Aprendizaje sociocultural

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

Aprendizaje sociocultural — la familia de teorías, con raíces en Vygotsky, según la cual el aprendizaje y el desarrollo surgen de la participación social y están mediados por herramientas culturales, el lenguaje y la interacción con otras personas más competentes. La cognición se distribuye entre personas, artefactos y entornos en lugar de residir únicamente en los individuos. En la educación con IA, la teoría sociocultural enmarca cómo la IA generativa funciona como un nuevo tipo de agente mediacional — una herramienta que a la vez media la actividad y genera contribuciones contingentes a la interacción — y enmarca el diseño del andamiaje, la zona de desarrollo próximo (ZDP), la formación de aprendices y las comunidades de práctica. Véase Generative AI as a Mediational Agent: Rethinking Learning in Sociocultural Theory.

Preguntas para reflexionar

• La zona de desarrollo próximo de Vygotsky es la distancia entre lo que puede hacer solo y lo que puede hacer con ayuda. Recuerde una ocasión en que una pista bien situada le permitió lograr algo que no podía hacer por su cuenta: ¿qué hizo eficaz esa ayuda y cuándo podría haber revelado demasiado?
• La página afirma que el pensamiento humano está «mediado» por herramientas culturales como el lenguaje y la escritura que reorganizan nuestra forma de razonar. Si eso es cierto, ¿cómo deberíamos pensar en un chatbot de IA como un nuevo tipo de herramienta de pensamiento, y cómo podría cambiar lo que significa «saber»?
• La teoría sociocultural sostiene que la cognición se distribuye entre personas, artefactos y entornos en lugar de estar dentro de cabezas individuales. ¿Coincide eso con su experiencia de cómo hace realmente las cosas, y qué implicaría para el diseño del aprendizaje si fuera correcto?
• Si el aprendizaje ocurre primero entre personas y solo después dentro del individuo, ¿cuáles son los riesgos de un tutor de IA que deja al estudiantado interactuar sobre todo con una máquina en lugar de con pares o con una persona más competente?
• ¿Cómo decidiría cuánto apoyo debe dar un tutor de IA para que quien aprende avance sin que simplemente se le entregue la respuesta?

Introducción

El concepto

La teoría sociocultural (Vygotsky, 1978; Luria; Leontiev) sostiene que las funciones mentales superiores se desarrollan mediante la participación en una actividad culturalmente organizada. A diferencia de los enfoques que sitúan el aprendizaje únicamente en el procesamiento de información del individuo, la visión sociocultural subraya que:

• La mediación es fundamental. Los seres humanos piensan con y a través de herramientas culturales — el lenguaje, la escritura, los diagramas, las tecnologías — que reorganizan cómo razonan, recuerdan y resuelven problemas (Wertsch, 1991). Estas herramientas no solo transmiten información: reforman la cognición y la participación.
• El aprendizaje es social. Las funciones mentales superiores aparecen primero entre personas (intersubjetivamente, en la interacción) y solo después dentro del individuo. El aprendizaje surge de la participación con docentes, pares y comunidades — en procesos como el andamiaje, la formación de aprendices y el avance a través de la ZDP.
• La cognición está distribuida. El trabajo cognitivo se reparte entre personas, artefactos y entornos (Hutchins; Clark y Chalmers; Pea), en lugar de estar contenido en la mente individual. La cognición distribuida, el aprendizaje situado y las comunidades de práctica amplían la línea sociocultural.

La zona de desarrollo próximo (ZDP)

La ZDP (Vygotsky) es el concepto sociocultural más ampliamente aplicado en la tutoría con IA: el espacio entre lo que quien aprende puede hacer solo y lo que puede hacer con asistencia. El aprendizaje es más eficaz cuando la enseñanza apunta a esta zona: suficientemente desafiante para impulsar el desarrollo, con suficiente apoyo para permitir avanzar. Es el fundamento teórico del andamiaje: apoyo temporal y ajustable que se retira a medida que crece la competencia. En la educación con IA, la ZDP enmarca la pregunta central de diseño sobre cuánto apoyo debe ofrecer un tutor de IA para que el aprendizaje avance sin que se le regale — véase The Evidence Base on AI in K-12: A 2026 Review.

El aprendizaje sociocultural en la educación con IA

La teoría sociocultural da forma a la investigación en IAED de varias maneras distintas:

