Explorar la inteligencia artificial en educación: guía práctica para una integración pedagógica crítica y creativa

 Tomado de Universo Abierto

Arbó Trabado, Andreu, Mònica Blasco Paüls, Maria de Lluc Coli Mulet, Mar Fernández Montenegro, Jordi Planes Cid, Gerard Santiveri Ribalta, Cristina Torrent Pujol, Javier Badia Clavera, Oriol Capdevila Morro, Anna de Dios Pifarré, et al. Guia: Explorant la Intel·ligència Artificial (IA). Lleida: Universitat de Lleida, Institut de Ciències de l’Educació, 2025.

Texto completo

La obra Guia: Explorant la Intel·ligència Artificial (IA) constituye un recurso educativo desarrollado por el grupo de trabajo del Institut de Ciències de l’Educació de la Universitat de Lleida con el propósito de acercar la inteligencia artificial al ámbito docente desde una perspectiva práctica, aplicada y pedagógicamente fundamentada. El documento se enmarca en un contexto de creciente digitalización de la educación y responde a la necesidad de dotar al profesorado de herramientas que faciliten la integración efectiva de tecnologías emergentes en el aula, no solo como instrumentos técnicos, sino como elementos que transforman los procesos de enseñanza-aprendizaje.

Uno de los ejes centrales de la guía es su orientación práctica. A diferencia de aproximaciones teóricas o meramente conceptuales, el documento recopila experiencias reales de aplicación de la inteligencia artificial en distintos niveles educativos y áreas curriculares. Estas experiencias incluyen propuestas para mejorar la comprensión lectora, el aprendizaje de lenguas, la resolución de problemas matemáticos o incluso la creación musical mediante herramientas de IA. Cada actividad está cuidadosamente estructurada, incorporando objetivos pedagógicos, instrucciones paso a paso, resultados obtenidos y una reflexión crítica sobre sus fortalezas y limitaciones, lo que convierte la guía en un instrumento directamente transferible al aula.

Además, la guía no se limita a promover el uso instrumental de la inteligencia artificial, sino que insiste en la necesidad de desarrollar una actitud crítica y reflexiva hacia estas tecnologías. En este sentido, plantea la importancia de que tanto docentes como estudiantes comprendan las implicaciones éticas, sociales y educativas de la IA, fomentando un uso responsable, creativo y consciente. La propuesta pedagógica subyacente apuesta por una integración equilibrada en la que la tecnología no sustituya al docente, sino que amplifique sus capacidades y enriquezca la experiencia educativa.

Otro aspecto relevante es la organización de los contenidos, que facilita su accesibilidad y aplicabilidad. Las actividades están clasificadas tanto por áreas de conocimiento como por herramientas de inteligencia artificial, lo que permite a los docentes seleccionar fácilmente aquellas propuestas más adecuadas a sus necesidades. Asimismo, la inclusión de materiales complementarios, como presentaciones para trabajar con el alumnado, refuerza el carácter didáctico de la obra y su vocación de ser utilizada como guía de referencia en contextos educativos diversos.

En conjunto, la guía representa una aportación significativa al campo de la innovación educativa, al ofrecer un modelo concreto de incorporación de la inteligencia artificial en el aula basado en la experimentación, la reflexión crítica y la mejora continua. Su enfoque combina la dimensión técnica con la pedagógica, contribuyendo a preparar al profesorado para afrontar los retos y oportunidades que plantea la inteligencia artificial en la educación contemporánea.

Tomado de Universo Abierto

Proyecto de investigación con IA

 Por Ramón Besonías

La mayoría de usos actuales de la IA en el aula tienen algo en común: reducen el esfuerzo cognitivo. Y eso tiene consecuencias: textos correctos, pero copiados de la IA, con ideas sin masticar y argumentos enlatados. El problema no es copiar. El problema es no entender lo que uno escribe o copia. Si vamos a introducir la IA en el aula, conviene tener claro para qué. Porque si no lo hacemos, pasa lo que ya está pasando: alumnos que no piensan lo que te entregan. 

