifra sigue circulando en la literatura.

Un protocolo no puede apoyarse en ese número, y conviene verificar el estado de cada estudio antes de citarlo. La vara que deja la literatura leída es más exigente que un promedio de estudios heterogéneos: cuenta como aprendizaje lo que el estudiante logra sin la herramienta después de usarla, como en el examen sin ayuda de Bastani y otros o en la prueba de transferencia de Fan y otros. Las notas obtenidas con la IA a la mano miden el producto, y el primer apartado muestra que producto y aprendizaje pueden ir en direcciones contrarias.

Con estudiantes de derecho la IA acelera el trabajo y ayuda más a los de menor desempeño, y los resúmenes leídos miden el producto y no lo aprendido

Los tres estudios sobre IA y derecho de Minnesota y Michigan no se pudieron bajar a tiempo para este informe, y de ellos solo se usa lo que dicen sus resúmenes oficiales. Según su resumen, el primero (Choi, Hickman, Monahan y Schwarcz, Journal of Legal Education, 2022) calificó a ciegas las respuestas de ChatGPT a los exámenes finales de cuatro cursos de la Facultad de Derecho de Minnesota, con lo que su resumen describe como "Over ninety-five multiple-choice questions and twelve essay questions", y la herramienta "performed on average at the level of a C+ student, achieving a low but passing grade in all four courses".

Según su resumen, el segundo (Choi, Monahan y Schwarcz, Minnesota Law Review, 2024) se presenta como el primer ensayo aleatorio sobre el efecto de la IA en el análisis jurídico humano: estudiantes de derecho resolvieron tareas realistas con GPT-4 o sin él, y la herramienta mejoró la calidad de manera leve e inconsistente, pero produjo "large and consistent increases in speed". Donde fue útil, "the lowest-skilled participants saw the largest improvements". Según su resumen, el tercero (Schwarcz y otros, Journal of Law and Empirical Analysis, 2026) asignó al azar a estudiantes de cursos avanzados a trabajar con una herramienta jurídica con recuperación de fuentes (Vincent AI), con un modelo de razonamiento (o1-preview) o sin IA, y halló que "both AI tools significantly enhance legal work quality", con aumentos de productividad de entre 50 y 130 por ciento en cinco de seis tareas. La misma página indica que las empresas dueñas de ambas herramientas las pusieron gratis a disposición de los participantes, sin financiar el estudio.

Los dos ensayos miden el desempeño con la herramienta a la mano, y ninguno de los tres resúmenes informa una prueba posterior sin IA. La pregunta que más interesa a una facultad (si el estudiante que redacta con IA aprende a razonar como abogado) sigue sin respuesta en lo leído.

En Colombia, tres modelos de lenguaje no alcanzaron el umbral del examen preparatorio de la Universidad Libre, y escribir con ChatGPT pide acompañamiento para conservar la voz propia

Entre los estudios leídos no hay un ensayo aleatorio colombiano sobre aprender con IA. Hay tres estudios colombianos, ninguno experimental. El de Arévalo-Robles y Castellanos-Cortés (Revista Científica General José María Córdova, 2024) evalúa modelos de lenguaje: sometió a ChatGPT 3.5, ChatGPT 4 y Gemini Pro a 237 preguntas del examen preparatorio único de la Universidad Libre, en cinco áreas, con un umbral de aprobación del 60 por ciento (p. 1155). Los promedios fueron 55,43, 59,05 y 56,91 por ciento (p. 1163), y ChatGPT 4 aprobó tres de las cinco áreas (p. 1162), y el resumen concluye que "ninguno de los modelos logró alcanzar un nivel de precisión aceptable para su aplicación práctica en el ámbito jurídico" (p. 1153). Los autores piden que los profesores insistan en la revisión crítica de lo que responde la herramienta (p. 1167). Los modelos ya tienen versiones posteriores, como el propio estudio anota (p. 1159), y su valor para el protocolo está en el deber de verificar en la fuente oficial.

