Innovación educativa y tecnologías de soporte
Monografía técnica SG1.56.1.57 - v4. 2026
Prefacio
Esta monografía combina objetivos y recomendaciones para la actividad docente en programas de grado y posgrado con resultados de investigación sobre el impacto de las tecnologías emergentes en otros niveles del sistema educativo. Su estructura responde en parte a los requisitos formativos del programa ofertado en la Universidad de Granada para estudiantes de ciencias sociales que eligen el itinerario de filosofía (SG1/56/1/57), complementario del módulo común dedicado a Innovación docente e investigación educativa en el Máster del Profesorado.
La versión 2 (febrero de 2024) incorporó por primera vez el análisis del impacto de la inteligencia artificial generativa en la personalización del aprendizaje. La versión 3 (enero de 2025) amplió considerablemente los recursos interactivos y estudios de caso, explorando las prestaciones de los modelos más avanzados del momento (Claude 3.5 Sonnet, Copilot, Gemini 1.5 y GPT-4o1/mini). Esta versión de 2026 es la cuarta que recibe incorporaciones y modificaciones sustantivas, instigadas en parte por la rápida evolución del conjunto de herramientas, tecnologías y servicios que en los dos últimos años han consolidado opciones metodológicas robustas, con gran potencial para su integración en contextos educativos exigentes. Los dos últimos capítulos, en particular, dedican especial atención a sistematizar, evaluar y comparar prestaciones de las plataformas, modelos y servicios asistidos por IA, de especial interés para su integración en programas de innovación.
La incorporación de nueva literatura centrada en estudios empíricos y metarrevisiones recientes (2025-2026) permite explorar el potencial de los servicios asistidos por IA generativa y agencial y considerar diversos modelos de adopción. El análisis detallado de riesgos en el uso de tecnología educativa y las múltiples sugerencias de buenas prácticas puede interesar a docentes en activo, a investigadores en tecnología educativa y a profesionales que comparten la preocupación por una adopción reflexiva de tecnología emergente en programas rigurosos de innovación y actualización de competencias.
La perspectiva adoptada combina análisis empírico de la literatura científica —metaanálisis, estudios cuantitativos, evaluaciones comparativas— con reflexión crítica sobre las implicaciones filosóficas, éticas y pedagógicas de la integración de IA en educación, evitando tanto el entusiasmo acrítico como el rechazo preventivo y la inacción. El análisis se estructura en torno a marcos consolidados de adopción tecnológica (UTAUT2), competencia digital docente (DigCompEdu/MRCDD) y alfabetización en IA, proporcionando herramientas conceptuales para evaluar críticamente tanto las propuestas comerciales dirigidas al nivel preuniversitario como los servicios para el entorno académico.
Con respecto a versiones anteriores, la actual incorpora numerosas tablas y gráficos para sintetizar evidencia y resultados o recomendaciones de una extensa literatura, centrada en la evaluación de tecnología educativa y pautas de adopción en contextos culturales y regulatorios diversos. Se ha procurado facilitar su reutilización con el sistema de documentos reproducibles que permiten Quarto y RStudio.
La opción por el formato HTML obedece a criterios de accesibilidad y funcionalidad que el formato PDF no puede satisfacer. Como reconoce el equipo de administradores del repositorio arXiv, el 90% de los envíos científicos en formato TeX plantean dificultades considerables para lectores de pantalla, software de conversión texto-voz y dispositivos móviles. HTML supera ampliamente esas limitaciones y aporta funciones adicionales de traducción automática, personalización tipográfica y navegación estructurada que facilitan el acceso a públicos diversos.
Las referencias se organizan en bloques desplegables al final de cada apartado, con la posibilidad de copiar de un solo clic los listados completos, como se hace habitualmente con fragmentos de código en cuadernos técnicos. Esta funcionalidad permite mantener un cuerpo de texto fluido sin sacrificar el aparato crítico ineludible. Algunas secciones incorporan términos clicables que muestran automáticamente los datos bibliográficos al pasar el cursor, integrando la documentación de manera no intrusiva. El apartado de referencias a fuentes citadas incluye un bloque extra de bibliografía complementaria.
La adopción efectiva de tecnologías emergentes en educación superior requiere algo más que habilidades técnicas y entusiasmo por la innovación: exige capacidad profesional para evaluar críticamente las propuestas comerciales o alternativas abiertas y seleccionar las de interés académico genuino; supone competencia para integrar herramientas digitales sin subordinar los objetivos pedagógicos —inclusión, motivación, mejora del rendimiento, aprendizaje horizontal— a las posibilidades técnicas; e involucra una disposición a revisar continuamente las prácticas docentes en función de nueva evidencia empírica. Este trabajo aspira a facilitar elementos para entrenar el buen juicio al respecto.
Agradecimientos
Gran parte de la documentación y recursos externos seleccionados procede de búsquedas y consultas para contribuir al debate informado en conferencias, cursos de doctorado y máster. La interacción con estudiantes de posgrado, en respuesta a preguntas y planteamientos que ampliaban la discusión a problemas no incluidos en la programación, ha servido para filtrar el listado de referencias y estudios sobre tendencias recientes en el ámbito de la educación superior. Es preciso agradecer las muchas recomendaciones y sugerencias valiosas recibidas de colegas que amablemente comunicaban lo que les funcionaba en el aula, y sus alternativas para sortear ciertos inconvenientes.
Los cursos de posgrado para formación del profesorado han servido de oportunidad para estar en contacto con grupos de estudiantes de distintas promociones altamente motivados, con excelente formación previa e involucrados en los debates y prácticas de clase. Su actitud crítica, criterio reflexivo y experiencias personales (en muchos casos tras haber completado algún máster de investigación o en la fase final del periodo de doctorado) contribuyeron a enriquecer las ideas, conceptos y opiniones recogidas en el texto.
Otras intuiciones y aprendizajes surgieron en mis primeros pasos como docente de Filosofía en centros de Gran Canaria, donde tuve la oportunidad de participar en proyectos ambiciosos de innovación y mejora de la infraestructura educativa en aulas de Bachillerato. De esa época guardo muchos recuerdos imborrables de amistades, colegas y estudiantes que hicieron del trabajo una experiencia estimulante y grata.
Granada, enero de 2026
Introducción
0.1 El problema: evaluar tecnologías educativas en un contexto de cambio acelerado
El conjunto de técnicas, herramientas y metodologías útiles en programas de innovación docente resulta virtualmente inabarcable. Puede incluir elementos y enfoques propios de estrategias convencionales, reorientados en combinación con técnicas novedosas de interacción en línea y personalización de los aprendizajes. El desafío para docentes e instituciones no reside tanto en la disponibilidad de recursos —que es extraordinaria— como en la capacidad para evaluar críticamente su pertinencia, eficacia y sostenibilidad en contextos educativos específicos.
Esta monografía aborda un problema central: ¿cómo desarrollar una perspectiva informada, crítica y basada en evidencia para evaluar tecnologías educativas emergentes y maximizar su valor en la enseñanza posobligatoria y universitaria? La pregunta adquiere urgencia particular en un momento en que el ciclo de innovación tecnológica se ha acelerado de modo abrumador, generando tanto oportunidades genuinas como expectativas desmesuradas.
0.2 Justificación: entre el entusiasmo y el escepticismo
El panorama tecnológico de 2025 ilustra la complejidad del problema. Tras el impacto inicial de la inteligencia artificial generativa en 2022-2023 y su popularización fuera de entornos confinados en ámbito académico o empresarial, el sector atraviesa lo que en informes especializados se denomina una “corrección del hype”: las promesas de transformación radical coexisten con evidencia creciente sobre limitaciones reales de estas herramientas y las dificultades para su integración efectiva en flujos virtuosos de trabajo, capaces de generar valor añadido y dinámicas genuinas de innovación. Estudios recientes sugieren que un porcentaje elevado de proyectos piloto con IA en entornos empresariales no logra escalar más allá de la fase experimental, mientras que el uso informal por parte de usuarios individuales continúa expandiéndose (DataCamp, 2025; Fernández, 2025).
Este escenario de tensión entre expectativas y resultados tiene implicaciones directas para el ámbito educativo. Por un lado, emergen constantemente nuevas herramientas con potencial genuino para la personalización del aprendizaje, la generación de recursos adaptados y la automatización de tareas docentes rutinarias. Por otro, la presión por adoptar tecnologías “innovadoras” puede conducir a decisiones poco fundamentadas, con costes de implementación, formación y mantenimiento que no siempre se traducen en mejoras verificables de los resultados educativos.
Algunos trabajos aportan perspectiva amplia sobre décadas de fracasos en la integración de tecnología educativa, lo que permite comprender por qué ciertas iniciativas y estrategias de innovación no escalan ni producen mejoras sostenidas (Armony & Hazzan, 2024). Otros enfatizan lo ocurrido en contextos donde la tecnología educativa no produjo el impacto esperado, como durante la pandemia (Reich, 2024; UNESCO, 2023).
La historia reciente de la tecnología educativa está marcada por ciclos repetidos de expectativas sobrestimadas y resultados modestos, lo que invita a reflexionar sobre el tipo de problemas estructurales subyacentes, el déficit analítico —que puede lastrar los estudios de prospectiva tecnológica— y la subestimacion de impacto tanto por factor humano como por la rigidez de los elementos e infraestructura disponible, incluyendo los marcos presupuestarios que condicionan la incorporación coherente de herramientas innovadoras y capaces de garantizar mejoras verificables del aprendizaje.
Esta monografía incluye elementos útiles para adoptar una posición intermedia —reflexiva y crítica, pero también audaz— que puede interesar cuando más parece estrecharse el espacio entre el entusiasmo acrítico y el escepticismo paralizante. Se trata de proporcionar a docentes y responsables educativos los elementos necesarios para una evaluación rigurosa que considere tanto las posibilidades reales de cada tecnología como sus limitaciones, costes ocultos y requisitos de implementación. Se asume que la inacción consituye en sí misma una alternativa errónea y subóptima, cuyas consecuencias negativas —falta de visión estratégica, pérdida de oportunidades— sobre las instituciones y sus colectivos de egresados se contabilizan ya en cuestión de meses (Feng et al., 2025).
0.3 Marco conceptual: más allá del Diseño Universal para el Aprendizaje
Durante las últimas décadas, el Diseño Universal para el Aprendizaje (DUA) ha proporcionado un marco de referencia influyente para la creación de entornos educativos inclusivos. Sus principios fundamentales —múltiples formas de representación, acción/expresión e implicación— han orientado el diseño de materiales y estrategias adaptadas a la diversidad del alumnado, con resultados respaldados por investigación empírica.
Sin embargo, el DUA presenta limitaciones significativas frente a las posibilidades que abren las tecnologías actuales. Su enfoque, diseñado en un contexto tecnológico previo a la maduración de la inteligencia artificial, carece de mecanismos para aprovechar el análisis de datos en tiempo real, la personalización dinámica de contenidos o la generación automatizada de recursos adaptados a perfiles individuales. Enfoques complementarios como la instrucción diferenciada, el aprendizaje adaptativo y el uso de Learning Analytics aportan mayor precisión para monitorizar el desempeño y ajustar las estrategias de manera ágil.
Las tecnologías de IA generativa permiten proyectar ciertos principios del DUA —accesibilidad, inclusión, personalización, aprendizaje activo— en un escenario sociotécnico mucho más enriquecido. Incluso las versiones gratuitas de los modelos más populares permiten crear materiales adaptados a necesidades específicas, ajustar contenidos de manera dinámica y ofrecer recursos multimodales para el aprendizaje autónomo. En la práctica, esto supone un salto cualitativo de magnitud equiparable al que supuso la integración de formatos en el soporte electrónico, internet o la digitalización. Cualquier docente, con las herramientas adecuadas, puede hoy generar aplicaciones funcionales utilizando lenguaje natural, acelerando la creación de artefactos digitales personalizados y accesibles (Cloud, 2025).
Integrar estas capacidades en un marco coherente, que combine los valores inclusivos del DUA con los avances en tecnología educativa, constituye un objetivo central de esta monografía.
0.4 Metodología: criterios para la selección y evaluación de evidencia
La literatura sobre tecnologías educativas presenta desafíos particulares. Bases de datos especializadas como ScienceDirect o Web of Science devuelven miles de referencias sobre el impacto de las tecnologías de la información en la educación, muchas de ellas redundantes, de escasa relevancia o vinculadas a expectativas no satisfechas por la evolución tecnológica posterior. La velocidad del cambio tecnológico hace que estudios publicados hace apenas dos o tres años puedan resultar obsoletos en aspectos fundamentales.
Esta monografía aplica criterios de selección orientados a priorizar estudios que aporten evidencia empírica de calidad, resultados replicables y datos actualizados sobre el impacto de diversas estrategias y herramientas. Se ha prestado atención particular a la literatura aparecida tras la pandemia de COVID-19, una circunstancia que transformó de manera abrupta la relación de estudiantes y docentes con las plataformas y metodologías de enseñanza en línea. Se incorporan asimismo análisis prospectivos de fuentes especializadas en tecnología educativa y estudios de adopción en contextos reales.
El enfoque metodológico combina la revisión sistemática de literatura con el análisis de estudios de caso y la evaluación directa de herramientas y servicios. Cuando la evidencia publicada resulta insuficiente o contradictoria, se explicitan las limitaciones y se ofrecen criterios para que el lector se pueda formar su propio juicio.
0.5 Alcance y estructura del documento
La monografía se dirige a docentes en ejercicio y a estudiantes de posgrado con interés en desarrollar competencias para poner en práctica metodologías innovadoras y, simultáneamente, adquirir experiencia en evaluación de tecnología educativa. El tratamiento de los contenidos asume familiaridad con conceptos básicos de metodología de la investigación y disposición para un análisis pormenorizado, que trascienda tanto la aceptación acrítica como el rechazo indiscriminado de las herramientas disponibles.
El documento se organiza en secciones que abordan progresivamente el concepto de innovación docente y su concreción en contextos específicos, las metodologías activas con mayor respaldo empírico, las plataformas y herramientas de soporte para la innovación, los criterios para evaluar recursos y propuestas, y una selección de estudios de caso que ilustran aplicaciones concretas. Los recursos interactivos, desarrollados específicamente para esta monografía, permiten experimentar de manera directa con algunas de las técnicas y herramientas analizadas.
Se ha optado por analizar y evaluar técnicas, soportes, plataformas y servicios especialmente adecuados para abrir nuevas posibilidades dentro y fuera de las aulas, sin perder de vista el objetivo central: la mejora de resultados con mayor implicación y motivación de estudiantes y docentes. En varios apartados se aportan elementos para cuestionar las razones más comunes para rechazar el cambio, sobre todo las referidas al coste de los recursos necesarios y a la dificultad para proporcionar una formación bajo demanda de actualización constante y ciclos acelerados de obsolescencia.
1 Tendencias en la adopción de tecnología educativa
La integración de tecnologías en contextos educativos ha seguido una trayectoria de crecimiento exponencial desde la aparición de internet a mediados de los años noventa. Comprender esta evolución resulta esencial para contextualizar el momento actual y evaluar con perspectiva las expectativas asociadas a las tecnologías emergentes. La tecnología educativa comenzó a emerger a mediados del siglo XX con el uso creciente de la televisión y otros medios audiovisuales; durante las décadas de 1950 y 1960, los recursos multimedia se introdujeron en las aulas con fines didácticos (Feng et al., 2025). En la década de 1970, la aparición de la informática hizo posible la instrucción asistida por ordenador, mientras que durante la segunda mitad de los años noventa se produjo la adopción masiva de Internet, inaugurando una nueva etapa de educación en línea y popularizando la educación a distancia (Feng et al., 2025; Granić, 2022). Ya en el siglo XXI, la difusión de dispositivos móviles como smartphones y tablets, junto con la reciente aplicación de inteligencia artificial y tecnologías de big data, ha impulsado la evolución hacia el aprendizaje móvil (m-learning) y la educación asistida por sistemas inteligentes (Feng et al., 2025).
La evidencia empírica sobre adopción de tecnología educativa ha experimentado un crecimiento sostenido, particularmente en la última década. La revisión sistemática de Granić (2022), que analiza 47 estudios publicados entre 2003 y 2021, muestra cómo la frecuencia de publicación comenzó a incrementarse notablemente a partir de 2011, reflejando un interés creciente de actores e instancias académicas en este dominio de oportunidades emergentes.
La revisión posterior de Feng y otros ilustra esta tendencia con claridad. Partiendo de 1.891 estudios inicialmente identificados sobre adopción de tecnología educativa en educación superior (2015-2024), los 39 trabajos que cumplieron los criterios de inclusión mostraron una clara concentración temporal, con el 74% publicado entre 2020 y 2024 y un máximo de 14 estudios en 2023 (Feng et al., 2025). Este patrón de aceleración parece reflejar de modo verosímil tanto la creciente adopción de tecnología en educación como el interés renovado por comprender los factores que modulan su integración efectiva.
La investigación sobre adopción de tecnología educativa muestra una distribución geográfica heterogénea con predominio asiático. Según el estudio de Feng y otros (Feng et al., 2025), China lidera con cinco estudios, seguida de Malasia, India y España con cuatro cada uno, y Arabia Saudí con tres. La revisión de Granić (2022) identifica a Taiwán como el país con mayor producción (N=7), seguido de Corea del Sur y Estados Unidos (N=4 cada uno). En cuanto a los tipos de tecnología validados empíricamente, el e-learning emerge como la modalidad más frecuentemente estudiada —abarcando sistemas, plataformas y entornos de aprendizaje en línea—, seguido del aprendizaje móvil, los sistemas de gestión del aprendizaje (LMS) como Blackboard y Moodle, y los servicios de redes sociales (Granić, 2022). Esta diversidad refleja la amplitud del ecosistema tecnológico-educativo actual.
Los datos previos resultan consistentes con los de otros estudios bibliométricos recientes sobre el empleo de tecnologías digitales en el aula. Alam y colaboradores confirman un crecimiento sostenido de la producción científica entre 2014 y 2023, con un incremento especialmente pronunciado a partir de 2020 que coincide con la expansión de la IA educativa y las tecnologías generativas (Alam et al., 2025). No se trata de un interés académico difuso o genérico por metodologías innovadoras, sino focalizado en la adopción de nuevos modelos y tecnologías de aprendizaje mediados por IA en la educación superior.
La investigación sobre adopción tecnológica en educación se ha fundamentado mayoritariamente en el Modelo de Aceptación Tecnológica (TAM) propuesto por Davis en 1986-1989, que postula que la intención de uso está influida por dos dimensiones principales: la utilidad percibida y la facilidad de uso percibida (Cabero-Almenara et al., 2024; Granić, 2022). La revisión sistemática de Granić (2022) constata que una vasta mayoría de los estudios analizados (N=42) emplean TAM, ya sea en su versión nuclear, en versiones extendidas, o integrado con otras teorías como la Teoría de Difusión de Innovaciones o el Modelo de Éxito de Sistemas de Información.
Paralelamente, Venkatesh y otros (Venkatesh et al., 2003; Xue et al., 2024) desarrollaron la Teoría Unificada de Aceptación y Uso de Tecnología (UTAUT), que integra ocho modelos previos y estructura el análisis en torno a cuatro dimensiones: expectativa de rendimiento, expectativa de esfuerzo, influencia social y condiciones facilitadoras (Feng et al., 2025). Esta fundamentación teórica ha permitido identificar los factores predictivos más relevantes, entre los que destacan la autoeficacia, la norma subjetiva, el disfrute percibido, las condiciones facilitadoras, la ansiedad tecnológica, la accesibilidad del sistema y la complejidad tecnológica (Granić, 2022).
| Modelo | Nombre completo | Autor(es) | Año | Constructos principales | R² | Uso educativo |
|---|---|---|---|---|---|---|
| TRA | Theory of Reasoned Action | Fishbein & Ajzen | 1975 | Actitud, norma subjetiva | ~30% | Histórico |
| TAM | Technology Acceptance Model | Davis | 1989 | Utilidad percibida, facilidad de uso percibida | ~40% | Predominante |
| TPB | Theory of Planned Behavior | Ajzen | 1991 | + Control conductual percibido | ~40% | Moderado |
| TAM2 | TAM Extended | Venkatesh & Davis | 2000 | + Norma subjetiva, imagen, relevancia laboral | ~50% | Creciente |
| UTAUT | Unified Theory of Acceptance and Use of Technology | Venkatesh et al. | 2003 | Expectativa rendimiento, expectativa esfuerzo, influencia social, condiciones facilitadoras | 70% | Alto |
| UTAUT2 | UTAUT Extended | Venkatesh et al. | 2012 | + Motivación hedónica, precio/valor, hábito | >70% | Emergente |
| Nota: UTAUT (sombreado) integra 8 modelos previos y alcanza la mayor varianza explicada. Datos de Venkatesh et al. (2003) y revisiones de Granić (2022) y Feng et al. (2025). | ||||||
Pese a las numerosas ventajas que ofrece la tecnología educativa en diversos estadios de desarrollo y ámbitos de aplicación, persisten desafíos significativos que condicionan su adopción efectiva. Las barreras socioeconómicas impactan de manera desigual en distintas regiones, mientras que las instituciones de educación superior enfrentan limitaciones financieras, actualizaciones tecnológicas costosas por obsolescencia y escasez de personal técnico cualificado (Feng et al., 2025).
La brecha digital afecta de manera desigual a distintos colectivos y tipología de centros, donde la inercia o el desdén institucional y las estructuras de apoyo inadecuadas —falta de reconocimiento económico y profesional a responsables de las estrategias de innovación, p. ej.— continúan obstaculizando las oportunidades de integración efectiva (OECD, 2023; Pierce & Cleary, 2024).
En este contexto, la irrupción de la inteligencia artificial generativa desde finales de 2022 ha añadido una nueva capa de complejidad: por un lado, abre oportunidades transformadoras para la personalización del aprendizaje y el desarrollo de competencias de alfabetización multidisciplinar (asistido por herramientas, modelos y sistemas de IA como en vibe coding); por otro, plantea riesgos relacionados con la propagación de desinformación y la necesidad de cultivar y reforzar el pensamiento crítico entre estudiantes y docentes (Bobula, 2024).
Comprender esta trayectoria histórica y los factores que modulan la adopción reflexiva de tecnología educativa resulta un paso necesario para interpretar los datos de tendencias que se presentan a continuación.
1.1 Hitos en la evolución de la tecnología educativa (1990-2025)
Cierta perspectiva sobre los ciclos de innovación tecnológica en los sistemas educativos resulta esencial para contextualizar el momento actual y orientar los estudios de prospectiva. La revisión sistemática de Granić (2022) destaca que la mayor parte de los resultados de investigación sobre adopción de tecnología educativa se han publicado en la última década, un indicador nítido del interés creciente por este dominio. Esta intensificación coincide con la diversificación de modalidades tecnológicas: mientras que los sistemas de gestión del aprendizaje (LMS) y el e-learning dominaron las primeras dos décadas del siglo XXI, el aprendizaje móvil, las redes sociales educativas y, más recientemente, la inteligencia artificial han reconfigurado sucesivamente el ecosistema EdTech.
La cronología que se presenta a continuación permite identificar tres patrones de cambio distintivos. En primer lugar, una fase de institucionalización (1990-2010) caracterizada por la consolidación de infraestructuras digitales básicas como los LMS y los estándares de interoperabilidad. En segundo lugar, una fase de democratización (2010-2020) marcada por la irrupción de los MOOCs y el acceso masivo a contenidos de calidad, resultado en parte de mejoras en coste y calidad de las conexiones de banda ancha. Finalmente, una fase de disrupción acelerada (2020-2025) catalizada por dos eventos convergentes: la pandemia de COVID-19, que según Pedreño Muñoz et al. (2024) aceleró la adopción de modelos híbridos y plataformas de aprendizaje en línea, y la irrupción de la IA generativa a partir de noviembre de 2022, que ha transformado radicalmente las expectativas sobre personalización y automatización educativa.
Esta visualización temporal resulta útil para situar las decisiones de adopción tecnológica en un marco de referencia histórico donde se puede apreciar la heterogeneidad en los ritmos de implantación, si consideramos los servicios mejor consolidados y su potencial en la fase emergente. La comprensión temprana de las oportunidades en ciernes explica el acierto y la visión estratégica de ciertas instituciones con liderazgo en el sector.
Código
library(ggplot2)
library(dplyr)
# Datos de hitos principales
hitos <- data.frame(
year = c(1990, 1991, 1994, 1997, 2000, 2001, 2002, 2008, 2010, 2012,
2014, 2017, 2020, 2022, 2023, 2024, 2025),
evento = c("FirstClass LMS", "EKKO LMS", "Mosaic (primer navegador gráfico)",
"Blackboard LMS", "SCORM 1.0", "MIT OpenCourseWare",
"Moodle (open source)", "Khan Academy", "Udemy/iPad",
"Coursera/edX (MOOCs)", "Google Classroom",
"Aprendizaje adaptativo mainstream", "Pandemia COVID-19",
"ChatGPT (nov)", "GPT-4/Claude/Gemini",
"Agentes IA educativos", "IA generativa 92% estudiantes"),
categoria = c("LMS", "LMS", "Internet", "LMS", "Estándares", "OER",
"LMS", "Plataformas", "Móvil", "MOOCs", "LMS",
"IA", "Disrupción", "IA Gen", "IA Gen", "IA Agentes", "IA Gen")
)
# Colores por categoría
colores_cat <- c("LMS" = "#2E86AB", "Internet" = "#A23B72",
"Estándares" = "#F18F01", "OER" = "#C73E1D",
"Plataformas" = "#3B1F2B", "Móvil" = "#95C623",
"MOOCs" = "#5C4D7D", "IA" = "#E84855",
"Disrupción" = "#FF6B6B", "IA Gen" = "#4ECDC4",
"IA Agentes" = "#45B7D1")
# Precalcular posiciones alternas (evita error de row_number() en aes)
hitos <- hitos %>%
mutate(
offset = ifelse(row_number() %% 2 == 0, 0.5, -0.5),
offset_text = ifelse(row_number() %% 2 == 0, 0.6, -0.6)
)
# Gráfico
ggplot(hitos, aes(x = year, y = 0)) +
geom_segment(aes(xend = year, yend = offset),
color = "grey60", linewidth = 0.5) +
geom_point(aes(color = categoria), size = 4) +
geom_text(aes(y = offset_text, label = evento),
angle = 45, hjust = 0, size = 3, check_overlap = TRUE) +
scale_color_manual(values = colores_cat) +
scale_x_continuous(breaks = seq(1990, 2025, 5)) +
labs(title = "Evolución de la tecnología educativa (1990-2025)",
subtitle = "Principales hitos y tecnologías disruptivas",
x = "Año", y = "",
color = "Categoría") +
theme_minimal() +
theme(axis.text.y = element_blank(),
axis.ticks.y = element_blank(),
panel.grid.major.y = element_blank(),
panel.grid.minor.y = element_blank(),
legend.position = "bottom",
plot.title = element_text(face = "bold", size = 14),
plot.subtitle = element_text(size = 11, color = "grey40")) +
coord_cartesian(ylim = c(-1.5, 1.5))
Fuentes: Growth Engineering (2025); Research.com (2025); Gyrus Systems (2025).
1.2 Comparativa de revisiones sistemáticas
La evaluación rigurosa de tecnologías educativas depende de marcos teóricos validados empíricamente. Desde la formulación del modelo UTAUT por Venkatesh et al. (2003), que integró ocho teorías previas de aceptación tecnológica alcanzando una varianza explicada del 70%, la investigación en este campo dispone de instrumentos robustos para el análisis prospectivo de adopción de innovaciones.
La revisión de Granić (2022) confirma que el Technology Acceptance Model (TAM) sigue predominando en contextos educativos (89% de los estudios analizados), aunque UTAUT gana terreno progresivamente por su mayor poder explicativo. La tabla siguiente compara tres revisiones sistemáticas que, en conjunto, sintetizan más de dos décadas de investigación empírica y permiten identificar tanto los factores predictivos más consistentes como la evolución metodológica del campo hacia el estudio específico de la IA generativa.
| Estudio | Período | Bases de datos | n | Marco teórico | Factores más influyentes | Resultado principal |
|---|---|---|---|---|---|---|
| Granić (2022) | 2003-2021 | WoS CCC | 47 | TAM (89%), UTAUT (9%) | Autoeficacia, norma subjetiva, disfrute percibido, condiciones facilitadoras, ansiedad | R² = 40-53% (modelos individuales) |
| Feng et al. (2025) | 2015-2024 | WoS, Scopus, Emerald | 39 | UTAUT | Expectativa rendimiento, expectativa esfuerzo, influencia social, condiciones facilitadoras | 4 dimensiones UTAUT validadas |
| Zhao et al. (2025) | 2022-2025 | 7 bases (WoS, IEEE, ScienceDirect, Springer, Google Scholar, CNKI, COJ) | 29 | Específico GenAI + HOT | Duración intervención (8-16 sem.), autorregulación, método instruccional | ES global = 0.609 (p < 0.001) |
| Abreviaturas: TAM = Technology Acceptance Model; UTAUT = Unified Theory of Acceptance and Use of Technology; HOT = Higher-Order Thinking; ES = Effect Size (Hedges’s g). | ||||||
1.3 Evolución del mercado mundial de tecnología educativa
El mercado global de EdTech ha experimentado un crecimiento sostenido, con una aceleración notable tras la pandemia de COVID-19 y la irrupción de la IA generativa. A diferencia del mercado tecnológico de consumo general, donde la adopción sigue patrones relativamente predecibles basados en precio y funcionalidad, el sector educativo presenta dinámicas singulares: ciclos de decisión institucionales prolongados, resistencias culturales al cambio pedagógico y una tensión permanente entre innovación comercial y rigor académico.
Como señalan Williamson & Hogan (2021), la pandemia posicionó a las entidades privadas como líderes en la transformación digital universitaria, acelerando una comercialización que genera tanto oportunidades como riesgos de subordinar los criterios pedagógicos a la rentabilidad. Con un valor estimado de 163.000 millones de dólares en 2024 y proyecciones que superan los 500.000 millones para 2034 (CAGR del 13,3%), comprender la trayectoria de este mercado resulta esencial para anticipar qué tecnologías alcanzarán masa crítica institucional y cuáles quedarán relegadas a nichos experimentales.
Es probable que la proliferación de centros universitarios privados en países donde la universidad pública ha sido la elección prioritaria por excelencia guarde relación directa con el aprovechamiento estratégico de inversiones cuantiosas en tecnología educativa tras la pandemia —sin descartar la mercadotecnia dirigida a presentar sus programas y metodologías de trabajo como opciones más flexibles y atractivas que el modelo convencional—, y no solo con la escasez o rigidez de la oferta para amplios colectivos cuyas necesidades formativas específicas evolucionan con rapidez (Company, 2022; Levy, 2024).
Código
library(ggplot2)
library(scales)
# Datos del mercado EdTech (en miles de millones USD)
mercado <- data.frame(
year = c(2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023, 2024,
2025, 2026, 2028, 2030, 2032, 2034),
valor = c(45, 52, 60, 70, 82, 106, 127, 145, 163, 185,
210, 240, 310, 400, 480, 572),
tipo = c(rep("Histórico", 10), rep("Proyección", 6))
)
ggplot(mercado, aes(x = year, y = valor)) +
geom_area(data = mercado[mercado$tipo == "Histórico",],
fill = "#2E86AB", alpha = 0.3) +
geom_area(data = mercado[mercado$tipo == "Proyección",],
fill = "#4ECDC4", alpha = 0.3) +
geom_line(aes(linetype = tipo), color = "#1a1a2e", linewidth = 1) +
geom_point(aes(shape = tipo), size = 3, color = "#1a1a2e") +
geom_vline(xintercept = 2020, linetype = "dashed", color = "#E84855", alpha = 0.7) +
geom_vline(xintercept = 2022.9, linetype = "dashed", color = "#F18F01", alpha = 0.7) +
annotate("text", x = 2020, y = 520, label = "COVID-19",
color = "#E84855", size = 3, hjust = -0.1) +
annotate("text", x = 2022.9, y = 480, label = "ChatGPT",
color = "#F18F01", size = 3, hjust = -0.1) +
scale_y_continuous(labels = label_dollar(suffix = "B"),
breaks = seq(0, 600, 100)) +
scale_x_continuous(breaks = seq(2015, 2034, 2)) +
labs(title = "Mercado global de tecnología educativa",
subtitle = "Valores históricos y proyecciones (CAGR 13.3%)",
x = "Año", y = "Valor de mercado (USD)",
linetype = "", shape = "",
caption = "Fuentes: Precedence Research (2025); Grand View Research (2025)") +
theme_minimal() +
theme(legend.position = "bottom",
plot.title = element_text(face = "bold", size = 14),
plot.caption = element_text(size = 8, color = "grey50"))
Fuentes: Precedence Research (2025); Grand View Research (2025).
1.4 Adopción de IA generativa en educación superior
La velocidad de adopción de herramientas de IA generativa entre estudiantes universitarios constituye un fenómeno sin precedentes en la historia de la tecnología educativa. Mientras que tecnologías previas como los LMS o los MOOCs requirieron años para alcanzar masa crítica, ChatGPT superó los 100 millones de usuarios en apenas dos meses desde su lanzamiento. En el ámbito universitario, esta dinámica de adopción se produce de manera asimétrica entre estudiantes y docentes.
Según el estudio de Tyton Partners citado por Pedreño Muñoz et al. (2024), más de la mitad de los estudiantes universitarios utilizaban herramientas de IA en 2023, frente a menos del 25% del profesorado. Esta brecha plantea desafíos pedagógicos, técnicos e institucionales de calado (Chan & Lee, 2023). Los datos que se presentan a continuación permiten trazar tres dimensiones complementarias del fenómeno: la evolución temporal de la adopción estudiantil (incluyendo el controvertido uso en evaluaciones), el ecosistema de herramientas disponibles con sus respectivas cuotas de mercado, y la distribución sectorial que sitúa a la educación superior en un contexto más amplio donde K-12 y la formación corporativa compiten por recursos e innovación.
Código
library(ggplot2)
# Datos de adopción por estudiantes
adopcion_est <- data.frame(
periodo = factor(c("Ene 2023", "Jun 2023", "Dic 2023", "Jun 2024", "Dic 2024", "Jun 2025"),
levels = c("Ene 2023", "Jun 2023", "Dic 2023", "Jun 2024", "Dic 2024", "Jun 2025")),
uso_general = c(35, 52, 66, 80, 86, 92),
uso_evaluaciones = c(15, 28, 42, 53, 72, 88)
)
library(tidyr)
adopcion_long <- pivot_longer(adopcion_est, cols = c(uso_general, uso_evaluaciones),
names_to = "tipo", values_to = "porcentaje")
adopcion_long$tipo <- factor(adopcion_long$tipo,
levels = c("uso_general", "uso_evaluaciones"),
labels = c("Uso general en estudios", "Uso en evaluaciones"))
ggplot(adopcion_long, aes(x = periodo, y = porcentaje, fill = tipo)) +
geom_bar(stat = "identity", position = position_dodge(width = 0.8), width = 0.7) +
geom_text(aes(label = paste0(porcentaje, "%")),
position = position_dodge(width = 0.8), vjust = -0.5, size = 3) +
scale_fill_manual(values = c("#2E86AB", "#E84855")) +
scale_y_continuous(limits = c(0, 100), breaks = seq(0, 100, 20)) +
labs(title = "Adopción de IA generativa por estudiantes universitarios",
subtitle = "Porcentaje de estudiantes que reportan uso de herramientas como ChatGPT, Copilot o Gemini",
x = "", y = "Porcentaje de estudiantes (%)",
fill = "",
caption = "Fuentes: Digital Education Council (2024); HEPI & Kortext (2025); Chegg Global Survey (2025)") +
theme_minimal() +
theme(legend.position = "bottom",
plot.title = element_text(face = "bold", size = 14),
axis.text.x = element_text(angle = 45, hjust = 1),
plot.caption = element_text(size = 8, color = "grey50"))
Fuentes: Digital Education Council (2024); Higher Education Policy Institute & Kortext (2025); Chegg, Inc. (2025).
Código
library(knitr)
library(kableExtra)
herramientas <- data.frame(
Herramienta = c("ChatGPT (OpenAI)", "Grammarly", "Microsoft Copilot",
"Google Gemini", "Claude (Anthropic)", "Perplexity AI"),
`Uso estudiantes` = c("66%", "25%", "25%", "18%", "8%", "6%"),
`Usuarios globales` = c("800M/semana", "30M/mes", "140M DAU*",
"400M/mes", "30M/mes", "15M/mes"),
`Cuota mercado IA` = c("59.5%", "—", "14%", "13.4%", "3.2%", "6.2%"),
`Fortalezas educativas` = c("Versatilidad, plugins, multimodal",
"Corrección escritura académica",
"Integración Office 365, fuentes",
"Integración Google Workspace",
"Contexto largo (200K tokens), razonamiento",
"Búsqueda con citas verificables"),
check.names = FALSE
)
kable(herramientas, align = c("l", "c", "c", "c", "l")) |>
kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
full_width = TRUE, font_size = 12) |>
footnote(general = "*DAU = Daily Active Users. Datos a mayo 2025.",
general_title = "Nota: ",
footnote_as_chunk = TRUE)| Herramienta | Uso estudiantes | Usuarios globales | Cuota mercado IA | Fortalezas educativas |
|---|---|---|---|---|
| ChatGPT (OpenAI) | 66% | 800M/semana | 59.5% | Versatilidad, plugins, multimodal |
| Grammarly | 25% | 30M/mes | — | Corrección escritura académica |
| Microsoft Copilot | 25% | 140M DAU* | 14% | Integración Office 365, fuentes |
| Google Gemini | 18% | 400M/mes | 13.4% | Integración Google Workspace |
| Claude (Anthropic) | 8% | 30M/mes | 3.2% | Contexto largo (200K tokens), razonamiento |
| Perplexity AI | 6% | 15M/mes | 6.2% | Búsqueda con citas verificables |
| Nota: *DAU = Daily Active Users. Datos a mayo 2025. |
Fuentes: Digital Education Council (2024); Views4You (2025); Data Studios (2025).
Código
library(ggplot2)
sectores <- data.frame(
sector = factor(c("K-12", "Educación Superior", "Formación Corporativa",
"Desarrollo Profesional", "Consumidor individual"),
levels = c("K-12", "Educación Superior", "Formación Corporativa",
"Desarrollo Profesional", "Consumidor individual")),
cuota_mercado = c(39.4, 22.3, 24.1, 8.7, 5.5),
crecimiento_anual = c(21.3, 18.6, 15.2, 12.8, 11.5)
)
library(tidyr)
sectores_long <- pivot_longer(sectores, cols = c(cuota_mercado, crecimiento_anual),
names_to = "metrica", values_to = "valor")
sectores_long$metrica <- factor(sectores_long$metrica,
levels = c("cuota_mercado", "crecimiento_anual"),
labels = c("Cuota de mercado 2024 (%)", "CAGR proyectado (%)"))
ggplot(sectores_long, aes(x = sector, y = valor, fill = metrica)) +
geom_bar(stat = "identity", position = position_dodge(width = 0.8), width = 0.7) +
geom_text(aes(label = paste0(valor, "%")),
position = position_dodge(width = 0.8), vjust = -0.3, size = 3) +
scale_fill_manual(values = c("#2E86AB", "#4ECDC4")) +
scale_y_continuous(limits = c(0, 45)) +
labs(title = "Distribución del mercado EdTech por sector",
subtitle = "Cuota de mercado actual y tasa de crecimiento proyectada",
x = "", y = "Porcentaje (%)",
fill = "",
caption = "Fuente: Grand View Research (2025)") +
theme_minimal() +
theme(legend.position = "bottom",
plot.title = element_text(face = "bold", size = 14),
axis.text.x = element_text(angle = 30, hjust = 1),
plot.caption = element_text(size = 8, color = "grey50"))
Fuente: Grand View Research (2025).
1.5 Factores determinantes en la adopción de tecnología educativa
La adopción de tecnologías educativas no responde a un proceso lineal ni automático, sino que está mediada por factores psicológicos, sociales e institucionales que los marcos teóricos han ido sistematizando durante las últimas décadas. El modelo UTAUT, desarrollado por Venkatesh et al. (2003) mediante la integración de ocho teorías previas, identifica cuatro constructos fundamentales: expectativa de rendimiento (los beneficios percibidos), expectativa de esfuerzo (la facilidad de uso), influencia social (la presión normativa del entorno) y condiciones facilitadoras (la infraestructura y soporte disponibles).
Este marco alcanza una varianza explicada del 70% en la intención de uso, superando significativamente a modelos anteriores como TAM. La revisión sistemática de Feng et al. (2025) aplica este marco al contexto específico de la educación superior entre 2015 y 2024, revelando que la expectativa de esfuerzo (facilidad de uso) aparece como factor predictivo en casi la mitad de los estudios analizados, lo que sugiere que las barreras de usabilidad —en mayor proporción que el coste asociaso— siguen siendo el principal obstáculo para la integración tecnológica en las aulas universitarias.
Código
library(ggplot2)
factores <- data.frame(
factor = factor(c("Expectativa de esfuerzo\n(facilidad de uso)",
"Expectativa de rendimiento\n(beneficios percibidos)",
"Condiciones facilitadoras\n(infraestructura, soporte)",
"Influencia social\n(pares, institución, cultura)"),
levels = c("Expectativa de esfuerzo\n(facilidad de uso)",
"Expectativa de rendimiento\n(beneficios percibidos)",
"Condiciones facilitadoras\n(infraestructura, soporte)",
"Influencia social\n(pares, institución, cultura)")),
n_estudios = c(18, 8, 8, 5),
porcentaje = c(46.2, 20.5, 20.5, 12.8)
)
ggplot(factores, aes(x = reorder(factor, n_estudios), y = n_estudios, fill = factor)) +
geom_bar(stat = "identity", width = 0.7) +
geom_text(aes(label = paste0(n_estudios, " estudios\n(", porcentaje, "%)")),
hjust = -0.1, size = 3.5) +
coord_flip() +
scale_fill_manual(values = c("#2E86AB", "#4ECDC4", "#F18F01", "#E84855")) +
scale_y_continuous(limits = c(0, 25)) +
labs(title = "Factores de adopción de tecnología educativa",
subtitle = "Revisión sistemática de 39 estudios (2015-2024)",
x = "", y = "Número de estudios",
caption = "Fuente: Feng et al. (2025). PLOS Digital Health.") +
theme_minimal() +
theme(legend.position = "none",
plot.title = element_text(face = "bold", size = 14),
plot.caption = element_text(size = 8, color = "grey50"))
Fuente: Feng et al. (2025)
1.6 Uso de IA por docentes y necesidades de formación
Los resultados de la investigación sobre factores de adopción de tecnología educativa tienen implicaciones directas para la formación docente, como muestra Pedreño Muñoz et al. (2024) a propósito del uso de herramientas de IA. Mientras más de la mitad del alumnado universitario las utiliza regularmente, menos del 25% del profesorado lo hace, ya sea por falta de tiempo para incorporar nuevas tecnologías, por carencia de formación adecuada o por dudas y preocupaciones acerca de sus implicaciones éticas, ambientales o de otra naturaleza. Según una encuesta de IESALC-UNESCO, menos del 43% de los docentes de educación superior había tenido contacto con ChatGPT a finales de 2023.
La paradoja, con los datos disponibles sobre la distribución de factores de adopción, es que el 75% del profesorado familiarizado con estas herramientas reconoce que los estudiantes necesitarán competencias en IA para su éxito profesional, pero que la mayor parte del profesorado carece de la formación necesaria para integrarlas en su práctica pedagógica.
Código
library(knitr)
library(kableExtra)
docentes <- data.frame(
Indicador = c("Docentes que han usado IA en enseñanza",
"Uso mínimo o esporádico entre quienes la usan",
"Docentes sin formación específica en IA",
"Distritos con formación IA planificada (otoño 2025)",
"Docentes que usan IA para preparar lecciones",
"Docentes que usan IA para investigación",
"Docentes que usan IA para crear materiales"),
Porcentaje = c("61%", "88%", "71%", "74%", "38%", "44%", "37%"),
Fuente = c("Digital Education Council (2025)",
"Digital Education Council (2025)",
"NEA (2025)",
"Amazon Assets Report (2025)",
"NEA (2025)",
"NEA (2025)",
"NEA (2025)"),
check.names = FALSE
)
kable(docentes, align = c("l", "c", "l")) |>
kable_styling(bootstrap_options = c("striped", "hover", "condensed"),
full_width = TRUE, font_size = 12)| Indicador | Porcentaje | Fuente |
|---|---|---|
| Docentes que han usado IA en enseñanza | 61% | Digital Education Council (2025) |
| Uso mínimo o esporádico entre quienes la usan | 88% | Digital Education Council (2025) |
| Docentes sin formación específica en IA | 71% | NEA (2025) |
| Distritos con formación IA planificada (otoño 2025) | 74% | Amazon Assets Report (2025) |
| Docentes que usan IA para preparar lecciones | 38% | NEA (2025) |
| Docentes que usan IA para investigación | 44% | NEA (2025) |
| Docentes que usan IA para crear materiales | 37% | NEA (2025) |
Fuentes: Digital Education Council (2025); National Education Association (2025); Amazon Web Services (2025).
1.7 Tendencias y evidencia de impacto en la literatura científica sobre EdTech
La investigación sobre adopción de tecnología educativa ha seguido una trayectoria ascendente que refleja el creciente interés institucional por fundamentar empíricamente las decisiones de integración tecnológica. Según la revisión de Feng et al. (2025), la producción científica sobre adopción de tecnología educativa ha experimentado un crecimiento sostenido, con un pico notable en 2023. En particular, las publicaciones sobre IA en educación han experimentado un salto en su tasa de crecimiento anual del 10% (2005-2015) al 23% en el periodo posterior, aunque apenas el 1,4% de estos artículos aborda cuestiones éticas o pedagógicas críticas (Pedreño Muñoz et al., 2024).
El pico observado en 2023 coincide con la irrupción masiva de ChatGPT y la urgencia por comprender sus implicaciones en contextos de enseñanza-aprendizaje de todas las etapas del sistema educativo.
