Archivo de la etiqueta: Enseñanza

Guía para el uso uso de la Inteligencia Artificial Generativa para docentes


Guía para el uso uso de la Inteligencia Artificial Generativa para docentes de la Universidad Nacional Mayor de San Marcos. Lima: Universidad Nacional Mayor de San Marcos, 2025

Texto completo

La guía surge como una herramienta institucional para orientar al profesorado en el uso responsable, ético y creativo de tecnologías como ChatGPT, Gemini o Midjourney en la docencia. La universidad reconoce que estas herramientas ya forman parte del entorno académico y profesional, y que es necesario acompañar a los docentes en su integración, evitando riesgos como el plagio, la desinformación o el uso acrítico de contenidos.

El documento explica qué es la inteligencia artificial generativa, cuáles son sus características principales y en qué se diferencia de otros tipos de IA. También señala sus aplicaciones en la educación, como la generación de textos, imágenes y materiales multimedia, el diseño de clases y actividades, la personalización del aprendizaje y la asistencia en tareas administrativas. A la vez, advierte sobre limitaciones y sesgos de la tecnología, promoviendo que siempre exista la supervisión del docente.

La guía propone un marco ético y normativo para su uso en el ámbito universitario. Incluye recomendaciones sobre el respeto a la propiedad intelectual, la transparencia al citar el apoyo de estas herramientas, la protección de datos personales y la necesidad de garantizar un acceso equitativo. En este sentido, subraya que la IA debe entenderse como un complemento que potencia la labor del profesorado, no como un sustituto de su papel pedagógico.

Contenido

Fundamentos

Se explican los conceptos básicos de la inteligencia artificial generativa (IAG), cómo funciona, sus alcances, potenciales y limitaciones. Se subraya su carácter de herramienta de apoyo que necesita supervisión humana.

Aplicaciones de la IAG

Describe cómo puede aplicarse en la docencia: creación de materiales didácticos, apoyo en investigación, elaboración de evaluaciones, personalización del aprendizaje y optimización de tareas administrativas.

¿Qué es un prompt?

Define el concepto de prompt como la instrucción o entrada que el usuario da a la IA para obtener una respuesta. Se enfatiza que la calidad del resultado depende en gran medida de cómo se formule el prompt.

Guía para la creación efectiva de prompts

Se ofrecen orientaciones para elaborar prompts claros, específicos y contextuales, con ejemplos de cómo detallar la tarea, el estilo o el formato deseado.

Clases de prompt

Clasifica los distintos tipos de prompts: informativos, creativos, explicativos, comparativos, entre otros, según el objetivo que tenga el docente.

Estructura general de un buen prompt

Explica los elementos básicos que debe contener: contexto, instrucción clara, formato esperado y parámetros opcionales (ejemplo: extensión, tono, idioma).

Ejemplos de prompts en la educación superior

Muestra casos prácticos de uso en el aula universitaria, como generación de preguntas de examen, resúmenes de textos, planes de clase, explicaciones alternativas o actividades de retroalimentación.

Herramientas que utilizamos en la vida diaria

Presenta aplicaciones de IA generativa ya integradas en la vida cotidiana, como asistentes virtuales, correctores de texto, generadores de imágenes, traductores y buscadores inteligentes.

Clasificación de las herramientas de IAG

Organiza las herramientas según sus funciones principales: generación de texto, imágenes, audio, video, programación o análisis de datos, con ejemplos destacados en cada categoría.

Ejemplos de IAG

Incluye un repertorio de aplicaciones concretas: ChatGPT, Gemini, Copilot, Midjourney, DALL·E, entre otras, explicando para qué sirven y cómo se pueden aplicar en el contexto académico.

