Disfrutar enseñando empieza por hacer que disfruten aprendiendo

 Por Ángel Fidalgo

“Si disfrutas de tu trabajo no trabajarás ni un solo día”. Algunas personas, la mayoría, atribuyen esta frase a Confucio; otras, a Mark Twain. Yo, a la hora de escribir este post, se la atribuyo a una amiga que fue quien me hizo replanteármela.

También se ha escrito mucho sobre la transición entre disfrute, vocación y trabajo. Por ejemplo, si tienes una afición, disfrutarás aunque le dediques horas y horas. Pero cuando la afición se transforma en trabajo, hay autores que indican que es imposible disfrutar; es decir, que el disfrute, a lo sumo, se transforma en vocación.

Realmente, ¿se puede disfrutar con un trabajo como el nuestro? Si hacemos un pequeño estudio no científico, escuchas a más profesorado decir que se quiere jubilar, que está harto, que a profesorado que dice lo contrario.

Yo tengo vocación por lo que hago, al igual que cientos de colegas. Pero, ¿lo disfrutamos de forma continua? ¿Todos los días? ¿Todas las horas?

Pues la verdad es que hay momentos que sí. Sobre todo cuando veo que un alumno aprende, que dialoga contigo, que te da las gracias por enseñarle… Pero no lo disfruto cuando estoy estresado porque no me da tiempo a acabar el temario, cuando tengo que hacer gestión, cuando veo que hay normas absurdas y que cada vez que hay una nueva ley no suele centrarse en el aprendizaje, sino en identificar problemas distintos, y la mayoría de las veces sin solucionar los anteriores.

He escuchado a mucho profesorado decir que disfruta, pero siempre, o al menos la mayoría de las veces, ese disfrute está relacionado con el alumnado, es decir, con las personas con las que trabajamos o para las que trabajamos, como quieran enfocarlo.

Así pues, podemos comenzar estableciendo una relación entre el disfrute y nuestro alumnado. Y ya puestos, ¿por qué no intentamos que disfrute el alumnado aprendiendo? Posiblemente, si lo conseguimos, aumentará también nuestro propio disfrute.

Podríamos transformar la frase en:
“Si enseñamos a nuestros estudiantes a disfrutar aprendiendo, no estudiarán, aprenderán toda la vida”.

Pero, aunque la frase quede muy bonita, ¿realmente nuestro alumnado podrá disfrutar todos los días? Al fin y al cabo, estudiar es su trabajo, así que volvemos al principio del post.

Cuando yo estudié, el colegio me ofrecía muchísimos estímulos. Estaban los amigos, los recreos que siempre se hacían cortos, las conversaciones en los pasillos, las risas en clase cuando alguien decía algo fuera de lugar, y hasta los amores: los fugaces, los platónicos (los de enamorarse del profesorado) y los que duraban todo el curso.

Dicho de otra forma, el colegio no era solo un lugar para aprender contenidos. Era, sobre todo, el lugar donde pasaban cosas importantes.

Hoy el colegio ha perdido ese papel de exclusividad. Antes era el lugar principal donde socializar y donde pasaban muchas de las cosas importantes de la vida. Ahora tiene mucha competencia, sobre todo en los entornos digitales. Por eso, quizá el profesorado deba concentrar su foco en lo que le es propio: despertar el gusto por aprender.

Aprender es algo innato al ser humano. Está muy relacionado con la curiosidad, con la necesidad de saber, y eso nunca se acaba. Aprovechemos esa fuerza.

Hagamos que el alumnado disfrute aprendiendo. Porque si logramos que el alumnado disfrute aprendiendo, nosotros empezaremos a disfrutar enseñando.

Tomado de Investigación e Innovación educativa

Más niñas en STEM, más desarrollo en América Latina y el Caribe

 Por Claudia Cynthia Piras del BID

Mi abuela paterna, la Nonna, se graduó de doctora en medicina y cirugía en 1940; mi mamá obtuvo un doctorado en bioquímica, y mi suegra tiene un posgrado en enseñanza de matemáticas. Dados estos antecedentes, el próximo Día Internacional de la Mujer y la Niña en la Ciencia es, para mí, un día de celebración familiar. Esta experiencia personal, sin embargo, contrasta con una realidad aún presente en América Latina y el Caribe: muchas niñas y jóvenes aún no se ven a sí mismas en la ciencia y la tecnología.

Un estudio del Banco Interamericano de Desarrollo (BID), realizado junto con la Universidad Federal de Pernambuco, muestra que las decisiones de carrera de mujeres y hombres explican cerca del 50% de la brecha salarial de género. En particular,  las carreras vinculadas a la ciencia, la tecnología, la ingeniería y las matemáticas (STEM) contribuyen aproximadamente al 30% de esta diferencia.   

Ampliar la participación de las mujeres en áreas STEM puede contribuir a cerrar estas brechas y, al mismo tiempo, genera beneficios más amplios para la sociedad. Una fuerza laboral más diversa puede impulsar la innovación, diversificar las agendas de investigación, acelerar la adopción tecnológica y contribuir a mayores tasas de crecimiento económico. 

¿Qué sabemos sobre las aspiraciones laborales en América Latina y el Caribe?
La encuesta PISA 2022 recoge las expectativas laborales de estudiantes de 15 años, una edad crítica en la que comienzan a definirse las trayectorias educativas futuras. Los resultados muestran que en la mayoría de los países de la región, menos del 20% de los estudiantes aspira a trabajar en ocupaciones relacionadas con la ciencia y la tecnología cuando sean adultos. Estas elecciones tempranas no son neutrales pues tienen efectos en los ingresos futuros, las oportunidades laborales y el crecimiento económico de los países.
Más allá de los promedios nacionales, se observa un patrón consistente en toda la región: las aspiraciones STEM son significativamente más bajas entre las mujeres que entre los hombres, con brechas que superan los 15 puntos porcentuales en varios países. Incluso entre las estudiantes con mejor rendimiento escolar, muy pocas aspiran a carreras de informática e ingeniería, y tienden a preferir ocupaciones tradicionalmente feminizadas, como las vinculadas a la salud, la educación y los servicios sociales. 

Estos resultados sugieren que existe un amplio margen para fortalecer las aspiraciones STEM entre niñas y  jóvenes antes de la elección de las carreras universitarias. Abordar  brechas de información, expectativas y referentes puede contribuir a ampliar el acceso de mujeres a estas carreras y a aprovechar mejor el talento disponible en la región.
“Carreras de hombres” y “carreras de mujeres”

La decisión de los jóvenes sobre qué carreras seguir están influenciadas por factores que van más allá de sus habilidades individuales, como los  estereotipos de género y creencias sobre para qué son “buenos” los chicos y las chicas, así como sobre qué tipo de trayectorias profesionales son socialmente aceptables para cada uno. 

Estos estereotipos comienzan a operar a edades tempranas y se reflejan en las aspiraciones educativas y ocupacionales de las mujeres jóvenes, orientándolas hacia sectores y ocupaciones que, en promedio, ofrecen menores salarios y menos oportunidades de progresión profesional.  Un estudio del BID muestra que, en América Latina y el Caribe las mujeres representan el 35% del empleo en los cinco sectores mejor pagados y que, en términos de ocupaciones, los hombres tienen el doble de probabilidad que las mujeres de ocupar puestos directivos. 

Esta segmentación del mercado laboral refleja una interacción compleja de factores económicos, sociales, culturales e informativos, más que diferencias reales en habilidades o desempeño.

Sistemas educativos que impulsen carreras STEM

¿Es posible influir en las aspiraciones con intervenciones simples y de bajo costo? La evidencia disponible sugiere que sí. La campaña Decidiendo mi Futuro fue una intervención implementada en Costa Rica por el Ministerio de Educación Pública, en asociación con el BID e Innovations for Poverty Action (IPA), con el objetivo de  fomentar que las estudiantes de noveno grado eligieran cursos de ciencia, tecnología, ingeniería y matemáticas al pasar a la educación secundaria.

Durante las doce semanas previas a la elección de cursos, se enviaron mensajes de texto dirigidos a las estudiantes y a sus familias con cuatro tipos de contenidos: historias de mujeres referentes en STEM; información sobre las ventajas y beneficios —incluidos los económicos— de estas áreas; mensajes orientados a promover una mentalidad de crecimiento; e información concreta sobre las opciones educativas en STEM disponibles en el sistema educativo.

La evaluación experimental de esta iniciativa encontró impactos positivos, particularmente entre las estudiantes de hogares de bajos ingresos, con un incremento de 5,9 puntos porcentuales en la inscripción en cursos STEM dentro de este grupo. También se observó un aumento de 5,4 puntos porcentuales entre quienes inicialmente tenían concepciones erróneas sobre los beneficios financieros de estas carreras.

Ampliar la participación la participación de niñas y mujeres en STEM requiere un enfoque integral que involucre a familias, educadores, responsables de políticas públicas y empleadores. Las acciones pueden ser diversas e incluyen, entre otras: 

• Reducir estereotipos de género en los medios y entornos educativos

• Fortalecer el aprendizaje STEM desde edades tempranas

• Promover referentes y mentorías

• Eliminar barreras en la progresión profesional

• Facilitar la conciliación entre la vida laboral y familiar

Si bien esta agenda es amplia,  experiencias como Decidiendo mi Futuro muestran que intervenciones focalizadas, bien diseñadas y aplicadas en momentos clave de la trayectoria educativa pueden marcar una diferencia significativa.
¿Cómo podemos acelerar el cambio?

Desafiar los estereotipos asociados a las matemáticas, la ciencia y la tecnología —en el hogar, en la escuela y en la sociedad— es una tarea colectiva que requiere crear entornos que amplíen las aspiraciones de niñas y jóvenes, y que les permitan desarrollar plenamente su potencial en áreas STEM.

Yo tuve la fortuna de contar con ejemplos muy cercanos de lo que las mujeres son capaces de lograr en cualquier campo que se propongan. Mi deseo es que, al igual que mi Nonna en 1940, todas las niñas y mujeres de la región puedan desarrollar su vocación profesional con información, con confianza y con paso seguro. Lograrlo no es solo una cuestión de equidad, es una inversión estratégica para el desarrollo de América Latina y el Caribe.

Tomado del Blog del BID

Vibe coding» para docentes: Crea apps educativas con ayuda de IA

 Por osemaría Elizondo García

Descubrí hace algunos meses que ChatGPT puede generar código para aplicaciones web. Esto es de gran utilidad para los docentes, ya que podemos crear aplicaciones educativas interactivas, adecuadas a nuestras necesidades y las de nuestros estudiantes. Vibe coding es una nueva forma de generar software en la que el usuario describe en lenguaje natural la aplicación y funcionalidad que desea a través de un prompt; posteriormente, la Inteligencia Artificial (IA) generará el código de programación para esa solicitud. Esto es posible gracias al entrenamiento de los modelos de lenguaje de gran tamaño o Large Language Models (LLM) como ChatGPT, Gemini, Claude, entre otros. En este artículo comparto diferentes tipos de aplicaciones educativas que crean los docentes, la pedagogía detrás de estas aplicaciones educativas y una guía para hacer tu primera aplicación web educativa con el uso de los LLM.

Para crear mi primera aplicación web educativa, pensé en un concepto que suele ser difícil de asimilar por mis estudiantes en el curso de investigación cuantitativa que imparto: el concepto de desviación estándar. Por ello, solicité a ChatGPT lo siguiente: “Genera una aplicación HTML para que mis estudiantes comprendan el concepto de desviación estándar. La aplicación permitirá la captura de 5 números. En tiempo real, los estudiantes podrán cambiar el valor en cada casilla y automáticamente se actualizará el valor de la media y la desviación estándar. A la vez, aparecerá una gráfica con los 5 números en la que se muestre la media y la desviación estándar de manera visual”.

Al abrir la aplicación en mi navegador y ver que sí funcionaba, me ilusioné al pensar en las posibilidades que esto implica para mi práctica educativa.

Esta aplicación permitió que mis estudiantes comprendieran el concepto de desviación estándar de manera más fácil. Desde su computadora podían utilizarla, cambiar los valores de la variable e identificar gráficamente que a medida que los valores introducidos eran más dispersos, la desviación estándar aumenta su valor. Adicionalmente, en mis clases de tecnología educativa he podido enseñar el uso de los LLM para la creación de aplicaciones educativas. He identificado una diversidad de propósitos educativos para los cuales los docentes podemos integrar estas apps hechas por nosotros mismos.

Tipos de aplicaciones educativas que crean los docentes

A continuación, te comparto algunos ejemplos de aplicaciones educativas creadas por docentes en diferentes contextos educativos. Para todos los casos, la clave es alinear cada aplicación con un propósito de aprendizaje específico, diseñar interacciones significativas y asegurar retroalimentación útil para el estudiante.

• Quizzes de opción múltiple. Aunque ya existen muchas aplicaciones que permiten transformar tu contenido de la clase en actividades de elección múltiple con retroalimentación automática (preguntas con múltiples opciones de respuesta, relacionar columnas, ordenar listados, etc.), hacerlo con un LLM facilita la customización. Por ejemplo, recientemente pude transformar mi examen parcial en un quiz de repaso previo solo con un prompt en el que adjunté el archivo del examen e indiqué la cantidad y los tipos de reactivos que quería incluir.

• Gamificación y microretos: Algunos alumnos y colegas han hecho aplicaciones para gamificar el aula. Algunos elementos típicos son la acumulación de puntos y el establecimiento de metas para obtener incentivos, niveles de progreso con objetivos claros, conteo de intentos, personajes y narrativas, insignias, tiempo límite opcional y recompensas ajustadas al desempeño. Estas suelen favorecer la motivación extrínseca, el sentido de logro y el establecimiento de objetivos.

• Simuladores para comprensiones conceptuales: Los simuladores virtuales promueven el entendimiento de relaciones causa-efecto y modelos subyacentes al permitir manipular variables y observar resultados. Por ejemplo, pueden ayudar a comprender los conceptos de velocidad, flotación, gravedad, al observar y manipular las variables involucradas. La interacción incluye comparar escenarios, visualizar efectos y registrar hipótesis y conclusiones. La calidad se refleja en visualizaciones legibles, variables didácticamente significativas y soportes que ayuden a pasar de la observación a la explicación.

• Práctica guiada digital y resolución de problemas: Estas aplicaciones están diseñadas para acompañar al estudiante en la adquisición gradual de un procedimiento complejo, combinando apoyo y evaluación automática. Un ejemplo es una app de escritura académica que asesora y evalúa párrafos: el estudiante recibe frases de inicio, redacta en un cuadro de texto y somete su respuesta para obtener retroalimentación de un modelo como Gemini (ya que Gemini permite integrar su propio modelo de lenguaje dentro de las aplicaciones que creas). La calidad de este tipo de apps se refleja en justificaciones claras que explican el porqué de cada corrección.

