La teoría del internet muerto (Dead Internet Theory, DIT) se originó hace más de 10 años en respuesta a los cambios en internet y, sobre todo, a la llegada de las redes sociales, aunque en ese entonces tenía un carácter conspiratorio. Actualmente, esta teoría ha cobrado fuerza con la llegada de la inteligencia artificial (IA), ya que se ha impulsado el uso de bots para generar contenido y obtener likes, aunado a que las plataformas ahora priorizan las métricas de participación e ingresos por encima de lo auténtico y privilegian la monetización. Esto afecta a las conexiones reales y auténticas, para las cuales se originaron las redes en primera instancia.
La teoría del internet muerto sugiere que el internet en la actualidad:
Está lleno de contenido generado por inteligencia artificial, lo que relega la actividad humana (Walter, 2025).
Las redes sociales, en especial, están dominadas por la actividad no humana, el contenido generado por IA y las agendas corporativas, lo que impide la interacción humana auténtica (Muzumdar et al., 2025).
Ya no se impulsa por usuarios humanos, sino por agentes de IA, bots y contenido generado por algoritmos (Cheemalapati et al., 2026).
Todo esto refuerza la teoría del internet muerto, ya que se otorga prioridad a lo no humano por encima de lo orgánico y lo real, con el fin último de generar más ingresos. Sin embargo, el uso de bots, no solo ha propiciado un aumento significativo en contenido, me gusta (likes) y participación (engagement) artificial, sino que hay algo más por lo que deberíamos preocuparnos: la naturaleza de los bots.
Bots por todos lados
En la actualidad, la creación debots ha aumentado debido al uso de la IA, ya que estos son más fáciles de desarrollar y escalar. Pero ¿qué es un bot? Se define como una aplicación de software automatizado que ejecuta tareas en internet, ya sean beneficiosas o maliciosas. Los primeros pueden mejorar la funcionalidad y el rendimiento de páginas web, móviles y de API, entre otros servicios, mientras que los maliciosos están diseñados para realizar actividades ilegales y delictivas; son difíciles de detectar porque pueden imitar el comportamiento humano. Algunos de los bots malos son los web scrapers (extracción de datos), los bots de relleno de credenciales (para cometer fraude, espionaje, robo, daño de imagen, robo de cuentas), los bots de spam y los bots DDoS (que se utilizan para interrumpir el tráfico normal mediante un ataque de saturación).
Ahora bien, según el “Bad Bot Report 2025”, el tráfico automatizado en Internet superó por primera vez a la actividad humana. En este sentido, el tráfico automatizado representó el 51% y la actividad humana el 49% en 2024. Estas estadísticas también indican que el tráfico de bots maliciosos aumentó significativamente, ya que el 37 % de ese tráfico automatizado fue malicioso y el 14 % fue bueno.
Asimismo, este mismo reporte indica que México se encuentra entre los países con más ataques de bots en el continente americano, después de Brasil y Canadá. Otro dato interesante es que el sector educativo es el tercero más atacado por bots, después de los sectores de viajes y retail.
Implicaciones de esta teoría
Aunque la IA puede ayudar a realizar muchos procesos que antes eran pesados y abrumadores, lo cierto es que también ha propiciado un aumento significativo del tráfico automatizado, controlado por algoritmos y bots, en beneficio de la máquina y no de las personas. Estas son algunas de las implicaciones que tiene la teoría del internet muerto:
La corporativización del internet se refiere a que el ciberespacio es controlado por empresas; esto provoca que la atención y los datos de los usuarios se utilicen para desarrollar y vender productos, así como para prácticas de vigilancia, espionaje y la venta de datos personales, entre otras.
Los espacios manufacturados por interacciones artificiales no solo promueven cuentas automatizadas, algoritmos y contenido generado por IA, sino que también fomentan la manipulación de las métricas, creando la ilusión de que existe actividad generalizada para seguir generando ingresos por engagement artificial (Veale y Cook, 2018, como se citó en Muzumdar et al., 2025). Entonces, gracias al auge de las interacciones artificiales, se ha fomentado la viralidad y el consumo por encima de las conexiones reales y significativas, por lo que los algoritmos favorecen el contenido artificial, polarizador o sensacionalista.
Asimismo, gracias a las interacciones artificiales potenciadas por bots, se puede manipular opiniones de manera más fácil y eficiente, ya que gran parte del contenido que existe hoy en día es generado por IA (la cual responde también a modelos económicos), lo cual se agrava, según Muzumdar et al., 2025, por la censura y la homogeneización de la web (ya todo se ve igual, misma narrativa, etc.).
Por último, el content farming (granja de contenido) es la práctica de crear páginas web que publican grandes cantidades de contenido, usualmente repetitivo y de baja calidad, con el fin de generar tráfico en internet y atraer visitas. Las granjas de contenido se optimizan para priorizar el contenido que le gusta al algoritmo (es decir, los intereses percibidos del usuario para captar su atención); priorizan la cantidad sobre la calidad. Además, estas prácticas conducen a la homogeneización y suprimen la autenticidad y la originalidad de los contenidos humanos.
Todo esto desemboca no solo en que se pierda la visión inicial que tuvo el internet: ser una estructura descentralizada e impulsada por humanos para intercambiar información sin importar las barreras geográficas o culturales, sino que ahora se ha convertido en un portal de desinformación y en una batalla por la atención y los clics, donde reinan las plataformas y los algoritmos, y se premia el contenido artificial por encima de lo real y auténtico.
¿Cómo se puede mitigar esto?
Una y otra vez, la respuesta yace en lo que menos esperamos: la ética. Se deben crear modelos que respondan a marcos éticos de IA; principios como la transparencia, la rendición de cuentas, la no maleficencia, la equidad y la supervisión humana, entre otros, son vitales para evitar usos indebidos y abordar los desafíos de la IA en la sociedad. Otros autores señalan que también es necesario revisar la mediación algorítmica y la gobernanza de las plataformas; esto se refiere a cómo los algoritmos deciden organizar, filtrar y mostrar la información a los usuarios.
La IA ha cambiado la forma de buscar información, que erróneamente se utiliza como si fuera un motor de búsqueda como Google; la forma de escuchar música, por ejemplo, con los AI ghost artists (artistas falsos generados por IA) presentes en plataformas como Spotify; la forma de interactuar en redes sociales, etcétera. Esto ha relegado la actividad humana al mínimo, ya que para todo se recurre a la IA: escribir (trabajo académico, blogs, correos, SEO en marketing, copies, etc.), generar anuncios (homogeneización), crear interacciones en línea, entre otros.
