La inteligencia artificial como tercer actor en la formación inicial de docentes de preescolar
Palabras clave:
Inteligencia artificial generativa, diálogo pedagógico, formación inicial docente, educación preescolar, juicio profesional, mediación sociotécnicaResumen
Este artículo analiza las implicaciones pedagógicas, epistemológicas y éticas de la inteligencia artificial generativa en la formación inicial de docentes de educación preescolar en México. Se desarrolla como una investigación teórica de carácter analítico-conceptual, sustentada en una revisión crítica e intencional de literatura sobre inteligencia artificial educativa, pedagogía crítica, estudios sociotécnicos, literacidad en IA y documentos curriculares de la Nueva Escuela Mexicana. Mediante el contraste entre mediación sociotécnica, actante, sociomaterialidad y agencia distribuida, se propone la categoría de “tercer actor” para designar la intervención lingüística y epistémica de los sistemas generativos en situaciones pedagógicas, sin atribuirles subjetividad ni responsabilidad moral. El análisis muestra que su incorporación puede ampliar recursos y favorecer la revisión de decisiones, pero también sustituir procesos necesarios para construir juicio profesional. En educación preescolar, esta discusión exige proteger el juego, la observación sensible, el vínculo y la contextualización curricular. Se concluye que la agencia puede distribuirse entre personas y tecnologías, mientras que la responsabilidad educativa debe permanecer en docentes, formadores e instituciones.
Descargas
Referencias
Biesta, G. (2015). Good education in an age of measurement: Ethics, politics, democracy. Routledge.
Cabero-Almenara, J., & Palacios-Rodríguez, A. (2020). Marco Europeo de Competencia Digital Docente «DigCompEdu». Traducción y adaptación del cuestionario «DigCompEdu Check-In». EDMETIC, 9(1), 213–234. https://doi.org/10.21071/edmetic.v9i1.12462
Acosta-Servín, S., Veytia-Bucheli, M. G., & Cáceres-Mesa, M. L. (2025). Innovar en la práctica docente. Desarrollo de competencias digitales en la Licenciatura. Sophia Editions.
Decuypere, M. (2021). The topologies of data practices: A methodological introduction. Journal of New Approaches in Educational Research, 10(1), 67–84. https://doi.org/10.7821/naer.2021.1.650
Decuypere, M., Grimaldi, E., & Landri, P. (2021). Introduction: Critical studies of digital education platforms. Critical Studies in Education, 62(1), 1–16. https://doi.org/10.1080/17508487.2020.1866050
Dussel, I. (2020). La clase en pantuflas. En I. Dussel, P. Ferrante, & D. Pulfer (Comps.), Pensar la educación en tiempos de pandemia: Entre la emergencia, el compromiso y la espera (pp. 337–348). UNIPE.
Engeström, Y. (2001). Expansive learning at work: Toward an activity theoretical reconceptualization. Journal of Education and Work, 14(1), 133–156. https://doi.org/10.1080/13639080020028747
Freire, P. (2005). Pedagogía del oprimido (30.ª ed.). Siglo XXI Editores.
Giroux, H. A. (2011). On critical pedagogy. Continuum International Publishing Group.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
México. Instituto Nacional de Estadística y Geografía. (2025). Encuesta Nacional sobre Disponibilidad y Uso de Tecnologías de la Información en los Hogares 2024: Reporte de resultados 9/25. INEGI. https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2025/endutih/ENDUTIH_24_RR.pdf
Latour, B. (2005). Reassembling the social: An introduction to actor-network-theory. Oxford University Press.
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. En 2020 CHI Conference on Human Factors in Computing Systems. New York, USA.
Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st century. UCL Institute of Education Press.
Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education: Guidance for policy-makers. UNESCO. https://doi.org/10.54675/PCSP7350
Perrotta, C., & Selwyn, N. (2020). Deep learning goes to school: Toward a relational understanding of AI in education. Learning, Media and Technology, 45(3), 251–269. https://doi.org/10.1080/17439884.2020.1686017
México. Secretaría de Educación Pública. (2022a). Acuerdo número 14/08/22 por el que se establece el Plan de Estudio para la educación preescolar, primaria y secundaria. Diario Oficial de la Federación. https://www.dof.gob.mx/nota_detalle.php?codigo=5661845&fecha=19/08/2022
México. Secretaría de Educación Pública. (2022b). Acuerdo número 16/08/22 por el que se establecen los planes y programas de estudio de las licenciaturas para la formación de maestras y maestros de educación básica que se indican. Diario Oficial de la Federación. https://sidof.segob.gob.mx/notas/getDoc/5662825
México. Secretaría de Educación Pública. (2023). Acuerdo número 08/08/23 por el que se establecen los programas de estudio para la educación preescolar, primaria y secundaria: Programas sintéticos de las fases 2 a 6. Diario Oficial de la Federación. https://www.dof.gob.mx/2023/SEP/ANEXO_ACUERDO_080823_FASES_2_A_6.pdf
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Selwyn, N. (2021). Education and technology: Key issues and debates (3.ª ed.). Bloomsbury Academic.
Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. (2021). Recomendación sobre la ética de la inteligencia artificial. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa
Williamson, B. (2017). Big data in education: The digital future of learning, policy and practice. SAGE.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education: Where are the educators? International Journal of Educational Technology in Higher Education, 16, Article 39. https://doi.org/10.1186/s41239-019-0171-0
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Jorge Antonio Betancourt-Gómez, Maritza Librada Cáceres-Mesa, Lydia Raesfeld
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.
