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:

La primera sesión del ciclo 2026 del espacio de conversaciones sobre inteligencia artificial en educación reunió a la comunidad docente para reflexionar sobre la relación entre programación, exploración tecnológica y desarrollo profesional. El invitado fue Andy García Peña, docente de la UPC y la Universidad Continental, emprendedor y consultor de innovación, quien compartió su experiencia aprendiendo programación desde cero y utilizando herramientas de IA para transformar su práctica docente. 

Durante la sesión, el expositor expuso el dilema que enfrentan muchos profesores: si aprender a programar es realmente un recurso potenciador o una inversión innecesaria en tiempos en que la inteligencia artificial genera código de manera automática. Para él, la respuesta no es absoluta. Mostró cómo distinguir entre el “by coding” orientado a prototipado rápido y el desarrollo asistido por IA responsable, que implica comprender la estructura del código y revisar lo generado por los modelos. Según comentó, dominar las bases del pensamiento computacional le permitió integrar herramientas de manera más sólida y creativa en sus cursos. 

El docente relató cómo la curiosidad lo llevó a experimentar con diversas plataformas, desde Google Sheets y Notion hasta entornos más complejos como Google Antigravity. Explicó su proceso para instalar, configurar y evaluar esta herramienta de desarrollo con agentes, así como las estrategias que aplicó para manejar riesgos, probar modelos y automatizar partes de su flujo de trabajo docente. Detalló también cómo utiliza Notebook LM junto con Antigravity para generar contenidos, sintetizar clases y optimizar la creación de materiales semanales. 

A partir de su experiencia, García Peña compartió ejemplos de cómo la programación había fortalecido su capacidad para diseñar actividades, integrar APIs, crear prototipos y combinar herramientas con metodologías como el design thinking y la gamificación. Este proceso, según indicó, contribuyó a que varias de sus propuestas fueran reconocidas como innovaciones educativas en instituciones donde enseña. Insistió en que aprender programación no implica volverse desarrollador, sino adquirir una lógica que permita entender, validar y guiar mejor el uso de la IA. 

La sesión concluyó con un intercambio entre docentes sobre evaluación, ética y la necesidad de elevar el nivel de curiosidad en el aula. Los participantes coincidieron en que la IA obliga a repensar las estrategias pedagógicas, promover procesos más reflexivos y fomentar experiencias donde los estudiantes produzcan, contrasten y expliquen, más allá de lo que un modelo generativo puede resolver. La conversación dejó claro que la exploración tecnológica sigue abriendo caminos para renovar la enseñanza en educación superior. 

¿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: