Pedagogías y estrategias de enseñanza

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

Las pedagogías y las estrategias de enseñanza: los métodos y los enfoques que el profesorado usa para enseñar y facilitar el aprendizaje, y el concepto marco de la cobertura que hace esta base de conocimiento sobre cómo ocurre la enseñanza (a diferencia de Teorías del aprendizaje, que explican cómo ocurre el aprendizaje). En la IA en la educación, la pedagogía es central porque la elección de la estrategia de enseñanza da forma al modo en que se despliegan las herramientas de IA: una misma herramienta de IA generativa puede ser un andamiaje bajo una pedagogía, un interlocutor socrático bajo otra, o un generador de respuestas bajo una tercera. La base de conocimiento documenta pedagogías individuales y las trata como la lente instruccional con la que se evalúan el diseño y el uso en el aula de la IA.

Preguntas para reflexionar

• ¿Cuál es la diferencia entre una estrategia de enseñanza (una pedagogía) y una teoría de cómo ocurre el aprendizaje? ¿Puede nombrar una estrategia que use y la teoría del aprendizaje en la que podría apoyarse?
• La página sostiene que toda herramienta de IA «incorpora supuestos pedagógicos», los declare quien la diseña o no. Tome un chatbot que solo responde preguntas: ¿qué pedagogía está poniendo en acto en silencio, y es eso intencionado?
• La misma IA generativa puede ser un andamiaje bajo una pedagogía, un socio socrático bajo otra, o un generador de respuestas bajo una tercera. ¿Puede describir una sola herramienta usada de estas tres maneras distintas?
• La evidencia sugiere que cómo se usa la IA importa tanto como si se usa. ¿Ha observado que la misma IA ayude a un grupo y perjudique a otro? ¿Qué era distinto?
• Si usted asesorara a un centro sobre la compra de una herramienta de IA, ¿qué preguntas haría para sacar a la luz la pedagogía incorporada en ella, y no solo su lista de funciones?
• Piense en una estrategia centrada en quien aprende que haya probado (activa, colaborativa, basada en proyectos). ¿Qué la hizo funcionar o fracasar, y cómo podría haber cambiado ese resultado una herramienta de IA?

Introducción

La pedagogía y la estrategia de enseñanza tienen que ver con cómo enseña el profesorado, es decir, con las actividades, las estructuras y los métodos que organizan el aprendizaje, mientras que Teorías del aprendizaje explican los mecanismos subyacentes de cómo ocurre el aprendizaje. Las dos son complementarias: una pedagogía operacionaliza una o más teorías, y la base de conocimiento trata la pedagogía como el puente de la teoría a la práctica de aula. Toda herramienta de IA incorpora supuestos pedagógicos sobre la interacción instruccional deseada, los declare quien la diseña o no.

El panorama de las pedagogías

La base de conocimiento documenta un rico conjunto de estrategias de enseñanza y pedagogías individuales, organizadas en familias:

• Enfoques centrados en quien aprende y activos. Aprendizaje activo (el estudiantado implicado en hacer y pensar, en lugar de recibir de forma pasiva), Aprendizaje basado en proyectos (aprender mediante proyectos prolongados), Aprendizaje experiencial (aprender mediante la experiencia directa) y Aprender enseñando (aprender explicando a otras personas).
• Enfoques colaborativos y sociales. Aprendizaje colaborativo (aprender mediante el trabajo en grupo), Aprendizaje sociocultural (aprender mediante la participación social y la mediación) y el cuestionamiento socrático (aprender mediante el diálogo guiado y las preguntas).
• Enfoques basados en la experiencia. Aprendizaje experiencial (aprender mediante la experiencia directa y la reflexión), Aprendizaje situado (aprender en contextos auténticos) y Aprendizaje encarnado (aprender mediante la interacción física y corporeizada).
• Enfoques estructurados y guiados. Andamiaje (apoyo temporal que se retira), Diseño de aprendizaje (diseño sistemático de la instrucción), Aprendizaje autorregulado (quien aprende dirige su propio aprendizaje) y Aprendizaje sociocultural (incluido el apoyo sociocultural estructurado y guiado por el profesorado).
• Pedagogías en línea y a distancia. La enseñanza y el aprendizaje en línea son en sí mismos un contexto pedagógico, y no solo un canal de distribución: el medio da forma a qué estrategias son viables (Aprendizaje activo repensado para foros asíncronos, Aprendizaje colaborativo mediante la discusión digital, agentes de tutoría que sustituyen la interacción presencial). En este medio, la IA plantea tanto oportunidades nuevas (personalización escalable, apoyo permanente) como riesgos nuevos (integridad académica, descarga cognitiva), lo que hace decisiva la intención pedagógica.
• Enfoques de motivación e implicación. Aprendizaje basado en juegos (aprender mediante juegos), Teoría de la autodeterminación (apoyar la autonomía, la competencia y la relación) y las estrategias orientadas a la Motivación.
• Pedagogías conscientes de la equidad. La pedagogía culturalmente relevante, el diseño universal para el aprendizaje, la Pedagogía crítica y el Aprendizaje inclusivo garantizan que las estrategias sirvan a un estudiantado diverso.

