Base de conocimiento AIEdAIEd KB
En esta página

Esta página está traducida al español. Las páginas de artículo siguen escritas en inglés. Leer esta página en inglés

Conceptos

Desarrollo profesional

Creada 2026-09-28 · Actualizada 2026-09-28

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

Desarrollo profesional: la formación inicial y el desarrollo profesional continuo del profesorado, que abarca la formación inicial del profesorado (programas de certificación) y el desarrollo profesional en ejercicio. En la investigación sobre IA en educación, la formación docente se ha convertido en una preocupación central porque la alfabetización en IA del profesorado, su conocimiento tecnológico-pedagógico, su fluidez ética y su disposición a integrar la IA en la enseñanza determinan si la adopción de la IA en las aulas tiene éxito. Este concepto organiza la amplia cobertura que la base de conocimiento dedica a cómo la IA transforma la preparación, el conocimiento, las creencias y la práctica del profesorado, tanto del futuro como del que ya ejerce.

Preguntas para reflexionar

  • Aquí la formación docente abarca la formación inicial (futuros docentes en programas de certificación) y el desarrollo profesional en ejercicio (docentes en activo). ¿Cuál de las dos cree que afronta un reto mayor a la hora de prepararse para aulas con IA, y por qué?
  • La página sugiere que la formación docente debe preparar al profesorado no solo para usar herramientas de IA, sino para comprenderlas, evaluarlas e integrarlas éticamente, un giro que «redefine lo que significa ser docente». ¿Cómo cree que esa redefinición debería cambiar lo que enseña un programa de certificación?
  • Marcos como el AI-TPACK amplían el modelo clásico TPACK añadiendo una dimensión de IA y ética. ¿Qué cree que debería contener en realidad una «dimensión de IA» del conocimiento tecnológico-pedagógico-disciplinar más allá de saber manejar un chatbot?
  • Una revisión de alcance de 55 estudios citada en la página encuentra que la IA mejora el diseño instruccional, la reflexión y el pensamiento crítico del profesorado en formación. Pero si la IA puede hacerles parte de eso, ¿cuándo su uso en la formación docente construye habilidad y cuándo sustituye justo el juicio que van a necesitar?
  • Si usted rediseñara un programa de formación docente para la era de la IA, ¿qué exigiría que experimentara todo futuro docente, y qué le impediría deliberadamente externalizar a la IA?

Introducción

La formación docente se sitúa en la intersección de varias líneas de la base de conocimiento: es una disciplina o dominio (como la educación médica y la educación en humanidades), pero también se nutre de los conceptos generales de rol docente, TPACK, competencia docente en IA y alfabetización en IA. En la era de la IA, la formación docente debe preparar al profesorado no solo para usar herramientas de IA, sino para comprenderlas, evaluarlas e integrarlas éticamente, un giro que redefine lo que significa ser docente. Las ciencias del aprendizaje aportan el conocimiento que esta formación tiene que sostener: mientras ese campo estudia cómo aprenden las personas y cómo deberían diseñarse los entornos de aprendizaje, la formación docente es la formación profesional en la que esa evidencia tiene que aterrizar como capacidad propia del docente para diseñar, enseñar y evaluar.

La evidencia entre niveles afina la prioridad de diseño: un estudio multinivel con 46 docentes y 2.832 estudiantes de secundaria encontró que el conocimiento pedagógico de la IA (TPAIK), y no el conocimiento técnico de la IA, impulsaba las percepciones del estudiantado sobre la IA para el bien social y su intención de aprender IA. La formación docente debería, por tanto, poner en primer plano cómo enseñar con IA y sobre la IA por encima del dominio de la herramienta, en línea con la directriz «primero la pedagogía, después la tecnología».

Formación inicial del profesorado

La formación inicial del profesorado prepara a futuros docentes durante sus programas de certificación. La investigación sobre IA en esta línea incluye:

  • Preparación en AI-TPACK y TPACK inteligente. Diversos instrumentos y marcos miden y construyen la preparación del profesorado en formación para integrar la IA, ampliando el marco TPACK con una dimensión de IA y ética.(conceptualización de la preparación del profesorado en formación ante la IA)(el AI-TPACK en la formación del profesorado de matemáticas)

  • Aplicaciones y beneficios. Una revisión de alcance de 55 estudios muestra que la IA mejora el diseño instruccional, la enseñanza de la materia, las habilidades prácticas de enseñanza, la evaluación, la práctica reflexiva, el pensamiento crítico, la integración tecnológica y la innovación pedagógica del profesorado en formación.(aprovechar la IA en la formación inicial del profesorado)

  • Robótica educativa y aprendizaje automático. La formación inicial del profesorado incorpora actividades de programación, robótica y aprendizaje automático (por ejemplo, micro:bit) para construir el pensamiento computacional de los futuros docentes.(robótica con micro:bit en la formación inicial del profesorado)

  • Evaluación auténtica y metacognición. Los modelos de evaluación mediada por IA (por ejemplo, AAIWA) integran la evaluación auténtica basada en rúbricas, la retroalimentación con IA sensible a las condiciones y la reflexión metacognitiva en los programas de formación inicial.(evaluación auténtica mediada por IA y metacognición)

  • Indagación apoyada por IA en la educación científica. Un cuasiexperimento con 48 futuros docentes de ciencias en Türkiye (Aydın) integró el aprendizaje basado en problemas y en el diseño en un programa de indagación guiada de 8 semanas apoyado por IA sobre la fotosíntesis y la respiración. Produjo ganancias significativas en la comprensión conceptual de los dos procesos biológicos, pero ningún efecto significativo en la alfabetización en IA ni en el pensamiento computacional autopercibido, un recordatorio de que la indagación apoyada por IA puede profundizar la comprensión de la materia en los futuros docentes sin construir automáticamente sus competencias en IA y pensamiento computacional, que exigen un diseño explícito y específico.

  • IA generativa para el diseño instruccional constructivista. El modelo SAHAB es una intervención cuasiexperimental de desarrollo profesional en la que la IA generativa capacita al profesorado para diseñar una enseñanza constructivista, con ganancias grandes (d = 1,18). Muestra que la IA generativa puede andamiar el diseño instruccional tanto de futuros docentes como de docentes en activo: no solo entregar contenido, sino apoyar el diseño de actividades de aprendizaje centradas en el estudiantado.

  • Formación en aulas inteligentes para estudiantes de máster en didáctica de las matemáticas. Zhu, Liang, Mao y Wang (2026) muestran cómo un curso de máster en didáctica de las matemáticas puede enriquecerse con tecnologías educativas inteligentes (calificación automatizada, recomendaciones personalizadas, retroalimentación multi-IA) en las etapas previa, durante y posterior a la clase, con ganancias estadísticamente significativas en la competencia de diseño de objetivos instruccionales. El transferible modelo D-T-E (Demanda Disciplinar–Empoderamiento Tecnológico–Bucle de Evaluación) ofrece a quienes forman al profesorado un marco específico de cada disciplina para integrar la educación inteligente en la formación de posgrado del profesorado.

  • La adopción bajo una política permisiva es más débil de lo que sugieren las encuestas, y la alfabetización evaluativa no se transfiere. Zou et al. (2026) encuestaron a 85 futuros docentes de tres cursos de formación docente de Hong Kong en los que la IA generativa estaba explícitamente permitida en la evaluación: el 62,4% (53) decidió no usarla en absoluto, y el uso de quienes la adoptaron fue superficial y correctivo (corrección de pruebas 43,8%, comprobaciones de claridad 34,4%, generación de texto 18,8%, lluvia de ideas 12,5%). El miedo a ser acusado injustamente de plagio (41,5% de quienes no la adoptaron) y la preferencia por trabajar en solitario (77,4%) pesaron más que la falta de habilidades (13,2%), y nueve de los once entrevistados leyeron la política permisiva como una posible «trampa», evidencia de que el profesorado en formación aporta ansiedad por la integridad, y no solo disposición hacia la herramienta, a los trabajos de curso en los que se permite la IA.