Un modelo de trabajo con IA en niveles de Bachillerato y estudios superiores es el aprendizaje guiado. No se trata de que la IA haga el trabajo, sino de que acompañe un proceso en el que el alumno piensa, duda, se equivoca, corrige, afina. Y todo ello con ayuda secuenciada en un entorno pautado en el que desaparece el copia y pega, disminuye la delegación ciega y provoca un aprendizaje real.

Esto no debiera empezar en la universidad. Debería entrenarse desde Bachillerato. No es usar IA en clase, es aprender a pensar con ella desde niveles de enseñanza previos. Practicar destrezas cognitivas básicas desde 2º ciclo de ESO, y en Bachillerato aplicarla a contenidos y procesos de trabajo más complejos, que introduzcan habilidades de investigación para estudios superiores, ya sea en Universidad como en FP Superior. 

Te propongo crear un proyecto en Chat GPT. En Gemini, está al caer en unos meses la posibilidad de crearlos incluso en cuentas gratuitas. En Chat GPT requiere cuentas de pago, desde la modalidad Go (10€/mes). 

¿Por qué crear un director de investigación en un proyecto y no en un asistente? Porque un asistente responde y pasa página, mientras que un proyecto acumula contexto y versiones, recuerda decisiones y flujos de conversación. Recuerda configurar el proyecto para que solo obtenga su memoria de las conversaciones del proyecto, no de lo que haces fuera del proyecto. Esto facilita que la IA recuerde solo el flujo de conversaciones de ese proyecto. Para investigaciones de cierta duración los proyectos son el formato de trabajo con IA más efectivo.

Si no sabes cómo funcionan los proyectos, te recomiendo este tutorial de OpenAI.

El proyecto lo he alimentado con dos textos:

• "Prompt": Son las instrucciones básicas que defines en la configuración del proyecto.

• "Instrucciones": Es el documento detallado que adjuntas como fuente dentro del proyecto. Ahí está el método completo de trabajo.

Además de esto, te facilito otro pdf, "Evaluación", una rúbrica base para valorar el trabajo sin delegación cognitiva. Se evalúa la tesis, la argumentación, las fuentes, la estructura, la redacción y el uso de IA. Puedes descargar los PDF aquí.

¿Cuál es el flujo secuenciado de este proyecto?

1. Das el contexto de tu investigación.
2. La IA te pide más precisión.
3. Señala debilidades.
4. Reformulas.
5. Vuelve a cuestionar.

Y así, en bucle, hasta que el trabajo se sostiene. No hasta que “suena bien”. Hasta que resiste la crítica.

Si lo crees necesario, puedes adaptar o reescribir el prompt de instrucciones base y/o las instrucciones detalladas, para que se ajuste a tu contexto, objetivos y detalles de tu proyecto de investigación. 

Si lo deseas, puedes combinar este cuaderno de NotebookLM con el proyecto. Cuando Gemini abra la opción de crear Proyectos en Gemini, podrás enlazar ese proyecto con el cuaderno, lo que puede mejorar la eficacia o añadir más fuentes y recursos adaptados.

Tomado de IA educativa

NotebookLM como entorno para activar las inteligencias múltiples

 Por Carlos Bravo Reyes y Mercedes Leticia Sánchez Ambriz

En colaboración con Mercedes Leticia Sánchez Ambriz

El podcast te regala varios ejemplos que mejoran la comprensión del contenido. 

La evolución de las tecnologías de inteligencia artificial ha transitado desde sistemas puramente generativos hacia herramientas de recuperación aumentada, donde la prioridad no se sigue centrando es la creación de contenido, sino la mediación, síntesis y organización de fuentes documentales específicas. Es el caso de NotebookLM que además de ser una herramienta de productividad, actúa como un agente que interactúa con las habilidades cognitivas del usuario. 

Bajo este principio proponemos analizarla bajo la lente de la teoría de las inteligencias múltiples propuesta por Howard Gardner en 1983 (Marenus, 2025), donde NotebookLM no actúa como desarrollador de estas inteligencias, sino como un entorno que puede activar diferentes prácticas asociadas con ellas, con alcances y límites variados.

