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

Educación infantil y primaria

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 educación infantil y primaria — el uso de la inteligencia artificial en la educación de los niños y niñas pequeños, a lo largo de la etapa infantil y de los años de primaria. Abarca los currículos de alfabetización en IA y de pensamiento computacional para quienes aprenden a edades tempranas, los juguetes y el juego habilitados por IA, el aprendizaje personalizado en las materias de primaria y las consideraciones de desarrollo, seguridad y equidad propias de los niños y las niñas y no de los adolescentes o las personas adultas.

Preguntas para reflexionar

  • Los niños y las niñas pequeños ya se encuentran con la IA a través de juguetes, chatbots y robots de aula. ¿Qué hace que la relación de un niño de 5 años con la IA sea fundamentalmente distinta de la de una persona adulta, y qué debería cambiar en cómo pensamos los riesgos?
  • Parte de la alfabetización en IA en la primera infancia se enseña mediante el juego «desenchufado», sin ordenadores. ¿Cómo pueden aprenderse conceptos abstractos de IA a través de actividades corporeizadas y tangibles en lugar de pantallas?
  • Una preocupación llamada «isomorfismo tecnológico» describe a estudiantes pequeños que imitan la salida de la IA sin comprenderla. ¿Cómo distinguiría usted a un niño que ha aprendido de verdad de uno que simplemente repite una respuesta pulida?
  • Como quienes aprenden a edades tempranas son más vulnerables y menos capaces de autorregularse, el andamiaje adulto pasa a ser central. ¿Qué significa eso para una familia o un docente que decide cuándo y cómo debe usar la IA un niño?
  • Si el acceso a un aprendizaje temprano rico en IA —o a una orientación adulta protectora— es desigual, ¿cómo se manifiesta la equidad de forma distinta en la primera infancia que en estudiantes mayores?
  • La base de evidencia aquí es en gran medida exploratoria y orientada al diseño, no causal. ¿Qué querría saber antes de fiarse de una afirmación sobre que un juguete o una aplicación de IA mejora el aprendizaje de los niños?

Introducción

Los niños y las niñas pequeños interactúan con la IA cada vez más temprano —a través de juguetes habilitados por IA, chatbots, plataformas de aprendizaje adaptativo y robots de aula—, pero difieren en su desarrollo del estudiantado de K-12 y de educación superior que domina la mayor parte de la investigación sobre IA en educación. Este concepto reúne la cobertura de la base de conocimiento sobre esa franja de edad más temprana. Se sitúa dentro del paraguas más amplio de K-12, pero es distinto porque las preocupaciones son específicas del desarrollo: el juego como modo principal de aprendizaje, el andamiaje adulto (familias y profesorado), una alfabetización en IA adecuada a la edad y una atención reforzada al bienestar y a la seguridad.

Cómo se agrupa la investigación

  • Alfabetización en IA mediante el juego desenchufado. El marco AI-Play enseña conceptos de IA de la primera infancia mediante actividades desenchufadas (sin ordenador) y muestra que las ideas abstractas sobre la IA pueden presentarse a los niños pequeños a través de actividades corporeizadas, lúdicas y tangibles (véase Aprendizaje basado en juegos) — una vía adecuada al desarrollo hacia la alfabetización en IA y el pensamiento computacional.

  • Juguetes habilitados por IA y desarrollo infantil. La investigación sobre la IA en los juguetes examina cómo los juguetes comerciales habilitados por IA dan forma al desarrollo y al juego infantil. Esto plantea preguntas abiertas sobre los agentes en el juego, la calibración de la confianza, la agencia y el bienestar de quienes aprenden a edades más tempranas: un ámbito donde la orientación de diseño es más escasa que en los currículos para edades escolares y donde las familias y quienes ejercen la tutela pasan a ser actores centrales.

