Una dinámica para gamificar el aprendizaje invertido

 Por Barthélémy Michalon de EDUBITS

¿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 enseñanza que 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 uno de 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 favorables en 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 in Higher 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. Innovación y 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

New York Times. (2025). Connections—Group words that share a common thread. https://www.nytimes.com/games/connections

Observatorio de Innovación Educativa. (2014). Aprendizaje invertido (EduTrends). Tecnológico de Monterrey. https://eduteka.icesi.edu.co/pdfdir/edutrends-aprendizaje-invertido.pdf

University of Waterloo. (n.d.). In-Class Activities and Assessment for the Flipped Classroom. Centre for Teaching Excellence. Retrieved December 16, 2025, from https://uwaterloo.ca/centre-for-teaching-excellence/catalogs/tip-sheets/class-activities-and-asse ssment-flipped-classroom

Tomado de EDUBITS del Tec de Monterrey

Saber usar la tecnología no es lo mismo que saber decidir con ella

 Por José Carlos Vásquez de EDUNEWS

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

1. 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).

2. 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?

3. 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).

1. 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.
2. 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.
3. 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.
4. 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.
5. 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.

Oxford University Press. (2023, October 18). AI in education: Where we are and what happens next. https://corp.oup.com/feature/ai-in-education-where-we-are-and-what-happens-next/ 

UNESCO. (2021). AI and education: Guidance for policy-makers. UNESCO Publishing.
https://unesdoc.unesco.org/ark:/48223/pf0000376709

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.
https://unesdoc.unesco.org/ark:/48223/pf0000386693

Tomado de EDUNEWS del Tec de Monterrey

Reglamento Europeo de Inteligencia Artificial: ¿en qué te afecta?

 Por Ramón Besonías

El carácter vinculante a partir del día 2 de agosto del Reglamento (UE) 2024/1689, conocido como AI Act, más en concreto su artículo 50, ha desastado en redes más dudas que certezas, y sin duda quizá nos ha planteado preguntas sobre cómo nos afecta a los docentes, estudiantes y centros educativos. 

Puedes descargarlo, leerlo o pasárselo a la IA para que te lo resuma o explique. Te paso el enlace. También puedes entrar en este otro enlace de la Comisión Europea que responde a las preguntas más recurrentes.

Iré al grano, porque las casuísticas que nos afectan son muy específicas, aunque algunas no poco complejas y no carentes de ambigüedad y efectos perversos. 

Lo primero: el artículo 50 del reglamento deja claro que las obligaciones van dirigidas a las empresas de IA, que proveen el acceso a los modelos, y a los profesionales que los usan en actividades empresariales. No afecta al usuario particular. Pero esto no significa que a título personal puedas publicar lo que desees en RRSS. La ley, más allá del reglamento AI Act europeo, también protege la privacidad, seguridad y dignidad del afectado. 

Por particular se puede entender el uso que hacemos de la IAg para gestiones o preparación de aula que no sean compartidas. Una vez que lo compartes en tu blog, Classroom o web de centro, deja de ser privado y forma parte de tu contexto laboral y llega a tus estudiantes o sus familias. Lo que hagas en privado, privado es. Si creas una imagen en tu muro personal de RRSS, no tienes obligación de decir que es IA o no. Ya hay servicios de internet que lo detectan y a veces lo detallan cuando compartes. De hecho, esa es la tendencia habitual: que todos los servicios detecten tus materiales y registren la huella atribución o autoría. 

Si se trata de materiales educativos compartidos a estudiantes o familias, entonces AI Act te recomienda (no obliga ni penaliza) indicar la huella de atribución. No es una cuestión legal, sino ética y educativa. Que tus estudiantes sepan cómo usaste la IAg les educa a ellos en su buen uso. 

• Si no usaste IAg, no es necesario decirlo. 
• Si la usaste como apoyo, por ejemplo, puedes indicar al final del material escrito o como añadido al mensaje de una infografía o dentro de ella: «Elaborado con apoyo de IA generativa». 
• Si delegaste más en la IAg: «Material elaborado con IA generativa. Contenido revisado y validado por el docente». 
• Si prácticamente está hecho con IAg: «Contenido generado con [herramienta/modelo] y revisado por el docente». 
• Si usaste material adaptado de terceros, debieras citar la fuente y/o licencia correspondiente.

Puedes usar signaturas o simbología en los materiales: 

• H: Elaboración humana. 
• H+IA: Elaboración humana con asistencia de IA. 
• IA+H: Generación sustancial mediante IA y revisión humana. 

