Dos personas pueden estudiar el mismo contenido y necesitar ayudas muy diferentes. Una conoce los conceptos, pero le cuesta aplicarlos. Otra entiende el procedimiento cuando ve un ejemplo, aunque olvida los fundamentos. Una tercera tiene dificultades porque falta un conocimiento anterior del que depende todo lo demás. Ofrecerles exactamente la misma actividad quizá sea sencillo de organizar, pero no siempre responderá a sus necesidades.

La palabra personalización promete atender esas diferencias. En educación digital, sin embargo, a veces acaba reducida a cambiar el orden de los vídeos, recomendar otro texto o adaptar el color de una pantalla. Ninguna de esas decisiones es irrelevante por definición; simplemente no asegura que hayamos identificado qué necesita aprender la persona.

Personalizar no es multiplicar variantes

Imaginemos una plataforma que propone cinco caminos distintos después de una prueba inicial. La variedad es visible. Pero para valorar su pertinencia necesitamos conocer qué se ha observado, cómo se ha interpretado y por qué se ha elegido ese recorrido.

¿Una respuesta incorrecta revela una laguna conceptual, una lectura apresurada o un error casual? ¿Una respuesta correcta demuestra comprensión o puede deberse al azar? La respuesta honesta suele ser: depende de lo que sepamos y de cómo se haya diseñado la actividad.

La personalización empieza, por tanto, antes de mostrar el siguiente recurso. Empieza formulando una pregunta más exigente: ¿qué evidencia necesitamos para decidir si este recurso va a ayudar?

La diferencia entre un dato y una necesidad

Una persona tarda seis minutos en responder un ejercicio. Otra tarda dos. Podemos registrar ambos tiempos con facilidad. Lo que no podemos hacer automáticamente es concluir que la primera comprende menos. Quizá ha razonado más, ha leído con detenimiento, ha sufrido una interrupción o utiliza una tecnología de apoyo.

Del mismo modo, acertar cinco preguntas simples no garantiza que alguien esté preparado para resolver un problema complejo. Los datos cobran sentido cuando se relacionan con el conocimiento que queremos desarrollar y con una explicación plausible de lo que observamos.

Esa interpretación debe ser revisable. Si nuevas respuestas contradicen la hipótesis inicial, conviene cambiarla. La personalización no debería encerrar a una persona en una etiqueta permanente basada en unos pocos clics.

Qué, dónde, cómo y cuándo

Podemos pensar la adaptación como cuatro decisiones distintas. Qué necesidad parece relevante; dónde conviene concentrar el esfuerzo; cómo acompañar la práctica o explicación; y cuándo volver a intervenir o comprobar la evolución.

Veámoslo con un ejemplo: alguien domina una regla básica, pero falla al decidir cuándo aplicarla. No parece útil obligarle a repetir indefinidamente definiciones. Puede necesitar comparar casos, justificar por qué una regla es pertinente o enfrentarse a ejemplos que se parecen, pero requieren soluciones distintas.

Otro estudiante quizá no necesite esa aplicación todavía porque le falta un prerrequisito. La misma actividad avanzada podría añadir confusión. En ambos casos la adaptación útil consiste en seleccionar un siguiente paso coherente con la evidencia, no en ofrecer simplemente contenidos diferentes.

La misma lógica sirve para el momento de intervención. A veces conviene trabajar un error inmediatamente; otras, recuperar un conocimiento después de un intervalo; otras, esperar a disponer de información suficiente. No existe una fórmula única que funcione de manera infalible.

Una recomendación necesita explicarse

La personalización puede resultar desconcertante si el sistema cambia el itinerario sin mostrar ninguna razón. Desde la perspectiva de quien aprende, el recorrido parece arbitrario: «¿Por qué vuelvo a este concepto si ya lo estudié?» o «¿Por qué me envían a una actividad más difícil?».

Una explicación útil podría ser: «Has recordado los conceptos principales, pero todavía aparecen dificultades cuando debes aplicarlos a un caso nuevo. Vamos a practicar esa transición». La frase no requiere exhibir un modelo matemático complejo, pero sí debería corresponder a evidencias reales.

Cuando la información es insuficiente, la comunicación también importa: «Todavía no sabemos qué parte te está dificultando el avance. Comprobémoslo con un ejemplo breve». Reconocer incertidumbre no debilita necesariamente la experiencia. Puede hacerla más comprensible y respetuosa.

Más allá de la tecnología

Conviene recordar que la adaptación no nació con la IA. Una persona que enseña observa, interpreta, propone apoyos y cambia de estrategia continuamente. La tecnología puede facilitar ciertas tareas, aumentar la variedad de recursos y mantener un registro de progresos, pero también puede introducir inferencias equivocadas o sesgos.

La guía de UNESCO sobre IA generativa insiste en el diseño pedagógico y en proteger la agencia de las personas. El desafío no es hacer que un algoritmo decida más cosas, sino determinar qué decisiones tienen sentido automatizar, cuáles requieren supervisión y cómo pueden cuestionarse.

Una personalización relevante debe contemplar también accesibilidad, privacidad y autonomía. Un recorrido «óptimo» que el estudiante no entiende, que no puede ajustar o que se basa en datos poco fiables tiene problemas aunque su interfaz resulte atractiva.

La pregunta que debería preceder a cualquier recomendación

En lugar de comenzar con «¿qué contenido distinto podemos mostrar?», empezaría con «¿qué necesita atención y cómo lo sabemos?». Después vienen la selección de recursos, las actividades y las comprobaciones posteriores.

No es una receta para automatizar el aprendizaje. Es un criterio para examinar si la palabra personalización está describiendo una experiencia con fundamento o simplemente una colección de opciones.

Adaptar no es cambiar algo porque podemos hacerlo. Es cambiar lo que tiene sentido cambiar, por una razón que podamos explicar.

Fuentes para profundizar

En Cuaderno vivo: Qué nos dicen las evidencias del aprendizaje y diseñar experiencias de aprendizaje.