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

La IA en las disciplinas

Creada 2026-09-28 · Actualizada 2026-09-28

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

La IA en las disciplinas — la aplicación de la inteligencia artificial a la enseñanza y el aprendizaje dentro de materias académicas concretas, donde las pedagogías características, los métodos, las teorías y las preocupaciones de cada disciplina dan forma a cómo se diseña, se usa y se evalúa la IA. En lugar de tratar la IA en la educación como un único fenómeno genérico, esta visión general organiza la cobertura por disciplinas de la base de conocimiento y saca a la superficie los temas transversales que recorren la investigación sobre AIEd por áreas de conocimiento.

Preguntas para reflexionar

  • Un tutor de matemáticas que destaca en la retroalimentación de correcto/incorrecto puede fracasar en humanidades, donde la interpretación y la autoría importan más que la corrección. ¿Cómo define su propia disciplina qué cuenta como «buena retroalimentación»?
  • La investigación con 560 estudiantes encontró que la afiliación disciplinar predice con qué frecuencia y con cuánta apertura usa el estudiantado la IA generativa. ¿Por qué podría una disciplina actuar como todo un «sistema de actividad» que da forma al uso de la IA, en lugar de que la IA sea una herramienta neutral en todas partes?
  • El «acto cognitivo» que se delega a la IA es específico de cada disciplina: el cálculo en matemáticas, el código en informática, la composición en escritura. Si la dependencia excesiva se ve distinta en cada campo, ¿cómo la detectaría usted en el suyo?
  • ¿Qué significa la IA para una disciplina cuya pedagogía característica es el trabajo de laboratorio práctico, o la construcción interpretativa de significado, en lugar de la resolución de problemas? ¿Hay alguna materia en la que la IA deba desempeñar un papel pequeño?
  • Varias disciplinas —derecho, historia, las artes— siguen siendo escasas en investigación sobre IA y educación. ¿El uso de la IA en qué disciplina merece más atención, y qué debería respetar una buena IA en ese campo que las herramientas genéricas no respetan?

Introducción

La IA en la educación se manifiesta de forma distinta en cada disciplina porque cada campo tiene su propia pedagogía característica: las formas distintivas en que se construye, se practica y se enseña el conocimiento. Los tutores de IA que brillan en matemáticas pueden fracasar en las humanidades, donde la interpretación y la autoría importan más que las respuestas correctas. Esta página es el mapa general de esas líneas específicas de cada disciplina, que hoy abarcan desde las materias escolares hasta la formación profesional y aplicada y la práctica de taller. Un miembro de la línea no es en absoluto una materia que se enseñe: las ciencias del aprendizaje son el campo de investigación en torno a la IA en la educación, que aporta los mecanismos que los sistemas de IA operacionalizan y los estándares con los que se los juzga; adoptan la mirada transversal, frente a la premisa de esta página de que es el contenido de la materia lo que cambia lo que debe hacer el apoyo.

Conceptos específicos de cada disciplina

La base de conocimiento tiene páginas de concepto dedicadas a varias áreas de conocimiento:

