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:

La sesión del viernes 31 de octubre estuvo a cargo de Marianela López de Empujón Educativo, quien presentó una propuesta integral para personalizar el aprendizaje desde la inclusión, apoyada en neurociencias, ciencias del comportamiento e inteligencia artificial responsable. El punto de partida es un problema regional: las escuelas siguen operando con ritmos y evaluaciones únicas para grupos diversos, lo que deja fuera a gran parte del alumnado neurodivergente y reproduce brechas de aprendizaje. Empujón Educativo busca “no bajar expectativas, sino cambiar el acceso”, colocando a la persona en el centro de cada decisión tecnológica.  

El equipo ha desarrollado microaplicativos que miden con alta precisión la fluidez y la comprensión lectora. En la prueba de fluidez, la plataforma captura 420 puntos del rostro y analiza procesos oculomotores (progresiones, regresiones, fijaciones) y la conversión fonema–grafema para estimar la entrada a la comprensión. Los reportes detallan palabras por minuto, tipos de error (omisiones, sustituciones, adiciones) y ubican el desempeño frente a estándares por grado. Con base en ello, se propone un plan de entrenamiento automatizado (p. ej., 7 semanas, 5 días por semana, sesiones de 16 minutos), con entrenadores de fluidez, reducción de retrosacádicos y memoria icónica.  

Los primeros pilotos reportan metas operativas de mejora en 4–8 semanas: +20% en palabras por minuto, +4 puntos en precisión y ?35% en errores, acompañadas de recomendaciones para aula y familia. La solución se despliega en paralelo a un “historia educativa” interoperable (analógica a la historia clínica), que integra datos cuantitativos y cualitativos (observaciones docentes, asistencia, notas) y sirve como lago de datos para agentes de IA responsables que asisten a docentes y estudiantes sin reemplazarlos. La arquitectura usa RAG con conocimiento del marco legal (país, provincia, escuela) y principios de Diseño Universal para el Aprendizaje.  

En la práctica docente, la plataforma permite cargar la planificación y generar materiales adecuados por estudiante (resúmenes, mapas, evaluaciones), incorporando multimodalidad (podcasts, videos) y guías para familias. También avanza en rúbricas inclusivas (p. ej., no penalizar ortografía en dislexia; ajustes razonables y anticipación del material). Un objetivo adicional es reducir la carga de tiempo: adecuar manualmente puede tomar ~4 horas por estudiante/semana; automatizar tipografía, tamaño y formato ya representa inclusión efectiva.  

De cara a la región, el proyecto subraya desafíos estructurales: carencia de formación docente en neurodiversidad, conectividad y dispositivos escasos, y la necesidad de modelos y datasets locales (equidad dialectal y lenguas originarias) porque transcriptores comerciales no capturan particularidades del español regional. La estrategia incluye pilotos en escuelas estatales y bilingües (1000+ estudiantes), alianzas (p. ej., con una plataforma de gestión en San Luis para 20 000 estudiantes), colaboración académica y futuras experiencias en educación superior (UPC; U. Autónoma de Chihuahua). La consigna ética del equipo: elegir métricas que amplifiquen humanidad; no escalar desigualdades bajo una “falsa modernidad”.  

Finalmente, se presentaron usos de tecnologías asistivas para estudiantes que no han automatizado lectura/escritura (dictado y transcripción con validación por parte del estudiante) y el enfoque metacognitivo del entrenamiento: el sistema comunica metas, registra causas de detención (fisiológicas, emocionales, lingüísticas) y combina evidencia cuantitativa y cualitativa para orientar decisiones pedagógicas en tiempo real.  

¿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: