Hanademi

PISA 2025: Learning in an AI worldPISA 2025: Aprender en un mundo con IA · V8.1 Master Engine

20 slides · 19 min · 15 hours ago20 láminas · 19 min · hace 15 h language
ENES
theme
LightDark
view
TalkTable
brand
HanademiPlatzi
PISA 2025: Learning in an AIworldMade for Freddy Vega, by Hanademi
  1. New results: assessment in 2025, published 8 September 2026.
PISA 2025: Aprender en unmundo con IAMade for Freddy Vega, by Hanademi
  1. Resultados nuevos: evaluación de 2025, publicada el 8 de septiembre de 2026.
AI use is widespread even where coreskills are scarcePISA 2025 · 84 systems · Latin America in greenMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.22 / I.B1.4.53Use AI to learn at least weekly (% of students)020406080020406080100ColombiaGuatemalaChileViet NamSingaporeJapanB-S-J-Z (China)OECD averageReach Level 2+ in mathematics, reading AND science (% of students)
In Colombia, 56% use AI to learn at least weekly, while 26% reach baseline proficiency in all three core subjects. Singapore combines high AI use with strong foundations; Japan combines strong foundations with much lower use. Adoption and learning are separate dimensions.
Sources
La IA se usa ampliamente incluso dondefaltan habilidades básicasPISA 2025 · 84 sistemas · América Latina en verdeMade for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.22 / I.B1.4.53Usan IA para aprender al menos semanalmente (% de estudiantes)020406080020406080100ColombiaGuatemalaChileVietnamSingapurJapónB-S-J-Z (China)Promedio OCDEAlcanzan nivel 2+ en matemáticas, lectura Y ciencias (% de estudiantes)
En Colombia, 56% usa IA para aprender al menos semanalmente, mientras 26% alcanza el nivel básico en las tres materias. Singapur combina alto uso de IA con bases sólidas; Japón tiene bases sólidas con mucho menor uso. La adopción y el aprendizaje son dimensiones distintas.
Fuentes
The decline continued through 2025Mean PISA scores · Same 35 OECD countries in every cycleMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.36 / I.B1.2a.37 / I.B1.2a.38Science4504704905104912015489201848720224842025−6.9 points since 2015Reading4504704905104902015488201847720224632025−27.3 points since 2015Mathematics4504704905104872015490201847520224652025−21.8 points since 2015
Reading fell fastest across this constant OECD group. Its 2025 average was 27.3 points below 2015; mathematics was 21.8 points lower and science 6.9 points lower. The paths also show that the decline began before the pandemic.
Sources
El deterioro continuó hasta 2025Puntajes PISA promedio · Los mismos 35 países OCDE en cada cicloMade for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.36 / I.B1.2a.37 / I.B1.2a.38Ciencias4504704905104912015489201848720224842025−6.9 puntos desde 2015Lectura4504704905104902015488201847720224632025−27.3 puntos desde 2015Matemáticas4504704905104872015490201847520224652025−21.8 puntos desde 2015
La lectura cayó más en este grupo constante de la OCDE. En 2025 estaba 27,3 puntos por debajo de 2015; matemáticas, 21,8 puntos; ciencias, 6,9 puntos. Las trayectorias muestran que el deterioro comenzó antes de la pandemia.
Fuentes
Latin America trails the OECD in every coresubjectPISA 2025 · Mean scores and approximate 95% confidence intervalsMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.1 / I.B1.2a.2 / I.B1.2a.3OECD averageUruguayChileCosta RicaMexicoColombiaBrazilPeruArgentinaEcuadorEl SalvadorDominican RepublicParaguayGuatemalaScience350400450500482445442424414414409406393393385361355351Reading350400450500461423436416408399408390389385366346352337Mathematics350400450500463405403387388381377382367366346339334334
Uruguay and Chile lead the region in science, but remain below the OECD reference. Mathematics is the weakest numerical profile across these Latin American systems. Nearby country estimates often overlap, so small rank differences should not carry the story.
Sources
América Latina queda rezagada en las tresmateriasPISA 2025 · Puntajes promedio e intervalos de confianza aproximados de 95%Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.1 / I.B1.2a.2 / I.B1.2a.3Promedio OCDEUruguayChileCosta RicaMéxicoColombiaBrasilPerúArgentinaEcuadorEl SalvadorRep. DominicanaParaguayGuatemalaCiencias350400450500482445442424414414409406393393385361355351Lectura350400450500461423436416408399408390389385366346352337Matemáticas350400450500463405403387388381377382367366346339334334
Uruguay y Chile lideran la región en ciencias, pero siguen debajo de la referencia OCDE. Matemáticas presenta el perfil numérico más bajo en estos sistemas latinoamericanos. Muchas estimaciones cercanas se superponen; pequeñas diferencias de posición no deben dominar la historia.
Fuentes
In much of the region, missing basics is athree-subject problemPISA 2025 · Overlap of baseline proficiency in science, reading and mathematicsMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.22Below baseline in all 3Mixed profileAt baseline in all 3Singapore71183OECD average202357Uruguay303337Chile293438Costa Rica373528Mexico423127Colombia443026Brazil443026Peru472726Argentina493120Ecuador542917El Salvador612712Dominican Republic69228Paraguay69238Guatemala76186Student shares (%) · Labels rounded
About 44% of students in Colombia and Brazil fall below Level 2 in all three core subjects. At the other end, only about one-quarter reach the baseline in all three. The challenge extends beyond a single weak subject.
