Porque la competencia digital ya no termina en usar tecnología.
Tres razones para leer un texto que desplaza la discusión desde las herramientas hacia el criterio, la creación y la autonomía tecnológica del docente.
Descubre el vacío que los marcos no están mirando
DigCompEdu, UNESCO y los marcos latinoamericanos avanzan en competencia digital, pero crear suele reducirse a producir recursos. El artículo muestra lo que todavía no se operacionaliza: detectar, prototipar, iterar, validar y decidir si una tecnología debe construirse, adaptarse, adoptarse o descartarse.
Convierte EdTech en una capacidad docente observable
No propone sumar otra herramienta al repertorio. Formula la capacidad EdTech situada: detectar un problema real, construir la solución mínima, probarla con estudiantes y validarla mediante evidencia decisional. La pregunta deja de ser «¿qué tecnología uso?» y pasa a ser «¿qué necesita realmente este contexto?».
Redefine la autonomía docente frente a la IA
Cuando la IA reduce la barrera para crear, el desafío se desplaza hacia el criterio, la validación y la gobernanza. El artículo organiza esa autonomía en cinco niveles: adoptar, adaptar, mediar, producir y gobernar. El docente deja de ser solamente usuario de tecnología para poder decidir también sobre ella.
Si un docente ya puede crear la tecnología que necesita, ¿seguir sabiendo usar herramientas es suficiente?
Resumen
Los marcos de competencia digital docente de América Latina convergen con referentes supranacionales, en particular DigCompEdu y los marcos de la UNESCO, con adecuaciones que reducen la capacidad de crear a la producción de recursos digitales. Este artículo sostiene que, cuando la inteligencia artificial generativa permite a docentes y estudiantes construir sus propias aplicaciones, la capacidad EdTech deja de ser un rasgo de las empresas y pasa a integrar la definición del docente catalítico. Mediante un análisis documental comparativo de marcos y guías oficiales de siete países, contrastados con DigCompEdu y el marco UNESCO de IA para docentes, se muestra que ninguno operacionaliza el ciclo de detectar, prototipar, iterar, validar y decidir entre construir, adaptar, adoptar o descartar. Se propone la capacidad EdTech situada, un constructo con genealogía latinoamericana (Freire, Martín-Barbero, Fals Borda, Sábato y Dagnino) que entiende EdTech como lógica ágil pedagógico-andragógica, valida con evidencia decisional, se organiza en cinco niveles de autonomía tecnológica docente e incorpora criterios de gobernanza. Se discuten tensiones (sobrecarga, desigualdad, dependencia de plataformas, datos de estudiantes) y se formulan proposiciones para su validación.
Palabras clave: docente catalítico; capacidad EdTech; competencia digital docente; DigCompEdu; inteligencia artificial generativa; América Latina; evidencia decisional
1. Introducción
La capacidad de crear tecnología educativa ya no depende de equipos técnicos. Con inteligencia artificial generativa, un docente puede producir una aplicación propia para un problema de su aula, y un estudiante puede construir la herramienta que necesita para aprender. Ese desplazamiento cambia la pregunta profesional: durante décadas la tarea docente frente a la tecnología fue elegir entre lo que el mercado ofrecía, y hoy es posible también decidir qué construir, qué adaptar, qué adoptar y qué descartar (González Grez, 2026a).
Los marcos de competencia digital docente no han acompañado ese desplazamiento. En América Latina, tanto la investigación como buena parte de los marcos nacionales se apoyan en referentes europeos, en especial DigCompEdu (Cabero-Almenara et al., 2023; Lázaro-Guillermo et al., 2026), y en los marcos de la UNESCO, que el propio organismo ofrece como referencia global para orientar marcos nacionales (Miao y Cukurova, 2025). La evidencia sobre la formación sugiere que la creación es justamente el nivel más débil: un estudio descriptivo con 252 estudiantes de formación docente halló ese patrón pese al uso frecuente de herramientas de IA (Oktaviani et al., 2026).
El artículo parte además de una observación situada. En la mentoría de iniciativas EdTech y de innovación educativa en el IFE Living Lab del Tecnológico de Monterrey se observa una tendencia: docentes que dejan de esperar la herramienta perfecta y empiezan a construirla. No es una tendencia hacia una región llena de startups, sino hacia docentes creadores de las experiencias de aprendizaje de sus estudiantes, que es una figura distinta y más potente.
Se abordan tres preguntas. Primera, ¿qué relación guardan los marcos latinoamericanos de competencia digital e IA docente con DigCompEdu y con los marcos UNESCO? Segunda, ¿operacionalizan la capacidad de crear y validar herramientas propias? Tercera, ¿qué constructo, con genealogía latinoamericana, permitiría llenar ese vacío dentro del perfil del docente catalítico?
El aporte es triple: un mapa comparativo sintético de la convergencia y sus adecuaciones, el constructo de capacidad EdTech situada con sus niveles y su evidencia decisional, y un conjunto de proposiciones para validarlo. El texto continúa y explicita un trabajo previo que propuso la función de mediador tecnológico en la formación inicial docente (González Grez, 2026a). Aquí esa función se convierte en dimensión del perfil y se somete a contraste con los marcos vigentes.
Frente a un problema específico en tu aula, ¿cómo actúas ante la tecnología?
Porque la competencia digital ya no termina en usar tecnología.
Tres razones para leer un texto que desplaza la discusión desde las herramientas hacia el criterio, la creación y la autonomía tecnológica del docente.
Selecciona cada tarjeta para profundizar en los hallazgos de la investigación.
1 Descubre el vacío que los marcos no están mirando
DigCompEdu, UNESCO y los marcos latinoamericanos avanzan en competencia digital, pero crear suele reducirse a producir recursos.
