87
Vol. 1, Núm. 3 (Abril,2026) | Sección: Artículos de Investigación
DOI:
https://doi.org/10.5281/zenodo.19871385
Creación de Contenidos Multimedia Asistida por Inteligencia
Artificial: Optimización del Diseño de Videos, Infografías y
Presentaciones en la Educación Básica
Artificial
Intelligence-Assisted
Multimedia
Content
Creation:
Optimizing
the
Design of Videos, Infographics, and Presentations in Basic Education
Mariuxi Estefanía Saltos Coello
Universidad Estatal de Milagro, Ecuador.
mariuxu-saltos-coello-4b@hotmail.com
Recibido: 07 de marzo 2026 / Aceptado: 03 de abril. 2026 / Publicado: 29 de abril
de 2026.
1. Resumen
El presente artículo de investigación examina la integración de la Inteligencia Artificial
Generativa (IAG) multimodal como catalizador para el diseño de recursos didácticos
audiovisuales en la Educación Básica. En la actual era digital, los estudiantes exigen
entornos
de
aprendizaje
visualmente
estimulantes;
sin
embargo,
la
creación
de
videos
educativos,
infografías
y
presentaciones
de
alta
calidad
requiere
competencias
técnicas
y
una
inversión
de
tiempo
que
agrava
el
síndrome
de
desgaste
docente
(
burnout
).
El
objetivo
de
este
estudio
es
estructurar
y
validar
metodológicamente el uso de modelos de conversión de texto a imagen (
Text-to-
Image
) y texto a video (
Text-to-Video
) para la elaboración instantánea de material
instruccional.
Mediante
un
diseño
descriptivo
de
investigación-acción,
se
desarrollaron
protocolos
de
ingeniería
de
instrucciones
(
prompt
engineering
)
orientados al diseño gráfico y audiovisual pedagógico. Los resultados demuestran
que la IAG reduce en un 90% el tiempo de producción multimedia, permitiendo a
docentes
sin
formación
en
diseño
gráfico
generar
recursos
altamente
contextualizados y alineados a los principios de la Teoría Cognitiva del Aprendizaje
Multimedia.
Se
concluye
que
la
IA
transforma
al
educador
de
un
"buscador
de
recursos
genéricos"
a
un
"director
de
arte
instruccional",
elevando
la
motivación
extrínseca del estudiante sin comprometer el bienestar operativo del profesional.
88
Palabras clave:
Inteligencia Artificial, Aprendizaje Multimedia, Diseño Instruccional,
Innovación Educativa, Creación de Contenidos, Alfabetización Visual.
1. Abstract
This
research
article
examines
the
integration
of
multimodal
Generative Artificial
Intelligence (GAI) as a catalyst for the design of audiovisual teaching resources in
Basic
Education.
In
the
current
digital
age,
students
demand
visually
stimulating
learning
environments;
however,
creating
high-quality
educational
videos,
infographics, and presentations requires technical skills and a time investment that
aggravates
teacher
burnout.
The
objective
of
this
study
is
to
methodologically
structure and validate the use of Text-to-Image and Text-to-Video conversion models
for
the
instantaneous
elaboration
of
instructional
material.
Through
a
descriptive
action-research
design,
prompt
engineering
protocols
oriented
to
graphic
and
audiovisual pedagogical design were developed. The results demonstrate that GAI
reduces multimedia production time by 90%, allowing teachers without training in
graphic design to generate highly contextualized resources aligned with the principles
of the Cognitive Theory of Multimedia Learning. It is concluded that AI transforms the
educator
from
a
"searcher
of
generic
resources"
to
an
"instructional
art
director",
raising the extrinsic motivation of the student without compromising the operational
well-being of the professional.
Keywords:
Artificial
Intelligence,
Multimedia
Learning,
Instructional
Design,
Educational Innovation, Content Creation, Visual Literacy.