El de Moreno Mosquera, Ochoa Sierra y Hernández Henríquez (Revista Virtual Universidad Católica del Norte, 2026) es un análisis cualitativo de los ensayos argumentativos de 52 estudiantes de quinto semestre de una licenciatura en español y filología clásica y de un programa de lingüística de la Universidad Nacional, escogidos por conveniencia, que escribieron un texto propio y luego lo reescribieron con ChatGPT (pp. 206 y 207). La herramienta enriqueció los argumentos: el 75 por ciento aumentó su número (p. 208) y el 70 por ciento incluyó contraargumentos (p. 210). El costo apareció en el uso de las fuentes y en la voz propia, dos destrezas centrales del oficio jurídico. Por lo general, los estudiantes no verificaron las referencias que daba ChatGPT, y algunas no existen (p. 211). El 30 por ciento copió literalmente las respuestas de la herramienta, el 20 por ciento entregó prácticamente el texto de ChatGPT y solo el 40 por ciento lo parafraseó con cierta apropiación (p. 213). En el 70 por ciento de los textos se perdió la marca de quien argumenta (p. 215). El resumen lo condensa: "Los textos resultaron ser homogéneos, con poca elaboración de la información recibida" (p. 198). El estudio concluye que "El acompañamiento docente es fundamental para que el estudiante revise críticamente la información proporcionada" (p. 219).

El tercero, de Sánchez-Torres y otros (Educación y Educadores, Universidad de La Sabana, 2026), es una revisión documental de 22 directrices de cerca de 85 instituciones de seis países latinoamericanos, cuatro de ellas colombianas (pp. 1 y 8). Las directrices se concentran en ética e integridad, y "Las recomendaciones operativas y metodológicas fueron escasas" (p. 3). Solo 14 de las 22 recomiendan rediseñar la evaluación y 18 hablan de formación (p. 19), y rara vez fijan mecanismos de implementación, seguimiento o evaluación (p. 14). El estudio advierte que su análisis no reemplaza la evaluación empírica de la práctica (p. 24), que es lo que no aparece en lo leído para Colombia.

Una evaluación sin supervisión no certifica la autoría, y el detector no remedia ese vacío

El estudio de Scarfe y otros (PLOS ONE, 2024) es una prueba real y a ciegas, sin asignación aleatoria, en la Universidad de Reading. Los autores introdujeron 63 trabajos escritos por GPT-4 entre 1.134 trabajos de estudiantes en los exámenes para la casa de cinco módulos de psicología (p. 6). El resultado: "We found that 94% of our AI submissions were undetected" (p. 1). Si se exige que la alerta mencione la IA, el 97 por ciento pasó sin ser detectado, y esos trabajos obtuvieron en promedio medio escalón de calificación más que los estudiantes reales (p. 9). En los exámenes de ensayo, que pasaban por un verificador de similitud, ninguno de los 17 trabajos fue detectado (pp. 6 y 14).

El detector tampoco es la salida. En el estudio de Liang y otros (preprint de 2023, publicado luego en Patterns, un estudio piloto en inglés con muestras pequeñas, como reconoce en la p. 3), siete detectores clasificaron casi sin fallos 88 ensayos de estudiantes estadounidenses de octavo grado, pero marcaron como escritos por IA, en promedio, el 61,22 por ciento de 91 ensayos humanos del examen TOEFL, y el 97,80 por ciento de esos ensayos fue marcado por al menos un detector (p. 2). Los autores advierten "against the use of GPT detectors in evaluative or educational settings, particularly when assessing the work of non-native English speakers" (p. 3). Los detectores evaluados se basan en su mayoría en GPT-2, límite que el propio estudio reconoce (p. 3), y la regla que deja pide todavía más cautela en una facultad cuyos estudiantes escriben en español, lengua en la que esta revista no halló ningún detector validado.

La escala de evaluación con IA de Perkins, Roe y Furze (versión revisada, preprint de 2024) es un marco de diseño, sin datos propios, y sus autores reconocen que necesita validación empírica (p. 15). Su revisión del nivel sin IA va en la misma dirección: ese nivel se asegura con supervisión en lugar de declararse, porque "Level 1 assessments should occur in supervised settings where the absence of AI can be assured" (p. 10), y los detectores quedan para la retroalimentación y la conversación con el estudiante (p. 3). La encuesta de HEPI de 2026 agrega la otra cara: en comentarios abiertos, varios estudiantes expresan el temor a ser acusados en falso (p. 21).

