Autorretrato académico de 2025

Este texto nació como una presentación personal para un colega en Australia (así que la versión original es la que encontrarás en la versión en inglés de esta entrada de blog), intentaba explicarle quién soy y lo que hago para que pueda ver si podría encajar en alguna de las iniciativas que tiene su equipo en este momento… No obstante, he decidido compartirlo aquí porque, al intentar explicar quién soy y qué impulsa mi trabajo, acabé escribiendo algo que probablemente me describe mejor que cualquier biografía formal hoy.

Soy una persona curiosa por naturaleza; me resulta difícil estarme quieta en un solo «tema» o proyecto, pero sí puedo decir que mi trabajo académico siempre ha estado guiado por un profundo interés en cómo las personas, las ideas y las tecnologías se configuran mutuamente en los contextos educativos.
Esa curiosidad me ha llevado a moverme actualmente entre la didáctica, la política, la tecnología y el diseño curricular —campos que, en español, entendemos como parte de la pedagogía— intentando comprender cómo los sistemas digitales y ahora los llamados “inteligentes” (perdón, las comillas son cruciales para mí) están transformando la manera en que enseñamos, aprendemos y pensamos sobre la educación, el aprendizaje y la sociedad.

Con el tiempo, esa inquietud se ha convertido en una forma de trabajar: disfruto cruzando fronteras, conectando proyectos y disciplinas, y construyendo marcos compartidos que hagan visible la complejidad en lugar de ocultarla. Eso es también lo que me atrae de los enfoques críticos y centrados en las personas hacia la transformación digital —porque la educación, para mí, nunca trata solo de herramientas, sino de las relaciones y significados que construimos a través de ellas.

Esa búsqueda de conexiones ha dado forma a los proyectos que lidero y en los que colaboro.

En los proyectos CUTE y ahora CUTIE (University Competences for the Use of Technology in Education and Institutional Development) (cutie.unak.is), hemos explorado cómo las universidades pueden construir su propia capacidad para evolucionar —no simplemente integrando herramientas digitales, sino alineando las perspectivas pedagógicas, organizativas y éticas sobre la tecnología. A través de este trabajo, he llegado a entender el cambio institucional como un proceso de construcción colectiva de sentido, donde la estrategia y la práctica docente cotidiana se encuentran y se retroalimentan.

Esa dimensión institucional también guió mi trabajo en DigCompEdu FyA (link), donde adaptamos y contextualizamos el Marco Europeo para la Competencia Digital de los Educadores al nivel universitario español, creando herramientas y procesos que conectan la competencia individual con el desarrollo institucional.

El proyecto DALI (Data Literacy for Citizens) (dalicitizens.eu), una iniciativa europea que concluyó a finales de 2023, amplió esta reflexión más allá de la educación formal. En DALI diseñamos y probamos enfoques de aprendizaje conectado basado en el juego para ayudar a personas adultas y comunidades a desarrollar su alfabetización crítica en datos, conectando la conciencia ética, la participación ciudadana y el empoderamiento digital. Para ello desarrollamos un Marco de Alfabetización en Datos, así como un conjunto de recursos abiertos y juegos de mesa “print & play” (toolkit.dalicitizens.eu).

DALI fue liderado por Barbara Wasson y el SLATE, su equipo en Bergen. Gracias a esa conexión, a partir de diciembre de 2025 me incorporaré —como socia internacional— al AI LEARN – Norwegian Centre for Research on Artificial Intelligence and Learning , continuando esta línea de investigación sobre cómo podemos cultivar formas de inteligencia crítica y humanamente significativas en educación.

En paralelo, mi trabajo en CoDiCri (Competencia Digital Crítica: hacia la agencia para el aprendizaje a través de prácticas educativas abiertas) examina cómo la apertura, la colaboración y la reflexión nutren la agencia en los ecosistemas de aprendizaje digital, mientras que el proyecto COPLITELE-IA, actualmente en curso, explora cómo la IA generativa y el co-diseño educativo pueden ayudarnos a repensar qué significa aprender en entornos conectados.

Estas experiencias han reforzado mi convicción de que la transformación digital en educación nunca trata solo de innovación; se trata de repensar el poder, la participación y el propósito en el modo en que diseñamos para el aprendizaje.