  • Actitudes de los niños hacia chatbots adaptados a su edad. Vahedian Movahed y Martin (2025) desplegaron «Ask Me Anything» (AMA), un chatbot acotado por temática (astronomía, zapatillas y calzado, dinosaurios) y adaptado por edad mediante ingeniería de prompts, con 63 niños y niñas (de 6 a 14 años), y revelaron tres patrones en la interacción entre el estudiantado y la IA —asombro y curiosidad, poner a prueba la confianza y construir seguridad en uno mismo, y crear vínculos mediante la antropomorfización—, junto con una amplia apertura y una alta confianza en la IA como fuente de información. Su llamada a un diseño sensible a la edad y a una enseñanza explícita de los conceptos de seguridad digital y de uso de datos refuerza las preocupaciones de desarrollo y de seguridad centrales en este concepto.

  • Aprendizaje de materias en primaria. El aprendizaje personalizado impulsado por IA en las fracciones de primaria y la IA en las matemáticas de primaria (incluidas las preocupaciones sobre el «isomorfismo tecnológico», es decir, estudiantes que imitan la salida de la IA sin comprenderla) muestran tanto la promesa como los escollos de la IA en la enseñanza temprana de materias. Una revisión sistemática de la escritura en primaria y la IA generativa traza cómo la IA generativa está remodelando la enseñanza de la escritura en los primeros cursos.

  • Robots y niños pequeños. La robótica en educación infantil apoya el pensamiento computacional mediante robots educativos, y la narración con humanoides impulsados por LLM explora si las familias aceptarán robots como compañeros de juego narrativo para sus hijos, poniendo en primer plano la confianza y las actitudes adultas.

  • Un marco de «enfoque de proyecto creativo» para agentes de IA y robótica. Yang, Li y Lee (2025) proponen un marco pedagógico de cinco pasos que integra agentes de IA generativa y robots en el Enfoque de Proyecto para fomentar el aprendizaje creativo de los niños pequeños. Sostienen que los agentes físicos son más apropiados que las pantallas para los niños pequeños y emparejan dos paradigmas complementarios con sus teorías del aprendizaje: los robots de programación (el construccionismo de Papert; el pensamiento computacional mediante programación tangible con herramientas como Matatalab y KIBO) y los robots sociales generativos (el andamiaje sociocultural dentro de la zona de desarrollo próximo del niño, actuando como pares o tutores conversacionales). Los cinco pasos —identificar necesidades de aprendizaje, facilitar la interacción guiada por el docente entre el niño y el robot, situar la IA en contextos, calibrar el equilibrio entre automatización y creatividad y evaluar los resultados— ofrecen a diseñadores y profesionales de la educación infantil una vía concreta para integrar agentes de IA y robots en aulas basadas en el juego y en proyectos, preservando la facilitación docente y la agencia del niño.

  • Currículos de alfabetización en IA centrados en el juego. Lee (2026) informa de la investigación basada en el diseño de Play With AI (PL-AI), un currículo adecuado al desarrollo en el que dos docentes de preescolar y dos de infantil codiseñaron siete actividades secuenciadas que combinan el juego desenchufado (componer y probar algoritmos «cómo hacer»), la programación tangible (Bee-Bot, Ozobot) y el diálogo guiado con un robot social de IA. La evidencia formativa mostró un crecimiento sustancial de la confianza docente y de la agencia pedagógica, y surgieron cuatro principios de diseño —juego corporeizado, programación tangible, diálogo guiado y codiseño docente— alineados con la iniciativa AI4K12 y los marcos de la NAEYC. Es un modelo de cómo pueden integrarse robots y herramientas tangibles en una alfabetización en IA lúdica y dirigida por el profesorado para quienes aprenden a edades más tempranas.

  • Planificación de clases asistida por IA para docentes de artes STEAM infantiles. Un estudio experimental con docentes de arte infantil (Luo y Tahir 2025) encontró que seis profesores expertos valoraron las planificaciones de clase asistidas por ChatGPT con una calidad significativamente superior a las generadas por el profesorado (mediana 20,5 frente a 17,6; p = .002; efecto grande), y a la vez trazó cómo delegaban los docentes: lo más frecuente (60%) era cubrir lagunas de contenido en una clase esbozada por ellos mismos y no generar planificaciones completas. El profesorado valoró la IA sobre todo como herramienta de inspiración y de detección de lagunas para la integración interdisciplinar de STEAM y para elegir temas más rápido, pero señaló salidas poco prácticas para aulas reales, que pasaban por alto restricciones de seguridad infantil (por ejemplo, cuchillos de talla para niños pequeños) y que arrastraban un sesgo cultural occidentalocéntrico: una cautela concreta y anclada en el desarrollo para el uso de la IA generativa con quienes aprenden a edades tempranas, que un marco de prompts de Rol–Instrucciones–Objetivo final se diseñó para atemperar.