Casi todos los estudiantes ya usan la IA, y la formación que reciben va detrás

La encuesta de HEPI y Kortext (Reino Unido, 2026) consultó a 1.054 estudiantes de pregrado en diciembre de 2025, con un margen estadístico cercano al 3 por ciento (p. 9). Es autorreporte y no mide aprendizaje, pero describe el punto de partida de cualquier regla: "Some 95% of students report using AI in at least one way and 94% say they use generative AI to help with assessed work" (p. 4). El 12 por ciento dice haber incluido texto generado por IA directamente en un trabajo evaluado, frente al 3 por ciento en 2024 (p. 14). El 68 por ciento considera esencial saber usarla y solo el 48 por ciento siente que sus profesores le ayudan a desarrollar esa destreza (p. 31). El 38 por ciento dice que su institución le da herramientas de IA, y el 50 por ciento cree que debería dárselas (p. 34). Sus recomendaciones coinciden con la vara de este informe: formación para todos, con "A focus on how to use AI to enhance learning, rather than outsourcing it" (p. 6), y evaluaciones sin IA al lado de evaluaciones que la exigen (p. 6).

Los principios del Russell Group (2023), un documento institucional sin datos propios, van en la misma línea: "Universities will support students and staff to become AI-literate" (p. 1), y el estudiante debe poder preguntar por su uso sin temor a ser sancionado (p. 3).

Las dos cláusulas del protocolo de referencia tienen respaldo en la evidencia, y la declaración de uso todavía no lo tiene

La primera cláusula que dejó escrita el informe anterior, para cuando el profesor calla, permite la IA para estudiar, comprender, practicar y recibir retroalimentación, y en las tareas que no sustituyan la labor intelectual del estudiante, con una declaración breve, y la excluye de las evaluaciones aseguradas. La evidencia sostiene la distinción entre usos. Los que la cláusula permite son los que en los estudios ayudaron o no hicieron daño: el tutor que explica y guía (Kestin y otros), las pistas en lugar de respuestas (Bastani y otros) y las preguntas por explicaciones (Lehmann y otros). Lo que excluye restó aprendizaje en dos estudios (Bastani y otros, Lehmann y otros) y en otros dos no lo aumentó o desplazó la voz propia (Fan y otros, Moreno Mosquera y otros). Los mismos estudios muestran que, sin una herramienta diseñada para guiar, la mayoría de los pedidos son de soluciones (64,2 por ciento en Lehmann y otros, 73,8 por ciento en Liu y otros), de modo que la cláusula gana fuerza cuando la facultad ofrece herramientas diseñadas para guiar. Ninguno de los estudios leídos compara una prohibición general con otra regla, así que la evidencia leída no permite afirmar que prohibir proteja el aprendizaje, y con un 94 por ciento de estudiantes británicos que dice usar la IA para ayudarse en trabajos evaluados (HEPI, p. 4), una prohibición sin supervisión tampoco tendría cómo cumplirse.

La segunda cláusula fija una parte de la nota que se gana en una evaluación asegurada (presencial, oral o supervisada) sin IA, y saca el detector de la prueba de las faltas. Es la cláusula con más respaldo de las dos. El examen para la casa no certifica autoría (Scarfe y otros), el detector marca como escrito por IA el texto de quien escribe en una segunda lengua (Liang y otros), un marco de evaluación con IA usado, según sus autores, en más de una docena de países exige supervisión para su nivel sin IA (Perkins y otros, pp. 2 y 10) y el daño de la IA sin salvaguardas solo se vio en el examen sin ella que siguió a la práctica (Bastani y otros).

Lo que la evidencia leída no sostiene todavía es la declaración de uso. Ninguno de los estudios mide si declarar mejora el aprendizaje o la integridad. Eso no la invalida como ejercicio de honestidad, y es coherente con lo que propuso el informe sobre las reglas colombianas: una declaración breve por función, sin porcentajes ni trámites que no tienen cómo verificarse.

