Hacia un modelo de diseño instruccional basado en prompts

En colaboración con Mercedes Leticia Sánchez Ambriz

Escucha el resumen en audio 

El diseño instruccional (DI) ha transitado desde modelos lineales y conductistas hacia enfoques constructivistas y conectivista. Sin embargo, el surgimiento de la inteligencia artificial generativa (IAGen) marca una ruptura paradigmática impulsada por agentes inteligentes. Nacen nuevos modelos como el Modelo P-S-D (Prompt-Structural Design), que propone el uso de "prompt" no es solo una instrucción técnica, sino el núcleo de la mediación pedagógica y la arquitectura del aprendizaje del siglo XXI.

El pasado y presente del diseño Instruccional

Durante décadas, el DI ha sido el ancla de la educación formal y corporativa. Desde el modelo ADDIE hasta los Principios de Merrill (2002), el objetivo ha sido sistematizar el aprendizaje para garantizar la eficacia instructiva. No obstante, la velocidad de producción de conocimiento actual ha dejado obsoletos los ciclos de desarrollo surgidos desde el siglo pasado. Como señala Siemens (2005) en su teoría del conectivismo, el aprendizaje depende ahora de la diversidad de opiniones y la actualización continua, algo que la IA potencia al redefinir la naturaleza de la “instrucción”.

Para comprender esta transformación, es necesario analizar la evolución del DI a través de sus cuatro etapas fundamentales:

Enfoque conductista (1950-1970): Centrado en el diseño de estímulo-respuesta y objetivos medibles (Gagné, 1965).

Enfoque cognitivista (1980-1990): Prioriza el procesamiento de información y la carga cognitiva (Sweller, 1988).

Enfoque constructivista y Conectivista (2000-2020): Aprendizaje en red, centrado en el estudiante y en contextos reales (Modelo ASSURE).

Era de la Co-creación Sintética (2023-Presente): El diseño asistido y generado por IA, donde la interacción humano-máquina genera el recurso.

Esta línea de tiempo nos muestra cómo algunos diseños hoy son percibidos como estructuras “rígidas” que difícilmente responden a la creciente demanda de personalización masiva. Esto es, porque los métodos clásicos requieren una planificación lineal extensa, mientras que la IAGen permite crear rutas de aprendizaje únicas y adaptativas en cuestión de segundos; una tarea que resultaría inabarcable para un diseñador instruccional trabajando de manera aislada. En consecuencia, el reto pedagógico actual no reside en la falta de herramientas tecnológicas, sino en la urgente transición hacia lo que se denomina una pedagogía de la interacción (Mollick & Mollick, 2023).

Bajo este nuevo enfoque, el diseño instruccional deja de ser un proceso de autoría estática para convertirse en una orquestación dinámica, como se detalla en la siguiente Tabla 1, el cambio no es solo técnico (velocidad y multimodalidad), sino fundamentalmente ontológico: el contenido deja de ser un objeto estático para convertirse en un ecosistema dinámico y evolutivo. Esta comparativa permite visualizar cómo el modelo P-S-D resuelve las rigideces del paradigma tradicional, permitiendo una personalización a escala que anteriormente era inviable por limitaciones de tiempo y recursos humanos.

Tabla 1. Comparativa entre el paradigma de diseño tradicional y el diseño basado en prompts (P-S-D). Fuente: Elaboración propia (2025).

En esta tabla se confronta la agilidad vs. rigidez: es decir, que los modelos tradicionales requieren ciclos largos de revisión; el diseño basado en prompts permite la prototipación rápida, lo que facilita ajustar contenidos según el feedback inmediato del aula.

Desplazamiento del foco: La tabla destaca que el diseñador instruccional deja de ser un “redactor” para ser un “estratega”. Esto justifica la necesidad de nuevas competencias en ingeniería de prompts y curaduría ética.

Democratización multimodal: La capacidad de generar audio, imagen y video a partir de instrucciones textuales reduce la brecha de acceso a recursos de alta calidad, permitiendo que instituciones con menos presupuesto (como las de estratos 1, 2 y 3 mencionadas) cuenten con materiales de primer nivel.

La transición hacia el Modelo P-S-D (Prompt-Structural Design) representa la solución técnica y pedagógica ante el desfase de los modelos rígidos. Mientras que el DI tradicional se enfocaba en la construcción de materiales, este modelo se centra en la configuración de agentes inteligentes capaces de generar experiencias de aprendizaje en tiempo real. Al adoptar el "prompt" como unidad mínima de diseño, el educador no solo programa una instrucción, sino que define un ecosistema de respuesta que se adapta a las necesidades socioemocionales y cognitivas identificadas en el diagnóstico situacional.

Conclusiones

La integración de la inteligencia artificial generativa en el ámbito educativo no debe entenderse como una sustitución del pensamiento pedagógico, sino como una extensión de la capacidad creativa del docente. Tras el análisis de la evolución del diseño instruccional y la propuesta del modelo P-S-D, se concluye lo siguiente:

El modelo P-S-D rompe la barrera del tiempo en la creación de contenidos. Al automatizar la fase operativa mediante el Seed Prompting, el diseñador instruccional recupera su rol estratégico, permitiéndole enfocarse en la curaduría crítica y la personalización que los modelos lineales como ADDIE no podían ofrecer a escala.

El éxito de una intervención didáctica ya no dependerá solo de la calidad del material estático, sino de la precisión con la que el diseñador sea capaz de traducir objetivos pedagógicos complejos en lenguajes que la IA pueda procesar éticamente.

A pesar del carácter sintético de la producción asistida por IA, el modelo P-S-D fortalece la agencia humana. Al reducir la carga administrativa y de redacción, el docente puede dedicar mayor atención a los procesos de inclusión, convivencia escolar y apoyo socioemocional, garantizando que la tecnología sea una aliada en la formación integral y no un factor de exclusión.

Sin duda, se puede decir, que estamos frente al nacimiento de un diseño instruccional más fluido, a través de la conversación técnica con la IA que se convierte en la herramienta más potente para potenciar la inteligencia colectiva y preparar a los estudiantes para un entorno digital en constante mutación.

 

Referencias

Bates, A. W. (2019). Teaching in a Digital Age: Guidelines for designing teaching and learning. Tony Bates Training and Insights Plan IT.

Gagné, R. M. (1965). The Conditions of Learning. Holt, Rinehart and Winston.

Merrill, M. D. (2002). First principles of instruction. Educational Technology Research and Development, 50(3), 43-59.

Mollick, E. R., & Mollick, L. (2023). Assigning AI: Seven Approaches for Students, with Prompts. Wharton Interactive Model Paper.

Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning.

Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257-285.

.