miércoles, 28 de octubre de 2026

EDD-00. Educación Digital al Día: una invitación a leer e investigar

 Por Lorenzo García Aretio

VER TODAS LAS ENTRADAS DE ESTA SERIE

Descargar esta entrada en PDF

Tras culminar 80 años. Compendio EaD, continúo difundiendo sus aportaciones a través de Compendio EaD. Ideas para recordar. Ahora abro en este blog un nuevo espacio para compartir las investigaciones recientes que me siguen haciendo pensar sobre la educación digital.  Me interesa esa lectura que lleva a revisar una actividad docente, a afinar una pregunta de investigación o a reconsiderar un criterio de evaluación. Cuando un trabajo provoca alguna de estas percepciones, merece una lectura atenta.

La educación a distancia me ha acompañado durante buena parte de mi vida. Mi trabajo en este campo y mi responsabilidad editorial en RIED-Revista Iberoamericana de Educación a Distancia siguen alimentando una inquietud que ahora deseo compartir de otra manera: detenerme en lo que se está investigando, examinarlo con cuidado y reflexionar sobre lo que puede aportar a la Sociedad en general y a la Universidad en particular.

Con ese propósito nace Educación digital al día (EDD), con el subtítulo Evidencias y preguntas de la investigación reciente. El subtítulo expresa las dos ideas que orientarán la serie: evidencias para comprender mejor y preguntas para seguir investigando.

Leer para tomar mejores decisiones

Quiero aportar una selección personal y razonada de trabajos recientes y de calidad, contrastados y analizados, que considere relevantes para comprender y mejorar la educación digital. Compartiré qué han estudiado, cómo lo han hecho y qué alcance tienen sus resultados. Mi propósito es ofrecer no un resumen del trabajo sino una lectura crítica, que permita reconocer el valor de la investigación y lo que podemos aprender de ella.

Mi aportación estará en explicar qué destaco, qué valoro y por qué. Relacionaré esas evidencias con decisiones y preguntas para la docencia, la investigación, la gestión universitaria, el debate educativo y la edición académica, siempre que sea posible en cada caso. Me interesa añadir una interpretación fundada: qué cambia a la luz de lo encontrado, qué convendría explorar y qué utilidad puede tener para quienes trabajan en este campo.

Un estudio sobre tutoría con inteligencia artificial puede ayudarnos a pensar qué apoyo necesita el estudiante y cuándo conviene ofrecerlo. Una comparación entre experiencias presenciales y a distancia puede obligarnos a precisar qué aprendizaje estamos midiendo. Una revisión bien realizada puede mostrar cuánto sabemos sobre un tema y dónde persisten las dudas. Mi aspiración es facilitar una lectura que tenga consecuencias:

  • diseñar mejor una experiencia educativa,
  • formular un problema investigable, o
  • valorar con más fundamento un manuscrito.

Para darle cabida en EDD, un trabajo deberá ofrecer una aportación relevante y realmente nueva, sostenida por un método y unas conclusiones que merezcan confianza.

Para quienes trabajan en educación digital

Esta serie se dirige especialmente a quienes se ocupan de la educación digital en la universidad: docentes, estudiosos e investigadores, responsables de formación y personas que participan como autores, revisores o editores de revistas científicas. Incluye a quienes trabajan en entornos presenciales, a distancia e híbridos. Obviamente, también puede interesar a docentes de otros niveles educativos.

Cada lector llegará con una preocupación diferente. Un docente puede buscar una orientación para su curso; un investigador, un problema que todavía necesita respuesta; un responsable de gestión, una decisión mejor fundamentada; un revisor, una forma más precisa de examinar la relación entre los datos y las conclusiones. Procuraré que las entradas resulten útiles desde esas distintas perspectivas y que su aportación alcance, a través de ellas, a quienes aprenden.

Intentaré escribir con un tono académico, pero también cercano. Explicaré los términos y las decisiones metodológicas cuando sean necesarios para comprender mejor un trabajo. Me interesa que cualquier docente pueda seguir el argumento, aunque no sea especialista en el tema concreto.

Las preguntas educativas que orientarán la selección

El ámbito será la educación digital, con especial atención a la educación superior a distancia y a las experiencias digitales que se desarrollan en la enseñanza presencial o híbrida. Me ocuparé de cómo se aprende y se enseña en estos entornos, de las mediaciones que lo hacen posible y de las condiciones que permiten valorar su calidad.

La inteligencia artificial tendrá una presencia destacada, junto con las realidades extendidas y otras tecnologías que abran preguntas educativas pertinentes. También habrá espacio para el diseño de actividades, la tutoría, la evaluación, la accesibilidad o la participación del estudiante. La selección dependerá de la importancia de la pregunta y de la calidad del trabajo que la aborda.

Buscaré literatura en español y en inglés. Orientaré preferentemente la mirada hacia revistas situadas en Q1 o Q2 del factor de impacto JIF del JCR, o en Q1 de CiteScore de Scopus. Bastará con uno de esos respaldos, siempre que el tema lo considere relevante y de calidad. También habrá lugar para artículos que pueda detectar, de otras revistas cuando su calidad y su aportación novedosa merezcan atención. Daré prioridad a estudios empíricos rigurosos, investigaciones cualitativas relevantes, revisiones sistemáticas y metaanálisis sólidos; los análisis teóricos podrán incorporarse cuando aporten un marco nuevo y fundamentado para comprender un problema.

También examinaré informes de organismos internacionales que aporten investigaciones, datos o análisis de especial interés para la educación superior digital. En cada caso, la lectura del texto completo me ayudará a comprender el valor de su contribución, la base de sus evidencias y las posibilidades que abre para nuestro trabajo.

Cómo leeré y comentaré los trabajos

En cada entrada explicaré qué trabajos he encontrado y por qué me he fijado en ellos. Compartiré una selección situada: habrá otras publicaciones valiosas que no haya localizado o que todavía no haya podido examinar. Indicaré el alcance de la selección para que se entienda desde qué lecturas está construida.

Los comentarios se apoyarán en la lectura del texto completo y en el contraste de sus datos y argumentos. Daré la referencia en estilo APA y un enlace al DOI o a la fuente original. Así, cada lector podrá acudir al artículo o al informe, y valorar por sí mismo lo que comento.

Mi lectura buscará reconocer la aportación de cada investigación y explicar por qué merece atención. Me fijaré en el problema, en la pregunta que plantea, en el estado del arte, en las decisiones metodológicas que lo sostienen y en el interés de sus resultados. Cuando corresponda, consideraré la validez y fiabilidad de sus instrumentos y las posibilidades de contrastar o replicar el estudio. Quiero compartir trabajos que ofrezcan razones fundadas para aprender de ellos.

Los análisis amplios de cada artículo serán una base de preparación. En el post procuraré integrar dos, tres o más trabajos cuando sus preguntas o aportaciones permitan ponerlos en relación. Explicaré qué añade esa lectura conjunta, conservando las diferencias entre sus métodos, contextos y resultados. Cada entrada intentaré que muestre una unidad reconocible y un título que exprese el argumento que quiero compartir.

En las entradas de análisis, indicaré cuántos trabajos he seleccionado, con un enlace a sus referencias. Al final, distinguiré esos documentos de las conexiones con el Compendio y RIED. La versión en PDF facilitará la lectura fuera del blog, e incluirá un enlace al blog.

Cerraré cada entrada con una valoración sobre la utilidad de esas lecturas para docentes, investigadores, responsables de gestión, autores, revisores y editores. Procuraré concretar qué decisiones pueden orientar y qué preguntas abren para seguir investigando. Ese cierre será una parte estable de mi aportación, ajustada a los trabajos comentados.

La valoración será generalmente positiva, porque la selección partirá del valor que encuentro en el trabajo. En los artículos revisados por pares reconoceré la labor de sus autores, de quienes los han evaluado y de los equipos editoriales. Si una precisión ayuda a comprender el alcance de los resultados, la expresaré con prudencia y respeto. Distinguiré siempre los hallazgos del estudio, las interpretaciones de sus autores y mis propias reflexiones.

Las posibles ampliaciones se formularán como sugerencias para seguir investigando: «Quizás resultaría útil aprovechar estos datos para explorar…» o «Sería interesante comprobar si este resultado se mantiene en otros contextos…». Me interesa que el comentario ayude a apreciar lo conseguido y a imaginar nuevas preguntas.

En esta tarea, como no podría ser de otra manera, me apoyaré también en herramientas de inteligencia artificial para la búsqueda, la lectura y la preparación de materiales. Las fuentes y los datos se contrastarán con los documentos originales; revisaré la interpretación y la redacción de cada entrada antes de publicarla. Este apoyo facilitará el examen de los textos completos y me permitirá concentrar la lectura personal en los pasajes necesarios para comprobar los datos, los argumentos y las interpretaciones que recoja en cada entrada. Hago explícito ese apoyo; pero, obviamente, la responsabilidad de lo que aparezca en la serie será mía.

La investigación reciente en diálogo con el Compendio y RIED

Siempre que la relación sea pertinente, pondré las nuevas lecturas en diálogo con mis trabajos, especialmente con las cien entradas de 80 años. Compendio EaD, y con investigaciones publicadas en RIED durante los últimos dos o tres años. Mi vinculación con ambos proyectos me anima a tender esas conexiones. Los recuperaré como antecedentes que ayudan a comprender lo reciente, con sus referencias y enlaces, sin presentarlos como novedades, más allá de los nuevos artículos que se vayan publicando en RIED.

En la entrada 96 del Compendio, «Bibliografía clásica y destacada sobre educación a distancia», reuní obras que han contribuido a construir y ordenar los fundamentos de la EaD (García Aretio, 2025). Aquella selección ofrece un punto de partida para comprender el campo. EDD prolonga ese recorrido con la mirada puesta en las investigaciones que se están publicando ahora: qué conocimiento nuevo aportan y cómo amplían, matizan o cuestionan lo que sabemos.

Ese diálogo permitirá reconocer continuidades, ampliaciones y matices. Un estudio reciente puede reforzar un criterio de diseño, precisar las condiciones en las que funciona o abrir nuevas posibilidades a partir de una idea ya estudiada. Explicaré la relación concreta y enlazaré los textos para que el lector pueda seguirla.

También quiero mantener vivo el Compendio. Recuperar sus entradas, al examinar una investigación reciente, permitirá volver a sus fundamentos, ponerlos a prueba ante nuevas situaciones y reconocer qué necesita ampliación. EDD tendrá su centro en el presente y en las posibilidades de futuro que abren los nuevos trabajos, en diálogo con ese conocimiento que deseo que siga siendo útil y duradero.

Me gustaría que ese encuentro entre lo reciente y lo ya estudiado ayudara a formular mejores preguntas. La novedad adquiere más sentido cuando sabemos qué conocimiento amplía y qué problema sigue abierto.

Publicar cuando haya algo que merezca compartirse

No fijaré un calendario de publicaciones. Cada nueva entrada dependerá de que haya reunido un conjunto suficiente de artículos recientes, de especial relevancia y calidad. Sus textos completos deberán haber sido examinados, y su aportación novedosa tendrá que merecer ser compartida. Publicaré cuando ese conjunto esté preparado, haya revisado el texto y pueda ofrecer una lectura útil para la comunidad universitaria.

Me interesará explicar qué sabemos ahora que antes no sabíamos, qué evidencia obliga a revisar una idea o qué pregunta importante adquiere un fundamento más sólido. Esa aportación puede consistir en un hallazgo relevante, una síntesis que aclare un debate o una comprobación rigurosa que muestre en qué condiciones funciona una propuesta. La calidad y el interés de esa novedad marcarán el momento de publicar.

Cada entrada reunirá al menos cinco artículos recientes plenamente examinados. La cifra se ajustará a los trabajos que merezcan atención. Los informes de organismos internacionales podrán complementar la selección. La organización en apartados responderá a un argumento de conjunto: buscaré conexiones entre los trabajos y daré a cada uno el espacio que necesite para desarrollarlo. Si todavía no he reunido ese mínimo con la calidad, la novedad y la coherencia buscadas, esperaré para publicar.

El arranque podrá ser tan sencillo como «Hoy me he fijado en estos trabajos…» o «Entre las investigaciones recientes que he encontrado, estas me han llevado a pensar…». Indicaré las fechas originales de publicación de los trabajos comentados. Los textos anteriores que recupere para comprender mejor el asunto aparecerán como antecedentes.

La serie irá creciendo con los aportes de estudiosos e investigadores que abren nuevas posibilidades de transformación educativa. Procuraré esbozar lo que estas evidencias permiten pensar sobre el presente y el futuro, diferenciando lo ya observado de las posibilidades que todavía debemos investigar. El interés estará en ampliar las oportunidades de una educación digital de calidad para más docentes y estudiantes.

Para seguir avanzando

Les espero en las próximas entradas de Educación digital al día (EDD). Quiero que estas lecturas nos ayuden a descubrir ideas que podamos llevar al aula, a la investigación, a la gestión o al trabajo editorial en revistas científicas. La educación a distancia, desde la escritura y la correspondencia hasta los actuales entornos digitales, ha seguido abriendo oportunidades para aprender. Me ilusiona contribuir a que esa trayectoria continúe ampliándose, con mejores apoyos y decisiones fundadas. Avancemos juntos hacia una educación digital más atenta a quienes aprenden. Ojalá cada encuentro con EDD despierte nuevas preguntas y ganas de seguir investigando y mejorando la educación. Les espero.

Referencia

García Aretio, L. (2025). Bibliografía clásica y destacada sobre educación a distancia (C.EaD-96). Compendio EaD. AIESAD. https://doi.org/10.58079/15cg2

martes, 27 de octubre de 2026

Lo que el estudiante debe demostrar cuando trabaja con IA

 Por Carlos Bravo Reyes y Mercedes Leticia Sánchez Ambriz

 Infografía que resume las funciones de la IA en el aprendizaje, los principios de transparencia, progresión y reflexión, y la necesidad de comprender, verificar y justificar las decisiones del estudiante.

Recientemente, en un posgrado, los participantes debían crear una presentación animada, donde el texto debía ser mínimo, con un tamaño de fuente superior a los 24 puntos y las imágenes relacionadas con el contenido. A pesar de que se advirtió de esas características, la casi totalidad prefirió entregar su trabajo elaborado con IA, sin modificación alguna. A muchos les escribí: ¿a quién debo calificar, a la IA o a ti?

Lo mismo me pasó con un grupo de estudiantes de la mención en tecnología educativa. Les pedí un ensayo; podían emplear la IA, pero debían explicar qué hicieron. Sin embargo, al preguntarle a varios de ellos por qué seleccionó esa idea, no pudieron explicarlo. De ese mismo grupo, otros estudiantes contrastaron las respuestas, y justificaron su contenido. La pregunta que todos nos hacemos es: ¿Qué estamos evaluando cuando calificamos únicamente lo que entregan?

La pregunta adquiere importancia cuando la IA interviene en tareas que antes realizaba el estudiante. La escritura, la síntesis y la transformación de información pueden distribuirse entre la persona y el sistema. Esto obliga a precisar qué debe aprender el estudiante y cómo podrá demostrarlo. Una consigna que permite trabajar con IA necesita criterios de evaluación coherentes con esa participación.

