Estándares – Alfabetización en IA

Estándares de IA en Educación
Alfabetización en IA

Propósito

Declaración de propósito
Desarrollar una comprensión progresivamente más profunda de cómo funcionan los sistemas de IA, cómo pueden fallar y cómo interpretar críticamente sus resultados, para que los estudiantes (y los adultos) puedan adaptarse a medida que la tecnología evoluciona.

Franjas etarias del alumnado

EC
4–6 — conciencia mediada por el educador
LP
6–8 — conceptos fundamentales a través de ejemplos
UP
9–11 — mecanismos básicos + hábitos de evaluación
LS
12–14 — comportamiento del modelo, sesgo, incertidumbre e influencia de los datos
US
15–18 — alfabetización avanzada: limitaciones, evaluación y comprensión a nivel de gobernanza

Niveles de alfabetización

Nivel 1 — Alfabetización mínima

Conciencia + seguridad básica.

Nivel 2 — Alfabetización estándar

Interpretación cotidiana, crítica y confiada.

Nivel 3 — Alfabetización promovida

Comprensión conceptual más profunda + mentoría + participación en la innovación.

A. Estudiantes — Estándares (AIL-STU)

A0. Estándares centrales de alfabetización en IA para estudiantes (aplican a todas las edades; la profundidad varía según la franja etaria)
AIL-STU-0.1 Qué es la IA (y qué no es) — Comprensión mecanística
Estándar:
Los estudiantes comprenden, con una profundidad apropiada para su edad, que la IA generativa produce resultados identificando patrones a partir de datos de entrenamiento y prediciendo respuestas probables, no “sabiendo” ni “pensando” como un ser humano.
Indicadores observables:
  • Los estudiantes pueden explicar la IA con sus propias palabras usando un modelo apropiado para su edad (por ejemplo, “ayudante de patrones” → “sistema de predicción”).
  • Los estudiantes pueden señalar correctamente al menos una característica no humana (por ejemplo, no tiene sentimientos, no tiene intenciones, no garantiza la verdad).
AIL-STU-0.2 Por qué la IA puede equivocarse — Alucinaciones y confianza
Estándar:
Los estudiantes comprenden que la IA puede generar resultados plausibles pero falsos (“alucinaciones”) y que un tono seguro no es evidencia de exactitud.
Indicadores observables:
  • Los estudiantes pueden identificar ejemplos de resultados plausibles pero erróneos en tareas guiadas.
  • Los estudiantes utilizan al menos una estrategia para poner a prueba la confiabilidad (verificar fuentes, comparar explicaciones, pedir evidencia).
AIL-STU-0.3 Los datos moldean los resultados — Sesgo, representación y perspectiva
Estándar:
Los estudiantes comprenden que los resultados de la IA reflejan patrones presentes en los datos y pueden reproducir sesgos, estereotipos o perspectivas ausentes.
Indicadores observables:
  • Los estudiantes pueden describir (de manera apropiada para su edad) cómo “aquello de lo que aprendió” afecta los resultados.
  • Los estudiantes pueden detectar y criticar al menos un encuadre sesgado en un ejemplo dado.
AIL-STU-0.4 El prompting como orientación del sistema (entradas → salidas)
Estándar:
Los estudiantes comprenden que los prompts no son “preguntas a una mente”, sino instrucciones y restricciones que moldean el resultado, y pueden ajustarlos para mejorar la claridad, la pertinencia y la seguridad.
Indicadores observables:
  • Los estudiantes pueden mostrar cómo cambiar las restricciones modifica los resultados (longitud, tono, evidencia, pasos).
  • Los estudiantes utilizan marcos de prompting apropiados para su edad (inicios de oración → componentes estructurados del prompt).
AIL-STU-0.5 Interpretación crítica de resultados (calibración de la confianza)
Estándar:
Los estudiantes aprenden a calibrar la confianza: cuándo es probable que la IA sea útil (explicaciones, borradores, práctica) frente a cuándo es riesgosa (hechos, temas sensibles, decisiones de alto impacto).
Indicadores observables:
  • Los estudiantes pueden clasificar tareas en “bajo riesgo / riesgo medio / alto riesgo” con sus razones.
  • Los estudiantes pueden explicar cuándo se requiere un experto humano o una fuente primaria.
EC (4–6) — conciencia mediada por el educador
EC — Nivel 1: Alfabetización mínima
Estándar:
Los niños comprenden la IA como una “herramienta informática para hablar” que puede ayudar a crear historias o ideas, pero que puede equivocarse.
Indicadores observables:
  • Los niños pueden decir: “Las computadoras pueden equivocarse; lo verificamos con un adulto”.
  • Los docentes modelan la verificación y la elección conjunta de la mejor idea.
EC — Nivel 2: Alfabetización estándar
Estándar:
Los niños experimentan la idea de que la IA “adivina” mediante patrones (a través del juego) y practican un sentido común sencillo (“¿Eso suena correcto?”).
Indicadores observables:
  • Los niños pueden elegir entre una respuesta “tonta/equivocada” y una que “tiene sentido” en una actividad guiada.
  • Los niños pueden sugerir una corrección o una alternativa.
EC — Nivel 3: Alfabetización promovida
Estándar:
Los niños practican hábitos críticos iniciales: notar cuando algo es poco amable o falso y pedir ayuda a los adultos para corregirlo.
Indicadores observables:
  • Los acuerdos del aula incluyen “amable + verdadero + útil” como filtro.
  • Los niños demuestran que se detienen y piden ayuda cuando no están seguros.
LP (6–8) — conceptos fundamentales a través de ejemplos
LP — Nivel 1: Alfabetización mínima
Estándar:
Los estudiantes pueden explicar que la IA es una herramienta que produce respuestas “adivinando qué palabras vienen después” y que puede equivocarse.
