As the labor market evolves and as generative AI impacts industries, students and employers believe microcredentials play an important role in career success, according to a new report from Coursera.

Nearly 9 in 10 students view microcredentials as key to job success, and 96 percent of students favor the inclusion of GenAI credentials in degree programs, according to Microcredentials Impact Report 2025: Insights from Students and Employers.

AI also brings its share of challenges, particularly when it comes to assessing student performance. One of the most common questions educators ask me is, “How can we stop students from using AI to cheat?” I have to admit that it’s fascinating to me that we are suddenly so interested in addressing cheating. Research from Stanford University School of Education shows that the prevalence of cheating among U.S. high school and college students is nothing new. The study found that nearly 70 percent of U.S. high school and college students regularly engaged in cheating long before the emergence of generative AI. Other studies have shown similar results. 

This manifesto critically examines the unfolding integration of Generative AI (GenAI), chatbots, and algorithms into higher education, using a collective and thoughtful approach to navigate the future of teaching and learning. GenAI, while celebrated for its potential to personalize learning, enhance efficiency, and expand educational accessibility, is far from a neutral tool. Algorithms now shape human interaction, communication, and content creation, raising profound questions about human agency and biases and values embedded in their designs. As GenAI continues to evolve, we face critical challenges in maintaining human oversight, safeguarding equity, and facilitating meaningful, authentic learning experiences. This manifesto emphasizes that GenAI is not ideologically and culturally neutral. Instead, it reflects worldviews that can reinforce existing biases and marginalize diverse voices. Furthermore, as the use of GenAI reshapes education, it risks eroding essential human elements—creativity, critical thinking, and empathy—and could displace meaningful human interactions with algorithmic solutions. This manifesto calls for robust, evidence-based research and conscious decision-making to ensure that GenAI enhances, rather than diminishes, human agency and ethical responsibility in education.

The new publication includes guidance for students using AI in their college studies and offers practical advice about preparing for careers that require AI knowledge and skills. The content was developed with input from consulting scholars and students in 14 countries.

Students, faculty and staff at 1,900 colleges and universities around the world accessed the first Student Guide to AI when it was released in August 2024. Since then, the guide’s website has provided information to more than 36,000 users in 139 countries. The second publication supplements the first, and both are useful resources for students, faculty and staff who want to learn about AI.

“By providing a free resource written in a way all students can access, we hope to increase AI literacy and support students as they adapt to these rapidly changing technologies,” says Elon University President Connie Book. “From the outset, we knew that a second publication would be necessary, with rapid advances in AI changing the learning landscape. This current version will be especially useful as colleges and universities prepare for the upcoming academic year.”

As a new type of artificial intelligence, ChatGPT is becoming widely used in learning. However, academic consensus regarding its efficacy remains elusive. This study aimed to assess the effectiveness of ChatGPT in improving students’ learning performance, learning perception, and higher-order thinking through a meta-analysis of 51 research studies published between November 2022 and February 2025.

The results indicate that ChatGPT has a large positive impact on improving learning performance (g = 0.867) and a moderately positive impact on enhancing learning perception (g = 0.456) and fostering higher-order thinking (g = 0.457). The impact of ChatGPT on learning performance was moderated by type of course (QB = 64.249, P < 0.001), learning model (QB = 76.220, P < 0.001), and duration (QB = 55.998, P < 0.001); its effect on learning perception was moderated by duration (QB = 19.839, P < 0.001); and its influence on the development of higher-order thinking was moderated by type of course (QB = 7.811, P < 0.05) and the role played by ChatGPT (QB = 4.872, P < 0.05).

This study suggests that:

1. Appropriate learning scaffolds or educational frameworks (Bloom’s Taxonomy) should be provided when using ChatGPT to develop students’ higher-order thinking.
2. The broad use of ChatGPT at various grade levels and in different types of courses should be encouraged to support diverse learning needs.
3. ChatGPT should be actively integrated into different learning modes to enhance student learning, especially in problem-based learning.
4. Continuous use of ChatGPT should be ensured to support student learning, with a recommended duration of 4–8 weeks for more stable effects.
5. ChatGPT should be flexibly integrated into teaching as an intelligent tutor, learning partner, and educational tool.

Finally, due to the limited sample size for learning perception and higher-order thinking, and the moderately positive effect, future studies with expanded scope should further explore how to use ChatGPT more effectively to cultivate students’ learning perception and higher-order thinking.

La irrupción de la Inteligencia Artificial Generativa (GenAI) en el ámbito de la escritura, ya sea académica, literaria o profesional, y en particular la capacidad de sistemas como ChatGPT o Gemini para generar texto y asistir en diversas tareas de redacción ha puesto sobre la mesa una pregunta esencial:

¿Qué significa ser autor en la era de la máquina que "escribe"?