Acabo de encontrar un artículo de Sun, Dohn y Rehm (2026) que aporta una perspectiva útil para examinar este problema. Los autores revisaron 102 estudios empíricos sobre IA generativa en educación superior. Su interés fue identificar cómo se reparte el trabajo de producir, evaluar y transformar conocimiento. A partir de ese análisis, plantean una relación entre las actividades que incorporan IA y las expectativas universitarias sobre competencia individual.

Una herramienta puede cumplir funciones muy diferentes

En la revisión, 43 estudios se clasificaron como usos de la IA en función de asistente y otros 43 como facilitador del desarrollo de competencias. Juntos representan aproximadamente el 84,3 % de todos los estudios. En el primer caso, el estudiante produce un trabajo y recibe ayuda para mejorarlo. En el segundo, la interacción se orienta a desarrollar pensamiento crítico, creatividad o autorregulación. Son configuraciones que permiten seguir atribuyendo al estudiante la competencia que se pretende formar.

Los otros usos tuvieron menor presencia. Ocho estudios correspondieron a generación de productos, cinco a elaboración de materiales sintéticos y tres a transformación de contenidos. La generación puede producir un artefacto a partir de pocas instrucciones, los materiales sintéticos incluyen casos ficticios para practicar y la transformación convierte un contenido a otro formato, estilo o contexto. Una misma herramienta puede cumplir cualquiera de estas funciones, por lo que su papel depende de la actividad diseñada.

Estos porcentajes describen los estudios seleccionados, no la frecuencia de uso de todos los universitarios. Tampoco demuestran que una función produzca más aprendizaje que otra. Los autores interpretan el predominio de ciertas configuraciones como expresión de su compatibilidad con las expectativas institucionales. Reconocen que la distribución también puede estar influida por lo que se investiga y publica.

Su aporte consiste en mostrar que cada forma de participación exige algo diferente. Cuando la IA comenta un texto escrito por el estudiante, este debe comprender y valorar las sugerencias. Si genera un texto, necesita examinar su integridad y distinguirlo de una evidencia real. Cuando transforma un artículo en una infografía, debe comprobar que conserve los conceptos y relaciones importantes. Pedir el mismo tipo de explicación en todas estas tareas puede resultar insuficiente.

La contradicción aparece cuando solicitamos un producto con IA y luego lo calificamos como si toda su elaboración hubiera sido individual. También aparece cuando aceptamos un resultado bien presentado sin comprobar qué comprende su autor. En ambos casos falta claridad sobre la contribución esperada. El estudiante queda obligado a interpretar reglas que pueden cambiar entre la consigna y la evaluación.

Desde el enfoque histórico cultural, las herramientas forman parte de la actividad humana y de sus posibilidades de actuación. El artículo recupera esta comprensión mediante Wertsch y la idea de «persona más» de Perkins. La competencia puede expresarse en la acción de una persona con sus herramientas. Sin embargo, un desempeño ampliado por la tecnología no permite suponer automáticamente que se ha producido aprendizaje. Necesitamos examinar qué conocimientos y decisiones hacen posible ese desempeño y cuáles puede explicar el estudiante.

Por eso, prohibir o permitir la IA de manera general no resuelve el problema pedagógico. El docente debe decidir qué acciones son necesarias para alcanzar el objetivo. Si busca que el estudiante construya un argumento, tiene que ofrecer oportunidades para que lo formule, lo contraste y lo defienda. Si busca que transforme información para un público específico, necesita evaluar la fidelidad del contenido y las razones de su adaptación. El lugar de la IA debe definirse a partir de esas exigencias.

Hacer visible la contribución del estudiante

Sun y sus colaboradores proponen tres principios: transparencia, progresión y reflexión. La transparencia exige explicar desde el inicio qué puede hacer la IA, qué corresponde al estudiante y cómo se evaluará su participación. Una indicación como «pueden usar IA» deja demasiadas cuestiones abiertas. Conviene precisar qué fuentes deben consultar, qué resultados necesitan verificar y qué decisiones tendrán que justificar.

La progresión implica diseñar actividades con diferentes repartos del trabajo. Puede comenzarse con la revisión de un texto propio, continuar con el análisis de un caso sintético y después transformar un contenido. El avance depende de los objetivos y conocimientos previos. Esta secuencia es una orientación propuesta por los autores, no una fórmula validada para cualquier curso. Su valor está en ampliar gradualmente las responsabilidades que el estudiante aprende a asumir.

La reflexión permite explicar qué se hizo y por qué. Para que tenga valor formativo, debe referirse a decisiones concretas. Resulta más útil justificar por qué se descartó una respuesta que afirmar de manera general que se utilizó la IA responsablemente. También importa reconocer una duda que permanece después de revisar el resultado. La reflexión puede ayudar al docente a retroalimentar el proceso mientras todavía es posible mejorarlo.

A partir de estos principios, podemos pensar en una actividad de transformación de un artículo académico en una infografía. Antes de consultar la IA, el estudiante identifica la tesis del texto y selecciona los conceptos esenciales. Después compara su interpretación con la propuesta del sistema. Finalmente, revisa qué relaciones se conservaron, qué información se simplificó y qué errores debió corregir. La evidencia incluye el producto y una explicación breve de las decisiones que determinaron su versión final.

