Secuencia didáctica para clasificar aplicaciones de IA en educación

Área: Ciencias de la Educación

Asignatura: Licenciatura en Tecnología e Informática

Nivel: Universitarios: pensamiento analítico y crítico, manejo de fuentes académicas y rigor conceptual disciplinar

Duración: Tres sesiones de 2 horas cada una, distribuidas en tres semanas. Total: 6 horas.

Meta de aprendizaje: Clasifica la inteligencia artificial según sus aplicaciones en educación.

Propósito de la secuencia

Esta secuencia guía al estudiantado desde la identificación de aplicaciones de inteligencia artificial presentes en contextos educativos hasta la construcción de clasificaciones justificadas. Se trabajará con dos criterios complementarios:

• Funciones pedagógicas: tutoría inteligente, personalización del aprendizaje, retroalimentación, evaluación y recomendación de contenidos.
• Ámbitos de gestión educativa: apoyo a la docencia, analítica del aprendizaje, administración académica, orientación estudiantil y accesibilidad.

El énfasis no estará en clasificar una herramienta únicamente por su nombre o por la tecnología que emplea, sino por la función educativa que cumple, los datos que utiliza, las decisiones que apoya y los actores que intervienen. Cuando una aplicación pueda pertenecer a más de una categoría, el estudiantado deberá establecer una categoría principal y justificar las categorías secundarias.

Objetivo de aprendizaje SMART

Al finalizar las tres sesiones, el estudiantado clasificará correctamente al menos 8 de 10 casos de aplicaciones de inteligencia artificial en educación, diferenciando entre funciones pedagógicas y ámbitos de gestión educativa, y justificará cada decisión mediante dos criterios observables del caso y al menos una referencia académica o institucional pertinente, con un desempeño mínimo de nivel competente en la rúbrica analítica.

Criterios de clasificación que se utilizarán

Criterio	Categoría	Indicadores para reconocerla	Ejemplo contextualizado en tecnología e informática
Funciones pedagógicas	Tutoría inteligente	Dialoga con el estudiante, ofrece pistas, explica procedimientos y adapta la interacción durante la resolución de una tarea.	Un sistema que acompaña a estudiantes de programación mediante preguntas graduadas y explicaciones sobre errores de lógica.
	Personalización del aprendizaje	Ajusta la secuencia, dificultad, ritmo o tipo de recurso según el perfil, desempeño o necesidades del estudiante.	Una plataforma que modifica la ruta de aprendizaje de bases de datos según los resultados obtenidos en actividades previas.
	Retroalimentación	Analiza una producción y proporciona información para mejorarla, sin que su función principal sea asignar una calificación.	Un asistente que revisa el código de un estudiante y señala problemas de estructura, legibilidad o eficiencia.
	Evaluación	Recoge evidencias, estima niveles de logro, genera puntuaciones o apoya decisiones de acreditación.	Un sistema que analiza respuestas de un examen de programación y propone una calificación según una rúbrica previamente definida.
	Recomendación de contenidos	Sugiere recursos, ejercicios o materiales a partir de intereses, desempeño, historial o necesidades identificadas.	Una aplicación que recomienda videos y prácticas sobre redes informáticas después de detectar dificultades en direccionamiento IP.
Ámbitos de gestión educativa	Apoyo a la docencia	Facilita la planificación, creación de materiales, diseño de actividades o gestión cotidiana del trabajo docente.	Un asistente que ayuda a elaborar una secuencia para enseñar algoritmos, la adapta a distintos niveles y propone instrumentos de evaluación.
	Analítica del aprendizaje	Integra y analiza datos sobre participación, desempeño o trayectorias para identificar patrones y apoyar decisiones educativas.	Un tablero que detecta baja participación en el aula virtual de programación y alerta sobre estudiantes en riesgo de abandono.
	Administración académica	Apoya procesos institucionales como matrícula, horarios, asignación de aulas, gestión documental o seguimiento de trámites.	Un sistema que optimiza la asignación de laboratorios de informática según disponibilidad, grupos y requerimientos técnicos.
	Orientación estudiantil	Apoya la toma de decisiones académicas, la elección de trayectorias, la identificación de apoyos o la derivación a servicios.	Un asistente que orienta a estudiantes sobre electivas de programación a partir de sus intereses y trayectoria curricular, con revisión de un tutor.
	Accesibilidad	Reduce barreras de participación mediante conversión de formatos, reconocimiento de voz, subtitulado, lectura asistida o interfaces adaptadas.	Una herramienta que subtitula una clase sobre sistemas operativos y genera una transcripción navegable para estudiantes con discapacidad auditiva.

Materiales y recursos generales

• Tablero, marcadores y notas adhesivas o tarjetas de papel.
• Guía impresa de criterios de clasificación.
• Dossier de lecturas breves con fragmentos de fuentes académicas e institucionales.
• Tarjetas impresas con casos de aplicaciones de IA en educación.
• Matriz de clasificación por función, evidencia, categoría principal, categoría secundaria y justificación.
• Rúbrica analítica de evaluación.
• Computador y proyector, si están disponibles.
• Opcionalmente, hoja de cálculo o formulario digital para sistematizar las clasificaciones. No es indispensable para desarrollar la secuencia.

Fuentes sugeridas para el dossier académico

El docente puede entregar fragmentos de estas fuentes, acompañados por preguntas de lectura. La intención no es memorizar autores, sino utilizar conceptos y criterios con respaldo académico.

• Holmes, W., Bialik, M. y Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.
• Luckin, R., Holmes, W., Griffiths, M. y Forcier, L. B. (2016). Intelligence Unleashed: An Argument for AI in Education. Pearson.
• Zawacki-Richter, O., Marín, V. I., Bond, M. y Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16.
• UNESCO (2023). Guidance for Generative AI in Education and Research.
• Society for Learning Analytics Research. Conceptos introductorios sobre analítica del aprendizaje y uso responsable de datos educativos.

Secuencia de actividades

Sesión 1. De la herramienta al uso educativo: construir criterios de clasificación

Duración: 120 minutos.

Actividad 1. Activación y problematización: “¿Qué hace realmente esta aplicación?”

Objetivo parcial: Distinguir entre una herramienta de IA, su función técnica y la aplicación educativa concreta que desarrolla.

Materiales: Tablero, tarjetas con descripciones breves de aplicaciones y notas adhesivas.

Tiempo: 20 minutos.

1. Docente, 5 minutos: Presenta cuatro situaciones: un chatbot que explica código, un generador de preguntas, un tablero que identifica estudiantes en riesgo y un sistema que recomienda recursos.
2. Docente, 5 minutos: Pregunta: “¿En qué categoría ubicarían cada situación y qué evidencia de la descripción respalda su decisión?”. Registra las respuestas sin corregirlas inmediatamente.
3. Estudiantes, 7 minutos: Clasifican individualmente las situaciones y escriben una justificación de una o dos frases.
4. Estudiantes, 3 minutos: Comparan sus decisiones con un compañero e identifican un caso en el que existan diferencias.

Transición: Antes de pasar a la siguiente actividad, verifica que el grupo pueda explicar la diferencia entre “usar IA” y “aplicar IA con una finalidad educativa específica”. Recupera dos respuestas contradictorias para analizarlas posteriormente.

Actividad 2. Lectura analítica de fuentes: identificar dimensiones de uso

Objetivo parcial: Extraer de fuentes académicas criterios conceptuales para clasificar aplicaciones de IA en educación.

Materiales: Dossier de lecturas, guía de análisis y resaltadores.

Tiempo: 35 minutos.

1. Docente, 5 minutos: Explica que una clasificación rigurosa debe basarse en rasgos observables y no en impresiones generales como “es una herramienta inteligente”.
2. Docente, 5 minutos: Modela el análisis de un fragmento. Señala cómo identificar: finalidad educativa, usuario principal, datos utilizados, decisión apoyada y resultado producido.
3. Estudiantes, 15 minutos: En grupos de tres, leen fragmentos sobre IA para enseñanza, analítica del aprendizaje, evaluación y accesibilidad.
4. Estudiantes, 10 minutos: Completan esta tabla:

Fragmento o idea central	Finalidad educativa	Actor principal	Evidencia textual	Posible categoría
Respuesta del grupo	Qué problema o necesidad aborda	Estudiante, docente, institución u otro	Concepto o afirmación de la fuente	Categoría provisional

Transición: Antes de pasar a la siguiente actividad, verifica que cada grupo haya sustentado al menos una categoría con una idea explícita de la lectura y no solo con un ejemplo personal.

Actividad 3. Construcción de una matriz de clasificación

Objetivo parcial: Organizar las categorías de funciones pedagógicas y ámbitos de gestión educativa mediante criterios diferenciados.

Materiales: Tarjetas de categorías, papelógrafo o documento compartido, matriz de clasificación.

Tiempo: 45 minutos.

1. Docente, 10 minutos: Presenta la diferencia entre una clasificación por función pedagógica y una clasificación por ámbito de gestión. Aclara que ambas pueden coexistir en una misma aplicación.
2. Docente, 5 minutos: Explica la regla de decisión: “La categoría principal se determina por la finalidad dominante descrita en el caso; la categoría secundaria se registra solo si existe evidencia suficiente”.
3. Estudiantes, 20 minutos: En grupos, organizan las diez categorías en dos mapas: uno de funciones pedagógicas y otro de ámbitos de gestión. Para cada categoría escriben un indicador y un contraejemplo.
4. Estudiantes, 10 minutos: Comparan sus mapas con otro grupo y realizan una corrección argumentada.

Preguntas detonadoras del docente:

• ¿La aplicación modifica el aprendizaje del estudiante o solo informa una decisión institucional?
• ¿Produce retroalimentación para mejorar o una puntuación para valorar el logro?
• ¿Recomienda contenidos o cambia automáticamente la trayectoria de aprendizaje?
• ¿Quién utiliza principalmente el resultado: estudiante, docente, orientador o administración?

Transición: Antes de pasar al cierre, verifica que cada grupo pueda diferenciar “retroalimentación” de “evaluación”, y “recomendación de contenidos” de “personalización del aprendizaje”. Solicita una explicación breve para cada diferencia.

Actividad 4. Cierre y evaluación formativa

Objetivo parcial: Identificar avances y confusiones conceptuales iniciales.

Tiempo: 20 minutos.

1. Docente, 8 minutos: Solicita a cada grupo una conclusión: “La clasificación es rigurosa cuando…”. Recoge las respuestas en el tablero.
2. Estudiantes, 7 minutos: Responden individualmente: “¿Qué categoría confundía y qué criterio me permite diferenciarla ahora?”.
3. Docente, 5 minutos: Aplica un ticket de salida con un caso breve: “Una plataforma detecta que un estudiante falla en estructuras de control y le asigna ejercicios adicionales de dificultad progresiva”. El estudiante debe indicar categoría principal, posible categoría secundaria y evidencia.

Sesión 2. Aplicar criterios a casos educativos complejos

Duración: 120 minutos.

Actividad 1. Revisión del ticket y ajuste de criterios

Objetivo parcial: Corregir clasificaciones iniciales utilizando evidencias del caso.

Materiales: Tickets de salida, tablero y matriz de criterios.

Tiempo: 20 minutos.

1. Docente, 8 minutos: Presenta tres respuestas anónimas del ticket de salida: una correcta, una que confunde evaluación con retroalimentación y una que confunde personalización con recomendación.
2. Estudiantes, 7 minutos: Analizan las respuestas y señalan qué evidencia fue utilizada correctamente o qué criterio faltó.
3. Docente, 5 minutos: Formaliza la distinción: recomendar un recurso no implica necesariamente modificar toda la trayectoria; retroalimentar no equivale necesariamente a calificar.

Transición: Antes de iniciar el análisis de casos, verifica que el grupo pueda formular una justificación con la estructura: “Se clasifica como…, porque el caso evidencia…, y se diferencia de… debido a…”.

Actividad 2. Laboratorio de clasificación de casos

Objetivo parcial: Clasificar aplicaciones de IA según función pedagógica y ámbito de gestión, justificando las decisiones con evidencias explícitas.

Materiales: Seis tarjetas de casos, matriz de análisis, dossier de fuentes y rúbrica simplificada.

Tiempo: 55 minutos.

Casos contextualizados:

• Caso A: Un asistente conversacional acompaña a estudiantes de programación. No entrega directamente la solución; formula preguntas, ofrece pistas y explica conceptos de recursividad cuando el estudiante demuestra una dificultad específica.
• Caso B: Una plataforma analiza los resultados de ejercicios de redes y cambia la secuencia de actividades: asigna prácticas de direccionamiento IP antes de avanzar a enrutamiento.
• Caso C: Un sistema revisa proyectos de bases de datos, compara el diseño con una rúbrica y genera una puntuación preliminar junto con comentarios sobre normalización.
• Caso D: Un tablero institucional integra asistencia, entregas y calificaciones de varios cursos de tecnología para alertar al equipo académico sobre posibles riesgos de abandono.
• Caso E: Un servicio institucional organiza automáticamente los horarios de laboratorios según número de estudiantes, software requerido y disponibilidad de equipos.
• Caso F: Una herramienta convierte las clases grabadas de sistemas operativos en subtítulos, transcripción y texto compatible con lectores de pantalla.

1. Docente, 5 minutos: Explica que cada grupo deberá asignar una categoría principal y, cuando corresponda, una secundaria.
2. Estudiantes, 25 minutos: Analizan tres casos por grupo y completan la matriz:

Elemento	Respuesta del grupo
Finalidad principal de la aplicación
Usuario o actor que utiliza principalmente el resultado
Datos o evidencias que utiliza
Categoría principal
Categoría secundaria, si existe
Evidencia textual del caso
Justificación conceptual con apoyo de una fuente

3. Estudiantes, 15 minutos: Intercambian una matriz con otro grupo, revisan la precisión de la clasificación y formulan una pregunta crítica.
4. Docente, 10 minutos: Realiza retroalimentación focalizada sobre los casos que generen más desacuerdo.

Transición: Antes de pasar al debate, verifica que cada clasificación incluya una evidencia del caso, un criterio conceptual y una explicación de por qué no se eligió otra categoría cercana.

Actividad 3. Debate de decisiones clasificatorias

Objetivo parcial: Defender y revisar una clasificación a partir de argumentos conceptuales y evidencia del caso.

Materiales: Matrices elaboradas y tarjetas de “acuerdo”, “objeción” y “solicitud de evidencia”.

Tiempo: 30 minutos.

1. Docente, 5 minutos: Establece la regla de discusión: se cuestionan las razones, no las personas; toda objeción debe referirse a una categoría y a una evidencia.
2. Estudiantes, 15 minutos: Dos grupos presentan un caso controvertido durante dos minutos cada uno. Los demás formulan objeciones o solicitan evidencias.
3. Docente, 10 minutos: Sistematiza en el tablero las razones que permiten elegir categoría principal y categoría secundaria.

Preguntas detonadoras:

• ¿Qué cambiaría en la clasificación si el sistema dejara de recomendar recursos y comenzara a modificar automáticamente la secuencia?
• ¿Una puntuación preliminar convierte necesariamente la herramienta en un sistema de evaluación? ¿Qué otros datos hacen falta?
• ¿La analítica del aprendizaje es una función pedagógica directa o un ámbito de gestión que puede apoyar varias decisiones?
• ¿Qué riesgos aparecen si la clasificación se basa únicamente en la descripción comercial de una herramienta?

Actividad 4. Síntesis individual

Objetivo parcial: Consolidar la diferencia entre clasificación por función pedagógica y clasificación por ámbito de gestión.

Tiempo: 15 minutos.

1. Estudiantes, 10 minutos: Elaboran un cuadro comparativo con dos ejemplos: una aplicación clasificada por función pedagógica y otra por ámbito de gestión.
2. Docente, 5 minutos: Revisa rápidamente las respuestas y selecciona confusiones que deberán resolverse en la sesión 3.

Sesión 3. Integración, clasificación de casos ambiguos y evaluación

Duración: 120 minutos.

Actividad 1. Análisis de casos ambiguos

Objetivo parcial: Reconocer que una aplicación puede cumplir varias funciones y establecer una clasificación principal justificada.

Materiales: Casos ambiguos, matriz de decisión y fuentes del dossier.

Tiempo: 25 minutos.

Casos para discusión:

• Asistente para proyectos: analiza el avance de un proyecto de desarrollo de software, recomienda tutoriales, genera preguntas de reflexión y envía al docente una alerta sobre estudiantes que no han progresado.
• Sistema de orientación curricular: recomienda asignaturas optativas de inteligencia artificial según rendimiento, intereses, trayectoria y cupos disponibles.
• Plataforma de escritura técnica: genera comentarios sobre informes de tecnología, asigna un nivel preliminar y permite al estudiante solicitar ejemplos para mejorar.

1. Docente, 5 minutos: Explica que la ambigüedad no significa que todas las respuestas sean igualmente válidas; la calidad depende de la evidencia y de la coherencia del criterio.
2. Estudiantes, 15 minutos: Clasifican un caso y formulan una justificación que incluya categoría principal, secundaria, evidencia y límite de la decisión.
3. Docente, 5 minutos: Solicita que dos grupos comparen cómo el propósito dominante modifica la clasificación.

Transición: Antes de pasar a la producción integradora, verifica que el estudiantado no enumere categorías sin jerarquizarlas y que pueda explicar qué información adicional necesitaría para modificar su decisión.

Actividad 2. Producción integradora: ficha de clasificación de una aplicación

Objetivo parcial: Aplicar de manera autónoma un procedimiento de clasificación a una aplicación de IA vinculada con la formación en tecnología e informática.

Materiales: Plantilla de ficha, fuentes académicas, computador opcional o papel.

Tiempo: 45 minutos.

Cada pareja selecciona una aplicación real o construye una descripción hipotética situada en un programa de tecnología e informática. La ficha debe contener:

1. Nombre o descripción funcional de la aplicación.
2. Problema educativo o institucional que intenta resolver.
3. Usuarios principales y decisiones que apoya.
4. Datos o evidencias que utiliza.
5. Clasificación principal por función pedagógica o ámbito de gestión.
6. Clasificación secundaria, si existe.
7. Dos evidencias del caso que sustenten la decisión.
8. Una referencia académica o institucional que permita respaldar el criterio.
9. Una posible limitación, riesgo o condición de uso responsable.

Acciones del docente: Orienta mediante preguntas, revisa que la clasificación no se base en el nombre de la herramienta y solicita precisión cuando el grupo use términos como “personalizado”, “inteligente” o “automático” sin definirlos.

Acciones del estudiante: Analiza, clasifica, argumenta, consulta las fuentes y revisa la coherencia entre la finalidad descrita y la categoría seleccionada.

Transición: Antes de socializar las fichas, verifica que cada producto incluya una categoría principal, una justificación con evidencia y una fuente. Si falta alguno de estos elementos, la pareja debe completarlo antes de presentar.

Actividad 3. Socialización y revisión entre pares

Objetivo parcial: Evaluar la precisión conceptual de una clasificación y proponer mejoras argumentadas.

Materiales: Fichas de clasificación y lista de cotejo breve.

Tiempo: 30 minutos.

1. Estudiantes, 15 minutos: Realizan una exposición breve o galería de fichas. Cada pareja revisa al menos dos productos de otros compañeros.
2. Estudiantes, 10 minutos: Aplican la lista de cotejo:

• ¿La categoría principal corresponde a la finalidad dominante?
• ¿La evidencia del caso respalda la clasificación?
• ¿Se distingue entre función pedagógica y ámbito de gestión?
• ¿La fuente utilizada es pertinente para el argumento?
• ¿Se reconoce alguna limitación o riesgo?

3. Docente, 5 minutos: Selecciona dos fichas contrastantes y conduce una revisión colectiva.

Actividad 4. Evaluación individual y metacognición

Objetivo parcial: Demostrar individualmente la capacidad de clasificar y justificar aplicaciones de IA en educación.

Tiempo: 20 minutos.

1. Docente, 3 minutos: Entrega dos casos nuevos y explica que la respuesta debe incluir categoría principal, evidencia y justificación.
2. Estudiantes, 12 minutos: Resuelven individualmente los casos.
3. Estudiantes, 5 minutos: Responden: “¿Qué criterio utilizo primero cuando una aplicación parece pertenecer a varias categorías?”.

Casos de evaluación:

• Una plataforma institucional analiza los registros de acceso a cursos virtuales, identifica patrones de baja participación y genera alertas para que el coordinador contacte a los estudiantes.
• Un entorno de aprendizaje propone ejercicios adicionales sobre programación orientada a objetos y ajusta su dificultad según los errores que el estudiante comete.

Evaluación

Evidencias de aprendizaje

• Ticket de salida de la sesión 1.
• Matriz grupal de clasificación de casos.
• Participación en el debate argumentado.
• Ficha integradora de clasificación.
• Resolución individual de los dos casos finales.

Rúbrica analítica

Criterio	4. Sobresaliente	3. Competente	2. En desarrollo	1. Inicial
Precisión conceptual	Diferencia con precisión las diez categorías y reconoce relaciones entre funciones pedagógicas y ámbitos de gestión.	Clasifica correctamente la mayoría de los casos y distingue las categorías cercanas con errores menores.	Clasifica algunos casos, pero confunde categorías próximas como evaluación y retroalimentación.	Utiliza categorías de forma indistinta o se basa solo en el nombre de la herramienta.
Uso de evidencias del caso	Utiliza dos o más evidencias concretas y las relaciona directamente con la categoría elegida.	Utiliza al menos una evidencia pertinente para justificar la clasificación.	Presenta evidencias generales o parcialmente relacionadas con la categoría.	No utiliza evidencias del caso o sus evidencias contradicen la decisión.
Justificación argumentada	Explica la categoría principal, la posible categoría secundaria y por qué descarta alternativas cercanas.	Explica de manera coherente la categoría principal y su diferencia con al menos una alternativa.	Afirma la categoría, pero la explicación es incompleta o descriptiva.	Enumera una categoría sin justificarla.
Uso de fuentes	Integra una fuente pertinente, la interpreta correctamente y la conecta con el análisis del caso.	Utiliza una fuente pertinente para respaldar el criterio de clasificación.	Menciona una fuente, pero la conexión con el argumento es débil.	No utiliza fuentes o emplea referencias no pertinentes.
Aplicación al campo de tecnología e informática	Relaciona la clasificación con decisiones concretas de docencia, aprendizaje o gestión en programas de tecnología e informática.	Presenta una aplicación pertinente al campo disciplinar.	La relación con el campo es general o poco desarrollada.	El ejemplo no corresponde al contexto educativo solicitado.

Interpretación sugerida: El logro esperado corresponde a un desempeño mínimo de nivel 3 en todos los criterios. Para evidenciar el objetivo SMART, la resolución individual deberá alcanzar al menos 8 clasificaciones correctas de 10 casos trabajados durante la secuencia, considerando las actividades grupales y la evaluación final.

Errores conceptuales que se deben anticipar

• “Todo chatbot es tutoría inteligente”. Aclarar que la tutoría depende de que el sistema acompañe el proceso mediante explicaciones, pistas o preguntas, no solo de que converse.
• “Recomendación y personalización son lo mismo”. Explicar que recomendar un recurso es una acción puntual; personalizar implica ajustar la trayectoria, dificultad, ritmo o secuencia de aprendizaje.
• “Toda retroalimentación es evaluación”. Diferenciar la información para mejorar de la asignación de un juicio, puntuación o nivel de logro.
• “Analítica del aprendizaje es una función pedagógica”. Precisar que suele ser un ámbito de gestión o análisis de datos que puede apoyar tutoría, evaluación, orientación o prevención del abandono.
• “La categoría depende de la herramienta”. Reforzar que la clasificación depende de la finalidad educativa concreta y del modo en que se utiliza.
• “Si una aplicación tiene varias funciones, todas tienen el mismo peso”. Solicitar que se identifique la finalidad dominante y se justifiquen las categorías secundarias.

Adaptación ante fallas de conectividad o disponibilidad tecnológica

La secuencia puede desarrollarse sin conexión ni dispositivos porque los casos, fragmentos de fuentes y matrices se entregan impresos. Si se dispone de computadores, las fichas pueden elaborarse en un documento compartido o una hoja de cálculo. Si falla la conectividad, se mantienen las mismas actividades utilizando las tarjetas impresas y el papelógrafo; la fuente académica debe estar previamente descargada o impresa. No se recomienda utilizar ChatGPT como fuente de clasificación sin análisis crítico: si se emplea, su respuesta deberá tratarse como un objeto de revisión y contrastarse con las fuentes del dossier.