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

Conocimiento Tecnológico, Pedagógico y de Contenido (TPACK)

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.

Conocimiento Tecnológico, Pedagógico y de Contenido (TPACK) — el marco (Mishra y Koehler, 2006) que describe el conocimiento integrado que el profesorado necesita para usar la tecnología de forma eficaz en la enseñanza: la interacción entre el conocimiento tecnológico (TK), el pedagógico (PK) y el de contenido (CK), y sus intersecciones. En la era de la IA, el TPACK se ha extendido a AI-TPACK / GenAI-TPACK, que modelan cómo el profesorado integra la IA generativa en la enseñanza de su área de contenido. Es la lente teórica dominante para entender cómo se estructura y se construye la competencia del profesorado en IA a través del desarrollo profesional.

Preguntas para reflexionar

  • El TPACK sostiene que la enseñanza eficaz con tecnología no es la suma de habilidades separadas (conocer la materia + conocer la didáctica + conocer la herramienta) sino el producto de su interacción. Piense en una clase que funcionó de verdad con una tecnología. ¿Qué combinaciones de conocimiento de contenido, pedagógico y tecnológico —y no una sola— parecían estar haciendo el trabajo?
  • Un supuesto común es que el profesorado «hábil con la tecnología» está por eso mismo preparado para enseñar con IA. ¿Dónde podría fallar ese supuesto? Por ejemplo, cuando un docente técnicamente competente sigue usando la IA de forma pedagógicamente superficial o con contenido inexacto. ¿Cómo sería una «competencia» que una simple prueba de habilidades tecnológicas no capta?
  • La era de la IA replantea la tecnología del TPACK: de herramienta pasiva a agente activo que puede planificar, generar y tutorizar. Si el trabajo del profesorado pasa de operar una herramienta a orquestar una IA que actúa por su cuenta, ¿qué conocimiento nuevo exige eso, y puede alguna lista de verificación estática recogerlo?
  • La página sugiere que el desarrollo profesional debería formar las intersecciones, y no solo las herramientas. Piense en la última formación tecnológica a la que asistió o que diseñó. ¿Era sobre todo «cómo usar el programa», o construía contenido y pedagogía junto con la tecnología? ¿Qué enfoque esperaría que cambiara más la práctica de aula, y por qué?
  • La investigación encontró distintos «arquetipos docentes» —optimizadores, creadores, observadores pasivos— que se benefician de tipos distintos de apoyo. ¿A qué arquetipo se parece más cuando usa IA en la enseñanza, y qué tipo de andamiaje cree que le ayudaría más? ¿Describiría su estudiantado lo mismo que usted?
  • Algunos investigadores sostienen que una integración eficaz de la IA surge de las creencias del profesorado y de su sentido de eficacia, y no solo de su conocimiento. ¿Qué cree usted sobre el papel de la IA en el aprendizaje, y cómo podría esa creencia —más que su habilidad técnica— dar forma a si la integra y a cómo lo hace?

Introducción

  • Crompton et al. La investigación basada en el diseño operacionaliza estándares de integración tecnológica del profesorado universitario que extienden el marco TPACK a la práctica institucional.

El marco

El TPACK sostiene que una integración eficaz de la tecnología no es la suma de dominios de conocimiento separados, sino el producto de su interacción dinámica. El marco comprende tres dominios base y cuatro intersecciones:

  • Conocimiento de contenido (CK) — el conocimiento de la materia que se va a enseñar.
  • Conocimiento pedagógico (PK) — el conocimiento de los métodos y las estrategias de enseñanza y de cómo aprende el estudiantado.
  • Conocimiento tecnológico (TK) — el conocimiento de cómo usar herramientas y tecnologías, incluida la IA generativa.
  • Conocimiento pedagógico del contenido (PCK) — cómo enseñar de forma eficaz un contenido específico.
  • Conocimiento tecnológico del contenido (TCK) — cómo la tecnología da forma y representa el contenido.
  • Conocimiento tecnológico pedagógico (TPK) — cómo la tecnología apoya o limita las estrategias de enseñanza.
  • TPACK — el conocimiento emergente e integrado del centro, donde los tres dominios interactúan para hacer posible una enseñanza mejorada por la tecnología y específica de cada contenido.

