Aprendizaje socioemocional

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

El aprendizaje socioemocional (SEL) — el proceso de desarrollar las competencias que permiten a las personas sincronizar pensamientos, emociones y acciones para favorecer interacciones positivas consigo mismas y con los demás: la autoconciencia, la autogestión, la conciencia social, las habilidades relacionales y la toma de decisiones responsables (el marco CASEL). En la IA en la educación, el SEL se reconoce cada vez más como crítico porque la rápida integración de la IA generativa en el aprendizaje plantea preguntas sobre el bienestar, la sociabilidad, la empatía y la confianza del estudiantado, y porque la alfabetización técnica en IA por sí sola es insuficiente para desenvolverse en entornos de aprendizaje mediados por IA.

Preguntas para reflexionar

• El marco CASEL enumera cinco competencias: autoconciencia, autogestión, conciencia social, habilidades relacionales y toma de decisiones responsables. ¿Cuáles cree usted que un tutor de IA podría apoyar, y cuáles sospecha que no?
• La página distingue el aprendizaje socioemocional de la inteligencia emocional. Antes de seguir leyendo, ¿cómo describiría la diferencia, y por qué podría importar esa distinción para el modo en que las escuelas abordan una y otra?
• Si la alfabetización técnica en IA por sí sola es «insuficiente» para desenvolverse en un aprendizaje mediado por IA, ¿qué cree que falta, y qué implica eso para cómo prepara usted al estudiantado (o a sí mismo)?
• ¿Cómo podría una dependencia intensa de la IA remodelar la sociabilidad, la empatía o el sentido de confianza de un estudiante, y son esos cambios algo que la educación debería diseñar de forma activa?
• La investigación sugiere que el SEL sostiene las dimensiones relacionales del aprendizaje que la IA debe «complementar y no reemplazar». ¿Dónde ha visto usted que la tecnología fortalezca una relación humana, y dónde ha sustituido una en silencio?

Introducción

El aprendizaje socioemocional está estrechamente relacionado con la inteligencia emocional (IE), pero es distinto de ella: el SEL o las competencias socioemocionales (SEC) abarcan la capacidad de sincronizar pensamientos, emociones y acciones para lograr interacciones positivas, mientras que la IE es la capacidad de una persona para procesar información emocional (conceptualizada mediante modelos de habilidad —razonamiento y resolución de problemas— o modelos de rasgo —disposiciones y conductas emocionales). En la era de la IA, el SEL importa porque la IA puede remodelar el aprendizaje de formas que afectan al desarrollo relacional y emocional del estudiantado, y porque el personal educativo necesita tanto habilidad tecnológica como inteligencia emocional para apoyar a quienes aprenden con eficacia.

Cómo aparece el SEL en la investigación

• Integrar las competencias socioemocionales en la alfabetización en IA: la revisión narrativa de Palmquist et al. propone un marco integrado que combina la alfabetización en IA con las competencias socioemocionales, y sostiene que la competencia técnica por sí sola es insuficiente: el personal educativo y el estudiantado necesitan tanto inteligencia tecnológica como emocional para desenvolverse en entornos de aprendizaje mediados por IA, fomentando el aprendizaje personalizado, la colaboración y una implicación ética.

• El profesorado y la práctica relacional: la investigación sobre marcos de alfabetización en IA y sobre la confianza entre profesorado y estudiantado subraya que el SEL sostiene las dimensiones relacionales del aprendizaje (las relaciones entre profesorado y estudiantado y entre el propio estudiantado), que la IA debe complementar y no reemplazar.

• Bienestar e impacto afectivo de la IA: se examina cómo el uso creciente de la IA generativa afecta a las habilidades socioemocionales, el bienestar, la sociabilidad y el sentido de confianza y empatía del estudiantado, preocupaciones que motivaron el llamamiento de la OCDE a una alfabetización en IA basada en valores humanistas, sociales y emocionales.

• Dimensiones afectivas de la IA: el SEL conecta con la investigación sobre computación afectiva y bienestar, y examina cómo los sistemas de IA pueden apoyar o socavar el aprendizaje emocional y relacional.