2 Convierte EdTech en una capacidad docente observable
No propone sumar otra herramienta al repertorio. Formula la capacidad EdTech situada: detectar un problema real, construir una solución mínima, probarla y validarla.
3 Redefine la autonomía docente frente a la IA
Cuando la IA reduce la barrera para crear, el desafío se desplaza hacia el criterio, la validación y la gobernanza.
Si un docente ya puede crear la tecnología que necesita, ¿seguir sabiendo usar herramientas es suficiente?
2. Marco conceptual
2.1. El docente catalítico
En el marco de la Teoría de Metacatálisis y del modelo SEED (Ulloa, 2026; González Grez, 2025a), el docente catalítico no es un transmisor de contenidos ni un facilitador que elimina toda fricción, sino un agente que genera las condiciones para que el estudiante protagonice su propia transformación (González Grez, 2026a). Generar condiciones supone, muchas veces, disponer de mediaciones que el mercado no ofrece con la pertinencia que el contexto exige. Allí se sitúa la capacidad EdTech.
2.2. EdTech como lógica ágil, no como empresa
Se entiende aquí por EdTech la suma de una lógica ágil de producto y una finalidad educativa. No designa una industria ni un modelo de negocio. De la lógica ágil se toman el descubrimiento del problema, la solución mínima, la prueba con usuarios, la medición y el pivote. De la finalidad educativa se toma el criterio: una solución se sostiene si sirve para que las personas aprendan bien, y se descarta si no.
La suma no es aditiva. La educación transforma la lógica ágil en tres puntos. El usuario es una persona en formación, no un cliente. La validación se hace con evidencia decisional, esto es, con las decisiones que la persona toma ante situaciones nuevas (González Grez, 2025b), y no con métricas de uso o retención, un giro coherente con la pérdida de legitimidad de las tareas que un chatbot resuelve igual que un estudiante (Farazouli et al., 2023). Y descartar puede significar concluir que no hace falta tecnología.
Estas metodologías ya entran a la formación docente. Hay evidencia de docentes formados en design thinking con prototipado y prueba (Erdem, 2025) y propuestas de integrar lean startup y design thinking en ciclos de construir, medir y aprender (Sreenivasan y Suresh, 2024). La contribución de este artículo es situarlas como capacidad profesional del docente catalítico y no como técnica ocasional.
2.3. De la función de mediador a la capacidad EdTech
La tradición iberoamericana ya pensó al docente como mediador tecnológico, es decir, como función situada entre el estudiante y el artefacto cultural que media su aprendizaje (Fuentes Leiva, 2019; Ligarretto Feo, 2021). Esa función es la semilla. La capacidad EdTech es su capa operativa: especifica qué sabe hacer el docente cuando la mediación disponible no basta.
No propone una identidad nueva que reemplace la anterior, sino una dimensión del perfil que se activa cuando el problema lo pide y se desactiva cuando no. Para operarla existen dos instrumentos propios, el EdTech Model Canvas y el Canvas de experiencias de aprendizaje situadas (González Grez, 2026b, 2026c).
Reconfigurando el rol docente
Explora tres desplazamientos conceptuales: quién es el docente, cómo se traduce la lógica ágil a educación y cuándo se activa la capacidad EdTech.
¿Cuál es tu postura principal en el aula?
Selecciona una posición y observa qué cambia.
De Startup a Aula
La lógica ágil cambia cuando su finalidad deja de ser comercial y pasa a ser educativa.
Selecciona un concepto
Observa cómo cambia su significado cuando el criterio central es el aprendizaje.
Activando la capa operativa
La capacidad EdTech no sustituye la mediación: amplía lo que el docente puede decidir.
Mediador tecnológico
Situado entre el estudiante y el artefacto cultural disponible.
Capa operativa
No reemplaza al mediador. Se activa cuando la solución disponible no responde con suficiente pertinencia al problema educativo.
Del uso a la decisión
Piensa en la última vez que una herramienta tecnológica no funcionó como esperabas en una experiencia de aprendizaje.
¿Intentarías forzar la herramienta existente, la descartarías o crearías un prototipo mínimo para ese contexto?
3. Método
Se realizó un análisis documental comparativo, de naturaleza cualitativa, sobre marcos y guías de competencia digital y de IA para docentes. El corpus es intencionado y no exhaustivo. Incluye referentes supranacionales (DigCompEdu, el marco UNESCO de competencias TIC de 2018 y el marco UNESCO de IA para docentes) y marcos o guías oficiales de siete países latinoamericanos: Chile, Colombia, Costa Rica, México, Perú, Argentina y Brasil. Se suman una propuesta regional de IA (Scoppetta, 2026) y el Modelo Latinoamericano de Progresión, coautoría del autor, tratado con el mismo criterio que los demás (Ramírez-Martinell y González Grez, 2026).
Cada marco se codificó según tres categorías. La primera es su relación con DigCompEdu: derivación declarada, convergencia por linaje o desarrollo propio. La segunda es el sentido de «crear» y la presencia, ausencia o presencia parcial del ciclo detectar, prototipar, iterar, validar, decidir entre construir, adaptar o adoptar, y descartar. La tercera es la incorporación de condiciones contextuales de la región: infraestructura, conectividad, desigualdad, lengua, formación inicial, ética de datos e IA.
Cinco marcos se codificaron sobre el texto oficial: DigCompEdu, el marco UNESCO de IA para docentes, el marco orientador chileno de 2025, el informe del Ministerio de Educación Pública de Costa Rica y la normativa peruana de formación docente. Los demás, entre ellos el marco chileno de 2011, el colombiano de 2013, Saberes Digitales, el marco UNESCO de 2018 (UNESCO, 2018), el CIEB de Brasil y la guía argentina (Ministerio de Capital Humano, 2025), se codificaron con verificación primaria parcial, de modo que sus resultados son provisionales. La codificación la realizó un solo investigador; una versión definitiva requiere doble codificación con cálculo de acuerdo entre codificadores.
