¿Cómo diseño un desarrollo profesional docente en IA que cambie realmente la práctica?

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

Es febrero. Su vicerrector ha anunciado una iniciativa de IA con una partida presupuestaria y usted tiene un semestre para que se note en las aulas. O impartió seis talleres el otoño pasado, las salas estaban llenas, y la docencia a la que usted asiste no ha cambiado. O un decano hace la pregunta sencilla en el momento del presupuesto: ¿qué compró el dinero?

Los tres casos vienen del mismo fallo de diseño. Un taller muestra lo que hace una herramienta. La práctica cambia cuando un docente dedica tiempo estructurado y con apoyo a un problema de su propio curso, el tiempo suficiente para que un hábito nuevo desplace a uno viejo, y la institución dice sí al experimento en lugar de limitarse a tolerarlo.

La conclusión de fondo para la reunión: estandarice un ciclo de sesiones en el que cada participante traiga un artefacto real de su curso y se vaya con uno revisado, meta la verificación, la declaración y el control de riesgos dentro del documento de trabajo en lugar de en una charla final sobre ética, extienda el programa más allá de un solo día y acompáñelo con mentoría, organice cohortes por disciplina y presente en un seguimiento los artefactos que la gente produjo, en lugar de lo seguros que se sintieron la última tarde.

La versión breve

1. Ancle cada sesión en un artefacto del propio curso del participante y termine la sesión con ese artefacto revisado.

2. Ponga la verificación, la declaración y el control de riesgos en la plantilla de trabajo, donde se usan, para que un participante nervioso tenga dónde colocar su preocupación.

3. Dedique las horas a la evaluación y a las rúbricas, el área más débil al inicio y la que registra la mayor ganancia medida.

4. Organice cohortes específicas por disciplina y después diferencie dentro de ellas según la experiencia.

5. Asegure las condiciones: permiso explícito para experimentar, tiempo protegido y materiales en las lenguas en las que trabaja su profesorado.

6. Evalúe los artefactos revisados con demora, añada un indicador relacional y trate las puntuaciones de satisfacción como ruido.

Ejecute cada sesión sobre el propio curso del participante

La comparación más limpia en este terreno es la de Bi et al. (2026), que encuestaron a 568 docentes de cinco universidades y realizaron un cuasiexperimento con 160 de ellos. Ambos grupos recibieron cuatro talleres de 90 minutos en semanas consecutivas, con el mismo tiempo de contacto, la misma plataforma y el mismo apoyo de facilitación. El contenido era distinto. Un grupo recibió desarrollo docente convencional sobre IA generativa; el otro, un ciclo estructurado de formulación de prompts, revisión de productos, revisión de materiales del curso y reflexión escrita con una plantilla de siete componentes que cubría objetivos, restricciones de la tarea, criterios de evaluación, verificación, declaración y control de riesgos.

El grupo estructurado puntuó más alto en las siete dimensiones de preparación. Su mayor ventaja estuvo en el diseño de prompts, de aproximadamente dos desviaciones estándar, y fue el único grupo cuya ganancia en diseño de prompts sobrevivió a la prueba con demora; la ganancia menor del grupo convencional había caído por debajo del nivel inicial en el seguimiento.

Otros dos resultados explican por qué las demostraciones no viajan. En un estudio intrasujeto con 13 docentes de educación superior, el acceso a un chatbot elevó la proporción de actividades que alcanzaban dos o más tareas de orden superior de Bloom del 41,7% al 91,7% (p = 0,01) y redujo el esfuerzo cognitivo percibido de una mediana de 6,33 a 3,33 (p = 0,004). La formación en ingeniería de prompts pedagógica añadida encima no mejoró más la calidad del diseño y aumentó ligeramente el esfuerzo. Mientras tanto, en un taller con 60 docentes de ciencias de secundaria, el elemento productivo fue la revisión colaborativa de preguntas de evaluación generadas por ChatGPT, que es lo que sacó a la luz los problemas de precisión conceptual y el riesgo de reforzar concepciones erróneas.

Lo que esos estudios comparten: el aprendizaje vino de criticar y revisar material. La gente mejora lo que tiene delante, y lo mejora más rápido cuando un colega también lo está leyendo.

La competencia investigadora puede ser el objetivo, y no un efecto secundario. En un programa de seis semanas apoyado por IA con 105 docentes de química, todas las dimensiones medidas mejoraron del pretest al postest (dz de Cohen = 0,47 a 0,63), y el mayor cambio fue la competencia investigadora, que subió de 3,50 (DE = 0,88) a 4,16 (DE = 0,52; dz = 0,63) (Ussenbay et al. (2026)). El profesorado pasó de describir la IA como una herramienta de recuperación y escritura a describirla como apoyo para la planificación de la investigación y las decisiones informadas por datos. El diseño fue un estudio pre-post de un solo grupo, así que trate la ganancia como evidencia del programa y no como un efecto causal; lo que añade es una forma concreta de hacer del rol de investigador parte del mismo ciclo de desarrollo profesional.

Deje de tratar la habilidad como la pieza que falta

El diagnóstico tentador es una brecha de capacidad, que se cierra con mejor instrucción. Bai y Hsieh (2026) encuestaron a 898 docentes universitarios con escalas de AI-TPACK y encontraron que los docentes que entendían cómo funcionan las herramientas generativas, o que sabían manejarlas con competencia, no eran más propensos a informar de que inventaban e implementaban nuevas prácticas docentes que quienes no podían. El constructo integrado de AI-TPACK no tenía ninguna vía directa hacia la conducta innovadora. Su influencia pasaba enteramente por la alfabetización en IA, la autoeficacia docente y la identidad profesional.

Eso cambia para qué sirve una sesión. Un recorrido por una herramienta no aborda ninguno de esos tres elementos. Una sesión en la que un docente reescribe su propia tarea, defiende el cambio y escucha a un colega decir que es mejor aborda los tres a la vez, y por eso el ciclo de artefactos supera a la demostración incluso cuando el contenido es más delgado.

La implicación de diseño es incómoda para cualquiera con una presentación de diapositivas: no se puede dar una charla para que un docente se vea a sí mismo como el tipo de docente que trabaja así. Sí se le puede poner en una situación en la que actúe así una vez, con apoyo, y dejar que la evidencia se acumule.

Ponga las partes difíciles en la plantilla que usan

El marco i-TPACK de Dogan (2026) procede de una revisión PRISMA sobre desarrollo profesional en IA más una búsqueda que sacó a la luz 17 estudios adicionales. Alinea cinco dominios de conocimiento (conocimiento tecnológico inteligente, conocimiento tecnológico del contenido, conocimiento tecnológico pedagógico, i-TPACK integrado y ética de la IA) con cuatro vías basadas en la evidencia: aprendizaje activo, modelos y ejemplos, acompañamiento y apoyo experto, y retroalimentación y reflexión, regidos por cinco principios que van de la sinergia colectiva frente a los silos a la flexibilidad dentro de la estructura.

La crítica más aguda que hace el marco al campo es que la ética se trata de forma superficial o está completamente ausente en muchos programas existentes, y la solución es su ubicación. La verificación, la declaración y el control de riesgos pertenecen al documento que los participantes usan toda la semana, no a los últimos 20 minutos de la última sesión. Una plantilla con una columna de control de riesgos se rellena; un segmento final sobre uso responsable recibe una inclinación de cabeza.

El límite del marco es que es conceptual y no tiene datos de resultados a nivel de programa. Úselo como lista de comprobación de diseño y no como evidencia de que el diseño funciona. La evidencia de resultados está en los estudios anteriores y posteriores.

Dedique las horas a la evaluación

Si su programa tiene espacio para un solo tema profundo, elija la evaluación. En el programa de ocho horas de Talebzadeh (2026), cuatro sesiones de dos horas con 163 docentes y futuros docentes, el AI-PCK total pasó de 151,65 a 220,14 (d = 2,36, p < 0,001). El mayor efecto por componente fue el de las rúbricas de evaluación (d = 2,19), que también era el área más débil en el pretest. La ganancia fue más estrecha en método de enseñanza que en evaluación.

Las rúbricas son también donde la ansiedad de la sala puede ponerse a trabajar. Un participante al que le inquieta que el estudiantado se apoye en un modelo puede escribir una línea de rúbrica que haga visible el razonamiento, lo que convierte una preocupación en una decisión de diseño con fecha.

Presupueste más allá del día único. En ese mismo programa, los futuros docentes ganaron significativamente más que los experimentados (p = 0,033), sobre todo en diseño de tareas basadas en escenarios y diseño de rúbricas. Los docentes experimentados dijeron que ocho horas eran demasiado pocas para desplazar hábitos arraigados y pidieron apoyo a largo plazo basado en mentoría.