Es importante que no se pierda la agencia humana, es decir, la capacidad de tomar decisiones y de actuar con intención y propósito. Asimismo, es importante que los sistemas de LLM y la IA se diseñen con directrices seguras (diseño centrado en el humano) y éticas que no solo fomenten intereses económicos, pues ello incumple directamente los principios éticos de no maleficencia y beneficencia, así como los de gobernanza (control de la IA) y de responsabilidad. Como usuarios, no nos queda más que estar atentos e informados sobre los cambios en la regulación de la IA, así como saber qué aplicaciones o software utilizamos y qué datos autorizamos a entregar a estos sistemas.
Aunque hoy más que nunca es difícil discernir entre contenido humano y artificial, también es importante darnos un break de la tecnología y centrarnos en cosas que nos brinden felicidad y propósito. En un mundo hiperconectado, hay que darnos espacios de desconexión y de conexión con lo que de verdad importa.
Por Carlos Bravo Reyes y Mercedes Leticia Sánchez Ambriz
Recientemente escribimos sobre la evolución de los prompts, como el prompt aislado solicita una actuación; mientras una skill conserva una forma de actuar. Esta diferencia parece breve, pero transforma la relación con la inteligencia artificial. El prompt suele responder a una necesidad puntual. La skill se prepara para resolver una familia de tareas semejantes sin reconstruir todo el procedimiento cada vez.
En la práctica lo que agoniza es el aislamiento del prompt, pierde fuerza la práctica de buscar una instrucción milagrosa, copiarla, cambiar dos palabras y esperar un resultado confiable. Nace una lógica diferente: organizar el conocimiento necesario para que la inteligencia artificial desarrolle un proceso con cierta consistencia.
Esta transición modifica la pregunta inicial, antes nos preguntábamos qué prompt debíamos escribir. Ahora debemos preguntarnos qué procedimiento deseamos conservar, qué decisiones contiene, qué información necesita, qué errores debe evitar y cómo comprobaremos la calidad del resultado. El centro se desplaza desde la redacción de una orden hacia el diseño de una actuación completa.
De la conversación con IA al diseño de una skill para evaluar el aprendizaje
Una skill permite organizar las instrucciones como una capacidad reutilizable. Contiene orientaciones sobre qué tarea realizar, qué información solicitar, qué pasos seguir, cómo revisar el resultado y qué límites respetar. Puede incorporar ejemplos, plantillas y otros recursos de apoyo.
En educación, una skill puede orientar el diseño de una evaluación, la preparación de una presentación o la formulación de una microcompetencia, entre otras muchas situaciones. Su valor depende de la calidad del procedimiento pedagógico que contiene, de su adecuación al contexto y de la revisión del profesor.
Para comprenderla, resulta útil distinguir entre pedir un resultado y definir cómo debe construirse. Solicitar «elabora una evaluación sobre este contenido» deja numerosas decisiones abiertas. Una skill puede indicar que, antes de proponer la evaluación, se identifiquen el objetivo, las características de los estudiantes, las condiciones de trabajo y las evidencias que permitirán valorar el aprendizaje.
La diferencia con una conversación tradicional no consiste en que esta última carezca de profundidad. Mediante el diálogo también podemos construir propuestas rigurosas, corregir errores y establecer criterios detallados. De hecho, una conversación bien desarrollada puede ser el punto de partida de una skill.
La diferencia está en cómo se organizan y reutilizan las instrucciones. En una conversación, estas suelen quedar distribuidas entre distintos mensajes. En una skill, se reúnen en un conjunto explícito que puede aplicarse a nuevas situaciones. Esto facilita mantener criterios comunes, revisar el procedimiento y compartirlo, siempre que el entorno utilizado admita ese formato.
La conversación ayuda a construir el procedimiento; la skill permite conservarlo de forma organizada. Ambas formas de trabajo se complementan. Utilizar una skill no elimina el diálogo: puede requerir preguntas, aclaraciones y ajustes durante su aplicación.
Construyendo una skill
Crear una skill comienza por delimitar una tarea. No basta con pedirle a la IA que actúe como especialista. Es necesario precisar qué debe hacer y hasta dónde llega su intervención. Por ejemplo, acompañar el diseño de una evaluación es una tarea distinta de calificar automáticamente los trabajos de los estudiantes.
Después se identifican los datos necesarios para trabajar. En una propuesta educativa pueden ser la asignatura, el objetivo, los destinatarios, el tiempo, los recursos y la modalidad. También se define cómo proceder cuando falta información: qué debe preguntarse y qué aspectos admiten una propuesta provisional.
El siguiente paso consiste en organizar la secuencia de trabajo y establecer los criterios de calidad. La skill necesita indicar qué componentes debe entregar y qué relaciones debe comprobar entre ellos. Una evaluación puede tener una consigna clara y una rúbrica bien redactada, pero seguir siendo inadecuada si ambas valoran aprendizajes diferentes.
Estas instrucciones suelen reunirse en un archivo denominado SKILL.md. Según la tarea y el sistema donde se utilice, pueden acompañarse de plantillas, ejemplos u otros archivos. La parte técnica permite organizar el conjunto; la parte pedagógica determina la calidad de sus orientaciones.
Finalmente, la skill debe probarse con situaciones concretas. Esa revisión permite detectar preguntas innecesarias, criterios ambiguos, exigencias desproporcionadas o resultados incompletos. Crear el archivo no significa que el procedimiento esté terminado.
Este recorrido orientó el desarrollo de Diseñar evaluaciones auténticas, una skill que hemos venido trabajando para acompañar al docente en la construcción de evaluaciones contextualizadas. Su objetivo es relacionar lo que se espera aprender con la actividad, las evidencias, la retroalimentación y los criterios de evaluación.
Un ejemplo para probar la skill
Para examinar su funcionamiento trabajamos una propuesta de Tecnología e Innovación Educativa: cada estudiante elaborará un podcast y una canción vinculados con su emprendimiento personal, real o proyectado. Ambos productos serán individuales y podrán realizarse con IA.
La skill realiza numerosas preguntas al profesor, pero todas siguen un orden lógico, no pasa a la siguiente hasta tanto no esté “satisfecha” con la respuesta del profesor. Esto significa que la respuesta puede ser imprecisa o no estar completa y puede nuevamente preguntar al docente, hasta que considere que la respuesta está acorde a lo que se pide. Esta es la gran diferencia con el prompt y con la conversación a la que estamos acostumbrados.