Este ejemplo es una propuesta de aplicación pedagógica, no una actividad evaluada por el estudio. Su interés está en conectar comprensión, interacción y revisión. La taxonomía de Bloom puede ayudar a precisar esas exigencias: identificar información, explicar relaciones, analizar una transformación y valorar su adecuación. Crear un producto con IA adquiere sentido educativo cuando la tarea ofrece evidencias de esas acciones. El verbo «crear» en la consigna, por sí solo, no garantiza un proceso cognitivo complejo.

Hacer visible el aprendizaje tampoco requiere acumular capturas de pantalla o transcribir conversaciones enteras. La documentación debe ser suficiente para comprender las decisiones relevantes. Una comparación entre versiones y una breve defensa pueden aportar más que un registro extenso sin análisis. La retroalimentación puede centrarse en la comprensión de la fuente, la calidad de la verificación y la pertinencia de los cambios realizados.

La revisión de Sun, Dohn y Rehm invita a reconsiderar qué reconocemos como trabajo competente en la universidad. Sus explicaciones requieren investigación en las aulas, pero ofrecen preguntas necesarias para el diseño docente. Cuando la IA participa en la producción, debemos precisar qué contribución intelectual esperamos del estudiante. Un buen resultado es parte de la evidencia. Comprenderlo, revisarlo y responder por las decisiones que lo hicieron posible permite valorar mejor lo aprendido.

Si deseas leer todo el artículo o un resumen traducido del mismo te invito a https://lectura-alfabetizacion-ia-carlos.cbravoreyes.chatgpt.site/



Sun, Z., Dohn, N. B., y Rehm, M. (2026). Literacy Demands Placed on Students in Student–GenAI Entanglements in Higher Education. Postdigital Science and Education. https://doi.org/10.1007/s42438-026-00697-7

lunes, 26 de octubre de 2026

El futuro incierto de los Gems de Gemini

 Por Ramón Besonías



Hace poco publiqué un artículo hablando de la desaparición de los asistentes de ChatGPT (GPTs). Días después, Google anuncia en la sección dedicada a los Gems en Gemini que también los Gems desaparecerán, aunque solo a priori en cuentas personales. Mientras que ChatGPT exige convertirlos en habilidades (skills) o desaparecerán el 11 de diciembre, Google los convertirá en skills directamente, sin que debas hacerlo tú. 


¿Cuándo desaparecerán?

  • Cuentas personales (incluidas Pro/Advanced): 
    • Fecha de retirada de Gems: 17 de noviembre de 2026. 
    • Llegada y migración a skills: noviembre 2026 (proceso automático progresivo).
  • Workspace (Empresas y ONGs): 
    • Fecha de retirada de Gems: Marzo de 2027. 
    • Llegada y migración a skills: primer trimestre de 2027.
  • Workspace for Education: 
    • Fecha de retirada de Gems: Junio de 2027. 
    • Llegada y migración a skills: final del curso escolar 2026–2027.


Recomendación

  • Si tienes asistentes configurados con PDFs, rúbricas extensas o marcos curriculares, NotebookLM es el sustituto funcional más estable ahora mismo: preserva el anclaje riguroso a las fuentes sin depender de la interfaz de Gems. 
  • Si deseas crear una Skill desde cero a partir de un Gem con archivos de Drive o PDF, extrae los extractos teóricos y normativos clave e intégralos directamente como texto dentro de las instrucciones de la habilidad. 
  • Guarda tus instrucciones y matrices metodológicas en formato Markdown (.md). De este modo, tendrás un repositorio estándar e independiente para volcarlo tanto en Gemini como en cualquier otro entorno de agentes.


¿Qué pasa con las cuentas educativas?

En España y el resto de la UE, la llegada de funciones agénticas en Spark sufre retrasos por las adaptaciones regulatorias (RGPD y la Ley de IA europea). Esto crea un desfase incómodo si retiran los Gems antes de que el nuevo panel de skills esté disponible en tu interfaz. Google dice que podrás crear skills aunque no esté implementado aún Spark.

Los Gems seguirán en las cuentas corporativas y educativas (Google Workspace Business, Enterprise y Workspace for Education con complemento de Gemini), pero solo temporalmente, con una fecha de caducidad más amplia. Si utilizas Gems en tu cuenta de centro o departamento, no desaparecerán el 20 de octubre de 2026, lo que te da un colchón de seguridad importante para el inicio de curso.

Las skills de Gemini, a diferencia de lo que pasa por ahora con ChatGPT, se podrán compartir. Como sucedía con los Gems, pero adaptada al nuevo formato de archivo ejecutable y paquete modular: 

  • Mediante enlace directo, de forma muy similar a los Gems o documentos: Desde el menú de gestión de skills (Ajustes > Skills), seleccionas la habilidad y pulsas en Compartir. 
  • Quien recibe el enlace no comparte tu sesión ni tus chats privados, solo obtiene una copia de la configuración de la skill. 
  • Al abrir el enlace, el receptor pulsa en «Añadir a mis Skills» y la habilidad queda guardada en su cuenta.