Construya cohortes y después diferencie dentro de ellas

Si imparte un taller universal, se pasará la mayor parte del tiempo sirviendo al participante mediano, que no existe. Sutedjo, Chowdhury y Liu (2026) encontraron entre 127 encuestados que el conocimiento pedagógico del contenido autopercibido era alto (M = 4,70) y el conocimiento del contenido estaba cerca del techo (M = 5,15), mientras que el conocimiento tecnológico pedagógico (M = 2,62), el conocimiento tecnológico del contenido (M = 2,75) y el TPACK holístico (M = 2,55) eran notablemente más bajos. El conocimiento del contenido no mostró correlación significativa con ningún dominio integrado con tecnología (r = 0,11-0,15), así que el dominio de la materia no se traslada.

Esos tres dominios bajos correlacionaban entre sí con r = 0,81-0,91, lo que plausiblemente significa una sola capacidad para enseñar con estas herramientas y no tres habilidades separadas. Enséñela como fundamento compartido y ahorrará dos sesiones.

Después separe por experiencia. Bai y Hsieh encontraron que la identidad profesional predecía la conducta innovadora casi el doble de fuerte entre los usuarios poco frecuentes de IA que entre los diarios, un resultado límite pero una pista útil: el trabajo sobre la identidad rinde más con quienes apenas tocan las herramientas, mientras que los usuarios frecuentes obtienen más de proyectos interdisciplinares que de orientación básica. Laidlaw (2026) aboga por cohortes específicas por disciplina como el entorno para exactamente esa conversación, con el argumento de que un físico y un historiador no están resolviendo el mismo problema.

Abra con la pregunta que se hacen los escépticos

El relato autoetnográfico de Laidlaw (2026) sostiene que la resistencia no es un déficit de habilidades. El profesorado que pregunta para qué sirve enseñar en un mundo de IA generativa no está preguntando cómo usar una herramienta con seguridad; la pregunta es ontológica. Ella lee la IA generativa como un concepto umbral (transformador, problemático, irreversible, integrador, delimitado) y concluye que la ansiedad, la resistencia y la confusión son partes necesarias de cruzarlo y no defectos que corregir. Sus recomendaciones invierten el taller estándar: abrir con preguntas de identidad en lugar de demostraciones, organizar cohortes específicas por disciplina, permitir plazos distintos y tratar la no adopción fundamentada en valores disciplinares como legítima. También advierte de que comunicar reglas puede deslizarse hacia una "ilusión de aplicación" que sustituye el mensaje de cumplimiento por el apoyo.

La culpa es medible y no está repartida por igual. Vassallo (2026) encuestó a 109 académicos e identificó un "complejo de culpa por la IA": el 35% temía que el uso de IA socavara su credibilidad y el 26% decía sentir que estaba "haciendo trampa", con una culpa anticipatoria sobre la credibilidad superior al remordimiento posterior al uso, de modo que el malestar es socioprofesional y no privado. Emergieron cuatro perfiles: adoptadores cómodos (27%), no usuarios con culpa (29%), usuarios cautelosos (28%) y evasores con malestar moral (16%). Un programa está abordando cuatro problemas distintos, y el 29% que siente culpa sin usar las herramientas necesita algo más que una demostración.

El tamaño de la tarea se ve en la encuesta AAC&U/Elon a 1.057 docentes (Watson y Rainie, 2026): el 68% dijo que su institución no había preparado al profesorado para usar la IA generativa en la docencia y la mentoría, con una proporción similar en la investigación. El 26% de los encuestados no usa las herramientas en absoluto, incluido el 40% del profesorado de artes y humanidades, y el 82% señala la resistencia de sus colegas como barrera para la adopción departamental.

Arregle las condiciones que el plan de estudios no puede arreglar

Este es el hallazgo que hay que llevar a una reunión de dirección. En la encuesta a 568 docentes que está detrás de la comparación anterior, el profesorado kazajo informó de una preparación inicial más alta que el chino en las siete dimensiones, con las brechas más amplias en transferencia disciplinar, diseño de prompts y comprensión básica. En la regresión jerárquica, el coeficiente de Kazajistán, claramente significativo por sí solo, dejó de ser significativo cuando se introdujeron el uso previo de IA generativa, la formación reciente en IA, el apoyo institucional, el permiso percibido, el acceso a recursos multilingües, la claridad de las políticas y la sensibilidad al riesgo. Eso es una reducción de aproximadamente cuatro quintos. El apoyo institucional y el permiso percibido fueron los que más peso positivo aportaron, y la sensibilidad al riesgo fue el único predictor que operaba en contra de la preparación. Más del doble de docentes kazajos que chinos informaron de formación relacionada con la IA en los seis meses anteriores.