AI-TPACK y GenAI-TPACK

La era de la IA ha empujado el marco hacia una lectura de la tecnología con inteligencia. Más que una herramienta pasiva, la IA generativa es un agente activo que puede planificar, generar contenido, tutorizar y adaptarse, así que el conocimiento de la integración incluye cada vez más la orquestación: decidir cuándo y cómo la IA actúa, andamia o cede ante el juicio humano.

  • Más allá del conocimiento discreto. La investigación sobre AI-TPACK sostiene que una integración eficaz de la IA no surge de poseer dominios separados, sino de la interacción dinámica entre el pensamiento sistémico, las creencias pedagógicas y la autoeficacia, lo que cuestiona los modelos estáticos y basados en listas de verificación de la competencia del profesorado en IA. Los arquetipos docentes (optimizadores sistemáticos, creadores prolíficos, observadores pasivos) surgen de cómo diseña el profesorado flujos de trabajo instruccionales con múltiples agentes.
  • Evidencia multinivel del núcleo pedagógico. Un estudio multinivel con 46 docentes y 2.832 estudiantes de secundaria encontró que el conocimiento técnico de la IA por sí solo era insuficiente —incluso amortiguaba ligeramente la percepción del estudiantado sobre la IA para el bien social—, mientras que el conocimiento pedagógico de la IA (TPAIK) era lo que fomentaba las percepciones del estudiantado y su intención conductual de aprender IA. El resultado se condensa en la directriz «primero la pedagogía, después la tecnología», que se hace eco de los hallazgos anteriores sobre el papel mediador.
  • Una lente de revisión para todo el campo. Una revisión sistemática desde la perspectiva del TPACK (Liu y Zhong, 2025) analizó 71 estudios empíricos sobre IA generativa en el aprendizaje del estudiantado, encontró un efecto global positivo (g de Hedges = 0,752) e identificó la alfabetización en IA generativa para el estudiantado y el desarrollo profesional en GenAI-TPACK para el profesorado como las dos prioridades críticas del campo.
  • La competencia por sí sola no predice la integración pedagógica. Choi et al. (2026) midieron el TPACK inteligente del profesorado para segmentar a los participantes y observaron que incluso los novatos competentes en IA se apoyaban pasivamente en la salida de la IA durante el diseño de clases, mientras que el profesorado con experiencia —con un AI-TPACK medido más bajo— volvía a implicarse de forma crítica y adaptaba las sugerencias de la IA al contexto pedagógico. El resultado refuerza el patrón anterior: el AI-TPACK se traduce en un uso sólido en el aula a través del juicio pedagógico experimentado, y por eso el apoyo de la formación docente debe apuntar a la aplicación del conocimiento sobre IA y no a su mera posesión.
  • Contexto de formación docente. El TPACK es instrumental para cultivar la competencia del profesorado a la hora de integrar la tecnología en una enseñanza específica del currículo, y por eso la investigación sobre formación docente y desarrollo profesional (p. ej., programas intensivos de desarrollo profesional en IA generativa, preparación en AI-TPACK del futuro profesorado) lo mide cada vez más como el resultado de interés.
  • El conocimiento pedagógico media la integración de la IA generativa. Mohebi y ElSayary (2026) encuestaron a 325 docentes en activo de 26 países y entrevistaron a siete, con un diseño de métodos mixtos secuencial explicativo para modelar el TPACK-IA generativa. El conocimiento tecnológico (TK), el pedagógico (PK) y el pedagógico del contenido (PCK) se asociaron cada uno con el TPACK-IA generativa global, pero el conocimiento tecnológico pedagógico (TPK) medió esas relaciones: evidencia de que importa el paso «de la competencia a la pedagogía», porque traducir la habilidad con IA generativa en un uso sólido en el aula pasa por el conocimiento de integración pedagógico-tecnológica y no solo por la familiaridad con la herramienta.
