Estadísticas del resaltado: lo que muestra la investigación

Las cifras principales

Si solo te llevas una tabla de esta página, que sea esta.

Cada una de estas cifras tiene una historia detrás, y varias se citan mal con frecuencia. Las secciones siguientes dan el contexto.

¿Funciona resaltar? Lo que dice la investigación de laboratorio

El veredicto más citado sobre el resaltado viene de la monografía de 2013 de Dunlosky y colegas en Psychological Science in the Public Interest, que revisó diez técnicas de aprendizaje populares. Resaltar y subrayar recibieron la calificación más baja de la revisión, "baja utilidad", junto con releer y resumir. La práctica de pruebas y la práctica espaciada se llevaron las mejores notas.

Dos detalles suelen perderse cuando se cita este hallazgo.

Primero, los estudios detrás de la calificación probaron el resaltado como una actividad pasiva de una sola pasada: marcar algunas líneas, releerlas más tarde, hacer una prueba. En esas condiciones, marcar texto añade poco sobre la lectura simple. La revisión no probó el resaltado como paso de captura dentro de un sistema mayor, donde los resaltados alimentan práctica de recuperación posterior, apuntes o repaso espaciado.

Segundo, la revisión encontró que resaltar puede incluso perjudicar el rendimiento en preguntas de inferencia, y que los beneficios aparecen sobre todo cuando el marcado es selectivo. Marcar párrafos enteros le ahorra al cerebro el trabajo de decidir qué importa, y esa decisión es donde ocurre el aprendizaje. La selectividad es el ingrediente activo, un punto que desarrollamos en La ciencia del resaltado.

Así que la lectura honesta de la literatura de laboratorio es estrecha: resaltar por sí solo no produce aprendizaje duradero; resaltar como puerta de entrada al recuerdo activo y al repaso es una actividad distinta y en gran parte no probada.

Cómo resalta la gente en realidad: datos de millones de resaltados

Los estudios de laboratorio suelen observar a docenas de estudiantes leyendo unos pocos pasajes. Glasp opera una plataforma social de resaltado con más de 1,000,000 de usuarios y millones de resaltados, y publica investigación sometida a revisión sobre esos datos de comportamiento. La serie completa vive en la página de Glasp Research; tres hallazgos importan más aquí.

Lo que la gente marca dentro de un documento es mayormente compartido. Entre lectores del mismo documento, los resaltados se agrupan en los mismos pasajes. Un modelo que solo conoce lo que marcó la multitud predice el siguiente resaltado de un individuo casi tan bien como un modelo ajustado a ese individuo: la mejora personal dentro de un documento es diminuta, alrededor de +0.017 AUC (Paper I, arXiv:2606.09024).

La individualidad vive en la elección de documentos. El mismo modelado muestra una ganancia mucho mayor, aproximadamente +0.13, al predecir con qué documentos una persona va a interactuar (Paper II, arXiv:2606.10398). En términos llanos: no eres especial en lo que subrayas, eres especial en lo que decides leer.

Los lectores forman facciones, pero solo dentro de un documento. En textos controvertidos, los lectores se dividen en subgrupos distintos que marcan regiones diferentes, con una separación estadística fuerte (z ≈ +6.3). Sin embargo, la pertenencia a esas facciones apenas se traslada de un documento al siguiente (Paper III, arXiv:2606.11613). El desacuerdo sobre qué importa es real, pero es situacional, no una identidad.

¿Se pueden predecir los resaltados?

Dos resultados más de la misma serie responden preguntas prácticas.

La predicción en frío funciona, en la cola larga. Para un documento nuevo sin lectores todavía, un modelo entrenado puede predecir qué pasajes terminará resaltando la multitud, superando la sólida línea base de "la gente resalta el comienzo" por unos +0.04 de precisión media. La ventaja se concentra en la cola larga, los pasajes menos populares donde las heurísticas simples fallan (Paper IV, arXiv:2606.11654).

La identidad lectora es duradera. Un perfil de los intereses de un lector congelado tras sus primeros seis meses predice sus elecciones de documentos años después sin decaimiento medible: la ratio de retención pareada es 1.003, y el perfil congelado sigue superando una línea base de popularidad por más de 3 a 1 en la predicción del siguiente documento (Paper V, arXiv:2606.12904). Tu gusto lector se comporta como un rasgo, no como un estado de ánimo.

Para quien esté construyendo un sistema de gestión del conocimiento personal, esa última cifra es discretamente alentadora: los intereses que captures hoy seguirán describiéndote dentro de dos años, así que la biblioteca que construyes se acumula en lugar de caducar.

Velocidad de lectura y atención: el contexto en el que vive el resaltado

Las estadísticas del resaltado solo tienen sentido sobre el telón de fondo de cómo lee la gente.

Velocidad de lectura. La estimación más cuidadosa viene del metaanálisis de 2019 de Brysbaert de 190 estudios: los adultos leen no ficción en silencio a unas 238 palabras por minuto de media, con amplia variación individual. Las afirmaciones de lectores normales triplicando esa velocidad sin perder comprensión no han sobrevivido a las pruebas.