La inteligencia, es entendida por Gardner como la capacidad para resolver problemas y para crear productos culturales, por lo que la inteligencia es un concepto plenamente relacionado con la creatividad (UNIR, 2025). NotebookLM es un asistente de investigación con IA orientado a perfeccionar y organizar ideas, apoyándose en cuadernos con fuentes. Su rasgo didácticamente más útil es que el chat incorpora citas directas desde las fuentes del cuaderno; el usuario puede ver el fragmento citado y acceder directamente a la fuente. De este modo transforma una respuesta en un enunciado con evidencia verificable, condición para una lectura crítica y su posterior discusión. La reflexión con las fuentes está mediada por los algoritmos que simulan el razonamiento humano. 

El vínculo entre inteligencias múltiples y NotebookLM lo abordamos como una convergencia entre las funcionalidades técnicas y las oportunidades de actividad cognitiva. Esto evita dos errores frecuentes: asumir que una función “desarrolla” una inteligencia por sí sola, o convertir inteligencias múltiples en puros estilos de aprendizaje. (Gardner, 2013) Nos apoyamos en la experiencia de trabajo con este recurso en ámbitos de pregrado y posgrado. 

NotebookLM y la convergencia con las inteligencias múltiples. 

La mayoría de las inteligencias encajan en este análisis, como es el caso de la lingüística, lógico matemático, espacial, intrapersonal y la interpersonal. Las restantes (naturalista y cinestésica), tienen una conexión débil y pueden ser objeto de análisis en otro comentario. Las inteligencias, lingüística y la lógico-matemática han sido históricamente el centro del sistema educativo formal. NotebookLM, mediante el procesamiento de lenguaje natural (PLN), ofrece una infraestructura que automatiza las tareas de bajo nivel de estas inteligencias, permitiendo al usuario concentrarse en operaciones cognitivas más complejas. La inteligencia lingüística implica una sensibilidad especial al lenguaje hablado y escrito, así como la capacidad de utilizar el lenguaje para lograr objetivos específicos. NotebookLM potencia esta dimensión a través de su capacidad para sintetizar documentos en diferentes formatos, transformando datos heterogéneos en textos coherentes como resúmenes estructurados, guías de estudio e informes. 

La producción de textos coherentes a partir de fuentes diversas no es solo una automatización, sino una extensión de la capacidad narrativa del usuario, quien ahora puede estructurar argumentos complejos apoyados en citas precisas y verificables. Este proceso reduce de manera significativa el esfuerzo mental innecesario derivado de una mala organización de la información, al presentar instrucciones claras y eliminar distracciones. (Main, 2026) 

NotebookLM gestiona la síntesis de múltiples fuentes de manera simultánea, permitiendo al usuario trabajar en el nivel de evaluación y creación de la taxonomía de Bloom y dejar al sistema los niveles de recordar y comprender. De esta manera el estudiante puede estructurar documentos más complejos apoyados en citas precisas y verificables.

Otras de las inteligencias es la espacial, entendida como la capacidad de observar el mundo y los objetos desde diferentes perspectivas (Torres, 2015) en la que destaca la organización visual de la información y la navegación a través de representaciones gráficas de conceptos. En NotebookLM, este tipo de inteligencia se enriquece mediante la creación de mapas mentales. Estos mapas, a diferencia de una lista de documentos, permiten al usuario captar rápidamente estructuras de información complejas sin necesidad de leer linealmente cada fuente.

Desde el punto de vista pedagógico, esta visualización actúa como una estructura cognitiva. Los estudiantes y profesores pueden hacer zoom, desplazarse y colapsar o expandir ramas, lo que refleja los procesos mentales de rotación y manipulación de objetos propios de la inteligencia espacial (Gisela, 2001) . Al hacer clic en un nodo específico, el sistema genera un resumen de ese subtema, permitiendo una transición fluida entre la visión macro-espacial de un proyecto y el detalle micro-semántico de un dato. Esta capacidad de ver "cómo se conectan los puntos" facilita el descubrimiento de asociaciones que podrían no ser obvias en un formato puramente textual.

Otra las inteligencias definidas por Gardner es la intrapersonal que es la capacidad de construir una percepción precisa de uno mismo y de utilizar ese conocimiento para planificar y dirigir la propia vida (Gisela, 2001) En el contexto del aprendizaje, esta inteligencia es el motor de la metacognición y el aprendizaje autorregulado. La manifestación más evidente de esta inteligencia es el chat de NotebookLM, en la que se generan preguntas abiertas al usuario, que lo ayuda a desglosar un problema complejo. El chat puede ser configurado por el usuario para que responda de diferentes maneras, adaptándolo a las necesidades del estudiante. 