• El déficit de política en la intersección IA × SEL: una revisión sistemática de 65 artículos en la intersección entre IA y SEL (Tran, Liu y Nguyen 2026) encuentra un «déficit de política» sustancial: casi tres cuartas partes de los estudios no enuncian ninguna implicación de política, y los pocos que lo hacen a menudo carecen de orientación específica por actor. La revisión vincula la implicación política con el medio de publicación y advierte de una trampa «tecnosolucionista» en la que se pone en primer plano el potencial técnico mientras las condiciones institucionales para una implementación responsable quedan poco especificadas. Propone un marco de «preguntas WH» (quién, qué, por qué, cuándo/dónde, cómo) para pasar de la «implicación como añadido» a la «implicación como metodología», conectando la innovación de la IA para el SEL con la política educativa y la gobernanza.

Posibles subtemas del SEL en la investigación de la era de la IA

Esta base de conocimiento agrupa la investigación sobre SEL en varios subtemas distintos, cada uno con su propia base de evidencia:

Autoeficacia y confianza

Una competencia central del SEL (autoconciencia y autogestión) que condiciona fuertemente cómo interactúa el estudiantado con la IA. La dependencia del estudiantado de la IA (478 estudiantes de educación superior israelíes) encontró que, aunque las dimensiones de la alfabetización en IA basadas en habilidades se asociaban positivamente con la dependencia de la IA, tanto la autoeficacia académica como la específica de la IA y la regulación del esfuerzo se asociaban negativamente, lo que significa que la alfabetización en IA por sí sola no protege contra la dependencia; la autoeficacia sí. Cen et al. (EC-TEL 2026) encontraron que el estudiantado con una autoeficacia inicial más baja lograba mayores ganancias de aprendizaje con independencia del formato de práctica, y que la buena disposición hacia el tutor importaba más en la práctica basada en tutor, lo que subraya el valor de adaptar la práctica a los perfiles motivacionales. Conceptos conectados: autoeficacia, motivación, agencia.

Motivación y el efecto de la «disponibilidad de IA»

La motivación se cruza con la toma de decisiones responsables y la autogestión del SEL. La investigación sobre la disponibilidad de IA y la motivación del estudiantado y sobre la motivación y autoeficacia del estudiantado y el profesorado muestra que la mera disponibilidad de la IA puede remodelar la orientación motivacional y el esfuerzo percibido del estudiantado, algo relevante para cómo la IA puede socavar o apoyar la motivación intrínseca. La investigación sobre autoeficacia enmarca la regulación del esfuerzo como el contrapeso de la dependencia de la IA.

Regulación emocional y apoyo afectivo

La regulación emocional es una competencia clave del SEL con consecuencias directas para el aprendizaje, y forma un vínculo directo entre el SEL y el rendimiento. Herramientas de computación afectiva como MathBuddy modelan las emociones del estudiantado para moldear las respuestas pedagógicas, y las herramientas de bienestar en el campus con IA (por ejemplo, PsychoGPT, AURA) abarcan la prevención y la intervención.

Vergüenza, culpa y respuestas emocionales al uso de la IA

Las emociones regulan cómo el estudiantado hace visible su uso de la IA. «Atrapados en una espiral» (19 estudiantes de informática) encontró que la vergüenza y la culpa actúan como reguladores sociales del uso de la IA, impulsan conductas de ocultamiento y declaración selectiva y crean ciclos de menor agencia. La ansiedad ante la IA puede transformarse en una regulación estratégica de la IA como recurso de aprendizaje. Estas conexiones vinculan la conciencia social y la autogestión del SEL con la integridad académica y el uso responsable de la IA.

Confianza y pertenencia

El SEL sostiene el aprendizaje relacional y la cohesión social. La educación en IA basada en principios y los chatbots de IA para el aprendizaje colaborativo conectan con la pertenencia y la eficacia colectiva, es decir, la creencia compartida en la capacidad de un equipo para lograr tareas. El premortem de Brookings subraya que la dependencia excesiva de la IA amenaza el bienestar socioemocional, las relaciones entre profesorado y pares y la privacidad y la seguridad del estudiantado, dimensiones de la pertenencia y la conexión. La confianza entre profesorado y estudiantado es central para que la IA se perciba como un apoyo.