Tiene un valor educativo, para que el estudiante sepa cómo debe usar la IAg y compartirlas con otros de forma ética. 

Hasta aquí, nada es obligatorio, pero sí recomendable.

Donde sí nos balanceamos en un terreno inestable es cuando tus materiales audiovisuales usan deepfake o aparecen estudiantes u otros docentes en imágenes, audios o vídeos generados con IAg. Debe notificarse a esas personas antes de publicarlo y obtener su consentimiento. Si no, no se puede publicar. Esto era necesario también antes de la IAg. La diferencia está en que ahora la IAg puede generar contenidos que replican tu voz o tu imagen personal, sin haber estado tú ahí o haber dicho eso. Las casuísticas distópicas son innumerables. 

Esto no afecta solo a los docentes y responsables TIC de los centros, también a los estudiantes, y hay que informarles. No pueden publicar lo que les plazca sin consentimiento. 

Resumamos: el nuevo reglamento europeo incide en el uso de materiales educativos donde se modifique la imagen o voz de los estudiantes. No obliga a citar que fue generado parcial o totalmente con IAg. Sin embargo, tengamos en cuenta que las consejerías de educación pueden aportar normativas que precisen más esos usos. Hay que leerlas y tenerlas en cuenta. Cada país europeo, comunidad autónoma, incluso cada centro educativo, puede afinar su normativa.

Además de lo relacionado con la publicación de materiales generados con IAg, el reglamento europeo es muy sensible a otro aspecto de nuestro trabajo que requiere cierta prudencia: la evaluación. En su Anexo III, el reglamento europeo cataloga como de alto riesgo el uso de IAg para evaluar resultados de aprendizaje, para admisión y acceso de estudiantes, para determinar el nivel educativo, para supervisar o detectar conductas prohibidas durante pruebas. ¿Cómo afecta esto a un docente? 

Casos admisibles: 

• Generar una rúbrica a partir de criterios curriculares.
• Crear preguntas de examen.
• IAg te ayuda a preparar la evaluación a través de rúbricas, preguntas, criterios observables, ejemplos...

Casos admisibles con reservas:

• Analizar errores frecuentes de un conjunto de respuestas anonimizadas. Admisible, pero sin incluir nombres ni datos sensibles.
• Pedir a la IAg que señale aspectos a revisar en un trabajo. Admisible como apoyo. El docente contrasta los datos de la IAg y decide.
• Comparar la propia corrección con una segunda valoración de la IAg. Admisible como contraste, si decide realmente el profesor.
• Usar la IAg para transformar resultados ya evaluados en informes o descriptores. La IAg detecta errores, propone feedback, compara respuestas. Generalmente admisible, siempre que no altere la decisión del docente.

Casos de riesgo: La IAg participa en la valoración. Aplica rúbricas, asigna niveles, propone calificaciones...

• Proponer una valoración con rúbrica: «Aplica esta rúbrica y dime qué nivel alcanzaría». Uf, es más delicado, puede suponer uso de la IAg para evaluar resultados de aprendizaje.
• Proponer una nota: «Corrige este examen y propón una calificación de 0 a 10». De alto riesgo, según la finalidad y el contexto en que lo apliques. 
• Calificar automáticamente. Por ejemplo, se suben 100 exámenes y el sistema asigna directamente las notas. Alto riesgo si lo que deseas es evaluar resultados de aprendizaje.
• Decidir consecuencias académicas. La IAg decide el aprobado o suspenso, recuperación, promoción, nivel, itinerario… Alto riesgo y sujeto a fuertes garantías. 
• Sancionar fraude mediante IAg. «El detector dice 93 % IA, luego la tarea queda anulada. Cero». Muy problemático. Hablaré más abajo de esto.

Casos de alto riesgo: La IAg decide consecuencias académicas. Nota final, suspenso, promoción, fraude, itinerario...

Problema de todo esto: 

• Requieren un cierto conocimiento de uso de la IAg. Si no se tiene esa formación, lo más probable es que se aplique mal. Formarse es esencial.
• Aplicar la IAg en estos casos requiere un tiempo que a veces es mayor que el que se necesitaría recurriendo a métodos tradicionales. 
• Si se aplica bien y es grave, no hay posibilidad de registros que acrediten que el docente usó ilegítimamente la IAg. 