Código
library(ggplot2)
publicaciones <- data.frame(
year = 2015:2024,
n_articulos = c(1, 1, 0, 3, 1, 4, 6, 9, 14, 4)
)
ggplot(publicaciones, aes(x = year, y = n_articulos)) +
geom_bar(stat = "identity", fill = "#2E86AB", width = 0.7) +
geom_text(aes(label = n_articulos), vjust = -0.5, size = 3.5) +
scale_x_continuous(breaks = 2015:2024) +
scale_y_continuous(limits = c(0, 16)) +
labs(title = "Publicaciones sobre adopción de EdTech en educación superior",
subtitle = "Artículos incluidos en revisión sistemática PRISMA",
x = "Año de publicación", y = "Número de artículos",
caption = "Fuente: Feng et al. (2025). Búsqueda inicial: 1,891 estudios; seleccionados: 39.") +
theme_minimal() +
theme(plot.title = element_text(face = "bold", size = 14),
plot.caption = element_text(size = 8, color = "grey50"))
Fuente: Feng et al. (2025).
1.8 Impacto de la IA generativa en el rendimiento académico
Aparte del análisis basado en percepciones y tasas de adopción, la pregunta fundamental en un contexto verosímil de innovación educativa es qué efecto real tendrán ciertas tecnologías emergentes de gran potencial sobre el aprendizaje. El desarrollo de habilidades de pensamiento de orden superior (Higher-Order Thinking, HOT) —resolución de problemas, pensamiento crítico y creatividad— constituye un objetivo central de la educación universitaria del siglo XXI según marcos como los de la OCDE (Vincent-Lancrin & Vlies, 2020).
El metaanálisis de Zhao et al. (2025), basado en 29 estudios experimentales y cuasiexperimentales, ofrece la primera síntesis cuantitativa rigurosa sobre el impacto positivo moderado de la IA generativa en competencias de orden superior, revelando efectos diferenciados según el tipo de habilidad y variables moderadoras como la duración de la intervención.
Código
library(ggplot2)
efectos <- data.frame(
habilidad = factor(c("Resolución de problemas", "Pensamiento crítico", "Creatividad"),
levels = c("Resolución de problemas", "Pensamiento crítico", "Creatividad")),
efecto = c(0.62, 0.48, 0.31),
interpretacion = c("Moderado-alto", "Moderado", "Bajo-moderado")
)
ggplot(efectos, aes(x = habilidad, y = efecto, fill = habilidad)) +
geom_bar(stat = "identity", width = 0.6) +
geom_text(aes(label = paste0("d = ", efecto, "\n(", interpretacion, ")")),
vjust = -0.3, size = 3.5) +
scale_fill_manual(values = c("#4ECDC4", "#2E86AB", "#F18F01")) +
scale_y_continuous(limits = c(0, 0.85)) +
labs(title = "Efectos de la IA generativa en pensamiento de orden superior",
subtitle = "Tamaño del efecto (d de Cohen) según metaanálisis de 29 estudios",
x = "", y = "Tamaño del efecto (d)",
caption = "Fuente: Zhao et al. (2025). Journal of Intelligence. Intervenciones óptimas: 8-16 semanas.") +
theme_minimal() +
theme(legend.position = "none",
plot.title = element_text(face = "bold", size = 14),
plot.caption = element_text(size = 8, color = "grey50"))
Fuente: Zhao et al. (2025).
1.9 Conclusión
Las transformaciones tecnológicas con mayor incidencia en el sistema educativo responden a una pauta de adopción que supera ampliamente la mera digitalización de contenidos. El modelo emergente opera con una nueva lógica de diseño y aprendizaje, enfocada a prácticas de personalización dinámica, asistencia inteligente y co‑creación entre humanos y sistemas, en un giro que la irrupción de la IA generativa ha acelerado de manera disruptiva.
La evidencia empírica, fundamentada en modelos predictivos derivados de UTAUT2, confirma que la aceptación docente no depende únicamente de la infraestructura técnica, sino que está fuertemente mediada por las expectativas de rendimiento, la influencia social y las creencias pedagógicas subyacentes (Cabero-Almenara et al., 2024).
Diversos estudios de revisión subrayan la mayor propensión a integrar estas herramientas entre colectivos de docentes que comparten puntos de vista y metodologías constructivistas, donde la tecnología es considerada un andamiaje para el aprendizaje activo. Las barreras de adopción suelen correlacionarse con una falta de alineación entre oportunidades derivadas de la evolución tecnológica y las estrategias o enfoques pedagógicos existentes (Feng et al., 2025).
Las aportaciones centradas en analizar el impacto académico y cognitivo de la IA generativa coinciden en señalar una mejora en la eficiencia para gestionar la carga administrativa y la capacidad de personalización a escala; pero metaanálisis recientes señalan que el impacto real en el desarrollo de habilidades metacognitivas (HOT) es heterogéneo y depende sustancialmente del diseño pedagógico subyacente, siendo el aprendizaje basado en proyectos una modalidad donde el efecto resulta beneficioso (Zhao et al., 2025).
La brecha en ritmos de adopción —rápida adopción por parte del estudiantado, integración más cautelosa entre el profesorado— probablemente difiere bastante entre grupos de estudiantes, como señalan Chan & Lee (2023) a propósito de Gen Z y X. Pero su estudio podría orientar sobre iniciativas prioritarias en el sistema de educación superior, como la redefinición urgente de las métricas de evaluación y los protocolos y criterios de integridad académica, para prevenir el riesgo de generalización de las rutinas de aprendizaje abreviado y la dependencia cognitiva o pérdida de autonomía (deskilling, cognitive erosion), en línea con fenómenos análogos producidos por la automatización industrial (Bobula, 2024; Vivas Urias & Ruiz Rosillo, 2025).
En un contexto donde millones de usuarios acceden diariamente a servicios proporcionados por sistemas de IA con el soporte de modelos LLM de frontera, las oportunidades no dependen tanto del coste y viabilidad tecnológica como de la alfabetización crítica y el marco ético necesario para operar con sistemas propensos a alucinaciones y sesgos algorítmicos por diseño (Lin et al., 2024).
La capacidad de la IA para simular procesos de razonamiento válido e informado obliga a las instituciones a fomentar enfoques del tipo “human-in-the-loop”, donde la validación epistemológica y el juicio ético serán competencias nucleares (Sari et al., 2024). Sobre este trasfondo, la didáctica de la filosofía proporciona un marco robusto para interrogar la “caja negra” de los algoritmos y transformar la incertidumbre tecnológica en una oportunidad para la indagación reflexiva y la detección de sesgos o alucinaciones (Yueh, 2025).
Estos aspectos se abordarán en el siguiente bloque, centrado expresamente en la innovación educativa ligada a contenidos, materias y programas filosóficos.
2 La innovación docente y su concreción en las materias de Filosofía
2.1 Introducción: El concepto de innovación
Una revisión pormenorizada de las acepciones de los términos “innovar” e “innovación” en diversos diccionarios de referencia1-7 proporciona al menos tres aspectos diferenciados:
La introducción de algo nuevo o la modificación de algo establecido: esta definición se centra en la novedad y el cambio que implica la innovación. Incluye matices como alteración, novedad, originalidad, nuevos elementos o formas. Ejemplos: introducción de un nuevo producto, servicio, proceso, método organizativo, etc.
Creación y comercialización de un nuevo producto: esta definición pone el foco en la innovación aplicada a productos comerciales. Enfatiza la creación, mejora y lanzamiento al mercado. Ejemplos: innovación en el diseño y desarrollo de productos, reacción o adaptación a nuevas necesidades y demandas, etc.
Renovación y progreso: una definición más amplia que destaca los efectos positivos de la innovación. Se asocia con tipos de impacto percibidos como cambio, mejora, modernización, avance. Ejemplos: innovación para resolver problemas sociales, ambientales, impulsar el crecimiento económico o sortear ciertos inconvenientes de tecnologías obsoletas (más contaminantes, más costosas o menos eficientes).
La innovación raramente es solo tecnológica, pese a la atención que este factor suele recibir. Lo habitual es que surja de una dinámica de cambio más amplia en lo social, en la mejora u optimización de procesos y en la transformación de servicios, modelos de negocio y marco regulador, con impacto en las estructuras organizativas y formativas. Requiere creatividad y apertura al cambio, es decir, una evolución cultural constatable y nuevos valores de referencia. Puede generar resistencia —por romper con la comodidad de lo establecido— y sentimiento de exclusión entre ciertos colectivos con dificultades para adaptarse al cambio. Es un proceso continuo y acumulativo; pero también dialéctico y, en ocasiones, muy conflictivo.8-11
Mostrar enlaces y referencias
1. https://dle.rae.es/innovar
2. https://www.collinsdictionary.com/dictionary/english/innovation
3. https://www.collinsdictionary.com/es/diccionario/espanol-ingles/innovar
4. https://www.oed.com/search/advanced/Entries?textTermText0=innovation&textTermOpt0=Etymology
5. https://www.oed.com/search/advanced/Meanings?textTermText0=innovation&textTermOpt0=WordPhrase&tl=true
6. https://www.oed.com/search/advanced/Quotations?textTermText0=innovation&textTermOpt0=QuotText
7. https://www.oxfordlearnersdictionaries.com/definition/english/innovation?q=innovation
8. Hauerwas, L. B. et al. (2023). “Transformative Innovation in Teacher Education: Research toward a Critical Global Didactica.” Teaching and Teacher Education 123 (March): 103974. https://doi.org/10.1016/j.tate.2022.103974.
9. Bilichenko, O. et al. (2022). “Managing Strategic Changes in Personnel Resistance to Open Innovation in Companies.” Journal of Open Innovation: Technology, Market, and Complexity 8 (3): 151. https://doi.org/10.3390/joitmc8030151.
10. Talwar, S. et al. (2021). “Why Have Consumers Opposed, Postponed, and Rejected Innovations during a Pandemic? A Study of Mobile Payment Innovations.” Australasian Journal of Information Systems 25 (November). https://doi.org/10.3127/ajis.v25i0.3201.
11. Area-Moreira M.,and M. T. Ribeiro-Pessoa (2012). From Solid to Liquid: New Literacies to the Cultural Changes of Web 2.0. Comunicar 19 (38): 13–20. https://doi.org/10.3916/C38-2012-02-01. 2.2 La innovación docente en los programas de Filosofía
El concepto de innovación docente refiere al conjunto de acciones, procesos y resultados orientados a la mejora de la calidad de la enseñanza y el aprendizaje en todas las etapas del sistema educativo. Se concreta introduciendo cambios en las prácticas, los contenidos, las metodologías, las herramientas, los recursos y los criterios e instrumentos de evaluación asociados con los procesos de enseñanza-aprendizaje, para adaptarlos a las características, necesidades, intereses y expectativas de los estudiantes y a la evolución del contexto amplio (sociocultural, técnico, económico y familiar) que les influye.
Forma parte del proceso de innovación docente la planificación, selección y puesta a prueba de elementos que pueden suscitar cambios significativos en las prácticas y estrategias educativas. Aparte de satisfacer indicadores básicos de calidad, el objetivo central es lograr aprendizajes significativos propios de la etapa y ajustados a las capacidades de los estudiantes.1, 2
- Conexión con conocimientos previos: El aprendizaje significativo ocurre cuando la nueva información se conecta con conceptos relevantes ya existentes en la estructura cognitiva del estudiante.
- Modificación de la estructura cognitiva: La nueva información no solo se añade a la estructura cognitiva, sino que también la modifica y enriquece, potenciando los esquemas cognitivos.
- Requiere comprensión y lógica: Logra que los estudiantes comprendan y encuentren sentido a la nueva información, evitando memorizar aquello que no tiene significado para ellos.
- Participación activa del estudiante: La nueva información guarda relación expresa con las experiencias y conocimientos previos del grupo al que se dirige.
- Transferencia de conocimientos: Facilita aplicar lo aprendido en nuevos contextos y situaciones.
Obras de referencia:
- Ausubel, D. P. (1968). Educational psychology: A cognitive view. Holt, Rinehart & Winston.
- Bruner, J. S. (1961). The act of discovery. Harvard Educational Review, 31(1), 21–32. https://digitalauthorship.org/wp-content/uploads/2015/01/the-act-of-discovery-bruner.pdf
- Piaget, J. (1970). Science of education and the psychology of the child. Orion Press. https://archive.org/details/scienceofeducati00piag
- Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press. https://home.fau.edu/musgrove/web/vygotsky1978.pdf
En un sentido más amplio, se espera que la innovación contribuya a promover un entorno de educación más efectivo, inclusivo y motivador, en línea con el desarrollo científico-técnico y los desafíos complejos del siglo XXI, y sustentado en enfoques reflexivos respaldados por la evidencia.3, 4
2.3 Cómo se acredita la competencia digital en el ámbito educativo
En el contexto europeo, el Marco de Competencia Digital para Educadores (DigCompEdu) proporciona una referencia científicamente fundamentada que describe las competencias digitales específicas del profesorado, organizadas en seis áreas: compromiso profesional, recursos digitales, pedagogía digital, evaluación y retroalimentación, autonomía del alumnado y facilitación de la competencia digital de los estudiantes (Redecker, 2017). Este marco resulta especialmente relevante para el profesorado de Filosofía, puesto que enfatiza no tanto las habilidades técnicas como la capacidad de utilizar tecnologías digitales para mejorar e innovar en los procesos de enseñanza-aprendizaje.
| Marco de Referencia de la Competencia Digital Docente (MRCDD) | |||
|---|---|---|---|
| Áreas competenciales adaptadas del marco europeo DigCompEdu | |||
| Área | Nombre del área | Eje principal | Descripción sintética |
| 1 | Compromiso profesional | Competencias profesionales del educador | Uso de las tecnologías digitales para la organización del centro, la comunicación y colaboración profesional, el desarrollo profesional continuo y la mejora de la práctica docente (incluida la ética y la protección de datos). |
| 2 | Contenidos digitales | Competencias digitales del educador | Selección, creación, co-creación, adaptación, gestión y compartición de recursos digitales educativos, asegurando su calidad, accesibilidad, licencias y adecuación curricular. |
| 3 | Enseñanza y aprendizaje | Competencias pedagógicas del educador | Diseño, planificación e implementación de experiencias de enseñanza-aprendizaje apoyadas en tecnologías digitales, incluyendo metodologías activas, organización de actividades y gestión de entornos virtuales. |
| 4 | Evaluación y retroalimentación | Competencias pedagógicas del educador | Uso de herramientas y datos digitales para evaluar el aprendizaje, hacer seguimiento del progreso, proporcionar retroalimentación formativa y ajustar la enseñanza en función de la evidencia. |
| 5 | Autonomía del alumnado | Competencias transversales y de aprendizaje | Aplicación de recursos y estrategias digitales para favorecer la participación activa, la colaboración, la personalización del aprendizaje y la atención a la diversidad y a las necesidades específicas del alumnado. |
| 6 | Desarrollo de la competencia digital del alumnado | Competencias digitales del alumnado | Planificación y apoyo explícito al desarrollo de la competencia digital del alumnado (informacional, comunicativa, creación de contenidos, seguridad y resolución de problemas) integrada en las materias y proyectos. |
Fuente: Resolución de 4 de mayo de 2022, de la Dirección General de Evaluación y Cooperación Territorial, por la que se publica el Acuerdo de la Conferencia Sectorial de Educación sobre la actualización del Marco de referencia de la competencia digital docente (BOE-A-2022-8042, BOE n.º 116, 16/05/2022).
| Nivel CDD | Descriptor nivel | Vía formación (mín. horas y condiciones) | Prueba específica | Observación del desempeño | Evidencias y otros requisitos esenciales |
|---|---|---|---|---|---|
| A1 | Nivel inicial | Una o varias actividades formativas ≥ 40 h, sin contar congresos/jornadas, reconocidas por la Administración educativa y que cubran todas las áreas del nivel A1 y al menos el 80% de los indicadores del MRCDD vigente. boe | Prueba específica sobre nivel A1 que cubra todas las áreas y al menos el 80% de los indicadores del MRCDD vigente. boe | No se exige expresamente para A1. boe | Títulos oficiales que habiliten para la docencia (Grados de Maestro, Máster de Profesorado, etc.) o menciones en tecnologías educativas, siempre que cubran todas las áreas del nivel A1 y al menos el 80% de los indicadores. boe |
| A2 | Nivel inicial | Una o varias actividades formativas ≥ 50 h, sin contar congresos/jornadas, reconocidas por la Administración educativa y que cubran todas las áreas del nivel A2 y al menos el 80% de los indicadores del MRCDD vigente. boe | Prueba específica sobre nivel A2 que cubra todas las áreas y al menos el 80% de los indicadores del MRCDD vigente. boe | No se exige expresamente para A2. boe | Títulos oficiales habilitantes para la docencia o menciones en tecnologías educativas, siempre que cubran todas las áreas del nivel A2 y al menos el 80% de los indicadores. boe |
| B1 | Nivel intermedio | Una o varias actividades formativas ≥ 60 h, sin contar congresos/jornadas, reconocidas por la Administración educativa y que cubran todas las áreas del nivel B1 en el MRCDD vigente. boe | Prueba específica sobre nivel B1 que cubra todas las áreas y al menos el 80% de los indicadores del MRCDD vigente. boe | Evaluación del desempeño obligatoria cuando los certificados de formación no muestren evidencia de aplicación práctica, siguiendo guía pública fijada por la Administración. boe | El propio acuerdo resalta que la observación de desempeño se usará cuando la formación no acredite la puesta en práctica del nivel B1. boe |
| B2 | Nivel intermedio | Una o varias actividades formativas ≥ 70 h, sin contar congresos/jornadas, reconocidas por la Administración educativa y que cubran todas las áreas del nivel B2 en el MRCDD vigente. boe | Prueba específica sobre nivel B2 que cubra todas las áreas y al menos el 80% de los indicadores del MRCDD vigente. boe | Evaluación del desempeño obligatoria cuando la formación no muestre evidencia de aplicación práctica, siguiendo guía pública fijada por la Administración. boe | Se aplica la misma lógica que en B1: la observación de desempeño complementa o verifica la formación para garantizar el nivel B2 en la práctica. boe |
| C1 | Nivel avanzado | El texto no fija horas mínimas de formación; la acreditación se centra en observación del desempeño y análisis de evidencias, cubriendo todas las áreas y al menos el 80% de los indicadores del nivel C1 del MRCDD. boe | No se menciona una prueba específica tipo test para C1; el peso recae en desempeño y evidencias. boe | Evaluación del nivel C1 mediante observación del desempeño siguiendo una guía pública determinada por las Administraciones educativas. boe | Proceso de análisis y validación de evidencias: coordinación TIC o puesto equivalente, premios de Administraciones educativas, publicaciones con NIPO/ISBN/ISSN/DOI/URL, coordinación de proyectos de formación en centros, participación como tutor/a o ponente en formación, participación en proyectos colectivos de investigación/innovación y cualquier otra evidencia que acredite el nivel C1. boe |
| C2 | Nivel avanzado | Se acredita por áreas; el texto no fija horas mínimas de formación y se centra en desempeño y evidencias ligadas al nivel C2 del MRCDD. boe | No se menciona prueba específica tipo test; se basa en desempeño y evidencias. boe | Evaluación del nivel C2 mediante observación del desempeño siguiendo guía pública de las Administraciones educativas. boe | Proceso de análisis y validación de evidencias específicas: premios de Administraciones educativas, publicaciones con NIPO/ISBN/ISSN/DOI/URL, participación como ponente en congresos autonómicos, nacionales e internacionales, coordinación y autoría de proyectos de investigación e innovación educativa, reconocimientos por mejoras significativas en el ámbito educativo, currículo para valorar trayectoria profesional y cualquier otra evidencia que acredite el nivel C2. boe |
Fuente: BOE, Res. 5/05/2022
La evidencia reciente indica que los docentes con orientaciones pedagógicas constructivistas —que priorizan el aprendizaje centrado en el estudiante y la participación activa— muestran mayor predisposición a integrar herramientas tecnológicas innovadoras que aquellos con creencias transmisivas, centradas en la instrucción directa (Cabero-Almenara et al., 2024). Esta distinción resulta crucial para comprender las dinámicas de resistencia y adopción tecnológica en el ámbito de las humanidades. De ahí el énfasis en los procesos de acreditación de la competencia digital para el personal docente, puesto que se trata de un largo proceso de integración de habilidades que requieren nociones teóricas y demostración práctica en contextos relevantes.
En el ámbito específico de la enseñanza de los contenidos de filosofía es inevitable manejar un repertorio amplio de estrategias, recursos y enfoques metodológicos que potencien en lo posible la finalidad instrumental de las materias filosóficas. Su introducción en la etapa preuniversitaria se justifica porque contribuyen al desarrollo del pensamiento crítico y de las actitudes reflexivas, creativas e inconformistas frente a estereotipos, convenciones y clichés comunes en la producción cultural, en los medios generalistas y en la esfera política.
El auge de la investigación sobre sesgos, alucinaciones y explicabilidad en los outputs de los grandes modelos de lenguaje con millones de usuarios aporta un componente extra de legitimación curricular a los contenidos de filosofía —argumentación, ética, marco regulador y desarrollo del pensamiento crítico (debiasing)— en el sistema educativo (Lin et al., 2024).
2.4 Riesgos asociados con la elección de tecnología y herramientas educativas
La adolescencia suele considerarse la etapa evolutiva decisiva para la maduración intelectual y ética de los estudiantes, como resultado de un proceso más amplio de consolidación de curiosidad e interés por la cultura, el conocimiento y las habilidades para el diálogo y la interacción social. Pero el interés o pertinencia de los contenidos y metodologías en la clase de filosofía se interpreta a menudo en función de retos, circunstancias y oportunidades diversas en el contexto social. Desde que finalizó la pandemia parece consolidarse la tendencia que cuestiona el papel de la tecnología y los dispositivos digitales en las aulas, sobre todo el uso de móviles con ciertas funciones avanzadas, aplicaciones de mensajería y conectividad permanente.
Aspectos y servicios previamente muy demandados, como resultado de una conexión mucho más directa con la realidad social y la importancia de atender mejor a la diversidad, para fomentar la inclusión efectiva de estudiantes con dificultades complejas en su tipología y grado, adquieren desde 2022-2023 connotaciones muy negativas a partir de ciertos casos de acoso presencial o en línea.16
Dado que el acoso escolar no constituye un conjunto de incidentes aislados, sino una dinámica relacional sistemática con repercusiones documentadas sobre la salud mental y física de las personas afectadas, resulta fundamental implementar sistemas de detección temprana basados en indicadores de alerta. Los contextos de victimización y exclusión en las aulas constituyen frecuentemente manifestaciones de procesos socioculturales más amplios, incluyendo la marginación comunitaria y la privación de recursos en el entorno (Hikmat et al., 2024; Perino & al., 2025). Las intervenciones limitadas exclusivamente al ámbito escolar presentan efectividad reducida cuando no se abordan los factores sistémicos subyacentes que operan a nivel familiar, comunitario y estructural, requiriendo aproximaciones multimodales que involucren a todos los actores del ecosistema educativo.5-6
La presión que ejercen colectivos de padres/madres sobre la autoridad educativa7 para prohibir el uso de móviles en las aulas deja en segundo plano otros aspectos (ratio inmanejable en los grupos, carencias de formación afectiva en aspectos básicos, insuficiencia de medios para la atención psicológica temprana y personalizada, limitaciones de los medios disponibles en el aula, etc.) que, muy probablemente, han contribuido al deterioro de aspectos esenciales en el proyecto pedagógico de los centros y en las metodologías de trabajo posibles, dadas las circunstancias.8-15
El análisis de las estrategias de innovación docente —cuyo alcance y complejidad desbordan lo estrictamente aplicable a las materias de Filosofía— exige un enfoque aplicado, coherente con la naturaleza de una disciplina que contribuye de manera decisiva al desarrollo del pensamiento crítico, la actitud reflexiva y las disposiciones morales. El uso y familiaridad con diversas tecnologías educativas debería formar parte de programas de alfabetización más amplios, que incluyen el conocimiento de las oportunidades y riesgos asociados con herramientas digitales.
Mostrar referencias
1. Barrio, M. et al. (eds., 2017). La Innovación Educativa Como Agente de Transformación Digital En La Educación Superior. Dykinson. https://doi.org/10.2307/j.ctt1zgwjb7.
2. Castro-Benavides, L. M. et al. (2022). “Escenarios de La Docencia Frente a La Transformación Digital de Las Instituciones de Educatión Superior.” Education in the Knowledge Society (EKS) 23 (November): e27866. https://doi.org/10.14201/eks.27866.
3. Losada, I. H. y Osuna, J. E. A. (2023). Innovación educativa y formación docente: Últimas aportaciones en la investigación. Esic. 99-198.
4. López-Meneses, A. y E. Martín-Padilla (2023). Educar para transformar: innovacion pedagogica, calidad y TIC en contextos formativos. S.l.: DYKINSON. https://dialnet.unirioja.es/servlet/libro?codigo=922543.
5. Suryanto, A. et al. (2022). “Study of Working from Home: The Impact of ICT Anxiety and Smartphone Addiction on Lecturers at NIPA School of Administration on Job Performance.” Heliyon 8 (12): e11980. https://doi.org/10.1016/j.heliyon.2022.e11980.
6. Lee, S. and Jaeho Jeon (2024). “Teacher Agency and ICT Affordances in Classroom-Based Language Assessment: The Return to Face-to-Face Classes after Online Teaching.” System 121 (April): 103218. https://doi.org/10.1016/j.system.2023.103218.
7. Consejo-Escolar-del-Estado. (2024). Propuestas del Consejo del Consejo Escolar del Estado sobre el uso de dispositivos móviles en los centros. Gob.es (Ministerio de Educación...). https://www.educacionyfp.gob.es/dam/jcr:5ab2371c-4f3e-4c4d-9090-b3afb18adcf8/cee-propuestas-dispositivos-moviles.pdf.
8. Duraiappah, A. et al. (2021). “Screen Time and Learner Well-Being: The Debate, the Evidence and Directions for Future Research and Policy. A Research Brief by UNESCO MGIEP.” https://d1c337161ud3pr.cloudfront.net/files%2Fcca79941-0187-480b-a737-f9a7eca1f38a_UNESCO%20MGIEP-Screentime.pdf.
9. Przybylski, A. et al. (2020). “How Much Is Too Much? Examining the Relationship Between Digital Screen Engagement and Psychosocial Functioning in a Confirmatory Cohort Study.” Journal of the American Academy of Child & Adolescent Psychiatry 59 (9): 1080–88. https://doi.org/10.1016/j.jaac.2019.06.017.
10. Adelantado-Renau, M. et al. (2019). “Association Between Screen Media Use and Academic Performance Among Children and Adolescents.” JAMA Pediatrics 173 (11): 1058. https://doi.org/10.1001/jamapediatrics.2019.3176.
11. Houghton, S. et al. (2015). “Virtually Impossible: Limiting Australian Children and Adolescents Daily Screen Based Media Use.” BMC Public Health 15 (1): 5. https://doi.org/10.1186/1471-2458-15-5.
12. Qi, J. et al. (2023). “Screen Time among School-Aged Children of Aged 6–14: A Systematic Review.” Global Health Research and Policy 8 (1): 12. https://doi.org/10.1186/s41256-023-00297-z.
13. Panjeti-Madan, V. N. and P. Ranganathan (2023). “Impact of Screen Time on Children’s Development: Cognitive, Language, Physical, and Social and Emotional Domains.” Multimodal Technologies and Interaction 7 (5): 52. https://doi.org/10.3390/mti7050052.
14. Msafiri, M. M. et al. (2023). “A Systematic Literature Review of ICT Integration in Secondary Education: What Works, What Does Not, and What Next?” Discover Education 2 (1): 44. https://doi.org/10.1007/s44217-023-00070-x.
15. Xiao, L. Y. et al. (2024). “To Screen, or Not to Screen: An Experimental Comparison of Two Methods for Correlating Video Game Loot Box Expenditure and Problem Gambling Severity.” Computers in Human Behavior 151 (February): 108019. https://doi.org/10.1016/j.chb.2023.108019.
16. Garaigordobil, M. y Martínez-Valderrey, V. (2015). Effects of Cyberprogram 2.0 on “face-to-face” bullying, cyberbullying, and empathy. En Psicothema (Vol. 27, Número 1, pp. 45–51). https://doi.org/10.7334/psicothema2014.78.2.5 Características, medios y alcance de la innovación docente en Filosofía
La innovación docente es un proceso dinámico, continuo y contextualizado, que responde a las demandas y a los cambios del entorno educativo y social. En función de cómo evolucionan ciertas tecnologías, servicios y las plataformas a través de las que resultan accesibles, cambian los objetivos, el alcance y la viabilidad de las prácticas innovadoras.
Por lo general, la innovación docente se asocia con procesos participativos, colaborativos y transversales, en los que todos los actores educativos (estudiantes, docentes, familias, instituciones, etc.) se implican en alguna medida para integrar nuevas herramientas y posibilidades en el proyecto educativo del centro. En condiciones ideales, debería tratarse de un proceso reflexivo, crítico y evaluativo, sustentado en la investigación, la experimentación y la evidencia. Y sometido a rendición de cuentas, con seguimiento y retroalimentación entre quienes integran el equipo docente directamente implicado.
Además, debería ir ligado a elementos y herramientas cuya creatividad y originalidad esté fuera de duda, como parte de una estrategia convincente dirigida a explorar nuevas formas de enseñar y aprender los contenidos propios de la etapa y área de referencia. Pero puede articularse razonablemente bien sobre relatos literarios, episodios históricos y contenidos presentes en otras disciplinas. 1
En las materias filosóficas, la elección de metodologías innovadoras debe respetar la singularidad y potenciar la autonomía de los estudiantes invitados a participar, asumiendo que cada docente tendrá que adaptarse a las diferentes situaciones, necesidades y estilos de aprendizaje propias del grupo asignado.
Innovación curricular
Afecta a los contenidos, los objetivos, las competencias y los estándares de aprendizaje de la materia.
Innovación metodológica
Se centra en las estrategias, las actividades, las técnicas y los recursos utilizados para enseñar cualquier materia.
Innovación organizativa
Concierne a la estructura, la gestión, la coordinación y la participación de los actores educativos en el proceso de enseñanza-aprendizaje.
Las acciones pueden tener un alcance limitado (en un solo nivel, como parte de actitudes innovadoras por iniciativa de un docente o un grupo de docentes en su ámbito de actuación) o formar parte de un programa más amplio de diseño institucional (por iniciativa de un centro educativo o de una red de centros en su ámbito de competencias). La innovación sistémica se desarrolla como parte de un programa impulsado desde las administraciones educativas o como una política de centros públicos/privados bajo criterios de gestión unificados. Con frecuencia, las primeras son las únicas que realmente tienen efectividad, puesto que van asociadas a un conocimiento mucho más preciso de las características, potencial y expectativas de los destinatarios.2
Sin embargo, las demás son cruciales para consolidar tanto los incentivos como los medios facilitadores de la innovación (recursos, espacios, servicios e infraestructura educativa de mayor coste). La falta de criterio al respecto entre gestores y responsables de la administración educativa constituye el principal factor de resistencia a la innovación y al cambio pedagógico.3, 6, 7
La innovación docente en Filosofía adquiere particular relevancia cuando se conecta con el desarrollo del pensamiento de orden superior (Higher-Order Thinking, HOT), competencia nuclear del siglo XXI que incluye pensamiento crítico, creatividad y resolución de problemas (Zhao et al., 2025). La taxonomía revisada de Bloom establece una progresión desde procesos cognitivos básicos (recordar, comprender) hacia niveles superiores (analizar, evaluar, crear), siendo estos últimos los que caracterizan la práctica filosófica (Anderson & Krathwohl, 2001).
Un metaanálisis reciente sobre 29 estudios experimentales demuestra que la integración de inteligencia artificial generativa ejerce un efecto positivo moderado sobre el HOT de los estudiantes, con mejoras significativas en resolución de problemas y pensamiento crítico, aunque el efecto sobre la creatividad parece resultar más limitado (Zhao et al., 2025). Estos hallazgos sugieren que las herramientas de IA pueden funcionar como andamiaje cognitivo cuando se integran con diseños pedagógicos apropiados, particularmente en intervenciones de duración media (8-16 semanas) y con estudiantes que poseen alta capacidad de autorregulación.
Innovación incremental
Mejora o adapta prácticas existentes para optimizar resultados sobre el contenido habitual de ciertas materias, sin alterar su estructura fundamental.
Innovación radical
Introduce cambios sustantivos en el enfoque, las metodologías, los recursos y las prácticas convencionales.
Innovación disruptiva
Persigue una ruptura o sustitución de enfoques dominantes considerados obsoletos. Aunque muy extendida en el ámbito empresarial, en educación no parece existir consenso sobre qué prácticas deben considerarse realmente obsoletas.3
El enfoque innovador puede centrarse bien en el contenido —buscando la actualización, profundización y diversificación de los conocimientos—, o bien en el proceso, con el objetivo de optimizar, dinamizar y personalizar las formas de enseñar y aprender. En organizaciones distintas de los centros educativos, el enfoque innovador puede estar centrado sobre todo en el producto, sea en la fase de elaboración y desarrollo o en la de difusión y transferencia de resultados.
Atendiendo a las herramientas y tecnologías de base, la innovación docente encaja en cualquier etapa y contexto del sistema educativo si tiene potencial para aportar resultados positivos en términos de calidad, eficacia y satisfacción. En las tres últimas décadas ha ido ligada a elementos como los que se indican a continuación:
Uso de tecnología y dispositivos o servicios digitales para facilitar el acceso, la interacción, la colaboración y la creatividad en la enseñanza y el aprendizaje de contenidos. Blogs, wikis, podcasts, redes sociales, plataformas virtuales, aplicaciones móviles y sitios web alojados en diversas plataformas se han utilizado para crear y compartir contenidos de todo tipo de materias, para fomentar el debate y la argumentación, para realizar actividades lúdicas o retos gamificados, para evaluar y retroalimentar el aprendizaje, etc.
Uso de metodologías activas y participativas para implicar, motivar y desarrollar la autonomía de los estudiantes en la enseñanza y el aprendizaje de contenidos con diversos niveles de dificultad. Técnicas como el aprendizaje basado en problemas o estudio de casos, el aprendizaje cooperativo, el aprendizaje por proyectos, la clase invertida, los sistemas inmersivos de realidad virtual o aumentada, entre otras, se utilizan para plantear retos y problemas filosóficos que pueden analizarse trabajando en equipo y cooperando en las soluciones, o desarrollando materiales y propuestas para vincular los contenidos de las materias filosóficas con la realidad social.
Iniciativas como los proyectos de investigación abiertos a la participación ciudadan —con fases donde la colaboración ciudadana resulta clave para obtener evidencia y aportar retroalimentación— facilitan que el grupo de filosofía contribuya de diversas maneras al bien común. Además de fomentar la autonomía y la responsabilidad individual de los estudiantes, se promueven contextos de interacción, aprendizaje horizontal y cooperación en función de las habilidades e intereses respectivos.
Generación de recursos y materiales diversos para enriquecer, contextualizar y diversificar la enseñanza y el aprendizaje de cada materia con nuevos textos, imágenes, vídeos y audios procedentes de diferentes fuentes, autores, épocas, culturas y géneros. Este enfoque es adecuado para mostrar la variedad y la riqueza de materias como las filosóficas en secundaria y bachillerato. Frente a las limitaciones de formato y contenidos propias del libro de texto en papel, las metodologías innovadoras pueden aprovechar las oportunidades de la digitalización para producir contenidos de carácter interdisciplinar e impulsar el pensamiento crítico, la inmersión lingüística y las opiniones informadas sobre temas de cierta complejidad —habituales en los debates de filosofía moral y teoría política, por ejemplo— que requieren actualización frecuente y matices interculturales.
Desde finales del siglo pasado adquieren importancia creciente aspectos relativos a la organización del centro como parte de redes o nodos de movilidad internacional, con programas de intercambio de estudiantes y docentes que actúan, en muchos casos, como vectores de innovación y transferencia de buenas prácticas. Sin embargo, el valor social añadido que impulsa la demanda de centros con perfil internacional suele relegar a un segundo plano otros componentes de carácter promocional, que introducen ambigüedad y connotaciones elitistas tanto en las propuestas metodológicas como en el diseño pedagógico subyacente. 5
Mostrar referencias
1. Ferrari, Enrique (2022). “El Relato Como Pregunta Filosófica: Otra Didáctica Para La Filosofía.” THÉMATA. Revista de Filosofía, 224–45. https://doi.org/10.12795/themata.2022.i66.11.
2. Kuril, S. et al. (2023). “Measuring Teacher Innovative Behavior: A Validated Multidimensional Inventory for Use with Public School Teachers.” International Journal of Educational Management 37 (2): 393–416. https://doi.org/10.1108/IJEM-03-2022-0095.
3. Valdés Sánchez, V. and P. Gutiérrez-Esteban (2023). “Challenges and Enablers in the Advancement of Educational Innovation. The Forces at Work in the Transformation of Education.” Teaching and Teacher Education 135 (December): 104359. https://doi.org/10.1016/j.tate.2023.104359.
4. Levine, A., & Van Pelt, S. J. (2021). The great upheaval: Higher education’s past, present, and uncertain future. Johns Hopkins University Press.
5. Knight, Jane (2024). “The Evolution of Contemporary Education Hubs: Fad, Brand or Innovation?” International Journal of Educational Development 104 (January): 102972. https://doi.org/10.1016/j.ijedudev.2023.102972.
6. Córica, J. L. (2020). “Resistencia Docente Al Cambio: Caracterización y Estrategias Para Un Problema No Resuelto.” RIED. Revista Iberoamericana de Educación a Distancia 23 (2): 255. https://doi.org/10.5944/ried.23.2.26578.
7. Snyder, R. (2017). "Resistance to Change among Veteran Teachers: Providing Voice for More Effective Engagement." International Jounal of Educational Leadership Preparation,12(1), 1-14. 2.6 Posibilidades y limitaciones de las metodologías innovadoras en Filosofía
La innovación docente no siempre se considera un objetivo compatible por igual con la naturaleza de cualquier materia. La enseñanza de la filosofía, por ejemplo, incluye componentes críticos autorreflexivos, desde los cuales pueden cuestionarse tanto la metodología como las instrumentos y la finalidad del enfoque innovador, reforzando las dudas sobre beneficios previsibles en contextos sujetos a desafíos y restricciones determinadas. La influencia de los estudios sociales de la ciencia y la tecnología ha tenido un peso específico incluso en los contenidos, casos de referencia y problemas a estudiar en las materias filosóficas. Esta dificultad debe ser tenida en cuenta a la hora de planificar, implementar y evaluar las acciones innovadoras asociadas con los contenidos de Ética y Filosofía en la etapa preuniversitaria. En la enseñanza superior, las dificultades derivan del mayor nivel de conocimiento que cabe presuponer a estudiantes de grado y máster sobre los límites de las metodologías y enfoques pedagógicos, y la ambigüedad asociada con muchos de los recursos, herramientas y servicios digitales que sirven de referencia como facilitadores de prácticas innovadoras y creativas.1
Pese a todo, las materias filosóficas no son ajenas al efecto de las metodologías innovadoras. La innovación docente puede mejorar la calidad de los procesos de enseñanza y aprendizaje de la filosofía aportando una mayor variedad de tareas, flexibilidad y adaptación a las necesidades, intereses y características de estudiantes y docentes. Ciertas habilidades individuales pueden modificar aspectos centrales del aprendizaje cooperativo en el aula, pero requieren una elección cuidadosa de las herramientas y plataformas a utilizar para las interacciones en línea dentro y fuera de clase; o para colaborar en la generación de recursos originales.
2.6.1 Relación entre innovación y motivación
Son múltiples las contribuciones especializadas que destacan la relación entre innovación docente y aumento de la motivación, el interés y la satisfacción de los estudiantes (y de los docentes, en diverso grado).2, 3 Entre otras razones porque parte del enfoque innovador se centra en hacer más atractivos, significativos y relevantes contenidos de cierta complejidad, conectando el aprendizaje con otros aspectos formativos y vitales de los actores involucrados.
El desarrollo de las competencias filosóficas tiene un carácter transversal, e implica componentes informativos y analíticos de otras materias y especialidades profesionales con las que el grupo de clase está en contacto a lo largo de la etapa. En conjunto, contribuyen a fomentar el pensamiento crítico, la actitud reflexiva y la curiosidad intelectual, que pueden potenciarse con nuevas fuentes de conocimiento y con actividades centradas en el proceso creativo, en la identificación de valores en conflicto o en la resolución de problemas.
2.6.2 Metacognición como predictor del desempeño creativo
La metacognición —entendida como conocimiento y regulación autónoma de los propios procesos cognitivos— constituye un componente crítico del pensamiento creativo y un factor determinante en el comportamiento innovador (Chou et al., 2023; Kim & Lee, 2018). La investigación empírica identifica cuatro dimensiones metacognitivas relevantes para el aprendizaje filosófico: automonitorización (capacidad de supervisar y modificar estrategias cognitivas), autoevaluación (juicio sobre los propios pensamientos y comportamientos), autoeficacia (creencia en la propia capacidad) y resolución de problemas (Chou et al., 2023).
En las materias filosóficas, la reflexión sobre el propio proceso de pensamiento constituye tanto método como contenido. La metacognición opera como factor conductor que implica elementos de planificación, monitorización y regulación de acciones específicas en la creación e introducción de nuevas ideas (Kim & Lee, 2018).
Estudiantes con mayor conciencia metacognitiva muestran mayor creatividad, curiosidad y motivación intrínseca, lo que refuerza su autonomía educativa y les inmuniza frente al bloqueo en microtareas o itinerarios dificultosos de aprendizaje. Con el tiempo, consolidan disposiciones que les permiten superar la dependencia de estructuras formativas externas, expandiendo el margen de autonomía intelectual -teórica y práctica- como competencia fundamental. Por lo tanto, las intervenciones innovadoras en clase de filosofía deberían incorporar explícitamente componentes de reflexión metacognitiva para maximizar su efectividad.
La estrategia pedagógica BIG 6 (Big Six Information Stages) ejemplifica una aproximación estructurada que integra metacognición e innovación mediante seis fases: definición del problema, estrategias de búsqueda de información, localización y acceso, uso de información, síntesis y evaluación (Eisenberg & Berkowitz, 1990). Estudios experimentales con estudiantes universitarios de diseño demuestran mejoras significativas en la motivación para innovador, desempeño creativo y metacognición cuando se integra esta estrategia en programas de emprendimiento (CIE) (Chou et al., 2023).
Lo esperable de diversas iniciativas innovadoras en un periodo determinado es que contribuyan a mejorar la motivación y autonomía en el aprendizaje individual, pero sobre todo la comunicación en el aula, las oportunidades de colaboración y el alcance de la investigación o estudio desarrollado con las herramientas y recursos tecnológicos adecuados.3, 4
2.6.3 Transversalidad e interdisciplinariedad
El estudio y la elaboración de nuevos contenidos, desde perspectivas y metodologías que enriquecen una disciplina y la conectan con otras áreas del saber, amplifican el efecto de la innovación docente y contribuyen a desarrollar las habilidades cognitivas (analíticas, indagadoras, argumentativas, comunicativas) que se asocian con la práctica filosófica en el aula.5, 6, 7
Aunque una parte importante de los contenidos incluidos en la programación de las materias filosóficas puede trabajarse con recursos fácilmente accesibles en las bibliotecas de muchos centros de Secundaria y Bachillerato (diccionarios y enciclopedias, manuales o libros de texto, monografías y ensayos, entre otros), la digitalización ha reducido las diferencias entre centros con dotaciones y criterios heterogéneos de adquisición de material educativo, posibilitando el uso cotidiano en el aula de fuentes múltiples, fiables y con recursos actualizados como soporte del aprendizaje. La ampliación del horizonte pedagógico excede el ámbito del aula, puesto que los recursos de interés pueden trabajarse de manera individual o colaborativa a través de plataformas de apoyo a la docencia que aportan posibilidades adicionales de aprendizaje, seguimiento y evaluación en función de necesidades y objetivos específicos.
Si bien existe alguna literatura al respecto, resulta problemático asumir la “excepcionalidad metodológica” de la filosofía en tanto que disciplina o práctica enseñable mediante los recursos, herramientas y estrategias metodológicas comunes o similares a los de otras materias de la etapa.8
Las competencias o habilidades requeridas para el análisis conceptual, el razonamiento lógico, la formulación clara y precisa de los problemas, el comentario crítico de textos o la argumentación persuasiva se entrenan, nutren y desarrollan sobre contenidos de múltiples disciplinas, que requieren operaciones, técnicas, procesos y esfuerzo intelectual equiparables.7, 9, 10
Las buenas prácticas docentes (enseñanza a partir de contenidos rigurosos, actualizados y de calidad; trabajo sistemático y con métodos o técnicas pedagógicas adecuadas al nivel educativo y características del grupo, por ejemplo) son recomendables en todas las materias por igual, salvo peculiaridades ligadas al tipo de capacidades requeridas (creatividad artística o expresión musical; coordinación y trabajo en equipo de las disciplinas deportivas; destreza en el manejo de herramientas para prácticas de tecnología; etc.).
