Comunidades de docentes -

Leer artículo

NotebookLM para crear recursos educativos con IA

En la sesión de la Comunidad IA del 22 de mayo, José Colán presentó el tema “De la información al aprendizaje: creación de recursos educativos con NotebookLM”, una exposición orientada a explorar el potencial pedagógico de esta herramienta de Google en el diseño de materiales para la educación superior. La reunión partió de una pregunta central: cómo atender la diversidad del aula sin incrementar de manera significativa la carga laboral docente.

Durante la presentación, se explicó que NotebookLM permite trabajar en un entorno controlado, en el que la inteligencia artificial responde a partir de las fuentes cargadas por el docente. Esta característica resulta relevante para cursos con alta densidad conceptual, pues facilita organizar información, reducir la sobrecarga cognitiva y promover una revisión más guiada de los contenidos por parte de los estudiantes.

Colán destacó que la herramienta puede generar diversos recursos de apoyo, como mapas mentales, tarjetas de estudio, infografías, cuestionarios, guías de estudio, presentaciones, audios y videos. Estos formatos permiten transformar materiales extensos en recursos más accesibles para distintos estilos de aprendizaje, sin reemplazar el criterio pedagógico del docente en la selección, curaduría y validación de la información.

Uno de los puntos abordados fue el uso de NotebookLM como apoyo al andamiaje cognitivo. A través de recursos visuales, auditivos y textuales, los estudiantes pueden revisar conceptos, solicitar ejemplos, contrastar ideas y recibir explicaciones adicionales. En ese sentido, la herramienta no solo contribuye a la comprensión inicial, sino también a procesos de análisis, metacognición y autorregulación del aprendizaje.

La sesión también incluyó una demostración de la integración entre NotebookLM y Gemini, especialmente para la elaboración de presentaciones editables y materiales visuales. Se enfatizó, sin embargo, la necesidad de formular instrucciones precisas y de mantener cuidados sobre la información compartida, evitando cargar datos personales, documentos sensibles o información institucional que no deba circular fuera de los espacios autorizados.

Finalmente, la sesión planteó que estas herramientas pueden optimizar tareas operativas y liberar tiempo docente para actividades de mayor valor pedagógico, como la retroalimentación, el acompañamiento y el diseño de experiencias aplicadas. NotebookLM fue presentado así como una herramienta de apoyo para diversificar recursos, fortalecer el aprendizaje autónomo y ampliar las posibilidades de acceso a la información en entornos educativos.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Si quieres ser parte de nuestras sesiones virtuales y contribuir a este espacio de aprendizaje e intercambio, completa el siguiente formulario. Así podremos conocerte mejor y enviarte el enlace para unirte a las reuniones en vivo: https://forms.office.com/r/6nCJ4wtVaS

Mira el video completo de la sesión:

Leer artículo

IA ética para fortalecer el pensamiento crítico

La Comunidad IA dedicó su sesión del 15 de mayo a analizar el vínculo entre inteligencia artificial, pensamiento crítico e investigación científica en la educación superior. La reunión contó con la participación de José Luis Vásquez Correa, docente universitario y especialista en innovación, quien presentó la ponencia “El fin del pensamiento crítico o su evolución: IA, ética e investigación científica”, centrada en el proyecto Oriana.

La exposición partió de una preocupación recurrente en el ámbito universitario: el uso de herramientas de inteligencia artificial por parte de los estudiantes para producir textos académicos sin una apropiación clara del contenido. Según lo discutido en la sesión, el problema no se limita al plagio o a la deshonestidad académica, sino que se relaciona con la ausencia de trazabilidad en el proceso de investigación y con la delegación pasiva de tareas cognitivas a sistemas generativos.

En ese contexto, Vásquez presentó Oriana como una propuesta orientada a acompañar el uso ético de la inteligencia artificial en procesos de investigación. La herramienta busca analizar la intención de los prompts, sugerir reformulaciones éticas y registrar las interacciones del estudiante. Su enfoque se apoya en el método socrático, es decir, en una dinámica de preguntas que promueve la reflexión antes que la entrega inmediata de respuestas.

Durante la sesión se explicaron los resultados de un piloto aplicado con estudiantes en proceso de tesis y docentes tutores. La experiencia mostró mejoras en la organización del trabajo investigativo, reducción de tiempos en algunas etapas del proceso y mayor claridad en la defensa de ideas. Más allá de los indicadores, el énfasis estuvo en el sentido de autoría: que el estudiante no solo entregue un producto, sino que comprenda, explique y sostenga lo que ha construido.

El diálogo posterior permitió ampliar la discusión hacia los desafíos institucionales. Algunos docentes señalaron que el reto no está únicamente en crear herramientas de acompañamiento, sino también en repensar las formas de evaluación, diferenciar producción textual de producción de conocimiento y enseñar a los estudiantes a pensar con inteligencia artificial. La trazabilidad, en ese sentido, fue reconocida como un componente valioso para observar cómo se construye el aprendizaje.

La sesión concluyó con una idea central: la inteligencia artificial no implica necesariamente el fin del pensamiento crítico, pero sí exige nuevas formas de orientación pedagógica. Su uso responsable en la educación superior requiere criterios éticos, acompañamiento docente y modelos que permitan convertir la interacción con estas tecnologías en una oportunidad para fortalecer la reflexión, la autoría y la investigación académica.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

IA para evaluar competencias transversales

La sesión de la Comunidad IA del 8 de mayo abordó el uso de inteligencia artificial para evaluar competencias transversales en educación superior, a partir de la presentación de Juan Pablo Delacroix, CEO y cofundador de Reskilling AI. La exposición planteó una discusión relevante para las instituciones educativas: cómo pasar de una evaluación centrada en rúbricas y percepciones individuales hacia sistemas capaces de generar evidencia más objetiva, escalable y útil para la toma de decisiones académicas.

Delacroix señaló que el avance de la inteligencia artificial está acelerando la obsolescencia de algunas competencias técnicas y, al mismo tiempo, incrementando el valor de habilidades humanas como pensamiento crítico, comunicación, adaptabilidad, resiliencia y trabajo en equipo. En este contexto, las universidades enfrentan el desafío de actualizar sus procesos formativos y de evaluación para responder a las demandas del mercado laboral, que cada vez exige perfiles con mayor capacidad de adaptación y resolución de problemas.

Uno de los puntos centrales de la sesión fue la dificultad de medir estas competencias a gran escala. Aunque muchas instituciones utilizan rúbricas, autoevaluaciones u observaciones docentes, estos mecanismos pueden estar condicionados por sesgos, diferencias de criterio y limitaciones de tiempo. Frente a ello, se presentó una propuesta basada en el análisis de respuestas de audio mediante inteligencia artificial, que permite observar tanto el contenido de lo que expresa el estudiante como ciertos elementos prosódicos vinculados a la forma en que responde.

La herramienta expuesta trabaja con preguntas abiertas y reflexivas, diseñadas para obtener respuestas auténticas y evitar formatos cerrados en los que el estudiante pueda anticipar la opción esperada. A partir de esas respuestas, el sistema analiza competencias cognitivas, sociales, emocionales y de acción, generando reportes individuales y tableros agregados. Estos datos permiten identificar brechas respecto del perfil de egreso, orientar intervenciones formativas y realizar mediciones longitudinales sobre la evolución de los estudiantes.

Durante el diálogo con los participantes, se abordaron aspectos prácticos de la evaluación, como la cantidad de preguntas, el tiempo estimado para responder y la retroalimentación generada por el sistema. También se discutió la necesidad de validar científicamente este tipo de instrumentos, así como su posible utilidad para procesos de acreditación, empleabilidad y emisión de microcredenciales. La conversación permitió situar la inteligencia artificial no solo como una herramienta de eficiencia o control, sino como un recurso para comprender mejor el desarrollo de competencias humanas.

La sesión dejó abierta una reflexión clave para la educación superior: si las competencias transversales son cada vez más relevantes para el desempeño profesional, las instituciones necesitan mecanismos rigurosos para medirlas, acompañarlas y evidenciar su progreso. En ese sentido, la inteligencia artificial puede contribuir a fortalecer la evaluación académica, siempre que se integre con criterios pedagógicos, validación científica y una lectura ética de los datos.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

IA en odontología: recetas clínicas con apoyo digital

Gabriela Alvarez Cisneros
abril 27, 2026
Inteligencia artificial, Viernes de IA en la Educación
1326 Visitas

En la sesión del viernes 24 de abril de la Comunidad IA en la Educación se presentó una experiencia aplicada en el campo de la odontología, a cargo de Maritza Meza, docente de la UPC, quien compartió el diseño de una sesión orientada a fortalecer la prescripción farmacológica en estudiantes de esta carrera. La propuesta, titulada “Más allá del papel: recetas odontológicas en la era de la inteligencia artificial”, abordó el uso de herramientas generativas para conectar el conocimiento teórico con la toma de decisiones clínicas en el aula.

La sesión partió de una necesidad identificada en el curso de Terapéutica: la dificultad de algunos estudiantes para trasladar los contenidos farmacológicos a la redacción correcta de recetas odontológicas. Según la experiencia presentada, esta brecha se evidenciaba en la inseguridad para elegir medicamentos, definir dosis, precisar vías de administración y completar los elementos formales de una receta. Ante ello, la docente diseñó una actividad que integró inteligencia artificial como recurso de simulación, diseño y retroalimentación.

Entre las herramientas utilizadas estuvieron Gamma, para la creación de materiales didácticos; ChatGPT y otras plataformas similares, para generar casos clínicos y ejercicios de identificación de errores; Canva, para el diseño de recetas; y Eleven Labs, para producir audios que simularan relatos de pacientes. Este último recurso permitió acercar a los estudiantes a una situación más parecida a la práctica profesional, en la que el paciente no presenta la información de manera ordenada, sino a través de una narración que debe ser interpretada clínicamente.

La dinámica incluyó actividades progresivas: primero, la identificación de errores en recetas generadas con apoyo de IA; luego, la elaboración de recetas a partir de casos clínicos; y, finalmente, la resolución de un escenario narrado en audio, acompañado de imágenes diagnósticas. Durante el proceso, los estudiantes trabajaron de forma colaborativa, expusieron sus decisiones y recibieron retroalimentación de sus pares y docentes, lo que permitió reforzar el razonamiento clínico y la comunicación profesional.

De acuerdo con la experiencia compartida, la incorporación de estas herramientas favoreció una mayor autonomía y confianza en los estudiantes al momento de enfrentar ejercicios de prescripción. También se observó una reducción de errores frecuentes en la redacción de recetas, especialmente en aspectos vinculados con dosificación y vía de administración. La sesión abrió además una conversación sobre el papel del docente en el diseño de experiencias con IA, la necesidad de verificar los resultados generados por estas herramientas y la importancia de promover pensamiento crítico en su uso.

El encuentro concluyó con una reflexión sobre el valor de integrar inteligencia artificial en actividades concretas de enseñanza, sin reemplazar el criterio profesional ni la mediación docente. La experiencia mostró que, en áreas como la salud, la IA puede funcionar como apoyo para simular escenarios, ampliar oportunidades de práctica y fortalecer competencias clínicas, siempre que su uso esté acompañado de orientación pedagógica, revisión crítica y objetivos de aprendizaje claramente definidos.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

Del dato a la decisión: uso pedagógico de agentes virtuales en proyectos de diseño

En la sesión del 17 de abril de la Comunidad IA, César Velázquez presentó una experiencia pedagógica desarrollada en el curso Decision Making by Data Driven Design, en la que exploró el uso de agentes virtuales como apoyo en procesos de investigación aplicados al diseño industrial. La propuesta partió de una pregunta concreta: hasta qué punto un sistema de inteligencia artificial puede complementar la comprensión de una comunidad usuaria sin sustituir el trabajo de campo ni el juicio académico de los estudiantes.

La experiencia se construyó a partir de una metodología exploratoria que combinó técnicas tradicionales —como entrevistas y encuestas— con la creación de un agente virtual caracterizado según el perfil del usuario investigado. Para ello, se utilizó Google AI Studio con Gemini Flash, en una versión accesible para el trabajo en aula y sin requerimientos de programación. El propósito no fue entrenar modelos complejos, sino construir una representación digital suficientemente detallada como para contrastar las respuestas del usuario real con las del usuario simulado.

Uno de los hallazgos más relevantes de la sesión fue la similitud que, en varios casos, existió entre la información obtenida mediante interacción humana y la generada por el agente virtual. Este resultado permitió discutir el potencial de la IA para ampliar o acelerar ciertas fases de la investigación, sobre todo en contextos donde el tiempo académico es limitado o el acceso a determinadas comunidades resulta difícil. La experiencia involucró a 28 estudiantes organizados en siete grupos, que trabajaron con comunidades específicas y cercanas al contexto local.

Sin embargo, la presentación insistió en que el valor pedagógico de la experiencia no radica solo en la eficiencia de la herramienta, sino en su capacidad para hacer visibles los límites de los datos. César Velázquez subrayó que los agentes también produjeron respuestas sesgadas o alejadas de la realidad, lo que permitió discutir con los estudiantes temas como alucinaciones, calidad de fuentes, sobrecaracterización de perfiles y pérdida de matices emocionales o conductuales. En ese sentido, la IA no fue presentada como una instancia que resuelve, sino como un recurso que abre nuevas preguntas sobre cómo se produce, interpreta y valida la información.

La sesión puso especial énfasis en la validación humana como principio irrenunciable. Aunque los agentes virtuales pueden ofrecer una línea de base útil para la exploración de datos y la generación de insights, las decisiones de diseño continúan dependiendo de la interpretación crítica de los estudiantes y docentes. Esta idea atraviesa la propuesta presentada: la inteligencia artificial puede ampliar capacidades, pero no reemplaza la responsabilidad humana en la comprensión del contexto, la lectura de sesgos y la toma de decisiones.

Durante el diálogo posterior, los participantes plantearon posibilidades de ampliación de la experiencia hacia metodologías de investigación más estructuradas y hacia el uso de otras herramientas como Claude, Perplexity o Copilot. La conversación dejó abierta una línea de trabajo relevante para la educación superior: integrar la IA en los cursos no como un atajo, sino como una oportunidad para enseñar a experimentar, contrastar, equivocarse y volver a evaluar. Desde esa perspectiva, la sesión ofreció una reflexión pertinente sobre el lugar que pueden ocupar los agentes virtuales en procesos formativos que buscan articular innovación, pensamiento crítico y criterio profesional.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

IA humanista para ampliar capacidades en sistemas educativos y empleo

La sesión del 10 de abril de la Comunidad IA tuvo como invitada a María Beunza, especialista vinculada a proyectos de innovación educativa y desarrollo de soluciones de inteligencia artificial aplicadas al acompañamiento humano. Durante el encuentro, la ponente presentó la experiencia de Human AI, una iniciativa desarrollada desde España que busca fortalecer las capacidades de instituciones educativas, organizaciones y servicios de empleo mediante el análisis de competencias socioemocionales a partir del lenguaje natural.

A lo largo de la exposición, Beunza explicó que el proyecto surgió de una preocupación previa por las limitaciones de los sistemas educativos para reconocer y acompañar dimensiones del aprendizaje que no suelen ser visibles en las evaluaciones tradicionales. Su planteamiento parte de que el rendimiento académico y profesional no depende solo del conocimiento técnico, sino también de competencias como la autorregulación, la responsabilidad, la persistencia, la asertividad o el pensamiento crítico. Desde esa perspectiva, la inteligencia artificial puede cumplir una función de apoyo para ofrecer diagnósticos más ágiles y orientar intervenciones pedagógicas más contextualizadas.

Uno de los aportes más relevantes de la sesión fue la explicación de cómo esta herramienta procesa textos en lenguaje natural para generar perfiles de competencias y, a partir de ellos, proponer acciones de acompañamiento. La propuesta no se presentó como un reemplazo del juicio docente o profesional, sino como un sistema de asistencia que permite ahorrar tiempo y ampliar la capacidad de observación en contextos complejos. La exposición incluyó ejemplos de uso en tutoría escolar, orientación vocacional, prevención del abandono, formación profesional, empleabilidad y educación especial, mostrando la versatilidad del enfoque en distintos niveles y poblaciones.

