Diseño universal para el aprendizaje

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

El diseño universal para el aprendizaje (DUA) — un marco educativo que diseña la enseñanza para que sea accesible y eficaz para la gama más amplia de estudiantes, incorporando de forma proactiva medios flexibles de implicación, representación y acción/expresión, en lugar de adaptar a posteriori ajustes para personas concretas.

Preguntas para reflexionar

• La afirmación central del DUA es que la variabilidad del estudiantado es la norma y no la excepción, así que hay que diseñar desde el principio muchos caminos y no arreglar un único camino para quienes tienen dificultades. ¿Tiende usted a diseñar para un estudiante «medio» y añadir ajustes después? ¿Qué podría perderse con ese enfoque por defecto?
• Piense en una ocasión en que un formato concreto (un texto denso, una clase magistral, una única forma de mostrar el trabajo) le excluyó a usted o a alguien a quien enseñó. ¿Cuál de los tres principios del DUA — implicación, representación o acción/expresión — estaba en juego, y cómo habría sido una alternativa flexible?
• La IA generativa puede crear ejemplos personalizados, subtítulos, resúmenes y múltiples formatos de evaluación: en apariencia, un regalo para el DUA. Pero la página advierte de que la IA también puede codificar sesgos y reducir la agencia de quien aprende. Antes de seguir leyendo, ¿cómo podría una herramienta construida para personalizar acabar estrechando en lugar de ampliar los caminos de aprendizaje de algunos estudiantes?
• Una idea errónea frecuente es que el DUA significa bajar los estándares o dar a cada persona resultados distintos. Considere una tarea que permita entregar un ensayo, un vídeo, un diagrama o código para el mismo resultado de aprendizaje. ¿Es eso una rebaja o una forma más justa de evaluar la misma capacidad? Defienda su postura.
• El DUA convierte «arreglar al estudiante» en «arreglar el diseño». Elija una experiencia de aprendizaje frustrante que haya tenido o diseñado. Si la barrera fuera un problema de diseño y no del estudiante, ¿qué cambiaría del diseño para eliminarla para todos?
• La página advierte contra la IA que da por supuesto un único estilo de comunicación o penaliza la expresión neurodivergente. Si usa o diseña herramientas asistidas por IA, ¿dónde podrían los estilos «por defecto» excluir en silencio a parte del estudiantado, y qué haría falta para auditarlo?

Introducción

El DUA se apoya en la idea de que la variabilidad del estudiantado es la norma y no la excepción. En lugar de diseñar un único camino y añadir apoyos para quienes tienen dificultades, el DUA diseña múltiples caminos desde el principio para que se eliminen las barreras para todos. Es una lente central para el aprendizaje inclusivo, la equidad en la educación con IA y la educación especial.

Los tres principios

• Múltiples medios de implicación — el «por qué» del aprendizaje: formas variadas de motivar y sostener el interés, conectar con la relevancia y apoyar la autorregulación.
• Múltiples medios de representación — el «qué» del aprendizaje: presentar la información en formatos variados (texto, audio, visual, interactivo) para que todo el estudiantado pueda percibirla y comprenderla.
• Múltiples medios de acción y expresión — el «cómo» del aprendizaje: ofrecer formas variadas para que quienes aprenden demuestren lo que saben (escribir, hablar, construir, interpretar).

El DUA en la era de la IA

La IA generativa crea nuevas oportunidades y nuevos riesgos para el DUA. La IA puede personalizar la representación y ofrecer caminos alternativos, apoyando el aprendizaje personalizado y la accesibilidad. Pero también puede codificar sesgos, dar por supuestos estilos de comunicación dominantes y — si reduce la agencia de quien aprende — socavar el principio de implicación. La investigación sobre el mal uso de la IA y el daño al aprendizaje y sobre la equidad muestra que las herramientas de IA deben diseñarse con principios inclusivos o reproducen las brechas de equidad en la educación con IA. El DUA informa por tanto tanto de cómo se despliega la IA como de cómo se diseñan la alfabetización en IA y la evaluación para que sean justas ante la variabilidad del estudiantado.