El predominio de ciertos enfoques y tradiciones metodológicas en algunas materias no las aísla completamente del resto, ni justifica excluir la mejora de resultados con métodos más activos y participativos. La tendencia a la colaboración interdisciplinar y al enfoque aplicado parece consolidarse en el abordaje del tipo de problemas complejos sobre la naturaleza, el ser humano y la vida social que han interesado a la tribu filosófica desde sus orígenes, con la ventaja de que hoy son mucho mayores las posibilidades de alfabetización múltiple y menores las barreras para acceder al conocimiento y la cultura.9
En la últimas décadas, además, se ha consolidado el uso de ciertas herramientas digitales importantes para la enseñanza de la filosofía, puesto que permiten analizar contenidos de mayor complejidad y con más detalle del que habitualmente permiten las metodologías de trabajo en las aulas (expositivas, dialógicas y argumentativas, por lo general).11
2.6.4 Incorporación de herramientas digitales específicas para filosofía
El recurso a podcasts, screencasts y videotutoriales en plataformas como YouTube, Vimeo u otras facilita la revisión pormenorizada de aspectos que en otros formatos no son entendidos por la totalidad del grupo en clase de filosofía. Ciertas soluciones a problemas específicos requieren herramientas con las que no todo el grupo está familiarizado (manejo de bases de datos de publicaciones electrónicas; análisis de hubs de interacciones en redes; uso de datasets para análisis estadísticos o en sistemas de información geográfica, p. ej.), por lo que el acceso asíncrono a los contenidos con las aplicaciones y herramientas pertinentes solventa otros inconvenientes de interacción, motivación, comprensión y ritmos diferenciados de aprendizaje.6, 7
Incluso la reestructuración y refinamiento de conceptos previos —a partir de nuevo conocimiento, casos de estudio, informes o evidencia empírica que las herramientas digitales permiten incorporar con facilidad en la práctica del aula, como se muestra en este ejemplo— puede mejorarse desde enfoques metodológicos muy diversos.12
Si por alguna razón se considera frívolo e inadecuado para una clase de filosofía el enfoque pedagógico basado en juegos, es importante considerar con detalle el rango de opciones y herramientas que el soporte digital y los servicios en línea ponen a disposición del profesorado. Problemas de gran complejidad por su naturaleza interdisciplinar o por la dificultad del contenido filosófico asociado pueden analizarse utilizando mapas conceptuales, esquemas o gráficos de relaciones cuidadosamente elaborados y adaptados al problema, incluyendo enlaces a recursos específicos, notas y contenido en línea que permite cubrir todos los pasos del itinerario de aprendizaje requerido (véanse tipos y aplicaciones).
| Problema didáctico | Herramienta digital | Metodología implícita | Referencia1 |
|---|---|---|---|
| Incomprensibilidad | Podcasts, videocasts (YouTube) | Explicación accesible y revisable | Bohlmann et al. (2023) |
| Interacción y motivación | Juegos digitales, gamificación | Inmersión y agencia moral | Bohlmann et al. (2023) |
| Complejidad argumentativa | Mapas conceptuales y de argumentos | Visualización estructurada | Bohlmann et al. (2023) |
| Inferencias intuitivas implícitas | Herramientas de feedback anónimo | Explicitación colectiva | Bohlmann et al. (2023) |
| Pensamiento crítico | Evaluación de outputs de GenAI | Verificación y análisis | Bobula (2024) |
| Debate estructurado | Plataformas como Kialo | Argumentación colaborativa | — |
| 1 Adaptado de Bohlmann et al. (2023) y ampliado con desarrollos recientes en IA generativa. | |||
La investigación reciente en didáctica de la filosofía identifica metodologías digitales emergentes que responden a problemas específicos de las materias filosóficas (Bohlmann et al., 2023). Los podcasts y videocasts abordan problemas de incomprensibilidad mediante explicaciones accesibles y revisables; los juegos digitales, particularmente aquellos con narrativas ramificadas en cursos de acción posibles (branching stories), fomentan la reflexión ética y la agencia moral del estudiante; los mapas de flujo o secuencia argumentativa ayudan a gestionar la complejidad inherente al análisis filosófico; y los sistemas de retroalimentación digital permiten explicitar y trabajar las intuiciones implícitas de un colectivo de estudiantes según su edad (Bohlmann et al., 2023). Estas metodologías no sustituyen la práctica filosófica tradicional, sino que resuelven problemas pedagógicos específicos que las metodologías analógicas abordan con menor eficacia.
2.6.5 Formación permanente y desarrollo de la competencia digital
Con frecuencia, el principal inconveniente se plantea a propósito de las competencias digitales necesarias para generar, personalizar o adaptar ciertos recursos y contenidos a las necesidades del contexto de aprendizaje. Pero es en esta dinámica donde surge la ocasión para explorar, conocer y dominar nuevas técnicas o herramientas de gran utilidad y la posibilidad de hacer explícitas ciertas dificultades de comprensión o solución de problemas que no son exclusivas de los estudiantes y que, bien resueltas, aumentan la motivación y satisfacción entre estudiantes y docentes.3, 4, 14
La disposición a explorar nuevas opciones metodológicas ligadas al manejo de ciertas herramientas o servicios digitales es en parte resultado de la formación y cultura digital adquirida. En el ámbito profesional son cruciales los procesos de formación permanente que permiten conocer nuevos desarrollos y posibilidades aplicables conforme a estándares robustos de buenas prácticas. Si bien la escasez de recursos deja este objetivo en segundo plano, es importante tomar conciencia del sobrecoste personal y la ineficiencia corporativa que supone sustentar las dinámicas de innovación pedagógica en iniciativas individuales basadas en ensayo y error, con herramientas subóptimas, inseguras o inadecuadas para la tarea y características del grupo. La distancia entre saber y conocer, por lo demás, no es fácil de salvar en la práctica sin medios y recursos adecuados a la complejidad y especificidad de los problemas objeto de estudio.13, 14
Factores estructurales que limitan la eficacia de la formación permanente en competencia digital:
Formación desconectada del contexto real de aula
Programas excesivamente teóricos o genéricos, sin vinculación con problemas auténticos ni con las necesidades específicas de cada materia.Ausencia de tiempo institucional protegido
La formación compite con cargas docentes crecientes, lo que impide consolidar aprendizajes y experimentar con nuevas herramientas.Dependencia de iniciativas individuales (ensayo–error)
La innovación recae en docentes aislados, sin apoyo técnico ni acompañamiento experto, generando sobrecoste personal e ineficiencia organizativa.Falta de recursos adecuados y herramientas seguras
Equipamiento insuficiente, plataformas inestables o soluciones subóptimas que dificultan la transferencia a la práctica.Brecha entre “saber” y “poder hacer”
La distancia entre comprender un concepto y aplicarlo en situaciones complejas se agrava sin tutorización, práctica guiada y retroalimentación experta.Resistencia individual y organizacional al cambio
Factores emocionales, culturales y generacionales que ralentizan la adopción de nuevas metodologías y tecnologías.Escasa cultura digital previa
La falta de alfabetización digital básica limita la disposición a explorar herramientas, metodologías activas o entornos virtuales.Ausencia de comunidades de práctica y apoyo entre pares
Sin redes de colaboración, el aprendizaje se fragmenta y no se consolida una cultura compartida de innovación.Evaluación inadecuada de la tecnología educativa
Decisiones basadas en modas, marketing o intuiciones, sin criterios sólidos de pertinencia, accesibilidad, seguridad y eficacia pedagógica.Desalineación entre políticas institucionales y prácticas docentes
Reformas que no se acompañan de recursos, incentivos, liderazgo pedagógico ni coherencia organizativa.
Sin una formación inicial y continua del colectivo docente en las competencias, los recursos y las herramientas necesarias para innovar en la enseñanza de sus materias, más la posibilidad de recabar apoyo y asesoramiento entre colegas y expertos en la evaluación de tecnología educativa, es poco realista esperar que se consoliden los recursos facilitadores necesarios y que se abran paso metodologías innovadoras en las etapas y procesos con mayores tasas de abandono y desmotivación.21, 22
| Factores que limitan la eficacia de la capacitación digital docente | |
|---|---|
| Síntesis de evidencia empírica en la literatura | |
| Factor identificado | Referencias asociadas |
| Resistencia docente al cambio | Córica (2020); Lane (2007); Hargreaves (2005) |
| Sobrecarga e ineficiencia institucional | Payne & Kaba (2007) |
| Brecha entre saber y poder hacer | Hofer (2012) |
| Motivación y satisfacción vinculadas a innovación | Storai et al. (2023); Setyawati et al. (2022) |
| Barreras tecnológicas | Campoverde López & López López (2022) |
| Evaluación deficiente de tecnología educativa | Elgue Patiño (2018); Salinas-Aguirre et al. (2022) |
2.6.6 Alfabetización en inteligencia artificial
La irrupción de los sistemas de IA generativa ha ampliado el concepto tradicional de competencia digital para incluir la alfabetización en IA (AI literacy), definida como la capacidad de comprender, utilizar y evaluar la IA como un sistema sociotécnico centrado en el ser humano (Sun & Chan, 2025). Este tipo de alfabetización desborda la mera competencia técnica: incluye adquirir conciencia crítica de las implicaciones sociales y éticas de los sistemas y modelos IA de uso generalizado, así como de sus ventajas y limitaciones en los contextos relevantes.
El marco ABCE desarrollado por Ng y otros (2024) ofrece una estructura integral para comprender la alfabetización en IA a través de cuatro dominios interrelacionados:
Aprendizaje afectivo: Respuestas emocionales, actitudes hacia la IA, motivación intrínseca y autoeficacia.
Aprendizaje conductual: Acciones observables de compromiso con tecnologías de IA, incluyendo uso, exploración y participación activa.
Aprendizaje cognitivo: Comprensión y aplicación de conceptos de IA, alineado con la taxonomía de Bloom: desde conocimiento básico hasta habilidades de orden superior.
Aprendizaje ético: Conciencia de principios como equidad, responsabilidad, transparencia y seguridad, junto con la capacidad de analizar críticamente sesgos algorítmicos, privacidad de datos y derechos digitales (Sun & Chan, 2025).
En contextos educativos, particularmente en la etapa de secundaria y bachillerato, la alfabetización en IA debe considerarse tanto un imperativo intelectual como cívico (Sun & Chan, 2025). Los estudiantes no son meros consumidores de herramientas impulsadas por IA, sino futuros ciudadanos y tomadores de decisiones que serán directamente afectados por el desarrollo de la IA y contribuirán a su trayectoria. Las materias filosóficas ocupan una posición privilegiada para cultivar la capacidad de formular preguntas críticas, analizar datos de manera ética y participar significativamente en discusiones sobre el uso responsable de la IA.
El enfoque centrado en el ser humano (Human-Centered AI, HCAI) proporciona un marco complementario que concibe los sistemas de IA como tecnologías orientadas a servir intereses humanos, no como medios para alcanzar objetivos técnicos o reemplazar a las personas (Alfredo et al., 2024). Los principios HCAI enfatizan la necesidad de crear tecnologías con alta capacidad de automatización de maneras que garanticen su fiabilidad, transparencia y beneficio social, aspectos que constituyen contenidos naturales para la reflexión filosófica en el aula.
2.6.7 Revisión del marco regulador y contenidos curriculares
Un enfoque del currículo bajo el criterio de fomentar la innovación no solo persigue la introducción de nuevas tareas y herramientas, combinándolas con las tradicionales. Implica revisar y actualizar los currículos, los programas y los planes de estudio de cada materia, y obliga a coordinar el uso de ciertos recursos y espacios con otros grupos y docentes del mismo nivel educativo.
La introducción de enfoques, técnicas y criterios de gestión innovadores desvela a menudo dinámicas bien establecidas de resistencia al cambio entre estudiantes y docentes, pero también en el ámbito familiar y en las administraciones educativas, que comparten con otros grupos sociales ciertas actitudes, prejuicios y expectativas muy conservadoras acerca del valor y utilidad del sistema educativo.15, 16, 17, 18, 23
Pese a todo, la formación y práctica profesional del colectivo docente ha ido asumiendo la importancia, utilidad y versatilidad de ciertas herramientas informáticas, formatos y recursos o servicios en las redes digitales para la enseñanza de idiomas, matemáticas, contenidos de ciencias o de humanidades y prácticas de creación artística, literaria o musical. El aprendizaje filosófico no constituye una excepción y ha seguido la evolución tecnológica del proceso de digitalización con impacto equiparable al observado en otras materias de la etapa.
Las buenas prácticas docentes se difunden con facilidad, así como los recursos de calidad y las herramientas para diseñarlos. Aunque no todas las experiencias y resultados de los procesos de innovación se revisan y evalúan con rigor, los obstáculos y limitaciones dependen más de la disponibilidad de recursos y calidad de la infraestructura necesaria (espacio, material, equipamiento y presupuesto para mantenimiento y reconocimiento profesional, sobre todo) que de la cultura de trabajo, interés y motivación del colectivo docente para mejorar sus prácticas en entornos institucionales heterogéneos.19, 23
Aparte de otros incentivos que pueden variar según el contexto socioeconómico y cultural de referencia, la evolución del marco regulador en los distintos ámbitos de competencias ha contribuido de manera directa e indirecta a potenciar los proyectos de innovación docente como facilitadores de mayor autonomía en los procesos de aprendizaje y de nuevos canales de apoyo y tutoría individualizada, reconociendo su contribución a mejores resultados y al objetivo del aprendizaje a lo largo de la vida.
2.6.8 Implicaciones del uso de IA generativa en la didáctica filosófica
La irrupción de la inteligencia artificial generativa desde finales de 2022 plantea tanto oportunidades como desafíos específicos para la didáctica de la filosofía. El impacto de estas tecnologías en la educación superior ha generado un debate intenso entre quienes enfatizan su potencial transformador y quienes alertan sobre riesgos significativos para el desarrollo cognitivo de los estudiantes.
Oportunidades pedagógicas
Por un lado, herramientas como ChatGPT, Perplexity, Gemini o Copilot pueden funcionar como interlocutores socráticos que estimulan el pensamiento divergente y proporcionan retroalimentación personalizada, ofreciendo un entorno propicio para la exploración de múltiples perspectivas (Bobula, 2024; Zhao et al., 2025). La integración de inteligencia artificial generativa ejerce un efecto positivo moderado sobre el pensamiento de orden superior (metacognición) de los estudiantes, con mejoras significativas en resolución de problemas y pensamiento crítico y moderadas sobre la creatividad (Zhao et al., 2025). Si se integran con diseños pedagógicos apropiados, las herramientas de IA pueden funcionar como andamiaje cognitivo en intervenciones de duración media (8-16 semanas) y con estudiantes que poseen alta capacidad de autorregulación.
La personalización dinámica del aprendizaje constituye otra posibilidad prometedora. Estudios experimentales en educación primaria demuestran que la IA generativa puede adaptar eficazmente materiales escolares a los niveles de conocimiento variables de los estudiantes, realizando ajustes en tiempo real que mejoran tanto la motivación como el rendimiento académico (Jauhiainen & Garagorry Guerra, 2024). Los métodos de “diálogo socrático inteligente” (smart Socratic dialogue) representan aproximaciones pedagógicas emergentes que utilizan robots de diálogo para fomentar habilidades de pensamiento de orden superior mediante el debate estructurado (Zhao et al., 2025).
Riesgos y desafíos críticos
Por otro lado, existe el riesgo de que la dependencia excesiva de contenido generado por IA debilite las capacidades de aprendizaje autónomo y autorregulación de los estudiantes, además de propagar información errónea que debe ser verificada críticamente (Bobula, 2024; Sari et al., 2024). La investigación identifica varios riesgos específicos: la supresión del pensamiento crítico cuando el acceso fácil a respuestas desalienta el análisis profundo; déficits en habilidades de orden superior cuando el uso excesivo impide el desarrollo de capacidades de síntesis, evaluación y creación; y la erosión de habilidades creativas cuando la dependencia de soluciones generadas por IA reduce las oportunidades de pensamiento original (Sari et al., 2024).
La integridad académica constituye una preocupación central. Más de un tercio de los estudiantes universitarios utiliza ChatGPT para sus evaluaciones, y entre ellos, el 75% reconoce que constituye una forma de fraude pero lo utiliza igualmente (Bobula, 2024). Las herramientas tradicionales de detección de plagio resultan ineficaces ante texto generado por IA, que se considera original y por tanto indetectable. Incluso los detectores de IA específicos presentan tasas elevadas de falsos positivos y negativos, con sesgos documentados contra escritores no nativos de inglés (Bobula, 2024).
Posicionamiento de las materias filosóficas
En este contexto, resulta fundamental desarrollar la alfabetización en IA entre estudiantes y docentes, entendida como la capacidad de comprender las posibilidades y limitaciones de estas tecnologías y los modelos subyacentes, así como sus implicaciones éticas y sociales en diversos contextos de uso (Bobula, 2024).Las materias filosóficas ocupan una posición privilegiada para abordar críticamente estas cuestiones, puesto que el análisis conceptual, la evaluación de argumentos y la reflexión ética constituyen herramientas indispensables para desenvolverse en un ecosistema tecnológico cada vez más complejo. Desde una perspectiva filosófica y sociológica, la GenAI desafía nociones tradicionales sobre producción de conocimiento, autenticidad y agencia humana en educación, ofreciendo oportunidades para reimaginar la IA como colaborador más que como mera herramienta (Yueh, 2025).
En general, docentes con orientación pedagógica constructivista —que priorizan el aprendizaje centrado en el estudiante y la participación activa— muestran mayor predisposición a integrar estas herramientas, mientras que el colectivo acostumbrado a métodos convencionales de carácter transmisivo percibe mayor dificultad de uso (Cabero-Almenara et al., 2024). Esta distinción resulta crucial: el modelo UTAUT2 de aceptación tecnológica identifica que las expectativas de rendimiento, la expectativa de esfuerzo, la influencia social, las condiciones facilitadoras y la motivación hedónica afectan positivamente la intención y el comportamiento de uso de la IA educativa (Cabero-Almenara et al., 2024).
Lamentablemente, las sucesivas leyes educativas han dejado siempre en la indefinición los esquemas de financiación y las estimaciones del coste que tendría el equipamiento de los centros bajo criterios exigentes de mejora integral de los procesos de enseñanza y aprendizaje. Esto incluye tanto laboratorios para cierto tipo de prácticas en las distintas modalidades como infraestructura de propósito general accesible sin obstáculos en las aulas, con los medios presupuestarios y personales necesarios para actualizar, renovar y mantener en funcionamiento el equipamiento inicial y los servicios que requieren suscripción.
Los sistemas mejor financiados acusan también el efecto de la crítica por los efectos supuestos o reales de ciertas tecnologías, por la falta de evidencia en la evaluación de resultados con metodologías diversas y por la falta de inversión en formación y actualización tecnológica del personal docente. Todos los niveles del sistema educativo experimentan demandas crecientes motivadas probablemente más por factores externos que internos; pero los recursos difícilmente se adquieren, gestionan y mejoran al ritmo que el mercado laboral acusa el impacto del desarrollo científico-técnico y consolida nuevas demandas de cambio en los procesos formativos.15, 17
Ni los mejores programas de innovación escapan al escrutinio crítico de la comunidad académica y científica, cuya valoración puede reforzar la opinión de diversos actores que abiertamente cuestionan o deslegitiman la validez, originalidad y alcance de las tecnologías o herramientas aplicadas en la mejora de resultados. Es importante entender la complejidad del proceso, la dimensión de los recursos necesarios y la necesidad de que ciertas transformaciones ocurran de manera simultánea o al menos coordinada (actualización técnica y nueva cultura de trabajo en el aula; organización y gestión institucional; contratación de servicios digitales y comunicaciones rápidas y fiables; redes de formación e intercambio de buenas prácticas; etc.).20, 22, 25
2.6.9 Modelos teóricos para comprender la adopción de tecnología educativa
La comprensión de los factores que determinan la adopción de tecnología educativa por parte de docentes y estudiantes requiere marcos teóricos robustos. La investigación contemporánea se fundamenta principalmente en dos familias de modelos: el Modelo de Aceptación de Tecnología (TAM) y la Teoría Unificada de Aceptación y Uso de Tecnología (UTAUT).
El modelo TAM, formulado originalmente por Davis (1989), postula que la intención de usar tecnología está determinada por dos dimensiones primarias: la utilidad percibida y la facilidad de uso percibida, que a su vez afectan las actitudes hacia las TIC y determinan las intenciones de uso y el uso efectivo. Una revisión sistemática reciente identifica que el 77% de los estudios sobre adopción de tecnología educativa utilizan versiones del modelo TAM, frecuentemente extendidas con predictores adicionales (Granić, 2022).
La Teoría Unificada (UTAUT), desarrollada por Venkatesh et al. (2003), sintetiza ocho modelos previos de aceptación tecnológica para explicar la aceptación y utilización de tecnología mediante cuatro dimensiones principales: expectativa de rendimiento, expectativa de esfuerzo, influencia social y condiciones facilitadoras. La versión refinada UTAUT2 (Venkatesh et al., 2012) incorpora tres dimensiones adicionales: motivación hedónica (el placer derivado del uso de la tecnología), valor del precio y grado de uso automático de la tecnología.
La aplicación de estos modelos al contexto de la IA educativa revela patrones significativos. Cabero-Almenara et al. (2024) demostraron mediante análisis de ecuaciones estructurales que todas las dimensiones del UTAUT2 predicen positivamente la intención de uso de IA generativa entre docentes universitarios, con especial relevancia de las expectativas de rendimiento y la motivación hedónica. Las creencias pedagógicas constructivistas predisponen a adoptar herramientas de IA educativa en mayor medida que las orientaciones transmisivas.
Sin embargo, estos modelos han recibido evaluaciones críticas por ignorar los imperativos estructurales que obligan a los usuarios a adoptar ciertas tecnologías independientemente de sus preferencias (Granić, 2022). En el contexto educativo, factores como las políticas institucionales, la presión del entorno profesional y las expectativas sociales pueden ejercer influencia determinante más allá de las percepciones individuales. Además, el Modelo de Resistencia desarrollado por MacVaugh y Schiavone (2022) proporciona un marco complementario centrado en la decisión de no adopción, detallando cómo la resistencia ocurre en múltiples niveles: macro (mercado/industria), meso (sistema social) y micro (individual).
I. El Modelo de Aceptación de Tecnología (TAM) postula que la aceptación de la tecnología se puede predecir por la intención conductual de los usuarios, determinada a su vez por la percepción de la utilidad de la tecnología para realizar cierta tarea y la facilidad de uso percibida.
> D. Marikyan & S. Papagiannidis (2023). Technology Acceptance Model: A review. In S. Papagiannidis (Ed), TheoryHub Book. https://open.ncl.ac.uk/theories/1/pdf/technology-acceptance-model/.
→ Las sucesivas versiones del modelo TAM han recibido evaluaciones críticas desde múltiples enfoques, en particular porque ignora los imperativos estructurales que obligan a los usuarios a adoptar ciertas tecnologías, como señala Lunceford.
TAM1 
TAM2 
TAM3
- El Modelo de Resistencia fue desarrollado por MacVaugh y Schiavone en 2010. Se centra más en la decisión de no adopción para explicar la resistencia en lugar de la aceptación. Tras revisar con detalle la literatura, los autores sostienen que la resistencia ocurre en diferentes dominios: macro (mercado/industria), meso (sistema social) y micro (individual).
- La Teoría Unificada de Aceptación y Uso de la Tecnología (UTAUT 1) fue desarrollada por V. Venkatesh al. (2003), para integrar aspectos de las ocho teorías anteriores sobre aceptación de la innovación. Fue creado para evaluar el uso de una nueva tecnología dentro de una organización (no su aceptación en el segmento de consumo).
UTAUT1 
UTAUT2 
UTAUT synthesis
Kialo es una plataforma en línea diseñada para facilitar debates estructurados y reflexivos. Es especialmente útil en prácticas educativas que involucran contenido filosófico, ya que permite explorar y discutir temas complejos de manera organizada y colaborativa, aportando enlaces a las fuentes y dando la posibilidad de evaluar el interés de cada contribución al resto de participantes. Permite contribuciones anónimas y diferentes roles (moderador, .
Utilidad de Kialo en Filosofía
Facilita estructurar el debate: Kialo permite a los usuarios crear un mapa interactivo de argumentos, donde se pueden añadir pros y contras a una tesis central. Esto ayuda a visualizar las diferentes perspectivas y a entender cómo se relacionan entre sí.
Fomenta el pensamiento crítico: La plataforma está diseñada para promover el pensamiento crítico y la evaluación de argumentos. Los usuarios deben justificar sus puntos de vista y responder a las objeciones de otros, lo que enriquece el debate y profundiza la comprensión del tema.
Incentiva la participación: Kialo facilita la participación de cualquier integrante del grupo de debate, permitiendo contribuciones en todo momento y desde cualquier lugar. Esto es especialmente útil en entornos educativos, donde la interacción asíncrona favorece que algunos estudiantes puedan participar sin sentirse intimidados.
Registra las contribuciones y facilita su revisión: Los debates en Kialo se guardan automáticamente, lo que permite revisarlos y evaluarlos en cualquier momento. Esto es útil para una evaluación cuantitativa y cualitativa de la participación de los estudiantes, dando a cada integrante una perspectiva sobre el recorrido y apoyo que han tenido sus argumentos.
Incluye un modo anónimo: Kialo ofrece un modo de participación anónima, lo que puede ayudar a los estudiantes a sentirse más cómodos al expresar sus opiniones y a participar de manera más abierta y honesta.
En resumen, Kialo es una herramienta poderosa para fomentar debates reflexivos e informados, especialmente en el ámbito de la filosofía, donde la exploración de diferentes puntos de vista y la evaluación crítica de argumentos son fundamentales.
Mostrar referencias
1. Graciano, P. et al. (2023). “The Impact of Risk-Taking and Creativity Stimuli in Education towards Innovation: A Systematic Review and Research Agenda.” Thinking Skills and Creativity 47 (March): 101220. https://doi.org/10.1016/j.tsc.2022.101220.
2. Szőköl, I. et al. (2023). “The Influence of Innovative Teaching Methods on Student Motivation.” R&E-SOURCE, June, 196–203. https://doi.org/10.53349/resource.2023.is1.a1203.
3. Storai, F. et al. (2023). “Technologies and Innovation in Secondary Schools: Rethinking Teaching to Improve Student Satisfaction.” Research on Education and Media 15 (1): 55–63. https://doi.org/10.2478/rem-2023-0008.
4. Setyawati, A. et al. (2022). “Effect of Student’s Perception of Learning Innovation on Student Engagement and Student Satisfaction.” *Petra International Journal of Business Studies* 5 (2): 198–205. https://doi.org/10.9744/ijbs.5.2.198-205.
5. Ratnikov, Volodymyr (2022). “The Enduring Relevance of Philosophy in the Education System. Part 2.” Filosofiya Osvity. Philosophy of Education 27 (2): 99–115. https://doi.org/10.31874/2309-1606-2021-27-2-7.
6. Bohlmann, Markus et al. (2023). “On the Use of YouTube, Digital Games, Argument Maps, and Digital Feedback in Teaching Philosophy.” Journal of Didactics of Philosophy 7 (February): 1–20. https://doi.org/10.46586/JDPh.2023.9863.
7. Ruben R. Puentedura's Blog (15/02/2023): Black Swan Thinking – An Introduction. http://hippasus.com/blog/archives/536.
8. Richter, Philipp (2016), “Unterrichtsmethoden in der didaktischen und fachdidaktischen Literatur: Bedeutung und Missverständnisse”, in: P. Richter (ed.), Professionell Ethik und Philosophie unterrichten. Ein Arbeitsbuch, 51–62. Stuttgart: Kohlhammer.
9. Tébar Belmonte, L. (2005). Filosofía para niños de Mathew Lipman. Un análisis crítico y aportaciones metodológicas, a partir del Programa de Enriquecimiento Instrumental del profesor Reuven Feuerstein. Indivisa. Boletin de Estudios e Investigación, 6, 103–116. https://www.redalyc.org/articulo.oa?id=77100607.
10. Thein, Christian (2020). “From Pre-Concepts to Reasons.” Journal of Didactics of Philosophy 4 (1): 5–13. https://doi.org/10.46586/JDPh.2020.9569.
11. Volek, Peter (2021). “Teaching Philosophy Online?” Journal of Didactics of Philosophy, 5(2), 62–71.
12. Thein, C. (2020). From pre-concepts to reasons: Empirically-based reconstruction of a philosophical learning scenario. Journal of Didactics of Philosophy, 4(1), 5–13. https://doi.org/10.46586/jdph.2020.9569.
13. Hofer, Roger (2012), Wissen und Können – Begriffsanalytische Studien zu einer kompetenzorientierten Wissensorientierung am Gymnasium, Münster/New York/München. Berlin: Waxmann.
14. Meyer, K. A. (2014). Student engagement in online learning: What works and why. ASHE Higher Education Report. Vol 40 Issue 6. https://doi.org/10.1002/aehe.20018
14. Dewey, J. (1938). Experience and Education. Kappa Delta Pi, USA. Versión disponible en: https://www.schoolofeducators.com/wp-content/uploads/2011/12/EXPERIENCE-EDUCATION-JOHN-DEWEY.pdf
15. Campoverde López, J. and J. López López (2022). “Barriers in the Technological Environment of Education.” Revista Iberoamericana de La Educación 5 (2). https://doi.org/10.31876/rie.v5i2.222.
16. Elgue Patiño, M. (2018). “La Evaluación En La Innovación Curricular: Percepciones y Prácticas de Los Docentes En Torno a La Evaluación.” Cuadernos de Investigación Educativa 2 (14): 105–26. https://doi.org/10.18861/cied.2007.2.14.2742.
17. Córica, J. L. (2020). “Resistencia Docente Al Cambio: Caracterización y Estrategias Para Un Problema No Resuelto.” RIED. Revista Iberoamericana de Educación a Distancia 23 (2): 255. https://doi.org/10.5944/ried.23.2.26578.
18. Pavan, J. V. et al. (2014). “Dinámicas Institucionales En Situaciones de Cambio: Entre El Cuestionamiento y Las Improntas de Mitos Fundacionales.” Revista Iberoamericana de Educación Superior 5 (14): 99–109. https://doi.org/10.1016/S2007-2872(14)70302-6.
19. García-Valcárcel, Ana et al. (2013). “Educational Innovation.” In Proceedings of the First International Conference on Technological Ecosystem for Enhancing Multiculturality, 401–4. New York, NY, USA: ACM. https://doi.org/10.1145/2536536.2536597.
20. Salinas-Aguirre, M. C. et al. (2022). “Teacher Evaluation Is Myth or Reality for Teaching Innovation.” Revista de Pedagogía Critica, December, 19–22. https://doi.org/10.35429/JCP.2022.16.6.19.22.
21. Payne, C. M. y Kaba, M. (2007). "So much reform, so little change: Building-level obstacles to urban school reform." Social Policy, 37(3/4), 30-37.
22. Lane, I. F. (2007). "Change in higher education: Understanding and responding to individual and organizational resistance." Journal of Veterinary Medical Education, 34(2), 85-92.
23. Hargreaves, A. (2005). "Educational change takes ages: Life, career, and generational factors in teachers’ emotional responses to educational change". Teaching and Teacher Education, 21, 967-983.
24. Caruth, G. y D. Caruth(2013). "Understanding resistance to change: a challenge for universities." Turkish Online Journal of Distance Education. 14(2), 12-21.
25. Charness, Neil and Walter R. Boot (2016). “Technology, Gaming, and Social Networking.” In Handbook of the Psychology of Aging, 389–407. Elsevier. https://doi.org/10.1016/B978-0-12-411469-2.00020-0. 3 Experiencias de innovación docente con tecnologías emergentes
3.1 Experiencias de innovación docente con tecnologías emergentes
Los casos que se presentan a continuación ilustran estrategias implementadas en distintos contextos educativos para integrar tecnologías emergentes en la enseñanza de ciencias sociales. La selección prioriza estudios con evidencia empírica publicada en revistas indexadas, con diseños que permiten evaluar efectos y variables moderadoras.
3.1.1 Alfabetización en IA: el caso de Shanghai (China)
El estudio de Sun y Chan (2025) examina los perfiles de competencia en IA de 1.669 estudiantes de secundaria en Shanghai, utilizando el marco ABCE (Affective, Behavioral, Cognitive, Ethical). Los resultados revelan cuatro perfiles diferenciados de alfabetización: deficiente, moderado, bueno y excelente.
Distribución de perfiles:
- El 72,3% de estudiantes alcanzó niveles avanzados (bueno o excelente)
- El 27,7% permaneció en grupos de menor competencia (deficiente o moderado)
Variables predictoras:
- Los estudiantes varones mostraron probabilidades significativamente mayores de pertenecer al perfil “excelente”
- El nivel académico (Year 10-11) predijo positivamente la pertenencia a perfiles avanzados
- Las diferencias de género persisten incluso en contextos con recursos educativos elevados, sugiriendo influencia de factores culturales más allá del acceso material
Implicaciones pedagógicas:
El marco ABCE proporciona herramientas para evaluación holística y diseño curricular. La persistencia de brechas subraya la necesidad de estrategias diferenciadas y orientadas a la equidad.
El caso chino demuestra que la educación en IA no es inherentemente compleja para estudiantes jóvenes y puede integrarse exitosamente en educación secundaria temprana, siempre que se proporcione orientación adecuada (Sun & Chan, 2025, p. 7).
3.1.2 Pensamiento metacognitivo y estrategia BIG-6 (Taiwán)
La investigación de Chou et al. (2023) evalúa la integración de educación en Creatividad, Innovación y Emprendimiento (CIE) con la estrategia BIG-6 de resolución de problemas de información. El diseño experimental incluyó 64 estudiantes universitarios de diseño, divididos en grupos experimental y control.
- Definición de la tarea: Identificar el problema de información
- Estrategias de búsqueda: Determinar fuentes posibles
- Localización y acceso: Encontrar fuentes y acceder a la información
- Uso de la información: Leer, escuchar, visualizar y extraer datos relevantes
- Síntesis: Organizar e integrar información de múltiples fuentes
- Evaluación: Juzgar el producto y el proceso
Fuente: Eisenberg & Berkowitz (1990)
Los resultados indican mejoras significativas en el grupo experimental respecto a motivación innovadora, creatividad y metacognición. La estrategia BIG-6, al estructurar explícitamente los procesos de búsqueda y síntesis de información, facilita que los estudiantes desarrollen conciencia y control sobre sus propios procesos cognitivos —componentes centrales de la metacognición (Chou et al., 2023).
3.1.3 Adopción de IA generativa según creencias pedagógicas (Ecuador)
El estudio de Cabero-Almenara et al. (2024), realizado con 425 profesores de la Universidad Técnica Particular de Loja (UTPL), examina cómo las creencias pedagógicas influyen en la adopción de IA generativa, utilizando el modelo UTAUT2 y análisis PLS-SEM.
| Factor UTAUT2 | β (correlación con BI) | Efecto sobre intención | Significación |
|---|---|---|---|
| Expectativa de rendimiento (PE) | 0.815 | Muy fuerte | p < 0.001 |
| Expectativa de esfuerzo (EE) | 0.419 | Moderado | p < 0.001 |
| Influencia social (SI) | 0.766 | Fuerte | p < 0.001 |
| Condiciones facilitadoras (FC) | 0.552 | Moderado | p < 0.001 |
| Motivación hedónica (HM) | 0.773 | Fuerte | p < 0.001 |
| Actitud hacia el uso (ATT) | 0.848 | Muy fuerte | p < 0.001 |
| Creencias constructivistas (CPB) | 0.404 | Moderado | p < 0.001 |
| Creencias transmisivas (TPB) | 0.129 | Débil | n.s. |
| Nota: BI = Behavioral Intention (intención conductual). Las filas sombreadas indican los predictores más fuertes. CPB y TPB son variables adicionales al modelo UTAUT2 original. Fuente: Cabero-Almenara et al. (2024). | |||
El hallazgo más relevante para la formación del profesorado es que los docentes con creencias constructivistas muestran mayor disposición a integrar IA generativa que quienes sostienen orientaciones transmisivas. Esto sugiere que los programas de desarrollo profesional deberían abordar las creencias pedagógicas como precondición para la adopción tecnológica efectiva.
3.2 Implicaciones del debate actual sobre IA generativa
3.2.1 La “corrección del hype” y sus efectos en expectativas educativas
El año 2025 ha marcado un punto de inflexión en la percepción pública de la IA generativa. Como señala Heaven (2025), tras el lanzamiento de ChatGPT en 2022 las expectativas se dispararon: los directivos de las principales empresas de IA prometieron que la tecnología reemplazaría a la fuerza laboral de cuello blanco, inauguraría una era de abundancia y revolucionaría la investigación científica.
Sin embargo, los estudios publicados en 2025 indican que las organizaciones están teniendo dificultades para materializar los beneficios prometidos. Según datos del US Census Bureau y Stanford University, la adopción empresarial de herramientas de IA se ha estancado, y muchos proyectos permanecen atascados en fase piloto.
La situación actual de la IA generativa se asemeja a la evolución de los smartphones: durante una década fueron la tecnología de consumo más emocionante; hoy, los nuevos modelos generan escasa expectación. Los iPhone actuales se ven y funcionan de manera muy similar a los del año anterior. ¿Es esto un problema? Los smartphones transformaron la forma en que funciona el mundo. Quizás la IA generativa esté entrando en una fase de maduración similar.
Para el ámbito educativo, esta “corrección del hype” tiene implicaciones directas: las instituciones que planificaron estrategias de integración basadas en expectativas exageradas necesitan recalibrar sus objetivos hacia usos realistas y pedagógicamente fundamentados.
3.2.2 Brechas generacionales en el mercado laboral
Los datos recientes revelan una asimetría generacional significativa en el impacto laboral de la IA:
| Indicador | Valor | Período | Fuente |
|---|---|---|---|
| Incremento desempleo (20-30 años, ocupaciones tecnológicas) | +3 p.p. | Desde inicios 2025 | Goldman Sachs Research |
| Descenso ofertas empleo IA (22-25 años) | -13% | 2022-2024 | Stanford HAI 2025 |
| Organizaciones educativas usando GenAI | 86% | 2024 | IDC / Microsoft |
| Formación IA declarada por líderes académicos | 76% | 2024 | Microsoft AI in Education 2025 |
| Formación IA confirmada por docentes | 45% | 2024 | Microsoft AI in Education 2025 |
| Formación IA confirmada por estudiantes | 52% | 2024 | Microsoft AI in Education 2025 |
| Nota: p.p. = puntos porcentuales. Las filas amarillas indican impacto negativo en empleo juvenil; verde indica adopción organizacional; rojo indica brechas de formación. | |||
Estos datos revelan una paradoja: mientras la adopción institucional de IA generativa alcanza niveles récord (86% según IDC), existe una brecha significativa entre la formación declarada por líderes académicos (76%) y la percibida por docentes (45%) y estudiantes (52%). Esta discrepancia tiene implicaciones directas para los programas de innovación docente.
3.2.3 Síntesis de evidencia empírica sobre impacto en pensamiento de orden superior
El meta-análisis de Zhao et al. (2025), basado en 29 estudios experimentales y cuasi-experimentales, proporciona la evidencia más robusta disponible sobre el impacto de la IA generativa en habilidades cognitivas de orden superior.
| Condición | Tamaño efecto (g) | Significación |
|---|---|---|
| Duración de la intervención | ||
| 0-8 semanas | 0.512 | p < 0.001 |
| 8-16 semanas | 0.814 | p < 0.001 |
| > 16 semanas | 0.398 | p < 0.05 |
| Nivel educativo | ||
| K-12 | 0.857 | p < 0.001 |
| Educación superior | 0.593 | p < 0.001 |
| Capacidad de autorregulación | ||
| Alta | 0.863 | p < 0.001 |
| Baja | 0.284 | p < 0.001 |
| Método instruccional | ||
| Clase magistral | 0.396 | n.s. |
| Aprendizaje mixto | 0.525 | p < 0.001 |
| Aprendizaje por proyectos | 0.717 | p < 0.001 |
| Nota: Las filas sombreadas indican las condiciones con mayor tamaño de efecto. n.s. = no significativo. Fuente: Zhao et al. (2025). | ||
Los datos del meta-análisis sugieren que:
- Duración óptima: Las intervenciones de 8-16 semanas producen los mayores efectos (g = 0.814)
- Importancia de la autorregulación: Los estudiantes con alta capacidad de autorregulación se benefician sustancialmente más (g = 0.863 vs. 0.284)
- Metodología activa: El aprendizaje por proyectos supera significativamente a la clase magistral (g = 0.717 vs. 0.396 n.s.)
- Creatividad como desafío: El efecto más débil se observa en creatividad (g = 0.489), lo que plantea interrogantes sobre la dependencia de herramientas generativas para tareas creativas
3.3 Síntesis de posiciones en la literatura
La literatura reciente no presenta un consenso monolítico sobre la IA generativa en educación. La siguiente tabla sistematiza las principales dimensiones de debate:
| Dimensión |
Perspectiva optimista
|
Perspectiva cautelosa
|
||
|---|---|---|---|---|
| Posición favorable | Fuentes | Posición crítica/cautelosa | Fuentes | |
| Aprendizaje personalizado | Permite adaptar contenidos en tiempo real según nivel del estudiante | Jauhiainen & Garagorry (2024); RSA (2025) | Riesgo de 'filtro burbuja' y homogeneización del aprendizaje | Williamson (2024); Bozkurt et al. (2024) |
| Pensamiento crítico | Meta-análisis muestra efecto positivo moderado (ES=0.609) en habilidades de orden superior | Zhao et al. (2025) | Dependencia puede erosionar capacidades analíticas autónomas | Lu et al. (2024); Bozkurt et al. (2024) |
| Creatividad | Facilita brainstorming y generación de ideas iniciales | Bobula (2024); Yueh (2025) | Efecto más débil que en otras habilidades; riesgo de estandarización | Zhao et al. (2025); Bozkurt et al. (2024) |
| Eficiencia docente | Automatiza tareas administrativas (informes, evaluación formativa) | RSA (2025); Bozkurt et al. (2024) | Nueva carga de supervisión y verificación de outputs de IA | Bozkurt et al. (2024); Haroud & Saqri (2025) |
| Integridad académica | Posibilita nuevas formas de evaluación más auténticas y basadas en proceso | Yueh (2025); Fokides (2025) | Facilita plagio sofisticado; detección cada vez más difícil | Bobula (2024); Bozkurt et al. (2024) |
| Equidad y acceso | Democratiza acceso a tutoría personalizada de calidad | RSA (2025); Pedreño (2024) | Brecha digital puede amplificarse; sesgos algorítmicos persisten | Williamson (2024); Familoni (2024) |
| Rol docente | Libera tiempo docente para interacción significativa y mentoría | Huesca (2024); Lee (2024) | Riesgo de desprofesionalización y pérdida de autonomía pedagógica | Bozkurt et al. (2024); Haroud & Saqri (2025) |
| Nota: Elaboración propia a partir de revisión sistemática de literatura. | ||||
3.3.1 Programa de competencias IA en educación secundaria (Shanghai)
El estudio de Sun y Chan (2025) analiza un programa piloto de alfabetización en IA implementado en una escuela secundaria de Shanghai, con 1.669 estudiantes de los cursos equivalentes a 4º ESO, 1º y 2º de Bachillerato.
Marco conceptual: ABCE
El programa se fundamenta en el marco ABCE, que conceptualiza la alfabetización en IA como competencia multidimensional:
| Dimensión | Descripción | Ejemplo de indicador |
|---|---|---|
| Affective | Actitudes y disposiciones hacia la IA | Confianza en el uso de herramientas IA |
| Behavioral | Uso efectivo de aplicaciones IA | Frecuencia de interacción con sistemas IA |
| Cognitive | Comprensión de conceptos y funcionamiento | Conocimiento de machine learning básico |
| Ethical | Conciencia de implicaciones éticas | Reflexión sobre sesgos algorítmicos |
Resultados clave
El análisis de perfiles latentes identificó cuatro grupos diferenciados. Destaca que el 72,3% de estudiantes alcanzó niveles avanzados, lo que sugiere que la introducción temprana de conceptos IA es viable cuando se proporciona orientación estructurada. Sin embargo, las diferencias de género persistentes (varones con mayor probabilidad de perfil “excelente”) indican la necesidad de estrategias específicas para garantizar equidad.
Aplicabilidad
El caso ilustra cómo integrar la alfabetización IA de forma transversal en el currículo de secundaria, con énfasis particular en la dimensión ética —aspecto frecuentemente descuidado en implementaciones apresuradas.
AI4K12 Initiative — Marco de referencia estadounidense para alfabetización IA en educación K-12, con recursos didácticos abiertos. https://ai4k12.org/
3.3.2 Integración de pensamiento metacognitivo y educación emprendedora
La investigación de Chou et al. (2023) evalúa la combinación de dos enfoques pedagógicos complementarios: la estrategia BIG-6 de resolución de problemas de información y la educación CIE (Creativity, Innovation, Entrepreneurship).
Diseño del estudio
- Muestra: 64 estudiantes universitarios del Departamento de Diseño (National Yunlin University of Science & Technology)
- Diseño: Experimental con grupo control (32 + 32)
- Duración: Un semestre académico (curso de Proyectos Especiales)
- Medidas: Motivación innovadora, creatividad, metacognición, empleabilidad percibida
El modelo BIG-6 adaptado
┌─────────────────────────────────────────────────────────────┐
│ 1. Definición de tarea → 2. Estrategias de búsqueda │
│ ↓ ↓ │
│ 6. Evaluación ← 3. Localización y acceso │
│ ↑ ↓ │
│ 5. Síntesis ← 4. Uso de información │
└─────────────────────────────────────────────────────────────┘La adaptación taiwanesa enfatiza la metacognición como hilo conductor: en cada etapa, los estudiantes documentan y reflexionan sobre sus propios procesos cognitivos, desarrollando automonitorización y autoevaluación.
Hallazgos principales
El grupo experimental mostró mejoras significativas en tres de las cuatro variables medidas (motivación innovadora, creatividad y metacognición), mientras que la empleabilidad percibida no alcanzó diferencias estadísticamente significativas —posiblemente porque los estudiantes aún no habían completado prácticas profesionales.
Implicaciones para Filosofía
La estrategia BIG-6 resulta particularmente transferible a la enseñanza de Filosofía, donde la búsqueda, evaluación crítica y síntesis de fuentes constituyen competencias nucleares. La explicitación de procesos metacognitivos conecta directamente con objetivos tradicionales de la disciplina.
The Big6 — Sitio oficial del modelo con materiales didácticos y adaptaciones por nivel educativo. https://thebig6.org/
3.3.3 Adopción de IA generativa en la Universidad Técnica Particular de Loja
El estudio de Cabero-Almenara et al. (2024) constituye una de las primeras investigaciones empíricas sobre adopción de IA generativa en educación superior latinoamericana, con una muestra de 425 profesores universitarios.
Modelo teórico: UTAUT2 ampliado
Los investigadores extendieron el modelo UTAUT2 (Unified Theory of Acceptance and Use of Technology) incorporando dos variables adicionales: creencias pedagógicas constructivistas y transmisivas.