  • En la educación superior, la experiencia en la materia no se transfiere a la integración de la IA generativa. Sutedjo, Chowdhury y Liu (2026) adaptaron el instrumento TPACK-21 para encuestar a 127 docentes de una universidad de investigación estadounidense sobre el uso de IA generativa para enseñar habilidades del siglo XXI. El profesorado declaró un CK sólido (M = 5,15) y un PCK sólido (M = 4,70), pero un conocimiento tecnológico integrado bajo —TPK (M = 2,62), TCK (M = 2,75) y TPACK global (M = 2,55, el dominio más bajo)—, y el CK no mostró ninguna correlación significativa con el TK ni con ningún dominio integrado con la tecnología (r = .11–.15, ns). Los tres dominios integrados con la tecnología correlacionaban entre sí con tanta fuerza (r = .81–.91) que pueden funcionar como un único factor de integración de la IA generativa. El resultado refuerza el principio de diseño de formar las intersecciones: el desarrollo profesional del profesorado debe construir deliberadamente el conocimiento de integración de la IA generativa mediante actividades específicas de la disciplina en lugar de suponer que la experiencia en la materia se transferirá, y tratar los dominios integrados con la tecnología como una base compartida de alfabetización en IA generativa.
  • El modo institucional y el nivel de formación interactúan. Mnguni et al. (2026) compararon a 186 futuros docentes de ciencias de último año de una universidad sudafricana presencial (n = 85) y de una universidad de educación a distancia (n = 97). El TPACK autoinformado era más alto en el campus (64,0% frente a 47,4%), el conocimiento pedagógico fue el dominio menos declarado en ambos grupos (53% en el campus), y el nivel de formación en IA se asoció con el TPACK autoinformado solo en la institución a distancia, donde completar un curso corto de cinco créditos predecía un TPACK declarado más débil que no recibir formación alguna (p = .039, frente a p = .607 en el campus). La preparación sigue, por tanto, al contexto de la oferta institucional y no solo a las horas de formación, y los autores advierten que la preparación autoinformada no puede sustituir a la evidencia de desempeño.
  • El TPACK integrado avanza más cuando la IA se andamia dentro de tareas auténticas basadas en problemas. Chen y Osman (2026) compararon un módulo CTD-PBL apoyado por IA de ocho semanas con la enseñanza convencional en 130 futuros docentes de física de tercer año en un diseño cuasiexperimental con clases intactas (65 por condición), en el que los grupos usaron DeepSeek con plantillas de prompts específicas de la tarea y toda salida de IA debía pasar una verificación humana antes de entrar en un artefacto instruccional. El grupo del módulo declaró un TPACK posterior a la prueba más alto (M = 4,04 frente a 3,40, p < 0,001, d = 1,02) y una mayor resolución colaborativa de problemas percibida (M = 3,62 frente a 3,05, d = 0,88), con interacciones significativas grupo × tiempo en ambos resultados. Dónde se produjeron las ganancias es el detalle relevante para el TPACK: los mayores efectos dimensionales estuvieron en los dominios integrados —TPCK (d = 1,21), PCK (d = 1,06) y TPK (d = 0,95)— y las ganancias de colaboración fueron más claras en la construcción compartida de conocimiento y la regulación social, es decir, en las intersecciones y no en los dominios base. Los autores presentan esto como un cambio diferencial asociado a una condición instruccional integrada y no como un efecto de la IA: la IA nunca se aisló de la cadena de tareas del ABP, la colaboración estructurada, el andamiaje de quien enseña, la retroalimentación entre pares o la revisión reflexiva, y ambos resultados eran percepciones de competencia basadas en cuestionarios y no desempeño de aula demostrado.