La inteligencia artificial generativa en la docencia universitaria: oportunidades, desafíos y recomendaciones

Cruz Argudo, Francisco; García Varea, Ismael; Martínez Carrascal, Juan A.; Ruiz Martínez, Antonio; Ruiz Martínez, Pedro M.; Sánchez Campos, Alberto; Turró Ribalta, Carlos. La inteligencia artificial generativa en la docencia universitaria: oportunidades, desafíos y recomendaciones. Crue, marzo de 2024. https://www.crue.org/wp-content/uploads/2024/03/Crue-Digitalizacion_IA-Generativa.pdf

El documento analiza el papel de la inteligencia artificial generativa (IAG) en el ámbito de la educación universitaria, identificando las oportunidades que ofrece, los desafíos que impone y proponiendo recomendaciones para su integración responsable. Se define la IAG como una evolución de la IA tradicional que puede generar contenido nuevo (texto, imágenes, vídeos, etc.) a partir de descripciones en lenguaje natural, y se plantea su uso para personalizar el aprendizaje, generar materiales educativos y liberar al profesorado de tareas repetitivas.

Entre las oportunidades, el texto destaca que la IAG permite ampliar el acceso a la educación superior, adaptar el aprendizaje a las necesidades individuales, proporcionar apoyo en tiempo real mediante chatbots o tutorías automáticas, y mejorar la eficiencia docente al automatizar tareas administrativas y de creación de contenido.

Sin embargo, la implementación conlleva múltiples desafíos: la resistencia al cambio del profesorado y del personal administrativo; la necesidad de adaptar metodologías de enseñanza; la revisión de los resultados formativos; la redefinición de evaluación académica; la capacitación técnica; los posibles usos indebidos; los costes de implementación; y la dependencia excesiva de la tecnología.

En el plano ético, se abordan cuestiones de privacidad y protección de datos (incluido el cumplimiento del RGPD), integridad académica y propiedad intelectual, transparencia y sesgos en los algoritmos, desigualdades en el acceso a la tecnología, y el impacto medioambiental del uso intensivo de estos sistemas.

Finalmente, el documento concluye con una serie de recomendaciones: establecer principios éticos comunes entre universidades; definir competencias de IA para estudiantes y profesorado; promover el debate interno institucional; planificar la incorporación gradual de la IAG con atención a costos, equidad y privacidad; fomentar comunidades docentes para compartir buenas prácticas; y monitorear continuamente los efectos del uso de la IAG en la docencia.

200+1 prompts para educación: guía para docentes innovadores.

Unitec. (2024). 200+1 prompts para educación: guía para docentes
innovadores. . Tegucigalpa: Universidad Tecnológica Centroamericana (Unitec), 2024.

“200 Prompts para Educadores” es una guía práctica diseñada para fomentar la reflexión, creatividad y mejora continua en el ámbito educativo. Está estructurado en forma de preguntas o frases disparadoras (prompts) que los docentes pueden usar para:

  • Reflexionar sobre su práctica pedagógica, incluyendo temas como la planificación, evaluación, gestión del aula y desarrollo profesional.
  • Estimular el pensamiento crítico y creativo en estudiantes, promoviendo el diálogo, la escritura reflexiva y el aprendizaje activo.
  • Fortalecer el vínculo entre teoría y práctica, al invitar a los educadores a conectar sus experiencias con principios pedagógicos y tendencias actuales.
  • Promover la innovación educativa, con prompts que abordan el uso de tecnología, metodologías activas, inclusión y liderazgo docente.

Los prompts están organizados en categorías como: motivación, evaluación, tecnología, inclusión, liderazgo, autocuidado, entre otros. Cada sección busca empoderar al docente como agente de cambio y fomentar una cultura de mejora continua en las instituciones educativas.

100 aplicaciones de la inteligencia artificial generativa

Universidad Internacional de Valencia (VIU). 100 aplicaciones de la inteligencia artificial generativa. Valencia: VIU, 2024.

Texto completo

El informe no solo ofrece un inventario de aplicaciones, sino que propone una reflexión sobre cómo integrar la IAG de manera responsable, maximizando sus beneficios y minimizando riesgos. Con ello, busca servir de guía tanto para profesionales como para instituciones interesadas en adoptar y regular el uso de estas tecnologías emergentes.

