jesusca.gjf

[jesusca.gjf @jesusca08]

@ganarymas Jajaja

[jesusca.gjf @jesusca08]

@Johnbla07233210 @EsDeMamador 😂

[Miguel A. Méndez-Rojas @nanoprofe]

Recientemente Carlos Sedano, académico en Sociología de la Universidad de Guadalajara, escribió lo siguiente. Muy actual y necesario de leer en estos tiempos si te dedicas a la educación universitaria:

Universidades fuera de tiempo
La IA no llegó tarde. Las universidades sí.
La inteligencia artificial generativa no está ausente de las universidades. Está en los estudiantes, en sus tareas, en sus procesos cotidianos. Lo que está ausente es la universidad misma en esa transformación. No hay discusión seria, no hay rediseño, no hay decisión. Ese vacío suele interpretarse como prudencia, pero en realidad es otra cosa: incapacidad de procesar un cambio que ya ocurrió. No es que la universidad no quiera responder. Es que no sabe desde dónde hacerlo.
El diagnóstico dominante señala a la gobernanza: estructuras lentas, procesos burocráticos, decisiones tardías. Es cierto, pero es insuficiente. El problema no es solo que la universidad decida lento, sino que no sabe qué decisiones tomar cuando el conocimiento ya no se produce como antes. La IA no es una herramienta externa. Interviene directamente en la búsqueda de información, la escritura, la argumentación, la síntesis, la evaluación. Es decir, en el núcleo mismo del trabajo académico. Y ahí la gobernanza tradicional se queda sin categorías.
Ahora bien, reducir la IA a una amenaza es igualmente superficial. Su potencia es real y concreta. En investigación, permite explorar estados del arte en minutos, identificar patrones en grandes volúmenes de datos, proponer hipótesis plausibles y simular escenarios que antes requerían semanas de trabajo. No sustituye la validación científica, pero reorganiza radicalmente el punto de partida: el investigador ya no comienza desde cero, sino desde múltiples configuraciones posibles que puede contrastar, refinar o descartar.
En educación, su impacto es igual de profundo. La IA puede ofrecer explicaciones personalizadas, adaptar niveles de dificultad, generar ejemplos alternativos y acompañar procesos de escritura y argumentación en tiempo real. Esto no elimina al docente, pero sí transforma su función: de transmisor de contenidos a diseñador de experiencias de aprendizaje. Bien integrada, la IA no simplifica el aprendizaje; lo vuelve más exigente, porque obliga a evaluar, comparar y decidir entre múltiples opciones.
El problema es que esta potencia no opera en el vacío. Sin rediseño institucional, tiende a deslizarse hacia el uso más fácil: el sustitutivo. La IA no solo amplía capacidades; también reduce esfuerzo. Y en entornos donde la evaluación sigue centrada en productos fácilmente generables, la delegación no es un abuso: es una consecuencia lógica. El estudiante no deja de pensar por falta de ética. Deja de hacerlo porque el sistema ya no lo exige.
Pero aquí es donde aparece una distinción decisiva que suele perderse: uso sustitutivo no es lo mismo que uso complementario. El primero delega la operación cognitiva; el segundo la reorganiza y la intensifica. En el uso complementario, la IA no reemplaza el pensamiento, sino que lo desplaza hacia niveles más exigentes: comparar versiones, detectar errores, refinar argumentos, explorar alternativas. No elimina el esfuerzo; cambia su naturaleza.
La diferencia no es menor. Mientras el uso sustitutivo produce respuestas sin proceso, el complementario expone al estudiante a múltiples configuraciones del problema, obligándolo a decidir entre ellas. La IA deja de ser una respuesta y se convierte en un entorno de posibilidades. Y en ese entorno, pensar no desaparece: se vuelve más complejo, porque ya no consiste en producir desde cero, sino en evaluar críticamente lo que ya está dado.
Por eso, el uso complementario no ocurre espontáneamente. Requiere diseño curricular y diseño de la operación científica. Requiere tareas que no se puedan resolver con una sola respuesta, evaluaciones que premien la intervención del estudiante, y criterios que distingan entre lo plausible y lo válido. Sin esas condiciones, la tecnología empuja hacia la sustitución. Con ellas, puede convertirse en un amplificador real del aprendizaje.
El punto es claro: la IA no determina el resultado. Pero sí condiciona la dirección. Y en esa dirección, el uso complementario no es una opción más. Es la única forma de integrar la tecnología sin vaciar la operación misma del aprendizaje.
El silencio institucional no es neutral. Es una forma de decisión por omisión. Mientras no se regula, no se integra, no se rediseña, el uso ocurre igual, pero fuera de la mirada universitaria. La universidad no controla ni orienta. Simplemente llega después. Y cuando llega, lo hace con reglas pensadas para un mundo que ya no existe. El problema no es que la IA avance rápido. Es que la universidad sigue operando como si no hubiera cambiado nada.
Hay una contradicción más profunda. Se teme que la IA sustituya el pensamiento, pero se siguen evaluando productos que la IA hace mejor: ensayos, resúmenes, explicaciones. La institución no ha cambiado lo que pide, aunque el entorno cambió lo que se puede producir. En ese desfase, el estudiante no deja de pensar por decisión propia. Deja de necesitar hacerlo. Y cuando pensar deja de ser necesario, desaparece de la práctica, aunque siga siendo valioso en el discurso.
La solución no es prohibir ni adoptar sin condiciones. Es rediseñar. Pero rediseñar no significa agregar cursos de IA. Significa decidir qué parte del proceso académico no puede delegarse: buscar información, formular problemas, justificar hipótesis, evaluar resultados. Sin esa frontera, todo lo demás es retórica. La universidad no necesita más innovación declarativa. Necesita operaciones distintas que obliguen a intervenir, no a copiar.
La investigación muestra el mismo problema. La IA amplía el espacio de posibilidades, pero lo hace a partir de lo ya existente. No produce desde el vacío, sino desde patrones dominantes. Esto introduce un riesgo silencioso: la innovación puede volverse recombinación. El investigador deja de crear desde cero y empieza a seleccionar entre opciones preconfiguradas. Eso no es necesariamente negativo, pero exige algo más exigente: criterios más fuertes, no más velocidad.
Hablar de producir conocimiento y pertinencia, sin tocar este núcleo resulta, en el mejor de los casos, superficial. La universidad no compite por tener inteligencia artificial, sino por saber qué hacer con ella. Adoptarla sin rediseñar las prácticas no resuelve nada; al contrario, acelera el problema. La pérdida de relevancia no proviene del avance tecnológico, sino de la incapacidad institucional para redefinir su función frente a ese avance.
Y esa redefinición no es técnica ni administrativa: es, en sentido estricto, curricular y, más profundamente, de rediseño de la operación científica y epistemológica.
Esto implica algo más exigente que incorporar herramientas: supone rediseñar estratégicamente las operaciones cognitivas y performativas de la universidad, investigación, docencia y extensión, desde dentro. No se trata de añadir capas de innovación sobre estructuras intactas, sino de intervenir en la forma misma en que se produce, valida y transmite el conocimiento.
El fondo del problema no es la gobernanza ni la velocidad de respuesta, sino la incapacidad de redefinir qué significa aprender e investigar cuando la respuesta ya no es escasa, sino permanente.
Mientras esa pregunta no se enfrente con claridad, cualquier ajuste será superficial. La universidad puede modernizar su estructura, crear oficinas, emitir lineamientos, incluso adoptar tecnologías de punta. Y aun así, permanecer fuera de tiempo.
Porque el problema no es que la inteligencia artificial haya llegado.
Es que la universidad todavía no decide qué parte de sí misma no está dispuesta a delegar.