Los enfoques no son secuencias, y la diferencia decide los resultados. Todo lo anterior describe qué tipo de enseñanza está ocurriendo. Los patrones pedagógicos describen el orden de las acciones dentro de una lección —qué hace primero el estudiantado, dónde entra la IA y dónde permanece el juicio humano—, y la base de conocimiento documenta esas secuencias probadas por separado, porque una misma herramienta ayuda o perjudica según su posición en el orden. Intentar un problema antes de que la IA ofrezca ayuda, y recibir pistas en lugar de respuestas, es la disposición con el respaldo más consistente en la base de evidencia; poner al asistente primero es una de las formas mejor documentadas de deprimir el rendimiento posterior sin ayuda. Una pedagogía adoptada sin decidir ese orden deja sin fijar la variable decisiva.

Cómo aparece la pedagogía en la IA en la educación

La investigación de la base de conocimiento examina la pedagogía en la intersección de la IA y la enseñanza de varias maneras:

• La IA como agente pedagógico. Las herramientas de IA encarnan pedagogías: un tutor construido sobre el cuestionamiento socrático incita a quien aprende a razonar, mientras que un chatbot que genera respuestas puede recurrir por defecto a darlas directamente (véase Reducir el mal uso de la IA sobre por qué importa la postura pedagógica). La literatura sobre IA agéntica muestra que fundamentar los agentes en la teoría del diseño instruccional supera a la ingeniería de prompts sin más. Moganadas et al. (2026) reformulan este papel de manera formal: en lugar de una relación diádica entre instructor y modelo del estudiantado con la IA generativa como suplemento o amenaza externa, proponen un modelo triádico anidado de instructor, estudiantado e IA generativa en el que la IA generativa opera como mediador didáctico-pedagógico acotado dentro de un espacio compartido de mediación didáctica gobernado por instituciones y actores, y del que se derivan cinco proposiciones investigables sobre la mediación del aprendizaje, la transformación del papel docente, la alfabetización en IA y la agencia de quien aprende, la evaluación procesual y transparente respecto a la IA, y la Gobernanza de la IA institucional.

• La pedagogía determina el efecto de la IA. Un hallazgo recurrente es que cómo se usa la IA importa tanto como si se usa. La investigación sobre la orientación instruccional y los ensayos controlados aleatorizados con tutores con barreras muestran que la misma IA puede perjudicar o ayudar según el envoltorio pedagógico (pistas frente a respuestas, uso estructurado frente a uso abierto).

• El conocimiento pedagógico pesa más que el técnico. En 46 docentes y 2.832 estudiantes, el conocimiento pedagógico de la IA del profesorado predijo las percepciones del estudiantado sobre la IA para el bien social y su intención de aprender IA, mientras que el conocimiento técnico por sí solo resultó insuficiente, y ninguno de los dos predijo el conocimiento de IA del estudiantado (Shen et al. (2026)).