El documento 100 aplicaciones de la inteligencia artificial generativa ofrece una panorámica amplia y estructurada sobre los usos actuales de esta tecnología en múltiples sectores. Presenta la IAG como una de las innovaciones más transformadoras de los últimos años, con el potencial de redefinir tanto la vida cotidiana como el trabajo en áreas tan diversas como la educación, la salud, la creatividad, la comunicación y la empresa.

A lo largo del texto se muestran ejemplos concretos que ilustran cómo la IAG ya se aplica en la práctica. En el ámbito educativo, se destaca su utilidad para generar materiales personalizados, apoyar la docencia y facilitar el aprendizaje adaptativo. En la salud, la IA contribuye al análisis de datos clínicos, al diagnóstico asistido y al diseño de tratamientos personalizados. En el campo creativo, se subraya la capacidad de los modelos generativos para producir textos, imágenes, música y vídeos, abriendo nuevas oportunidades para artistas y comunicadores.

El documento también señala el impacto de la IAG en el sector empresarial, donde puede optimizar procesos, mejorar la atención al cliente, automatizar tareas y apoyar la toma de decisiones estratégicas. Asimismo, se enfatizan los retos éticos y sociales que acompañan a su implementación: la necesidad de garantizar la transparencia, mitigar sesgos, proteger la privacidad y reflexionar sobre sus implicaciones en el empleo.

La IA esta deteriorando la confianza entre profesores y alumnos

El artículo advierte que el uso de IA en las tareas escolares está debilitando la confianza entre estudiantes y profesores, al generar sospechas y dependencia tecnológica. Señala que la clave está en replantear evaluaciones y fomentar un diálogo abierto sobre integridad académica.

Se analiza cómo el uso creciente de herramientas de inteligencia artificial por parte de los estudiantes está afectando de manera significativa la relación de confianza entre alumnos y profesores. La facilidad con la que los estudiantes pueden recurrir a la IA para redactar ensayos, resolver tareas o incluso generar ideas iniciales está transformando las dinámicas del aula. Por un lado, los estudiantes encuentran en estas herramientas una vía rápida para cumplir con las exigencias académicas; por otro, los docentes empiezan a sospechar de la autenticidad de los trabajos presentados. Esta tensión ha dado lugar a un círculo vicioso: los alumnos sienten que los profesores no confían en ellos, y los profesores perciben que los estudiantes no son honestos en su esfuerzo académico.

Esta pérdida de confianza se ve reforzada por el uso de softwares diseñados para detectar textos generados por IA. Si bien estas herramientas prometen garantizar integridad académica, en la práctica son imperfectas y generan errores de diagnóstico. Casos documentados muestran que estudiantes cuya lengua materna no es el inglés han sido señalados erróneamente como usuarios de IA, lo que introduce sesgos culturales y lingüísticos en el proceso de evaluación. Estos fallos no solo afectan la reputación de los alumnos, sino que también aumentan el escepticismo hacia los métodos de control empleados por los profesores. De esta forma, lo que debería ser un recurso para salvaguardar la calidad del aprendizaje termina, en muchos casos, debilitando todavía más la confianza mutua en el aula.

El artículo recoge también testimonios de docentes que perciben un cambio profundo en la motivación de los estudiantes. Liz Shulman, profesora citada en el texto, describe que la relación alumno-profesor ha adoptado un carácter cada vez más “transaccional”: los estudiantes parecen concentrarse únicamente en entregar tareas que cumplan requisitos formales, sin implicarse realmente en el proceso de aprendizaje. Frente a esta situación, algunas instituciones han comenzado a implementar estrategias alternativas para reducir el impacto de la IA en las evaluaciones: trabajos escritos a mano en clase, presentaciones orales, revisiones por etapas o la entrega de borradores parciales. Estas medidas buscan no solo dificultar el uso de la IA como atajo, sino también revalorizar el esfuerzo y la creatividad individuales en el proceso educativo.