Posición del autor. El autor es mentor de iniciativas EdTech y de innovación educativa en el IFE Living Lab del Tecnológico de Monterrey. La tendencia que motiva el artículo se observó en esa práctica y se declara como observación situada. No se presentan aquí datos sistematizados de esos casos, cuya documentación se propone como agenda (sección 8).
Consola de análisis cualitativo
STATUS: ESPERANDO INVESTIGADOR
Para entender cómo los marcos actuales limitan a los docentes, el autor realizó un análisis documental comparativo. Asume el rol del investigador y replica el método paso a paso para revelar los hallazgos.
Conformación del corpus
Selecciona al menos 3 expedientes para habilitar el análisis.
>> INSTRUCCIÓN: extrae al menos 3 de los 5 expedientes documentales.
Decodificando el verbo «crear»
La mayoría de los marcos reducen «crear» a producir recursos digitales. Activa los seis elementos del ciclo.
¡Definición actualizada!
Has revelado el vacío en la investigación: los marcos actuales no operacionalizan este ciclo completo, dejando a los docentes como creadores de contenido y no necesariamente como creadores de soluciones.
Contexto y posición situada
El análisis no termina en el marco: también pregunta qué condiciones y qué posición intervienen en la lectura.
> CATEGORÍA 3: VARIABLES LATAM
La investigación cualitativa exige revisar si los marcos integran las condiciones concretas de la región:
> BITÁCORA DE TRANSPARENCIA
“La tendencia de docentes creadores no es una abstracción. Se observó directamente...”
Práctica Mentora en el IFE Living Lab (Tec de Monterrey)Conclusión del laboratorio
El método revela un vacío: los marcos oficiales enfatizan el uso y la creación de recursos, mientras el ciclo completo de innovación y las condiciones latinoamericanas permanecen insuficientemente operacionalizados.
4. Resultados: convergencia con adecuaciones y un vacío
Los marcos revisados convergen con DigCompEdu y con los marcos UNESCO por tres vías, y ninguno operacionaliza el ciclo de creación y validación de herramientas propias. La Tabla 1 sintetiza el hallazgo.
Tabla 1. Relación de los marcos con DigCompEdu y tratamiento de la capacidad de crear
Todos hablan de crear. Pero el ciclo sigue incompleto.
Comparación del tratamiento de la creación tecnológica en marcos de competencia digital e inteligencia artificial para docentes. El contraste permite observar no solo qué entienden por «crear», sino hasta dónde llega realmente la autonomía tecnológica docente.
| Marco | Relación con DigCompEdu | Sentido de «crear» | Ciclo detectar a descartar |
|---|---|---|---|
|
DigCompEdu (Redecker, 2017) |
REFERENCIA
Referencia |
Crear y modificar recursos; aplicaciones propias solo en el nivel C2 | Parcial: sin descarte ni decisión de construir o adoptar |
|
UNESCO, IA para docentes (Miao y Cukurova, 2025) |
SUPRANACIONAL
Referencia supranacional para IA |
Configurar y probar herramientas de IA propias (nivel Crear) | Parcial: sin descarte ni pivote |
|
Chile 2025 (Mineduc, 2025) |
DERIVACIÓN
Derivación declarada |
Adaptar y crear recursos digitales | Ausente |
|
Costa Rica 2026 (MEP) |
DERIVACIÓN
Derivación estructural: 6 áreas, 22 competencias |
Recursos | Ausente |
|
Chile 2011 y Colombia 2013 |
CONVERGENCIA
Convergencia previa, vía estándares UNESCO |
Colombia: soluciones a problemas del contexto en el nivel innovador | Parcial en Colombia; por verificar en Chile 2011 |
|
México Saberes Digitales |
DESARROLLO PROPIO
Desarrollo propio, instrumental |
Manejo y creación de contenidos | Ausente Por verificar en fuente primaria |
|
Perú competencia 11 de formación inicial |
DESARROLLO PROPIO
Desarrollo propio, sociocultural |
Creatividad y emprendimiento digital en la comunidad | Ausente |
|
Marco regional de IA (Scoppetta, 2026) |
UNESCO
Fundamentado en UNESCO |
Apropiación y creación de modelos abiertos, a escala de sistema | Ausente |
La creación aparece. La capacidad de decidir sobre lo creado, no. Ninguno de los marcos operacionaliza completamente el tránsito desde detectar un problema hasta validar, adaptar, adoptar, construir o descartar una solución.
Tres vías de convergencia. La primera es la derivación declarada: el marco orientador chileno de 2025 usa DigCompEdu como insumo principal, junto con el Marco para la Buena Enseñanza, y se organiza en tres dimensiones y 19 competencias (Mineduc, 2025). Costa Rica reproduce el número de áreas y de competencias de DigCompEdu, seis y 22 (Ministerio de Educación Pública de Costa Rica, 2026). La segunda es la convergencia por linaje: los marcos de Chile de 2011 y de Colombia de 2013 son anteriores a DigCompEdu, publicado en 2017, de modo que su parecido proviene de estándares previos de la UNESCO (Mineduc-Enlaces, 2011; Ministerio de Educación Nacional de Colombia, 2013). La tercera es el desarrollo propio, de orientación instrumental o sociocultural, como Saberes Digitales en México (Ramírez-Martinell y Casillas, 2017) y la competencia 11 de la formación inicial peruana, retomada por la RVM 035-2025 (Ministerio de Educación del Perú, 2025). Afirmar que la mayoría deriva de DigCompEdu sería impreciso. Lo exacto es que los marcos más recientes convergen cada vez más hacia él.
