El caso de Mariana, ya resuelto#
Mariana da Sociología urbana a un grupo de 32 en modalidad híbrida. Su proyecto integrador terminaba siempre igual: cada equipo entregaba un documento en la semana 14, con tres fuentes buscadas la noche anterior. Antes de aplicar la plantilla fijó por escrito sus cinco condiciones:
Desliza horizontalmente para consultar todas las columnas.
| Condición | Lo que decidió Mariana |
|---|---|
| Equipos | Ocho equipos de cuatro, armados por ella para mezclar semestres. |
| Problema | El del agua por tandeo en una colonia periurbana (abajo), que cada equipo reformula con sus propias variables. |
| Herramientas de IA | Gemini y Claude en cuentas gratuitas; quien no quiera usarlas sigue la ruta sin IA. |
| Datos que sí se comparten | Cifras agregadas del organismo operador y del censo. Ningún nombre, dirección ni testimonio con datos de una persona. |
| Dónde se guarda el proceso | Una carpeta compartida por equipo con la bitácora, la matriz de fuentes y las tres versiones. |
En la semana 4, un equipo anotó en su matriz de fuentes esta fila: «Fuente: informe del SIAPA 2024 sugerido por Gemini · Verificada: no existe con ese título; encontramos el informe 2023 · Decisión: incluir el de 2023». Esa fila es lo que la plantilla busca que aparezca: la IA propuso, el equipo comprobó y decidió. En la defensa de la semana 14, el panel preguntó por qué descartaron la hipótesis del costo del agua embotellada y el equipo respondió con su registro de contraargumentos de la semana 7.
Fija tus cinco condiciones#
La plantilla asume una asignatura con proyecto integrador semestral de unas 14 semanas, en cualquier modalidad. Antes de aplicarla, escribe en una hoja, como hizo Mariana:
- el tamaño del grupo y de los equipos, y cómo se conformarán;
- el tipo de problema del entorno local que se aceptará como punto de partida;
- qué herramientas de IA están disponibles para todo el estudiantado, sin costo que excluya a nadie;
- qué datos pueden compartirse con esas herramientas y cuáles no;
- dónde se guardarán las bitácoras, las versiones y las decisiones de cada equipo.
La plantilla ataca dos problemas frecuentes en proyectos integradores: la falta de profundidad en la investigación y la ausencia de iteración sobre los borradores intermedios. La IA entra como interlocutor que genera preguntas, desafía hipótesis y obliga a los equipos a justificar cada decisión, y en ninguna fase da la respuesta final.
Objetivo pedagógico#
Desarrollar la capacidad de investigar, analizar y proponer soluciones a un problema complejo usando IA como interlocutor crítico. Al finalizar, el estudiante podrá:
- Formular un problema de investigación con variables acotadas
- Usar IA para contrastar hipótesis sin delegar el juicio
- Documentar el proceso de co-producción persona-IA con trazabilidad
- Defender decisiones ante un panel evaluador justificando qué aceptó y qué rechazó de la IA
Problema inicial de ejemplo#
Para probar el calendario sin pedir al docente que invente el caso, la plantilla incluye un problema de arranque adaptable:
Acceso al agua en una colonia periurbana. La colonia recibe agua por tandeo dos días por semana. El equipo debe caracterizar el problema (¿cuántas viviendas, qué fuentes alternativas, qué costos asume cada hogar?), formular una hipótesis sobre el factor que más agrava la situación y proponer una intervención viable a escala de colonia, justificada con datos comprobados (cifras del organismo operador, censo, conteo propio).
Cualquier problema local sirve si cumple tres condiciones: tiene datos públicos consultables, admite más de una explicación plausible y permite proponer una intervención acotada. El equipo debe reformular el problema con sus propias variables; el ejemplo solo fija el punto de partida.
Cómo se integra la IA#
Los equipos usan al menos dos modelos de IA distintos (Gemini + Claude, o DeepSeek + Qwen) durante todo el semestre. La IA tiene roles distintos en cada fase:
Desliza horizontalmente para consultar todas las columnas.