Mi primera pregunta en la comprobación de la skill se aprecia en la captura del chat
Una vez cargada la skill, se escribe: @ Diseñar evaluaciones auténticas y a partir de aquí se inicia la conversación, que se puede extender por una hora o más, en dependencia de lo que desee obtener. Por supuesto que puede retomar el trabajo cuando lo desee, sin necesidad de estar obligado a realizarlo totalmente en ese tiempo.
En la imagen se muestra la primera pregunta que realiza la skill.
En este caso la skill no se limita solo a responder, como ocurre en el chat tradicional, propone, da soluciones y vuelve a proponer hasta concluir con cada paso.
La imagen muestra la captura de pantalla de otra de las preguntas, durante la etapa de la evaluación de la skill.
Durante la revisión apareció un problema revelador. Uno de los criterios propuestos exigía transformar la respuesta de la IA. Esto podía penalizar a un estudiante que recibiera una primera propuesta adecuada y decidiera conservarla.
Ajustamos el criterio para valorar la revisión y selección del resultado. Mantener una respuesta puede ser una decisión válida si el estudiante explica su correspondencia con lo solicitado. Introducir cambios por obligación no demuestra mayor aprendizaje.
Este ejemplo muestra por qué una skill necesita la intervención del profesor. Las instrucciones pueden organizar el diseño, pero sus propuestas requieren examen. La experiencia docente permite reconocer lo que resulta pertinente para un grupo y corregir lo que excede su preparación.
Lo desarrollado hasta ahora es una propuesta de evaluación, no una demostración de resultados de aprendizaje. Su aplicación permitirá revisar la claridad de las consignas, la utilidad de las evidencias y la adecuación de los criterios.
Crear una skill educativa implica convertir decisiones pedagógicas en un procedimiento que pueda utilizarse, examinarse y ajustarse. En este caso, ese procedimiento se organiza alrededor de una pregunta: ¿qué debe realizar y explicar el estudiante para que el profesor disponga de evidencias suficientes para valorar su aprendizaje?
Instalación de la skill Diseñar evaluaciones auténticas
Paso uno.
Para esta tarea el primer paso es descargar el archivo diseñar evaluaciones autenticas.zip desde este enlace. No lo descomprima, solo lo carga en el chat de ChatGPT, Gemini o Claude, sin importar el tipo de cuenta. En el ZIP se encuentran estos archivos; no es necesario extraerlos, solo suba el ZIP, tal y como lo descargó.
Paso dos.
Cargue el archivo directamente en el chat de su IA preferida. La imagen muestra lo que puede hacer. Se cargó el archivo y a continuación puede escribir: Trabajemos con esta skill
El mensaje que devuelve la IA, es similar a este:
Observe que da diferentes opciones; incluso si ninguna de esas le conviene, puede escribir otra y obtendrá una nueva respuesta. No es un prompt aislado es un conjunto de instrucciones lógicas.
A partir de este momento, se inicia un diálogo, donde es el profesor el que aprueba cada paso. La skill sugiere, propone, pregunta, evalúa, pero nunca decide. Si el profesor no tiene una idea clara de cómo crear su evaluación, la skill lo ayuda. El proceso lleva tiempo, no se puede ejecutar en minutos, pues estaría entregando algo que al probarlo nos daríamos cuenta de que carece de utilidad. Necesita revisión permanente.
En el enlace se puede descargar el resultado de la evaluación que colocamos de ejemplo para verificar la skill. Para volver a la skill, solo escriba @ Diseñar evaluaciones auténticas y se inicia un nuevo diálogo.
En nuestras manos está todo el proceso; de la skill obtenemos el apoyo, pero la decisión final es solo nuestra.
Un 35 % de las páginas analizadas publicadas después de noviembre de 2022 mostraban en julio de 2026 una alta probabilidad de haber sido escritas o editadas con IA, frente al 9,6 % cuando se considera todo el conjunto de páginas analizadas.
El crecimiento de las herramientas de inteligencia artificial generativa está transformando rápidamente la producción de contenidos en Internet. Un análisis realizado por el Pew Research Center sobre casi 490.000 páginas web, recopiladas a través de Common Crawl y analizadas mediante la herramienta de detección Open Pangram, muestra un incremento muy significativo de los textos que presentan características compatibles con haber sido escritos o editados mediante IA desde la aparición de ChatGPT en noviembre de 2022.
Antes de la llegada de ChatGPT, aproximadamente el 1 % de las páginas bajo dominios .com presentaba señales significativas de autoría mediante IA. En la primera mitad de 2026, esta proporción había aumentado hasta más del 9 %. Sin embargo, esta cifra debe interpretarse con cautela, ya que el conjunto analizado incluye páginas publicadas antes de la aparición de las herramientas actuales de IA generativa. Por ello, cuando se consideran exclusivamente contenidos publicados después de noviembre de 2022, la presencia de IA resulta considerablemente mayor.
De hecho, el dato más llamativo corresponde a julio de 2026: el 35 % de las páginas publicadas después del lanzamiento de ChatGPT presentaba una alta probabilidad de haber sido escrita o editada con inteligencia artificial. Cuando se analiza el conjunto de páginas web de la muestra, independientemente de su fecha de publicación, la proporción era del 9,6 %. La diferencia muestra hasta qué punto la utilización de IA se ha acelerado en apenas tres años y medio.
El fenómeno no afecta por igual a todos los tipos de sitios web. Según el análisis presentado por Statista, los dominios .gov y .edu presentan niveles de utilización de IA significativamente inferiores, lo que sugiere que las administraciones públicas y las instituciones educativas continúan dependiendo en mayor medida de la producción humana. Esto resulta especialmente relevante para el ámbito académico, donde la autoría, la trazabilidad y la integridad de los contenidos adquieren una importancia particular.
El estudio también pone de manifiesto un problema metodológico importante: detectar que un texto probablemente ha sido generado o editado por IA no equivale a demostrar que lo ha sido. Herramientas como Open Pangram trabajan mediante indicadores estadísticos y de estilo, por lo que pueden producir falsos positivos. Incluso elementos que se han convertido en supuestas «señales de IA», como el uso frecuente de la raya o em dash, no constituyen por sí mismos una prueba de autoría artificial.
En conjunto, los datos apuntan hacia una transformación profunda del ecosistema informativo de Internet: la web posterior a ChatGPT está incorporando contenidos producidos o modificados mediante IA a una velocidad considerable. El dato del 35 % entre las páginas posteriores a ChatGPT resulta especialmente significativo y plantea nuevas cuestiones sobre la calidad, originalidad, transparencia y fiabilidad de la información digital. La cuestión ya no parece ser si la IA está entrando en Internet, sino hasta qué punto llegará a determinar la producción futura de sus contenidos.
