CURSO ONLINE

Inteligencia Artificial Aplicada a la Enseñanza y al Trabajo Docente

Aprende Inteligencia Artificial Aplicada a la Enseñanza y al Trabajo Docente con una experiencia práctica, recursos claros y una ruta pensada para aplicar lo aprendido.

Especialización docente que integra fundamentos de inteligencia artificial, modelos generativos, prompting, planificación, evaluación, alfabetización en IA, productividad, multimodalidad, datos, inclusión, asistentes, automatización y gobernanza con criterio pedagógico, ético y verificable.

Formación prácticaTecnología educativa

Solicitar información Ver programa

Próxima convocatoriaConsulta la próxima fecha

Modalidad100% virtual

Duración1 meses

Unidades44 unidades

CertificaciónIncluida

Información del curso

Próxima convocatoria

Consulta la próxima fecha

Solicitar información Ver programa

Modalidad100% virtual

Duración1 meses

Unidades44 unidades

CertificaciónIncluida

NivelTodos los niveles

IdiomaEspañol

Sobre el curso

Aprende haciendo, no solo mirando.

Desarrolla habilidades prácticas en Inteligencia Artificial Aplicada a la Enseñanza y al Trabajo Docente mediante una ruta clara, aplicada y orientada a proyectos.

“La tecnología cobra valor cuando se convierte en una experiencia de aprendizaje aplicable.

¿Para quién es?

¿Para quién es y qué conseguirás?

Dirigido a

Docentes que desean fortalecer su práctica con tecnología educativa.
Estudiantes y profesionales que quieren aprender mediante proyectos aplicados.
Makers y personas interesadas en desarrollar nuevas habilidades tecnológicas.

Al finalizar conseguirás

Comprender y aplicar los fundamentos principales de Inteligencia Artificial Aplicada a la Enseñanza y al Trabajo Docente.
Desarrollar actividades y proyectos prácticos con una metodología paso a paso.
Seleccionar herramientas y recursos adecuados para resolver retos educativos o tecnológicos.
Integrar lo aprendido en experiencias propias, proyectos o actividades de aula.
Fortalecer la autonomía para continuar aprendiendo y creando nuevas soluciones.

Plan de formación

Unidades del curso

44 unidades organizadas en 6 grandes bloques, con contenidos prácticos y aplicables.

1Inteligencia artificial y criterio profesional docente8 unidades · 80 lecciones

Inteligencia artificial y criterio profesional docenteLa inteligencia artificial se entiende como una familia de sistemas capaces de realizar tareas asociadas con percepción, predicción, generación, clasificación, recomendación o toma asistida de decisiones. En educación importa menos atribuir inteligencia humana a una herramienta que comprender qué procesa, qué produce, qué limita su desempeño y qué decisiones siguen siendo responsabilidad profesional.

Historia, familias y evolución de la inteligencia artificialLa historia de la inteligencia artificial reúne enfoques simbólicos, estadísticos y conexionistas. Ninguna etapa reemplazó por completo a la anterior. Los sistemas actuales combinan décadas de avances en representación, optimización, datos, hardware y diseño de modelos, por lo que una lectura histórica ayuda a evitar la idea de que la IA generativa apareció de manera espontánea.

Datos, algoritmos y modelosLos modelos aprenden regularidades a partir de datos y objetivos de entrenamiento. La calidad de las salidas depende de la calidad, cobertura, actualidad y representatividad de la información utilizada, pero también de decisiones de diseño, métricas y contexto de uso. Esta relación impide tratar un modelo como una fuente neutral o infalible.

Aprendizaje automático sin caja negraEl aprendizaje automático ajusta parámetros para mejorar una tarea a partir de ejemplos o señales. Una comprensión docente no necesita derivar cada ecuación, pero sí reconocer la diferencia entre clasificación, regresión, agrupamiento, recomendación y generación, así como el tipo de evidencia que permite valorar cada resultado.

Redes neuronales y aprendizaje profundoLas redes neuronales profundas transforman información mediante capas de operaciones parametrizadas. Su potencia proviene de aprender representaciones útiles sin que cada regla sea escrita manualmente, pero esa flexibilidad también complica la interpretación directa de por qué una salida concreta apareció.

Transformers, atención y modelos de lenguajeLa arquitectura Transformer introdujo un mecanismo de atención que permite relacionar partes de una secuencia sin depender de procesamiento estrictamente paso a paso. Los grandes modelos de lenguaje aprovechan esta arquitectura y sus variantes para estimar continuaciones probables en secuencias de tokens, una base técnica suficiente para comprender tanto su fluidez como sus límites.

