Notas Sesión 1

Date

August 24, 2026

Estado

Publicado

Obligatoriedad

Semana

Semana 2

Tipo

Notas de clase

Last edited by

Miss Pili Piñones

Last edited time

Aug 25, 2026 5:26 AM

N

Concepto

• La sesión aborda la ética y la responsabilidad docente frente a la inteligencia artificial (IA) generativa en el aula, a través de la presentación «La brújula y el algoritmo».
• El enfoque central no es prohibir la herramienta ni adoptarla de forma ciega, sino redefinir el papel pedagógico del docente mediante una alfabetización crítica, situada y ética que proteja el juicio profesional y el vínculo humano.

Lo que entendí

Espejismo de neutralidad y consumo instrumental

• Neutralidad ilusoria: Las respuestas de los algoritmos no son objetivas ni neutras; reflejan sesgos socioculturales, geopolíticos e ideológicos de quienes los programaron y de las fuentes con que fueron entrenados.
• Consumo instrumental: El uso mecánico de introducir un prompt y aceptar el resultado sin análisis ignora la «caja negra» algorítmica.
• Alfabetización crítica: Implica verificar, cuestionar y adaptar las respuestas al contexto real (por ejemplo, ajustar planeaciones pensadas para grupos pequeños a la realidad de aulas latinoamericanas con más de 60 alumnos).
• Protocolo Mar del Plata (2025): Ejemplo de estudiantes de profesorado en Argentina que crearon pautas éticas sobre autoría, autonomía, sesgos y privacidad en la planeación docente.

La educación bancaria en versión algorítmica

• Reinterpreta la crítica de Paulo Freire: el estudiante que acepta pasivamente las respuestas predigeridas de la IA replica el modelo tradicional donde el alumno es un mero depósito de información.
• Frente a esta pasividad, se propone un ciclo de cuatro acciones activas: comprender (analizar críticamente), dialogar (abrir el pensamiento), contrastar (validar y diversificar fuentes) y actuar (transformar con justicia y autonomía).

Las cuatro fracturas éticas contemporáneas

• Justicia y sesgos: Los algoritmos reproducen desigualdades estructurales (p. ej., asumir conectividad total en contextos con fuerte brecha digital).
• Vigilancia y privacidad (Panóptico digital): La recopilación masiva de datos en el aula genera autovigilancia, estrés y vulnera la privacidad estudiantil y docente.
• Deuda cognitiva: Delegar sistemáticamente el esfuerzo mental debilita habilidades esenciales (pensamiento crítico y resolución de problemas). El estudio del MIT (Your Brain on ChatGPT) muestra mayor conectividad neuronal en personas que escriben sin apoyo de IA frente a quienes la delegan.
• Despersonalización: Los algoritmos leen métricas de desempeño, pero no comprenden el contexto vital, socioemocional ni las circunstancias personales del alumno.

Colonialidad del conocimiento y pedagogía del control

• Colonialidad del conocimiento: Los modelos hegemónicos de IA operan desde el Norte Global, marginando saberes locales, indígenas y del Sur Global, e imponiendo metodologías importadas sin contextualizar (como el método STEAM estandarizado).
• Pedagogía del control vs. Ética del cuidado: Frente a la auditoría de datos, se defiende la privacidad por diseño (recopilar sólo lo indispensable), la transparencia y priorizar la empatía y el cuidado sobre las métricas.

Dimensión transaccional vs. relacional del docente

• Dimensión transaccional (delegable a la IA): Tareas operativas y procedimentales, sistemas de tutoría inteligente, lluvia de ideas inicial y evaluación de respuestas con un proceso determinista o cerrado.
• Dimensión relacional (exclusiva del docente): Acompañamiento socioemocional, diálogo socrático, contextualización de dificultades, inspiración y generación de un clima de confianza en el aula.

Otras preguntas de interés

• ¿Por qué la IA no es una fuente de verdad absoluta si entrega respuestas tan bien estructuradas?

Porque opera mediante modelos probabilísticos y estadísticos a partir de sus datos de entrenamiento; si se le presiona o cuestiona, puede contradecirse o cambiar su argumento, demostrando que carece de criterio real o comprensión conceptual.

• ¿Qué sesgos específicos reproduce la IA en la práctica?
• Historiográficos/geopolíticos: como minimizar hechos históricos críticos (ejemplo del chat sobre las muertes en la construcción del Canal de Panamá).
• Culturales/estéticos: generar representaciones hegemónicas occidentales cuando se le pide graficar conceptos abstractos (como una persona «bella»).
• ¿Qué aspectos de la evaluación matemática sí se pueden delegar y cuáles no?

Cálculos directos o procedimientos lógicos verificables contra una base axiomática/teoremas pueden automatizarse; sin embargo, demostraciones abiertas con múltiples rutas conceptuales, respuestas subjetivas y la valoración del proceso cualitativo del estudiante requieren el juicio del profesor.

Must know

• La IA ya está en las aulas: Prohibirla es inviable (95% de docentes y 93% de estudiantes la usan, según datos SEP); la tarea docente es guiar su uso ético y crítico.
• Velocidad no es aprendizaje: Generar contenido o resolver ejercicios más rápido no genera conexiones neuronales profundas ni garantiza comprensión; produce deuda cognitiva.
• El docente no es un operador técnico: El juicio pedagógico y la autonomía docente están por encima de cualquier recomendación algorítmica.
• Educación bancaria algorítmica: Usar prompts sin procesar la información reproduce la pasividad receptiva criticada por Paulo Freire.
• Lo delegable vs. lo no delegable: Se delega lo operativo y procedimental (transaccional); no se delega el acompañamiento socioemocional, la empatía ni el criterio evaluativo cualitativo (relacional).
• Los datos no son neutros: Los modelos dominantes concentran una visión del Norte Global (colonialidad del conocimiento), por lo que siempre deben contextualizarse a la realidad local.