¿Hacia dónde vamos? Del currículo polisémico al currículo conectado con inteligencia artificial

¿Hacia dónde debe orientarse el currículo en una época atravesada por la inteligencia artificial (IA)? La respuesta no consiste en eliminar las disciplinas ni en añadir herramientas digitales a las prácticas de siempre, sino en conectar saberes, contextualizar los problemas y preservar la inteligencia humana. La IA puede funcionar como puente entre conocimientos, pero no como brújula de las finalidades educativas.

Esta pregunta surgió después de leer 115 ensayos, de estudiantes de doctorado en Educación que cursan la materia de Diseño Curricular, quienes desde su experiencia como docentes analizaron el currículo en su versión polisémica. Para algunos, representa un plan de estudios; para otros, una selección cultural, una experiencia vivida, un proyecto político, una práctica pedagógica o una construcción social. Esta diversidad no constituye una debilidad conceptual. Expresa que todo currículo implica decisiones sobre qué conocimientos se consideran valiosos, quién los selecciona, con qué propósito se aprende y qué tipo de sociedad se pretende construir.

Disciplinas conectadas, no eliminadas

En algunos debates educativos se plantea que las asignaturas podrían dejar de ser el eje organizador de la escuela. Esta posibilidad no debe entenderse como la desaparición de las disciplinas. Las matemáticas permiten modelar y argumentar; las ciencias ayudan a comprender fenómenos; la historia ofrece herramientas para interpretar el presente; la literatura explora experiencias humanas, y las artes desarrollan sensibilidad e imaginación.

El problema no son las disciplinas, sino su aislamiento. Cuando el conocimiento se organiza en compartimentos rígidos, los estudiantes pueden aprobar materias sin comprender cómo se relacionan entre sí o con los problemas de su comunidad. Por ello, el cambio curricular debería volver permeables las fronteras disciplinarias. Los proyectos y desafíos pueden articular distintas perspectivas, mientras cada disciplina aporta conceptos, métodos y formas específicas de construir conocimiento.

Del currículo acumulativo al currículo con sentido

Durante años, las reformas educativas han incorporado contenidos, competencias y responsabilidades sin revisar siempre el tiempo disponible para aprenderlos. La OCDE advierte que la expansión continua puede producir sobrecarga curricular y dificultar un aprendizaje profundo; por ello, propone considerar principios como enfoque, rigor y coherencia en el diseño curricular (Organización para la Cooperación y el Desarrollo Económicos [OCDE], 2020).

En la era de la IA, acumular información resulta todavía menos pertinente. Una herramienta puede localizar datos, resumir documentos o generar explicaciones en segundos. Sin embargo, el acceso inmediato no sustituye los conocimientos previos: sin ellos, el estudiante difícilmente puede formular preguntas pertinentes, detectar errores, reconocer sesgos o valorar la calidad de una respuesta.

El desafío consiste en pasar de un currículo centrado en recordar respuestas a otro que enseñe a comprender, preguntar, crear, comunicar y actuar responsablemente. La iniciativa Future of Education and Skills 2030/2040 destaca la integración de conocimientos, habilidades, actitudes y valores, así como la agencia del estudiante para tomar decisiones y participar en la construcción de futuros compartidos (OCDE, s. f.).

La IA como puente, no como brújula

La IA puede contribuir a un currículo conectado. Problemas como la escasez de agua, la migración, la desigualdad o la desinformación requieren perspectivas científicas, históricas, sociales, éticas y comunicativas. Las herramientas de IA pueden apoyar la búsqueda y comparación de información, la representación de datos, la simulación de escenarios y la generación de preguntas. También pueden ayudar al docente a elaborar casos contextualizados, ofrecer prácticas diferenciadas y producir retroalimentación inicial.

No obstante, usar IA para resumir textos, contestar cuestionarios o entregar productos terminados solo incorpora una tecnología nueva a un currículo antiguo. La innovación pedagógica no depende de cuánto produce la herramienta, sino de los procesos intelectuales, creativos y éticos que desarrolla el estudiante al utilizarla. En lugar de pedir una definición aislada, puede solicitarse la comparación de varias perspectivas, la identificación de sus supuestos, la verificación de fuentes y la construcción de una postura propia.

La UNESCO recomienda una orientación centrada en el ser humano que proteja la agencia, la privacidad, la inclusión y la diversidad cultural (Miao & Holmes, 2023). Asimismo, el marco para docentes organiza las competencias en cinco dimensiones: enfoque humano, ética de la IA, fundamentos y aplicaciones, pedagogía con IA y aprendizaje profesional (Miao & Cukurova, 2024). Para los estudiantes, propone competencias relacionadas con el juicio crítico, el uso responsable y la participación como cocreadores de estas tecnologías (Miao et al., 2024).

Estas orientaciones recuerdan que incorporar IA no equivale a adoptar una plataforma. Significa formar criterios para decidir cuándo usarla, con qué propósito, cómo verificar sus resultados y cuándo es preferible no emplearla. También exige preguntar quién diseñó la herramienta, con qué datos fue entrenada, qué visiones reproduce, qué grupos están representados y qué sucede con los datos personales.

Evaluar el proceso y la transferencia

La presencia de IA obliga a revisar la evaluación. No basta con valorar la entrega puntual o la presentación impecable de un producto. Es necesario observar cómo se formuló el problema, qué decisiones se tomaron, qué fuentes se contrastaron, cómo se corrigieron errores y en qué nuevas situaciones puede utilizarse lo aprendido.

Por ello, la evaluación puede incorporar bitácoras de decisiones, versiones sucesivas, portafolios, defensas orales, resolución de casos y evidencias de transferencia. También debe valorar si el estudiante declara el uso de IA, protege datos personales, reconoce las limitaciones de la herramienta y conserva la responsabilidad intelectual sobre el resultado.

¿Hacia dónde debemos ir?

Necesitamos un currículo conectado sin perder profundidad disciplinar; contextualizado en los problemas y saberes de cada comunidad; flexible, pero no improvisado; centrado en la comprensión, la creación y la transferencia; y comprometido con la inclusión, la equidad y la dignidad humana.

La escuela del futuro no será la que incorpore más herramientas, sino la que formule mejores preguntas sobre sus finalidades. La IA puede ayudar a conectar lo que la escuela fragmentó y a diversificar los caminos para aprender. Sin embargo, el rumbo no debe señalarlo el algoritmo. El rumbo debemos decidirlo nosotros.

Referencias

Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000391104

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693

Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000391105

Organización para la Cooperación y el Desarrollo Económicos. (2020). Curriculum overload: A way forward. OECD Publishing. https://doi.org/10.1787/3081ceca-en

Organización para la Cooperación y el Desarrollo Económicos. (s. f.). Future of Education and Skills 2030/2040. Recuperado el 1 de agosto de 2026, de https://www.oecd.org/en/about/projects/future-of-education-and-skills-2030.html

 

 

La tarea no termina con la IA: comienza con la defensa del aprendizaje

Uno de los problemas más visibles en las aulas universitarias no es que los estudiantes utilicen inteligencia artificial. El problema aparece cuando la emplean para resolver todo, entregando resultados que no comprenden. Presentan un texto correcto, una infografía atractiva y realizan una exposición bien ordenada. Sin embargo, no pueden explicar una idea central, reconocer una fuente ni justificar una decisión. El producto parece terminado, pero el aprendizaje permanece oculto. Cometen errores y dicen que fue la IA quien lo dijo.

Esta situación obliga a revisar el sentido de la tarea. Durante años, los profesores evaluamos el resultado final como evidencia del trabajo intelectual. La inteligencia artificial ha debilitado esa relación. Un documento bien escrito ya no demuestra, por sí solo, que su autor conoce el tema. La fluidez verbal puede ocultar una comprensión limitada. También puede encubrir fuentes débiles, conceptos imprecisos y conclusiones que nadie verificó.

La respuesta más inmediata suele ser prohibir la IA o intentar descubrir cuánto texto produjo. Ambas decisiones dejan intacto el problema pedagógico. La pregunta no debería ser cuánto intervino la herramienta. Conviene preguntar qué hizo el estudiante con ella, qué examinó, qué descartó y qué puede defender sin consultarla otra vez.

La guía de la UNESCO sobre IA generativa en educación e investigación propone una integración centrada en las personas. También defiende el desarrollo de capacidades. El documento sobre reforma de la evaluación en la época de la inteligencia artificial plantea un cambio semejante. La evaluación debe preparar al estudiante para trabajar en un mundo donde la IA forma parte de la actividad profesional. También debe ofrecer evidencias confiables del aprendizaje alcanzado.