Código
# Gráfico comparativo (excluir Total UTAUT para mejor visualización)
fiabilidad %>%
filter(Factor != "Total UTAUT") %>%
pivot_longer(
cols = c(Alfa_Cronbach, Omega_McDonald),
names_to = "Indice",
values_to = "Valor"
) %>%
mutate(
Indice = recode(Indice,
"Alfa_Cronbach" = "α de Cronbach",
"Omega_McDonald" = "Ω de McDonald"),
Factor = fct_reorder(Factor, Valor)
) %>%
ggplot(aes(x = Factor, y = Valor, fill = Indice)) +
geom_col(position = "dodge", width = 0.7) +
geom_hline(yintercept = 0.90, linetype = "dashed", color = "red", alpha = 0.6) +
coord_flip() +
scale_y_continuous(limits = c(0, 1), breaks = seq(0, 1, 0.1)) +
scale_fill_manual(values = c("#2ba8a8", "#1a3a52")) +
labs(
title = "Índices de fiabilidad por factor del modelo UTAUT2",
subtitle = "Línea punteada indica umbral de excelencia (0.90)",
x = NULL,
y = "Coeficiente de fiabilidad",
fill = "Índice",
caption = "Fuente: Cabero-Almenara et al., 2024, p. 262"
) +
theme_minimal() +
theme(
legend.position = "bottom",
plot.title = element_text(face = "bold", size = 12),
plot.subtitle = element_text(size = 10, color = "gray40"),
plot.caption = element_text(hjust = 0, size = 9, color = "gray50")
)
Hallazgo central
Los docentes con creencias constructivistas —quienes conciben el aprendizaje como construcción activa del conocimiento— mostraron correlaciones significativamente más fuertes con todos los predictores de adopción (β = 0.404 para intención conductual). En contraste, las creencias transmisivas solo correlacionaron débilmente con la expectativa de esfuerzo, sugiriendo que estos docentes perciben mayor dificultad en la integración de IA generativa.
Perfil de la muestra
| Característica | Distribución |
|---|---|
| Género | 54,8% hombres, 45,2% mujeres |
| Edad predominante | 31-50 años (75,3%) |
| Modalidad | 47,3% distancia, 25,9% presencial, 26,8% mixta |
| Autopercepción dominio técnico TIC | Media 8,04/10 |
| Autopercepción dominio didáctico TIC | Media 8,04/10 |
Implicaciones para formación docente
El estudio sugiere que los programas de desarrollo profesional en IA educativa deberían abordar las creencias pedagógicas como precondición para la adopción efectiva. Ofrecer formación técnica a docentes con orientación transmisiva sin trabajar previamente su concepción del aprendizaje puede resultar ineficaz.
UTPL - Universidad Técnica Particular de Loja:
— Institución donde se realizó el estudio, con programas de formación docente en modalidad a distancia. https://www.utpl.edu.ec/
3.4 Efectos de la IA en diversas habilidades cognitivas (metanálisis)
La irrupción de la IA generativa en entornos educativos plantea una cuestión fundamental, aparte de otras muchas puramente instrumentales: ¿qué transformaciones se producen en las capacidades cognitivas de orden superior tras varios años de aprendizaje interactuando asiduamente con sistemas capaces de generar contenido, resolver problemas y articular argumentos de manera autónoma? Este interrogante no admite respuestas simplistas.
Las habilidades cognitivas de orden superior (Higher-Order Thinking, HOT) sirven de noción operativa en programas educativos internacionales, puesto que integran dimensiones como el pensamiento crítico, la creatividad y la capacidad de resolver problemas (Sari et al., 2024; Zhao et al., 2025). Según la evidencia empírica disponible, la IA generativa puede actuar como catalizador y potenciador de determinadas competencias cognitivas, peso al riesgo bien documentado de que su uso superficial sortee los procesos cognitivos profundos necesarios para el desarrollo autónomo de estas habilidades y termine generando dependencia y deuda cognitiva (Jose et al., 2025).
La síntesis de estudios experimentales en el metanálisis reciente de Zhao y colaboradores (2025) refuerza la tesis de un efecto positivo moderado sobre el pensamiento de orden superior, con impactos diferenciados según la dimensión analizada (capacidad de resolución de problemas y pensamiento crítico, sobre todo). Pero en dimensiones como la creatividad parece ser bastante limitado, como ilustra la Tabla 10. Bajo este enfoque, adquieren relevancia aspectos como la duración de las intervenciones —óptima: entre 8 y 16 semanas— y el grado de autonomía y capacidad de autorregulación del aprendizaje. La perspectiva multicultural y la combinación de diversos diseños de investigación puede aportar elementos adicionales de interés, como muestra la Tabla 11. Las peculiaridades del proceso de adopción tecnológica difieren entre sistemas educativos con condiciones de infraestructura y marcos culturales heterogéneos.
| Habilidad cognitiva | Tamaño efecto (g) | IC 95% | p | Interpretación |
|---|---|---|---|---|
| Resolución de problemas | 0.745 | [0.52 – 0.97] | < 0.001 | Efecto moderado-alto |
| Pensamiento crítico | 0.573 | [0.38 – 0.77] | < 0.001 | Efecto moderado |
| Creatividad | 0.489 | [0.29 – 0.69] | < 0.001 | Efecto moderado-bajo |
| Global (HOT) | 0.609 | [0.49 – 0.73] | < 0.001 | Efecto moderado |
| Nota: Interpretación según Cohen (1992): < 0.2 pequeño; 0.2-0.5 moderado; 0.5-0.8 significativo; > 0.8 grande. HOT = Higher-Order Thinking. | ||||
La urgencia por comprender estos efectos cognitivos se intensifica ante las señales procedentes del mercado laboral. El informe Tendencias Sociales y del Empleo de 2026 de la Organización Internacional del Trabajo advierte que el 29,5% de los empleos ocupados por jóvenes con educación superior están expuestos a la automatización mediante IA, una proporción significativamente mayor que el 19,1% correspondiente al resto de jóvenes (Gmyrek & al., 2025; Organization, 2026). La asimetría es más acusada en países de ingresos altos —puede afectar a más de un tercio de los empleos cualificados— y pone de manifiesto numerosas disfunciones, ya que el colectivo de estudiantes percibe con claridad los desafíos que supone la IA para sus oportunidades de empleo y más de la mitad usa algún servicio de IA generativa; pero en el entorno donde esperan completar su formación el personal docente apenas la usa y solo una cuarta parte la incorpora en su práctica docente (Pedreño Muñoz et al., 2024).
Los ritmos diferenciados de alfabetización y adopción tecnológica dependen a menudo de otras prioridades y creencias pedagógicas. Pero es obvio que la popularización de la IA y sus múltiples aplicaciones incentivará la reflexión sobre el tipo de competencias cognitivas que se deben cultivar, y que no cubre la noción difusa de competencia digital. Este aspecto será determinante en cualquier intento de abordar la formación permanente del profesorado en todos los niveles del sistema educativo.
| Estudio | País | Muestra | Metodología | Hallazgos principales | Implicaciones |
|---|---|---|---|---|---|
| Cabero-Almenara et al. (2024) | Ecuador | 425 profesores universitarios (UTPL) | Cuantitativo (UTAUT2 + PLS-SEM) | Docentes con creencias constructivistas más receptivos a AIEd; expectativa de rendimiento y motivación hedónica predicen adopción | Formación docente diferenciada según orientación pedagógica previa |
| Haroud & Saqri (2025) | Marruecos | 130 profesores + 156 estudiantes | Mixto (cuestionarios + entrevistas) | Estudiantes más positivos que docentes hacia GenAI; consenso en que IA no puede sustituir rol humano del docente | Alfabetización digital como prioridad; equilibrio humano-tecnológico |
| Jauhiainen & Garagorry Guerra (2024) | Uruguay | 110 estudiantes (8-14 años) | Experimental (pre-post con grupo control) | Personalización dinámica con ChatGPT mejora motivación y rendimiento; ajuste en tiempo real según nivel del alumno | Escalabilidad a otros contextos latinoamericanos de educación básica |
| Pedreño (2024) | España | Informe institucional | Análisis documental y síntesis | 86% organizaciones educativas usan GenAI; brecha significativa entre formación declarada por líderes (76%) y percibida por docentes (45%) | Urgencia de políticas institucionales coherentes y formación verificable |
| Nota: UTPL = Universidad Técnica Particular de Loja; PLS-SEM = Partial Least Squares Structural Equation Modeling. | |||||
3.5 Indicadores de brecha generacional más allá de las tasas de uso
La adopción diferencial de herramientas de IA generativa entre estudiantes y docentes representa solo la superficie de un fenómeno más profundo. Más allá de los porcentajes de uso —donde el 56% de empleados estadounidenses utiliza GenAI frente al 22% del profesorado (Pedreño Muñoz et al., 2024)— emergen indicadores estructurales que revelan asimetrías generacionales de mayor calado para el diseño de estrategias de innovación educativa. El estudio de Brynjolfsson et al. (2025), basado en registros administrativos de nóminas de ADP que abarcan millones de trabajadores, constata que los profesionales de 22-25 años en ocupaciones expuestas a IA experimentaron un declive relativo del empleo del 16% desde finales de 2022, mientras que el empleo de trabajadores experimentados permaneció estable o aumentó ligeramente. Su estudio se interpreta como evidencia empírica robusta, indicativa de que la IA está automatizando a gran escala tareas como las de programación —un nicho importante de oportunidades de empleo cualificado— y atención al cliente, que tradicionalmente justificaban la contratación de personal junior (Handa et al., 2025; OECD, 2025).
Las diferencias generacionales se manifiestan en dimensiones psicológicas y actitudinales que no se restringen al entorno laboral. Según datos de Deutsche Bank Research (2025), al 24% de trabajadores de 18-34 años le preocupa el riesgo de perder su empleo debido a la IA (8 puntos o más sobre 10), preocupación que solo comparte el 10% de mayores de 55 años. Si cabe interpretar la ansiedad por IA en un sentido análogo a la ansiedad climática, este riesgo difuso no parece disuadir de un uso intensivo: una encuesta de Gallup-Walton Foundation (2025) revela que el 49% de la Generación Z cree que la IA dañará sus habilidades de pensamiento crítico, aunque el 79% utiliza servicios de IA regularmente (Foundation, 2025).
Dimensión laboral:
- Declive del 16% en empleo relativo para trabajadores 22-25 años en ocupaciones expuestas a IA (Stanford, 2025)
- +3 puntos porcentuales de desempleo en tech para 20-30 años desde inicio 2025 (Goldman Sachs)
- 6% de declive en empleo entry-level en ocupaciones con alta exposición IA vs. 8% crecimiento en seniors
Dimensión psicológica:
- 24% de jóvenes 18-34 años con alta preocupación laboral por IA vs. 10% en mayores de 55 (Deutsche Bank)
- 41% de Gen Z reporta ansiedad ante IA; solo 36% entusiasmo (Gallup, 2025)
- 52% de Gen Z teme desplazamiento laboral vs. 45% de millennials (McKinsey/D2L)
Dimensión competencial:
- 62% de millennials reporta expertise en IA vs. 50% de Gen Z (D2L Survey)
- 44% de millennials recibe oportunidades de usar IA en trabajo vs. 34% de Gen Z (Randstad)
- 49% de Gen Z cree que IA dañará su pensamiento crítico (Gallup-Walton, 2025)
Está por ver si resulta justificado el optimismo de Marco Argenti (Goldman-Sachs) acerca de la coexistencia próspera entre trabajadores humanos y sistemas de agentes artificiales. Resulta dudoso que el concepto emergente de AI natives frente a AI adopters capture bien esta distinción: sorprende que entre las generaciones de trabajadores más mayores la IA se percibe como una herramienta a adoptar, mientras que la percepción de riesgo e incertidumbre sea nítida entre el colectivo más joven (Argenti, 2025). Si realmente la usan de manera asidua y experimentan sus posibilidades con la familiaridad de un lenguaje nativo, asistiendo al ciclo acelerado de mejoras en sus prestaciones, es comprensible que duden acerca del valor de sus propias competencias (Chan & Lee, 2023).
Para el diseño curricular y la innovación pedagógica, estos indicadores obligan a considerar tanto la alfabetización técnica como las dimensiones de resiliencia profesional, gestión de la incertidumbre laboral y desarrollo de competencias no automatizables. La brecha entre el 62% de millennials que reconoce soltura en el uso de IA frente al 50% de la Generación Z (Truthbit AI, 2025) sugiere que la fluidez digital o familiaridad temprana no garantizan ventaja competitiva sin una estrategia de integración reflexiva en contextos profesionales estructurados.
| Brecha generacional relativa al uso de la IA | ||||
|---|---|---|---|---|
| Síntesis de indicadores. Fuente: informes institucionales (2024–2026) | ||||
| Indicador | Fuente | Jóvenes (18–30) | Seniors (50+) | Implicación pedagógica |
| Declive empleo en ocupaciones IA-expuestas | Stanford/ADP (nov. 2025) | −6% a −16% | +6% a +9% | Preparar para mercado en transformación |
| Preocupación pérdida empleo por IA (≥8/10) | Deutsche Bank (2025) | 24% | 10% | Gestión de ansiedad e incertidumbre |
| Uso de GenAI en trabajo | Stanford HAI (2025) | 46% | ~30% | Formalizar competencias ya practicadas |
| Percepción de daño al pensamiento crítico | Gallup-Walton (2025) | 49% | n.d. | Metacognición sobre uso de IA |
| Expertise auto-reportado en IA | D2L/McKinsey (2024) | 50% (Gen Z) | — | Millennials 62%: experiencia > fluidez |
| Oportunidades laborales de uso IA | Randstad (2024) | 34% (Gen Z) | — | Millennials 44%: acceso desigual |
| Tiempo búsqueda empleo (desempleados) | Goldman Sachs (2025) | 12 semanas | 10 semanas | Mayor fricción de entrada al mercado |
| Empleos expuestos a IA (educación superior) | OIT (2026) | 29,5% | 19,1% | Revisar perfiles de egreso |
3.6 Prioridades formativas para futuros educadores en la era de la IA
La formación inicial de docentes para niveles educativos exigentes —bachillerato, formación profesional superior y educación universitaria— se enfrenta al reto de preparar profesionales que ejercerán en contextos radicalmente diferentes a los actuales. El Marco de Competencias en IA para Docentes de UNESCO (2024) reconoce que la alfabetización en IA está convirtiéndose en un prerrequisito para la profesión docente, transformando la relación tradicional profesor-estudiante en una dinámica triádica profesor-IA-estudiante que exige nuevas competencias de orquestación pedagógica. Sin embargo, los programas de desarrollo profesional priorizan mayoritariamente habilidades técnicas sobre integración pedagógica, sin disipar las dudas sobre cómo acertar incorporando las múltiples posibilidades de los sistemas de IA generativa y agencial en su práctica (Bhardwaj et al., 2025; Casal-Otero et al., 2023).
El documento OECD Education Spotlights (2025, nº 20) plantea sin rodeos la pregunta central: ¿qué debe enseñar el profesorado y qué deben aprender los estudiantes en un futuro con servicios de IA potentes? La respuesta pone el foco en una serie de competencias nucleares: pensamiento crítico ante outputs de IA, diseño de experiencias de aprendizaje que preserven el esfuerzo cognitivo productivo, ética aplicada a contextos tecnológicos, y capacidad de evaluar cuándo la IA complementa pero no sustituye la labor humana. El modelo DigCompEdu propone cinco competencias específicas: alfabetización informacional y mediática, comunicación y colaboración digital, creación de contenido digital, uso responsable de IA, y resolución de problemas digitales. A estas se añade otra de nivel metacognitivo: fomentar en los estudiantes la autorregulación del aprendizaje (SRL), por el efecto modulador que tiene la GenAI sobre el pensamiento de orden superior (Zhao et al., 2025).
Dimensión ética y crítica:
- Evaluación crítica de outputs de IA (verificación, sesgos, alucinaciones)
- Ética aplicada: privacidad de datos, equidad algorítmica, integridad académica
- Comprensión de limitaciones y riesgos de la dependencia tecnológica (deskilling)
Dimensión pedagógica:
- Diseño de experiencias que preserven el esfuerzo cognitivo productivo
- Orquestación de dinámicas docente-IA-estudiante
- Fomento de autorregulación del aprendizaje (SRL) en contextos aumentados
- Evaluación auténtica resistente al uso inapropiado de IA
Dimensión técnico-aplicada:
- Ingeniería de prompts para contextos educativos
- Selección y evaluación de herramientas EdTech con IA
- Personalización de materiales mediante IA preservando el rigor disciplinar
Dimensión profesional:
- Resiliencia ante cambio tecnológico acelerado
- Colaboración humano-máquina en tareas docentes
- Actualización continua en ecosistema tecnológico cambiante
Entre los aspectos que pueden mitigar la percepción de riesgo cabe señalar la descarga de tareas administrativas intensivas mediante IA, la mejora de la formación y evaluación docente, las oportunidades de desarrollo profesional para integrar fundamentos de IA en todas las áreas curriculares, y preparación específica para introducir bloques de prácticas y contenidos teóricos de IA en cursos específicos (The White House, 2025).
El marco IMD (desarrollado por el influyente International Institute for Management Development) intenta responder al reto de reorientar la formación y el desarrollo profesional en la era de la IA, proponiendo una regla 75:25: el 75% de la formación debe centrarse en capacidades exclusivamente humanas —desenvolverse en situaciones ambiguas, construcción de confianza intercultural, facilitar la innovación, toma de decisiones éticas bajo incertidumbre—, reservando el 25% para aprender a trabajar efectivamente con sistemas de IA como socios estratégicos en tareas de complejidad variable (Krivkovich & Madgavkar, 2026).
En breve, todas las instituciones y organizaciones educativas tendrán que precisar qué debe seguir enseñándose a humanos y qué puede delegarse en sistemas de IA (reskilling y upskilling).
| Síntesis de marcos institucionales sobre competencias docentes en IA | |||
|---|---|---|---|
| Marco / Fuente | Competencias nucleares | Nivel de aplicación | Enfoque dominante |
| UNESCO AI CFT (2024) | Ética IA, técnicas IA, diseño de sistemas, centrado en lo humano | Todos los niveles | Progresivo: comprender → aplicar → crear |
| DigCompEdu (UE) | Alfabetización informacional, comunicación digital, creación contenido, uso responsable, resolución problemas | K-12 y superior | Competencias digitales transversales |
| OECD Spotlights nº 20 (2025) | Pensamiento crítico, creatividad, juicio ético, adaptabilidad | Sistémico | Competencias futuro-relevantes |
| White House EO (abril 2025) | Integración IA en todas las áreas, reducción carga administrativa, enseñanza específica de IA | K-12 y superior (EEUU) | Política educativa federal |
| IMD Regla 75:25 (2025) | 75% capacidades humanas distintivas + 25% colaboración con IA | Ejecutivo y superior | Preservar valor humano diferencial |
| Stanford HAI (2025) | Supervisión de agentes IA, juicio experto, conocimiento tácito | Profesional | Complementariedad humano-IA |
| WEF Skills 2030 | Pensamiento analítico, creatividad, liderazgo, alfabetización tecnológica | Transversal | Habilidades para el futuro del trabajo |
3.7 Buenas prácticas de innovación docente
El análisis previo proporciona elementos orientativos para sustentar un catálogo amplio y diversificado de iniciativas innovadoras en la práctica filosófica. Pero es necesario concretar los criterios de referencia para seleccionar las más adecuadas. Conviene partir de una concepción amplia, flexible y dinámica de las materias y contenidos filosóficos, que reconozca su diversidad, su pluralidad de enfoques y su evolución, en conexión con otras disciplinas y ámbitos del conocimiento, e influida por la realidad social y cultural.
Además de estudiar determinados contenidos teórico-conceptuales recogidos en los libros de texto, la dinámica habitual en las materias de filosofía involucra procesos y prácticas ligados a una concepción constructivista, dialógica y colaborativa del aprendizaje. Por lo tanto, debe sustentarse en metodologías que promuevan el papel activo de los estudiantes como actores críticos y creativos de su propio aprendizaje, incentivando la autonomía, la interacción, la comunicación y la cooperación entre el grupo y con los demás agentes educativos.
En lo que concierne al sistema de evaluación, será necesario manejar herramientas que permitan una valoración integral del proceso de aprendizaje —considerando el punto de partida y la evolución constatada—, e incorporar componentes personalizados (véase este informe, p. ej.) y criterios diversificados en la adquisición de competencias y mejora de capacidades (analíticas, reflexivas, indagadoras, colaborativas y argumentativas, entre otras).
| Problema pedagógico | Solución tecnológica | Herramientas ejemplares | Metodología implícita | Fuente |
|---|---|---|---|---|
| Incomprensibilidad de textos filosóficos | Pod/videocasts explicativos | YouTube (Philosophy Tube, Wireless Philosophy, CrashCourse) | Explicación visual + accesibilidad asíncrona; complemento a lecturas primarias | Bohlmann et al. (2023) |
| Falta de motivación e inmersión | Juegos digitales con dilemas éticos | Detroit: Become Human, Telltale Games, Life is Strange | Branching stories + agencia moral; decisiones con consecuencias narrativas | Bohlmann et al. (2023); Sicart (2009) |
| Complejidad argumentativa | Mapas de argumentos digitales | Argdown, Kialo, MindMup | Visualización estructurada de premisas, inferencias y conclusiones | Bohlmann et al. (2023) |
| Evaluación de intuiciones implícitas | Herramientas de feedback indirecto | Mentimeter, Slido, encuestas de intuiciones | Filosofía experimental + metacognición; sondeo anónimo de intuiciones | Bohlmann et al. (2023) |
| Desarrollo metacognitivo insuficiente | Estrategias BIG-6 integradas con IA | Plataformas adaptativas + ChatGPT estructurado | Pensamiento creativo + invención; secuencia estructurada de indagación | Chou (2023); Kim (2018) |
| Nota: Adaptado principalmente de Bohlmann et al. (2023), con integración de estrategias metacognitivas de Chou (2023) y Kim (2018). | ||||
Estos aspectos condicionan los objetivos, modalidades e instrumentos evaluadores del proceso de enseñanza-aprendizaje. Acertar con el criterio profesional efectivo para adaptarse a las diferentes características, necesidades y estilos de aprendizaje de los estudiantes constituye en sí mismo un desafío. Un esquema de retroalimentación formativa y orientadora frecuente probablemente resulte útil al respecto.
1. Kim McMullen, M.Ed. (2022).
Innovative Teaching Strategies: Nine Techniques for Success
2. Sam Thompson (2023).
Innovative Teaching Strategies
3. Robyn D. Shulman (2018).
10 Ways Educators Can Make Classrooms More Innovative
4. Ellie Tran (2024).
15 Innovative Teaching Methods with Guide and Examples
5. OECD - Centre for Educational Research and Innovation.
Innovation Strategy for Education and Training
6. Innovations and Best Practices in Teaching Learning.
https://aimt.edu.in/innovations-and-best-practices-in-teaching-learning/
7. EDSYS (2023).
23 Innovative Ideas to Make Your Teaching Methods More Effective
8. Antoni Hernández (2018).
Good practices, innovation or scientific research in education? A conceptual reflection
3.8 Recomendaciones
Integración crítica y ética de tecnología educativa
Integrar tecnologías de la información y dispositivos digitales en la enseñanza y el aprendizaje de la filosofía debe ser el resultado de una estrategia crítica y reflexiva, atenta a sus implicaciones éticas y efectos en la dinámica del grupo. Se trata de aprovechar sus potencialidades para facilitar el acceso a fuentes de información fiables, la interacción y la colaboración, y estimular la creatividad en la generación de recursos originales, actualizados y personalizados.
Los casos de acoso y extorsión conocidos obligan a extremar las cautelas con el uso de dispositivos personales en grupos numerosos y en edades tempranas, puesto que fácilmente pueden tener un efecto limitador del aprendizaje, la comunicación y la convivencia. Sin embargo, la prohibición total no es una solución pedagógica adecuada.
Investigadores de Stanford (Pope y Lee) proponen que “los líderes escolares deben enseñar a los estudiantes a usar la tecnología de manera ética y crítica, en lugar de intentar bloquearla o prohibirla”, comparando la educación digital con la educación vial. El objetivo es promover el uso responsable de la tecnología, como señalan Pedreño y otros (2024, pp. 128-129). La UNESCO enfatiza igualmente que la alfabetización digital crítica es la respuesta a los riesgos tecnológicos, no la prohibición (2023).
El enfoque óptimo combina regulación diferenciada por edades con formación específica: en Primaria, restricción supervisada; en Secundaria, uso pedagógico controlado; en Bachillerato, autonomía responsable con criterios éticos claros.
Referencias normativas:
1. La propuesta del Consejo Escolar del Estado sobre el uso de dispositivos móviles en los centros educativos no universitarios (25 de enero de 2024) establece un marco de regulación diferenciada por etapas que evita tanto la permisividad como la prohibición acrítica.
2. El Informe GEM 2023 de la UNESCO: Tecnología en la Educación: ¿una herramienta en los términos de quién? analiza los riesgos del uso inadecuado pero también las consecuencias de la exclusión digital.
Metodologías activas y participativas
Siempre que las características del grupo lo permitan es preferible recurrir a metodologías activas y participativas en la enseñanza y aprendizaje de los contenidos asociados con la programación de filosofía. No todas las técnicas, formatos y estrategias contribuyen por igual a implicar, motivar y generar confianza entre los estudiantes. Plantear retos y problemas que requieren más conceptos y herramientas que las filosóficas sirve para reforzar la vinculación del grupo con la realidad social y con otras iniciativas ciudadanas. Además, pueden incrementar la autonomía y responsabilidad en el proceso de aprendizaje.
Diversificación de recursos y técnicas
Diversificar los recursos, materiales y técnicas en la enseñanza y el aprendizaje de la filosofía ayuda a enriquecer y contextualizar mejor las ideas, y a poner en relación los contenidos filosóficos con otras disciplinas y ámbitos del conocimiento. El desarrollo del pensamiento y la actitud crítica involucra elementos complejos de comprensión intercultural, capacidad para distanciarse de los enfoques convencionales y atender a la diversidad y características de los estudiantes que coinciden en un grupo o participan en ciertas actividades. Estos aspectos pueden trabajarse igualmente en otras asignaturas y sobre contenidos de otras materias en la misma etapa.
Formación permanente y actualización de la competencia digital
El sistema educativo debe reconocer e incentivar de modo tangible el aprendizaje y la formación permanente, para actualizar las competencias digitales de manera acorde con el desarrollo tecnológico. Se requiere un esfuerzo continuado para conocer y manejar de modo productivo los elementos teóricos y el software o herramientas necesarias para generar recursos propios de calidad, adaptados a las características de los grupos y con criterios inclusivos. Innovar en las materias de filosofía es también un proceso de buscar y compartir experiencias, conocimientos y buenas prácticas con otros docentes y colegas, dentro y fuera del centro educativo. Supone tiempo, esfuerzo e inversión en recursos y materiales. Pero esta dinámica se consolida y amplifica con unidades especializadas en la evaluación y aplicación de tecnología educativa para redes amplias de centros.
Alfabetización en uso de la IA como contenido transversal
Incorporar la alfabetización en inteligencia artificial como contenido transversal en las materias filosóficas supone no solo capacitar en el uso técnico de herramientas de IA generativa, sino desarrollar la capacidad crítica en grado suficiente para estar en condiciones de evaluar los resultados producidos (outputs), identificar sesgos algorítmicos, cuestionar las fuentes de información y reflexionar sobre las implicaciones éticas y legales del despliegue masivo de estas tecnologías (Bobula, 2024). La filosofía aporta herramientas conceptuales insustituibles para este análisis crítico: nociones epistémicas básicas para evaluar la fiabilidad del conocimiento generado, conceptos y perspectivas éticas para ponderar los usos legítimos e ilegítimos, y encuadres de filosofía política para comprender las dinámicas de poder asociadas con el control de estas tecnologías. Las intervenciones de duración media (8-16 semanas) que combinan alfabetizción en manejo de sistemas o modelos de IA con aprendizaje basado en proyectos muestran los mejores resultados en el desarrollo del pensamiento de orden superior (Zhao et al., 2025).
Revisión periódica de currículos y programas
Es recomendable una revisión periódica y en profundidad de los currículos, programas y planes de estudio en Filosofía. Aparte de los temas y enfoques que van quedando obsoletos, es importante atender a la evolución del debate académico especializado y a su reflejo en los medios y en la vida social. Muchos contenidos de filosofía presentes como unidades didácticas en libros de texto y en trabajos de fin de máster resultan excesivamente asépticos y atemporales, y podrían haber figurado sin alteración en las programaciones de hace 30 años. Por valiosos que puedan ser tales contenidos, como ocurre con obras literarias o manifestaciones artísticas en ciertos periodos, es fundamental atender al curso de la investigación, a los estudios críticos y a la revisión especializada de la que son objeto a medida que evolucionan ciertos problemas y se consolidan nuevos espacios de debate a través de cauces formales (publicaciones científicas, congresos, repositorios institucionales) e informales (medios, blogosfera, redes, etc.). La atemporalidad no es sinónimo de neutralidad, sino de falta de interés por nuevos casos, episodios o dominios de problemas donde contextualizar la reflexión.
Coordinación institucional de prácticas innovadoras
Las prácticas docentes en filosofía, incluyendo las técnicas de innovación, deben llevarse a cabo de manera coordinada entre los integrantes de un mismo centro y articularse de modo acorde a las características de las etapas y modalidades educativas. La mera yuxtaposición de iniciativas individuales difícilmente satisface criterios mínimos de coherencia, continuidad y progresión del aprendizaje. Evaluar y difundir las experiencias exitosas, los indicadores de mejora de resultados y el valor de ciertos servicios, aplicaciones y herramientas, constituye un objetivo central. La reflexión crítica sobre el alcance y efecto de las prácticas innovadoras debe ser continua, ligada a investigación, experimentación y obtención de evidencia. En la etapa preuniversitaria son cruciales las pequeñas diferencias en edad, conocimientos previos, sustrato cultural y hábitos de trabajo autónomo. Estos elementos no pueden quedar fuera de la elección y planificación del recurso a metodologías innovadoras. Evaluar en qué medida los cambios han facilitado una mejora clara de resultados, motivación, personalización y reducción del abandono no resulta una tarea fácil de cara a estudiantes, familias y actores institucionales.
Gestión profesional de la resistencia al cambio
Por último, es necesario aprender a gestionar la resistencia al cambio con buen criterio profesional, aportando evidencia de los resultados subóptimos y mostrando el valor y potencial de ciertas herramientas para su mejora. La resistencia al cambio y los retrasos clamorosos en incorporar transformaciones para las que no cabe aportar excusas por razones de coste o dificultad es la posición por defecto en muchas instituciones (empresa, administración pública, sistema judicial, etc.). El sistema educativo y sus trabajadores no constituyen una excepción. Pero acusa —quizá en mayor medida que las empresas— el impacto de la infrafinanciación y la falta de criterios sofisticados de gestión de la infraestructura necesaria para extraer todo el potencial de las metodologías innovadoras.
3.9 Conclusión: evidencia y expectativas de mejora
La innovación docente y su aplicación en la enseñanza de la Filosofía para estudiantes de bachillerato y universidad requiere análisis y escrutinio crítico. El interés y utilidad de ciertas herramientas y enfoques debe evaluarse críticamente, en lo posible con herramientas o escalas validadas e investigación sustentada en evidencia. Los grupos sistemáticamente reacios al cambio no siempre aportan razones de peso, más allá de la costumbre y familiaridad con procedimientos cuyas dificultades y carga de trabajo han aprendido a gestionar. Implementar la cadena de adaptaciones necesarias para hacer viables las propuestas innovadoras incluye casi siempre procesos exigentes de formación, sin los cuales difícilmente se produce un cambio de mentalidad y hábitos de trabajo.
La mejora de resultados, la reducción del abandono y niveles altos de motivación y participación son objetivos que interesan a todos los colectivos concernidos en el sistema educativo. Esta finalidad debe inspirar el despliegue de tecnología, aplicaciones y servicios digitales en las aulas. Según la etapa, otros objetivos de naturaleza lúdica, creativa o experimental pueden resultar pertinentes.
En la educación superior cuentan sobre todo las posibilidades inéditas de acceder a nuevas fuentes y canales de información (computación y servicios en la nube, p. ej.), la adquisición de competencias en el manejo de herramientas de uso generalizado en los ámbitos de actividad relevantes y la destreza para investigar, analizar y generar obras de diversa naturaleza con los estándares y elementos técnicos exigibles a profesionales de cualquier rama de conocimiento.
Las buenas prácticas se difunden hoy con más rapidez que nunca. Pero cada contexto de trabajo plantea desafíos específicos, lo que obliga a considerar las necesidades, intereses, expectativas y características de los actores involucrados. Ciertas fórmulas se asocian con mejores resultados (en particular, las que abren posibilidades sin alternativa convencional, sustituyendo o redefiniendo tareas y procesos, como ocurrió durante la pandemia). Pero todas requieren adaptaciones, planificación y revisión crítica para resultar exitosas.
Las recomendaciones y buenas prácticas incluyen facilitar procesos de ensayo y experimentación docente, donde poner a prueba nuevas herramientas y detectar inconvenientes y dificultades de diversa naturaleza. Pero favorecer un clima de trabajo que estimule la innovación conlleva criterios de gestión y prioridades presupuestarias ajustadas a los objetivos. Este apoyo institucional constituye otro factor decisivo de motivación e inspiración para docentes comprometidos con la mejora continua de su práctica profesional, y contrarresta en parte el peso que el sector tecnofóbico tiene entre la tribu filosófica y en todo el sistema educativo (véase, p. ej., este estudio de integración).
La evidencia meta-analítica disponible respalda la efectividad de las metodologías innovadoras cuando se implementan con diseños pedagógicos apropiados. Los estudios experimentales muestran que la integración de tecnologías emergentes, incluyendo la IA generativa, produce mejoras moderadas pero consistentes en el pensamiento de orden superior de los estudiantes, particularmente en resolución de problemas y pensamiento crítico (Zhao et al., 2025). Sin embargo, estos efectos dependen significativamente de variables moderadoras como la duración de la intervención, las capacidades de autorregulación de los estudiantes y las creencias pedagógicas del profesorado involucrado en el proceso (Cabero-Almenara et al., 2024).
Cierta afinidad con orientaciones constructivistas puede servir de base para enfatizar el aprendizaje activo y el valor de contribuir de manera cualificada a la construcción social del conocimiento, lo que consolida con el tiempo mayor eficacia frente a enfoques centrados en la instrucción directa. La formación del profesorado en metodologías innovadoras debería abordar tanto las competencias técnicas como las creencias y actitudes pedagógicas que condicionan su implementación efectiva.
Sin embargo, la innovación docente no es un fin en sí mismo, sino un medio para promover el pensamiento crítico, la creatividad y las actitudes reflexivas entre los estudiantes. Estas incluyen evaluaciones y escrutinio ético de ciertas herramientas, de sus posibilidades y plataformas o modelos de negocio asociados. No parece razonable incorporar ciertas herramientas de ludificación, por ejemplo, si para ello el grupo o el centro tiene que hacer concesiones abusivas en materia de privacidad o coste por licencias. La opción por el software libre y los recursos en abierto constituye un componente ineludible en el proceso de evaluación de tecnología educativa, ligado a otros objetivos valiosos de inclusión y accesibilidad en la sociedad del conocimiento.
En un contexto de intensa polarización social y colusión explícita entre el capital, el liderazgo político y las empresas tecnológicas con cuasi-monopolio en determinados nichos de aplicaciones y servicios (Big Tech), la reflexión crítica sobre las herramientas, plataformas y servicios elegibles como soporte de la innovación educativa se sitúa en la diana de los contenidos que será preciso incorporar en las materias filosóficas.
El modelo de encaje (matching person and technology model) entre personas y tecnología pretende servir de marco conceptual para evaluar y recomendar el uso exitoso de una variedad de tecnologías aplicables en la asistencia a personas con tipos diversos de discapacidad. Se propuso con la finalidad de evaluar tecnología educativa y versiones de las mismas aplicables en los lugares de trabajo, en el hogar y en la atención sanitaria. Pero podría aplicarse también a los sistemas de movilidad y a casi todas las actividades diarias.
El modelo debería ser útil, en particular, para evaluar dispositivos especializados para contrarrestar la pérdida de audición, dificultades del habla, vista y cognición. Tecnologías en principio aptas para satisfacer necesidades determinadas pueden resultar inadecuadas para colectivos amplios, incluso por aspectos exclusivamente ligados a la personalidad, características psicosociales o falta de apoyos en el entorno.
→ M. Scherer & C. Sax (2009). “Measures of assistive technology predisposition and use.” In E. Mpofu & T. Oakland (Eds.), Assessment in Rehabilitation and Health. Boston: Allyn & Baco. https://doi.org/10.13140/2.1.2294.0965
SAMR model 
SAMR-model-HighEd - Ejemplos:
| Nivel de transformación | Descripción |
|---|---|
| Sustitución | Se reemplazan actividades y materiales tradicionales (lecciones magistrales, fichas en papel) por versiones digitales. No hay ningún cambio sustancial en el contenido, sólo en la forma o soporte en que se entrega. |
| Aumento | Implica incorporar mejoras digitales interactivas y elementos como comentarios, hipervínculos o multimedia. El contenido permanece sin cambios, pero los estudiantes ahora pueden aprovechar las funciones digitales para mejorar la lección. Se pueden crear portafolios digitales con presentaciones multimedia y más opciones para trabajar o comprender un tema. En lugar de entregar cuestionarios en papel, se puede gamificar la tarea con herramientas como Socrative y Kahoot. |
| Modificación | El colectivo de docentes o el centro pasan a utilizar un sistema de gestión del aprendizaje como Google Classroom, Moodle, Schoology o Canvas. Se gestionan los aspectos logísticos del funcionamiento en el aula, seguimiento de las calificaciones, interacción con los estudiantes, calendario y tareas. |
| Redefinición | El aprendizaje se transforma de forma sustancial, permitiendo actividades que antes eran imposibles en el aula. Por ejemplo, se conecta por videoconferencia con estudiantes de otras partes del mundo, o con expertos en un campo. Las excursiones virtuales permiten a los estudiantes visitar lugares como la selva amazónica, el Louvre o las pirámides de Egipto, con técnicas inmersivas. Tras leer ciertas obras en clase, se invita autores/artistas a charlar sobre su trabajo y responder preguntas. Ciertas herramientas pueden convertir a los estudiantes en editores. Se pueden difundir nuevos materiales en blogs, wikis, etc. Y obtener retroalimentación del público en ciertas plataformas. Se pueden investigar problemas locales (calidad del agua de un río, impactos en el paisaje, etc.) e invitar a miembros de la comunidad a evaluar propuestas y elementos para conocer el problema. |
Fuentes:: (1) https://www.edutopia.org/article/powerful-model-understanding-good-tech-integration/; (2) https://annmichaelsen.com/2022/09/14/the-samr-model-in-education/
- Introducción
La rápida adopción de servicios en la nube por parte de universidades e instituciones de educación superior no se explica del todo por razones económicas (siendo importante y creciente el coste de equipos informáticos y licencias, sin duda) ni por un mejor conocimiento de sus ventajas y utilidad entre usuarios potenciales. Se debe sobre todo a la flexibilidad de opciones asociadas (docencia híbrida o en línea, ahorro de costes de desplazamiento, p. ej.) y a mejoras en la fiabilidad de los servicios, no restringidos a espacios ni ubicaciones específicas.
El 80% de las instituciones de educación superior que incrementaron el uso de soluciones en la nube durante la pandemia tuvieron en cuenta la escalabilidad y flexibilidad asociadas con los servicios de computación en la nube. La estrategia permitió a las universidades responder rápidamente al aumento exponencial en demanda de recursos digitales, con soluciones basadas en software como servicio (SaaS), infraestructura como servicio (IaaS) y plataforma como servicio (PaaS).
Entre los proveedores de servicios en la nube más demandados figuran Amazon Web Services, Microsoft Azure y Google Cloud Platform. Sus soluciones de colaboración en la nube como Drive, Teams y Zoom se volvieron esenciales para las clases y reuniones virtuales, y consolidaron la modalidad de trabajo remoto. Las aplicaciones de campus virtual (canvas, servicios en streaming) fueron cruciales digitalizar todo el proceso de enseñanza.
- Nuevas opciones y mayor flexibilidad
Entre las opciones inéditas asociadas con la prestación de servicios en la nube cabe destacar la posibilidad de virtualizar software y material de prácticas, lo que permite a cualquier estudiante acceder a este tipo de recursos sin las limitaciones de horario y disponibilidad de equipamiento en aulas específicas de informática. En pocos años, los servicios en la nube se han convertido en un soporte básico de toda la actividad investigadora, docente y de gestión que desarrollan las universidades. El repertorio de bases de datos, recursos y herramientas de análisis han consolidado estas plataformas de servicios como intermediarios indispensables en el acceso al conocimiento y la cultura.
Su validación definitiva vino con la demanda producida para contrarrestar las restricciones impuestas durante la pandemia por COVID-19.
→ H. Aydin (2021). “A Study of Cloud Computing Adoption in Universities as a Guideline to Cloud Migration.” SAGE Open 11 (3): 215824402110302 (Figs. 1, 11). https://doi.org/10.1177/21582440211030280.
- Obstáculos e inconvenientes
Un desplazamiento brusco de toda la actividad y dinámica presencial en los sistemas educativos a servicios e interacciones en línea tuvo otros efectos indeseados en la motivación y percepción de fatiga de estudiantes y trabajadores. Véase, p. ej.:
→ ElTohamy, A. et al. (2022). “Association Between College Course Delivery Model and Rates of Psychological Distress During the COVID-19 Pandemic.” JAMA Network Open 5 (11): e2244270. https://doi.org/10.1001/jamanetworkopen.2022.44270.
→ Ives, B. (2021). “University Students Experience the COVID-19 Induced Shift to Remote Instruction.” International Journal of Educational Technology in Higher Education 18 (1): 59. https://doi.org/10.1186/s41239-021-00296-5.
- Discusión
La adopción de servicios en la nube consolidó las ventajas ligadas a la escalabilidad y continuidad operativa, extendiendo el alcance de herramientas, aplicaciones y funcionalidad con las que estaban familiarizados, en diverso grado, todos los usuarios que durante la pandemia se vieron forzados a modificar sus pautas, formatos y estilos de trabajo. La resistencia inicial que mostraron algunas organizaciones sindicales y otros actores quedaron en segundo plano ante la necesidad de garantizar un derecho (la educación en la etapa obligatoria) y la continuidad de servicios previamente contratados por quienes se inscribieron en titulaciones superiores.
En la práctica, quedó claro que solo ciertas plataformas respaldadas por empresas con la infraestructura y personal técnico necesario estaban en condiciones de proporcionar el soporte imprescindible en los picos de mayor demanda. Y se comprobó la importancia de otros desafíos ligados a la seguridad y privacidad de los datos, la formación de docentes y capacitación de trabajadores, y la dependencia de proveedores y empresas externas (p. ej., para adaptaciones en las aulas, adquisición de cámaras con características avanzadas, sistemas de sonido compatibles con la difusión en línea y sin retardo en el aula, etc.).
Cabe plantear si las universidades y centros educativos se estaban incorporando con notable retraso a una dinámica de innovación tecnológica que ya era considerada una apuesta estratégica entre las grandes empresas y, por supuesto, entre corporaciones globales. Aparte de tareas de computación y almacenamiento de archivos, otras necesidades (virtualización; bases de datos; registro y firma digital; gestión electrónica de procedimientos; número creciente de aplicaciones web ligadas a la productividad; sostenibilidad y ahorro en equipamiento obsolescente) habrían justificado una apuesta más temprana y decidida.
Pueden analizarse algunas estadísticas sobre la evolución de la tasa de adopción de servicios en la nube a través de estos enlaces:
- 90+ Cloud Computing Statistics.
- https://www.zippia.com/advice/cloud-adoption-statistics/
- https://www.hostingadvice.com/how-to/cloud-adoption-statistics/
- Servicios y carga de trabajo desplazable a la nube
- Obstáculos y motivos de retraso
- Diferencias generacionales
4 Innovación docente en la enseñanza presencial y en línea de las ciencias sociales
La innovación docente, tanto en la modalidad presencial como en línea, representa un desafío y una oportunidad para adaptar la educación a las necesidades de una sociedad cuya dependencia de los soportes, contenidos y redes digitales aumenta exponencialmente. Esta adaptación inevitable obliga a reflexionar sobre qué estrategias pedagógicas avanzadas resultan compatibles con la progresiva integración de tecnologías de la información y la comunicación (TIC) en procesos y experiencias de aprendizaje más significativas, personalizadas, eficaces y satisfactorias.1
En contexto presencial, la digitalización de recursos didácticos y la aplicación de metodologías activas como el Aprendizaje Basado en Proyectos (ABP) y el Aula Invertida (Flipped Classroom) pueden transformar las dinámicas de trabajo ampliando el espacio educativo, fomentando actitudes más participativas y generando nuevas oportunidades de interacción y colaboración entre estudiantes, como alternativa a largas sesiones expositivas de contenidos teóricos en los que el grupo queda reducido a meros tomadores de notas. Cuando estas no son necesarias porque se dispone del material adecuado en línea, sin errores ni omisiones, los estudiantes pueden interaccionar fuera de la clase en algunos segmentos de estudio compartido, donde pueden exponer dudas y recibir retroalimentación de quienes ya conocen o entienden mejor la materia.