Toppo enfatiza, además, que aunque la irrupción de la IA representa un reto novedoso, no es del todo ajeno a los problemas que la educación ya enfrentaba en torno a la integridad académica. Expertos como Tim Gorichanaz recuerdan que la inclinación de algunos estudiantes hacia el plagio o la deshonestidad tiene raíces previas: falta de motivación, presión por las calificaciones y ausencia de conexión con los contenidos. La IA, en este sentido, no ha creado el problema, sino que lo ha amplificado y visibilizado de manera más contundente. Lo que cambia con la IA es la escala y la facilidad con la que los estudiantes pueden optar por delegar en la máquina, lo cual plantea la urgencia de respuestas pedagógicas innovadoras.

Millones de niños desaparecen del sistema educativo estadounidense

Barshay, Jill. “Public School Kids Were Already Going Missing. There’s Even More to Come.” KQED MindShift, 22 de septiembre de 2025. https://www.kqed.org/mindshift/65802/public-school-kids-were-already-going-missing-theres-even-more-to-come

Se aborda aborda un fenómeno alarmante en el sistema educativo de EE. UU.: el aumento significativo de estudiantes que han desaparecido de las listas escolares desde la pandemia de COVID-19.

Según un informe del Brookings Institution, durante el año escolar 2021–22, aproximadamente 2 millones de estudiantes de entre 5 y 17 años desaparecieron de las matrículas escolares, lo que representa un aumento del 450% en comparación con 2019–20. Incluso en el año escolar 2023–24, aún había 2,1 millones de niños no contabilizados, casi el 4% de la población infantil escolarizada, casi cinco veces más que antes de la pandemia.

Este fenómeno no se debe únicamente a la mudanza de familias o al desorden administrativo, sino que muchos de estos niños no están inscritos en escuelas privadas ni están siendo educados en casa. El informe sugiere que estos niños podrían estar fuera del sistema educativo sin una educación formal, lo que plantea preocupaciones sobre su desarrollo académico y futuro.

Además, el artículo destaca que las pérdidas de matrícula son más pronunciadas en distritos de alta pobreza y en comunidades predominantemente negras, donde más de una cuarta parte de los estudiantes no están inscritos en escuelas públicas tradicionales. Se prevé que, si esta tendencia continúa, las escuelas públicas tradicionales podrían perder hasta 8,5 millones de estudiantes para 2050.

Este fenómeno refleja una crisis educativa que va más allá de la pandemia y que requiere atención urgente para garantizar que todos los niños reciban una educación adecuada y equitativa.

Aprendizaje con IA: Una recopilación de artículos escritos por estudiantes

University of Leeds Libraries. “New Student-Led Open Education Resource Showcases Student Voices on AI.” Leeds University Libraries Blog, September 9, 2025.

PDF

EPUB

Los textos relatan experiencias reales de uso de inteligencia artificial generativa (GenAI) en el estudio, abarcando cómo dicha tecnología puede facilitar la comprensión, fomentar la creatividad y la confianza, así como apoyar un aprendizaje más personalizado y accesible

Un tema resaltado en las aportaciones de los estudiantes es la conciencia ética: muchos reflexionan sobre el uso responsable de la IA, los límites apropiados, las implicaciones de integridad académica, y cómo evitar depender demasiado de la tecnología sin comprensión crítica.

Los casos incluyen ejemplos de usos diversos: desde herramientas que ayudan a estructurar ideas o investigar, hasta aplicaciones que permiten adaptaciones para quienes tienen necesidades de aprendizaje distintas.

El recurso ha sido desarrollado como parte de la iniciativa University of Leeds Open Books, usando la plataforma Pressbooks. Está licenciado de forma abierta (“open license”) y está disponible libremente para que cualquiera lo lea, lo use y lo adapte. Además, se plantea como un “libro vivo”: se aceptan nuevas contribuciones hasta el 1 de noviembre de 2025, y todas las aportaciones pasan por un proceso de revisión por pares gestionado por el equipo editorial estudiantil.

