Conceptos
Partes interesadas
Esta es una traducción automática de la página en inglés y todavía no ha sido revisada por una persona hablante nativa.
Partes interesadas — el conjunto de actores humanos implicados en la IA en la educación, afectados por ella y responsables de ella, y el concepto paraguas de quiénes son los actores. La IA en la educación es un campo con múltiples partes interesadas: quienes aprenden y usan la IA, el profesorado y los docentes universitarios que la integran, los responsables de gestión que la gobiernan, los diseñadores instruccionales que construyen experiencias de aprendizaje en torno a ella y los responsables de política que la regulan. Cada audiencia tiene necesidades, competencias, roles y perspectivas distintas, y se las trata como el contexto humano en el que se diseñan, despliegan y evalúan las herramientas de IA.
Preguntas para reflexionar
- El mismo sistema de IA se ve distinto desde cada punto de vista: una herramienta que un estudiante vive como apoyo puede parecerle al profesorado un riesgo para la integridad y a la administración una decisión de gobernanza. ¿Con qué rol se identifica más y qué cree que tiende a pasar por alto desde los demás?
- Antes de seguir leyendo, intente enumerar a todas las personas de su institución a las que afecta una decisión sobre IA en la educación, más allá del estudiantado y el profesorado. ¿A quién olvidó, y qué le importaría más a cada una de esas personas?
- Si quienes aprenden, el profesorado, la administración, los diseñadores instruccionales y los responsables de política tienen necesidades y competencias distintas, ¿quién debería tener la última palabra sobre cómo se despliega una herramienta de IA, y por qué?
- El «apoyo personalizado» de un estudiante puede ser a la vez el «riesgo para la integridad» del profesorado. ¿Cómo diseñaría una conversación o un proceso que dé peso real a la preocupación de cada parte interesada en lugar de dejar ganar a la voz más fuerte?
Introducción
La IA en la educación trata en el fondo de personas: quienes aprenden y quienes enseñan, cuyo trabajo transforma, y los líderes y diseñadores que deciden cómo se usa. Entender a las distintas partes interesadas es esencial porque un mismo sistema de IA se ve muy distinto desde puntos de vista diferentes: una herramienta que un estudiante vive como apoyo personalizado puede aparecer ante el profesorado como un riesgo para la integridad, ante la administración como una decisión de compra y de gobernanza, y ante quien diseña como una elección pedagógica. Cada una de estas audiencias se estudia como un rol distinto, con sus propias necesidades y su propia base de evidencia.
El panorama de las partes interesadas
- Quienes aprenden (estudiantado). La audiencia principal: estudiantes de K-12, educación superior y educación de personas adultas. El lado de quien aprende se documenta a través de la experiencia del estudiantado, la implicación del estudiantado, las ideas erróneas, el modelado del estudiantado, el bienestar y la agencia. La alfabetización en IA de quien aprende, la autorregulación (aprendizaje autorregulado) y el riesgo de dependencia excesiva son preocupaciones centrales.
- Profesorado y docentes universitarios. Los educadores que integran la IA en la enseñanza. Cubiertos por el rol docente, la competencia del profesorado en IA, la formación docente, el desarrollo profesional y el TPACK. El profesorado afronta el doble reto de usar la IA en su propia enseñanza y de enseñar al estudiantado a usarla de forma responsable (véanse las pedagogías y estrategias de enseñanza).
- Diseñadores instruccionales y tecnólogos del aprendizaje. Los profesionales que diseñan cursos, currículos y experiencias de aprendizaje en torno a la IA. Se relacionan con el diseño del aprendizaje (la disciplina) y el diseño curricular, aunque la persona y el rol del diseñador instruccional aún no tienen una página propia: se agrupan aquí.
- Responsables de gestión y líderes institucionales. Rectores, decanos, directores de sistemas de información y líderes que fijan políticas, asignan recursos y gobiernan la adopción. Cubiertos por responsables de gestión y conectados con la política educativa sobre IA, la gobernanza y la regulación.
- Responsables de política y reguladores. Organismos gubernamentales e institucionales que fijan el marco legal y regulatorio. Se relacionan con la política educativa sobre IA, la regulación y la gobernanza.