Cuando se trata de contenidos complejos, las dificultades pueden abordarse con herramientas de realidad aumentada y estrategias de ludificación, que permiten explorar contenidos complejos con descripciones más realistas y detalladas, aumentando la motivación y el interés en todo el proceso de enseñanza-aprendizaje.2
La enseñanza en línea se ha visto potenciada por el desarrollo y popularización de plataformas educativas avanzadas, con funciones de seguimiento detallado, almacenamiento de recursos multimedia, planificación programada de tareas y herramientas de evaluación personalizada que aportan más flexibilidad en la gestión del conocimiento y favorecen la autonomía en el aprendizaje. Estas plataformas pueden integrar foros de discusión, webinars y cursos masivos en línea (MOOCs) de gran calidad. Facilitan la interacción y el intercambio de ideas, permitiendo que cada estudiante pueda acceder a recursos con mayores niveles de dificultad en función de sus intereses y habilidades, sin las limitaciones geográficas o temporales tradicionalmente asociadas con una educación de calidad (gracias, en parte, a un pujante repertorio de herramientas y tecnologías inmersivas).3, 4
Integrar las TIC en la educación contribuye a mejorar la accesibilidad, la interactividad y el aprendizaje horizontal.5 Permite un mayor grado de personalización del aprendizaje, adaptando los recursos y actividades a las necesidades y ritmos de aprendizaje individuales. Sistemas de gestión del aprendizaje (LMS) como Moodle o Canvas, equipados con herramientas de seguimiento y análisis, ofrecen a los docentes una visión detallada del progreso de sus estudiantes, facilitando la adaptación de las estrategias didácticas y evaluativas en función de las dificultades detectadas, con la posibilidad de extraer ciertos patrones entre grupos y promociones diferentes, consolidar grupos de prácticas y poner a prueba diseños flexibles.6
La efectividad de estas innovaciones depende en gran medida de la competencia digital y pedagógica del profesorado. Sin formación continua en metodologías innovadoras y herramientas o servicios digitales es poco probable que resulte viable y exitoso un programa ambicioso de innovación educativa. Los incentivos para programas de desarrollo profesional y comunidades de práctica en línea pueden facilitar nuevas oportunidades de aprendizaje e intercambio de experiencias y buenas prácticas entre educadores, contribuyendo a consolidar cierta cultura de mejora continua y colaboración en la solución de problemas.7
El desarrollo de investigación empírica y el análisis de casos ayudan a comprender el impacto de la innovación docente en los procesos de aprendizaje. Las plataformas de apoyo a la docencia facilitan la recopilación de datos cuantitativos y cualitativos sobre la experiencia educativa y los resultados de aprendizaje, lo que puede orientar sobre ajustes y mejoras recomendables en las prácticas docentes y valorar si ciertas transformaciones contribuyen de manera efectiva al desarrollo de competencias clave en los estudiantes.8
Por lo tanto, la innovación docente en la enseñanza presencial y en línea requiere una combinación estratégica de metodologías activas, tecnologías avanzadas y una sólida formación docente, mucho más sofisticada que las habilidades informáticas del usuario promedio con herramientas propias del segmento de consumo. Junto a la formación continua, las instituciones educativas deben reforzar los programas de equipamiento específico, mantener al día la infraestructura de apoyo a la docencia y actualizar los servicios digitales para estudiantes y profesorado. La evaluación profesional de tecnología educativa debe contar con los ciclos de obsolescencia que afectan de manera peculiar al software y a los recursos y herramientas digitales.3
Es costoso y exigente mantener una dinámica de adaptación continua a las tendencias educativas y a la evolución tecnológica. Pero el compromiso con los objetivos de mejora de la calidad, inclusión educativa y adaptación a las características y necesidades de los usuarios es un componente fundamental en la respuesta institucional exitosa a los desafíos de un contexto cultural, tecnológico y profesional en evolución continua.
Mostrar referencias
1. Zhao, Y. (2020). What Works May Hurt: Side Effects in Education. Teachers College Press.
2. González-Gómez, D., Jeong, J. S., & Rodríguez, D. A. (2021). Gamificación en la educación superior: Comparación de resultados académicos y motivación en dos metodologías docentes. Revista Electrónica de Investigación Educativa, 23, e05. https://doi.org/10.24320/redie.2021.23.e05.
3. Vergara Rodríguez, D., y P. Fernández-Arias (2022). Influencia del paso del tiempo en las herramientas digitales educativas: obsolescencia percibida. Virtualidad, Educación y Ciencia, 25 (13), pp. 78-96.
4. Smith, L., & Hill, J. (2019). E-Learning and the Future of Distance Education. Procedia - Social and Behavioral Sciences, 123, 126-132.
5. Carbonell, J., & Sebarroja, J. C. (2015). Pedagogías del siglo XXI: alternativas para la innovación educativa. Ediciones Octaedro, p. 66-79, 81, 84.
6. Bates, T. (2019). Teaching in a Digital Age: Guidelines for Designing Teaching and Learning. Ch. 4. BCcampus. https://pressbooks.bccampus.ca/teachinginadigitalagev2/.
7. Sefo, K. et al. (2017). “La Formación Del Profesorado Para Un Uso Innovador de Las TIC: Un Estudio de Caso En La Educación Obligatoria En La Provincia de Almería.” Profesorado, Revista de Currículum y Formación Del Profesorado 21 (4): 241–58. https://doi.org/10.30827/profesorado.v21i4.10054.
8. López, M. C. L., & Guerrero, M. J. L. (2015). Criterios para la Evaluación de los Proyectos de Innovación Docente Universitarios. Unpublished. https://doi.org/10.13140/RG.2.1.3807.6328. 4.1 La creación de contenidos en abierto: innovación y democratización del conocimiento
Entrenamiento de los grandes modelos de IA (LLM/GPT) con recursos en abierto
Un tema de creciente relevancia en el panorama de transformaciones que la popularización de los modelos LLM/GPT de IA generativa induce en los ámbitos educativo, académico y científico atañe al papel que desempeñan los contenidos en abierto como base de entrenamiento para mejorar sus prestaciones y lograr ajustes finos, más relevantes y sin sesgo, en sus resultados (outputs). Puesto que algunos conceptos y debates previos en filosofía de la técnica son pertinentes aquí, es recomendable atender al modo en que las estrategias de innovación educativa pueden contribuir a la democratización del conocimiento y a otros valores comunes importantes, distintos de la mera economía de la información.
El derecho a disfrutar del conocimiento y la cultura (DUDH, art. 27)
El acceso abierto a recursos de calidad contribuye significativamente a la democratización del conocimiento y al disfrute de sus aplicaciones, como ocurre con cualquier otro producto cultural. Así se recoge en la Declaración Universal de los Derechos Humanos (art. 27). Este criterio es particularmente relevante en los contextos de trabajo donde profesionales de múltiples disciplinas pueden elegir si volcar el resultado de su actividad intelectual y creativa en formatos propietarios (que implican coste por uso de copia o del soporte y formato para manejarla, siendo irrisoria en la mayoría de los casos la cantidad que perciben autores y creadores, si es que obtienen algo distinto del reconocimiento moral) o en formatos abiertos que permita a otros usuarios el mayor margen posible de libertad para acceder al contenido y utilizarlo donde se requiera. Las limitaciones de recursos con las que operan en su actividad diaria los centros educativos de todos los niveles y contextos hacen muy recomendable tener en cuenta esta dimensión al embarcarse en iniciativas ambiciosas de creación y difusión de contenidos idóneos para su empleo en dinámicas y metodologías de trabajo innovadoras.
Uso de licencias Creative Commons
Las licencias en abierto permiten un rango razonable de atribuciones de derechos, incluyendo impedir la reutilización con finalidad comercial de un producto diseñado en abierto para ser utilizado sin ánimo de lucro, al tiempo que pueden garantizar autoría y reconocimiento de los derechos morales asociados. Esto no impide que, bajo ciertos criterios de oportunidad comercial y demanda específica, se contribuya al desarrollo del conocimiento y la cultura a través de cauces y actores privados, con aportaciones por las que se espera recibir una compensación justa y hacer sostenible la dedicación profesional.
Reducir asimetrías epistémicas y brecha digital
Eliminar barreras económicas es tan importante como suprimir los obstáculos físicos o las barreras geográficas y reguladoras en el acceso equitativo a la información y el conocimiento. La investigación científica acusa el lastre de retrasos inaceptables en la comunicación de resultados y la difusión pública de evidencia sobre nuevos tratamientos, técnicas y productos de utilidad, condicionados por estrategias a menudo abusivas de protección de la propiedad industrial o intelectual, manipulación del sistema de patentes para disuadir a competidores y mantener posiciones de monopolio sin aportar auténtica innovación.
Evitar el derroche de fondos públicos o privados en actores depredadores
Reducir la brecha de conocimiento entre diferentes regiones y estratos socioeconómicos es un objetivo de máxima relevancia ética, en un panorama de actores interpuestos que aportan poco o nada en la generación y difusión del conocimiento (e imitan en ocasiones las malas prácticas de servicios depredadores y ofertas fraudulentas). Basta comprobar el ciclo de obsolescencia de materiales educativos o académicos publicados por editoriales y empresas que viven básicamente del ingreso asegurado con cargo al bolsillo de autores o centros de gasto de proyectos de investigación, con tiradas tan cortas que en pocos meses no tienen un solo ejemplar en papel a la venta ni garantizan un repositorio digital alternativo al que acudir. La ausencia casi total de conocimiento local difundido por estos canales agrava la exclusión de colectivos que carecen de la alfabetización y medios para estar presentes activamente en el panorama cultural y científico. Esta dinámica hace menos eficientes a las sociedades desarrolladas, menos sofisticada su producción científica y más sesgadas epistémica y políticamente sus creaciones culturales.
4.2 Innovación pedagógica y cooperación multicultural
Con el Renacimiento, la imprenta y la Ilustración se consolidaron dinámicas científicas y políticas abiertas a la incorporación de sectores sociales cada vez más amplios al dominio de la producción activa de cultura y conocimiento. Proyectos pedagógicos tempranos e innovadores como las ideas de Juan Amós Comenius anticiparon muchos de los valores, metodologías y herramientas propias de los proyectos educativos contemporáneos (incluyendo nuevos criterios de organización, gestión y diseño lúdico, más inclusivo e igualitario, de los espacios educativos).
En la era de internet y de las redes digitales, el criterio de educar contribuyendo a facilitar en lo posible el acceso universal al conocimiento y la cultura es un indicador inequívoco de compromiso ético y excelencia profesional. Nunca habían sido tantas y tan potentes las herramientas para, sin gran esfuerzo, obtener buenos resultados en las tareas de aprendizaje individual sujetas a evaluación —solo una parte de las obligaciones profesionales ineludibles—. Lo interesante es que, al mismo tiempo, se puede contribuir a potenciar la investigación colaborativa a escala global, acelerando el avance científico y tecnológico y dejando portafolios de recursos de calidad en abierto para facilitar el acceso al conocimiento y la cultura a sucesivas promociones, considerando además que pueden ser de ámbitos culturales, geográficos y lingüísticos diversos.
La innovación pedagógica puede ser parte de una estrategia más ambiciosa de colaboración en programas multiculturales y de cooperación educativa a escala global. La promoción del conocimiento abierto es un modo de incluir a colectivos vulnerables en dinámicas que amplían sus oportunidades y les convierten en destinatarios de recursos y resultados elaborados con herramientas que, por diversas, quedan fuera de sus posibilidades. En el sistema de educación superior, la dinámica de innovación va asociada a procesos de transferencia de tecnología, dada la relación más estrecha entre conocimiento adquirido en un ámbito de formación reglada y la posibilidad de transferirlo mediante aplicaciones con valor social o económico en diversos contextos de actividad.
Frente al modelo tradicional de enseñanza unidireccional —predominante en la enseñanza superior— la pedagogía innovadora aplicada en la etapa preuniversitaria se asocia con modelos bidireccionales, más horizontales y colaborativos. Clase invertida, aprendizaje a partir de casos o proyectos son algunas opciones metodológicas adecuadas para fomentar contextos de aprendizaje horizontal. Las oportunidades de aprendizaje activo, sobre tareas que implican series de pasos, pueden requerir microaprendizajes en ciertos aspectos, técnicas o herramientas. En este tipo de dinámicas el aprendizaje entre iguales resulta muy eficaz y conecta con la diversidad de habilidades y estilos de aprendizaje individuales.1
La opción preferente por ciertos recursos de aprendizaje tiene a menudo matices culturales, por más que las plataformas de vídeo más populares estén contribuyendo a homogeneizar hábitos entre estudiantes de países muy diferentes. La convergencia de funciones y desarrollos centrados en los dispositivos móviles con pantallas que no llegan a las 6 pulgadas (unos 15 cm en diagonal) ha contribuido a simplificar tanto los procesos de búsqueda de recursos como la facilidad para completar ejercicios de evaluación o autoaprendizaje sin tocar equipos de escritorio. Ciertas tendencias detectadas entre consumidores de países y contextos económicos muy diversos dan una idea de lo que puede funcionar o no como herramientas y dispositivos básicos de innovación a gran escala.
La perspectiva multicultural influye, por ejemplo, en considerar que un nuevo recurso educativo debería ser útil para estudiantes de hogares donde el móvil es el único dispositivo digital conectado. Esta circunstancia puede parecer marginal en un país europeo (10-15%); pero puede ser la realidad mayoritaria en países en desarrollo. Los estudiantes procedentes de minorías étnicas y culturales a menudo se sienten excluidos de los currículos con muchos elementos etnocéntricos. Pero también de las actividades que no suelen realizar con las mismas herramientas.2
Integrar perspectivas multiculturales en los nuevos enfoques pedagógicos es fundamental, y hoy resulta muy fácil incorporar narrativas, ejemplos y autores que reflejen distintas identidades y experiencias. Pero el profesorado debe estar en condiciones de seleccionar los recursos pertinentes que se ajusten a una serie de requisitos de calidad, sean culturalmente representativos o adaptados a la diversidad del grupo y consigan que se utilicen de forma crítica y reflexiva. Las plataformas de interacción en línea permiten dinámicas de colaboración síncrona entre estudiantes de distintos orígenes, con posibilidades inéditas de comunicación global. Estas dinámicas de interacción multicultural enriquecen la experiencia de aprendizaje, la hacen más significativa y ponen en juego otras destrezas interculturalmente valiosas. Pero se trata de oportunidades de interacción que conviene planificar y diseñar con buen criterio, para evitar estereotipos.3
El potencial para transformar la educación preuniversitaria y superior hacia un modelo más inclusivo, participativo, democrático e intercultural no tiene precedentes. Exige cambios sustanciales en el rol del profesorado, en los métodos de enseñanza, herramientas, formatos y contenidos. La era digital aporta oportunidades únicas de acceso a recursos de aprendizaje y a programas educativos de calidad como esfuerzo de cooperación global, sin limitaciones ligadas al idioma o al formato físico.4
Incluso cuando se encuentra una aplicación o herramienta extraordinariamente útil es importante barajar alternativas, puesto que tanto el software abierto como el propietario está sujeto a ciclos de obsolescencia y, cuando aparecen nuevos estándares, no todas las empresas y colectivos involucrados en su desarrollo se ponen de acuerdo para sacar nuevas versiones o mejorar las existentes.
Véase este ejemplo, centrado en plataformas virtuales interactivas (PVI), estudiado por Vergara Rodríguez y Fernández-Arias (2022, p. 92):
Antecedentes
La introducción de software, plataformas digitales y dispositivos tecnológicos en las escuelas ha sido clave en los esfuerzos de innovación educativa de las últimas décadas. Sin embargo, la rápida obsolescencia de estas tecnologías plantea desafíos de sostenibilidad a largo plazo.1 Se estima que el ciclo de vida promedio de un producto edtech es de sólo 2 a 3 años.2Evidencia y estadísticas
Un estudio a gran escala realizado en escuelas estadounidenses encontró que el 49% del software utilizado en las aulas ya no recibía soporte de los fabricantes, y el 34% nunca recibió actualizaciones.3 Otra investigación reporta que más del 75% de las escuelas tienen dispositivos obsoletos o en la práctica inservibles después de 6 años de uso.4 La rápida obsolescencia se debe a múltiples factores técnicos y económicos. Por ejemplo, los ciclos de lanzamiento de nuevos productos son cada vez más cortos, y las escuelas a menudo dependen de presupuestos limitados o donaciones que no permiten renovar equipos de manera regular.2Discusión
Esta situación es problemática dado que dificulta ofrecer experiencias de aprendizaje apropiadas. También representa una barrera para la innovación educativa, al no poder mantener el apoyo técnico ni introducir mejoras pedagógicas sobre plataformas obsoletas. Las escuelas requieren enfoques más sostenibles, como priorizar software y dispositivos modulares, interoperables y actualizables, desarrollar capacidades internas de mantenimiento, o establecer alianzas de largo plazo con proveedores comprometidos.1 Los docentes también deben recibir capacitación sobre cómo sacar el máximo provecho a tecnologías antiguas mientras se gestiona la transición hacia nuevas plataformas.Recomendaciones
Se sugiere ampliar el marco temporal en la toma de decisiones sobre adquisiciones tecnológicas, contemplando no sólo costos iniciales sino gastos de actualización y reemplazo. También es clave abogar por políticas educativas que apoyen financieramente la sustentabilidad y renovación de la infraestructura digital de las escuelas. Finalmente, se debe involucrar a los docentes como agentes de cambio en este proceso.Documentación
Referencias
1. Greaves, T. W., Hayes, J., Wilson, L., Gielniak, M., & Peterson, R. L. (2012). Revolutionizing education through technology: The Project RED roadmap for transformation. Eugene, Oregon: International Society for Technology in Education.
2. Philipsen, B., Tondeur, J., McKenney, S., & Zhu, C. (2019). Supporting teacher reflection during online professional development: A logic modelling approach. Technology, Pedagogy and Education, 28(2), 237-253.
3. Ford, M., Lavigne, A., Fiegener, M., & Si, E. (2019). Understanding Districts’ Realities Implementing 1:1 Computing Initiatives. Seminole County Public Schools.
4. Aldunate, R., & Nussbaum, M. (2013). Teacher adoption of technology. Computers in Human Behavior, 29(3), 519-524. https://doi.org/10.1016/j.chb.2012.10.017.
Enlaces asociados
- Teacher adoption of technology
- Understanding Districts’ Realities Implementing 1:1 Computing Initiatives
- Revolutionizing education through technology: The Project RED roadmap for transformation
- Supporting teacher reflection during online professional development
El uso combinado de traducción automática, reconocimiento de voz y asistentes de IA permitió crear un entorno de aprendizaje accesible para estudiantes con distintos niveles de competencia lingüística.
Esta dinámica facilitó:
- la participación equitativa en actividades colaborativas,
- la reducción de barreras comunicativas,
- el seguimiento en tiempo real de explicaciones y debates,
- y la integración fluida de estudiantes recién llegados o con necesidades lingüísticas específicas.
Se trata de un ejemplo de cómo las tecnologías de IA pueden ampliar la inclusión, mejorar la autonomía del alumnado y reforzar la cohesión del grupo.
Contexto
La docente M. S. se acaba de incorporar a un centro universitario como responsable de un curso de Biología Avanzada que tiene un grupo heterogéneo de 32 estudiantes, entre los que se incluyen estudiantes con diferentes necesidades de accesibilidad y barreras idiomáticas habituales en una red de movilidad con una decena de países involucrados.
Perfil del grupo
- Tres estudiantes con discapacidad visual en diferentes grados
- Dos estudiantes con discapacidad auditiva
- Cuatro estudiantes internacionales (dos hablantes nativos de mandarín y dos de inglés)
- 23 estudiantes hispanohablantes sin necesidades específicas de accesibilidad
Desafíos identificados
- Accesibilidad Visual:
- Necesidad de convertir diagramas científicos complejos en descripciones detalladas
- Adaptación de presentaciones y materiales visuales
- Acceso a lecturas científicas especializadas
- Necesidad de convertir diagramas científicos complejos en descripciones detalladas
- Accesibilidad Auditiva:
- Garantizar la comprensión de explicaciones orales
- Participación en discusiones grupales
- Acceso a contenido audiovisual
- Garantizar la comprensión de explicaciones orales
- Barreras Idiomáticas:
- Comprensión de terminología científica especializada
- Participación activa en debates
- Acceso a materiales en español
- Comprensión de terminología científica especializada
Solución Implementada
- Integración de Tecnologías:
- Azure Cognitive Services para transcripción en tiempo real
- DeepL API para traducción simultánea multilingüe
- ChatGPT API para simplificación de textos complejos y generación de explicaciones alternativas
- Azure Cognitive Services para transcripción en tiempo real
- Flujo de Trabajo:
- Las clases se transmiten a través de una plataforma que integra:
- Transcripción automática en tiempo real
- Traducción simultánea a inglés y mandarín
- Conversión texto-voz para estudiantes con discapacidad visual
- Generación automática de descripciones de imágenes
- Transcripción automática en tiempo real
- Las clases se transmiten a través de una plataforma que integra:
- Materiales Adaptados:
- Creación de versiones accesibles de todos los materiales
- Generación de glosarios multilingües especializados
- Producción de resúmenes simplificados de textos complejos
- Creación de versiones accesibles de todos los materiales
Resultados y Aprendizajes
- Beneficios Observados:
- Mayor participación de todos los estudiantes
- Mejora en el rendimiento académico
- Desarrollo de un ambiente más inclusivo
- Reducción de la ansiedad en estudiantes internacionales
- Mayor participación de todos los estudiantes
- Desafíos Encontrados:
- Necesidad de verificar la precisión de las traducciones automáticas
- Tiempo adicional requerido para la preparación de materiales
- Curva de aprendizaje en el uso de las herramientas
- Necesidad de verificar la precisión de las traducciones automáticas
- Recomendaciones para la Implementación:
- Realizar una evaluación inicial detallada de necesidades
- Proporcionar capacitación docente en el uso de herramientas
- Establecer un sistema de retroalimentación continua
- Mantener flexibilidad para ajustar las soluciones según necesidades específicas
- Realizar una evaluación inicial detallada de necesidades
Preguntas para la discusión
- ¿Cómo se puede equilibrar la eficiencia de las herramientas automatizadas con la necesidad de interacción humana en el proceso educativo?
- ¿Qué estrategias adicionales podrían implementarse para mejorar la inclusión más allá de las soluciones tecnológicas?
- ¿Cómo podría adaptarse este modelo a diferentes contextos educativos y recursos disponibles?
- ¿Qué consideraciones éticas deben tenerse en cuenta al utilizar IA en la educación inclusiva?
- ¿Qué papel juega la formación docente en el éxito de la implementación de estas herramientas?
Este caso sirve como marco de referencia para la implementación de tecnologías de traducción asistidas por IA en entornos educativos diversos, destacando tanto los beneficios como los desafíos a considerar. La visualización que sigue permite explorar los diferentes aspectos del caso de manera más intuitiva.
→ Implementación: http://www.ugr.es/~mm3/mProf/innov/caso-ia-trad.html
Mostrar referencias
1. Brown, J. S., R. P. Adler (2008). Minds on fire: Open education, the long tail, and learning 2.0. Educause review, 43(1), 16-32.
3. Guo, S., Z. Jamal (2007). Nurturing cultural diversity in higher education: A critical review of selected models. Canadian Journal of Higher Education, 37(3), 27-49.
3. Rodríguez Marconi, D., Lapierre Acevedo, M., Serra, M., Zanetti Fontaine, L., Sanabria, C.-M., & Quiroz Almuna, H. (2023). Aprendizaje colaborativo internacional en línea como estrategia para el desarrollo de competencias transversales en la educación superior, una experiencia desde la carrera de fonoaudiología. Educación médica, 24(5), 100835. https://doi.org/10.1016/j.edumed.2023.100835.
4. Leask, B., J. Carroll (2011). Moving beyond ‘wishing and hoping’: Internationalisation and student experiences of inclusion and engagement. Higher Education Research & Development, 30(5), 647-659.4.3 Proyectos de intercambio virtual
El programa COIL (Collaborative Online International Learning) es un buen ejemplo de innovación educativa multicultural. Desarrollada originalmente por la Universidad Estatal de Nueva York, esta iniciativa conecta estudiantes y profesores de diferentes países para realizar proyectos colaborativos a través de entornos virtuales.
Caso práctico:
Estudiantes de ingeniería en España han trabajado con compañeros en Japón para diseñar soluciones sostenibles para ciudades inteligentes, combinando perspectivas culturales diferentes sobre el desarrollo urbano. Puedes encontrar más información sobre COIL en inglés en la web del SUNY COIL Center y en español a través de la Red Latinoamericana COIL.
El proyecto eTwinning, una iniciativa de la Unión Europea, ha revolucionado la colaboración entre escuelas europeas facilitando que profesores y estudiantes de diferentes países desarrollen proyectos conjuntos. La clave de su éxito ha sido la incorporación de elementos de gamificación y aprendizaje basado en proyectos.
Caso práctico:
Un proyecto sobre tradiciones culinarias que conectó escuelas de España, Francia e Italia, donde los estudiantes compartieron recetas familiares y exploraron la historia detrás de cada plato, creando un libro de cocina digital multilingüe.
El Global Nomads Group ha desarrollado programas que utilizan realidad virtual y aumentada para crear experiencias inmersivas de intercambio cultural. Proyectos de tutoría entre estudiantes hacen posible que estudiantes de diferentes continentes experimenten virtualmente la vida cotidiana de sus compañeros —en su mayoría estudiantes de secundaria— y cooperen para ayudar a estudiantes de todas las edades con apoyo general o para tareas y problemas específicos. Quienes asumen el papel de tutores colaboran con cierta dedicación preestablecida en una especie de voluntariado en línea, intentando que el aprendizaje resulte más fácil y agradable, ahorrando tiempo a terceros y compartiendo conocimientos o habilidades.
Caso práctico:
El proyecto “Escuelas Transformadoras” de Ashoka se propone integrar la sensibilidad cultural en el currículo. En México han desarrollado programas para que los estudiantes trabajen en proyectos de impacto social, centrados en desafíos locales analizados en colaboración con escuelas asociadas en otros países. Una de estas iniciativas se centra en mercados sostenibles gestionados por estudiantes que conectan artesanos locales con comunidades internacionales.
Mostrar recursos relacionados
1. Journal of Studies in International Education: https://journals.sagepub.com/home/jsi
2. UNESCO's ICT Competency Framework for Teachers: https://www.unesco.org/en/digital-competencies-skills/ict-cft?hub=84636
3. Portal de la OEI (Organización de Estados Iberoamericanos) sobre innovación educativa: https://oei.int/areas-de-trabajo/educacion-y-etp/
4. Red VEC (Virtual Exchange Collaboration): https://web.gcompostela.org/es/programa-para-el-desarrollo-de-intercambios-virtuales/4.4 Innovación en espacios de aprendizaje informal
La innovación en los espacios de aprendizaje informal, como museos, bibliotecas y grupos de colaboración en redes sociales, ha transformado para mucha gente la manera de adquirir conocimientos fuera de los entornos educativos tradicionales. Instituciones como los museos de ciencia y tecnología han adoptado estrategias innovadoras para fomentar la participación activa, la colaboración y el aprendizaje continuo con herramientas lúdicas e interactivas, adaptándose a las necesidades de una sociedad en constante cambio. El modo de disfrutar el tiempo de ocio y dar contenido a las actividades donde pueden participar personas de todas las edades ha supuesto una expansión natural de las estrategias y herramientas con claro potencial para dinamizar programas de innovación y aprendizaje en contextos informales.1
1. Museos: de la exhibición a la interacción
La irrupción de las tecnologías digitales y la demanda de experiencias más participativas ha transformado los museos tradicionales —entendidos sobre todo como lugares de conservación y exhibición de colecciones— en espacios más interactivos, con propuestas educativas novedosas dirigidas a grupos amplios de destinatarios. De este modo su material, colecciones y recursos quedan disponibles a través de plataformas en línea para ser revisado con las herramientas adecuadas (usando modelos en 3D o imágenes bajo distintos tipos de iluminación, por ejemplo, para captar detalles que habitualmente se escapan al ojo humano).2
Estos espacios resultan idóneos para acoger iniciativas creativas originales, como los talleres de creación de memes artísticos que potencian la interacción y el talento creativo de quienes asisten o participan. Por lo general, buscan reinterpretar obras de arte a través de formatos digitales, introduciendo nuevos elementos de creatividad y expresión artística.3
2. Bibliotecas: espacios dinámicos para el aprendizaje comunitario
Las bibliotecas han dejado de ser meros depósitos de libros para convertirse en centros dinámicos de aprendizaje y participación comunitaria. Han consolidado una tendencia centrada en la adopción de modelos de innovación abierta, como espacios aptos para promover la colaboración y el intercambio de recursos e ideas para contribuir al desarrollo cultural, económico y social de sus comunidades. Esto ha obligado a modificar los espacios e instalaciones que ponen a disposición de sus usuarios, introduciendo por ejemplo cabinas de reducción acústica para facilitar actividades que requieren privacidad sonora, como reuniones en línea o trabajos grupales, mejorando así la experiencia de los usuarios y adaptándose a las necesidades contemporáneas que supone una mayor diversidad de colectivos e intereses.4
3. Redes sociales: plataformas para el aprendizaje colaborativo
Aunque no siempre en la dirección esperada, las redes sociales se han consolidado como espacios significativos para el aprendizaje informal, especialmente entre los usuarios más jóvenes.5 Es indudable que estas plataformas facilitan la creación y el intercambio de contenido, permitiendo a los usuarios desarrollar y compartir habilidades transmedia en un contexto de cultura participativa que consolida redes de prácticas colaborativas.6
El riesgo constatado de desinformación en una red emblemática como X (antes conocida como Twitter), tras su adquisición por el dueño de Tesla —vinculado al núcleo duro de la extrema derecha estadounidense— obliga a analizar con cautela si las posibles ventajas pueden explotarse con garantías suficientes para evitar su instrumentalización como plataformas de adoctrinamiento y difusión de ideas negacionistas o teorías de la conspiración. Los casos de revisionismo histórico y la difusión de mensajes que hacen apología del franquismo a través de plataformas sin apenas moderación como TikTok subrayan la importancia de contribuir, en espacios formales e informales, a promover el pensamiento crítico y la alfabetización mediática.7
4. Integración de tecnologías inmersivas y tendencias
La convergencia de intereses y objetivos en museos, bibliotecas y redes sociales amplía considerablemente el ecosistema apto para iniciativas de aprendizaje informal y la oferta de nuevas oportunidades para la educación continua y la participación ciudadana. Estas instituciones disponen de un amplio margen y repertorio de técnicas para seguir innovando, si aciertan con el uso de las tendencias emergentes en aplicaciones de la realidad virtual, la inteligencia artificial y las plataformas digitales interactivas, con el objetivo de ofrecer experiencias de aprendizaje más inmersivas y personalizadas. Los programas de alfabetización digital crítica son necesarios para aprovechar las ventajas de los entornos más abiertos y desregulados, donde campañas bien orquestadas pueden amplificar extraordinariamente el alcance de ciertos mensajes y no hay duda de que cabe hacerlo de manera efectiva y ética, garantizando la credibilidad de la información y fomentando estilos de participación responsable. Museos, bibliotecas y redes sociales operan como elementos valiosos en la articulación de una sociedad del conocimiento inclusiva y dinámica.8
Mostrar referencias
1. SIG 49 (2025): Informal Learning Environments Research: SIG 49. https://www.aera.net/SIG049/Informal-Learning-Environments-Research
2. Elisondo, R., & Melgar, M. F. (2015). Museos y la Internet: contextos para la innovación. Innovación Educativa, 15(68), 17-32. https://www.redalyc.org/pdf/1794/179442126003.pdf
3. IAACC (2024, 17 abril). Memediación - IAACC Pablo Serrano. Esto No Es un Museo. https://estonoesunmuseo.es/memediacion-iaacc-pablo-serrano/
4. Mady, C., & Hewidy, H. (2024). The public library building as nexus for social interactions: Cases from Helsinki. City Culture And Society, 40, 100610. https://doi.org/10.1016/j.ccs.2024.100610
5. El País. (2025, 2 de febrero). *Desconocimiento y apología del franquismo en TikTok: el cóctel que empuja a jóvenes al revisionismo histórico*. Recuperado de https://elpais.com/espana/2025-02-02/desconocimiento-y-apologia-del-franquismo-en-tik-tok-el-coctel-que-empuja-a-jovenes-al-revisionismo-historico.html
6. Scolari, C. A. (2016). Alfabetismo transmedia: estrategias de aprendizaje informal y competencias mediáticas en la nueva ecología de la comunicación. Comunicar, 24(49), 9-18. https://dialnet.unirioja.es/servlet/articulo?codigo=5498155&orden=0&info=link
7. Junquera, N. (2025, 2 febrero). Desconocimiento y apología del franquismo en Tik Tok: el cóctel que empuja a jóvenes al revisionismo histórico. El País. https://elpais.com/espana/2025-02-02/desconocimiento-y-apologia-del-franquismo-en-tik-tok-el-coctel-que-empuja-a-jovenes-al-revisionismo-historico.html
8. Renaisi (2017). Libraries as community hubs: Case studies and learning. Arts Council England. https://www.artscouncil.org.uk/sites/default/files/download-file/Libraries-CommunityHubs-Renaisi.pdf 4.5 Tendencias emergentes: metaverso educativo y tecnologías inmersivas
El metaverso y las tecnologías inmersivas se están consolidando como una tendencia de gran potencial para el ámbito educativo. Pese al coste todavía significativo de las herramientas y software necesario, es indudable que abren posibilidades inéditas de enseñanza y aprendizaje que permiten superar las limitaciones de los métodos tradicionales. Su introducción permite crear entornos virtuales interactivos a la carta, donde estudiantes y docentes pueden interactuar en tiempo real e integrarse en experiencias educativas más dinámicas y personalizadas.1
El metaverso educativo se puede definir como un espacio virtual compartido, generado por la convergencia de la realidad física y digital, potenciado por tecnologías como la realidad virtual (VR) y la realidad aumentada (AR). En el contexto educativo, el metaverso ofrece oportunidades para crear aulas virtuales donde los estudiantes pueden participar en simulaciones, colaboraciones y exploraciones que serían difíciles (por coste, logística, impacto directo y otras razones) de realizar en el mundo físico.2
La plataforma ‘Dive Into Heritage’ (DIH), desarrollada en colaboración con la UNESCO, permite a los usuarios explorar monumentos históricos a través de experiencias inmersivas utilizando la tecnología digital para la promoción, salvaguardia y transmisión del Patrimonio Mundial a las generaciones futuras. Integra datos digitales e información sobre el patrimonio cultural y natural de la humanidad, incluido su patrimonio inmaterial, para hacerlo accesible a todos, desde modelos 3D, mapas interactivos y narrativas geolocalizadas, incluyendo material audiovisual.3
Aprendizaje ligado a la experiencia
Permiten ubicarse con gran realismo en entornos simulados que replican situaciones del mundo real, facilitando una comprensión más profunda de los conceptos y elementos contextuales.Motivación y compromiso
Su naturaleza interactiva aumenta la motivación y el compromiso de quienes siguen el programa de aprendizaje, con nuevos elementos que en distintas edades suponen mayor atractivo por razones diversas.Accesibilidad
Se trata de tecnologías diseñadas para acceder a experiencias que, de otro modo, serían inviables por limitaciones geográficas, económicas o de seguridad. Su utilidad en simulaciones para procesos de formación práctica altamente especializados permite poner a prueba habilidades en entornos controlados antes de su aplicación en situaciones reales.
Pese a sus ventajas incuestionables, conviene tener claro que la integración de tecnologías inmersivas en los espacios educativos presenta desafíos importantes por el coste de la infraestructura necesaria (en hardware, software y capacitación docente) y por las dificultades que su manejo puede suponer en contextos de brecha digital acusada, tanto para estudiantes como para el profesorado y para quienes trabajan como monitores de prácticas, si se tienen en cuenta los riesgos específicos en materia de privacidad y seguridad que se asocian con los entornos virtuales.4
Las iniciativas para establecer estándares robustos que incentiven el empleo seguro de las tecnologías inmersivas en educación tienen todavía un amplio recorrido. La existencia de metaversos exclusivamente educativos continúa siendo residual, y apenas se tiene evidencia científica de su efectividad pedagógica y de su impacto psicológico.5
Mostrar referencias
1. Imascono (2024). Beneficios y características del metaverso en la educación. https://imascono.com/metaverso-educacion/
2. Lara, J. C. (2023, 14 julio). El metaverso en la educación: informe de investigación. EPALE - European Commission. https://epale.ec.europa.eu/es/resource-centre/content/el-metaverso-en-la-educacion-informe-de-investigacion
3. UNESCO World Heritage Centre. (s. f.). Dive into Heritage. https://whc.unesco.org/en/dive-into-heritage/
4. Morán, M. B. (2022, 4 octubre). El metaverso en la educación: oportunidades y retos. https://www.educaweb.com/noticia/2022/10/04/metaverso-educacion-retos-oportunidades-21018/
5. Ball, M. (2022, 25 agosto). The metaverse explained in 14 minutes. Big Think. https://bigthink.com/series/the-big-think-interview/why-the-metaverse-matters/
🔍 Revisión y práctica
📖 Moreno-Muñoz, M. (2025). Metodologías Docentes Innovadoras. HTML5. http://www.ugr.es/~mm3/mProf/met-select.html
- H5P es una plataforma de código abierto que permite crear contenidos educativos y actividades interactivas. Su funcionalidad incluye la posibilidad de generar más de 40 tipos distintos de recursos (vídeos interactivos, preguntas, juegos, encuestas, líneas de tiempo, etc.). Sus especificaciones y estándares permiten compartir e incrustar el resultado en páginas web y sistemas de gestión de aprendizaje como Moodle. Su interfaz es sencilla e intuitiva, y no se requieren conocimientos de programación para que estudiantes y docentes pueden crear contenidos interactivos de calidad, que se pueden distribuir y reutilizar en abierto bajo licencias Creative Commons.
- eXeLearning: editor para crear contenidos web interactivos offline. Permite incluir textos, imágenes, vídeos, audios, mapas, etc.
- WiseMapping: aplicación en línea para hacer mapas mentales colaborativos e interactivos.
- Learn: editor visual de contenido interactivo basado en nodos. Funciona offline y online.
- Replit: editor online para crear páginas web interactivas (con IA generativa). Incluye un plan básico gratuito y funciones avanzadas.
- Wink: software para crear tutoriales y presentaciones multimedia interactivas.
- Hot Potatoes: autor desktop para generar ejercicios interactivos de rellenar huecos, crucigramas, ordenar palabras, etc.
5 Investigación educativa y formación docente interdisciplinar
La formación para desarrollar investigación educativa debería figurar en los programas de capacitación docente interdisciplinar, dado que aporta una base sólida para analizar, comprender y mejorar los procesos de enseñanza y aprendizaje. No se justifica solo por la importancia que tiene la adquisición de conocimiento empírico para contrarrestar prejuicios y sesgos en la toma de decisiones educativas. Es importante porque favorece el desarrollo de habilidades analíticas y reflexivas esenciales para abordar los retos del sistema educativo moderno en todos sus niveles.1, 2
La incorporación sistemática de la investigación educativa en los programas de formación docente contribuye a que el colectivo docente actúe como productor, y no solo como consumidor de conocimiento. Este tipo de trabajo favorece el avance en múltiples campos de la especialización educativa, con gran impacto social. La exploración y puesta a prueba de metodologías innovadoras, implementando tecnologías emergentes y sometiéndolas a evaluación en el marco de diversas estrategias y enfoques pedagógicos, amplía el papel del personal docente como agentes de cambio social y vectores de influencia cualificada ante las necesidades cambiantes del alumnado y las transformaciones del contexto socioeducativo.3
El enfoque interdisciplinar de la investigación educativa facilita la convergencia de diferentes campos del saber en el análisis de problemas complejos. El proceso formativo del profesorado se puede beneficiar de elementos teóricos y prácticos habitualmente ligados a disciplinas o itinerarios formativos específicos (estadística, biología, ciencias de la computación, etc.), pero pertinentes y útiles para robustecer la base de recursos y referencias teóricas de todo el colectivo profesional en distintos niveles. Una agenda integradora en los programas de formación interdisciplinar es la clave para superar dicotomías obsoletas entre ciencias y letras, entre cultura científica y humanística, que han lastrado durante demasiado tiempo las reformas y los programas educativos. La complejidad de los fenómenos educativos es incompatible con soluciones parciales y unidimensionales (medios técnicos y dispositivos; psicologización o encuadre emocional de ciertos problemas; o contexto social adverso, p. ej.), y demanda tanto creatividad en las soluciones como sofisticación en las herramientas y marcos teóricos o epistémicos de referencia.4, 5
En la práctica profesional, la capacitación interdisciplinar se manifiesta en la habilidad para integrar conocimientos, teorías y métodos de distintas disciplinas con los que diseñar intervenciones educativas más efectivas y contextualizadas.6 El esquema clásico de investigación-acción se asocia con metodologías que incorporan el estudio y análisis crítico de la propia práctica, con la finalidad de identificar áreas de mejora y poner a prueba estrategias innovadoras alternativas en los diversos contextos de enseñanza. Observación, investigación, reflexión y acción son aspectos ineludibles en cualquier esquema de desarrollo profesional orientado a la mejora de resultados educativos.7
El desarrollo de competencias para la recopilación y análisis de datos debería formar parte del programa de mejora de la formación inicial y continua del profesorado. La investigación educativa de calidad constituye el sustrato para adoptar decisiones informadas y basadas en evidencia sobre su práctica pedagógica. La alfabetización en la obtención y manejo de datos se está consolidando como un componente clave de las habilidades requeridas para desempeñar tareas cualificadas en entornos competitivos. Pero en las profesiones docentes este tipo de habilidades pueden ser la base para evaluaciones rigurosas del impacto de los programas de innovación y posibilitar ajustes efectivos y realistas de las prácticas docentes a las necesidades de aprendizaje.8
Las comunidades o redes de práctica docente facilitan la difusión de buenas prácticas en investigación educativa, ampliando el alcance de acciones individuales o institucionales aisladas. Permiten identificar mejoras que no resultan obvias sin datos precisos y desafíos comunes (p. ej., cuando se habla del empeoramiento de la competencia lingüística y matemática entre diversos países de la OCDE). La tendencia a consolidar redes internacionales de colaboración fomenta el desarrollo de proyectos de investigación conjuntos, acelerando la difusión de hallazgos relevantes con muestras más amplias y de mayor resolución. Estos aspectos adquieren importancia cuando se observa una evolución desfavorable de ciertos indicadores entre países y redes de centros que comparten numerosas características, puesto que permiten reaccionar con mayor rapidez y articular soluciones innovadoras en función de otros factores diferenciadores del contexto educativo.9, 10
Mostrar referencias
1. Perines, Haylen, and F. Javier Murillo (2017). “¿Cómo Mejorar La Investigación Educativa? Sugerencias de Los Docentes.” Revista de La Educación Superior 46 (181): 89–104. https://doi.org/10.1016/j.resu.2016.11.003.
2. M. E. Sinclair, A. García (2021). Estrategia para fomentar la investigación en la formación de docentes. Ciencia, Vol. 72 (2), 40-47.https://www.amc.edu.mx/revistaciencia/images/revista/72_2/PDF/08_72_2_1199_FormacionDocente.pdf.
3. Meza Montes, J. K., and M. G. Mendoza Zambrano (2023). Revisión Sistemática: Tecnologías Educativas Emergentes En La Formación Docente de La Sociedad Del Conocimiento En El Contexto Latinoamericano. MQRInvestigar 7 (1): 2527–44. https://doi.org/10.56048/MQR20225.7.1.2023.2527-2544.
4. Murphy, P. K. et al. (2012). “Examining Epistemic Frames in Conceptual Change Research: Implications for Learning and Instruction.” Asia Pacific Education Review 13 (3): 475–86. https://doi.org/10.1007/s12564-011-9199-0.
5. Campbell, T. and X. Fazio (2020). “Epistemic Frames as an Analytical Framework for Understanding the Representation of Scientific Activity in a Modeling-Based Learning Unit.” Research in Science Education 50 (6): 2283–2304. https://doi.org/10.1007/s11165-018-9779-7.
6. Jensen, Ben (2010). What Teachers Want: Better Teacher Management. Grattan Institute. https://apo.org.au/sites/default/files/resource-files/2010-05/apo-nid21375.pdf.
7. Sagor, R. (2019). Guiding school improvement with action research. ASCD.
8. Rienties, B., and L. Toetenel (2016). “The Impact of Learning Design on Student Behaviour, Satisfaction and Performance: A Cross-Institutional Comparison across 151 Modules.” Computers in Human Behavior 60 (July): 333–41. https://doi.org/10.1016/j.chb.2016.02.074.
9. Blackmore, C. (ed. 2010). Social Learning Systems and Communities of Practice. London: Springer London. https://doi.org/10.1007/978-1-84996-133-2.
10. Wenger-Trayner, E., & Wenger-Trayner, B. (2015). Introduction to communities of practice: A brief overview of the concept and its uses. https://wenger-trayner.com/introduction-to-communities-of-practice/. 5.1 Conceptos y técnicas de evaluación, investigación e innovación
En el ámbito educativo de las ciencias sociales, humanidades y filosofía, tanto la investigación como la innovación docente presuponen mucho más que ciertas opciones por instrumentos o criterios de evaluación determinados. Se requiere una comprensión profunda de conceptos pedagógicos avanzados y un grado notable de familiaridad con el potencial y limitaciones de ciertos modelos y técnicas metodológicas. Una elección desafortunada conlleva ineficacia, malos resultados y desmotivación entre los actores implicados.
Cada contexto de actuación profesional tiene sus especificidades, por comunes que puedan parecer a primera vista las características de grupos y centros de una misma etapa. Adaptarse a ellas constituye a veces un proceso largo y complicado, con reveses y curvas de aprendizaje en múltiples direcciones (equipos directivos, entorno familiar, idiosincrasia de los centros de la zona, etc.). Conseguir retroalimentación continua de los actores concernidos es importante, y reduce el número de pasos en la dirección equivocada. Pero el objetivo es consolidar una dinámica o cultura de reflexión y evaluación continua, necesaria para sortear la inercia de los enfoques centrados solo en resultados (denominada también evaluación sumativa, al final de cada periodo de aprendizaje). El empleo de metodologías cualitativas y cuantitativas puede proporcionar una comprensión detallada de las experiencias y percepciones de los estudiantes.
Incrolucrarse en un modelo de evaluación continua supone para el personal docente asumir un papel activo, que incluye acciones de retroalimentación, observación directa y corrección de puntos débiles en las estrategias de aprendizaje:
Es crucial un ambiente de trabajo en clase motivador, que invite a la participación, flexible, positivo y coherente en objetivos y medios.
Adquieren importancia las herramientas (aplicaciones y plataformas) de seguimiento, con posibilidades de monitorización y evaluación individualizada que difícilmente podrían asociarse con el tradicional cuaderno de clase en papel.
El sistema de evaluación continua resulta el marco idóneo para dinámicas de grupo y resolución de problemas de manera colaborativa.
Los objetivos de aprendizaje deben estar bien definidos, así como el nivel de conocimiento previo y los indicadores de rendimiento o mejora.
La selección de instrumentos y técnicas de evaluación deben ajustarse a la complejidad de las tareas propuestas y al grado de desarrollo de las habilidades necesarias, revisando en función de las dificultades detectadas.
Las evidencias objetivas de mejora en el desempeño individual o del grupo deben quedar registradas con los instrumentos adecuados, de manera que permitan análisis comparativo entre grupos y promociones. Su utilidad se justifica por la necesidad de facilitar investigación orientada a aportar evidencia sobre metodologías y enfoques que contribuyen a mejorar los resultados.
Estos aspectos adquieren importancia en un contexto donde es frecuente la imitación acrítica e irreflexiva de prácticas y enfoques de corte neoludita o tecnofóbico, alineadas con criterios obsoletos de reducción del gasto en tecnología educativa y expectativas ilusorias de mayor eficacia con métodos propios de la era predigital.
