Agencia docente y cognición distribuida ante la inteligencia artificial generativa
Palabras clave:
Agencia docente, cognición distribuida, inteligencia artificial generativa, juicio profesional, desarrollo profesional docente, descarga cognitivaResumen
La incorporación de inteligencia artificial generativa en la práctica educativa permite automatizar, complementar y ampliar actividades tradicionalmente vinculadas con el razonamiento profesional docente. Este escenario plantea interrogantes sobre la agencia del profesorado cuando procesos como la planeación, el diseño de actividades, la evaluación y el análisis de información se desarrollan mediante la interacción con sistemas generativos. El presente ensayo crítico-argumentativo analiza esta relación mediante una revisión documental orientada conceptualmente, que articula aportaciones sobre agencia docente, cognición distribuida, conocimiento profesional, descarga cognitiva, juicio pedagógico y alfabetización en inteligencia artificial. Se sostiene que la participación de la inteligencia artificial no implica necesariamente una disminución de la agencia docente, sino una reconfiguración de las operaciones cognitivas mediante las cuales se construye la acción educativa. Esta distribución puede ampliar las capacidades profesionales cuando incrementa las alternativas disponibles, reduce operaciones instrumentales y favorece procesos de investigación, creatividad y reflexión. Sin embargo, puede debilitar la agencia cuando sustituye la comprensión del propósito educativo, la contextualización, el juicio profesional o la capacidad de justificar decisiones pedagógicas. Se propone conceptualizar la agencia docente mediada por inteligencia artificial como un ejercicio situado de comprensión, regulación, valoración y responsabilidad profesional, articulado mediante un ciclo heurístico de cognición distribuida pedagógicamente regulada. Se concluye que el desafío educativo no reside en distribuir la cognición entre docentes y sistemas generativos, sino en externalizar sin supervisión aquellas operaciones cognitivas que sostienen el juicio pedagógico, la toma de decisiones fundamentadas y la responsabilidad profesional sobre las acciones educativas desarrolladas en contextos específicos.
Descargas
Referencias
Aarset, M. V., & Johannessen, L. K. (2022). On distributed cognition while designing an AI system for adapted learning. Frontiers in Artificial Intelligence, 5, Article 910630. https://doi.org/10.3389/frai.2022.910630
Alfredo, R., Echeverria, V., Jin, Y., Yan, L., Swiecki, Z., Gašević, D., & Martinez-Maldonado, R. (2024). Human-centred learning analytics and AI in education: A systematic literature review. Computers and Education: Artificial Intelligence, 6, Article 100215. https://doi.org/10.1016/j.caeai.2024.100215
Cáceres-Mesa, M. L. (Comp.). (2026). Educación superior en tiempos de inteligencia artificial: Pedagogía, evaluación y bienestar. Sophia Editions.
Celik, I. (2023). Towards Intelligent-TPACK: An empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, Article 107468. https://doi.org/10.1016/j.chb.2022.107468
Choi, S., Jeong, S., Park, S., Kim, Y., & Han, I. (2026). Analyzing teacher-AI interaction patterns across teacher experience and AI proficiency in student-centered lesson design. Teaching and Teacher Education, 169, Article 105266. https://doi.org/10.1016/j.tate.2025.105266
Ding, A.-C. E., Shi, L., Yang, H., & Choi, I. (2024). Enhancing teacher AI literacy and integration through different types of cases in teacher professional development. Computers and Education Open, 6, Article 100178. https://doi.org/10.1016/j.caeo.2024.100178
Eedelouei, S. (2026). Factors influencing language teachers’ judgements and decision-making about the use of generative AI tools: A systematic review. Teaching and Teacher Education, 171, Article 105333. https://doi.org/10.1016/j.tate.2025.105333
Emirbayer, M., & Mische, A. (1998). What is agency? American Journal of Sociology, 103(4), 962–1023. https://doi.org/10.1086/231294
García-Poyato Falcón, J., Mercado Varela, M. A., Cordero Arroyo, G., & Almaraz Núñez, S. (2026). Formación del juicio profesional docente en una experiencia con inteligencia artificial generativa. Revista Educación Superior y Sociedad (ESS), 37(2), 110–126. https://doi.org/10.54674/ess.v37i2.1132
Ghamoushi, M., Mohammadi Zenouzagh, Z., & Hashamdar, M. (2022). Development and validation of a potential assessment inventory for assessing EFL teachers’ ecological agency. Language Testing in Asia, 12, Article 37. https://doi.org/10.1186/s40468-022-00190-5
Grinschgl, S., & Neubauer, A. C. (2022). Supporting cognition with modern technology: Distributed cognition today and in an AI-enhanced future. Frontiers in Artificial Intelligence, 5, Article 908261. https://doi.org/10.3389/frai.2022.908261
Gurl, T. J., Markinson, M. P., & Artzt, A. F. (2025). Using ChatGPT as a lesson planning assistant with preservice secondary mathematics teachers. Digital Experiences in Mathematics Education, 11, 114–139. https://doi.org/10.1007/s40751-024-00162-9
Hong, H.-Y., Chen, M.-J., Chang, C.-H., Tseng, L.-T., & Chai, C. S. (2025). AI-supported idea-developing discourse to foster professional agency within teacher communities for STEAM lesson design in knowledge building environment. Computers & Education, 229, Article 105241. https://doi.org/10.1016/j.compedu.2025.105241
Hutchins, E. (1995). Cognition in the wild. The MIT Press.
