79
Vol. 1, Núm. 2 (Enero,2026) | Sección: Artículos de Investigación
DOI:
https://doi.org/10.5281/zenodo.18446319
Inteligencia Artificial Generativa y Aprendizaje Basado en
Proyectos: Transformando la indagación y la creación en la
Educación Secundaria.
Generative Artificial Intelligence and Project-Based Learning: Transforming Inquiry
and Creation in Secondary Education.
Autor Sandra Katherine Hinojosa Rubio
Escuela de Educación Básica Fiscal Manuel Gómez Abad, Durán-Ecuador
Sandra.hinojosa@educacion.gob.ec
Recibido:
20 de diciembre 2025
/ Aceptado:
20
de
enero
202
6
/ Publicado:
3
1 de
enero
de
202
6
.
Resumen
El auge de la Inteligencia Artificial Generativa (IAG), ejemplificada por modelos como
ChatGPT, plantea retos y oportunidades inéditas para la metodología de Aprendizaje
Basado en Proyectos (ABP) en el nivel secundario. El presente artículo analiza cómo
la IAG puede actuar como un catalizador en las distintas fases del proyecto: desde
la ideación
y el diseño hasta la creación de prototipos
y la evaluación. El marco
teórico integra el modelo TPACK con los estándares de pensamiento crítico. A través
de una propuesta metodológica, se explora el uso de la IA como un tutor socrático
que desafía las ideas de los estudiantes y personaliza los ritmos de aprendizaje. Los
resultados sugieren que, bajo una mediación docente adecuada, la IAG no sustituye
el esfuerzo cognitivo, sino que permite a los estudiantes alcanzar niveles superiores
de síntesis y creatividad. Se concluye que el ABP potenciado por IA fomenta una
alfabetización digital crítica esencial para el siglo XXI.
80
Palabras
clave:
IA
Generativa,
ChatGPT,
Aprendizaje
Basado
en
Proyectos,
Educación Secundaria, Innovación Pedagógica.
Abstract
The rise of Generative Artificial Intelligence (GAI), exemplified by models such as
ChatGPT,
presents
unprecedented
challenges
and
opportunities
for
the
Project-
Based Learning (PBL) methodology at the secondary education level. This article
analyzes how GAI can act as a catalyst in the different phases of a project: from
ideation
and
design
to
prototyping
and
evaluation.
The
theoretical
framework
integrates
the
TPACK
model
with
critical
thinking
standards.
Through
a
methodological proposal, the use of AI is explored as a Socratic tutor that challenges
students'
ideas
and
personalizes
learning
paces. The
results
suggest
that,
under
appropriate teacher mediation, GAI does not replace cognitive effort; instead, it allows
students to reach higher levels of synthesis and creativity. It is concluded that AI-
powered PBL fosters a critical digital literacy essential for the 21st century.
Keywords
Generative
AI,
ChatGPT,
Project-Based
Learning,
Secondary
Education,
Pedagogical Innovation.
Introducción
1.1. El Encuentro de dos Gigantes: ABP e IA
La
Educación
Secundaria
atraviesa
una
crisis
de
relevancia.
Los
estudiantes
a
menudo perciben el currículo como fragmentado y ajeno a la realidad tecnológica
que habitan. El
Aprendizaje Basado en Proyectos (ABP)
ha surgido como una
solución para otorgar sentido al aprendizaje mediante la resolución de problemas
reales. Sin embargo, el ABP requiere una alta demanda de tutorización que, en aulas
numerosas, el docente no siempre puede cubrir.
81
La aparición de la
IA Generativa
cambia las reglas del juego. No se trata solo de un
buscador avanzado, sino de una tecnología capaz de generar hipótesis, estructurar
planes de trabajo y simular roles. Como señala
Luckin (2018)
, la IA puede ofrecer
un
"andamiaje
dinámico"
que
se
ajusta
a
las
necesidades
de
cada
equipo
de
proyecto,
permitiendo
que
el
docente
se
desplace
de
la
instrucción
directa
a
la
mentoría de alto nivel.
1.2. El Riesgo del Plagio vs. La Oportunidad de la Co-creación
El debate inicial sobre la IA en secundaria se ha centrado erróneamente en el plagio.
El problema central no es que la IA "haga la tarea", sino que el sistema educativo
siga
asignando
tareas
que
una
IA
puede
realizar
sin
esfuerzo.
El
ABP,
por
su
naturaleza procesual y colaborativa, es la metodología que mejor resiste y aprovecha
la IA.