En este proceso se distinguen tres fases: la planificación donde se cargan por parte del usuario las fuentes, la de monitoreo en la que se emplean cuestionarios, tarjetas didácticas y la de evaluación y reflexión, donde se puede crear informes, videos, presentaciones, audios e infografías. En esta última el usuario puede nuevamente volver al chat para contrastar las fuentes con los resultados obtenidos. 

Otra inteligencia es la interpersonal, definida como la capacidad de entender e interactuar eficazmente con los demás (Gisela, 2001) NotebookLM permite compartir un cuaderno con muchas personas o con un equipo pequeño que tiene la tarea de editar todas las actividades creadas. Un profesor puede crear un cuaderno que se pone a disposición de todos sus estudiantes. 

A modo de conclusión.

NotebookLM no es solo una herramienta de recuperación de información, sino un sistema que puede activar diferentes prácticas asociadas con la mayoría de las inteligencias múltiples descritas por Gardner. Su empleo facilita una personalización del aprendizaje, donde cada usuario puede apoyarse en sus inteligencias más fuertes para fortalecer las demás. 

Los educadores podemos ver en NotebookLM, el tutor personal del estudiante, enriquecido con la multimodalidad, expresada en diferentes canales sensoriales y por diversos medios. Como cualquier herramienta de IA es obligatoria la verificación de los resultados con las fuentes que añadimos a cada cuaderno. 

Bibliografía

Gardner, H. (16 de 10 de 2013). Multiple Intelligences Are Not Learning Styles. Obtenido de Harvard: https://www.gse.harvard.edu/ideas/news/13/10/multiple-intelligences-are-not-learning-styles

Gisela, E. (2001). Revista de Psicología de la PUPC. Obtenido de https://dialnet.unirioja.es/descarga/articulo/4531340.pdf

Main, P. (23 de 3 de 2026). The learning sience behiend AI lesson planning. Obtenido de Structural Learning: https://www.structural-learning.com/post/learning-science-ai-lesson-planning

Marenus, M. (26 de marzo de 2025). Obtenido de SimplyPsychology: https://www.simplypsychology.org/multiple-intelligences.html

Torres, A. (19 de 09 de 2015). Inteligencia espacial: ¿qué es y cómo se puede mejorar? Obtenido de Psicología y mente: https://psicologiaymente.com/inteligencia/inteligencia-espacial

UNIR. (18 de marzo de 2025). Obtenido de https://mexico.unir.net/noticias/educacion/howard-gardner-inteligencias-multiples-creatividad/

Inteligencia artificial responsable en bibliotecas universitarias: innovación integrada y control profesional

 Tomado de Universo Abierto

Clarivate. Responsible AI for Academic Libraries: Igniting the Power within Existing Workflows, while Keeping Librarians in Control. 2026

Texto completo

El documento elaborado por Clarivate aborda el papel emergente de la inteligencia artificial (IA) en las bibliotecas académicas, destacando un enfoque basado en la integración progresiva y el control humano. Según el informe Pulse of the Library 2025, el 67 % de las bibliotecas ya está explorando o implementando soluciones de IA, aunque la mayoría reconoce encontrarse en fases iniciales. Este interés creciente no se traduce en una adopción impulsiva, sino en una aproximación reflexiva, alineada con los valores profesionales de la biblioteconomía y centrada en la sostenibilidad y la responsabilidad en su aplicación.

Uno de los aspectos clave del texto es la apuesta por integrar la inteligencia artificial en sistemas ya consolidados, como Alma y Primo, en lugar de introducir herramientas externas que incrementen la complejidad. Esta estrategia permite a las bibliotecas incorporar capacidades de IA sin alterar sus flujos de trabajo habituales, reduciendo riesgos y facilitando una adopción gradual. La IA se concibe así como un complemento que potencia la labor profesional, no como un sustituto, permitiendo avanzar de forma progresiva y adaptada a las capacidades de cada institución.