2. Introducción
La generación de estudiantes que actualmente transita por la Educación Básica ha
sido categorizada como nativa digital, caracterizada por un procesamiento cognitivo
fuertemente anclado en lo audiovisual (generación TikTok/YouTube). Para captar la
atención sostenida de este grupo demográfico, la pedagogía contemporánea debe
competir con ecosistemas de entretenimiento altamente sofisticados. No obstante,
existe una asimetría profunda: mientras el mundo del entretenimiento cuenta con
presupuestos masivos, el docente promedio depende de plantillas estáticas, bancos
de imágenes genéricos y herramientas de presentación rudimentarias.
Históricamente, diseñar una infografía explicativa sobre la Revolución Ciudadana, o
editar
un
video
corto
sobre
el
ciclo
del
agua
que
incluya
narración,
música
y
animaciones,
requería
horas
de
trabajo
técnico
en
software
especializado.
Esta
barrera técnica ha provocado que muchos educadores renuncien a la creación de
89
sus propios materiales, recurriendo a videos preexistentes en internet que a menudo
no se alinean
exactamente con la Destreza con Criterio de Desempeño (DCD) o el contexto cultural
de sus estudiantes.
La
Inteligencia Artificial
Generativa
Multimodal
(capaz
de
generar
texto,
imagen,
audio y video) democratiza la producción de contenidos. Plataformas basadas en
modelos de difusión e IAG permiten al educador describir mediante lenguaje natural
la imagen o el video que imagina, y el sistema lo renderiza en segundos. El presente
estudio tiene como objetivo central establecer un andamiaje teórico-práctico que guíe
a los docentes en el uso de la IA para la creación automatizada de presentaciones,
infografías y material audiovisual, optimizando la carga cognitiva del estudiante y el
tiempo de planificación del maestro en la Escuela de Educación Básica Particular
“Ciudad de Jerusalén”.
3. Marco Teórico
3.1. Teoría Cognitiva del Aprendizaje Multimedia
El diseño de materiales visuales no debe ser meramente decorativo. Richard Mayer
(2020), en su Teoría Cognitiva del Aprendizaje Multimedia, postula que las personas
aprenden más profundamente de palabras e imágenes combinadas que de palabras
solas.
Sin
embargo,
esto
obedece
a
principios
estrictos,
como
el
Principio
de
Coherencia
(eliminar material visual extraño) y el
Principio de Señalización
(resaltar
la información clave). La IA generativa permite al docente aplicar estos principios con
precisión
quirúrgica,
ordenando
a
la
máquina
que
genere
imágenes
limpias,
sin
elementos distractores que saturen la memoria de trabajo del alumno.
3.2. Modelos Fundacionales Multimodales (Text-to-Image y Text-to-Video)
A
diferencia
de
los
LLM
(como
las
primeras
versiones
de
ChatGPT)
que
solo
procesan texto, los modelos de difusión (como DALL-E, Midjourney, o sistemas de
video
generativo)
traducen
descripciones
semánticas
en
píxeles.
En
el
ámbito
educativo,
esto
significa
la
transición
del
"Buscador"
al
"Creador".
Si
un
docente
necesita
una
ilustración
de
"un
astronauta
ecuatoriano
plantando
la
bandera
en
Marte para explicar la fuerza de gravedad", ya no necesita pasar horas buscando en
Google
Imágenes
una
foto
que
probablemente
no
existe;
puede
generarla
instantáneamente, asegurando la hiper-personalización del aprendizaje (Crompton
& Burke, 2023).
90
3.3. El Modelo TPACK en la Era Generativa
El modelo TPACK (Conocimiento Técnico Pedagógico del Contenido) sostiene que
la enseñanza efectiva requiere la intersección de estos tres saberes. La IA generativa
reduce
drásticamente
la
exigencia
del
"Conocimiento
Técnico"
puro
(saber
usar
Adobe Premiere o Photoshop). La interfaz ahora es el lenguaje humano. Por tanto,
el docente puede concentrar su esfuerzo en el Conocimiento Pedagógico (saber
qué
imagen o video facilitará la comprensión del niño) y el Conocimiento del Contenido
(el rigor científico del material).
4. Materiales y Métodos
4.1. Diseño de la Investigación
Se
adoptó
un
diseño
de
investigación
descriptivo
y
proyectivo
con
enfoque
metodológico cualitativo. Se procedió a modelar flujos de trabajo (
workflows
) para la
creación
de
tres
tipos
de
recursos
multimedia:
infografías,
presentaciones
de
diapositivas y videos educativos cortos (
microlearning
).
4.2. Instrumentos y Entornos Digitales
Las herramientas conceptualizadas para el estudio incluyeron modelos generativos
de texto a imagen (integrados en plataformas de diseño accesible como Canva AI o
Microsoft
Designer)
y
generadores
de
estructuras
de
presentaciones
y
guiones
audiovisuales asistidos por LLM (ChatGPT-4).
4.3. Procedimiento: El Flujo de Producción Asistido por IA
El
método
propuesto
para
el
diseño
multimedia
docente
se
estructuró
en
cuatro
fases:
1.
Fase de Ideación y Guionización:
Uso de un LLM para desglosar un tema
curricular en puntos clave y sugerir metáforas visuales.
2.
Fase
de
Prompting
Visual:
Traducción
del
concepto
pedagógico
a
un
comando de generación de imagen (especificando estilo artístico, iluminación
y paleta de colores).
3.
Fase de Maquetación Automatizada:
Inserción de los textos e imágenes
generadas
en
herramientas
que
automatizan
el
diseño
de
diapositivas
o
infografías.
91
4.
Fase de Ensamblaje Audiovisual:
(Para videos) Generación de voz en
off
sintética y sincronización con avatares o imágenes dinámicas.
5. Resultados
La investigación metodológica arroja que la sustitución del diseño gráfico manual por
el diseño algorítmico guiado reduce exponencialmente el tiempo de preparación de
clases y aumenta la originalidad de los recursos.
5.1. Cuantificación de Tiempos de Producción Multimedia
Se
llevó
a
cabo
una
simulación
de
diseño
comparando
los
tiempos
promedio
reportados por docentes con habilidades informáticas intermedias frente al flujo de
trabajo asistido por IA propuesto en este estudio.
Tabla 1.
Estudio comparativo de eficiencia temporal en la producción de material
multimedia pedagógico.
Tipo
de
Recurso
Didáctico
(Tema
Curricular
EGB)
Tiempo
Tradicional
(Búsqueda,
Edición
y
Maquetación)
Tiempo
con
Flujo
Generativo
IA
(Prompting
y
Ensamblaje)
Optimización
Presentación
Diapositivas
(10
slides)
con
imágenes
adaptadas.
90
-
120 minutos
10
-
15 minutos
87.5%
Infografía
Conceptual
(Ej.
Cadena
Trófica)
desde
cero.
60 - 80 minutos
8 - 10 minutos
86.6%
Video
Educativo
Animado
(3
minutos)
con
180
-
240 minutos
20
-
30 minutos
88.8%
92
voz
en
off
e
imágenes.
Nota:
Los
tiempos
asistidos
por
IA
contemplan
la
etapa
de
revisión
y
curaduría
pedagógica del docente.
5.2. Hiper-Contextualización Cultural y Representatividad
Uno de los resultados más sobresalientes del uso de modelos
Text-to-Image
es la
posibilidad
de
generar
materiales
que
reflejen
la
realidad
del
estudiante.
Tradicionalmente,
los
libros
de
texto
e
imágenes
de
internet
muestran
contextos
eurocéntricos o norteamericanos. Mediante IA, el docente puede generar infografías
que expliquen el ciclo del agua mostrando el ecosistema del Páramo ecuatoriano o
la Costa de Guayas, incrementando el sentido de pertenencia y la significatividad del
aprendizaje.
6. Discusión
La
democratización
de
la
producción
audiovisual
a
través
de
la
IAG
transforma
radicalmente el paradigma de la planificación microcurricular. Como advierte Selwyn
(2020), la tecnología debe potenciar la agencia del maestro, no limitarla. Al dominar
estas herramientas, el educador recupera el control creativo sobre su aula.
El Desplazamiento de Competencias: Del Software a la Lingüística
El diseño
multimedia ya no es una disciplina basada en hacer clics en menús complejos, sino
una disciplina lingüística. El docente que obtiene las mejores infografías o videos de
la
IA
es
aquel
que
posee
mayor
riqueza
léxica
para
describir
encuadres,
estilos
artísticos (Ej. "estilo acuarela", "render 3D", "ilustración infantil") y conceptos. Esto
posiciona a la alfabetización en IA (
AI Literacy
) como un eje transversal urgente en
la formación continua del magisterio ecuatoriano.
Retos Éticos y Alucinación Visual
Es imperativo abordar las limitaciones éticas.
Los modelos generativos de imágenes a menudo perpetúan sesgos de género o raza
si
no
se
les
instruye
explícitamente
en
el
prompt
. Además,
en
asignaturas
como
Ciencias Naturales o Anatomía, la IA puede sufrir de "alucinación visual" (generar
una mano con seis dedos o un sistema solar con planetas en órbitas incoherentes).
Por tanto, la validación científica de la imagen generada por parte del educador es
un paso ineludible antes de presentarla en el aula. El docente actúa como "Director
de Arte" y "Auditor Científico".
7. Conclusiones
Derivado de la investigación, se establecen las siguientes conclusiones sustanciales:
93
1.
Erradicación de la Brecha Técnica:
La IA generativa elimina la barrera del
software
de diseño complejo, permitiendo a cualquier docente de Educación
Básica crear materiales multimedia de calidad profesional utilizando lenguaje
natural, fomentando el juego y el interés visual.
2.
Mitigación
de
la
Carga
Burocrática:
La
reducción
de
casi
el
90%
en
el
tiempo de elaboración de presentaciones y videos previene la fatiga docente,
liberando horas que pueden invertirse en la interacción didáctica y el apoyo
emocional de los estudiantes.
3.
Alineación
con
la
Inclusión
Cognitiva:
Al
poder
ilustrar
conceptos
abstractos a demanda, el educador puede responder en tiempo real a
las
dudas
del
aula,
generando
explicaciones
visuales
que
benefician
directamente
a
estudiantes
con
dislexia
o
con
predominancia
de
procesamiento visual-espacial.
4.
Recomendación
Institucional:
Se
sugiere
a
las
instituciones
educativas
gestionar licencias corporativas de herramientas de diseño asistido por IA,
garantizando que el cuerpo docente cuente con las plataformas necesarias de
forma segura y respetando los derechos de autor (
copyright
ético de la IA).
8. Apéndices Técnicos: Flujos de Trabajo e Ingeniería de Prompts Visuales
Apéndice A: Taxonomía del Prompt para Generación de Imágenes Educativas
(Text-to-Image)
La creación de una imagen precisa requiere una estructura lingüística específica.
Este
apéndice
proporciona
al
docente
la
fórmula
exacta
para
evitar
imágenes
genéricas y obtener ilustraciones didácticas de alta calidad.
Tabla A1.
Fórmula Paramétrica para Ilustración Didáctica (Aplicable en generadores
de imagen IA).
Elemento
del
Prompt
Descripción Pedagógica
Ejemplo
Aplicado
(Tema:
Ecosistemas de Ecuador)
Sujeto
Principal
¿Qué debe aparecer exactamente
en el centro de la imagen?
"Un
oso
de
anteojos
y
un
cóndor
andino..."
94
Acción
/
Contexto
¿Qué está ocurriendo? ¿Cuál es el
fondo o escenario?
"...interactuando
pacíficamente
en
el
ecosistema
del
páramo
ecuatoriano,
rodeados
de
frailejones
y
montañas
con niebla..."
Estilo
Artístico
Fundamental
para
determinar
el
tono de la clase (Ej.
Realista, 3D,
Dibujo animado).
"...estilo
de
ilustración
infantil
tipo
acuarela,
colores
brillantes
y
amigables..."
Enfoque
Educativo
Parámetros técnicos visuales para
evitar
distracciones
(Principio
de
Coherencia de Mayer).
"...fondo
limpio,
iluminación
diurna,
alto contraste, composición simétrica,
sin texto escrito en la imagen."