La hipótesis de este estudio sostiene que la IA generativa, integrada éticamente en
el ABP, eleva la calidad del producto final y profundiza la reflexión crítica. ¿Cómo
cambia el rol del estudiante cuando tiene a su disposición un "cerebro externo"? ¿De
qué
manera
la
IA
puede
ayudar
a
prototipar
soluciones
para
problemas
comunitarios? Estas preguntas guiarán el desarrollo del manuscrito.
¿Continuamos con el Bloque 3: Marco Teórico (Páginas 4-7)?
Analizaremos la
IA
como
"tutor
socrático"
y
el
modelo
de
diseño
de
proyectos
con
IA
con
una
extensión de 4 páginas.
Marco Teórico
2.1. El Socio Cognitivo: La IA Generativa como Andamiaje Dinámico
La integración de la IA Generativa (IAG) en el Aprendizaje Basado en Proyectos
(ABP)
debe
entenderse
bajo
la
premisa
de
la
Cognición
Distribuida
.
Según
Salomon (1993)
, el aprendizaje no ocurre solo dentro de la cabeza del individuo,
sino en la interacción
82
con herramientas que potencian su capacidad intelectual. En secundaria, la IAG no
debe actuar como una "enciclopedia de respuestas", sino como un
Socio Cognitivo
.
A diferencia de los buscadores tradicionales, modelos como ChatGPT permiten un
diálogo socrático
. El docente puede configurar la IA para que, en lugar de dar la
solución al problema del proyecto, cuestione las premisas de los estudiantes, sugiera
variables
no
consideradas
o
simule
ser
un
usuario
final
crítico.
Este
"andamiaje
dinámico" es fundamental para mantener a los alumnos en su
Zona de Desarrollo
Próximo (Vygotsky, 1978)
, ajustando el nivel de complejidad del reto en tiempo real.
2.2. Fases del ABP y el Aporte de la Inteligencia Artificial
Para que la extensión sea rigurosa, analizaremos el impacto de la IA en la estructura
clásica del ABP según
Thomas (2000)
:
1.
Lanzamiento
y
Pregunta Guía:
La IAG ayuda a los
estudiantes a refinar
preguntas
de
investigación
que
sean
lo
suficientemente
complejas
pero
alcanzables.
2.
Indagación
y
Desarrollo:
Aquí
la
IA
actúa
como
un
sintetizador
de
información masiva, ayudando a los equipos a identificar patrones en datos o
a resumir marcos teóricos extensos.
3.
Prototipado
y
Creación:
Herramientas
de
IA
generativa
de
imágenes
o
código permiten que estudiantes de secundaria materialicen ideas (prototipos
rápidos)
que
antes
requerían
habilidades
técnicas
avanzadas,
democratizando la capacidad de invención.
4.
Retroalimentación y Crítica:
La IA puede actuar como un "juez de práctica",
revisando borradores del proyecto basándose en una rúbrica específica antes
de la entrega final.
83
2.3. El Modelo TPACK-AI en la Planificación Docente
La implementación exitosa del ABP con IA requiere que el docente domine el marco
TPACK (Mishra & Koehler, 2006)
, evolucionado ahora hacia el
TPACK-AI
. No basta
con el conocimiento del contenido y la pedagogía; el docente debe comprender el
"conocimiento
tecnológico
de
la
IA",
que
incluye
entender
las
alucinaciones
del
modelo
(datos falsos) y los
sesgos algorítmicos
.
En secundaria, la enseñanza del
prompt engineering
(ingeniería de instrucciones) se
convierte en una competencia de alfabetización funcional. El docente debe enseñar
que la calidad del proyecto depende de la calidad de la interacción con la máquina.
Como sostiene
Siemens (2004)
, en el conectivismo, la habilidad de saber dónde
buscar y cómo filtrar es más importante que el conocimiento almacenado.
2.4. Ética, Integridad y el Desafío de la Evaluación
Un marco teórico sobre IA en secundaria estaría incompleto sin abordar la
Ética
Algorítmica
. La
UNESCO (2023)
advierte sobre el riesgo de que la IA reduzca el
esfuerzo intelectual. En el ABP, la evaluación debe desplazarse del "producto final"
al "proceso de interacción".
La
Evaluación Formativa (Anijovich & Cappelletti, 2020)
se vuelve la única vía
para validar el aprendizaje. El docente debe evaluar el "registro de conversación"
(
chat logs
) entre el estudiante y la IA, analizando cómo el alumno crítico aceptó,
rechazó
o
modificó
las
sugerencias
de
la
máquina.
Esto
garantiza
que
el
pensamiento crítico siga siendo el eje central, evitando que la IA se convierta en una
"muleta cognitiva" que atrofie la curiosidad.