Consecuencias: 

• Pocos docentes usarán la IAg como ayuda en el proceso de evaluación. Y si la usan y no saben cómo, será poco eficaz.
• No es fácil ni operativo que la IAg te corrija los exámenes, además de que revela un modelo evaluativo nada competencial. 
• Cuanto más competencial, más factores subjetivos intervienen en la evaluación y más difícil será que la IAg los pueda apreciar tal y como tú deseas.

Lo que me preocupa no es que los docentes usen mal la IAg. Ojalá se atrevieran y equivocaran (para aprender y mejorar). Mi foco está en las consejerías de educación. No les preocupa tanto que se use o no la IAg para evaluar como que no presente problemas legales o reclamaciones de estudiantes y familias. De hecho, la evaluación formal con IAg llegará sin duda a las plataformas oficiales de las consejerías, lo que a mi juicio supondrá un retroceso en la aplicación de modelos competenciales de evaluación durante el proceso de aprendizaje. Completar plantillas mediante rúbricas inteligentes será más rápido que corregir, pero en el camino se perderán detalles, atención a la diversidad, y favorecerá el uso de métodos dataístas (rellenar y listo) a través de tareas objetivas, a menudo estandarizadas, bajo condiciones de control y vigilancia en las aulas. 

Como puedes apreciar, hasta ahora en poco o nada te afecta el reglamento. No es prescriptivo citar IA en los materiales, aunque es recomendable como actitud ética y compromiso educativo con tus estudiantes. Puedes usar la IAg para casi todo lo que haces con ella hasta ahora, a no ser que te haya dado por enredar más y buscar formas de automatizar ciertos procesos de enseñanza. Entonces, ahí sí debes ir con cuidado y evitar incluir datos sensibles o privados de tus estudiantes y propiciar que en ese uso seas tú siempre quien supervise y decida en última instancia qué es relevante y qué calificación deben obtener tus estudiantes. Poco más.

Sin embargo, sí hay un asunto que nos suele preocupar y que aparece en el AI Act europeo y que puede generar confusión y cierta incertidumbre sobre qué hacer. El reglamento no prohibe sancionar a un estudiante por copiar con IAg, si está en tu programación. El problema surge en cómo demostrar que copió. Si no, no queda clara la naturaleza de tu sanción. 

Primero, debe informarse al estudiante si esa prueba o tarea debe realizarse sin ayuda de la IAg, con ayuda parcial o con ayuda total. El estudiante debe estar informado de los criterios de evaluación generales o de los que se detalle en la propia prueba. Segundo, si la tarea requiere o deja abierta la puerta al uso de la IAg, o el estudiante la hizo en casa, no está de más que como medida educativa toda tarea vaya acompañada de una ficha de atribución de autoría en la que el estudiante anote brevemente si usó y cómo determinada IAg. Esto debiera ir acompañado de una formación sobre cómo usar la IAg en las tareas asignadas. Adjunto un modelo de ficha para el estudiante por si te sirve. Adáptala.

Un suspenso basado exclusivamente en sospechas o en el resultado de un detector presenta una posición jurídica más débil ante una eventual reclamación. Las posibilidades de prosperar de una reclamación aumentan considerablemente si...:

• En tu programación no dejaste claro los criterios relacionados con el uso de IAg en las tareas.
• Si esos criterios fueron comunicados al estudiante con antelación.
• Si no se aportan pruebas razonables de que usó IAg. 
• Si no se demuestra que el resto de estudiantes fueron calificados bajo los mismos criterios.

Si el uso fue flagrante, es más fácil de demostrar y penalizar, pero debe añadirse en la programación la prohibición de móviles u otros aparatos inteligentes. Y quizá no está de más dejar en cada prueba un pie de página que recuerde esas normas obvias.

Todo esto es menos urgente si el docente aplica métodos de evaluación más competenciales, donde la IAg sea una ayuda y no penalice sino que sume, o no sea necesaria para realizar la tarea. Pero es inevitable, sobre todo en segundo de Bachillerato o FP Superior, encontrarse con casuísticas que requieran repensar la programación y estar alerta contra nuevas formas sofisticadas de copieteo. 

Quizá el mayor efecto del AI Act no sea obligarnos a detectar mejor el uso de la IA, sino a diseñar evaluaciones donde esa detección deje de ser el problema principal.

Recuerda: El AI Act es un reglamento europeo de aplicación directa, pero su aplicación práctica en educación dependerá también de las instrucciones que dicten el Ministerio, las consejerías de educación y, en algunos casos, los propios centros educativos. Conviene seguir su evolución durante los próximos cursos.

Tomado de IA educativa