Sesión de Aprendizaje – Semana 2

Módulo: Integración de tecnologías e inteligencia artificial en educación

Semana: 2
Duración: 4 horas académicas
Modalidad: Virtual (videoconferencia + EVA)
Título de la sesión:
“La Inteligencia Artificial: conceptos clave, evolución histórica y sus aplicaciones
pedagógicas en primaria”

Propósito de la sesión

Que los docentes en formación comprendan los conceptos, tipos y aplicaciones

actuales de la Inteligencia Artificial (IA), diferenciando entre IA débil, fuerte y
generativa, y valorando sus implicancias pedagógicas y éticas para la enseñanza en
educación primaria.

Competencia transversal

Analiza críticamente el impacto de las tecnologías emergentes en los procesos

pedagógicos, promoviendo un uso ético, contextualizado y humanizado.

Contenidos

1. Concepto de Inteligencia Artificial.

2. Breve historia de la IA.

3. Tipos de IA: débil, fuerte y generativa (con ejemplos aplicados al aula).

4. Aplicaciones educativas de la IA en primaria:

o Personalización del aprendizaje.

o Evaluación automatizada.

o Asistencia pedagógica.

o Producción de recursos.

5. Desafíos éticos y pedagógicos: sesgos, privacidad, rol del docente.

Metodología activa

 Aprendizaje basado en análisis crítico de casos.

 Trabajo colaborativo.

 Discusión reflexiva guiada por preguntas detonadoras.

 Uso de ChatGPT (IA generativa) en una práctica breve controlada.

Estructura de la sesión

Momento Actividad Duración

• Bienvenida y encuadre pedagógico

Inicio 20 min
• Dinámica rompehielos: ¿Qué imaginas cuando escuchas “IA”?

• Exposición dialogada: evolución de la IA y tipos (uso de presentación visual)

Exploración 60 min
• Revisión en pequeños grupos: fichas comparativas IA débil/fuerte/generativa

• Actividad práctica:
- Los docentes usan ChatGPT o IA de imágenes (ej. Bing Image Creator) para
Aplicación 45 min
generar un recurso didáctico.
- Analizan su pertinencia y riesgos.

Análisis • Foro abierto: “¿Puede la IA sustituir el rol humano del docente?”

30 min
crítico • Revisión de desafíos éticos.

• Síntesis colaborativa en Padlet: “Lo que aprendí y me preocupa de la IA”

Cierre • Reto para la siguiente clase: elaborar una infografía crítica sobre un tipo de IA 25 min
aplicado a primaria.

Evaluación

Instrumento: Rúbrica analítica

Criterios:

 Comprensión conceptual de los tipos de IA

 Capacidad crítica frente a sus aplicaciones

 Participación argumentada en foros y actividades colaborativas

  Creatividad y pertinencia en el uso de IA para diseñar recursos

Actividades de retroalimentación

1. Cuestionario reflexivo:
4 preguntas abiertas para que el estudiante valore sus aprendizajes, dudas y
temores respecto al uso de la IA en el aula.

2. Revisión cruzada:
Cada docente valora el recurso IA creado por un compañero, aplicando una
rúbrica sencilla (claridad, pertinencia, riesgo ético, aplicabilidad).

📎 Materiales y recursos

 Documento base “Semana 2”

 Presentación de apoyo (PDF o PowerPoint)

 Acceso a ChatGPT, DALL·E o herramientas IA gratuitas

 Rúbrica de evaluación

 Padlet o Jamboard para colaboraciones

 Cuestionario de cierre en Google Forms

¿Qué es la Inteligencia Artificial?

La Inteligencia Artificial (IA) no es simplemente una tecnología emergente; es una

transformación radical de cómo las sociedades procesan información, toman
decisiones y enfrentan problemas complejos. Aunque el término se originó en 1956 en
la Conferencia de Dartmouth, su evolución ha sido marcada por avances en
matemática computacional, neurociencia, lógica simbólica, aprendizaje automático
(machine learning) y redes neuronales profundas (deep learning).

Desde el punto de vista técnico, como indican Russell y Norvig (2021), la IA se ocupa
del “diseño de agentes inteligentes, es decir, sistemas que perciben su entorno y
actúan racionalmente para alcanzar objetivos” (p. 4). Sin embargo, esta concepción
funcional debe complementarse con una mirada crítica cuando se aplica al ámbito
educativo.

La IA en educación: ¿amplificadora o disruptora de la pedagogía?

En el sector educativo, la IA no solo automatiza procesos: modifica las lógicas de

enseñanza y aprendizaje. Según Holmes, Bialik y Fadel (2019), la IA aplicada a la
educación puede “proporcionar retroalimentación personalizada, generar itinerarios de
aprendizaje adaptativos y liberar tiempo del docente para tareas más humanas como la
tutoría emocional o la mediación ética” (p. 13). Es decir, la IA se plantea como una
extensión inteligente del docente, no como su reemplazo.

Por ejemplo, los sistemas de tutoría inteligente pueden identificar patrones de error,
adaptar el contenido y predecir posibles abandonos escolares, todo en tiempo real.
Esto permite un modelo de enseñanza centrado en el estudiante, donde las diferencias
individuales son no solo reconocidas, sino abordadas desde algoritmos entrenados en
big data (Luckin et al., 2016).

Asimismo, la gestión del aula y el seguimiento del rendimiento académico se optimizan

con herramientas de IA integradas en plataformas como Moodle, Google Classroom o
sistemas LMS avanzados. Estas herramientas pueden analizar el nivel de interacción de
los estudiantes, la calidad de sus respuestas, su ritmo de trabajo y hasta su disposición
emocional a través de sensores y análisis de lenguaje natural (Selwyn, 2019).

Ventajas pedagógicas de la IA

1. Aprendizaje personalizado: sistemas adaptativos ajustan el contenido, nivel y

ritmo según los resultados y comportamientos del estudiante (Woolf, 2010).

2. Análisis predictivo: permite anticipar riesgos académicos y sugerir

intervenciones tempranas (Zawacki-Richter et al., 2019).

3. Soporte constante: chatbots educativos y asistentes inteligentes pueden brindar

respuestas inmediatas fuera del horario escolar.

4. Evaluación automatizada y retroalimentación inmediata.

Consideraciones éticas y pedagógicas críticas

Sin embargo, el uso de la IA en educación no está exento de desafíos y controversias.

Como señala Williamson (2020), existe el riesgo de que el uso indiscriminado de IA
conduzca a la “dataficación de la educación”, reduciendo los procesos pedagógicos a
variables cuantificables y marginando dimensiones esenciales como la afectividad, la
ética, la creatividad y la interculturalidad.

Además, los sesgos algorítmicos, la falta de transparencia en los modelos de decisión y

la recolección masiva de datos estudiantiles son temas que demandan una postura
pedagógica crítica. Esto implica que los docentes no solo deben aprender a usar la IA,
sino también a interrogar sus implicancias sociales, culturales y políticas (Selwyn,
2019).

En síntesis: la IA, bien entendida y aplicada en educación, tiene el potencial de

amplificar la agencia pedagógica del docente, personalizar la experiencia de
aprendizaje y hacer más eficiente la gestión escolar. Pero su incorporación no debe ser
tecnocrática: debe ser pedagógica, ética y contextualizada. La formación docente en
este campo debe centrarse en desarrollar criterios pedagógicos y no solo competencias
técnicas, para que la IA no sustituya la educación humana, sino que la potencie.

Breve historia de la Inteligencia Artificial (IA)

La evolución de la IA es una historia compleja de ideas visionarias, avances

tecnológicos y también momentos de crisis. Su desarrollo ha sido impulsado por el
cruce de la lógica, las matemáticas, la neurociencia y la computación.

1. Orígenes teóricos (1940–1956): los fundamentos de la idea

El concepto moderno de IA tiene sus raíces en la lógica matemática y la filosofía de la

mente. En 1936, Alan Turing propuso la "máquina universal", una base teórica de lo
que hoy conocemos como computadora (Turing, 1950). Luego, en su artículo
“Computing Machinery and Intelligence”, planteó la pregunta “¿Pueden las máquinas
pensar?” y propuso el famoso Test de Turing, una forma de evaluar si una máquina
puede imitar la inteligencia humana mediante el lenguaje.

En 1956, durante la Conferencia de Dartmouth, organizada por John McCarthy, Marvin

Minsky, Nathaniel Rochester y Claude Shannon, nació formalmente el término
“Inteligencia Artificial”. McCarthy definió la IA como “la ciencia e ingeniería de hacer
máquinas inteligentes”.

Este evento marca el inicio oficial del campo de la IA como disciplina científica.

2. Primeros sistemas (1956–1970): el entusiasmo inicial

Durante esta etapa se desarrollaron los primeros programas de IA capaces de resolver

problemas matemáticos y lógicos, como el Logic Theorist (1955) de Newell y Simon,
considerado el primer sistema experto. También surgieron ELIZA (1966), un programa
que simulaba una conversación con un terapeuta, y SHRDLU (1970), capaz de
interactuar en un mundo de bloques mediante lenguaje natural.

La IA de esta época se centró en el procesamiento simbólico o "IA simbólica", que

consistía en reglas lógicas explícitas para representar el conocimiento.

Los avances eran prometedores, pero limitados por la escasa capacidad de cómputo.

3. Inviernos de la IA (1974–1980 y 1987–1993): crisis y retroceso

Estos periodos son conocidos como los "inviernos de la IA", debido al escepticismo y la
reducción del financiamiento. Las expectativas eran demasiado altas y la tecnología
aún inmadura. Los sistemas desarrollados fallaban ante problemas del mundo real que
requerían sentido común, ambigüedad lingüística o grandes cantidades de datos.

La comunidad científica y los gobiernos empezaron a cuestionar si la IA realmente

podía cumplir sus promesas. Esto llevó a una fuerte desconfianza institucional y a la
paralización de múltiples proyectos.

Una lección clave: la IA no puede avanzar solo con reglas; necesita aprender del
entorno.

4. Resurgimiento con el aprendizaje automático (1990–2010): el nuevo paradigma

El renacimiento de la IA ocurrió gracias al auge del machine learning (aprendizaje

automático), particularmente el aprendizaje supervisado. Esto fue posible por tres
factores:
  Incremento masivo de datos (big data),

 Mejora en el hardware computacional (como las GPUs),

 Desarrollo de nuevos algoritmos (como las máquinas de soporte vectorial y

redes neuronales profundas).

Durante esta etapa emergen tecnologías como los sistemas de recomendación, el

reconocimiento facial, la traducción automática y los asistentes virtuales básicos.

📌 La IA se volvió funcional y útil para resolver problemas reales a gran escala.

5. IA moderna y generativa (2010–presente): la revolución de los modelos profundos

Desde la década de 2010, la IA ha experimentado un salto cualitativo con la llegada de

las redes neuronales profundas (deep learning). Estas redes, inspiradas en el cerebro
humano, permiten el reconocimiento de imágenes, voz y texto con niveles de precisión
sin precedentes.

Se destacan:

 GPT-3 y GPT-4: modelos de lenguaje capaces de generar textos coherentes,

responder preguntas, traducir y razonar (Brown et al., 2020).

 DALL·E y MidJourney: generadores de imágenes a partir de texto.

 ChatGPT: modelo conversacional con múltiples aplicaciones educativas,

empresariales y creativas.

 Sistemas multimodales: que combinan texto, voz e imagen para tareas

integradas.

Estas herramientas representan la IA generativa, un tipo de IA capaz de crear contenido

nuevo y no solo analizar datos.

Estamos ante una etapa donde la IA no solo aprende, sino también imita la creatividad
humana.

En síntesis

La historia de la IA muestra un camino de avances no lineales, marcado por grandes

ideas, momentos de decepción y revoluciones técnicas. Actualmente, vivimos una
etapa de expansión sin precedentes gracias a la IA generativa, pero también de nuevos
desafíos éticos, pedagógicos y sociales. Comprender esta evolución es fundamental
para usarla con criterio, responsabilidad y sentido humano.

Tipos de Inteligencia Artificial

La IA se puede clasificar de distintas maneras. Una de las más comunes distingue entre:

1. IA Débil o Estrecha (Narrow AI): ¿Qué es y cómo puede ayudarnos como docentes?

La Inteligencia Artificial débil o estrecha es el tipo de IA más común hoy en día. Se le

llama "débil" no porque funcione mal, sino porque está diseñada para hacer una sola
tarea de forma específica y eficiente. A diferencia de la inteligencia humana, que puede
adaptarse a múltiples contextos, la IA estrecha no tiene conciencia ni capacidad de
razonar por sí sola fuera de su programación.

¿Cómo funciona?

La IA estrecha utiliza algoritmos entrenados con grandes cantidades de datos para

“aprender” a tomar decisiones o realizar tareas que antes solo podía hacer una
persona. Sin embargo, solo puede hacer lo que fue programada o entrenada para
hacer: no puede pensar fuera de ese marco.

Ejemplos aplicables y comprensibles para docentes de primaria

1. Asistentes virtuales como Siri, Alexa o el Asistente de Google

Estos programas responden preguntas, ponen alarmas, reproducen música o dan

información del clima, pero no comprenden el contexto real como lo haría una
persona.

Ejemplo en el aula:
Una profesora puede pedirle a su celular:

"Siri, dime un poema corto para niños de primaria"

Y obtendrá una respuesta útil en segundos, pero Siri no sabrá si el grupo tiene
dificultades de lectura o si es una clase bilingüe.

2. Sistemas de recomendación (como Netflix o YouTube Kids)

Estos usan IA estrecha para sugerir videos o contenidos según lo que el estudiante haya
visto antes.

Ejemplo en el aula:
Un estudiante que ve muchos videos de animales en YouTube Kids recibirá más
contenido similar. Esto puede aprovecharse para reforzar aprendizajes en ciencias
naturales, pero requiere supervisión del docente para garantizar que el contenido sea
pertinente y seguro.

3. Aplicaciones educativas como Duolingo o Khan Academy

Estas plataformas utilizan IA estrecha para adaptar las preguntas al nivel del alumno
según sus respuestas. Si un niño responde bien, el sistema sube la dificultad; si se
equivoca, ofrece refuerzos.

Ejemplo pedagógico:
Una docente de 4.º grado puede recomendar Duolingo a estudiantes con dificultades
en inglés. La IA identificará sus errores y reforzará, por ejemplo, vocabulario básico
antes de avanzar a frases completas.

IA para diagnóstico por imagen (en medicina)

En hospitales, la IA ayuda a leer radiografías o detectar anomalías visuales, como caries

o fracturas, con gran precisión. Aunque este uso no es directo para primaria, permite
comprender cómo la IA estrecha colabora con expertos humanos en tareas
especializadas.

En resumen: ¿cómo puede ayudarte la IA estrecha como docente?

 Ahorrando tiempo: automatiza tareas simples como traducciones, búsqueda de

imágenes o creación de preguntas.

 Personalizando el aprendizaje: plataformas adaptativas ajustan el contenido al

ritmo del estudiante.

 Facilitando la inclusión: herramientas con reconocimiento de voz o lectura en

voz alta apoyan a estudiantes con dificultades.
Pero siempre recordemos: la IA estrecha no enseña sola. Requiere del juicio
pedagógico del docente para ser verdaderamente educativa.

2. Inteligencia Artificial Fuerte o General (AGI): ¿La máquina que piensa como un
humano?

La IA Fuerte o IA General (por sus siglas en inglés, AGI: Artificial General Intelligence) es
un concepto todavía teórico, pero muy relevante. Se refiere a una inteligencia artificial
capaz de razonar, aprender, adaptarse y tomar decisiones en cualquier contexto, tal
como lo haría un ser humano.

A diferencia de la IA débil o estrecha, que se especializa en una sola tarea (como

traducir textos o recomendar videos), la IA fuerte tendría una inteligencia flexible y
transversal, capaz de:

 Aprender cualquier materia.

 Resolver problemas nuevos sin entrenamiento previo.

 Usar el sentido común.

 Comprender emociones y contextos sociales.

 Tomar decisiones éticas.

En otras palabras: una IA que “piense” de verdad y actúe con autonomía, no solo como
una herramienta, sino como un “agente inteligente” que entiende el mundo.

¿Existe actualmente la IA Fuerte?

No. Todavía no existe.

Los científicos e ingenieros informáticos están trabajando para desarrollarla, pero
ninguna máquina ha demostrado tener consciencia, empatía ni pensamiento abstracto
como los humanos.

Incluso los sistemas más avanzados hoy, como ChatGPT-4 o DeepMind AlphaFold, no
entienden el significado profundo de lo que hacen. Responden con gran precisión, pero
no "comprenden" como lo haría una persona.

La AGI es aún un proyecto a futuro, con muchos retos éticos, técnicos y filosóficos.
Ejemplos comprensibles para docentes de primaria

Comparación con el aprendizaje infantil

 Un niño de 6 años puede ver un dibujo nuevo, hacer una pregunta sobre él,
imaginar una historia, asociarlo con algo que vivió y decidir si le gusta o no.

 Una IA actual solo describe el dibujo o responde preguntas sobre él, pero no
tiene imaginación, memoria emocional ni autoconciencia.

Si existiera la IA fuerte en el aula... (hipótesis pedagógica)

Imaginemos un futuro en el que un robot con AGI:

 Enseña todas las áreas curriculares con creatividad, adapta sus estrategias
según las emociones del niño, sabe cuándo este se siente triste o aburrido, y
cambia el enfoque didáctico sin que nadie lo programe.

 Participa en reuniones de docentes, toma decisiones con criterios pedagógicos,

planifica clases y evalúa procesos cognitivos y emocionales.

Suena impresionante, pero también riesgoso, porque:

 ¿Podría reemplazar al docente humano?

 ¿Tendría criterio ético y cultural?

 ¿Quién controlaría sus decisiones?

Estas son las grandes preguntas del debate sobre la AGI.

¿Por qué debemos hablar de esto en la escuela?

Aunque aún no exista la AGI, es fundamental que los docentes estén informados,
porque:

 Nuestros estudiantes crecerán en un mundo donde convivirán con sistemas

inteligentes.

 Tenemos el deber de formarlos en pensamiento crítico, ética digital y

ciudadanía frente a la tecnología.
  La educación no debe solo adaptarse a la IA, sino liderar el diálogo pedagógico y
ético sobre ella.

Conclusión para el aula

La IA Fuerte es como el "sueño de una máquina que piensa". Por ahora, es ciencia
ficción. Pero entender su diferencia con la IA actual nos ayuda a educar mejor, con
criterio y responsabilidad.

La clave no es temer a la IA, sino enseñar con humanidad en un mundo cada vez más

3. Inteligencia Artificial Generativa (IA generativa): máquinas que crean contenido

La IA generativa es una de las formas más avanzadas y visibles de la Inteligencia

Artificial actual. A diferencia de otros tipos de IA que solo analizan o clasifican
información, la IA generativa tiene la capacidad de crear cosas nuevas: textos,
imágenes, canciones, videos, voces, dibujos, programas, etc.

Se le llama “generativa” porque genera contenido original, imitando estilos humanos,

pero produciendo algo que no existía antes.

¿Cómo funciona?

Este tipo de IA utiliza tecnologías como:

 Modelos de lenguaje grandes (LLM): como GPT-3, GPT-4 o ChatGPT, que han
sido entrenados con enormes cantidades de texto para aprender a redactar,
traducir, resumir o explicar temas en lenguaje natural.

 Redes Generativas Antagónicas (GANs): un tipo de red neuronal que enfrenta

dos modelos: uno que genera contenido (como imágenes) y otro que evalúa si
ese contenido parece real. Con el tiempo, el generador “aprende” a crear
imágenes que parecen verdaderas.

Ejemplos claros para docentes de primaria

A continuación, te presento ejemplos prácticos y comprensibles de IA generativa

aplicados a la realidad de un docente de primaria:

1. Generación de textos (ChatGPT, GPT-4)

¿Qué hace?
Redacta cuentos, poemas, explicaciones de temas, instrucciones, emails, rúbricas, etc.

Ejemplo en el aula:
Una docente de tercer grado pide a ChatGPT:

“Redacta un cuento corto sobre un zorro y una tortuga que enseñe a los niños a no
burlarse de los demás.”

La IA entrega un cuento listo, que la docente puede adaptar, enriquecer o corregir. Le

ahorra tiempo y da ideas creativas.

2. Creación de imágenes (DALL·E, Craiyon, Bing Image Creator)

¿Qué hace?
Genera imágenes originales a partir de un texto que describe lo que se quiere ver.

Ejemplo en el aula:
Una docente de inicial escribe:

“Dibuja una niña andina que está sembrando papas con su abuelita en los Andes”.

La IA entrega una imagen única, útil para motivar o ilustrar una clase sobre agricultura
o cultura local.