La pedagogía detrás del uso de apps educativas en el aula

Aprender con apps implica ciclos rápidos de acción, respuesta y ajuste. Diseñar tareas cortas que obliguen a responder antes de avanzar y acompañarlas con retroalimentación que explique el porqué del acierto o del error resulta clave para sostener la atención y favorecer la comprensión. Aquí menciono algunos apuntes a partir de distintos paradigmas de aprendizaje.

Paradigmas de aprendizaje

• Paradigma conductista. En primer lugar, el paradigma conductista enfatiza dividir el aprendizaje en pasos pequeños con alta tasa de aciertos. En las apps, esto se traduce en práctica activa donde cada respuesta genera retroalimentación inmediata y diferenciada. Refuerzos positivos como insignias, puntos o desbloqueos mantienen la motivación, mientras que algoritmos adaptativos ajustan la dificultad para equilibrar reto y éxito, asegurando progresión constante (Skinner, 1954; Skinner, 1968).

• Paradigma constructivista. El constructivismo sostiene que el estudiante construye significados al manipular variables, contrastar hipótesis y observar efectos. Las apps favorecen este proceso al ofrecer entornos de exploración guiada que estimulan el descubrimiento y proporcionan pistas que orientan la búsqueda de explicaciones productivas. Además, el aprendizaje significativo ocurre cuando los nuevos contenidos se vinculan con los saberes previos mediante ejemplos, organizadores o simulaciones contextualizadas (Piaget, 1970; Bruner, 1960; Bruner, 1961; Ausubel, 1968).
  • Dentro de la tradición constructivista y la didáctica de las ciencias, la secuencia de predicción, observación y explicación (POE) busca visibilizar concepciones previas y promover cambio conceptual en tres fases. La app primero solicita una predicción breve, luego muestra una simulación con datos claros y finalmente exige comparar y explicar resultados. Este ciclo activa la metacognición y facilita que el estudiante confronte sus ideas iniciales con la evidencia. A su vez, el conflicto cognitivo funciona como motor para la reestructuración conceptual (White y Gunstone, 1992; Driver y Posner, 1985).

• Enfoque sociocultural.Por último, desde una visión sociocultural, el aprendizaje progresa con apoyos dentro de la zona de desarrollo próximo que se retiran gradualmente conforme aumenta la competencia. Las apps pueden ofrecer pistas ajustadas al desempeño y los LLM adaptar la ayuda al nivel de autonomía del estudiante. Además, al incluir funciones colaborativas, facilitan la construcción de significados compartidos y el andamiaje colectivo en comunidades de aprendizaje (Vygotsky, 1978).

Crea tu primera app educativa con IA

Ya que conoces algunos ejemplos de aplicaciones educativas y sus justificaciones pedagógicas, quisiera compartirte una pequeña guía para hacer tu primera aplicación educativa con el uso de Inteligencia Artificial Generativa (IA generativa). Deseo que con estos pasos que te voy a compartir, tomes un momento en tu próximo tiempo libre para experimentar este uso en el LLM de tu preferencia.

Paso cero. Debido a que hay muchas aplicaciones valiosas disponibles en la web, te recomiendo primero preguntarle a ChatGPT sobre la aplicación que requieres, describiendo sus funcionalidades. Así he encontrado aplicaciones interesantes que ya existen para mi práctica. Además, puede ocurrir que al revisar los sitios web o apps que te refiere, te das cuenta de cuáles son las funcionalidades que necesitas, de manera que puedas crear una mejor aplicación al identificar funcionalidades más adecuadas para ti y tus estudiantes.

Hecho esto, aquí te comparto los pasos recomendados para crear tu primera app educativa.

Pasos para crear tu primera app para integrar en tu clase

1. Piensa en la intención pedagógica. ¿Quieres lograr que los estudiantes comprendan un concepto difícil?, ¿quieres motivar a tus alumnos con incentivos?, ¿quieres que los estudiantes reciban retroalimentación a partir de cierta interacción?
2. Selecciona el modelo adecuado. Generalmente los LLM incluyen opciones entre Modo Rápido (Fast) y Modo Razonamiento (Thinking). Selecciona la opción de Razonamiento para que el LLM tome más tiempo y así brinde una mejor respuesta. Si no cuentas con una suscripción a un LLM, una buena opción es usar Google AI Studio, que es una plataforma de Google que te permite usar sus modelos de manera gratuita.
3. Selecciona la opción de lienzo (Canvas). Al menos ChatGPT y Gemini incluyen esta opción para que el código se presente en una ventana dentro de la respuesta.
4. Escribe el prompt. Cuando eres principiante, te recomiendo que le pidas al LLM que te haga preguntas sobre lo que necesita que le digas para darte una mejor respuesta. Así que este sería un buen prompt inicial: “Quiero generar una app educativa para [función de la app]. Pregúntame lo que necesitas saber para crear la app. Hazme una pregunta, espera mi respuesta. Así hasta que hayas hecho todas las preguntas necesarias”.
5. Ejecuta el código para generar la app. Ya que tengas la respuesta con el código, a veces es posible que lo puedas “correr” (ejecutar) directo en la misma plataforma si activaste la opción Canvas. Es posible que haya funciones que no se puedan visualizar adecuadamente en ese espacio. Por ello, lo que conviene hacer es copiar todo el código que arrojó el LLM y pegarlo en un nuevo documento de texto en tu laptop. Guarda el documento con la extensión .html y asegúrate de escribirlo todo entre comillas para que el navegador lo lea como una aplicación. Se vería así: ‘“nombre_de_la_app.html”’.
6. Visualiza la app. Una vez que tengas el archivo .html, ábrelo en tu navegador web (Chrome, Firefox, Explorer, etc.). De esta forma ya estarás viendo tu aplicación en funcionamiento.
7. Revisa el funcionamiento en general de la app. Es posible que algún elemento o interacción no funcione o no te guste, por ello puedes volver al LLM e indicarle que haga las modificaciones que requieres. Este paso lo repetirás hasta que tu aplicación deseada esté funcionando correctamente.

