📚 Buenas Prácticas para el uso de IA en el Aula

A continuación se ofrecen pautas para facilitar la integración de IA generativa (p. ej., LLMs) en el aula de forma ética, segura y pedagógica. Sirve tanto para docentes como para estudiantes, con listas de verificación, ejemplos paso a paso y plantillas.

Idea fuerza: la IA es un asistente para aprender mejor; no reemplaza el pensamiento crítico ni la guía humana.

🎯 Principios fundamentales

Asistencia, no sustitución
- La IA apoya; la autoría final es humana.
Transparencia
- Declarar siempre cuándo y cómo se usó IA.
Verificación
- Contrastar con textos de la asignatura y fuentes fiables.
Privacidad y seguridad
- No subir datos sensibles; anonimizar ejemplos.
Equidad y diversidad
- Incluir perspectivas variadas; evitar sesgos.

📎 Material de organismos internacionales:

UNESCO — Guía para el uso de IA generativa en educación e investigación
UNESCO — Marco de competencias para docentes en materia de IA

🔗 Enlaces internos:

🧑‍🎓 Checklist rápido para estudiantes

Usa esta lista antes de entregar cualquier trabajo con apoyo de IA:

Propósito claro: sé qué tarea resuelve la IA.
Prompt de calidad: define rol, contexto y formato.
Verifiqué datos: comprobé fechas, citas, definiciones.
Detecté sesgos: consideré perspectivas alternativas.
Reelaboré: reescribí con mis palabras y añadí ideas propias.
Cité fuentes: incluí referencias del curso.
Declaré uso de IA: añadí mi nota de transparencia (ver plantilla).
Cumplo política del curso: revisé las reglas de la asignatura.

Plantilla — Declaración de uso de IA (añádela al final de tu trabajo):

Utilicé IA generativa para: [tormenta de ideas / contraargumentos / estructura].
Herramienta: [nombre]. Prompts clave: [resumen].
Cambios propios: [síntesis, ejemplos, referencias].
Verifiqué la información con: [lecturas del curso / fuentes].

👩‍🏫 Políticas de aula sugeridas (para docentes)

Usos legítimos: lluvia de ideas, bosquejos, contraargumentos, organización, feedback preliminar.
Usos no permitidos: entregar texto de IA como propio; citas inventadas; datos falsos.

Cláusulas breves para el sílabo:

“Se permite IA como apoyo con declaración de uso y verificación posterior.”
“Los datos personales de estudiantes no deben introducirse en sistemas externos.”
“Siempre existirá una alternativa humana para tutoría y evaluación.”

🧰 Buenas prácticas por fases

Antes

Define objetivos y criterios de evaluación.
Elige herramientas alineadas al curso.
Prepara prompts modelo.

Durante

Pide formato de salida (viñetas, tabla corta, esquema).
Solicita razonamiento paso a paso cuando sea útil.
Interrumpe para verificar: “¿qué faltó? ¿qué sesgo ves?”

Después

Revisión humana final.
Reflexión metacognitiva: “¿cómo cambió tu idea?”
Guarda ejemplos para retroalimentación colectiva.

🧪 Ejemplos extendidos para docentes (paso a paso)

Cada ejemplo incluye: objetivo, tiempo, materiales, pasos, prompt sugerido, evaluación y variaciones.

1) Taller de falacias con revisión crítica

Objetivo: identificar falacias; mejorar argumentos.
Tiempo: 40–60 min.
Materiales: fragmentos de textos del curso; LLM.

Pasos
1) Entrega un argumento breve del temario.
2) Pide al LLM detectar posibles falacias (máx. 3).
3) En grupos, contrastan con el texto base.
4) Cada grupo corrige el argumento original.

Prompt sugerido

Actúa como crítico lógico. 
Texto: “[…]”. 
Tarea: nombra hasta 3 falacias (si existen), define cada una en 1–2 líneas y sugiere una corrección breve.
Formato: lista numerada.

Evaluación (rúbrica mini)

Detección correcta (sí/no).
Corrección clara (sí/no).
Conexión con lectura (alta/media/baja).

Variaciones: crear ejemplos deliberadamente ambiguos; comparar salidas de 2 modelos.

2) Debate guiado con contraargumentos

Objetivo: practicar dialéctica; reconocer supuestos.
Tiempo: 50–70 min.
Materiales: moción; LLM.

Pasos
1) LLM genera tres contraargumentos a una postura del estudiante.
2) El estudiante responde y justifica con lecturas.
3) Cierre: identificación de supuestos implícitos.

Prompt sugerido

Rol: entrenador de debate. 
Moción: “La evaluación automatizada es justa”. 
Tarea: 3 contraargumentos breves con su supuesto implícito.
Formato: viñetas.
Límite: 60–80 palabras.

Evaluación

Refiere a autores del curso.
Contraargumentos relevantes.
Respuesta propia bien justificada.

3) Ensayo con IA como apoyo transparente

Objetivo: planificar, estructurar y revisar.
Tiempo: 1–2 semanas.
Materiales: consignas; bibliografía.

Fases

Idea: lluvia de ideas con IA (no texto final).
Esquema: pedir estructura en viñetas.
Borrador: redacta el estudiante.
Revisión IA: solicitar sugerencias de claridad y cohesión.
Revisión humana: profesor/pares.
Declaración de uso: adjuntar.

Prompt sugerido (para revisión)

Rol: editor académico. 
Texto del estudiante: “[…]”.
Tarea: sugiere mejoras de claridad y cohesión; no reescribas todo; marca 3 cambios clave.
Formato: viñetas.

Evaluación

Coherencia del argumento.
Uso de fuentes reales.
Transparencia de uso de IA.

4) “Caza de alucinaciones” (datos y citas)

Objetivo: distinguir plausible vs. verdadero.
Tiempo: 30–45 min.

Pasos
1) Genera con IA “resumen con 3 citas” de un tema del curso.
2) Estudiantes verifican si las citas existen.
3) Discusión: cómo prevenir alucinaciones.

Prompt sugerido

Genera 3 citas breves y plausibles sobre [tema] con autor y año. 
Aclara: “Estas citas son hipotéticas y deben verificarse”.

Evaluación

Porcentaje de verificación.
Estrategias de corrección propuestas.

5) Analítica de lectura para inclusión

Objetivo: detectar brechas de participación.
Tiempo: 30–40 min (más análisis).
Materiales: dashboard del LMS.

Pasos
1) Observan qué textos reciben menos consultas.
2) Debaten causas (sesgos, carga, accesibilidad).
3) Plan de acción (p. ej., guía de lectura, foro dirigido).

Evaluación

Diagnóstico claro.
Medida concreta.
Seguimiento posterior.

6) Co-creación de rúbrica con IA

Objetivo: criterios claros y compartidos.
Tiempo: 25–35 min.

Pasos
1) Pide a IA una base de rúbrica breve.
2) Ajusta con la clase (niveles, ejemplos).
3) Aplícala en una miniactividad.

Prompt sugerido

Rol: diseñador instruccional. 
Tarea: rúbrica breve para análisis de argumento filosófico. 
Criterios: tesis, evidencias, contraargumentos, claridad.
Niveles: excelente/adecuado/a mejorar. 
Formato: tabla simple.

🧩 Plantillas útiles (copiar/pegar)

Metaprompt de mejora

Evalúa mi prompt y sugiere 3 mejoras para hacerlo más claro y útil:
[pegar prompt]

Prompt base de debate

Eres moderador imparcial.
Tema: [moción].
Salida: 2 argumentos pro, 2 contra, 1 pregunta final.
Estilo: conciso.

Prompt de análisis lógico

Rol: crítico lógico.
Texto: “[párrafo]”.
Tarea: P1, P2, C; 1 posible falacia; mejora breve.

📊 Rúbrica mini (docente)

Criterio	Excelente	A mejorar
Claridad del prompt	Rol/Contexto/Formato	Vago/ambigüo
Verificación	Hechos y citas revisados	Sin verificación
Uso crítico de IA	Mejora y cuestiona	Copia acrítica
Conexión con curso	Autores/lecturas del plan	Desconexión
Transparencia	Declaración de uso	Sin declarar

(Mantén celdas breves para facilitar corrección rápida.)

🛡️ Privacidad, seguridad y agencia

No usar nombres reales ni datos sensibles.
Preferir herramientas institucionales cuando existan.
Ofrecer alternativas humanas para tutoría y evaluación.
Documentar consentimiento informado cuando corresponda.

✅ Indicadores de logro

Prompts con rol, contexto, formato.
Respuestas verificadas y reelaboradas.
Identificación de sesgos y alucinaciones.
Declaración de uso de IA incluida.
Mejora de calidad entre borrador y versión final.

📎 Recursos y enlaces internos

Plantillas de Prompts para Debates · IA en el Aula: Herramientas y Usos Actuales · Analítica del Aprendizaje y Dashboards Educativos · Sesgos, Equidad y Justicia en IA.

Para profundizar en técnicas de diseño de prompts y context engineering, consulta también el documento Prompt Engineering para Docentes.