  • La redacción de políticas de aula sobre IA como lente para el pensamiento del profesorado en formación. Nash y Burriss (2026) pidieron a 27 futuros docentes de inglés de secundaria, en el último año de un programa de preparación en didáctica del inglés, que escribieran las políticas sobre IA que aplicarían en sus propias aulas de 6.º a 12.º curso, en un estado sin orientaciones sobre IA a nivel estatal. 26 de los 27 permitían algún uso de la IA, casi siempre restringido a tareas, momentos y lugares especificados por el docente, y solo uno la prohibía por completo por motivos éticos ligados a las prácticas laborales y los derechos de autor; 22 permitían la IA para generar ideas mientras que 22 prohibían o dejaban sin aclarar el uso de la IA para componer frases, párrafos o trabajos, y las reflexiones que los acompañaban se leían como negociaciones entre compromisos pedagógicos y una obligación sentida de integrar la IA. Pedir al profesorado en formación que redactara una política —en lugar de debatir sobre la IA en abstracto— sacó a la superficie sus filosofías, creencias y supuestos curriculares, lo que convierte la redacción de políticas en una actividad de gran valor para las asignaturas de didáctica.

Desarrollo profesional en ejercicio

El desarrollo profesional en ejercicio apoya al profesorado en activo en la integración de la IA. La investigación sobre IA en esta línea incluye:

  • Marcos de desarrollo profesional basados en el TPACK inteligente. Un marco fundamentado en la investigación alinea los cinco dominios de conocimiento del i-TPACK con cuatro vías de desarrollo profesional basadas en la evidencia (aprendizaje activo, modelos y ejemplos, acompañamiento, retroalimentación y reflexión).(diseño de desarrollo profesional con i-TPACK)

  • Conocimiento tecnológico-pedagógico (TPK) específico de la IA generativa. Quienes forman al profesorado necesitan ellos mismos el TPK de la IA generativa —razonamiento pedagógico, conciencia ética y diseño instruccional aumentado por IA— para preparar a los docentes.(enseñar a quien enseña: revisión del TPK con IA generativa)

  • Alfabetización en IA centrada en las personas y crítica. La investigación basada en el diseño produce currículos de aprendizaje profesional que operacionalizan la alfabetización crítica en IA mediante actividades de IA centradas en las personas, incluidas tareas con el educador en el bucle.(IA centrada en las personas para quienes forman al profesorado)

  • Evaluación colaborativa de contenido generado por IA como desarrollo profesional. Gat, Usher y Barak (2026) informan de un taller en el que 60 docentes de ciencias de secundaria valoraron preguntas de evaluación generadas por ChatGPT mediante su juicio disciplinar, pedagógico y curricular. La evaluación colaborativa funcionó en sí misma como desarrollo profesional, al ayudar al profesorado a aplicar criterios de precisión conceptual a la salida de la IA y a sacar a la luz el riesgo de que el contenido de IA refuerce las ideas erróneas, lo que sitúa al profesorado como evaluador crítico del material de IA generativa y no como consumidor pasivo.