• La IA como agente mediacional. La IA generativa complica la distinción sociocultural entre medios mediacionales e interacción social: a la vez media la actividad y genera contribuciones sensibles al contexto y contingentes que dan forma a la interacción, sin poseer intencionalidad, pertenencia social ni responsabilidad. Warschauer, Tate y Ritchie (2026) proponen el agente mediacional como categoría híbrida y derivan hábitos de participación que priorizan lo humano (primacía de la cognición humana, implicación con propósito, agencia supervisora, vigilancia epistémica, autorregulación reflexiva) para preservar la agencia de quien aprende.(Generative AI as a Mediational Agent: Rethinking Learning in Sociocultural Theory)
• Andamiaje calibrado a la ZDP. Los tutores de IA deberían calibrar dinámicamente la ayuda para situarla dentro de la zona de cada persona. La base de evidencia de Stanford muestra cómo los tutores ajustados al nivel de quien aprende superan a la asistencia genérica; el aprendizaje adaptativo y el proyecto PropAct operacionalizan la ZDP ajustando la dificultad y las pistas; y marcos fundamentados como los de Finkelstein sostienen que el apoyo debe retirarse a medida que crece la competencia.
• Una cuarta zona: lo que el modelo sabe. Tsim y Gutoreva (2025) amplían el diagrama de Vygotsky en lugar del bucle de tutoría, añadiendo una zona conocida por la IA generativa a la ZDP y leyendo de ahí cuatro subzonas que clasifican a qué debe asignarse una tarea: Sustituir (sin conocimiento específico de la tarea, de modo que la competencia general del modelo la cubre), Ayudar (conocimiento parcial, aumentado), Complementar (conocimiento suficiente para supervisar la salida del modelo) y No negociable (suficiente para hacerlo sin ayuda, de modo que delegar aporta poco). El andamiaje se expresa como asignación de tareas en lugar de entrega de pistas, y un bucle metacognitivo de evaluación en tiempo real, reflexión y aprendizaje es lo que desplaza una tarea entre subzonas con el tiempo.
• Aprendizaje y comunidad. Las ideas socioculturales sustentan el aprendizaje cognitivo, el modelado, el acompañamiento y el desvanecimiento; las comunidades de práctica enmarcan el aprendizaje como un avance hacia una participación más plena en las prácticas de una comunidad.
• Contexto cultural e institucional. La línea sociocultural, cercana al constructivismo, insiste en que la dimensión cultural determina qué cuenta como saber, quién es una autoridad y qué significa el esfuerzo — véase el encuadre aprendices–contextos–culturas de la revisión rápida PreK-12 de Sídney.

Conexión con la carga cognitiva y la metacognición

La línea sociocultural está estrechamente acoplada a la teoría de la carga cognitiva (el apoyo debe gestionar la carga sin eliminar el esfuerzo productivo) y a la metacognición (quienes aprenden en la zona están monitorizando y regulando activamente su comprensión). La base de evidencia de Stanford sintetiza la evidencia de K-12 de que las herramientas de IA funcionan mejor cuando mantienen a quien aprende en la ZDP en lugar de responder por él, y la investigación sobre IA con supervisión humana aborda cómo el apoyo humano y el de la IA definen conjuntamente la zona de quien aprende.

• La IA generativa como agente mediacional (2026): Partiendo de la mediación vygotskiana, un artículo teórico propone reencuadrar la IA generativa no solo como herramienta o medio mediacional, sino como agente mediacional que participa activamente en la actividad de aprendizaje, difuminando la frontera entre herramienta e interacción social que es central en la teoría sociocultural (Generative AI as a Mediational Agent: Rethinking Learning in Sociocultural Theory). Esto sitúa a los modelos generativos como coparticipantes en lugar de instrumentos pasivos, con implicaciones para cómo se teorizan la mediación, la agencia y la relación entre quien aprende y la IA en las ciencias del aprendizaje.

Conceptos conectados

• Andamiaje
• Constructivismo
• Teorías del aprendizaje
• Teoría de la actividad
• Aprendizaje situado
• Cognición distribuida
• Metacognición
• Agencia de quien aprende
• IA generativa
• Colaboración humano-IA
• Dificultades deseables
• Aprendizaje adaptativo
• IA con intervención humana (HITL)
• K-12
• Tutoría inteligente

Artículos conectados

• AI as Teammate: Rethinking Task Distribution in Medical Training — Marco SCAN: repensar la distribución de tareas con IA en la formación médica (Tsim et al. 2026)
• When Youth Enter The Chat: An Epistemic Shift in the Validation of LLM-Based Measures of Student Talk — Cuando la juventud entra en el chat: validación de medidas del habla estudiantil basadas en LLM
• Generative AI as a Mediational Agent: Rethinking Learning in Sociocultural Theory — La IA generativa como agente mediacional
• ProPACT: A Proactive AI-Driven Adaptive Collaborative Tutor for Pair Programming — Tutoría colaborativa con IA
• A principled way to think about AI in education: guidance for educators and policy makers based on goals, models — Marcos fundamentados de educación con IA
• The Evidence Base on AI in K-12: A 2026 Review — Base de evidencia de Stanford sobre IA en K-12
• MuTSE: A Human-in-the-Loop Multi-use Text Simplification Evaluator — Simplificación de textos en los STI
• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — Revisión rápida de Sídney sobre IA generativa en PreK-12
• Artificial intelligence as a cognitive partner: a developmental framework for human-AI co-regulation in learning — La IA como socio cognitivo y corregulación
• TriKoNet: The Trivalence Model of Potential Co-Creativity in Socio-Technical Networks — TriKoNet: la cocreatividad como efecto de red a través de la teoría del actor-red