Claude for Teachers no llega a Chile. Acá va cómo armé la versión de casa.

El 14 de julio Anthropic anunció Claude for Teachers: acceso gratuito para docentes de escuelas públicas de Estados Unidos, con herramientas de planificación, conexión a los estándares curriculares de los 50 estados y un montón de integraciones.

Yo hago clases en Chile. No me llega, y no me va a llegar.

Igual me senté a leer con calma qué traía, porque quería saber qué es exactamente lo que nos estamos perdiendo. Y la conclusión me sorprendió: casi todo lo que importa ahí ya lo tenía armado, o se puede armar. Lo que no cruza la frontera es el trámite, no la tecnología.

Qué trae, en concreto

El programa entrega dos cosas que valen la pena mirar por separado.

Las habilidades docentes. Son instrucciones especializadas que Claude carga para tareas específicas: una para planificar clases alineadas a estándares, otra para diferenciar una lección en versiones por nivel (bajo el nivel, en el nivel, sobre el nivel), manteniendo el mismo contenido pero cambiando el andamiaje. Las desarrollaron junto a una organización llamada Learning Commons.

La capa de estándares. Claude se conecta a un grafo con los estándares académicos de los 50 estados, más recursos curriculares de confianza. Cuando el profesor pide una clase de fotosíntesis para octavo, el sistema sabe exactamente qué dice el estándar de su estado sobre fotosíntesis en octavo.

Y ahí está el detalle que cambia todo el asunto: las habilidades docentes están publicadas en abierto, con licencia Apache 2.0, en un repositorio público de GitHub. Cualquiera las puede descargar, leer e instalar hoy, sin verificación ni elegibilidad. El propio archivo de instrucciones dice, textual, que uno adapte las habilidades si su entorno no tiene acceso a esas herramientas.

O sea: lo que no nos llega es el trámite gringo y el grafo de estándares de Estados Unidos, que de todas formas no nos serviría. Los estándares que yo necesito son los Objetivos de Aprendizaje del Mineduc y los ejes de la PAES.

Esa capa faltante es justamente la que llevo meses construyendo.

Lo que dice la evidencia, y por qué el detalle importa

Antes de contar cómo lo armé, quiero pararme en dos estudios, porque explican por qué esto se hace de una manera y no de otra.

El primero es incómodo y hay que mirarlo de frente. Un equipo de la Universidad de Pensilvania hizo un experimento controlado con cerca de mil estudiantes de un liceo en Turquía, y lo publicó el año pasado en PNAS. Les dieron acceso a GPT-4 para practicar matemáticas. Con la IA al lado, el rendimiento en los ejercicios subió un 48 por ciento. Se veía espectacular.

Después les tomaron la prueba sin la IA. El rendimiento cayó un 17 por ciento respecto al grupo que nunca la usó.

La explicación de los autores es que la herramienta funcionó como muleta. Los estudiantes resolvían más y aprendían menos, porque la IA les entregaba el resultado y ellos saltaban el trabajo cognitivo que es precisamente donde ocurre el aprendizaje. Es el mismo fenómeno que conté en el post anterior: aprender el procedimiento en vez del concepto, solo que acelerado.

Pero hay un matiz de ese estudio que casi nunca se cita, y es el más importante. Había un tercer grupo, con una versión de la IA diseñada con restricciones pedagógicas, que no entregaba la respuesta sino que guiaba. Ese grupo no sufrió la caída. El daño no lo produjo la inteligencia artificial. Lo produjo la inteligencia artificial sin diseño pedagógico encima.

El segundo estudio apunta al otro lado. Se llama Tutor CoPilot, de un equipo de Stanford, y probó algo distinto: en vez de darle la IA al estudiante, se la dieron al que enseña. Novecientos tutores, mil ochocientos estudiantes de comunidades vulnerables. Durante la tutoría en vivo, el tutor recibía sugerencias de qué preguntar y cómo intervenir.

Los estudiantes de los tutores con la herramienta dominaron los temas 4 puntos porcentuales más. Y acá viene lo bueno: entre los tutores peor evaluados, la mejora fue de 9 puntos. La herramienta no reemplazó al tutor, lo subió de nivel. Al revisar más de medio millón de mensajes encontraron el mecanismo: los tutores con acceso hacían más preguntas guiadas y regalaban menos la respuesta. Costo, veinte dólares por tutor al año.

Los dos estudios dicen lo mismo desde lados opuestos. La IA apuntada al estudiante, sin diseño, hace daño. La IA apuntada al docente, mejora la enseñanza. Es exactamente el argumento que da Anthropic para justificar por qué su programa apunta a los profesores y no a los alumnos.