Iqbal, J., Hashmi, Z. F., Asghar, M. Z., & Abid, M. N. (2025). Generative AI tool use enhances academic achievement in sustainable education through shared metacognition and cognitive offloading among preservice teachers. Scientific Reports, 15, Article 16610. https://doi.org/10.1038/s41598-025-01676-x
Krushinskaia, K., Elen, J., & Raes, A. (2026). Pre-service teachers’ agency during their interactions with generative AI while designing for learning: A process view on Intelligent-TPACK. Computers and Education Open, 10, Article 100325. https://doi.org/10.1016/j.caeo.2025.100325
Li, Z., Wang, C., & Bonk, C. J. (2026). Generative AI for teachers’ self-directed professional development: A mixed-methods study. TechTrends, 70, 23–38. https://doi.org/10.1007/s11528-025-01123-8
Mendes, V., Gelber, D., Fraser, P., Rodríguez, S., & Rubio, X. (2025). Estrategia regional docente para América Latina y el Caribe, 2025–2030. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000395165
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084
Mouta, A., Torrecilla-Sánchez, E. M., & Pinto-Llorente, A. M. (2025). Comprehensive professional learning for teacher agency in addressing ethical challenges of AIED: Insights from educational design research. Education and Information Technologies, 30, 3343–3387. https://doi.org/10.1007/s10639-024-12946-y
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2025). Promoting and protecting teacher agency in the age of artificial intelligence. International Task Force on Teachers for Education 2030. UNESCO. https://www.iicba.unesco.org/es/africa-education-knowledge-platform/promoting-and-protecting-teacher-agency-age-artificial-intelligence
Priestley, M., Biesta, G., & Robinson, S. (2026). Teacher agency: An ecological approach (2nd ed.). Bloomsbury Academic.
Sperling, K., Stenberg, C.-J., McGrath, C., Åkerfeldt, A., Heintz, F., & Stenliden, L. (2024). In search of artificial intelligence (AI) literacy in teacher education: A scoping review. Computers and Education Open, 6, Article 100169. https://doi.org/10.1016/j.caeo.2024.100169
Velander, J. (2026). Beyond operational skills: Teachers’ AI knowledge and interactions with generative AI in lesson planning. Computers and Education Open, 10, Article 100371. https://doi.org/10.1016/j.caeo.2026.100371
Wang, K., Chai, C.-S., Liang, J.-C., & Sang, G. (2024). Exploring teachers’ behavioural intentions to design artificial intelligence-assisted learning in Chinese K-12 education. Technology, Pedagogy and Education, 33(5), 629–645. https://doi.org/10.1080/1475939X.2024.2369241
Wingerter, T. L., Straub, T., & Schweitzer, S. (2025). Mitigating automation bias in generative AI through nudges: A cognitive reflection test study. Procedia Computer Science, 270, 2106–2114. https://doi.org/10.1016/j.procs.2025.09.331
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Kevin Guadalupe Méndez-Díaz
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los autores que publican en la Revista UGC están de acuerdo con los siguientes términos:
1. Derechos de Autor
Los autores conservan los derechos de autor sobre sus trabajos sin restricciones. Los autores otorgan a la revista el derecho de primera publicación. Para ello, ceden a la revista, de forma no exclusiva, los derechos de explotación (reproducción, distribución, comunicación pública y transformación). Los autores pueden establecer otros acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista, siempre que exista un reconocimiento de su publicación inicial en esta revista.
© Los autores.
2. Licencia
Los trabajos se publican en la revista bajo la licencia de Atribución-NoComercial-CompartirIgual 4.0 Internacional de Creative Commons (CC BY-NC-SA 4.0). Los términos se pueden consultar en: https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es
Esta licencia permite:
- Compartir: copiar y redistribuir el material en cualquier medio o formato.
- Adaptar: remezclar, transformar y crear a partir del material.
Bajo los siguientes términos:
- Atribución: ha de reconocer la autoría de manera apropiada, proporcionar un enlace a la licencia e indicar si se ha hecho algún cambio. Puede hacerlo de cualquier manera razonable, pero no de forma tal que sugiera que el licenciador le da soporte o patrocina el uso que se hace.
- NoComercial: no puede utilizar el material para finalidades comerciales.
- CompartirIgual: si remezcla, transforma o crea a partir del material, debe difundir su creación con la misma licencia que la obra original.
No hay restricciones adicionales. No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otros hacer cualquier cosa que la licencia permita.
