Reúne los fundamentos conceptuales, guías prácticas, estudios empíricos y orientaciones institucionales sobre la incorporación de sistemas de inteligencia artificial en la docencia, el aprendizaje y la investigación universitaria. Los materiales distinguen entre el funcionamiento técnico de los modelos probabilísticos, las decisiones pedagógicas que mantienen la dirección intelectual en manos de las personas y las condiciones éticas e institucionales necesarias para un uso transparente y verificable.
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.
Pensar el par persona-IA con Deleuze y Guattari permite ver lo que las metáforas instrumentales esconden: una máquina productiva que genera algo nuevo.
El informe más reciente de la OCDE sobre educación digital con un capítulo dedicado a IA generativa, datos comparativos por país y orientaciones de política educativa.
Los marcos curriculares confunden con frecuencia ambas preguntas y producen programas que cumplen una a costa de la otra. Este ensayo separa ambos planos y propone cómo articularlos.