  • Matemáticas — tutoría con IA, resolución adaptativa de problemas y diagnóstico conceptual en matemáticas.
  • Física — simulación con IA, chatbots y planteamiento de problemas en el aprendizaje de la física.
  • Química — la IA en el diseño de laboratorio y experimental, la evaluación formativa mediada por IA, la enseñanza contextualizada y basada en la indagación, los límites técnicos de los LLM en tareas de química y la filosofía de la experimentación.
  • Biología — la IA en la enseñanza de laboratorio, la alfabetización en IA integrada en los currículos de biología, el pensamiento crítico en la era de la IA y herramientas especializadas (identificación de especies, bioimagen, modelado predictivo).
  • Informática — la IA para la generación de código, la depuración y el apoyo a la programación de principiantes.
  • Tecnología de la información — el ala aplicada de la informática, que prepara a profesionales para seleccionar, proteger, administrar y gobernar los sistemas desplegados que operan las organizaciones: su unidad de análisis es el sistema desplegado y el juicio de quien lo administra sobre él, mientras que la enseñanza de la informática toma el programa y el algoritmo como sus objetos.
  • Escritura — la composición asistida por IA, la corrección automática de ensayos y la retroalimentación sobre la escritura.
  • Aprendizaje de idiomas — interlocutores de IA, retroalimentación sobre la pronunciación y práctica conversacional en segundas lenguas o lenguas extranjeras.
  • Enseñanza del inglés (EAP/EFL/ESL) — el inglés con fines académicos (EAP) y la enseñanza del inglés (EFL/ESL/L2): el registro del inglés académico, la escritura basada en géneros y la retroalimentación y evaluación específicas del inglés, distintas del aprendizaje general de idiomas y de la escritura general.
  • STEM — el paraguas interdisciplinar de ciencia, tecnología, ingeniería y matemáticas.
  • Formación del profesorado — la preparación y el desarrollo profesional del profesorado (inicial y en servicio), una disciplina por derecho propio cuya investigación sobre IA se centra en la alfabetización en IA del profesorado, el TPACK inteligente y la disposición a integrar la IA.
  • Medicina y profesiones de la salud — simulación clínica, entrenamiento con aprendizaje por refuerzo y principios fundamentales del aprendizaje en la formación de las profesiones de la salud.
  • Enfermería — el registro empírico más denso de la línea clínica: simulación con pacientes virtuales, apoyo al razonamiento con LLM y plataformas adaptativas, enmarcados tanto en la formación de la identidad profesional como en la competencia, y lo bastante acotados para nombrar el límite donde se detienen los beneficios documentados de la IA (la habilidad psicomotora compleja y la interacción emocionalmente cargada) en lugar de tratar las profesiones de la salud como un solo caso.
  • Formación profesional y vocacional — la preparación inicial para oficios y ocupaciones técnicas concretos, organizada por marcos de cualificaciones y evaluada por lo que quien aprende sabe hacer con el equipamiento: se extiende más allá de la formación profesional y la actualización en el puesto de trabajo que cubre la formación profesional hasta quienes aún no están empleados, y su pregunta recurrente de diseño es qué partes de la práctica cuyo personal es caro puede absorber la IA sin desplazar la repetición que produce la competencia.
  • Educación en diseño — la formación profesional en taller en diseño de producto, servicios, interacción, interiores y arquitectura, donde el proceso visible es el objeto evaluado y donde las herramientas generativas abaratan el artefacto pulido: acota las disciplinas de taller que cubre la educación artística, de diseño y de medios al itinerario profesional del diseño, de modo que el argumento lo sostienen la crítica, el portafolio y la regulación, y no la práctica material y performativa.
  • Ingeniería — formación profesional, diseño y aprendizaje práctico, uso ético de la IA, evaluación corporeizada y preparación para el mercado laboral en ingeniería.
  • Empresa, economía y gestión — la IA en la educación empresarial, económica y de gestión: marcos de IA generativa informados por el estudiantado, integración en el currículo mediante alineación constructiva y preparación para una práctica profesional integrada con IA.
  • Humanidades y ciencias sociales — cognición interpretativa, autoría y construcción de significado en humanidades y ciencias sociales.
  • K-12 y educación superior — educación sobre la IA y con la IA en cada nivel.

Temas transversales entre disciplinas

Varios hilos atraviesan todas las disciplinas, aunque se despliegan de forma distinta en cada una:

  • La disciplina como sistema de actividad. Jiang et al. (2026) muestran, en 560 estudiantes de grado de cinco ámbitos académicos, que la afiliación disciplinar se asocia de forma significativa con la frecuencia de uso y las prácticas de declaración de IA generativa del estudiantado: las disciplinas funcionan como sistemas de actividad cuyas normas, políticas y expectativas de rol dan forma a cómo el estudiantado se implica con la IA generativa y la declara. Es evidencia directa de la premisa de la base de conocimiento de que la IA en la educación no es neutral respecto a la disciplina.
  • La forma misma de lo «interdisciplinar» la determina la disciplina. La revisión PRISMA de Xia et al. (2026) sobre 59 estudios cataloga seis formas de educación interdisciplinar en las que aparece la IA: integración STEM (n = 26), cohortes con trayectorias estudiantiles interdisciplinares (n = 14), campos no STEM (n = 10), contenidos de aprendizaje interdisciplinares (n = 10), integración inter-STEM (n = 8) y STEAM (n = 2). La distribución es un hallazgo de nivel disciplinar y no de herramienta: la interdisciplinariedad apoyada en IA está abrumadoramente alojada en STEM, y las cohortes con trayectorias interdisciplinares se estudian más a menudo que los campos no STEM que esas cohortes deberían conectar. La revisión muestra además que las mismas funciones de IA reaparecen en estos contextos —asistente (n = 43), evaluador (n = 22), agente (n = 14), monitor (n = 9)— mientras que sus efectos cognitivos, conductuales y afectivos difieren según la disciplina y el actor, con el estudiantado como el grupo más estudiado con diferencia (n = 57), el profesorado después (n = 26) y el personal administrativo apenas examinado (n = 4).
  • Tutoría y retroalimentación. Los sistemas de tutoría con IA (tutoría con IA, tutoría inteligente, retroalimentación, calidad de la retroalimentación con IA) aparecen en casi todas las disciplinas, desde los tutores de matemáticas y física hasta la retroalimentación de escritura y idiomas. La disciplina determina qué cuenta como buena retroalimentación: correcto/incorrecto en matemáticas, calidad del argumento en escritura, fluidez en idiomas.
  • Evaluación. La evaluación automatizada, la corrección automatizada, la corrección automática de ensayos y la evaluación formativa se reimaginan con IA en todas las disciplinas, pero los constructos de puntuación difieren (precisión procedimental frente a profundidad interpretativa frente a competencia comunicativa).
  • Descarga cognitiva y dependencia excesiva. El riesgo de descarga cognitiva y de dependencia excesiva aparece en matemáticas, informática y escritura, aunque el «acto cognitivo» que se delega es específico de cada disciplina: cálculo, código o composición.
  • Alfabetización en IA y uso crítico. La alfabetización en IA, el pensamiento crítico y la pedagogía crítica sustentan el uso responsable en todas las materias.
  • Equidad y acceso. La equidad en la educación con IA, la brecha digital y la pedagogía culturalmente relevante conciernen a todas las disciplinas.

Pedagogías, métodos y teorías características por disciplina

Cada disciplina aporta tradiciones pedagógicas distintivas con las que dialoga la investigación sobre IA:

Disciplinas representadas en la base de conocimiento

La cobertura por disciplinas más sólida de la base de conocimiento está en STEM en sentido amplio —en particular matemáticas, física, química, biología y informática—, seguida de escritura, aprendizaje de idiomas (con una línea propia de enseñanza del inglés para EAP/EFL/ESL) y, más recientemente, ingeniería, formación del profesorado (con un cuerpo sustancial de investigación sobre formación en IA inicial y en servicio), medicina y profesiones de la salud y humanidades y ciencias sociales. Ingeniería y diseño también tienen un cuerpo creciente de artículos. Esta concentración sigue a la literatura más amplia: la revisión de Xia et al. (2026) encontró que STEM era la forma interdisciplinar más común en la educación superior apoyada en IA (n = 26), muy por delante de los campos no STEM (n = 10) y de STEAM (n = 2), una advertencia a nivel disciplinar de que la evidencia sobre IA en educación se acumula más rápido donde las herramientas computacionales son más fáciles de integrar, no necesariamente donde el valor pedagógico de la IA es mayor. Las incorporaciones más recientes amplían la línea más allá de las materias académicas hacia la educación profesional y aplicada —enfermería, tecnología de la información y formación profesional y vocacional—, donde al estudiantado se lo evalúa por la práctica demostrada y no por la corrección, y donde el empleador y el organismo de habilitación, y no solo la academia, definen qué cuenta como competencia.

Disciplinas poco representadas

Varias disciplinas siguen siendo escasas en la base de conocimiento y son buenas candidatas para futuras incorporaciones:

Estas disciplinas poco representadas se beneficiarían de páginas de concepto dedicadas y de la incorporación de más artículos a medida que crezca la base de conocimiento.

Conceptos conectados

Artículos conectados

Metadatos

DisciplinaStem Education, Math Education, Physics Education, Cs Education, Language Learning, Writing Education, Medical Education, Humanities Education, Business Education, Design Education, Information Technology, Vocational Education, Nursing Education, Learning Sciences
Fundamentos de la IA en la educaciónIA en la educación
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.