En 1984 un psicólogo educativo demostró que la tutoría uno a uno es el método de enseñanza más efectivo que conocemos, y que no podíamos pagárselo a nadie. Cuarenta años después, el costo cambió. Esto es lo que dice la evidencia, incluida la parte incómoda.
En corto
- Qué dice Bloom: el alumno promedio con tutor 1:1 y mastery learning rindió dos desviaciones estándar por encima del alumno promedio de un aula convencional. Traducido: superó al 98% de la clase tradicional.
- Por qué es un "problema": Bloom encontró el mejor método conocido y, al mismo tiempo, el más caro. Un tutor por alumno nunca fue financiable a escala.
- La parte incómoda: las 2 sigmas no se replicaron. Revisiones posteriores ubican el efecto de un tutor humano cerca de 0,79 desviaciones, y los meta-análisis de programas reales de tutoría, en 0,29. Sigue siendo enorme: ninguna otra intervención educativa se le acerca por costo.
- Qué cambió: en 2025, un ensayo controlado en Harvard midió que alumnos con un tutor de IA bien diseñado aprendieron más del doble en menos tiempo que en su clase presencial de aprendizaje activo.
- La condición: el efecto depende del diseño pedagógico, no del modelo. Una IA que te da la respuesta hecha produce el efecto contrario: menos aprendizaje, no más.
Lo que vas a leer
Qué dice exactamente el estudio de 1984
Benjamin Bloom era profesor en la Universidad de Chicago y llevaba una década trabajando sobre una idea simple: si a un alumno le das el tiempo y la ayuda que necesita, aprende. Casi todos aprenden. Lo que varía no es la capacidad, es el tiempo.
Con sus doctorandos armó una serie de experimentos comparando tres condiciones sobre el mismo contenido, medido con el mismo examen:
| Condición | Cómo funcionaba | Resultado |
|---|---|---|
| Convencional | Un docente cada ~30 alumnos. Clase expositiva, evaluación al final de cada unidad, se avanza igual. | Línea de base |
| Mastery learning | Mismo formato de aula, pero con evaluación formativa: al que no llegaba al criterio se le daba corrección y una segunda oportunidad antes de avanzar. | +1 sigma |
| Tutoría 1:1 + mastery | Un tutor cada uno a tres alumnos, con la misma lógica de corregir antes de avanzar. | +2 sigmas |
Dos desviaciones estándar es una diferencia difícil de dimensionar sin traducirla. En una distribución normal significa que el alumno mediano del grupo con tutor terminó por encima del 98% del grupo convencional. No "un poco mejor": otra categoría. Bloom publicó el hallazgo en Educational Researcher con un título que se volvió famoso: "El problema de las 2 sigmas".
Hay un segundo resultado, menos citado y casi más importante: la dispersión se achicó. En el aula convencional hay alumnos brillantes y alumnos que quedan afuera. Con tutoría, la mayoría llegaba al criterio. El tutor no solo sube el promedio: reduce la cantidad de gente que se queda en el camino.
Por qué Bloom lo llamó un problema
Porque el hallazgo no venía con solución. Bloom no escribió "encontramos el mejor método": escribió que teníamos que encontrar una forma de enseñanza grupal tan efectiva como la tutoría individual, porque la individual no se podía pagar.
La cuenta es elemental. Un docente para treinta alumnos es un sistema educativo. Un docente por alumno es treinta veces el costo salarial de la educación. Ningún país, ninguna empresa y casi ninguna familia puede sostener eso de forma continua. Por eso durante cuarenta años la investigación educativa fue, en buena medida, una búsqueda de aproximaciones baratas: grupos reducidos, aprendizaje activo, aula invertida, evaluación formativa, tutoría entre pares, software educativo. Todas mejoras reales. Ninguna llegó a las 2 sigmas.
El problema nunca fue de conocimiento pedagógico. Fue de economía: sabíamos qué funcionaba mejor y no alcanzaba la plata para dárselo a todos.
La parte incómoda: las 2 sigmas no se replicaron
Si vas a citar a Bloom, citalo completo. El número de 2 sigmas es el techo de un experimento chico, con condiciones favorables, y no se sostuvo en la literatura posterior. Hay tres objeciones serias:
1. Los grupos no se midieron con la misma vara
En el grupo con tutor, el criterio para dar un tema por aprendido era más exigente: el alumno tenía que demostrarlo antes de seguir. El grupo convencional avanzaba por calendario. Parte de la diferencia mide el estándar, no solo el método.
2. Los estudios eran cortos y de escala chica
Unidades breves, muestras reducidas, contenidos acotados. En educación, los efectos gigantes de experimentos cortos casi siempre se achican cuando se replican durante un año lectivo completo.
3. Las mediciones posteriores dan bastante menos
Kurt VanLehn revisó más de cien comparaciones entre enseñanza convencional, tutores humanos y sistemas tutores inteligentes. El resultado ordenado de mayor a menor:
| Forma de enseñanza | Efecto sobre la enseñanza convencional | Qué implica |
|---|---|---|
| Tutor humano 1:1 | ≈ 0,79 sigma | Enorme, pero lejos de 2,0 |
| Sistema tutor paso a paso | ≈ 0,76 sigma | Prácticamente empata al humano |
| Sistema que solo corrige la respuesta final | ≈ 0,31 sigma | Menos de la mitad |
| Programas de tutoría reales (meta-análisis de 96 ensayos) | ≈ 0,29 sigma | Lo que rinde en el mundo real, a escala |
Hay un hallazgo escondido en esa tabla que vale más que la discusión sobre Bloom. Lo que separa a un tutor efectivo de uno mediocre no es si es humano o software: es si interviene paso a paso o solo al final. Un sistema que acompaña el razonamiento mientras ocurre casi iguala a un tutor humano. Uno que se limita a decirte "está mal, probá de nuevo" rinde menos de la mitad.
Desviaciones estándar: el efecto promedio de los programas de tutoría reales, según un meta-análisis de 96 ensayos controlados. Mueve al alumno mediano del puesto 50 al 61 de una clase de 100, y sigue siendo una de las intervenciones educativas mejor evidenciadas que existen. Si viste citado 0,37, es el borrador de 2020: la versión revisada por pares, publicada en 2024, ajustó la cifra a la baja.
Los cuatro mecanismos que hacen funcionar a un tutor
"Atención personalizada" no explica nada. Estos cuatro sí, y sirven como checklist para evaluar cualquier formato de aprendizaje, con o sin IA:
01 Calibración continua
El tutor detecta el momento exacto en que te perdiste, porque te está mirando solo a vos. En un aula, el docente descubre que la mitad no entendió cuando corrige el examen: dos semanas tarde. La diferencia no es de dedicación, es de ancho de banda.
02 Ritmo individual
Acelera donde ya sabés y se queda donde te cuesta. En una clase el ritmo lo marca el promedio, así que la mitad se aburre y la otra mitad se queda atrás, todo el tiempo, por diseño.
03 Te hace producir, no escuchar
Es el mecanismo más potente y el peor entendido. En una sesión de tutoría el alumno habla, explica, se equivoca y corrige. Recuperar algo de la memoria y ponerlo en palabras propias fija el conocimiento mucho más que volver a leerlo o volver a escucharlo: es el efecto de testeo, uno de los hallazgos más replicados de la psicología cognitiva. En una clase de 30, el alumno promedio produce en voz alta menos de un minuto por hora.
04 Cero costo social de preguntar
Nadie se ríe, nadie te mira, nadie está esperando que termines. Podés decir "no entendí nada" cuatro veces seguidas. En un aula, admitir que no entendiste tiene un precio social que la mayoría prefiere no pagar, y ese silencio es donde empiezan las lagunas que después arrastrás años.