La investigación muestra un patrón semejante. Un estudio comparativo con 6.664 docentes de universidades latinoamericanas se apoyó en DigCompEdu (Cabero-Almenara et al., 2023). Dos revisiones recientes registran la presencia de DigCompEdu y otros marcos europeos, y en una de ellas nueve estudios usaron métricas propias sin validación ecológica (Guerrero Alberca, 2026; Lázaro-Guillermo et al., 2026). Ambas provienen de revistas de menor exigencia y se leen como corroboración.
«Crear» se domestica en la traducción. Los marcos supranacionales sitúan la creación de herramientas en sus niveles superiores. DigCompEdu la ubica en el nivel C2, donde el docente crea aplicaciones propias para sus objetivos educativos (Redecker, 2017). El marco UNESCO de IA incluye una competencia de creación con IA que pide personalizar, ensamblar y probar herramientas propias (Miao y Cukurova, 2025). En las adecuaciones regionales, en cambio, «crear» se reduce a recursos: el marco chileno de 2025 distingue herramientas de recursos y aplica la creación a estos últimos (Mineduc, 2025). Se traduce la estructura y se pierde la ambición productiva.
El ciclo no aparece. Ningún marco convierte en competencia el descarte ni la decisión de construir, adaptar o adoptar. La validación existe como análisis de evidencia de aprendizaje, no como validación de la herramienta. La UNESCO es la que más se aproxima, al pedir criterios de prueba para una herramienta de IA autocreada, pero sin descarte ni pivote (Miao y Cukurova, 2025). Las propuestas regionales de IA más recientes avanzan hacia la soberanía tecnológica, pero a escala de sistema y no de práctica docente (Scoppetta, 2026).
El contexto está en el diagnóstico, no en la competencia. Costa Rica mide condiciones habilitadoras: la conectividad de alta velocidad del profesorado se sitúa entre 33,0 % y 53,3 % (Ministerio de Educación Pública de Costa Rica, 2026). Una revisión de alcance sobre competencias emergentes para IA generativa en América Latina registra la adaptación creativa a infraestructuras limitadas (Betti Galasso, 2026), una competencia contextual que los marcos globales no recogen.
La convergencia es real y explicable. Lo que falta no es un marco más, sino un constructo que trate la creación y la validación como capacidad docente situada.
5. Un constructo latinoamericano: la capacidad EdTech situada
5.1. De adecuar el marco a adecuar la tecnología
La región ha practicado la adecuación de referentes: traducir, contextualizar y ajustar marcos concebidos en otro lugar. La tradición latinoamericana ofrece otra idea de adecuación, la de la tecnología. Cuatro líneas sostienen el constructo.
Freire (2005) concibe el conocimiento como producción situada y a la persona educadora como sujeto y no como ejecutora de saberes ajenos, lo que fundamenta la autonomía docente frente a la tecnología. Martín-Barbero (1987) desplaza la atención de los medios a las mediaciones: lo que una tecnología significa se decide en el uso cultural y no en el artefacto. Fals Borda (1979) legitima conocer para transformar junto con los participantes, es decir, ensayar y validar en la propia situación educativa. Sábato y Botana (1968) y Dagnino et al. (2004) aportan la exigencia de una capacidad tecnológica propia y la idea de adecuación sociotécnica: ajustar la tecnología al contexto de uso, y no el contexto a la tecnología.
La capacidad EdTech situada traduce esas cuatro ideas a la práctica del aula.
5.2. Definición y componentes
Se define la capacidad EdTech situada como la aptitud del docente catalítico para detectar problemas pedagógico-andragógicos de su contexto, construir la solución mínima que permita ponerlos a prueba, validarla con evidencia decisional y decidir con criterio entre construir, adaptar, adoptar o descartar, gobernando los riesgos éticos, de datos y de dependencia. Tiene tres componentes: una lógica ágil pedagógico-andragógica, una evidencia decisional y una gobernanza situada.
El ciclo con que opera la lógica ágil se sintetiza así: detectar el problema y a quiénes afecta; prototipar la versión mínima; iterar con los estudiantes en ciclos cortos; validar con evidencia decisional; y decidir si se construye, se adapta, se adopta o se descarta. Ese ciclo ya se planteó como función de mediación (González Grez, 2026a). Aquí se lo traduce en capacidades observables (Tabla 2).
Tabla 2. Inventario de la capacidad EdTech situada
No basta con hacer. Hay que observar qué decisión produce.
La lógica ágil se traduce aquí en capacidades concretas, acciones realizables a escala de aula, evidencias decisionales observables y un criterio explícito sobre aquello que cambia cuando esa lógica entra en educación.
| Capacidad · lógica ágil | Versión docente a escala de aula | Evidencia decisional observable | Lo que transforma la educación |
|---|---|---|---|
| Ajuste problema-solución | Distinguir un problema real del aula de una novedad tecnológica. | Qué problema prioriza y con qué criterio. | El criterio es pedagógico-andragógico , no de mercado. |
| Solución mínima | Construir un recurso o una secuencia mínima con los estudiantes. | Qué incluye y qué deja fuera en la primera versión. | El usuario es una persona en formación , no un cliente. |
| Medir y aprender | Probar en ciclos cortos dentro del aula. | Qué cambia después de cada ciclo y por qué. | La métrica es la decisión del estudiante , no el uso ni la retención. |
| Pivotar o descartar | Ajustar o abandonar lo construido. | Cuándo abandona una solución y con qué razones. | Descartar incluye concluir que no hace falta tecnología. |
| Construir, adaptar o adoptar | Comparar el prototipo propio con la oferta existente. | Qué elige y qué costos considera. | Pesan la privacidad, el mantenimiento y la dependencia. |
| Gobernar datos y riesgos | Decidir qué datos entran y qué salidas se verifican. | Qué autoriza, qué bloquea y por qué. | Los datos de estudiantes entran solo con propósito pedagógico-andragógico explícito. |
La capacidad EdTech no se observa por la cantidad de tecnología producida, sino por las decisiones que el docente puede justificar antes, durante y después de utilizarla.
5.3. Cinco niveles de autonomía tecnológica docente
La capacidad se despliega en cinco niveles (Tabla 3). No es una escalera que todo docente deba subir. Es un repertorio del que el docente catalítico dispone en un grado mínimo y que activa según el problema. Lo exigible es poder decidir con criterio en cualquier nivel, y no producir siempre.
Tabla 3. Niveles de autonomía tecnológica docente
Cinco niveles para pasar de usar a gobernar tecnología.
Cada nivel describe una forma distinta de relación del docente con la tecnología y la evidencia decisional que permite observar esa autonomía en la práctica.
| Nivel | Qué hace el docente | Evidencia decisional |
|---|---|---|
|
1
Adoptar
|
Elige una herramienta existente con criterio. | Qué criterios aplica y qué descarta. |
|
2
Adaptar
|
Configura o personaliza una herramienta, como un asistente a medida. | Qué ajusta y cómo comprueba que funciona como se pretendía. |
|
3
Mediar
|
Articula a los estudiantes con la tecnología disponible y decide cuándo activar esa función. | Cuándo interviene y cuándo no. |
|
4
Producir
|
Construye y valida una microproducción EdTech situada. | Qué decide mantener, cambiar o descartar tras la prueba. |
|
5
Gobernar
|
Define criterios y protocolos para su comunidad y habilita a otros a crear. | Qué reglas de datos, calidad y mantenimiento establece. |
La autonomía tecnológica no se limita a saber utilizar herramientas: implica poder elegir, modificar, producir y gobernar con criterio.
La gradación es compatible con la evidencia sobre roles docentes ante la IA generativa, que distingue observador, adoptante, colaborador e innovador (Zhai, 2024).
5.4. Una doble dirección
La capacidad opera en dos sentidos. El docente crea para sus estudiantes, y también habilita a los estudiantes a crear sus propias herramientas de aprendizaje, un nivel que el marco UNESCO de competencias en IA para estudiantes ya reconoce (Miao et al., 2024). Formar estudiantes creadores exige un docente que conozca el ciclo desde dentro.
5.5. Su lugar en el perfil del docente catalítico
La capacidad EdTech situada es la dimensión del perfil que asegura que las condiciones que el docente catalítico genera puedan producirse cuando el mercado no las ofrece. Se articula con tres construcciones propias: el ciclo de mediación tecnológica (González Grez, 2026a), la evidencia decisional como unidad mínima observable de la competencia (González Grez, 2025b) y el pensamiento complejo regenerativo (González Grez, 2025a). Este texto aporta la primera de varias dimensiones que integrarán un marco o perfil del docente catalítico, que se irá construyendo a partir de esos trabajos.
6. La condición habilitante: crear con IA
La IA generativa cambia el punto de partida: crear una aplicación propia ya no exige saber programar, pero sí saber especificar, probar y decidir. La evidencia es emergente y debe leerse con cautela. Proviene sobre todo de preprints, de muestras pequeñas y de contextos de computación, y no se encontraron estudios empíricos latinoamericanos con docentes que construyan aplicaciones propias.
En el terreno docente, Song et al. (2026) proponen un marco para que docentes de educación escolar creen tecnologías de aprendizaje con IA mediante «vibe coding», entendido como construir aplicaciones dialogando con un modelo en lenguaje natural, y señalan que faltan orientaciones para acompañar ese proceso. Con estudiantes, Geng et al. (2025) observaron que sus interacciones con la herramienta se dirigían sobre todo a probar y depurar el prototipo, y rara vez a revisar el código. Un estudio cualitativo sobre esta modalidad halla que se emplea para prototipos y herramientas personales, con cautela ante usos críticos, y que los puntos de dolor son la especificación, la fiabilidad y la depuración (Pimenova et al., 2025).
De ahí se desprende una hipótesis, no un hecho: la barrera técnica se reduce y el cuello de botella se desplaza hacia lo metodológico, es decir, hacia el criterio de diseño, la validación y la decisión. La hipótesis es coherente con un argumento de fondo sobre la elección. Cuando la tecnología educativa se diseña priorizando al estudiante y su compromiso, deja poco margen para que el docente influya sobre ella (Frøsig y Romero, 2024). La capacidad de crear devuelve ese margen. También es coherente con la propuesta regional de pasar de usar herramientas cerradas a apropiarse de ellas y crear modelos abiertos (Scoppetta, 2026).
Por eso el artículo formula la capacidad EdTech situada como criterio de diseño y de validación, y no como destreza de programación.
7. Tensiones y criterios mínimos de cuidado
La capacidad EdTech situada no está exenta de riesgos, y una proposición que no los trate sería frágil. Se identifican seis tensiones.
- Sobrecarga y mantenimiento. Cada herramienta propia genera soporte y actualización, y una capacidad individual puede convertirse en trabajo invisible si la institución no la reconoce. La agencia docente es una propiedad ecológica, que depende de las estructuras y culturas de la escuela y no solo de las capacidades individuales (Priestley et al., 2015).
- Desigualdad de condiciones. Si en Costa Rica la conectividad de alta velocidad del profesorado se sitúa entre 33,0 % y 53,3 % (Ministerio de Educación Pública de Costa Rica, 2026), la microproducción no está igualmente disponible. Por eso la capacidad se formula como mínima en el plano individual y distribuida en equipos y comunidades.
- Dependencia de plataformas y modelos de terceros. Crear sobre infraestructura ajena limita la autonomía que la capacidad promete. La crítica a la intermediación comercial y a la economía política de la IA educativa (Ortegón et al., 2024; Williamson, 2024; Selwyn, 2024) obliga a tratar esta dependencia como eje del argumento y no como nota final.