AI systems are no longer just specialized research tools: they’re everyday academic companions. As AIs integrate more deeply into educational environments, we need to consider important questions about learning, assessment, and skill development. Until now, most discussions have relied on surveys and controlled experiments rather than direct evidence of how students naturally integrate AI into their academic work in real settings.

To address this gap, we’ve conducted one of the first large-scale studies of real-world AI usage patterns in higher education, analyzing one million anonymized student conversations on Claude.ai.

La reciente euforia en torno a la IA ha llevado a algunos a presentarla como una panacea para los desafíos educativos, una herramienta capaz de resolver problemas ancestrales y, en algunos discursos, incluso de optimizar o sustituir la labor del docente. Sin embargo, esta perspectiva corre el riesgo de obviar la naturaleza intrínsecamente humana del proceso educativo. Reducir la enseñanza y el aprendizaje a meros algoritmos y datos pasa por alto las dimensiones más profundas y esenciales que nutren el desarrollo integral de los estudiantes.

La educación, en su esencia, trasciende la simple transmisión de información. Se fundamenta en la creación de vínculos significativos entre educadores y alumnos, en el cultivo del pensamiento crítico y la creatividad, en el fomento de la empatía, la ética y los valores que guían la convivencia social. Estos pilares del desarrollo humano florecen en un entorno de interacción genuina, donde la comunicación va más allá de la instrucción programada y se nutre de la comprensión mutua, la observación atenta y la respuesta sensible a las necesidades individuales dentro de un contexto social.

In recent years we have witnessed numerous crises affecting learning and teaching in higher education institutions to varying degrees. Various indexes on future skills, jobs and risks indicate that these crises will not disappear any time soon.

Universities worldwide are grappling with different types of crises stemming from financial constraints and budget cuts, wars and armed conflicts, natural calamities, political pressures, legal impediments, unequal access to technological abilities, cybersecurity risks, unsafe campus environments, refugees and displaced populations, climate change and interconnected multiple crises or ‘polycrises’.

En la mayoría de los entornos educativos actuales, el uso de la inteligencia artificial se limita a “googlear con IA”: buscar respuestas rápidas, copiar y pegar y obtener ideas superficiales. Esta práctica, aunque útil en ciertos contextos, desaprovecha el potencial formativo de estas herramientas.

Recientemente con estudiantes de la asignatura “Tecnología e innovación educativa” de Ciencias de la Educación, propuse que dejemos de googlear con la IA. El tema de la clase fue la creación de una infografía, desde su fundamento pedagógico y sus posibilidades didácticas hasta el diseño y el programa para su creación.

Key Findings:

• 61% of college students surveyed reported heavy reading to be a top factor in academic burnout. The average full-time college student surveyed spends 28 hours a month reading and comprehending course materials to complete assignments.
• 9/10 college students surveyed are using Generative AI for their classwork, with over half (54%) using it at least once a week, according to our survey.
• 80% of students reported being worried that the generative AI tools they use for their courses provide inaccurate or misleading information.
• 77% of college students surveyed say that colleges should be offering AI skills classes to better prepare them for careers.
• 79% of four-year universities whose policies we analyzed allow the use of AI for study preparation (i.e. notecard creation, study guide outlines).

Se estima que entre el 20 y 40 por ciento de las horas docentes actuales se dedican a actividades que podrían automatizarse utilizando la tecnología existente. En el ámbito educativo, la tecnología se vuelve una herramienta clave para ayudar a los educadores acelerar tareas repetitivas y centrarse en las tareas de enseñanza que más agregan valor a los estudiantes.

La evaluación del conocimiento es un aspecto fundamental en el marco educativo, ya que permite medir el progreso y el aprendizaje de los estudiantes. La construcción y aplicación de sistemas de evaluación proporciona información sobre las fortalezas y debilidades en el aprendizaje, lo que permite a los educadores adaptar su enseñanza para mejorar los resultados. Sin embargo, la construcción de estos artefactos de evaluación tienen una procedimiento definido que debe seguirse para garantizar la calidad de las evaluaciones. Por esta razón, la Taxonomía de Bloom es una herramienta útil para guiar la evaluación del conocimiento en el aula. Al utilizar la taxonomía de Bloom, los educadores pueden diseñar evaluaciones que midan diferentes niveles de comprensión y habilidades de pensamiento crítico.

The push for A.I. in K-12 schools is now coming from the president, who issued an executive order on April 23 calling for the use of the technology in all grades. The secretary of education, Linda McMahon, previously said her goal is getting the federal government out of education, sending control back to the states and empowering parents, but apparently there’s a carve-out for nudging Big Tech’s continued incursion into the classroom.

The executive order claims that “A.I. education in kindergarten through 12th grade (K-12) is critical” because the United States needs “to develop an A.I.-ready work force and the next generation of American A.I. innovators.” The executive order commands the secretary of education to also “prioritize the use of A.I. in discretionary grant programs for teacher training” so that educators might “integrate the fundamentals of A.I. into all subject areas.

There was a time when educators feared that the use of handheld calculators would encourage students to cheat on math homework and ruin their mathematical reasoning skills because students would lose the ability to do mental math. Similarly dire predictions were made about the spell-check functions on word processors and, later, by programs that corrected grammar and usage errors in student essays. The latest concern over how technology might impair student learning is generative artificial intelligence (AI), including Chat GPT, HayoAI, Tailor, and many others. Teachers have legitimate concerns about the impact of AI on learning, with AI programs writing student essays, lab reports, and responding to test questions in a broad array of subjects. In a recent survey, 56 percent of students admit to using AI to craft answers on assignments despite the growing efforts of schools to curtail student’s use of it. 

El informe ofrece un análisis detallado sobre cómo los estudiantes universitarios en Estados Unidos están adoptando herramientas de inteligencia artificial, especialmente ChatGPT, y cómo esta tendencia influye en la preparación de la futura fuerza laboral.

Según el informe, más de un tercio de los jóvenes de 18 a 24 años en EE. UU. utilizan ChatGPT, y aproximadamente una cuarta parte de sus interacciones con la herramienta están relacionadas con el aprendizaje, la tutoría y el trabajo académico. Los estudiantes emplean ChatGPT para iniciar trabajos y proyectos, resumir textos extensos, explorar temas, revisar escritos y obtener ayuda en programación.

While Artificial Intelligence has already introduced significant disruption to educational systems, quantum computing stands to exponentially amplify these shifts. Quantum-AI Systems, which leverage probabilistic computing to process high-dimensional data and explore vast solution spaces in parallel, may redefine how learning environments adapt, how decisions are optimized, and how institutional systems are structured. This convergence of quantum computing and AI introduces fundamentally new computational logics that challenge conventional models of curriculum design, assessment, and pedagogical agency.

La IA Generativa tendrá un impacto notorio en los empleos de oficina dentro de los sectores de servicios altamente calificados, que por lo general ocupan personas con educación universitaria. A diferencia de las oleadas anteriores de las tecnologías digitales, que principalmente permitían acelerar tareas rutinarias o hacer predicciones mediante el reconocimiento de patrones de datos, la capacidad de la IA generativa para sintetizar y generar ideas y contenidos se cruza con una parte significativa de las tareas que requieren las ocupaciones de oficina.

According to Inside Higher Ed and Generation Lab's 2024 Student Voice survey, 31% of undergraduates don't know when or how to use Generative AI tools like ChatGPT in their coursework. Meanwhile, EDUCAUSE's 2025 AI Landscape Study shows that although 57% of colleges now consider AI a strategic priority, fewer than 40% have formal use policies—and most of those focus only on plagiarism rather than broader curricular or community implications.

These gaps come at a time when student adoption of AI is near-universal. The Higher Education Policy Institute’s 2025 Student Generative AI Survey , a UK-based survey, found that 92% of students now use AI in some form, up from 66% in 2024, with 88% reporting they’ve used Generative AI for assessments. Another survey by the Digital Education Council found 86% of students already using AI in their studies. Yet the same surveys reveal that only 36% of students have received support from their institution to develop AI skills, despite overwhelming student belief that these skills are essential.

En el contexto de la educación superior, la implementación de tecnologías avanzadas como las redes de sensores, sistemas multi-robot y algoritmos de aprendizaje de refuerzo distribuido promete transformar radicalmente la experiencia educativa. Este trabajo explora cómo la coordinación descentralizada y autónoma de estos agentes puede optimizar el entorno de aprendizaje, proporcionando una experiencia personalizada y eficiente para estudiantes y docentes. Utilizando estudios de caso y evidencias científicas, analizamos el impacto de estas tecnologías en la mejora del rendimiento académico y la satisfacción estudiantil. En un mundo donde la educación disruptiva es esencial para enfrentar los desafíos del siglo XXI, integrar inteligencia artificial y robótica en el aula se presenta no solo como una innovación deseable, sino como una necesidad imperativa para alcanzar niveles superiores de aprendizaje y adaptación.