[jesusca.gjf @jesusca08]

@NikolasRMFC Abreu

[jesusca.gjf @jesusca08]

@Dios_0ficial Benito Camelo

[★·.·´HeChIzErO`·.·★ @Hechizero_38]

Nos quejamos de la vida sin ver que otros luchan en silencio con el doble de peso y la mitad de opciones...☝️

[El Club del Arte 🎨📷📚🖼🕍🎼 @Arteymas_]

El martini perfecto de Guy Buffet, 2000

[jesusca.gjf @jesusca08]

@Hechizero_38 Por plaza crystal?

[jesusca.gjf @jesusca08]

@MirreyBlue el que no conoce la historia...

[jesusca.gjf @jesusca08]

@sinuhedotcom 🤣😂

[King Targaryen 🐉 @KingTargaryenn]

Incluso sin decir ni una sola palabra, puedes identificar el carácter de los 6 personajes en esta escena.

La magia de #GameOfThrones ✨

[Unai Cano @unaicano10]

🔴 URGENTE | Un universitario becado da un repaso HISTÓRICO a una concejala de Más Madrid que propone repartir becas a todos los jóvenes aunque suspendan:

"Puede pasar que alumnos se matriculen sólo para cobrar las becas y se pasen por el forro los estudios”.

[Cristian @crismeji03]

Predicción de propiedades ópticas no-lineales a partir de la DTF y el Machine Learning:
Se propuso un modelo predictivo para determinarlas propiedades ópticas lineales ...(siguiente respuesta)
#LatinXChem24
#Química_Computacional

[Jose Adrian Rodriguez Gonzalez @JoseAdrian11309]

Hi! @LatinXChem ,here I will present our work about a pedagogical tool that can be used in chemistry class. "What happens if two cats are combined?,gouting the Schrödinger's cat with python"
#LatinXChem

[Miguel A. Méndez-Rojas @nanoprofe]

El malévolo factor de impacto. Lectura necesaria para desarraigar esa mala costumbre de confundir lo popular con lo importante.

[R E P L I C A N T @Roybattyforever]

Todas las maneras de matar a Tarantino.

[jesusca.gjf @jesusca08]

@elconde_nad0 Titipuchal