Introducción Curso

Como bien es sabido la Inteligencia Artificial (IA) está transformando día a día el mundo, la educación no es ajeno a ello. En el ámbito escolar se utilizan con frecuencia asistentes conversacionales y sistemas avanzados de evaluación y retroalimentación; lo que exige a los docentes fortalecer sus aptitudes y habilidades en materia de IA para diseñar, implementar y evaluar nuevas experiencias de aprendizaje desde un enfoque técnico, pedagógico, ético y responsable; por tanto, este curso presenta una ruta práctica para comprender los fundamentos de la IA, sus aplicaciones, limitaciones y riesgos en un contexto educativo.

La importancia de este curso radica en su impacto directo sobre el diseño, la ejecución y la evaluación del aprendizaje. Con el apoyo del material didáctico, actividades y recursos guiados, el docente fortalecerá sus competencias tecnológicas para integrar metodologías innovadoras de enseñanza, ofrecer experiencias personalizadas y mejorar la retroalimentación oportuna a sus alumnos. Todo ello se realizará cumpliendo criterios de calidad, practicidad, inclusión y accesibilidad, siguiendo principios éticos y dentro del marco normativo aplicable.

El curso está estructurado en tres unidades articuladas: la primera aborda los “Fundamentos y usos educativos de la IA”, para familiarizarse con los principales conceptos y herramientas; la segunda desarrolla los contenidos de “IA y gamificación”, para brindar al docente alternativas que motiven y fomenten la participación de los estudiantes; y la tercera unidad presenta “Evaluación, ética y uso responsable”, para desarrollar instrumentos evaluativos y de seguimiento, teniendo en cuenta los riesgos de la IA.

La invitación para cada docente es a participar en esta experiencia del mundo de la Inteligencia Artificial, apropiar y experimentar cada una de las herramientas brindadas y fortalecer sus aptitudes técnico-pedagógicas. El curso es completamente asincrónico, razón por la cual, cada participante podrá avanzar a su ritmo, llevando su progreso y con el principal propósito de mejorar el aprendizaje estudiantil mediante el uso consciente, práctico y creativo que ofrece la IA.

Objetivos curso

Unidad

Competencia

Objetivo Específico

Objetivo General

Objetivos Específicos del Curso

Objetivo General del Curso

1. Fundamentos y usos educativos de la Inteligencia Artificial

Comprende los fundamentos y principios clave de la Inteligencia Artificial , aprende las herramientas adecuadas y selecciona una de ellas para elaborar un recurso correspondiente con el objetivo y contexto de

aprendizaje.

Conocer la historia y principios básicos de la Inteligencia Artificial, así como sus avances para ser aplicados en la docencia.
Redactar “prompts” iniciales y aprender el uso de diversas herramientas educativas.
Crear recursos útiles usando Inteligencia Artificial, para su posterior evaluación de funcionalidad de acuerdo

con los criterios indicados.

Comprender en primera instancia la historia, conceptos clave y tipos de herramientas de la IA,

posteriormente, aprender su uso y seleccionar una para la creación de un recurso educativo

estructurado.

Identificar los conceptos fundamentales de la Inteligencia Artificial y sus campos de acción.
Seleccionar las herramientas apropiadas según el objetivo de aprendizaje y recursos disponibles.
Diseñar, experimentar y guardar recurso mediado por la IA.

Fortalecer las competencias de los docentes de educación preescolar, básica y media

para diseñar, implementar y evaluar experiencias de

2. Inteligencia Artificial y Gamificación del Aprendizaje

Diseña experiencias gamificadas con Inteligencia Artificial a través de la creación de narrativas, desafíos y conclusiones con fines pedagógicos.

Analizar ejemplos comunes de gamificación con Inteligencia Artificial en el contexto educativo y determinar la factibilidad del diseño e implementación de estos en el aula.
Implementar un caso real que incluya narrativas,

personajes, misiones y

Aprender a crear experiencias de gamificación con Inteligencia Artificial, para fomentar la participación e

inclusión de todos los participantes en el aula.

Planear y diseñar actividades de gamificación con ayuda de la Inteligencia Artificial que permitan personalizar el aprendizaje para los miembros del aula.
Construir instrumentos de seguimiento para

retos, y elaborar un esquema de retroalimentación una vez concluido.

3. Diferenciar cada perfil de estudiante para definir objetivos, criterios de éxito y limitaciones de la

gamificación.

analizar los resultados de participación.

enseñanza y aprendizaje mediadas por la Inteligencia Artificial, desde un enfoque técnico, pedagógico, ético y responsable.

3. Evaluación, Ética y Uso Responsable de la Inteligencia Artificial

Crea un prototipo de evaluación formativa apoyado en Inteligencia Artificial, teniendo en cuenta riesgos éticos que se puedan presentar y elabora un plan de gestión de estos, para brindar un entorno educativo seguro.

Diseñar una evaluación que involucre el uso de Inteligencia Artificial, posteriormente generar una retroalimentación automatizada y otra humana.
Reflexionar acerca de los riesgos potenciales de la Inteligencia Artificial y sus posibles acciones para mitigación.
Elaborar y verificar un “checklist” ético de la Inteligencia Artificial,

evaluando su cumplimiento y su validación.

Diseñar e implementar instrumentos evaluativos con Inteligencia Artificial, que permitan favorecer la creación de un entorno seguro en el aula de clase con protocolos éticos y responsables acorde con la

normatividad vigente.

Analizar las fortalezas, límites y riesgos del uso de la Inteligencia Artificial en diferentes contextos pedagógicos.
Comparar las medidas de privacidad y uso responsable de tres herramientas de IA y establecer un protocolo para estudiantes y padres en caso de presentarse un incidente.

Unidad 1. Fundamentos y usos educativos de la Inteligencia Artificial

Autor: Ingrid Sánchez González

Duración estimada de estudio: 16 horas Modalidad: asincrónica y autogestionada

Tabla de contenido

Introducción
Objetivos de formación establecidos para la unidad
Desarrollo de contenidos
1. ¿Qué es la Inteligencia Artificial? Fundamentos y campos de acción
2. Línea del tiempo con los hechos históricos más relevantes de la IA
3. Oportunidades y desafíos de la IA en el contexto escolar
4. Tipos de herramientas de IA para el aula ¿Cuándo usar cada una?
5. Creación de prompts básicos e iteración para verificación
6. Creación de un recurso con IA
Glosario
Lecturas sugeridas
Referencias bibliográficas

1. Introducción

Esta primera unidad del diplomado “Inteligencia Artificial (IA) y Educación: usos, retos, y oportunidades para docentes” ofrece una orientación detallada para comprender los fundamentos, principios y sus usos en un contexto pedagógico actual. La IA puede llegar a potenciar las habilidades de planeación, enseñanza y retroalimentación cuando se combinan con una aspiración pedagógica ética y responsable. El contenido de la unidad comienza explicando al docente qué es la IA y cuáles son sus principales campos de aplicación (procesamiento del lenguaje natural, aprendizaje automático, visión computacional e inteligencia artificial generativa). Una vez definido esto, se responderá a la pregunta de cuáles son los hechos históricos más relevantes en su desarrollo y cómo ha evolucionado en el tiempo. Adicionalmente, el docente aprenderá una sobre herramientas generativas y de apoyo para los estudiantes, las cuales experimentará a través de actividades y ejercicios prácticos con secuencias didácticas guiadas y recursos necesarios. El enfoque es tecno-pedagógico: “El docente primero comprende y luego aplica y enseña”. Como última parte de la unidad, cada participante diseñará un recurso educativo breve mediado por IA y lo probará en su aula de clases.

Lo invitamos a realizar la actividad Pre-test diagnóstico, que encuentra en la plataforma de estudio.

2. Objetivos de formación de la unidad

Objetivo general

Comprender en primera instancia la historia, conceptos clave y tipos de herramientas de la IA, posteriormente, aprender su uso y seleccionar una para la creación de un recurso educativo estructurado.

Objetivos específicos

Conocer la historia y principios básicos de la Inteligencia Artificial, así como sus avances para ser aplicados en la docencia.
Redactar “prompts” iniciales y aprender el uso de diversas herramientas

educativas.

Crear recursos útiles usando Inteligencia Artificial, para su posterior evaluación de funcionalidad de acuerdo con los criterios indicados.

3. Desarrollo de contenidos

3.1. ¿Qué es la Inteligencia Artificial? Fundamentos y campos de acción

La Real Academia Española (2014) define la Inteligencia Artificial como: “Disciplina científica que se ocupa de crear programas informáticos que ejecutan operaciones comparables a las que realiza la mente humana, como el aprendizaje o el razonamiento lógico”.

Si se trae esta definición a un contexto educativo la IA se encarga de crear sistemas que involucran capacidades cognitivas como clasificar, razonar, predecir, comunicar o generar contenidos.

Los docentes desempeñan un papel clave para la formación de sus estudiantes, la función de la IA es servir como herramienta de complemento para el aprendizaje y desarrollo de habilidades digitales, elementos clave para los jóvenes innovadores y emprendedores del futuro.

Los principales campos de acción de la IA en la educación son:

Procesamiento del Lenguaje Natural (PLN): comprender, interpretar y generar texto como lenguaje humano, vía de comunicación entre las máquinas y los humanos.
Aprendizaje automático: (Machine Learning): aprender y mejorar de forma autónoma en base a grandes cantidades de datos. Uso de algoritmos que bien entrenados logra identificar patrones y realizar predicciones.
Visión computacional: ver, analizar e interpretar imágenes y videos para extraer la información necesaria; asimila patrones clave para la toma de decisiones (réplica de la visión humana).
IA generativa: producción de contenido nuevo tras el uso de algoritmos de aprendizaje automático.

Todos estos elementos brindan los recursos necesarios al docente para apoyar la planeación de sus clases, herramientas, material diferenciado por tópicos y tipo de estudiantes, y mejorar los mecanismos de calificación y evaluación previos.

Lo invitamos a consultar el video “¿Qué es IA?, y la infografía “Campos de acción de la IA”, también disponibles en la plataforma de estudio.

3.2. Línea del tiempo con los hechos históricos más relevantes de la IA

Figura 1. Línea del tiempo con hitos históricos de la IA antes del 2010.

Fuente: propia

Figura 2. Línea del tiempo con hitos históricos de la IA después del 2010.

Fuente: propia

Desde la Neurona lógica y el Test de Turing se reconocen los inicios de la llamada IA. En 1956, durante la Conferencia de Darmouth, en la cual se encontraban importantes científicos como Claude Shannon creador de (Teseo, el ratón robot) se acuñó el término “inteligencia artificial”. Más tarde, en 1958 se creó Perceptron, la primera red neuronal; y no fue sino hasta 1997, tras dos largos inviernos de la IA que Deep Blue de IBM logró derrotar al campeón del mundo Kaspárov. En 2012 la red neural de aprendizaje profundo AlexNet logró identificar imágenes de manera muy similar a como lo hacen los humanos. Pasando por avances como AlphaGo, transformer y BERT en 2020 empieza el auge de la IA tras el lanzamiento de GPT-3 de OpenAI, modelo capaz de producir texto casi idéntico al del humano. En 2022, el mismo openAI lanzó el chatbot de ChatGPT , el cual generó una aceleración en el desarrollo de la IA para llegar a modelos como GPT-4o, GPT 5, Gemini 2.5 Pro y Grok – 4.

3.3. Oportunidades y desafíos de la IA en el contexto escolar

Las oportunidades que ofrece la IA en el ámbito académico son bastantes, sin embargo, por otro lado, también los desafíos a los que esta se enfrenta:

Oportunidades:

Aprendizaje más personalizado: atención más personalizada según el ritmo de aprendizaje, perfil y características del estudiante.
Mayor acceso e inclusión: apoyos auditivos y visuales, mayor facilidad a la hora de simplificar textos.
Retroalimentación eficiente: disminución del tiempo de calificación y comentarios por parte del docente, herramientas de evaluación más efectivas.
Nueva forma de aprendizaje (dinámico y creativo): nuevos proyectos, juegos y ejercicios prácticos.
Ahorro de tiempo del docente: variedad de borradores, guías, bancos de pregunta, entre otros.
Andamiaje: enseñanza gradual.
Traductor inmediato: misma información en varios idiomas, apoyando la inclusión multicultural.

Desafíos:

Privacidad y protección de datos personales: riesgo de compartir información personal, para mitigar esto es recomendado no ingresar contenido sensible y usar cuentas institucionales.
Autoría y originalidad: riesgo de plagio, se debe declarar siempre el uso de herramientas IA en caso de ser utilizadas.
Sesgos: al ser herramientas tecnológicas creadas a través del aprendizaje automático puede cometer errores o no brindar la información requerida, se recomienda buscar en diversas fuentes.
Licencias y propiedad intelectual: algunas de las herramientas tienen derechos, se recomienda escoger recursos abiertos y citar correctamente aportes de la IA u otro tipo de fuente.
Brecha digital: en un contexto económico desigual, no todos los estudiantes disponen de acceso a la tecnología. Es importante brindar otro tipo de actividades y recursos para garantizar la educación plena.
Aprendizaje e implementación docente: al ser herramientas nuevas y en constante actualización el docente debe disponer de más tiempo para aprender y enseñar.

Lo invitamos a realizar la lectura “Oportunidades y desafíos de la IA”, y a escuchar el pódcast “Prácticas responsables”, también disponibles en la plataforma de estudio.

3.4. Tipos de herramientas de IA para el aula ¿Cuándo usar cada una?

La familia de herramientas seleccionadas para el uso del docente se resume en la siguiente tabla:

Tabla 1

Tipos de Herramientas de la IA

Herramienta

Función

Ejemplos de uso

Precauciones

Chatbot

conversacional

Interacción y diálogo entre usuarios.

Creación de contenido estructurado, práctica de escritura y

oratoria, encuestas.

No sustituye completamente la explicación del docente.

Generador de texto (LLMs)

Brinda resúmenes, explicaciones,

ejemplos, test.

Lluvia de ideas, explicaciones,

ejercicios prácticos.

Se debe verificar la información al menos

con dos fuentes.

Herramienta

Función

Ejemplos de uso

Precauciones

Clasificadores

Detecta patrones, agrupa, caracteriza y etiqueta.

Análisis de respuestas, evaluar confiabilidad de un tema, selección de un

tema.

No usar para demostrar plagio, es poco fiable. Tampoco para calificar.

Sistema adaptativo

Ajusta actividades, simplifica, resume.

Mapas mentales, lecturas simplificadas.

Usarlo sin control puede generar pérdida de información

importante.

Traductores

Traduce a numerosos idiomas la información.

Enseñanza en otro idioma, inclusión de estudiantes

extranjeros.

Las traducciones son literales pueden no incluir aspectos

culturales.

Accesibilidad (TTS,STT)

Convierte audio a texto o viceversa, genera subtítulos.

Inclusión para estudiantes con necesidades específicas, facilita la

comprensión.

No incluir datos personales o sensibles.

Simuladores y laboratorios virtuales

Imita fenómenos reales y responde con facilidad a ajustes.

Laboratorios, ejercicios que requieren visualización

especial.

No reemplaza actividades prácticas indispensables.

Analítica asistida

Imita proceso de análisis cerebral, identifica patrones.

Análisis de datos, predicciones, identificación de

conceptos.

Uso responsable y con permisos.

Moderadores y verificadores

Verifica fuentes de información, evalúa la confiabilidad.

Cátedras, sugerencia de fuentes, filtrar información.

No son fiables al 100

%, de hecho, tienen alto porcentaje de

error.

3.5. Creación de prompts básicos e iteración para verificación

Para empezar el proceso de redacción de un prompt se debe realizar una preparación previa en el aula, de manera que se logre identificar claramente el objetivo de aprendizaje, nivel académico del estudiante, tema a tratar, estructura de salida de la información, criterios de calidad y protección.

En segunda instancia, es de vital importancia conocer la estructura básica del prompt; la fórmula CORTES – R sirve de mecanismo para facilitar la recordación de esta:

C ontexto: características y público objetivo. O bjetivo: resultados formativos esperados. R ol: qué labor debe desempeñar el modelo.

T area: qué debe y no debe generar el modelo.

E jemplos: prototipo de estilo deseado.

S alida: formato detallado requerido.

R eglas: indicaciones, criterios y restricciones.

A continuación, se presentará un ejemplo aplicando la fórmula mencionada:

Creación de prueba con retroalimentación automática

Contexto: docente matemáticas, educación primaria, tema: multiplicaciones Objetivo: aprendizaje completo de la operación matemática multiplicación Rol: generador de cuestionario con retroalimentación

Tarea: diseñar prueba de 15 preguntas, 5 estructura de multiplicación, 5 aplicación aritmética, 5 aplicación lógica. Responder cada pregunta con su explicación

Ejemplos: no aplica en este caso.

Salida: cuestionario con preguntas de selección múltiple y argumentativas. Reglas: valores numéricos bajos, problemas lógicos propuestos de fácil entendimiento.

Finalmente, para verificar la efectividad del prompt comienza el proceso de iteración, en tres sencillos pasos:

Muestreo: ejecución de la instrucción de 2 a 3 veces, analizando la salida y cumplimento de requerimientos.
Diagnóstico: evaluar aciertos y fallos de la salida.
Modificaciones: ajusta tu CORTES – R, con especificaciones concretas.

Lo invitamos a realizar la actividad “Diseño de prompts” también disponible en la

plataforma.

3.6. Creación de un recurso con IA

En este apartado, usted realizará una actividad práctica como ejercicio, cuyo propósito de creación de un recurso mediado por IA corresponde a diseñar, generar, analizar, validar e implementar en el aula de clases un mecanismo que resuelva un problema específico y tenga resultados cuantificables y evaluables.

El primer paso para el diseño del recurso es la estructuración del cronograma, a continuación, se presenta una plantilla de cronograma sugerido:

Tabla 2

Actividad práctica de creación de un recurso con IA

Sesión	Duración	Actividades clave
1	50 - 60 minutos	Pregunta problema, objetivo de aprendizaje, selección de herramienta a utilizar, normas y plan de juego definidas.
2	50 - 60 minutos	Primer borrador de recurso IA, implementación DUA.
3	50 - 60 minutos	Docente valida recurso y su funcionalidad, se realiza pilotaje con pequeña cantidad de individuos.
4	50 - 60 minutos	Implementación del recurso en el aula de clases, recolección de sugerencias y verificación de cumplimiento de funciones.
5	50 - 60 minutos	Retroalimentación bilateral (estudiante-docente), reconociendo mejoras futuras para el uso del recurso.

Una vez determinado el cronograma, se realiza la definición del procedimiento paso a paso:

Definición del propósito: búsqueda del objetivo, función que desempeñará el recurso.
Selección de recurso y formato: manera en la que será presentada la información (rúbricas, infografías, lecturas, ejercicios) y estilo (lista, tablas, gráficos, diagramas).
Selección de herramienta IA: según el objetivo formativo (chatbots, generadores de texto Llms, adaptadores, traductores, etc.)
Creación del prompt: bajo la estructura CORTES – R.
Iteración y verificación: revisión de precisión, claridad, cobertura, eficiencia de errores y posibles mejoras.
Diagnóstico y ajustes: una vez identificadas las falencias se prosigue con su corrección ajustando el prompt.
Implementación DUA: creación de tres versiones como mínimo del mismo recurso, cada una con un nivel de dificultad diferente.
Preparación para implementación en aula: diseño de una guía de seguimiento para estudiantes y otra para docente.
Pilotaje en aula: selección de un grupo de estudiantes para verificar la funcionalidad del recurso.
Implementación formal: introducción del recurso a los estudiantes, resolución de dudas e inquietudes, explicación de reglas de juego.
Retroalimentación y metaevaluación: con una rúbrica bien definida se brinda retroalimentación personalizada a cada estudiante. Por su parte, los alumnos realizan las sugerencias y opiniones para la mejora del recurso.

Lo invitamos a realizar las actividades “Mi primer recurso con IA” y “Registro de implementación de mi recurso” también disponibles en la plataforma de estudio.

Lo invitamos a responder a la “Evaluación de la unidad” y realizar la autoevaluación “¿Qué tanto he aprendido hasta ahora de la IA?” disponibles en la plataforma de estudio.

4. Glosario

Inteligencia Artificial (IA): campo que diseña sistemas que imitan la inteligencia humana para la realización de sus tareas diarias.
Aprendizaje automático (ML): subcampo de la IA que permite a los sistemas “aprender y mejorar” de manera autónoma a partir de la recolección de grandes cantidades de datos.
Aprendizaje supervisado: algoritmo que aprende a partir de datos etiquetados para predecir resultados.
Aprendizaje no supervisado: algoritmo que aprende patrones sin etiquetas.
Modelo generativo (ejemplo: GenAI): mecanismo de creación de contenido a partir de patrones.
Modelo de lenguaje grande (LLM): tipo de IA que hace uso de grandes volúmenes de datos para lograr entender, comprender, procesar y finalmente generar lenguaje humano.
Prompt: instrucción elaborada para guiar a la IA acerca de qué hacer, cómo hacerlo y cuál será la salida.
Chatbot: programa informático diseñado para interactuar por texto o voz con la IA.
Diseño Universal para el Aprendizaje (DUA): marco educativo que ofrece diversos entornos de aprendizaje para favorecer la inclusión (cada estudiante es y aprende de manera diferente.
Accesibilidad: herramienta que garantiza la inclusión educativa convirtiendo texto a voz o viceversa, creando subtítulos o lectura fácil.
Rúbrica: guía con criterios precisos que orienta la evaluación y rendimiento de los estudiantes.
Andamiaje: apoyo temporal de un educador para su estudiante hasta que logre un conocimiento pleno y autónomo del tema.
Iteración: ciclo repetitivo de mejora de un prompt.
Triangulación: comparación de resultados y conclusiones con diferentes fuentes.
Sistemas adaptativos: herramientas que ajustan la temática o estilo según el rendimiento del aula.
Check-list antisesgo: conjunto de requerimientos para reducir el sesgo en las salidas de un prompt.
Uso responsable: conjunto de prácticas éticas orientadas a proteger la seguridad y privacidad de los miembros del aula.

5. Lecturas sugeridas

A continuación, se presenta la lista de lecturas sugeridas para esta unidad.

a) ChatGPT e IA en la educación superior: guía de inicio rápido

Manual de instrucciones para comprender la Inteligencia Artificial generativa y su uso pedagógico en la educación superior, con advertencias y recomendaciones clave para docentes.

Fuente: Sabzalieva, E., & Valentini, A. (2023). ChatGPT e inteligencia artificial en la educación superior: guía de inicio rápido. Instituto Internacional de la UNESCO para la Educación Superior en América Latina y el Caribe. https://unesdoc.unesco.org/ark:/48223/pf0000385146_spa

b) Guía de IA generativa

En un contexto escolar de educación básica, se establece un manual para estudiantes y docentes con reglas de uso, ejemplos, roles y deberes al usar la Inteligencia Artificial generativa.

Fuente Williamsburg James City County (2025). Guía de la IA generativa (versión en español). WJCC Schools. https://wjccschools.org/wp-content/uploads/2025/08/WJCC-Schools-Generative-AI-Guidebook_Spanish.pdf

c) Guía sobre IA para adolescentes

Manual de inducción para niños y jóvenes a la IA, ventajas, desventajas y consejos de uso responsable.

Fuente: Unicef. (2021). La IA y tú: Guía sobre IA para adolescentes. Oficina de Política y Perspectiva Mundial de UNICEF. https://www.unicef.org/innocenti/media/1391/file/UNICEF-Global-Insight-

AI-guide-for-teens-2021_ES.pdf

d) La inteligencia artificial generativa en la docencia universitaria: Oportunidades, desafíos y recomendaciones

Manual práctico para el diseño de actividades con Inteligencia Artificial generativa. Brinda a los docentes las herramientas didácticas y de evaluación, cumpliendo los principios éticos.

Fuente: Cruz Argudo, F., García Varea, I., Martínez Carrascal, J. A., Ruiz Martínez, A., Ruiz Martínez, P. M., Sánchez Campos, A., & Turró Ribalta,

C. (2024). La inteligencia artificial generativa en la docencia universitaria: oportunidades, desafíos y recomendaciones. In Conferencia de Rectores de las Universidades Españolas (CRUE). https://www.crue.org/wp-content/uploads/2024/03/Crue-Digitalizacion_IA-Generativa.pdf

e) Informe resumen: El impacto de la inteligencia artificial en el aprendizaje, la enseñanza y la educación

Resumen con ejemplos y evidencias de política educativa sobre la Inteligencia Artificial. Consecuencias, oportunidades y riesgos para las instituciones educativas.

Fuente: Tuomi, I. (2019). Informe Resumen: el impacto de la Inteligencia Artificial en el aprendizaje, la enseñanza y la educación. Intef, 1 (noviembre), 47.

6. Referencias bibliográficas

ANEP – Administración Nacional de Educación Pública. (2024). La inteligencia artificial en educación: Oportunidades, desafíos y recomendaciones. ANEP.

Banco Interamericano de Desarrollo. (2023). IA en educación: Guía introductoria para políticas y escuelas. BID.

CAST. (2018). Pautas del Diseño Universal para el Aprendizaje (DUA), versión 2.2.

CAST.

CRUE Universidades Españolas – Sectorial de Digitalización. (2023). La inteligencia

artificial generativa en la docencia universitaria: Oportunidades, desafíos y orientaciones. CRUE.

European Commission, Joint Research Centre (JRC). (2021). La inteligencia artificial en el aprendizaje, la enseñanza y la educación: Revisión de publicaciones y formulación de políticas. Publications Office of the European Union.

Gobierno de Canarias. (2024). La IA en el ámbito educativo: Guía práctica.

Consejería de Educación, Formación Profesional, Actividad Física y Deportes.

INTEF – Instituto Nacional de Tecnologías Educativas y de Formación del Profesorado. (2022). Inteligencia artificial aplicada a la educación: Marco y orientaciones básicas. Ministerio de Educación y Formación Profesional.

Luckin, R. (2017). Towards artificial intelligence-based assessment systems. UCL Knowledge Lab.

Ministerio de Tecnologías de la Información y las Comunicaciones. (2020).

Resolución 1519 de 2020: Transparencia y acceso a la información. MinTIC.

Ministerio de Tecnologías de la Información y las Comunicaciones. (2023, 13 de octubre). IA en el sector educativo: Herramienta valiosa para crear soluciones tecnológicas que respondan a los contextos. MinTIC. https://www.mintic.gov.co/portal/inicio/Sala-de-prensa/Noticias/281005:IA-en-el-sector-educativo-herramienta-valiosa-para-crear-soluciones-tecnologicas-que-respondan-a-los-contextos.

Mitchell, T. M. (1997). Machine learning. McGraw-Hill.

OECD. (2019). OECD principles on artificial intelligence. OECD Publishing.

OECD. (2025). What should teachers teach and students learn in a future of powerful AI? (OECD Education Spotlights, No. 20). OECD Publishing.

OEI – Organización de Estados Iberoamericanos. (2022). Inteligencia artificial y educación en Iberoamérica: Retos y oportunidades. OEI.

Presidencia de la República de Colombia. (2019). Decreto 2170 de 2019: Uso y tratamiento de datos personales en entidades públicas. Presidencia de la República.

Real Academia Española. (s. f.). Inteligencia (acepción «inteligencia artificial»).

En Diccionario del estudiante. https://www.rae.es/diccionario-estudiante/inteligencia Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.).

Pearson.

Rutgers University, Office of Teaching Evaluation and Assessment Research. (2024). Teaching critical AI literacy: Advice for the new semester. Rutgers OTEAR.

Southern Regional Education Board. (2025, abril). Guidance for the use of AI in the K–12 classroom. SREB.

University of Richmond. (2024). ChatGPT and other generative AI guidelines.

Information Security Office, University of Richmond.

University of Wisconsin–River Falls, Center for Excellence in Teaching & Learning. (2024, agosto). CETL guide: Generative AI. UWRF CETL.

UNESCO. (2019). Consenso de Beijing sobre la Inteligencia Artificial y la Educación.

UNESCO.

UNESCO. (2021). AI and education: Guidance for policy-makers. UNESCO. UNESCO. (2021). Recomendación sobre la ética de la inteligencia artificial.

UNESCO.

UNESCO IESALC. (2023). ChatGPT e inteligencia artificial en la educación superior: Guía de inicio rápido. Instituto Internacional de la UNESCO para la Educación Superior en América Latina y el Caribe (IESALC).

UNICEF. (2021). Guía sobre inteligencia artificial para adolescentes. UNICEF. Vincent-Lancrin, S., & van der Vlies, R. (2020). Trustworthy artificial intelligence (AI)

in education: Promises and challenges (OECD Education Working Papers, No. 218). OECD Publishing.

WJCC Schools. (2025). Guía de IA generativa para escuelas (versión oficial en español). WJCC Schools.

Unidad 2. Inteligencia Artificial y gamificación del aprendizaje

Autor: Ingrid Sánchez González

Duración estimada de estudio: 16 horas Modalidad: asincrónica y autogestionada

Tabla de contenido

Introducción
Objetivos de formación
Desarrollo de contenidos

Fundamentos de la gamificación en contextos educativos IA en el diseño de actividades gamificadas

Herramientas y plataformas sugeridas para generar narrativas, personajes, retos y ambientes

Redacción de prompts para creación de actividades gamificadas con IA Producción de recursos multimedia y microcontenidos

Glosario
Lecturas sugeridas
Referencias bibliográficas

1. Introducción

Como segunda unidad del diplomado Inteligencia Artificial y educación: usos, retos y oportunidades para docentes, se desarrollan los contenidos de Inteligencia Artificial y gamificación del aprendizaje. El docente, luego de estudiar los fundamentos, herramientas y aplicaciones de la IA en educación, tendrá la oportunidad de incursionar en el mundo de la gamificación con IA, aprendiendo y haciendo uso de una serie de conocimientos y herramientas prácticas para el diseño de experiencias educativas dinámicas con un claro objetivo pedagógico.

En primera instancia se explorarán los fundamentos teóricos de la gamificación y de los criterios pedagógicos que sirven como guía para orientar las decisiones de diseño de secuencias gamificadas.

Posteriormente, se analizarán las herramientas y plataformas junto con sus criterios de selección; de manera muy similar a como se realizó en la unidad previa. En lo relacionado con la redacción de prompts, se brindan formatos y ejemplos de instrucciones efectivas para modelos generativos, de manera que el objetivo pedagógico sea interpretado y solucionado correctamente.

Además, la unidad presenta una serie de recursos útiles utilizados actualmente en materia de gamificación, pautas para la producción de microcontenidos, editores de misiones, videos tutoriales, ejemplos de actividades inmersivas y plataformas de interacción visual creativa, los cuales serán la base para la planeación y resolución del caso práctico de la unidad “Planeación de una actividad gamificada con IA” Finalmente, el docente deberá poner a prueba sus conocimientos de la unidad mediante un cuestionario de 10 preguntas, las cuales incluyen preguntas de opción múltiple y de falso/verdadero, igualmente deberá evaluar sus aprendizajes mediante una coevaluación entre pares.

El presente documento incluye un glosario y lecturas recomendadas, todo alineado para cumplir el objetivo del diplomado y la unidad; facilitar la transferencia de conocimiento docente-estudiante, ofrecer criterios claros de uso y promover prácticas responsables acerca del uso de la gamificación en la Inteligencia Artificial.

2. Objetivos de formación de la unidad

Objetivo general

Diseñar experiencias gamificadas con Inteligencia Artificial a través de la creación de narrativas, desafíos y conclusiones con fines pedagógicos, fomentando la participación e inclusión de todos los estudiantes.

Objetivos específicos

Analizar ejemplos comunes de gamificación con Inteligencia Artificial en el contexto educativo y determinar la factibilidad del diseño e implementación de estos en el aula.
Implementar un caso real que incluya narrativas, personajes, misiones y retos, y elaborar un esquema de retroalimentación una vez concluido.
Diferenciar cada perfil de estudiante para definir objetivos, criterios de éxito y limitaciones de la gamificación.

3. Desarrollo de contenidos

Fundamentos de la gamificación en contextos educativos

De la misma manera que en la primera unidad, al definir la Inteligencia Artificial, aquí, para abordar el concepto de gamificación, es necesario iniciar por su definición. La gamificación es un conjunto de procesos que aplican elementos de juego y sus componentes clave: mecánicos (puntos, niveles, personajes, regalos y recompensas), dinámicos (colaboración y competencia entre pares, progreso), y estética (historia contada de manera estructurada con sentido y motivación para el estudiante) a actividades educativas con el propósito de potenciar la accesibilidad, usabilidad, inclusión y motivación de los estudiantes. Cabe aclarar que no es lo mismo que el aprendizaje fundamentado en juegos, ya que el objetivo principal de la gamificación, es alcanzar objetivos formativos, así como aplicar elementos de los juegos en contextos que no son juegos, para facilitar el aprendizaje.

El uso pedagógico de la gamificación se apoya en una serie de teorías psicológicas del aprendizaje:

Teoría de la autodeterminación: creada por Edward Deci y Richard Ryan, la cual promueve la motivación intrínseca en el ser humano cuando el mismo de manera inherente satisface las necesidades de autonomía, competencia y conexión. La gamificación sirve como herramienta de apoyo de estas necesidades.
Teoría del flow: liderada por Mihaly Csikszentmihalyi , en esta se explica un equilibrio entre las habilidades de una persona y el desafío en el que se encuentra inmerso al estar en un estado de máxima concentración, disfrute y compromiso en el desarrollo de la misma, lo que lleva a una profunda inmersión, pérdida de la noción del tiempo, sensación de control, generando una especie de gratificación; la retroalimentación inmediata ayuda a mantener este equilibrio.
Teoría del condicionamiento y refuerzo: propuesta por B.F Skinner, indica que elementos como la retroalimentación inmediata, regalos y recompensas

operan como refuerzo para aumentar la probabilidad que un comportamiento se mantenga en el tiempo y se repita.

La gamificación ofrece una serie de beneficios/oportunidades y riesgos/ limitaciones las cuales se pueden apreciar en la siguiente tabla:

Tabla 1

Beneficios/oportunidades y riesgos/ limitaciones de la gamificación

Beneficio	Riesgo	Mitigación
Mayor compromiso y participación.	Cuantificación excesiva, enfoque en recompensas y regalos.	Alinear recompensas a objetivos de aprendizaje, priorizando formación, no juego.
Retroalimentación inmediata.	Feedback superficial y automático.	El docente debe combinar la retroalimentación inmediata con intervenciones formativas.
Personalización por niveles y audiencia.	Sesgos en salidas IA.	Revisar, corregir y validar salidas de la IA .
Práctica deliberada y objetivo pedagógico claro.	Diseño sin propósito fijo.	Planteamiento de objetivos SMART en cada secuencia gamificada.
Evidencias de cada etapa para evaluar al finalizar.	Violación a la privacidad y exposición de datos.	Anonimizar datos personales y pedir consentimiento del estudiante y un acudiente.
Trabajo colaborativo entre pares.	Competitividad excesiva y creación de discrepancias.	Fomentar prácticas amigables y cooperativas en el aula.
Motivación que facilita el aprendizaje.	Costo y brecha digital por recursos escasos.	Brindar diferentes opciones de herramientas IA, para fomentar la inclusión.

Las secuencias gamificadas deben seguir una serie de principios de diseño pedagógico: cada mecánica debe estar alineada con los objetivos educativos, las recompensas deben ser progresivas y significativas, la retroalimentación debe brindar consejos de mejora; no solo indicar errores, promover el flow, equilibrio de habilidades con dificultad, promover varias vías de acceso (visual, auditiva, táctil) y alternativas offline, y criterios claros de protección de datos y privacidad.