¿Cómo enseñar temas complejos a estudiantes con limitada capacidad de atención y acostumbrados a recurrir a la IA como herramienta de trabajo? En este artículo, propongo un método de enseñanzaque combina aula invertida y gamificación para promover el uso intencionado de información recién adquirida en clase, variar el estímulo y generar un ambiente de aprendizaje dinámico y entretenido. Mi objetivo es compartir una guía práctica sobre cómo implementar el aprendizaje invertido en el aula, teniendo en consideración las dos etapas principales que constituyen este enfoque pedagógico: 1) la fase de preparación previa a la clase por parte del estudiantado, y 2) la aplicación de las actividades durante la clase. Asimismo, comparto los resultados obtenidos en el proceso de la dinámica, la retroalimentación de los y las estudiantes que experimentaron este método, así como mis hallazgos a raíz de la implementación de la actividad y algunas consideraciones para mejorar la ejecución de esta práctica en las siguientes ediciones.
El aprendizaje invertido ha ganado renombre y se utiliza con mayor frecuencia gracias a la publicación de numerosos artículos que enfatizan sus méritos y limitaciones (Baig y Yadegaridehkordi, 2023; Ma et al., 2025; Mizza et al., 2025). Inicialmente conocida como aula invertida, esta técnica de enseñanza se define como un “enfoque pedagógico en el que la instrucción directa se realiza fuera del aula y el tiempo presencial se utiliza para desarrollar actividades de aprendizaje significativo y personalizado” (Observatorio de Innovación Educativa, 2014, p. 3). Sin embargo, observo que es común que varias fuentes solo describan superficialmente las actividades propias de la parte presencial del aprendizaje invertido. Un ejemplo de exposición con semejante limitación se puede consultar en idDOCENTE, 2025. En contraste, la University of Waterloo, n.d., es otro caso, no tan frecuente, de presentación del aprendizaje invertido con un verdadero esfuerzo por desarrollar la dimensión práctica de la técnica. Asumo que esta relativa discreción sobre el cómo se explica por la intención de dejar que el docente adapte el aprendizaje invertido a las necesidades propias de su clase o de su grupo de estudiantes.
Invertir el aprendizaje para suscitar el uso intencionado de información nueva
Durante el semestre agosto-diciembre de 2025 estuve a cargo de la materia Escenario Regional de Europa, impartida a estudiantes en la parte final de su licenciatura en Relaciones Internacionales del Tec de Monterrey. Una tercera parte del curso consistía en presentar cinco Estados europeos en diferentes dimensiones: historia, geografía, demografía, economía, política doméstica y política exterior.Por la densidad de la información acerca de cada país, combinada con la exploración de cinco contextos nacionales distintos, resultaba arriesgado recurrir a métodos tradicionales –esencialmente expositivos– para cubrir estos temas, sobre los que el estudiantado contaba con limitados conocimientos previos. Si el nivel de atención en el aula es un motivo de preocupación clásico (Bunce et al., 2010), la omnipresencia de los dispositivos móviles y de las redes sociales en nuestra vida cotidiana ha ido reforzando esta inquietud (Haliti-Sylaj & Sadiku, 2024). Por ello, diseñé una serie de actividades, tanto previas a la clase como durante la misma, que me permitieran enseñar estos temas mediante el aprendizaje invertido.
Primera etapa del aprendizaje invertido: actividades previas del estudiantado
Como parte de la fase de preparación previa a la clase, los y las estudiantes tenían que leer un documento que elaboré previamente a partir de mis propios apuntes del tema. Con una extensión de entre seis y ocho páginas, este documento contenía información clave sobre unode los Estados europeos incluidos en el programa de la materia. Al compartirles el archivo en línea, solamente les otorgué permisos de lectura, por lo que tenían que descargar una copia del mismo y realizar en ella los cambios esperados.
El texto del documento contaba con palabras faltantes en espacios marcados en amarillo. Además, en el margen izquierdo inserté cuadros vacíos con un mensaje explicativo acerca del contenido a incluir, por ejemplo: un mapa, una gráfica, la fotografía de una personalidad o de un monumento, etc. La imagen 1 proporciona una vista ilustrativa de la primera página del documento sobre el Reino Unido.
Al compartirles un texto incompleto, mi intención fue incitarles a explorarlo de manera activa, en lugar de simplemente revisar su contenido. Por supuesto, el llenado de las palabras se puede realizar fácilmente con ayuda de IA: aun así, esta operación implica que el o la estudiante interactúe con el contenido del documento. Además, sería mucho más difícil automatizar este proceso para insertar las ilustraciones solicitadas en los cuadros.
Imagen 1: Lectura asignada sobre el Reino Unido, hoja 1/8. Creación propia (2025).
Segunda etapa del aprendizaje invertido: actividades durante la clase
Al inicio de la clase presencial, presenté el conjunto de las actividades gamificadas (las primeras dos individuales y las siguientes tres en equipo) que se organizarían a lo largo de esa sesión y de la siguiente, todas basadas en la lectura previamente asignada.
1. Quiz de arranque en línea. La primera actividad consistía en la aplicación de un quiz en línea, en este caso utilizando Kahoot, que constaba de una docena de preguntas sacadas del texto. Cada pregunta detonaba una conversación plenaria al momento de comentar la respuesta correcta y las opciones incorrectas. Además de ayudar a comprobar si hicieron la lectura asignada, este cuestionario inicial permitió recordar y, en su caso, aclarar varios de los puntos clave acerca del país estudiado. La participación en este ejercicio individual me permitió asignar puntos en función del número de aciertos y no en función del puntaje calculado por Kahoot, que toma en cuenta la velocidad al momento de contestar. Para mantener un ambiente lúdico y estimulante, otorgué puntos adicionales a quienes terminaron en el podio de la clasificación final.
2. Estableciendo conexiones. La segunda dinámica estaba basada en el juego “Conexiones” (New York Times, 2025). Cada estudiante debía identificar, dentro de un conjunto de 16 palabras (o grupos de palabras), cuatro conjuntos de cuatro palabras relacionadas entre sí por su coherencia temática. Por ejemplo, para un Estado dado, pueden ser cuatro nombres de tratados, cuatro políticos actuales, cuatro ciudades y cuatro figuras históricas. Para armar su propio puzzle de conexiones, el o la docente puede utilizar sitios como este. En la clase, asigné un tiempo límite para la resolución individual de este acertijo. Si bien dejé la posibilidad de consultar apuntes, me aseguré de que no estuvieran utilizando inteligencia artificial. Calculé los puntos de cada uno teniendo en cuenta el número de intentos para llegar a la combinación correcta de términos.