La equidad por diseño es una forma concreta de operacionalizar esta postura. Wenzel, Geiger y Liening (2026) fundamentan su marco CAIS-GBL para agentes conversacionales de IA en juegos de simulación empresarial en un enfoque explícito de equidad por diseño alineado con el diseño universal para el aprendizaje, del que derivan metarrequisitos que abarcan la implicación cognitiva, motivacional, afectiva y sociocultural. Sus principios y características de diseño pretenden atender las diferencias individuales de fortalezas, dificultades e intereses: una aplicación concreta de los principios del DUA al diseño del aprendizaje basado en juegos adaptativo y apoyado por IA.

La IA aparece también en esta literatura como obstáculo para el DUA y no como instrumento suyo. En el estudio de métodos mixtos de Sidhu, Atif y Newland (2026) con 69 profesores y profesoras de una universidad de Ontario, uno de los cuatro temas clave es que la IA generativa está revirtiendo los avances en el diseño accesible de cursos; la cita del título, «la IA está reduciendo las opciones que yo usaba», proviene de sus entrevistas, porque las tareas para llevar a casa y basadas en borradores que habían hecho trabajo de inclusión son precisamente las que ahora una IA puede completar de principio a fin. Sus hallazgos a nivel de profesorado muestran por qué ese retroceso recae sobre una base ya de por sí frágil: el 90% de las personas encuestadas creía crear un entorno de aprendizaje accesible y el 87% decía considerar activamente la accesibilidad, pero menos de la mitad (46%) pensaba que la universidad ofrecía recursos suficientes para ello, y alrededor de una quinta parte nunca había oído hablar de técnicas tan básicas como los PDF legibles por OCR o los enlaces que no dependen del color. La demanda supera la oferta — las matrículas en las universidades de Ontario crecieron un 17% de 2013 a 2022, mientras que las inscripciones en servicios de accesibilidad aumentaron un 126% —, así que el caso que plantea el estudio es que el apoyo al DUA debe dotarse de recursos para compensar las opciones de evaluación que la IA eliminó.

Conexiones

El DUA conecta con el aprendizaje inclusivo, la equidad en la educación con IA, la educación especial, el diseño del aprendizaje y la pedagogía culturalmente relevante. En la evaluación, se cruza con el énfasis de la evaluación auténtica en la equidad representacional y con reducir el mal uso de la IA como salvaguarda frente a herramientas que penalizan estilos de comunicación concretos. Como el DUA es el marco que más se invoca en contextos de discapacidad en educación superior (donde «educación especial» es un término de K-12), suele ser la página adecuada a la que enlazar para la investigación sobre estudiantado con discapacidad en la universidad.

Implicaciones y ejemplos para el profesorado y el diseño instruccional

El DUA convierte «arreglar al estudiante» en «arreglar el diseño». Para el profesorado y quienes diseñan con IA, los tres principios se traducen en movimientos concretos:

Implicación — ofrecer múltiples formas de despertar y sostener la motivación.

• Deje que quienes aprenden elijan cómo implicarse: opciones basadas en problemas, en juegos, en discusión o a su propio ritmo.
• Use la IA para sacar a la luz la relevancia — ejemplos personalizados, conexiones con el mundo real o elección de tema — en lugar de una única tarea genérica.
• Ejemplo: un curso usa la IA para generar ejemplos resueltos variados ligados a distintos intereses del estudiantado (empresa, salud, artes), lo que permite elegir el contexto que les motiva.

Representación — presentar la información en múltiples formatos.

• Ofrezca el mismo contenido en texto, audio, vídeo e interactivo; la IA puede generar automáticamente subtítulos, transcripciones, resúmenes y explicaciones alternativas a distintos niveles de lectura.
• Ejemplo: el profesorado usa un asistente de IA para producir un resumen en lenguaje sencillo y una versión en audio de una lectura densa, de modo que quienes aprenden eligen su punto de entrada. Combínelo con la accesibilidad (subtítulos, texto alternativo) para que cada formato sea utilizable.