Las simulaciones, que es donde ganan las ciencias

Acá quiero detenerme, porque es la parte que más me interesa y la que más se subestima.

En ciencias hay conceptos que simplemente no entran por texto. La geometría tetraédrica del metano no se entiende leyendo “109,5 grados”. Un estudiante puede repetir ese número toda la unidad y seguir dibujando el metano plano, con los cuatro hidrógenos en cruz, porque es lo que vio en el pizarrón. Lo mismo pasa con la tendencia de una serie de datos climáticos, o con lo que realmente ocurre en una reacción balanceada.

La revisión más completa que conozco sobre esto es de Smetana y Bell, publicada en el International Journal of Science Education. Revisaron 61 estudios empíricos y concluyeron que las simulaciones pueden ser tan efectivas como la clase tradicional, y en varios aspectos más efectivas, para tres cosas: contenido, habilidades de proceso y cambio conceptual. Ese último punto es el que me importa, porque el cambio conceptual es justamente lo difícil: desarmar una idea equivocada que el estudiante ya tiene instalada.

Pero pusieron cuatro condiciones, y son las que hacen la diferencia entre que funcione y que sea decoración. Las simulaciones sirven cuando se usan como complemento y no como reemplazo de la clase, cuando vienen con estructuras de apoyo de calidad, cuando obligan al estudiante a reflexionar, y cuando provocan disonancia cognitiva, o sea cuando lo enfrentan a que lo que creía no calza con lo que está viendo.

Traducido a mi sitio, eso significa que la figura nunca va sola.

En las clases de orgánica hay moléculas que se pueden girar en tres dimensiones. El estudiante toma el metano con el dedo, lo rota, y ve que no hay ninguna posición desde la cual los cuatro hidrógenos se vean en cruz. Eso es disonancia cognitiva en estado puro, y no se logra con un dibujo. Hay ecuaciones que se renderizan balanceadas desde su fórmula, con los coeficientes y los estados. Y hay gráficos con datos reales, no inventados: la serie de temperatura global de la NASA, la curva de Keeling del CO₂ de Mauna Loa, y la anomalía por década de la Dirección Meteorológica de Chile.

Ese último ejemplo muestra bien cómo se cumplen las cuatro condiciones a la vez. La serie de temperatura global incluye los años 1998 y 2000 a propósito, porque 1998 fue más caluroso que 2000. Después del gráfico viene una actividad donde un negacionista usa exactamente esos dos años para concluir que el planeta se está enfriando, y el estudiante tiene que responderle. La simulación sola no enseña nada. La simulación más la pregunta que la interroga, sí.

El banco PAES y los diagnósticos alineados

Esta es la parte donde más se nota lo que nos falta y también donde más terreno tengo ganado.

Los ítems oficiales de la PAES son el calibrador. Tengo 334 preguntas de la prueba, organizadas en siete ejes, cada una con su tema y subtema. Son material del DEMRE, con derechos de autor: las tengo para uso personal y netamente pedagógico, no se publican, no se redistribuyen y no se usan para entrenar modelos. No traen la respuesta correcta, y eso está bien, porque no las uso para resolver: las uso para calibrar. Antes de escribir un ítem de electivo, se leen los de ese subtema para que el estilo, el nivel de exigencia y el vocabulario se parezcan a lo que el estudiante va a encontrar en diciembre.

Los ítems propios son los que evalúan. Hoy llevo 260 preguntas escritas, repartidas en 17 bancos que cubren mis ocho cursos. Cada una lleva su habilidad (reconocer, comprender, aplicar, analizar o evaluar), su tema, su dificultad, su puntaje y su retroalimentación.

La tabla de especificaciones es la pieza que ordena todo. Antes de escribir un solo ítem, defino cómo se reparte la prueba por habilidad. En la evaluación de sistema nervioso, por ejemplo, quedaron 8 ítems de reconocer y comprender, 5 de aplicar, 4 de analizar y 3 de evaluar. Esa decisión se toma primero, y después se escriben las preguntas que la llenan. Es la misma planificación invertida del post anterior, aplicada al nivel del ítem. Si uno escribe primero y cuenta después, siempre termina con una prueba llena de preguntas de reconocer, porque son las fáciles de escribir.

Lo mecánico está automatizado. De un banco salen las guías de práctica y la evaluación en dos formas distintas, con los ítems y las alternativas barajados, y la clave recalculada para cada forma. De ahí sale el Word con el membrete del colegio y el PDF descargable.

