En la reunión de este viernes, Víctor Omar Vite León (UPC) presentó la evolución de un proyecto que comenzó como tesis y hoy reorienta su foco para comprender cómo integrar la IA en la enseñanza de la investigación, a partir de evidencias recogidas con estudiantes de Comunicación Audiovisual y Medios Interactivos. El punto de partida contrastó percepciones: 88% del profesorado que usa IA en docencia declara un uso mínimo-moderado, mientras 80% del alumnado considera que la IA universitaria no satisface sus expectativas; este desajuste motivó el estudio sobre satisfacción y uso de IA en tareas de investigación.  

El equipo trabajó con un curso (“Taller de Televisión Interactiva”) y un diseño cualitativo de corte etnográfico durante cuatro meses, con 17 estudiantes y entrevistas en profundidad a ocho voluntarios; los datos se analizaron temáticamente con apoyo de herramientas de IA. Se emplearon ChatGPT, SciSpace y Pinpoint para apoyar fases como revisión de literatura, delimitación del problema y análisis. El marco teórico se centró en autoeficacia (Bandura), compromiso académico (Ochoa) y participación (Carpentier) para observar el impacto de la IA en la experiencia estudiantil.  

Desde el rediseño pedagógico, Vite articula el modelo TPACK con un énfasis tecnológico muy concreto: ingeniería de prompts como competencia instrumental para operar con LLM en investigación cualitativa. Se sistematizaron fases del proceso investigativo (del problema a la redacción) y se modelaron actividades de andamiaje (p. ej., lluvia de ideas por emisor-medio-mensaje-receptor) para avanzar de problemas próximos a problemas disciplinares complejos.  

Los resultados reportados indican que la IA funcionó como fuente de motivación, aumentó la confianza y la eficacia para abordar tareas, organizó información y liberó tiempo para dimensiones creativas; también emergieron preocupaciones por dependencia, barreras idiomáticas, costos y curva de aprendizaje. Con todo, el equipo reconoce límites del estudio (muestra pequeña) y propone ampliar contextos y métodos.  

La discusión enfatizó crear “espacios seguros” donde el uso de IA sea transparente y declarativo, evitando lógicas punitivas y aprovechando la herramienta como objeto de reflexión sobre calidad, atribución y ética. Para materializar el pensamiento crítico en prácticas verificables, se propusieron cuatro verbos operativos (Codina): verificar, evaluar, atribuir y editar; además, se sugirió adoptar el decálogo de transparencia de Daniel Craig y concebir la alfabetización como multimodal (texto, imagen, código).  

Como proyección, el piloto ya escala hacia cursos de investigación de la carrera, manteniendo la combinación TPACK-prompts y abriendo posibilidades interdisciplinarias (p. ej., uso de videojuegos o entornos como Minecraft/Roblox para estudiar autoeficacia, compromiso y participación).  

¿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 Rayuela, esa novela inclasificable de Julio Cortázar, un personaje dice que la única manera de salvarse es creando. Crear es, en cierto modo, una forma de resistencia. Y hoy, diseñar experiencias de aprendizaje motivadoras, activas y transformadoras en tiempos de inteligencia artificial, también lo es.

Vivimos una era en la que la IA genera textos, resuelve problemas, redacta correos, propone evaluaciones, sugiere dinámicas de clase e incluso crea diseños instruccionales. La tentación de delegarle todo es tan grande como el riesgo de perder el propósito pedagógico en el camino. Frente a la fascinación tecnológica, el diseño instruccional debe recordarnos constantemente el para qué diseñamos y para quién enseñamos.

En mi experiencia liderando equipos de diseño educativo en una universidad peruana, la IA se ha vuelto una compañera de ruta. Lejos de desplazar a los diseñadores, ha redefinido nuestros roles: ahora somos curadores de contenidos generados con IA, estrategas de interacción humano-máquina, y arquitectos de experiencias donde el centro ya no es la información, sino el compromiso del estudiante.

