La sesión de la Comunidad IA del 24 de julio abordó la incorporación de inteligencia artificial en la enseñanza universitaria de programación. Luis Raymundo Chacaltana, docente de la Facultad de Ciencias de la Computación de la Universidad Peruana de Ciencias Aplicadas (UPC), presentó una experiencia desarrollada en un curso de programación orientada a objetos con C++, dirigida a estudiantes de los primeros ciclos. Su propuesta articula recursos generados con IA, acompañamiento docente y nuevas formas de evaluación para reducir las prácticas de copia y promover la comprensión del código. 

Una de las primeras acciones consistió en actualizar los materiales del curso mediante NotebookLM. A partir del sílabo y de presentaciones existentes, se elaboraron infografías y videos vinculados con videojuegos, un ámbito cercano a los intereses de los estudiantes. Estos contenidos se integraron en las actividades previas a clase para explicar conceptos como abstracción, encapsulamiento, herencia y polimorfismo mediante ejemplos visuales y analogías. 

La experiencia también incluyó la creación de un tutor de programación mediante Copilot. El agente fue configurado para diagnosticar el nivel de comprensión, formular preguntas, explicar errores conceptuales y ofrecer pistas progresivas, sin entregar soluciones completas. Además, se establecieron restricciones para mantener las conversaciones dentro de los contenidos académicos y evitar que la herramienta sustituyera el trabajo del estudiante. 

Otro cambio se produjo en el proyecto final, orientado a representar el patrimonio cultural peruano desde las humanidades digitales. Los equipos investigaron casos de estudio y diseñaron videojuegos relacionados con gastronomía, lenguas originarias, rutas históricas, migración y cultura cívica. Entre los ejemplos presentados se encontró un juego en el que un personaje recupera ingredientes y conocimientos vinculados con la pachamanca y el ceviche. La libertad temática, acompañada por criterios de aprobación, favoreció propuestas más diversas y conectadas con los intereses personales del alumnado. 

El proceso de evaluación se organizó mediante storyboards, entregas parciales, reuniones de retroalimentación y una bitácora de uso de IA. En este registro, los estudiantes debían indicar la herramienta utilizada, el propósito de la consulta, el prompt empleado, la respuesta obtenida y el aprendizaje derivado. La estrategia permitió observar el proceso de toma de decisiones y convirtió la trazabilidad en parte de la evaluación, especialmente en actividades colaborativas y en una Game Jam de 48 horas dedicada a crear animaciones educativas sobre el sistema solar. 

La experiencia mostró que la incorporación de IA requiere partir de objetivos de aprendizaje definidos, establecer límites explícitos y evaluar tanto el producto como el proceso. También destacó la necesidad de vincular la tecnología con disciplinas como la literatura, la filosofía, la lingüística y la sociología. Desde esta perspectiva, la IA puede ampliar las posibilidades de investigación, creación y pensamiento crítico, siempre que permanezca integrada en un diseño pedagógico con acompañamiento docente.

¿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: 

La Comunidad IA dedicó su sesión del 10 de julio a analizar cómo la inteligencia artificial está modificando la enseñanza del diseño de experiencias de usuario. Fernando Álvarez Ponce, docente de la carrera de Ingeniería de Sistemas en EPE, presentó la metodología que aplica en el curso Diseño y Tecnologías UX para relacionar los conceptos teóricos con los cambios que ya se observan en el entorno profesional.  

La propuesta consiste en integrar la inteligencia artificial como un eje transversal del curso, en lugar de abordarla como un contenido aislado. Después de explicar temas como usabilidad, navegabilidad, interactividad o arquitectura de información, el docente muestra cómo estas áreas evolucionan mediante sistemas capaces de analizar comportamientos, personalizar interfaces y anticipar necesidades de los usuarios. 

Uno de los ejemplos expuestos fue la transición de una arquitectura de información estática hacia una “arquitectura líquida”. En este enfoque, los elementos de una interfaz pueden modificar su tamaño, ubicación, contraste o acceso según la forma en que cada persona utiliza una aplicación. Así, el diseñador deja de concentrarse únicamente en construir pantallas y asume la tarea de definir reglas, supervisar resultados y verificar que las adaptaciones generen valor. 

Durante las actividades prácticas, los estudiantes emplean herramientas como Figma, v0 y Lovable para generar prototipos a partir de instrucciones en lenguaje natural. Esta automatización permite elaborar varias alternativas en menos tiempo, compararlas y seleccionar las más adecuadas. El trabajo del estudiante se orienta entonces hacia la formulación del contexto, la calidad de las indicaciones, la accesibilidad y la validación de las soluciones propuestas. 

El uso temprano de prototipos también ha favorecido la evaluación entre pares. Los grupos presentan sus diseños antes de la entrega final y reciben observaciones de sus compañeros sobre la claridad de los flujos, la cantidad de pasos o la facilidad de uso. Esta dinámica amplía la participación en clase y fortalece el pensamiento crítico, la argumentación y la capacidad de ofrecer retroalimentación constructiva. 

La experiencia muestra que la inteligencia artificial puede liberar tiempo destinado a tareas mecánicas y trasladar la atención hacia el análisis del problema, la investigación del usuario y los requerimientos del negocio. En este escenario, el criterio profesional conserva un papel decisivo: la tecnología puede acelerar la creación de productos digitales, pero corresponde al diseñador determinar si la solución es pertinente, accesible, sostenible y útil.

¿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: 

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?     

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: