Curso Virtual Asincrónico - Enseñanza y Aprendizaje con Inteligencia Artificial Generativa

De la Idea al Papel: Política Ética para la Redacción Académica con IA, es una nano innovación necesaria porque la irrupción de la IA generativa en la redacción académica universitaria genera dilemas éticos y pedagógicos que aún no cuentan con lineamientos claros. El proyecto responde a la falta de estrategias institucionales para orientar su uso, evitando prácticas como el plagio o la dependencia tecnológica. A través de un proceso en cuatro fases —diagnóstico, prototipado, iteración y consolidación— se busca promover una escritura crítica y ética, fortaleciendo la integridad académica y ofreciendo a la comunidad universitaria herramientas que permitan aprovechar la IA de forma responsable y significativa en los procesos de aprendizaje.

Lectubótica es un asistente diseñado para acompañar a los estudiantes en la práctica de la lectura crítica, ofreciendo estrategias que optimicen la comprensión de textos disciplinares. El bot sugerirá prompts ajustados al tipo de texto consultado y podrá realizar evaluaciones que permitan evidenciar el nivel de comprensión alcanzado. 

Esta nano-innovación responde a la dificultad frecuente de los estudiantes para conectar la teoría contable con su aplicación práctica.

La propuesta combina recursos físicos/digitales tradicionales con herramientas de inteligencia artificial para elevar la comprensión, facilitar la práctica y promover entornos de aprendizaje activos e innovadores.

La integración de la IA generativa con la caja didáctica permitirá en el aprendizaje del estudiante:

· Aumentar la comprensión del ciclo contable mediante práctica guiada y retroalimentación inmediata.

· Reducir errores en clasificación y registro gracias a la asistencia personalizada.

· Incrementar la motivación al utilizar simulaciones más reales y dinámicas.

· Facilitar el aprendizaje autónomo al permitir consulta y verificación continua.

La situación identificada en el curso virtual de inglés fue que los estudiantes, especialmente en niveles iniciales, presentaban dificultades para redactar correos formales en inglés, tanto por falta de estructura como por inseguridad al escribir en un idioma extranjero. Estas limitaciones se hacían más evidentes en entornos virtuales, donde la retroalimentación no siempre es inmediata y los estudiantes deben trabajar de manera autónoma. Para responder a esta necesidad, se implementó una estrategia basada en el uso guiado de herramientas de inteligencia artificial generativa, específicamente ChatGPT, con el fin de acompañar el proceso de escritura paso a paso. La solución consistió en proporcionar un prompt inicial para generar el primer borrador del correo, un segundo prompt para corregir y mejorar el texto, y un tercer prompt para simular una respuesta formal, permitiendo así que el estudiante viviera un ciclo completo de producción y retroalimentación. Con esta metodología, se buscó ofrecer apoyo personalizado, modelos claros de redacción y oportunidades de revisión inmediata, fortaleciendo tanto la comprensión del formato del correo formal como la autonomía en el uso del idioma. La implementación permitió observar mejoras en la claridad del mensaje, en la organización de ideas y en el uso de expresiones formales básicas. Además, generó mayor confianza en los estudiantes, quienes pudieron ver en tiempo real cómo sus textos evolucionaban. Se espera que la continuidad de esta estrategia contribuya al desarrollo progresivo de la competencia escrita, facilite la participación activa en el entorno virtual y optimice el tiempo de acompañamiento docente, combinando el uso responsable de la IA con el aprendizaje significativo del inglés.

En los programas de posgrado en finanzas, se identificó que los estudiantes presentaban dificultades para comprender de forma integral y dinámica la gestión del capital de trabajo, un tema clave para la sostenibilidad financiera de las organizaciones. El enfoque tradicional, basado en ejercicios estáticos y fórmulas aisladas, no permitía visualizar el impacto inmediato de decisiones sobre rotación de inventarios, plazos de cobro o políticas de pago en la liquidez y rentabilidad operativa, lo que generaba desmotivación y una comprensión superficial.