Sources
En buena parte de la región faltan bases enlas tres materiasPISA 2025 · Cruce del nivel básico en ciencias, lectura y matemáticasMade for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.22Bajo el mínimo en las 3Perfil mixtoNivel básico en las 3Singapur71183Promedio OCDE202357Uruguay303337Chile293438Costa Rica373528México423127Colombia443026Brasil443026Perú472726Argentina493120Ecuador542917El Salvador612712Rep. Dominicana69228Paraguay69238Guatemala76186Porcentajes de estudiantes · Etiquetas redondeadas
Cerca de 44% de los estudiantes de Colombia y Brasil queda bajo el nivel 2 en las tres materias. En el otro extremo, apenas alrededor de una cuarta parte alcanza el mínimo en las tres. El desafío va más allá de una sola materia débil.
Fuentes
National averages hide wide learningdistributionsScience scores, 2025 · Student percentiles within each systemMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.1200300400500600700SingaporeJapanOECD averageUruguayChileColombiaMexicoBrazilPeruArgentinaThin line: P10–P90 · Band: middle 50% · Stroke: median
Every system contains a wide range of performance. National averages describe where a distribution sits; they do not describe every student. The overlap is substantial even when country means are far apart.
Sources
Los promedios nacionales ocultan grandesdiferenciasPuntajes de ciencias, 2025 · Percentiles de estudiantes dentro de cada sistemaMade for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.1200300400500600700SingapurJapónPromedio OCDEUruguayChileColombiaMéxicoBrasilPerúArgentinaLínea: P10–P90 · Banda: 50% central · Trazo: mediana
Cada sistema contiene un amplio rango de desempeño. El promedio nacional indica dónde se sitúa una distribución; no describe a cada estudiante. Hay una superposición importante incluso cuando los promedios nacionales están muy separados.
Fuentes
Uruguay and Costa Rica gain in science2022 → 2025 score changes · Dots and approximate 95% confidence intervalsMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.36 / I.B1.2a.37 / I.B1.2a.38UruguayChileColombiaMexicoBrazilPeruArgentinaCosta RicaScience−30−150+15+30+9.2−1.2+2.6+3.7+5.5−2.2−13.3+13.0Reading−30−150+15+30−7.1−12.3−9.4−7.4−2.3−18.1−12.0+0.8Mathematics−30−150+15+30−3.8−9.1−2.2−7.4−1.9−8.8−10.7+2.5
Science rises 13.0 points in Costa Rica and 9.2 in Uruguay, while reading falls in several systems. Colombia’s intervals cross zero in all three subjects: its numerical movements do not establish a statistically significant change. Mexico’s mathematics decline does.
Sources
Uruguay y Costa Rica avanzan en cienciasCambios de puntaje 2022 → 2025 · Puntos e intervalos aproximados de 95%Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.36 / I.B1.2a.37 / I.B1.2a.38UruguayChileColombiaMéxicoBrasilPerúArgentinaCosta RicaCiencias−30−150+15+30+9.2−1.2+2.6+3.7+5.5−2.2−13.3+13.0Lectura−30−150+15+30−7.1−12.3−9.4−7.4−2.3−18.1−12.0+0.8Matemáticas−30−150+15+30−3.8−9.1−2.2−7.4−1.9−8.8−10.7+2.5
Ciencias sube 13,0 puntos en Costa Rica y 9,2 en Uruguay, mientras la lectura cae en varios sistemas. En Colombia los intervalos cruzan cero en las tres materias: sus movimientos numéricos no establecen un cambio estadísticamente significativo. La caída de México en matemáticas sí.
Fuentes
Mexico’s mathematics gap widened over adecadeShare below Level 2 (%) · Mexico · 2015–2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.33 / I.B1.2a.34 / I.B1.2a.35304050607080201520182022202547.8%46.8%50.8%49.6%Science41.7%44.7%47.0%50.2%Reading56.6%56.2%65.8%69.7%Mathematics
The mathematics low-performing share rose from roughly 57% to 70% over a decade. Reading also worsened, while the science change was not statistically significant. These trajectories connect today’s result to the longer problem.
Sources
La brecha de matemáticas en México seamplió en una décadaPorcentaje bajo el nivel 2 · México · 2015–2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.33 / I.B1.2a.34 / I.B1.2a.35304050607080201520182022202547.8%46.8%50.8%49.6%Ciencias41.7%44.7%47.0%50.2%Lectura56.6%56.2%65.8%69.7%Matemáticas
La proporción con bajo desempeño en matemáticas pasó de cerca de 57% a 70% en una década. La lectura también empeoró, mientras el cambio en ciencias no fue estadísticamente significativo. Estas trayectorias conectan el resultado actual con un problema de larga duración.
Fuentes
Decline is widespread, but it is notinevitableScience mean scores · Selected systems with significant 2015–2025 gainsMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.36Montenegro3904154404112015415201840320224352025Qatar4104354604182015419201843220224342025Lithuania4704955204752015482201848420224882025Korea5105355605162015519201852820225262025
These systems improved over the decade through different paths. Montenegro’s latest rebound is striking; Lithuania’s improvement is steadier. Korea gained over the decade even though its latest cycle was broadly stable. No single trajectory should be treated as a universal formula.
Sources
El deterioro es extendido, pero no inevitablePuntajes promedio de ciencias · Sistemas seleccionados con mejoras significativas en 2015–2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.36Montenegro3904154404112015415201840320224352025Catar4104354604182015419201843220224342025Lituania4704955204752015482201848420224882025Corea5105355605162015519201852820225262025
Estos sistemas mejoraron en la década por trayectorias distintas. Destaca el repunte reciente de Montenegro; Lituania avanza de forma más sostenida. Corea mejoró en la década aunque el último ciclo fue ampliamente estable. Ninguna trayectoria debe tomarse como fórmula universal.
Fuentes
National advantage does not close theinternational gapScience mean scores by national socioeconomic quarter · 2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2b.2350400450500550600National socioeconomic quarters: lower → higherSingapore508599Japan504575OECD average446531Uruguay410498Chile415491Colombia377471Mexico383451Brazil373469Argentina367449
Singapore’s nationally disadvantaged quarter averages 508 in science; Colombia’s nationally advantaged quarter averages 471. Family background matters within systems, but this comparison shows how much the system-level context also differs.
Sources
La ventaja nacional no cierra la brechainternacionalPuntajes promedio de ciencias por cuartil socioeconómico nacional · 2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2b.2350400450500550600Cuartiles socioeconómicos nacionales: menor → mayorSingapur508599Japón504575Promedio OCDE446531Uruguay410498Chile415491Colombia377471México383451Brasil373469Argentina367449
El cuartil nacional desfavorecido de Singapur promedia 508 en ciencias; el cuartil favorecido de Colombia, 471. El origen familiar importa dentro de los sistemas, pero esta comparación muestra cuánto difiere también el contexto entre sistemas.
Fuentes
A narrower gap can still hide weakerlearningScience mean scores · OECD-35 · National socioeconomic quarters · 2022–2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2b.2242045048051054020222025441.5446.7Disadvantaged quarter538.2530.6Advantaged quarter
The socioeconomic science gap narrowed from 96.7 to 83.8 points. The advantaged quarter fell 7.6 points; the disadvantaged quarter rose 5.2 points, but that latter change was not statistically significant. A smaller gap is not sufficient evidence of broad improvement.
Sources
Una brecha menor puede ocultar unaprendizaje más débilPuntajes de ciencias · OCDE-35 · Cuartiles socioeconómicos nacionales · 2022–2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2b.2242045048051054020222025441.5446.7Cuartil desfavorecido538.2530.6Cuartil favorecido
La brecha socioeconómica en ciencias se redujo de 96,7 a 83,8 puntos. El cuartil favorecido cayó 7,6 puntos; el desfavorecido subió 5,2 puntos, pero ese aumento no fue estadísticamente significativo. Una brecha menor no basta para demostrar una mejora generalizada.
Fuentes
The average hides different gender gaps atthe tailsOECD average · 2025 · Gaps at the 10th percentile, mean and 90th percentileMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2c.1 / I.B1.2c.2 / I.B1.2c.3Science−40−200+20−11.5P10−1.2Mean+10.1P90Reading−40−200+20−40.2P10−29.6Mean−18.7P90Mathematics−40−200+20+3.2P10+13.1Mean+23.6P90Boys minus girls, score points · Above zero: boys ahead · Below zero: girls ahead
Girls lead reading throughout the distribution, particularly at the lower end. Boys’ mathematics advantage is largest at the top. Science is close at the mean but reverses direction between the low and high tails.
Sources
El promedio oculta brechas de génerodistintas en los extremosPromedio OCDE · 2025 · Brechas en el percentil 10, la media y el percentil 90Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2c.1 / I.B1.2c.2 / I.B1.2c.3Ciencias−40−200+20−11.5P10−1.2Media+10.1P90Lectura−40−200+20−40.2P10−29.6Media−18.7P90Matemáticas−40−200+20+3.2P10+13.1Media+23.6P90Niños menos niñas, puntos · Sobre cero: ventaja masculina · Bajo cero: ventaja femenina
Las niñas aventajan en lectura a lo largo de la distribución, sobre todo en el extremo inferior. La ventaja masculina en matemáticas es mayor arriba. En ciencias, la media es cercana, pero la dirección se invierte entre los extremos inferior y superior.
Fuentes
Curiosity is widespread in Latin America“I am curious about many different things” · Student responses (%) · 2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.3.1DisagreeNeutralAgreeOECD average101673Uruguay131671Chile91575Costa Rica91279Mexico101080Colombia10882Brazil131572Peru10981Argentina192159Ecuador12880El Salvador201169Dominican Republic241165Paraguay191171Guatemala15778Labels rounded
About 82% of Colombian and 80% of Mexican students agree that they are curious about many different things, versus 73% across the OECD. Weak measured performance does not imply an absence of interest in learning.
Sources
La curiosidad está extendida en AméricaLatina“Siento curiosidad por muchas cosas diferentes” · Respuestas de estudiantes (%) · 2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.3.1En desacuerdoNeutralDe acuerdoPromedio OCDE101673Uruguay131671Chile91575Costa Rica91279México101080Colombia10882Brasil131572Perú10981Argentina192159Ecuador12880El Salvador201169Rep. Dominicana241165Paraguay191171Guatemala15778Etiquetas redondeadas
Cerca de 82% de los estudiantes colombianos y 80% de los mexicanos dice sentir curiosidad por muchas cosas, frente a 73% en la OCDE. Un desempeño medido débil no implica ausencia de interés por aprender.
Fuentes
