LiteracIA: IA Generativa y Pensamiento Crítico

Proyecto

LiteracIA: Pensamiento crítico en la era de la inteligencia artificial

Modelo pedagógico transformador en Ciencias de la Vida y la Salud impulsado por el Grupo de Innovación Educativa Interdisciplinario One Health de la Universidad de Las Palmas de Gran Canaria.

Comenzar presentación

01

Revisión Bibliográfica Sistemática: El Vacío Crítico en la Literatura

Fundamentación teórica y hallazgos clave de nuestra investigación

Hacia una Integración Crítica

• La inteligencia artificial generativa está transformando el conocimiento en la educación superior, con impacto en si puede potenciar o limitar el pensamiento crítico, sobre todo en ciencias de la salud.
• El proyecto plantea integrarla de forma crítica, con el docente como tutor reflexivo y facilitador y el estudiante como aprendiz crítico autónomo.
• La IA debe usarse para que el estudiante analice y verifique, identifique sesgos y reflexione sobre limitaciones.

Conocer más

01

Revisión Bibliográfica Sistemática: El Vacío Crítico en la Literatura

Fundamentación teórica y hallazgos clave de nuestra investigación

Tres desafíos críticos globales que limitan la integración efectiva de la IA en la educación superior

El tercer desafío es la carencia de marcos evaluativos rigurosos. En la academia falta consenso para medir el impacto real de la IA, lo que nos impulsa a diseñar herramientas de evaluación robustas que aseguren la calidad y la integridad en los procesos de aprendizaje.

Evidencia que el 61% de los docentes se autointerpreta con baja competencia en IA, con desconocimiento en herramientas de escritura académica (52%) y de investigación (47.5%).

Las brechas de alfabetización digital y de acceso impactan desproporcionadamente a los perfiles más vulnerables. En la ULPGC, esto subraya la urgencia de integrar la alfabetización crítica en IA como una competencia transversal, especialmente en Ciencias de la Salud y de la Vida.

03

El enfoque: diseñar e implementar un modelo para desarrollar la competencia digital docente e integrar críticamente la inteligencia artificial en la enseñanza.

Exploración de las dimensiones pedagógicas y su impacto en la innovación.

Objetivos Estratégicos del Proyecto

Estrategias clave: formación técnica, diseño pedagógico crítico y evaluación de resultados.

Docentes: Colaboración

Alumnado: Crítica

Innovación: Reflexión

Fomentar la cooperación en el diseño de actividades que integren el análisis crítico de respuestas generadas por IA.

Capacitar al estudiantado para identificar errores y sesgos algorítmicos, buscando una meta de incremento del 45% en competencia digital.

Rediseñar las prácticas docentes integrando ética, pedagogía y evaluación reflexiva para enfrentar los nuevos desafíos digitales.

Objetivos Estratégicos del Proyecto

Estrategias clave: formación técnica, diseño pedagógico crítico y evaluación de resultados.

Docentes: Colaboración

Alumnado: Crítica

Innovación: Reflexión

Fomentar la cooperación en el diseño de actividades que integren el análisis crítico de respuestas generadas por IA.

Capacitar al estudiantado para identificar errores y sesgos algorítmicos, buscando una meta de incremento del 45% en competencia digital.

Rediseñar las prácticas docentes integrando ética, pedagogía y evaluación reflexiva para enfrentar los nuevos desafíos digitales.

'Incluir citas siempre refuerza nuestra presentación. Rompe con la monotonía'

- Cita siempre al autor/a

03

Fundamentos Teóricos y Metodologías Activas

Exploración de las dimensiones pedagógicas y su impacto en la innovación.

Nivel 1: Formación Experiencial

• Es clave que el profesorado pruebe en primera mano las tecnologías antes de diseñar actividades en el aula.
• Según datos citados, el 61% se autointerpreta en niveles bajos de competencia en IA (52% en escritura académica y 47.5% en investigación).
• Para cerrar la brecha, los talleres presenciales se alinearán con DigCompEdu (IA): Exploración guiada de herramientas (Área 1), análisis crítico (Área 2) y reflexión pedagógica (Área 3).