Así que las palancas disponibles para quien dirige un programa son locales y próximas: práctica directa con las herramientas, permiso explícito para experimentar, materiales en las lenguas en las que el profesorado trabaja de verdad y respaldo visible de la unidad. El encuadre de la política nacional no sostiene la preparación por sí solo. Donde muerde la sensibilidad al riesgo, la respuesta es darle un lugar donde ejercerse y no quitarle importancia a la cautela, y el diseño de rúbricas y las rutinas de verificación son ese lugar.

Dos fricciones prácticas pertenecen a la misma conversación. La intención de uso continuado fue la dimensión de satisfacción mejor valorada en Bi et al. (2026) mientras que la usabilidad de las herramientas fue la peor valorada, así que parte de lo que se lee como reticencia es fricción de plataforma. Y Aponte et al. (2026) localizan el límite duro: la IA no puede compensar la sobrecarga crónica, las culturas de rendición de cuentas punitivas, un liderazgo débil ni la ausencia de tiempo protegido. Sostienen que contribuye al desarrollo socioemocional del profesorado solo como infraestructura relacional (tiempo protegido para la mentoría, el diálogo entre pares y las comunidades de práctica) y proponen la densificación relacional como estándar, contando confianza, continuidad del apoyo y corregulación en lugar de horas de contacto. Dos afirmaciones se traducen en diseño de programa: el tiempo liberado se reabsorbe como demanda extra salvo que la institución exija formalmente reinvertirlo, y los agentes conversacionales pueden sustituir en silencio las negociaciones humanas difíciles que producen crecimiento. Su marco es una heurística y no una afirmación causal probada.

Si esas condiciones son las suyas, un taller mejor no las arreglará, y decirlo es más útil que prometer lo contrario.

Presente artefactos con demora

El andamiaje institucional al que vale la pena alinearse es el de Crompton, Burke y Nickel (2026), cuya investigación basada en el diseño a lo largo de dos macrociclos y con 114 participantes (profesorado de 28 instituciones estadounidenses y 11 países, además de directores de centros de enseñanza y coordinadores de acreditación) produjo seis estándares que abarcan todo el rol académico: docente, coordinador, líder, investigador, aprendiz y contribuyente. Los marcos y estándares docentes existentes se dirigen al profesorado de primaria y secundaria o abordan solo la docencia, así que un centro que mapee su oferta sobre estos puede mapearse sobre la evaluación del desempeño y la acreditación, que es también el argumento que sobrevive a una revisión presupuestaria.

Después tenga cuidado con cómo evalúa, porque la mayor parte de esta literatura mide impresiones autoinformadas. Bi et al. midieron la preparación autoinformada y no la docencia ejercida, y sus grupos se formaron por inscripción voluntaria y no por aleatorización, así que los resultados son asociaciones. Bai y Hsieh es transversal, autoseleccionado, procedente de ocho universidades de un solo país, y midió todos los constructos con los mismos encuestados en un solo momento. Sutedjo y sus colegas no pueden establecer la dirección de la causalidad, lo que importa porque su afirmación más fuerte, que el conocimiento tecnológico actúa como puerta de entrada, es justo lo que un diseño transversal no puede resolver. Talebzadeh informa de efectos muy grandes sin aleatorización, seguimiento ni desglose por disciplina, así que d = 2,36 se lee como de corto plazo. Laidlaw es autoetnográfico, y Aponte et al. afirman que su marco es conceptual.

Una evaluación defendible mide por tanto los materiales del curso que un participante revisó, las rúbricas escritas y las tareas diseñadas. Prueba con demora, porque la brecha en Bi et al. apareció solo en el seguimiento, donde el grupo convencional había decaído y el estructurado no. Trata la satisfacción y la confianza como señales débiles, ya que Pishtari y sus colegas (2026) señalan que las ganancias de calidad por sí solas no prueban la interiorización: una calidad de diseño al alza puede reflejar igualmente la delegación del trabajo rutinario o la aceptación de una estructura generada por IA. Y añade al menos un indicador relacional, siguiendo a Aponte et al., porque mejorar artefactos aislando a los participantes no es lo que el programa decía hacer.

En qué se equivocan quienes dirigen programas

Una demostración mejor es un taller mejor. El tiempo de contacto se mantuvo constante en cuatro sesiones de 90 minutos en la comparación de Bi et al., y el grupo que revisó artefactos superó al que aprendió sobre herramientas en todas las dimensiones de preparación, con solo una de las dos ganancias visible aún en el seguimiento.