• Descargar trabajo administrativo es donde más claramente contribuye la IA. Una revisión PRISMA de 28 estudios encontró que la IA mejoraba con mayor frecuencia la planificación didáctica y el diseño de la evaluación, y que su beneficio más reportado era la automatización de la calificación, la retroalimentación y el seguimiento del progreso (18 estudios, 64,2%), mientras que la alineación pedagógica era el desafío más citado (14) (Kibar e Ilgaz (2026)). La automatización y el aprendizaje se compensan directamente. Woollaston et al. (2026) recorren seis principios pedagógicos —activación del conocimiento previo, Aprendizaje colaborativo, Aprendizaje basado en problemas, Evaluación formativa, Andamiaje, Metacognición— por lo que la iniciativa agéntica proactiva hace a cada uno, y sostienen que cuanto más automatiza un agente, menos trabajo cognitivo hace quien aprende, a menos que se diseñen fricción, desvanecimiento dinámico y supervisión humana.

• La reflexión es una pedagogía que la IA a la vez habilita y amenaza. Los prompts estructurados, los diarios y los comentarios de portafolio son el mecanismo por el que la experiencia se convierte en aprendizaje, y la página de reflexión recoge la evidencia. Un experimento preinscrito encontró que los prompts duplicaban el tiempo dedicado a la retroalimentación y recortaban el volumen de práctica un 40% sin elevar la ganancia por problema. Una auditoría codificada de un socio de reflexión con IA encontró que incumplía todas las instrucciones conductuales sin dejar rastro visible. Diseñe el prompt en torno a un intento ya completado y exija el rastro en lugar de la entrada pulida.

• Estrategias de enseñanza para la alfabetización en IA. Enseñar al estudiantado a usar bien la IA es en sí mismo una tarea pedagógica: la investigación sobre Alfabetización en IA y Reducir el mal uso de la IA desarrolla estrategias (pensar primero, IA después, reflexionar; declaración de uso de IA; entrenamiento en calibración) que pertenecen a este marco.

• La metáfora y la analogía como técnica de enseñanza. Metáforas y analogías reúne la evidencia sobre cómo las analogías explican la IA, dónde se rompen y cómo el estudiantado puede auditarlas como forma de pensamiento crítico.

• La instrucción en alfabetización en IA mueve el conocimiento más rápido. Un metaanálisis de tres niveles de 59 estudios (172 tamaños del efecto) encontró que las intervenciones centradas en el conocimiento (g ≈ 0,97) superaban claramente a las dirigidas a habilidades (≈ 0,67), actitudes (≈ 0,68) o ética (≈ 0,64), así que emparejar la enseñanza de conceptos con práctica sostenida apunta a los resultados que resisten a la instrucción (Liu et al. (2026)).

• La pedagogía en la práctica docente. La docencia y Competencia en IA del profesorado examinan cómo adopta el profesorado la IA dentro de su repertorio pedagógico existente, y Entrenamiento y ajuste fino de LLM y Agente pedagógico estudian herramientas de IA entrenadas para seguir principios pedagógicos.

Relación con las teorías del aprendizaje

Las pedagogías y las teorías del aprendizaje están estrechamente ligadas: cada pedagogía operacionaliza una o más teorías. Por ejemplo, Aprendizaje basado en proyectos operacionaliza las teorías Constructivismo y experiencial; Método socrático se apoya en Aprendizaje sociocultural y Metacognición; Andamiaje procede de la zona de desarrollo próximo. La base de conocimiento trata Teorías del aprendizaje como el fundamento conceptual y esta página como el marco de la práctica instruccional; véase también Diseño de aprendizaje, que se ocupa del proceso sistemático de seleccionar y secuenciar estrategias. Las ciencias del aprendizaje están un paso más afuera todavía: esta página cubre la práctica de la enseñanza y las estrategias que elige el profesorado, mientras que las ciencias del aprendizaje estudian esa práctica de forma empírica, describiendo, modelando y evaluando diseños para establecer cuáles cambian el aprendizaje.