- Datos de estudiantes. Una herramienta propia puede recolectar más de lo necesario. La literatura sobre datificación escolar advierte que el seguimiento y la analítica convierten al estudiante en objeto de vigilancia (Pangrazio et al., 2023).
- Automatización y juicio profesional. La automatización creciente puede desplazar el juicio docente hacia sistemas con escasa supervisión humana (Andrejevic y Selwyn, 2023). Por eso la capacidad incluye auditar y descartar, y la integración de la IA exige un uso crítico que no desplace el análisis propio del estudiante (Romero Alonso et al., 2025).
- Errores no evidentes. Las salidas generativas pueden fallar sin que se note, y los usuarios rara vez revisan el código (Geng et al., 2025; Pimenova et al., 2025).
Sobre la ética de ensayar. Probar una versión mínima con estudiantes, ajustarla y descartarla es práctica docente habitual y tiene genealogía en la investigación-acción (Fals Borda, 1979). No se propone aquí un estándar más exigente que el de la práctica actual. Lo que la IA agrega son dos riesgos específicos, los datos y los errores no evidentes, que justifican criterios mínimos de cuidado (elaboración propia):
- propósito pedagógico-andragógico explícito y proporcional;
- minimización de datos y preferencia por datos no identificables;
- información a los estudiantes y, cuando corresponda, su consentimiento;
- ninguna consecuencia en la calificación por participar o no en la prueba;
- reversibilidad: la clase debe funcionar sin la herramienta;
- registro de la decisión tomada (seguir, adaptar o descartar);
- revisión por pares o por el comité institucional cuando haya datos sensibles o decisiones de alto impacto.
El lado B de la creación tecnológica
La capacidad EdTech situada promete autonomía, pero también exige reconocer las tensiones del sistema y establecer criterios mínimos de cuidado antes de llevar una herramienta al aula.
Escáner de tensiones estructurales
Reconoce las seis tensiones antes de pasar al filtro de cuidado.
Filtro de cuidado · Pre-vuelo
Revisa los siete criterios mínimos antes de implementar un prototipo con estudiantes.
Despliegue autorizado
Ensayar forma parte de la práctica docente. La innovación no queda prohibida: queda subordinada al cuidado, la revisión, la proporcionalidad y la posibilidad de corregir o abandonar la solución.
Mirando hacia atrás: ¿cuál de estos siete criterios ignoraste la última vez que implementaste una aplicación o IA nueva en tu sala de clases?
8. Proposiciones, diferenciación y agenda de validación
8.1. Proposiciones
- P1. La capacidad de crear y validar herramientas propias es una dimensión del perfil del docente catalítico, y no un complemento opcional.
- P2. En los marcos de competencia digital e IA docente de la región, la creación se reduce a recursos y el ciclo detectar, prototipar, iterar, validar y decidir no está operacionalizado.
- P3. La barrera técnica de la creación de herramientas se reduce con IA generativa, y el cuello de botella se desplaza hacia el criterio de diseño y la validación (hipótesis a contrastar).
- P4. La validación de la capacidad debe apoyarse en evidencia decisional y no en métricas de uso o de satisfacción.
- P5. La capacidad es individual en un mínimo y distribuida en equipos y comunidades, y depende de condiciones institucionales.
- P6. La autonomía tecnológica docente se despliega en cinco niveles que se activan según el problema.
- P7. Formar docentes con esta capacidad favorece que los estudiantes puedan crear sus propias herramientas de aprendizaje.
8.2. Diferenciación
El trabajo más cercano en la literatura es el marco GAIDE (Song et al., 2026), que orienta el proceso de creación por docentes de educación escolar. Aquí se propone en cambio una dimensión del perfil profesional, con niveles de autonomía y evidencia decisional.
El marco UNESCO de IA ya contempla la creación de herramientas propias (Miao y Cukurova, 2025). Este artículo la generaliza como lógica de validación, agrega el descarte y la decisión de construir, adaptar o adoptar, y la ancla en una genealogía latinoamericana. La propuesta regional de Scoppetta (2026) opera a escala de sistema, mientras que la capacidad EdTech situada opera a escala de práctica docente.
Frente al trabajo previo del autor (González Grez, 2026a), que definió la función de mediación y su ciclo, aquí se explicita la capacidad como dimensión del perfil y se incorporan niveles, gobernanza y tensiones nuevas.
8.3. Límites y agenda
Los límites son cuatro: corpus intencionado y no exhaustivo; codificación de un solo investigador; verificación primaria parcial de algunos marcos; y evidencia sobre creación con IA proveniente de preprints y de contextos ajenos a la región.
La agenda de validación comprende cuatro tareas:
- doble codificación del corpus con cálculo de acuerdo entre codificadores;
- juicio de expertos sobre el inventario y los niveles;
- documentación de entre cinco y ocho casos de mentoría del Living Lab, anonimizados y descritos con una ficha basada en el EdTech Model Canvas (problema, qué se construyó, con qué IA, cómo se validó y qué se decidió);
- estudios con docentes latinoamericanos que construyan sus propias herramientas.
Evidence Lab
¿Está lista la Capacidad EdTech Situada para sobrevivir a un comité académico?
¿Qué estamos afirmando?
No todas las afirmaciones tienen el mismo estatus científico. Decide qué representa P3.
“La barrera técnica de la creación de herramientas se reduce con IA generativa, y el cuello de botella se desplaza hacia el criterio de diseño y la validación.”
¿Es realmente nuevo?
Vincula cada antecedente con el aporte específico de la capacidad EdTech situada.
Ataca el constructo
Selecciona exactamente las cuatro limitaciones que el propio artículo reconoce.
Presupuesto de evidencia
El plan completo cuesta 115 créditos. Solo tienes 100. No puedes resolverlo todo.
Doble codificación
Mejora la fiabilidad del análisis documental.
Juicio de expertos
Evalúa inventario, niveles y validez de contenido.
Casos Living Lab
Documenta 5–8 experiencias situadas de mentoría.
Estudio empírico LATAM
Observa docentes construyendo herramientas propias.
Emitir dictamen
Ya revisaste afirmaciones, diferenciación, límites y estrategia de validación. Ahora decide.
Tu patrón de decisión
No evaluamos cuánto recordaste. Observamos cómo manejaste evidencia incompleta, límites, recursos y decisiones.
El constructo que evaluabas acaba de evaluarte a ti.
Durante el juego priorizaste, contrastaste, descartaste, asignaste recursos y emitiste una decisión frente a evidencia incompleta. Acabas de producir evidencia decisional. Evidence Lab no solo te explicó la capacidad EdTech situada: te hizo experimentar su lógica.
9. Conclusión
Los marcos de competencia digital e IA docente de la región convergen con DigCompEdu y con la UNESCO, y esa convergencia es explicable. Lo que dejan sin resolver es lo que la IA vuelve urgente: que el docente pueda crear, probar y decidir sobre la tecnología que su contexto necesita. Los marcos supranacionales sitúan esa capacidad en sus niveles superiores, las adecuaciones regionales la reducen a producir recursos, y ninguno convierte en competencia el ciclo de detectar, prototipar, iterar, validar y decidir entre construir, adaptar, adoptar o descartar.
La capacidad EdTech situada responde a ese vacío con otra forma de adecuación: no la del marco al contexto, sino la de la tecnología al contexto, con raíces en Freire, Martín-Barbero, Fals Borda, Sábato y Dagnino. Entiende EdTech como lógica ágil pedagógico-andragógica y no como empresa, valida con evidencia decisional, se despliega en cinco niveles de autonomía e incorpora criterios de gobernanza frente a la sobrecarga, la desigualdad, la dependencia de plataformas y el cuidado de los datos.
De ahí se desprenden tres implicaciones. Para la formación inicial y continua, el ciclo de creación y validación pasa a ser contenido formativo y no un complemento optativo. Para los marcos y perfiles, la creación de herramientas propias requiere una operacionalización explícita, con niveles y evidencia observable. Para las instituciones, la capacidad individual solo se sostiene con condiciones: tiempo reconocido, conectividad, criterios sobre datos y apoyo para mantener lo construido.
El alcance es acotado. El corpus es intencionado, la codificación requiere doble revisión y la evidencia sobre creación con IA es aún emergente y ajena a la región. Por eso las proposiciones se ofrecen como hipótesis que deben validarse con juicio de expertos, casos documentados y estudios con docentes latinoamericanos.
No se anuncia una región de startups, sino una de docentes creadores, catalizadores de las experiencias de aprendizaje de sus estudiantes. La capacidad EdTech situada es la primera dimensión de un perfil del docente catalítico que se irá construyendo, y este artículo la deja planteada para ser puesta a prueba.
30 conceptos para comprender la capacidad EdTech situada
Una guía de lectura para entrar en los conceptos más densos del artículo: desde el docente catalítico y la evidencia decisional hasta la autonomía tecnológica, la adecuación sociotécnica y los riesgos asociados a la inteligencia artificial.
30 Glosario interactivo Abrir los 30 conceptos Cerrar glosario ↓
Selecciona cualquier concepto para desplegar su definición dentro del marco específico del artículo.
Docente catalítico
Figura docente que no se limita a transmitir contenidos ni a eliminar toda dificultad. Su función es generar las condiciones para que el estudiante protagonice su propia transformación. La tecnología es una mediación que activa cuando el problema educativo realmente la requiere.
Perfil docenteCapacidad EdTech situada
Aptitud para detectar problemas pedagógico- andragógicos del contexto, construir una solución mínima, probarla, validarla mediante evidencia decisional y decidir si conviene construir, adaptar, adoptar o descartar, gobernando además riesgos éticos, de datos y de dependencia.
Constructo centralLógica ágil pedagógico-andragógica
Adaptación educativa de la lógica ágil de producto. Conserva el descubrimiento del problema, la solución mínima, la prueba, la medición y el pivote, pero cambia el criterio: el usuario es una persona en formación, no un cliente, y una solución vale por su aporte al aprendizaje.
MetodologíaEvidencia decisional
Evidencia obtenida a partir de las decisiones que una persona toma ante situaciones nuevas. En el artículo reemplaza como criterio central a métricas de uso, satisfacción o retención y permite observar si una mediación produce aprendizaje con criterio.
EvaluaciónGobernanza situada
Componente de la capacidad EdTech que obliga a tomar decisiones sobre datos, privacidad, riesgos, mantenimiento, calidad y dependencia atendiendo a las condiciones reales de la comunidad educativa y no únicamente a las posibilidades técnicas de una herramienta.
GobernanzaAutonomía tecnológica docente
Repertorio de capacidades mediante el cual el docente puede adoptar, adaptar, mediar, producir y gobernar tecnología. No es una escalera que todos deban recorrer hasta el último nivel: cada capacidad se activa según el problema y el contexto.
AutonomíaMediación tecnológica
Función situada entre el estudiante y el artefacto tecnológico o cultural que interviene en su aprendizaje. En el artículo constituye la semilla conceptual de la capacidad EdTech: esta última especifica qué hace el docente cuando la mediación disponible resulta insuficiente.
MediaciónCiclo detectar–prototipar–iterar–validar–decidir
Secuencia operacional de la capacidad EdTech: detectar el problema y a quién afecta, crear una versión mínima, probarla en ciclos cortos, validarla mediante evidencia decisional y decidir qué hacer después: construir, adaptar, adoptar o descartar.
Ciclo operativoAjuste problema-solución
Capacidad de diferenciar un problema educativo real de una novedad tecnológica atractiva. La decisión comienza por identificar qué problema merece intervención y por qué, antes de escoger o construir una herramienta.
