Diseño adaptativo del aprendizaje con inteligencia artificial: niveles cognitivos para la planificación docente

Autores/as

DOI:

https://doi.org/10.60112/erc.v6.i3.894

Palabras clave:

inteligencia artificial, niveles cognitivos, planificación docente, metacognición, ética digital

Resumen

La incorporación de inteligencia artificial (IA) generativa en la educación ha ampliado las posibilidades de personalización, retroalimentación y accesibilidad, pero también ha intensificado preguntas sobre la autoría, la dependencia tecnológica y la reducción del esfuerzo cognitivo. Este artículo tiene como objetivo proponer un marco de siete niveles cognitivos para orientar la intervención pedagógica de la IA en actividades de aprendizaje. Se realizó una revisión documental de alcance narrativo y enfoque analítico-sintético, con un corpus de 15 fuentes, articulando las taxonomías de Bloom y de Marzano y Kendall con literatura reciente sobre IA, planificación, derechos digitales y agencia humana. Como resultado, se presenta un modelo que organiza desempeños desde la recuperación hasta la creación y añade un séptimo nivel metacognitivo y ético: autorregular y asumir responsabilidad. El modelo se complementa con una matriz para planificar la actividad antes, durante y después de su implementación. Se sostiene que el valor educativo de la IA no depende de la herramienta ni de su presencia en el aula, sino del tipo de actividad cognitiva que conserva el estudiante, la evidencia de aprendizaje que produce y las decisiones que puede justificar. La propuesta constituye un marco conceptual que requiere validación empírica en distintos niveles y disciplinas.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Anderson, L. W., & Krathwohl, D. R. (Eds.). (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom's taxonomy of educational objectives. Longman.

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122

Bloom, B. S., Engelhart, M. D., Furst, E. J., Hill, W. H., & Krathwohl, D. R. (1956). Taxonomy of educational objectives: The classification of educational goals. Handbook I: Cognitive domain. David McKay.

Carriazo Díaz, C., Pérez Reyes, M., & Gaviria Bustamante, K. (2020). Planificación educativa como una herramienta fundamental para una educación con calidad. Utopía y Praxis Latinoamericana, 25(Extra 3), 87-95. https://doi.org/10.5281/zenodo.3907048

Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2014). Metodología de la investigación (6.ª ed.). McGraw-Hill Education.

Hervás-Gómez, C., Díaz-Noguera, M. D., Sánchez-Vera, F., & Domínguez-González, M. A. (2025). Transformación educativa y derechos digitales en la era de la inteligencia artificial: Accesibilidad y equidad. En P. Román-Graván, J. Barroso-Osuna, J. Cabero-Almenara, & C. Llorente-Cejudo (Eds.), Visiones sobre la integración educativa de la inteligencia artificial (pp. 43-57). Dykinson.

Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., … Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, Article 102274. https://doi.org/10.1016/j.lindif.2023.102274

Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing tasks [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2506.08872

Lemus Pérez, F. (2019). Análisis de la importancia del planeamiento educativo. Revista Ciencia Multidisciplinaria CUNORI, 3(1), 135-141. https://doi.org/10.36314/cunori.v3i1.89

Marzano, R. J., & Kendall, J. S. (2007). The new taxonomy of educational objectives (2nd ed.). Corwin Press.

Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535

Reina Parrado, M., & Gallego Pérez, O. M. (2025). Inteligencia artificial en educación: Aplicaciones y desafíos desde la taxonomía de Bloom. En P. Román-Graván, J. Barroso-Osuna, J. Cabero-Almenara, & C. Llorente-Cejudo (Eds.), Visiones sobre la integración educativa de la inteligencia artificial (pp. 85-97). Dykinson.

Román-Graván, P., & Llorente-Cejudo, C. (2025). Buenas prácticas de la IA en la educación. En P. Román-Graván, J. Barroso-Osuna, J. Cabero-Almenara, & C. Llorente-Cejudo (Eds.), Visiones sobre la integración educativa de la inteligencia artificial (pp. 157-168). Dykinson.

Universidad Nacional Autónoma de México. (2023, 26 de septiembre). Atajar riesgos por uso de IA. Boletín UNAM-DGCS-728. https://www.dgcs.unam.mx/boletin/bdboletin/2023_728.html

Descargas

Publicado

2026-09-15

Número

Sección

Artículos