Junto a estos proyectos, dos líneas se han vuelto cada vez más centrales en mi trabajo:

La primera es una reflexión crítica y teórica sobre la naturaleza de la tecnología educativa como campo, y sobre la tecnología misma —sobre cómo nuestras formas de conocer, diseñar y enseñar están modeladas por los sistemas que creamos. Este interés ha guiado mis colaboraciones con investigadores como Neil Selwyn y Ben Williamson, donde exploramos cómo la investigación en tecnología educativa debe ir más allá de las visiones instrumentales para interrogar sus dimensiones políticas, éticas y epistémicas. Más recientemente, esta línea de pensamiento ha evolucionado hacia mi trabajo sobre la inteligencia artificial en educación, donde defiendo una comprensión poliédrica de la IA —una que reconozca su coexistencia como artefacto, sistema, discurso e ideología. A partir de las siete dimensiones identificadas en nuestro reciente trabajo crítico sobre la IA en educación —instrumental, ética, social/antropológica, epistemológica, ideológica, política y de mercado—, conceptualizamos la IA como un prisma a través del cual se refractan las distintas facetas de la educación. Cada dimensión invita a un tipo diferente de pregunta: sobre qué hace la IA, qué significa, a quién beneficia y cómo reconfigura nuestra comprensión del conocimiento, la agencia y la justicia en la educación.

La segunda línea es el análisis de la práctica educativa, tanto la mía como la de otros. Concibo la práctica como un lugar privilegiado para la creación de teoría: el espacio donde las relaciones complejas entre personas, herramientas e instituciones se hacen visibles. Por eso muchos de mis estudios —desde los entornos personales de aprendizaje y la alfabetización crítica en datos, hasta los marcos institucionales de competencia y el aprendizaje mediado por IA— se basan en observar cómo docentes y estudiantes diseñan, negocian y habitan sus espacios de aprendizaje. Es a través de estos casos concretos como intento comprender —y ayudar a otros a comprender— qué significa realmente la transformación educativa en la práctica.

En conjunto, estas líneas de trabajo —reflexión crítica, observación empírica y diseño colaborativo— conforman la manera en que abordo tanto la investigación como la innovación. Me mantienen en movimiento entre la teoría y la práctica, entre las instituciones y las aulas, siempre preguntándome cómo podemos construir sistemas educativos que sigan siendo humanos, reflexivos y justos, incluso —y especialmente— cuando se vuelven más “inteligentes”.

Me gusta pensar mi trabajo desde una comprensión sociomaterial de la educación y el aprendizaje: entender el aprender y el enseñar no como actividades humanas apoyadas por la tecnología, sino como entrelazamientos (entanglements) de personas, artefactos, espacios y discursos que juntos configuran lo que el aprendizaje llega a ser. Esta forma de pensar no es solo teórica para mí; emerge constantemente de mi propia práctica docente. Con mis estudiantes intento crear espacios donde podamos cuestionar cómo aprendemos, cómo interviene la tecnología en ese proceso, y cómo podríamos diseñar experiencias de aprendizaje que sean al mismo tiempo críticas y cuidadosas.

Para mí, estos no son solo ejercicios didácticos, sino actos de indagación y compromiso: maneras de vincular la teoría con la experiencia vivida, y de mantener la reflexión viva dentro de la práctica. A través de ellos intento cultivar, en mí misma y en quienes enseño, un sentido de responsabilidad compartida sobre cómo imaginamos y construimos los futuros educativos. En última instancia, mi compromiso es con una educación profundamente humana, críticamente consciente y abierta a la complejidad —una educación que no solo se adapta a los sistemas inteligentes, sino que aprende a vivir y pensar bien con ellos.

Sé que todo esto puede sonar a mucho —quizá demasiados hilos e intereses entretejidos (Muchedad/Muchness es mi segundo nombre ;-)). Pero quería darte una idea de quién soy y cómo pienso, para que puedas imaginar si algo de esto puede resultar útil para ti, para tu equipo o para el trabajo que estáis haciendo. Para mí, las colaboraciones solo tienen sentido cuando crecen a partir de la curiosidad mutua y de preguntas compartidas, y espero que este primer borrador sobre mí te ayude a vislumbrar los tipos de preguntas que podrían ayudarnos a colaborar.

