Base de conocimiento AIEdAIEd KB
En esta página

Esta página está traducida al español. Las páginas de artículo siguen escritas en inglés. Leer esta página en inglés

Conceptos

Diseño curricular

Creada 2026-09-25 · Actualizada 2026-09-25

Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.

Diseño curricular: el proceso de planificar y estructurar lo que se enseña en los cursos, los programas y las instituciones, incluidos los objetivos de aprendizaje, la secuenciación de contenidos, las estrategias de evaluación y la progresión de habilidades. En la era de la IA, el diseño curricular debe equilibrar el conocimiento fundamental con las competencias emergentes en IA, y determinar no solo qué aprende el estudiantado, sino cómo aprende a trabajar con herramientas de IA y a evaluarlas críticamente.

Preguntas para reflexionar

  • El diseño curricular pregunta qué debería aprender el estudiantado en el nivel del programa, mientras que el diseño del aprendizaje pregunta cómo en el nivel del curso. Cuando la IA reconfigura una disciplina, ¿cuál de estas dos capas cree que debería cambiar primero?
  • A medida que la IA generativa automatiza el trabajo de nivel de implementación, algunos sostienen que los currículos deben desplazarse hacia el diseño de sistemas, la abstracción y la evaluación crítica. ¿Qué cree que perdería el estudiantado si se restara importancia a las habilidades de bajo nivel?
  • El rediseño curricular en la era de la IA se plantea a menudo como un equilibrio entre la fluidez con las herramientas y el conocimiento fundamental. ¿Dónde ha visto que ese equilibrio se incline demasiado hacia un lado?
  • El marco SAIL trata la alfabetización en IA como algo andamiado a lo largo de las edades y diseñado para abordar «brechas digitales» más profundas que el mero acceso. ¿En qué se diferencia integrar la alfabetización en IA en todo un currículo de añadir un único curso sobre IA?
  • Si todas las disciplinas necesitan ahora competencias en IA integradas en ellas, ¿quién es responsable del cambio curricular, el profesorado, los programas o las instituciones, y qué necesita el personal docente para lograrlo?
  • Un currículo es una secuencia de habilidades a lo largo de años, no solo una lista de temas. ¿Cómo cambia esa mirada más larga la probabilidad de que una «unidad de alfabetización en IA» realmente perdure?

Introducción

El diseño curricular aborda el qué de la educación en el nivel del programa, y complementa el diseño del aprendizaje, que aborda el cómo en el nivel del curso. Los artículos de esta base de conocimiento exploran cómo la IA está reconfigurando los currículos en distintas disciplinas, desde la ingeniería del software hasta la arquitectura o la educación verde, y cómo el personal docente diseña currículos que integran la alfabetización en IA sin sacrificar los fundamentos disciplinares.

Temas clave de investigación

Rediseñar los currículos para la era de la IA es el reto central. Lee et al. sintetizaron los hallazgos de talleres internacionales sobre el rediseño de la educación en informática de grado y sostuvieron que, a medida que la IA generativa automatiza la programación de nivel de implementación, los currículos deben desplazarse hacia el diseño de sistemas, la abstracción y la evaluación crítica, y restar importancia a los detalles de implementación de bajo nivel. Gorsky formalizó la Ingeniería de Software Agéntica como una disciplina distinta con un currículo de 21 módulos centrado en la «evolución de la intención» y en la disciplina profesional necesaria para gestionar agentes de IA. Ambos conectan con Alfabetización en IA y Andamiaje.

El mapeo y el análisis de currículos usa la IA para comprender los currículos existentes. Geng et al. analizaron 23 programas de asignatura de cursos de ingeniería de software asistida por IA, identificaron temas comunes (ingeniería de prompts, revisión de código con IA, consideraciones éticas) y derivaron orientaciones de diseño que subrayan el equilibrio entre la fluidez con las herramientas y el conocimiento fundamental. CourseGraph aplica métodos computacionales para comparar las estructuras de los cursos de informática entre instituciones.

La integración de la alfabetización en IA integra competencias en IA en todas las disciplinas. SAIL ofrece un marco de alfabetización en IA andamiado y aplicable a todas las edades y etapas educativas, que aborda las brechas digitales de segundo y tercer nivel. Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing examina cómo se desarrolla la alfabetización en IA a través de patrones de interacción. Systematic Review of Collaborative Learning Activities for Promoting AI Literacy explora enfoques colaborativos para el desarrollo de currículos de alfabetización en IA, en conexión con el aprendizaje colaborativo.

La innovación curricular específica de cada dominio aplica el diseño curricular a campos concretos. Gen-AI-tecture: using generative AI to support architectural students in design tasks explora cómo la IA generativa reconfigura la pedagogía del diseño arquitectónico. The Role of Artificial Intelligence in Green Education: Optimizing Teacher Workflow and Enhancing Pedagogical Design under Sustainable Development Pedagogy (SDP) Constraints examina la integración de la IA en los currículos de educación verde. ConnectED: A Curriculum-Aligned AI System for Vietnamese Instructional Lesson Planning and Student Learning y LLMs to Support K-12 Teachers in Culturally Relevant Pedagogy: An AI Literacy Example abordan el diseño curricular culturalmente sensible.

Los marcos institucionales abordan el cambio curricular a escala. A principled way to think about AI in education: guidance for educators and policy makers based on goals, models y A principled way to think about AI in education: guidance for educators and policy makers based on goals, models ofrecen principios para integrar la IA en todos los programas educativos. The Main Barrier to AI Adoption in the Public Sector is Lack of Training examina las barreras a la adopción de currículos de IA en la educación del sector público.

Secuenciar la IA a lo largo del programa. Torres-Sahli et al. proponen un marco de «abstenerse y luego amplificar» que secuencia la IA generativa en el nivel del programa: retirar una herramienta generativa mientras se está formando una capacidad y luego restituirla para amplificar esa capacidad una vez que el estudiantado puede dirigirla y juzgar sus resultados. Regido por un criterio de formación frente a externalización (si un tramo de trabajo construye una capacidad o simplemente la hace pasar por la herramienta), el marco vincula el diseño curricular con la descarga cognitiva, el aprendizaje autorregulado y la integridad académica, con puntos de control difíciles de falsear en cada bisagra de abstención a amplificación.

Alineación de todo el curso cuando se permite la IA generativa. Un rediseño de 2026 de un curso introductorio de física nuclear y de partículas (Mikhasenko et al.) integró tres tipos de actividad con papeles distintos: las clases magistrales para los conceptos y la notación, los seminarios para la práctica analítica estándar y los deberes como componente exploratorio «con forma de investigación» de problemas inusualmente difíciles y multimétodo. La fricción que se documenta (un prerrequisito de programación no declarado, tiempo insuficiente para comprender en lugar de obtener simplemente respuestas y un desajuste entre las clases, los seminarios, los deberes y el examen) ilustra que permitir la IA generativa obliga a un trabajo de alineación curricular en todo el curso y no a un cambio en un solo tipo de tarea; la estructura que recomiendan mantiene el trabajo exploratorio con IA permitida como tareas avanzadas que otorgan puntos extra, mientras que el examen escrito sin ayuda determina la calificación.

El consejo sobre la alineación constructiva bajo un escrutinio crítico. Donde las fuentes anteriores informan sobre la alineación en la práctica, McInnes et al. (2026) leen la propia orientación como un discurso. Su análisis crítico del discurso de 14 piezas de literatura gris publicadas entre noviembre de 2022 y abril de 2025, en su mayoría páginas institucionales y capítulos de unidades de aprendizaje y enseñanza situadas en el centro, encontró que la alineación constructiva se presenta como un problema de eficiencia: la IA generativa era «una forma eficaz y eficiente de redactar rúbricas» que podía «agilizar el proceso», antropomorfizada como «una experta y asistente educativa», un «compañero de entrenamiento» o un «asistente inteligente en el diseño instruccional», mientras que el personal académico aportaba solo «conocimiento de la materia» y la herramienta asumía «el trabajo pesado de desarrollar objetivos de aprendizaje, organizar el contenido del curso ... y alinear los componentes del curso». Las recetas de prompts para copiar y pegar y las plantillas numeradas enmarcaban la alineación constructiva como un producto estandarizable, lo que producía tres modos de fallo: performatividad (una alineación que solo lo parece), borrado del contexto situado y crítico, y una alineación constructiva superficial que confunde la alineación con la dimensión constructiva. Su remedio reordena el flujo de trabajo del diseño curricular (el personal docente debe comprender la alineación constructiva lo bastante bien como para dirigir, evaluar y rechazar la salida de la IA antes de delegar cualquier parte de ella) y acota cualquier herramienta a un agente institucional con recuperación aumentada anclado en la política local, las rúbricas y los atributos de egreso, con un papel de «tutor liminal» que amplía la relación con quien desarrolla la docencia en lugar de sustituirla.