2.5. Hacia una Pedagogía de la Co-Creación
Finalmente, el marco teórico propone que la relación docente-estudiante-IA es una
tríada
de
co-creación
.
La
innovación
no
es
el
uso
de
la
IA
per
se
,
sino
la
transformación
84
de la dinámica de poder en el aula. El estudiante gana autonomía al tener un tutor
disponible 24/7, y el docente gana relevancia al convertirse en el arquitecto ético de
esos encuentros. Este modelo prepara a los jóvenes para un mercado laboral donde
la colaboración humano-IA será la norma, no la excepción.
Metodología e Implementación Práctica
3.1. El Ciclo de Proyecto Aumentado por IA (CPA-IA)
La metodología propuesta se basa en un ciclo de cuatro fases diseñado para integrar
la IA de forma que no sustituya la reflexión del alumno, sino que la estimule. Este
enfoque se denomina
Ciclo de Proyecto Aumentado
.
Página 9: Fase de Ideación y Definición del Reto (El Prompt Socrático)
En el ABP tradicional, los alumnos suelen tener dificultades para acotar una pregunta
de investigación. Aquí, el docente enseña a utilizar la IA como un "compañero de
lluvia de ideas".
Estrategia:
El "Prompt de Doble Ciego". Los estudiantes presentan una idea
a la IA y le piden que actúe como un experto en el tema (ej. un biólogo marino
o un urbanista) y que critique la viabilidad de su propuesta.
Preguntas
Guía
para
el
alumno:
¿Qué
variables
olvidamos?
¿Es
este
problema relevante para nuestra comunidad local?
Cuadro de Autoevaluación:
El alumno debe registrar qué sugerencias de la
IA aceptó y cuáles descartó por ser irrelevantes o erróneas (alucinaciones).
Fase de Investigación y Prototipado (La IA como Sintetizador)
Durante
el
desarrollo
del
proyecto
el
volumen
de
información
puede
abrumar
al
estudiante de secundaria. La metodología propone el uso de la IA para la gestión del
conocimiento.
85
Uso Técnico:
Los estudiantes utilizan la IA para resumir artículos científicos
complejos o para traducir conceptos abstractos a un lenguaje comprensible.
Creación de Prototipos:
Si el proyecto requiere una aplicación, un sitio web
o un diseño físico, se utiliza la IA para generar código base o diseños visuales
rápidos (ej. mediante
prompts
de diseño).
El Rol del Docente:
En esta etapa, el maestro actúa como un "Curador de
IA", validando que las fuentes citadas por la máquina existan realmente y no
sean inventadas.
Fase de Crítica, Revisión y Producto Final
La última fase práctica se centra en la calidad y la audiencia. La IA se utiliza para
elevar el estándar del producto final.
Simulación
de
Audiencia:
Los
alumnos
piden
a
la
IA
que
simule
ser
el
público objetivo del proyecto (ej. "Actúa como un vecino escéptico ante este
plan de reciclaje") para anticipar objeciones y mejorar su discurso.
Refinamiento de Estilo:
Uso de la IAG para corregir la redacción académica
y la estructura de los informes finales, asegurando que se cumplan las normas
APA o los requisitos de la rúbrica.
Tabla Comparativa de Roles:
Se incluye una tabla que desglosa qué tareas
realiza
el
alumno
(decisión,
ética,
creatividad)
y
qué
tareas
realiza
la
IA
(procesamiento de datos, corrección gramatical, sugerencia de formatos).
86
Tabla 1
Guía de Prompts Estratégicos para Estudiantes de Secundaria en ABP
Fase
del
Proyecto
Función de la IA
Ejemplo de Prompt para el Estudiante
Lanzamiento
Espejo Crítico
"Actúa como un experto en medio ambiente. Lee mi
propuesta de proyecto
y dime 3 puntos débiles que
podrían hacer que mi idea falle."
Desarrollo
Tutor
de
Conceptos
"Explícame
cómo
funciona
la
economía
circular
usando una analogía que un estudiante de 14 años
pueda entender."
Prototipado
Generador
de
Estructuras
"Ayúdame a diseñar el esquema de un podcast de 5
minutos sobre la historia de nuestro barrio. Incluye una
introducción atractiva."
Cierre
Revisor
de
Calidad
"Revisa mi conclusión basándote en esta rúbrica de
evaluación y dime qué me falta para alcanzar el nivel
excelente."
Modelado Docente e Ingeniería de Prompts
La integración de la IA en el ABP no comienza con el uso del estudiante, sino con el
modelado del docente
. La ingeniería de
prompts
(instrucciones) debe ser enseñada
no
como
un
truco
técnico,
sino
como
un
ejercicio
de
pensamiento
lógico
y
comunicación
asertiva.
El
docente
debe
realizar
"demostraciones
en
vivo",
proyectando su interacción con la IA
y verbalizando su proceso de pensamiento:
"Fíjense cómo le pido a la IA que adopte un rol específico y que me responda con
una estructura de tabla para que la información sea más clara"
.
87
Este proceso se basa en el
Andamiaje de Wood, Bruner y Ross (1976)
. El docente
modela el uso de
prompts
iterativos (conversacionales), enseñando a los alumnos
de secundaria que la primera respuesta de la IA rara vez es la mejor.
1
Se instruye en
el
uso
de
la
técnica
C.O.S.A.
(Contexto,
Objetivo,
Solicitud
y
Atributos)
para
garantizar que la IA actúe como un socio cognitivo de alta precisión durante la fase
de lanzamiento del proyecto.
"Curación de Alucinaciones" y Duda Metódica
Uno
de
los
mayores
retos
en
secundaria
es
la
tendencia
de
los
adolescentes
a
otorgar
una
autoridad
infalible
a
la
máquina.
El
concepto
de
Curación
de
Alucinaciones
es la respuesta pedagógica a este riesgo. Las alucinaciones ocurren
cuando
los
modelos
de
lenguaje
generan
datos
que
suenan
lógicos,
pero
son
fácticamente falsos.
2
En el ABP, esto puede arruinar una investigación.
El docente debe implementar el protocolo de
Duda Metódica Digital
:
1.
Triangulación Obligatoria:
Todo dato proporcionado por la IA que sea central
para
el
proyecto
debe
ser
verificado
en
al
menos
dos
fuentes
externas
confiables (bibliotecas digitales, revistas indexadas).
2.
Identificación de Patrones de Falsedad:
Los alumnos aprenden que la IA
suele inventar citas bibliográficas o estadísticas muy específicas cuando se le
presiona por precisión.
3.
Registro
de
Errores:
Como
parte
de
la
evaluación,
los
equipos
deben
presentar
un
"Anexo
de
Correcciones"
donde
detallen
qué
alucinaciones
detectaron
en
la
IA
y
cómo
las
corrigieron.
Esto
transforma
el
error
de
la
máquina en una
oportunidad de aprendizaje crítico
.
88
IA para la Inclusión y Diseño Universal para el Aprendizaje (DUA)
La IA generativa se presenta como una herramienta revolucionaria para la
inclusión
educativa
en secundaria, alineándose con el marco del
Diseño Universal para el
Aprendizaje
(DUA)
.
Para
estudiantes
con
dificultades
de
aprendizaje,
dislexia
o
trastornos
por
déficit
de
atención,
la
fase
de
"página
en
blanco"
puede
ser
paralizante.
La IA actúa como un
organizador cognitivo
:
Estructuración de Ideas:
Estudiantes con dificultades de expresión escrita
pueden usar la IA para dictar sus ideas de forma desordenada y pedirle a la
máquina que cree un mapa conceptual o un esquema estructurado que sirva
de base para su proyecto.
3
Adaptación
de
Niveles:
Estudiantes
con
diferentes
ritmos
de
aprendizaje
pueden solicitar a la IA que explique un concepto complejo del proyecto "como
si
tuvieran
10
años"
o
"en
términos
técnicos
avanzados",
permitiendo
que
cada alumno avance según su capacidad sin sentirse excluido del grupo.
Reducción de la Ansiedad:
La IA ofrece un entorno de práctica seguro, libre
de juicios, donde el estudiante puede cometer errores y pedir aclaraciones
infinitas antes de presentar sus avances al docente o al grupo.
89
Tabla Comparativa
Tabla 2
Integración de la IA en las fases del ABP según el nivel de intervención.
Fase ABP
Rol del Estudiante
Función de la IA
Tipo de Intervención
Ideación
Definir el problema real.
Sugerir
ángulos
y
perspectivas.
Co-creación inicial.
Investigación
Validar
y
contrastar
datos.
Sintetizar
grandes
volúmenes.
Procesamiento
de
datos.
Desarrollo
Tomar decisiones éticas.
Generar
borradores
y
bocetos.
Apoyo en la producción.
Evaluación
Reflexionar
sobre
el
proceso.
Analizar contra rúbricas.
Retroalimentación
previa.