Learning and leisure show differentscreen-time patternsScience scores by reported device time at school · OECD · 2025 · Adjusted for student SESMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.4.33 / I.B1.4.35Learning activities420440460480500520480None496≤14941–24992–34983–54855–7481>7Hours per school day (categories)Leisure activities420440460480500520499None507≤14951–24822–34623–54345–7445>7Hours per school day (categories)
Reported leisure use at school has a much steeper negative association with science performance at long durations. The learning-use pattern is flatter and peaks in the middle categories. A single total of “screen time” conceals different activities.
Sources
Aprendizaje y ocio muestran patronesdistintos de uso de pantallasCiencias según tiempo declarado con dispositivos en la escuela · OCDE · 2025 · Ajustado por estatussocioeconómicoMade for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.4.33 / I.B1.4.35Actividades de aprendizaje420440460480500520480Nada496≤14941–24992–34983–54855–7481>7Horas por día escolar (categorías)Actividades de ocio420440460480500520499Nada507≤14951–24822–34623–54345–7445>7Horas por día escolar (categorías)
El ocio declarado con dispositivos en la escuela presenta una asociación negativa mucho más marcada con ciencias cuando la duración es larga. El patrón de aprendizaje es más plano y alcanza su máximo en categorías intermedias. Un único total de “tiempo de pantalla” oculta actividades distintas.
Fuentes
Phone policies are associated with lessdistractionStudents reporting distraction in most/every science lesson (%) · 2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.4.52Neither policyGuidelines onlyPhone ban onlyBoth policiesOECD average20%60%32.129.026.827.0Colombia20%60%40.338.630.129.1Mexico20%60%41.537.530.934.5Chile20%60%55.847.752.742.9
Distraction is lower in several policy groups, especially when comparing Colombia’s schools with bans against those with neither policy. But policy groups contain different schools and students. These estimates support closer investigation of implementation, not a claim that a ban alone causes the gap.
Sources
Las políticas sobre teléfonos se asocian conmenor distracciónEstudiantes que reportan distracción en la mayoría/todas las clases de ciencias (%) · 2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.4.52Ninguna políticaSolo pautasSolo prohibiciónAmbas políticasPromedio OCDE20%60%32.129.026.827.0Colombia20%60%40.338.630.129.1México20%60%41.537.530.934.5Chile20%60%55.847.752.742.9
La distracción es menor en varios grupos con políticas, especialmente al comparar escuelas colombianas con prohibición frente a las que no tienen ninguna política. Pero los grupos contienen escuelas y estudiantes distintos. Las estimaciones justifican estudiar la implementación, no afirmar que la prohibición por sí sola causa la brecha.
Fuentes
“Using AI” covers very different learningbehaviorsReported AI-chatbot frequency for schoolwork · OECD average · 2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.4.53NeverYearlyMonthlyWeeklyDailySummarise assigned reading32.4%16.6%21.3%19.0%10.7%Research a new topic28.9%16.8%23.1%20.1%11.1%Draft writing assignments32.3%16.8%22.1%18.0%10.8%Help me learn20.7%13.2%20.6%26.4%19.1%
Forty-six percent use AI to help them learn at least weekly, but the corresponding shares for summarising readings, researching topics and drafting assignments are around 29–31%. The task matters when interpreting any relationship between AI use and performance.
Sources
“Usar IA” abarca conductas de aprendizajemuy distintasFrecuencia declarada de uso de chatbots de IA para tareas escolares · Promedio OCDE · 2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.4.53NuncaAnualMensualSemanalDiarioResumir lecturas asignadas32.4%16.6%21.3%19.0%10.7%Investigar un tema nuevo28.9%16.8%23.1%20.1%11.1%Redactar tareas32.3%16.8%22.1%18.0%10.8%Ayudarme a aprender20.7%13.2%20.6%26.4%19.1%
El 46% usa IA para aprender al menos semanalmente, pero las proporciones para resumir lecturas, investigar y redactar tareas rondan 29–31%. La tarea importa al interpretar cualquier relación entre uso de IA y desempeño.
Fuentes
Opportunities to question AI are unequallydistributedReport evaluating AI-generated information in class at least sometimes (%) · 2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.4.680%20%40%60%80%100%DisadvantagedAdvantagedOECD averageColombiaMexicoChileUruguayBrazilPeruArgentinaEcuadorGuatemala
Across the OECD, 67% of advantaged students report classroom tasks evaluating AI-generated information, compared with 58% of disadvantaged students. The country comparisons show why adoption alone is an incomplete measure of preparation.
Sources
Las oportunidades de cuestionar la IA sereparten de forma desigualDeclaran evaluar información generada por IA en clase al menos a veces (%) · 2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.4.680%20%40%60%80%100%DesfavorecidosFavorecidosPromedio OCDEColombiaMéxicoChileUruguayBrasilPerúArgentinaEcuadorGuatemala
En la OCDE, 67% de los estudiantes favorecidos declara tareas de aula para evaluar información generada por IA, frente a 58% de los desfavorecidos. Las comparaciones por país muestran por qué la adopción por sí sola no mide toda la preparación.
Fuentes
Daily AI users score differently whenevaluation enters the classroomScience scores by AI learning-use frequency and classroom tasks · OECD · 2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.4.70470480490500510496.6483.5498.9500.8487.5No AI-evaluationtasks492.8476.4494.9506.4501.5AI-evaluationtasks at leastsometimesNeverYearlyMonthlyWeeklyDaily
