En esta página

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

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

Un volumen editado y gratuito de la Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7) que organiza la IA generativa curso por curso en lugar de herramienta por herramienta. La psicología aporta los encuestados de muchas encuestas sobre uso de IA sin ser su tema; este libro es el contraejemplo, con 21 capítulos de curso más una introducción y una conclusión a lo largo de 255 páginas.

El argumento que plantea el libro

La premisa de los editores es que los docentes de psicología están excepcionalmente bien situados para enseñar el uso de la IA, porque la disciplina ya enseña el juicio sobre la medición, la evidencia y el comportamiento humano. Su afirmación es más estrecha que «la alfabetización en IA importa». Es que la alfabetización en IA es evolutiva: los estudiantes no la tienen o carecen de ella, sino que la adquieren mediante un acceso por etapas, la reflexión y la retroalimentación.

De ello se derivan tres compromisos de diseño, y la mayoría de los capítulos pone en práctica al menos uno. Graduar lo que los estudiantes pueden hacer con una herramienta, pasando del uso guiado al uso independiente a medida que se desarrolla el juicio. Emparejar el uso con la verificación, de modo que una afirmación hecha con un modelo tenga que contrastarse con una fuente y mostrarse. Definir el éxito como el juicio sobre cuándo y si usar la herramienta, no como la fluidez con ella.

La estructura es el argumento. Los capítulos se agrupan por el curso que un docente está a punto de impartir —fundamentos y temas transversales, clínica y consejería, métodos de investigación y estadística— en lugar de por herramienta, capacidad o política institucional.

Sección I: cursos introductorios y transversales

  • El acceso es el primer problema, no la herramienta (Slade y Hyk). Los estudiantes que llegan sin experiencia previa con IA están en desventaja dos veces: carecen de la habilidad de prompting y carecen del juicio para saber cuándo una respuesta fluida es errónea. El capítulo enseña ingeniería de prompts junto con repositorios abiertos de prompts reutilizables, y trata esa instrucción como una medida de equidad. El autor declara un interés financiero en una empresa que comercializa IA educativa.
  • La IA como generador de contenido para la enseñanza (Corcoran). El caso de uso del capítulo es la propia preparación del docente: visuales, ejemplos, problemas y otros estímulos de enseñanza generados con arreglo a un objetivo declarado. Su argumento es que la personalización respecto a ese objetivo, y no la novedad, es lo que hace útil el resultado. El capítulo también insiste en que se enseñe a los estudiantes sobre la IA —sus limitaciones y su ética— y no simplemente se les entregue.
  • Las técnicas de estudio como puente hacia la teoría (Costa). En un curso avanzado de aprendizaje y memoria, los estudiantes usan herramientas de estudio con IA y luego relacionan lo que hacen las herramientas con la práctica espaciada y la recuperación. El diseño convierte la psicología en el tema y la herramienta en el espécimen, que es la manera más limpia de enseñar un curso cuyo contenido es la ciencia del aprendizaje que las herramientas afirman implementar.
  • Un proyecto aplicado de cambio de comportamiento (Emanuel). Los estudiantes llevan a cabo un proyecto de cambio de conducta en salud con un sistema de IA como entrenador. Sus reflexiones separan lo que funcionó —sugerencias inmediatas, personalizadas y sin juicios— de lo que no: falta de empatía y desinformación verosímil sobre salud. El capítulo es uno de los pocos que sitúa un modelo en un papel donde equivocarse tiene un coste.
  • La IA como entrenadora de debate (Jackson). Un curso avanzado de psicología social usa un modelo para mapear argumentos, sacar a la luz contraargumentos y ensayar refutaciones antes de un debate público, con cada afirmación verificada contra fuentes revisadas por pares. De las reflexiones escritas, el 75% encontró el modelo al menos moderadamente útil en la preparación y el 35% fue muy positivo; alrededor del 10% encontró poco uso, sobre todo porque el modelo producía argumentos genéricos o errores con seguridad. La iteración posterior añade un plan de preparación de una página y un registro de evidencia que vincula cada afirmación con una fuente.
  • Un chatbot de curso con funciones de retroalimentación (Lee, Nam y Wages). Un chatbot creado para Introduction to Psychology, Research Methods y Psychology Apprenticeship apoyaba la lluvia de ideas sobre temas, el refinamiento de preguntas de investigación y la estructura de los trabajos. Los autores informan de 124 estudiantes en la encuesta previa y una tasa de respuesta del 25% en la posterior, de modo que la evidencia de resultados es más débil que el detalle de la implementación.
  • La evaluación en tres niveles (Granito). Las tareas diagnósticas, formativas y sumativas reciben cada una una versión mejorada con IA, y el extremo sumativo avanza hacia proyectos auténticos donde la herramienta es un socio de apoyo y no el producto entregable. Este es el capítulo que hay que leer si la pregunta es qué dejar de calificar.