Un estudiante sin compromiso puede ser un desafío para el que la IA todavía no está preparada. Este es un reto más profundo que ha comenzado a ocurrir y al que los diseñadores humanos hoy nos enfrentamos a través de nuestro trabajo cotidiano.

La diferencia entre usar IA y diseñar con IA

No toda integración de inteligencia artificial en educación es equivalente. Existe una diferencia fundamental entre el uso instrumental de la IA y lo que propongo llamar “diseñar con fuego”.

El uso instrumental se caracteriza por la eficiencia sobre el propósito: se emplea IA para hacer lo mismo de siempre, pero más rápido. El profesor se convierte en ejecutor de recursos generados automáticamente, mientras el estudiante permanece en una posición pasiva, recibiendo contenidos sin proceso reflexivo genuino. Las interacciones son superficiales—preguntas cerradas que generan respuestas automáticas—y la medición se limita a completar tareas o consumir contenido.

Diseñar con fuego, en contraste, subordina la IA a objetivos pedagógicos específicos. El profesor actúa como arquitecto de la experiencia completa, no como mero usuario de herramientas. El estudiante se convierte en protagonista de su aprendizaje, y la IA facilita su autoconocimiento y autonomía a través de interacciones socráticas que generan preguntas reflexivas, no solo respuestas. Los resultados se evidencian en transformaciones observables del pensamiento crítico y la metacognición.

Un caso concreto: el mentor de éxito personal

En una de nuestras experiencias más significativas, diseñamos un curso de introducción a la vida universitaria para estudiantes de primer ciclo. Decidimos ir más allá del uso instrumental de la inteligencia artificial e incorporamos en la ruta de aprendizaje la herramienta Conversation IA de nuestra plataforma, pero con un diseño pedagógico intencional.

A este tutor conversacional le dimos una personalidad cuidadosamente definida como Mentor de Éxito Personal, con características específicas:

  • Tono: Motivador, empático y orientado a la acción
  • Rol: Asesor confiable que ayuda al estudiante a organizar y consolidar su aprendizaje
  • Objetivos claros: Facilitar reflexión profunda sobre el progreso, identificar conexiones entre principios del curso y desarrollo personal, optimizar objetivos SMART, e impulsar autoconfianza

La experiencia se articuló alrededor de una pregunta generativa: “¿Cómo puedo integrar y mejorar mi Plan de Éxito Personal basándome en las reflexiones, estrategias y objetivos que he desarrollado durante el curso?”

Esta pregunta no buscaba respuestas cerradas, sino que invitaba a la síntesis, la integración y la proyección personal. El mentor no proporcionaba recetas, sino que acompañaba a los estudiantes en un proceso socrático de autodescubrimiento.

Resultados que evidencian la transformación

Los resultados fueron reveladores. En la encuesta final del curso, los estudiantes identificaron el Plan de Éxito Personal como una de las actividades más significativas, destacando que les ayudó a organizar metas, reafirmar valores y visualizar logros.

Más importante aún, reportaron un impacto emocional y motivacional profundo: muchos mencionaron que la experiencia les ayudó a creer en su capacidad y a entender mejor su propósito. Los estudiantes no solo interactuaron con la IA como herramienta, sino que la percibieron como espejo de sus propios procesos.

Lo significativo no fue únicamente el diseño de la IA, sino todo lo que ocurrió alrededor: cómo se preparó el escenario, cómo se acompañó su uso en clase, cómo se integraron las conversaciones con actividades reflexivas y cómo se cerró el proceso con ejercicios de escritura personal.

Criterios para reconocer el “diseño con fuego”

De esta y otras experiencias similares, emergen criterios específicos que permiten distinguir entre el uso instrumental y el diseño pedagógico auténtico:

Criterios de proceso:

  • Propósito pedagógico explícito: La IA se diseña para objetivos de aprendizaje específicos, no para eficiencia general
  • Personalización intencional: Se define una “personalidad” o rol con características que sirven funciones pedagógicas concretas
  • Preguntas generativas: Se privilegian interacciones que abren reflexión sobre respuestas que la cierran
  • Integración curricular: La experiencia con IA se conecta orgánicamente con otros componentes del curso

Criterios de resultado:

  • Metacognición evidenciable: Los estudiantes pueden articular qué y cómo aprendieron
  • Transferencia auténtica: Conectan la experiencia con situaciones reales de su vida
  • Autonomía progresiva: Van necesitando menos guía externa con el tiempo
  • Transformación de perspectiva: Evidencian cambios en su manera de pensar o verse a sí mismos

Implicaciones para la práctica

En la actualidad desarrollamos, con docentes de distintas disciplinas, un proceso formativo que va más allá del uso instrumental. Les enseñamos a diseñar prompts que no solo generan textos, sino que transforman la práctica pedagógica desde la raíz. Prompts para rediseñar sílabos, crear rúbricas auténticas, construir experiencias de aprendizaje activo, guiar la producción de recursos, idear evaluaciones retadoras, revisar guiones de video o materiales interactivos.

En manos críticas y creativas, la IA deja de ser un atajo y se convierte en catalizador. Pero nada de eso es suficiente si no hay el fuego que tiene un buen profesor—aquel que inspira con el ejemplo en cada uno de sus actos, aquel que crea experiencias de aprendizaje auténticas.

Las investigaciones recientes lo respaldan. Holmes et al. (2019) sostienen que el uso de inteligencia artificial en educación puede enriquecer la motivación intrínseca, siempre que se diseñen experiencias que integren aspectos cognitivos, emocionales y sociales del aprendizaje. Asimismo, estudios como el de Dwivedi et al. (2021) destacan que los estudiantes se comprometen más cuando interactúan con sistemas de IA que les permiten explorar, tomar decisiones y recibir retroalimentación significativa, en lugar de limitarse a recibir respuestas automáticas.

El riesgo de la simplificación

El riesgo está en la simplificación. Un curso diseñado solo con actividades generadas por IA puede volverse predecible, superficial, desprovisto de humanidad. Enseñar en tiempos de IA exige más que nunca volver al centro: el estudiante como sujeto, no como usuario. Y el docente como creador, no como ejecutor de recetas.

Diseñar con IA no es solo generar recursos más rápido, sino imaginar nuevas formas de interacción que antes eran impensables. Relaciones humano-máquina que se complementan con relaciones humano-humano, creando ecosistemas de aprendizaje más ricos y auténticos.

Conclusión: crear como forma de resistencia

Enseñar sigue siendo un acto profundamente humano, profundamente creativo. Si la IA ha llegado para quedarse, será nuestra tarea usarla no para sustituirnos, sino para retarnos a enseñar mejor.

Como dice Cortázar, hay que “buscar sin descanso, sabiendo que la única salvación es crear”. Y quizás hoy, en tiempos de IA, diseñar con fuego—con intención, con visión pedagógica, con el estudiante como centro—sea una de las formas más potentes de crear.

Porque al final, la pregunta no es si la IA transformará la educación, sino si nosotros, como diseñadores y educadores, tendremos el fuego suficiente para dirigir esa transformación hacia experiencias verdaderamente humanas y transformadoras.

Referencias

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign. https://curriculumredesign.org/wp-content/uploads/AIED-Book-Excerpt-CCR.pdf

Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., … & Williams, M. D. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002

Cada 10 de noviembre, el mundo conmemora el Día Mundial de la Ciencia para la Paz y el Desarrollo, proclamado por la UNESCO para resaltar el papel esencial de la ciencia en la promoción del bienestar social, el respeto por los derechos humanos y el desarrollo sostenible. Este día nos recuerda que la ciencia no es solo un conjunto de conocimientos, sino una fuerza colectiva para fomentar la cooperación internacional y promover la paz, tal como subraya la Organización de las Naciones Unidas (ONU) en su Agenda 2030. Su impacto se vincula directamente con el ODS 16, que busca construir sociedades pacíficas, inclusivas y con instituciones sólidas basadas en el conocimiento y la equidad.