Y quiero ser claro con dónde está la línea, porque es la lección de los dos estudios de más arriba. La IA propone ítems calibrados y redacta. Los ítems oficiales entran ahí solo como referencia de estilo dentro de la sesión de trabajo, igual que si yo tuviera el cuadernillo abierto al lado: no se entrena ningún modelo con ellos ni se suben como dato a ningún servicio. Los distractores los decido yo, porque cada alternativa incorrecta tiene que ser una concepción errónea que yo vi en mi sala, no una opción de relleno. Y la tabla de especificaciones la decido yo. Esas dos cosas son el diseño pedagógico, y son exactamente lo que en el estudio de Turquía marcó la diferencia entre el grupo que aprendió y el que se apoyó en la muleta.

Lo que todavía no me funciona

Sería fácil terminar acá y que sonara redondo. No lo está.

La trazabilidad al currículum es mi eslabón más débil. El campo donde anoto el objetivo de aprendizaje de cada ítem tiene hoy tres convenciones distintas conviviendo: a veces el código del Mineduc, a veces el curso y la unidad, a veces el eje PAES. Y hay 20 ítems que quedaron sin ese dato. Es desprolijidad mía y hay que normalizarla.

No puedo medir mi cobertura PAES automáticamente. La taxonomía de temas y subtemas de los ítems oficiales y las etiquetas de mis propios bancos están desconectadas. Se corresponden en mi cabeza y por convención de nombres, pero no hay nada que las una de verdad. Hoy no puedo apretar un botón y preguntar qué subtemas de la PAES todavía no he evaluado. Y ese es precisamente el trabajo que allá resuelve el grafo de estándares, y que acá nadie ha construido: no existe un currículum nacional consultable por máquina.

Y los estudios tienen límites que conviene decir. Los dos son de corto plazo. Uno es de matemáticas y el otro de tutoría uno a uno, ninguno de clases de ciencias en un curso de cuarenta. El de Stanford todavía no pasa por revisión de pares. Sirven para orientar decisiones, no para cerrar discusiones.

Si estás partiendo de cero

Tres cosas que haría distinto si volviera a empezar.

Parte por la tabla de especificaciones, no por las preguntas. Es media hora de trabajo aburrido que le cambia el nivel a toda la evaluación.

Ninguna simulación sin una pregunta que la interrogue. Si el estudiante puede mirar la animación bonita y seguir de largo, no aprendió nada. Es la condición que Smetana y Bell repiten en toda la revisión.

No delegues los distractores. Es la parte más lenta y la única insustituible.

Sobre marcos locales, el Mineduc publicó el año pasado una guía llamada PotencIA el aprendizaje, que está bien planteada porque hace preguntas en vez de dar respuestas cerradas. Vale la pena leerla con el equipo pedagógico.

Y una advertencia práctica sobre datos. Allá el programa se apoya en FERPA, que es la ley de privacidad de registros educativos de Estados Unidos. Acá eso no nos cubre. Lo que sí nos va a regir es la Ley 21.719, que entra en vigencia el 1 de diciembre de este año, o sea en poco más de cuatro meses. Mientras tanto, la regla simple es no subir datos identificables de estudiantes a ninguna herramienta. Los nombres no aportan nada al análisis pedagógico.

Y ahora

Me quedo con una idea del anuncio que creo que es la correcta: el efecto de la IA usada por estudiantes es mixto y a veces negativo, pero usada por docentes puede fortalecer la enseñanza. Los dos estudios lo respaldan bien.

Que el programa no llegue a Chile me parece menos grave de lo que sonaba al principio. Las piezas están abiertas y la parte difícil, que es el criterio pedagógico, nunca iba a venir empaquetada de todas formas.

Si alguien está armando algo parecido, o si tienen ideas sobre cómo conectar los ítems al currículum nacional de manera que una máquina lo pueda leer, escríbanme. Ese problema me tiene dando vueltas hace semanas.

Saludos a todos y todas.

referencias

Bibliografía

1. 01Anthropic (2026). Introducing Claude for Teachers. https://www.anthropic.com/news/claude-for-teachers
2. 02Anthropic. k12-teacher-skills, licencia Apache 2.0. https://github.com/anthropics/k12-teacher-skills
3. 03Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. y Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26). https://doi.org/10.1073/pnas.2422633122
4. 04Wang, R. E., Ribeiro, A. T., Robinson, C. D., Loeb, S. y Demszky, D. (2024). Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise. arXiv:2410.03017. https://arxiv.org/abs/2410.03017
5. 05Smetana, L. K. y Bell, R. L. (2012). Computer simulations to support science instruction and learning: A critical review of the literature. International Journal of Science Education, 34(9), 1337-1370.
6. 06Ministerio de Educación de Chile (2025). PotencIA el aprendizaje: IA en educación. https://ciudadaniadigital.mineduc.cl/ia/