Sección II: cursos clínicos y de consejería

  • La psicoterapia como actividad introductoria (Castro). Los estudiantes eligen un trastorno del DSM-5-TR y una técnica psicoterapéutica, y luego experimentan una sesión simulada y discuten qué gana y qué pierde la telesalud basada en IA. El diseño enseña la técnica por contraste: la simulación muestra en qué consiste la parte relacional de la terapia al omitirla.
  • Construir estudios de caso juntos (Pulido). Los estudiantes usan ChatGPT para redactar estudios de caso del DSM-5-TR y luego los evalúan, lo que sitúa la habilidad de evaluación en el estudiante y no en el modelo. El capítulo describe adaptaciones para posgrado y grado y trata el refinamiento iterativo de prompts como parte del razonamiento clínico, no como una tarea técnica.
  • La conceptualización de casos en un seminario (Draheim). La conceptualización de casos es donde los estudiantes sintetizan la información del cliente y la investigación sobre resultados del tratamiento, y es difícil de enseñar en el nivel de grado. El seminario usa IA para generar y criticar conceptualizaciones, y nombra la carga de retroalimentación del docente como la restricción que hace atractiva la herramienta en primer lugar.
  • La humildad cultural (Draheim). Una tarea para casa usa un modelo para trabajar un artículo sobre humildad cultural, seguida de un ejercicio en clase para encontrar los sesgos dentro del resultado generativo. El emparejamiento importa: la herramienta se usa para abrir un tema y luego se convierte en objeto de crítica en la misma semana.
  • Enseñanza sensible al trauma (Rubio). Los cursos de posgrado sobre trauma usan modelos de texto e imagen para cocrear historias terapéuticas e imágenes de lugares seguros, fundamentados en el modelo trifásico de Herman y el modelo neurosecuencial de Perry. El marco hace el trabajo aquí; las herramientas aportan material que el marco luego constriñe.
  • Bots como terapeutas (Niederjohn). Los estudiantes conversan con varios chatbots y comparan la experiencia con el trabajo cara a cara sobre la alianza terapéutica. El capítulo aporta las cifras que hacen urgente el ejercicio: el 65% de los profesionales de la salud mental en encuestas anteriores veía beneficios en el apoyo de los chatbots, mientras que el 86% no apoyaba su uso en la atención. Su sugerencia práctica es una escalera: primero juego de roles con IA, luego con pares, luego con pacientes simulados humanos.
  • Juego de roles para estudiantes en formación (Labriola y VanHara). Los juegos de roles con IA sustituyen al juego de roles guionizado entre pares por presentaciones clínicas sin guion, lo que según los autores aumenta el realismo y la disposición a asumir riesgos. Anclan la necesidad en datos de encuestas a estudiantes: el 86% de casi 4.000 estudiantes de 16 países declaró usar IA, el 58% dijo carecer de conocimientos suficientes sobre ella y el 72% quería cursos de alfabetización en IA.

Sección III: métodos de investigación, estadística y alfabetización científica

  • La IA como copiloto de investigación (Sumutka y colegas). Las actividades guían a los novatos por la delimitación de un tema, la búsqueda de fuentes, la generación y operacionalización de variables y la aplicación de la ética. El objetivo declarado es la alfabetización informacional primero y la velocidad después, y el capítulo es explícito en que la herramienta se modela tanto como se usa.
  • La generación de preguntas como evaluación crítica (Burkett). Un enfoque en tres fases en un curso de grado de métodos de investigación convierte a ChatGPT en un generador de preguntas evaluativas sobre diseños de estudio, con un GPT personalizado creado para ese fin. Las preguntas sirven entonces como medida de la comprensión, un movimiento de evaluación del que otros capítulos hablan pero que rara vez operacionalizan.
  • Usos y abusos, como módulos (Urdan, Firtch y White). Módulos listos para usar cubren la generación de diseños de investigación, las pruebas de práctica y los modos de fallo conocidos, con el razonamiento de que la fricción de adopción es la verdadera barrera para los docentes curiosos por la IA pero con poco tiempo.
  • El chatbot que se quedó corto (Hilley y Edwards). «Zig», construido sobre la plataforma Juji para un curso obligatorio de estadística, debía ofrecer ayuda a demanda con problemas de práctica. No cumplió las expectativas. Sus fallos son específicos e instructivos: un estudiante que preguntaba por la prueba de Levene escribió «levee» y recibió una negativa, una pregunta sobre la calificación produjo una respuesta no relacionada sobre puntuaciones z, y las peticiones de ejemplos recibieron definiciones. Mucho de esto se remonta a una plataforma cargada de preguntas y respuestas en lugar de a un modelo de razonamiento, pero el capítulo es el resultado negativo honesto del volumen y el que hay que leer antes de construir un bot de curso.
  • Integración por etapas en la enseñanza de R (Garrison, Tyson y Lyu). El modelo de cuatro etapas comienza con aprendizaje sin IA y añade herramientas solo a medida que los estudiantes pueden evaluar lo que las herramientas producen. La señal de preparación que los autores nombran es la frustración con los límites de la IA, y el modo de fallo que documentan es introducir la IA antes, lo que produjo dependencia antes de que estuvieran los fundamentos.
  • ChatGPT más Elicit en un seminario de último año (Katzarska-Miller). Cuatro talleres preparatorios preceden a un trabajo de investigación de un semestre, con un modelo generativo para la redacción y una herramienta de asistente de investigación para la literatura. El capítulo fundamenta el diseño en la teoría del aprendizaje socioconstructivista y usa autoevaluaciones previas y posteriores al curso para comprobar si se movió la alfabetización en IA.