Ver plan detallado

Nivel 1: Formación Experiencial

• En la fase de transferencia práctica, cada docente integrará la IA de forma crítica con verificación obligatoria para detectar errores, sesgos o limitaciones antes de que sea válida académicamente.
• Las actividades incluyen análisis y validación de diagnósticos y protocolos, verificación de limitaciones normativas locales y síntesis de literatura científica con verificación rigurosa.
• La tecnología no reduce el esfuerzo de aprendizaje: funciona como herramienta epistémica para fomentar un pensamiento crítico genuino mediante análisis profundo, no solo respuestas correctas.

Ver plan detallado

Nivel 1: Formación Experiencial

• Los docentes implementarán las actividades rediseñadas con metodologías activas como Aprendizaje Basado en Problemas (ABP), aula invertida y aprendizaje cooperativo, para ampliar el impacto educativo.
• El estudiantado usará la IA con una perspectiva crítica y realizará reflexión para decidir qué tareas delegar en sistemas algorítmicos y cuáles no.
• Se abordarán responsabilidades éticas del uso de estas herramientas en salud y biomedicina.
• El profesorado registrará diarios de aula reflexivos para evaluar la evolución del pensamiento crítico y la profundidad del cambio educativo.

Ver plan detallado

03

Diseño Metodológico: Momentos de Recogida de Datos

Metodología y diseño de evaluación

Participantes

• El proyecto se divide en dos fases anuales según el público objetivo.
• Primer año: investigación centrada en el profesorado, con una muestra intencional de 6 a 7 docentes de Ciencias de la Salud y de la Vida donde la IA tenga pertinencia pedagógica.
• Criterios de selección: compromiso con la innovación educativa, disponibilidad para una formación obligatoria de 20 a 30 horas e impartición de contenidos curriculares que justifiquen la adopción tecnológica.
• Segundo año: atención al estudiantado, con una muestra por conveniencia de 140 a 210 estudiantes en uno o dos grupos de las asignaturas intervenidas.
• Para robustecer el análisis, los datos se contrastarán con un grupo de control.

Texto

El diseño metodológico se basa en un marco de evaluación de impacto educativo con tres momentos de recogida de información: antes de la intervención (T1-Baseline), al término de la formación docente (T2-Consolidación) y tras la implementación en el aula (T3-Impacto). Para fortalecer la validez de las conclusiones, integra un enfoque mixto mediante triangulación de datos: vertiente cuantitativa con escalas psicométricas, registros administrativos y codificación numérica; y vertiente cualitativa con análisis de contenido, entrevistas semiestructuradas y diarios de aula reflexivos. Participantes El proyecto se desarrolla en dos fases anuales: en el primer año se centra en el profesorado, con una muestra intencional de 6 a 7 docentes (Ciencias de la Salud y de la Vida) que justifiquen y prioricen la integración de la IA; y en el segundo año se traslada al estudiantado, con 140 a 210 estudiantes por conveniencia y contrastación con un grupo de control para robustecer el análisis.

Cronograma de Ejecución (2026-2028)

2028

2027

2026

Difusión final

Diagnóstico T1

Consolidación T2

2026

2027

Formación Docente

Implementación T3

03

Diseño Metodológico: Momentos de Recogida de Datos

Metodología y diseño de evaluación

Indicadores de éxito y rúbricas

Para asegurar el rigor del proyecto LiteracIA, empleamos seis indicadores SMART alineados con estándares internacionales y una rúbrica de cuatro niveles (N1 a N4) para el pensamiento crítico.

Evaluación basada en evidencias técnicas

Escalas validadas de impacto pedagógico

Precisión científica en el análisis de resultados

Estructura SMART con 6 indicadores clave

Validación mediante estándares educativos

Rúbrica de pensamiento crítico (N1 a N4)

LiteracIA: Viabilidad y futuro del aprendizaje

Conclusiones

• Respuesta a una urgencia real: alfabetización crítica en IA
• Prioridad ética y análisis riguroso en Ciencias de la Salud
• Evaluación de impacto mixta y longitudinal con seis indicadores SMART
• Transición hacia docentes facilitadores y estudiantes autónomos
• Validación del modelo docente y escalabilidad/sostenibilidad del cambio educativo

LiteracIA garantiza un aprendizaje robusto mediante un análisis crítico, demostrando que la IA es una aliada del desarrollo cognitivo.

La integración crítica de la inteligencia artificial es la brújula que transforma la información en verdadero conocimiento.

- LiteracIA

¡Muchas gracias por su atención!

Fase 5: Cierre y Difusión

La Fase 5 (Abril-Junio 2028) integra el análisis estadístico integrado. Es el momento de validar los resultados y difundirlos en congresos y revistas científicas. Nota de impacto: La diseminación asegura la transferibilidad del modelo LiteracIA.

• Revisa los datos finales
• Centraliza el análisis estadístico
• Comparte el conocimiento obtenido

Implementación T3

Recopilamos datos críticos mediante diarios reflexivos y respuestas escritas. Mediremos el pensamiento crítico y la motivación intrínseca tras las actividades rediseñadas. Nota técnica: La consistencia de los datos garantiza el éxito analítico.

• La Fase 4 (Octubre 2027-Marzo 2028): T3-Implementación marca el despliegue práctico.
• Involucra de 140 a 210 estudiantes bajo muestreo no probabilístico.
• Es el núcleo de la validación empírica.

Alineación DigCompEdu

Conexión estratégica con las Áreas 1, 2 y 3.

• - (a) Exploración guiada de herramientas para experimentar con el diseño de instrucciones (prompt engineering), parámetros y el impacto del contexto en los resultados, promoviendo el Compromiso Profesional (Área 1).
• (b) Análisis crítico de respuestas reales mediante cuestiones clave (qué está bien, qué falta, sesgos y supuestos), potenciando la selección y evaluación de Contenidos Digitales (Área 2).
• (c) Reflexión pedagógica sobre cómo enseñar y evaluar este análisis crítico, abordando las estrategias de Enseñanza y Aprendizaje (Área 3).¿Cómo enseñar a los estudiantes a realizar este análisis crítico? ¿Qué actividades didácticas lo facilitan? ¿Cómo evaluar si realmente desarrollan pensamiento crítico?, abordando las estrategias de Enseñanza y Aprendizaje (Área 3).

• Compromiso Profesional mediante exploración guiada.
• Evaluación de Contenidos Digitales con análisis crítico.
• Optimización de Enseñanza y Aprendizaje reflexivo.
• Alineación directa con DigCompEdu.

Conexión estratégica con las Áreas 1, 2 y 3.

• - (a) Exploración guiada de herramientas para experimentar con el diseño de instrucciones (prompt engineering), parámetros y el impacto del contexto en los resultados, promoviendo el Compromiso Profesional (Área 1).
• (b) Análisis crítico de respuestas reales mediante cuestiones clave (qué está bien, qué falta, sesgos y supuestos), potenciando la selección y evaluación de Contenidos Digitales (Área 2).
• (c) Reflexión pedagógica sobre cómo enseñar y evaluar este análisis crítico, abordando las estrategias de Enseñanza y Aprendizaje (Área 3).¿Cómo enseñar a los estudiantes a realizar este análisis crítico? ¿Qué actividades didácticas lo facilitan? ¿Cómo evaluar si realmente desarrollan pensamiento crítico?, abordando las estrategias de Enseñanza y Aprendizaje (Área 3).

Diagnóstico T1-Baseline

Durante la Fase 1 (Octubre-Noviembre 2026): T1-Baseline, aplicaremos encuestas y entrevistas semiestructuradas para diagnosticar la competencia digital y la percepción frente a la IA. Nota clave: Este diagnóstico inicial es esencial para personalizar las estrategias de intervención posterior.

