Una de las principales ventajas de incorporar IA en tu docencia es que puedes transformar fácilmente a Copilot o a ChatGPT en tu propio asistente personal y tener a tu disposición a un “equipo creativo” con paciencia infinita y que no emite juicios sobre tus solicitudes. La capacidad generativa y conversacional de la IA permite probar e iterar grandes cantidades de propuestas para que luego las evalúes e integres en base a tu experiencia y necesidades. Igualmente, en esta exploración podrás ir depurando tus instrucciones, también llamadas prompts. Te invitamos a copiar los prompts de este repositorio, adaptándolos a tus necesidades para luego iniciar tu “diálogo” con la Inteligencia Artificial mediante instrucciones más específicas o simplemente ordenándole que lo vuelva a intentar. Recuerda que estas herramientas no son infalibles en cuanto pueden reproducir sesgos y presentar información falsa o incompleta, por lo que es de suma importancia examinar y verificar los resultados.
A continuación, encontrarás algunos aportes significativos que la IA puede ofrecer a la docencia:
Planifica tus clases en diálogo con los resultados de aprendizaje, los objetivos específicos de tus clases y otras características relevantes: usa la IA para obtener ideas de actividades de aprendizaje específicas y contextualizadas.
Personaliza el aprendizaje según las necesidades de tu audiencia: Solicita adaptar el contenido y las estrategias de enseñanza a las necesidades y habilidades individuales de cada estudiante para ofrecer un aprendizaje más personalizado y eficaz que maximice su potencial.
Crea o mejora tus evaluaciones formativas y sumativas: Pídele a la IA que revise y proponga cambios a las instrucciones de tus tareas para simplificarlas o parafrasearlas. Además, experimenta con la creación de cuestionarios, rúbricas o dimensiones de desempeños y niveles de logro.
Crea textos de retroalimentación sobre el desempeño y progreso de los estudiantes: la IA puede analizar respuestas para dar lineamientos orientados a la mejora, sugerir recursos adicionales y áreas de enfoque personalizadas.
Analiza datos del rendimiento de tus estudiantes: pídele a la IA analizar datos identificando patrones o perspectivas para su mejora continua basada en evidencia.
1
2
3
4
5
Marco de Trabajo para la Construcción de Agentes Educativos con IA de Docencia con IA
El Marco de Trabajo para la Construcción de Agentes Educativos con IA de Docencia con IA es un marco de referencia que presenta un flujo de trabajo claro para orientar a los docentes en el diseño, desarrollo e implementación de agentes basados en inteligencia artificial. Su propósito es asegurar que estos agentes se construyan en coherencia con los fines educativos, éticos y pedagógicos de la Universidad.
Estructurado en cinco etapas —Planificación, Diseño, Desarrollo, Validación y Mejora— el modelo se apoya en principios de transparencia, imparcialidad, privacidad e impacto en el aprendizaje, garantizando que cada agente tenga un propósito definido, un diseño alineado con los resultados esperados y una evaluación constante para su perfeccionamiento.
En el actual ecosistema de aplicaciones de la IA generativa, la IA conversacional abre la posibilidad de crear agentes personalizados mediante lenguaje natural, lo que permite a los docentes diseñar experiencias educativas a la medida de sus contextos y necesidades.
Más que incorporar tecnología, este framework propone un flujo de trabajo pedagógicamente fundamentado, pensado en los estudiantes, el contexto educativo y los valores institucionales que nos guían.
Marco de Trabajo para la Construcción de Agentes Educativos con IA
Modelo en cinco etapas integradas para planificar, diseñar, implementar y evaluar agentes educativos basados en IA, garantizando coherencia pedagógica, impacto y consideraciones éticas.
Proceso iterativo: puedes regresar a etapas previas para ajustar y refinar.
Preproducción
1. Planificación Pedagógica
Definir el Propósito Educativo: identificar la necesidad (¿apoyo?, ¿simulación?, ¿guía?, ¿evaluación?), fijar objetivos generales alineados al curso y considerar privacidad, sesgos e integridad académica.
Identificar el Público Objetivo: caracterizar usuarios (estudiantes, docentes, nivel formativo), levantar necesidades, contextos y experiencias previas.
Diseñar el Marco Ético del Chatbot: filtros ante respuestas inadecuadas o alucinaciones; promover uso responsable según UNESCO (2021).
2. Diseño Educativo del Chatbot
Resultados de Aprendizaje Específicos: usar Bloom para el nivel cognitivo esperado; incluir dominios afectivo y psicomotor si corresponde.
Contenido e Interacciones: prompts y respuestas orientadas al aprendizaje significativo; preguntas guiadas, simulaciones, dilemas o ejercicios; flujo conversacional alineado a objetivos.
Comportamiento del Chatbot: definir tono (profesional, amigable, serio) y reglas para manejar desviaciones y temas fuera de contexto.
Producción
3. Desarrollo del Chatbot
Construir el Prototipo: usar ChatGPT Builder, Copilot, AyudantIA, Character AI, Clinical Mind, Mizou; incluir instrucciones claras de rol, comportamiento y objetivos.
Evaluación y Retroalimentación: feedback automatizado y respuestas condicionales según desempeño del estudiante.
Probar el Prototipo: pilotos con usuarios reales para ajustar contenido y tono.
4. Validación y Ajuste
Despliegue en Plataforma: integrar el chatbot (p. ej., Canvas); configurar accesibilidad y soporte.
Comunicar Reglas de Uso: capacidades, limitaciones y propósito del chatbot.
Monitorear el Desempeño: analizar interacción para mejoras pedagógicas y técnicas.