- Madres, padres y familias. Presentes en la investigación (p. ej., la supervisión del uso de la IA por parte del estudiantado o las actitudes hacia la IA) y ahora con una página propia: se agrupan aquí como parte interesada.
Cómo aparecen las partes interesadas en la investigación
-
Marcos de competencia específicos por rol. La competencia del profesorado en IA y el TPACK definen qué necesita el profesorado para usar la IA de forma eficaz; la alfabetización en IA define qué necesitan todas las audiencias (especialmente el estudiantado).
-
Impactos diferenciados por rol. La investigación examina cómo la IA afecta de forma distinta a cada audiencia: la experiencia del estudiantado estudia los resultados del estudiantado, el rol docente estudia la integración pedagógica, responsables de gestión estudia la estrategia institucional y el desarrollo profesional estudia el aprendizaje profesional.
-
Gobernanza con múltiples partes interesadas. La investigación sobre gobernanza y política educativa sobre IA insiste en alinear a las partes interesadas nacionales, institucionales y de aula: los responsables de política fijan las expectativas, la administración implementa, el profesorado adapta y el estudiantado vive el resultado.
-
Equidad entre audiencias. La equidad en la IA educativa examina cómo se distribuyen los beneficios y los daños de la IA entre quienes aprenden y las instituciones, y conecta a las partes interesadas con la justicia y el acceso.
-
Las diferencias de rol pueden afirmarse más fácilmente que observarse. Un análisis DAFO de 167 aportaciones de 152 miembros del personal de educación superior encontró que el profesorado, el personal investigador y la administración convergían en las mismas fortalezas y amenazas, mientras que la recogida totalmente anónima dejó los roles sin identificar, de modo que el estudio no pudo poner a prueba su plan de contrastarlos (Humble y Mozelius, 2026).
La identidad a través de las audiencias
Un hilo común entre estas partes interesadas es la identidad: el sentido de quién es uno y en quién se está convirtiendo en relación con la IA y con el dominio. La identidad se distribuye entre las audiencias y no pertenece a un solo grupo.
- Identidad de quien aprende — la identidad disciplinar, profesional, creativa y académica en evolución del estudiantado (identidad de quien aprende). Es distinta de la agencia, pero está causalmente conectada a ella: la agencia es la capacidad situada de actuar, mientras que la identidad es el sentido duradero de uno mismo que se acumula a partir de actos agentivos y que se ve amenazado por la pérdida de autoría y la duda sobre la propia competencia bajo la IA.
- Identidad docente — la autocomprensión profesional de los educadores (rol docente), remodelada por la IA como una cuestión de propósito y de rol y no solo de habilidades (véase la IA generativa como crisis de identidad).
- Diseñadores y líderes — la identidad profesional también da forma a cómo se orientan ante la IA los diseñadores instruccionales, los responsables de gestión y los responsables de política, aunque la cobertura explícita de la identidad se concentra en quien aprende y en el profesorado.
La identidad es el ancla humana del panorama de partes interesadas: es lo que la IA debe sostener (y no erosionar) en cada audiencia, y es el constructo que conecta páginas de roles que por lo demás están separadas, en particular la identidad de quien aprende, la agencia y el rol docente. Donde la agencia tiene que ver con el control y la identidad con el yo, el diseño de la IA debe preservar ambas cosas: el control sobre el propio aprendizaje y un sentido robusto y autoral de quién es uno en el dominio.
Implicaciones para la IA en la educación
- Diseñar para todo el conjunto de partes interesadas: una IA en la educación eficaz debe servir a quien aprende, apoyar al profesorado, informar a la administración y alinearse con la política, y no limitarse a optimizar una sola audiencia.
- Construir competencias específicas por rol: el profesorado, el estudiantado, los diseñadores y los líderes necesitan cada uno una alfabetización en IA y un apoyo a medida (véanse alfabetización en IA, competencia del profesorado en IA, desarrollo profesional).
- Alinear entre niveles: la investigación sobre gobernanza muestra que la IA tiene éxito cuando el liderazgo institucional, la práctica docente y la experiencia del estudiantado están alineados y no fragmentados.
