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.
El principio de transparencia se queda en lo abstracto si no se traduce a prácticas de aula. Esta guía propone cinco intervenciones operativas, con ejemplo y alcance.
Diez redes activas en abril de 2026, distribuidas entre investigación académica, vinculación industria-academia y consorcios institucionales. Pensado para coordinaciones que diseñan estrategia de relacionamiento.
El catálogo institucional revisa privacidad y costo. Esta página revisa el aporte pedagógico: qué observar en planeación, retroalimentación, debate o análisis de textos, y cómo hacer tú la comparación.
Después de tres años, las políticas institucionales sobre IA en universidades empiezan a converger. Esta pieza identifica los patrones y los señala para una universidad pública mexicana.
Ocho fuentes ordenadas por tipo —informes, comunidades, repositorios— y un protocolo de evaluación rápida para distinguir herramientas con valor real del ruido habitual.
Un ensayo controlado muestra que un tutor de IA bien diseñado puede superar a una clase activa en un contexto acotado; las revisiones advierten que muchas promesas van por delante de la evidencia. La articulación entre IA y acompañamiento humano es lo que falta.