Gemini permite también descargar la skill como un archivo .zip que contiene un documento Markdown principal (SKILL.md) con las instrucciones, disparadores y parámetros estructurados. Puedes compartir este archivo SKILL.md (y su carpeta de recursos asociados) por correo, Google Drive, un repositorio o una intranet docente. Cualquier usuario puede ir a Crear Skill > Subir archivo/carpeta y cargar ese SKILL.md directamente en su Gemini para tener la herramienta lista en segundos.

Los alumnos menores de edad sí pueden utilizar Gems (tanto interactuar con Gems creados por el docente y compartidos a través de Google Classroom como crear los suyos propios si el centro lo permite). Depende exclusivamente del panel de Google Admin del centro escolar. El administrador TIC de la consola educativa debe tener habilitado el servicio principal de Gemini y los Gems para la unidad organizativa (OU) del alumnado. Este acceso para estudiantes en entornos educativos se mantendrá garantizado durante todo el curso escolar, hasta junio de 2027.


¿Todas las cuentas de Gemini pueden crear y usar skills?

Las cuentas gratuitas no tienen acceso al creador de skills. Las skills están vinculadas por ahora a suscriptores de pago. Se exige contar con una suscripción activa a Google AI Pro o Google AI Ultra. Las cuentas Workspace y Educación tienen la función completamente bloqueada por el momento.

Al eliminar los Gems en cuentas personales, migrará automáticamente los Gems existentes a skills. Los usuarios con cuenta gratuita podrán usar las Skills procedentes de sus Gems migrados. Google aún no ha detallado si las cuentas gratuitas mantendrán la capacidad de crear nuevas skills complejas desde cero o si esa potencia quedará limitada a los planes Pro/Ultra como factor de diferenciación de pago.

Las cuentas de centros educativos (Google Workspace for Education) y de empresa no pueden crear ni usar Skills todavía. Para estos entornos, Google mantendrá los Gems hasta marzo de 2027 (empresas) y junio de 2027 (educación).


¿Cómo puedo crear una skill?

Ve a la sección Gems de tu barra lateral izquierda y verás esta ventana:

Pincha sobre "Crear habilidades". Te saldrá esta interfaz:

Tienes 3 opciones: subir un archivo de skill ya creado, crear la skill manualmente o pedirle a Gemini que te ayude a crearla. Para iniciarse, mejor elige esta última opción.

Gemini te va guiando paso a paso hasta que tengas tu skill lista para instalarla en Gemini.

Si eliges la opción "Crear manualmente", te saldrá la ventana típica de configuración que te salía también en la creación de Gems.


Si tengo una skill en ChatGPT o desde Github, ¿funcionará en Gemini?

Cualquier skill de GitHub es 100% compatible a nivel de texto, lógica y metodología en Gemini. Basta con subir el archivo o copiar y pegar su contenido en el creador de Gemini.

El único motivo por el que una skill externa fallará o se comportará de forma incompleta en Gemini son las llamadas a herramientas dependientes del entorno:

  • Si la skill de ChatGPT/GitHub depende de ejecutar scripts en un contenedor Python local (antiguo Code Interpreter o scripts bash en scripts/), Gemini necesitará que esa directiva se ajuste si debe usar sus propias extensiones o su entorno de análisis.
  • Las skills de ChatGPT suelen llamar a conectores específicos (Notion, Dropbox, Canvas). En Gemini, si la skill requiere leer o guardar documentos, debes indicarle que interactúe con Google Drive, Docs o Sheets.
  • Parámetros propios que algunas plataformas añaden en la cabecera (como ciertas directivas avanzadas de subagentes de Claude o OpenAI) se ignoran en Gemini, aunque no rompen el archivo principal.

Recomendación:

Subir el archivo de la skill en una conversación en Gemini y pedirle que adapte la skill para que funcione en Gemini. 

Posible prompt: 

«Actúa como arquitecto de Agent Skills para el ecosistema de Gemini. He adjuntado una skill procedente de otra plataforma (ChatGPT / GitHub / Claude). Tu tarea es refactorizarla y adaptarla para que funcione de forma nativa como una Skill en Gemini.

Aplica las siguientes transformaciones: 

1. Cabecera (Frontmatter): Ajusta el name (en minúsculas con guiones) y optimiza la description para que actúe como un disparador semántico preciso (cuándo activarse automáticamente y cuándo no). 

2. Compatibilidad de herramientas: Elimina cualquier dependencia de entornos externos (como Code Interpreter de OpenAI o scripts bash locales) y adáptala para operar con texto estructurado, tablas Markdown o integración con Google Workspace (Drive, Docs, Sheets). 

3. Estructura procedimental: Organiza el cuerpo en: Rol y Criterio, Procedimiento de Ejecución paso a paso, Reglas y Restricciones, y Formato de Salida predefinido.

Entrega el resultado completo dentro de un único bloque de código Markdown listo para guardarse como SKILL.md».