Atención. La investigación de Gloria Mark sobre atención en pantallas en UC Irvine siguió a trabajadores del conocimiento durante casi dos décadas: la atención media en una sola pantalla cayó de alrededor de dos minutos y medio en 2004 a unos 47 segundos en años recientes. La famosa estadística del "lapso de atención de 8 segundos, más corto que el de un pez dorado", en cambio, no tiene fuente primaria rastreable y conviene tratarla como un mito, algo que exploramos en La crisis del lapso de atención.

Todo junto: un artículo de 5,000 palabras le cuesta al lector medio unos 20 minutos de atención cada vez más fragmentada. Una buena capa de resaltados es la forma en que algo de esa inversión sobrevive al siguiente cambio de pestaña, que es el argumento práctico a favor de herramientas como un resaltador web que mantienen el paso de captura sin fricción alguna.

IA y estudio en 2026

El entorno alrededor del resaltado cambió más rápido en los últimos tres años que en los treinta anteriores.

La HEPI / Kortext Student Generative AI Survey 2026 le pone números para los universitarios de Reino Unido: el 94% ya usa IA generativa de alguna forma para trabajos evaluados, frente al 88% en 2025 y el 53% en 2024. La proporción que pega texto generado por IA directamente en trabajos evaluados alcanzó el 12%, frente al 8% del año anterior.

La literatura de laboratorio no ha alcanzado este cambio, y la afirmación estadística honesta es que todavía no hay evidencia de largo plazo sobre los efectos en el aprendizaje. Lo que sí sugieren los datos de comportamiento de arriba es una división del trabajo: la IA es más fuerte comprimiendo lo que dice un documento, mientras que tus resaltados registran lo único que la IA no puede saber, que es lo que te importó a ti. Los resúmenes de un resumidor de YouTube con IA te dicen si una fuente merece atención; tus resaltados son el residuo de habérsela prestado.

Qué significan las estadísticas para tu sistema de estudio

Leer las cifras en conjunto apunta a una forma concreta de trabajar más que a un veredicto a favor o en contra del resaltador.

1. Resalta con selectividad, y luego haz algo con ello. La calificación de "baja utilidad" se aplica a marcar y releer. Las técnicas con respaldo de evidencia, la práctica de recuperación y el espaciado, necesitan materia prima, y los resaltados son la forma más barata de recolectarla.
2. Invierte tu esfuerzo en la selección. Los datos dicen que la elección de documentos es donde vive la individualidad. Curar lo que entra en tu cola de lectura importa más que perfeccionar tu estilo de marcado.
3. Confía en que tu biblioteca envejecerá bien. La identidad lectora es estable a lo largo de años, así que los resaltados capturados hoy conservan su valor; expórtalos a algún lugar permanente, ya sean resaltados de Kindle hacia tu app de apuntes o una configuración MCP conectada que permita a tu asistente de IA buscarlos.
4. Asume una atención fragmentada. Con una atención en pantalla por debajo del minuto, los sistemas que requieren sesiones largas e ininterrumpidas fallan por diseño. Captura en segundos, repasa en minutos.

Preguntas frecuentes

¿Es resaltar una pérdida de tiempo?

Por sí solo, mayormente sí: la revisión de Dunlosky calificó marcar y releer como de "baja utilidad". Como paso de captura que alimenta práctica de recuperación, repaso espaciado o apuntes, la crítica ya no aplica, porque los estudios detrás de la calificación no estaban diseñados para probar ese flujo de trabajo.

¿Qué porcentaje de estudiantes usa IA para sus tareas?

La encuesta HEPI / Kortext de 2026 encontró que el 94% de los universitarios de Reino Unido usa IA generativa de alguna forma para trabajos evaluados, frente al 88% en 2025 y el 53% en 2024. La inclusión directa de texto generado por IA en trabajos evaluados se sitúa en el 12%.

¿A qué velocidad lee la persona promedio?

Unas 238 palabras por minuto en lectura silenciosa de no ficción, según el metaanálisis de 2019 de Brysbaert sobre 190 estudios. La ficción va ligeramente más rápido, y las grandes diferencias individuales son normales.

¿La gente resalta las mismas cosas?

En gran medida, sí. La investigación publicada de Glasp encuentra que, dentro de un documento, los resaltados de un individuo añaden solo unos +0.017 AUC de señal predictiva sobre lo que la multitud ya marca. La individualidad aparece en qué documentos elige la gente, no en qué líneas.

¿De dónde salen estas estadísticas de resaltado?

Los hallazgos de laboratorio vienen de investigación en psicología revisada por pares, principalmente Dunlosky et al. (2013). Los hallazgos de comportamiento vienen de la serie de investigación publicada de Glasp sobre los datos de su propia plataforma, disponible con código y paquetes de reproducibilidad en glasp.co/research y en arXiv.

Conclusión

Las estadísticas sobre el resaltado resuelven una vieja discusión dividiéndola en dos. El laboratorio tiene razón en que marcar texto y releerlo enseña poco. Los datos de comportamiento tienen razón en que los resaltados están lejos de ser ruido: son lo bastante consistentes como para predecirse, lo bastante estables como para definir una identidad lectora duradera, y personales precisamente en aquello a lo que están adheridos. La herramienta nunca fue el problema; el segundo paso que faltaba, sí.

Si quieres los números detrás de esta página, cada estudio de Glasp citado aquí es público, con datos y código, en glasp.co/research. Y si quieres que tu propia lectura empiece a dejar rastro, Glasp es de donde salieron esos millones de resaltados.