El AI-TPACK como mediador entre la alfabetización y la integración en el aula. Un modelo de ecuaciones estructurales con futuros docentes chinos de ciencias (Zou, Li, Wang y Du, 2026) sitúa el AI-TPACK no como una competencia paralela, sino como el mecanismo de transmisión por el que la alfabetización en IA general se convierte en práctica docente. La alfabetización en IA predijo con fuerza el AI-TPACK, el AI-TPACK predijo a su vez la autoeficacia en la enseñanza de las ciencias, y la autoeficacia docente fue el predictor único más fuerte de la intención de enseñar mediante indagación integrada con IA. La cadena serial completa (alfabetización en IA → AI-TPACK → autoeficacia → intención) fue significativa, como también lo fueron las rutas indirectas separadas a través del AI-TPACK y de la autoeficacia; en conjunto, la mayor parte de la asociación de la alfabetización en IA con la intención pasaba por estos mediadores y no de forma directa, y el resultado se mantuvo tras controlar el género, el año de estudio, la especialidad y la frecuencia de uso de IA. La afirmación práctica del modelo es una secuencia con un punto de entrada: la alfabetización en IA es necesaria pero insuficiente, y el trabajo de integración ocurre allí donde se combinan el conocimiento tecnológico, pedagógico y de contenido, que es también donde se construye la confianza del profesorado para enseñar la materia.

Por qué importa en la educación con IA

El TPACK es el marco organizador del lado docente de la base de evidencia de esta base de conocimiento. Explica por qué la competencia del profesorado en IA es más que fluidez con herramientas: el profesorado debe integrar juntos el conocimiento tecnológico, pedagógico y de contenido para convertir la IA en ganancias de aprendizaje. La página competencia del profesorado en IA de esta base de conocimiento cubre las dimensiones de la competencia; el TPACK es la estructura de conocimiento que las sustenta. La investigación sobre la confianza del profesorado, el desarrollo profesional y el rol docente en transformación opera toda ella dentro (o contra) este marco. El marco se está extendiendo ahora a la evaluación de programas completos: Wu y Li (2026) construyen un sistema de evaluación AHP-Fuzzy-AHP para programas de certificación en IA sobre las dimensiones del TPACK y encuentran que la competencia profesional del profesorado —y no la infraestructura técnica— es la mayor brecha entre la prioridad experta y la oferta actual, lo que indica que la certificación debería invertir en la capacidad pedagógica integrada del profesorado.

Implicaciones de diseño

  1. Formar las intersecciones, no solo las herramientas. El desarrollo profesional debería construir juntos el conocimiento tecnológico, pedagógico y de contenido en lugar de ofrecer formación aislada sobre herramientas: el principio de diseño central del TPACK.
  2. Tratar la IA como un agente, no como un electrodoméstico. El AI-TPACK extiende el marco hacia la orquestación de agentes de IA, lo que exige pensamiento sistémico y juicio pedagógico sobre cuándo debe actuar la IA.
  3. Diferenciar el desarrollo profesional según el perfil docente. Distintos arquetipos docentes (optimizadores, creadores, observadores) se benefician de andamiajes distintos: marcos avanzados, retroalimentación rápida o modelado explícito, respectivamente.
  4. Evaluar la competencia integrada. Los resultados orientados al TPACK (p. ej., las ganancias de AI-PCK) deberían medirse como capacidad integrada y no como familiaridad autoinformada con herramientas.

Conceptos conectados

Artículos conectados

Preguntas frecuentes relacionadas

Metadatos

Público destinatarioFaculty Developers, Instructors
Tecnologías y técnicasIA generativa
Fundamentos de la IA en la educaciónAlfabetización en IA, Diseño curricular, Desarrollo educativo, Diseño de aprendizaje, La docencia, Conocimiento Tecnológico, Pedagógico y de Contenido (TPACK), Competencia en IA del profesorado
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.