  • El desarrollo profesional estructurado para docentes de lenguas es escaso pero eficaz. Una revisión sistemática de 23 estudios (Li et al. 2026) encontró que solo tres de los estudios incluidos informaban de desarrollo profesional estructurado —un módulo integrado en un curso de gramática, un programa gubernamental de inglés como medio de instrucción y una indagación integrada con un chatbot—, pero todos convergían en ganancias de conocimiento, confianza y reformulación de la identidad, desplazando la visión que el profesorado tiene de la IA generativa del «riesgo de reemplazo» al de asistente o ampliador. La revisión sostiene que el desarrollo profesional debería emparejar la construcción de habilidades técnicas con la sabiduría práctica, avanzando desde la concienciación y la ética, pasando por el dominio práctico de la herramienta, hasta el codiseño de clases enriquecidas con IA, y recomienda una estrategia de implementación en dos fases: «primero el back-end, después el aula». La instancia más clara de la base de conocimiento de desarrollo profesional en IA generativa guiado por un marco para matemáticas es un estudio con ocho docentes en activo de distritos rurales y con pocos recursos que completaron diez módulos interactivos construidos sobre el marco 4P de Rhodes (desarrollo profesional con IA generativa y creatividad matemática). Aporta dos mecanismos de diseño que el diseño de desarrollo profesional en ejercicio carece por lo demás aquí: un andamiaje que se retira deliberadamente (orientación explícita al principio y, después, peticiones de justificar, generalizar y diseñar tareas) y un razonamiento estudiantil simulado a lo largo de los módulos 6 a 10, junto al hallazgo de que MC, CK y PCK se movieron juntos, aunque midiendo solo la implicación y no el conocimiento del profesorado ni el aprendizaje del estudiantado.

  • Programas posteriores a la titulación. La alfabetización en IA y el uso que hace el profesorado de ciencias en activo informan el diseño de programas posteriores a la titulación relacionados con la IA.(alfabetización en IA del profesorado de ciencias y programas posteriores a la titulación)

  • Apoyo y orientación de la IA en el trabajo de diseño del profesorado. Pishtari, Gnadlinger y Ley (2026) pidieron a 13 docentes de educación superior que diseñaran actividades en condiciones sin IA, con chatbot de IA y con IA más formación, en un programa de medio día. El acceso a la IA elevó el logro de tareas de orden superior (Bloom) y redujo el esfuerzo cognitivo percibido, mientras que la sesión posterior de formación en interacción estancó la calidad pero elevó ligeramente el esfuerzo (carga pertinente frente a carga extraña, sin resolver). Enmarca el desarrollo profesional para la enseñanza en la era de la IA como necesitado tanto de marcos de diseño anclados en la pedagogía (Bloom, ICAP) como de estrategias estructuradas de interacción con el chatbot, y advierte a la vez que las ganancias de calidad pueden enmascarar la delegación de decisiones pedagógicas en la IA.