IA en el diseño de actividades gamificadas

La Inteligencia Artificial brinda las herramientas necesarias para la gamificación para aumentar sus posibilidades de accesibilidad, al automatizar la generación de contenido, diferenciar cada reto y misión de acuerdo con el nivel y tipo de estudiante, y brindar retroalimentación inmediata por etapas. En el proceso de diseño de actividades gamificadas la IA cumple tres labores: ajustar dificultad y estructura de la secuencia, analizar los resultados para evaluarlos y generador de narrativas, misiones, avatares regalos y recompensas.

La IA posee una serie de aplicaciones pedagógicas en este contexto: es generadora de historias y personajes, provee pistas y actúa como tutor según el desempeño del estudiante, brinda evaluación formativa y correcciones integrales, analiza las métricas de progreso de cada participante y su compromiso con la misión, finalmente, genera imágenes y recursos audiovisuales de mapas, avatares, desafíos, etc.

De la misma manera que la gamificación, la IA aporta varios beneficios al diseño de actividades gamificadas:

Escalabilidad en la personalización: la IA posee la capacidad de adaptar los contenidos temáticos para miles de estudiantes dependiendo de su nivel. (Genera varios prototipos de secuencias acerca de un mismo tema).
Feedback: mediante sistemas automáticos genera retroalimentación inmediata y eficiente, sin importar la cantidad de intentos que el usuario utilice.
Análisis de progreso de aprendizaje: las herramientas IA pueden analizar las métricas de cada estudiante e identificar sus errores, dificultades y posibles mejoras.

Sin embargo, así como hay numerosos beneficios, también lo son los riesgos de la IA:

Salidas incorrectas: información falsa creada por entrenamientos erróneos; es necesario validar las salidas antes de distribuir el contenido a los estudiantes.

Sesgos: algunos modelos incluyen sesgos culturales, de género, raza, debido a entrenamientos erróneos, es necesario validar la salida, revisar instrucciones e incluir explícitamente características contra estereotipos.
Dependencia tecnológica: la mayoría de las herramientas hacen uso de internet y banda ancha, es necesario elaborar y hacer uso de recursos que no necesiten red.
Desalineación educativa: la IA brinda gigantes cantidades de información, sin embargo, no siempre es la adecuada para alcanzar los objetivos pedagógicos. Es necesario ajustar los criterios de las instrucciones.
Privacidad de datos e información personal: como bien es sabido, las herramientas pueden almacenar los datos recibidos, es necesario minimizar o anonimizar los datos ingresados en ella.

Herramientas y plataformas sugeridas para generar narrativas, personajes, retos y ambientes

A continuación, se presentan las herramientas y plataformas IA utilizadas para el desarrollo de esta unidad, junto con su funcionalidad y usos pedagógicos para generar narrativas, personajes, retos y ambientes:

H5P para generar contenido interactivo: editor de actividades interactivas como cuestionarios, encuestas, arrastrar y soltar, etc. Su función principal es convertir historias en secuencias interactivas, mediante las cuales el estudiante tenga la capacidad de decidir, responder preguntas y recibir retroalimentación inmediata.

Para su uso es necesario contar con un LMS como Moodle, Drupal o Blackboard o usar h5p.org, esto con el fin de garantizar trazabilidad.

Lo invitamos a explorar en la plataforma de aprendizaje el recursos “H5P – Contenido interactivo”.

OER Commons: caja de herramientas de gamificación con una serie de guías, plantillas y actividades prediseñadas para adaptar según la audiencia escogida. Su uso pedagógico se centra en funcionar como un banco de ideas y plantillas de misiones para que el docente lo adecue según su objetivo curricular.

Lo invitamos a explorar el recursos de aprendizaje en el enlace “Caja de herramientas de gamificación en la educación”, en el que encuentra una guía que contiene explicaciones, plantillas y ejemplos para la construcción de retos, misiones, historias. Ideal como base de información la creación de contenido en plataformas como H5P; y para la creación de una plan de actividad gamificado, brindando todas las instrucciones necesarias. En esta desarrollará sus competencias y habilidades en diseño instruccional de actividades gamificadas, redacción eficiente de prompts, diseño de rúbricas evaluativas.

Proyecto EDIA (INTEF): serie de recursos y actividades educativas con una metodología predefinida, esta guía contiene varios ejemplos de instrucciones y ejemplos para la educación primaria y media. Su uso principal se centra en guiar la correcta redacción de prompts para estructuras secuencias gamificadas.

Lo invitamos a explorar el recursos de aprendizaje “Proyecto EDIA — recursos Educativos Abiertos (CeDeC / INTEF)”, que puede emplear como apoyo para la creación de una secuencia gamificada en un contexto educativo pudiendo acceder a los REA para uso directamente en el aula de clases. Descargue la plantilla EDIA, utilícela como guía para la creación de secuencias gamificadas. Aquí desarrollará sus competencias y habilidades en adaptación de recursos en el aula, diseño y estructura de misiones.

Hubs entorno inmersivo: esta plataforma creada como alternativa a ZEP, trabaja bajo entornos 3D con ambientes inmersivos, brinda la oportunidad de colocar misiones, narrativas, avatares en diferentes tipos de escenarios. Adicionalmente permite colaborar con los diferentes miembros del aula. Se recomienda hacer uso de esta plataforma con navegadores compatibles con WebXR.

Lo invitamos a explorar en la plataforma de aprendizaje el recursos “Entorno Hubs como alternativa a ZEP”.

Scratch: creada por MIT, facilita la creación de narrativas y la interacción entre personajes. Es un entorno de programación por etapas para crear diversas historias y narrativas gamificadas, las decisiones de los estudiantes afectan la continuación de la historia. Posee una gran ventaja ya que cuenta con versión offline.

Lo invitamos a explorar en la plataforma de aprendizaje el recursos “Scratch”.

Redacción de prompts para creación de actividades gamificadas con IA

Recordando que un prompt es la instrucción que se le da a un modelo IA para que genere contenidos o imágenes, en materia de gamificación, un buen prompt funciona como herramienta de autor asistido generadora de historias, desafíos y pistas diferenciadas que luego son validadas en una plataforma escogida, por ejemplo, H5P.

A continuación, se presenta una plantilla ejemplo de prompt con algunos criterios para H5P, Scratch, Hubs, Gemimi Drawing, puede ser replicable en otros tipos de plataformas.

Misión narrativa: donde indica el rol del docente, edad de los estudiantes, diplomado, objetivo pedagógico, tema a tratar.
Versión para escenarios ramificados (H5P): la decisión que tome cada estudiante afecta la continuidad de la historia, cada elección trae su respectiva consecuencia. Es necesario aclarar a la IA cuántos nodos de decisión se requieren y el resultado de cada uno.
Generar pistas: específica al modelo el número de pistas que se requieren, el contexto y nivel del estudiante.
NPC para la creación de diálogos (Scratch o Hubs): número de diálogos, de personajes ficticios requeridos, número de respuestas, características de la conversación (tono y duración).
Diferenciación: específica al modelo el número de versiones que requiere.
Criterio de evaluación: mediante rúbrica evalúa el nivel de desempeño del estudiante, por ejemplo: muy bien, bien, aceptable, mal.
Retroalimentación inmediata: posibles oportunidades de mejora, especifica cuántas respuestas necesita del modelo dependiendo de la falla cometida.
Generación de imágenes (Gemini Drawing): preguntar al modelo por la descripción visual, por ejemplo avatares. Específica estilo, gama de colores, no estereotipos, rasgos neutrales y relación de imagen con el tópico tratado.

Producción de recursos multimedia y contenidos

Los recursos multimedia y contenidos son elementos facilitadores de la información (texto, infografías, imágenes videos y animaciones), creadas para garantizar el entendimiento y retención del conocimiento en un público objetivo, en un entorno gamificado estos recursos refuerzan las misiones, brindan pistas, crean personajes y ambientan escenarios, ofreciendo alternativas y dinamismo a la pedagogía. A continuación, se presenta una tabla con los principales recursos multimedia, su uso, función de la IA en ellos y obstáculos que posee:

Tabla 2

Principales recursos multimedia

Recurso

Usos educativos

Función de la IA

Obstáculo

Micro videos

Presentación de instrucciones y contexto de la misión

o desafío.

Genera los guiones, voz y estructura del

video.

Requiere conocimientos técnicos de diseño y edición.

Infografías

Explica un paso a paso o brinda una pista para la misión.

Genera el diagrama requerido.

Puede generar incoherencias en las imágenes, revisar muy

bien el prompt.

Avatares y personajes

Brindar dinamismo a la actividad, como NPC o narrador.

Guía al estudiante por la historia, mediante la creación de

imágenes.

Existencia de sesgos culturales o de forma en las imágenes creadas.

Pódcast

Explicar de manera breve un tema o el

reto, motivar y dar pistas.

Convertir texto a voz natural.

Requiere transcripción de voz para garantizar accesibilidad.

Lecturas recomendadas

Explicar conceptos clave o plantear desafíos rápidos.

Resumir textos, extrayendo

conceptos e ideas clave.

Análisis correcto de la lectura, sobre todo en lecturas grandes.

Imágenes creativas o memes

Dinamismo en el aprendizaje, reconocimiento de

avances.

Generar imágenes y texto.

Puede desviar al estudiante del objetivo principal de

aprendizaje.

A continuación lo invitamos a realizar las actividades propuestas en la plataforma de aprendizaje.