  • Alfabetización mediática crítica apoyada por IA en los años de primaria. Demir y Akar (2026) evalúan un programa de alfabetización mediática crítica de 18 horas y modelo 5E para estudiantes de cuarto curso de una escuela pública de primaria turca, que integra la IA generativa (ChatGPT, Grammarly, Canva AI, Padlet) fase por fase como agente pedagógico en lugar de como complemento aislado, con actividades alineadas con los currículos turcos de Lengua y Ciencias Sociales. El grupo apoyado por IA mostró grandes mejoras en lectura de medios (+3,50), escritura (+1,67) y alfabetización mediática total (+5,17; en todos los casos p < .01), con tamaños del efecto entre grupos de d de Cohen = 1,12–1,31, mientras que el grupo de control avanzó solo de forma modesta. El análisis cualitativo de entrevistas, producciones del estudiantado (carteles, dibujos, eslóganes) y observación de aula reveló seis ámbitos de crecimiento en alfabetización mediática crítica —autoprotección digital y privacidad de los datos, uso intencionado y responsable de los medios, comunicación segura y conciencia de límites, evaluación crítica y conciencia de la desinformación, conciencia de los riesgos en línea y ética mediática y ciudadanía digital—, y ofrece un modelo cuasiexperimental poco frecuente y alineado con el currículo de cómo la IA puede apoyar la alfabetización en IA crítica y el pensamiento crítico en los cursos de primaria.

  • Observación de la calidad de la interacción docente-niño puntuada por IA. Fong et al. (2026) comparan un LLM con evaluadores humanos entrenados en el marco completo CLASS Pre-K en jardines de infancia de Hong Kong: 87 observaciones grabadas en vídeo de 38 aulas de 30 jardines de infancia, puntuadas a partir de transcripciones por GPT-5.0 y comparadas con ocho evaluadores entrenados. La concordancia fue moderada en general (κ ponderada = 0,681) pero dependía del constructo: la convergencia se mantuvo en el dominio de Apoyo emocional y en la Calidad de la retroalimentación —la dimensión que sostiene el apoyo verbal explícito y basado en el intercambio—, mientras que la Organización del aula divergió por completo y los evaluadores puntuaron las dimensiones emocionales más alto que el modelo, con una diferencia muy grande en la dimensión de Clima negativo, de puntuación inversa (d = 2,732; los evaluadores dieron el máximo de 7 en 63 de 71 observaciones y la IA se agrupó en 6). La lección para la primera infancia es específica del desarrollo: la calidad que vive en la conducta no verbal, espacial y rutinaria —gestión, movimiento, calidez, tono— es invisible para un proceso que solo usa transcripciones, la dirección del error del modelo depende del constructo en lugar de ser uniformemente conservadora, y por eso los autores sitúan la evaluación con IA como herramienta de cribado y reflexión para el profesorado y no como sustituto de observadores entrenados.

Consideraciones de desarrollo y equidad

Como quienes aprenden a edades tempranas son más vulnerables y menos capaces de autorregular su uso de la IA, este grupo pone el énfasis en el andamiaje por parte de personas adultas (familias, tutores y profesorado), el diseño adecuado a la edad y el riesgo de dependencia excesiva y de daño si la IA sustituye, en lugar de apoyar, el trabajo de desarrollo que hacen el juego, el descubrimiento y el aprendizaje esforzado. La equidad es una preocupación viva: el acceso a un aprendizaje temprano rico en IA (o a una orientación adulta protectora) es desigual, lo que conecta con la brecha digital y la equidad en la educación con IA. Buena parte de la base de evidencia sigue siendo exploratoria u orientada al diseño y no causal.

Conceptos conectados

Artículos conectados

Preguntas frecuentes relacionadas

Metadatos

NivelK 12, Preschool
Aprendizaje y enseñanzaBienestar
Fundamentos de la IA en la educaciónIA en la educación, Alfabetización en IA, Pensamiento computacional
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.