Hacer visible el aprendizaje

La experiencia que propongo puede llamarse: La ruta visible del aprendizaje con IA. Su propósito no consiste en producir más materiales. Busca que cada estudiante reconstruya el proceso seguido y responda por sus decisiones. NotebookLM funcionaría como mediador de la investigación, no como una máquina que entrega respuestas terminadas.

La actividad comenzaría con una pregunta problémica, que exige comparar, relacionar y tomar partido. Un ejemplo sería este: ¿cuándo contribuye la IA generativa al aprendizaje universitario y cuándo genera dependencia cognitiva? Podemos crear varios equipos de tres integrantes, donde cada uno podría delimitar la pregunta desde una asignatura o situación educativa concreta.

Cada equipo iniciaría una investigación profunda para construir un cuaderno en NotebookLM. Las fuentes podrían rondar entre ocho y diez, donde al menos cinco serían artículos académicos o revisiones científicas. También incluiría documentos institucionales y una fuente que presente una perspectiva diferente. Esta condición reduce la posibilidad de formar un corpus que solo confirme una idea previa.

Incorporar un documento al cuaderno no significa aceptarlo; por el contrario, cada fuente debe pasar por una revisión. Los estudiantes examinarían la autoría, la fecha, la procedencia, el método empleado, la evidencia presentada y sus límites, así como su relación con la pregunta. Una fuente puede parecer confiable y aportar muy poco. Otra puede ser pertinente, pero contener afirmaciones que deben compararse con otras fuentes. Esta tarea es la que obliga al estudiante a leer y analizar las fuentes, evitando así la aceptación tácita de todas las fuentes.

Para esta tarea se puede crear una tabla de calidad documental, donde se recogen todos los elementos antes mencionados. El estudiante tendría que explicar por qué conserva cada texto y qué uso le dará. También anotaría las fuentes descartadas y las razones del rechazo. Esta decisión tiene valor formativo. Buscar información es solo el inicio; seleccionar exige criterio.

Después se elaboraría un glosario comentado con diez o quince términos. Cada entrada contendría una definición redactada por el equipo y la fuente que la sustenta. También incluiría un ejemplo, un contraejemplo y su relación con otros conceptos. Copiar una definición no basta. El ejemplo muestra si el estudiante puede reconocer el concepto. El contraejemplo permite comprobar si comprende sus límites.

Este glosario cumple otra función: evita que categorías como pensamiento crítico, aprendizaje, dependencia o evaluación se utilicen como etiquetas vacías. Si el estudiante no puede explicar un término con sus propias palabras, tampoco puede utilizarlo con rigor en una conclusión.

En esta etapa entraría el sitio Prompts para trabajar con NotebookLM. Su biblioteca y el método 5C ofrecerían un andamiaje común. El método organiza cada consulta mediante contexto, corpus, comando, condiciones y comprobación. La acción cognitiva debe ser precisa. Comparar, evaluar, explicar y justificar producen interacciones más exigentes que resumir.

El sitio no debería convertirse en un banco para copiar instrucciones. Cada equipo seleccionaría tres prompts y los adaptaría a su problema. También redactaría uno propio mediante el método 5C. En todos los casos mostraría el prompt de referencia, la versión modificada y la razón de cada cambio.

Mostrar los prompts tampoco demuestra comprensión. Un prompt puede copiarse con la misma facilidad que una respuesta. Por eso, el registro debe incluir el propósito, el resultado obtenido, la verificación realizada y la decisión final. El estudiante explicaría si aceptó, corrigió, descartó o reformuló la respuesta. También presentaría un prompt que fracasó y mostraría cómo lo corrigió.

Una segunda tabla vincularía las afirmaciones con sus evidencias. Cada conclusión tendría una fuente, un fragmento de respaldo, una interpretación del equipo y una advertencia sobre sus límites. Esta separación ayuda a distinguir tres niveles. Uno corresponde a la fuente, otro a NotebookLM y el tercero a la conclusión estudiantil.

