La Inteligencia Artificial en el Salón de ClasesAI in the Classroom

Qué hace realmente el profesorado con la IA: preparación y retroalimentación sí, evaluación final no

What Faculty Actually Do with AI: Preparation and Feedback Yes, Final Assessment No

Revisión sistemática con componente metaanalítico (30 estudios) sobre percepciones y prácticas docentes: el profesorado usa la IA generativa principalmente para preparar clases, dar retroalimentación y hacer evaluación formativa, pero conserva los métodos tradicionales para evaluar los productos clave del estudiante. Un patrón de división del trabajo que coincide con lo que la evidencia recomienda.

Systematic review with a meta-analytic component (30 studies) on faculty perceptions and practices: instructors use generative AI mainly for lesson preparation, feedback, and formative assessment, while keeping traditional approaches for assessing key student outputs. A division-of-labor pattern that matches what the evidence recommends.

Las actitudes estudiantiles hacia la IA generativa están cambiando — rápidamente

Student Attitudes Toward Generative AI Are Changing — Rapidly

Este estudio documenta la velocidad del cambio actitudinal: lo que los estudiantes consideraban inaceptable hace dos años hoy les parece práctica normal. Para el docente, la implicación es incómoda pero útil: las normas implícitas de su curso caducan cada año académico, y lo que no se dice explícitamente se decide por la norma social estudiantil vigente.

This study documents the speed of attitudinal change: what students considered unacceptable two years ago now feels like normal practice. For instructors, the implication is uncomfortable but useful: your course's implicit norms expire every academic year, and whatever isn't stated explicitly gets decided by the prevailing student social norm.

Autoría, pedagogía e integridad: el mapa crítico de 54 estudios (2023-2025)

Authorship, Pedagogy, and Integrity: The Critical Map of 54 Studies (2023-2025)

Revisión crítica que sintetiza 54 estudios arbitrados sobre el impacto multifacético de la IA generativa en tres frentes que se cruzan en cada trabajo estudiantil: qué significa ser autor, cómo cambia la pedagogía y dónde queda la integridad. El mejor punto de partida para un comité que necesite el estado de la cuestión en una sola lectura.

A critical review synthesizing 54 peer-reviewed studies on generative AI's multifaceted impact across three fronts that intersect in every student work: what authorship means, how pedagogy changes, and where integrity stands. The best starting point for a committee needing the state of the question in a single reading.

Respuestas, actitudes y conductas de uso de la IA generativa en la enseñanza y el aprendizaje

Responses, Attitudes, and Utilization Behaviors on Generative AI for Teaching and Learning

Revisión sistemática de cómo estudiantes y docentes responden a la IA generativa en educación superior: mapea las actitudes (del entusiasmo a la ansiedad), las conductas de uso reales y las respuestas institucionales. Útil para entender el paisaje completo de reacciones antes de diseñar intervenciones en su facultad.

Systematic review of how students and faculty respond to generative AI in higher education: it maps attitudes (from enthusiasm to anxiety), actual usage behaviors, and institutional responses. Useful for understanding the full landscape of reactions before designing interventions in your college.

Uso masivo y transversal en la UC: 93.7% de estudiantes y 72.2% de docentes

Mass, Cross-Cutting Use at UC Chile: 93.7% of Students and 72.2% of Faculty

El estudio de la Universidad Católica de Chile (julio-diciembre 2025) confirma para Latinoamérica lo que HEPI documenta en el Reino Unido: adopción masiva y transversal en toda la comunidad universitaria. Un modelo de lo que toda institución debería hacer — medir su propia realidad con datos antes de legislar sobre ella.

The Universidad Católica de Chile study (July-December 2025) confirms for Latin America what HEPI documents in the UK: mass, cross-cutting adoption throughout the university community. A model of what every institution should do — measure its own reality with data before legislating on it.

IA e integridad en los trabajos académicos: evidencia de una universidad de Lima

AI and Integrity in Academic Work: Evidence from a University in Lima

Estudio empírico peruano sobre la percepción estudiantil de la integridad en la era de la IA: las herramientas ayudan en el trabajo académico, pero «la línea de la honestidad se difumina» por la accesibilidad de la información. El hallazgo clave: los estudiantes difieren entre sí sobre dónde está el límite — razón de más para que el docente lo trace explícitamente.

A Peruvian empirical study on student perceptions of integrity in the AI era: the tools help with academic work, but "the line of honesty blurs" given the accessibility of information. The key finding: students differ among themselves on where the limit lies — all the more reason for instructors to draw it explicitly.

IA generativa e integridad académica: la mirada de la Universidad Autónoma Metropolitana

Generative AI and Academic Integrity: The View from Universidad Autónoma Metropolitana

La revista Reencuentro de la UAM examina la relación entre IA generativa e integridad académica en el contexto mexicano: los dilemas éticos tradicionalmente atribuidos al profesorado emergen ahora también para los estudiantes, en particular sobre privacidad, sesgo algorítmico e impacto en su futuro laboral. La integridad ya no es solo cumplimiento; es formación ética compartida.

UAM's journal Reencuentro examines the relationship between generative AI and academic integrity in the Mexican context: ethical dilemmas traditionally attributed to faculty now emerge for students too, particularly around privacy, algorithmic bias, and impact on their future employment. Integrity is no longer just compliance; it is shared ethical formation.

El impacto de la IA generativa desde la ética y la integridad académica

Generative AI's Impact Through the Lens of Ethics and Academic Integrity

Este artículo pone el dedo en la limitación estructural del momento: la velocidad con que surgen las actualizaciones de IA supera el tiempo de respuesta institucional — mientras las partes debaten su uso, estudiantes y docentes ya la usan sin marco regulatorio. Propone encarar la integridad desde la ética formativa y no solo desde la sanción.

This article names the structural limitation of the moment: the speed of AI updates outpaces institutional response time — while stakeholders debate its use, students and faculty are already using it without a regulatory framework. It proposes approaching integrity through formative ethics, not just sanctions.

La IA generativa y la evaluación de las destrezas del siglo XXI

Generative AI and the Assessment of 21st-Century Skills

Revisión sistemática sobre las implicaciones de la IA generativa para evaluar las destrezas del siglo XXI — pensamiento crítico, colaboración, creatividad, comunicación. El reto que identifica: son precisamente las destrezas que las instituciones dicen priorizar, y las que los métodos de evaluación tradicionales, vulnerables a la IA, peor capturan.

Systematic review of generative AI's implications for assessing 21st-century skills — critical thinking, collaboration, creativity, communication. The challenge it identifies: these are precisely the skills institutions claim to prioritize, and the ones traditional, AI-vulnerable assessment methods capture worst.

Integridad académica: ayude a sus estudiantes a identificar los peligros de la IA

Academic Integrity: Help Your Students Identify AI's Dangers

Guía práctica en español para trabajar la integridad con los estudiantes en lugar de contra ellos: cómo enseñarles a reconocer los riesgos de la IA (invenciones, sesgos, dependencia) y a desarrollar criterio propio. Complementa la rúbrica de uso responsable disponible en nuestra sección de Materiales.

A practical Spanish-language guide for working on integrity with students rather than against them: how to teach them to recognize AI's risks (fabrications, bias, dependence) and develop their own judgment. It complements the responsible-use rubric available in our Materials section.

📄 Cláusulas de IA para prontuarios

📄 AI Clauses for Syllabi

Cuatro niveles de política de IA con lenguaje listo para copiar al prontuario (alineados con la estructura de prontuarios de la PUCPR), la declaración de uso modelo para el estudiante y la tabla de etiquetado evaluación por evaluación.

Four AI policy tiers with copy-ready syllabus language (aligned with PUCPR's syllabus structure), a model student disclosure statement, and the per-assessment labeling table.

Word · Español · 11 KB

📋 Rúbrica de uso responsable de la IA

📋 Responsible AI Use Rubric

Rúbrica analítica de cuatro criterios (transparencia, verificación crítica, autoría del razonamiento y uso ético) con cuatro niveles de desempeño, notas de aplicación para el docente y alineación con la taxonomía de Bloom.

An analytic rubric with four criteria (transparency, critical verification, authorship of reasoning, ethical use) across four performance levels, with instructor application notes and Bloom's taxonomy alignment.

Word · Español · 10 KB

💬 Guía de prompts para docentes

💬 Prompt Guide for Faculty

Siete instrucciones modelo para la preparación de cursos —objetivos según Bloom, bancos de preguntas, rúbricas, casos contextualizados en Puerto Rico, retroalimentación, analogías y rediseño de tareas resilientes a la IA— con cuatro principios de uso y precauciones éticas.

Seven model prompts for course preparation —Bloom-aligned objectives, question banks, rubrics, Puerto Rico-contextualized cases, feedback, analogies, and AI-resilient task redesign— with four usage principles and ethical cautions.

Word · Español · 11 KB