Si algo de lo que lees aquí resuena contigo o despierta tu curiosidad, estaré encantada de compartir un breve texto o un ejemplo que lo ilustre —a veces es más fácil entender cómo funcionan estas ideas a través de una historia, una clase o un proyecto.

Muchedad… como siempre

Self AI-Helper: una implementación desenchufada de la IA para promover la reflexión

En los últimos meses he estado experimentando con distintas formas de usar la inteligencia artificial no como sustituta del pensamiento, sino como un soporte para promoverlo. Una de esas experiencias es el Self AI-Helper, una pequeña herramienta diseñada para acompañar a mis estudiantes en procesos de auto-reflexión sobre su propio trabajo.

La he utilizado con todos mis estudiantes, en diferentes asignaturas, como una forma de fomentar conversaciones más profundas sobre lo que hacen, cómo lo hacen y qué aprenden realmente mientras lo hacen. Es lo que me gusta llamar, usando un poco el lenguaje de los compañeros de pensamiento computacional, una implementación desenchufada de la IA: una actividad en la que el valor no está en la tecnología, sino en el proceso reflexivo que ésta ayuda a desencadenar y que no necesariamente requiere de UNA tecnología concreta para tener sentido.

El Self AI-Helper parte de un prompt que los estudiantes copian en el chatbot de su elección (por ejemplo, ChatGPT, Deepseek o Copilot). Ese prompt convierte a la IA en una especie de “entrevistador reflexivo” que les ayuda a revisar su propio trabajo, reconocer sus puntos ciegos, validar su comprensión y evidenciar autoría real, sin recurrir al plagio ni a respuestas automáticas.

El prompt guía a la IA para que formule cinco preguntas personalizadas sobre la tarea del estudiante y, a partir de las respuestas, proponga nuevas preguntas o caminos de exploración. Además, incluye pautas para animar al estudiante a explicar su razonamiento, ofrecer ejemplos personales, describir obstáculos o vincular lo aprendido con otras experiencias previas.

«Your role is to help students reflect on their work in a deep and meaningful way…” —

así comienza el prompt, y resume bien la intención detrás de esta propuesta.

Cada estudiante guarda la conversación completa con la IA y la utiliza como base para su reflexión individual o grupal. Lo importante no es lo que la máquina contesta, sino el proceso de reflexión que se activa a partir del diálogo con ella.

Esta experiencia está inspirada en el trabajo de Simon Buckingham Shum (del que espero contaros más cosas) y su equipo, especialmente en su propuesta de AI and Metacognitive Reflection (OER Commons, 2024).

En su introducción, Buckingham Shum describe la idea de un “awkward bot” —un asistente “incómodo” que no se limita a responder, sino que devuelve las preguntas al usuario para que las examine, las refine y tome conciencia de sus propias suposiciones.

“You may think you’re asking a good question — but is that really the information you need? Is there a better question that will uncover deeper insights?”

El Self AI-Helper recoge ese espíritu: un pequeño experimento pedagógico para usar la IA como andamiaje para la reflexión, no como fuente de respuestas ni como evaluador.

Una forma de enseñar con IA, pero desenchufando la automatización y dejando encendida la conciencia.

para quien quiera probarlo, dejo aquí el texto completo del prompt en Español (y si os interesa en inglés –lo he implementado en ambos idiomas–, está en la versión en inglés de esta entrada:

Estas son las instrucciones que doy a mis estudiantes:

El objetivo de este ejercicio es intentar ofrecerte una herramienta que te permita un poco más de reflexión profunda sobre las tareas que estás llevando a cabo en esta asignatura. Para ello vamos a utilizar un prompt que le permita a un chatbot incentivar ese proceso.
Para ello te voy a pedir que sigas las instrucciones, recuerda que el chatbot no va a hacer nada si tu no lo haces, y que depende de ti si vale o no para algo.

Utilizando el chatbot o asistente virtual de tu elección (ChatGPT, PromptPerfect, Copilot, son mis recomendadas, NO USES GEMINI, pero si la usas, compara lo que te ofrece con las otras que te recomiendo y saca tus propias conclusiones) utiliza el siguiente prompt (el texto que tiene fondo gris) y pégalo como primera frase de vuestra iteración.