• Analizamos la confianza docente
• Evaluamos la disposición al cambio
• Mapeamos necesidades curriculares

El papel del GIE-85

Motor estratégico de LiteracIA

El GIE-85 actúa como el motor estratégico de LiteracIA, coordinando expertos para abordar los retos tecnológicos con una visión holística. Su enfoque garantiza que la implementación sea ética y sostenible, y esté alineada con las necesidades reales de la comunidad educativa. Al integrar la perspectiva de salud con la innovación pedagógica, asegura que todas las fases del proyecto respondan a una visión integral del bienestar en la era de la inteligencia artificial.

• Estrategia coordinada entre salud y educación.
• Enfoque One Health integral.
• Diseño orientado a la innovación educativa.
• Sinergia interdisciplinar de alto impacto.

Auditoría de Fase 3

Durante la Fase 3 (Marzo-Junio 2027): T2-Consolidación, los docentes rediseñan sus actividades curriculares. Se audita la calidad técnica mediante rúbricas específicas para garantizar la excelencia académica. Nota técnica: Es imperativo contrastar el progreso en la competencia digital tras los talleres previos.

• Verifica la coherencia didáctica
• Actualiza el perfil de competencia docente
• Aplica la rúbrica de auditoría técnica

Alineación DigCompEdu

Conexión estratégica con las Áreas 1, 2 y 3.

• Acción Docente: Cada profesor rediseñará al menos una actividad para integrar la IA de forma crítica.
• Mecánica Central: La Verificación Obligatoria:
  • El alumnado utilizará la IA para generar contenidos iniciales.
  • Es obligatorio identificar un mínimo de dos errores, sesgos o limitaciones conceptuales en el producto generado.
• Enfoque pedagógico: La IA deja de ser un “atajo cognitivo” y se convierte en una herramienta para análisis profundo.
• Estrategia de Evaluación:
  • Diseño y aplicación de una rúbrica explícita.
  • Se evalúa el proceso reflexivo y las habilidades de orden superior (verificación crítica).

• Compromiso Profesional mediante exploración guiada.
• Evaluación de Contenidos Digitales con análisis crítico.
• Optimización de Enseñanza y Aprendizaje reflexivo.
• Alineación directa con DigCompEdu.

Implementación Fase 2

La Fase 2 (noviembre 2026-febrero 2027) implementa la formación experiencial docente (20-30h) bajo el modelo de López-Vasco et al. (2025). Nota clave: Fomenta la participación activa para asegurar la transferencia del aprendizaje.

• Integra talleres presenciales
• Aplica prototipado rápido en la IA
• Refuerza la ética profesional

Alineación DigCompEdu

Conexión estratégica con las Áreas 1, 2 y 3.

%%1. Fase de Ejecución Didáctica (Acción Docente)

• %%Despliegue en el aula: Llevar a la práctica real las actividades rediseñadas con integración de la IA.
• %%Sinergia Metodológica: Integrar las actividades con IA con metodologías activas para maximizar el impacto educativo.
  • Aprendizaje Basado en Problemas (ABP).
  • Modelo de Aula Invertida (Flipped Classroom).
  • Aprendizaje Cooperativo.

%%2. Dinámica de Trabajo del Alumnado (Análisis y Ética)

• %%Aplicación crítica: Fomentar reflexión profunda con las herramientas de IA, evitando la asimilación pasiva.
• %%Fronteras de la automatización: Debatir qué tareas son delegables a algoritmos y cuáles exigen criterio humano indispensable.

%%3. Sistema de Monitorización y Evaluación Cualitativa

• %%Herramienta de seguimiento: Implementación de diarios de aula reflexivos mantenidos por el profesorado en paralelo a las clases.
• %%Finalidad metodológica: Generar un corpus de evidencia cualitativa para evaluar la profundidad del cambio de paradigma educativo.

• Compromiso Profesional mediante exploración guiada.
• Evaluación de Contenidos Digitales con análisis crítico.
• Optimización de Enseñanza y Aprendizaje reflexivo.
• Alineación directa con DigCompEdu.