La evidencia permite pedir a las facultades de derecho tutores diseñados, evaluación asegurada y medición propia

La primera propuesta es que la facultad que ofrezca IA a sus estudiantes la ofrezca diseñada para enseñar: con la pedagogía del curso, con pistas antes que respuestas, con fuentes verificadas en sus instrucciones y con tareas que la integren, porque el tutor que funcionó (Kestin y otros) fue el que se construyó así y el que no se integró se asoció con menos participación (Liu y otros). La segunda es reservar para la práctica con IA las etapas de estudio y retroalimentación, y para la evaluación asegurada la lectura, la síntesis y la argumentación que el estudiante debe dominar sin ayuda, que en derecho son el oficio mismo. La tercera es enseñar a verificar: toda norma, providencia o cita que entregue la IA se coteja en su fuente oficial, porque tres modelos no alcanzaron el umbral del examen preparatorio de la Universidad Libre (Arévalo-Robles y Castellanos-Cortés) y las referencias que ChatGPT dio a estudiantes universitarios incluían obras inexistentes (Moreno Mosquera y otros).

La cuarta es atender primero a quienes más arriesgan: en dos estudios, los estudiantes con menos conocimiento previo o de primera generación fueron los que más perdieron cuando la IA llegó sin guía (Lehmann y otros, y Liu y otros, en un resultado que el documento pide leer con cautela), y en derecho los de menor desempeño fueron los que más ganaron con ella a la mano, según su resumen (Choi, Monahan y Schwarcz). La quinta es medir: un piloto con grupo de comparación en un curso de primer año, con una prueba final sin IA, produciría la evidencia sobre estudiantes colombianos de derecho que no aparece en lo leído, y aportaría a una pregunta que los estudios leídos tampoco resuelven. El protocolo de referencia de esta revista llevará cada una de estas reglas al estudio que la sostiene.

La lectura cubrió doce documentos en PDF y tres textos en HTML completos, y tres estudios de derecho solo por su resumen oficial, con corte al 14 de octubre de 2026

Se leyeron completos, en la versión bajada de su fuente oficial, los doce documentos del expediente (diez estudios, un marco de evaluación y unos principios institucionales): Kestin y otros, Fan y otros, Liu y otros, Lehmann y otros, Scarfe y otros, Liang y otros, Perkins y otros, los principios del Russell Group, la encuesta de HEPI, Arévalo-Robles y Castellanos-Cortés, Moreno Mosquera y otros y Sánchez-Torres y otros. Las figuras sin texto del documento de Liu y otros se leyeron con reconocimiento óptico. En HTML se leyeron completos el texto del ensayo de Bastani y otros (2025) en Europe PMC, el artículo retractado de Wang y Fan (2025) en la página de la revista y su nota de retractación (2026). No se leyeron los materiales suplementarios de Bastani y otros ni de Kestin y otros, ni las tablas enlazadas del artículo de Wang y Fan, cuya cifra g = 0,867 sale de su resumen, porque ninguna cifra de este informe depende de ellos. De Fan y otros, Liang y otros y Perkins y otros se leyó la versión preprint, no la publicada en revista.

De los tres estudios sobre IA y derecho se usó solo el resumen de su página oficial: Choi, Hickman, Monahan y Schwarcz (2022) y Choi, Monahan y Schwarcz (2024) en el repositorio de la Universidad de Minnesota, y Schwarcz y otros (2026) en el de la Universidad de Michigan. Sus repositorios no permitieron bajarlos de forma automática, y su texto completo queda para una actualización. El estudio de Choi y Schwarcz (Journal of Legal Education, 2025) no entró, porque sus páginas oficiales no publican resumen. Tampoco entró el borrador de Bednar y otros sobre IA y razonamiento jurídico, del que solo hay noticias de prensa.

No se leyeron los demás estudios del mapa de la literatura de esta revista, que no se bajaron porque la descarga de literatura se limitó a doce documentos, o que solo se conocen por su resumen, entre ellos los ensayos de Barcaui (retención a 45 días), Contractor y Reyes y LearnLM y Eedi, los metaanálisis de Deng y otros, Wu y otros y Ren y otros, la encuesta de Vásquez Cardona y otros en una universidad colombiana, los estudios de detectores posteriores a 2023 y las guías de la UNESCO, la OCDE y TEQSA. No se halló ningún estudio revisado por pares que valide detectores con textos en español. Las cifras de este informe salen solo de los textos leídos.