Lección

Marcos de asesoría y tutoría en un ecosistema de retroalimentación distribuida

🟢 Posgrado · Asesoría y tutoría · Lección 2

Recibir más retroalimentación no equivale a estar mejor acompañado: cuando aumentan las fuentes, también aumenta la obligación de juzgarlas.

La tutoría contemporánea puede combinar pares, docentes, analítica y sistemas generativos. El reto no es elegir una fuente universalmente superior, sino diseñar un marco que haga explícitos propósito, límites, evidencia, contexto y responsabilidad.

📷 Antes de comenzar

Un sistema genera retroalimentación técnicamente correcta y bien escrita, pero desconoce que la persona asesorada está implementando una adaptación institucional acordada con su coordinación. ¿Qué decisión es más sólida?

Qué lograrás

Objetivo didáctico

Al finalizar esta lección, valorarás críticamente marcos de asesoría y tutoría para un ecosistema de retroalimentación distribuida, justificando qué fuente conviene para cada función, qué criterios permiten auditar su calidad y dónde debe permanecer la responsabilidad profesional.

Punto de partida

Introducción

La retroalimentación dejó de ser un acto que ocurre únicamente entre una persona experta y otra que aprende. En entornos híbridos puede originarse en docentes, asesores, pares, rúbricas, analítica de aprendizaje o sistemas generativos. Esa ampliación modifica el problema profesional: la pregunta ya no es solo qué comentario dar, sino cómo gobernar un conjunto de comentarios de distinta procedencia, autoridad y conocimiento del contexto.

La evidencia reciente desaconseja convertir esta diversidad en una jerarquía simple. Banihashem et al. (2024) encontraron que la retroalimentación de pares y la generada por inteligencia artificial muestran perfiles distintos: en su estudio, los pares identificaron mejor problemas, mientras la fuente automatizada produjo retroalimentación más descriptiva. Er et al. (2025) observaron, además, que la retroalimentación del instructor fue percibida como más útil y se asoció con mayores mejoras que la generada por inteligencia artificial. Un metaanálisis posterior encontró, sin embargo, que las diferencias agregadas de desempeño entre retroalimentación humana y automatizada no son concluyentes y presentan alta heterogeneidad (Kaliisa et al., 2026). La conclusión profesional es más exigente que escoger un ganador: hay que asignar funciones y condiciones de uso.

Evalúa tu propio contexto antes de avanzar: identifica dos fuentes reales de retroalimentación que ya intervienen —o podrían intervenir— en tu práctica y anota qué sabe cada una del caso que la otra no sabe.

El contenido

Desarrollo del tema

01

La retroalimentación como ecosistema, no como mensaje

Un marco distribuido entiende la retroalimentación como una red de producción, interpretación y decisión. La calidad no reside únicamente en el texto del comentario. También depende de la oportunidad en que llega, del conocimiento que la fuente tiene del contexto, de la capacidad del receptor para interpretarlo y de la posibilidad de convertirlo en una acción defendible.

Este cambio importa para la asesoría porque evita dos reducciones frecuentes. La primera confunde retroalimentación con información: un comentario puede contener datos correctos y, aun así, orientar una decisión inadecuada. La segunda confunde disponibilidad con aprendizaje: multiplicar fuentes puede producir ruido si no existen criterios para comparar, priorizar y descartar.

💡 Retroalimentación distribuida
Configuración en la que la información para mejorar una práctica procede de múltiples agentes y sistemas, pero necesita reglas explícitas para convertirse en decisiones contextualizadas y responsables.

Para evaluar tu ecosistema, toma las dos fuentes que identificaste en la introducción y decide cuál sería más competente para detectar un patrón y cuál para interpretar una excepción contextual. Si asignas ambas funciones a la misma fuente, justifica qué información posee para hacerlo.

Figura 2: Ramas de un ecosistema de retroalimentación distribuida.

Diagrama de ramas de retroalimentación distribuida Un nodo de decisión de aprendizaje se ramifica hacia asesor, pares, sistema automatizado y autoevaluación; todas las ramas vuelven a un punto de contraste y decisión del estudiante. Necesidad de retroalimentación ¿qué información hace falta para decidir? Asesor contexto · prioridad Pares contraste · perspectiva Sistema de IA escala · patrones Autoevaluación metacognición · agencia Contraste y juicio calidad · contexto · consecuencia · trazabilidad

Nota: elaboración propia a partir de Banihashem et al. (2024), Er et al. (2025) y Nazaretsky et al. (2026).

02

Fuentes diferentes producen fortalezas y sesgos diferentes

Comparar fuentes exige evitar el lenguaje de sustitución. La pregunta «¿quién da mejor retroalimentación?» mezcla tareas distintas: detectar errores, explicar causas, sugerir alternativas, reconocer restricciones institucionales, sostener una conversación difícil o decidir qué riesgo es aceptable. Una fuente puede rendir bien en una función y mal en otra.

Los hallazgos de Banihashem et al. (2024) ilustran esta asimetría: la retroalimentación de pares mostró ventajas para identificar problemas, mientras ChatGPT tendió a describir más. Er et al. (2025) encontraron mayor utilidad percibida y mejores resultados con retroalimentación del instructor en su contexto. Kaliisa et al. (2026), al sintetizar 41 estudios, no encontraron una superioridad general estable entre inteligencia artificial y humanos; la heterogeneidad fue sustantiva. Por ello, trasladar un resultado aislado a cualquier escenario tutorial sería metodológicamente débil.

El criterio evaluativo consiste en preguntar: ¿qué función, bajo qué condiciones y con qué riesgo? Una salida rápida y consistente puede ser valiosa para detectar regularidades de baja consecuencia; una decisión que afecta trayectoria, permanencia o bienestar requiere información situada, deliberación y responsabilidad claramente asignada.

Secuencia de auditoría

Aplica la secuencia a un comentario real o verosímil de tu contexto. No decidas todavía si es «bueno» o «malo»: separa afirmación, contexto disponible, evidencia y responsable de la decisión.

03

Alfabetización para juzgar la retroalimentación

Un ecosistema distribuido exige algo más que buenas fuentes: exige que quien recibe retroalimentación pueda juzgarla. Nazaretsky et al. (2026) muestran que estudiantes y expertos pueden coincidir en algunas dimensiones de calidad de retroalimentación, pero también que la credibilidad atribuida a la fuente puede sesgar el juicio. La procedencia funciona entonces como una señal que puede ayudar o distorsionar.

En asesoría y tutoría, esta observación cambia la meta. No basta con entregar recomendaciones; hay que hacer visible el criterio mediante el cual se aceptan, combinan o rechazan. Una práctica madura permite decir: «conservo esta observación porque se sostiene en el criterio X y coincide con la evidencia Y; descarto esta otra porque presupone un contexto que no aplica».

La transparencia tampoco significa neutralidad. Toda fuente opera con límites: el par conoce experiencia próxima pero puede compartir puntos ciegos; el experto aporta repertorio y responsabilidad institucional pero puede imponer marcos; el sistema generativo escala patrones y formulaciones, pero puede ignorar condiciones locales o presentar plausibilidad sin respaldo suficiente. El juicio se fortalece cuando esos límites se vuelven parte del diseño.

📷 Control de comprensión

Una coordinación desea mejorar la calidad de la retroalimentación distribuida. ¿Qué indicador ofrece la evidencia más fuerte de que el marco funciona?

En tu práctica, identifica una decisión reciente influida por retroalimentación. Reescribe su justificación de modo que otra persona pueda auditar qué fuente influyó, qué evidencia pesó y qué alternativa descartaste.

04

Gobernar el ecosistema: criterios, escalamiento y trazabilidad

Un marco operativo necesita reglas de gobierno. Como mínimo, debe declarar propósito, criterio de calidad, contexto disponible, umbral de escalamiento y responsable final. Sin estas piezas, la distribución de retroalimentación se convierte en distribución de autoridad por accidente.

El umbral de escalamiento es crucial: determina cuándo un comentario puede resolverse con una fuente rutinaria y cuándo requiere revisión humana especializada. No se define solo por dificultad técnica. También cuentan el impacto de la decisión, la incertidumbre, la singularidad del contexto y la reversibilidad de una acción.

La trazabilidad cierra el ciclo. Documentar no significa acumular registros indiscriminados, sino conservar lo necesario para reconstruir cómo una recomendación se transformó en una decisión. Esa práctica permite aprender de errores, comparar criterios entre casos y auditar el papel de sistemas automatizados sin convertir la supervisión en vigilancia.

Completa el protocolo

Banco: criterio · contexto · evidencia · responsabilidad · trazabilidad

Usa las cinco palabras del protocolo para auditar tu marco provisional. Si una de ellas no puede localizarse en el diseño, no la añadas como etiqueta: explica qué decisión concreta falta.

Cierre

Conclusión

La retroalimentación distribuida no elimina la tutoría: la obliga a explicitar su arquitectura. La evidencia reciente no justifica una jerarquía universal entre fuentes humanas y automatizadas; muestra, más bien, desempeños contingentes y fortalezas complementarias. El criterio profesional consiste en asignar funciones, reconocer límites, escalar los casos de mayor consecuencia y dejar trazabilidad de la decisión.

Con esto se completa la Etapa A del proyecto: el contexto real y la postura teórica de la lección anterior deben transformarse ahora en un marco concreto de retroalimentación distribuida. La lección 3 cambiará de escala: ya no se evaluará únicamente quién retroalimenta, sino qué tareas del ecosistema híbrido pueden delegarse, cuáles deben auditarse y cuáles son intransferibles.

🔭 Para seguir aprendiendo

  • ¿Qué parte de tu práctica cambiaría más si dejaras de preguntar «quién tiene la razón» y comenzaras a preguntar «qué función cumple cada fuente, con qué evidencia y bajo qué responsabilidad»?
Ahora tú

Actividad de aprendizaje autónoma

Proyecto integrador · Etapa A · cierre del bloque. Revisa el contexto y la postura teórica que construiste en la lección 1. Conviértelos en un marco de retroalimentación distribuida para tu práctica real de asesoría o tutoría.

  1. De dónde vienes. Recupera el contexto, el problema y la postura teórica de tu entrega anterior. Señala qué mantienes y qué corriges a partir de esta lección.
  2. Mapea las fuentes. Identifica al menos tres fuentes de retroalimentación que intervienen o podrían intervenir en el contexto: personas, pares, instrumentos, analítica o sistemas automatizados.
  3. Asigna funciones y límites. Para cada fuente, declara qué tarea puede realizar, qué información necesita, qué riesgo introduce y cuándo debe escalarse a revisión humana.
  4. Qué decides. Formula y justifica una regla propia para aceptar, modificar o rechazar retroalimentación cuando dos fuentes entren en conflicto.
  5. Qué documentas. Registra las fuentes académicas consultadas y, si utilizaste un sistema de inteligencia artificial, qué solicitaste, qué conservaste, qué descartaste y con qué criterio verificaste su aporte.

Formato: documento de trabajo integrado de 1500 a 2000 palabras equivalentes, incluido el mapa de fuentes.

🗂 Planificador del avance del proyecto

💡 Evidencia de logro
Entrega una versión integrada de la Etapa A que incluya: contexto real, postura teórica revisada, mapa de fuentes de retroalimentación, funciones y límites, regla de resolución de conflictos, criterios de escalamiento y registro de mediación crítica. La Etapa A representa el 15 % del proyecto completo.

🤔

Si una recomendación suena convincente pero no puedes reconstruir qué sabía su fuente ni quién asumirá sus consecuencias, ¿qué te autoriza a convertirla en una decisión tutorial?

Referencias bibliográficas

  • Banihashem, S. K., Kerman, N. T., Noroozi, O., Moon, J., & Drachsler, H. (2024). Feedback sources in essay writing: Peer-generated or AI-generated feedback? International Journal of Educational Technology in Higher Education, 21, 23. doi:10.1186/s41239-024-00455-4.
  • Er, E., Akçapınar, G., Bayazıt, A., Noroozi, O., & Banihashem, S. K. (2025). Assessing student perceptions and use of instructor versus AI-generated feedback. British Journal of Educational Technology, 56, 1074–1091. doi:10.1111/bjet.13558.
  • Kaliisa, R., Misiejuk, K., López-Pernas, S., & Saqr, M. (2026). How does AI compare to human feedback? A meta-analysis of the performance and perception of AI and human feedback. Educational Psychology, 46(1), 80–111. doi:10.1080/01443410.2025.2553639.
  • Nazaretsky, T., Gabbay, H., & Käser, T. (2026). Can students judge like experts? A large-scale study on the pedagogical quality of AI and human personalized formative feedback. Computers and Education: Artificial Intelligence, 10, 100533. doi:10.1016/j.caeai.2025.100533.