Análisis de casos global-local con IA: definición del problema, generación de alternativas, criterios de evaluación, decisión justificada, reflexión crítica y conexión con el entorno. Niveles 2 a 6 de la taxonomía de Bloom, rúbrica de proceso y evidencias obligatorias.
Elige un producto, decide qué puede aportar la IA y qué hará el estudiante; relaciona la actividad con las tres literacidades y con evidencias de aprendizaje.
Un estudio multi-método (N=912, China–Europa–EE.UU.) que reformula el debate sobre la IA en el aula: cuando el estudiante encuadra a la IA como compañero intelectual y no como herramienta, la delegación cognitiva deja de ser un atajo y se vuelve liberación de recursos para el pensamiento de orden superior.
Tres documentos orientadores para bachillerato, licenciatura y posgrado, con sus PDF completos y una comparación que distingue lo común de lo específico de cada nivel.
Tres fuentes externas en inglés —webinars, videos y un curso— para adaptar una sugerencia sobre uso educativo de IA y revisarla con el propósito, los datos y la evidencia de una actividad.
Selwyn nombra cuatro límites que el discurso celebratorio de IA en educación rara vez reconoce: modelización estadística, daños a estudiantes de grupos en minoría o en desventaja, pérdidas por hacer la educación ’legible por máquinas’, y costos ecológicos.
Primera referencia global publicada por UNESCO en septiembre 2024 con cinco áreas de competencia y tres niveles de progresión para docentes que integran IA en su práctica.
Guía web y cursos externos en inglés para revisar instrucciones destinadas a una IA: compara dos versiones y contrasta sus respuestas con el material original.
La IA generativa obliga a revisar qué evidencia permite valorar aprendizaje; la autenticidad ofrece criterios situados, no una receta inmune a la automatización.
Un marco tentativo para analizar cómo las posibilidades y los límites de la IA generativa interactúan con la alfabetización en retroalimentación del estudiantado.