La sesión también puso énfasis en dos asuntos especialmente sensibles: la evidencia científica y la ética digital. Beunza señaló que el desarrollo de la herramienta ha estado acompañado por procesos de validación psicométrica, contrastes con observadores cualificados y colaboración con especialistas de educación, psicología, lingüística y filosofía del derecho. Este punto resultó central porque el análisis de competencias socioemocionales involucra datos personales delicados y exige protocolos claros de anonimización, resguardo y uso responsable de la información. En ese sentido, la reunión permitió discutir la necesidad de que las soluciones de IA en educación se sostengan no solo en promesas tecnológicas, sino también en criterios metodológicos y éticos rigurosos.

En el diálogo final, las preguntas de las participantes orientaron la conversación hacia el enfoque por competencias en la educación superior y los retos que plantea la irrupción de la IA en los procesos de enseñanza y evaluación. La discusión giró en torno a la pertinencia de medir múltiples competencias, la carga que ello representa para la docencia y el riesgo de una dependencia excesiva de herramientas que reduzcan el esfuerzo cognitivo del estudiantado. Frente a ello, la ponente sostuvo que el desafío actual no es solo tecnológico, sino pedagógico: formar personas capaces de pensar, resolver problemas complejos y actuar con criterio en entornos donde la inteligencia artificial ya forma parte de la vida académica y laboral.

La reunión dejó como balance una reflexión amplia sobre el potencial de la IA para enriquecer el acompañamiento educativo sin perder de vista sus límites. Más que una conversación sobre automatización, la sesión se configuró como una invitación a repensar la evaluación, la formación integral y el lugar de las competencias socioemocionales en la educación contemporánea. Desde esa mirada, la experiencia compartida por María Beunza ofreció a la Comunidad IA un caso concreto de articulación entre innovación, investigación aplicada y responsabilidad educativa.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

Entrevista psicológica y simulación con IA: una innovación aplicada al aula

En la sesión del 27 de marzo de la Comunidad IA, Gina Torres presentó una experiencia de uso de agentes conversacionales para simular pacientes virtuales en la formación de estudiantes de psicología. La exposición se centró en una necesidad concreta del proceso formativo: ampliar las oportunidades de práctica clínica para que más estudiantes puedan ejercitar habilidades de entrevista, observación y formulación inicial de casos antes de ingresar a escenarios de simulación más complejos.

La propuesta surgió a partir de un curso de simulación clínica e inteligencia artificial realizado en 2025, a partir del cual la docente identificó el potencial de estos recursos para complementar la enseñanza en cursos vinculados con psicología clínica. Según explicó, una de las dificultades habituales es que no todos los estudiantes logran participar con la misma intensidad en prácticas presenciales o en laboratorio. Frente a ello, el uso de agentes permite que cada estudiante asuma un rol activo y sostenga una interacción individual con un “paciente” configurado para responder con determinadas características, niveles de apertura y grados de dificultad.

Uno de los aspectos más relevantes de la sesión fue la explicación detallada del diseño pedagógico del agente. Torres mostró cómo, a través de Microsoft Copilot, es posible definir la identidad del personaje, su contexto, el tipo de respuestas que ofrecerá y la manera en que reaccionará ante preguntas formuladas con mayor o menor empatía. Esta configuración no busca únicamente generar una conversación, sino reproducir ciertas condiciones de una entrevista clínica real, donde el estudiante necesita construir rapport, interpretar señales, reorganizar sus preguntas y sostener el diálogo aun cuando el interlocutor ofrezca respuestas breves o ambiguas.

La experiencia presentada también puso énfasis en el valor formativo de la retroalimentación. Al finalizar la interacción, los estudiantes pueden revisar la conversación completa, analizar sus decisiones durante la entrevista y reconocer aspectos por mejorar en escucha activa, empatía y conducción del caso. En los resultados compartidos, se destacó que los participantes percibieron la experiencia como cercana a una situación real y valoraron la posibilidad de practicar sin depender exclusivamente de la disponibilidad de pacientes simulados presenciales. Asimismo, la docente señaló que esta estrategia contribuye a que los estudiantes lleguen mejor preparados a instancias posteriores de simulación clínica.

Durante el diálogo con los asistentes también se abordaron los límites y desafíos de este tipo de herramientas. Torres explicó que la creación de agentes requiere prueba, ajuste y especial cuidado en la redacción de instrucciones, especialmente en contextos sensibles como la psicología, donde ciertos términos pueden generar errores en el sistema. A ello se sumó una reflexión sobre la evolución de estos entornos: actualmente funcionan sobre todo mediante chat, pero se anticipa que incorporarán formas de interacción más cercanas a conversaciones orales, lo que abriría nuevas posibilidades para el entrenamiento profesional.

