La IAG como asistente para el diseño del aprendizaje

Por Lourdes Guàrdia[i] y Marcelo Fabián Maina[ii]

Universitat Oberta de Catalunya

Palabras clave: ETHE, Inteligencia Artificial Generativa, Learning Design, diseño del aprendizaje, educación superior, innovación docente.

Cuando el verdadero cambio ocurre antes de entrar en el aula

Desde la irrupción de ChatGPT a finales de 2022, la Inteligencia Artificial Generativa (IAG) ha entrado con fuerza en la educación superior. En muy poco tiempo, docentes y estudiantes han incorporado estas herramientas a tareas tan diversas como la búsqueda de información, la elaboración de materiales, la generación de actividades, la retroalimentación o la evaluación. Sin embargo, buena parte del debate académico continúa centrándose en cómo utiliza la IAG el estudiantado, en los riesgos para la integridad académica o en las posibilidades de automatizar determinadas tareas docentes.

Pero hay una cuestión mucho menos visible y, probablemente, mucho más transformadora: ¿qué ocurre cuando la IAG se incorpora antes de que empiece la docencia, durante el proceso de diseño del aprendizaje?

La pregunta no es menor, porque enseñar no comienza cuando el profesor entra en el aula o publica una actividad en una plataforma educativa. Antes existe un complejo proceso de reflexión y toma de decisiones mediante el cual se identifican necesidades, se definen resultados de aprendizaje, se seleccionan metodologías, se diseñan actividades, se planifica la evaluación y se organizan los recursos que permitirán construir una experiencia educativa coherente. Es precisamente en ese espacio, habitualmente invisible para el estudiantado, donde la IAG puede aportar uno de sus mayores valores.

La experiencia nos muestra que  el verdadero potencial de la IAG reside en su función como  asistente para la toma de decisiones pedagógicas, capaz de ampliar las posibilidades de diseño sin sustituir nunca el criterio profesional del docente (Biagini, 2025).

Esta idea constituye precisamente el punto de partida del proyecto europeo ADMIT (Generative AI and Large Language Models in Higher Education), en el que varias universidades europeas estamos investigando cómo integrar los modelos de lenguaje en los procesos de Learning Design (LD), dando lugar al desarrollo del LLM-ed Framework for Learning Design (Guàrdia et al., 2025), tal y como mostramos en un trabajo recientemente aceptado para su presentación en ECER 2026, donde dicho desarrollo se fundamenta en una metodología de Design-Based Research (Guàrdia et al., 2026)

Del docente transmisor al docente diseñador

Desde hace décadas, la investigación educativa ha venido defendiendo que enseñar consiste mucho más en diseñar experiencias de aprendizaje que en transmitir información. Laurillard (2012) ya planteaba que la docencia debía entenderse como una auténtica ciencia del diseño, donde el profesorado actúa como diseñador de situaciones que permiten al estudiantado construir conocimiento de manera activa.

Esta perspectiva ha dado lugar al desarrollo del LD (Maina et al., 2015), entendido como un proceso sistemático de planificación que busca garantizar la coherencia entre los resultados de aprendizaje, las actividades, los recursos, la evaluación y la experiencia global del estudiantado.

Diseñar supone tomar decisiones complejas y profundamente contextualizadas. ¿Qué necesitan aprender mis estudiantes? ¿Qué conocimientos previos poseen? ¿Qué metodologías favorecerán mejor el aprendizaje? ¿Cómo puedo diseñar actividades inclusivas? ¿Qué evidencias demostrarán realmente que se han alcanzado las competencias previstas? Todas ellas son preguntas que difícilmente pueden resolverse mediante automatismos.

Sin embargo, sí pueden enriquecerse mediante una conversación inteligente con sistemas capaces de analizar información, proponer alternativas, generar escenarios, sugerir mejoras o detectar incoherencias. Y en este sentido, la IAG puedeconvertirse en una herramienta para crear un diálogo capaz de ampliar el espacio de exploración pedagógica.

El riesgo no es utilizar la IAG, sino hacerlo sin fundamentación pedagógica

La facilidad con la que hoy podemos generar propuestas didácticas mediante IAG puede conducir a una falsa sensación de calidad pedagógica, y es que una actividad bien redactada no garantiza que promueva un aprendizaje profundo, una rúbrica creada automáticamente puede no evaluar realmente las competencias previstas, y una secuencia aparentemente innovadora puede seguir reproduciendo metodologías excesivamente transmisivas o ignorar criterios de accesibilidad e inclusión.

Por ello, el desafío actual no consiste únicamente en aprender a utilizar herramientas de IAG, sino en disponer de marcos pedagógicos que orienten su integración. En este sentido, como señalan Zhou y Schofield (2024), el desarrollo de la alfabetización en IAG requiere superar el aprendizaje puramente instrumental para comprender cuándo, cómo y con qué finalidad resulta pertinente incorporar estas tecnologías al proceso educativo. Del mismo modo, el marco competencial para docentes publicado por UNESCO (2024) insiste en que la IAG debe fortalecer el juicio profesional del profesorado y nunca reemplazarlo. Es decir, que el problema no es la herramienta, sino la ausencia de una intencionalidad pedagógica que guíe su utilización.

La IAG como asistente pedagógico

Quizá uno de los cambios conceptuales más importantes que introduce la IAG sea la posibilidad de entenderla como un asistente pedagógico.

Durante décadas hemos utilizado tecnologías educativas que ayudaban a gestionar contenidos, organizar aulas virtuales o distribuir materiales. La IAG incorpora la capacidad de establecer un diálogo con el profesorado durante el proceso de diseño para: :

• analizar perfiles de estudiantes y detectar necesidades de aprendizaje;
• generar diferentes alternativas metodológicas;
• proponer secuencias de actividades;
• revisar la coherencia entre competencias, actividades y evaluación;
• elaborar materiales adaptados a distintos perfiles;
• sugerir ejemplos, casos o simulaciones;
• diseñar instrumentos de evaluación o primeras versiones de rúbricas;
• identificar posibles dificultades que podrían aparecer durante el desarrollo del curso.

En todos estos casos, la IAG actúa como un copiloto que amplía las posibilidades de diseño y reduce el tiempo dedicado a tareas repetitivas. Este cambio permite desplazar el esfuerzo del profesoradohacia aquello que realmente aporta valor: tomar decisiones fundamentadas sobre cómo aprenden mejor sus estudiantes.

La IAG como aliada del alineamiento constructivo

Uno de los mayores retos del diseño del aprendizaje es garantizar el alineamiento constructivo, es decir, la coherencia entre los resultados de aprendizaje, las actividades y la evaluación. En este proceso, la IAG puede convertirse en un apoyo valioso al sugerir metodologías activas, actividades alineadas con el nivel competencial esperado, revisar la coherencia entre competencias y evaluación o detectar posibles lagunas en la secuencia didáctica. Asimismo, puede ayudar a diseñar evaluaciones auténticas mediante la propuesta de casos, retos, simulaciones o portafolios que permitan valorar no solo lo que el estudiantado sabe, sino también cómo aplica sus conocimientos y desarrolla competencias.

Su valor reside en enriquecer el proceso de diseño, facilitando una reflexión más iterativa, fundamentada y coherente que ayude al profesorado a revisar y mejorar sus decisiones.

Del apoyo tecnológico al apoyo pedagógico: el LLM-ed Framework

Estas ideas han servido de base para el desarrollo del LLM-ed Framework for Learning Design (Guàrdia et al., 2025), uno de los principales resultados del proyecto europeo ADMIT. Lejos de proponer una metodología cerrada o prescriptiva, el marco pretende ofrecer una guía flexible para integrar los modelos de lenguaje en el proceso de diseño del aprendizaje desde una perspectiva pedagógica, ética e inclusiva.

El framework organiza el proceso en tres grandes momentos interrelacionados:

Análisis y planificación. La IAG puede ayudar a analizar el contexto, identificar necesidades formativas, perfilar al estudiantado y formular primeros borradores de resultados de aprendizaje. No obstante, la interpretación del contexto y las decisiones finales siguen correspondiendo al profesorado.

Diseño de actividades de aprendizaje. La IAG puede sugerir metodologías activas, secuencias didácticas, recursos y estrategias de evaluación auténtica, además de revisar el alineamiento constructivo e incorporar principios del Diseño Universal para el Aprendizaje (DUA), favoreciendo propuestas más inclusivas.

Desarrollo y producción. La IAG facilita la creación y adaptación de materiales didácticos, ejemplos, rúbricas, guías y recursos multimedia, contribuyendo también a mejorar su claridad, accesibilidad y adecuación a diferentes perfiles de estudiantes.

Lo relevante es que, a lo largo de las tres fases, la IAG mantiene siempre un papel de asistencia, mientras que la responsabilidad sobre las decisiones pedagógicas permanece en el profesorado.

Diseñar para todos: inclusión desde el inicio

Tradicionalmente, la accesibilidad se ha abordado como un proceso de adaptación tardío. Sin embargo, la combinación entre LD e IAG permite pensar la inclusión desde el principio, facilitando la generación de múltiples formas de representación de los contenidos, distintas opciones de participación y diversas maneras de demostrar el aprendizaje.

La IAG puede sugerir recursos alternativos, adaptar materiales a diferentes niveles de competencia, proponer ejemplos contextualizados o generar formatos accesibles con mayor rapidez.Como recuerdan las directrices del Diseño Universal para el Aprendizaje (DUA) (CAST, 2024), la inclusión no depende de la tecnología, sino de las decisiones de diseño adoptadas por quienes la utilizan, y la IAG únicamente amplifica esas decisiones.

