ISBN
979-13-88142-96-3
Fecha de publicación
29-04-2026
Licencia
D. R. © copyright 2026
Todos los contenidos de esta obra se comparten bajo la licencia Creative Commons Atribución/Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0). Esto implica que no está autorizado el uso comercial de la obra original ni de las eventuales obras derivadas, las cuales deberán distribuirse bajo la misma licencia que rige la obra original. No obstante, se permite a terceros compartir el contenido siempre y cuando se reconozca debidamente la autoría y la publicación original en esta editorial.
Héctor Pérez Larrañaga
TECNOLÓGICO NACIONAL DE MÉXICO/INSTITUTO TECNOLÓGICO DE OAXACA
0000-0003-0571-0354
Maricela Castillo Leal
TECNOLÓGICO NACIONAL DE MÉXICO/INSTITUTO TECNOLÓGICO DE OAXACA
0000-0002-3281-4135
Froylán Flores Aragón
TECNOLÓGICO NACIONAL DE MÉXICO/INSTITUTO TECNOLÓGICO DE OAXACA
0009-0007-1407-4341
Moisés Martínez López
TECNOLÓGICO NACIONAL DE MÉXICO/INSTITUTO TECNOLÓGICO DE OAXACA
Acerca de
La rápida incorporación de la inteligencia artificial generativa (IAG) en educación, para elaborar materiales, tutorías, retroalimentación y producción de textos, ofrece oportunidades pedagógicas, pero también riesgos: dependencia, aprendizaje superficial, desigualdades por acceso y nuevas formas de vigilancia. En México, su integración debe analizarse desde la Nueva Escuela Mexicana (NEM), cuyo enfoque humanista y comunitario exige que la tecnología se subordine a fines formativos y no se convierta en el centro del proyecto educativo. Por ello, el problema no es si la IAG “sirve”, sino bajo qué condiciones pedagógicas, éticas y cognitivas su uso resulta coherente con una educación inclusiva, crítica y situada. El capítulo presenta una revisión teórica integrativa organizada en cuatro ejes: NEM y humanismo; potencial y límites de la IAG; mediación neurodidáctica (atención, autorregulación, metacognición y dimensión socioemocional); y aprendizaje situado (sentido, contexto e identidad). Se concluye que la IAG es defendible cuando opera como mediación que fortalece procesos de aprendizaje sin sustituirlos: apoya al docente en planeación y evaluación formativa, y al estudiante en aprendizaje autorregulado, mediante tareas que exijan explicación, contraste y justificación. Finalmente, se propone el modelo NEM–Neuro–IAG–Criterios de uso responsable, con énfasis en formación docente, transparencia, privacidad, límites de uso y acompañamiento humano.
Referencias
Arstorp, A.-T., y Lund, A. (2025). An ontological turn: Being and becoming with digital technologies in education. Cogent Education, 12(1), 2572384. https://doi.org/10.1080/2331186X.2025.2572384
Bártoli Güipe, J. F. (2023). Enfoque neurodidáctico transformador, para mejorar la flexibilidad cognitiva en alumnos con necesidades especiales. Revista Investigación, Transcomplejidad y Ciencia, 4(2), 2–18. https://revistasuba.com/index.php/INVESTI GACIONTRANSCOMPLEJIDADYCI/article/view/677
Bautista-López, R. (2025). Inteligencia artificial en la planeación didáctica: Una nueva herramienta para los docentes. Revista Mexicana de Investigación e Intervención Educativa, 4(3), 209–215.
Brown, M. F. (2018). Musings on comparative directions for situated cognition. Comparative Cognition & Behavior Reviews, 13, 21–24. https://doi.org/10.3819/CCBR.2018.130002
Cuevas Gómez, M. E. (2024, 1 de julio). La inminente transformación educativa ante la inteligencia artificial: Entrevista con Alberto Ramírez Martinell. Emerging Trends in Education, 7(13), 143–146.
Figueroa Molina, R., Bernal Martínez, M., y Thorné Torné, R. (2021). La neurodidáctica como elemento primordial en la formación inclusiva docente. Revista Boletín Redipe, 10(11), 126–144. https://revista.redipe.org/index.php/1/article/view/ 1522/1434
Kong, S.-C., y Yang, Y. (2024). A human-centered learning and teaching framework using generative artificial intelligence for self-regulated learning development through domain knowledge learning in K–12 settings. IEEE Transactions on Learning Technologies, 17, 1562–1573. https://doi.org/10.1109/TLT.2024.3392830
Lavoie, E. B., Bertrand, J. K., Sawalha, J., Stone, S. A., Wispinski, N. J., y Chapman, C. S. (2018). Examining the “species” of situated cognition in humans. Comparative Cognition & Behavior Reviews, 13, 31–34. https://doi.org/10.3819/CCBR.2018.130004
Liu, X., y Zhong, B. (2025). Integrating generative artificial intelligence into student learning: A systematic review from a TPACK perspective. Educational Research Review, 49, 100741. https://doi.org/10.1016/j.edurev.2025.100741
Madrigal Segura, R. (2020). El currículum y la innovación educativa: Primeras notas sobre la Nueva Escuela Mexicana. Revista RedCA, 2(7), 43–53.
Martínez Flores, J. (2023). La nueva escuela mexicana con enfoque humanista: Una mirada analítica. Revista ISCEEM, 1(2), 19–28.
Martínez García, B. (2023). La Nueva Escuela Mexicana y la contingente evolución del sistema educativo. Revista ISCEEM, 1(32), 43–58. https://doi.org/10.22136/isceem21202295
Rodríguez Bazarte, E. S. (2024). La cultura digital dentro de la Nueva Escuela Mexicana. Espirales Educativas, (16), 21–25.
Ventura Álvarez, F. (2023). Las implicaciones de la Nueva Escuela Mexicana en el proceso pedagógico. Revista Boletín Redipe, 12(8), 161–174.
Vázquez-Bautista, O. (2025). Inteligencia artificial, emociones y su rol en la Nueva Escuela Mexicana. Con-Ciencia Boletín Científico de la Escuela Preparatoria No. 3, 12(23), 10–12. https://doi.org/10.29057/prepa3.v12i23.14049