domingo, 8 de marzo de 2026

Las fuentes que dan sentido a los recursos educativos creados con IA

En colaboración con Mercedes Leticia Sánchez Ambriz

El podcast del artículo es un debate entre dos profesores, uno a favor de la IA, el otro la niega. Escúchalo desde este enlace

En los últimos años, la inteligencia artificial (IA) ha comenzado a transformar de manera significativa la forma en que los docentes diseñan materiales educativos. Hoy es posible generar simuladores, infografías, videos explicativos, guías de aprendizaje e incluso entornos interactivos completos en pocos minutos. Sin embargo, esta facilidad tecnológica plantea una pregunta fundamental: ¿crear recursos rápidamente significa necesariamente mejorar los procesos de aprendizaje?

La respuesta es no necesariamente. La potencia de la inteligencia artificial puede producir materiales visualmente atractivos o técnicamente sofisticados; sin embargo, si estos no están sustentados en fundamentos pedagógicos sólidos, corren el riesgo de convertirse en recursos superficiales o meramente instrumentales dentro del proceso educativo.

Por esta razón, el diseño de recursos educativos —incluidos aquellos generados con inteligencia artificial— debe considerar cuatro fuentes fundamentales del currículo: psicológica, pedagógica, sociológica y epistemológica. Estas dimensiones permiten que la tecnología deje de ser el centro del proceso educativo y se convierta en una mediación pedagógica orientada al aprendizaje significativo (Coll, 2016).

Fuente psicológica: comprender cómo aprende el estudiante

El punto de partida para diseñar recursos educativos con inteligencia artificial debe ser la comprensión de cómo aprenden los estudiantes. La fuente psicológica aporta conocimiento sobre los procesos cognitivos, emocionales y motivacionales implicados en el aprendizaje.

Desde la perspectiva constructivista, Piaget (1970) sostiene que el aprendizaje es un proceso activo mediante el cual el sujeto construye conocimiento a partir de la interacción con su entorno. Complementariamente, Vygotsky (1978) destaca la importancia de la interacción social en el aprendizaje y propone el concepto de zona de desarrollo próximo, entendido como la distancia entre lo que el estudiante puede hacer de manera autónoma y lo que puede lograr con apoyo o mediación.

Cuando se diseñan recursos educativos con IA considerando esta dimensión, se busca que los materiales:

·         activen conocimientos previos;

·         planteen retos cognitivos progresivos;

·         ofrezcan retroalimentación inmediata;

·         favorezcan la participación activa del estudiante.

En este sentido, la inteligencia artificial puede facilitar la creación de simuladores, ejercicios interactivos o sistemas de tutoría que promuevan la exploración, la toma de decisiones y la resolución de problemas.

Fuente pedagógica: organizar experiencias de aprendizaje

La segunda dimensión clave corresponde a la fuente pedagógica, que responde a la pregunta fundamental: ¿cómo se organiza el proceso de enseñanza?

El aprendizaje significativo ocurre cuando el nuevo conocimiento se relaciona de manera sustancial con las estructuras cognitivas previas del estudiante (Ausubel, 2002). Por ello, el diseño de recursos educativos debe considerar aspectos como:

·         la claridad de los objetivos de aprendizaje;

·         la secuenciación de los contenidos;

·         la incorporación de actividades de reflexión y aplicación;

·         la evaluación formativa.

En este contexto, la inteligencia artificial puede ser utilizada para generar contenidos dinámicos o actividades adaptativas; sin embargo, es el docente quien define la estructura pedagógica que da sentido al recurso educativo.

Asimismo, desde la pedagogía crítica, Freire (1970) advierte que la educación no debe reducirse a un modelo de transmisión de información —lo que denomina educación “bancaria”—, sino que debe promover el diálogo, la reflexión y la problematización de la realidad.

Fuente sociológica: aprender en contexto

El aprendizaje no ocurre en el vacío, sino en un contexto social y cultural determinado. Por ello, la fuente sociológica recuerda que los recursos educativos deben considerar las características del entorno en el que se desarrollan los procesos formativos.