Más tiempo para pensar pedagógicamente

Quizá la principal transformación que introduce la IAG en el diseño del aprendizaje no sea tecnológica, sino profesional.

Durante años, buena parte del tiempo del profesorado se ha dedicado a elaborar materiales, redactar actividades, construir rúbricas o preparar recursos. Muchas de estas tareas pueden acelerarse hoy gracias a la IAG. Y esto abre una oportunidad extraordinaria para dedicar más tiempo a aquello que resulta verdaderamente insustituible. Comprender las necesidades del estudiantado, diseñar experiencias significativas, anticipar dificultades, acompañar los procesos de aprendizaje y reflexionar sobre la calidad de la enseñanza.

Mirando hacia el futuro

Los resultados obtenidos hasta ahora en el proyecto ADMIT muestran que los modelos de lenguaje pueden convertirse en valiosos compañeros de diseño cuando se integran mediante marcos pedagógicos claros, criterios éticos y una comprensión profunda de los procesos de aprendizaje. En este contexto, el profesorado deja de ser un mero usuario de herramientas para convertirse en el verdadero orquestador de la colaboración entre inteligencia humana e inteligencia artificial.

La cuestión ya no consiste en preguntarnos si la IAG diseñará nuestros cursos. La verdadera pregunta es otra: ¿cómo podemos aprovechar la IAG para diseñar mejores experiencias de aprendizaje sin renunciar a aquello que define la profesión docente: el juicio pedagógico, la capacidad crítica y el compromiso con el aprendizaje de nuestros estudiantes?

Probablemente, el futuro del LD no dependa de disponer de modelos de IAG cada vez más inteligentes, sino de desarrollar docentes capaces de dialogar críticamente con ellos. Porque, al final, la calidad de una experiencia educativa seguirá dependiendo mucho menos de la inteligencia de la tecnología que de la inteligencia pedagógica con la que decidamos utilizarla.

Figura 1. Modelo conceptual de asistencia de la IAG al proceso de Learning Design^[1]

Referencias

Biagini, G. (2025). Towards an AI-literate future: A systematic literature review exploring education, ethics, and applications. International Journal of Artificial Intelligence in Education, 35, 2616–2666. https://doi.org/10.1007/s40593-025-00466-w

CAST. (2024). Universal Design for Learning Guidelines version 3.0. https://udlguidelines.cast.org

Celik, I. (2023). Towards Intelligent-TPACK: An empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, Article 107468. https://doi.org/10.1016/j.chb.2022.107468

Guàrdia, L., Maina, M. F., Cabrera, N., & Fanni, L. (2026, August 18–21). Developing the LLM-ed framework for Learning Design: A design-based research study on pedagogical integration of generative AI in higher education [Conference paper accepted for presentation]. European Conference on Educational Research (ECER 2026), Tampere, Finland.

Guàrdia, L., Maina, M. F., Cabrera, N., Fanni, L., & Antonaci, A. (2025). The LLM-ed Framework for Learning Design (Research Report No. 4.1). ADMIT Project. https://doi.org/10.5281/zenodo.17201073

Laurillard, D. (2012). Teaching as a Design Science: Building Pedagogical Patterns for Learning and Technology. Routledge.

Maina, M., Craft, B. i Mor, Y. (Eds.). (2015). The Art & Science of Learning Design. Sense Publishers/Springer. https://doi.org/10.1007/978-94-6300-103-8

UNESCO. (2024). AI Competency Framework for Teachers. UNESCO Publishing. https://doi.org/10.54675/ZJTE2084

Zhou, X., & Schofield, L. (2024). Developing a conceptual framework for artificial intelligence (AI) literacy in higher education. Journal of Learning Development in Higher Education, 31. https://doi.org/10.47408/jldhe.vi31.1354

Cómo citar esta entrada:

Guàrdia, Lourdes y Maina, Marcelo Fabián (2026). La IAG como asistente para el diseño del aprendizaje. Aula Magna 2.0 [Blog]. https://cuedespyd.hypotheses.org/22586

---

^[1] Elaboración propia basada en el LLM-ed Framework for Learning Design desarrollado en el proyecto europeo ADMIT (Guàrdia et al., 2025).

[i] Profesora y Vicedecana de docencia de los Estudios de Psicología y Ciencias de la Educación de la Universitat Oberta de Catalunya (UOC). Su investigación se centra en el Learning Design, la educación en línea y la integración pedagógica de la inteligencia artificial y las analíticas de aprendizaje en la educación superior.

[ii] Profesor y Director del Máster de Educación y TIC (e-learning) de los Estudios de Psicología y Ciencias de la Educación de la Universitat Oberta de Catalunya (UOC). Actualmente investiga sobre la transformación digital de la docencia basada en datos e inteligencia artificial.

 

---

---