Qué se repite a lo largo de los veintiún capítulos

  • Graduar el acceso. Casi todos los capítulos retienen la herramienta hasta que los estudiantes tienen algo con lo que juzgarla, ya sea una estadística, un marco, una posición de debate o un fundamento de programación.
  • Exigir verificación y hacerla visible. Los registros de evidencia, las comprobaciones de fuentes, los historiales de prompts y las notas de «qué cambió tras la verificación de datos» aparecen en todas las secciones. La exigencia es lo que convierte el uso de la herramienta en aprendizaje.
  • Usar la reflexión del estudiante como instrumento. Las reflexiones son la base de evidencia de la mayoría de los capítulos, que es también la debilidad metodológica central del volumen.
  • Diseñar a nivel de curso, no de herramienta. La propia decisión organizativa del libro —un capítulo por curso— es la recomendación.
  • Mantener el juicio del docente como objeto. La afirmación recurrente es que los estudiantes deberían salir capaces de decidir cuándo no usar la herramienta.

Dónde es escaso el libro

Los capítulos son relatos de profesionales. Casi ninguno informa de un diseño, una muestra o un tamaño del efecto, y donde aparecen cifras describen la implementación y no el aprendizaje. Las excepciones son parciales: Lee y colegas tienen encuestas previas y posteriores con una tasa de respuesta del 25% en la posterior, y el análisis de reflexiones de Jackson es una codificación temática de una clase.

El entusiasmo también está comprobado de forma desigual. Corcoran y Costa escriben como defensores; Hilley y Edwards informan de un fracaso; solo Slade y Hyk declaran un interés comercial. Los capítulos que nombran productos específicos quedarán obsoletos pronto, ya que la mayoría describe herramientas tal como se comportaban durante 2025.

Brechas de cobertura que conviene conocer: el coste y los niveles premium apenas se discuten, la accesibilidad y la discapacidad no se tratan como sección, y la educación K-12 aparece solo en el capítulo de educación secundaria de Castro. El volumen trata de la enseñanza de la psicología de grado y posgrado en Estados Unidos, con poco sobre cursos magistrales grandes más allá de los de Costa y Granito.

Qué puede hacer con él

Lea el capítulo del curso que está a punto de impartir. Las tres secciones —cursos introductorios y transversales, cursos clínicos y de consejería, métodos de investigación y estadística— mantienen juntos los capítulos relacionados. Ejemplos: un chatbot tutor de IA en estadística psicológica, ChatGPT emparejado con Elicit en un seminario de último año, la IA como entrenadora de debate, la conceptualización de casos y la humildad cultural en la formación clínica, y un capítulo de métodos de investigación que hace que los estudiantes generen preguntas con ChatGPT y luego las critiquen.

Para quién es

Docentes de psicología en cualquier etapa de su carrera, y docentes de disciplinas de ciencias sociales afines cuyos problemas de evaluación tienen la misma forma: trabajo con mucho ensayo, discusión de casos, ansiedad ante la estadística, cursos pequeños donde un rediseño es factible.

Notas y advertencias

PDF gratuito, sin cuenta. Los derechos de autor son de la STP, no de una licencia Creative Commons: se permiten copias personales y para el aula con atribución, mientras que la redistribución o el uso comercial requieren el permiso del autor. Los capítulos son relatos de profesionales, no estudios —sin diseños, muestras ni tamaños del efecto—, así que trate las afirmaciones como informes de experiencia y cite los capítulos individualmente.

Conceptos conectados

Incrustar esta página

Copia el código de abajo para incrustar esta página en un sistema de gestión del aprendizaje u otro sitio web. La versión incrustada muestra solo el contenido de la página: oculta el encabezado, la navegación y el pie de página del sitio.