fNIRS Hyperscanning e IA Generativa: El Efecto del Socio GAI en el Aprendizaje de Ciencias

Una lectura BrainLatam2026 basada en el abstract y los apéndices, sobre TSI, GSI, metacognición y Jiwasa educativo

Antes de hablar de IA generativa en la educación, necesitamos hablar de presencia.

Aprender no es solo recibir la respuesta correcta. Aprender implica atención, duda, error, reformulación, metacognición y vínculo. Por eso, el estudio “The GAI Partner Effect: A comparative study of interaction types on students’ learning engagement and academic performance in science education”, de Wang, Ren y colaboradores, es muy relevante para BrainLatam2026.

El artículo compara dos modos de aprendizaje en ciencias:

TSI — Teacher-Student Interaction, interacción profesor-estudiante;
GSI — GAI-Student Interaction, interacción estudiante-IA generativa.

La pregunta central es:

¿qué cambia en el compromiso, el desempeño académico y la dinámica neural cuando el estudiante aprende con un profesor humano o con un socio de IA generativa?

Qué mostró el estudio

Con base en el abstract disponible, el estudio utilizó un diseño within-subjects y aplicó fNIRS hyperscanning para investigar mecanismos cognitivos y neurales asociados a ambos paradigmas.

Los resultados indican que la interacción con IA generativa (GSI) aumentó más el compromiso cognitivo. La interacción profesor-estudiante (TSI) favoreció más el compromiso conductual, emocional y social.

Esto es muy importante. La IA puede exigir más procesamiento, más autorregulación y más esfuerzo metacognitivo. El profesor humano, por otro lado, sostiene mejor la presencia social, el vínculo, la emoción compartida y la participación.

El estudio también muestra que la sincronía cerebral profesor-estudiante se asoció positivamente con el compromiso social, sugiriendo que el aprendizaje humano sigue siendo profundamente relacional.

Elogio a la pregunta científica

El mérito del artículo está en no tratar la IA como simple sustituta del profesor. La pregunta es más inteligente: ¿qué dimensiones del aprendizaje se fortalecen con cada tipo de interacción?

Este diseño es valioso porque une educación, IA generativa, metacognición, compromiso y fNIRS hyperscanning. Ayuda a entender la IA no solo como herramienta de respuesta, sino como socio cognitivo que puede modificar la forma en que el estudiante piensa, monitorea y reorganiza su comprensión.

Equipos y límites de esta lectura

El material disponible para esta lectura incluye abstract y apéndices, pero no trae detalles completos sobre marca y modelo del sistema fNIRS, número de participantes, montaje de optodos, regiones cerebrales medidas, canales, software de adquisición o estadísticas completas.

Lo explícito es el uso de functional near-infrared spectroscopy — fNIRS hyperscanning y un sistema pedagógico en el que ChatGPT fue configurado como tutor inteligente. El prompt orientaba a la IA a no entregar respuestas directas, sino a trabajar con preguntas, feedback, nuevas preguntas y síntesis, favoreciendo razonamiento y metacognición.

Lectura BrainLatam2026

Desde la perspectiva BrainLatam2026, la IA generativa puede favorecer Zona 2 cuando ayuda al estudiante a pensar sobre su propio pensamiento. Puede preguntar, provocar, pedir explicación y apoyar la revisión del razonamiento.

Pero si se usa solo para entregar respuestas rápidas, puede empujar al estudiante hacia la pasividad cognitiva.

El profesor humano sigue siendo esencial porque sostiene el Jiwasa educativo: presencia, vínculo, escucha, ajuste afectivo, lectura corporal y pertenencia. La IA puede ampliar la cognición, pero el profesor organiza el campo humano donde ocurre el aprendizaje.

De la pregunta del artículo al diseño BrainLatam2026

El artículo preguntó:

¿cómo TSI y GSI afectan el compromiso, el desempeño y los mecanismos neurales en el aprendizaje de ciencias?

BrainLatam2026 puede ampliar la pregunta:

¿cómo profesor, IA generativa, cuerpo, metacognición y pertenencia pueden formar un ecosistema educativo de Zona 2?

Un diseño futuro podría combinar:

fNIRS hyperscanning + EEG/ERP + eye-tracking + HRV/RMSSD + respiración + GSR + análisis del lenguaje + desempeño académico + medidas de pertenencia.

El fNIRS hyperscanning mediría sincronía profesor-estudiante y estudiante-estudiante.
El EEG/ERP podría captar error, sorpresa, conflicto semántico y actualización conceptual.
El eye-tracking mostraría cómo el estudiante distribuye la atención entre profesor, pantalla, IA y material.
El HRV/RMSSD, la respiración y el GSR ayudarían a medir esfuerzo, seguridad corporal y regulación emocional.
El análisis del lenguaje indicaría si el estudiante solo repite respuestas o realmente reorganiza conceptos.

Crítica decolonial generosa

En América Latina, la pregunta no puede ser solo si la IA mejora el desempeño. La pregunta necesita ser:

¿en qué condiciones sociales, afectivas, tecnológicas y pedagógicas la IA generativa mejora el aprendizaje sin debilitar profesor, cuerpo y pertenencia?

Si la IA se usa para sustituir profesores y reducir costos, puede debilitar el Jiwasa educativo. Si se usa para apoyar al profesor, ampliar preguntas, personalizar feedback y fortalecer metacognición, puede volverse una tecnología de Zona 2.

DREX Cidadão y educación

La IA generativa no resuelve la desigualdad por sí sola. Para aprender, el estudiante necesita internet, alimentación, seguridad, sueño, tiempo, profesores valorados y escuelas vivas.

El DREX Cidadão, como metabolismo económico mínimo distribuido al cuerpo social, entra aquí como base de pertenencia. Puede reducir urgencias materiales que secuestran la atención y dificultan el aprendizaje.

Tecnología sin pertenencia se vuelve automatización fría.
Pertenencia sin tecnología puede perder potencia.
La política pública necesita unir ambas.

Cierre

El estudio de Wang, Ren y colaboradores muestra que el futuro de la educación no depende solo de máquinas más inteligentes, sino de la calidad de las interacciones.

La IA puede ampliar el compromiso cognitivo.
El profesor puede sostener el compromiso social y emocional.
El fNIRS hyperscanning puede mostrar cuándo el aprendizaje se vuelve sincronía.
Y Jiwasa recuerda que aprender nunca fue solo acumular información.

La gran pregunta no es si la IA va a sustituir al profesor.

La pregunta es:

¿cómo profesor, estudiante, IA, cuerpo y territorio pueden formar un ecosistema de aprendizaje con más conciencia, pertenencia y libertad cognitiva?

Referencia

Wang, J., Ren, J., Liu, W., Rong, Z., Shi, Z., Zhao, Y., Zou, S., & Gao, S. (2026). The GAI Partner Effect: A comparative study of interaction types on students’ learning engagement and academic performance in science education. Journal of Science Education and Technology. https://doi.org/10.1007/s10956-026-10311-x