3. Generación de música o voces (Soundraw, ElevenLabs)

¿Qué hace?
Compone melodías simples o genera voces artificiales que leen textos.

Ejemplo en el aula:
Para una actividad de dramatización, un docente puede pedir a la IA una música alegre
de fondo, o una voz que lea los diálogos de un cuento cuando un niño aún no sabe leer
bien.

4. Generación de código o juegos educativos simples (Scratch + IA, Copilot)

¿Qué hace?
Ayuda a crear juegos o páginas web simples a partir de descripciones.

Ejemplo en el aula:
Un docente que no sabe programar puede pedir:

“Haz un juego educativo en Scratch donde el niño arrastre el número correcto a una
operación matemática”.

La IA le guía paso a paso o genera el código base.

¿Qué debemos tener en cuenta como docentes?

Aunque la IA generativa es poderosa, no es perfecta ni mágica. Como docentes,
debemos tener en cuenta:

Limitaciones y riesgos:

1. No siempre dice la verdad: Puede inventar datos o dar información incorrecta.

2. No tiene valores humanos: No comprende emociones, cultura local o

pedagogía.

3. Puede generar contenido inapropiado si no se controla: Por eso se debe usar

con supervisión y criterio.

4. No reemplaza la creatividad del docente: La IA sugiere, apoya y genera ideas,

pero la decisión pedagógica sigue siendo del maestro.

¿Cómo aprovechar la IA generativa en primaria?

Uso pedagógico Ejemplo concreto

Crear materiales adaptados Fichas de lectura para distintos niveles

Diseñar cuentos personalizados Cuentos con nombres de los estudiantes

Planificar actividades
Rúbricas o guías adaptadas a necesidades del aula
diferenciadas

Acompañar en la preparación de
Generar ideas para dinámicas o juegos educativos
clases

Apoyar a estudiantes con Lectura de textos en voz sintética, resúmenes,

dificultades mapas mentales

APLICACIONES DE LA IA EN LA EDUCACIÓN

La IA está transformando la educación desde varios frentes. Algunas aplicaciones

destacadas incluyen:

- Personalización del aprendizaje con IA: atender a cada estudiante como único

La personalización del aprendizaje con apoyo de IA es una de las transformaciones

pedagógicas más valiosas hoy en día. Consiste en adaptar el contenido, el ritmo, las
estrategias y las actividades educativas a las necesidades, intereses y estilo de
aprendizaje de cada estudiante, en lugar de aplicar una única enseñanza para todos
por igual.
Según Luckin et al. (2016), la IA educativa permite ofrecer “itinerarios personalizados”
a partir de la interacción constante con el estudiante, analizando su desempeño,
errores, aciertos, tiempo de respuesta, intereses y estilo cognitivo.

¿Cómo lo hace la IA?

Mediante sistemas adaptativos, la IA:

 Recolecta datos del estudiante (respuestas correctas, tiempo de trabajo,

repeticiones, interacciones).

 Analiza patrones de aprendizaje (por ejemplo: si un niño responde mejor a

imágenes o a instrucciones escritas).

 Ajusta automáticamente las siguientes actividades para que se adapten al ritmo

y nivel del estudiante.

Esto es posible gracias a algoritmos de aprendizaje automático que "aprenden" del

comportamiento del usuario para sugerir el siguiente paso más adecuado para su
progreso.

Ejemplos prácticos y comprensibles para primaria

1. Aplicaciones adaptativas de matemáticas (como Khan Academy Kids o Smartick)

¿Qué hacen?
Estas apps adaptan los ejercicios según el desempeño. Si un niño resuelve bien
problemas de suma, el sistema lo lleva a retos de mayor dificultad. Si tiene dificultades,
repite o refuerza con material más visual o pausado.

Ejemplo de aula:
Un estudiante que tiene problemas con la resta con llevadas puede recibir
explicaciones paso a paso, con dibujos animados, mientras otro ya está resolviendo
problemas con monedas o tiempo.

2. Lectores inteligentes como “Lalilo” o “Read Along” (de Google)

¿Qué hacen?
Evalúan la fluidez lectora del estudiante y ajustan la lectura al nivel de vocabulario y
comprensión. Incluso detectan errores de pronunciación o pausas excesivas.

Ejemplo de aula:
Un niño que aún silabea recibe lecturas con palabras sencillas, mientras otro que ya
comprende inferencias trabaja con cuentos más complejos.

3. Generadores de tareas personalizados (como ChatGPT o Curipod)

¿Qué hacen?
Pueden crear actividades diferenciadas a partir del nivel o tema que el docente
indique. Incluso pueden formular preguntas por niveles de complejidad.

Ejemplo de aula:
Un docente puede pedir a ChatGPT:

“Crea una actividad de comprensión lectora para un estudiante de 4.º grado que aún
no distingue la idea principal.”
Y luego:
“Haz otra para un estudiante del mismo grado que ya puede resumir un texto con sus
propias palabras.”

¿Por qué es útil en el aula primaria?

Porque todos los estudiantes aprenden de forma distinta. Algunos necesitan más
tiempo, otros más práctica, otras visualizaciones. La IA permite que:

 Los estudiantes avancen a su ritmo.

 Se reduzca la frustración por tareas demasiado fáciles o difíciles.

 El docente tenga datos concretos del progreso y pueda intervenir de manera

más efectiva.

¿La IA reemplaza al docente? No. Lo potencia.

El papel del docente sigue siendo insustituible. La IA no conoce el contexto familiar,

cultural, emocional o social del estudiante. Solo el maestro puede:
  Interpretar esos datos con criterio humano.

 Decidir cuándo modificar la estrategia.

 Dar contención afectiva.

 Diseñar experiencias significativas.

Como dice Holmes et al. (2019), “la IA en educación debe ser una herramienta que
amplifica el impacto humano, no que lo sustituye”.

Evaluación automatizada: la IA como apoyo en la retroalimentación y la calificación

La evaluación automatizada es una de las aplicaciones más útiles y visibles de la

Inteligencia Artificial (IA) en el ámbito educativo. Consiste en el uso de algoritmos y
sistemas inteligentes para analizar, calificar o retroalimentar las producciones de los
estudiantes sin intervención humana directa o con intervención parcial del docente.

Estos sistemas permiten corregir de forma rápida, objetiva y continua diversos tipos de
tareas, desde pruebas objetivas hasta ensayos o actividades de participación en
plataformas digitales.

¿Cómo funciona?

1. Recolecta respuestas (de formularios, foros, textos, etc.).

2. Analiza patrones, como la corrección ortográfica, la estructura de ideas, la

precisión de la respuesta, el tiempo de entrega, entre otros.

3. Asigna una calificación (en algunos casos), o bien genera retroalimentación

automática con sugerencias o comentarios.

La IA puede estar integrada en plataformas de evaluación, aplicaciones de aprendizaje,

LMS como Moodle o Google Classroom, o sistemas especializados.

Ejemplos comprensibles para primaria

1. Corrección automática de preguntas cerradas (Google Forms, Kahoot, Quizizz)

¿Qué hacen?
Permiten crear exámenes o juegos con preguntas de opción múltiple, verdadero/falso
o respuestas cortas, que se corrigen automáticamente y entregan resultados
inmediatos.
Ejemplo de aula:
Una profesora aplica un cuestionario de ciencias con Google Forms. Al terminar, cada
estudiante ve su puntaje, los aciertos y los errores, y puede volver a revisar los
contenidos.

2. Evaluación automatizada de redacción (Grammarly, Write & Improve, herramientas

con IA de Word o Google Docs)

¿Qué hacen?
Detectan errores gramaticales, ortográficos, incoherencias, repeticiones y dan
sugerencias de mejora.

Ejemplo de aula:
Los estudiantes escriben una descripción sobre su comunidad. Luego, usan una
herramienta de corrección automática que les indica errores y sugerencias. El docente
los guía para revisar y mejorar su producción escrita.

3. Análisis de participación en entornos virtuales (Moodle, Edmodo, ClassDojo)

¿Qué hacen?
Algunas plataformas analizan la frecuencia de participación, interacciones con
compañeros, número de mensajes enviados, e incluso pueden sugerir niveles de
participación activa o pasiva.

Ejemplo de aula:
En una clase virtual de lectura, un sistema detecta que un estudiante no ha participado
en los foros durante tres días. El docente recibe una alerta para intervenir a tiempo.

Ventajas para el docente de primaria

Ventaja Impacto en el aula

Permite enfocarse en retroalimentación personalizada y

Ahorro de tiempo
planificación

Datos en tiempo real Facilita el monitoreo continuo del aprendizaje

 Ventaja Impacto en el aula

Mejora la
El estudiante puede corregir sus errores inmediatamente
retroalimentación

Más objetividad Reduce el sesgo en la corrección de pruebas objetivas

Limitaciones y consideraciones éticas

 La IA no comprende el contexto emocional, familiar ni cultural del estudiante.

 No puede evaluar competencias como la creatividad, el esfuerzo personal o el

trabajo en grupo sin intervención humana.

 No debe usarse como único instrumento de evaluación, sino como

complemento.

Por ello, el rol del docente sigue siendo esencial: interpretar los datos, moderar los
resultados, y dar la orientación pedagógica final.

“La evaluación automatizada no reemplaza al docente, pero sí lo libera de tareas

repetitivas y le permite enfocarse en procesos de mayor valor humano.”
– Holmes et al. (2019)

Asistencia pedagógica: acompañamiento digital con IA para estudiantes y docentes

La asistencia pedagógica con IA se refiere al uso de sistemas inteligentes como

chatbots, asistentes virtuales y plataformas interactivas que pueden acompañar al
estudiante antes, durante y después del aprendizaje, brindando ayuda inmediata,
recursos personalizados o sugerencias de mejora.

Este tipo de apoyo no reemplaza al docente, pero complementa el proceso educativo al

permitir que el estudiante:

 Reciba respuestas a sus preguntas.

 Repase contenidos a su propio ritmo.

 Obtenga ayuda sin tener que esperar a la siguiente clase.

¿Cómo funciona?

Los asistentes pedagógicos con IA se basan en modelos de lenguaje (como ChatGPT) o

motores de respuesta programados (como los chatbots de Moodle o páginas
educativas). Utilizan algoritmos para interpretar las preguntas del estudiante y ofrecer
una respuesta contextualizada, o bien redireccionarlo a materiales, actividades o
explicaciones adicionales.

Pueden estar integrados en:

 Aplicaciones móviles educativas

 Plataformas LMS (como Moodle o Google Classroom)

 Asistentes conversacionales tipo “chat” en páginas web escolares

 Herramientas de IA generativa (como ChatGPT)

Ejemplos comprensibles para docentes de primaria

1. Chatbots escolares simples

¿Qué hacen?
Responden preguntas frecuentes o explican contenidos básicos.

Ejemplo:
En una plataforma del colegio, el estudiante escribe:

"¿Qué es un adjetivo?"
El chatbot responde con una definición sencilla y ejemplos. Si el niño pregunta de
nuevo, recibe otra explicación, tal vez con un dibujo o actividad.

2. ChatGPT como tutor digital

¿Qué hace?
Responde preguntas abiertas, genera textos, corrige errores o ayuda a repasar
contenidos.

Ejemplo:
Una docente enseña fracciones y deja como tarea usar ChatGPT para practicar. Un niño
escribe:
"Explícame cómo se suman fracciones con diferente denominador"
Y ChatGPT le da una explicación paso a paso, con ejemplos visuales.

También puede pedirle:

“Inventa 5 problemas de suma con fracciones para tercer grado”

3. Asistentes de lectura o escritura (como “Scribo” o “Quillionz”)

¿Qué hacen?
Sugieren mejoras en redacciones, explican errores de ortografía, ayudan a encontrar
sinónimos, o generan preguntas sobre un texto leído.

Ejemplo:
Una niña escribe una historia y recibe de la IA sugerencias para mejorar la secuencia,
ampliar vocabulario o corregir el uso de los tiempos verbales.

¿Por qué es útil esta asistencia pedagógica?

Beneficio Aplicación en primaria

Acompaña fuera del aula El estudiante puede repasar en casa sin depender del docente

Refuerza aprendizajes Ofrece explicaciones diferenciadas según la consulta

Responde con paciencia El estudiante puede preguntar muchas veces sin sentirse mal

Personaliza el apoyo La IA adapta las respuestas según el nivel del niño

¿Qué límites tiene?

 La IA no comprende emociones ni contextos personales.

 Puede dar respuestas incorrectas o muy generales, por eso necesita supervisión
del docente o los padres.

 No reemplaza al maestro: la mediación pedagógica y afectiva sigue siendo

humana.

Como afirma Holmes et al. (2019), “el rol del docente es interpretar y enriquecer la
información que brinda la IA, no simplemente delegar el aprendizaje en ella.”

¿Cómo pueden los docentes de primaria usar esta IA como aliada?

  Para crear recursos personalizados: cuentos, preguntas, ejercicios, juegos.

 Para ayudar a estudiantes rezagados con tareas repetitivas o prácticas

adicionales.

 Para fomentar el autoaprendizaje en los más curiosos.

 Para atender con más calma a quienes requieren guía humana, mientras la IA
atiende dudas técnicas o básicas.

Producción de recursos educativos:

Con IA generativa, los docentes pueden crear rápidamente guías, rúbricas,

evaluaciones personalizadas o materiales visuales de apoyo, reduciendo la carga
administrativa.

Desafíos éticos y pedagógicos del uso de la IA en la escuela

El avance de la Inteligencia Artificial en educación ofrece oportunidades valiosas, pero

también plantea serios retos que no deben pasarse por alto, especialmente en niveles
sensibles como la educación primaria, donde el desarrollo integral del niño es
prioritario.

El investigador Neil Selwyn (2019) lo resume con claridad: “No basta con adoptar
tecnologías inteligentes, hay que hacerlo con una mirada crítica, cuidando que no
afecten la equidad, la autonomía ni la calidad humana del aprendizaje”.

Veamos a continuación los principales desafíos, con ejemplos contextualizados para el

aula primaria.

1. Sesgos algorítmicos: la IA también puede discriminar

Los algoritmos aprenden de grandes cantidades de datos. Si esos datos contienen

prejuicios o desigualdades sociales (por ejemplo, de género, raza, idioma o clase
social), la IA puede reproducirlos o incluso ampliarlos.

Ejemplo en primaria:

Imagina que una aplicación de lectura ha sido entrenada con voces de hablantes del
inglés británico. Si un niño en Trujillo pronuncia una palabra con acento local, la IA
podría marcarla como incorrecta, aunque sea comprensible y correcta en su contexto.
Esto puede afectar su autoestima o generar frustración innecesaria.

¿Qué hacer como docentes?

 Elegir herramientas con enfoque inclusivo.

 Acompañar al niño para explicarle que no es su culpa si la máquina se equivoca.

 Fomentar el uso de IA como una ayuda, no como un juez.

2. Privacidad de datos: proteger la información de nuestros estudiantes

Muchas plataformas de IA recogen datos sensibles: nombre, edad, rendimiento,

errores, hábitos de estudio, ubicación, etc. Si esta información no está protegida
adecuadamente, podría ser usada con fines comerciales o caer en manos equivocadas.

Ejemplo en primaria:

Una aplicación gratuita solicita el nombre completo del niño, su fecha de nacimiento, y
analiza todo lo que escribe. ¿Dónde se guarda esa información? ¿Quién la usa? ¿Con
qué fines?

¿Qué hacer como docentes?

 Revisar siempre las políticas de privacidad antes de usar una herramienta.

 Usar pseudónimos o cuentas de aula en lugar de datos personales.

 Explicar a las familias la importancia de la protección digital y los derechos del

niño en internet.

3. Rol del docente: no se puede automatizar el vínculo pedagógico

Uno de los riesgos más grandes es creer que la IA puede reemplazar al maestro,
cuando en realidad debe estar al servicio del proceso humano de enseñar y aprender.

La IA puede generar una ficha, corregir una prueba o explicar un concepto, pero:

 No puede interpretar las emociones del niño.

  No sabe si un estudiante está pasando por un duelo, tiene hambre o miedo.

 No tiene empatía, intuición ni compromiso ético.

Ejemplo en primaria:

Una aplicación detecta que un estudiante falló 5 ejercicios seguidos y le sugiere que
repita todo. El maestro, en cambio, se da cuenta de que el niño está desmotivado
porque fue excluido en el recreo. La IA no lo ve. El docente sí.

¿Qué hacer como docentes?

 Recordar que la pedagogía no es solo transmisión de contenidos: también es

acompañamiento emocional, ética y formación en valores.

 Usar la IA como una herramienta complementaria, no como sustituto.

 Desarrollar en los niños una mirada crítica frente a las tecnologías.

En síntesis: usar la IA con criterio humano y mirada pedagógica

Como docentes de primaria, somos los mediadores entre la tecnología y la infancia.

Podemos aprovechar las ventajas de la IA —su rapidez, adaptabilidad y alcance— pero
sin perder el sentido humano, ético y contextual de la educación.

La clave no es decir “sí” o “no” a la IA, sino preguntar: “¿Cómo la uso para educar
mejor, respetando la dignidad de cada niño?”

Conclusión

La IA representa una oportunidad poderosa para transformar la educación, siempre

que se entienda y se aplique con sentido pedagógico y ético. No se trata solo de usar
herramientas digitales, sino de replantear cómo aprendemos, enseñamos y
evaluamos en la era del conocimiento.

Referencias bibliográficas

 Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies

[Superinteligencia: Caminos, peligros, estrategias]. Oxford University Press.
 Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... &
Amodei, D. (2020). Language models are few-shot learners [Los modelos de
lenguaje aprenden con pocos ejemplos]. arXiv preprint arXiv:2005.14165.
https://doi.org/10.48550/arXiv.2005.14165

 Goertzel, B., & Pennachin, C. (Eds.). (2007). Artificial General Intelligence

[Inteligencia artificial general]. Springer.

 González, L., & Ramírez, F. (2020). Ambientes virtuales de aprendizaje en la

educación superior: análisis comparativo de plataformas LMS. Revista
Educación y Tecnología, 14(2), 33–48.
https://doi.org/10.35622/j.rie.2020.02.003

 Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ...
& Bengio, Y. (2014). Generative adversarial networks [Redes generativas
antagónicas]. arXiv preprint arXiv:1406.2661.
https://doi.org/10.48550/arXiv.1406.2661

 Hendler, J. (2008). Avoiding another AI winter [Evitando otro invierno de la IA].

IEEE Intelligent Systems, 23(2), 2–4. https://doi.org/10.1109/MIS.2008.19

 Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education:
Promises and Implications for Teaching and Learning [Inteligencia artificial en la
educación: Promesas e implicancias para la enseñanza y el aprendizaje]. Center
for Curriculum Redesign.

 LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning [Aprendizaje profundo].
Nature, 521(7553), 436–444. https://doi.org/10.1038/nature14539

 Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence
Unleashed: An Argument for AI in Education [Inteligencia desatada: Un
argumento a favor de la IA en la educación]. Pearson Education.

 McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal
for the Dartmouth Summer Research Project on Artificial Intelligence [Una
propuesta para el Proyecto de Investigación de Verano en Dartmouth sobre
Inteligencia Artificial].
https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

 Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th
ed.) [Inteligencia artificial: Un enfoque moderno]. Pearson.

 Salinas, J. (2004). Innovación docente y uso de las TIC en la enseñanza

universitaria. Revista Universidad y Sociedad del Conocimiento, 1(1), 1–16.
https://rusc.uoc.edu
 Selwyn, N. (2019). Should Robots Replace Teachers? AI and the Future of
Education [¿Deben los robots reemplazar a los docentes? La IA y el futuro de la
educación]. Polity Press.

 Tegmark, M. (2017). Life 3.0: Being human in the age of artificial intelligence
[Vida 3.0: Ser humano en la era de la inteligencia artificial]. Alfred A. Knopf.

 Turing, A. M. (1950). Computing machinery and intelligence [Máquinas de

computación e inteligencia]. Mind, 59(236), 433–460.

 Williamson, B. (2020). Big Data in Education: The digital future of learning,

policy and practice [Big data en la educación: El futuro digital del aprendizaje, la
política y la práctica]. SAGE.

 Woolf, B. P. (2010). Building Intelligent Interactive Tutors: Student-centered

strategies for revolutionizing e-learning [Construyendo tutores interactivos
inteligentes: Estrategias centradas en el estudiante para revolucionar el e-
learning]. Morgan Kaufmann.

 Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic
review of research on artificial intelligence applications in higher education –
Where are the educators? [Revisión sistemática de investigaciones sobre
aplicaciones de inteligencia artificial en educación superior – ¿Dónde están los
educadores?]. International Journal of Educational Technology in Higher
Education, 16(1), 1–27. https://doi.org/10.1186/s41239-019-0171-0