Qué cambió: la evidencia con IA
Durante cuarenta años la discusión fue teórica porque no había forma de producir tutoría individual a costo de software. Hoy la hay, y ya empezó a medirse.
El estudio más sólido hasta ahora se publicó en Scientific Reports en junio de 2025. Gregory Kestin y Kelly Miller, de Harvard, tomaron 194 alumnos de un curso de física y los dividieron en dos grupos que alternaron condiciones a lo largo de dos clases consecutivas: una lección en el aula, con aprendizaje activo (no clase magistral, el formato que ya se considera superior) y la otra con un tutor de IA diseñado por ellos.
Los alumnos que usaron el tutor de IA aprendieron más del doble, en menos tiempo, y reportaron más motivación y compromiso.
Lo decisivo no fue el modelo. Fue el diseño. El tutor estaba instruido para comportarse como un buen docente y no como un buscador:
- Responder corto, pocas oraciones, para no saturar la memoria de trabajo del alumno.
- Dar una sola pista por vez, nunca la solución completa de una.
- Pedirle al alumno que intente primero antes de ofrecer ayuda.
- Fijar el nivel según lo que el alumno ya demostró saber.
Es, punto por punto, la diferencia entre los dos sistemas tutores de la tabla de VanLehn: el que acompaña el razonamiento paso a paso y el que entrega el resultado. Cuarenta años después, el mismo hallazgo.
La trampa: cuando la IA resta en vez de sumar
Conviene decirlo con la misma claridad. Una IA mal usada no es neutra: empeora el aprendizaje.
Un equipo del MIT Media Lab siguió con electroencefalografía a 54 personas escribiendo ensayos en tres condiciones: con un modelo de lenguaje, con un buscador y sin ninguna ayuda. El grupo que usó el modelo mostró la conectividad cerebral más baja de los tres, entregó textos más homogéneos y, en el momento de citar lo que acababa de escribir, el 78% no pudo reproducir un solo pasaje de su propio ensayo. Los autores lo llamaron deuda cognitiva: el ahorro de esfuerzo es inmediato y el costo aparece después, cuando tenés que hacerlo sin la muleta.
El estudio es chico y no cierra la discusión. Pero apunta a algo que cualquiera que enseñe reconoce: el aprendizaje ocurre en el esfuerzo, no en el resultado. Una herramienta que elimina el esfuerzo elimina el aprendizaje junto con él. Que la IA te entregue la respuesta terminada se siente como productividad y funciona como anestesia.
Cómo distinguir un tutor de un atajo
Sirve para evaluar cualquier producto, incluido el nuestro:
| Señal | Atajo | Tutor |
|---|---|---|
| Ante una pregunta | Te da la respuesta completa | Te devuelve una pregunta o una pista y espera |
| Quién habla | Escribe párrafos, vos leés | Te hace explicar con tus palabras |
| Qué mide | Cuánto viste o cuántos módulos abriste | Si podés resolverlo sin ayuda |
| Memoria | Arranca de cero cada vez | Sabe qué dominaste y qué quedó flojo la vez pasada |
| Errores | Los corrige por vos | Te muestra dónde está el error y te deja arreglarlo |
| Final | Un certificado de asistencia | Algo que sabés hacer y podés demostrar |
La pregunta de Bloom, hoy, ya no es si la enseñanza individual funciona mejor. Eso quedó contestado en 1984 y confirmado, con números más modestos, por todo lo que vino después. La pregunta es quién la va a tener, y si lo que llamamos "tutor de IA" enseña de verdad o solo entrega respuestas rápido.
Probalo en una clase real
10 minutos gratis con un profesor AI que te escucha, te hace explicar lo que creés que entendiste y recuerda tu progreso. Por voz, sin tarjeta.
Probá una clase gratis¿Qué es el problema de las 2 sigmas de Bloom?
Es el hallazgo que Benjamin Bloom publicó en 1984: el alumno promedio que aprende con un tutor uno a uno, usando mastery learning, rinde dos desviaciones estándar por encima del alumno promedio de un aula convencional, es decir mejor que el 98% de esa clase. Lo llamó 'problema' porque la tutoría individual es el método más efectivo conocido y a la vez el más caro, imposible de financiar para todos.
¿El efecto de 2 sigmas se comprobó después?
No en esa magnitud. Revisiones posteriores ubican el efecto de un tutor humano cerca de 0,79 desviaciones estándar, y los meta-análisis de programas de tutoría aplicados en el mundo real, alrededor de 0,29. Siguen siendo efectos muy grandes para estándares educativos, pero el número 2,0 corresponde a experimentos chicos, cortos y con criterios de evaluación más exigentes para el grupo con tutor.
¿Qué es el mastery learning?
Es enseñar por dominio en vez de por calendario: el alumno no avanza al tema siguiente hasta demostrar que entendió el actual, y recibe corrección y una nueva oportunidad las veces que haga falta. En los experimentos de Bloom, aplicarlo dentro de un aula convencional ya producía una mejora de una desviación estándar.
¿Un tutor de inteligencia artificial puede reemplazar a un tutor humano?
La evidencia disponible dice que puede acercarse mucho en la dimensión medible del aprendizaje, siempre que esté diseñado para enseñar paso a paso. Un ensayo controlado publicado en Scientific Reports en 2025 con 194 alumnos de Harvard encontró que quienes usaron un tutor de IA bien diseñado aprendieron más del doble, en menos tiempo, que en su clase presencial de aprendizaje activo. Lo que no reemplaza es el vínculo, la mentoría y la lectura del contexto humano.
¿Usar inteligencia artificial para estudiar perjudica el aprendizaje?
Depende por completo de cómo se use. Un estudio del MIT Media Lab de 2025 mostró que las personas que delegaron la escritura de ensayos en un modelo de lenguaje tuvieron menor actividad cerebral asociada y el 78% no pudo citar un pasaje de su propio texto: los autores lo llamaron 'deuda cognitiva'. La IA que te entrega el resultado terminado reemplaza el esfuerzo donde ocurre el aprendizaje. La que te obliga a razonar, explicar y corregir, lo acelera.
¿Cuánto vale hoy tener un tutor personal?
Un profesor particular cuesta entre 20 y 40 dólares la hora en la mayoría de los mercados, y esa es exactamente la barrera que describió Bloom. El cambio de los últimos años es que la tutoría individual por voz se puede producir a costo de software, lo que la lleva a un orden de magnitud más barato por hora de clase.
Fuentes
- Bloom, B. S. (1984). The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring. Educational Researcher, 13(6), 4-16. journals.sagepub.com
- VanLehn, K. (2011). The Relative Effectiveness of Human Tutoring, Intelligent Tutoring Systems, and Other Tutoring Systems. Educational Psychologist, 46(4), 197-221. tandfonline.com
- Nickow, A., Oreopoulos, P. & Quan, V. (2024). The Promise of Tutoring for PreK-12 Learning: A Systematic Review and Meta-Analysis. American Educational Research Journal, 61(1), 74-107. sagepub.com
- Kestin, G., Miller, K., Klales, A., Milbourne, T. & Ponti, G. (2025). AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports. nature.com
- Kosmyna, N. et al. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. MIT Media Lab. arxiv.org
- Roediger, H. L. & Karpicke, J. D. (2006). Test-Enhanced Learning: Taking Memory Tests Improves Long-Term Retention. Psychological Science, 17(3), 249-255.
Seguí leyendo
Qué es un profesor AI y en qué se diferencia de un chatbot › Aprender conversando: por qué la voz le gana al video › Cómo aprender IA desde cero en 2026: una ruta sin humo ›Publicado por el equipo de Maestre · Los creadores de Cineastas del Futuro: más de 17.000 alumnos formados. Escribimos sobre lo que probamos enseñando.