Las mejoras en el aprendizaje en las distintas estrategias pedagógicas

Las distintas estrategias pedagógicas producen distintos tipos y tamaños de mejoras en el aprendizaje, y la evidencia de la base de conocimiento permite compararlas:

• Las estrategias activas y experienciales producen en general un aprendizaje duradero más sólido que la recepción pasiva, aunque se sienten más esforzadas: Aprendizaje activo, Aprendizaje experiencial, Aprendizaje basado en proyectos y Aprender enseñando construyen la comprensión mediante el hacer. La investigación muestra que las estrategias que preservan la práctica esforzada (en lugar de que la IA la abrevie) protegen Mejoras en el aprendizaje.
• Las estrategias estructuradas y guiadas (Andamiaje, Aprendizaje autorregulado, Diseño de aprendizaje) producen mejoras fiables pero más modestas: la evidencia sobre barreras de seguridad (PNAS 2025) muestra que el andamiaje de pista y no respuesta preserva un aprendizaje que el suministro de respuestas sin barreras destruye.
• El aprendizaje basado en juegos produce mejoras de implicación y de habilidad que son reales pero a menudo modestas y dependientes del contexto: la evidencia metaanalítica encuentra que la IA generativa asistida por juegos no muestra ningún beneficio añadido significativo frente a otros formatos, así que los juegos se usan mejor para la motivación y la práctica, y no como atajo hacia las mejoras.
• Las estrategias colaborativas y socioculturales (Aprendizaje colaborativo, Aprendizaje sociocultural) muestran mejoras mediadas por la calidad de la interacción, cada vez más estudiadas con la IA como socio o como par.
• Las estrategias socráticas y basadas en el diálogo (Método socrático) apuntan al pensamiento de orden superior y al razonamiento: mejoras más difíciles de medir que las de habilidad, pero centrales para el Pensamiento crítico.

El hallazgo transversal clave, coherente con la investigación de la base de conocimiento sobre Mejoras en el aprendizaje, es que el efecto de la estrategia en el aprendizaje depende más de cómo preserva el esfuerzo de quien aprende y el esfuerzo productivo que de la etiqueta que lleve: cualquier pedagogía, incluso una «buena», fracasa si la IA se configura para saltarse el trabajo cognitivo que debía provocar (véanse Descarga cognitiva, Dificultades deseables).

La interacción entre el estudiantado y la IA se lee mejor como un proceso cambiante de distribución cognitiva que como una dependencia fija: en 53 conversaciones de ChatGPT de un curso transdisciplinar de ingeniería, la extensión (co-pensamiento ajustado e iterativo) fue el tipo de interacción más frecuente, con el 53,3% de 321 códigos a nivel de indicación, por delante de la externalización, con el 29,6% (Willcox, Lane y Arikan (2026)).

Ese énfasis en preservar el esfuerzo no es absoluto: un diseño de métodos mixtos de cuatro estudios (N = 912) encontró que enmarcar la IA generativa como compañera pedagógica activaba tanto la vigilancia crítica como la descarga estratégica, y que la descarga por encima de un umbral liberaba capacidad para la reflexión de orden superior en lugar de erosionarla (Wang y Zhang (2026)).

Implicaciones para la IA en la educación

• Elegir la pedagogía de forma deliberada con la IA: la estrategia de enseñanza determina si una herramienta de IA apoya el aprendizaje o lo socava, así que la intención pedagógica debería guiar la selección y la configuración de las herramientas de IA.
• Mantener la agencia de quien aprende en el centro: las pedagogías activas, socráticas y de andamiaje preservan el esfuerzo productivo y la Agencia de quien aprende que la IA puede erosionar si no (véanse Descarga cognitiva, Dificultades deseables).
• Diseñar la IA para que ponga en acto una buena pedagogía: los agentes y los tutores de IA deberían fundamentarse en marcos instruccionales establecidos, y no en la generación de respuestas por defecto.
• Enseñar con la IA y sobre la IA: las pedagogías deberían tanto usar la IA para enseñar como enseñar a quien aprende a usar la IA de forma responsable.