Conocimiento, creencias y práctica

Un hallazgo clave en la investigación sobre formación docente es la brecha entre lo que el profesorado articula y lo que pone en práctica: a menudo afirma tener habilidades operativas en IA, pero le cuesta aplicar en la práctica un conocimiento pedagógicamente significativo.(el conocimiento del profesorado sobre la IA en la planificación de clases) La distinción se ahonda aún más cuando se cruzan la experiencia y la competencia en IA: Choi et al. (2026) encontraron que los novatos técnicamente fluidos siguen aceptando pasivamente la salida de la IA durante el diseño de clases, mientras que el profesorado con experiencia —incluso el que tiene una competencia en IA medida más baja— vuelve a formular los prompts de forma crítica y adapta las sugerencias de la IA a su estudiantado y su contexto. La implicación es que el desarrollo profesional en ejercicio no puede considerar suficiente «construir habilidad en IA»; debe diferenciarse según el perfil de experiencia y competencia del docente: andamiajes de evaluación de respuestas y adaptación crítica para los novatos, y construcción práctica de habilidades en IA para el profesorado con experiencia pero con menor competencia en IA. El juicio experto sobre planes de clase generados por IA marca esa postura de adaptación crítica como la norma y no como la excepción: Karaismailoglu, Surmeli y Yildirim (2026) encontraron que once especialistas turcos en didáctica de las ciencias valoraron los planes de ChatGPT-4 y Teacher's Buddy para una unidad de sexto curso como borradores utilizables —7 de 11 los juzgaron «aplicables con correcciones», y solo 3 directamente «aplicables»— y sus preferencias divergían de las puntuaciones brutas, favoreciendo cualidades afectivas y contextuales por encima de la fidelidad estructural. La formación docente debería, por tanto, construir la capacidad de evaluar, adaptar y localizar materiales instruccionales generados por IA como competencia profesional central, tanto en los programas de formación inicial como en los de ejercicio. Los factores psicológicos también importan: la autoeficacia predice positivamente el AI-TPACK, mientras que unas creencias docentes tradicionales fuertes pueden actuar como barrera cognitiva.(el AI-TPACK en la formación del profesorado de matemáticas) La confianza en la IA está moldeada tanto por el conocimiento técnico como por las percepciones éticas (transparencia, equidad, rendición de cuentas, inclusividad).(el TPACK inteligente, la ética y la confianza del profesorado) Medir la alfabetización en IA del profesorado es en sí mismo un frente activo: como la mayoría de las evaluaciones de alfabetización en IA se dirigen al estudiantado o a usuarios generales, la Escala de Alfabetización en IA del Profesorado (TAILS), anclada en el marco ED-AI de seis dimensiones, se desarrolló y validó específicamente para futuros docentes de lenguas mediante análisis factorial exploratorio y confirmatorio, llenando así el vacío de medición dentro de la formación docente. Una cuestión comparativamente desatendida es si el modo de preparación cambia la disposición hacia la IA. Mnguni et al. (2026) encuestaron a 186 futuros docentes de ciencias de último curso en Sudáfrica y encontraron un TPACK autoinformado para la enseñanza integrada con IA más alto en una universidad presencial (64,0%) que en una universidad de educación a distancia (47,4%), con el conocimiento pedagógico como el más débil en ambas, y la formación en IA asociada al TPACK autoinformado solo en la institución a distancia, donde un curso corto de cinco créditos predecía un TPACK declarado más débil que no recibir formación alguna. La preparación a distancia necesita, por tanto, su propia base de evidencia en lugar de suponer que la formación diseñada para programas presenciales se transfiere.

Práctica instruccional simulada

Más allá del contenido y las creencias, la formación docente recurre cada vez más a aulas simuladas para una práctica aplicada que escala. EducaSim usa agentes estudiantiles generativos (con personas, memorias ancladas en el curso y un oráculo de habla con LLM como juez) para simular una sección de grupo pequeño destinada a docentes en formación en un curso de CS1 con unos 20.000 estudiantes. Desplegado como herramienta de preparación opcional en 254 sesiones (media de unos 16 min), ofrece práctica de juego de roles de bajo coste ($0,05–$0,10 por sesión) con retroalimentación estructurada posterior a la sesión (estadísticas de tiempo de habla, conductas instruccionales identificadas por LLM) y consignas de autorreflexión. Esto complementa el paradigma de estudiantes simulados: los aprendientes simulados sirven no solo para la evaluación, sino para una preparación docente experiencial y de alta frecuencia, especialmente en cursos en línea masivos donde el acompañamiento en directo no puede escalar. Un ejemplo específico de una materia es Student GPT (Zhuang y Zhang 2025), un chatbot de ChatGPT personalizado que interpreta a un estudiante de secundaria con ideas erróneas habituales sobre el razonamiento proporcional; el profesorado de matemáticas de secundaria en formación practicó el diagnóstico y la corrección de esas ideas erróneas en interacciones personalizadas y de bajo riesgo dentro de un curso de didáctica, lo que muestra cómo un juego de roles ligero con IA generativa puede apoyar una enseñanza basada en la práctica.

Implicaciones para quienes forman al profesorado

  • Construir tanto la alfabetización en IA como un AI-TPACK crítico. El profesorado en formación y en ejercicio necesita disposición para integrar la IA: los instrumentos amplían el TPACK con una dimensión de IA y ética (AI-TPACK, desarrollo profesional i-TPACK); enseñar razonamiento ético, transparencia y equidad junto al uso de la herramienta.

  • Cerrar la brecha entre lo que se articula y lo que se pone en práctica. El profesorado a menudo afirma tener habilidades operativas en IA pero le cuesta aplicarlas pedagógicamente; diseñar un desarrollo profesional que pase del conocimiento a la práctica puesta en acto (planificación de clases).