Tokens, embeddings y ventana de contextoLos modelos de lenguaje no reciben ideas completas, sino representaciones numéricas de fragmentos llamados tokens. Los embeddings sitúan elementos en espacios donde ciertas relaciones pueden aproximarse por similitud, mientras la ventana de contexto limita la cantidad de información disponible en una interacción concreta.

Preentrenamiento, ajuste y alineaciónUn modelo generativo suele atravesar varias etapas: preentrenamiento sobre grandes colecciones, ajuste para seguir instrucciones y procesos posteriores orientados a mejorar utilidad, seguridad o preferencias. La respuesta final no procede de una búsqueda literal en una base de datos, aunque algunos productos integran recuperación externa para complementar el modelo.

2IA generativa: texto, imagen, audio y video8 unidades · 80 lecciones

IA generativa: texto, imagen, audio y videoLa IA generativa modela distribuciones para producir contenido nuevo condicionado por instrucciones, ejemplos o señales. Texto, imagen, audio y video comparten la idea de generar a partir de patrones aprendidos, pero sus riesgos, métricas, controles y posibilidades pedagógicas no son idénticos.

Capacidades, límites y errores de los modelosLa utilidad de un sistema generativo depende de reconocer tanto lo que hace bien como aquello que no puede garantizar. Fluidez, velocidad y capacidad de combinar patrones pueden ser valiosas, pero no equivalen a comprensión humana, veracidad, criterio pedagógico ni responsabilidad sobre las consecuencias de una decisión.

Alucinaciones, incertidumbre y verificaciónUna alucinación es una salida plausible que no está suficientemente respaldada por hechos o fuentes. En educación, la prevención no consiste solo en pedir al modelo que no invente, sino en diseñar flujos donde las afirmaciones importantes puedan rastrearse, compararse y validarse antes de convertirse en material de enseñanza.

Agencia humana y pedagogía centrada en las personasLa IA aporta valor educativo cuando amplía la capacidad de enseñar, aprender, crear o analizar sin desplazar la agencia de las personas. El criterio pedagógico sigue definiendo propósitos, secuencias, decisiones, límites y formas de comprobar aprendizaje. Una herramienta rápida puede acelerar una mala decisión con la misma facilidad que una buena.

Sesgos, equidad e inclusión en sistemas de IALos sistemas de IA pueden reproducir patrones desiguales presentes en datos, etiquetas, decisiones de diseño o condiciones de acceso. La revisión de sesgo necesita observar resultados concretos para grupos y contextos distintos, evitando confundir una intención neutral con un impacto necesariamente justo.

Privacidad, seguridad y manejo de datos educativosLos datos educativos pueden incluir información personal, evaluaciones, necesidades de apoyo, imágenes, registros de interacción y documentos institucionales. El uso responsable de IA exige minimizar datos, comprender dónde se procesan y evitar introducir información sensible cuando no existe una base clara para hacerlo.

Autoría, derechos de autor e integridad académicaLa generación automática obliga a separar preguntas distintas: quién produjo un texto, qué materiales se utilizaron como referencia, qué licencias rigen los recursos y qué nivel de asistencia es aceptable en una tarea. La respuesta educativa no puede reducirse a detectar si algo parece escrito por una máquina.

Evaluación de herramientas de inteligencia artificialLa selección de una herramienta necesita criterios de calidad, privacidad, accesibilidad, costo, control y ajuste al propósito pedagógico. La popularidad o la cantidad de funciones no garantizan que una plataforma sea adecuada para estudiantes, para datos sensibles o para una actividad donde el razonamiento debe permanecer visible.

3Fundamentos de prompting8 unidades · 80 lecciones

Fundamentos de promptingUn prompt es una forma de especificar una tarea y proporcionar contexto al modelo. Su calidad depende menos de fórmulas mágicas que de la claridad del objetivo, la información disponible, las restricciones relevantes y los criterios con los que se juzgará la salida.

Contexto, ejemplos y criterios en prompts educativosLos modelos responden mejor cuando reciben evidencia suficiente para distinguir lo deseado de lo meramente plausible. En trabajo docente, el contexto puede incluir criterios curriculares, características del grupo, materiales base, ejemplos válidos y restricciones reales, siempre respetando privacidad y necesidad de datos.

Iteración, depuración y evaluación de promptsEl prompting profesional se parece más a una práctica de diseño que a encontrar una frase perfecta. Una salida débil se analiza para identificar qué información faltó, qué restricción sobró, qué criterio quedó ambiguo o qué parte de la tarea conviene dividir.

Prompts estructurados y flujos reutilizablesUna práctica sostenible evita depender de conversaciones improvisadas. Los prompts estructurados pueden documentar entradas, criterios, pasos y formato esperado, lo que facilita revisarlos, compartirlos y adaptarlos sin convertirlos en recetas rígidas.