Imagen 2: Tabla de los términos a organizar en categorías sobre el Reino Unido. Creación propia (2025).
El momento en que se revelaron las “conexiones” correctas permitió remarcar el significado de los diferentes términos, fomentando una participación activa del grupo.
Después de estas dos etapas individuales, di a conocer los equipos, con un máximo de cuatro integrantes, que participarían en las siguientes tres frases.
3. Reto de preguntas cruzadas. Para el tercer “juego”, los y las estudiantes trabajaron en equipos para elaborar preguntas con el requisito de que estuvieran basadas en la lectura asignada y se pudieran responder en pocas palabras. En función del tamaño de su grupo, el o la docente determina el número de preguntas requeridas para cada equipo, usualmente entre tres y seis. Posteriormente, cada equipo planteó estas preguntas al resto del grupo y se atribuyeron puntos a los equipos más rápidos en proporcionar las respuestas correctas. Por supuesto, esta dinámica también representó una oportunidad para tener conversaciones plenarias sobre los puntos abordados.
4. El teléfono descompuesto. Previo a la clase, seleccioné un tema que solo se encontraba mencionado de manera breve y alusiva en la lectura. En la clase, compartí oralmente explicaciones adicionales a un representante de cada equipo, quien las repitió a un compañero, y así sucesivamente. La o el último estudiante de cada equipo escribió lo que entendió en una hoja, cuyo contenido utilicé para definir la calificación de cada equipo. Finalmente, una discusión colectiva permitió reconstituir el mensaje original.
Cerca de una hora y media fue necesaria para completar las cuatro actividades descritas. Antes de que concluyera esta primera sesión, asigné a cada equipo un tema a investigar para presentarlo en la siguiente sesión bajo el formato de un podcast, como parte de la quinta y última etapa.
5. El podcast. El objetivo del podcast fue pensado como una manera de profundizar en un aspecto puntual de la lectura. Se tenía que exponer bajo los siguientes lineamientos:
Respetar el rango de tiempo señalado (entre 4 y 6 minutos).
Exponer en vivo (es decir, no por medio de grabaciones).
Adoptar el formato de una conversación entre diferentes personas, cada una asumiendo cierto rol (conductor, periodista, experto/a, entrevistado, etc.).
Todos los integrantes del equipo debían tener una participación significativa en el podcast.
Los participantes no podían tener dispositivos electrónicos o documentos impresos a la mano. Solamente se toleraban apuntes escritos a mano en un papel que no excediera una cuarta parte de hoja tamaño carta.
Este último requisito buscaba garantizar que, aunque los y las estudiantes utilizaran la inteligencia artificial al momento de definir el contenido de su intervención, debían apropiarse de la información para presentarla de manera clara y organizada.
Dentro de este marco, se les alentaba a hacer uso de su creatividad, con tal de llamar la atención de la audiencia, como se esperaría en cualquier podcast.
Después de cada podcast iniciaba una sesión de preguntas dirigidas al equipo por parte de sus compañeros y compañeras. También participé en este proceso para proporcionar aclaraciones, aportar complementos de información y, en su caso, realizar correcciones. Posteriormente, les compartía una retroalimentación cualitativa sobre el podcast realizado, así como la calificación correspondiente.
Resultados
Las actividades realizadas en diferentes momentos durante el semestre arrojaron resultados muy favorablesen el aspecto de la dinámica de la clase: el estudiantado ingresaba al salón sabiendo que iban a estar activamente involucrados en una serie de actividades lúdicas, lo que se reflejaba en una actitud de expectación y de motivación y una participación entusiasta.
Sin embargo, en una sesión de retroalimentación organizada después de las dos primeras implementaciones en condiciones reales, varios de los estudiantes me compartieron que, si bien disfrutaban esta experiencia novedosa de aprendizaje, la consideraban como demandante en términos de preparación previa y de activación durante las sesiones de clase, por lo que recomendaron alternar esta forma de trabajar con otras fórmulas más clásicas.
Para evaluar el impacto de este experimento pedagógico en términos de resultados académicos, comparé la calidad de las respuestas en el examen enfocado en los cinco Estados estudiados, teniendo presente que apliqué este método para tres de estos países y recurrí a métodos tradicionales para los otros dos. Los números recolectados en esa ocasión no me permitieron sacar inferencias acerca del impacto del aprendizaje invertido y gamificado sobre el desempeño académico, ya que la dispersión de las calificaciones parecía depender más del Estado considerado que de la técnica didáctica empleada.
Por consiguiente, a estas alturas considero que el valor agregado de esta propuesta basada en el aprendizaje invertido y la gamificación radica principalmente en la mejora y la variación de la experiencia en clase, lo que las generaciones actuales suelen designar como esencial.
Adicionalmente, me parece importante resaltar algunas dificultades y consejos para tener presentes al momento de “invertir el aprendizaje” de una manera inspirada en el procedimiento descrito en estas líneas.
En primer lugar, noté que los y las estudiantes sentían preocupación respecto a la calificación que obtendrían en cada sesión, lo que afectaba negativamente su experiencia. Teniendo esta observación en cuenta, reconfiguré el número de puntos disponibles en cada etapa, de tal manera que en total sumaran más de 100. Como resultado, las calificaciones altas eran más alcanzables, sin que se eliminara el incentivo para sumar el mayor número posible de puntos.
Segundo, para mantener el ánimo, es valioso que los y las estudiantes estén enterados y enteradas de los puntos que van sumando en las etapas sucesivas del proceso. Este objetivo se puede lograr por medio de un documento tipo Excel disponible en línea y proyectado en varios momentos de la actividad – típicamente, después de cada etapa. Para ir actualizando la tabla, el docente puede aprovechar momentos en los que el grupo se encuentra trabajando, por ejemplo, mientras resuelven el acertijo de “conexiones” en la etapa 2 o diseñan preguntas en la etapa 3. En el caso de grupos numerosos, el apoyo de un becario o becaria puede resultar de gran utilidad para resolver estas cuestiones prácticas y agilizar la implementación de las actividades.
Tercero, pude observar que la primera implementación resultó un poco más laboriosa, en especial al momento de explicar ciertas dinámicas, pero el proceso se volvió naturalmente más fluido en las siguientes ediciones, una vez que la curva de aprendizaje había sido superada.