El salón de clases es un entorno extraordinariamente rico en producción de datos, aunque la mayoría de ellos permanecen invisibles bajo nuestra concepción tradicional de lo que constituye "información educativa relevante". Cada pregunta formulada por un estudiante, cada duda expresada con timidez, cada momento de entusiasmo colectivo ante un descubrimiento compartido, cada patrón recurrente de participación o silencio, todos ellos representan fragmentos de información potencialmente valiosos que, sin embargo, suelen desvanecerse en el flujo constante de la dinámica escolar, sin dejar más huella que una impresión difusa en la memoria del docente.

Los comentarios espontáneos de un estudiante durante un debate pueden revelar procesos cognitivos que ningún examen convencional lograría detectar. Las preguntas formuladas durante una explicación pueden señalar patrones colectivos de comprensión o confusión que trascienden las barreras individuales. Los cambios sutiles en el tono de voz o en la postura corporal de un grupo ante determinados contenidos pueden ser indicadores tempranos de compromiso o desconexión con el material presentado. Todas estas "micro-señales" constituyen datos educativos sumamente valiosos que tradicionalmente se han perdido en la inmediatez del momento, o que, en el mejor de los casos, han quedado relegados a anotaciones personales no sistematizadas del docente.

The advances of AI pose big questions for Education. Not only might AI Tutors, grading systems, or learning platforms become more sophisticated (and computationally more cost-effective); the entire nature of interaction between humans and machines could fundamentally change. Students may engage with Quantum-Enhanced AI agents that adapt to their learning style in real time, simulate future learning trajectories, or even collaborate with them in creative tasks. But as the computational logic behind AI becomes less transparent and more probabilistic, ensuring that these systems remain accountable, intelligible, and aligned with educational values will become a critical policy and design challenge.

Este informe examina el potencial transformador de la inteligencia artificial (IA) en la Educación Superior, centrándose en sus aplicaciones clave, los desafíos que presenta y las recomendaciones estratégicas para una integración ética. Las herramientas de IA ya están generando un impacto significativo en el apoyo a los estudiantes, la investigación académica y la gestión institucional. Estudios recientes sobre sistemas de IA Generativa muestran resultados prometedores; por ejemplo, las plataformas de asignación basadas en IA han aumentado la eficiencia en la colocación de estudiantes en un 20% y mejorado las opciones
de los estudiantes mal emparejados en un 38% (Larroucau et al., 2024).

Asimismo, investigaciones sobre herramientas de IA Generativa implementadas con rigor han evidenciado mejoras significativas en los resultados de aprendizaje: un estudio de Harvard encontró que los estudiantes que utilizaron Tutores IA aprendieron más del doble en menos tiempo en comparación con metodologías de aprendizaje activo (Kestin et al., 2024), mientras que un estudio de Stanford demostró que la tutoría mejorada con IA puede escalar las prácticas de enseñanza expertas, ayudando a los tutores a emplear estrategias pedagógicas más efectivas, con un costo accesible de 20 dólares anuales por tutor (Wang et al., 2025). Estas tecnologías están contribuyendo a reducir brechas de aprendizaje y a ampliar el acceso a una educación de calidad, abordando el “Problema de las 2 Sigmas” de Bloom (Bloom, 1984) mediante apoyo personalizado y 24/7, que complementa los métodos tradicionales de enseñanza.

Sin embargo, para aprovechar todo el potencial de la IA en la región de LAC es necesario superar obstáculos críticos. Estos incluyen la brecha digital, que limita la accesibilidad a la IA en las zonas rurales; la baja participación de las instituciones latinoamericanas en la innovación global de IA (contribuyendo sólo con el 0,21% de las patentes de IA); y las preocupaciones éticas en torno al sesgo algorítmico y la privacidad de los datos. Para hacer frente a estos retos es necesario un enfoque holístico que incluya inversiones en investigación sobre IA, programas de formación docente, mejora de la infraestructura digital y una mayor colaboración multisectorial.

El panorama de la adopción y despliegue de la IA revela tanto oportunidades como obstáculos significativos entre los docentes. Las encuestas realizadas entre docentes indican que, aunque el 61% ha utilizado la IA para enseñar y el 65% la considera una oportunidad, persisten importantes preocupaciones. En concreto, al 83% le preocupa la capacidad de los estudiantes para evaluar críticamente los resultados de la IA, y el 80% afirma que sus instituciones carecen de directrices exhaustivas sobre IA. Estos resultados subrayan la necesidad de sistemas sólidos de apoyo a docentes y políticas institucionales claras. Además, los primeros
indicios sugieren que, sin un diseño y una aplicación cuidadosos, las herramientas de IA pueden amplificar inadvertidamente las desigualdades educativas existentes, afectando en particular a los estudiantes de comunidades desfavorecidas y a los que no hablan su lengua materna.