Lo invitamos a responder a la “Evaluación de la unidad” disponible en la plataforma

de estudio.

4. Glosario

✔ Avatares: representaciones gráficas en forma de imagen que simbolizan al estudiante que realiza la actividad gamificada.

✔ Branching (Escenario) ramificado: secuencia de decisiones que afectan de manera progresiva el camino para el cumplimiento de una misión.

✔ Flow: equilibrio entre las habilidades de una persona y el desafío en el que se encuentra inmerso, generando placer y concentración óptima.

✔ Gamificación: aplicación de mecánicas y dinámicas de juegos (NO son juegos) en contextos formativos, con el fin de aumentar la accesibilidad e inclusión en el aula.

✔ H5P: plataforma que crea actividades interactivas integrables en LMS.

✔ NPC (Non-Player Character/Personaje no jugable): personaje dentro del entorno gamificado que no está controlado por el estudiante sino por el sistema operativo.

5. Lecturas sugeridas

A continuación, se presenta la lista de lecturas sugeridas para esta unidad.

a) Gamificación en el aula

Fuente: Servicio de Innovación Educativa de la Universidad Politécnica de Madrid. (2020, julio). Gamificación en el aula. Universidad Politécnica de Madrid. https://innovacioneducativa.upm.es/sites/default/files/guias/Guia-Gamificaci%C3%B3n.pdf

b) Gamificación en la era de la inteligencia artificial (Parte 3: Implementación y herramientas para la gamificación)

c) Inteligencia artificial y personalización del aprendizaje: ¿innovación educativa o promesas recicladas?

Fuente: Serrano, J. L., & Moreno-García, J. (2024, septiembre). Inteligencia artificial y personalización del aprendizaje: ¿innovación educativa o promesas recicladas? Edutec. Revista Electrónica de Tecnología Educativa, (89), 1-17

URL: https://www.mclibre.org/descargar/docs/revistas/edutec/edutec-89-es-202409.pdf

d) Contenidos Digitales con IA-Proyecto Descartes

Fuente: Red Descartes. (2024). Revista Red Descartes, Número 8 (Año 4) [Revista digital]. Revista Digital Red Descartes. https://proyectodescartes.org/revista/Numeros/Revista_8_2024/index.html? page=52

e) Inteligencia Artificial en Educación – Prompts educativos

Fuente: INTEF — Proyecto EDIA. (s. f.). Prompts educativos: Biblioteca de prompts para la enseñanza y el aprendizaje [Recurso digital]. Licencia Creative Commons Reconocimiento-CompartirIgual 4.0. https://descargas.intef.es/cedec/proyectoedia/guias/contenidos/inteligencia_ artificial/prompts_educativos.html

6. Referencias bibliográficas

H5P. (s. f.). H5P — Create and share rich HTML5 content and applications.

https://h5p.org/documentation

INTEF. (s. f.). Prompts educativos: Biblioteca de prompts para la enseñanza y el aprendizaje. Proyecto EDIA. https://descargas.intef.es/cedec/proyectoedia/guias/contenidos/inteligencia_artifici al/prompts_educativos.html

Mozilla Foundation. (2011, septiembre 15). Mozilla launches Open Badges project [Blog]. https://blog.mozilla.org/en/mozilla/openbadges/

OER Commons. (2024). Gamification in Education Toolkit [Recurso educativo abierto]. https://oercommons.org/courseware/lesson/111941/overview

Red Descartes. (2024). Contenidos digitales con IA. Revista Red Descartes, Núm. 8.

https://proyectodescartes.org/revista/Numeros/Revista_8_2024/index.html?page=5 2

Rey Valzacchi, J. (2025). Gamificación en la era de la inteligencia artificial: Estrategias, herramientas y el futuro del aprendizaje interactivo [Guía PDF]. Aprende Virtual — Instituto Latinoamericano de Desarrollo Profesional Docente. https://camtamaulipas.edu.mx/libreria/files/original/6c62d1f83d76c2c3f444205d971 3f451.pdf

Scratch Team (MIT). (s. f.). Scratch. https://scratch.mit.edu/about

Serrano, J. L., & Moreno-García, J. (2024). Inteligencia artificial y personalización del aprendizaje: ¿innovación educativa o promesas recicladas? EDUTEC. Revista Electrónica de Tecnología Educativa, (89), 1–17. https://doi.org/10.21556/edutec.2024.89.3577

Servicio de Innovación Educativa, Universidad Politécnica de Madrid. (2020, julio). Guía: Gamificación en el aula. Universidad Politécnica de Madrid. https://innovacioneducativa.upm.es/sites/default/files/guias/Guia-Gamificaci%C3%B3n.pdf

UNESCO. (2023). Guidance for generative AI in education and research.

UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386336

Unidad 3.

Evaluación, Ética y Uso Responsable de la Inteligencia Artificial

Autor: Ingrid Sánchez González

Duración estimada de estudio: 16 horas Modalidad: asincrónica y autogestionada

Tabla de contenido

Introducción
Objetivos de formación
Desarrollo de contenidos
1. Una forma de pensar centrada en el ser humano
2. La IA en el desarrollo profesional
3. Principios de la evaluación formativa y su potenciación con IA
4. Herramientas de IA para evaluar (rúbricas automáticas y retroalimentación automatizada)
5. Entornos seguros de aprendizaje con IA (sesgo, dependencia, privacidad)
6. Marco ético y legal en Colombia (Resolución 1519/2020, Decreto 2170)
Caso práctico. Clasificador de reciclaje con Teachable Machine
Glosario
Lecturas sugeridas
Referencias bibliográficas

1. Introducción

Para finalizar el diplomado de Inteligencia Artificial y Educación: Usos, Retos y Oportunidades para Docentes se encuentra la Unidad 3: Evaluación, Ética y Uso responsable de la IA, en ella se propone una reflexión de la Inteligencia Artificial (IA), desde una perspectiva humano-céntrica tecno-pedagógica y ética. El propósito principal de esta última parte del diplomado es brindar herramientas para los docentes para la potenciación de la evaluación formativa; con un uso consciente de los límites, riesgos y desafíos que trae consigo la IA, Los múltiples beneficios que brinda para el ofrecimiento de criterios claros de evaluación y retroalimentación oportuna. A lo largo de la unidad se analizarán elementos clave como los sesgos, dependencia tecnológica, protección de la privacidad, autoría y derechos de autor, al igual que, la normativa vigente colombiana, principios éticos y reglas comunes en el contexto educativo mundial. El caso práctico de la unidad será la creación de un clasificador de reciclaje con Teachable Machine; cada participante deberá elegir el mejor camino para la creación de un prototipo IA eficiente y seguro, este caso seguirá el lineamiento de datos-modelo-evaluación-mejora. Adicionalmente, la unidad incluye una serie de videos, guías, sesiones de aprendizaje y lecturas guiadas que facilitarán el recorrido del docente por las diferentes temáticas a abordar. Cada docente, además de la creación de su prototipo IA de reciclaje, deberá elaborar un checklist ético con los elementos clave para el uso de la IA, junto con las medidas de mitigación de riesgos causados por estas, relacionándolas con su área curricular.

2. Objetivos de formación de la unidad

Objetivo general

Diseñar e implementar instrumentos evaluativos con Inteligencia Artificial (IA), que permitan favorecer la creación de un entorno seguro en el aula de clase con protocolos éticos y responsables acordes con la normatividad vigente.

Objetivos específicos

Diseñar una actividad evaluativa que involucre el uso de Inteligencia Artificial, posteriormente generar una retroalimentación automatizada y otra humana.
Reflexionar acerca de los riesgos potenciales de la Inteligencia Artificial y sus posibles acciones para mitigar.
Elaborar y verificar un checklist ético de la Inteligencia Artificial, evaluando su cumplimiento y su validación.

3. Desarrollo de contenidos

Una forma de pensar centrada en el ser humano

Como se ha descrito en las unidades previas del diplomado, la función principal de la IA es ampliar las capacidades educativas, no reemplazar la labor docente, cada docente debe cuestionarse el mismo interrogante ¿qué conocimiento nuevo les puedo infundir a mis estudiantes y cómo la IA trabaja como mecanismo facilitador de esto, protegiendo al máximo sus derechos y bienestar?

La labor pedagógica del docente debe proteger y buscar el cumplimiento de una serie de principios básicos de los estudiantes:

Dignidad y bienestar: protección de la autonomía, reputación, datos personales y salud mental.
Equidad e inclusión: ajustar las instrucciones para disminuir al máximo la creación de sesgos en las salidas. Alternativas para población sin acceso o acceso limitado a la tecnología.
Explicabilidad y transparencia: transmitir el conocimiento aprendido sobre la IA en el aula, sus beneficios, riesgos y limitaciones.
Minimización de datos: la información personal dada a las herramientas IA debe ser ajustada a lo estrictamente necesario con único propósito pedagógico y consentimiento de los acudientes.
Corresponsabilidad: tanto el docente como el alumno deben analizar, contrastar, revisar y corregir las salidas dadas por la IA, de acuerdo con los protocolos académicos.