Pasos para intermedios y avanzados

Los LLM pueden darte el código de acuerdo con lo que solicitaste, pero no pueden hacer directamente conexiones con bases de datos u otras aplicaciones. Las aplicaciones más sofisticadas tienen conexiones entre aplicaciones, bases de datos, redes, perfiles de usuarios, etc. Entre más funciones tenga una app es casi imposible que una IAG pueda hacerlo todo con un solo prompt. Sin embargo, si te animas a hacer aplicaciones, encontrarás que preguntándole a ChatGPT, puedes lograr hacer estas integraciones. Además, hay algunas aplicaciones para hacer aplicaciones que también facilitan este proceso, como Replit o Lovable.

De cualquier forma, hay algunas soluciones sencillas que el mismo LLM puede sugerirte para integrar bases de datos sencillas e incluso integrar IAG en tu propia aplicación. Por ejemplo, puedes solicitarle que tu aplicación guarde datos en un archivo JSON (archivo de texto que se utiliza para guardar datos estructurados) que puedas guardar en tu laptop (u otro dispositivo) y puedas desplegar los datos al cargar este archivo guardado. Además, en Gemini, al generar un código de aplicación mediante la función Canvas, puedes dar clic en el botón inferior derecho que aparece para integrar IAG dentro de tu aplicación. Así, podrías hacer una aplicación que dé respuestas automáticas en texto, lo cual es de gran utilidad como medio de retroalimentación específica para tus estudiantes.

Claro está que la IAG no sustituye a los docentes, sino que potencia su creatividad y amplía las formas de acompañar a los estudiantes en su aprendizaje. Cada experiencia de programación con un LLM es, al mismo tiempo, una experiencia de diseño pedagógico, en la que lo importante no es la sofisticación técnica, sino la claridad del propósito educativo. Cuando realices tu aplicación educativa, me encantará conocerla y saber cómo la integraste en tu práctica docente. ¡Manos a la obra!

Acerca del autor

Josemaría Elizondo (josemariaelizondo@tec.mx) es investigador postdoctoral en Innovación Educativa en el Tecnológico de Monterrey. Sus investigaciones se centran en Tecnología Educativa y Estudios socioculturales en Educación. Ha sido docente por más de 15 años en distintos niveles educativos desde educación primaria hasta posgrado.

Referencias

Ausubel, D. P. (1968). Educational psychology: A cognitive view. Holt, Rinehart & Winston.

Bruner, J. S. (1960). The process of education. Harvard University Press.

Bruner, J. S. (1961). The act of discovery. Harvard Educational Review, 31(1), 21–32.

Driver, R., & Posner, G. J. (1985). An attempt to formulate a constructivist theory of knowledge. In R. Driver, E. Guesne, & A. Tiberghien (Eds.), Children’s ideas in science (pp. 66–106). Open University Press.

Piaget, J. (1970). Psychology and pedagogy. Viking Press.

Skinner, B. F. (1954). The science of learning and the art of teaching. Harvard Educational Review, 24(2), 86–97.

Skinner, B. F. (1968). The technology of teaching. Appleton-Century-Crofts.

Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.

White, R., & Gunstone, R. (1992). Probing understanding. Falmer Press.

Tomado de EDUBITS del Tec de Monterrey

De la discusión a la aplicación de la IA

 Por Mercedes Leticia Sánchez Ambris y Carlos Bravo Reyes

No te pierdas el podcast, con una excelente reflexión y ejemplos que enriquecen el artículo

En la Reunión Anual del Foro Económico Mundial 2026, celebrada en enero de este año en Davos, la inteligencia artificial se ha consolidado como uno de los ejes centrales del debate internacional, al ser identificada como un factor clave en la aceleración de la productividad y en la reconfiguración de los mercados económicos y laborales.