Planificación de clases asistida por IALa planificación asistida por IA resulta útil cuando el docente conserva el control sobre propósitos, evidencias y decisiones pedagógicas. El modelo puede ampliar alternativas, organizar borradores o detectar incoherencias, pero una planificación válida necesita responder al currículo, al tiempo real y a las características del grupo.

Diseño de unidades y secuencias de aprendizaje con IAUna secuencia extensa requiere continuidad entre sesiones, progresión de dificultad y evidencias intermedias. La IA puede ayudar a comparar alternativas y localizar vacíos, siempre que reciba el mapa completo de la unidad y no produzca cada sesión como un texto aislado.

Diferenciación y adaptación de materiales con IALa diferenciación no consiste en simplificar todo para algunos estudiantes ni en multiplicar versiones sin criterio. La IA puede apoyar ajustes de lenguaje, ejemplos, apoyos y niveles de práctica, pero las decisiones deben conservar el mismo propósito cuando la adaptación no modifica la meta de aprendizaje.

Creación de recursos educativos con IALa generación de fichas, casos, preguntas o ejemplos solo agrega valor cuando el material responde a una intención pedagógica y supera una revisión de exactitud, claridad y accesibilidad. El volumen de contenido producido no es un indicador de calidad.

4Preguntas, andamiaje y tutoría con inteligencia artificial8 unidades · 80 lecciones

Preguntas, andamiaje y tutoría con inteligencia artificialUn buen uso pedagógico de la IA no entrega siempre la respuesta final. Puede plantear preguntas, ofrecer pistas graduadas, confrontar una explicación o simular un interlocutor, pero necesita reglas que protejan el esfuerzo cognitivo y hagan visible el razonamiento del estudiante.

Retroalimentación formativa asistida por IALa retroalimentación es útil cuando orienta una acción posterior. La IA puede ayudar a organizar observaciones, identificar patrones o proponer preguntas de mejora, pero no conoce por sí sola la intención del estudiante ni el contexto completo de su proceso.

Diseño de instrumentos de evaluación con IALa IA puede acelerar borradores de rúbricas, listas de cotejo, preguntas y casos, pero un instrumento solo es válido si los criterios representan el aprendizaje que se pretende observar. Generar muchas preguntas no resuelve problemas de validez, dificultad o alineación.

Rediseño de la evaluación en la era de la IA generativaCuando una herramienta puede producir respuestas convencionales en segundos, la evaluación necesita observar procesos, decisiones, evidencia y transferencia. La respuesta no es prohibir toda asistencia ni aceptar cualquier uso, sino diseñar tareas donde la autoría y el aprendizaje puedan demostrarse.

Aprender con IA sin delegar el pensamientoEl rendimiento aparente puede mejorar mientras el aprendizaje real permanece igual o incluso disminuye si la herramienta realiza el esfuerzo que debía realizar la persona. La decisión pedagógica consiste en identificar qué parte de la tarea puede automatizarse y qué parte conviene preservar porque allí ocurre el aprendizaje.

Alfabetización en IA para estudiantesLa alfabetización en IA combina comprensión técnica básica, uso crítico, ética, creatividad y capacidad para decidir cuándo confiar, cuestionar o abstenerse. Enseñar a usar una interfaz no equivale a comprender el sistema ni sus efectos.

Verificación de información y pensamiento crítico con IALos modelos generativos producen explicaciones convincentes incluso cuando la evidencia es insuficiente. El trabajo educativo necesita enseñar a rastrear afirmaciones, distinguir fuente de resumen, comparar documentos y reconocer señales que justifican una verificación más profunda.

Diseño de materiales multimodales con IALa multimodalidad permite combinar texto, imagen, audio y video, pero cada formato añade decisiones sobre fidelidad, accesibilidad y propósito. Una imagen atractiva puede confundir conceptos; una voz sintética puede mejorar acceso o borrar señales de autoría si no existe transparencia.

5Investigación y análisis documental asistidos por IA8 unidades · 80 lecciones

Investigación y análisis documental asistidos por IALa IA puede ayudar a localizar temas, resumir documentos, comparar argumentos y organizar notas, pero no sustituye la lectura de fuentes clave ni la comprobación de referencias. En investigación educativa, el valor está en reducir trabajo mecánico sin perder trazabilidad.

Análisis de datos educativos con inteligencia artificialLos asistentes de IA pueden apoyar limpieza, explicación de fórmulas, exploración y visualización, pero los datos educativos requieren interpretación contextual. Una tendencia estadística no explica automáticamente por qué ocurre ni autoriza una decisión sobre una persona.