Referencias
1. Dincher, M., & Wagner, V. (2023). On the relationship between technophobia and technology acceptance in schools. https://doi.org/10.2139/ssrn.4599998
2. Hattie, John (2008). Visible Learning. Routledge. https://doi.org/10.4324/9780203887332
3. Pérez, M. (2022). Evaluación continua: ¿qué es y cómo funciona? https://www.smowl.net/es/blog/evaluacion-continua-que-es-y-como-funciona/
4. Wikipedia cols. (2025, 12 de diciembre). Neoludismo. En Wikipedia, la enciclopedia libre. https://es.wikipedia.org/wiki/Neoludismo
5. Yang, Lei, y Jijun Wang (2024). Exploring the Causes, Consequences, and Solutions of EFL Teachers’ Perceived Technophobia. The Asia-Pacific Education Researcher, vol. 33, n.o 4, agosto de 2024, pp. 931-42. https://doi.org/10.1007/s40299-023-00780-8
6. Zivi, P., Malatesta, G., Mascia, M. L., Diana, M. G., Di Domenico, A., Penna, M. P., & Palmiero, M. (2025). Protective factors against technostress in secondary school teachers. Scientific Reports, 15(1), 35554. https://doi.org/10.1038/s41598-025-19604-4
El modelo de Diseño Universal para el Aprendizaje (DUA) fue desarrollado para fomentar la creación de entornos de aprendizaje inclusivos y accesibles, de modo que cada estudiante pueda participar de manera efectiva en el proceso educativo sin limitaciones insuperables derivadas de su repertorio de capacidades. El mayor progreso registrado hasta la fecha en adaptación inclusiva de las metodologías educativas ha sido gracias al desarrollo de la digitalización y la convergencia de formatos en el soporte digital, en paralelo a las dotaciones de personal especializado para atender grupos reducidos de personas con necesidades específicas en los centros educativos.1
No es infrecuente la confusión entre acciones que requieren personal involucrado en programas de refuerzo (dirigidos a estudiantes cualquier nivel educativo que no han requerido una evaluación psicopedagógica previa, y para quienes en grupos reducidos o de forma individualizada el personal docente del área o materia diseña alguna estrategia de refuerzo de los aprendizajes) y acciones que solo pueden ser llevadas a cabo por profesionales externos cualificados/as para aplicar metodologías inclusivas con estudiantes NEAE que disponen de informe psicopedagógico previo. La tarea con estudiantes NEAE se desarrolla siempre de forma individualizada, con criterios por lo general revisados en un equipo de profesionales especializados, con la formación y especialización adecuadas para atender a personas con necesidades especiales (Pedagogía Terapeútica) y llevar a cabo adaptaciones curriculares complejas.2
Pero aplicar este enfoque en grupos con características que difieren significativamente del promedio exige un esfuerzo considerable de reflexión crítica continua y una clara disposición a evaluar las prácticas y recursos docentes.3
→ Equipo Pedagógico (2023). Diseño Universal para el Aprendizaje. https://www.campuseducacion.com/blog/recursos/diseno-universal-para-el-aprendizaje/
→ AFOE (2024, sept. 26). Los principios DUA en educación: qué es Diseño Universal de Aprendizaje. https://www.afoe.org/dua-principios/
- Recursos Aula. (2020, 29 julio). Diseño Universal para el Aprendizaje (DUA) [Vídeo]. YouTube. https://www.youtube.com/watch?v=qFKoR7NaxNw
- AA. VV. (2023, 25 marzo). Diseño Universal del Aprendizaje (DUA) y cómo aplicarlo en el aula. https://www.educativospara.com/diseno-universal-del-aprendizaje-dua-y-como-aplicarlo-en-el-aula/
- AFOE (2024, 26 septiembre). Los principios DUA en educación: qué es Diseño Universal de Aprendizaje. https://www.afoe.org/dua-principios/
- CAST. (2011). Universal Design for Learning Guidelines version 2.0.
Traducción al español (2013): Pautas sobre el Diseño Universal para el Aprendizaje (DUA). https://drive.google.com/file/d/1kzgg8OKWhRobSuDiOdYPtxLcWCWrlQY0/view
Mostrar referencias
1. Ramos, M. F. R. (2024, 5 diciembre). Refuerzo educativo y apoyo especializado. Euroinnova International Online Education. https://www.euroinnova.com/pedagogia-terapeutica/articulos/refuerzo-educativo-y-apoyo-especializado
2. Moliner, L., & Alegre, F. (2022). The Role of Therapeutic Pedagogy Teachers from an Inclusive Perspective in Mathematics Secondary Education in Spain. INTED Proceedings, 1, 1445. https://doi.org/10.21125/inted.2022.0437
3. Díez Villoria, E. y S. Sánchez Fuentes (2015). “Diseño Universal Para El Aprendizaje Como Metodología Docente Para Atender a La Diversidad En La Universidad.” Aula Abierta 43 (2): 87–93. https://doi.org/10.1016/j.aula.2014.12.0025.2 Metodología e instrumentos de evaluación, investigación e innovación
La incorporación de tecnologías digitales en los procesos de enseñanza y aprendizaje ha transformado el panorama educativo en las disciplinas de humanidades y ciencias sociales. La integración de portafolios digitales y entornos virtuales de aprendizaje ha ampliado y mejorado la experiencia educativa de estudiantes y docentes, facilitando el seguimiento de las materias con actividades diarias de aprendizaje y evaluación en línea, y proporcionando información detallada sobre el progreso individual de los estudiantes. Una perspectiva amplia y sustentada en datos fiables sobre las características o evolución de los grupos en cada etapa resulta crucial para adoptar metodologías pedagógicas reflexivas y flexibles, ágiles en la respuesta adaptativa cuando se conocen indicadores subóptimos o desfavorables.
El recurso a plataformas de apoyo a la docencia o sistemas de gestión del aprendizaje (LMS, por sus siglas en inglés) se ha popularizado en el ámbito académico en parte porque incorporan funciones avanzadas que permiten a los docentes una mejor distribución de contenidos y coordinación de tareas, combinando algunas en modalidad de autoevaluación o aprendizaje autónomo y otras sujetas a revisión y retroalimentación para su mejora.
Google Classroom, Moodle o Blackboard incluyen funciones para registrar las rúbricas que sirven de referencia en la evaluación de tareas y estructurar el tipo de retroalimentación necesario con criterios claros y objetivos. Se trata de elementos que pueden facilitar una evaluación más justa, pormenorizada y constructiva.1, 2
La facilidad para graduar tareas de creciente dificultad, ligadas a recursos enlazados o dentro de la plataforma, explica la importancia creciente de las rúbricas en la evaluación educativa de ejercicios, tareas y proyectos en soporte digital. Aportan claridad y consistencia; facilitan el escrutinio de los criterios aplicados con la experiencia de uso por parte de evaluadores y evaluados; permiten detectar sesgos o elementos subjetivos en la valoración de resultados, reduciendo la incertidumbre entre quienes deben planificar el trabajo de preparación al desglosar los criterios y expectativas de desarrollo o rendimiento posibles. Conocidas en sus detalles relevantes antes de iniciar las tareas, las rúbricas sirven de base para una evaluación más objetiva y transparente de competencias y resultados.3
Nuevas herramientas hacen viables enfoques metodológicos también novedosos. El denominado investigación-acción se propuso para integrar la reflexión, la acción y la evaluación en un ciclo continuo de mejora. Las estrategias se mejoran y adaptan en función de elementos y datos de investigación recabados sobre la propia práctica, acortando así el tiempo de adopción de nuevas técnicas en respuesta directa a las necesidades y valoración de los estudiantes.4, 5
El componente iterativo en el proceso de investigación-acción ayuda a consolidar entornos pedagógicos mucho más dinámicos, atentos a la detección de dificultades y centrados en respuestas eficaces a las necesidades y valoraciones de los estudiantes. Este enfoque contribuye a mejorar la eficacia de las intervenciones y adaptaciones en fases tempranas del periodo de aprendizaje, cuando todavía es posible actuar con un margen razonable de tiempo para reconducir estrategias, reducir el fracaso o solventar los problemas detectados.6
El impacto de la digitalización en los sistemas educativos ha sido brusco y disruptivo para ciertos segmentos de cada colectivo profesional involucrado, incluyendo a los responsable de las instituciones educativas públicas y privadas que gestionan grandes redes de centros. Los relatos en clave promocional han contribuido a exagerar las ventajas y beneficios asociados con ciertos recursos o servicios (la introducción de carritos con portátiles de bajas prestaciones para su uso ocasional en las aulas; o ciertos laboratorios de idiomas con mobiliario y componentes específicos costosos, p. ej.), y a introducir una fastidiosa jerga empresarial (educación 4.0, universidades blockhain) que, con más análisis, literatura y perspectiva, se vio que aportaban poco a la mejora de resultados.7, 8
Aunque son múltiples las experiencias exitosas cuidadosamente evaluadas y publicadas, la incorporación de tecnologías digitales en las aulas plantea también desafíos significativos, relacionados con la equidad en el acceso y la necesidad de proporcionar oportunidades para el desarrollo de las competencias digitales a estudiantes y docentes. Formación y cultura de trabajo comprometida con la mejora de resultados y de la motivación en el entorno de trabajo constituyen logros tan difíciles de consolidar como la disponibilidad de la infraestructuras tecnológica adecuada.
Todo programa de innovación debería estar sujeto a escrutinio crítico, considerando las implicaciones pedagógicas, sociales y éticas del uso de determinadas plataformas (herramientas o servicios, licencias, actualización y mantenimiento, entre otros aspectos). Las herramientas elegidas deben asociarse con la incorporación en el proceso pedagógico de posibilidades inéditas, con mayor eficacia para aligerar la carga de trabajo en tareas tediosas y con mayor flexibilidad en la planificación de objetivos individuales o grupales. Es recomendable reflexionar, en cada contexto de aplicación, sobre cómo las herramientas y técnicas de innovación pueden fomentar prácticas educativas inclusivas y democráticas, una cultura de colaboración más robusta y oportunidades para la formación, el debate y el intercambio de experiencias exitosas entre el profesorado.9
1. Elaborar un asistente socrático con IA Gen
Los nuevos servicios de IA generativa permiten crear recursos adaptados a necesidades específicas. Si se diseña cuidadosamente y con las opciones precisas, un mismo recurso puede servir de soporte en tareas de evaluación, autoevaluación y repaso individual, exposición de conceptos e ideas básicas sobre un tema complejo a toda la clase, para el análisis de fuentes y puntos de vista o para analizar nociones previas. Estas finalidades pueden integrarse en una misma herramienta, diseñada inicialmente como asistente socrático y cuestionario interactivo para autoevaluación. El código necesario se generó y depuró con Claude.ai (3-Opus-200k), integrado en un fichero HTML único (y compartido en línea como artifact).
→ Artifact (Claude.ai, 2024): Impacto social de la desinformación. Vers. 3‑Opus‑200k. https://claude.site/artifacts/71e2256b-64a0-44c1-954e-022e3a59282a
2. Converir una plantilla estática en rúbrica interactiva
Con pocas modificaciones en las instrucciones iniciales, es fácil convertir una rúbrica existente (habitual en las programaciones de la etapa preuniversitaria y en las guías docentes de grado y posgrado) en un recurso interactivo para facilitar la evaluación individual o el desempeño de grupos de trabajo:
→ Conversión de plantilla con criterios de evaluación (rúbrica con formato de tabla) a herramienta interactiva en HTML usando Claude‑3‑Opus. https://sites.google.com/go.ugr.es/iadoc24/rubr-ev#h.lewss2pwu8ma
Aunque los contenidos de referencia estén en otro idioma, el potencial de la IA generativa para articular prácticas accesibles e inclusivas resulta extraordinario, sobre todo cuando los contenidos de referencia no están en el idioma mayoritario de los estudiantes y su dificultad supera o no se ajusta al nivel esperable en la etapa:
→ Herramienta de autoevaluación interactiva y análisis de contenido (Claude 3.5 Sonnet), a partir de una pieza periodística en inglés. Formato HTML con script y CSS integrados.
https://sites.google.com/go.ugr.es/iadoc24/autoev#h.mp8cp8gesx9d
Esta última es en realidad un ejemplo de tarea compleja que integra:
- Resultados obtenidos con un buscador avanzado
- Traducción profesional del inglés al español
- Programación en HTML y JavaScript
- Lógica para la suma de aciertos, errores y barra de progreso
- Selección de contenido ajustado al nivel de la etapa
- Feedback enriquecido
- Opciones de usabilidad y diseño de interfaz
Desinformación:
Lista de verificación y herramienta de autoevaluación para introducir el problema de las fuentes y las cautelas en la difusión de contenidos sin verificar. https://sites.google.com/go.ugr.es/iadoc24/disinf#h.im56mhm8almm
Asistente socrático (inglés/enseñanza bilingüe) para contrastar nociones previas sobre el problema de la desinformación y sus implicaciones epistémicas y sociales. https://sites.google.com/go.ugr.es/iadoc24/disinf#h.im56mhm8almm
Juego educativo para combatir la desinformación. https://sites.google.com/go.ugr.es/iadoc24/disinf#h.p7d7m48yysjb
Mostrar referencias
1. Tipán, D. et al. (2021). “Portafolio Digital Interactivo Un Recurso Para La Autoevaluación Integral.” HAMUT’AY 8 (2): 43. https://doi.org/10.21503/hamu.v8i2.2289
2. Román, L. (n.d.). Evaluar con dosier o portfolio de aprendizaje: qué es y cómo aplicarlo. https://www.educaciontrespuntocero.com/noticias/evaluar-dosier-portfolio-aprendizaje-que-es-como-aplicarlo/.
3. Jonsson, A., and G. Svingby (2007). “The Use of Scoring Rubrics: Reliability, Validity and Educational Consequences.” Educational Research Review 2 (2): 130–44. https://doi.org/10.1016/j.edurev.2007.05.002.
4. Albar-Marín, M. J. et al. (2023). “Repercusiones de La COVID-19 En Un Proceso de Investigación-Acción Participativa Con Adolescentes Gitanas.” Gaceta Sanitaria 37: 102255. https://doi.org/10.1016/j.gaceta.2022.102255.
5. Bañas, C. et al. (2011). “Un Programa de Investigación – Acción Con Profesorado de Secundaria Sobre La Enseñanza – Aprendizaje de La Energía.” Educación Química 22 (4): 332–39. https://doi.org/10.1016/S0187-893X(18)30153-8.
6. Mills, G. E. (2017). Action research: A guide for the teacher researcher. 6a ed. Ch. 8-10. Upper Saddle River, NJ: Pearson.
7. Castañeda, L., and Neil Selwyn (2018). “More than Tools? Making Sense of the Ongoing Digitizations of Higher Education.” International Journal of Educational Technology in Higher Education 15 (1): 22. https://doi.org/10.1186/s41239-018-0109-y.
8. Castro, M. D. B., and G. M. Tumibay (2021). “A Literature Review: Efficacy of Online Learning Courses for Higher Education Institution Using Meta-Analysis.” Education and Information Technologies 26 (2): 1367–85 (sobre todo págs. 1379-1380). https://doi.org/10.1007/s10639-019-10027-z.
9. Fullan, M. (2012). Stratosphere: Integrating technology, pedagogy, and change knowledge. Prentice-Hall.5.3 Diseño, implementación y evaluación de nuevas propuestas de enseñanza en ciencias sociales y filosofía
Un enfoque integrador de contenidos interdisciplinares requiere involucrarse en procesos de formación orientados al desarrollo de competencias transversales. Múltiples disciplinas de ámbitos de conocimiento no necesariamente afines pueden proporcionar técnicas, procedimientos de trabajo y contenidos muy valiosos para el desarrollo del pensamiento crítico. Pero hay aspectos del aprendizaje y del desarrollo personal (empatía, comprensión y tolerancia intercultural, flexibilidad para adoptar enfoques diversos sobre ciertos problemas) que van ligados a materias y contenidos como los recogidos en las programaciones de historia y filosofía, por ejemplo.
Las propuestas pedagógicas innovadoras se ajustan mejor al desafío de participar activamente en sociedades globalizadas, abiertas y plurales. Mientras los sistemas, enfoques y técnicas tradicionales estaban centrados en contenidos y aprendizaje sumativo, las metodologías innovadoras atienden al efecto de los aprendizajes en la motivación, el compromiso y la satisfacción de los estudiantes. Sin medios aptos para obtener retroalimentación de calidad y pormenorizada se resiente el propósito de recalibrar, ajustar y mejorar las prácticas docentes.11, 12, 13
Los itinerarios de formación superior cada vez están más abiertos a concreciones, complementos y reorientaciones en másteres y cursos de posgrado. La necesidad de reorientación y nuevos aprendizajes no desaparece una vez lograda la inserción profesional. Los dominios de actividad profesional evolucionan con rapidez, por factores internos y transformaciones en el contexto sociotécnico. Un repertorio amplio de enfoques, metodologías, herramientas creativas y tareas asociadas con procesos que por sí mismos pueden requerir “microaprendizajes” —con tutoriales de uso y documentación en línea— enriquece el bagaje de habilidades, destrezas y conocimientos prácticos que se presupone en la (macro)competencia digital. La competencia digital dista de ser unitaria y específica; se trata más bien de un concepto complejo y multifacético, puesto que involucra habilidades y conocimientos teórico-prácticos heterogéneos, muchos de los cuales sirven de base o herramienta para adquirir nuevas destrezas.
El marco DigComp de la Comisión Europea identifica 5 aspectos de la competencia digital: alfabetización informacional y de datos, comunicación y colaboración, creación de contenido digital, seguridad, y resolución de problemas tecnológicos. A su vez, cada uno involucra habilidades diferentes, con distintos niveles de complejidad.
Algunas administraciones han elaborado sus propias herramientas para evaluar varias dimensiones implicadas en la competencia digital. El test Ikanos del Gobierno Vasco evalúa la competencia digital en dimensiones como la alfabetización tecnológica, el uso seguro y responsable de tecnologías, la comunicación interpersonal, el procesamiento y gestión de información, la creación de contenidos, la resolución de problemas y las habilidades socioemocionales, entre otras. Por lo tanto, conviene manejar un criterio realista y sofisticado al interpretar los niveles de formación y conocimiento práctico que requiere cualquier programa de innovación con herramientas, plataformas y recursos digitales.
1. ¿Qué es el Test Ikanos?
El Test Ikanos es una herramienta online de autoevaluación de competencias digitales desarrollada por el Gobierno Vasco que permite realizar un autodiagnóstico basado en el Marco Europeo DigComp. Con más de 70.000 perfiles emitidos, se ha consolidado como un instrumento validado para ciudadanos, profesionales, docentes y estudiantes que buscan conocer su nivel de capacitación digital.
Características y validez
El test destaca por nueve aspectos fundamentales que garantizan su rigor y utilidad:
- Percepción: Mide confianza y conocimiento en tareas digitales mediante afirmaciones que reflejan diferentes niveles de competencia
- Concienciación: Proporciona una visión estructurada y completa de todas las áreas de competencia digital según DigComp
- Visualización: Genera un perfil gráfico que muestra logros y carencias en cada competencia
- Prescriptivo/Motivador: Ofrece información útil para establecer objetivos de mejora personalizados
- Archivable: Perfil descargable en PDF para análisis y seguimiento temporal
- Sencillez: Interfaz intuitiva comprensible sin necesidad de formación previa
- Exhaustivo: Preguntas alineadas con descriptores DigComp que evalúan conocimientos, habilidades y actitudes
- Breve: Completable en menos de 20 minutos
- Neutral: No vinculado a plataformas tecnológicas específicas (Windows, Android, etc.) ni aplicaciones concretas
Aplicaciones y utilidad profesional
Para personas y profesionales
El Test Ikanos inicia un proceso personalizado de mejora continua que incluye:
- Diagnóstico inicial: Obtención del Perfil Digital Personal que sitúa al usuario respecto al estándar europeo
- Análisis comparativo: Contraste con Perfiles Digitales Profesionales de ocupaciones específicas para identificar brechas competenciales
- Itinerario formativo: Diseño de rutas de aprendizaje personalizadas basadas en las diferencias detectadas
- Certificación: Preparación para acreditaciones oficiales como BAIT (Certificación de Competencias Digitales)
Para organizaciones y empresas
Las empresas pueden utilizar Ikanos para:
- Visualizar el Perfil Digital Organizacional segmentado por departamentos, localización o grupos etarios
- Definir objetivos de competencia digital para puestos clave en procesos de transformación digital
- Diseñar planes de capacitación específicos y estrategias de upskilling/reskilling
- Evaluar la preparación del personal para implementar soluciones digitales (IoT, trazabilidad, ciberseguridad, paperless, etc.)
Valor añadido en el contexto académico
El test Ikanos se utiliza como instrumento de investigación en universidades europeas y americanas, facilitando el acceso organizado a estudiantes, doctorandos y equipos docentes para proyectos de análisis académico sobre competencias digitales.
Fuente: (1) Ikanos - Gobierno Vasco | (2) Test de autoevaluación | (3) DigComp 2.2, The Digital Competence Framework for Citizens (2022)
En muchos casos, la reticencia a incorporar nuevas herramientas o metodologías responde a percepciones realistas sobre su complejidad y a la sensación de no disponer del tiempo necesario para articular, de forma integrada, las destrezas, conocimientos y actitudes que exige un uso estratégico de las tecnologías digitales. Las propuestas pedagógicas innovadoras —especialmente cuando se apoyan en plataformas y recursos digitales avanzados— requieren ajustes significativos tanto en la dimensión instrumental como en la cognitiva. A ello se suma un componente socioemocional y valorativo que también debe desarrollarse, de manera gradual y, previsiblemente, lenta.14
Mostrar referencias
11. Chou, C.-M. et al. (2023). “The Impact of CIE Education Integrated with the BIG 6 Teaching Strategy on Students’ Innovative Motivation, Creativity, Metacognition, and Self-Perceived Employability.” Thinking Skills and Creativity 48 (June): 101287. https://doi.org/10.1016/j.tsc.2023.101287.
12. Gunness, A. et al. (2023). “Effect of Student Responsiveness to Instructional Innovation on Student Engagement in Semi-Synchronous Online Learning Environments: The Mediating Role of Personal Technological Innovativeness and Perceived Usefulness.” Computers & Education 205 (November): 104884. https://doi.org/10.1016/j.compedu.2023.104884.
13. Alt, D. et al. (2023). “Promoting Perceived Creativity and Innovative Behavior: Benefits of Future Problem-Solving Programs for Higher Education Students.” Thinking Skills and Creativity 47 (March): 101201. https://doi.org/10.1016/j.tsc.2022.101201.
14. García-Ruiz, R. et al. (2023). “Evaluación de La Competencia Digital Docente: Instrumentos, Resultados y Propuestas. Revisión Sistemática de La Literatura.” Educación XX1 26 (1): 273–301. https://doi.org/10.5944/educxx1.33520. 5.4 El reto de preservar la autonomía humana en tareas asistidas por IA
La evaluación empírica del impacto de la inteligencia artificial en la calidad de la toma de decisiones humana requiere marcos metodológicos robustos, capaces de superar las limitaciones de los diseños experimentales convencionales. Ben-Michael y otros (2024) proponen un marco estadístico innovador para evaluar si los sistemas de IA mejoran efectivamente las decisiones humanas, aplicable tanto a estudios experimentales como observacionales. Su enfoque descompone el efecto total de la asistencia de IA en componentes causales específicos, permitiendo distinguir entre mejoras atribuibles a la complementariedad humano-IA y aquellas derivadas de la mera sustitución del juicio humano. Este marco resulta interesante, ante la proliferación de sistemas de apoyo a la decisión que carecen de validación empírica rigurosa sobre su contribución real al rendimiento cognitivo humano.1-3
El objetivo de preservar la autonomía humana en contextos de aprendizaje mediado por IA constituye un desafío ético fundamental. La cantidad y diversidad de decisiones involucradas complica el esquema de diseño experimental. Buijsman y colaboradores (2025) argumentan que la autonomía no debe conceptualizarse meramente como ausencia de coacción externa, sino como capacidad sustantiva para la autodeterminación informada. Proponen principios de diseño específicos centrados en la transparencia procedimental, la reversibilidad de las recomendaciones algorítmicas, y la preservación del espacio deliberativo necesario para el ejercicio del juicio crítico. Su marco normativo establece que los sistemas de IA deben diseñarse explícitamente para amplificar, no erosionar, la capacidad de agencia reflexiva del usuario, evitando arquitecturas que induzcan dependencia epistémica o delegación irreflexiva de la responsabilidad y capacidad decisoria.5-8, 12
Estudios recientes sugieren efectos heterogéneos de la IA generativa sobre la productividad y calidad del trabajo cognitivo, apuntando a patrones complejos de interacción humano-tecnología que difícilmente encajan en narrativas simplistas sobre el potencial de la automatización en profesiones asociadas con alta cualificación. Dell’Acqua y otros (2023) aportan evidencia experimental de campo, reforzando la hipótesis de que la IA generativa produce mejoras significativas en productividad (incrementos del 12.2% en tareas completadas) y calidad (aumento del 40% en evaluaciones de rendimiento), si bien específicamente referidas a tareas de una dificultad moderada, para las cuales las capacidades del modelo son suficientes. Identifican efectos adversos cuando los trabajadores aplican IA a tareas fuera de este rango, lo que subraya que la efectividad de la asistencia de IA depende fundamentalmente de la metacognición del usuario para discernir los límites de aplicabilidad del sistema. Cómo calibrar la confianza y la evaluación de la idoneidad contextual de la intervención de IA constituye un desafío notable, con implicaciones para el marco regulador.3, 8
La automatización del descubrimiento científico mediante sistemas multiagente basados en razonamiento sobre grafos de conocimiento representa un avance significativo hacia la autonomía computacional en investigación. Ghafarollahi & Buehler (2024) enfatizaron en la presentación de SciAgents su capacidad para operar como un sistema que emplea agentes de IA especializados capaces de formular hipótesis, diseñar experimentos computacionales, y sintetizar conocimiento emergente a través de razonamiento sobre grafos biomédicos. Si el sistema demuestra capacidad real para generar insights científicos novedosos mediante la integración de información distribuida en la literatura multidisciplinar, logrando rendimiento superior al promedio humano en tareas de descubrimiento de relaciones no evidentes en conjuntos de datos biomédicos, se plantean interrogantes fundamentales sobre la naturaleza de la creatividad científica y la futura división del trabajo cognitivo entre investigadores humanos y sistemas autónomos de IA.4, 9
Los avances recientes en IA agencial muestran cómo los sistemas multiagente pueden asumir tareas tradicionalmente reservadas a equipos humanos de investigación. El enfoque SciAgents —desarrollado en el MIT— propone una arquitectura donde múltiples agentes especializados colaboran mediante razonamiento sobre grafos de conocimiento, integrando información distribuida en literatura científica y bases de datos biomédicas.
Este modelo permite que distintos agentes:
- formulen hipótesis científicas basadas en patrones no triviales,
- diseñen experimentos computacionales y evalúen su viabilidad,
- realicen búsqueda y síntesis de conocimiento en grafos ontológicos,
- detecten relaciones emergentes entre conceptos biomédicos,
- y generen insights novedosos con rendimiento comparable o superior al promedio humano en tareas de descubrimiento científico.
La posibilidad de integrar estos sistemas en contextos educativos abre escenarios donde estudiantes y docentes pueden interactuar con agentes científicos autónomos, capaces de explicar procesos, sugerir rutas de investigación, analizar corpus complejos o generar hipótesis justificadas. Esto plantea preguntas profundas sobre la creatividad científica, la autoría intelectual y la futura división del trabajo cognitivo entre humanos y sistemas autónomos.
Más información técnica sobre la arquitectura SciAgents:
(1) https://github.com/lamm-mit/SciAgentsDiscovery/blob/main/README.md
(2) Martinovich, S. (2024, November 12). Graph-based AI model maps the future of innovation. MIT News. https://news.mit.edu/2024/graph-based-ai-model-maps-future-innovation-1112
(3) Vídeo explicativo sobre SciAgents (MIT News / Markus Buehler)
https://youtu.be/BgEQ1npR7ic?si=s6fs842Ga-xwuZNn
(4) Presentación técnica sobre IA agencial y descubrimiento científico
https://youtu.be/BiYzthIvrz8?si=zjQV_HMtKvsqa13k
La integración de IA en contextos educativos genera una paradoja cognitiva fundamental: mientras ofrece potencial para la personalización del aprendizaje y el andamiaje cognitivo, simultáneamente incrementa el riesgo de erosionar competencias metacognitivas esenciales y procesos de pensamiento crítico. Un estudio reciente (Jose et al., 2025) aborda este dilema mediante análisis de implementaciones educativas de IA, identificando efectos contradictorios donde el apoyo algorítmico mejora el rendimiento inmediato en tareas específicas pero reduce la transferencia de aprendizaje y la capacidad para la autorregulación cognitiva. Concluyen que la resolución de esta paradoja requiere diseños pedagógicos que equilibren explícitamente la eficiencia procedimental proporcionada por la IA con oportunidades estructuradas para el desarrollo de habilidades metacognitivas, evitando arquitecturas que fomenten la dependencia tecnológica a expensas del desarrollo de la autonomía intelectual.5, 7
Mostrar referencias
1. Ben-Michael, E., Greiner, D. J., Huang, M., Imai, K., Jiang, Z., & Shin, S. (2024). Does AI help humans make better decisions? A statistical evaluation framework for experimental and observational studies. arXiv. https://doi.org/10.48550/ARXIV.2403.12108
2. Buijsman, S., Carter, S. E., & Bermúdez, J.-P. (2025). Autonomy by design: Preserving human autonomy in ai decision-support. Philosophy & Technology, 38(3), 97. https://doi.org/10.1007/s13347-025-00932-2
3. Dell’Acqua, F., McFowland, E., Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., Krayer, L., Candelon, F., & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of ai on knowledge worker productivity and quality. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4573321
4. Ghafarollahi, A., & Buehler, M. J. (2024). SciAgents: Automating scientific discovery through multi-agent intelligent graph reasoning. arXiv. https://doi.org/10.48550/ARXIV.2409.05556
5. Jose, B., Cherian, J., Verghis, A. M., Varghise, S. M., S, M., & Joseph, S. (2025). The cognitive paradox of AI in education: Between enhancement and erosion. Frontiers in Psychology, 16, 1550621. https://doi.org/10.3389/fpsyg.2025.1550621
6. Kwa, T., West, B., Becker, J., Deng, A., Garcia, K., Hasin, M., Jawhar, S., Kinniment, M., Rush, N., Von Arx, S., Bloom, R., Broadley, T., Du, H., Goodrich, B., Jurkovic, N., Miles, L. H., Nix, S., Lin, T., Parikh, N., … Chan, L. (2025). Measuring ai ability to complete long tasks. arXiv. https://doi.org/10.48550/ARXIV.2503.14499
7. Lara, F., & Rodríguez-López, B. (2025). Socratic nudges, virtual moral assistants and the problem of autonomy. AI & SOCIETY, 40(1), 53-65. https://doi.org/10.1007/s00146-023-01846-3
8. Llorca Albareda, J. (2025). The ethical paradox of automation: AI moral status as a challenge to the end of human work. Topoi. https://doi.org/10.1007/s11245-025-10250-z
9. Manzini, A., Keeling, G., Marchal, N., McKee, K. R., Rieser, V., & Gabriel, I. (2024). Should users trust advanced ai assistants? Justified trust as a function of competence and alignment. The 2024 ACM Conference on Fairness, Accountability, and Transparency, 1174-1186. https://doi.org/10.1145/3630106.3658964
10. Nandy, A., Herrera, D. A., & Goucher-Lambert, K. (2025). Adopting “blackbox” engineering advice: The influence of imperfect suggestions during AI-assisted decision-making with multiple objectives. Artificial Intelligence for Engineering Design, Analysis and Manufacturing, 39, e7. https://doi.org/10.1017/S0890060425000034
11. Tankelevitch, L., Kewenig, V., Simkute, A., Scott, A. E., Sarkar, A., Sellen, A., & Rintel, S. (2024). The metacognitive demands and opportunities of generative ai. Proceedings of the CHI Conference on Human Factors in Computing Systems, 1-24. https://doi.org/10.1145/3613904.3642902
12. Treiman, L. S., Ho, C.-J., & Kool, W. (2024). The consequences of AI training on human decision-making. Proceedings of the National Academy of Sciences, 121(33), e2408731121. https://doi.org/10.1073/pnas.2408731121 6 Digitalización y tecnologías de la información en el modelo de autoformación
Las tecnologías de la información y la comunicación (TIC) han sido un vector de transformaciones profundas en el sistema y en los paradigmas educativos. Jamás habían existido tantos recursos y tan eficaces para iniciar acciones formativas completamente autónomas; y crece sin parar la oferta de servicios, plataformas y canales que dan acceso a tutoriales, guías de recursos y metarecursos para cualquier tipo de actividad profesional imaginable. Las TIC han democratizado el acceso al conocimiento, permitiendo un aprendizaje más autónomo y personalizado, en función de intereses y necesidades específicas (Feng et al., 2025).
Las ciencias sociales, las humanidades y la filosofía no son una excepción, aunque no resulte fácil encontrar material de calidad “certificable”; pero en ámbitos como la ciberseguridad, la programación o el diseño web existen desde hace años recursos en abierto que han permitido a miles de profesionales desarrollar sus habilidades y acceder a nichos de empleo altamente cualificado. Más recientemente, los servicios de IA generativa han abierto nuevas vías de autoformación asistida, permitiendo resolver dudas puntuales, generar ejemplos adaptados al nivel del usuario y obtener retroalimentación inmediata sobre ejercicios prácticos (Cabero-Almenara et al., 2024).
1) Programación
- Roadmap interactivo para desarrolladores
- Cursos introductorios gratuitos de CS (CS50)
- Guías y artículos prácticos para aprender a programar
- Plataforma de retos de programación
- Tutoriales y documentación para múltiples lenguajes
2) Ciberseguridad
- Laboratorios prácticos de ciberseguridad
- Certificación en ciberseguridad
- Guía de fundamentos de seguridad (OWASP Top 10)
- Recursos y certificaciones de seguridad
- Formación gratuita en ciberseguridad
3) Ciencia de datos
- Curso completo de ciencia de datos (JHU)
- Manual interactivo de Python para análisis (Pandas)
- Guías, datasets y competiciones
- Curso de estadística aplicada
- Tutoriales de machine learning (scikit-learn)
6.1 Tutoriales y cursos abiertos en línea
En el listado de contenidos educativos aptos para itinerarios de autoformación es preciso mencionar los cursos en línea abiertos y masivos (MOOC), en ocasiones conectados con bibliotecas digitales y repositorios de documentos, datos y resultados de investigación. Aparte de los MOOC, infinidad de cursos en línea permiten ampliar el alcance del aprendizaje con tutorías y seguimiento personalizado, adaptándose al ritmo y circunstancias de cada estudiante. Plataformas digitales y recursos de documentación y evaluación en línea están facilitando los aprendizajes desde cualquier lugar y en cualquier momento, eliminado muchas de las barreras tradicionales para el estudio y fomentando metodologías educativas más inclusivas y accesibles.1
La mayor parte de los tutoriales y guías de recursos se elaboran y diseñan para su uso como herramientas de autoformación. Presentan las instrucciones paso a paso y proporcionan un acceso gradual a conocimientos de complejidad creciente, con formatos fácilmente digeribles. Ciertos portales y repositorios especializados operan como metarrecursos que proporcionan material y posibles contactos seleccionados con criterio profesional, consolidando una capa adicional de orientación al compilar y organizar referencias a otros recursos y actuando como balizas que guían al estudiante en el vasto paisaje del conocimiento accesible en línea.2, 3, 4, 5, 6
Sitios como Coursera, edX, Udemy y Khan Academy dan soporte a la actividad diaria de millones de usuarios interaccionando en procesos de autoaprendizaje que, eventualmente, pueden resultar certificables y servir de mérito cualificado para acceder al mercado de trabajo. A partir de 2023, estas plataformas comenzaron a integrar asistentes basados en IA generativa: Coursera incorporó un tutor conversacional potenciado por GPT-4, Khan Academy lanzó Khanmigo como tutor socrático personalizado, y edX desarrolló Xpert para orientación académica (Jauhiainen & Garagorry Guerra, 2024).
| Plataforma | Integración IA (2024-2025) | Modelo de acceso |
|---|---|---|
| Coursera | Tutor GPT-4, generación de cuestionarios, retroalimentación automática | Freemium + certificados de pago |
| edX | Xpert (asistente académico), resúmenes automáticos | Auditoría gratuita + certificados |
| Khan Academy | Khanmigo (tutor socrático), práctica adaptativa | Gratuito (Khanmigo: suscripción) |
| Udemy | Recomendaciones personalizadas, Q&A asistido | Compra por curso |
| LinkedIn Learning | Rutas personalizadas, coaching de carrera IA | Suscripción |
| Plataforma | Funcionalidad principal | Observaciones |
|---|---|---|
| MagicSchool AI | 60+ herramientas: planificación, rúbricas, diferenciación | Líder en adopción K-12 |
| SchoolAI | Espacios de IA monitorizados para estudiantes | Panel de control docente |
| Eduaide.AI | Generación de contenido estructurado por estándares | Alineación curricular |
| Curipod | Lecciones interactivas con IA generativa | Participación en clase |
| Diffit | Adaptación de textos por nivel de lectura | Accesibilidad |
| Plataforma | Características | Público objetivo |
|---|---|---|
| Codecademy | Cursos interactivos, entorno de práctica integrado | Principiantes |
| freeCodeCamp | Certificaciones gratuitas, proyectos reales | Autodidactas |
| The Odin Project | Currículo full-stack, comunidad activa | Desarrolladores web |
| Exercism | Mentorías humanas + evaluación automática, 70+ lenguajes | Todos los niveles |
| Replit | IDE en la nube con Ghostwriter AI, colaboración en tiempo real | Proyectos colaborativos |
En la sociedad del conocimiento importan cada vez más las habilidades resultantes de aprendizaje autodirigido, dada la diversidad de contextos y demandas por las que muchos trabajadores pasan a lo largo de su ciclo de actividad. El contacto con estos recursos puede servir para introducir al usuario en conocimientos específicos de disciplinas que pueden resultar marginales en la formación reglada, además de familiarizarle con metodologías de trabajo y criterios pedagógicos propios de instituciones y actores con experiencia acreditada en formación de calidad.7
La proliferación de recursos y plataformas formativas amplía las modalidades de autoformación, compitiendo incluso con programas bien consolidados de formación reglada. Desde hace varios años, algunas empresas de tecnología comenzaron a prescindir del requisito de exigir un título universitario a nuevos programadores, optando por buscar candidatos con experiencia práctica demostrada en campamentos y eventos específicos de programación. Este tipo de habilidades prácticas, orientadas a tareas muy específicas, experimentan una demanda creciente. Puede estar basada en portafolios, certificados o en procedimientos de evaluación directa de los candidatos. Pero se trata de un criterio de selección no exento de inconvenientes.8, 9
En un contexto donde la asistencia en cada paso se delega cada vez más en chatbots y agentes de IA especializados, muchos docentes asumen que su nuevo rol será el de curadores de contenido, seleccionando y recomendando recursos de alta calidad adecuados a los objetivos de aprendizaje. Se trata de una tarea cualificada, que requiere experiencia y entrenamiento para identificar materiales fiables, de calidad y con las garantías técnicas exigibles para su uso en situaciones de aprendizaje exigentes. Este complejo escenario refuerza nuevos roles a profesionales con experiencia, destinados a facilitar la validación y puesta a prueba en contextos relevantes de las habilitades y competencias adquiridas en modelos de autoaprendizaje.
La autoformación no está exenta de desafíos. Sobrecarga de información, desigualdades en el acceso a la tecnología y falta de competencias digitales de partida se asocian con altas tasas de fracaso y abandono, limitando el número de usuarios que podrían sacar provecho de los nuevos soportes y plataformas digitales (Pierce & Cleary, 2024). El riesgo de sentirse aislado o abrumado en un proceso exigente y sin la guía adecuada es un aspecto a considerar. Por esta razón el desarrollo de competencias digitales y el fomento de actividades de aprendizaje autodirigido deberían estar incluidas en los programas de educación preuniversitaria, puesto que la selección posterior de nuevos itinerarios de aprendizaje será la norma, previsiblemente (OECD, 2023); y conviene entrenar el criterio para la evaluación efectiva de opciones, plataformas y servicios.10, 14, 15
La integración de IA generativa en plataformas educativas ha dejado de ser una proyección de futuro para convertirse en realidad operativa. Según datos del Digital Education Council, el 86% de los estudiantes universitarios utilizaba herramientas de IA en sus estudios en 2024, con un 54% haciéndolo semanalmente (Digital Education Council, 2024). En 2025, esta cifra alcanzó el 92% en Reino Unido (Higher Education Policy Institute & Kortext, 2025). Las plataformas de apoyo a la docencia incorporan ya herramientas de analítica del aprendizaje potenciadas por IA, con capacidad para detectar dificultades tempranas, ofrecer retroalimentación personalizada inmediata (Feng et al., 2025) y generar contenidos adaptados al nivel de cada estudiante (Jauhiainen & Garagorry Guerra, 2024; Manzini et al., 2024). El mercado global de tecnología educativa, valorado en 163.500 millones de USD en 2024, proyecta alcanzar los 348.000 millones en 2030, impulsado fundamentalmente por la integración de IA generativa (Grand View Research, 2025).
La rápida proliferación de herramientas educativas con IA exige un escrutinio riguroso antes de su adopción institucional. Aspectos a verificar:
- Privacidad de datos: ¿Cumple con GDPR/LOPDGDD? ¿Dónde se procesan los datos de estudiantes?
- Transparencia algorítmica: ¿Se puede auditar el funcionamiento del sistema?
- Evidencia de eficacia: ¿Existen estudios independientes que respalden las afirmaciones del proveedor?
- Sostenibilidad: ¿Cuál es el modelo de negocio? ¿Riesgo de discontinuidad del servicio?
- Interoperabilidad: ¿Se integra con los sistemas institucionales existentes (LMS, SIS)?
Véanse los criterios de evaluación de (1) Common Sense Education; y (2) EdSurge Product Index.
En un sentido literal, jamás habían existido medios y servicios tan potentes y versátiles a disposición de cada estudiante, para ayudarles a solventar dificultades y optimizar su rendimiento en cualquier etapa de aprendizaje y sobre cualquier tipo de contenido disciplinar.11, 12, 13
El panorama de los cursos en línea ha experimentado una transformación radical con la integración de grandes modelos de lenguaje (LLMs) en las plataformas tradicionales, con una tendencia clara hacia ecosistemas de aprendizaje adaptativo (Liu et al., 2020; Wang et al., 2024).
Mostrar referencias
1. Bates, A. W. (2019). Teaching in a Digital Age: Guidelines for Designing Teaching and Learning for a Digital Age. BCcampus. https://teachonline.ca/teaching-in-a-digital-age/teaching-in-a-digital-age-second-edition.
2. Los 6 mejores portales educativos para profesores. https://www.grupoeducar.cl/material_de_apoyo/donde-estan-los-recursos-educativos-en-internet/.
3. 13 redes sociales educativas: ¿cuál utilizas?. https://www.educaciontrespuntocero.com/recursos/redes-sociales-educativas/.
4. 11 portales educativos para ciudadanos del siglo XXI. https://www.colombiaaprende.edu.co/agenda/actualidad/portales-educativos-mas-visitados.
5. 12 sitios web educativos (imprescindibles) para los docentes. https://manarea.webs.ull.es/12-sitios-web-educativos-imprescindibles-para-los-docentes/.
6. The Best Websites For Self Education Resources. https://www.theeducationmagazine.com/best-educational-websites/.
7. Bersin, J. (2013). The MOOC Marketplace Takes Off. http://www.forbes.com/sites/joshbersin/2013/11/30/the-mooc-marketplace-takes-off/.
8. What’s Right For You: Bootcamp or Self-Learning? https://www.codementor.io/learn-programming/whats-right-bootcamp-self-learning.
9. Coding Bootcamp vs. Self Study: Pros & Cons Explained. https://northcoders.com/company/blog/coding-bootcamp-vs.-self-study-pros-cons-explained.
10. Rienties, B., and L. Toetenel (2016). “The Impact of Learning Design on Student Behaviour, Satisfaction and Performance: A Cross-Institutional Comparison across 151 Modules.” Computers in Human Behavior 60 (July): 333–41. https://doi.org/10.1016/j.chb.2016.02.074.
11. Zhao, Y. (2017). “What Works May Hurt: Side Effects in Education.” Journal of Educational Change 18 (1): 1–19. https://doi.org/10.1007/s10833-016-9294-4.
12. A Step-by-step Guide on how to learn AI and Machine Learning by yourself. https://www.analytixlabs.co.in/blog/how-to-learn-ai-and-machine-learning-tools-by-yourself/.
13. A. Omer (2023). AI & ML - The Beginners Guide to Self Study. https://www.linkedin.com/pulse/ai-ml-beginners-guide-self-study-omer-ali-phd.
14. Morris, T. H. (2019). Self-directed learning: A fundamental competence in a rapidly changing world. International Review of Education, 65(4), 633-653. https://doi.org/10.1007/s11159-019-09793-2
15. Liu, Q., Geertshuis, S., & Grainger, R. (2020). Understanding academics’ adoption of learning technologies: A systematic review. Computers & Education, 151, 103857. https://doi.org/10.1016/j.compedu.2020.103857Prompt 1 básico (GPT-5.1):
Diseña un itinerario de aprendizaje progresivo de 12 semanas para profesionales con conocimientos de HTML, CSS y JavaScript que quieren especializarse en publicación electrónica accesible (WCAG 2.1). El itinerario debe incluir: - Fundamentos de accesibilidad web y estándares internacionales - Herramientas de desarrollo y validación (preferiblemente open source) - Proyecto final: prototipo de plataforma de publicación accesible - Modelo de negocio básico para comercializar este tipo de servicios
Proporciona enlaces clicables a recursos formativos, tutoriales y documentación oficial.
📚 Itinerario de 12 semanas: Especialización en Publicación Electrónica Accesible (WCAG 2.1)
🟦 Semana 1–2: Fundamentos de accesibilidad y estándares internacionales
Objetivos
- Comprender qué es la accesibilidad digital y por qué es esencial.
- Conocer el ecosistema de estándares: WCAG 2.1, WAI‑ARIA, EPUB Accessibility, ATAG, UAAG.