Reflexión
En resumen, esta experiencia resultó muy estimulante, no solamente para mis estudiantes, sino también para mí como docente. Permitió generar un ambiente de clase muy diferente a lo “normal”, al generar un entorno activo: más interacciones, algo de movimiento físico en el aula y una circulación ágil del conocimiento, especialmente entre estudiantes.
En particular, la calidad de los podcasts representó para mí una grata sorpresa. Al encontrarse en condiciones distintas a las tradicionales presentaciones en clase, los y las estudiantes demostraron ser capaces de exponer su tema con confianza y aplomo. Si bien los contenidos expuestos incluían muy probablemente una dosis significativa de inteligencia artificial, el objetivo de este ejercicio no radica en el esfuerzo de investigación, sino en su apropiación de la información y en su capacidad para compartirla de manera organizada, clara y coordinada con su propio equipo.
Con la confianza de saber que esta práctica pedagógica funciona, les invito a adaptar este modelo retomando aquellas actividades que les inspiren, descartando las otras y agregando unas nuevas. Responderé con gusto a las dudas que tengan sobre esta experiencia y me encantará recibir relatos de sus propios experimentos basados en esta idea, para a su vez inspirarme en sus hallazgos.
Acerca del autor
Dr. Barthélémy Michalon (bmichalon@tec.mx) es profesor de planta en el departamento de Ciencia Política y Relaciones Internacionales en campus Puebla. Se especializa en geopolítica, escenarios regionales de Europa y Asia y en los efectos sociopolíticos de las tecnologías digitales.
Referencias
Baig, M. I., & Yadegaridehkordi, E. (2023). Flipped classroom in higher education: A systematic literature review and research challenges. International Journal of Educational Technology inHigher Education, 20(1), 61. https://doi.org/10.1186/s41239-023-00430-5
Bunce, D. M., Flens, E. A., & Neiles, K. Y. (2010). How Long Can Students Pay Attention in Class? A Study of Student Attention Decline Using Clickers. Journal of Chemical Education, 87(12), 1438–1443. https://doi.org/10.1021/ed100409p
Haliti-Sylaj, T., & Sadiku, A. (2024). Impact of Short Reels on Attention Span and Academic Performance of Undergraduate Students. Eurasian Journal of Applied Linguistics, 10(3), 60–68. idDOCENTE. (2025, February 18). Flipped Classroom: Ejemplos y consejos. Innovacióny Desarrollo Docente. https://iddocente.com/flipped-classroom-ejemplos-y-consejos-para-su-implementacion/
Ma, Y., Fan, H., & Ning, B. (2025). The effectiveness of the flipped classroom: A second-order meta-analysis. International Journal of Educational Research, 134, 102855. https://doi.org/10.1016/j.ijer.2025.102855
Mizza, D., Reese, M., & Malouche, D. (2025). Flipped classroom evaluation and blended learning potential: A case study of engagement and inclusion in quantitative education. Smart Learning Environments, 12(1), 56. https://doi.org/10.1186/s40561-025-00412-2
Morán, L. (2022). Blended learning a través del modelo de aula invertida: Experiencias de prácticas en el nivel superior. Virtualidad, Educación y Ciencia, 13(25), 9–31. https://doi.org/10.60020/1853-6530.v13.n25.37678
Dos egresados universitarios comienzan su primer día de trabajo en una empresa. Ambos manejan herramientas digitales semejantes. Saben buscar información con rapidez, automatizar tareas, usar inteligencia artificial y entregar productos técnicamente adecuados para un entorno profesional. Durante la segunda semana de trabajo, surge un proyecto que involucra a varias personas; la información disponible es incompleta y las decisiones deben tomarse con cierta presión y celeridad.
El primer egresado abre un software, utiliza algunas plantillas, analiza los datos y genera resultados en poco tiempo. Sin embargo, cuando le preguntan por qué eligió ese camino y qué efectos podría tener para las personas implicadas, no logra explicar con certeza.
El segundo egresado reflexiona antes de actuar, conversa con las personas involucradas, comprende que los datos no provienen únicamente de un sistema de información sino también de las personas, analiza la información disponible en distintas fuentes, revisa alternativas tratando de entender las implicaciones de elegir uno u otro camino para los involucrados. Cuando finalmente explica su razonamiento y toma una decisión, lo hace sabiendo que esa elección tiene consecuencias y que deberá asumir su responsabilidad porque esa decisión impactará en la vida de otros.
Equilibrio entre desarrollo tecnológico y formación humana
El uso de herramientas digitales permite a los estudiantes avanzar con rapidez y acceder a grandes volúmenes de información de manera eficiente. Sin embargo, ¿qué tan adecuado es centrar la formación universitaria en el uso de tecnologías que cambian constantemente o quedan obsoletas en poco tiempo? Este cuestionamiento es cada vez más abordado en la literatura académica y remite a una necesidad más amplia de un equilibrio entre el desarrollo técnico y la formación humana.
Esta idea se debatió en foros altamente especializados como el International Conference on Advances in Artificial Intelligence and Machine Learning (AAIML 2026) en Tokio, Japón. La visión general del congreso no solo se enfocó en temas de desarrollo tecnológico, sino más bien, en cómo debemos orientar la reflexión hacia temas éticos, sociales y centrados en la persona. Podemos ver que comienza a consolidarse una preocupación compartida: la necesidad de que el avance tecnológico vaya acompañado de responsabilidad social y de formación humana.
Usar tecnología no es lo mismo que tener criterio profesional
Las y los estudiantes que hoy se encuentran cursando una carrera universitaria crecieron en décadas en las que la tecnología ya formaba parte de la vida cotidiana en la comunicación, el entretenimiento y el acceso a la información. Esto hace que se muevan con facilidad en entornos digitales, que aprendan a usar distintas plataformas y resuelvan tareas apoyándose en herramientas tecnológicas con relativa soltura. Sin embargo, esa cercanía con la tecnología no se acompaña automáticamente de un criterio necesario para utilizarla con responsabilidad dentro de contextos profesionales o para entender las implicaciones de las acciones que se realizan con su uso. En otras palabras, saber utilizar la tecnología no es lo mismo que saber decidir con ella.
Esta diferencia se hace visible cuando las personas se enfrentan a situaciones en las que la tecnología por sí sola no ofrece respuestas claras, como ocurre en los entornos complejos que constituyen la realidad profesional. Ante esto, los estudiantes comparten los desafíos que se describen a continuación, a los cuales es necesario prestar atención.