Generar tareas de modelado alineadas con el currículo. Las plataformas impulsadas por IA pueden paliar la falta de tiempo y de recursos del profesorado para diseñar tareas de modelado matemático de alta calidad generando problemas alineados con el currículo y recomendaciones pedagógicas ancladas en principios de diseño y en la generación con recuperación aumentada, un enfoque ilustrado con la variación directa en matemáticas de secundaria (Creating an AI-powered platform for generating modelling problems: A case study on direct variation in secondary school). Las propias lecturas del curso son ya también un objetivo de generación: Sidorkin (2026) sustituyó un manual comercial por lecturas semanales generadas por IA en un curso de posgrado de liderazgo educativo y, aunque el estudiantado las valoró como útiles y el 75 por ciento coincidió en que aprendió más que en un curso comparable, las 4.487 páginas de registros incluían citas en el texto al estilo APA en solo alrededor del 0,80 por ciento de las páginas y emparejaban un campus o un sistema con nombre con afirmaciones normativas asertivas en aproximadamente el 1,03 por ciento de las páginas sin una fuente verificable. La lección para los materiales curriculares es tratar las lecturas generadas como producción en borrador bajo revisión del personal docente, presupuestar el trabajo docente de diseño de prompts y verificación, y curar fuentes contrastadas dentro del asistente en lugar de dejar que el estudiantado infiera la calidad de las fuentes a partir del contexto.

La planificación de clases asistida por IA en la capa que va del currículo al aula. En el punto en que un currículo se convierte en una clase impartida, Luo y Tahir (2025) compararon experimentalmente planes generados por el profesorado con planes asistidos por ChatGPT en la educación artística STEAM infantil y encontraron que seis profesores expertos valoraron significativamente mejor los planes asistidos por IA (mediana 20,5 frente a 17,6, p = .002, efecto grande). Muestran que el beneficio depende de cómo delega el profesorado: el método recomendado cubre lagunas de contenido en una clase esbozada por el propio docente (preservando la autonomía de diseño del profesorado) en lugar de delegar todo el plan, y aportan una plantilla de prompt de Rol, Instrucciones y Objetivo Final para una generación reproducible y con control de calidad, evidencia de que la planificación de clases con IA es más sólida cuando se integra en las decisiones curriculares del profesorado y no las sustituye. En la didáctica de las ciencias, la validación por expertos llega a un veredicto paralelo sobre el diseño de plataformas: Karaismailoglu, Surmeli y Yildirim (2026) pidieron a once especialistas en didáctica de las ciencias que valoraran ChatGPT-4 y una herramienta centrada en la educación (Teacher's Buddy) en planes de sexto grado alineados con el currículo revisado de Turquía y con el modelo de aprendizaje basado en el diseño de ingeniería. La plataforma centrada en la educación obtuvo puntuaciones más altas en los ocho criterios de calidad, incluidas las etapas intensivas en retroalimentación y la alineación curricular, evidencia de que integrar estructura pedagógica en una IA produce salidas mejor alineadas; aun así, algunos expertos siguieron prefiriendo el plan de propósito general por su mayor énfasis socioemocional, y 7 de 11 juzgaron los planes «aplicables con corrección» y no directamente utilizables. La elección de la plataforma y del enfoque del prompt, y no solo la IA en sí, da forma a lo bien que los planes generados se alinean con los estándares curriculares y los modelos de proceso.

Conexiones con conceptos relacionados

El diseño curricular conecta directamente con el diseño del aprendizaje: el currículo define el qué, la instrucción define el cómo. Conecta con la alfabetización en IA porque integrar competencias en IA es un reto curricular primordial, con el papel de la docencia y el desarrollo educativo porque el cambio curricular exige preparación del personal docente, y con el andamiaje porque los currículos bien diseñados andamian el desarrollo de habilidades a lo largo de cursos y años. Las conexiones con la educación superior y la K-12 reflejan la relevancia del diseño curricular en todos los niveles educativos.

Conceptos conectados

Artículos conectados

Preguntas frecuentes relacionadas

Metadatos

DisciplinaStem Education
NivelHigher Ed
Público destinatarioInstructors, Faculty Developers
Learning and instructionAndamiaje
Technologies and techniquesIA generativa
Foundations of AI in educationAlfabetización en IA, Diseño curricular, Learning Design, La docencia
SourceHistoryEditChat

Incrustar esta página

Copy the code below to embed a chromeless version of this page in a learning management system or other website. The embedded view hides the site header, navigation, and footer.