En conjunto, la sesión mostró una aplicación concreta de la inteligencia artificial orientada no a reemplazar la práctica docente, sino a ampliar las oportunidades de aprendizaje y seguimiento. La experiencia compartida evidenció que los agentes conversacionales pueden convertirse en un recurso valioso para ensayar entrevistas, fortalecer competencias clínicas y generar evidencia del proceso de aprendizaje, siempre que su uso esté acompañado por criterios pedagógicos claros y supervisión docente.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

Role play con IA para ampliar las posibilidades de aprendizaje en educación superior

En la sesión de la Comunidad IA del viernes 20 de marzo, Jorge Rivera, fundador de Univertia y consultor en tecnología con experiencia en diseño de experiencias de aprendizaje, presentó una aproximación al uso de inteligencia artificial para construir escenarios conversacionales aplicados a la educación. La exposición se centró en el role play como recurso para diseñar interacciones simuladas entre estudiantes y agentes configurados con perfiles, conocimientos, actitudes y protocolos específicos. Desde esta perspectiva, la IA no se plantea como sustituto del docente, sino como un soporte que amplía las oportunidades de práctica, retroalimentación y acompañamiento académico.

Uno de los ejes de la sesión fue la necesidad de reducir dos dificultades frecuentes en la incorporación de IA en contextos formativos: la complejidad técnica de implementar soluciones útiles y el riesgo de respuestas imprecisas o alucinaciones. Frente a ello, se explicó que estos entornos pueden diseñarse a partir de fuentes delimitadas de conocimiento y reglas de interacción previamente definidas. De ese modo, los personajes virtuales actúan dentro de un marco acotado, con acceso a documentos y materiales seleccionados por la institución o por el equipo docente, lo que permite orientar mejor las respuestas hacia fines pedagógicos concretos.

Para mostrar su potencial, Rivera presentó el caso de un “gimnasio de tesis”, en el que un estudiante sustenta su investigación ante un jurado simulado compuesto por varios evaluadores con distintos perfiles. La demostración evidenció cómo la IA puede formular preguntas, sostener un protocolo de evaluación, deliberar entre personajes y ofrecer una devolución final sobre debilidades metodológicas, marco teórico, conclusiones y recomendaciones. Este tipo de práctica permite que el estudiante ensaye situaciones de alta exigencia académica antes de una evaluación real y que, además, reciba una retroalimentación estructurada basada en rúbricas y criterios observables.

La segunda aplicación presentada fue la del asistente digital para clases, concebido como un apoyo disponible antes y después de la sesión docente. En este escenario, el estudiante puede repasar contenidos, conversar sobre presentaciones, formular preguntas y recibir observaciones sobre su participación y desempeño. La propuesta resulta relevante porque desplaza la interacción desde la consulta puntual hacia una experiencia más continua de preparación, refuerzo y seguimiento. A ello se suma la posibilidad de registrar avances, revisar reportes y analizar progresos individuales o grupales, lo que abre opciones para una enseñanza más personalizada.

Durante el diálogo con los participantes, también se abordaron aspectos de implementación. Se señaló que estas experiencias pueden nutrirse con materiales propios de la universidad, integrarse a entornos virtuales de aprendizaje y adaptarse a distintas rutas formativas. Asimismo, se subrayó que, aunque la tecnología puede operar con altos niveles de automatización en la ejecución, su uso en educación requiere una definición pedagógica y ética clara: la IA funciona como copiloto o coasistente, mientras que la conducción del proceso formativo continúa en manos del docente. Esta precisión resultó clave para situar la discusión en términos de fortalecimiento institucional y no de reemplazo profesional.

