Luis Medina-Gual
El 8 de septiembre México discutió tres resultados de PISA. Hubo cuatro.
El martes siguiente a la publicación de PISA, en una sala de maestros de una secundaria, alguien había impreso la nota del periódico y la había pegado junto a la cafetera. Dos columnas de números y un titular con la palabra “reprobamos”. La conversación duró lo que dura un recreo y terminó donde termina siempre: en que la prueba no mide lo que aquí se enseña, en que nadie pregunta por los grupos de cuarenta y ocho, en que el examen lo diseñaron en París. Nadie estaba equivocado. Pero la hoja pegada junto a la cafetera traía tres números, y la OCDE había publicado cuatro.
La cuarta prueba se llama resolución computacional de problemas, y es una parte de una evaluación más amplia que la OCDE bautizó aprendizaje en el mundo digital. No mide lo que el estudiantado ya sabe. Mide algo bastante más incómodo: cómo aprende algo que no sabía, en un entorno digital, con herramientas computacionales a la mano, teniendo que explorar, equivocarse, ajustar y volver a intentar. El informe describe el dominio completo como la capacidad de resolver problemas computacionalmente y de dirigir el propio aprendizaje en un ambiente digital, pero conviene ser preciso: lo que se publicó el 8 de septiembre es lo primero. Los análisis sobre autodirección la OCDE los reserva para 2027.
Ahí conviene detenerse. Llevamos tres años discutiendo si la inteligencia artificial rompió la evaluación, si detectamos o no detectamos, si prohibimos o no prohibimos. El argumento de fondo de esa discusión —el mío incluido— ha sido que evaluamos productos y no procesos, y que por eso una máquina que entrega productos nos dejó sin piso. Pues bien: se puede medir cómo alguien resuelve algo que no sabía hacer, y ya se hizo, con una muestra nacional, un marco público y ochenta y cinco sistemas educativos comparables. En México pocas personas lo leyeron.
El número
México obtuvo 453 puntos en resolución computacional de problemas. El promedio de la OCDE en esa escala es 500. Estamos abajo. Conviene decirlo primero y sin adornos, porque lo que sigue puede sonar a consuelo y no lo es.
Ahora el contraste. En ciencias, México está 68 puntos debajo del promedio de la OCDE; en matemáticas, 75; en lectura, 53. En resolución computacional de problemas, 47. Es la brecha más pequeña de las cuatro. Y no es un efecto de escala: aun normalizando por la dispersión de cada prueba, México queda menos lejos del promedio internacional aquí que en ciencias, en lectura o en matemáticas.
La OCDE hizo la cuenta que de verdad importa. Comparó a cada estudiante con estudiantes de todo el mundo de desempeño similar en ciencias. El estudiantado mexicano rinde 16.3 puntos por encima de lo que su desempeño en ciencias predeciría; el promedio de la OCDE es de 8.6. Contra su puntaje en matemáticas, la distancia es de 25.8 puntos, frente a 10.7 de la OCDE. Y en la misma tabla, casi siete de cada diez estudiantes mexicanos superan a sus pares internacionales que obtuvieron su mismo resultado en matemáticas. En el contraste con ciencias, Estonia (+12.6) y Singapur (+12.4) quedan por debajo de México —en este indicador relativo, no en puntaje: Singapur saca 563 y nosotros 453—, y México ocupa el lugar 15 entre los 85 sistemas evaluados. Conviene decir también lo que no salió: frente a lectura, México queda exactamente en lo esperado, ni un punto arriba. El informe de país lo resume en una línea que en México no citó nadie: nuestro estudiantado rinde relativamente bien en resolución computacional de problemas comparado con su desempeño en ciencias.
Y algo de razón tienen los escépticos
Un dato relativo sobre una base baja sigue siendo un dato sobre una base baja. Hay que ponerlo completo.
Esta escala, a diferencia de las otras tres, no tiene un umbral formal de competencia; la propia OCDE lo dice y propone el nivel 3 como referencia útil, porque es donde el estudiantado empieza a mostrar conocimientos y habilidades lo bastante sólidos para avanzar más rápido. México llega ahí con el 43.5 % de su estudiantado; el promedio de la OCDE, con el 64.1 %. Y cuando uno mira dónde está exactamente el déficit, aparece el retrato completo. En el piso extremo —por debajo del nivel 1— México tiene 6.7 % y la OCDE 5.3 %: una diferencia pequeña, aunque real. Por debajo del umbral, México tiene 56.5 % y la OCDE 35.9 %. Y en los niveles altos, 5 y 6, México tiene 7.6 % contra 26.1 %. El déficit está repartido a lo largo de toda la escala, pero se vuelve abismal en la parte alta. No es que nuestros estudiantes no puedan entrar al juego; es que una proporción muy reducida alcanza los niveles avanzados.
Eso no se arregla prohibiendo ni celebrando. Se arregla enseñando.
Una hipótesis incómoda
¿De dónde salió esa capacidad relativa? El informe trae pistas que no había visto antes reunidas. En México, 47 % del estudiantado usa asistentes de inteligencia artificial para aprender al menos una vez por semana —un punto arriba del promedio OCDE—, y en los tres usos concretos que PISA midió estamos claramente por encima: investigar un tema nuevo (40 % contra 31 %), resumir un texto (34 % contra 30 %), redactar un borrador (35 % contra 29 %). Solo el 8 % dice no usarlos nunca o casi nunca; en la OCDE es el 14 %.