La confianza es el resultado que importa. Es lo más fácil de mover y lo menos predictivo. En el estudio con 13 docentes, el esfuerzo percibido bajó mientras la capa de prompting no añadió ninguna calidad de diseño medida, y las valoraciones de final de jornada habrían registrado ambas cosas como un éxito.

La ética es un segmento de cierre. La revisión de Dogan encontró la ética tratada superficialmente o ausente en muchas ofertas, y la diferencia entre una columna de plantilla y una diapositiva final es si alguien la usa en la tercera semana.

Un programa puede servir a todo el profesorado. La encuesta a 127 docentes describe un conocimiento del contenido cerca del techo junto a un TPACK holístico de 2,55, y los cuatro perfiles de Vassallo incluyen un 29% que siente culpa sin usar las herramientas. Una sola sesión trata cuatro públicos como uno.

Los escépticos son el obstáculo que hay que gestionar. El relato de Laidlaw sitúa la resistencia en el nivel de la identidad, y Bai y Hsieh encontraron que la identidad predecía la innovación casi el doble de fuerte entre los usuarios poco frecuentes. Las personas que más quiere en la sala son las que una demostración confirma en su sospecha.

Un mandato institucional sostendrá el programa. El coeficiente de Kazajistán se hundió alrededor de cuatro quintos en cuanto entraron en el modelo el apoyo institucional y el permiso percibido, y esos dos fueron los que más peso positivo aportaron. Un mandato no es la misma señal que un permiso.

Lo que le van a responder

"No tenemos las horas." Entonces distribúyalas de otra manera en lugar de añadirlas. Seis horas organizadas como ciclo de artefactos superaron a seis horas de demostraciones con el mismo tiempo de contacto, y un formato más corto dedicado a rúbricas de evaluación apunta al área más débil en los datos del pretest de Talebzadeh.

"Nuestro profesorado no vendrá, o los escépticos lo descarrilarán." Reclutar a los escépticos para una demostración confirma la sospecha que los llevó allí. Abra con preguntas de identidad, organice cohortes específicas por disciplina, permita plazos distintos y diga en voz alta que la no adopción fundamentada es una posición legítima. Esa es la recomendación de Laidlaw, y quita de la mesa el argumento del cumplimiento. Espere que el trabajo sobre la identidad importe más con los usuarios poco frecuentes, según Bai y Hsieh.

"No podemos obligar a la gente a actuar según esto." En gran medida no puede, y sí puede cambiar lo que la institución señala. El permiso percibido y el apoyo institucional fueron los que más peso positivo aportaron después de que colapsara el efecto del contexto nacional, así que los movimientos útiles son los baratos: declarar que la experimentación está sancionada, proteger el tiempo formalmente para que no se reabsorba, ofrecer materiales en las lenguas de trabajo del profesorado y eliminar la fricción de plataforma, que fue la dimensión peor valorada en ese mismo estudio.

"Nuestra encuesta de salida es sólida." La satisfacción es la medida más propensa a subir mientras nada más lo hace. Pida en cambio los artefactos de la última cohorte y vuelva a contactar con esos participantes un trimestre después; la brecha de Bi et al. existía solo en el seguimiento.

Qué hacer esta semana

1. Reescriba la invitación para que la asistencia exija traer un artefacto del curso: un objetivo, una rúbrica o una tarea de evaluación.

2. Reescriba el programa para que la primera sesión empiece con ese artefacto, y añada la verificación, la declaración y el control de riesgos como columnas de la plantilla que los participantes llevan toda la semana.

3. Dedique una sesión al diseño de rúbricas y de evaluación, y haga que los participantes se vayan con la rúbrica escrita.

4. Consiga una frase por escrito del decano o del vicerrector de que la experimentación está sancionada, y después proteja las horas formalmente para que no se reabsorban.

5. Configure la evaluación para recoger los artefactos revisados y volver a contactar con los participantes un trimestre después, con una pregunta sobre con quién trabajan ahora.

Adónde ir después

¿Qué competencias necesita el profesorado en relación con la IA? cubre el objetivo de competencia en sí, y Competencia docente en IA y Desarrollo del profesorado recogen el material marco que hay detrás. Para estructurar la IA en un curso y no en un taller, véase ¿Cómo se debería diseñar la IA dentro de la experiencia de aprendizaje?; para el panorama institucional más amplio, ¿Cuáles son los 10 hallazgos principales de la investigación sobre IA en educación que el profesorado debería conocer? e ¿Cómo redactamos e implantamos una política institucional sobre la IA?.