Postproducción
5. Implementación y Mejora Continua
Actualizar Contenidos y Funcionalidades: adaptar a nuevos contextos curriculares, tecnológicos o necesidades emergentes.
Revisión Ética y de Impacto: auditorías periódicas para asegurar principios éticos y educativos; incorporar mecanismos de retroalimentación de usuarios.
Modelos Teóricos que Sustentan el Framework
Alineamiento Constructivo (Biggs & Tang): vincula resultados, metodologías y evaluación.
Design Thinking: empatizar, definir, idear, prototipar y testear.
Backward Design (Wiggins & McTighe): diseño inverso desde los aprendizajes esperados.
Taxonomía de Bloom (revisada): apoyo para diseñar prompts por nivel cognitivo.
Marcos de IA Ética (UNESCO 2021): transparencia, privacidad, no discriminación y control humano.
Aplicable a simulaciones clínicas, tutores virtuales, asistentes de tareas y evaluación formativa automatizada.
Estructura del Prompt de un Agente educativo
Prompt → System Prompt
Rol: quién es el agente, su experticia y comportamiento esperado.
Reglas: acciones permitidas y prohibidas dentro de su función.
Prompt → User Prompt
Flujo de interacción: inicio → mediación → cierre (guiar el aprendizaje).
Criterios / Rúbrica / Retroalimentación escalada: referencias explícitas para feedback formativo y diferenciado.
Ejemplos de interacción: diálogos reales o simulados (few‑shot) que muestren cómo actúa.
Restricciones: no repetir, no insistir excesivamente, no sustituir el rol del estudiante.
Desviación y corrección: estrategia cuando el usuario se aleja del objetivo.
Parámetro importante: temperature
Temperature (0–2): controla la variabilidad. Valores bajos ≈ mayor objetividad/estabilidad; valores altos ≈ mayor creatividad/divergencia. Úsalo según el objetivo pedagógico del agente.
Referencias y bibliografía (selección)
Enfoque técnico
Kuhail et al., 2023 — Interacting with educational chatbots.
Wollny et al., 2021 — Chatbots in education.
Kasneci et al., 2023 — LLMs for education.
Ramandanis & Xinogalos, 2023 — Designing a chatbot for education.
Artiles‑Rodríguez et al., 2021 — Agente conversacional para aprendizaje autónomo.
Enfoque pedagógico
Biggs & Tang, 2011 — Alineamiento constructivo.
Wiggins & McTighe, 2005 — Backward Design.
Anderson & Krathwohl, 2001 — Taxonomía de Bloom revisada.
Razzouk & Shute, 2012 — Design Thinking en educación.
Panadero & Jonsson, 2013 — Rúbricas para evaluación formativa.
Hattie & Timperley, 2007 — Poder del feedback.
Gamboa Solano, 2023 — Bloom y alineamiento constructivo (español).
Enfoque ético
UNESCO, 2021 — Recomendación sobre ética de la IA.
Miao & Holmes, 2023 — Guía de IA generativa en educación (UNESCO).
OECD, 2019 — Principios para IA confiable.
Cotton et al., 2023 — Integridad académica en la era de ChatGPT.
Santiago Ruiz & Páramo Chávez, 2025 — IA y escritura en educación superior (español).
OpenAI (2025). Prompt Engineering. OpenAI Documentation. Guía oficial que establece principios técnicos para diseñar prompts efectivos en software que utiliza su API.
Estructurar mensajes usando roles diferenciados: developer para instrucciones de alto nivel y user para consultas.
Instruir la lógica del modelo con claridad.
Usar ejemplos ilustrativos (few-shot examples).
Proporcionar contexto relevante para guiar las respuestas.
Estas prácticas respaldan la inclusión de secciones como Rol, Reglas, Ejemplos y Restricciones en los prompts educativos.
El framework las amplía al integrarlas con marcos pedagógicos (Bloom, Alineamiento Constructivo, Backward Design) y principios éticos (UNESCO, OCDE),
adaptando el prompt engineering al contexto de la docencia universitaria.
Prompts Efectivos en la Educación
Saber crear un buen prompt es crucial para obtener resultados útiles en la gestión de la docencia y el proceso de enseñanza-aprendizaje. Un prompt bien formulado orienta a la IA a generar respuestas precisas y relevantes, optimizando la toma de decisiones y mejorando la personalización de las estrategias educativas.
Te dejamos algunos ejemplos:
“Genera una serie de ejercicios de [matemáticas] de nivel [intermedio] que se adapten al nivel de habilidad de un estudiante de [Universidad]. Asegúrate de incluir una variedad de tipos de problemas, como problemas de [álgebra, geometría y aritmética]. Los problemas deben ser desafiantes pero no demasiado difíciles, y asegúrate de proporcionar soluciones detalladas después de cada ejercicio.”
“Brinda información detallada y actualizada sobre el tema de investigación de nuestro grupo, que se centra en [insertar el tema específico del proyecto]. Proporciona estadísticas clave, investigaciones relevantes y ejemplos concretos que respalden nuestra investigación. Además, sugiere posibles enfoques metodológicos que podríamos utilizar para recopilar datos adicionales o abordar nuestro tema de manera más efectiva.”
“Vamos a practicar conversaciones en [inserta el idioma que estás aprendiendo]. Inicia una conversación en la que te presentas a ti mismo y preguntas sobre mis intereses. Luego, responde a las preguntas que te haga sobre tus propios intereses. Trata de usar una variedad de preguntas abiertas y cerradas para fomentar la conversación.”
info
Lista de Prompts
Referencias Bibliográficas
Centro universitario de enseñanza y aprendizaje, University of Pittsburgh (2023)