En el ámbito del apoyo a la investigación y al aprendizaje, la IA se presenta como una herramienta clave para mejorar el descubrimiento de contenidos y la experiencia del usuario. El informe señala que el 64 % de los bibliotecarios identifica como prioridad tanto el apoyo al aprendizaje del estudiante como la mejora en la recuperación de información. Herramientas como Primo Research Assistant permiten realizar búsquedas en lenguaje natural, generar resúmenes automáticos basados en fuentes académicas y ofrecer acceso directo a textos completos, todo ello manteniendo el rigor y la trazabilidad de las fuentes, lo que refuerza la integridad académica frente a soluciones genéricas.

Otro ámbito destacado es la mejora de la calidad de los metadatos mediante asistentes de IA que automatizan tareas rutinarias, como la generación de descriptores o resúmenes. No obstante, el control humano sigue siendo central: los bibliotecarios supervisan, validan o corrigen las sugerencias, garantizando la precisión y el cumplimiento de estándares como MARC 21. Este modelo híbrido equilibra eficiencia y criterio profesional, reduciendo la carga de trabajo sin renunciar a la calidad ni a la responsabilidad en la gestión de la información.

El documento también subraya el contexto de limitaciones presupuestarias que afecta a las bibliotecas, donde el 62 % identifica la financiación como su principal desafío. En este escenario, la integración de la IA en sistemas existentes permite maximizar el retorno de la inversión, optimizando recursos sin necesidad de nuevas infraestructuras. La automatización de tareas repetitivas libera tiempo para actividades de mayor valor estratégico, como el desarrollo de colecciones o la colaboración institucional.

Finalmente, se destaca la importancia de la innovación como competencia clave en el futuro de las bibliotecas, señalada por el 49 % de los profesionales. Sin embargo, esta innovación no debe entenderse como adopción acrítica de tecnologías, sino como un proceso deliberado, guiado por necesidades reales y por la experiencia bibliotecaria. La IA, en este sentido, se plantea como una herramienta para evolucionar de forma responsable, manteniendo a las bibliotecas como actores centrales en el ecosistema académico y en la gestión del conocimiento

Tomado de Universo Abierto

La Deuda Cognitiva: ¿Estamos comprando eficiencia a cambio de nuestra capacidad de pensar?

 Por Javier Tourón

¿Estamos aprendiendo o solo delegando? El dilema de la IA en nuestras mentes

Hoy quiero reflexionar en voz alta sobre algo que nos está pasando a todos, casi sin darnos cuenta. La Inteligencia Artificial (IA) ha entrado en nuestras vidas y en nuestras aulas como un tsunami. Es fascinante, sí, pero nos pone frente a un espejo incómodo: ¿estamos usando la tecnología para ser mejores o simplemente nos hemos vuelto demasiado perezosos para pensar por nosotros mismos?

El lado brillante: La promesa de la educación personalizada

No podemos negar que la IA tiene un potencial increíble. Durante décadas, la educación ha arrastrado el «Problema de las 2 Sigma» de Bloom: la idea de que un alumno rinde muchísimo mejor con un tutor personal, algo que era imposible de pagar para todo el mundo.

Hoy, la IA parece resolver esto:

• Tutoría a gran escala: Sistemas como el «Tutor CoPilot» de Stanford permiten ofrecer apoyo experto por apenas 20 dólares al año.
• Resultados reales: Un estudio de Harvard demostró que estudiantes de física aprendieron el doble en menos tiempo usando tutores de IA en comparación con clases tradicionales.
• Inclusión: La llamada «Small AI» está permitiendo que en países con menos recursos se acceda a educación de calidad a través de simples teléfonos móviles.

La zona oscura: la «deuda cognitiva» y la pereza mental

Aquí es donde quiero que nos detengamos. El gran peligro de la IA no es que sea «mala», sino lo que nos hace por omisión. Se está hablando ya de la «deuda cognitiva»: al externalizar nuestras tareas mentales a una máquina, nuestras habilidades fundamentales se debilitan. [Te recomiendo que leas esta entrada si no lo has hecho ya y, sobre todo, el documento que incluye, recientemente publicado por Robert Sternberg].

