Por qué importa ahora
Obtener una respuesta es cada vez más fácil.
Evaluarla no.
Podemos pedir a una IA una explicación en segundos.
Encontrar cientos de páginas.
Copiar una estadística.
Generar gráficos.
Construir una narrativa.
El riesgo es confundir disponibilidad de información con calidad de evidencia.
Una afirmación puede ser verdadera y estar mal citada.
Una fuente puede ser real y no respaldar la conclusión.
Un dato puede ser correcto y utilizarse fuera de contexto.
Un prototipo puede funcionar y no demostrar todavía que una solución sea viable a gran escala.
Una experiencia positiva puede existir y no probar causalidad.
Por eso Evidence necesita entidad propia en el Knowledge Graph.
Real-Life Readiness señala que, en un entorno de información abundante y respuestas generadas por máquinas, el conocimiento debe ayudarnos a distinguir evidencia de plausibilidad, detectar contexto ausente y decidir cuándo una respuesta es suficientemente fiable para convertirse en acción.
Primero: ¿qué afirmamos exactamente?
No se puede verificar bien un claim vago.
“La solución es sostenible.”
¿Qué significa?
¿Consume menos energía?
¿Puede mantenerse económicamente?
¿Tiene menor impacto ambiental?
¿Funciona durante diez años?
¿Puede escalar?
Cada formulación exige evidencia diferente.
Por eso el primer paso no es buscar Google.
Es precisar el claim.
Claim, fuente y evidencia
AFIRMACIÓN
La proposición que queremos sostener.
FUENTE
El origen de la información.
EVIDENCIA
La información relevante que apoya, limita o contradice la claim.
Confundir estas categorías crea numerosos errores.
“Hay una fuente” no significa:
“la claim está demostrada.”
| Elemento | Pregunta |
|---|---|
| Afirmación | ¿Qué afirmamos? |
| Fuente | ¿De dónde procede? |
| Evidencia | ¿Qué lo respalda? |
| Supuesto | ¿Qué añadimos? |
| Confianza | ¿Qué fuerza puede tener la conclusión? |
Citar no es verificar
Una cita mejora trazabilidad.
Pero todavía hay que abrir la fuente.
Leer.
Comprobar.
Preguntar:
¿dice realmente esto?
¿en qué condiciones?
¿habla de esta población?
¿es una observación o una relación causal?
¿hay limitaciones?
¿la información sigue siendo actual?
¿la conclusión que hacemos es más amplia que el resultado original?
La verificación empieza donde termina el gesto superficial de añadir una referencia.
La distancia entre evidencia y claim
Cuanto mayor sea el salto entre lo observado y lo declarado, mayor es el riesgo.
Observación:
“15 usuarios completaron una tarea.”
Claim:
“El producto es intuitivo para cualquier persona.”
La segunda afirmación contiene una generalización enorme.
Una formulación más rigurosa podría ser:
“En la prueba realizada, los 15 participantes completaron esta tarea.”
La mejora no consiste en utilizar lenguaje débil.
Consiste en utilizar lenguaje proporcional a la evidencia.
Proveniencia
Antes de confiar, conviene saber:
quién produjo la información;
cuándo;
cómo;
con qué datos;
para qué propósito;
si ha sido modificada;
si estamos viendo la fuente original o una reproducción.
La cadena puede ser:
estudio original
→ artículo periodístico
→ publicación social
→ resumen
→ respuesta de IA.
Cada paso puede alterar algo.
Volver hacia el origen reduce esa distancia.
Fuente primaria y fuente independiente
No son lo mismo.
La organización que creó un programa es la fuente primaria para describir:
qué diseñó;
qué reglas utilizó;
qué ocurrió según sus registros.
Pero su propia afirmación de impacto no se convierte automáticamente en evaluación independiente.
Esto es particularmente importante para Mars Challenge.
La documentación interna puede demostrar arquitectura de programa.
No debe presentarse automáticamente como prueba causal de impacto.
Ser correcto por accidente
Un estudiante puede escribir un dato correcto y citar una fuente incorrecta.
La respuesta sigue siendo correcta.
El proceso sigue siendo débil.
Esto importa porque aprender Evidence no significa solo producir respuestas acertadas.
Significa construir respuestas cuya sustentación pueda revisarse.
Contexto
Una evidencia rara vez existe fuera de condiciones.
Lugar.
Tiempo.
Población.
Método.
Definición.
Escala.
Una solución que funcionó en un contexto no se transfiere automáticamente a todos los demás.
Esta pregunta conecta Evidence con Real-Life Readiness:
¿qué puede viajar y qué necesita volver a aprenderse?
Observar no equivale a explicar
“Después de implementar X, ocurrió Y.”
Puede ser evidencia de secuencia temporal.
No necesariamente de causalidad.
Para afirmar:
“X causó Y”
necesitamos descartar o considerar explicaciones alternativas con un estándar adecuado al tipo de claim.
Este principio protege especialmente los relatos de impacto educativo.
Un caso no es una tasa
Un caso demuestra que algo ocurrió.
Puede ser muy valioso.
Pero no demuestra automáticamente:
que sea frecuente;
que sea típico;
que funcione siempre;
que ocurra gracias al programa.