Persistencia, mentalidad y esfuerzo productivo

El SEL se solapa con la dimensión esforzada del aprendizaje. Enmarcar el problema del 5% identifica la baja persistencia del estudiantado como un reto recurrente en la tecnología educativa, moldeado por la motivación y la adhesión, los bloqueos cognitivos, la resiliencia ante el reto y la conexión. Favero et al. advierten de que la IA que sustituye el esfuerzo erosiona las capacidades mismas que construye la educación, en línea con la metacognición y el valor del esfuerzo productivo frente a la dependencia excesiva.

Implicaciones para el profesorado y el diseño instruccional

• Tratar el SEL como un objetivo de diseño de primer orden, no como un añadido. Integrar las competencias socioemocionales en los currículos de alfabetización en IA (según Palmquist et al.), para que el estudiantado aprenda no solo cómo usar la IA, sino cuándo y por qué, con atención a sus propias emociones, su esfuerzo y sus relaciones.
• Diseñar para la autoeficacia y la agencia. Como la alfabetización en IA basada en habilidades puede aumentar la dependencia mientras que la autoeficacia y la regulación del esfuerzo protegen contra ella, la enseñanza debería construir deliberadamente la confianza y la autogestión del estudiantado junto con la habilidad técnica: por ejemplo, práctica andamiada, éxitos de bajo riesgo y prompts que exijan al estudiantado verificar y asumir como propio el resultado de la IA.
• Usar la IA para apoyar y no para suplantar el aprendizaje relacional. Las herramientas de IA deberían complementar las relaciones entre profesorado y estudiantado y entre el propio estudiantado, y quienes enseñan deberían conservar el papel relacional —supervisar el afecto y la pertenencia— en lugar de delegarlo por completo.
• Diseño consciente de las emociones y sensible al afecto. Los sistemas conscientes del afecto pueden detectar y responder a estados emocionales (ansiedad, frustración, confusión), pero la evidencia muestra que los beneficios no son universales —moderados por la competencia y el perfil de quien aprende—, así que el diseño emocional debe adaptarse, no darse por supuesto.
• Abordar la cara emocional del uso de la IA. Diseñar contra las espirales de vergüenza y culpa y contra la ansiedad ante la IA normalizando la conversación sobre el uso de la IA, fomentando la transparencia y reduciendo las respuestas basadas en la vigilancia que erosionan la confianza y la agencia.
• Apoyar la persistencia y el esfuerzo productivo. Andamiar en lugar de sustituir (según Favero et al.), para que la IA profundice en el aprendizaje esforzado en lugar de saltárselo, en línea con la metacognición y la dificultad productiva.
• Entrenar el movimiento verbal del momento. El apoyo al SEL tiende a enmarcarse como diseño o como detección del afecto por la IA, pero el profesorado también necesita saber qué decir cuando el estado emocional de un estudiante amenaza con poner fin a su implicación, tratando ese estado como algo con lo que trabajar en tiempo real y no como una condición previa para aprender. La guía práctica de Parlant llama a esto microintervenciones emocionales: actos verbales breves que validan el sentimiento, reformulan la valoración que hay detrás y reconectan el esfuerzo con la identidad profesional, preparados mediante un ritual de exploración previo a la clase y un repertorio de frases reutilizable que la IA generativa puede ayudar a redactar para que el profesorado lo personalice.
• Preparar la competencia socioemocional del profesorado. El personal educativo necesita tanto habilidad tecnológica como inteligencia emocional (competencia en IA del profesorado); el desarrollo profesional docente debería construir la capacidad de apoyar el SEL del estudiantado en entornos mediados por IA.