Among daily users, the group that reports evaluating AI-generated information in class scores about 14 science points higher. The relationship changes across usage frequencies. This is a reason to study how AI is used and taught, not evidence that either usage or instruction caused the difference.
Sources
Quienes usan IA a diario puntúan distintocuando la evalúan en claseCiencias según frecuencia de uso de IA para aprender y tareas de aula · OCDE · 2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.4.70470480490500510496.6483.5498.9500.8487.5Sin tareas deevaluar IA492.8476.4494.9506.4501.5Tareas deevaluar IA almenos a vecesNuncaAnualMensualSemanalDiario
Entre usuarios diarios, el grupo que declara evaluar información generada por IA en clase obtiene cerca de 14 puntos más en ciencias. La relación cambia según la frecuencia de uso. Es una razón para estudiar cómo se usa y enseña IA, no evidencia de que el uso o la instrucción causaran la diferencia.
Fuentes
Strong science systems also tend to leadcomputational problem solvingPISA 2025 · 85 country/economy means · Two separate assessment scalesMade for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.1 / I.B1.2a.4300400500600300400500600Macao (China)SingaporeJapanB-S-J-Z (China)MexicoColombiaChileGuatemalaComputational problem-solving scoreScience score · Latin America in green
The new assessment broadly follows the international pattern of science performance, while changing the relative positions of some systems. Macao, Singapore and Japan are among its leaders. The chart shows a system-level association, not that science scores cause computational ability.
Sources
Los sistemas fuertes en ciencias suelenliderar también en resolución computacionalPISA 2025 · Promedios de 85 países/economías · Dos escalas de evaluación distintasMade for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.1 / I.B1.2a.4300400500600300400500600Macao (China)SingapurJapónB-S-J-Z (China)MéxicoColombiaChileGuatemalaPuntaje de resolución computacional de problemasPuntaje de ciencias · América Latina en verde
La nueva evaluación sigue en gran medida el patrón internacional de ciencias, aunque cambia las posiciones relativas de algunos sistemas. Macao, Singapur y Japón figuran entre sus líderes. El gráfico muestra una asociación entre sistemas, no que los puntajes de ciencias causen capacidad computacional.
Fuentes
Chile and Uruguay lead the region’scomputational resultsComputational problem solving · Mean scores and approximate 95% intervals · 2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.4350400450500550600Singapore563OECD average500Chile466Uruguay462Mexico453Costa Rica452Peru436Colombia432Ecuador422Brazil406Argentina403El Salvador401Dominican Republic379Guatemala369Paraguay352
Chile and Uruguay lead the regional estimates, followed by Mexico and Costa Rica. All participating Latin American systems remain below the OECD average of 500. The full regional table corrects the misleading impression created by looking only at a partial list of countries.
Sources
Chile y Uruguay lideran los resultadoscomputacionales de la regiónResolución computacional de problemas · Promedios e intervalos aproximados de 95% · 2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.4350400450500550600Singapur563Promedio OCDE500Chile466Uruguay462México453Costa Rica452Perú436Colombia432Ecuador422Brasil406Argentina403El Salvador401Rep. Dominicana379Guatemala369Paraguay352
Chile y Uruguay encabezan las estimaciones regionales, seguidos por México y Costa Rica. Todos los sistemas latinoamericanos participantes quedan debajo del promedio OCDE de 500. La tabla regional completa corrige la impresión engañosa que puede dejar una lista parcial de países.
Fuentes
The new assessment reveals another broadskills gapComputational problem-solving proficiency levels · Student shares (%) · 2025Made for Freddy Vega, by HanademiSources: OECD · PISA 2025 · I.B1.2a.13Below Level 2Levels 2–3Levels 4–6Singapore81974OECD average233047Chile323433Uruguay353431Mexico364123Costa Rica383824Peru453521Colombia473023Ecuador503317Brazil562617Argentina582517El Salvador612712Dominican Republic682310Guatemala70218Paraguay75187Labels rounded
About 47% of Colombian students are below Level 2 in the new computational assessment, compared with 23% across the OECD and 8% in Singapore. The digital frontier does not remove the need to build foundations. Access, use, judgment and demonstrated competence must be distinguished.
Sources
La nueva evaluación revela otra ampliabrecha de habilidadesNiveles de resolución computacional de problemas · Porcentaje de estudiantes · 2025Made for Freddy Vega, by HanademiFuentes: OECD · PISA 2025 · I.B1.2a.13Bajo nivel 2Niveles 2–3Niveles 4–6Singapur81974Promedio OCDE233047Chile323433Uruguay353431México364123Costa Rica383824Perú453521Colombia473023Ecuador503317Brasil562617Argentina582517El Salvador612712Rep. Dominicana682310Guatemala70218Paraguay75187Etiquetas redondeadas
Cerca de 47% de los estudiantes colombianos queda bajo el nivel 2 de la nueva evaluación computacional, frente a 23% en la OCDE y 8% en Singapur. La frontera digital no elimina la necesidad de construir bases. Hay que distinguir acceso, uso, criterio y competencia demostrada.
Fuentes