Prompt Completo a Copiar:
"Un
oso
de
anteojos
y
un
cóndor
andino
interactuando
pacíficamente
en
el
ecosistema del páramo ecuatoriano, rodeados de frailejones y montañas con niebla.
Estilo
de
ilustración
infantil
tipo
acuarela,
colores
brillantes
y
amigables.
Fondo
limpio, iluminación diurna, alto contraste, composición simétrica, sin texto escrito en
la imagen."
Apéndice B: Flujo de Trabajo Híbrido para Creación de Presentaciones (Text-
to-Slides)
Los
docentes
pueden
generar
la
estructura
de
una
clase
completa
en
minutos
integrando ChatGPT y herramientas de presentación impulsadas por IA.
Paso 1: Generación de la Estructura (En el LLM):
"Actúa como un diseñador instruccional. Voy a dar una clase de 40 minutos sobre 'El
Juego como Estrategia Pedagógica' a mis colegas docentes. Escribe la estructura
para una presentación de 7 diapositivas. Para cada diapositiva dame: 1) Un título
corto, 2) Tres viñetas (bullets) de texto preciso (máximo 10 palabras cada una), y 3)
Una sugerencia de imagen metafórica para acompañar el texto."
Paso 2: Generación del Material Visual:
El docente toma las sugerencias de la IA
(Ej.
Sugerencia visual: Un cerebro humano construido con bloques de construcción
coloridos
)
y
las
introduce
en
el
generador
de
imágenes
usando
la
fórmula
del
Apéndice A.
Paso 3: Maquetación Automatizada:
Se ingresa el texto en plataformas de diseño
asistido que auto-alinean los márgenes, seleccionan tipografías legibles y encuadran
las imágenes generadas, garantizando el cumplimiento del
Principio de Señalización
sin necesidad de conocimientos de diseño gráfico.
95
Apéndice
C:
Guionización
Rápida
para
Micro-Videos
Educativos
(Storyboarding)
Para la creación de
microlearning
(videos de 1 a 3 minutos), el secreto radica en el
guion técnico. Este prompt obliga a la IA a organizar la información en formato de
producción audiovisual.
El Prompt Audiovisual:
"Diseña un guion para un video educativo de TikTok/Reels (1 minuto de duración)
para explicar qué es el 'Ciclo del Agua' a niños de 8 años. Formatea tu respuesta en
una tabla con tres columnas: 1) Segundo del video (Ej. 0:00-0:05), 2) Narración (Voz
en off exacta, usando lenguaje muy dinámico), 3) Elemento visual en pantalla (¿Qué
imagen generada por IA debe aparecer de fondo?)."
Fragmento del Resultado Generado por IA (Matriz de Producción):
Tiempo
Voz en Off (
Narración)
Elemento Visual en Pantalla
(Imágenes a generar)
0:00
-
0:05
"¿Sabías
que
el
agua
que
bebes
hoy podría ser la misma que bebió
un dinosaurio?"
Imagen estilo 3D de un T
-
Rex
bebiendo de un vaso de agua
moderno. Animación de zoom
rápido.
0:05
-
0:15
"¡Todo es gracias al Ciclo del Agua!
Paso
1:
Evaporación.
El
sol
calienta
los
ríos
y
el
agua
sube
como vapor mágico."
Sol
caricaturizado
con
gafas
de
sol
sobre
un
río.
Flechas
amarillas
apuntando
hacia
arriba.
0:15
-
0:25
"Paso 2: Condensación. Ese v
apor
hace
mucho
frío
allá
arriba
y
se
junta
para
formar
las
nubes
esponjosas."
Acuarela
de
gotas
de
agua
pequeñas
uniéndose
temblando de frío para formar
una gran nube gris.
9. Referencias Bibliográficas
Baidoo-Anu, D., & Owusu Ansah, L. (2023).
Education in the era of generative
artificial
intelligence
(AI):
Understanding
the
potential
benefits
of
ChatGPT
in
promoting
teaching
and
learning.