- Entender cómo las personas con discapacidad usan la web.
Contenidos
- Introducción a la accesibilidad web y su contexto.
Recurso: Introduction to Web Accessibility (W3C WAI) - Fundamentos de WCAG 2.1 y sus principios POUR. Recurso: WCAG 101: Understanding the Web Content Accessibility Guidelines
- Tutoriales oficiales W3C para desarrolladores.
Recurso: WAI Tutorials - Curso gratuito recomendado: Digital Accessibility Foundations – W3C
Actividades
- Analizar un sitio propio o conocido y detectar problemas básicos.
- Crear una checklist personal de criterios WCAG 2.1 relevantes para publicación electrónica.
🟩 Semana 3–4: Semántica, estructura y patrones accesibles
Objetivos
- Dominar HTML semántico aplicado a contenidos largos (artículos, libros, informes).
- Implementar navegación accesible, landmarks, encabezados y roles ARIA.
- Crear componentes accesibles reutilizables.
Contenidos
- Semántica HTML y ARIA para desarrolladores.
Recurso: Semantic HTML basics y Keyboard accessibility (TheWCAG) - Patrones accesibles: menús, tabs, acordeones, formularios.
- Buenas prácticas de contraste, tipografía y diseño inclusivo.
Actividades
- Reescribir un documento largo aplicando estructura semántica completa.
- Crear un set de componentes accesibles (botones, modales, navegación).
🟨 Semana 5–6: Publicación electrónica accesible (EPUB, WebBooks, HTML-first)
Objetivos
- Comprender los estándares EPUB 3.3 y EPUB Accessibility 1.1.
- Preparar contenido HTML para exportación a EPUB accesible.
- Conocer flujos de trabajo HTML → EPUB → Web.
Contenidos
- Estructura interna de un EPUB accesible.
- Metadatos de accesibilidad.
- Herramientas open source:
- Calibre (gestión y edición)
- Sigil (edición EPUB)
- Pandoc (conversión HTML/Markdown → EPUB)
- Thorium Reader (lector accesible)
Actividades
- Convertir un documento HTML en un EPUB accesible.
- Añadir metadatos de accesibilidad y validar la estructura.
🟧 Semana 7–8: Herramientas de validación, auditoría y testing
Objetivos
- Aprender a auditar accesibilidad con herramientas automáticas y manuales.
- Integrar validación en el flujo de desarrollo.
Herramientas open source recomendadas
- axe-core (CLI y navegador)
- Pa11y
- Lighthouse
- WAVE Evaluation Tool
- EPUBCheck (validación EPUB)
Contenidos
- Evaluación de accesibilidad según W3C.
Recurso: Evaluating Accessibility (WAI) - Testing con lectores de pantalla (NVDA, VoiceOver).
- Automatización de auditorías en CI/CD.
Actividades
- Crear un pipeline de validación con Pa11y o axe-core.
- Auditar un EPUB con EPUBCheck y corregir errores.
🟥 Semana 9–10: Desarrollo del proyecto final
Objetivo general
Construir un prototipo funcional de plataforma de publicación accesible, orientada a generar y distribuir contenido accesible (HTML/EPUB/PDF‑UA).
Requisitos mínimos del prototipo
- Editor o importador de contenido HTML.
- Validación automática WCAG 2.1.
- Exportación a EPUB accesible.
- Vista previa accesible con navegación por teclado.
- Documentación del flujo de accesibilidad.
Actividades
- Diseño de arquitectura (HTML-first).
- Implementación de módulos:
- Limpieza y normalización semántica.
- Generación de EPUB.
- Validación integrada.
- Pruebas con usuarios o testers.
🟪 Semana 11: Documentación, presentación y mejora del proyecto
Objetivos
- Documentar decisiones técnicas y criterios WCAG aplicados.
- Preparar una demo navegable.
- Realizar una auditoría final con herramientas automáticas y manuales.
Actividades
- Crear documentación accesible (HTML + EPUB).
- Preparar un pitch técnico y funcional.
🟫 Semana 12: Modelo de negocio y comercialización
Objetivos
- Entender el mercado de la accesibilidad digital.
- Definir servicios, precios y propuestas de valor.
- Identificar nichos: editoriales, universidades, administraciones públicas, ONGs.
Contenidos
- El caso de negocio de la accesibilidad.
Recurso: The Business Case for Digital Accessibility (W3C WAI) - Servicios posibles:
- Auditorías WCAG 2.1
- Conversión de contenidos a EPUB accesible
- Formación y consultoría
- Plataformas de publicación accesible
- Estrategias de comercialización:
- Paquetes por volumen de contenido
- Suscripciones a plataforma
- Servicios de mantenimiento y actualización
Actividades
- Crear un canvas de modelo de negocio.
- Definir una oferta mínima viable (MVP) para clientes reales.
📘 Recursos adicionales recomendados
- W3C WAI – Getting Started with Accessibility
- TheWCAG – Learning Paths por rol
- W3C Tutorials – Componentes accesibles
- Guías WCAG y recursos actualizados
- Listado de cursos oficiales W3C
🔗 Listado de enlaces
📘 Fundamentos de accesibilidad y estándares internacionales
- W3C WAI – Introduction to Web Accessibility (w3.org in Bing)
- WCAG 2.1 – Web Content Accessibility Guidelines
- WCAG 2.2 (para referencia futura)
- WAI Tutorials – Web Accessibility Tutorials
- Digital Accessibility Foundations – W3C Course (edx.org in Bing)
- WAI-ARIA Authoring Practices Guide (w3.org in Bing)
- EPUB Accessibility 1.1 (w3.org in Bing)
- ATAG 2.0 – Authoring Tool Accessibility Guidelines
- UAAG 2.0 – User Agent Accessibility Guidelines
🧱 Semántica, estructura y patrones accesibles
- MDN – HTML Semantics (developer.mozilla.org in Bing)
- MDN – ARIA Roles, States and Properties (developer.mozilla.org in Bing)
- The A11Y Project – Keyboard Accessibility (a11yproject.com in Bing)
- Inclusive Components (Heydon Pickering)
- Deque University – ARIA Basics
📚 Publicación electrónica accesible (EPUB, WebBooks)
- EPUB 3.3: https://www.w3.org/TR/epub-33/
- EPUB Accessibility 1.1:
https://www.w3.org/TR/epub-a11y-11/(w3.org in Bing)
- EPUBCheck (validación): https://github.com/w3c/epubcheck
- Sigil (editor EPUB): https://sigil-ebook.com/
- Calibre (gestor y conversor): https://calibre-ebook.com/
- Pandoc (conversión HTML/Markdown → EPUB): https://pandoc.org/
- Thorium Reader (lector accesible):
https://www.edrlab.org/software/thorium-reader/(edrlab.org in Bing)
- EDRLab – Recursos sobre accesibilidad EPUB:
https://www.edrlab.org/accessibility/(edrlab.org in Bing)
🧪 Herramientas de validación, auditoría y testing
- axe-core: https://github.com/dequelabs/axe-core
- Pa11y: https://pa11y.org/
- Lighthouse (Google):
https://developer.chrome.com/docs/lighthouse/overview/(developer.chrome.com in Bing)
- WAVE Web Accessibility Evaluation Tool: https://wave.webaim.org/
- NVDA Screen Reader: https://www.nvaccess.org/
- VoiceOver (Apple) – Guía oficial:
https://support.apple.com/guide/voiceover/welcome/mac(support.apple.com in Bing)
- W3C – Evaluating Web Accessibility:
https://www.w3.org/WAI/test-evaluate/(w3.org in Bing)
🛠️ Desarrollo del proyecto final (referencias útiles)
- HTML Living Standard:
https://html.spec.whatwg.org/(html.spec.whatwg.org in Bing)
- ARIA Authoring Practices:
https://www.w3.org/WAI/ARIA/apg/(w3.org in Bing)
- Designing for Accessibility – GOV.UK:
https://www.gov.uk/service-manual/helping-people-to-use-your-service/understanding-wcag(gov.uk in Bing)
- A11Y Style Guide (componentes accesibles):
https://a11y-style-guide.com/style-guide/(a11y-style-guide.com in Bing)
💼 Modelo de negocio y comercialización
- The Business Case for Digital Accessibility (W3C):
https://www.w3.org/WAI/business-case/(w3.org in Bing)
- W3C – Accessibility in Procurement:
https://www.w3.org/WAI/standards-guidelines/atag/procurement/(w3.org in Bing)
- European Accessibility Act (EAA):
https://single-market-economy.ec.europa.eu/single-market/public-procurement/digital-procurement/accessibility-requirements_en(single-market-economy.ec.europa.eu in Bing)
Comparativa con resultados previos (modelo GPT-4):
Se puede apreciar la evolución en la calidad de resultados que ofrece el modelo en distintas versiones, comparando con ouputs previos para instrucciones similares: (1) https://sites.google.com/go.ugr.es/iadoc24/itin-ap#h.ahe9d9fn7k1t; (2) https://www.ugr.es/~mm3/mProf/promptsGPT4.html#v-itinerarios-personalizados.
Prompt 2 avanzado (GPT-5.1):
ROL Y CONTEXTO
Eres un consultor experto en e-learning y accesibilidad digital (WCAG 2.2, EPUB Accessibility, ARIA). Diseña un itinerario formativo estructurado para profesionales con competencias técnicas intermedias (HTML5, CSS3, JavaScript ES6+) que necesitan especializarse en publicación electrónica inclusiva.
ESTRUCTURA DEL ITINERARIO
Genera un programa modular de 12-16 semanas con cuatro fases progresivas:
FASE 1: Fundamentos (semanas 1-3)
- Marco normativo: WCAG 2.2 (A, AA, AAA), EN 301 549, Section 508
- Tecnologías asistivas: lectores de pantalla (NVDA, JAWS), magnificadores, navegación por teclado
- Herramientas de evaluación: axe DevTools, WAVE, Pa11y, Lighthouse
- Proyecto: auditoría de accesibilidad de un sitio educativo existente
FASE 2: Desarrollo técnico (semanas 4-8)
- ARIA roles, states, properties y live regions
- PDF/UA y remediación de documentos
- EPUB 3 accesible: estructura semántica, MathML, media overlays
- Frameworks y librerías: Accessible Rich Internet Applications, A11y.js
- Testing automatizado con Pa11y CI/CD integration
- Proyecto: desarrollo de un lector EPUB accesible (prototipo funcional)
FASE 3: Publicación multiplataforma (semanas 9-12)
- Pandoc workflows para conversión multiformato (Markdown → HTML/EPUB/PDF accesible)
- LaTeX accesible con pdf-accessibility package y tagpdf
- Sistemas de gestión de contenidos accesibles (WordPress + WP Accessibility plugins, Drupal)
- Distribución: OPDS catalogs, integración con bibliotecas digitales
- Proyecto: pipeline automatizado de publicación accesible
FASE 4: Viabilidad comercial (semanas 13-16)
- Análisis de mercado: editorial académica, formación online, organismos públicos
- Modelo de negocio: servicios de consultoría, SaaS de validación, remediación de contenidos
- Compliance y certificación (Trusted Tester, IAAP credentials)
- Casos de estudio: Benetech Bookshare, Pressbooks, O’Reilly accessibility initiatives
- Proyecto final: business plan con proyección financiera y roadmap tecnológico
FORMATO DE SALIDA
Para cada fase, proporciona: 1. Objetivos de aprendizaje específicos (verbos SOLO taxonomy) 2. Recursos primarios: documentación oficial W3C WAI, tutoriales MDN Web Docs 3. Recursos open source: repositorios GitHub con ejemplos prácticos 4. Ejercicios incrementales con criterios de evaluación claros 5. Proyecto integrador con rúbrica de evaluación 6. Incluye enlaces clicables (.md, quarto) a los recursos esenciales
RESTRICCIONES
- Prioriza herramientas FOSS (Free and Open Source Software)
- Incluye al menos 3 recursos en español para cada módulo
- Todos los enlaces deben ser de fuentes verificables (W3C, MDN, repositorios oficiales, universidades acreditadas)
🧭 ITINERARIO FORMATIVO PROFESIONAL (12–16 semanas)
Especialización en Publicación Electrónica Inclusiva (WCAG 2.2, EPUB Accessibility, ARIA)
🟦 FASE 1 — Fundamentos (Semanas 1–3)
1. Objetivos de aprendizaje (SOLO taxonomy)
- Identificar requisitos de WCAG 2.2, EN 301 549 y Section 508.
- Describir el funcionamiento de tecnologías asistivas.
- Clasificar errores comunes de accesibilidad en sitios educativos.
- Aplicar herramientas de evaluación FOSS para auditar contenido.
- Comparar conformidad entre distintos estándares internacionales.
2. Recursos primarios (W3C, MDN)
- WCAG 2.2: https://www.w3.org/TR/WCAG22/
- EN 301 549 (versión pública):
https://www.etsi.org/deliver/etsi_en/301500_301599/301549/(etsi.org in Bing)
- Section 508: https://www.section508.gov/
- WAI – Evaluating Accessibility:
https://www.w3.org/WAI/test-evaluate/(w3.org in Bing)
- MDN – Accesibilidad:
https://developer.mozilla.org/es/docs/Learn/Accessibility(developer.mozilla.org in Bing)
Recursos en español
- W3C España – Accesibilidad Web:
https://www.w3c.es/Divulgacion/Guias/(w3c.es in Bing)
- Universidad de Alicante – Accesibilidad Web:
https://accesibilidadweb.dlsi.ua.es/(accesibilidadweb.dlsi.ua.es in Bing)
- ONCE – Guías de accesibilidad TIC:
https://www.once.es/servicios-sociales/tecnologia-accesible(once.es in Bing)
3. Recursos open source (GitHub)
- axe-core: https://github.com/dequelabs/axe-core
- Pa11y: https://github.com/pa11y/pa11y
- Lighthouse CLI:
https://github.com/GoogleChrome/lighthouse(github.com in Bing)
4. Ejercicios incrementales
Ejercicio 1 — Auditoría inicial
Tarea: evaluar un sitio educativo real usando WAVE, axe y Lighthouse.
Criterios:
- Identifica ≥ 10 errores WCAG 2.2
- Clasifica por nivel A/AA/AAA
- Propone correcciones técnicas
Ejercicio 2 — Simulación con lector de pantalla
Tarea: navegar un sitio con NVDA y documentar barreras.
Criterios:
- Describe problemas de foco
- Evalúa orden de lectura
- Registra incidencias reproducibles
5. Proyecto integrador (Fase 1)
Producto: Informe de auditoría accesible (HTML + PDF etiquetado).
Rúbrica:
- 40% Identificación correcta de criterios WCAG
- 30% Calidad del análisis técnico
- 20% Propuestas de mejora
- 10% Claridad y accesibilidad del informe
🟩 FASE 2 — Desarrollo técnico (Semanas 4–8)
1. Objetivos de aprendizaje (SOLO taxonomy)
- Relacionar roles ARIA con patrones de interacción.
- Construir componentes accesibles con ARIA y JavaScript.
- Integrar MathML y media overlays en EPUB 3.
- Remediar documentos PDF hacia PDF/UA.
- Implementar pipelines de testing automatizado con Pa11y CI.
2. Recursos primarios
- ARIA Authoring Practices:
https://www.w3.org/WAI/ARIA/apg/(w3.org in Bing)
- EPUB 3.3: https://www.w3.org/TR/epub-33/
- EPUB Accessibility 1.1:
https://www.w3.org/TR/epub-a11y-11/(w3.org in Bing)
- MathML Core:
https://www.w3.org/TR/mathml-core/(w3.org in Bing)
- PDF/UA Foundation: https://www.pdfa.org/resource/pdfua/
Recursos en español
- Introducción a ARIA (W3C España):
https://www.w3c.es/Traducciones/es/WAI/aria/(w3c.es in Bing)
- Manual EPUB accesible (EDRLab ES):
https://www.edrlab.org/es/epub-accessibility/(edrlab.org in Bing)
- Guía PDF accesible (Universidad de Sevilla):
https://sic.us.es/accesibilidad/pdf-accesibles(sic.us.es in Bing)
3. Recursos open source
- A11y.js: https://github.com/IBM/a11y
- Readium (lector EPUB FOSS): https://github.com/readium
- MathJax (MathML rendering): https://github.com/mathjax/MathJax
- pdfcpu (procesamiento PDF): https://github.com/pdfcpu/pdfcpu
4. Ejercicios incrementales
Ejercicio 1 — Componente ARIA
Tarea: crear un acordeón accesible con roles, states y keyboard navigation.
Criterios:
- Roles correctos (button, region)
- Estados ARIA (aria-expanded)
- Foco gestionado correctamente
Ejercicio 2 — EPUB accesible
Tarea: generar un EPUB 3 con MathML y navegación semántica.
Criterios:
- NCX + landmarks
- Metadatos de accesibilidad
- Validación con EPUBCheck
5. Proyecto integrador (Fase 2)
Producto: Prototipo de lector EPUB accesible (HTML/JS).
Rúbrica:
- 30% Navegación por teclado
- 30% Lectura estructurada (landmarks, headings)
- 20% Integración MathML/overlays
- 20% Validación con herramientas FOSS
🟨 FASE 3 — Publicación multiplataforma (Semanas 9–12)
1. Objetivos de aprendizaje (SOLO taxonomy)
- Transformar contenido entre formatos accesibles.
- Diseñar flujos de conversión reproducibles.
- Optimizar CMS para accesibilidad editorial.
- Integrar catálogos OPDS en ecosistemas digitales.
2. Recursos primarios
- Pandoc User Guide:
https://pandoc.org/MANUAL.html(pandoc.org in Bing)
- LaTeX tagpdf: https://ctan.org/pkg/tagpdf
- WordPress Accessibility Handbook:
https://make.wordpress.org/accessibility/handbook/(make.wordpress.org in Bing)
- Drupal Accessibility:
https://www.drupal.org/docs/accessibility(drupal.org in Bing)
- OPDS 2.0: https://opds.io/
Recursos en español
- Pandoc en español (U. Granada): https://pandoc.org/es/
- Manual LaTeX accesible (U. Zaragoza): https://www.unizar.es/latex/accesible
- WordPress en español – Accesibilidad:
https://es.wordpress.org/support/article/accesibilidad/(es.wordpress.org in Bing)
3. Recursos open source
- Pandoc: https://github.com/jgm/pandoc
- tagpdf examples: https://github.com/u-fischer/tagpdf
- OPDS server FOSS (COPS): https://github.com/seblucas/cops
4. Ejercicios incrementales
Ejercicio 1 — Conversión multiformato
Tarea: convertir un Markdown técnico a HTML, EPUB y PDF/UA.
Criterios:
- Preservación semántica
- Etiquetado PDF correcto
- Validación EPUB
Ejercicio 2 — CMS accesible
Tarea: configurar WordPress con plugins de accesibilidad.
Criterios:
- Contraste y navegación
- Roles de usuario
- Plantillas accesibles
5. Proyecto integrador (Fase 3)
Producto: Pipeline automatizado de publicación accesible (bash + Pandoc).
Rúbrica:
- 40% Automatización reproducible
- 30% Calidad del etiquetado
- 20% Documentación técnica
- 10% Validación final
🟫 FASE 4 — Viabilidad comercial (Semanas 13–16)
1. Objetivos de aprendizaje (SOLO taxonomy)
- Analizar oportunidades de mercado.
- Evaluar modelos de negocio viables.
- Justificar inversiones en accesibilidad.
- Planificar un roadmap tecnológico sostenible.
2. Recursos primarios
- Business Case for Accessibility (W3C):
https://www.w3.org/WAI/business-case/(w3.org in Bing)
- IAAP Certifications:
https://www.accessibilityassociation.org/certification(accessibilityassociation.org in Bing)
- Trusted Tester Program:
https://www.section508.gov/test/trusted-tester/(section508.gov in Bing)
Recursos en español
- Observatorio de Accesibilidad Web (Gob. España): https://observatorioweb.es/
- Libro Blanco de la Accesibilidad (Fundación ONCE):
https://www.fundaciononce.es/publicaciones(fundaciononce.es in Bing)
- Accesibilidad en la edición digital (UOC):
https://www.uoc.edu/portal/es/estudis/masters/accesibilidad/(uoc.edu in Bing)
3. Recursos open source
- Pressbooks FOSS: https://github.com/pressbooks/pressbooks
- Bookshare tools: https://github.com/benetech
- O’Reilly open tooling:
https://github.com/oreillymedia(github.com in Bing)
4. Ejercicios incrementales
Ejercicio 1 — Análisis de mercado
Tarea: identificar 3 nichos con demanda creciente.
Criterios:
- Datos verificables
- Competencia y barreras
- Propuesta de valor clara
Ejercicio 2 — Modelo de negocio
Tarea: diseñar un servicio SaaS de validación accesible.
Criterios:
- Segmentación
- Pricing
- Roadmap técnico
5. Proyecto integrador (Fase 4)
Producto: Business plan + roadmap tecnológico.
Rúbrica:
- 40% Viabilidad económica
- 30% Coherencia del roadmap
- 20% Análisis competitivo
- 10% Presentación accesible
6.2 Tecnologías para el aprendizaje cooperativo: Screencasts, animaciones y videotutoriales generados con IA
El soporte digital y la interacción en línea facilitan los procesos de aprendizaje autónomo y personalizado; pero además promueven la cooperación, el análisis crítico entre iguales y nuevas formas de evaluación continua mediante proyectos y tareas complejas, distribuidas y coordinadas en grupo. Tutoriales en diversos formatos, audiolibros y guías de recursos para introducirse en temas complejos o realizar prácticas avanzadas en cualquier materia están al alcance de casi cualquier centro y grupo de estudiantes. Con frecuencia son los propios estudiantes quienes ofrecen mejores explicaciones detalladas, claras y accesibles sobre temas complejos, ajustadas a su ritmo de aprendizaje y sobre una base de nociones previas y rutinas intelectuales o de razonamiento que difiere de la que maneja el profesorado con formación especializada.
6.2.1 Herramientas de captura y edición de vídeo
La diversificación de formatos didácticos —materiales interactivos, contenidos en diversos formatos de audio y recursos multimedia creados por el profesorado— se ha convertido en un elemento clave para mejorar la accesibilidad, la motivación y la continuidad del aprendizaje. Los tutoriales guiados permiten reforzar conceptos mediante práctica inmediata, mientras que los audiolibros y sistemas de síntesis de voz facilitan el estudio en movimiento y reducen barreras para quienes necesitan alternativas visuales o auditivas.
Por su parte, los screencasts y videotutoriales aportan un valor añadido difícil de replicar con materiales estáticos: permiten mostrar procedimientos que dependen de una secuencia precisa de acciones, capturando el flujo real de trabajo, el ritmo de ejecución y las decisiones intermedias que suelen perderse en documentos en PDF. Esta capacidad para representar procesos complejos de forma fiel y accesible fortalece la competencia digital docente y genera recursos reutilizables de alta calidad, plenamente integrables en los entornos virtuales de aprendizaje y en los programas de mejora del rendimiento académico.
Resulta relativamente fácil producir tutoriales interactivos, con una exploración guiada de conceptos básicos e incluyendo elementos interactivos (cuestionarios, ejercicios prácticos, refuerzos de aprendizaje, gráficos y esquemas) para estimular la aplicación inmediata de los conocimientos adquiridos.
| Herramienta | Tipo | Características destacadas | Coste |
|---|---|---|---|
| Loom | SaaS | Grabación rápida, compartir instantáneo, transcripción IA | Freemium (5 min gratis) |
| Screenpal (antes Screencast-O-Matic) | SaaS/Desktop | Editor integrado, webcam overlay, subtítulos | Desde $3/mes |
| OBS Studio | Software libre | Profesional, streaming, escenas múltiples | Gratuito |
| ShareX | Software libre | Capturas, GIFs, workflows automatizados | Gratuito |
| Camtasia | Comercial | Edición avanzada, efectos, quizzes interactivos | ~$250 (licencia) |
| Descript | SaaS | Edición por transcripción, eliminar “ums”, IA | Desde $12/mes |
Los audiolibros y las aplicaciones Text To Speech se han consolidado como una alternativa valiosa para quienes tienen limitaciones visuales o prefieren el aprendizaje auditivo mientras hacen ejercicio. La flexibilidad de aprender en movimiento, optimizando el tiempo de estudio durante desplazamientos, es un elemento a considerar en los programas de mejora de resultados.
| Herramienta | Características | Uso educativo |
|---|---|---|
| ElevenLabs | Voces hiperrealistas, clonación de voz, 32 idiomas | Narración de contenidos, accesibilidad |
| Murf AI | 120+ voces, sincronización con vídeo | Locuciones para presentaciones |
| Play.ht | API robusta, voces naturales | Integración en LMS |
| NaturalReader | Lectura de PDFs, OCR integrado | Estudiantes con dislexia |
| Microsoft Edge (lectura en voz alta) | Integrado en navegador, gratuito | Accesibilidad inmediata |
6.2.2 Generación de vídeo con inteligencia artificial
El mercado de generación de vídeo con IA ha experimentado un crecimiento exponencial, pasando de 614,8 millones de USD en 2024 a una proyección de 2.562,9 millones en 2032. Las empresas que adoptan estas herramientas reportan reducciones del 70-90% en costes de producción.
Estas plataformas generan vídeos con presentadores virtuales realistas a partir de texto, ideales para formación corporativa, tutoriales estandarizados y contenido multilingüe.
| Plataforma | Avatares | Idiomas | Exportación | Precio (2025) | Mejor para |
|---|---|---|---|---|---|
| Synthesia | 140+ (personalizables) | 140+ | SCORM, MP4, 4K | Desde $29/mes | Formación corporativa a escala |
| HeyGen | 120+ | 175+ | MP4, API | Desde $24/mes | Localización multilingüe, marketing |
| Colossyan | 100+ | 70+ | SCORM, 4K | Desde $27/mes | E-learning con exportación LMS |
| D-ID | Foto-a-vídeo | 100+ | API, MP4 | Desde $25/mes | Personalización desde imagen |
| DeepBrain AI | 100+ | 80+ | 4K, API | Desde $24/mes | Calidad broadcast |
Estas herramientas crean vídeos originales a partir de descripciones textuales o imágenes de referencia, sin necesidad de avatares predefinidos.
| Plataforma | Duración máx. | Audio nativo | Acceso (ene 2026) | Características distintivas |
|---|---|---|---|---|
| Sora 2 (OpenAI) | 16s (Pro) | ✅ Diálogo + efectos | ChatGPT Plus ($20/mes) | Mejor realismo físico, continuidad narrativa |
| Veo 3.1 (Google) | Variable | ✅ Sonido sincronizado | Vertex AI / API | Iluminación cinematográfica, control de cámara |
| Runway Gen-4 | 10s | ❌ (añadir después) | Desde $15/mes | Consistencia de personajes, herramientas de edición |
| Pika 2.0 | 4s | ❌ | Freemium | Velocidad de renderizado, iteración rápida |
| Kling AI | 5s | ❌ | Freemium | Movimiento natural, física realista |
| Luma Dream Machine | 5s | ❌ | Freemium | Control de cámara cinematográfico |
Los tutoriales de software en 3D con captura de movimiento son una alternativa potente para generar vídeos sobre tareas complejas que requieren atender a múltiples detalles en cada paso.
| Herramienta | Tecnología | Aplicación educativa |
|---|---|---|
| Move AI | Captura sin marcadores con cámara estándar | Biomecánica, deportes, ergonomía |
| Wonder Studio | Reemplazo de actores por personajes CG | Producción audiovisual educativa |
| Rokoko | Trajes de captura asequibles | Animación, artes escénicas |
| DeepMotion | IA desde vídeo 2D | Tutoriales de movimiento, danza |
La facilidad para crear vídeos con presentadores sintéticos plantea riesgos de suplantación y desinformación (deepfakes). En contextos educativos:
- Transparencia: Indicar siempre cuando un vídeo utiliza avatares o voces generadas por IA
- Verificación institucional: Antes de adoptar plataformas, verificar cumplimiento SOC 2 Type II y GDPR
- Consentimiento: Si se utilizan avatares personalizados basados en personas reales, obtener autorización explícita
- Pensamiento crítico: Incluir en el currículo formación sobre detección de contenido sintético
Recursos: MIT Media Lab - Detect Fakes, Sensity AI
6.2.3 Capacidades multimodales en modelos de IA generativa
Los grandes modelos de lenguaje (LLM) actuales integran capacidades de análisis visual que permiten interpretar gráficos, diagramas y datos visuales, abriendo nuevas posibilidades para la enseñanza.
| Modelo | Capacidad visual | Fortalezas educativas | Acceso |
|---|---|---|---|
| GPT-4o | Excelente | Genera código desde diagramas, explica gráficos estadísticos, multimodal integrado | ChatGPT Plus ($20/mes) |
| Claude Opus 4.5 | Excelente | Explicaciones pedagógicas detalladas, razonamiento paso a paso, pensamiento extendido | Claude Pro ($20/mes) |
| Claude Sonnet 4.5 | Excelente | Análisis técnico avanzado, ventana contextual 200K tokens, mejor equilibrio calidad-eficiencia | Claude (Plan gratuito disponible) |
| Gemini 2.5 Pro | Excelente | Integración Google Workspace, análisis hojas de cálculo, hasta 2M tokens de contexto | Gemini Advanced ($20/mes) |
| Gemini 3 Pro | Sobresaliente | Mejor modelo multimodal 2026, 1M contexto, razonamiento matemático avanzado | Gemini Advanced ($20/mes) |
Aplicaciones prácticas:
- Subir una gráfica de resultados experimentales y solicitar interpretación estadística detallada
- Fotografiar un problema de geometría escrito a mano y obtener resolución paso a paso con explicaciones
- Analizar infografías complejas extrayendo datos estructurados en formato tabla
- Evaluar diagramas de estudiantes identificando errores conceptuales y sugiriendo correcciones
| Modelo | Duración máx. | Audio nativo | Resolución | Acceso (ene 2026) | Precio |
|---|---|---|---|---|---|
| Sora 2 (OpenAI) | Hasta 35s | ✅ Diálogo + efectos sincronizados | 1080p (Pro: 4K) | ChatGPT Plus/Pro | Plus: $20/mes, Pro: $200/mes |
| Veo 3.1 (Google) | Hasta 60s | ✅ Sonido + diálogo sincronizado | 1080p, 24 FPS | Gemini Advanced / Vertex AI | ~$20/mes (Fast: $0.15/seg) |
| Runway Gen-4.5 | Hasta 10s | ❌ (añadir post) | 4K | Web/API | Desde $12/mes |
| Pika 2.5 | Hasta 5s | ❌ (añadir post) | 480p-1080p | Web/API | Freemium, Pro $10/mes |
| Kling AI 2.1 | Hasta 10s | ❌ | 1080p, 30fps | Web/API | Desde $7/mes |
| Luma Ray 3 | Hasta 5s | ❌ (HDR support) | 1080p | Web/API | Freemium, Pro $30/mes |
Notas sobre generación de video:
- Sora 2 lidera en realismo físico y narrativa con audio nativo, pero acceso limitado geográficamente (principalmente EE.UU./Canadá)
- Veo 3.1 ofrece mejor disponibilidad global, control cinematográfico (“ingredients-to-video”), consistencia de personajes
- Runway Gen-4.5 destaca en producción profesional, efectos VFX, control frame-by-frame
- Pika 2.5 es ideal para iteración rápida, efectos creativos (“Pikaffects”), contenido social media
- Todos excepto Sora 2 y Veo 3.1 requieren añadir audio en postproducción
Documentación oficial y cursos:
- Google AI for Developers - Gemini API — Documentación completa con ejemplos de código para integración multimodal
- OpenAI Platform Documentation — Guías de GPT-4o y Sora 2, API reference, mejores prácticas
- Anthropic Claude Documentation — Documentación técnica de Claude 4.5, uso de contexto largo, Computer Use
- DeepLearning.AI - Generative AI Courses — Cursos gratuitos sobre prompt engineering, agentes IA, visión artificial
- Hugging Face - Vision Models — Modelos open-source de visión, demos interactivos
Benchmarks y comparativas actualizadas:
- LLM Stats — Changelog actualizado diariamente de todos los modelos principales (GPT, Claude, Gemini)
- Artificial Analysis — Comparativas de rendimiento, calidad y precio de modelos de IA
- LM Council Benchmarks — Tests rigurosos de razonamiento, código, matemáticas
Estas herramientas están revolucionando la creación de contenidos digitales al democratizar la producción de videotutoriales con calidad profesional y ponerlas al alcance de personas sin conocimientos previos de diseño o edición. Utilizando lenguaje natural y en pocos pasos, estas aplicaciones de IA generativa permiten crear tutoriales en minutos, incluso utilizando instrucciones por voz o imágenes y gráficos como referencia para la tarea (Vivas Urias & Ruiz Rosillo, 2025). Los rápidos avances en técnicas, algoritmos y enfoques de aprendizaje profundo están consolidando un dominio novedoso de aplicaciones y servicios de gran valor y utilidad formativa, aunque requieren una evaluación crítica permanente tanto de sus posibilidades como de sus limitaciones (Vincent-Lancrin & Vlies, 2020).
1. MME — Multimodal Evaluation Benchmark
https://arxiv.org/abs/2306.13394
2. MLLM‑Bench (ACL Anthology)
https://aclanthology.org/2025.naacl-long.256/
3. LLM‑Stats — Ranking multimodal comparativo
https://llm-stats.com/benchmarks/category/multimodal
4. MMMU — Massive Multi-discipline Multimodal Understanding
https://mmmu-benchmark.github.io/
5. Video‑MME — Benchmark multimodal para vídeo
https://github.com/MME-Benchmarks/Video-MME
6. Guía práctica de evaluación multimodal (Galileo AI)
https://galileo.ai/blog/multimodal-llm-guide-evaluation
7. Revisiting Multi‑Modal LLM Evaluation (arXiv)
https://arxiv.org/abs/2408.05334
8. Awesome Multimodal LLMs (GitHub)
https://github.com/BradyFU/Awesome-Multimodal-Large-Language-Models
9. MME‑Survey — Revisión exhaustiva de evaluación multimodal
https://arxiv.org/abs/2411.15296
10. Ejemplos de uso para análisis de gráficos (Gemini, Copilot · 2024)
https://sites.google.com/go.ugr.es/iadoc24/img#h.l8nkj65uw2qb
https://sites.google.com/go.ugr.es/iadoc24/img#h.b4drwugk632r
6.3 Formularios de evaluación, tests en línea y web-apps educativas
6.3.1 Plataformas de evaluación y gamificación
Plataformas como Google Forms, Moodle, SurveyMonkey y Kahoot! ofrecen medios sencillos y efectivos para la creación de encuestas y evaluaciones personalizadas mediante formularios de evaluación y tests en línea. Por lo general, permiten incluir preguntas de opción múltiple, respuestas abiertas y matrices de opciones, además de elementos multimedia y gráficos interactivos en su modalidad básica o por suscripción. Se trata de instrumentos que facilitan la retroalimentación inmediata, esencial en los procesos de aprendizaje autodirigidos o reglados.
A partir de 2024, las principales plataformas de evaluación han integrado capacidades de IA generativa que transforman radicalmente el flujo de trabajo docente: generación automática de cuestionarios a partir de documentos, adaptación del nivel de dificultad, y retroalimentación personalizada instantánea.
| Plataforma | Integración IA (2026) | Modalidad | Precio |
|---|---|---|---|
| Kahoot! | GPT-4: genera kahoots desde PDF, URL, tema o Wikipedia; Perplexity: eventos en tiempo real; ajuste de dificultad y tono; generación de imágenes | Síncrona (game-show) | Freemium, Plus desde $3.99/mes |
| Quizizz | Generación automática de preguntas con IA, rutas personalizadas, reportes detallados de progreso | Asíncrona (ritmo propio) | Freemium, Premium $19/mes |
| Quizlet | Magic Notes (apuntes → flashcards con IA), Q-Chat (tutor conversacional IA) | Autoestudio | Freemium, Plus $7.99/mes |
| Nearpod | Lecciones interactivas con realidad virtual, integración LMS, evaluación tiempo real | Híbrida | Freemium, desde $10/mes |
| Google Forms | Sin IA nativa (usar complementos como FormLimiter, Quilgo) | Asíncrona | Gratuito |
| Microsoft Forms | Sugerencias de preguntas con Copilot (requiere licencia M365 Education) | Asíncrona | Incluido en M365 |
Estas herramientas han ganado popularidad por su enfoque en la gamificación profunda, convirtiendo la evaluación en experiencias de juego inmersivas:
| Plataforma | Mecánica de juego | Mejor uso | Precio (2026) |
|---|---|---|---|
| Blooket | 12+ modos de juego (Tower Defense, Gold Quest, Crypto Hack, Factory) | Repaso y práctica competitiva | Freemium, Plus $5/mes |
| Gimkit | Economía virtual, compra de power-ups, modos competitivos y colaborativos | Motivación extrínseca | Freemium, Pro $9.99/mes |
| Quizalize | Agrupación automática por nivel, “mastery quizzes” adaptativos | Diferenciación pedagógica | Freemium |
| Baamboozle | Juegos de equipo estilo TV, configuración rápida sin registro | Actividades cortas energizantes | Gratuito, Plus $10/año |
| Classcraft | RPG educativo con avatares, misiones, narrativa y gestión conductual | Gestión de aula gamificada | Freemium, desde $12/mes |
Una nueva categoría de herramientas permite crear evaluaciones de alta calidad en segundos a partir de cualquier contenido:
| Herramienta | Entrada | Salida | Exporta a | Precio (2026) |
|---|---|---|---|---|
| QuestionWell | PDF, texto, URL, YouTube | Preguntas alineadas a objetivos, niveles Bloom/Lexile | Kahoot, Quizizz, Canvas, Moodle, Google Forms | Freemium, Pro $20/mes |
| Quizgecko | Texto, PDF, URL, vídeo, audio | Opción múltiple, V/F, respuesta corta, con retroalimentación | CSV, Aiken, JSON, embed, LMS | Freemium, Pro $16/mes |
| Quizbot | Documentos, enlaces, temas | Distractores plausibles, taxonomía Bloom, banco de preguntas | PDF, Word, Moodle, Canvas | Desde $15/mes (paquetes) |
| Coursebox | PDF, slides, vídeos | Cursos completos con lecciones + evaluación integrada | SCORM, xAPI, H5P | Desde $30/mes |
| Conker | Tema, documento, estándar educativo | Evaluaciones formativas diferenciadas por nivel | Google Classroom, Schoology | Freemium, Pro $10/mes |
| MagicSchool AI | Texto, tema, estándar | Múltiples formatos de evaluación + rúbricas | Exportación múltiple | Freemium, $99/año |
- Evaluación síncrona en clase → Kahoot! (energía competitiva) o Blooket (variedad de modos)
- Práctica autónoma → Quizizz/Wayground (ritmo propio) o Quizlet (flashcards + IA)
- Evaluación formal/segura → Google Forms con Quilgo o Microsoft Forms con restricciones
- Generación rápida desde contenido → QuestionWell (exportación universal) o Quizgecko
- Diferenciación por niveles → Quizalize (agrupación automática)
6.3.2 Aplicaciones especializadas
Quizlet proporciona espacios virtuales donde los estudiantes pueden interactuar, compartir recursos y completar evaluaciones. Su evolución hacia la IA incluye Magic Notes, que transforma apuntes en flashcards automáticamente, y Q-Chat, un tutor conversacional que interroga a los estudiantes de forma adaptativa. Estas aplicaciones promueven el aprendizaje colaborativo y facilitan el diseño de actividades con elementos de gamificación, asociadas con un incremento del interés y la motivación de los estudiantes.
Para el aprendizaje de idiomas, Duolingo sigue siendo una de las aplicaciones más utilizadas en las fases inicial e intermedia. Ha incorporado Duolingo Max con funciones de IA generativa: Explain My Answer proporciona explicaciones contextuales de errores, y Roleplay permite practicar conversaciones con personajes IA. Proporciona también certificaciones reconocidas internacionalmente (Duolingo English Test).
Edmodo, plataforma que llegó a tener más de 100 millones de usuarios, cerró definitivamente en septiembre de 2022. Las alternativas recomendadas para sus funciones de comunidad educativa son Google Classroom, Microsoft Teams for Education, Schoology o Canvas. Este cierre ilustra la volatilidad del sector EdTech y la importancia de evaluar la sostenibilidad de las plataformas antes de comprometer recursos institucionales.
6.3.3 Entornos de programación educativa
Para programación existen recursos consolidados y emergentes que facilitan el aprendizaje desde la base hasta niveles avanzados:
| Plataforma | Enfoque | Lenguajes | Nivel | IA integrada |
|---|---|---|---|---|
| Codecademy | Cursos interactivos estructurados | Python, JavaScript, Go, Java, SQL, R | Principiante-Intermedio | Asistente de código |
| freeCodeCamp | Certificaciones gratuitas, proyectos reales | JavaScript, Python, HTML/CSS | Todos | No |
| SoloLearn | Micro-lecciones móviles | 20+ lenguajes | Principiante | Code Coach IA |
| CodeHS | Currículo K-12 estructurado | Python, Java, JavaScript | Educación formal | Retroalimentación IA |
| The Odin Project | Full-stack autodidacta | JavaScript, Ruby | Intermedio-Avanzado | No |
| Plataforma | Características | Colaboración | IA integrada |
|---|---|---|---|
| Replit | IDE completo en navegador, 50+ lenguajes, hosting incluido | Tiempo real | Ghostwriter (autocompletado, explicaciones, depuración) |
| Glitch | Hosting web-apps, remix de proyectos | Comunidad activa | No |
| GitHub Codespaces | VS Code en la nube, integración Git | Equipos | Copilot (opcional) |
| CodeSandbox | Desarrollo frontend, templates React/Vue | Tiempo real | Copilot integrado |
| StackBlitz | WebContainers, Node.js en navegador | Compartir instantáneo | Cody (beta) |
| Plataforma | Mecánica | Público | Lenguajes |
|---|---|---|---|
| CodeCombat | RPG con misiones, escribir código para avanzar | K-12 | Python, JavaScript |
| Codewars | “Katas” (desafíos), sistema de rangos (kyu/dan) | Todos | 55+ lenguajes |
| LeetCode | Problemas algorítmicos, preparación entrevistas | Avanzado | Principales |
| Exercism | Ejercicios + mentorías humanas gratuitas | Intermedio | 70+ lenguajes |
| CheckiO | Misiones de programación, comunidad | Intermedio | Python, JavaScript |
| CodinGame | Juegos multijugador, IA bots | Avanzado | 25+ lenguajes |
La integración de asistentes de código IA (Ghostwriter, Copilot) en entornos educativos requiere reflexión pedagógica:
- Ventajas: Retroalimentación inmediata, explicaciones contextuales, reducción de frustración inicial
- Riesgos: Dependencia excesiva, comprensión superficial, atribución incorrecta de autoría
- Recomendación: Introducir la IA como herramienta de scaffolding progresivo, no como sustituto del razonamiento. Alternar sesiones con y sin asistencia IA para desarrollar autonomía (Jose et al., 2025).
6.3.4 Metarrecursos y modelos optimizados de IA
Aparte de los servicios comerciales de IA generativa, existe un ecosistema creciente de modelos abiertos y repositorios especializados que permiten al profesorado innovador explorar, comparar y desplegar soluciones sin dependencia de proveedores propietarios. Plataformas como Hugging Face Hub ofrecen acceso a miles de modelos especializados —muchos de ellos optimizados para tareas educativas específicas— que pueden ejecutarse localmente o en infraestructuras institucionales, garantizando la privacidad de los datos estudiantiles y eliminando costes de suscripción recurrentes.1
Para docentes con inquietud técnica, estos recursos abren la posibilidad de personalizar herramientas a medida de sus necesidades curriculares, participar en comunidades de práctica globales y anticiparse a tendencias que los servicios comerciales tardarán meses en incorporar.
- https://openai.com/chatgpt
- https://copilot.microsoft.com/
- https://claude.ai/
- https://gemini.google.com/
- https://www.perplexity.ai/
- https://chat.deepseek.com/
- https://www.llama.com/
- https://chat.qwenlm.ai/
- https://dashboard.cohere.com/
Nota: Duck.ai ofrece acceso privado y anonimizado a varios modelos de IA generativa. En su versión gratuita incluye GPT-4o mini, Claude 3.5 Haiku, Llama 3.3 70B y Mixtral 8x7B. Los suscriptores pueden utilizar además GPT-4o, Claude Sonnet 3.5 y Llama 3.1 405B.
Comparativa de resultados y capacidades: https://sites.google.com/go.ugr.es/iadoc24/multi-llm
1. Hugging Face Hub
Plataforma líder para modelos abiertos (NLP, visión, audio, multimodalidad), datasets y espacios interactivos.
https://huggingface.co/models
2. ModelScope (Alibaba)
Repositorio masivo de modelos open-source, pipelines y demos.
https://www.modelscope.cn/models
3. Kaggle Models
Modelos listos para inferencia, integrados con datasets y notebooks.
https://www.kaggle.com/models
4. Replicate
Ejecución de modelos vía API (visión, texto, audio, vídeo).
https://replicate.com/explore
5. Ollama Library
Modelos optimizados para ejecución local (Llama, Mistral, Phi, Qwen, Gemma…).
https://ollama.com/library
- Moodle (LMS): https://moodle.org/?lang=es
- OBS Studio (Open Broadcaster Software): https://obsproject.com/
- Camtasia – TechSmith: https://www.techsmith.com/video-editor.html
- Adobe Captivate: https://www.adobe.com/products/captivate.html
- Google Forms: https://www.google.com/forms/about/
- SurveyMonkey: https://es.surveymonkey.com
- Kahoot!: https://kahoot.com/
- Nearpod: https://nearpod.com
- Edmodo: https://www.edmodo.com/
- EdPuzzle (vídeos interactivos): https://edpuzzle.com
- Quizlet: https://quizlet.com/
- Classmarker: https://www.classmarker.com/
Plataformas integrales de e-learning
Moodle (LMS open source)
Sistema de gestión del aprendizaje con módulo de cuestionarios robusto que incluye múltiples tipos de preguntas, bancos de preguntas reutilizables, calificación automática y análisis estadístico detallado.
→ https://moodle.org/?lang=es
Adobe Captivate (E-learning authoring)
Plataforma profesional para crear cursos interactivos con capacidades avanzadas de evaluación: quizzes gamificados, drag-and-drop, simulaciones, puntuación parcial/negativa, pre-tests adaptativos y certificación automática. Actualizada en 2025 con IA generativa integrada.
→ https://www.adobe.com/products/captivate.html
Herramientas de evaluación específicas
Google Forms (Gratuito)
Solución versátil y accesible para crear formularios, encuestas y tests con calificación automática, feedback personalizado, integración con Google Classroom y análisis de respuestas en tiempo real.
→ https://www.google.com/forms/about/
ClassMarker (Testing profesional)
Plataforma especializada en exámenes online certificados con funciones anti-trampas, proctoring con IA, bancos de preguntas, tiempo límite, randomización, certificados automáticos y análisis avanzado de resultados.
→ https://www.classmarker.com/
SurveyMonkey
Herramienta líder en encuestas que también permite crear evaluaciones formales con lógica condicional, análisis estadístico y exportación de datos para investigación.
→ https://es.surveymonkey.com
Plataformas de aprendizaje interactivo
Kahoot! (Gamificación)
Plataforma líder en evaluación gamificada que transforma tests en competiciones interactivas en tiempo real, ideal para engagement estudiantil y evaluación formativa dinámica.
→ https://kahoot.com/
Nearpod (Lecciones interactivas)
Sistema de presentaciones interactivas con capacidades avanzadas de quiz: múltiple opción con imágenes como respuestas, preguntas abiertas, draw-it, drag-and-drop, y datos formativos comprehensivos para diferenciación. Actualizaciones 2024-2025.
→ https://nearpod.com
EdPuzzle (Vídeos interactivos)
Plataforma especializada en evaluación mediante vídeos interactivos que integra preguntas, notas y audio. Novedades 2025-2026: quizzes independientes con leaderboard, slides interactivos y proyectos creados por estudiantes.
→ https://edpuzzle.com
Quizlet (Study sets)
Herramienta líder en aprendizaje basado en flashcards, tests de práctica adaptativos, juegos educativos y modos de estudio personalizados respaldados por ciencia del aprendizaje espaciado.
→ https://quizlet.com/
Criterios de selección
- Propósito: evaluación formativa vs. sumativa vs. certificación
- Formato: sincrónico (Kahoot!, Nearpod) vs. asincrónico (Google Forms, Moodle)
- Complejidad: desde básico (Google Forms) hasta avanzado (Adobe Captivate, ClassMarker)
- Presupuesto: opciones gratuitas (Moodle, Google Forms) vs. licencias institucionales
- Integridad académica: herramientas con proctoring (ClassMarker) para evaluaciones de alto riesgo
Competencias a desarrollar
Esta actividad práctica permite desarrollar alfabetización crítica en IA generativa, competencia esencial para docentes del siglo XXI. Los futuros profesionales de la educación aprenderán a:
- Formular prompts efectivos para contextos pedagógicos específicos
- Evaluar críticamente la calidad, pertinencia y sesgo de outputs generados por IA
- Identificar fortalezas y limitaciones de diferentes modelos de lenguaje
- Tomar decisiones informadas sobre la integración ética de IA en el aula
🎓 Ejercicio práctico: Evaluación multi-modelo
Contexto: Diseño de itinerarios de aprendizaje sobre objetos digitales inclusivos para estudiantes de Bachillerato y Formación Profesional.
Fase 1: Ejecución del prompt (30 min)
Ejecuta el siguiente prompt en al menos 4 modelos diferentes:
“Articula un itinerario de aprendizaje sobre diseño de objetos digitales con criterios inclusivos (accesibilidad WCAG 2.1, diseño universal), indicando las tareas o contenidos de cada fase y las herramientas necesarias en una tabla markdown de 5 filas máximo (una fila por cada fase). La última columna incluirá el nombre de la aplicación recomendada y un enlace activo a la misma. Los destinatarios son estudiantes de educación preuniversitaria que han terminado la formación obligatoria (16-18 años).”
Modelos recomendados para comparar:
| Modelo | Acceso | Características |
|---|---|---|
| GPT-4o | ChatGPT | Líder en comprensión contextual y formato estructurado |
| Claude 3.5 Sonnet | Claude | Excelente en tareas pedagógicas y ética |
| Copilot | Microsoft Copilot | Integración con ecosistema educativo Microsoft |
| Perplexity | Perplexity AI | Respuestas con referencias verificables |
| DeepSeek V3 | DeepSeek | Modelo open source de alto rendimiento |
| Duck.ai | DuckDuckGo AI | Agregador con 5 modelos (o3-mini, Claude 3 Haiku, Mistral) |
💡 Tip profesional: Crea una cuenta en cada plataforma con antelación. Guarda las respuestas en un documento compartido para facilitar la comparación.
Fase 2: Análisis sistemático con rúbrica (45 min)
Evalúa cada output según esta rúbrica de evaluación pedagógica (escala 1-4):
| Criterio | Descripción | Peso |
|---|---|---|
| Pertinencia curricular | ¿El itinerario se ajusta al nivel cognitivo de estudiantes 16-18 años? | 25% |
| Progresión didáctica | ¿Las fases muestran secuenciación lógica y scaffolding adecuado? | 20% |
| Inclusividad real | ¿Se integran genuinamente principios de diseño universal (no solo mención superficial)? | 25% |
| Herramientas recomendadas | ¿Son aplicaciones actualizadas, accesibles y apropiadas para el contexto educativo español? | 15% |
| Claridad y estructura | ¿La tabla es clara, bien formateada y directamente utilizable en clase? | 10% |
| Calidad de enlaces | ¿Los enlaces funcionan y dirigen a recursos legítimos? | 5% |
Documentación: Crea una matriz comparativa con puntuación justificada para cada modelo.
Fase 3: Reflexión crítica (30 min)
Responde en un informe breve (500-750 palabras):
- Variabilidad de outputs: ¿Qué diferencias significativas observaste entre modelos? ¿Alguno mostró sesgos hacia herramientas comerciales específicas?
- Aplicabilidad pedagógica: ¿Cuál output requeriría menos adaptación para usar directamente en un aula de Bachillerato/FP?
- Limitaciones detectadas: ¿Identificaste información incorrecta, desactualizada o culturalmente inapropiada?
- Prompt engineering: ¿Cómo reformularías el prompt para obtener mejores resultados?
- Implicaciones éticas: ¿Qué consideraciones éticas surgen al usar IA para diseño curricular? ¿Cómo preservar la creatividad docente?
Fase 4: Iteración mejorada (20 min - opcional)
Basándote en tu análisis, rediseña el prompt incorporando:
- Especificaciones más precisas sobre estándares de accesibilidad
- Contexto del sistema educativo español (legislación vigente: LOMLOE)
- Criterios de evaluación explícitos para herramientas recomendadas
- Restricciones éticas (preferencia por software FOSS)
Ejecuta tu prompt mejorado en el modelo que mejor performó y documenta la mejora obtenida.
📊 Ejemplo de resultados comparados
Consulta análisis detallado con outputs de múltiples modelos:
→ Comparativa multi-LLM
🎯 Entregables
- Matriz comparativa con puntuaciones justificadas (formato Excel/Google Sheets)
- Informe de reflexión crítica (PDF, 500-750 palabras)
- Prompt mejorado con justificación de cambios (opcional)
⏱️ Duración estimada
- Trabajo individual: 2-2.5 horas
- Sesión de discusión grupal: 1 hora (recomendada)
🔗 Recursos complementarios
Formación en evaluación de LLMs:
Investigación relevante sobre análisis de LLMs en contextos educativos y clasificación de preguntas pedagógicas.
6.4 Asistentes personalizados para revisión y autoevaluación
La revolución en el procesamiento del lenguaje natural y la visión artificial está transformando la manera en que se generan materiales educativos personalizados. Los modelos IA con capacidades multimodales permiten procesar simultáneamente los materiales propios de cursos en línea o impartidos a través de plataformas de apoyo a la docencia —comúnmente en formato PDF y con enlaces a contenido audiovisual— para crear experiencias de aprendizaje adaptativas y herramientas de autoevaluación inteligentes.
La extracción automatizada de conocimiento desde materiales del curso permite generar asistentes educativos que van más allá de la simple presentación de contenido. Estos sistemas pueden ahora mantener diálogos contextualizados a modo de tutorial interactivo, generando preguntas que evalúan progresivamente la comprensión del estudiante y proporcionando retroalimentación específica basada en el material original del curso. Sobre las mismas fuentes pueden articularse casos de estudio, juegos interactivos, asistentes socráticos o diálogos con múltiples voces que se ajustan a un rango amplio de intereses y preferencias en los estilos y formatos de trabajo (Tankelevitch et al., 2024).
6.4.1 Ecosistema de asistentes IA para educación
Herramientas diseñadas para búsqueda, síntesis y verificación de información con citas verificables:
| Herramienta | Características | Mejor uso | Precio |
|---|---|---|---|
| NotebookLM | Gemini 2.0, carga documentos/vídeos, Audio Overviews (Deep Dive, Debate, Critique, Lecture), flashcards, quizzes, Learning Guide, Mind Maps | Síntesis de materiales de curso, estudio activo | Gratuito (Workspace) |
| Perplexity AI | Búsqueda web en tiempo real, citas verificables, acceso a GPT-4/Claude/Gemini | Investigación actualizada con fuentes | Freemium ($20/mes Pro) |
| Consensus | Búsqueda en 200M+ papers científicos, síntesis basada en evidencia | Revisión de literatura académica | Freemium |
| Elicit | Extracción automática de datos de papers, tablas comparativas | Revisiones sistemáticas | Freemium |
| Semantic Scholar | 220M+ papers, TLDR automático, alertas de citación | Seguimiento de literatura | Gratuito |
| Scite.ai | Análisis de citas (apoyo/contraste), verificación de afirmaciones | Evaluación crítica de evidencia | Desde $20/mes |
Plataformas especializadas en generación de materiales y gestión del aula:
| Herramienta | Funcionalidades | Integración | Precio |
|---|---|---|---|
| MagicSchool AI | 60+ herramientas: planificación, rúbricas, diferenciación, IEPs, comunicación con familias | Google Classroom, Canvas, LMS | Freemium |
| SchoolAI | Espacios de IA monitorizados para estudiantes, “Mission Control” para supervisión docente | Google Classroom | Freemium |
| Eduaide.AI | Generación de contenido alineado a estándares curriculares, banco de recursos | Exportación universal | Freemium |
| Curipod | Lecciones interactivas con IA, participación en tiempo real | Google Slides, PowerPoint | Freemium |
| Diffit | Adaptación de textos por nivel de lectura, generación de actividades | Google Docs | Freemium |
| Brisk Teaching | Extensión Chrome: feedback, rúbricas, detección IA en documentos | Google Docs, Classroom | Freemium |
Sistemas que proporcionan tutoría adaptativa uno-a-uno:
| Herramienta | Enfoque pedagógico | Áreas | Acceso |
|---|---|---|---|
| Khanmigo | Método socrático: guía sin dar respuestas directas, fomenta razonamiento | Matemáticas, ciencias, humanidades | $44/año (estudiantes) |
| Duolingo Max | Explain My Answer + Roleplay con personajes IA | Idiomas (40+) | $30/mes |
| Photomath | Resolución paso a paso desde foto, múltiples métodos | Matemáticas K-12 | Freemium |
| Socratic by Google | Ayuda con deberes desde foto, explicaciones visuales | Multidisciplinar | Gratuito |
| Synthesis Tutor | Aprendizaje basado en problemas, pensamiento crítico | STEM, razonamiento | Suscripción |
| Speak | Conversación oral con IA, corrección de pronunciación | Inglés | Suscripción |
Herramientas para construir asistentes especializados con conocimiento propio:
| Plataforma | Tecnología | Capacidades | Precio |
|---|---|---|---|
| NotebookLM | Gemini 2.0 | Carga hasta 50 fuentes (PDF, Docs, vídeos YouTube, URLs), genera Audio Overviews, flashcards, quizzes | Gratuito |
| Custom GPTs | GPT-4/4o | Instrucciones personalizadas, base de conocimiento, acciones API, publicación en GPT Store | ChatGPT Plus ($20/mes) |
| Claude Projects | Claude 4 | Conocimiento base persistente, instrucciones de sistema, artefactos interactivos | Claude Pro ($20/mes) |
| Poe | Multi-modelo | Crea bots con GPT-4, Claude, Gemini; comparte públicamente | Freemium |
| Coze | Multi-modelo | Bots con plugins, workflows, base de conocimiento, publicación multi-plataforma | Gratuito |
6.4.2 NotebookLM: el asistente de estudio de referencia (2025)
NotebookLM de Google se ha consolidado como una de las plataformas más potentes para convertir materiales de estudio en experiencias de aprendizaje activo y personalizadas. Aunque domina este espacio, alternativas como Perplexity Pages están ganando terreno gracias a su enfoque en la síntesis guiada y la navegación inteligente por fuentes complejas.
De cara a los próximos meses, es previsible que estos servicios incorporen integraciones más profundas con los principales sistemas de gestión del aprendizaje (LMS), permitiendo automatizar la creación de itinerarios formativos, generar evaluaciones adaptativas a partir de los contenidos del curso y ofrecer analíticas de aprendizaje basadas en modelos multimodales. Todo apunta a que su valor añadido crecerá a medida que se conviertan en capas inteligentes que amplíen las capacidades de plataformas como Moodle, Canvas o Blackboard.
A lo largo de 2025, NotebookLM ha incorporado funcionalidades que lo convierten en un ecosistema completo.
Entrada de fuentes (hasta 50 por notebook):
- Documentos de Google (Docs, Slides)
- Archivos PDF y texto/Markdown
- URLs de sitios web
- Vídeos públicos de YouTube (transcripción automática)
- Archivos de audio
Generación de contenido:
- Audio Overviews: Podcasts conversacionales con dos presentadores IA en 80+ idiomas
- Deep Dive: Exploración detallada del contenido
- Brief: Resumen conciso por un solo presentador
- Critique: Análisis crítico con retroalimentación constructiva
- Debate: Dos perspectivas contrapuestas sobre el tema
- Lecture (próximamente): Clases de hasta 30 minutos
- Video Overviews: Explicadores visuales para presentaciones
- Flashcards y Quizzes: Generación automática desde las fuentes
- Learning Guide: Tutor personalizado que adapta la dificultad
- Mind Maps: Mapas conceptuales interactivos
- Informes estructurados: Posts, resúmenes ejecutivos, FAQs
Integraciones educativas (2025):
- Google Classroom: asignación directa de notebooks
- Canvas by Instructure (vía Gemini LTI)
- PowerSchool Schoology Learning
- OpenStax: notebooks precargados con contenido académico verificado
6.4.3 Arquitecturas para asistentes educativos personalizados
Los Teachable Language Models (TLM) posibilitan la creación de asistentes virtuales especializados que dominan el contenido específico del curso. Estos asistentes pueden ser configurados con los materiales propios de la asignatura para proporcionar explicaciones personalizadas y ejercicios de práctica alineados con los objetivos de aprendizaje establecidos.2, 5
Existen distintas arquitecturas subyacentes para estos modelos:
- Modelos basados en transformadores: Arquitectura dominante en los LLM actuales (GPT, Claude, Gemini, Llama), particularmente adecuada para tareas de procesamiento del lenguaje natural
- Retrieval-Augmented Generation (RAG): Combina recuperación de información desde una base de conocimiento con generación de texto, minimizando alucinaciones y anclando las respuestas en fuentes verificables
- Fine-tuning: Ajuste fino del modelo con datos específicos del dominio educativo
- Prompting con contexto: Inyección de materiales del curso directamente en el contexto del modelo (enfoque de NotebookLM, Claude Projects, Custom GPTs)
La clave de su eficacia está en la calidad de los datos con los que se configura el modelo elegido. Para la mayoría de aplicaciones educativas, el enfoque de prompting con contexto ofrece el mejor equilibrio entre facilidad de implementación, control docente y calidad de resultados (Jauhiainen & Garagorry Guerra, 2024).
6.4.4 Herramientas de autoevaluación inteligente
Para tareas de autoevaluación, algunos sistemas especializados están revolucionando la generación de pruebas formativas:
| Herramienta | Funcionalidad | Integración |
|---|---|---|
| QuizGPT | Genera quizzes desde texto/PDF, explica respuestas correctas e incorrectas | Exportación estándar |
| Quizalize | Agrupación automática por nivel, “mastery quizzes”, seguimiento de progreso | Google Classroom, Canvas |
| Formative | Evaluación en tiempo real, feedback IA instantáneo, detección de comprensión | LMS principales |
| Gradescope | Calificación asistida por IA, rúbricas inteligentes, detección de plagio | Canvas, Blackboard, LTI |
| Turnitin Draft Coach | Feedback formativo sobre escritura, citación, integridad académica | LMS principales |
Estas herramientas no solo crean preguntas, sino que pueden explicar por qué una respuesta es correcta o incorrecta, citando directamente los materiales del curso. Además, pueden adaptar dinámicamente la dificultad de las preguntas según el desempeño del estudiante.
6.4.5 Integración en plataformas LMS
Estas tecnologías se están integrando progresivamente en plataformas de aprendizaje establecidas:
- Moodle: Plugins de IA para generación de contenido y evaluación adaptativa
- Canvas: Gemini LTI, integración con NotebookLM
- Schoology: Conexión con NotebookLM y Gems de Gemini
- Blackboard: Herramientas de IA para feedback automatizado
Los datos generados facilitan la identificación temprana de conceptos que requieren refuerzo y la personalización continua del material de estudio, proporcionando información sobre aspectos revisables de la metodología y recursos utilizados (Alfredo et al., 2024).
Conviene mantener una política estricta de supervisión humana en el proceso. El contenido generado debe ser validado antes de ser puesto a disposición del grupo, para asegurar su precisión y relevancia, confirmando que se alinea con los objetivos pedagógicos propuestos.3, 4
Consideraciones críticas:
- Verificación de exactitud: Los LLM pueden generar información incorrecta o desactualizada
- Alineación curricular: El contenido generado debe ajustarse a los estándares y objetivos del curso
- Sesgo algorítmico: Revisar que el material no reproduzca sesgos presentes en los datos de entrenamiento
- Privacidad estudiantil: Evaluar qué datos se comparten con servicios externos
- Dependencia tecnológica: Mantener alternativas para situaciones sin conectividad
En este contexto, y sobre todo en etapas preuniversitarias, la tecnología debe verse como un complemento destinado a potenciar, en lugar de reemplazar, el juicio profesional del equipo docente (Buijsman et al., 2025).
6.4.6 Perspectivas de evolución
A medio plazo es previsible que continúe la dinámica de integración de capacidades multimodales y adaptativas en estas herramientas, con las ventajas que esto supone para:
- Aprendizaje de idiomas: Interacción conversacional hablada con feedback de pronunciación en tiempo real
- Matemáticas y ciencias: Resolución paso a paso con visualizaciones dinámicas y múltiples métodos
- Escritura académica: Feedback formativo sobre estructura, argumentación y citación
- Programación: Asistentes de código contextualizados con los requisitos del curso
La posibilidad de generar materiales de estudio personalizados a partir de cualquier recurso educativo promete democratizar el acceso a experiencias de aprendizaje de alta calidad, sin menoscabar el rigor académico ni la coherencia pedagógica (Manzini et al., 2024).
NotebookLM (Google): Permite cargar documentos y crear un asistente contextualizado que responde preguntas basadas en fuentes específicas, independientemente del idioma. Genera Audio Overviews (conversaciones con voces naturales), Video Overviews, flashcards, quizzes y Learning Guides basados en el contenido cargado. Disponible gratuitamente para usuarios de Google Workspace for Education.
Custom GPTs (OpenAI): Permite crear versiones personalizadas de GPT-4 con instrucciones específicas, base de conocimiento propia y acciones conectadas a APIs externas. Requiere suscripción ChatGPT Plus. Los GPTs pueden publicarse en el GPT Store para compartir con otros usuarios.
Claude Projects (Anthropic): Permite configurar un espacio de trabajo con instrucciones de sistema personalizadas y una base de conocimiento persistente. Ideal para asistentes que requieren contexto extenso (hasta 200K tokens) y razonamiento detallado.
Perplexity Spaces (Perplexity AI): Permite crear colecciones de búsquedas y documentos sobre un tema, con IA que responde basándose en esas fuentes más búsqueda web actualizada con citas verificables.
Mostrar referencias
1. Bewersdorff, A., Hartmann, C., Hornberger, M., Seßler, K., Bannert, M., Kasneci, E., Kasneci, G., Zhai, X., & Nerdel, C. (2025). Taking the next step with generative artificial intelligence: The transformative role of multimodal large language models in science education. Learning And Individual Differences, 118, 102601. https://doi.org/10.1016/j.lindif.2024.102601
2. IBM (2024, 13 mayo). ¿Qué es un modelo de transformador? https://www.ibm.com/es-es/topics/transformer-model
3. Using AI to enhance assessment. (s. f.). Assessment, AI And Academic Integrity. https://melbourne-cshe.unimelb.edu.au/ai-aai/home/ai-assessment/using-ai-to-enhance-assessment
4. Mollick, E. R., & Mollick, L. (2022). New Modes of Learning Enabled by AI Chatbots: Three Methods and Assignments. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4300783
5. de la Torre, J. (2023). Transformadores: Fundamentos teóricos y Aplicaciones. Universitat Oberta de Catalunya. https://arxiv.org/pdf/2302.09327Listado de casos
- Alfabetización en IA: el caso de Shanghai (China)
- Pensamiento metacognitivo y estrategia BIG-6 (Taiwán)
- Adopción de IA generativa según creencias pedagógicas (Ecuador)
- Servicios en la nube durante la pandemia
- Obsolescencia del software educativo
- Sostenibilidad en transformación digital
- La “corrección del hype” y sus efectos en expectativas educativas
- Brechas generacionales en el mercado laboral
- Síntesis de evidencia empírica sobre impacto en pensamiento de orden superior
- Aula sin barreras: traducción e IA
- Variaciones del modelo UTAUT
- Kialo para debate filosófico
- Conversor de rúbrica a evaluación interactiva
- Asistente socrático con IA generativa
- Herramientas contra la desinformación
- Itinerario de publicación accesible
- Implicaciones del uso de IA generativa en la didáctica filosófica
- Modelos teóricos para comprender la adopción de tecnología educativa
- Capacidades multimodales en modelos de IA generativa
- Generación de vídeo con instrucciones de texto
- Análisis de gráficos con Gemini/Copilot
- Comparativa de modelos de IA generativa
- Metarrecursos y modelos optimizados de IA
- Asistentes personalizados para revisión y autoevaluación
Referencias
Abujaber, A. A., & Nashwan, A. J. (2024). Ethical framework for artificial intelligence in healthcare research: A path to integrity. World Journal of Methodology, 14(3), 94071. https://doi.org/10.5662/wjm.v14.i3.94071
Adelantado-Renau, M., Moliner-Urdiales, D., Cavero-Redondo, I., Beltran-Valls, M. R., Martínez-Vizcaíno, V., & Álvarez-Bueno, C. (2019). Association between screen media use and academic performance among children and adolescents: A systematic review and meta-analysis. JAMA Pediatrics, 173(11), 1058. https://doi.org/10.1001/jamapediatrics.2019.3176
Aguaded, I., & Romero, L. M. (2015). Mediamorfosis y desinformación en la infoesfera: Alfabetización mediática, digital e informacional ante los cambios de hábitos de consumo informativo. Education in the Knowledge Society (EKS), 16(1), 44–57. http://dx.doi.org/10.14201/eks20151614457
Albar-Marín, M. J., Gutiérrez-Martínez, A., & García-Ramírez, M. (2023). Repercusiones de la COVID-19 en un proceso de investigación-acción participativa con adolescentes gitanas. Gaceta Sanitaria, 37, 102255. https://doi.org/10.1016/j.gaceta.2022.102255
Alfredo, R., Echeverria, V., Jin, Y., Yan, L., Swiecki, Z., Gašević, D., & Martinez-Maldonado, R. (2024). Human-centred learning analytics and AI in education: A systematic literature review. Computers and Education Artificial Intelligence, 6, 100215. https://doi.org/10.1016/j.caeai.2024.100215
Andre, D. (2024, noviembre 6). Goal oriented AI agents: How goal-directed behaviors shape AI performance. All About AI. https://www.allaboutai.com/ai-agents/goal-oriented-ai-agents/
Arendt, H. (1998). La crisis en la educación. En Entre pasado y futuro. Península.
Areito, L., Corbella, M. R., & Figarella, D. G. (2007). De la educación a distancia a la educación virtual. Ariel.
Aydin, H. (2021). A study of cloud computing adoption in universities as a guideline to cloud migration. SAGE Open, 11(3), 215824402110302. https://doi.org/10.1177/21582440211030280
Ball, M. (2022, agosto 26). The metaverse explained in 14 minutes. Big Think. https://bigthink.com/series/the-big-think-interview/why-the-metaverse-matters/
Bañas, C., Ruiz, C., & Mellado, V. (2011). Un programa de investigación-acción con profesorado de secundaria sobre la enseñanza-aprendizaje de la energía. Educación Química, 22(4), 332–339. https://doi.org/10.1016/s0187-893x(18)30153-8
Bewersdorff, A., Hartmann, C., Hornberger, M., Seßler, K., Bannert, M., Kasneci, E., Kasneci, G., Zhai, X., & Nerdel, C. (2025). Taking the next step with generative artificial intelligence: The transformative role of multimodal large language models in science education. Learning and Individual Differences, 118, 102601. https://doi.org/10.1016/j.lindif.2024.102601
Blackmore, C. (Ed.). (2010). Social learning systems and communities of practice. Springer.
Blut, M., Chong, A. Y. L., Tsigna, Z., & Venkatesh, V. (2022). Meta-analysis of the unified theory of acceptance and use of technology (UTAUT): Challenging its validity and charting a research agenda in the red ocean. Journal of the Association for Information Systems, 23(1), 13–95. https://doi.org/10.17705/1jais.00719
Bobula, M. (2024). Generative artificial intelligence (AI) in higher education: A comprehensive review of challenges, opportunities, and implications. Journal of Learning Development in Higher Education, 30. https://doi.org/10.47408/jldhe.vi30.1137
Bohlmann, M., Lanius, D., Maisenhölder, P., Moser, T., Noller, J., & Schwartz, M. (2023). On the use of YouTube, digital games, argument maps, and digital feedback in teaching philosophy. Journal of Didactics of Philosophy, 7, 1–20. https://doi.org/10.46586/jdph.2023.9863
Bordalba, M. M., & Bochaca, J. G. (2019). Digital media for family-school communication? Parents’ and teachers’ beliefs. Computers & Education, 132, 44–62. https://doi.org/10.1016/j.compedu.2019.01.006
Boudouaia, A., Mouas, S., & Kouider, B. (2024). A study on ChatGPT-4 as an innovative approach to enhancing English as a foreign language writing learning. Journal of Educational Computing Research, 62(6), 1509–1537. https://doi.org/10.1177/07356331241247465
Bozkurt, A., Xiao, J., Lambert, S., Pazurek, A., Crompton, H., Koseoglu, S., Farrow, R., Bond, M., Nerantzi, C., Honeychurch, S., Bali, M., Dron, J., Mir, K., Stewart, B., Costello, E., Mason, J., Stracke, C. M., Romero-Hall, E., Koutropoulos, A., … Jandrić, P. (2024). The manifesto for teaching and learning in a time of generative AI: A critical collective stance to better navigate the future. Open Praxis, 16(4), 487–513. https://doi.org/10.55982/openpraxis.16.4.777
Campbell, T., & Fazio, X. (2020). Epistemic frames as an analytical framework for understanding the representation of scientific activity in a modeling-based learning unit. Research in Science Education, 50(6), 2283–2304. https://doi.org/10.1007/s11165-018-9779-7
Carbonell, J., & Sebarroja, J. C. (2000). Pedagogías del siglo XXI: Alternativas para la innovación educativa. Edebé.
Carrasco, M. (2013). Aprendizaje, competencias y TIC. Pearson Educación.
Castañeda, L., & Selwyn, N. (2018). More than tools? Making sense of the ongoing digitizations of higher education. International Journal of Educational Technology in Higher Education, 15(1). https://doi.org/10.1186/s41239-018-0109-y
Chou, C.-M., Shen, T.-C., & Shen, C.-H. (2023). The impact of CIE education integrated with the BIG 6 teaching strategy on students’ innovative motivation, creativity, metacognition, and self-perceived employability. Thinking Skills and Creativity, 48, 101287. https://doi.org/10.1016/j.tsc.2023.101287
Choukeir, J., & DeepMind, G. (2023, agosto). AI-enabled personalised learning: Opportunities and challenges. The RSA. https://www.thersa.org/blog/2023/08/ai-enabled-personalised-learning-opportunities-challenges
Coeckelbergh, M. (2022a). Democracy, epistemic agency, and AI: Political epistemology in times of artificial intelligence. AI and Ethics, 1–10. https://doi.org/10.1007/s43681-022-00239-4
Coeckelbergh, M. (2022b). The political philosophy of AI: An introduction. Polity Press.
Cole, B. (2017). 1:1 computing initiatives: How they can be sustained [Tesis doctoral, Georgia State University]. https://doi.org/10.57709/10113662
Consejo Escolar del Estado. (2024). Propuestas del Consejo Escolar del Estado sobre el uso de dispositivos móviles en los centros. Ministerio de Educación y Formación Profesional. https://www.educacionyfp.gob.es/dam/jcr:5ab2371c-4f3e-4c4d-9090-b3afb18adcf8/cee-propuestas-dispositivos-moviles.pdf
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982–1003. https://doi.org/10.1287/mnsc.35.8.982
Dewey, J. (1998). Experience and education. Kappa Delta Pi.
Dias-Fonseca, T., & Potter, J. (2016). Media education as a strategy for online civic participation in Portuguese schools. Comunicar, 24(49), 9–18. https://doi.org/10.3916/c49-2016-01
Diéguez, A. (2017). Transhumanismo: La búsqueda tecnológica del mejoramiento humano. Herder Editorial.
Familoni, T. (2024). Cybersecurity challenges in the age of AI: Navigating the evolving threat landscape. arXiv. https://doi.org/10.48550/arXiv.2411.07174
Fendt, J., Kaminska-Labbé, R., & Sachs, W. M. (2025). Exapt, adapt, disrupt: A conceptual framework for systemic innovation. arXiv. https://doi.org/10.48550/arXiv.2501.05253
Feng, X., Sun, J., Liao, M., & Yu, S. (2025). Key factors influencing educational technology adoption in higher education: A Bayesian meta-analysis. Journal of Educational Technology & Society, 28(1), 225–244. https://doi.org/10.30191/ETS.202501_28(1).RF02
Fokides, E., & Panagiotopoulou, P. (2025). Comparing ChatGPT’s correction and feedback comments with that of educators: Exploring its effects on students’ revisions and perceptions. International Journal of Artificial Intelligence in Education. https://doi.org/10.1007/s40593-024-00446-y
Frankston, R. (2024). HTML papers on arXiv: Why it is important and how we made it happen. arXiv. https://doi.org/10.48550/arXiv.2412.12008
Gallup & Walton Family Foundation. (2025). Gen Z is using AI: How Colleges can harness students’ AI interest. https://news.gallup.com/poll/659629/gen-using-colleges-harness-students-interest.aspx
Gong, T., Li, W., Zhou, J., & Xue, L. (2024). Understanding strategies for digital government transformation: A configurational approach. Government Information Quarterly, 41(4), 101970. https://doi.org/10.1016/j.giq.2024.101970
Granić, A., & Marangunić, N. (2019). Technology acceptance model in educational context: A systematic literature review. British Journal of Educational Technology, 50(5), 2572–2593. https://doi.org/10.1111/bjet.12864
Granić, A. (2022). Educational technology adoption: A systematic review. Education and Information Technologies, 27(7), 9725–9744. https://doi.org/10.1007/s10639-022-10951-7
Haroud, N. (2025). Generation Y and Generation Z: Differing perspectives and attitudes regarding AI usage among students at higher education institutions. Higher Education Quarterly, 79(1). https://doi.org/10.1111/hequ.12562
Huesca, A. R., Ruíz, I. B., Ramírez, M. M., & García, R. L. (2024). Effectiveness of using ChatGPT as a tool to strengthen benefits of the flipped learning strategy. Revista Electrónica Educare, 28(2), 1–24. https://doi.org/10.15359/ree.28-2.18059
Islam, M. A., Rahim, M. N. B. A., Liang, T. C., & Momtaz, H. (2011). Effect of demographic factors on e-learning effectiveness in a higher learning institution in Malaysia. International Education Studies, 4(1). https://doi.org/10.5539/ies.v4n1p112
Jauhiainen, J. S., Tukiainen, T., & Siljander, T. (2024). Generative AI and education—Dynamic personalisation of pupils’ school learning material with ChatGPT. Computers and Education: Artificial Intelligence, 6, 100237. https://doi.org/10.1016/j.caeai.2024.100237
Kim, K. R., & Seo, E. H. (2018). The relationship between teacher efficacy and students’ academic achievement: A meta-analysis. Social Behavior and Personality: An International Journal, 46(4), 529–540. https://doi.org/10.2224/sbp.6554
Lee, Y.-C. (2024). The impact of generative AI on higher education learning and teaching: A study on educators’ perspectives. Technology, Knowledge and Learning. https://doi.org/10.1007/s10758-024-09767-0
Lin, P.-H., Woodfield, R., Morini, V., Borsci, S., & Gkatzia, D. (2024). Towards trustworthy LLMs: A review on debiasing and dehallucinating in large language models. arXiv. https://doi.org/10.48550/arXiv.2405.04563
Malone, S., Garzón, J., & Kuhn, J. (2023). Three decades of augmented reality in education: A second-order meta-analysis and research synthesis. https://doi.org/10.31219/osf.io/amw4t
Martín, A. B. B., Molero Jurado, M. del M., Gazquez Linares, J. J., Marquez, M. M. S., Martínez, Á. M., & Pérez-Fuentes, M. del C. (2021). Innovación docente e investigación en arte y humanidades: Nuevos enfoques en la metodología docente. ESIC Editorial.
Martínez-Sarmiento, L. F., & Gaeta González, M. L. (2018). Utilización de la plataforma virtual Moodle para el desarrollo del aprendizaje autorregulado en estudiantes universitarios. Educar, 55(2), 479–498. https://doi.org/10.5565/rev/educar.883
McIntosh, E. (2016). Pensamiento de diseño en la escuela: Cómo lograr que surjan ideas innovadoras y hacerlas realidad. SM.
Mills, G. E. (2017). Action research: A guide for the teacher researcher (6.ª ed.). Pearson.
MIT Technology Review. (2024, diciembre 15). The great AI hype correction of 2025. MIT Technology Review. https://www.technologyreview.com/2024/12/15/1108690/the-great-ai-hype-correction-of-2025/
Moliner, L., & Alegre, F. (2022). The role of therapeutic pedagogy teachers from an inclusive perspective in mathematics secondary education in Spain. INTED2022 Proceedings. https://doi.org/10.21125/inted.2022.1234
Mora-Gonzalez, J., Navarro-Mateos, C., & Pérez-López, I. J. (2022). “STAR WARS™: The First Jedi” gamification program: Improvement of fitness among college students. Journal of Teaching in Physical Education, 42(3), 502–510. https://doi.org/10.1123/jtpe.2021-0309
Msafiri, M. M., Kangwa, D., & Cai, L. (2023). A systematic literature review of ICT integration in secondary education: What works, what does not, and what next? Discover Education, 2(1). https://doi.org/10.1007/s44217-023-00070-x
Murgatroyd, S. (2024). The future of higher education in an age of artificial intelligence. Ethics International Press.
Nass, C., Steuer, J., & Tauber, E. R. (2000). Machines and mindlessness: Social responses to computers. Journal of Social Issues, 50(1), 81–103. https://doi.org/10.1111/j.1540-4560.1994.tb02547.x
Obeidat, M. A., & Turgay, T. (2012). Empirical analysis for the factors affecting the adoption of cloud computing initiatives by information technology executives. Journal of Management Research, 5(1). https://doi.org/10.5296/jmr.v5i1.2764
Organización Internacional del Trabajo. (2026, enero 14). Los riesgos de la IA para la inserción laboral de los jóvenes con alta cualificación. https://www.ilo.org/es/resource/news/los-riesgos-de-la-ia-para-la-insercion-laboral-de-los-jovenes-con-alta
Pan, Y., Froese, T., Cherep, L. A., Vranceanu, C., Romero, J. O., Kelly, J. W., & Ragan, E. D. (2024). Constraints on embodiment in large virtual environments: Effects of transitions between seated and walking travel. Virtual Reality, 28(1), 63. https://doi.org/10.1007/s10055-024-00976-3
Pedreño, A. (Dir.). (2024). La inteligencia artificial en las universidades: Retos y oportunidades. Crue Universidades Españolas. https://www.crue.org/wp-content/uploads/2024/06/Informe_IA_universidades.pdf
Penstein Rosé, C., Martínez-Maldonado, R., Hoppe, H. U., Luckin, R., Mavrikis, M., Porayska-Pomsta, K., McLaren, B., & du Boulay, B. (Eds.). (2018). Artificial intelligence in education: 19th International Conference, AIED 2018, London, UK, June 27–30, 2018, Proceedings, Part I. Springer International Publishing.
Puig, A. J. L., Sánchez, I. G., Fernández-Monroy, M., & Betancor, S. M. G. (2024, noviembre 28). Las matemáticas en ciencias sociales y su impacto en el abandono universitario. The Conversation. https://theconversation.com/las-matematicas-en-ciencias-sociales-y-su-impacto-en-el-abandono-universitario-242319
Pyne, L. (2021). Genuine fakes: How phony things teach us about real stuff. Bloomsbury Sigma.
Qi, J., Yan, Y., & Yin, H. (2023). Screen time among school-aged children of aged 6–14: A systematic review. Global Health Research and Policy, 8(1). https://doi.org/10.1186/s41256-023-00297-z
Reich, J. (2020). Failure to disrupt: Why technology alone can’t transform education. Harvard University Press.
Reich, J. (2025, enero 2). What past education technology failures can teach us about the future of AI in schools. The Conversation. https://theconversation.com/what-past-education-technology-failures-can-teach-us-about-the-future-of-ai-in-schools-243968
Repiso, A., & Martin, A. (2013). Recursos tecnológicos para la enseñanza e innovación educativa. Síntesis.
Richter, P. (Ed.). (2016). Professionell Ethik und Philosophie unterrichten: Ein Arbeitsbuch. Kohlhammer.
Rienties, B., & Toetenel, L. (2016). The impact of learning design on student behaviour, satisfaction and performance: A cross-institutional comparison across 151 modules. Computers in Human Behavior, 60, 333–341. https://doi.org/10.1016/j.chb.2016.02.074
Robinson, K., & Aronica, L. (2014). El elemento (V. Campos, Trad.). Vintage Español. (Obra original publicada en 2009)
Rodríguez-García, A.-M., Raso Sánchez, F., & Ruiz-Palmero, J. (2019). Competencia digital, educación superior y formación del profesorado: Un estudio de meta-análisis en la Web of Science. Pixel-Bit. Revista de Medios y Educación, 54, 65–82. https://doi.org/10.12795/pixelbit.2019.i54.04
Rodríguez Marconi, D., Lapierre Acevedo, M., Serra, M., Zanetti Fontaine, L., Sanabria, C.-M., & Quiroz Almuna, H. (2023). Aprendizaje colaborativo internacional en línea como estrategia para el desarrollo de competencias transversales en la educación superior, una experiencia desde la carrera de fonoaudiología. Educación Médica, 24(5), 100835. https://doi.org/10.1016/j.edumed.2023.100835
Rosenberg, B. (2023). Whatever it is, I’m against it: Resistance to change in higher education. Harvard Education Press.
Royo, A. (2016). Contra la nueva educación. Plataforma Editorial.
Ruiz, R., Muñoz, H., & Valle, M. (2010). Innovación en la educación superior: Hacia las sociedades del conocimiento. Fondo de Cultura Económica.
Ruiz-Rosillo, M. A., & Vivas, M. D. (Eds.). (2025). Inteligencia artificial generativa: Buenas prácticas docentes en educación superior. Octaedro. https://doi.org/10.36006/09648-1
Sagor, R. (2000). Guiding school improvement with action research. ASCD.
Sax, C. (2009). Measures of assistive technology predisposition and use. En E. Mpofu & T. Oakland (Eds.), Assessment in rehabilitation and health (pp. 297–317). Pearson.
Shah, P. (2023). AI and the future of education: Teaching in the age of artificial intelligence. Wiley.
Siemens, G., & Baker, R. S. J. d. (2012). Learning analytics and educational data mining: Towards communication and collaboration. En Proceedings of the 2nd International Conference on Learning Analytics and Knowledge (pp. 252–254). ACM.
Sotiropoulou, I. (2023). Machines against measures. Bloomsbury Publishing.
Stanford HAI. (2025, noviembre). Canaries in the coal mine: Six facts about the recent effects of AI. Stanford University Human-Centered Artificial Intelligence. https://hai.stanford.edu/policy/policy-resources/canaries-coal-mine-six-facts-about-recent-effects-ai
Steele, J. L. (2023). To GPT or not GPT? Empowering our students to learn with AI. Computers and Education: Artificial Intelligence, 5, 100160. https://doi.org/10.1016/j.caeai.2023.100160
Sun, J., Liao, M., Yu, S., & Su, Y. (2025). AI literacy development in middle school: Unpacking the influencing factors based on the TAM model. Education and Information Technologies. https://doi.org/10.1007/s10639-024-13135-9
Tébar Belmonte, L. (2005). Filosofía para niños de Matthew Lipman: Un análisis crítico y aportaciones metodológicas, a partir del Programa de Enriquecimiento Instrumental del profesor Reuven Feuerstein. Indivisa: Boletín de Estudios e Investigación, 6, 103–116. https://www.redalyc.org/articulo.oa?id=77100607
Thein, C. (2020). From pre-concepts to reasons: Empirically-based reconstruction of a philosophical learning scenario. Journal of Didactics of Philosophy, 4(1), 5–13. https://doi.org/10.46586/jdph.2020.9569
Tiana, A. (2013). Los cambios recientes en la formación inicial del profesorado en España: Una reforma incompleta. Revista Española de Educación Comparada, 22, 39–58. https://doi.org/10.5944/reec.22.2013.9322
Tilawat, L., & Hakami, M. (2025). Goal-oriented AI agents: The future of intelligent automation. International Journal of Computer and Information Technology, 14(1), 1–8. https://doi.org/10.24203/ijcit.v14i1.412
University of Melbourne. (2023, noviembre 29). Using AI to enhance assessment. Assessment, AI and Academic Integrity. https://melbourne-cshe.unimelb.edu.au/ai-aai/home/ai-assessment/using-ai-to-enhance-assessment
Vallor, S. (2024). The AI mirror: How to reclaim our humanity in an age of machine thinking. Oxford University Press.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
Wasserman-Rozen, H., Gilad-Bachrach, R., & Elkin-Koren, N. (2023). Lost in translation: The limits of explainability in AI. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4531323
Williams, R. (2024, octubre 28). Esta IA ayuda a que los profesores enseñen mejor matemáticas a los niños. MIT Technology Review. https://www.technologyreview.es/s/16863/esta-ia-ayuda-que-los-profesores-ensenen-mejor-matematicas-los-ninos
Williamson, B. (2018). Big Data en educación: El futuro digital del aprendizaje, la política y la práctica. Ediciones Morata. https://edmorata.es/wp-content/uploads/2020/06/Williamson.BigData.PR_.pdf
Williamson, B. (2024). The social life of AI in education. International Journal of Artificial Intelligence in Education, 34(1), 97–104. https://doi.org/10.1007/s40593-023-00342-5
Wyatt-Smith, C., Lingard, B., & Heck, E. (2021). Digital disruption in teaching and testing: Assessments, big data, and the transformation of schooling. Routledge.
Yueh, R. (2025). Generative AI in higher education: Philosophical, sociological, and pedagogical perspectives. International Journal of Arts Humanities & Social Science, 6(4), 50–57. https://doi.org/10.56734/ijahss.v6n4a6
Zhao, C., Tao, Y., & Gong, Y. (2025). Does artificial intelligence enhance or hinder higher-order thinking? A meta-analysis in higher education. Thinking Skills and Creativity, 55, 101706. https://doi.org/10.1016/j.tsc.2024.101706
Zhou, J., Porat, T., & van Zalk, N. (2024). Humans mindlessly treat AI virtual agents as social beings, but this tendency diminishes among the young: Evidence from a Cyberball experiment. Human Behavior and Emerging Technologies, 2024, 8864909. https://doi.org/10.1155/2024/8864909
Glosario
A-M | N-Z
A-M
N-Z
Resumen de etiquetas para referencias cruzadas
| Tabla | Label | Referencia en texto |
|---|---|---|
| Tabla 1 | tbl-posiciones-genai |
@tbl-posiciones-genai |
| Tabla 2 | tbl-revisiones-sistematicas |
@tbl-revisiones-sistematicas |
| Tabla 3a | tbl-metaanalisis-hot |
@tbl-metaanalisis-hot |
| Tabla 3b | tbl-moderadores-hot |
@tbl-moderadores-hot |
| Tabla 4 | tbl-estudios-hispanohablante |
@tbl-estudios-hispanohablante |
| Tabla 5 | tbl-tecnologias-filosofia |
@tbl-tecnologias-filosofia |
| Tabla 6 | tbl-marcos-teoricos |
@tbl-marcos-teoricos |
Sobre esta monografía
Versión: 4.0 (Enero 2026)
Formato: Documento Quarto renderizado a HTML con recursos embebidos
Reproducibilidad: El código R incluido requiere los paquetes listados en el chunk de configuración inicial {r setup}. Los datos utilizados para visualizaciones provienen de bases de datos bibliográficas (PubMed, WoS y ScienceDirect), de repositorios académicos como arXiv y de diversas fuentes públicas. Cuando así se indica explícitamente, algunas figuras se basan en simulaciones ilustrativas o en proyecciones obtenidas mediante la extrapolación de los datos disponibles.
Cita sugerida:
Moreno-Muñoz, Miguel (2026). Innovación educativa y tecnologías de soporte. Monografía técnica SG1.56.1.57 (v4. 2026). Zenodo - CERN Research Repository. https://doi.org/10.5281/zenodo.10620698.
Portada
Licencia: Este trabajo se distribuye bajo la licencia CC BY‑NC‑SA 4.0 (Creative Commons Atribución–NoComercial–CompartirIgual 4.0 Internacional).