Methods and sources

Release and data vintage: assessment year 2025, Volume I published 8 September 2026. Charts use the report’s June 2026 database and its accompanying official workbooks, downloaded on release day. Every chart includes 2025 observations; earlier years appear only as comparisons ending in 2025. Computational problem solving is included in this release.

Coverage and sampling: PISA assesses eligible enrolled 15-year-olds, not all adolescents. Participation and available questionnaire responses differ by indicator. OECD flags sampling cautions for Albania, Canada, the Netherlands, New Zealand, Norway and the United States; the latter and Albania have limited reporting. These systems may appear as unlabelled points where the relevant indicator is available. Consult the Reader’s Guide for country-specific restrictions. B-S-J-Z represents Beijing, Shanghai, Jiangsu and Zhejiang, not all of China.

Comparability: OECD cross-sectional averages differ from the constant OECD-35 trend group, which excludes Costa Rica, Luxembourg and Spain. National socioeconomic quarters are relative positions inside each country, not equal wealth across borders. Scores in different domains are separate scales. Charts compare direct endpoints; they do not substitute OECD’s fitted decennial trend coefficients for endpoint differences.

Uncertainty and interpretation: displayed 95% intervals equal estimate plus or minus 1.96 published standard errors, without correction for multiple comparisons. Percentile ranges describe students’ score distributions and are not confidence intervals. Small rank differences may be uncertain. Rounded composition labels can sum to 99 or 101. AI, screen-time and phone-policy charts are descriptive associations; they do not identify causal effects or individual-level overlaps.

OECD · PISA 2025 · Volume I

01 · AI use is widespread even where core skills are scarce

Country/economy estimates, plus OECD reference. This is not a student-level overlap or a causal effect. Response bases differ by indicator. B-S-J-Z represents four Chinese jurisdictions.

OECD · PISA 2025 · I.B1.2a.22 / I.B1.4.53

OECD · performance-proficiency · OECD · school

02 · The decline continued through 2025

OECD-35 excludes Costa Rica, Luxembourg and Spain. These trend means differ from the all-OECD cross-sectional averages. Domain scales are interpreted separately.

OECD · PISA 2025 · I.B1.2a.36 / I.B1.2a.37 / I.B1.2a.38

OECD · performance-proficiency

03 · Latin America trails the OECD in every core subject

Intervals use published standard errors. Countries are ordered by science profile; ties are not asserted. Scores across subjects are separate scales, not interchangeable quantities.

OECD · PISA 2025 · I.B1.2a.1 / I.B1.2a.2 / I.B1.2a.3

OECD · performance-proficiency

04 · In much of the region, missing basics is a three-subject problem

Level 2 is a baseline, not advanced mastery. Mixed = 100 minus the two disjoint endpoint groups. PISA covers enrolled eligible 15-year-olds, not every adolescent.

OECD · PISA 2025 · I.B1.2a.22

OECD · performance-proficiency

05 · National averages hide wide learning distributions

These are population percentile ranges, not confidence intervals. The bands show the middle half of the assessed student distribution.

OECD · PISA 2025 · I.B1.2a.1

OECD · performance-proficiency

06 · Uruguay and Costa Rica gain in science

Published exact-derived changes and their standard errors. Filled dots: approximate interval excludes zero; hollow dots: it includes zero. OECD’s published significance flags remain the primary reference.

OECD · PISA 2025 · I.B1.2a.36 / I.B1.2a.37 / I.B1.2a.38

OECD · performance-proficiency

07 · Mexico’s mathematics gap widened over a decade

Each subject uses its own Level 2 threshold. Changes in enrollment and the population assessed can affect trends; these are not repeated tests of the same students.

OECD · PISA 2025 · I.B1.2a.33 / I.B1.2a.34 / I.B1.2a.35

OECD · performance-proficiency

08 · Decline is widespread, but it is not inevitable

Each panel spans 50 score points, at a different vertical location. Selection follows the OECD’s list of significant decade gains; it is not an exhaustive list or a causal policy evaluation.

OECD · PISA 2025 · I.B1.2a.36

OECD · performance-proficiency

09 · National advantage does not close the international gap

Quartiles are defined separately inside each country, so they do not imply equal absolute wealth. ESCS combines economic, social and cultural status; estimates include students with available ESCS data.

OECD · PISA 2025 · I.B1.2b.2

OECD · socioeconomic

10 · A narrower gap can still hide weaker learning

Same 35 OECD countries. Statistical statements follow the published changes and standard errors in Table I.B1.2b.22, not rounded chart endpoints.

OECD · PISA 2025 · I.B1.2b.22

OECD · socioeconomic

11 · The average hides different gender gaps at the tails

Differences compare the same percentile in each gender’s score distribution. Vertical intervals use the standard error of the published gender difference. These are descriptive comparisons.

OECD · PISA 2025 · I.B1.2c.1 / I.B1.2c.2 / I.B1.2c.3

OECD · gender

12 · Curiosity is widespread in Latin America

Agree/disagree combine their ordinary and strong response categories. These are self-reports; cultural response styles limit literal country-to-country comparisons of underlying curiosity.

OECD · PISA 2025 · I.B1.3.1

OECD · engagement

13 · Learning and leisure show different screen-time patterns

These are 2025 associations adjusted for student socioeconomic status, not causal effects or recommended time limits. Categories are equally spaced on the chart but represent unequal hour ranges.

OECD · PISA 2025 · I.B1.4.33 / I.B1.4.35

OECD · school

14 · Phone policies are associated with less distraction

Student reports joined to principals’ reported school policies. Unadjusted group estimates with approximate 95% intervals. The design does not identify causal effects.

OECD · PISA 2025 · I.B1.4.52

OECD · school

15 · “Using AI” covers very different learning behaviors

“Never” includes almost never; “daily” includes almost every day. Weekly means about once or twice a week. Frequencies are self-reported, not usage logs.