El proyecto cuenta con el apoyo institucional de varias áreas de la universidad: la Escuela de Educación, las Bibliotecas, el Servicio de Educación Digital, Desarrollo Organizacional y Profesional, Curriculum Redefined, el Leeds Institute for Teaching Excellence (LITE), y la Knowledge Equity Network. También hay patrocinio de altos cargos universitarios implicados en educación y experiencia estudiantil, lo que indica un compromiso institucionalidad con la calidad educativa, la equidad y la innovación pedagógica.

Inteligencia artificial y enseñanza universitaria: desafíos, riesgos y oportunidades según la AAUP

AAUP. Artificial Intelligence and Academic Professions. American Association of University Professors, 2025

Texto completo

El informe Artificial Intelligence and Academic Professions de la American Association of University Professors (AAUP) analiza de manera exhaustiva el impacto potencial de la inteligencia artificial (IA) en la educación superior y en las profesiones académicas.

El documento subraya que la adopción de la IA en entornos universitarios no debe ser meramente instrumental o tecnológica, sino que requiere un enfoque crítico, ético y participativo. Los autores advierten que el uso indiscriminado de la IA podría alterar la naturaleza misma del trabajo académico, afectando tanto la autonomía profesional como la libertad académica.

Uno de los puntos centrales del informe es que la IA puede automatizar numerosas tareas docentes y administrativas, desde la corrección de exámenes hasta la generación de materiales educativos o la asistencia en la investigación. Si bien esto puede aumentar la eficiencia, también existe un riesgo significativo de deshumanización de la educación, pérdida de empleos y precarización laboral. La AAUP enfatiza que las herramientas de IA no deben reemplazar la labor humana, sino complementarla, asegurando que el juicio, la experiencia y la creatividad de los académicos sigan siendo insustituibles en la enseñanza y la investigación.

El informe también aborda la participación activa del profesorado en la implementación de estas tecnologías. La AAUP recomienda que las universidades involucren a docentes y personal académico en la selección, supervisión y evaluación de herramientas de IA, evitando decisiones unilaterales por parte de la administración. Esto se considera clave para proteger la integridad académica, garantizar la transparencia en los procesos y fomentar un uso responsable de los datos estudiantiles y de investigación.

Otro tema destacado es el impacto ético y social de la IA en la educación superior. Los académicos deben cuestionar cómo estas tecnologías pueden reproducir sesgos, afectar la equidad educativa y cambiar la naturaleza de la interacción docente-estudiante. El informe enfatiza la necesidad de políticas institucionales claras que promuevan un enfoque ético, incluyendo la protección de la privacidad, la equidad en el acceso y la transparencia en la toma de decisiones algorítmicas.

Por último, el informe de la AAUP subraya que la IA representa tanto oportunidades como desafíos. Por un lado, puede facilitar la enseñanza personalizada, optimizar procesos administrativos y apoyar la investigación. Por otro, plantea riesgos significativos si se implementa sin supervisión ni participación académica. La recomendación final es que las universidades adopten un enfoque equilibrado, reflexivo y regulado, donde la innovación tecnológica se integre respetando los valores fundamentales de la educación superior y la profesionalidad de los docentes.

La IA y el futuro de la educación: perturbaciones, dilemas y orientaciones.

UNESCO. “AI and the Future of Education: Disruptions, Dilemmas and Directions.” UNESCO, 2 de septiembre de 2025. https://unesdoc.unesco.org/ark:/48223/pf0000395236_eng

La UNESCO presenta una antología que explora cómo la inteligencia artificial (IA) está transformando la educación, sus disrupciones, los dilemas éticos y las posibles orientaciones futuras. Se reconoce que la IA ya está modificando la forma en que enseñamos, aprendemos y entendemos el mundo, pero estas transformaciones no se distribuyen por igual. Aproximadamente un tercio de la humanidad sigue sin acceso adecuado a la conectividad, y quienes tienen suscripciones, buena infraestructura o ventaja lingüística son los que más se benefician.

Este desequilibrio implica que no solo el acceso tecnológico sea desigual, sino también qué tipos de conocimientos, valores e idiomas predominan en los sistemas educativos impulsados por IA. Los sistemas tienden a reflejar las estructuras dominantes que ya existen, lo que plantea preguntas sobre equidad, diversidad cultural e inclusión

Además, la antología aborda dilemas filosóficos, éticos y pedagógicos: ¿cómo evaluar a los estudiantes en la era de la IA?, ¿cómo asegurarse de que estas tecnologías promuevan el cuidado, la justicia y los derechos humanos? ¿Cómo diseñar políticas, currículos y pedagogías que reconozcan la cooperación humano-máquina sin deshumanizar ni reforzar desigualdades?

Para enfrentar estos retos, la UNESCO propone fomentar un “commons global” para el diálogo: un espacio global compartido para pensar juntos, debatir diferencias y reimaginar una educación inclusiva en la era de la IA. Se apoya en sus recomendaciones sobre ética de la IA, orientaciones para IA generativa en educación e investigación, y marcos de competencias para docentes y estudiantes.

Dominios de conciencia sobre la IA en la educación: un marco integral para su integración ética y pedagógica

Dilkes, Dani, y Centre for Teaching and Learning. Domain of AI-Awareness for Education. London, Ontario: Western University, Instructional Technology Resource Centre (ITRC), 2025. eCampusOntario Pressbooks. https://ecampusontario.pressbooks.pub/aihighereducation

El libro Domain of AI-Awareness for Education, desarrollado por Dani Dilkes y el Centre for Teaching and Learning, propone un marco comprensivo para guiar la integración de la inteligencia artificial generativa (IA) en entornos educativos. Organizado en siete dominios fundamentales, ofrece una mirada multidimensional que abarca desde conocimientos técnicos hasta consideraciones éticas, emocionales y pedagógicas —e incluso cómo estos se entrelazan con valores y contextos sociopolíticos más amplios.

  1. Conocimiento (Knowledge): Esta sección introduce los principios básicos de la IA generativa, como qué es y cómo funcionan los modelos de lenguaje (LLMs), además de reflexionar sobre su presencia en el entorno educativo.
  2. Ética (Ethics): Explora temas críticos como la privacidad, propiedad intelectual, accesibilidad, impacto ambiental, sesgos y desinformación. Propone reflexiones profundas sobre las implicaciones éticas que emergen al emplear IA en contextos educativos.
  3. Afecto (Affect): Se centra en la inteligencia emocional y cómo las respuestas emocionales hacia la IA influyen en nuestra disposición a utilizarla, particularmente en entornos docentes y de aprendizaje.
  4. Habilidades (Skill): Aborda técnicas concretas como la ingeniería de prompts (prompt engineering) y la evaluación crítica de los resultados generados por IA. Aquí se busca fortalecer la competencia práctica para un uso consciente y eficaz.
  5. Valores (Values): Incluye la reflexión sobre los valores individuales y profesionales, la integridad académica y cómo dichos valores informan la práctica docente. Destaca también la importancia de redactar declaraciones en los sílabos que clarifiquen las políticas de IA de manera alineada con valores institucionales.
  6. Pedagogía (Pedagogy): Revisa cómo la IA puede integrarse en los procesos de enseñanza y aprendizaje: desde su impacto en los resultados de aprendizaje y diseño de evaluaciones, hasta niveles de integración de IA y su uso como herramienta de andamiaje (scaffolding).
  7. Interconexión (Interconnectedness): Aunque no siempre se detalla por separado en los capítulos, este dominio aborda cómo la IA se inserta en sistemas más amplios, considerando relaciones sociales, políticas y estructurales.

Finalmente, el recurso es dinámico: se actualiza periódicamente para adaptarse a la evolución de la IA generativa y refinar este marco de concienciación