En esta página

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

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

El aprendizaje basado en juegos (GBL) — el uso de los juegos mismos (digitales o físicos) como medio y contexto para el aprendizaje, donde la mecánica, los desafíos y la progresión del juego vehiculan el contenido educativo. Quien aprende aprende jugando. De forma relacionada, la gamificación aplica elementos de diseño de juegos (puntos, insignias, niveles, tablas de clasificación) a actividades de aprendizaje que no son juegos, sin convertirlas en juegos completos. En la educación en IA y robótica, ambos enfoques se usan para hacer que el contenido técnico resulte atractivo y motivador.

Preguntas para reflexionar

  • El aprendizaje basado en juegos usa el juego mismo como medio para aprender: se aprende jugando. La gamificación solo superpone puntos, insignias y niveles a una actividad que no es un juego. ¿Qué tan distintos cree que son esos dos enfoques en su efecto sobre el aprendizaje real, frente a su efecto sobre la implicación a corto plazo?
  • Una revisión comparativa encontró que el aprendizaje basado en juegos era más frecuente en entornos informales, mientras que la gamificación dominaba las aulas formales y favorecía el aprendizaje basado en proyectos. ¿Por qué cree que cada enfoque encontró un hogar distinto, y qué nos dice eso sobre dónde funciona mejor cada uno?
  • La gamificación se fundamenta en la teoría de la autodeterminación: autonomía, competencia y relación. Si la motivación consiste en satisfacer esas necesidades, ¿por qué un sistema de puntos e insignias podría tener éxito o fracasar según cómo dé forma al esfuerzo y a la atención percibidos?
  • La gamificación se suele suponer capaz de elevar la motivación por sí sola. ¿Qué tendría que mostrar la investigación sobre el esfuerzo y la atención percibidos antes de que usted atribuyera a un juego la mejora del aprendizaje? ¿Cuándo ha visto que un juego o unas insignias aumentaran la implicación sin mejorar realmente el aprendizaje, o al revés?

Introducción

El GBL se fundamenta en las teorías de la Motivación, la Implicación del estudiantado y el Aprendizaje activo: los juegos proporcionan motivación intrínseca, retroalimentación inmediata y contextos de problemas auténticos. Se solapa con la Simulación, el Aprendizaje basado en proyectos y la Robots en la educación. El GBL es especialmente relevante para la Robots en la educación, el Pensamiento computacional y la Enseñanza de la informática, donde los juegos pueden hacer concretos y divertidos conceptos técnicos abstractos.

Cómo aparece el GBL en la investigación

  • Educación en robótica: una revisión sistemática comparativa del aprendizaje basado en juegos y la gamificación en la educación en robótica encontró que el GBL era más frecuente en entornos informales, mientras que la gamificación dominaba las aulas formales y favorecía el aprendizaje basado en proyectos.

  • Juegos mediados por robots: REMind es un juego de rol mediado por un robot para la intervención contra el acoso escolar, y MotiBo usa la narrativa digital interactiva para impulsar la motivación.

  • Agentes conversacionales de IA en juegos de simulación: Wenzel, Geiger y Liening (2026) derivan el marco CAIS-GBL —cuatro principios de diseño y quince características de diseño para agentes conversacionales de IA en el aprendizaje digital basado en juegos— a partir de metarrequisitos guiados por la teoría que abarcan la implicación cognitiva, motivacional, afectiva y sociocultural, con una postura de equidad por diseño. Su agente instanciado (Lara) en un juego de simulación empresarial tuvo una acogida positiva por su apoyo cognitivo, su presencia social y su apoyo al Aprendizaje autorregulado, y aborda la brecha habitual de retroalimentación formativa limitada y reflexión estructurada en los juegos de simulación.

  • Eficacia del AI-GBL: un metaanálisis que abarca 55 estudios sobre aprendizaje basado en juegos apoyado por IA informa de ganancias en conocimiento, motivación intrínseca e implicación afectiva, aunque solo 4 estudios (7%) superaron su listón de alta calidad y solo 4 (7%) eran ECA (Kaşarcı y Yurt, 2026). La eficacia dependía de alinear el mecanismo de IA con una teoría del aprendizaje declarada.