La educación cumple funciones sociales importantes, como la transmisión de valores culturales y la formación de ciudadanos (Durkheim, 2000). Al mismo tiempo, autores como Bourdieu (1997) han señalado que las instituciones educativas también pueden reproducir desigualdades sociales a través del acceso desigual al capital cultural.

En el diseño de recursos educativos con inteligencia artificial esto implica considerar:

·         el contexto sociocultural de los estudiantes;

·         las condiciones de acceso tecnológico;

·         la diversidad cultural y lingüística;

·         la inclusión y accesibilidad.

Un recurso educativo que ignora estas condiciones puede ser técnicamente avanzado, pero pedagógicamente limitado.

Fuente epistemológica: comprender qué tipo de conocimiento enseñamos

La cuarta dimensión corresponde a la fuente epistemológica, que se refiere a la naturaleza del conocimiento que se enseña.

El conocimiento científico no es una verdad absoluta e inmutable; se trata de una construcción histórica que evoluciona a través de procesos de debate, crítica y revisión. Kuhn (1962) explica que el desarrollo del conocimiento científico ocurre mediante cambios de paradigma, mientras que Popper (1963) plantea que el conocimiento avanza a través de la formulación de hipótesis susceptibles de ser refutadas.

Desde esta perspectiva, los recursos educativos generados con inteligencia artificial deben evitar presentar la información como un conjunto de verdades cerradas. En cambio, deben fomentar:

·         el pensamiento crítico;

·         la comprensión de los procesos de construcción del conocimiento;

·         el análisis de problemas complejos;

·         la formulación de preguntas y argumentos.

Inteligencia artificial y diseño educativo: una relación necesaria

La inteligencia artificial ofrece oportunidades extraordinarias para enriquecer los procesos educativos. Permite generar recursos personalizados, desarrollar simulaciones complejas y ampliar el acceso al conocimiento.

No obstante, el verdadero potencial de estas herramientas solo se materializa cuando se integran dentro de un marco pedagógico sólido. Como señala Coll (2016), la tecnología educativa adquiere sentido únicamente cuando se articula con los procesos psicológicos del aprendizaje, las estrategias pedagógicas, el contexto social y la naturaleza del conocimiento que se enseña.

En otras palabras, la inteligencia artificial no sustituye al docente; por el contrario, revaloriza su papel como diseñador de experiencias de aprendizaje.

Educar con inteligencia… también pedagógica

La incorporación de la inteligencia artificial en la educación representa una oportunidad histórica para transformar los procesos de enseñanza y aprendizaje. Sin embargo, la verdadera innovación educativa no consiste simplemente en utilizar nuevas herramientas tecnológicas, sino en integrarlas con criterio pedagógico.

Cuando las fuentes psicológica, pedagógica, sociológica y epistemológica dialogan entre sí, la tecnología se convierte en un medio para enriquecer el aprendizaje y no en un fin en sí mismo.

Innovar en educación no significa usar más tecnología.

Significa crear mejores experiencias de aprendizaje con sentido, contexto y fundamento pedagógico.

Referencias

Ausubel, D. (2002). Adquisición y retención del conocimiento: Una perspectiva cognitiva. Paidós.

Bourdieu, P., & Passeron, J. C. (1997). La reproducción: Elementos para una teoría del sistema de enseñanza. Laia.

Coll, C. (2016). Psicología de la educación virtual: Aprender y enseñar con las tecnologías de la información y la comunicación. Morata.

Durkheim, E. (2000). Educación y sociología. Península.

Freire, P. (1970). Pedagogía del oprimido. Siglo XXI.

Kuhn, T. (1962). La estructura de las revoluciones científicas. Fondo de Cultura Económica.

Piaget, J. (1970). Psicología y pedagogía. Ariel.

Popper, K. (1963). Conjeturas y refutaciones: El desarrollo del conocimiento científico. Paidós.

Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.

 

martes, 3 de marzo de 2026

De la alfabetización digital a la alfabetización algorítmica

En colaboración con Mercedes Leticia Sánchez Ambriz

Amplía el contenido del artículo con el podcast que escuchas aquí.