Como solución, se diseñó e implementó una simulación interactiva en Power BI que permite a los estudiantes manipular variables reales de gestión del capital de trabajo y observar en tiempo real el efecto sobre indicadores financieros clave, como el ciclo operativo, la necesidad operativa de fondos (NOF) y el retorno sobre activos (ROA). Esta herramienta convierte conceptos abstractos en experiencias visuales y prácticas, integrando análisis de escenarios y toma de decisiones estratégicas dentro del aula.

Con esta nanoinnovación se espera lograr una mejora significativa en la comprensión conceptual y aplicada del capital de trabajo, un aumento en la participación activa durante las sesiones y el desarrollo de competencias digitales alineadas con las demandas del sector financiero. Además, se busca fortalecer la capacidad de los estudiantes para anticipar consecuencias financieras de sus decisiones operativas, preparándolos para desempeñarse con mayor criterio en entornos profesionales reales. En implementaciones piloto, se observó mayor engagement, reducción de errores conceptuales recurrentes y retroalimentación más rica durante las discusiones en clase.

La nanoinnovación corresponde a un GPT que diseña de guías de aprendizaje, asegurando que este alineada con los estándares de competencia, los diseños de curso y los modelos de evaluación (SABER-Icfes) y habilidades del currículo nacional. Esta herramienta no solo optimiza la práctica docente, sino que garantiza calidad, coherencia pedagógica y contextualización real de los contenidos. Además, fortalece el vínculo entre enseñanza y evaluación, integrando preguntas tipo y situaciones problema reales que fomentan el pensamiento crítico, la aplicación práctica y el aprendizaje significativo en todos los niveles educativos.

Propuesta de Calibración de Criterios de Evaluación

Problema Identificado
Se han detectado inconsistencias en la redacción de los Resultados de Aprendizaje (RAC) y criterios de evaluación, que dificultan la alineación curricular y la construcción de instrumentos de evaluación. Los principales problemas son:

• Redacción compleja en los RAC y criterios, con múltiples verbos o falta de especificidad sobre el "qué" y "cómo" evaluar, lo que dificulta la creación de rúbricas y evidencias.

• Falta de progresión clara entre los niveles de desempeño (C1 a C4), generando ambigüedad al diferenciar entre un desempeño básico y uno excepcional.

• Desalineación entre los RAP, RAC, criterios de evaluación y temáticas, afectando la coherencia del diseño curricular.

Solución Planteada: Calibrador de Criterios con ChatGPT Pro
Para resolver estos problemas, hemos desarrollado un proceso de calibración asistido por ChatGPT Pro, utilizado como base y motor central para crear esta solución. Esta herramienta nos ha permitido configurar un asistente de IA especializado que aplica cuatro pilares fundamentales:

1. Reglas de Redacción Claras

   • Un único verbo rector por RAC o criterio.

   • Eliminación de gerundios y adjetivos subjetivos ("adecuado", "pertinente").

   • Inclusión de una condición evaluable y un contexto disciplinar específico.

2. Doble Taxonomía para Progresividad

   • Taxonomía A: Para definir el RAC (nivel esperado de desempeño, correspondiente a C3).

   • Taxonomía B: Para establecer la progresión de los criterios de C1 a C4, asegurando una evolución clara: C1 (básico) → C2 (aplicación) → C3 (esperado) → C4 (excepcional).

3. Matriz de Trazabilidad

   • Establece la alineación entre RAP → RAC → Criterios (C1-C4) → Temáticas.

   • Clasifica la relación entre elementos como: "Cubre", "Cubre con ajuste" o "No cubre", e incluye sugerencias concretas de mejora.

4. Comparativa y Ajuste por Unidades

   • Tabla comparativa con columnas: "Original | Calibrado | Estado | Sugerencia".

   • Reorganización de las Unidades de Aprendizaje para garantizar coherencia con los créditos académicos y la disciplina.

Resultados Esperados

• RAC y criterios reescritos con claridad (verbo + condición + contexto).

• Progresividad taxonómica coherente (C3 = RAC) y diferenciación clara entre C1 y C4.

• Unidades de Aprendizaje alineadas con criterios y temáticas.