  • La IA generativa como autora del juego y no como jugadora: Xie et al. (2026) hicieron que un modelo redactara siete personajes y material narrativo para un juego de rol de misterio sin conexión, y el juego superó después a la clase del mismo docente en un ensayo aleatorizado de 42 por brazo (η² parcial = 0,566). El estudiantado nunca usó la IA, así que el efecto pertenece al formato.

  • El estudiantado como diseñador de juegos y no como jugador: Karampa et al. (2026) hicieron que 22 estudiantes de primaria de entre 8 y 12 años diseñaran un juego de mesa de escape aumentado sobre desinformación, combinando el aprendizaje basado en proyectos con el pensamiento de diseño y el marco de escape Room2Educ8. La alfabetización en IA compuesta en un cuestionario DigComp 3.0 de 20 ítems subió de 3,684 a 4,309 en una escala de 5 puntos, t(21) = −21,086, p < 0,001, con mejora en las cinco áreas de competencia. La clase generó 11 propuestas con instrucciones de IA y las fusionó en un único juego construible. Se trata de autoinforme, de una sola clase y sin grupo de control.

  • Separe la IA en un entrenador de diálogo y un motor de dificultad. Un entorno Roblox mejorado con IA para el pensamiento computacional de secundaria superior emparejó un personaje no jugador basado en GPT-4, limitado a dos o tres frases y al que se impedía dar respuestas, con un motor basado en reglas que fijaba la dificultad a partir del tiempo hasta la solución y la tasa de error (Hengsawat, Junruang y Kanjug, 2026).

  • Salas de escape con un chatbot integrado en el juego. Una construcción de dos meses produjo una sala de escape 3D en el navegador para ciberseguridad en K-12, con un panel de GPT-4o integrado como un robot al que el estudiantado puede preguntar; el profesorado se sumó a la segunda iteración y cerró un atajo en la cadena de puzles (Na y Yang (2026)).

Gamificación

La gamificación es la aplicación de elementos de diseño de juegos (puntos, insignias, niveles, tablas de clasificación, desafíos, barras de progreso) a contextos que no son juegos para motivar e implicar a las personas usuarias. A diferencia del aprendizaje basado en juegos —donde el aprendizaje ocurre a través de un juego—, la gamificación superpone mecánicas de juego a una actividad de aprendizaje existente sin convertirla en un juego completo. Se usa en educación para impulsar la motivación, la Implicación del estudiantado y la persistencia, y se aplica ampliamente en entornos de aula formales.

La gamificación se fundamenta en la teoría motivacional, en particular en la Teoría de la autodeterminación (que apoya la autonomía, la competencia y la relación) y en los marcos de cambio de comportamiento. Ha mostrado una sinergia particular con el Aprendizaje basado en proyectos en dominios aplicados como la robótica. La investigación muestra:

  • Educación en robótica: la revisión comparativa encontró que la gamificación dominaba las aulas formales en la educación en robótica (p < 0,001) y favorecía con claridad el aprendizaje basado en proyectos (p = 0,009), mientras que el aprendizaje basado en juegos era más común en entornos informales.
  • Implicación y motivación: la gamificación se usa ampliamente para aumentar la implicación y la motivación del estudiantado en contextos de aprendizaje de IA, programación y STEM. La investigación sobre IA generativa, motivación e implicación examina cómo los elementos lúdicos se combinan con la IA para sostener el interés de quien aprende. Dos estudios de 2026 amplían esto comparando condiciones gamificadas y apoyadas por IA frente a la instrucción tradicional: un estudio con NASA-TLX midió la carga de trabajo percibida en condiciones de aprendizaje tradicionales, gamificadas y apoyadas por IA, y un estudio ARCS examinó la «ergonomía» motivacional en el aprendizaje gamificado y apoyado por IA, con implicaciones para la formación en el puesto de trabajo. En conjunto, aclaran que el beneficio motivacional de los diseños lúdicos y apoyados por IA depende de cómo dan forma al esfuerzo percibido, a la carga de trabajo y a la atención (por ejemplo, las dimensiones de atención y relevancia del modelo ARCS), y no de la gamificación por sí sola.