Por eso el sistema editorial distingue:
Case / Field Insight
de
Research / Evidence.
No son competidores.
Responden a preguntas distintas.
Buscar información que pueda contradecirnos
La verificación débil pregunta:
“¿Qué confirma mi idea?”
La verificación fuerte añade:
“¿Qué podría demostrar que está incompleta o equivocada?”
Esto cambia cómo diseñamos una prueba.
Si queremos saber si una persona puede utilizar un prototipo, no basta con preguntarle si le gusta.
Podemos observar:
¿puede completar la tarea?
¿necesita ayuda?
¿dónde se bloquea?
¿qué alternativa prefiere?
El objetivo es permitir que la realidad contradiga nuestra hipótesis.
Corroborar no es contar enlaces
Cinco artículos pueden parecer cinco fuentes.
Pero si todos repiten la misma agencia de noticias, estudio o comunicado, la independencia real es mucho menor.
Corroborar significa buscar soporte independiente.
Idealmente con diferentes tipos de información cuando la pregunta lo requiera.
Cada pregunta necesita un tipo de evidencia
No existe una única fuente “mejor” para todo.
Para conocer una experiencia vivida:
escuchamos a la persona.
Para conocer una especificación técnica:
podemos consultar documentación técnica.
Para saber qué ocurrió en un proceso:
registros y observación.
Para conocer impacto causal:
hace falta un diseño de investigación capaz de sustentar esa inferencia.
La calidad de evidencia es siempre:
calidad para una pregunta concreta.
AI: verificar la afirmación, no admirar la respuesta
Con AI existe una tentación especial.
La calidad lingüística produce sensación de autoridad.
Pero forma y soporte son cosas distintas.
Un buen workflow puede ser:
identificar claims relevantes;
buscar la fuente original;
abrirla;
comparar claim y fuente;
buscar contexto;
corroborar cuando sea necesario;
marcar incertidumbre.
Real-Life Readiness señala precisamente que una respuesta puede parecer completa antes de que lo esté su evidencia.
Respuesta de IA
- Identificar la afirmación relevante
- Localizar la fuente
- Abrir la fuente
- Comprobar el respaldo
- Comprobar el contexto
- Corroborar
- Calibrar la confianza
La verificación debe ser proporcional al riesgo
No todas las afirmaciones merecen una investigación exhaustiva.
La profundidad de verificación puede depender de:
consecuencia;
irreversibilidad;
riesgo;
importancia;
posibilidad de daño.
Esto conecta Evidence directamente con Toma de decisiones bajo incertidumbre.
Una pregunta práctica es:
¿qué error sería aceptable aquí?
Prototipar es investigar
La Guía del Participante Mars Challenge plantea una idea muy útil:
el mejor prototipo no es el más bonito.
Es el que responde una pregunta concreta:
¿puede funcionar esto?
Esto convierte el prototipo en fuente de evidencia.
La pregunta de diseño se convierte en una claim testable.
Pero el test tiene fronteras
Si comprobamos que:
una pieza gira,
solo sabemos que esa pieza gira en las condiciones probadas.
No sabemos automáticamente:
si durará diez años;
si será rentable;
si será segura;
si las personas la adoptarán.
La evidencia buena incluye sus propias fronteras.
Pregunta probada
- Lo que demostró el prototipo
- Lo que sigue sin verificar
El proceso también es evidencia
Mars Challenge pide conservar bocetos, versiones descartadas y evolución del prototipo porque muestran el trabajo real del equipo.
Esto permite ver:
qué hipótesis aparecieron;
qué se descartó;
qué feedback entró;
qué decisión cambió.
No todo Evidence tiene que ser un paper.
Un artefacto de proceso puede ser evidencia adecuada para determinadas preguntas de aprendizaje.
Evidencia de aprendizaje
Real-Life Readiness propone una futura arquitectura donde las capacidades se hagan visibles mediante comportamiento y artefactos.
Por ejemplo:
¿distingue evidencia y supuesto?
¿detecta información ausente?
¿evalúa un claim generado por IA?
¿revisa después del feedback?
Esto es muy diferente de:
“¿crees que mejoraste tu pensamiento crítico?”
La evidencia se acerca a la acción.
Calibrar confianza
Verificar no siempre produce un sí/no.
Podemos concluir:
evidencia fuerte;
evidencia moderada;
evidencia limitada;
inconclusivo;
contradicho.
Calibrar confianza significa no decir más de lo que podemos defender.
Ciclo de verificación de la evidencia
- Afirmación
- Fuente
- Respaldo
- Contexto
- Corroboración o prueba
- Límites
- Confianza
FORMULAR LA AFIRMACIÓN
¿Qué estamos afirmando?
RASTREAR LA FUENTE
¿De dónde viene?
COMPROBAR EL RESPALDO
¿Qué parte realmente lo respalda?
COMPROBAR EL CONTEXTO
¿Bajo qué condiciones?
EXPLICITAR SUPUESTOS
¿Qué añadimos nosotros?
CORROBORAR O PROBAR
¿Qué otra evidencia existe?