Conexiones con las ganancias de aprendizaje y otras medidas

• La autoeficacia modera las ganancias. Cen et al. encontraron que el estudiantado con una autoeficacia inicial más baja lograba las ganancias de aprendizaje mayores, y que la buena disposición hacia el tutor predecía las ganancias en la práctica basada en tutor, lo que muestra que los perfiles motivacionales determinan quién se beneficia de qué formato.
• El bienestar y la implicación como resultados intermedios. Los resultados relacionados con el SEL (motivación, bienestar, pertenencia, implicación, autoeficacia) funcionan a menudo como mediadores del rendimiento posterior, y la investigación sobre IA los mide cada vez más junto a las puntuaciones brutas de los exámenes, o en algunos casos en su lugar.
• Los efectos son condicionales, no universales. La investigación advierte de que las intervenciones orientadas al SEL pueden ayudar a algunos estudiantes (según perfil y competencia) y no a otros, así que las afirmaciones sobre ganancias de aprendizaje basadas en el SEL deberían examinarse en busca de efectos moderadores.
• El lado del daño en el balance. El premortem de Brookings advierte de que la dependencia excesiva impulsada por la IA amenaza el bienestar socioemocional, las relaciones y la pertenencia, resultados que, si se erosionan, pueden socavar los cimientos mismos del aprendizaje y el rendimiento a largo plazo.

Conexiones con conceptos relacionados

El SEL conecta con la alfabetización en IA (como complemento que vuelve relacional y ética la alfabetización en IA), la computación afectiva y el bienestar (las dimensiones afectivas de la IA), el aprendizaje autorregulado (la autogestión y la regulación del esfuerzo), la autoeficacia y la motivación (creencias de quien aprende que moderan la interacción con la IA), la agencia (proteger el control de quien aprende frente a la dependencia), la ética (la toma de decisiones responsables), la competencia en IA del profesorado (la capacidad del personal educativo para apoyar el SEL), la experiencia del estudiantado (bienestar y pertenencia) y las ganancias de aprendizaje (la evidencia de que el SEL sostiene el rendimiento). Se relaciona con la educación superior y la K-12 como los entornos donde se cultiva una alfabetización en IA impregnada de SEL.

Conceptos conectados

• Ansiedad y estrés
• Alfabetización en IA
• Computación afectiva
• Bienestar
• Aprendizaje autorregulado
• Autoeficacia
• Motivación
• Agencia de quien aprende
• Aprendizaje colaborativo
• Ética
• Competencia en IA del profesorado
• La docencia
• Andamiaje
• Desarrollo educativo
• Experiencia del estudiantado
• Mejoras en el aprendizaje
• Educación superior

Artículos conectados

• Exploring interfaces and implications for integrating social-emotional competencies into AI literacy for education: a narrative review — Integrar las competencias socioemocionales en la alfabetización en IA
• Mind the Trust Gap: Identifying (Mis)alignments in Teacher-Student Views Toward Control and Agency in K-12 Classroom AI — Atención a la brecha de confianza: visiones del profesorado y del estudiantado
• The Scaffolded AI literacy (SAIL) framework: Results of a Delphi study for equitable AI literacy framework design in education — El marco de alfabetización en IA andamiada (SAIL)
• Teacher education for artificial intelligence literacy through a self-determination theory perspective — Formación docente para la alfabetización en IA (SDT)
• Understanding Student Dependency on AI: The Role of AI Literacy, Academic Self-Efficacy, and Resource Management Strategies — La dependencia del estudiantado de la IA, la autoeficacia y la gestión de recursos
• Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice — La autoeficacia y la buena disposición determinan el aprendizaje con tutoría
• Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education — La vergüenza y la culpa como reguladores sociales del uso de la IA
• From Substitution to Scaffolding: Breaking the Self-Reinforcing Harm Cycle of AI in Education (and Beyond) — De la sustitución al andamiaje
• AI chatbot design principles to enhance the collective efficacy in collaborative learning — Los chatbots de IA y la eficacia colectiva
• MathBuddy: Affective Math Tutoring — MathBuddy: tutoría matemática afectiva
• New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach — Herramientas de bienestar en el campus impulsadas por IA
• The Policy Deficit in AI × Social-Emotional Learning Research — El déficit de política en la investigación sobre IA × SEL
• An Experimental Study Exploring Human–AI Complementarity in Early Social-Emotional Learning — Complementariedad entre personas e IA en el aprendizaje socioemocional temprano (Raave et al. 2026)
• Can You Feel It? A Practical Guide to Emotional Micro-Interventions for Higher Education Teachers — Microintervenciones emocionales en tiempo real y un repertorio de frases para el profesorado