• Evidencias, técnicas e instrumentos de evaluación alineados y listos para su integración en rúbricas.

Implementación con ChatGPT Pro
La creación de este "Calibrador de criterios de evaluación" fue posible gracias al uso de ChatGPT Pro. Utilizamos esta herramienta como base fundamental para desarrollar un asistente de IA con conocimientos, capacidades y un tono de comunicación específicamente adaptados a este proyecto, permitiéndonos:

• Estandarizar y depurar enunciados de manera consistente.

• Generar automáticamente matrices de trazabilidad y tablas comparativas.

• Sugerir evidencias, técnicas e instrumentos de evaluación alineados con los criterios.

• Agilizar el proceso de calibración manteniendo altos estándares de calidad.

Desarrollo Metodológico

1. Ingresar el DEA completo (datos generales, RAP, RAC, criterios C1-C4 y temáticas) en el sistema desarrollado con ChatGPT Pro.

2. Revisar la comparativa "Original vs. Calibrado" con estados y sugerencias generadas por el asistente.

3. Seleccionar la Taxonomía A (para RAC) y la Taxonomía B (para criterios).

4. Obtener la propuesta de RAC y criterios C1-C4 recalibrados mediante el procesamiento de ChatGPT Pro.

5. Recibir la matriz de alineación RAP → RAC → C1-C4 → Temáticas, con observaciones y sugerencias.

6. Revisar la propuesta de Unidades de Aprendizaje, junto con las evidencias, técnicas e instrumentos asociados.

Prompt Especializado para ChatGPT Pro
*"Actúa como 'Calibrador de criterios de evaluación' institucional. Aplica estas reglas: (1) Un verbo rector por RAC/criterio, sin gerundios ni adjetivos relativizadores; estructura: Verbo (3.ª pers.) + saber integral + condición/contexto; (2) Progresividad C1 (básico) → C2 (aplicación) → C3 (esperado/RAC) → C4 (excepcional); (3) Doble taxonomía: Bloom/otra para criterios (B) y (A) para RAC; (4) Genera matriz RAP→RAC→C1–C4→Temáticas con Cubre/Ajuste/No cubre; (5) Compara Original vs Calibrado con estado y sugerencia; (6) Propón Unidades de Aprendizaje con criterios y temáticas asociadas; (7) Sugiere evidencias, técnicas e instrumentos por criterio. Insumo: [Pega aquí la tabla completa del DEA]. Taxonomía A (RAC): [X]. Taxonomía B (criterios): [Y]."*

Impacto Esperado

• Mayor claridad evaluativa: Criterios uniformes y medibles para todos los docentes.

• Mejora en el aprendizaje: Alineación entre objetivos, actividades y evaluación, reduciendo incertidumbre en los estudiantes.

• Incremento en la eficiencia: Agilización de la planeación inversa y construcción de rúbricas mediante el uso de ChatGPT Pro.

• Retroalimentación de calidad: Comentarios específicos y accionables que favorecen el avance estudiantil.

El problema o situación identificada es el desarrollo del curso Simulación de Ingeniería Industrial siguiendo los contenidos teóricos y utilizando los simuladores académicos disponibles en la universidad, dejando de lado o casi que ignorando otros simuladores comerciales en diversas áreas contextualizadas, los cuales están disponibles en la web e inclusive de libre acceso, por lo cual se limita la aplicabilidad solo al ámbito de ingeniería industrial.

La solución planteada fue el rediseño de una actividad significativa con ChatGPT como IA generativa con la finalidad de aplicar simulaciones que permitan al estudiante crear escenarios simulados donde pueda identificar problemas prácticos, generar y comparar opciones de solución interactivas, analizar y tomar decisiones. Contribuye al proceso de enseñanza-aprendizaje porque permite al estudiante conocer y aplicar diferentes tipos de simuladores en una experiencia inmersiva, trascendiendo más allá del aula virtual y de los pertinentes a la carrera de ingeniería industrial, asumiendo también roles específicos. Busca resolver el problema o limitación de conocer simuladores, pero no aplicarlos en un contexto real, ya que principalmente se limitan a utilizar los simuladores didácticos o básicos disponibles según las licencias adquiridas por la universidad, siendo importante incursionar y ampliar el ámbito de acción en otras áreas pertinentes con diversos simuladores comerciales, la mayoría de los cuales disponen de versiones libres.