Comunicación profesional y redacción asistida por IALa IA puede apoyar borradores de comunicaciones, informes o materiales institucionales cuando el docente define audiencia, propósito y datos verificables. El riesgo aparece cuando un texto correcto en forma contiene hechos no confirmados o adopta un tono inadecuado para una situación sensible.

Productividad administrativa y organización del trabajoUna parte considerable del trabajo docente se concentra en organizar información, reuniones, registros y tareas repetitivas. La IA puede reducir tiempo en estas actividades si el flujo separa datos confiables, decisiones humanas y contenido generado.

Accesibilidad, DUA e inclusión con apoyo de IALas herramientas generativas pueden producir alternativas de representación, reformular instrucciones o apoyar accesibilidad, pero una adaptación útil necesita partir de una barrera concreta y no de supuestos sobre una persona. La IA facilita versiones; el diseño universal decide cuáles tienen sentido.

Aplicaciones disciplinares de la IA en el aulaLas aplicaciones educativas cambian según la disciplina. Una herramienta útil para revisar argumentos en comunicación puede ser inadecuada para comprobar un procedimiento matemático sin verificación. El criterio consiste en identificar qué tipo de pensamiento define la asignatura y dónde la IA puede apoyar sin reemplazarlo.

Bases de conocimiento y recuperación aumentadaLos modelos pueden combinarse con sistemas que recuperan documentos externos antes de generar una respuesta. La recuperación aumentada permite trabajar con materiales institucionales y fuentes actualizables, pero sigue necesitando selección de documentos, permisos, trazabilidad y evaluación de las respuestas.

Agentes, herramientas y automatización de flujosUn sistema agente combina un modelo con herramientas, memoria operativa y reglas para ejecutar pasos. La autonomía útil depende de límites claros, permisos mínimos y puntos de aprobación humana, especialmente cuando el flujo puede enviar mensajes, modificar archivos o actuar sobre datos reales.

6Asistentes personalizados y conocimiento institucional4 unidades · 40 lecciones

Asistentes personalizados y conocimiento institucionalUn asistente personalizado puede combinar instrucciones estables, documentos autorizados y herramientas específicas. Su valor aparece cuando resuelve una necesidad frecuente con criterios claros, no cuando pretende sustituir cualquier tarea profesional.

Políticas de aula y normas de uso de inteligencia artificialLas reglas de uso funcionan mejor cuando explican para qué se permite la IA, qué evidencia debe conservarse y qué usos alteran el propósito de la actividad. Una prohibición genérica puede ser difícil de aplicar; una aceptación total puede volver invisible quién realizó el trabajo intelectual.

Adopción institucional y desarrollo profesional docenteLa adopción institucional necesita más que licencias y capacitaciones aisladas. Requiere propósito, gobernanza, selección de casos de uso, formación progresiva, soporte, evaluación y mecanismos para aprender de incidentes y resultados.

Portafolio profesional y proyecto integrador de IA educativaEl dominio profesional se demuestra al integrar comprensión técnica, pedagogía, ética, evaluación y productividad en un sistema coherente. El producto final necesita mostrar decisiones justificadas, evidencia de verificación, límites de uso y una propuesta que pueda sostenerse más allá de una demostración puntual.

Recursos incluidos

Proyectos y recursos para tu práctica

Accede a los elementos públicos que hayan sido configurados para este curso.

Ruta de aprendizaje

44 unidades y 440 lecciones publicadas organizadas desde el Campus CEDULL.

Ver recurso →

Preguntas frecuentes

Resuelve tus dudas

¿Necesito conocimientos previos para iniciar?⌄

El curso está organizado para avanzar de manera progresiva. Si una unidad requiere conocimientos específicos, estos se indican dentro del plan de formación y el equipo de CEDULL puede orientarte antes de empezar.

¿Cuál es la modalidad del curso?⌄

La modalidad registrada para este curso es 100% virtual. Revisa la convocatoria vigente para conocer los horarios y condiciones de participación.

¿Cuánto dura el curso?⌄

La duración registrada es 1 meses, con 40 horas académicas.

¿El curso incluye certificación?⌄

Sí. El curso tiene certificación habilitada. Las condiciones de emisión se aplican según la política académica y los requisitos de finalización de CEDULL.

¿Cómo puedo solicitar más información?⌄

Puedes utilizar los botones de WhatsApp o contacto disponibles en esta página. El mensaje incluirá automáticamente el nombre del curso para que el equipo pueda orientarte con mayor rapidez.

Da el siguiente paso en tu desarrollo profesional

Elige tu acceso, compra de forma segura o conversa con el equipo de CEDULL si necesitas orientación.

Solicitar información