Indicadores observables:
  • Los estudiantes pueden repetir una explicación sencilla del mecanismo (“predice”).
  • Los estudiantes pueden identificar una situación en la que hay que “verificar antes de creer”.
LP — Nivel 2: Alfabetización estándar
Estándar:
Los estudiantes pueden demostrar que los prompts orientan los resultados y que la IA puede confundir hechos y ficción; practican distinguir entre “creativo” y “verdadero”.
Indicadores observables:
  • Los estudiantes ajustan un prompt para obtener un resultado más claro (más corto, más simple, paso a paso).
  • Los estudiantes etiquetan resultados como “idea/historia” frente a “dato que hay que verificar”.
LP — Nivel 3: Alfabetización promovida
Estándar:
Los estudiantes comienzan a conversar sobre justicia y representación (“¿Está siendo injusta con alguien?”) usando ejemplos sencillos y diálogo guiado.
Indicadores observables:
  • Los estudiantes pueden señalar un estereotipo en un ejemplo proporcionado por el docente.
  • Los estudiantes sugieren alternativas más amables o más justas.
UP (9–11) — mecanismos básicos + hábitos de evaluación
UP — Nivel 1: Alfabetización mínima
Estándar:
Los estudiantes comprenden la IA como una predicción basada en patrones, entrenada con grandes cantidades de texto/imágenes, y pueden describir al menos dos modos de falla (alucinación, sesgo).
Indicadores observables:
  • Los estudiantes pueden definir la alucinación con sus propias palabras.
  • Los estudiantes pueden explicar por qué puede surgir el sesgo (“aprendió de ejemplos sesgados”).
UP — Nivel 2: Alfabetización estándar
Estándar:
Los estudiantes practican la “calibración de la confianza”: saben cuándo la IA es útil (explicaciones, práctica) frente a cuándo es poco fiable (hechos sin fuentes) y aplican rutinas básicas de verificación.
Indicadores observables:
  • Los estudiantes utilizan una lista sencilla de confiabilidad (por ejemplo, “¿evidencia? ¿fuente? ¿corroboración?”).
  • Los estudiantes pueden justificar por qué aceptaron o rechazaron un resultado.
UP — Nivel 3: Alfabetización promovida
Estándar:
Los estudiantes aprenden que los modelos cambian con el tiempo, que los resultados pueden variar, y que pueden comparar respuestas entre distintos prompts o herramientas para detectar inconsistencias.
Indicadores observables:
  • Los estudiantes pueden realizar una comparación controlada (misma tarea, distintas restricciones del prompt) e informar las diferencias.
  • Los estudiantes mantienen una breve reflexión sobre “qué cambió y por qué”.
LS (12–14) — comportamiento del modelo, incertidumbre, influencia de los datos
LS — Nivel 1: Alfabetización mínima
Estándar:
Los estudiantes comprenden que la IA no “sabe”, sino que produce resultados probables; pueden identificar razonamientos débiles y solicitar aclaraciones o evidencia.
Indicadores observables:
  • Los estudiantes anotan un resultado: afirmaciones, supuestos y evidencia faltante.
  • Los estudiantes pueden reformular un prompt para exigir pasos de razonamiento o citas.
LS — Nivel 2: Alfabetización estándar
Estándar:
Los estudiantes comprenden conceptos clave del sistema en un nivel básico: influencia de los datos de entrenamiento, probabilidad, incertidumbre y cómo los resultados pueden verse moldeados por el encuadre del prompt.
Indicadores observables:
  • Los estudiantes pueden explicar por qué distintos prompts pueden producir respuestas diferentes.
  • Los estudiantes etiquetan rutinariamente la incertidumbre y verifican afirmaciones de alto impacto.
LS — Nivel 3: Alfabetización promovida
Estándar:
Los estudiantes evalúan la IA como “consumidores”: prueban su confiabilidad, equidad y utilidad mediante métodos sencillos de evaluación y comparten sus hallazgos con sus pares.
Indicadores observables:
  • Los estudiantes usan una rúbrica de clase para evaluar resultados (exactitud, sesgo, claridad, evidencia).
  • Los estudiantes presentan a sus compañeros “lecciones aprendidas sobre la confiabilidad de la IA”.
US (15–18) — consumo crítico avanzado + preparación para la evolución tecnológica
US — Nivel 1: Alfabetización mínima
Estándar:
Los estudiantes demuestran una comprensión disciplinada de los mecanismos y limitaciones, incluyendo el riesgo de alucinación, el riesgo de sesgo y las diferencias de confiabilidad según el dominio.
Indicadores observables:
  • Los estudiantes pueden explicar por qué algunos ámbitos son más riesgosos (medicina, derecho, identidad, noticias).
  • Los estudiantes pueden justificar una estrategia de verificación adecuada para el ámbito.
US — Nivel 2: Alfabetización estándar
Estándar:
Los estudiantes comprenden conceptos más avanzados: actualizaciones del modelo, métricas de evaluación (a un nivel conceptual simple) y por qué la transparencia y la gobernanza importan.
Indicadores observables:
  • Los estudiantes pueden explicar por qué “un modelo nuevo ≠ automáticamente mejor para todas las tareas”.
  • Los estudiantes pueden criticar un resultado del modelo utilizando una rúbrica de evaluación y evidencia.
US — Nivel 3: Alfabetización promovida
Estándar:
Los estudiantes contribuyen a la cultura escolar de alfabetización en IA mediante mentoría, creación de guías o participación en proyectos de innovación responsable que documenten limitaciones y resguardos.
Indicadores observables:
  • Existen guías/recursos creados por estudiantes (prompting, verificación, detección de sesgos).
  • Los portafolios de proyectos o trabajos finales incluyen secciones sobre “limitaciones + validación + juicio humano”.