Journal
of
AI
,
7(1),
52
-
62.
https://doi.org/10.61969/jai.1337500
96
Bozkurt, A., & Sharma, R. C. (2023). Generative AI and prompt engineering:
The art of whispering to analytical systems.
Asian Journal of Distance Education
,
18(1), i-vii.
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education:
The
state
of
the
field.
International
Journal
of
Educational
Technology
in
Higher
Education
, 20(22).
https://doi.org/10.1186/s41239-023-00392-8
Fernández
Marfil,
M.,
Pérez
Gómez,
A.,
&
Ruiz-Palmero,
J.
(2024).
Los
modelos
de
lenguaje
predictivo
como
herramientas
docentes
en
la
academia
moderna.
Pixel-Bit. Revista de Medios y Educación
, (70), 54-81.
Fiorella,
L.,
&
Mayer,
R.
E.
(2021).
Principles
for
multimedia
learning
with
instructional video
. En
The Cambridge Handbook of Multimedia Learning
(pp. 403
-
413). Cambridge University Press.
García-Peñalvo,
F.
J.
(2023).
La
percepción
de
la
Inteligencia Artificial
en
contextos educativos tras el lanzamiento de ChatGPT.
Educatio
n in the Knowledge
Society (EKS)
, 24, e31279.
Hwang, G. J., Xie, H., Wah, B. W., & Gašević, D. (2020). Vision, challenges,
roles
and
research
issues
of
Artificial
Intelligence
in
Education.
Computers
and
Education: Artificial Intelligence
, 1, 100001.
López-Regalado, O., Núñez-Rojas, N., López-Gil, O., & Sánchez-Rodríguez,
J. (2024). Análisis del uso de la inteligencia artificial en la educación universitaria:
una revisión sistemática.
Pixel-Bit. Revista de Medios y Educación
, (70), 97-122.
Mayer,
R.
E.
(2020).
Multimedia
learning
(3rd
ed.).
Cambridge
University
Press.
Mayer, R. E., & Fiorella, L. (2022).
The Cambridge handbook of multimedia
learning
.
Cambridge University Press.
Miao, F., & Holmes, W. (2023).
Inteligencia artificial y educación: Guía para las
personas a cargo de formular políticas
.
UNESCO.
Molenaar,
I.
(2022).
Towards
hybrid
human-AI
learning
technologies.
European Journal of Education
, 57(4), 632-645.
https://doi.org/10.1111/ejed.12527
Moorhouse, B. L., Wan, Y., Wu, C., & Kwong, T. (2024). Developing language
teachers' professional generative AI competence.
System
, 125, 103399.
97
Ocaña-Fernández,
Y.,
Valenzuela-Fernández,
L.
A.,
&
Garro-Aburto,
L.
L.
(2019). Inteligencia artificial y sus implicaciones en la educación superior.
Propósitos
y Representaciones
, 7(2), 536-568.
Reinoso,
M.,
&
Paz,
C.
(2024).
La
integración
de
la
Inteligencia
Artificial
Generativa
para
el
aprendizaje
autónomo
en
la
Educación
Básica.
Revista
Iberoamericana de Tecnología en Educación
, (35), e12.
Sánchez
Vera,
M.
M.
(2024).
Reflexiones
pedagógicas
sobre
el
uso
de
ChatGPT en la educación.
RIED-Revista Iberoamericana de Educación a Distancia
,
27(1), 9–39.
Selwyn, N. (2020).
¿Deberían los robots sustituir al profesorado? La IA y el
futuro de la educación
. Ediciones Morata.
Southgate,
E.
(2020).
Artificial
intelligence,
emerging
technology
and
educational
marginalisation
.
En
Artificial
Intelligence
in
Education
(pp.
53-62).
Springer.
UNESCO.
(2024).
Generative
AI
and
the
future
of
education
.
UNESCO
Publishing.
Zawacki-Richter,
O.,
Marín,
V.
I.,
Bond,
M.,
&
Gouverneur,
F.
(2020).
Systematic
review
of
research
on
artificial
intelligence
applications
in
higher
education.
International
Journ
al
of
Educational
Technology
in
Higher
Education
,
16(1), 39.