Tomado de IA Educativa

viernes, 23 de octubre de 2026

Imaginarios pedagógicos para resignificar la IAG

 Por Cristóbal Súarez


Desde la popularización de la Inteligencia Artificial Generativa (IAG), nov de 2022, asistimos a un cambio -no solicitado- que es ya una práctica masiva, pero también una exigencia: dar significado educativo a la IAG.

Este proceso no se logra solo con el uso, sino con prácticas densas de reflexión y debate pedagógico -complejas y no siempre estructuradas, como es la educación- sobre si la IAG realmente está alineada a los fines educativos y que, junto idearios políticos, utopías sociotecnológicas, prioridades y dinámicas comerciales edtech, experiencia y formación docente, investigación y información científica, creencias docentes nuevas o heredadas, gestión y cultura escolar, pautas didácticas y muchos aspectos no tecnológicos, forman parte de una complejidad que no se puede descuidar en esa búsqueda de sentido educativo de la IAG.

Lo educativo está en un proceso de resignificación sobre la IAG y es aquí donde cabe tener en consideración cómo se están construyendo esos los imaginarios pedagógicos que nos permitan acercaros a ese sentido educativo, además de usar la IAG.

Sobre cómo va esta construcción de sentido aquí van dos ejemplos -dos fotografías del movimiento- de esos esfuerzos de resignificación con el que mirar educativamente la IAG: una estructurada, el Modelo EurekAI Es un esfuerzo por sistematizar y atender de forma coherente la integración de la IA en la docencia desde 4 dimensiones clave: Desarrollo profesional, reflexión pedagógica, práctica docente y capacitación del estudiante.

El otro ejemplo de resignificación, más diseminado, son las creencias docentes sobre las IA. Estas creencias sobre la IAG se fraguan en el día a día en ese cruce difuso entre diversos tipos de información de fuentes heterogéneas y el contraste con la práctica educativa y escolar. Una fuente para observar parte del proceso de resignificación es el último reporte TALIS 2024 que, con sus obvios sesgos metodológicos y sus propias creencias sobre el poder de la IAG, presenta información sobre las creencias docentes en torno a los beneficios, desafíos, obstáculos y barreras sobre el uso de la inteligencia artificial.

Un ejemplo sobre las creencias docentes sobre la IA es que “apenas 4 de cada 10 docentes de esta etapa (secundaria) considera que la IA reporta beneficios para la planificación de la enseñanza, la adaptación de materiales y la atención al alumnado con necesidades educativas. Aún más bajo es el porcentaje de profesorado que piensa que la IA le ayudará a apoyar al alumnado individualmente (33 %) o a automatizar tareas administrativas (37 %)”(pág. 92).

Aquí hay mucha tela que cortar, pero estas creencias forman parte del uso educativo de la IAG y, junto a las propuesta estructuradas como los modelos, son parte de esos procesos de resignificación de la IAG al que estamos abocados.

jueves, 22 de octubre de 2026

Cuando la inteligencia artificial exige recuperar el arte de la planeación didáctica

 Por Mercedes Leticia Sánchez Ambriz y Carlos Bravo Reyes

Ilustración editorial de una docente guiando la planeación didáctica con apoyo de inteligencia artificial, conectando propósito, estudiantes, actividades, evidencias y evaluación.

Los avances en las herramientas de los ecosistemas de la inteligencia artificial generativa nos llevan a una reflexión necesaria en educación: quizá el desafío ya no consiste solo en conocer una herramienta nueva, sino en aprender a formular mejores preguntas.

Cada vez que un docente utiliza una IA para investigar, diseñar una actividad, crear una rúbrica, preparar una presentación o planear una clase, aparecen preguntas esenciales que no deberían dejarse al azar: ¿qué quiero lograr?, ¿para quién?, ¿con qué propósito?, ¿qué información necesito?, ¿en qué formato deseo recibirla?, ¿qué características debe tener el producto final?

Estas preguntas no son un simple requisito técnico para escribir una instrucción. Son, en realidad, el corazón de una buena planeación didáctica. Con frecuencia se ha asumido que usar tecnología en el aula depende principalmente de dominar plataformas, aplicaciones o recursos digitales. Hoy la experiencia muestra algo distinto: una inteligencia artificial puede producir textos, imágenes, ejercicios, guiones, mapas conceptuales o propuestas de evaluación en pocos segundos; sin embargo, su calidad depende en gran medida de la claridad con la que orientamos la solicitud.

Cuando pedimos: “hazme una actividad sobre lectura”, probablemente recibiremos una propuesta general. Pero si especificamos: “diseña una actividad colaborativa de 40 minutos para estudiantes de secundaria, orientada a identificar ideas principales en un texto narrativo; incluye propósito, instrucciones, producto esperado y una rúbrica breve”, la respuesta cambia de manera significativa. La diferencia no está solo en la herramienta. Está en el nivel de claridad pedagógica de quien pregunta, en coherencia con la idea, ampliamente defendida en la literatura sobre IA en educación, de que la tecnología debe estar al servicio de la intención pedagógica y no al revés (Holmes et al., 2019).