IDENTIFICAR LÍMITES
¿Qué no demuestra?
CALIBRAR LA CONFIANZA
¿Qué grado de confianza está justificado?
IDENTIFICAR QUÉ FALTA VERIFICAR
¿Qué sigue sin verificar?
Test de verificación
Antes de usar una claim:
¿Cuál es exactamente?
¿Dónde está la fuente original?
¿La fuente dice realmente eso?
¿Qué evidencia utiliza?
¿Es relevante para este contexto?
¿Qué inferencia estamos añadiendo?
¿Existe corroboración?
¿Hay evidencia contraria?
¿Qué limitación permanece?
¿Qué grado de confianza podemos justificar?
Lo que Evidencia y verificación no es
No es añadir muchas citas.
No es creer ciegamente a expertos.
No es descartar fuentes locales o vividas.
No es tratar todas las opiniones como evidencia equivalente.
No es exigir certeza.
No es verificar únicamente a la IA.
No es convertir toda experiencia en investigación científica.
No es esconder incertidumbre.
Y no es delegar la decisión a los datos.
Evidence informa judgement.
No sustituye Agency.
Qué nos dice la evidencia disponible
Real-Life Readiness define juicio epistémico como capacidad para distinguir evidencia, supuestos y claims plausibles, identificar qué requiere verificación y calibrar confianza.
También identifica la certeza plausible como riesgo cuando la respuesta parece completa antes de que la evidencia lo esté.
En su futura arquitectura de evidencia, prioriza comportamientos y artefactos: formular problemas, distinguir evidencia y supuesto, identificar conocimiento ausente, evaluar claims externas o generadas por IA y revisar decisiones después del feedback.
Mars Challenge incorpora además first-party process evidence mediante prototipos, documentación de versiones y feedback.
Esto sustenta la arquitectura conceptual.
No constituye un estudio causal sobre competencias de verificación.
Qué significa para educadores
Podemos dejar de enseñar Evidence únicamente como:
“pon una bibliografía.”
Y comenzar a enseñar:
relación entre claim y soporte.
Un estudiante puede recibir:
una respuesta de IA;
un artículo;
un dato;
un prototipo;
una experiencia de usuario.
Y responder:
¿Qué podemos afirmar?
¿Qué no?
¿Qué falta?
¿Qué es supuesto?
¿Qué evidencia contradice?
¿Qué confianza es apropiada?
Eso hace visible el pensamiento.
Conceptos relacionados
Proyectos y evidencia en la práctica
Proceso de participación en Mars Challenge
El proceso de prototipado convierte preguntas concretas en pruebas y conserva versiones y documentación del proceso.
Estado de evidencia: documentación del propio programa sobre el diseño del proceso; no prueba causal de resultados educativos.
Preguntas frecuentes
¿Una cita es evidencia?
Puede contener evidencia, pero una referencia por sí sola no demuestra que la fuente respalde el claim. Hay que comprobar qué dice exactamente, en qué contexto y con qué límites.
¿Cuál es la diferencia entre evidencia y supuesto?
La evidencia tiene soporte observable o documentado relevante para la claim. Un supuesto es algo que aceptamos provisionalmente sin haberlo demostrado suficientemente. Los supuestos pueden ser necesarios; lo importante es no ocultarlos.
¿Cuándo necesito varias fuentes?
Cuando la claim es compleja, controvertida, de alta consecuencia o depende de información que una sola fuente no puede establecer adecuadamente. La independencia entre fuentes importa más que la cantidad.
¿Cómo verificar una respuesta de IA?
Extrae las afirmaciones materiales, busca sus fuentes originales, abre esas fuentes, comprueba que realmente respaldan lo afirmado y señala claramente lo que siga sin verificar.
¿Puede una prueba pequeña servir como evidencia?
Sí, para la pregunta que realmente probó. Un test pequeño puede demostrar comportamiento en esas condiciones. No debería utilizarse automáticamente para generalizar a otros contextos o escalas.
¿Qué significa calibrar confianza?
Ajustar la fuerza de la conclusión a la calidad de la evidencia. No todo tiene que clasificarse como verdadero o falso; a veces la formulación rigurosa es “evidencia limitada” o “todavía inconcluso”.
¿Por qué documentar errores y versiones?
Porque muestran cómo cambió el razonamiento. Permiten observar qué se probó, qué falló, qué feedback entró y por qué apareció una versión nueva.
Referencias
Real-Life Readiness — Un marco fundacional
Adelino Sousa / Mars Challenge / Virtual Educa, 2026.
Juicio epistémico, plausibilidad, evidencia, supuestos, verificación y calibración de confianza.
Guía del Participante Mars Challenge 2026
Mars Challenge, 2026.
Prototipado como pregunta verificable y documentación del proceso.
Explorar a continuación
Siguiente paso
Profundizar: Explorar Real-Life Readiness, IA y juicio humano y Toma de decisiones bajo incertidumbre.
Conocer el proceso: Examinar cómo investigación, prototipado y documentación crean evidencia dentro de Mars Challenge.
Actuar: Aplicar el Test de verificación a una afirmación antes de utilizarla para defender una decisión.
Actualizado: 14 de octubre de 2026