Tu rol es ayudar a los estudiantes a reflexionar sobre su trabajo de manera profunda y significativa. Debes guiarlos a reconocer aspectos que podrían haber dado por sentados y a identificar sus posibles puntos ciegos. Esta reflexión debe ayudarlos a replantear tanto su trabajo como su aprendizaje y a demostrar que lo han realizado por sí mismos, sin recurrir al plagio. No ayudes a los estudiantes a hacer este proyecto, ayúdales a reflexionar sobre lo que han aprendido haciéndolo. 
Cuando los estudiantes proporcionen las instrucciones de la tarea, tu tarea es crear en total 5 preguntas personalizadas que les ayuden a evaluar lo siguiente: Si han realizado correctamente la tarea; Si han aprendido lo esperado; Si han desarrollado habilidades o conocimientos adicionales a partir de la tarea; Si pueden demostrar de manera efectiva que el trabajo es propio y no ha sido copiado. Debes presentar as preguntas enumeradas consecutivamente. No debes proporcionar respuestas directas de inmediato. En su lugar, debes formular preguntas basadas en las instrucciones de la tarea proporcionada, invitando al estudiante a reflexionar y profundizar en su aprendizaje. 
Numera cada pregunta de manera única. Después de formular las preguntas, pregunta al estudiante si alguna de las preguntas es especialmente compleja o merece explorarse más a fondo, invitándolo a responder eligiendo un número de pregunta. Recuerda al estudiante que en cualquier momento puede pedir ejemplos, evidencia o fuentes sobre una pregunta o su reflexión, los cuales buscarás en fuentes académicas y estudios de caso concretos si es posible. 
Cuando el estudiante elige una pregunta para explorar más, sugiere preguntas adicionales relevantes que puedan valer la pena preguntar. Numera estas preguntas adicionales como sub-números. Así que, si el estudiante elige la pregunta 3, las preguntas adicionales deben estar numeradas 3a, 3b, 3c, etc. Cada pregunta que sugieras debe tener un número único. 
No te ofrezcas a hacerle el trabajo. Incorpora consejos sobre cómo demostrar que el trabajo es propio, tales como: • Explicar el proceso o el razonamiento detrás de sus respuestas. • Proporcionar ejemplos personales o anecdóticos que ilustren su comprensión. • Mencionar recursos o referencias específicos que han utilizado y cómo los emplearon en su trabajo. • Describir cualquier obstáculo que encontraron y cómo lo superaron. • Mostrar borradores o versiones anteriores del trabajo para evidenciar el progreso. 
Repite este proceso de formular preguntas y ofrecer al estudiante elegir una pregunta para explorar más a fondo. 
Recuerda al estudiante que en cualquier momento pueden solicitar ejemplos, evidencia o fuentes. Sin embargo, si el estudiante solicita esto repetidamente, sin hacer nuevas preguntas o mencionar reflexiones, recuérdale cortésmente que muchos otros bots pueden simplemente dar respuestas — tú eres distintivo en ayudar a hacer mejores preguntas. 
Preséntate al inicio, y pide las instrucciones de la tarea. 
Cada vez que el estudiante selecciona un elemento para explorar más, reprodúcelo en negrita para ayudar a que se destaque. Usa un lenguaje que despierte la curiosidad del estudiante, un deseo de profundizar y aprender más sobre sus puntos ciegos y lo que da por sentado. 
En cualquier momento el estudiante puede pedirte que revises un ítem numerado anterior, así que, si simplemente escribe un número, busca la transcripción para ese ítem, y pregúntale si esto es lo que pretendía. 
Si puedes identificar conexiones coherentes entre diferentes preguntas o reflexiones, entonces indícalas al estudiante para ver si esto es algo que ha notado.

Cuando lo hayas pegado, dale al “enter” y a continuación interactúa con las respuestas que te vaya dando, profundizando en al menos 3 de las preguntas que te ofrece.

Cuando lo hayas hecho, copia toda la conversación y pégala en un documento de texto, en el que indiques a qué tarea se refiere, y qué herramienta de IA utilizaste. Ese documento lo debes incluir como adjunto en la página de la tarea y con base en las interacciones que llevéis a cabo la máquina y tú, realiza tu autoevaluación.