La sesión dejó como balance una reflexión útil para la educación superior: las simulaciones conversacionales con IA pueden contribuir al desarrollo de competencias, a la práctica guiada y al análisis del desempeño, siempre que su diseño parta de objetivos pedagógicos, fuentes confiables y criterios explícitos de evaluación. Más que una solución cerrada, lo presentado abrió una agenda de exploración para cursos, procesos de sustentación, entrenamiento en habilidades comunicativas y experiencias de aprendizaje activas, con especial interés para contextos donde se requiere práctica reiterada, feedback oportuno y disponibilidad extendida.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión:

Leer artículo

Aprender reparando: una propuesta para enseñar programación en tiempos de IA

En la sesión del viernes 13 de marzo de la Comunidad IA, Luis Valdivia Humareda, docente de la UPC y especialista en desarrollo de software, inteligencia artificial y arquitectura cloud, presentó una experiencia pedagógica centrada en la enseñanza de programación para estudiantes de ciclos superiores vinculados al desarrollo de videojuegos. Su propuesta, titulada Aprender reparando: debugging profesional en motores de juegos como Unity y Phaser, parte de una observación concreta: muchos estudiantes logran implementar funcionalidades, pero todavía dependen en exceso del docente cuando aparecen errores en el código.

A partir de ese diagnóstico, la experiencia replantea el lugar del error dentro del proceso de aprendizaje. En vez de entenderlo como un obstáculo que debe evitarse, Valdivia lo convierte en recurso pedagógico. La metodología consiste en exponer al estudiante a errores intencionales, tanto técnicos como lógicos, para que aprenda a leer mensajes del sistema, identificar causas, proponer soluciones y documentar el proceso de corrección. De este modo, el aula se aproxima a escenarios reales de trabajo, donde no siempre se construye desde cero, sino que con frecuencia se debe intervenir sobre productos ya desarrollados, incompletos o defectuosos.

La propuesta se organizó en dos momentos. En un primer tramo, el docente modeló con los estudiantes la identificación y resolución de errores dentro de motores como Unity y Phaser, mostrando cómo pequeñas omisiones o decisiones incorrectas afectan el funcionamiento del proyecto. En un segundo momento, cambió la lógica de la evaluación: en lugar de pedir la creación de un producto desde cero, entregó proyectos funcionales previamente alterados para que los estudiantes diagnosticaran y repararan fallas. Esta variación permitió evaluar no solo el resultado final, sino también la comprensión del problema, la capacidad de depuración y la argumentación técnica del proceso seguido.

Los resultados presentados fueron relevantes. Según lo expuesto en la sesión, se redujo de manera considerable la solicitud constante de ayuda al docente, disminuyó el tiempo que los estudiantes dedicaban a la depuración de errores y mejoró la estabilidad de los proyectos entregados. A ello se sumaron logros formativos de mayor alcance: incremento de la autonomía, fortalecimiento del pensamiento computacional, mejor documentación de los procesos y mayor confianza para afrontar problemas similares en contextos profesionales. La experiencia mostró, además, que enseñar a corregir errores no implica bajar la exigencia, sino desplazarla hacia competencias más cercanas a las demandas del campo laboral.

Uno de los puntos más valiosos de la conversación fue la reflexión sobre la evaluación en contextos atravesados por inteligencia artificial generativa. Frente a la facilidad con la que hoy un estudiante puede obtener código funcional mediante herramientas como ChatGPT, la experiencia presentada propone una evaluación más auténtica: resolver errores complejos, especialmente aquellos de lógica, exige comprensión de fundamentos y no solo capacidad de pedir respuestas a una herramienta. En ese sentido, la IA aparece como apoyo para optimizar tareas, pero no sustituye la necesidad de comprender cómo funcionan los sistemas ni de desarrollar criterios para intervenir sobre ellos.

Finalmente, la sesión abrió una discusión sobre la transferencia de esta metodología a otras disciplinas. El ponente sugirió que la lógica de “aprender reparando” puede adaptarse a áreas como marketing, matemática, estadística, psicología, finanzas o ingeniería industrial, mediante actividades en las que los estudiantes deban analizar campañas mal diseñadas, procedimientos erróneos, datos defectuosos o procesos mal secuenciados. Desde esta perspectiva, el debugging deja de ser una práctica exclusiva de la programación y se convierte en una forma de aprendizaje basada en el análisis crítico, la corrección argumentada y la preparación para contextos profesionales donde identificar y resolver errores forma parte del ejercicio cotidiano.

¿Te gustaría participar activamente en la Comunidad IA en Educación?

Mira el video completo de la sesión: