¿Herramienta, tutor o muleta?: Una teoría fundamentada sobre el andamiaje cognitivo y la descarga cognitiva en la educación de programación asistida por IA

La integración de la IA generativa en la educación en programación ha producido una tensión ampliamente reportada entre el rendimiento y el aprendizaje. Nosotros distinguimos el desempeño inmediato de la tarea del aprendizaje genuino: comprensión conceptual duradera y transferible y habilidad evaluativa, y examinamos cómo el soporte de IA moldea los procesos de aprendizaje, no solo los resultados. Mientras que muchos estudios documentan mejoras en velocidad, precisión y afecto con soporte de IA, persisten interrogantes sobre la calidad del aprendizaje subyacente. Utilizamos un diseño de teoría fundamentada constructivista con comparación constante entre dos secciones de curso naturalmente ocurridas (una sección habilitada con IA y una sección de programación en parejas humana usada como contraste teórico). Durante un semestre, recolectamos triangulación entre fuentes de datos de estudiantes universitarios de programación en Java: registros de interacción, mapas conceptuales pre/post curso y entrevistas diádicas semiestructuradas (sección con IA N=24; contraste teórico N=17). El análisis reveló una tensión central entre la búsqueda de los estudiantes por el “Dominio del Área” (conceptualización, explicación y evaluación) y el “Dominio de la Herramienta” (eficiencia procedimental con IA). Identificamos cambio dinámico de estrategias (la Danza Estratégica), el Marco de Asociación con un subtema de Ilusión de Diálogo, y dos desafíos recurrentes en la evaluación (Confiar-pero-No-Puedoverificar para novatos; un Punto Ciego de Plantillas para estudiantes más experimentados). También describimos una calibración metacognitiva atenuada – una descoordinación entre la preparación percibida y la capacidad independiente – que co-ocurre con patrones sostenidos de descarga cognitiva. Estas categorías se sintetizan en un modelo de tensión a nivel de procesos con dos bucles recurrentes (Andamiaje y Descarga), interpretado a través de la Teoría de Carga Cognitiva y la Teoría de Autodeterminación. Ofrecemos un relato para construcción teórica que ayuda a explicar cómo ganancias ampliamente observadas en rendimiento y afecto pueden coexistir con oportunidades más escasas para procesamiento germano y autoría. El modelo genera implicaciones comprobables (ej., fases de crítica a la IA, desvanecimiento planificado, diarios de verificación) e invitamos pruebas multisede para evaluar condiciones de frontera.