Al mismo tiempo, apenas el 27 % asiste a escuelas donde el celular está prohibido en el plantel, contra el 49 % de la OCDE. Y aquí viene el dato que más me hizo detenerme: el 37 % del estudiantado mexicano reporta que sus compañeros se distraen con dispositivos en la mayoría de las clases de ciencias —nueve puntos arriba del promedio—, pero México está entre la minoría de países donde esa distracción no se asocia con diferencias significativas de desempeño. En la OCDE, quien reporta distracción digital puntúa once puntos menos.
Ninguno de esos datos explica el resultado, y sería deshonesto pretenderlo. Lo que dejan es una pregunta de investigación que en México no se ha hecho: ¿cuánto de esa soltura relativa viene de lo que la escuela hace, cuánto de lo que el estudiantado aprende por su cuenta, y cuánto simplemente de que aquí no se le ha cerrado la puerta al dispositivo? El perfil —un piso comparable al internacional y un techo muy bajo— se parece al que deja el aprendizaje sin andamiaje, pero eso es una conjetura, no un hallazgo, y merece investigarse antes que celebrarse.
Y ahí es donde la escuela deja de ser espectadora.
Lo que esto significa el lunes
Yan y Gašević (2026) lo formularon con una frase que debería estar pegada junto a la cafetera en lugar del recorte: ya no se puede suponer que un desempeño exitoso indique aprendizaje. Lodge y Loble (2026) le ponen nombre al riesgo —le llaman falsa maestría— y hacen la distinción que a mí me parece la más útil de todo este debate: descargar una tarea cognitiva en una herramienta puede ser inteligente o puede ser renuncia, y la diferencia no está en la herramienta sino en si el estudiante ya sabe hacer eso que delegó. Melumad y Yun (2025) mostraron experimentalmente que quien resuelve una tarea con la síntesis de un modelo de lenguaje aprende de forma más superficial que quien busca por su cuenta, incluso cuando el modelo le entrega los enlaces.
En la investigación que hemos hecho con estudiantes mexicanos de educación superior (Medina-Gual y Parejo, 2026) lo que separa los perfiles no es cuánto usan la IA, sino si tienen estrategias propias para conducir su aprendizaje. Es un asunto de andamiaje, no de acceso.
PISA trae la palanca en la mano. Apenas el 37 % de nuestro estudiantado dice planear cómo va a estudiar —exactamente el mismo porcentaje que el promedio de la OCDE, conviene subrayarlo: esto no es un déficit mexicano sino del oficio escolar— y el 45 % se hace preguntas para comprobar si entendió. Pero el 82 % le pide ayuda a sus maestras y maestros cuando la necesita, y el 86 % a sus compañeros: ambos por arriba del promedio de la OCDE. Lo que falta no es disposición ni confianza. Falta que alguien enseñe explícitamente a planear, a monitorear y a revisar: la dimensión que PISA se propuso capturar en este dominio y sobre la que la OCDE dará resultados apenas el año próximo.
Enseñar eso puede empezar sin reforma y sin plataforma: con un cambio en las consignas y en los criterios de evaluación. Que una consigna diga “entrégame también cómo llegaste”, y que esa parte cuente. Que se pida el borrador antes que el producto. Lo que sí cuesta viene después —leer esos procesos toma tiempo docente, y enseñar a leerlos toma formación—, y conviene decirlo en vez de vender la idea como gratuita. Requiere, algunas veces, prohibir el atajo no por moralina sino por oficio: hay cosas que solo se aprenden arrastrando el lápiz, igual que en la película el muchacho tuvo que encerar y desencerar el coche mil veces antes de entender para qué servía.
La sala de maestros tenía razón en casi todo. La prueba no mide todo, la diseñaron lejos, y los grupos siguen siendo de cuarenta y ocho. Pero esta vez la prueba midió algo que llevamos tres años diciendo que no se podía medir, y dijo que nuestros muchachos son mejores de lo que sus propias calificaciones anuncian, y peores de lo que podrían ser si alguien les enseñara el oficio.
Esa segunda parte no la resuelve la OCDE. La resolvemos nosotros o no la resuelve nadie.
Referencias
Lodge, J. M., & Loble, L. (2026). Artificial intelligence, cognitive offloading and implications for education [Informe]. University of Technology Sydney. https://doi.org/10.71741/4pyxmbnjaq.31302475
Medina-Gual, L., & Parejo, J.-L. (2026). University students’ engagement with artificial intelligence: A cluster analysis of learner profiles in AI literacy. Technology, Knowledge and Learning, 31(1), 291–309. https://doi.org/10.1007/s10758-025-09926-7
Melumad, S., & Yun, J. H. (2025). Experimental evidence of the effects of large language models versus web search on depth of learning. PNAS Nexus, 4(10), pgaf316. https://doi.org/10.1093/pnasnexus/pgaf316
OCDE. (2026). PISA 2025 results (Volume I): Country notes — Mexico. OECD Publishing.
OCDE. (2026). PISA 2025 results (Volume I), Annex B1.2 [Tablas I.B1.2a.1, I.B1.2a.2, I.B1.2a.3, I.B1.2a.4, I.B1.2a.13 y I.B1.2a.20]. OECD Publishing.
Yan, L., & Gašević, D. (2026). Agentivism: A learning theory for the age of artificial intelligence [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2604.07813
