Diversificación de la enseñanza con herramientas de IA

En esta primera sesión vamos a partir por el final: por la personalización. Exploraremos los tutores con inteligencia artificial y sus posibilidades actuales para entender hasta dónde pueden llegar hoy estos sistemas, y por qué la diversificación sigue siendo fundamental en el aula.

• Distinguiremos diversificación, diferenciación y personalización como tres enfoques distintos para atender la diversidad.
• Experimentaremos con un tutor IA para comprender cómo un buen prompt puede personalizar y diversificar la enseñanza.
• Diseñaremos un chatbot tutor propio que guíe el aprendizaje sin regalar respuestas, con chequeos de comprensión y adaptación según las respuestas del estudiante.

Aunque existan tutores IA, sigue siendo clave la diversificación en educación. En esta sesión exploraremos los límites actuales de estos sistemas y aprenderemos a diagnosticar barreras de aprendizaje usando el marco del Diseño Universal para el Aprendizaje (DUA).

• Conversaremos sobre cuándo los tutores IA funcionan bien y cuándo no son suficientes para el contexto real del aula.
• Exploraremos herramientas como Learn Your Way para ver ejemplos de materiales que reducen barreras desde el diseño.
• Identificaremos barreras de acceso, participación y expresión en una clase real y diseñaremos ajustes concretos para reducirlas.

En esta sesión aprenderemos a usar la IA como asistente creativo para generar actividades realmente variadas y de calidad, ancladas en estructuras pedagógicas probadas.

• Construiremos un banco compartido de arquetipos de actividades que funcionen bien, como biblioteca de referencia del círculo.
• Diseñaremos un prompt robusto siguiendo los 5 pasos (rol, objetivo, contexto, ejemplos, énfasis en diversidad) para generar alternativas ancladas en arquetipos.
• Experimentaremos generando múltiples alternativas para un objetivo de aprendizaje y observaremos cómo los arquetipos mejoran la calidad de las propuestas.

En la sesión de cierre abordaremos las limitaciones de la IA para generar equivalencias reales, aprenderemos a diseñar rúbricas comunes para evaluar con justicia, y definiremos un compromiso concreto para implementar en el aula.

• Diseñaremos una rúbrica común mínima viable que evalúe el objetivo de aprendizaje y la calibraremos con un stress test.
• Evaluaremos si las alternativas generadas son realmente equivalentes y las ajustaremos según sea necesario.
• Definiremos nuestro compromiso Someday/Monday: una visión inspiradora y un primer paso ultra concreto con evidencia mínima para implementar al volver a clases.