Este posicionamiento no es meramente discursivo ni prospectivo: refleja un cambio estructural en la forma en que las economías están integrando la IA en sus procesos productivos y en la definición de nuevas competencias profesionales. Es precisamente en este punto donde la discusión global adquiere una relevancia directa para el ámbito educativo. En este contexto, los docentes en América Latina enfrentan una pregunta urgente: ¿deben adoptar la inteligencia artificial hoy o seguir posponiendo su integración en la educación?

La agenda del Foro Económico Mundial, junto con la cobertura de medios económicos internacionales y latinoamericanos, evidencia que la IA ha dejado de ser un tema futurista para convertirse en un componente estructural que ya está redefiniendo la economía, los mercados laborales y, de manera inevitable, los sistemas de formación.

Este escenario global interpela directamente a la educación: lo que hoy se discute en Davos marcará las competencias que mañana se exigirán a los estudiantes, y por tanto, las decisiones que los docentes tomen, o posterguen, en el presente tendrán efectos concretos en la preparación de las nuevas generaciones.

De acuerdo con los análisis presentados en el WEF, las empresas y los inversionistas han superado la fase de experimentación con IA. El mercado exige ahora resultados medibles, escalables y vinculados a productividad, eficiencia y crecimiento real. Como señala Riquelme, R. (2026) en un artículo del periódico El Economista, ya no basta con declarar el uso de IA: su aplicación debe demostrar impacto tangible.

Esta exigencia no se limita al ámbito empresarial, sino que comienza a trasladarse de forma directa a los sistemas educativos. Para la educación, ello implica pasar del discurso general sobre innovación tecnológica a una implementación estratégica de la IA, orientada al diseño de materiales didácticos más eficientes, a la retroalimentación personalizada del aprendizaje y a la automatización de tareas administrativas que actualmente sobrecargan al docente y reducen su tiempo pedagógico efectivo.

En este contexto, la Figura 1 permite visualizar una primera tensión empírica relevante: el uso de inteligencia artificial por parte de estudiantes y docentes no avanza de manera homogénea.

Fuente: Elaboración propia con base en datos de UNESCO, GoStudent, AICAD y análisis del Foro Económico Mundial (WEF).

Mientras los estudiantes ya utilizan la IA de forma cotidiana como herramienta de apoyo para el estudio, la búsqueda de información y la resolución de tareas, el uso pedagógico sistemático por parte de los docentes y de manera más crítica, la existencia de políticas institucionales claras avanza a un ritmo considerablemente menor. Esta brecha genera tensiones crecientes entre las prácticas reales de aprendizaje y los marcos educativos formales que intentan regularlas o ignorarlas.

En consecuencia, la pregunta ya no es si la inteligencia artificial llegará al aula, sino cómo se está utilizando, con qué propósito pedagógico y bajo qué criterios de diseño educativo, en un escenario donde los estudiantes se adelantan a las instituciones y los docentes enfrentan la presión de responder sin marcos claros de acompañamiento y formación.

 Capital Cognitivo

En este escenario de creciente adopción de la inteligencia artificial, emerge con fuerza el concepto de capital cognitivo, entendido como la capacidad de transformar grandes volúmenes de datos en conocimiento accionable para la toma de decisiones. Este tipo de capital ya impacta de manera significativa sectores como la salud, la manufactura y las finanzas, y comienza a perfilarse como un activo estratégico también en el ámbito educativo.

La noción de capital cognitivo permite interpretar la brecha previamente descrita entre estudiantes, docentes e instituciones: no se trata únicamente del acceso a herramientas de IA, sino de la capacidad para comprender, interpretar y utilizar la información que estas tecnologías generan. En otras palabras, el problema no es tecnológico, sino cognitivo y pedagógico.

Datos recientes de organismos internacionales refuerzan esta tendencia. La UNESCO ha documentado que más de la mitad de los estudiantes a nivel global ya utiliza herramientas de IA con fines escolares, mientras que informes como el GoStudent Global Education Report indican que alrededor del 85 % de los estudiantes de secundaria y universidad emplean IA para estudiar, organizar información o mejorar su escritura.

Este uso intensivo por parte del estudiantado contrasta con el ritmo más lento de apropiación pedagógica por parte de docentes e instituciones, lo que evidencia que el capital cognitivo se está desarrollando de forma desigual dentro de los sistemas educativos.

Del debate conceptual a la decisión educativa

Ante este panorama, para el profesorado el desafío deja de ser abstracto y se convierte en un punto crítico. Comprender datos, interpretar resultados y utilizar la IA como apoyo pedagógico deja de ser una competencia opcional y comienza a incidir directamente en la calidad del aprendizaje y en la capacidad de la escuela para responder a contextos complejos y cambiantes.

En espacios como Davos, las conversaciones sobre inteligencia artificial no son homogéneas. Junto al entusiasmo, también se advierte sobre expectativas sobredimensionadas y el riesgo de burbujas tecnológicas. Este realismo resulta saludable: la IA no es una solución mágica ni automática.