Acción y expresión — dejar que quienes aprenden muestren lo que saben de formas variadas.

• Ofrezca la posibilidad de elegir el producto de la evaluación (ensayo, presentación, vídeo, diagrama, código) alineado con el mismo resultado de aprendizaje.
• Ejemplo: un proyecto permite entregar un informe escrito, un vídeo explicativo asistido por IA o una demostración en vivo, con andamiajes de IA que apoyan cada modo. En el diseño de la evaluación, esto es paralelo a la equidad representacional de la evaluación auténtica.

Diseñar para la alfabetización en IA y la agencia.

• Enseñe al estudiantado cómo y cuándo usar la IA, y cree puntos de control que mantengan la responsabilidad en quien aprende (y no en la herramienta): véanse alfabetización en IA y reducir el mal uso de la IA.
• Ejemplo: una tarea alineada con el DUA permite usar la IA para redactar un borrador pero exige una reflexión metacognitiva sobre la propia contribución, preservando los principios de implicación y agencia.

Usar la IA para eliminar barreras, no para añadirlas.

• Despliegue la IA para cerrar brechas de desempeño (por ejemplo, los vídeos segmentados con pausas de IA ayudaron al estudiantado con TDAH) y para abaratar los formatos accesibles.
• Protéjase de la IA que da por supuesto un único estilo de comunicación o penaliza la expresión neurodivergente: conecte con la accesibilidad, la equidad en la educación con IA y la neurodiversidad.

Conceptos conectados

• Aprendizaje inclusivo
• Accesibilidad
• Tecnología de asistencia
• Equidad
• Educación especial
• Neurodiversidad
• Diseño de aprendizaje
• Aprendizaje personalizado
• Pedagogía culturalmente relevante
• Evaluación auténtica
• Experiencia del estudiantado
• IA generativa
• Pedagogías y estrategias de enseñanza — Paraguas: pedagogías y estrategias de enseñanza en la educación con IA
• Mitigación de sesgos
• Reducir el mal uso de la IA
• K-12

Artículos conectados

• Cognitive Offloading in the Age of Generative AI: What Does It Mean for Students With Learning Disabilities? — Desplazamiento cognitivo con IA generativa en estudiantado con dificultades de aprendizaje
• From authentic products to authenticated processes: a systematic conceptual review of authentic assessment in AI-rich — De productos auténticos a procesos autenticados
• Touching and Feeling the Data: A Reusable Software Pipeline for Tactile Statistical Graphs in Accessible Education — Gráficos estadísticos táctiles para la accesibilidad
• I can't read your mind": A Study of Neurodivergent Computing Students' Experiences with Collaborative Active Learning — Estudiantado neurodivergente de informática
• Designing Needs- and Attention-Aware AI Learning Tools for Engineering Education: Insights from Psychological Outcomes — Diseñar herramientas de aprendizaje con IA conscientes de las necesidades y la atención
• Using Gemini and LuaLaTeX to transcribe physics videos into PDF/UA-2 and ISO 32005 math-accessible PDFs — Transcripción de vídeos de física con matemáticas accesibles mediante Gemini+LuaLaTeX
• Designing Conversational Agents for Adaptive Instructional Support in Business Simulation Gaming — Marco CAIS-GBL para agentes conversacionales de IA en juegos de simulación empresarial (Wenzel et al. 2026)
• Generative AI, virtual reality, and beyond: A scoping review of digital assistive technologies for neurodivergent students in higher education — IA generativa, realidad virtual y más allá: una revisión de alcance de las tecnologías digitales de asistencia para estudiantado neurodivergente en educación superior
• “AI is reducing options I had used”: exploring faculty perceptions of accessible course design in a ChatGPT world — «La IA está reduciendo las opciones que yo usaba»: explorar las percepciones del profesorado sobre el diseño accesible de cursos en un mundo con ChatGPT