Desde el enfoque histórico cultural, la herramienta ocupa el lugar de un instrumento de mediación. No aprende en lugar del estudiante. Modifica la actividad y crea nuevas condiciones para acceder a la información. La apropiación del conocimiento surge cuando el estudiante dialoga, contrasta, explica y actúa con los conceptos. El profesor organiza esas condiciones y orienta el paso desde la ayuda externa hacia la comprensión propia.

La defensa cambia el sentido de la tarea

La infografía y la presentación serían productos de síntesis, pero no el centro de la evaluación. La infografía representaría relaciones entre conceptos, evidencias y conclusiones. Cada afirmación central indicaría su fuente. La presentación mostraría el proceso de investigación, las decisiones documentales, los prompts empleados y las correcciones realizadas.

La defensa del trabajo no consiste en crear diapositivas, ni en leerlas. El equipo tendría que responder varias preguntas. Explicaría qué investigó, cómo delimitó el problema y qué fuentes aceptó. También mostraría cómo influyeron los prompts y qué puede sostener sin ayuda de la IA. Esta última pregunta marca la diferencia entre repetir una salida y demostrar aprendizaje.

La actividad terminaría con una defensa individual. El profesor elegiría al azar un término del glosario, una fuente, una afirmación de la infografía y un prompt. Cada integrante explicaría su sentido y reconstruiría el razonamiento seguido. También respondería una pregunta nueva. La selección aleatoria impide que una sola persona concentre el trabajo y obliga a todos a conocer el proceso completo.

La calificación debe reflejar este cambio. La calidad de las fuentes recibiría el veinte por ciento. La relación entre afirmaciones y evidencias tendría otro veinte por ciento. El glosario y la comprensión conceptual representarían el quince por ciento. Los prompts, su justificación y sus reformulaciones sumarían otro quince por ciento. La infografía y la presentación aportarían el diez por ciento. La defensa individual completaría el veinte por ciento restantes.

Este reparto de notas no comunica una decisión pedagógica. Los productos visuales tienen valor, pero no sustituyen la investigación. Un diseño atractivo no compensa una fuente débil. Una presentación fluida no reemplaza la comprensión. La defensa tampoco funciona como castigo. Es el momento en que el estudiante convierte el proceso en lenguaje propio.

La propuesta permite trabajar varias habilidades en una sola experiencia. Los estudiantes buscan, seleccionan, comparan, definen, verifican, sintetizan y comunican. La taxonomía de Bloom deja de aparecer como una lista de verbos. Se convierte en una guía para formular operaciones intelectuales observables. La alfabetización en IA también adquiere un sentido pedagógico. No se limita a manejar funciones; incluye reconocer límites, examinar evidencias y asumir responsabilidad por una conclusión.

Esta tarea puede aplicarse en distintas asignaturas. Cambiarían la pregunta, el corpus y los productos, pero se conservaría el principio. Cada resultado generado con IA debe dejar una huella que permita reconstruir cómo se obtuvo. Esa huella no es una captura de pantalla. Está formada por fuentes, decisiones, dudas, correcciones y argumentos.

El mayor riesgo no es que la inteligencia artificial escriba por los estudiantes. El mayor riesgo es que ellos se acostumbren a presentar conocimientos que nunca hicieron suyos. Esa práctica alimenta una forma de aitoxicación: mucha información, apariencia de dominio y escasa capacidad para explicar.

Por eso, la tarea no termina cuando aparece el texto, la infografía o la presentación. En ese momento comienza la parte que realmente interesa al profesor. El estudiante debe mostrar qué comprendió, cómo llegó hasta allí y qué razones sostienen su respuesta. La autoría ya no se mide por la ausencia de inteligencia artificial. Se reconoce en la capacidad de examinarla, corregirla y responder por cada idea presentada.

La idea que estamos presentando surgió como parte de un taller sobre NotebookLM que recientemente realizamos con profesores y administrativos de la Facultad de Humanidades. La tarea evaluativa propuesta requiere madurez del estudiante, responsabilidad, habilidades digitales, en especial para trabajar con NotebookLM, y un sentido ético del trabajo. El profesor debe orientar detalladamente cada paso, para evitar que se salten algunos y volvamos al clásico copiar y pegar. Es una tarea que puede revisarse por partes y conlleva tiempo tanto en la fase de investigación, el desarrollo y su presentación final.