Sin embargo, para los docentes latinoamericanos que aún dudan, el mensaje es claro: ser críticos no equivale a ser resistentes al cambio. Negarse a comprender o utilizar la IA no detiene su avance; por el contrario, amplía la brecha entre lo que ocurre en la escuela y lo que exige el mundo profesional y social.

El reto educativo, por tanto, no consiste en adoptar la tecnología sin reflexión, sino en integrarla con criterio pedagógico, ético y contextualizado.

Conclusión

Lejos de ser una moda pasajera o una promesa futura, la inteligencia artificial ya está siendo evaluada por su capacidad de generar resultados concretos y medibles en el mercado global, como lo evidencian los debates y análisis del Foro Económico Mundial 2026 y la cobertura económica internacional. Este cambio de enfoque —del entusiasmo a la exigencia de impacto— está redefiniendo no solo los modelos productivos, sino también la forma en que se valoran las competencias profesionales, el capital cognitivo y el papel de los sistemas educativos en el siglo XXI.

En el ámbito educativo, el análisis desarrollado muestra que la principal tensión no radica en la disponibilidad de tecnologías de inteligencia artificial, sino en la brecha entre el uso cotidiano que ya realizan los estudiantes y la apropiación pedagógica, institucional y estratégica por parte de docentes y organizaciones educativas. Esta brecha, si no se atiende, corre el riesgo de profundizar la desconexión entre la escuela y las demandas sociales, económicas y laborales contemporáneas.

Para los docentes latinoamericanos, la inteligencia artificial no debería interpretarse como una amenaza a su labor profesional, sino como una oportunidad estratégica para fortalecer su rol como mediadores del aprendizaje, diseñadores de experiencias educativas y constructores de marcos éticos y pedagógicos para su uso responsable. Asumir este desafío implica pasar del debate abstracto a la acción formativa, desarrollando competencias que permitan integrar la IA con sentido crítico, contextualizado y orientado a la mejora real de los procesos de enseñanza y aprendizaje.

En este sentido, el liderazgo docente se consolida como un factor clave para que la inteligencia artificial contribuya efectivamente a una educación más pertinente, equitativa y alineada con los desafíos del mundo contemporáneo.

En una próxima entrada comentaremos acerca de las discusiones realizadas en Davos sobre el futuro del empleo.

Referencias

Foro Económico Mundial (WEF). (2026). Global Economic Outlook and Artificial Intelligence. Davos.

Riquelme, R. (2026). La inteligencia artificial y los capitales del mundo: los mercados comienzan a exigir resultados a la IA, según el WEF. Diario El Economista, México.

UNESCO. (2023–2024). Artificial intelligence in education: challenges and opportunities. París.

GoStudent. (2025). Global Education Report: AI in Education. Viena.

Tomado de 366 días.

Robots hablando como humanos y humanos hablando como robots

 Por Mariana Sofía Jiménez Nájera

Una de las maneras más importantes en que la tecnología ha revolucionado la historia humana es en la comunicación. Desde años atrás, la humanidad ha encontrado maneras más efectivas para comunicarse unos con otros, en donde las herramientas tecnológicas han avanzado con el paso del tiempo, pasando por el telégrafo, la radio, la televisión y ahora los smartphones.

Es claro que, muchas de estas tecnologías estaban limitadas, por lo que eficientizar su uso era una necesidad. Por ejemplo, cada palabra que se enviaba por un telegrama tenía un costo, por lo que enviar mensajes cortos era la normalidad para evitar disminuir gastos. Por otro lado, y años más adelante, además del costo que implicaba enviar mensajes por los primeros celulares móviles, escribir era tardado y tedioso, por lo que las personas comenzaron a abreviar palabras comunes o a escribir emoticonos para agilizar este proceso (“pq” siendo porque o por qué, “ntp” para no te preocupes, etcétera).

Estas abreviaturas siguen siendo parte de nuestro día a día. Aunque ahora contamos con teclados más accesibles e incluso mensajes de voz al alcance de un botón, estos atajos continúan existiendo e incluso han permeado en la comunicación moderna, tanto en redes sociales como cara a cara. Tanto Millennials como generaciones más jóvenes deletrean estas abreviaturas en sus conversaciones, continúan utilizando los dos puntos y los paréntesis para enfatizar una sonrisa o utilizan gifs para expresar un sentimiento.

Las aplicaciones que tiene la inteligencia artificial en la cotidianidad cada vez son más sorprendentes, pero lo es más cuando las mismas también influyen en nuestro comportamiento. La dependencia a estas herramientas para pedir consejos, realizar trabajos académicos, entre otras tareas, es un tema recurrente. Sin embargo, es poco a poco que estas tecnologías han podido influir en el lenguaje y la manera en la que nos comunicamos; especialmente cuando la velocidad es muy valorada en la actualidad.

El autocorrector y el texto predictivo llegaron antes de la IA, ayudando al usuario a escribir rápidamente y con buena ortografía al mismo tiempo. Sin embargo, distintas plataformas de compra en línea y redes sociales han introducido la opción de escoger comentarios predeterminados ante una publicación, o incluso los usuarios usan herramientas de IA para enviar mensajes en distintos tonos para ahorrar tiempo.