OECD · PISA 2025 · I.B1.4.53

OECD · school

16 · Opportunities to question AI are unequally distributed

Advantaged/disadvantaged are national top/bottom ESCS quarters. This measures reported opportunities, not tested AI literacy or the quality of instruction.

OECD · PISA 2025 · I.B1.4.68

OECD · school

17 · Daily AI users score differently when evaluation enters the classroom

Unadjusted conditional group means with approximate 95% intervals. Frequency categories are ordinal, not equally spaced doses. “No tasks” means never or almost never.

OECD · PISA 2025 · I.B1.4.70

OECD · school

18 · Strong science systems also tend to lead computational problem solving

No 45-degree “parity” line: the domains have different scales. Differences between their raw scores should not be read as equivalent amounts of learning. B-S-J-Z is four jurisdictions, not all China.

OECD · PISA 2025 · I.B1.2a.1 / I.B1.2a.4

OECD · performance-proficiency

19 · Chile and Uruguay lead the region’s computational results

The OECD average is 500 on this new assessment scale. Intervals distinguish uncertainty from the published ordering of point estimates; Chile and Uruguay’s estimates overlap.

OECD · PISA 2025 · I.B1.2a.4

OECD · performance-proficiency

20 · The new assessment reveals another broad skills gap

Adjacent published levels are summed into three disjoint groups. Level definitions belong to computational problem solving and are not interchangeable with science, reading or mathematics thresholds.

OECD · PISA 2025 · I.B1.2a.13

OECD · performance-proficiency

Métodos y fuentes

Publicación y versión: evaluación de 2025, volumen I publicado el 8 de septiembre de 2026. Los gráficos usan la base del informe de junio de 2026 y sus libros oficiales, descargados el día de publicación. Todos incluyen observaciones de 2025; los años anteriores solo aparecen en comparaciones que terminan en 2025. La resolución computacional está incluida en esta publicación.

Cobertura y muestreo: PISA evalúa a estudiantes elegibles de 15 años escolarizados, no a todos los adolescentes. La participación y las respuestas disponibles varían por indicador. La OCDE señala cautelas de muestreo para Albania, Canadá, Países Bajos, Nueva Zelanda, Noruega y Estados Unidos; los dos últimos casos de publicación limitada son Albania y Estados Unidos. Estos sistemas pueden aparecer como puntos sin etiqueta cuando hay datos. Consulte la guía del lector para las restricciones nacionales. B-S-J-Z representa Beijing, Shanghái, Jiangsu y Zhejiang, no toda China.

Comparabilidad: los promedios transversales OCDE difieren del grupo constante OCDE-35, que excluye Costa Rica, Luxemburgo y España. Los cuartiles socioeconómicos son posiciones relativas dentro de cada país, no igual riqueza entre países. Cada dominio tiene su propia escala. Los gráficos comparan extremos observados; no sustituyen diferencias entre extremos por coeficientes de tendencia decenal ajustados.

Incertidumbre e interpretación: los intervalos de 95% equivalen a la estimación más o menos 1,96 errores estándar publicados, sin corrección por comparaciones múltiples. Los percentiles describen distribuciones de puntajes estudiantiles, no intervalos de confianza. Pequeñas diferencias de posición pueden ser inciertas. Los porcentajes redondeados pueden sumar 99 o 101. Los gráficos de IA, pantallas y políticas telefónicas muestran asociaciones descriptivas; no identifican efectos causales ni cruces individuales.

OECD · PISA 2025 · Volume I

01 · La IA se usa ampliamente incluso donde faltan habilidades básicas

Estimaciones por país/economía, más la referencia OCDE. No es un cruce individual ni un efecto causal. Las bases de respuesta difieren según el indicador. B-S-J-Z representa cuatro jurisdicciones chinas.

OECD · PISA 2025 · I.B1.2a.22 / I.B1.4.53

OECD · performance-proficiency · OECD · school

02 · El deterioro continuó hasta 2025

La OCDE-35 excluye a Costa Rica, Luxemburgo y España. Estos promedios de tendencia difieren de los promedios transversales de toda la OCDE. Cada escala se interpreta por separado.

OECD · PISA 2025 · I.B1.2a.36 / I.B1.2a.37 / I.B1.2a.38

OECD · performance-proficiency

03 · América Latina queda rezagada en las tres materias

Los intervalos usan errores estándar publicados. El orden sigue el perfil de ciencias; no se afirman empates. Las materias tienen escalas distintas, no cantidades intercambiables.

OECD · PISA 2025 · I.B1.2a.1 / I.B1.2a.2 / I.B1.2a.3

OECD · performance-proficiency

04 · En buena parte de la región faltan bases en las tres materias

El nivel 2 es un mínimo, no dominio avanzado. Mixto = 100 menos los dos grupos extremos disjuntos. PISA cubre a estudiantes elegibles de 15 años escolarizados, no a todos los adolescentes.

OECD · PISA 2025 · I.B1.2a.22

OECD · performance-proficiency

05 · Los promedios nacionales ocultan grandes diferencias

Son rangos de percentiles de la población, no intervalos de confianza. Las bandas muestran la mitad central de la distribución de estudiantes evaluados.

OECD · PISA 2025 · I.B1.2a.1

OECD · performance-proficiency

06 · Uruguay y Costa Rica avanzan en ciencias

Cambios publicados derivados de cifras exactas y sus errores estándar. Puntos llenos: el intervalo aproximado excluye cero; vacíos: lo incluye. La significancia publicada por la OCDE sigue siendo la referencia principal.