En el actual ecosistema digital, marcado por la presencia de sistemas de inteligencia artificial en tareas cotidianas, académicas y profesionales, emerge una necesidad fundamental: aprender a comunicarnos eficazmente con estos sistemas. Esta competencia, que podríamos denominar comunicación algorítmica, no se reduce únicamente al conocimiento técnico, sino que implica una comprensión profunda de cómo la IA interpreta el lenguaje humano, procesa información y genera respuestas.

A diferencia de los diálogos entre personas, la interacción con modelos de lenguaje como ChatGPT, Gemini, Perplexity o Claude requiere una formulación intencionada del lenguaje. Es decir, no se trata solamente de preguntar, sino de saber cómo preguntar. Esta capacidad está directamente relacionada con la estructura del prompt (instrucción), su claridad semántica, la precisión en los términos, la organización lógica de ideas y la anticipación del contexto requerido para una respuesta pertinente.

Hablar con algoritmos implica, por tanto, dominar una nueva gramática funcional. Esto conlleva:

  • Definir objetivos concretos antes de iniciar el diálogo con la IA.
  • Establecer parámetros contextuales que orienten la generación de respuestas.
  • Utilizar un lenguaje estructurado, evitando ambigüedades, términos vagos o instrucciones contradictorias.
  • Iterar y refinar las preguntas o comandos con base en los resultados obtenidos, desarrollando así un pensamiento metacomunicativo.

Este proceso de interacción no es neutral ni automático, está mediado por el diseño del algoritmo, sus sesgos incorporados y las bases de datos sobre las que ha sido entrenado. De ahí que aprender a “hablar con algoritmos” no solo implique una alfabetización funcional, sino también una alfabetización crítica, capaz de cuestionar, evaluar y decidir cuándo y cómo utilizar estas tecnologías de manera ética y responsable.

Desde una perspectiva educativa, esta competencia debe ser integrada como parte de la formación en alfabetización digital avanzada, con especial énfasis en:

  • La formulación de instrucciones para asistentes virtuales.
  • La creación de prompts para procesos creativos, investigativos o evaluativos.
  • La reflexión sobre los límites y alcances del lenguaje artificial.

En definitiva, la comunicación efectiva con la inteligencia artificial requiere que los seres humanos desarrollen una nueva habilidad lingüística y cognitiva: aprender a conversar con una entidad no humana que responde a estructuras algorítmicas. Esta capacidad no solo es instrumental, sino estratégica y formativa, en tanto que condiciona el tipo de información que obtenemos, los aprendizajes que generamos y las decisiones que tomamos en un entorno cada vez más mediado por tecnologías inteligentes.

Competencia cognitiva

La competencia lingüística y cognitiva  implica comprender cómo construir mensajes que sean significativos para una entidad no humana. Esta competencia se aprende y se entrena, y debe formar parte de los nuevos modelos de alfabetización algorítmica y digital.

Desde una perspectiva lingüística, esta habilidad implica:

  • Claridad semántica: elegir palabras que no generen ambigüedad.
  • Coherencia discursiva: estructurar el mensaje en pasos o bloques lógicos.
  • Adecuación comunicativa: adaptar el nivel de complejidad del lenguaje según el propósito (por ejemplo, dar una orden, pedir un resumen, solicitar ideas creativas).
  • Capacidad de reformulación: reescribir un prompt para obtener una respuesta diferente o más precisa.

Desde la dimensión cognitiva, esta habilidad requiere:

  • Pensamiento anticipatorio: prever cómo la IA interpretará la información proporcionada.
  • Metacognición: reflexionar sobre la calidad de la propia instrucción y ajustar el enfoque.
  • Pensamiento lógico y deductivo: construir argumentos o preguntas que guíen la respuesta de la IA hacia un resultado esperado.
  • Flexibilidad cognitiva: adaptar el discurso ante respuestas no satisfactorias, explorando distintas vías de formulación.

Estos procesos pueden integrarse en el entorno educativo y profesional mediante estrategias como:

  • Talleres de diseño de prompts (prompt crafting), en los que se practique la formulación de instrucciones con diferentes objetivos (explicativos, creativos, analíticos, evaluativos).
  • Análisis reflexivo de interacciones con IA, donde los estudiantes comparen diferentes resultados generados según variaciones en el lenguaje utilizado.
  • Uso de rúbricas de calidad de prompts, que permitan autoevaluar criterios como claridad, coherencia, especificidad y efectividad.
  • Aprendizaje basado en problemas con IA, donde se resuelvan situaciones reales dialogando con la IA y evaluando sus aportes.