DiseñoSolución mínima
Primera versión deliberadamente acotada de una mediación, recurso o secuencia. Su propósito no es estar terminada, sino hacer posible una prueba temprana que permita aprender qué funciona, qué sobra y qué necesita cambiar.
PrototipadoMedir y aprender
Prueba de una solución en ciclos cortos para observar qué cambia y por qué. A diferencia de una lógica comercial, la medición educativa se centra en la decisión del estudiante y no simplemente en clics, permanencia, uso o retención.
ValidaciónPivotar o descartar
Capacidad de modificar sustancialmente una solución o abandonarla a partir de lo aprendido. El descarte adquiere un sentido especialmente educativo: puede significar concluir con fundamento que el problema no necesita tecnología.
DecisiónConstruir, adaptar o adoptar
Decisión comparativa entre desarrollar una solución propia, modificar una disponible o utilizar una existente. La elección incorpora criterios pedagógicos junto con privacidad, costos de mantenimiento, dependencia y sostenibilidad.
Criterio tecnológicoMicroproducción EdTech situada
Tecnología educativa de pequeña escala creada para responder a una necesidad concreta del aula. No pretende transformarse necesariamente en un producto comercial: su valor está en ser construida, probada y validada en la situación donde se necesita.
ProducciónIA generativa como condición habilitante
La IA generativa reduce la necesidad de dominar programación para producir aplicaciones y prototipos. El artículo plantea como hipótesis que, al bajar esa barrera, el cuello de botella se desplaza hacia especificar, probar, validar y decidir.
Inteligencia artificialVibe coding
Modalidad de creación de aplicaciones mediante interacción en lenguaje natural con modelos de IA. Permite prototipar sin revisar necesariamente cada línea de código, pero desplaza los problemas hacia la especificación, la fiabilidad y la depuración.
IA aplicadaCompetencia digital docente
Conjunto de capacidades asociadas al uso profesional, pedagógico y crítico de tecnologías digitales por docentes. El artículo cuestiona que muchos marcos desarrollen ampliamente el uso y la creación de recursos, pero no operacionalicen la creación y validación de herramientas propias.
Marco competencialDigCompEdu
Marco europeo utilizado como uno de los referentes principales para analizar competencia digital docente. Reconoce creación y modificación de recursos y, en niveles avanzados, aplicaciones propias, pero el artículo observa que no completa el ciclo hasta el descarte y la decisión construir/adoptar.
ReferenteMarco UNESCO de competencias en IA para docentes
Referente supranacional que incorpora un nivel de creación en IA y contempla personalizar, ensamblar y probar herramientas propias. Es el marco que más se aproxima al planteamiento del artículo, aunque no incorpora plenamente pivote, descarte y decisión construir/adoptar.
ReferenteConvergencia por derivación declarada
Relación en la que un marco nacional reconoce de forma explícita que utiliza otro referente —como DigCompEdu— como insumo para su estructura o competencias. Es una de las vías mediante las cuales el artículo explica la convergencia regional.
Análisis comparativoConvergencia por linaje
Similitud entre marcos que no implica una derivación directa. El artículo utiliza esta categoría para marcos anteriores a DigCompEdu cuya semejanza procede de referentes previos compartidos, particularmente estándares UNESCO.
Análisis comparativoDesarrollo propio
Marcos cuya organización no se explica como una derivación directa de DigCompEdu. El artículo identifica desarrollos de orientación instrumental o sociocultural, mostrando que la región no puede reducirse a una simple copia de referentes europeos.
Marcos regionalesAdecuación sociotécnica
Idea vinculada a la tradición latinoamericana según la cual la tecnología debe ajustarse al contexto social donde será utilizada, y no obligar al contexto a adaptarse a la tecnología. Es una de las bases conceptuales del carácter «situado».
Genealogía latinoamericanaSoberanía tecnológica
Aspiración a aumentar la capacidad de actores y sistemas educativos para apropiarse, configurar y crear tecnología sin quedar enteramente subordinados a soluciones cerradas de terceros. El artículo diferencia esta discusión sistémica de la capacidad situada a escala de práctica docente.
AutonomíaAgencia docente ecológica
Perspectiva según la cual la capacidad de actuar del docente no depende únicamente de sus competencias individuales. También emerge de estructuras, culturas, recursos y condiciones institucionales. Por eso crear tecnología no puede transformarse en una obligación individual invisible.
AgenciaDependencia de plataformas
Tensión que aparece cuando una solución aparentemente propia depende de infraestructura, modelos o servicios externos. Esa dependencia puede limitar autonomía, continuidad, control de datos y capacidad de mantenimiento, incluso cuando el docente haya creado la experiencia.
RiesgoDatificación escolar
Conversión de actividades, comportamientos e interacciones educativas en datos susceptibles de seguimiento y análisis. El artículo advierte que una herramienta propia puede recolectar más información de la necesaria y convertir al estudiante en objeto de vigilancia.
DatosAutomatización y juicio profesional
Tensión entre delegar tareas a sistemas automatizados y conservar la capacidad humana de interpretar, cuestionar y decidir. La capacidad EdTech exige auditar y eventualmente descartar la automatización cuando esta desplaza el juicio docente o el análisis del estudiante.
Juicio profesionalErrores no evidentes
Fallos producidos por sistemas generativos que pueden pasar inadvertidos porque la salida parece correcta o funcional. El problema se vuelve más crítico cuando quienes crean mediante IA no revisan directamente el código o no cuentan con mecanismos independientes de verificación.
Riesgo IAReversibilidad
Criterio de cuidado según el cual una experiencia educativa debe poder continuar aunque la herramienta experimental deje de utilizarse. En términos prácticos, la clase debe funcionar sin la tecnología. Esto evita convertir una prueba en una dependencia irreversible.
Criterio ético