En el ámbito educativo, la celebración invita a repensar la enseñanza de la ciencia como una herramienta para formar ciudadanos críticos, éticos y comprometidos con el bien común. Organismos como la OCDE destacan que fortalecer la alfabetización científica desde edades tempranas es clave para que los estudiantes comprendan fenómenos complejos —desde la inteligencia artificial hasta el cambio climático— y participen activamente en la construcción de soluciones sostenibles. Este enfoque se alinea con el ODS 4, que promueve una educación de calidad, inclusiva y equitativa para todas las personas, preparando a las nuevas generaciones para afrontar los desafíos globales.

Las universidades del mundo, desde el MIT hasta la Universidad de Cambridge, impulsan proyectos de investigación y programas interdisciplinarios que vinculan la ciencia con la innovación social. En América Latina, instituciones como la Universidad de São Paulo o la UPC también promueven el aprendizaje basado en retos, el pensamiento científico y la aplicación del conocimiento en beneficio de la comunidad. Estas acciones contribuyen al ODS 9, orientado a fortalecer la investigación, la infraestructura sostenible y la innovación como pilares del desarrollo.

En este día, recordemos que la ciencia no solo habita en los laboratorios, sino en cada aula, en cada mente inquieta y en cada esfuerzo por entender y transformar nuestro entorno. Como comunidad educativa, asumamos el compromiso de seguir aprendiendo, investigando y compartiendo el conocimiento con propósito.

La ciencia cobra sentido cuando sus descubrimientos se traducen en soluciones que mejoran vidas. Promover iniciativas de innovación, investigación y sostenibilidad nos permite formar profesionales comprometidos con el bien común y con un futuro más saludable y equitativo.
Desde la Facultad de Ciencias de la Salud, creemos que educar con propósito es también promover el ODS 4: Educación de Calidad. Cada vez que formamos a un estudiante capaz de cuidar con empatía, pensamiento crítico y responsabilidad, contribuimos al bienestar y la paz de nuestras comunidades.

Dra. Angela Requena, Coordinadora de Relaciones Internacionales, Facultad de Ciencias de la Salud, UPC

Invitamos a docentes y estudiantes a participar activamente en iniciativas de innovación, investigación y sostenibilidad que promuevan la ciencia al servicio de la sociedad. Cada idea, cada proyecto y cada descubrimiento pueden ser una oportunidad para construir un futuro más justo, pacífico y sostenible.

Texto trabajado con el apoyo de Chat GPT.

En la sesión del viernes 19 de septiembre, la Comunidad IA en la educación recibió a Manuel Sotomayor, psicólogo educativo y responsable de estrategia de IA educativa en Centrum PUCP. Su ponencia abordó la “paradoja cognitiva de la IA”: una tecnología capaz de amplificar las capacidades intelectuales, pero que, al mismo tiempo, puede erosionar habilidades cruciales para el aprendizaje, como el pensamiento crítico y la autorregulación. 

Sotomayor ilustró el dilema con un caso típico: dos estudiantes resuelven un estudio de negocios; quien usa IA produce más rápido análisis sólidos, pero puede no haber internalizado el razonamiento que sustenta sus respuestas. El foco en “productos” por encima de procesos cognitivos y afectivos —advirtió— pone en riesgo el desarrollo de competencias analíticas. De ahí su llamado a replantear el diseño pedagógico y las evidencias de aprendizaje en entornos con IA. 

