Agrupa los marcos metodológicos, rutas de diseño inverso, actividades guiadas y productos de aprendizaje orientados a que el estudiantado formule, contraste, explique y reelabore ideas por cuenta propia. Parte del principio de que el aprendizaje ocurre en el trabajo cognitivo observable que realiza quien aprende —con o sin apoyo tecnológico— y ofrece criterios para alinear objetivos, secuencias didácticas y evidencias.
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.
Un texto breve y seminal de 2008 que sigue siendo la referencia operativa para pensar el aprendizaje no lineal en redes digitales, y que la IA generativa vuelve más vigente que nunca.
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.
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.
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.
