Menos teoría repetitiva, más evidencia práctica: aprendizaje colaborativo y toma de decisiones con datos para destacar en cualquier carrera.
1. Experiencia de enseñanza y aplicación pertinente
En la asignatura de Informática implementé la metodología de Aprendizaje Basado en Proyectos con grupos interdisciplinarios (principalmente de Psicología e Idioma Inglés) para aplicar herramientas tecnológicas al contexto de su profesión. Los estudiantes formaron equipos por carrera e investigaron la aplicación de la Inteligencia Artificial en sus campos. Para ello, organizaron cronogramas mediante tablas de control en Excel, levantaron datos de campo administrando encuestas en Microsoft Forms y procesaron la información en un informe interactivo en Power BI.
El acompañamiento se estructuró a través de tres entregas parciales obligatorias, lo que permitió una retroalimentación formativa continua antes del producto final, además de la resolución de dudas técnicas durante las sesiones. Para ajustar el apoyo y atender la diversidad de niveles, conformé grupos integrando a estudiantes con rendimiento sobresaliente junto a compañeros que presentaron dificultades en el período previo, promoviendo el andamiaje entre pares. Como resultado, los equipos consolidaron canales de comunicación efectivos, gestionaron sus proyectos con tablas de control funcionales y defendieron tableros interactivos en línea con datos analizados críticamente para su perfil profesional.
2. Actividad de evaluación y niveles de logro
En la práctica computacional individual de Excel (correspondiente al 40% práctico), valoré la capacidad de estructurar tablas, aplicar fórmulas/funciones y analizar datos mediante gráficos estadísticos sin la guía paso a paso del docente.
El producto examinado fue el archivo de libro de cálculo (.xlsx) entregado al cierre del laboratorio. Distinguí los niveles de logro a partir de su resolución técnica: el nivel alto automatizó cálculos con funciones óptimas, fijó celdas con referencias relativas/absolutas y eligió gráficos idóneos; el nivel medio alcanzó los resultados solicitados pero recurrió a operaciones manuales o columnas auxiliares; y el nivel inicial presentó errores de sintaxis en fórmulas básicas.
La evaluación evidenció que la mayoría aprendió a estructurar bases de datos limpias y a generar gráficos estadísticos claros con sus respectivas etiquetas. Por el contrario, la principal dificultad que conservaron fue la autonomía para seleccionar la función adecuada sin un tutorial directo y el uso correcto de referencias absolutas ($) para garantizar el dinamismo de las fórmulas al cambiar los datos de entrada.
3. Uso de tecnologías emergentes (Inteligencia Artificial)
- Uso y balance: Integro herramientas de IA gratuitas para evitar la barrera económica de licencias como Copilot y complementar contenidos sin duplicar el seminario institucional sobre IA. Su principal beneficio es reducir el tiempo en tareas mecánicas y resolver dudas conceptuales inmediatas; su limitación más crítica es el riesgo de dependencia cognitiva y el detrimento del pensamiento crítico si se aceptan resultados sin validación.
- Verificación del aprendizaje: Desplazo el foco del resultado final hacia el proceso. La IA se utiliza para automatizar procesos repetitivos, mientras que evalúo el criterio del estudiante para analizar datos y formular prompts técnicos contextualizados. Esto se contrasta con exámenes prácticos presenciales sin acceso a IA para comprobar el dominio autónomo de las competencias.
- Orientación institucional requerida: Se requiere un marco normativo unificado sobre integridad académica que respalde acuerdos formales de aula (contratos de uso de IA), definiendo con claridad en qué etapas formativas o asignaturas su uso es admisible y en cuáles debe restringirse para salvaguardar el razonamiento lógico.
4. Ajustes por modalidad de enseñanza
- Ajustes en actividades, acompañamiento y evaluación: A diferencia del laboratorio presencial (con equipos y software homogéneo), en la modalidad virtual grabo las sesiones de Microsoft Teams para consulta asincrónica, atiendo dudas en vivo por audio y de forma diferida por chat, y amplío los márgenes de entrega de las prácticas. Desde el inicio del ciclo establezco como requisito el uso del correo institucional y el autenticador multifactor (MFA) para asegurar las entregas y el acceso a las licencias universitarias.
- Barreras identificadas: Estudiantes que asisten a clases exclusivamente desde teléfonos móviles por carecer de computadora apta para instalar el software, sumado a interferencias por horarios laborales y traslados que complican la ejecución de exámenes prácticos con horarios de entrega rígidos.
- Condiciones para una calidad comparable: Mantener la gratuidad y vigencia de las licencias institucionales de software, e implementar ventanas de tiempo flexibles y reguladas para la activación de exámenes en línea, evitando que contingencias de conectividad o empleo anulen la evaluación del conocimiento real.
5. Apoyos y cambios institucionales prioritarios
1. Programa continuo de formación y actualización docente en Inteligencia Artificial y tecnologías emergentes
- Dificultad que resolvería: La rápida obsolescencia pedagógica frente al avance tecnológico. Resuelve la falta de estrategias didácticas para rediseñar evaluaciones y guiar el aprendizaje en entornos mediados por IA, superando la improvisación o la imposición de prohibiciones inviables.
2. Marco institucional y curricular que regule el uso de la IA y priorice las habilidades humanas
- Dificultad que resolvería: La ambigüedad sobre en qué asignaturas, niveles o tareas es formativamente pertinente permitir o restringir la IA. Resuelve el riesgo de dependencia tecnológica y pérdida de pensamiento crítico en los estudiantes, asegurando que los planes de estudio equilibren la técnica con habilidades blandas, ética, liderazgo y criterio analítico demandados por el entorno laboral.