- Tener en cuenta a las familias y a la comunidad en general: las familias son partes interesadas en la adopción de la IA cuyo papel y cuyas preocupaciones merecen una atención explícita.
Concepciones erróneas
«Las partes interesadas en la IA en la educación comparten un interés en el mismo resultado.» Sus intereses están con frecuencia en tensión directa, y la misma función se lee de forma distinta según el rol: el «apoyo personalizado» de un estudiante puede ser al mismo tiempo el «riesgo de integridad» de un docente. Los procesos de diseño que dan por supuesto un objetivo común resolverán esa tensión por accidente en favor de quien hable más alto.
«Dar voz a cada grupo de partes interesadas resuelve el conflicto.» Consultar no es ponderar. La pregunta de diseño es cómo dar a cada preocupación un peso genuino en lugar de dejar ganar a la voz más alta, lo que es un problema de procedimiento —quién decide, con qué evidencia y con qué apelación— y no un problema de comunicación.
«El análisis de partes interesadas es un ejercicio de fase inicial.» Las tensiones persisten en la operación, porque los roles siguen interpretando el mismo sistema de forma distinta. Una capa de personalización orientada al estudiantado y un panel de integridad orientado al profesorado son los mismos datos vistos desde dos posiciones, y el conflicto reaparece cada vez que se ajusta uno de los dos.
«Una identidad entre audiencias significa que un solo mensaje puede servir a todas.» Comunicar entre audiencias exige traducir la misma decisión a términos distintos sin tergiversarla, lo que es más que reescribir un mensaje de cuatro maneras.
Conceptos conectados
- Quienes aprenden — Estudiantes: el paraguas de los conceptos del lado de quien aprende
- La docencia
- Identidad de quien aprende
- Agencia de quien aprende
- Competencia en IA del profesorado
- Formación docente
- Desarrollo educativo
- Conocimiento Tecnológico, Pedagógico y de Contenido (TPACK)
- Experiencia del estudiantado
- Implicación del estudiantado
- Ideas erróneas sobre la IA
- Administradores
- Diseño de aprendizaje
- Diseño curricular
- Política educativa sobre IA
- Gobernanza de la IA
- Alfabetización en IA
- Equidad
- Educación superior
- K-12
- Aprendizaje de adultos
- Madres, padres y familias
- Apoyo y éxito estudiantil — quién tiene derecho a reclamar en las decisiones institucionales de apoyo con IA
Artículos conectados
- "It is a temptation to get it to do the work…" Student experiences of navigating the generative AI landscape in UK higher education: A cross-institutional survey with international comparison — Experiencias del estudiantado con la IA generativa en la educación superior del Reino Unido
- Artificial Intelligence in UK Higher Educational Policy and Institutional Decision Making — La IA en la política de educación superior del Reino Unido (estudiantado e instituciones)
- New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach — Herramientas impulsadas por IA para el bienestar en el campus
- Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs — Preparación en AI-TPACK en la formación de profesorado de matemáticas
- A Comparative Analysis of Institutional and Course Generative AI Policies within Higher Education: Implications for Instruction in Computing Education — Política institucional sobre IA generativa en informática
- Mathematical Modelling of Ethical AI Use in Higher Education: A Coordination Game Framework for Future-Facing Learning — Marco de juego de coordinación para el uso ético de la IA en la educación superior
- "It's OK Because.": The Wild West of Student Rationalization of AI Use in Academic Writing — La racionalización del uso de IA por parte del estudiantado en la escritura académica
- How AI Is Changing Teaching Workflows. — Cómo la IA está cambiando los flujos de trabajo docentes
- Beyond the hype – How higher education stakeholders view the benefits and concerns of generative AI for teaching, research, and administration — Percepciones de las partes interesadas sobre la IA generativa en la educación superior (Humble y Mozelius 2026)
- "We'll Fix It Later": Education, AI, and the Deferral of Student Privacy in EdTech — «Ya lo arreglaremos después»: la educación, la IA y el aplazamiento de la privacidad del estudiantado en la tecnología educativa