El enfoque humanista implica brindar claridad de objetivo, rol, límites, decisiones propias, consentimiento cuando es necesario brindar cierta información sensible, rúbrica predefinida de evaluación con criterios de verificación y reflexión, y accesibilidad para facilitar la inclusión.

La IA en el desarrollo profesional docente

La Inteligencia Artificial debe potenciar el desarrollo profesional del docente, al integrar con un propósito pedagógico claro, impulsar de manera determinante las decisiones tomadas, desde la planeación de la clase, pasando por la enseñanza y finalizando con la evaluación-retroalimentación.

La estrategia se debe centrar en la elección de un objetivo claro (ej: retroalimentación personalizada e inmediata para los alumnos), posteriormente, diseñar la tarea con IA que ayudará al cumplimiento de este propósito, poner en práctica el recurso en manera de pilotaje, se recolectan evidencias, correcciones y mejoras, y finalmente, se brinda la retroalimentación general y personalizada de la actividad para cada estudiante.

La labor docente es validar, contextualizar y personalizar las salidas de la IA, asegurando que éstas respeten el objetivo de aprendizaje, bienestar y privacidad. Estas dos últimas son condiciones no negociables; es indispensable informar a los estudiantes y acudientes que parte del proceso es apoyado por IA, que datos es posible compartir y cuáles de ninguna manera lo son, respetar los procesos de autoría y licencias, y por último, pero no menos importante, alternar las metodologías de enseñanza, con el uso de IA y sin ella, consolidando así un desarrollo profesional basado en evidencia, colaboración y ética.

De igual manera, es importante resaltar la existencia de comunidades profesionales de aprendizaje para todas las ramas del conocimiento, en las cuales se comparten prompts, evidencias anonimizadas y salidas esperadas, todo esto, en portafolios de acceso libre.

Principios de la evaluación formativa y su potenciación con IA

La evaluación formativa es el principal mecanismo de cuantificación del aprendizaje; es un proceso continuo el cual se apoya en evidencias, criterios y retroalimentación que permiten la existencia de oportunidades de mejora. La integración de la IA en el proceso formativo no busca sustituir el criterio del docente, sino hacerlo más objetivo y claro.

La siguiente tabla resume los principios clave de la evaluación formativa, y la función de la IA para su potenciación:

Tabla 1

Principios de evaluación formativa potenciados por la IA

Principio

Significado

Función IA

Labor docente

Criterios clarificados y trabajo mutuo

Expectativas explicadas, como será medido (ej.: rúbricas).

Generar borradores de rúbricas alineadas a objetivos y nivel académico.

Acompañamiento integral del docente, explicación breve y criterios previos al desarrollo.

Principio	Significado	Función IA	Labor docente
Evidencias variadas (no solo exámenes teóricos)	Múltiples formas de demostrar aprendizaje.	Sugerir formatos de productos evaluativos; guías para recolectar evidencias.	Determinar el formato apropiado dependiendo del contenido y carga de la asignatura.
Retroalimentación inmediata y eficiente	Indica pros-contras de la actividad, como mejorarlo y cuando volver a hacerlo.	Elaborar comentarios preliminares, específicos y amables.	Personalizar y corregir de acuerdo con criterios definidos.
Participación del estudiante	Coevaluación con pares y autoevaluación a partir de criterios predefinidos.	Elaborar plantillas preliminares, preguntas guías.	Evitar que el sistema calificativo se centre en la salida otorgada por la IA.
Andamiaje y corrección de errores	Aprendizaje gradual y oportunidades de revisar conocimientos gracias a varios intentos.	Propuestas de misiones graduadas, más o menos apoyo dependiendo del nivel y velocidad de aprendizaje.	Acompañar todo el proceso de andamiaje y evidenciar mejoras tras intentos.
Metacognición	El estudiante debe argumentar sus decisiones, verificar fuentes y dar evidencia del proceso.	Proponer al estudiante preguntas de reflexión argumentativa y para verificar fiabilidad.	Elaborar bitácora de progreso.

Principio

Significado

Función IA

Labor docente

Equidad e inclusión

Eliminar todo tipo de discriminación.

Alternativas para herramientas offline, formatos de entrega y simplificación de la tarea.

Brindar alternativas de entrega de actividades, colaborar a la disminución de sesgos.

Transparencia y rastreabilidad

Especificación de aporte IA, límites y riesgos de uso.

Registro de instrucciones, documenta procesos.

Protección de datos personales, proteger autoría y licencias, solicitar consentimiento de acudientes.

Verificación de fiabilidad

Validez de salidas que cumplan objetivo pedagógico claro.

Múltiple verificación de fuentes, ejemplos y contraejemplos.

Revisar consistencia de información, hacer pruebas de la herramienta previo a implementación.

Herramientas de IA para evaluar (rúbricas automáticas y retroalimentación automatizada)

Las herramientas IA ayudan a impulsar y mejorar procesos de evaluación formativa cuando son supervisadas de manera correcta por el docente, más allá de la cuantificación evaluativa, su función principal es clarificar criterios, brindar retroalimentación personalizada y medir el progreso de aprendizaje de cada estudiante.

La siguiente tabla resume las herramientas IA útiles para funciones evaluativas y de retroalimentación:

Tabla 2

Herramientas IA

Herramienta (IA)

Función

Ejemplo de uso

Labor docente

Generador de rúbricas

Diseñar plantillas iniciales, criterios específicos y niveles (ej:1-5).

Borrador de rúbrica para medir desempeño en actividad de reciclaje.

Ajustar elementos, lenguaje y contexto antes de implementar.

Asistente de retroalimentación

Diseñar comentarios genéricos y accionables.

Feedback personalizado a cada estudiante con elementos clave de mejora.

Ayudar a la personalización de los comentarios.

Ejemplos ancla

Determinar el desempeño del estudiante “bueno o regular”.

Presenta ejemplos de mejoras para incrementar desempeño.

Verificar salida para evitar sesgos e inequidades.

Analizador de patrones

Detectar errores repetitivos en los estudiantes.

Recoger información de errores frecuentes y diseñar lecciones de revisión de temáticas.

Acompañamiento integral, verificación de patrones.

Autoevaluación y coevaluación por pares guiada

Incluir a los estudiantes en la asignación de su

valoración.

Checklists y preguntas de reflexión conjunta.

Brindar herramientas de interacción y ayudar a concientización del

aprendizaje.

Diferenciación de tareas

Ajustar la actividad y sus misiones, cumpliendo el mismo objetivo pedagógico.

En una actividad gamificada el estudiante escoge dentro de varios caminos para alcanzar

la misma meta.

Apoyar la diversificación del contenido temático.

Herramienta (IA)

Función

Ejemplo de uso

Labor docente

Analizador de progreso

Seguir progreso y alertar ante errores recurrentes.

División de la actividad en cinco etapas, mide el desempeño de cada una y alerta ante

estadísticas bajas.

Seguir el desempeño de cada alumno.

Entornos seguros de aprendizaje con IA (sesgo, dependencia, privacidad)

Para la creación de un entorno seguro en el aula con el uso de IA es necesario anticipar riesgos potenciales, establecer reglas básicas, procesos y medidas de mitigación y acción ante la presencia de alguno de ellos. Los principales riesgos se detallan a continuación:

Sesgos: muchos modelos están entrenados con cierto tipo de datos o en contextos específicos, es necesario definir el propósito y comparar resultados de acuerdo con la especificación de subclases o condiciones determinadas.
Dependencia: es un riesgo causado por el uso incontrolado y excesivo de la IA, no se recomienda delegar todas las decisiones pedagógicas a la IA, y realizar seguimiento mediante rúbricas o bitácoras de progreso que responda las preguntas (qué solicite, qué recibo, cómo mejoro).
Privacidad: riesgo causado por la exposición de datos personales o sensibles a una herramienta IA, es necesario minimizar los datos proporcionados a los estrictamente necesarios. Adicionalmente, si es requerido contar con el consentimiento informado de los acudientes.
Autoría: problemas con autoría se generan cuando no se hace control sobre las licencias y derechos de autor de un recurso. Se recomienda verificar fuentes y licencias antes de hacer uso y distribución de una herramienta.

El docente puede establecer unas reglas básicas en el aula cuando se haga uso de herramientas IA, tales como no subir rostros, nombres ni documentos de identificación, la nota es otorgada por el docente, es necesario verificar con al menos do fuentes la información que brinda la IA, al finalizar cada actividad se debe realizar autoevaluación o coevaluación y se deberá llenar la rúbrica para medir el desempeño.

Marco ético y legal en Colombia (Resolución 1519/2020, Decreto 2170)

El uso y manejo de la IA en el contexto estudiantil colombiano debe ajustarse a los lineamientos normativos propuestos por el gobierno digital, al igual que a las prácticas de protección de datos y contratación responsable de servicios tecnológicos. Para el diplomado, hay dos referentes en materia de marco ético y legal:

La Resolución 1519 de 2020 del Ministerio de Tecnologías de la Información y Comunicaciones, establece estándares para servicios digitales en las entidades públicas, algunos de ellos son: calidad del servicio, accesibilidad, gestión y protección de datos, accesibilidad, opinión ciudadana.
Decreto 2170: establece los lineamientos base para una contratación pública transparente, exige control de publicidad, trazabilidad y condiciones claras en las relaciones con proveedores (en esto se incluyen las plataformas con IA).

Básicamente, la adopción de IA en las instituciones educativas del país debe seguir los principios de transparencia, seguridad, accesibilidad, trazabilidad y responsabilidad. Detallando esto un poco más:

✔ Transparencia y trazabilidad: es necesario informar a los estudiantes y familias de las tareas desempeñadas con IA, guardar los prompts usados, y establecer de manera escrita las reglas de uso responsable de la herramienta.

✔ Accesibilidad: las plataformas de distribución de la información deben facilitar el acceso equitativo para todos los estudiantes, si resulta necesario, crear rutas alternas sin IA

✔ Cyber seguridad y privacidad: es necesaria la definición de roles en el diseño de una actividad con IA, responsable (docente), encargado (proveedor), de igual manera garantizar la minimización de datos descrita anteriormente.

✔ Uso de proveedores: labor desempeñada por la institución educativa, es necesario verificar los términos de servicio y licencias, exigir las medidas de seguridad y mecanismos de protección de datos, publicar la información contractual necesaria para garantizar trazabilidad y transparencia.

4. Glosario

Alucinación: respuesta de la IA incorrecta, con estilo convincente pero contenido erróneo.
Bitácora: plantilla para responder por parte del estudiante (qué pidió, qué recibió, que debe modificar).
Checklist: lista de verificación para uso por parte del docente.
Explicabilidad: proceso de entendimiento de por qué la IA produjo un resultado.
Metacognición: reflexión por parte del estudiante acerca del proceso de aprendizaje.
Matriz de confusión: tabla estadística que representa los aciertos y errores del modelo de clasificación por clase.
Minimización de datos: recolección de información sensible estrictamente necesaria para fines educativos.
Rúbrica: matriz de criterios y niveles de logro de una actividad.
Sesgo: error sistemático que se muestra como una inclinación hacia cierto grupo poblacional.
Trazabilidad: registro periódico de instrucciones, versiones, fuentes y decisiones.

5. Lecturas sugeridas

A continuación, se presenta la lista de lecturas sugeridas para esta unidad.

Retroalimentación formativa con inteligencia artificial generativa: Un caso de estudio

Descripción: guía para entender el uso de Gen AI como herramienta para mejorar la retroalimentación formativa, contiene ejemplos de prompts, retroalimentación y consideraciones éticas.

Fuente: Bañuelos Márquez, A. M., & Romero Martínez, E. (2024). Retroalimentación formativa con inteligencia artificial generativa: Un caso de estudio. https://archivo.revistas.ucr.ac.cr//index.php/wimblu/article/view/63262#:~:text=evalu ados%20y%20retroalimentados%20por%20la,prompts

Directrices éticas sobre el uso de la inteligencia artificial (IA) y los datos en la educación y formación para los educadores (Páginas 14- 28)

Descripción: guía para docentes acerca de los riesgos y beneficios de la IA, con ejemplos aplicados al aula. Reúne una serie de principios y requisitos morales para el uso seguro y responsable de las herramientas IA.

Fuente: Comisión Europea. (2022). Directrices éticas sobre el uso de la inteligencia artificial (IA) y los datos en la educación y formación para los educadores (Páginas 14-28). Luxemburgo: Oficina de Publicaciones de la Unión Europea. https://teachertaskforce.org/sites/default/files/2023-06/2022_EC_directrices-uso-

IA_ES.pdf

Orientación de políticas sobre el uso de la inteligencia artificial en favor de la infancia. Requisitos para una inteligencia artificial centrada en la infancia

Descripción: guía con una serie de requisitos para el uso responsable de la IA en la niñez, enfocada en elementos como bienestar, inclusión, privacidad, transparencia y medidas para controlar la discriminación. Adicionalmente incluye oportunidades y riesgos de las herramientas generativas.

Fuente: Unicef. (2021). Orientación de políticas sobre el uso de la inteligencia artificial en favor de la infancia. Fondo de las Naciones Unidas para la Infancia (UNICEF). https://www.unicef.org/innocenti/media/1351/file/UNICEF-Global-Insight-policy-guidance-AI-children-2.0-2021_ES.pdf

Marcos normativos para una IA ética y confiable en la educación superior: estado de la cuestión

Descripción: guía normativa acerca del marco ético y regulatorio aplicable a las universidades. Brinda al lector referencias, medidas preventivas y accionables para un uso responsable de IA.

Fuente: González-Fernández, M. O., Romero-López, M. A., Sgreccia, N. F., & Latorre-Medina, M. J. (2025). Marcos normativos para una IA ética y confiable en la educación superior: estado de la cuestión. RIED – Revista Iberoamericana de Educación a Distancia, 28(2), e43511. https://doi.org/10.5944/ried.28.2.43511

Inteligencia artificial y su ‘regulación’ en Colombia: ¿Y qué hay de la participación ciudadana? ¿Cómo se han llevado a cabo las consultas públicas en la práctica? El caso de la regulación de la inteligencia artificial

Descripción: informe que analiza las principales consultas públicas realizadas en Colombia en materia de IA. Identifica asimetrías e invita a los mecanismos de control a participar de manera activa para regular legítimamente el uso de herramientas digitales, prevaleciendo siempre la protección de los derechos humanos.

Fuente: Camacho Gutiérrez, L. (2022). Inteligencia artificial y su ‘regulación’ en Colombia: ¿Y qué hay de la participación ciudadana? ¿Cómo se han llevado a cabo las consultas públicas en la práctica? El caso de la regulación de la inteligencia artificial (Páginas 14-21) Fundación Karisma. https://web.karisma.org.co/wp-content/uploads/2023/08/informe-inteligecia-artificial-y-su-regulacion-en-Colombia.pdf

8. Referencias bibliográficas

Bañuelos Márquez, A. M., & Romero Martínez, E. (2024). Retroalimentación formativa con inteligencia artificial generativa: Un caso de estudio. https://archivo.revistas.ucr.ac.cr//index.php/wimblu/article/view/63262#:~:text=evaluados% 20y%20retroalimentados%20por%20la,prompts

Camacho Gutiérrez, L. (2022). Inteligencia artificial y su ‘regulación’ en Colombia: ¿Y qué hay de la participación ciudadana? ¿Cómo se han llevado a cabo las consultas públicas en la práctica? El caso de la regulación de la inteligencia artificial (Páginas 14-21) Fundación Karisma. https://web.karisma.org.co/wp-content/uploads/2023/08/informe-inteligecia-artificial-y-su-regulacion-en-Colombia.pdf

Comisión Europea. (2022). Directrices éticas sobre el uso de la inteligencia artificial (IA) y los datos en la educación y formación para los educadores (Páginas 14-28). Luxemburgo: Oficina de Publicaciones de la Unión Europea. https://teachertaskforce.org/sites/default/files/2023-06/2022_EC_directrices-uso-IA_ES.pdf

González-Fernández, M. O., Romero-López, M. A., Sgreccia, N. F., & Latorre-Medina,

M. J. (2025). Marcos normativos para una IA ética y confiable en la educación superior: estado de la cuestión. RIED. Revista Iberoamericana de Educación a Distancia, 28(2), e43511. https://doi.org/10.5944/ried.28.2.43511

INTECCA–UNED. (2025, 24 de septiembre). Sesión 2: Incorporación de normas éticas en la regulación de la IA [Video]. Repositorio audiovisual UNED. https://roble.intecca.uned.es/fez/view/intecca:VideoAVIP-920932

INTEF. (s. f.). Programación y Robótica: 5.2 Teachable Machine. Aula en Abierto. https://formacion.intef.es/aulaenabierto/mod/book/view.php?id=2747&chapterid=3071

INTEF. (2024). Guía sobre el uso de la IA en el ámbito educativo. https://code.intef.es/wp-content/uploads/2024/07/Guia-sobre-el-uso-de-la-IA-en-el-ambito-educativo-INTEF_2024.pdf

INTEF–CeDeC. (2024). Límites de la IA. En Inteligencia Artificial en Educación (REA). https://descargas.intef.es/cedec/proyectoedia/guias/contenidos/inteligencia_artificial/lmites

_de_la_ia.html

Ministerio de Tecnologías de la Información y las Comunicaciones. (2020). Resolución 1519 de 2020. [Diario Oficial No. 51521]. Ministerio de Tecnologías de la Información y las Comunicaciones (MINTIC)

Gobierno de Colombia. (2002). Decreto 2170 de 2002. Septiembre 30. Presidencia de la República.

Unicef. (2021). Orientación de políticas sobre el uso de la inteligencia artificial en favor de la infancia. Fondo de las Naciones Unidas para la Infancia (UNICEF). https://www.unicef.org/innocenti/media/1351/file/UNICEF-Global-Insight-policy-guidance-AI-children-2.0-2021_ES.pdf

Universidad Nacional de Educación a Distancia (UNED), Vicerrectorado de Innovación Educativa. (2023). Guía de uso de las herramientas de IA generativa para el estudiantado. https://www.uned.es/universidad/dam/inicio/institucional/areas-direccion/vicerrectorados/innovacion-educativa/doc/Gu%C3%ADa-genIA-Estudiantes.pdf