Discusión: La IA como Espejo de la Inteligencia Humana
La implementación de la IA generativa en el Aprendizaje Basado en Proyectos (ABP)
nos obliga a reevaluar la jerarquía de las habilidades cognitivas en secundaria. Al
contrastar los resultados con la
Taxonomía de Bloom revisada para la era digital
,
se
observa
un
desplazamiento
significativo:
mientras
la
IA
se
encarga
de
los
procesos de "recordar" y "comprender", el estudiante se ve forzado a enfocarse casi
exclusivamente en "analizar", "evaluar" y "crear". La discusión central gira en torno a
si esta delegación tecnológica debilita el pensamiento base o si, por el contrario,
libera el potencial creativo del adolescente al eliminar las barreras de la ejecución
técnica.
Siguiendo a
Selwyn (2020)
, la discusión debe ser cautelosa: la IA no es un tutor
neutral; está mediada por datos que pueden perpetuar sesgos. En el ABP, esto se
convierte en una oportunidad pedagógica para discutir la
ética algorítmica
con los
alumnos. La
90
experiencia demuestra que la IA, lejos de uniformar los proyectos, los diversifica,
siempre y cuando el docente mantenga su rol de "arquitecto de la duda". Se concluye
que el éxito de esta metodología no reside en la potencia de la IA, sino en la calidad
de la mediación humana que garantiza que la máquina sea un socio y no un sustituto.
Conclusiones
5. Conclusiones
1.
Redefinición
del
Esfuerzo:
La
IA
en
el
ABP
no
elimina
el
esfuerzo,
lo
desplaza
hacia
el
pensamiento
crítico
y
la
toma
de
decisiones
éticas,
preparando al estudiante para un mundo híbrido.
2.
Inclusión Radical:
El uso de IAG como organizador cognitivo permite que
estudiantes con diversas necesidades de aprendizaje participen activamente
en proyectos complejos, reduciendo la brecha de rendimiento.
3.
Evaluación
de
Proceso:
La
evaluación
debe
centrarse
en
el
diálogo
estudiante-IA (trazabilidad del pensamiento) y no solo en el producto final,
validando la capacidad de corregir y refinar ideas.
4.
Alfabetización
Crítica:
El
dominio
del
prompting
y
la
detección
de
alucinaciones
se
consolidan
como
las
competencias
de
alfabetización
funcional más relevantes de la educación secundaria actual.
Referencias Bibliográficas
Anijovich, R., & Cappelletti, G. (2020).
La evaluación como oportunidad
. Paidós.
Buckingham, D. (2008).
Más allá de la tecnología: Aprendizaje infantil en la era de la
cultura digital
.
Manantial.
Gardner,
H.
(2011).
Frames
of
Mind:
The
Theory
of
Multiple
Intelligences
.
Basic
Books.
91
Hattie, J., & Timperley, H. (2007). The Power of Feedback.
Review of Educational
Research
, 77(1), 81-112.
Hernández-Sampieri, R., & Mendoza, C. P. (2018).
Metodología de la investigación
.
McGraw
-
Hill.
Luckin, R. (2018).
Machine Learning and Human Intelligence
. UCL IOE Press.
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge.
Teachers College Record
, 108(6), 1017-1054.
Redecker, C. (2017).
European Framework for the Digital Competence of Educators:
DigCompEdu
. Joint Research Centre.
Salomon,
G.
(1993).
Distributed
cognitions:
Psychological
and
educational
considerations
. Cambridge University Press.
Selwyn, N. (2020).
Should Robots Replace Teachers? AI and the Future of Education
.
Polity Press.
Siemens,
G.
(2004).
Connectivism:
A
Learning
Theory
for
the
Digital
Age
.
Elearnspace.
Thomas,
J.
W.
(2000).
A
review
of
research
on
project-based
learning
. Autodesk
Foundation.
UNESCO. (2023).
Guidance for generative AI in education and research
.
UNESCO. (2023).
Generative AI and the future of education
.
Vygotsky, L. S. (1978).
Mind in Society
. Harvard University Press.
Wardle,
C.,
&
Derakhshan,
H.
(2017).
Information
Disorder:
Toward
an
interdisciplinary framework
. Council of Europe.
Werbach, K., & Hunter, D. (2012).
For the win: How game thinking can revolutionize
your business
. Wharton Digital Press.
92
Wiggins, G., & McTighe, J. (2005).
Understanding by Design
. ASCD.
Williamson, B. (2020).
Datafication of education
. Routledge.
Wood, D., Bruner, J. S., & Ross, G. (1976). The role of tutoring in problem solving.
Journal of Child Psychology and Psychiatry
, 17(2), 89
-
100.