Una encuesta global a docentes de informática encontró que muchos profesores ya han cambiado tanto sus métodos de enseñanza como de evaluación en respuesta a las herramientas de programación con IA generativa. La encuesta, realizada por un grupo de trabajo de ACM, incluyó a más de 700 educadores de 49 países y encontró que el 69 percent cree que la IA ha cambiado las habilidades requeridas para el desarrollo de software.

Los hallazgos muestran un amplio alejamiento de las tareas tradicionales de programación centradas en escribir código desde cero. En cambio, los educadores están poniendo mayor énfasis en la comprensión de código, la depuración, la resolución de problemas, los exámenes orales, las sesiones de defensa de código y el trabajo basado en proyectos. Al mismo tiempo, casi la mitad de los encuestados dijo que carece de ejemplos probados para incorporar la IA en sus cursos.

Los asistentes de programación con IA, como ChatGPT y GitHub Copilot, pueden completar muchas tareas típicas de programación usadas en cursos introductorios, a menudo con un desempeño similar al de un estudiante promedio. Eso crea un desafío práctico para cursos que tradicionalmente han usado esas tareas para evaluar si los estudiantes pueden producir y explicar de forma independiente código funcional. El nuevo estudio ofrece una visión más amplia de cómo están respondiendo los docentes de informática en todo el mundo a ese desafío. Fue realizado por la "ACM Task Force on Generative AI and Programming Assessment", un grupo de expertos establecido por el comité de educación de la sociedad internacional de computación ACM.

El grupo de trabajo encuestó a 763 educadores de 49 países entre mayo y octubre de 2025. Alrededor de 500 cuestionarios casi completos fueron incluidos en el análisis. Según los resultados, el 69 percent de los encuestados dijo que la IA ha cambiado las habilidades necesarias para el desarrollo de software. La principal preocupación entre los educadores fue la creciente dependencia de los estudiantes respecto de la tecnología, citada por el 87 percent, seguida por las trampas y el plagio, citados por el 72 percent.

La enseñanza pasa de escribir código a comprenderlo

El 64 percent de los encuestados dijo que ya ha cambiado la forma en que enseña. Un análisis temático de respuestas abiertas mostró una dirección consistente: menos foco en escribir código desde cero y más foco en entender el código, encontrar y corregir errores, y resolver problemas. Treinta y nueve respuestas también identificaron el uso de IA y la ingeniería de prompts como temas explícitos de enseñanza. Otros docentes informaron que muestran herramientas de IA en clase para ilustrar tanto lo que pueden hacer como dónde siguen estando sus limitaciones.

"We know that students will likely be developing with AI tools when they enter the workforce," dijo Steven Gordon, profesor de Ohio State University y autor principal del informe. "The key is to produce graduates who are competent in programming and who understand both the capabilities and limitations of AI."

Los exámenes orales y las evaluaciones basadas en proyectos ganan terreno

Las prácticas de evaluación están cambiando aún más rápido. El 68 percent de los encuestados dijo que ha modificado la forma en que evalúa a los estudiantes. Los cambios citados con mayor frecuencia incluyeron más exámenes presenciales supervisados, con 56 menciones; menor ponderación para las tareas, con 38 menciones; exámenes orales y sesiones de defensa de código, con 36 menciones; y pruebas en papel, con 35 menciones. Las evaluaciones basadas en proyectos también fueron citadas 34 veces.

Algunos educadores ahora exigen que los estudiantes declaren si usaron herramientas de IA y cómo las usaron, y en algunos casos que presenten registros de sus interacciones con esas herramientas. Estos cambios reflejan un esfuerzo creciente por distinguir entre la comprensión propia de un estudiante y el trabajo producido o ampliamente asistido por software.

Las políticas institucionales siguen siendo desiguales. El 45 percent de los encuestados dijo que su institución tiene directrices sobre el uso de IA, mientras que el 39 percent dijo que su institución no las tiene. Las políticas existentes van desde prohibiciones completas hasta permisos explícitos o incentivos, siempre que los estudiantes documenten su uso de IA. Para los docentes, ese panorama desigual de políticas significa que los cambios de evaluación a nivel de curso a menudo se están realizando mientras las instituciones aún deciden cómo debe regularse el uso de IA.

Los educadores señalan la falta de ejemplos de buenas prácticas

La barrera más común para integrar la IA, citada por el 48 percent de los encuestados, fue la ausencia de buenas prácticas comprobadas. El 28 percent dijo que no tiene suficiente experiencia con IA, mientras que el 20 percent dijo que no ve necesidad de integrar la IA en su enseñanza.

Los encuestados también identificaron la necesidad de más desarrollo profesional. El 74 percent dijo que quiere capacitación sobre métodos de enseñanza efectivos, y el 66 percent dijo que quiere apoyo para rediseñar evaluaciones. El sitio de recursos del grupo de trabajo aborda esa brecha al recopilar ejemplos prácticos, pero los resultados de la encuesta sugieren que muchos educadores siguen buscando modelos probados que puedan adaptar a sus propios cursos.

Los autores del estudio señalaron varias limitaciones. Los participantes fueron reclutados principalmente a través de listas de correo de ACM y SIGCSE y directorios nacionales seleccionados de educadores. El grupo de encuestados estuvo fuertemente inclinado hacia América del Norte, con 227 encuestados, y Europa, con 106. Asia representó 57 encuestados, América del Sur 10, Oceanía 9 y África 3. Entre los encuestados que informaron su tipo de institución, el 77 percent trabajaba en universidades, mientras que las escuelas K-12 y los programas vocacionales estuvieron poco representados. Los hallazgos también se basan en datos autoinformados.

El estudio de ACM está disponible gratuitamente en línea. El grupo de trabajo también creó un sitio web con ejemplos prácticos y recursos para educadores.

Estudios recientes apuntan a calificaciones más altas, pero resultados de aprendizaje más débiles

Varios estudios recientes coinciden con las preocupaciones planteadas por los encuestados. Un estudio de Anthropic encontró que los desarrolladores de software que usaron asistencia de IA para aprender una nueva biblioteca de Python obtuvieron un puntaje 17 percent menor en una prueba de conocimientos de seguimiento que un grupo de control sin acceso a IA. Un pequeño subconjunto de participantes que delegó por completo la programación a la IA completó las tareas más rápido, pero promedió solo 39 percent en la prueba de conocimientos.

Hallazgos similares han aparecido fuera de la informática. Un estudio longitudinal chino de más de 26,000 estudiantes encontró que el uso de IA aumentó las calificaciones de las tareas en 18 percent y redujo el tiempo de finalización en 30 percent. Sin embargo, después de seis meses, las puntuaciones en exámenes a libro cerrado cayeron 20 percent. En exámenes de ingreso posteriores, las puntuaciones disminuyeron 18 percent y 24 percent, según la prueba.

Un análisis de UC Berkeley que abarcó más de 500,000 calificaciones encontró un fuerte aumento en las notas más altas después del lanzamiento de ChatGPT, particularmente en cursos con una carga importante de tareas de escritura y programación. El aumento fue más pronunciado en cursos donde las tareas no supervisadas tenían un peso significativo en la calificación final. Según el informe de ACM, esa es la misma categoría de evaluación cuya importancia muchos educadores están reduciendo ahora.