Situaciones en que la tecnología por sí sola no ofrece respuestas claras
Cuando no sabemos si la información es confiable
La primera dificultad tiene que ver con la capacidad del estudiantado para evaluar la calidad del conocimiento que utilizan. Actualmente, las herramientas digitales pueden generar informes convincentes, visualizaciones complejas o textos bien estructurados en cuestión de segundos. Sin embargo, la apariencia de precisión no necesariamente significa que la información sea correcta o que pueda verificarse con facilidad.
En distintos contextos educativos, es cada vez más común encontrar trabajos académicos que, aunque están bien presentados desde el punto de vista técnico, incluyen citas de estudios que no existen, mezclan fuentes sin claridad sobre su origen o interpretan correlaciones estadísticas como si fueran relaciones causales. Cuando se pide revisar de dónde proviene la información o explicar cómo se obtuvo un determinado resultado, muchas veces el estudiante no consigue reconstruir con claridad el proceso que llevó a esas conclusiones.
Lo que esta situación pone en evidencia es que el problema no es solamente tecnológico, sino también la capacidad de cuestionar la evidencia disponible, verificar las fuentes y comprender los supuestos que existen detrás de los modelos o de los sistemas que generan la información (Oxford University Press, 2023).
Cuando hay que explicar y sostener una decisión
Esta dificultad aparece cuando los resultados que producen las herramientas tecnológicas deben explicarse a otras personas.
En muchos entornos profesionales no basta con presentar un análisis correcto o mostrar que una herramienta funciona adecuadamente. Las decisiones que se toman a partir de esa información deben comunicarse, justificarse y, en algunos casos, defenderse frente a personas que no necesariamente comparten el mismo lenguaje técnico ni la misma forma de interpretar los datos.
Eso exige habilidades que van más allá del manejo de herramientas digitales. Supone ser capaz de explicar con claridad los criterios utilizados, mostrar qué alternativas se consideraron antes de tomar una decisión, reconocer los límites de la información disponible y hacerse responsable de las consecuencias de lo que se propone.
Cuando estas capacidades no se fortalecen durante la formación universitaria, es posible que los estudiantes logren producir resultados técnicamente correctos, pero enfrenten dificultades cuando se les pide explicar por qué eligieron una determinada solución y qué efectos podría tener en el contexto donde se aplica.
¿Los estudiantes son capaces de construir un hilo narrativo completo sobre su proceso de toma de decisiones a partir de un análisis realizado con herramientas digitales?
Cuando una decisión tecnológica afecta a otras personas
Una tercera dificultad aparece cuando las decisiones apoyadas en tecnología se aplican en contextos reales sin considerar con suficiente cuidado sus consecuencias humanas.
Perder de vista que los datos provienen de personas y que las decisiones derivadas de ellos impactan igualmente a personas constituye un grave error que puede surgir cuando se desvincula la práctica profesional de su propósito fundamental. Desde el ámbito universitario, es indispensable recordar que se forman profesionistas orientados a atender problemáticas reales; por ello, su actuar debe situarse siempre en la comprensión de los entornos complejos en los que habrán de intervenir.
En este sentido, la formación no debería tener que ver solo con el desempeño técnico o en el uso eficiente de un sistema, sino con quién asume la responsabilidad por las decisiones que se toman a partir de él y con qué criterios se evalúan sus efectos sobre las personas.
De acuerdo con la UNESCO (2021), uno de los desafíos más importantes para la educación en inteligencia artificial consiste precisamente en formar profesionales capaces de analizar el impacto social de las tecnologías que utilizan o desarrollan y, sobre todo, responsabilizarse por las consecuencias de las decisiones que deriven de su uso.
La necesidad de formar en competencias humanas
En este escenario surge una pregunta que la universidad no puede evitar. Si muchas tareas técnicas pueden ser automatizadas o realizadas por sistemas digitales, pero con el riesgo de no dar los resultados formativos esperados, ¿qué tipo de capacidades deberían ocupar el centro de la formación profesional que permitan subsanar posibles usos sesgados o limitados de la tecnología?
Responder a esta pregunta implica reconocer que el valor de la educación superior no debería limitarse a enseñar el uso de herramientas tecnológicas. Su aporte principal consiste en formar profesionales capaces de comprender problemas complejos, dialogar con otras personas antes de tomar decisiones y actuar a partir de razones claras, considerando también las posibles consecuencias de aquello que deciden (UNESCO, 2023).
Es importante resaltar que más que competir con la tecnología, el desafío educativo consiste en formar profesionales capaces de orientar su uso con criterio, responsabilidad y sentido social. En este contexto, existen al menos cinco capacidades que resultan especialmente importantes y que han sido señaladas en distintos estudios sobre el impacto de la inteligencia artificial en la educación y en el desarrollo profesional (Holmes et al., 2019; Luckin et al., 2016).
Juicio ético y responsabilidad social. En cualquier profesión, las decisiones técnicas tienen consecuencias para las personas y las comunidades. Por ello, el reto educativo no es solo enseñar a resolver problemas, sino también ayudar a reconocer dilemas, evaluar alternativas y asumir responsabilidad por las decisiones tomadas.
Comprender problemas complejos. Muchos de los desafíos contemporáneos, desde el cambio climático hasta la transformación digital, no pueden entenderse desde una sola disciplina ni resolverse con respuestas simples. Formar esta mirada implica ayudar al estudiantado a reconocer interdependencias, anticipar efectos indirectos y comprender que las soluciones técnicas también tienen implicaciones sociales y culturales.
Creatividad cuando existen límites reales. Las herramientas de inteligencia artificial pueden generar múltiples ideas en pocos segundos, pero la creatividad profesional implica algo más exigente. Supone evaluar la viabilidad de las propuestas, adaptarlas a contextos concretos y desarrollar soluciones dentro de límites reales de tiempo, recursos y normativas.
Colaboración y comunicación profesional. Los proyectos contemporáneos rara vez se desarrollan de forma individual. Requieren equipos con perfiles distintos, capaces de dialogar, traducir lenguajes técnicos y construir acuerdos entre perspectivas diferentes.
Capacidad para aprender de manera continua. En un entorno donde el conocimiento cambia con rapidez, una de las habilidades más valiosas no es memorizar información, sino revisar lo que se sabe, reconocer lo que falta por aprender y ajustar estrategias cuando las condiciones cambian (UNESCO, 2023).
Estas capacidades no sustituyen la formación técnica. Por el contrario, la complementan y le dan dirección, ya que la tecnología puede ampliar lo que una persona es capaz de hacer, pero es el criterio profesional el que determina cómo, cuándo y para qué utilizarla.