Por ejemplo, un empleado saliendo del trabajo le pide a su smartphone que envíe un mensaje: “Manda un mensaje a mi amigo donde exprese que voy camino al restaurante en un tono alegre”. El tiempo que le tomó a esta persona dar la orden a la IA para generar el mensaje será el mismo que si hubiera mandado un mensaje de voz con sus propias palabras. Incluso sería mucho menos eficiente en caso de que la persona se encargue de leer el mensaje y luego corregirlo. Igualmente, mientras que la intención la marcó el usuario, las IA generativas suelen tener un tono más cordial y entusiasta, lo cual hasta cierto punto despersonaliza los mensajes que usualmente están dirigidos a seres queridos.

El uso excesivo de estas herramientas puede tornarse en una dependencia, en donde, con el tiempo, se pierda la confianza en uno mismo para escribir cualquier tipo de texto; en donde se dé parcial o incluso completo control a las máquinas para relacionarse con otras personas, lo cual puede ser contraproducente para el desarrollo social. Así como hay personas que usan chatbots con IA como terapeuta, también hay usuarios que envían conversaciones con el fin de que estas herramientas los ayuden a escribir las respuestas más adecuadas, e incluso a analizar el contenido de los mensajes en profundidad para detectar la intención, las emociones, la compatibilidad, etc.

Ahora bien, distintas fuentes han reportado que el uso de ciertas palabras y estructuras de escritura ha incrementado considerablemente debido al uso de la inteligencia artificial. Algunos meses después del lanzamiento de ChatGPT, estudios en inglés han reportado un incremento considerable en palabras de textos y videos científicos que con anterioridad no eran tan utilizadas como delve, realm, meticulous, entre otras, lo que puede ser desfavorable para la diversidad lingüística. Estas palabras o estructuras ahora también se han convertido en señales que pueden delatar el uso de IA, por tanto, las personas tratarán de evadir el uso de ellas, lo que en resultado también hace que aquellos que no utilicen tanto estas plataformas las eviten; lo que también serán elementos para considerar al momento de escribir un texto.

Debido a que muchas personas ven a algunas IA como una fuente de verdad absoluta, la manera en que estas herramientas estructuran textos o los corrigen suelen ser tratados como lo “correcto”. Por lo tanto, los resultados que arrojan estas plataformas suelen ser bastante neutrales, muchas veces rechazando maneras en que las personas se expresan para entregar un texto más formal en donde se dejan de lado palabras o frases que le dan más humanidad a lo que originalmente se escribió; dando lugar a “cambios sutiles en el lenguaje: declaraciones cuidadosamente fabricadas, opiniones justificadas y confianza refinada” (Prada, 2025).

Un claro ejemplo de ello fue una anécdota de Paola Ricuarte, profesora e investigadora titular del Departamento de Medios y Cultura Digital del campus Ciudad de México del Tecnológico de Monterrey, en donde expresa en el reporte “IFE Insights Inteligencia Artificial Generativa en la Educación Superior: Una Visión Objetiva” que uno de sus estudiantes le confiesa que todo texto que realice es posteriormente revisado sin falta por alguna de estas herramientas, ya que revisarlo por sí mismo le provoca inseguridad. Esto resta habilidades de autonomía y evaluación, competencias cognitivas fundamentales para las personas.

Es importante remarcar que muchos de estos sitios son programados por personas de otros países como Nigeria y Kenia, donde se habla inglés. Por ende, lo que realmente vemos en muchas de estas plataformas son traducciones automáticas, ya que son programadas en inglés, principalmente. Dice Liliana Acosta para Sin Embargo: “[…] A pesar de que el español es la segunda lengua más utilizada en internet, sus contenidos digitales tan sólo representan un seis por ciento en la web, frente al 49 por ciento del inglés. […] Así que, aunque parezca que el mundo digital es diverso, ya que se nos vende la idea de que todos tenemos la capacidad de generar contenidos, lo cierto es que la mayoría de lo que vemos, leemos y escuchamos, tiene acento norteamericano”. Por lo que, inconscientemente, las palabras y estructuras más utilizadas realmente son dictaminadas por unas cuantas personas.

Utilizar la IA para consultar el uso correcto de alguna palabra o corregir errores gramaticales es de gran ayuda para entregar proyectos de buena calidad e incluso para aprender, pero es importante ser independientes de estas herramientas para desarrollar habilidades comunicativas fuera del trabajo académico y laboral. La imperfección o torpeza con la que podemos escribir un mensaje tan solo contienen lo que nos hace humanos: nuestros sentimientos e intenciones; elementos fundamentales de la comunicación entre personas.

Es importante recordar que las herramientas de IA generativa nunca estarán libres de sesgos y que tienen el poder de cambiar nuestro pensamiento discretamente, sin darnos cuenta. Debemos hacer uso consciente de la inteligencia artificial generativa y así, tomar las riendas de nuestra propia humanidad.

Tomado de EDUNEWS del Tec de Monterrey