Desde la teoría, articuló tres marcos. Primero, la teoría de la carga cognitiva: reducir carga extrínseca (presentaciones y materiales mal diseñados) para favorecer la carga germinal, donde ocurre la construcción de esquemas y el aprendizaje profundo. La “trampa” aparece cuando la IA no solo quita lo extrínseco sino también sustituye esfuerzo germinal, desplazando el “sweet spot” de dificultad deseable. El segundo y tercer marco vinculan taxonomías de Bloom con los sistemas 1 y 2 de Kahneman: si la IA se apropia tanto de las habilidades de orden inferior como de las superiores, el andamiaje evolutivo del aprendizaje se resiente. 

A nivel empírico, el expositor reseñó hallazgos recientes. En tareas aplicadas, estudiantes con IA y orientación docente mejoran su desempeño; sin orientación, la variabilidad aumenta y el promedio cae frente a quienes trabajan sin IA. No obstante, emerge un dato incómodo: 50% declara fuerte dependencia de la IA y 16,7% teme perder capacidad de resolución autónoma. Este debate se enlaza con el modelo FACT (Fundamento–Aplicación–Crítica–Transferencia), propuesto como guía para decidir en qué tipos de habilidades conviene o no integrar IA, siempre con cautela contextual. 

El ángulo neurocognitivo refuerza la paradoja: estudios comparando “cerebro solo”, búsqueda en Google y uso de modelos generativos reportan menor conectividad y patrones menos complejos con IA, con efectos que persistirían aun después de dejar de usarla (“deuda cognitiva”). La implicación didáctica es concreta: sostener prácticas espaciadas, generación activa de respuestas y exposición a dificultades deseables para asegurar aprendizaje significativo en tiempos de IA. 

El diálogo posterior conectó estas ideas con experiencias de aula y gestión del curso: se subrayó que rediseñar flujos de trabajo y secuencias de actividades puede ayudar a “surfear” la tensión entre apoyo y atrofia, evitando la “ficción” de enseñar, producir y evaluar todo con IA. La invitación final fue explícita: educar para navegar esa tensión de forma productiva, con criterios éticos y de evaluación auténtica. 

¿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 25 de julio abordó el impacto de la inteligencia artificial en la integridad académica, a partir de la exposición de Jorge Bossio. Se analizaron los factores que explican por qué los estudiantes recurren a trampas y plagio: presión por notas y becas, sobrecarga académica, falta de claridad en normas y tareas percibidas como poco relevantes. A ello se suman la presión social y la distancia entre docentes y alumnos. 

Un punto central fue la revisión de los límites de los detectores automáticos de IA. Estos sistemas generan falsos positivos y negativos, deterioran la confianza y no garantizan justicia en la evaluación. Bossio insistió en que basar las decisiones académicas únicamente en estas herramientas es riesgoso tanto en el plano pedagógico como ético. 

El encuentro también revisó las conclusiones del libro The Opposite of Cheating de Bertrand y Retinger, que expone cómo la presión académica, el entorno competitivo y la percepción de que “todos lo hacen” terminan justificando estas conductas. Asimismo, se introdujo la idea de la “redacción híbrida”, planteada por Sarah Eaton, donde la producción académica combina aportes humanos y tecnológicos, lo que obliga a las universidades a replantear sus políticas de probidad académica. 

Se comentaron políticas recientes adoptadas en universidades norteamericanas y peruanas. En general, las instituciones están optando por un enfoque abierto y prudente: permiten el uso de IA bajo condiciones de transparencia, exigen la declaración explícita de las herramientas utilizadas y promueven talleres y guías para docentes y estudiantes. No existe una prohibición absoluta, pero sí restricciones claras frente a presentar contenido generado por IA como propio o introducir datos personales en plataformas públicas. 

La sesión concluyó con la idea de que la respuesta no puede ser una “guerra” tecnológica entre docentes y estudiantes. En lugar de perseguir trampas, las universidades están llamadas a construir confianza, acompañar el proceso de aprendizaje y fomentar un uso consciente y formativo de la inteligencia artificial. 

¿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