PISA 2025 España: IA y distraición dixital, con datos

PISA ye una evaluación internacional de la OCDE qu’estudia hasta qué puntu l’alumnáu de 15 años pue aplicar conocimientos y competencies en Llectura, Matemátiques y Ciencies: cada tres años, la OCDE evalúa a estudiantes de 15 años de decenes de países, y xunto al exame pasa-yos un cuestionariu sobre’l clima de la so clas y los sos hábitos —ente ellos, cuánta distraición por recursos dixitales perciben na so clas de Ciencies y cuánto usen chatbots d’IA tipu ChatGPT pa xeres escolares—. La edición 2025, con resultaos publicaos en setiembre de 2026, ye la primera que pregunta pol usu d’esos chatbots.

Cada pocos meses circula una cifra que promete zarrar el debate sobre la IA nes aules: qu’usala “bien” equival a ganar un añu escolar enteru. Vila citada ensin la fonte esauta más veces de les que puedo contar. Enantes de repitila, quixi comprobar qué diz el microdatu, non el titular. Asina que descarguéi les respuestes individuales y anónimes de los 29.966 rexistros españoles del PUF qu’analicé. Tol procesu ye repetible por cualisquiera col datu orixinal y el cuadernu qu’enllazo al final del artículu.

Esto nun ye una pieza sobre una ferramienta de terceros, como les auditoríes téuniques que yá fixi nesti cuadernu con openDAW o RACK-02. Ye la mesma actitú —abrir la caxa, verificar coles mios propies manes en vez de fiame del resume d’otru— aplicada a un dataset científicu públicu en vez d’a un productu de software.

Por qué analizar los microdatos, non namás l’informe

La OCDE publica los sos propios informes de PISA, con gráficos y conclusiones yá ellaboraes. Los informes oficiales responden entrugues concretes por mediu de decisiones analítiques yá definíes; trabayar amás colos microdatos permite formular otres entrugues y reproducir l’análisis. PISA tamién publica esos microdatos: la respuesta de cada estudiante, ensin identificar a naide, yá preparada, codificada y documentada pola propia OCDE —non un volcáu ensin procesar— nun ficheru nomáu Public Use File (PUF) que cualisquiera pue descargar y analizar pela so cuenta. Eso fixi, col ficheru d’estudiantes que la propia OCDE aloxa na so base de datos de PISA (descarga direuta del ficheru esautu qu’usé, formatu SPSS, ~1 GB). PISA tien ficha propia nesti cuadernu, en /concepto/pisa.

Trabayar col datu orixinal permite dos coses que un informe yá fechu nun da: escoyer esautamente qué comparar (nesti casu, usu de chatbots d’IA en xeres escolares y distraición percibida por recursos dixitales en clas, frente a la nota en Ciencies) y comprobar pela mio cuenta afirmaciones que circulen sobre PISA enantes de repitiles ensin más.

Una curiosidá del propiu procesu de descarga, por honestidá col datu: la URL contién /pisa2022/, magar el ficheru correspuende al ciclu 2025. Confirmé que’l conteníu ye realmente de la edición 2025 mirando dientro del propiu ficheru: trai una marca interna que diz “2025”, inclúi entrugues sobre ChatGPT que nun esistíen en 2022, y vien con un bloque de datos esclusivu d’esta edición que nun esiste nes anteriores.

Qué comparé y cómo

La entruga de partida ye cenciella: ente l’alumnáu español, ¿saquen peor nota en Ciencies quien perciben más distraición por recursos dixitales na so clas? ¿Y quien más usen chatbots d’IA pa xeres escolares? Y si la respuesta ye sí en dalgún casu, ¿caltiénse si tengo en cuenta que’l nivel económicu y cultural de la familia yá ta fuertemente asociáu col rindimientu, pa nun confundir una cosa cola otra?

Lo qu’usé del cuestionariu, coles sos 29.966 respuestes d’España:

• Cuánta distraición por recursos dixitales perciben na so clas de Ciencies. L’elementu esautu pregunta con qué frecuencia “l’alumnáu se distrái usando recursos dixitales (por exemplu, móviles, páxines web, apps)” nesa clas — ye una entruga sobre’l clima xeneral del aula, non un autoinforme de “yo distráigome”, y nun ta llimitada al móvil: el móvil ye namás ún de los exemplos que da la entruga ente paréntesis. Cuatro respuestes posibles, de “en cada clas” a “enxamás o cuasi enxamás”.
• Cuánto usen chatbots d’IA tipu ChatGPT, pa cuatro xeres escolares distintes: resumir un testu, guetar información sobre un tema, redautar un trabayu, o “ayudame a deprender” en xeneral — cada una cola so propia frecuencia, de “enxamás” a “diariamente”. La entruga ye específica de chatbots conversacionales pa trabayu escolar (nun cubre otru tipu d’IA xenerativa, como xeneradores d’imaxe) y nun ta llimitada al aula: pue ser un usu en casa, faciendo deberes. Analizo les finalidaes per separao porque representen usos distintos y nun hai razón p’asumir que caltengan la mesma rellación col rindimientu.
• La nota en Ciencies. Equí un matiz técnicu que prefiero cuntar en vez d’escondelu: PISA nun pretende estimar una nota precisa pa cada estudiante. Pa les inferencies sobre la población apurre diez valores plausibles del rindimientu; l’análisis tien que repitise colos diez y combinar dempués los resultaos.
• El nivel económicu y cultural de la familia (ESCS), pa poder axustar por él y nun confundir “usa muncho’l chatbot” con “vien d’una familia con más recursos”, que yá de por sí s’asocia con meyor nota. Esti índiz combina tres coses: el nivel educativu de los progenitores, el so estatus ocupacional y les posesiones/recursos del fogar.
• El pesu de cada respuesta. Non tolos estudiantes cuenten igual nel cálculu: cada ún lleva un factor de correición pa estimar resultaos de la población oxetivu d’acordies col diseñu muestral de PISA, non namás a quien contestó la encuesta.

Con esos datos calculé la nota media en Ciencies de cada grupu (por exemplu, “quien usen el chatbot diariamente pa resumir testos”): calculé les medies ponderaes y los sos intervalos de confianza al 95%, combinando los diez valores plausibles y les 80 réplices BRR-Fay, primero ensin tocar nada más y dempués axustando pol nivel económicu-cultural de la familia. El script que fixi pa descargar y analizar el ficheru ye públicu y cualisquiera pue repitir el cálculu esautu sobre’l ficheru oficial de la OCDE.

Una salvedá sobre la muestra española, que convién tener presente al lleer tolo que sigue: la tasa d’esclusión d’estudiantes n’España nesta edición foi del 7,9%, per enriba del estándar técnicu del 5% establecíu por PISA, con aumentos especialmente marcaos en Cataluña (del 5,6% al 23,2%) y Murcia (del 4,1% al 12,7%). La propia ficha oficial de país de la OCDE (ver bibliografía) avísalo ensin rodeos: “Ye mui probable que los altos niveles d’esclusiones d’estudiantes dean llugar a un sesgu al alza.” Los datos sigen considerándose comparables, pero paga la pena lleer les cifres que siguen con esi matiz en mente.

El resultáu: dos patrones mui distintos

La distraición sí ye un patrón claru: a más distraición percibida, peor nota

La puntuación media estimada en Ciencies amenorga de forma monotónica conforme aumenta la frecuencia de distraición por recursos dixitales que l’alumnáu declara observar na so clas, ensin nenguna esceición ente los cuatro grupos. Dicho de forma más direuta: cuanta más distraición perciben, peor nota saquen de media.

• Perciben distraición en cada clas — puntuación media: 457.3 (461.5 axustada por ESCS)
• Enxamás o cuasi enxamás la perciben — puntuación media: 489.5 (491.0 axustada por ESCS)

Cuasi 32 puntos de diferencia ente’l grupu que más distraición percibe y el que menos, na estimación en crudu. Axustar pol nivel económicu-cultural de la familia amenorga un pocoñín la diferencia, pero nun la fai desapaecer: el patrón caltiénse igual de claru con y ensin esi axuste. Un matiz honestu sobre esi axuste: la muestra axustada esclúi alredor del 1,4% d’estudiantes ensin datu d’ESCS, asina que la diferencia ente les curves en crudu y axustada combina l’axuste estadísticu real con esi cambiu de muestra. Pa la distraición, de fechu, la mayor parte d’esi desplazamientu vien d’esclúir esos casos, non del axuste en sí — col matiz amás de que lo que mide esta entruga ye la perceición de l’alumnáu sobre’l clima de la so clas, non cuánto se distrái cada estudiante en particular.

Colos chatbots d’IA nun asocede lo mesmo

Equí ye ú’l resultáu se despega de lo qu’esperaba yo mesmu al entamar. Pa les cuatro xeres que pregunté —resumir un testu, guetar información, redautar un trabayu, “ayudame a deprender”— la puntuación media nun camuda de forma monotónica conforme aumenta la frecuencia d’usu del chatbot. La rellación nun ye monótona en nenguna de les cuatro, pero tampoco hai una única forma qu’unifique toes: cada xera dibuxa la so propia curva, asina que paga la pena velles una a una. (Los intervalos de confianza solapaos ente grupos nun equivalen a un contraste de significación, y tolo que sigue ye descriptivo, non causal — desendolco entrambos matices nel bloque de llimitaciones más abaxo.)

Resumir un testu. Quien enxamás o cuasi enxamás usa’l chatbot pa esto presenta, de los cinco grupos, la media estimada más alta (497,3 puntos en crudu, 501,2 axustada). Dende ehí, la nota baxa col usu ocasional (“1-2 veces al añu”, 476,5), repunta con un usu más habitual (mensual, 488,1, y selmanal, 481,6) ensin llegar al nivel de “enxamás”, y cai al so puntu más baxu col usu diariu (470,5). Nun ye una caída simple según s’usa más el chatbot: ye “enxamás” arriba de too, un furacu nel usu ocasional, un repunte parcial nel usu mensual/selmanal, y el mínimu nel usu diariu.

Guetar información sobre un tema. Equí la media estimada más alta nun la tien quien enxamás usa’l chatbot, sinón quien lu usa una o dos veces pela selmana — esi grupu presenta, de media, una puntuación superior a la de quien nun lu usa enxamás. La media estimada más baxa, en cambiu, ta nel usu ocasional (“1-2 veces al añu”); col usu diariu la nota baxa respeuto al picu selmanal, magar ensin llegar a ser tan baxa como la del usu ocasional.

Redautar un trabayu. De les cuatro, esta ye la xera cola curva más simple: la nota baxa yá dende “enxamás” y caltiénse relativamente estable, con pequeñes oscilaciones, ente’l usu ocasional y el selmanal, ensin un picu claru per enriba d‘“enxamás”. El usu diariu tien la nota media más baxa de los cinco grupos, magar los sos intervalos de confianza se solapen visualmente colos de “1-2 veces/selmana” y “1-2 veces/mes” (ver llimitaciones sobre qué implica esi solapamientu).

Usu del chatbot pa “ayudame a deprender”. Esti elementu namás pregunta con qué frecuencia s’usa’l chatbot con esi propósitu declaráu — nun pregunta pola guía del profesoráu nin por nengún tipu de reflexón, asina que lu trato como lo que ye: una frecuencia d’usu más, non una midida d’usu “guiáu” o “reflexivu”. Tampoco sigue una llinia clara: la nota más baxa ta nel usu mui ocasional y la más alta nel usu selmanal, y el usu diariu baxa un pocoñín respeuto al selmanal. La diferencia ente “enxamás” y el usu ocasional, esto sí, tien intervalos de confianza que se solapen visualmente (ver llimitaciones).

L’axuste por ESCS modifica les estimaciones, pero nun elimina’l carácter non monotónicu de los patrones en nenguna de les cuatro xeres; por tanto, eses diferencies nun s’espliquen namás pola variación socioeconómica recoyida por esi índiz. Equí tamién aplica’l mesmu matiz sobre la muestra axustada: pal usu d’IA, l’efeutu d’esclúir esi ~1,4% ensin datu d’ESCS y l’efeutu del axuste real son, en xeneral, de magnitú asemeyada — sacante en dos categoríes d’usu mui pocu frecuente (en “guetar información” y en “ayudame a deprender”), ú l’axuste por ESCS domina con claridá sobre l’efeutu de la esclusión muestral.

La idea cola que entamé, y que’l datu nun confirma

Entamé esti análisis esperando que l’usu del chatbot amosare una rellación tan clara como la de la distraición: qu’usalu pa que la máquina faiga’l trabayu por ti perxudicare la nota, y qu’usalu con más criteriu la protexere, nuna rellación fácil de dibuxar como una llinia. Nun ye lo qu’atopo. Y hai daqué igual d’importante que tengo que dicir cola mesma claridá: con esti tipu de datu, tomáu nun únicu momentu, nun puedo saber qué ye la causa y qué ye la consecuencia.

Hai delles esplicaciones compatibles con estos resultaos, y esti diseñu nun permite estremales. Por exemplu:

• Puede que usar muncho’l chatbot seya una consecuencia d’ir yá mal en clas (l’estudiante que tien más dificultaes recurre más a la ferramienta), y non la causa de sacar peor nota.
• Determinaos patrones d’usu podríen ser un marcador d’hábitos d’estudiu, competencia dixital o rindimientu previu, y non la so causa: quien yá sabe estudiar bien podría usar el chatbot de forma distinta a quien non, ensin qu’eso implique qu’esi patrón d’usu seya la causa de la nota.

Con una sola foto fixa —ensin siguir a los mesmos estudiantes a lo llargo del tiempu— nun puedo descartar denguna d’elles. Lo qu’amuesen les medies estimaes ye un perfil non monotónicu cuya forma depende de la xera; esti diseñu nun permite esplicar por qué.

Sobre la cifra del “añu escolar completu”

La cifra qu’abría esti artículu —qu’usar el chatbot “bien” equival a ganar un añu escolar enteru frente a usalu “mal”— circula atribuyida a la OCDE, pero cuasi siempre ensin dicir de ónde sal esautamente. Esta vez sí llocalicé la fonte concreta: l’informe oficial PISA 2025 Results, Volume I, publicáu pola OCDE’l 8 de setiembre de 2026, documenta esi benchmark d’aproximao 20 puntos ≈ 1 añu d’aprendizaxe nun encuadre identificáu como “Box I.2.2”.

Con una precisión importante que convién nun pasar per altu: esi Box I.2.2 ye un benchmark xeneral pa interpretar cambeos de puntuación al traviés del tiempu, ente ciclos de PISA — non daqué que’l capítulu del informe dedicáu específicamente a la IA aplique al fallazgu sobre frecuencia d’usu de chatbots. La combinación concreta que circula (“usar la IA bien o mal equival a un añu escolar”) ye una conversión fecha por cobertura secundaria de terceros, que xunta dos partes distintes de l’informe —el benchmark xeneral d’un llau, el fallazgu sobre IA d’otru—, non daqué que la OCDE afirme lliteralmente nesos términos nel so capítulu d’IA.

Intenté recalcular esa conversión yo mesmu col ficheru públicu (Public Use File) y nun pudi: el benchmark de los 20 puntos nun ye una variable que falte nel PUF 2025, ye una estimación independiente que la OCDE construye con una metodoloxía propia sobre otros datos y ciclos, asina que nun hai forma de reproducila a partir d’esti ficheru aislláu. La cifra tien agora una fonte concreta y llocalizable, pero sigue siendo daqué que nun verifiqué de forma independiente coles mios propies manes —na bibliografía dexo la referencia esauta, con esa salvedá.

Llimitaciones d’esti análisis

Enantes de les conclusiones, convién axuntar equí les llimitaciones del diseñu completes, en vez de la nota curtia qu’yá acompaña a cada gráficu. Ye un análisis tresversal: una sola semeya nel tiempu que nun permite establecer causalidá. Entrambes variables proceden de respuestes declaraes pol alumnáu nel cuestionariu, non de rexistros oxetivos: l’usu de chatbots ye autoinformáu, mientres que la distraición recueye la perceición de l’alumnáu sobre’l clima de la so clas, non un autoinforme de la so propia distraición individual. L’axuste por ESCS amenorga, pero nun elimina, la posible confusión con otres variables non midíes equí. Delles de les comparances ente categoríes d’usu (por exemplu, cuándo los intervalos de confianza se solapen) son descriptives, ensin un contraste estadísticu direutu ente grupos. Y los resultaos refiérense específicamente a l’alumnáu de 15 años n’España y al so rindimientu en Ciencies — non son xeneralizables ensin más a otres edaes, países o materies.

Qué me lleva d’esti análisis

Dos conclusiones, denguna cómoda como titular fácil:

1. La distraición por recursos dixitales percibida en clas de Ciencies asóciase con peor nota de forma clara y constante, con y ensin axustar pol nivel económicu-cultural de la familia. Esto nun sorprende, pero agora dígolo habiendo comprobáu el datu yo mesmu, non repitiendo lo que diz otru.
2. L’usu de chatbots d’IA nes xeres escolares nun sigue nengún patrón simple — nin “cuanto más los uses, peor” nin “úsalos con criteriu y sacarás meyor nota” sostiénense como regles cenciellles. Les medies estimaes amuesen un perfil non monotónicu, cuya forma camuda según la xera. Un diseñu llonxitudinal permitiría estudiar meyor la secuencia temporal; pa estimar efeutos causales con más solidez faríen falta diseños esperimentales o cuasiesperimentales.

Sigo trabayando con datos abiertos porque prefiero equivocame con tresparencia —enseñando esautamente qué comparé y cómo— a repitir una cifra d’otru que nun pudi comprobar.

Repite l’análisis tu mesmu

Los cálculos empíricos d’esti análisis —les medies, los intervalos de confianza, los gráficos— puen reproducise de forma independiente col datu y el cuadernu d’abaxo, ensin tener que fiate de la mio palabra. Dos coses queden a la to disposición:

El datu orixinal. El ficheru qu’analicé ye’l Student Questionnaire Data File de PISA 2025, publicáu pola propia OCDE:

• Páxina oficial de la base de datos de PISA na OCDE (la OCDE sigue aloxando ehí el ciclu 2025, cola curiosidá de la URL que cunto más arriba).
• Descarga direuta del ficheru esautu qu’usé (formatu SPSS, ~1 GB, respuestes anónimes de más de 755.000 estudiantes de 91 países, incluyíos los 29.966 rexistros españoles qu’uso equí).

El cuadernu con tol procesu. Publiqué un cuadernu Jupyter descargable col análisis completu, de principiu a fin: cómo estrayer el subconxuntu d’España del ficheru de la OCDE, cómo comprobé que’l datu yera realmente del ciclu 2025 y non d’una edición anterior, la combinación de los diez valores plausibles de rindimientu col pesu muestral y les réplices de remuestréu (BRR-Fay), l’axuste por nivel socioeconómicu-cultural —incluyida la comparanza de tres pasos (en crudu con tolos casos, en crudu restrinxida a quien tien datu d’ESCS, y axustada) cola que separo l’efeutu d’esclúir el ~1,4% ensin ESCS del efeutu real del axuste—, y el códigu que xenera los cinco gráficos d’esti artículu. Ta pensáu pa que cualisquiera —con conocimientos básicos de Python— pueda executalu sobre’l mesmu ficheru y comprobar que llega esautamente a les mesmes cifres, o p’adaptalu y comprobar otres entrugues sobre’l mesmu dataset.

Dos análisis hermanos en xiringase.com

Esti análisis ye parte d’una conversación más ampla sobre PISA 2025 y teunoloxía que sigo en xiringase.com, la marca hermana d’esti ecosistema. Dos pieces complementaries traten el mesmu dataset dende otros ángulos: PISA 2025 y la teunoloxía nel aula, sobre dispositivos y distraición dixital en xeneral, y PISA 2025 y la IA: por qué la entruga correuta nun ye qué chatbot uses, sinón cómo lu uses, que retoma direutamente’l fallazgu d’esti análisis —l’ausencia d’un patrón simple por tipu de xera— pa entrugase qué significa eso pal criteriu col que s’usa la IA nel aula.

Bibliografía

• OCDE. PISA 2025 Database. Organización pa la Cooperación y el Desendolcu Económicos.
• OCDE. PISA — Programme for International Student Assessment. Páxina oficial del programa.
• OCDE. PISA 2025 Results (Volume I). Publicáu’l 8 de setiembre de 2026. Fonte del benchmark d’aproximao 20 puntos ≈ 1 añu d’aprendizaxe mentáu nesti artículu, documentáu nel encuadre “Box I.2.2”; non recalculáu col PUF 2025 porque’l benchmark procede d’una estimación independiente basada n’información de dellos ciclos, non d’una variable conteníu nesti ficheru. Consultar el catálogu de publicaciones de PISA 2025 en oecd.org pa la edición esauta.
• OCDE. PISA 2025 Results (Volume I) — Country Notes: Spain. Fonte de la tasa d’esclusión muestral d’España (7,9%), del desglose por comunidá autónoma (Cataluña, Murcia) y de l’avisu esplícitu de la propia OCDE sobre’l posible sesgu al alza qu’introduz esa esclusión.
• OCDE. PISA 2025 Database — Student Questionnaire y Codebook & Compendia. Fonte de la formulación y codificación esauta de los elementos ST097Q06DA (distraición por recursos dixitales) y ST438Q01DA–ST438Q04DA (usu de chatbots d’IA) descritos nesti artículu.