Desarrollar esta habilidad implica reconocer que la IA no "entiende" como un ser humano, sino que responde estadísticamente a patrones de lenguaje. Por ello, el usuario humano debe asumir un rol activo, estratégico y reflexivo en el proceso comunicativo. Aprender a conversar con una IA no es un acto espontáneo, sino una forma emergente de alfabetización que combina lenguaje, lógica, ética y tecnología.

Patrones de IA

Los patrones en la inteligencia artificial son estructuras recurrentes de datos, comportamientos o relaciones que los algoritmos aprenden al analizar grandes volúmenes de información. En el caso de los modelos de lenguaje, como los basados en arquitecturas de tipo transformer (por ejemplo, GPT), estos patrones se refieren a la forma en que las palabras, frases, ideas y secuencias de pensamiento aparecen con cierta regularidad en los textos que fueron utilizados durante su entrenamiento.

Cuando se dice que una IA "aprende", en realidad lo que hace es identificar patrones estadísticos: relaciones de probabilidad entre elementos lingüísticos. Por ejemplo, si en millones de textos la palabra "educación" suele aparecer junto a términos como "aprendizaje", "docente" o "escuela", el modelo aprende que esas palabras están relacionadas y puede anticipar su aparición en contextos similares.

Estos patrones permiten que la IA:

  • Prediga la siguiente palabra en una secuencia.
  • Genere textos coherentes y con sentido aparente.
  • Responda a instrucciones (prompts) con base en ejemplos similares que ha "visto" durante su entrenamiento.
  • Simule diálogos humanos al seguir estructuras lingüísticas previamente aprendidas.

Sin embargo, es importante aclarar que estos patrones no reflejan comprensión o conciencia. La IA no entiende los conceptos como lo haría un ser humano; simplemente reconoce configuraciones frecuentes de palabras y genera respuestas que se ajustan estadísticamente a esas configuraciones.

Por esta razón, la calidad del resultado depende directamente del diseño del mensaje que el humano proporciona: si el prompt está bien formulado, con contexto claro y objetivos definidos, el modelo podrá activar patrones relevantes y generar una respuesta más útil. De ahí la importancia de aprender a comunicarse con la IA como una forma de orquestar el patrón correcto

Patrones concretos

Cuando hablamos de orquestar el patrón correcto, nos referimos a la capacidad del usuario humano de activar en la inteligencia artificial una secuencia específica de respuestas o asociaciones mediante el diseño preciso del lenguaje utilizado. Es decir, el usuario construye su mensaje —el prompt— de tal manera que "dirige" el comportamiento del modelo hacia un tipo deseado de salida o resultado, como un director de orquesta que guía a los músicos para que interpreten una pieza específica.

Esta metáfora resulta útil porque:

  • La IA no entiende como un ser humano, pero responde a patrones estadísticos de lenguaje.
  • Al formular una instrucción adecuada, el usuario está eligiendo qué conjunto de patrones (entre millones posibles) quiere activar.
  • Por tanto, comunicarse con la IA se convierte en un acto estratégico, no solo lingüístico.

Por ejemplo:

  • Si el prompt es ambiguo (“Háblame del agua”), el modelo puede activar múltiples patrones: composición química, uso en la agricultura, estado del agua potable, etc.
  • Si el prompt está cuidadosamente orquestado (“Redacta una explicación breve sobre el ciclo del agua para estudiantes de secundaria”), entonces el patrón activado será más específico, relevante y útil.

Orquestar el patrón correcto implica:

  • Conocer las posibilidades y limitaciones del modelo.
  • Saber formular preguntas y comandos con claridad, contexto y dirección.
  • Desarrollar una competencia comunicativa que combina pensamiento lógico, comprensión del lenguaje y habilidades de anticipación.