B. Familias — Estándares (AIL-FAM)

AIL-FAM-1.1 Comprender qué es la IA y qué no es
Estándar:
Las familias comprenden, en lenguaje claro, cómo la IA generativa produce resultados (predicción basada en patrones) y por qué puede equivocarse o estar sesgada.
Indicadores observables:
  • Existe un recurso explicativo para familias (guía breve/video).
  • Las familias pueden señalar al menos dos limitaciones (alucinaciones, sesgo, tono persuasivo).
AIL-FAM-2.1 Apoyar el consumo crítico en el hogar
Estándar:
Las familias apoyan a los niños reforzando la comprensión de “cómo funciona la IA”: verificar afirmaciones, evitar la sobreconfianza y usar la IA como apoyo para aprender, no como externalización de respuestas.
Indicadores observables:
  • Las familias usan preguntas de conversación centradas en el mecanismo y la confiabilidad (“¿Cómo lo sabes?”, “¿Qué verificarías?”, “¿Por qué podría estar mal?”).
  • Los estudiantes demuestran hábitos de verificación consistentes, apoyados desde el hogar.
AIL-FAM-3.1 Alianza como coeducadores ante una tecnología en evolución
Estándar:
Las familias participan como coeducadoras involucrándose en las actualizaciones escolares sobre alfabetización en IA y reforzando orientaciones que evolucionan a medida que cambian las herramientas.
Indicadores observables:
  • Participación en talleres/actualizaciones; existen circuitos de retroalimentación.
  • Los acuerdos del hogar, creados o co-creados por las familias, se alinean con las franjas etarias y se actualizan con el tiempo.

C. Personal escolar — Estándares (AIL-PER)

AIL-PER-1.1 Comprensión central del personal sobre los mecanismos de IA y sus modos de falla
Estándar:
Todo el personal comprende cómo la IA genera resultados, sus limitaciones clave (alucinación, sesgo) y por qué se requiere juicio profesional y verificación.
Indicadores observables:
  • Finalización de la formación básica.
  • El personal puede identificar modos de falla comunes relevantes para su rol.
AIL-PER-2.1 Interpretar críticamente los resultados en el trabajo cotidiano
Estándar:
El personal evalúa de manera rutinaria los resultados de la IA en términos de exactitud, tono, inclusión y evidencia antes de utilizarlos en la enseñanza, la comunicación o las operaciones.
Indicadores observables:
  • Existen listas de verificación para los flujos de trabajo y se utilizan.
  • El muestreo muestra que los resultados fueron editados y verificados, especialmente en contextos sensibles.
AIL-PER-3.1 Referentes y líderes en IA construyen una capacidad “preparada para la evolución”
Estándar:
La escuela mantiene referentes/líderes en IA con una experiencia más profunda en evaluación de herramientas, limitaciones de los modelos, evaluación de riesgos y acompañamiento del personal, actualizando las prácticas a medida que evolucionan las herramientas.
Indicadores observables:
  • Roles de referentes definidos + recursos (horarios de consulta, banco de ejemplos, actualizaciones de formación).
  • Actualizaciones regulares de las orientaciones basadas en nuevas herramientas, incidentes o riesgos emergentes.