• Atrofia cerebral documentada: investigadores del MIT Media Lab han usado escaneos cerebrales (EEG) y los resultados dan miedo: los usuarios de herramientas como ChatGPT muestran una conectividad neuronal significativamente más débil en la banda Alpha, esencial para la creatividad y la memoria (solo 42 conexiones frente a las 79 de quienes piensan por sí mismos).
• La ilusión de saber: existe un fenómeno llamado «ilusión de lo aprendido». Nos resulta familiar lo que la IA escribe, pero somos incapaces de explicarlo profundamente. Es como el GPS: nos lleva al sitio, pero si se apaga, no sabemos volver porque no hemos creado un mapa mental de la ruta.
• Amnesia inmediata: el 83% de los usuarios de IA no puede recordar el contenido de un ensayo apenas unos minutos después de haberlo generado. Si no hay esfuerzo, no hay huella en la memoria. El aprendizaje sin esfuerzo es una ilusión, no una realidad.

El peligro de la «externalización cognitiva»

Cuando dejamos que la IA haga el resumen, que encuentre la tesis de un texto o que resuelva el problema de matemáticas, estamos cometiendo un error de base: el aprendizaje no es el producto final, es el proceso de hacerlo.

• Sesgos invisibles: si delegamos el pensamiento, aceptamos los prejuicios de la máquina. Se ha visto que algoritmos de evaluación penalizan desproporcionadamente a alumnos de entornos humildes o recomiendan menos carreras STEM a mujeres basándose en datos históricos sesgados.
• Sedentarismo cognitivo: si no usamos el cerebro para analizar y decidir, perdemos nuestra autonomía intelectual. Nos convertimos en pasajeros de nuestra propia vida mental, en lugar de ser los conductores.

Una reflexión final: sé el piloto, no el pasajero

La IA ha venido para quedarse, y prohibirla es como intentar detener un tsunami con las manos, o ponerle puertas al campo. Pero la clave está en el concepto: «Human in the loop» (el humano en el bucle): la IA debe ser nuestro copiloto, pero tú nunca debes soltar el volante.

Para que no se nos oxide la mente, se podrían proponer tres reglas personales que emergen de algunos informes relevantes sobre el particular:

1. Reflexiona antes de encender la pantalla: genera tus propias ideas y dudas antes de preguntar a la IA.
2. Verifica y critica: no uses la IA como un oráculo, sino como un compañero de debate que a veces se equivoca (y mucho). No olvidemos que estamos preguntando a un algoritmo que ni siquiera entiende lo que nos responde, simplemente lo hace basado en su programación, probabilidades, etc. no a una persona.
3. Hazlo tuyo: no copies y pegues. Reescribe, añade tu voz, tu estilo y tus vivencias personales. Eso es lo único que una máquina no puede replicar.

Decía a los alumnos hace un tiempo al comienzo de curso que el aprendizaje implica sufrimiento y el que no esté dispuesto a sufrir, no aprenderá. Al menos sufrimiento moral. Aprender, sin duda, duele un poco porque requiere esfuerzo, pero es ese esfuerzo el que nos hace humanos y capaces. No deberíamos permitir que la comodidad de un clic nos robe nuestra capacidad de pensar.

Dicho esto, me parece sensato delegar las operaciones que consumen mucho tiempo y tienen un menor valor añadido, para que puedas dedicarte a dominar lo que quieres aprender. Dejadme poner un ejemplo sencillo: hace años (muchos) utilizábamos ficheros en papel para hacer cualquier revisión bibliográfica y búsqueda de fuentes gastando horas y con la ilusión de que lo que necesitábamos estaría en el fichero. Ahora podemos hacer una búsqueda en bases de datos en segundos, sabiendo que nada de lo relevante publicado se quedará fuera de la búsqueda. El procedimiento ha cambiado, el tiempo invertido también, pero permanece la necesidad de saber discernir qué fuentes son relevantes para mí y cuáles no lo son, qué criterios debo aplicar (capacidad de discernimiento o crítica) para seleccionar unas u otras fuentes, etc. ¿Qué hago con los miles de referencias que una búsqueda me devuelve? ¿Cómo las filtro? ¿Cuáles son esenciales y fundamentadas y cuáles son prescindibles o incluso debo evitar para no contaminarme?

A mi juicio, una vez más, no se trata de plantear la pregunta incorrecta y un tanto pueril: «¿IA sí o no?»; mejor preguntémonos: «IA cuándo y para qué».

Tomado de Javier Tourón