En este sentido, aprender a “orquestar patrones” en la IA se convierte en una habilidad cognitiva avanzada, muy relacionada con la alfabetización algorítmica. Ya no basta con saber usar la tecnología: ahora se requiere saber cómo guiar su comportamiento mediante el lenguaje.

Algunas sugerencias

Una de las habilidades clave dentro de la alfabetización algorítmica es la capacidad de dirigir el comportamiento de los modelos de lenguaje artificial a través del uso intencionado del lenguaje humano. Para lograrlo, no basta con emitir comandos básicos; se requiere aplicar estrategias comunicativas que permitan activar patrones específicos de respuesta en la IA.

Guiar el comportamiento de la IA mediante el lenguaje requiere una mezcla de precisión lingüística, intención comunicativa y pensamiento estratégico. Estas estrategias pueden ser enseñadas y practicadas como parte de una nueva alfabetización comunicativa en la era de la inteligencia artificial, fortaleciendo el rol activo del ser humano frente a sistemas complejos de procesamiento del lenguaje natural por ejemplo:

Precisión lingüística es la capacidad de usar el lenguaje de forma correcta, clara y adecuada en vocabulario, gramática, sintaxis y estilo.

¿Cómo se desarrolla?

  • Lectura constante de textos bien escritos (académicos, literarios, periodísticos).
  •  Reescritura y edición de tus propios textos, enfocándote en eliminar ambigüedades y errores.
  • Uso de diccionarios y tesauros para enriquecer vocabulario y evitar repeticiones.
  • Ejercicios de gramática avanzada y redacción académica, especialmente en los tiempos verbales, conectores, concordancia y puntuación.

Intención comunicativa es la capacidad de definir con claridad qué quieres lograr al comunicarte: informar, persuadir, argumentar, describir, emocionar, etc.

¿Cómo se desarrolla?

  • Antes de escribir o hablar, pregúntate: “¿Qué quiero que el otro entienda, sienta o haga?”
  • Practica la adaptación del discurso según el público y el canal (no es lo mismo una ponencia que un mensaje en WhatsApp).
  • Identifica actos de habla (afirmar, preguntar, negar, prometer, advertir, invitar) y úsalos con intención.
  •  Analiza textos ajenos, reconociendo qué recursos usa el autor para lograr su propósito (argumentos, metáforas, ejemplos, etc.).

 Pensamiento estratégico es la habilidad de planificar el discurso (oral o escrito) de forma estructurada, anticipando reacciones, contraargumentos, y efectos en el receptor.

¿Cómo se desarrolla?

  • Planifica antes de escribir o hablar: organiza ideas principales, secundarias y evidencias.
  • Usa organizadores gráficos (mapas, esquemas, matrices) para estructurar ideas y visualizar relaciones.
  • Simula escenarios comunicativos: ¿qué pasaría si el interlocutor no está de acuerdo?, ¿cómo rebatirías?
  • Ejercicios de metacognición: reflexiona sobre tu proceso comunicativo, identifica aciertos y errores.

Actividades que combinen las tres habilidades.

Actividad

¿Qué desarrolla?

Debate académico

Precisión en el uso del lenguaje, intención argumentativa, estrategia discursiva

Escritura de un ensayo con revisión por pares

Precisión lingüística, claridad en la intención, estructura estratégica

Análisis de discursos políticos o publicitarios

Identificación de intención y estrategias, reflexión crítica sobre el uso del lenguaje

Producción de textos multimediales (video, infografía, podcast)

Claridad lingüística, intencionalidad definida, estrategia comunicativa multicanal

 

La clave en la formación de la alfabetización algorítmica es eliminar el mito que el estudiante va a dejar de pensar, leer o comprender  textos. Hoy se transforma el modo en que accedemos, procesamos y producimos información. Por esta razón debemos ayudar a los estudiantes a producir pensamiento propio a partir de la interacción con los asistentes inteligentes o de toma de decisión. Hay que tener en cuenta estos agentes conversacionales evolucionan a un ritmo sin precedentes, ampliando sus capacidades lingüísticas, adaptativas y predictivas.

En resumen el éxito en el empleo de la IA solo está en nosotros, en la manera en que conversemos con los algoritmos.