Concepciones erróneas

• «Lo que el profesorado más necesita es conocimiento técnico de IA.» En 46 docentes y 2.832 estudiantes, el conocimiento pedagógico de la IA del profesorado predijo las percepciones del estudiantado sobre la IA para el bien social. El conocimiento pedagógico superó al técnico, lo que invierte el lugar al que va la mayor parte de la inversión en formación.
• «La principal contribución de la IA en la educación es instruccional.» Una revisión PRISMA de 28 estudios encontró que la IA mejoró con más frecuencia la planificación instruccional y el diseño de la evaluación: la contribución más clara es liberar trabajo administrativo, no enseñar. Un caso construido en torno a ganancias instruccionales se apoya en la rama más débil de la evidencia.
• «La formación en alfabetización en IA se traduce automáticamente en mejor enseñanza.» Un metaanálisis de tres niveles de 59 estudios (172 tamaños de efecto) encontró que las intervenciones centradas en el conocimiento (g ≈ 0,97) superaban claramente a otros enfoques para mover el conocimiento. Mover el conocimiento es el resultado medido; si llegó a la práctica es la siguiente pregunta.

Conceptos conectados

• Alianzas pedagógicas — Alianzas pedagógicas
• Enseñanza y aprendizaje en línea — Enseñanza y aprendizaje en línea
• Teorías del aprendizaje
• Ciencias del aprendizaje
• Mejoras en el aprendizaje
• Diseño de aprendizaje
• Metáforas y analogías — La metáfora y la analogía como técnica de enseñanza
• Aprendizaje activo
• Aprendizaje colaborativo
• Aprendizaje basado en proyectos
• Aprendizaje basado en casos — El método de casos y los casos contrastivos como técnicas de enseñanza
• Aprendizaje experiencial
• Aprendizaje basado en juegos
• Método socrático
• Andamiaje
• Aprender enseñando
• Aprendizaje autorregulado
• Pedagogía culturalmente relevante
• Diseño universal para el aprendizaje
• Pedagogía crítica
• La docencia
• Competencia en IA del profesorado
• Alfabetización en IA
• Diseño curricular
• Educación superior
• K-12
• Entrenamiento y ajuste fino de LLM — Herramientas de IA entrenadas para seguir principios pedagógicos

Artículos conectados

• Generative AI as a Didactic-Pedagogical Mediator: Rethinking Human Roles and Pedagogical Design in Higher Education — La IA generativa como mediador didáctico-pedagógico: modelo triádico de instructor, estudiantado e IA generativa (Moganadas et al. 2026)
• Pedagogy first, technology second: Cross-level relationships between teacher professional knowledge and student learning in artificial intelligence (AI) education — «La pedagogía primero, la tecnología después»: el TPAIK pesa más que el TAIK técnico en los resultados del estudiantado (Shen et al. 2026)
• Pedagogical partnerships with generative AI in higher education: how dual cognitive pathways paradoxically enable transformative learning — Alianzas pedagógicas con IA generativa
• Artificial Intelligence and Communities of Inquiry: Reimagining Educational Experiences
• The Role of Instructional Guidance in Generative AI-Assisted Learning: Empirical Evidence from Construction Engineering Education — Cómo la orientación instruccional da forma a los efectos de aprendizaje de la IA generativa
• Generative AI without guardrails can harm learning: Evidence from high school mathematics — La tutoría con barreras (pista y no respuesta) elimina la penalización en el examen
• Agentic AI and Pedagogical Best Practice: The Tension Between Automation and Learning — La tensión entre automatización y aprendizaje en la IA agéntica
• ISD-Agent-Bench: A Comprehensive Benchmark for Evaluating LLM-based Instructional Design Agents — Fundamentar los agentes en la teoría del diseño instruccional
• Designing Needs- and Attention-Aware AI Learning Tools for Engineering Education: Insights from Psychological Outcomes — Herramientas de aprendizaje con IA en la educación en ingeniería
• Empowering Educators: Operationalizing Age-Old Learning Principles Using AI — Operacionalizar los principios del aprendizaje con IA
• The intersection of artificial intelligence and instructional design practice: A systematic review — IA y práctica del diseño instruccional: una revisión sistemática (Kibar e Ilgaz 2026)
• AI literacy interventions in education: A meta-analysis of effects and moderators — Enfoques instruccionales en las intervenciones de alfabetización en IA
• Cognitive Distribution in Student-GenAI Interaction: A Process Framework from Self-Directed ChatGPT Use in Research Tasks — La interacción estudiantado-IA como distribución cognitiva cambiante y no como dependencia fija (53,3% de extensión)