El GBL y la gamificación se conectan en conjunto con la Robots en la educación, la Implicación del estudiantado, la Motivación, la Teoría de la autodeterminación, el Aprendizaje activo, la Simulación, el Aprendizaje basado en proyectos y el Pensamiento computacional.

Implicaciones para la práctica

Para el profesorado

  • Pregunte qué hace repetir el juego al estudiantado, no si se divierte. La repetición de la operación correcta es el mecanismo; el disfrute es lo que hace tolerable la repetición.
  • Trate los resultados motivacionales y de conocimiento como afirmaciones separadas, y no permita que un aumento de la motivación intrínseca se presente como evidencia de aprendizaje.
  • Compruebe la calidad con el propio listón de la revisión antes de adoptar un título por la fuerza de una síntesis positiva: solo el 7% de los estudios lo cumplía.

Para quienes desarrollan

  • Instrumente los resultados de aprendizaje por separado de la implicación y el afecto, y publique ambos.
  • Construya primero la práctica productiva y después la capa de juego; una capa de juego sobre una práctica débil ha automatizado la parte que nunca escaseaba.

Para quienes investigan

  • Eleve la calidad de diseño del campo y no su volumen; una tasa de alta calidad del 7% es la restricción vinculante de lo que se puede concluir.

  • La retroalimentación conversacional en una simulación eleva la carga cognitiva pertinente sin reducir la carga extrínseca. En un juego de simulación empresarial de cinco semanas con 234 estudiantes, quienes usaban con regularidad un chatbot de retroalimentación basado en GPT-4o informaron de una carga cognitiva pertinente significativamente mayor que quienes tenían acceso pero no lo usaban (β = −,468, p < ,001) y que el grupo de control con retroalimentación estática (β = −,253, p < ,028), mientras que la carga extrínseca no mostró efecto en ninguna de las dos especificaciones (F(1, 219) = 0,499, p = ,481). Ambas cargas disminuyeron a lo largo de las cinco semanas (extrínseca β = −,388, p < ,001), un efecto de novedad medido sobre la carga cognitiva y no sobre la implicación (Wenzel, Geiger y Liening, 2026). El punto de diseño es que la retroalimentación aportaba personalización, señalización, segmentación y estructura de avance a lo largo de 19 indicadores concretos; la superficie del chatbot por sí sola no es el tratamiento.

Concepciones erróneas

«El aprendizaje basado en juegos apoyado por IA tiene una base de evidencia sólida.» La síntesis que respalda la afirmación es grande y delgada a la vez. Una revisión sistemática de 55 estudios encuentra efectos positivos sobre el conocimiento, la motivación intrínseca y la implicación afectiva, pero solo 4 estudios (7%) alcanzaron su umbral de alta calidad. Un efecto positivo agrupado extraído de una literatura en la que el 93% de los estudios queda por debajo del propio listón de calidad de la revisión es una hipótesis con literatura adjunta, no un hallazgo sobre el que diseñar.

«Los efectos positivos sobre la motivación y el conocimiento se refuerzan mutuamente.» Se miden por separado y, en la literatura más amplia, se programan por separado: la implicación y el logro avanzan en calendarios distintos, así que un juego que eleva la motivación intrínseca ha demostrado un resultado. Tratar el resultado motivacional como corroboración del resultado de conocimiento infla un hallazgo de dos partes en uno más fuerte de lo que el diseño respalda.

«Si un juego implica al estudiantado, el aprendizaje se sigue de la diversión.» La diversión es el mecanismo de entrega de la repetición que el juego hace tolerable, no el mecanismo de aprendizaje. Un juego que añade implicación sin añadir práctica productiva ha añadido la parte que nunca escaseaba.

Conceptos conectados

Artículos conectados

Incrustar esta página

Copia el código de abajo para incrustar esta página en un sistema de gestión del aprendizaje u otro sitio web. La versión incrustada muestra solo el contenido de la página: oculta el encabezado, la navegación y el pie de página del sitio.