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 Learning Theories, 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 Learning Theories 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. Active Learning (el estudiantado implicado en hacer y pensar, en lugar de recibir de forma pasiva), Project-Based Learning (aprender mediante proyectos prolongados), Experiential Learning (aprender mediante la experiencia directa) y Learning by Teaching (aprender explicando a otras personas).
• Enfoques colaborativos y sociales. Collaborative Learning (aprender mediante el trabajo en grupo), Sociocultural Learning (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. Experiential Learning (aprender mediante la experiencia directa y la reflexión), Situated Learning (aprender en contextos auténticos) y Embodied Learning (aprender mediante la interacción física y corporeizada).
• Enfoques estructurados y guiados. Andamiaje (apoyo temporal que se retira), Learning Design (diseño sistemático de la instrucción), Aprendizaje autorregulado (quien aprende dirige su propio aprendizaje) y Sociocultural Learning (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 (Active Learning repensado para foros asíncronos, Collaborative Learning 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. Game-Based Learning (aprender mediante juegos), Self-Determination Theory (apoyar la autonomía, la competencia y la relación) y las estrategias orientadas a la Motivation.
• Pedagogías conscientes de la equidad. La pedagogía culturalmente relevante, el diseño universal para el aprendizaje, la Critical Pedagogy y el Inclusive Learning garantizan que las estrategias sirvan a un estudiantado diverso.

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 Reducing AI Misuse 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).
• 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 Reducing AI Misuse desarrolla estrategias (pensar primero, IA después, reflexionar; declaración de uso de IA; entrenamiento en calibración) que pertenecen a este marco.
• La pedagogía en la práctica docente. La docencia y Teacher AI Competency examinan cómo adopta el profesorado la IA dentro de su repertorio pedagógico existente, y Training Pedagogical LLMs for Tutoring y Pedagogical Agent 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, Project-Based Learning operacionaliza las teorías Constructivism y experiencial; Socratic Method se apoya en Sociocultural Learning y Metacognición; Andamiaje procede de la zona de desarrollo próximo. La base de conocimiento trata Learning Theories como el fundamento conceptual y esta página como el marco de la práctica instruccional; véase también Learning Design, 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: Active Learning, Experiential Learning, Project-Based Learning y Learning by Teaching 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, Learning Design) 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 (Collaborative Learning, Sociocultural Learning) 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 (Socratic Method) 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, Desirable Difficulties).

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, Desirable Difficulties).
• 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.

Conceptos conectados

• Pedagogical Partnerships — Alianzas pedagógicas
• Online Teaching and Learning — Enseñanza y aprendizaje en línea
• Learning Theories
• Learning Sciences
• Mejoras en el aprendizaje
• Learning Design
• Active Learning
• Collaborative Learning
• Project-Based Learning
• Experiential Learning
• Game-Based Learning
• Socratic Method
• Andamiaje
• Learning by Teaching
• Aprendizaje autorregulado
• Culturally Relevant Pedagogy
• Universal Design for Learning
• Critical Pedagogy
• La docencia
• Teacher AI Competency
• Alfabetización en IA
• Diseño curricular
• Educación superior
• K-12
• Training Pedagogical LLMs for Tutoring — 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)
• Addressing Trust in AI Systems through Education: A Didactic Perspective — Addressing Trust in AI Systems through Education: A Didactic Perspective
• Pedagogy first, technology second: Cross-level relationships between teacher professional knowledge and student — «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
• Artificial Intelligence in Distance Education: A Systematic Review of Emerging Pedagogical, Cognitive and Institutional Dynamics
• The Role of Instructional Guidance in Generative AI-Assisted Learning: Empirical Evidence from Construction Engineering — 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
• Modeling AI-TPACK in Practice: Insights from Teachers'' Multi-Agent Workflow Design — El TPACK del profesorado y los flujos de trabajo multiagente
• Integrating Generative Artificial Intelligence into Student Learning: A Systematic Review from a TPACK Perspective — Revisión sistemática de la IA generativa en el aprendizaje del estudiantado desde la perspectiva del TPACK
• 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
• LearnLM: Improving Gemini for Learning — LearnLM: seguimiento de instrucciones pedagógicas
• When Saying No Makes Better Videos: Designing Dual Gatekeeping for Pedagogically Grounded AI Content Creation — When Saying No Makes Better Videos: Dual Gatekeeping for Pedagogically Grounded AI Content Creation
• “Will AI steal my glory?”: Power relations perceived by college instructors when grappling with Generative AI — Relaciones de poder percibidas por el profesorado universitario que lidia con la IA generativa en la escritura (Zuo, Xu y Dunning 2026)
• The Intersection of Artificial Intelligence and Instructional Design Practice: A Systematic Review — AI and Instructional Design Practice: A Systematic Review (Kibar & Ilgaz 2026)
• Generative AI as a Mediational Agent: Rethinking Learning in Sociocultural Theory — Generative AI as a mediational agent
• AI Literacy Interventions in Education: A Meta-Analysis of Effects and Moderators — Enfoques instruccionales en las intervenciones de alfabetización en IA