Aprendizaje basado en problemas reales
¿Cómo se pueden desarrollar las capacidades mencionadas anteriormente dentro de la experiencia universitaria cotidiana? En distintos cursos y proyectos formativos hemos explorado una estrategia pedagógica que busca integrar el aprendizaje técnico con la reflexión ética y social a través de retos auténticos.
Un reto auténtico es una experiencia de aprendizaje basada en problemas reales, con actores reales y con restricciones que obligan a los estudiantes a tomar decisiones justificadas. A diferencia de las tareas simuladas, que suelen resolverse dentro del aula, este tipo de experiencias coloca al estudiantado frente a situaciones en las que el conocimiento técnico debe aplicarse considerando su impacto en contextos sociales concretos.
Una de las iniciativas en las que se ha aplicado este enfoque es la metodología SEL4C (Social Entrepreneurship Learning for Complexity), desarrollada en el Tecnológico de Monterrey. El propósito de esta iniciativa es promover el desarrollo del pensamiento complejo y competencias de emprendimiento social a través de experiencias educativas que conectan la formación académica con desafíos reales del entorno.
En estas experiencias, los estudiantes comienzan identificando una problemática concreta en su comunidad o en el contexto en el que viven. A partir de ahí realizan investigación de campo, conversan con personas involucradas en la situación y analizan información que les permita comprender con mayor profundidad el problema que desean abordar. Con ese diagnóstico elaboran distintas alternativas de solución, procurando evaluar no solo su viabilidad técnica, sino también sus posibles efectos sociales y éticos.
Durante este proceso, la tecnología también cumple un papel de apoyo dentro del aprendizaje. En la fase inicial, por ejemplo, los equipos pueden utilizar herramientas de mapeo colaborativo como Miro para organizar visualmente la información, identificar actores involucrados y representar relaciones entre distintos elementos del problema. Más adelante, en la etapa de validación, con herramientas de inteligencia artificial pueden contrastar propuestas, simular la mirada de un experto externo o poner a prueba la solidez de una argumentación. En estos casos, la tecnología no sustituye el análisis humano, sino que ayuda a ampliar la reflexión y a fortalecer la justificación de las decisiones tomadas.
De esta manera, el centro del aprendizaje no está únicamente en usar tecnología, sino en la capacidad de argumentar las decisiones que se toman a lo largo del proyecto. Por ello, los equipos deben explicar qué alternativas consideraron, qué criterios utilizaron para evaluarlas y por qué decidieron avanzar con una propuesta y no con otra, aunque a veces la más racional no es la elegida.
Posteriormente, desarrollan prototipos y los presentan a personas que forman parte del contexto donde surgió el problema, lo que permite contrastar las ideas iniciales con la realidad y ajustar las soluciones a partir de la retroalimentación recibida.
Uno de los aprendizajes que con mayor frecuencia aparecen en este tipo de proyectos es que la tecnología, por sí sola, no resuelve los problemas complejos. Las herramientas digitales facilitan el análisis de información y sirven de apoyo en la generación de distintas alternativas, pero es el criterio humano el que permite interpretar los resultados, considerar sus implicaciones y tomar decisiones responsables que surgen de las personas para las personas.
En ese sentido, los retos auténticos funcionan como un espacio pedagógico donde el uso de la tecnología se combina con el desarrollo de juicio profesional, comprensión de problemas complejos y responsabilidad social, permitiendo que la formación universitaria se acerque un poco más a las condiciones reales en las que los futuros profesionales deberán tomar decisiones más allá de las herramientas digitales que sepan usar.
Reflexión
Integrar enfoques humanistas en la educación universitaria no significa abandonar la formación técnica ni restarle importancia. Significa, más bien, orientarla hacia su propósito original: resolver problemas reales para mejorar la vida de las personas.
Cuando la universidad logra que sus estudiantes aprendan a hacer las cosas y comprendan por qué las hacen y a quién pueden afectar sus decisiones, entonces la educación cumple una de sus funciones más importantes, que es formar profesionales capaces de actuar con sentido humano en contextos cada vez más complejos.
Para lograr este propósito, no se requieren grandes reformas estructurales o la creación de nuevos planes de estudio. La adopción de una formación basada en retos reales puede integrarse poco a poco, con cambios pequeños en la práctica docente.
Un primer paso puede ser plantear algunas actividades académicas como retos vinculados a problemas reales y con actores del entorno social o profesional. Cuando el aprendizaje se conecta con situaciones que existen fuera del aula, el estudiantado comienza a comprender que las decisiones técnicas no ocurren en abstracto, sino que tienen consecuencias concretas para otras personas.
Otro cambio posible tiene que ver con la forma en que se evalúa el aprendizaje. En lugar de concentrarse únicamente en el resultado final de una tarea o proyecto, resulta útil prestar atención al proceso mediante el cual se toman las decisiones. Pedir a los estudiantes que expliquen los criterios que utilizaron, que describan las alternativas que consideraron o que reflexionen sobre lo que aprendieron durante el proceso permite hacer visible el desarrollo del pensamiento crítico y del criterio profesional.
También resulta valioso promover espacios de diálogo entre distintas disciplinas, donde las perspectivas técnicas y las miradas humanistas puedan encontrarse para analizar problemas complejos desde diferentes ángulos. Cuando estas conversaciones se incorporan a la experiencia educativa, los estudiantes comienzan a reconocer que los desafíos contemporáneos rara vez pueden comprenderse desde un único campo del conocimiento.
En el fondo, el desafío educativo actual no consiste en elegir entre tecnología o humanidad, sino en aprender a integrarlas de manera consciente y responsable en los procesos de formación. Solo así podremos preparar nuevas generaciones capaces de utilizar la tecnología con criterio crítico y sentido humano para contribuir a la construcción de sociedades más justas y sostenibles.
Acerca del autor
El Dr. José Carlos Vázquez Parra (jcvazquezp@tec.mx), es Doctor en Estudios Humanísticos y Doctorando en Psicología. Actualmente, es docente de la Escuela de Humanidades y Educación en el Tecnológico de Monterrey, Campus Guadalajara. Ha participado en múltiples congresos y coloquios, así como también ha sido invitado a brindar conferencias y talleres en varias universidades nacionales e internacionales de Europa, Asía y América Latina. Es miembro del Sistema Nacional de Investigadores de México Nivel 2.
Referencias
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence Unleashed: An argument for AI in education. Pearson Education.