El desarrollo metodológico o paso a paso es: 1. Conformar equipos de trabajo colaborativo. 2. Cada equipo debe escoger un tipo de simulador a presentar dentro de varias opciones. 3. Consultar ChatGPT como herramienta de IA para conocer diferentes simuladores comerciales disponibles en el mercado, además de softwares y aplicaciones, especialmente aquellos con versiones gratuitas y recibir sugerencias para su uso y aplicación real durante una sesión de clases. 4.  Cada equipo debe seleccionar como mínimo 3 opciones según su tipo de simulador. 5. Se programa una Rueda de Negocios, donde cada equipo presenta su simulador. 6. Coevaluación entre pares a manera de juego de roles donde ejercen como inversionistas.

Los resultados obtenidos fueron rediseño de la actividad utilizando IA, motivación y participación total de los estudiantes, interés por mostrar y tener inmersión en otros simuladores de diferente índole, cotidianidad y familiaridad con IA y aplicaciones web, acorde a los resultados de aprendizaje del curso, creatividad e innovación en el reto para llegar a ser los ganadores de la rueda de negocios, toma de decisiones y por último la sistematización automática de la evaluación representada en la inversión del dinero virtual.

El aprendizaje de las matemáticas se asocia con diferentes componentes. En primera instancia, con los concepto teóricos que se desarrolla de un tema de matemáticas. Por otro lado, están los procedimientos matemáticos asociados para obtener resultado específicos tanto en contextos matemáticos como en contextos aplicados. En ese mismo sentido, la comprensión teórica y el entendimiento apropiado de los procedimientos matemáticos deben lograr en el estudiante que aplique en escenarios profesionales estos conceptos. Por lo tanto, la propuesta que es que los estudiantes de un programa específico comprendan el concepto de un tema matemático y sus procedimientos en alguna aplicación de su rol profesional, a partir de la interacción con CHATGPT.

El problema identificado en el proceso de enseñanza se centró en dos aspectos interrelacionados: la integración efectiva de la Inteligencia Artificial (IA) en la escritura académica y la carencia de habilidades críticas para evaluar la información producida por estas herramientas. Muchos estudiantes utilizaban la IA como una fuente inmediata de respuestas sin analizar su calidad, coherencia o adecuación, lo que evidenció la necesidad de fomentar una relación más reflexiva y estratégica con estas tecnologías emergentes.

Ante esta situación, se propuso una estrategia pedagógica basada en el diálogo guiado con ChatGPT, en la que los estudiantes sostuvieron al menos cinco intercambios con la herramienta, asumiéndola como un socio académico para complementar su conocimiento sobre escritura. La actividad central consistió en evaluar las respuestas generadas por la IA aplicando la escala RACCCA, que valora Relevancia, Precisión, Claridad, Coherencia, Creatividad y Adecuación. Posteriormente, los participantes refinaron sus prompts para mejorar los resultados y documentaron su experiencia en un ensayo reflexivo, complementado con una revisión por pares orientada a la retroalimentación constructiva.

Los resultados obtenidos muestran un avance notable en la evaluación crítica de la información y en la interacción consciente con la IA. Los estudiantes reconocieron el potencial de ChatGPT como herramienta de apoyo académico y demostraron mayor autonomía al diseñar prompts precisos y al analizar la calidad de las respuestas. Además, fortalecieron competencias metacognitivas y habilidades de pensamiento crítico y escritura académica, desarrollando una actitud más ética y reflexiva frente al uso de la tecnología. En síntesis, esta experiencia permitió transformar la relación estudiante–IA en un proceso dialógico de aprendizaje, donde la tecnología no sustituye al pensamiento humano, sino que lo amplifica y potencia a través de la reflexión crítica y el aprendizaje colaborativo.