OECD · PISA 2025 · I.B1.2a.36 / I.B1.2a.37 / I.B1.2a.38

OECD · performance-proficiency

07 · La brecha de matemáticas en México se amplió en una década

Cada materia usa su propio umbral de nivel 2. Los cambios de escolarización y población evaluada pueden afectar las tendencias; no son pruebas repetidas a los mismos estudiantes.

OECD · PISA 2025 · I.B1.2a.33 / I.B1.2a.34 / I.B1.2a.35

OECD · performance-proficiency

08 · El deterioro es extendido, pero no inevitable

Cada panel abarca 50 puntos, en una posición vertical distinta. La selección sigue la lista OCDE de mejoras significativas en la década; no es exhaustiva ni una evaluación causal de políticas.

OECD · PISA 2025 · I.B1.2a.36

OECD · performance-proficiency

09 · La ventaja nacional no cierra la brecha internacional

Los cuartiles se definen dentro de cada país y no implican igual riqueza absoluta. ESCS combina estatus económico, social y cultural; las estimaciones incluyen estudiantes con ESCS disponible.

OECD · PISA 2025 · I.B1.2b.2

OECD · socioeconomic

10 · Una brecha menor puede ocultar un aprendizaje más débil

Los mismos 35 países OCDE. La significancia se basa en los cambios y errores estándar publicados en la tabla I.B1.2b.22, no en los extremos redondeados del gráfico.

OECD · PISA 2025 · I.B1.2b.22

OECD · socioeconomic

11 · El promedio oculta brechas de género distintas en los extremos

Las diferencias comparan el mismo percentil de la distribución de cada género. Los intervalos verticales usan el error estándar de la diferencia publicada. Son comparaciones descriptivas.

OECD · PISA 2025 · I.B1.2c.1 / I.B1.2c.2 / I.B1.2c.3

OECD · gender

12 · La curiosidad está extendida en América Latina

Acuerdo/desacuerdo combinan las categorías normales y fuertes. Son autoinformes; los estilos culturales de respuesta limitan comparar literalmente la curiosidad subyacente entre países.

OECD · PISA 2025 · I.B1.3.1

OECD · engagement

13 · Aprendizaje y ocio muestran patrones distintos de uso de pantallas

Son asociaciones de 2025 ajustadas por estatus socioeconómico, no efectos causales ni límites recomendados. Las categorías están equidistantes en el gráfico, pero abarcan rangos horarios desiguales.

OECD · PISA 2025 · I.B1.4.33 / I.B1.4.35

OECD · school

14 · Las políticas sobre teléfonos se asocian con menor distracción

Reportes estudiantiles vinculados a políticas declaradas por directores. Estimaciones de grupos sin ajuste, con intervalos aproximados de 95%. El diseño no identifica efectos causales.

OECD · PISA 2025 · I.B1.4.52

OECD · school

15 · “Usar IA” abarca conductas de aprendizaje muy distintas

“Nunca” incluye casi nunca; “diario”, casi todos los días. Semanal significa alrededor de una o dos veces por semana. Son frecuencias declaradas, no registros de uso.

OECD · PISA 2025 · I.B1.4.53

OECD · school

16 · Las oportunidades de cuestionar la IA se reparten de forma desigual

Favorecidos/desfavorecidos son los cuartiles nacionales superior/inferior de ESCS. Se miden oportunidades declaradas, no alfabetización en IA evaluada ni calidad de enseñanza.

OECD · PISA 2025 · I.B1.4.68

OECD · school

17 · Quienes usan IA a diario puntúan distinto cuando la evalúan en clase

Promedios de grupos condicionados sin ajuste, con intervalos aproximados de 95%. Las categorías de frecuencia son ordinales, no dosis equidistantes. “Sin tareas” significa nunca o casi nunca.

OECD · PISA 2025 · I.B1.4.70

OECD · school

18 · Los sistemas fuertes en ciencias suelen liderar también en resolución computacional

No se dibuja una línea de “paridad” de 45 grados: los dominios tienen escalas distintas. Sus diferencias brutas no representan cantidades equivalentes de aprendizaje. B-S-J-Z son cuatro jurisdicciones, no toda China.

OECD · PISA 2025 · I.B1.2a.1 / I.B1.2a.4

OECD · performance-proficiency

19 · Chile y Uruguay lideran los resultados computacionales de la región

El promedio OCDE es 500 en esta nueva escala. Los intervalos distinguen incertidumbre del orden de las estimaciones puntuales; las de Chile y Uruguay se superponen.

OECD · PISA 2025 · I.B1.2a.4

OECD · performance-proficiency

20 · La nueva evaluación revela otra amplia brecha de habilidades

Se suman niveles publicados adyacentes en tres grupos disjuntos. Sus definiciones corresponden a resolución computacional y no son intercambiables con los umbrales de ciencias, lectura o matemáticas.

OECD · PISA 2025 · I.B1.2a.13

OECD · performance-proficiency

The research behind this deck

The 2025 results reveal a widening foundations gap and a separate challenge: turning widespread AI use into informed learning.

Key findings

The argument

This research is published in English and Spanish. Ver en español

La investigación detrás de esta presentación

Los resultados de 2025 muestran una brecha de habilidades básicas y un desafío distinto: convertir el uso extendido de IA en aprendizaje informado.

Hallazgos clave

El argumento

Esta investigación se publica en inglés y español. Read in English

More researchMás investigación
Build your own researchCrea tu propia investigación