  • Usar la práctica simulada para escalar la preparación. Las aulas simuladas al estilo de EducaSim dan al profesorado en formación una práctica de bajo coste y alta frecuencia con retroalimentación, un complemento al limitado acompañamiento en directo.

  • Atender a las creencias y a la confianza. La autoeficacia predice el AI-TPACK, mientras que unas creencias docentes tradicionales fuertes pueden ser una barrera, y la confianza está moldeada por la transparencia y la equidad: atender a estos factores psicológicos, y no solo a las habilidades.

  • Retroceder desde los dilemas del aula. Kohnke et al. (2026) entrevistaron a 17 futuros docentes de una universidad de Hong Kong y trabajaron hacia atrás, desde los dilemas de aula previstos hasta las necesidades de diseño de la formación docente. El profesorado en formación planteó preocupaciones sobre la integridad académica, la privacidad y la preservación de habilidades humanas esenciales en un entorno impulsado por la IA generativa, lo que apunta a implicaciones de diseño curricular que entrelazan la ética, la privacidad y la alfabetización en IA (con habilidades de pensamiento crítico) a lo largo de toda la formación docente, en lugar de tratar el uso responsable como un añadido.

  • La IA como mediadora cognitiva en la reflexión docente (2026): un modelo de triángulo reflexivo basado en la práctica usa la IA para mediar entre la reflexión individual del docente y el conocimiento profesional compartido en comunidades de aprendizaje, y aborda el fallo habitual de la reflexión a la hora de transformarse en aprendizaje profesional colectivo (modelo de triángulo reflexivo con la IA como mediadora cognitiva).

  • Hacer del diseño de la evaluación con IA generativa parte del trabajo curricular profesional. El profesorado en formación de Zou et al. (2026) mostró poca intención de rediseñar sus futuras evaluaciones escolares en respuesta a la IA generativa, y los participantes de educación infantil y de secundaria juzgaron en gran medida la tecnología irrelevante para su propio contexto de enseñanza, una dimensión poco desarrollada de la alfabetización evaluativa más que una laguna de conocimiento. Los programas de formación docente deberían, por tanto, integrar el uso ético de la IA generativa en el diseño de la evaluación como parte del currículo profesional, emparejando la coherencia de la política a nivel de programa con ejemplos concretos de uso aceptable e inaceptable y con retroalimentación oportuna sobre el uso real que hace el estudiantado de la IA.

  • Hacer de la redacción de políticas de aula una actividad central de la formación docente, y tratar la ambigüedad como un defecto de la política. Nash y Burriss (2026) encontraron que pedir al profesorado en formación que redacte sus propias políticas de aula sobre IA funciona como una construcción retórica de mundo sobre para qué sirve escribir, una ventana a creencias emergentes que el debate abstracto no abre. Como la IA separa la escritura como producto de la escritura como proceso, los programas deberían ayudar al profesorado a localizar dónde residen realmente el pensamiento, el aprendizaje y el valor a lo largo de la lluvia de ideas, el borrador, la revisión y la edición, en lugar de situar el pensamiento solo en el texto final, y deberían apoyarle para traducir sus creencias en reglas operativas e inequívocas acompañadas de instrucción en alfabetización en IA: contradicciones como prohibir el texto generado por IA y a la vez responsabilizar al estudiantado del contenido generado por IA que entrega dejan al estudiantado sin poder cumplir.

Conceptos conectados

Artículos conectados

Preguntas frecuentes relacionadas

Metadatos

NivelTeacher Education, K 12, Adult Learning
Público destinatarioInstructors
Fundamentos de la IA en la educaciónAlfabetización en IA, La docencia, Conocimiento Tecnológico, Pedagógico y de Contenido (TPACK)
SourceHistoryEditChat

Incrustar esta página

Copy the code below to embed a chromeless version of this page in a learning management system or other website. The embedded view hides the site header, navigation, and footer.