Feigerlova, E., Hani, H., & Hothersall-Davies, E. (2025). A systematic review of the impact of artificial intelligence on educational outcomes in health professions education. BMC Medical Education, 25, 129. https://doi.org/10.1186/s12909-025-06719-5
Resumen del artículo
Revisión sistemática (PRISMA 2020, protocolo en OSF) que buscó en seis bases de datos hasta octubre de 2024 estudios que midieran el efecto de herramientas de IA sobre resultados educativos en profesiones de la salud. Solo doce estudios cumplieron los criterios: tres ensayos aleatorizados, siete cuasiexperimentales y dos observacionales, todos unicéntricos y con muestras de 4 a 180 participantes.
El balance es severo. Ningún estudio declaró objetivos de aprendizaje ni describió las competencias por alcanzar, solo tres aplicaron teorías de aprendizaje, uno analizó la autenticidad del entorno y ninguno informó el impacto de las actividades de retroalimentación. Todos se quedaron en el nivel 2 de Kirkpatrick (conocimiento o destreza técnica) y ninguno evaluó conducta en el puesto de trabajo. Los autores proponen una lista de criterios para juzgar la calidad de la investigación en educación con IA y recomiendan integrar la IA en entornos mixtos que equilibren tecnología e interacción humana.
Ideas clave
- Evidencia pobre: la literatura empírica sobre resultados medibles de IA en educación en salud es escasa y metodológicamente débil (p. 1, p. 16).
- Ausencia de diseño pedagógico: la mayoría de intervenciones no se apoya en teorías de aprendizaje ni define competencias, lo que impide interpretar los resultados (p. 1).
- Techo en Kirkpatrick nivel 2: no hay evidencia de transferencia conductual al trabajo real (p. 14).
- Retroalimentación no descrita: aunque varios estudios incluían retroalimentación, no la reportaron con suficiente detalle para analizar su efecto (p. 14).
- Criterios de calidad propuestos: descripción de la estrategia educativa, teoría de aprendizaje, diseño instruccional y evaluación de resultados (p. 15).
Citas textuales relevantes
“None of the studies provided learning objectives or descriptions of the competencies to be achieved. Three studies applied learning theories in the development of AI-powered educational strategies.” (Feigerlova et al., 2025, p. 1)
“Kirkpatrick’s second level is relevant for some training achievements, such as technical skills or quantifiable knowledge. However, it cannot evaluate more complex tasks, such as the behavior of learners in the workplace.” (Feigerlova et al., 2025, p. 14)
“It is desirable for educators and developers to integrate AI into blended learning environments that balance technological capabilities with human interaction.” (Feigerlova et al., 2025, p. 16)
Conexión con la tesis de Sandra
Aporte del autor: un diagnóstico riguroso de las carencias metodológicas de la investigación sobre IA en educación en salud y una lista de criterios de calidad. Lectura propia para la tesis: esta revisión es la vara con la que un tribunal doctoral medirá el diseño de Sandra, así que conviene usarla en el Cap 3 como checklist: declarar objetivos de aprendizaje por dimensión del PINTS (n-1-9), fundamentar la intervención en una teoría (práctica deliberada y aprendizaje de maestría, n-6-6, n-6-5), describir con detalle la retroalimentación adaptativa y reportar la autenticidad del entorno de CEC. El diseño cuasiexperimental con lista de espera y n = 150 supera en tamaño a todos los estudios incluidos, y medir NTS observables con PINTS acerca la tesis al nivel 3 de Kirkpatrick, lo que Sandra puede presentar como aporte. Conecta con n-3-7 (mismo techo en nivel 2) y con n-3-8 (mapa BEME).
Preguntas orientadoras
- ¿Qué teoría de aprendizaje sostendrá explícitamente el diseño de la simulación virtual adaptativa para no repetir la omisión que esta revisión detecta en nueve de doce estudios?
- ¿Cómo describirá Sandra la retroalimentación generada por la IA (contenido, frecuencia, momento) con el detalle que estos autores echan en falta?
- ¿Puede el PINTS aplicado por observadores acercar la medición al nivel 3 de Kirkpatrick, o seguirá siendo nivel 2 al medirse en simulación y no en la CEC real?
Conexiones
- Subárea: 3-Simulación virtual IA
- Notas relacionadas: n-3-7, n-3-8, n-6-6, n-1-9
- Autores: Eva Feigerlova, Hind Hani, Ellie Hothersall-Davies
Notas fusionadas (depuración 2026-09-28)
- Chance (2025): definición operativa de aprendizaje adaptativo (p. 3).
Ir más a fondo
- Nota subatómica: Feigerlova (2025), 7 pasajes subrayados
- Nota subatómica: Chance (2025), 11 pasajes subrayados
- Pregúntale a los documentos: cuaderno de NotebookLM con los PDF del corpus (acceso restringido)
Mi reflexión
Graba tu reflexión de voz o escríbela usando los controles que aparecen abajo.