| Fase | Rol de la IA |
|---|---|
| Definición del problema | Generador de escenarios y variables |
| Investigación | Asistente de búsqueda y síntesis (con verificación obligatoria) |
| Hipótesis | Adversario epistémico que refuta y cuestiona |
| Iteración | Evaluador formativo de borradores |
| Presentación | Revisor de claridad y coherencia argumentativa |
Secuencia de la actividad#
Semana 1–2 — Definición del problema
Trabajo en equipo + IA
Cada equipo selecciona un problema del entorno local (o adapta el problema de ejemplo). Usa IA para generar variantes del problema con mayor complejidad. El equipo decide cuál adoptar y documenta por qué descartó las alternativas. Entregable: Documento de definición del problema (2 páginas) + bitácora breve de fuentes, decisiones y cambios.Semana 3–5 — Investigación
Trabajo autónomo con verificación cruzada
Los estudiantes investigan usando fuentes académicas y la IA como asistente de síntesis. Cada fuente sugerida por la IA se verifica en bases de datos. Los hallazgos se organizan en una matriz de fuentes. Entregable: Matriz de fuentes con columnas: fuente, resumen, verificada (sí/no), relevancia, decisión (incluir/excluir).Semana 6–8 — Formulación y contraste de hipótesis
Diálogo con IA como adversario
Cada equipo formula su hipótesis y la presenta a la IA pidiendo refutaciones desde distintas perspectivas. Se documentan los contraargumentos recibidos y las reformulaciones realizadas. Entregable: Hipótesis reformulada + registro de contraargumentos de la IA + respuesta del equipo a cada uno.Semana 9–12 — Desarrollo e iteración
Ciclos de retroalimentación IA + pares
Los equipos desarrollan su propuesta de solución en tres iteraciones. Cada versión pasa por retroalimentación de la IA (usando la [evaluación formativa con IA](http://148.202.167.50/aprendizaje-ia/ia-educacion/guias/evaluacion-formativa-ia/)) y por revisión de pares. Entregable: Tres versiones del documento con las observaciones incorporadas y las decisiones documentadas.Semana 13–14 — Presentación y defensa
Panel evaluador
Cada equipo presenta su proyecto ante un panel formado por el docente, un evaluador externo (cuando sea posible) y estudiantes de otros equipos. El panel puede preguntar sobre cualquier decisión registrada en la bitácora. Entregable: Presentación + portafolio completo del proceso + reflexión individual.
Forma de evaluación#
Se usa una combinación de evaluación formativa (durante el proceso) y evaluación final (presentación):
Desliza horizontalmente para consultar todas las columnas.
| Qué se valora | Peso |
|---|---|
| Calidad de la definición del problema | 15% |
| Rigor en la investigación y verificación de fuentes | 20% |
| Profundidad del contraste de hipótesis con IA | 15% |
| Evolución documentada entre versiones (iteración) | 25% |
| Calidad de la presentación y defensa | 15% |
| Reflexión individual sobre el proceso | 10% |
Alternativa sin IA#
La misma estructura funciona sin herramientas generativas: las variantes del problema se construyen en discusión de equipo con preguntas guía del docente; la síntesis de fuentes se hace por reparto de lecturas y fichas; el contraste de hipótesis se realiza con revisión entre pares asignados como «abogados del diablo»; y las iteraciones reciben retroalimentación en asesorías docentes calendarizadas. Ofrecer esta ruta permite participar a quien no puede o no quiere usar IA, y sirve como grupo de comparación informal si el docente quiere observar diferencias.
Riesgos y condiciones de aplicación#
- Exposición de datos. Los problemas locales pueden involucrar información de personas o comunidades; ningún dato personal debe pegarse en una herramienta de IA.
- Delegación del análisis. Si los entregables no exigen justificar qué se aceptó y qué se rechazó, los equipos tienden a adoptar la salida de la IA sin juicio propio.
- Referencias inventadas. Toda fuente sugerida por la IA debe verificarse en bases de datos antes de entrar a la matriz de fuentes; la matriz existe para eso.
- Acceso desigual. Si no todo el estudiantado dispone de las mismas herramientas, el docente debe garantizar una vía equivalente (herramientas gratuitas o la alternativa sin IA).
Preguntas de revisión tras aplicar la propuesta#
Quien aplique esta plantilla puede convertirla en práctica documentada respondiendo con datos de su grupo (cuántos equipos, cuántas fuentes inventadas se detectaron, qué cambió entre versiones):
- ¿Qué produjo el uso de dos modelos distintos frente a uno solo?
- ¿La verificación obligatoria de fuentes evitó referencias inventadas? ¿Cuántas se detectaron?
- ¿La bitácora de decisiones funcionó como mecanismo de transparencia o se llenó por trámite?
- ¿Qué equipos usaron la IA de forma superficial y qué ajuste de encuadre lo corrigió?
- ¿Qué cambiaría en el calendario, las entregas o la ponderación para la siguiente aplicación?
Referencias#
- Barrows, H. S. (1996). Problem-based learning in medicine and beyond: A brief overview. New Directions for Teaching and Learning, 1996(68), 3–12. https://doi.org/10.1002/tl.37219966804
- Krajcik, J. S., & Shin, N. (2014). Project-based learning. En R. K. Sawyer (Ed.), The Cambridge handbook of the learning sciences (2.ª ed., pp. 275–297). Cambridge University Press.
- Loyens, S. M. M., Magda, J., & Rikers, R. M. J. P. (2008). Self-directed learning in problem-based learning and its relationships with self-regulated learning. Educational Psychology Review, 20(4), 411–427. https://doi.org/10.1007/s10648-008-9082-7
Las referencias respaldan el método ABP general, no esta plantilla en particular: ninguna de ellas evaluó esta secuencia con IA.