La instrucción también es una microplaneación

Es común llamar prompt a la instrucción que damos a una IA. Sin embargo, para el ámbito educativo conviene verla como una microplaneación. Antes de solicitar un recurso, el docente necesita anticipar algunos elementos:

  • El objetivo de aprendizaje.
  • Las características de los estudiantes: edad, nivel educativo, contexto, necesidades y saberes previos.
  • El contenido o problema que se abordará.
  • El tipo de actividad, el método predominante y la forma de organización.
  • El producto que se espera obtener.
  • Los criterios con los que se valorará ese resultado.

Esto nos obliga a recuperar una competencia docente fundamental: planear con intención.

La IA puede sugerir caminos, ampliar posibilidades y acelerar tareas que antes consumían mucho tiempo; pero no conoce por sí sola las particularidades de un grupo, las condiciones de una institución ni el sentido formativo de una experiencia. Esa interpretación sigue siendo responsabilidad del profesor. Por ello, no se trata de pedirle a la IA que “haga la clase”, sino de dialogar con ella desde una decisión pedagógica previa. La herramienta puede ser una aliada creativa, pero la dirección del aprendizaje debe conservarla el profesor (véase Luckin, 2018).

Especificar es enseñar a pensar

Una buena solicitud no requiere palabras complicadas; requiere precisión. Entre más clara sea la intención, más útil puede ser la respuesta. Por ejemplo, antes de pedir apoyo para una planeación, podemos preguntarnos:

  • ¿Qué deben comprender, aplicar o crear los estudiantes?
  • ¿Qué evidencia mostrará que lograron aprender?
  • ¿Qué recursos sí están disponibles en su contexto?
  • ¿Cuánto tiempo tengo?
  • ¿Deseo una actividad individual, colaborativa, lúdica, reflexiva o basada en proyectos?
  • ¿Qué tono, extensión, formato o nivel de complejidad necesito?

Este ejercicio tiene un efecto interesante: obliga al docente a pensar antes de solicitar. En otras palabras, la IA no sustituye la planeación; puede hacer más visible la necesidad de una planeación consciente.

También puede convertirse en una oportunidad para formar a los estudiantes. Si aprenden a dar instrucciones claras, contextualizadas y con criterios de calidad, no solo estarán utilizando una tecnología: es posible que también fortalezcan habilidades para investigar, argumentar, tomar decisiones y evaluar información de manera autónoma.

La IA interviene solo al pedir; planear, verificar y aplicar siguen siendo decisiones del docente.

 

 

La respuesta no siempre es verdad

Otro aspecto indispensable es reconocer que la inteligencia artificial generativa puede inventar datos, autores, referencias, fechas o explicaciones aparentemente convincentes. A este fenómeno se le suele llamar “alucinación” (Ji et al., 2023), pero en términos educativos conviene nombrarlo con claridad: la IA puede equivocarse y presentar información falsa con seguridad. Además, opera con patrones probabilísticos y puede reproducir sesgos algorítmicos, lo que exige una sólida alfabetización digital crítica (Selwyn, 2019; UNESCO, 2023; Williamson & Eynon, 2020).

Por eso, una respuesta generada no debe asumirse como resultado final. Debe considerarse un primer borrador que requiere revisión. Si una IA menciona una investigación, una cifra o una referencia bibliográfica, es necesario comprobar que exista realmente y que respalde lo que se afirma, acudiendo a fuentes académicas confiables, repositorios institucionales, libros, artículos científicos o documentos oficiales. Contrastar con otra herramienta de IA puede ayudar a detectar inconsistencias o a formular preguntas de verificación, pero no sustituye la consulta de fuentes verificables, porque dos modelos pueden equivocarse de la misma manera.

Contrastar no significa desconfiar de todo de manera paralizante. Significa ejercer pensamiento crítico. Así, el resultado no depende de una respuesta automática, sino de un proceso de análisis informado.

Del consumidor de respuestas al diseñador de experiencias

La llegada de la IA plantea un cambio importante en el rol docente. Ya no basta con ser consumidor de contenidos digitales. Hoy se vuelve necesario ser diseñador de experiencias de aprendizaje, curador de información y evaluador crítico de los resultados que producen las herramientas. La pregunta más importante no es: “¿qué puede hacer la IA por mí?”. Tal vez sea esta: “¿qué quiero que mis estudiantes aprendan y cómo puedo orientar la tecnología para lograrlo con sentido?”.

Cuando el docente tiene claridad sobre el propósito, el destinatario, el producto esperado y los criterios de calidad, la IA deja de ser una máquina que entrega respuestas genéricas. Se convierte en una posibilidad para crear, explorar y enriquecer la práctica educativa. La tecnología puede responder con rapidez, pero la pregunta, la intención y el juicio crítico siguen siendo profundamente humanos.

Referencias

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

Ji, Z., Lee, N., Frieske, R., Yu, T., Su, D., Xu, Y., Ishii, E., Bang, Y. J., Madotto, A., & Fung, P. (2023). Survey of hallucination in natural language generation. ACM Computing Surveys, 55(12), Article 248. https://doi.org/10.1145/3571730

Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. UCL IOE Press.

Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535

Williamson, B., & Eynon, R. (2020). Historical threads, missing links, and future directions in AI in education. Learning, Media and Technology, 45(3), 223–235. https://doi.org/10.1080/17439884.2020.1798995

Tomado de 366-días