Actualización de uno de los modelos de diseño de cursos más populares: cómo integrar la inteligencia artificial en ADDIE

Por ejemplo, desde hace un par de años se expande rápidamente la aplicación de las redes neuronales en el desarrollo de materiales educativos y cursos completos. Por supuesto, todavía existen muchos riesgos. Entre ellos, la falta de profundidad metodológica y la limitación de la creatividad. Pero también hay ventajas: la simplificación de la personalización y la contextualización del aprendizaje. En cualquier caso, ignorar las posibilidades de la inteligencia artificial hoy es, cuando menos, una tontería. En este artículo analizaremos cómo investigadores y diseñadores instruccionales han adaptado el popular modelo ADDIE para integrar la IA en el diseño del aprendizaje.

Cómo se usaba ADDIE antes de la era de la IA

Este modelo se considera un clásico del diseño instruccional porque se distingue por su universalidad; es decir, es adecuado para la inmensa mayoría de programas y cursos educativos más diversos. ADDIE se creó allá en los años 80 del siglo pasado en Estados Unidos. Si lo generalizamos y no entramos en detalles, este sistema describe cinco etapas que deben completarse para crear un curso. Estas cinco etapas son el acrónimo del nombre del modelo:

• A - Analyze (Análisis). Esta etapa implica investigar todas las necesidades de los estudiantes y del propio mercado; es decir, un estudio profundo de la audiencia objetivo, sus "puntos débiles" y características, deseos y expectativas respecto al aprendizaje.

• D - Design (Diseño), o sea, el diseño propiamente dicho. En pocas palabras, es la elaboración de la propia estructura del curso futuro, los mapas de competencias y las estrategias de motivación para los alumnos. En esta misma etapa se construye un Mapa de Ruta del Aprendizaje o del Estudiante (Learning o Student Journey Map) generalizado: un diagrama que refleja la ruta educativa precisamente desde el punto de vista de los estudiantes (teniendo en cuenta, por supuesto, el nivel de conocimientos inicial, las necesidades, las posibles dificultades y el resultado deseado).

• D - Development (Desarrollo), es decir, dotar de contenido al programa. Esta etapa implica la creación y distribución de tareas, lecturas, seminarios, trabajos de laboratorio y otras actividades.

• I - Implementation (Implementación), o puesta en marcha. Este es el propio proceso de aprendizaje: realizar las primeras sesiones presenciales o publicar el curso en un sitio web, etc.

• E - Evaluation (Evaluación). En la etapa final es importante evaluar si se han logrado los resultados previstos. Esto se evalúa mediante métricas específicas que dependen de la especialidad y la orientación del aprendizaje. Por ejemplo, si el curso es más teórico, el resultado puede ser aprobar un examen; si es práctico, puede ser completar una tarea específica, implementar un proyecto, etc.

Cuando ADDIE apareció por primera vez, sus ventajas eran obvias: claridad y sistematicidad, ya que el programa se construye no sobre conjeturas, sino sobre resultados concretos de una investigación previa. Pero ahora destacan más bien sus defectos: un largo tiempo de desarrollo y un bajo nivel de flexibilidad, ya que la retroalimentación de los estudiantes también lleva tiempo, por lo que implementar cambios no siempre es tan sencillo ni rápido.

En su forma clásica, este modelo no contempla el trabajo conjunto entre el ser humano y la IA. Pero las investigadoras de Marruecos Khadija Hilali y Meriem Shergui propusieron integrar las redes neuronales directamente en ADDIE.

ADDIE 2.0

El objetivo de las investigadoras Khadija Hilali y Meriem Shergui era combinar los componentes clave de ADDIE con las capacidades de la IA para satisfacer las necesidades actuales tanto de los profesionales del aprendizaje como de los propios estudiantes.

Al trabajar en la actualización del modelo, las investigadoras realizaron una encuesta para conocer las expectativas y demandas de 90 colegas (formadores, docentes y diseñadores instruccionales) respecto a la integración de la IA en su trabajo.

Como resultado, desarrollaron ADGIE. Ahora, en lugar de las etapas de Desarrollo e Implementación, aparecen las etapas de Generación e Individualización. Pero, en realidad, en cada fase del modelo actualizado se utilizan herramientas de IA, aunque el control humano sigue siendo crucial.

Análisis por etapas

Etapa 1 - Sigue siendo el Análisis

Las tareas en esta etapa siguen siendo las mismas: identificar las demandas clave del mercado y de los futuros estudiantes. Qué se puede encomendar a la IA en este proceso:

• La generación de preguntas para el análisis de la audiencia objetivo (para determinar el nivel de conocimientos, expectativas de aprendizaje, necesidades, intereses, temores).

• El análisis de las respuestas.

• La creación de un perfil compuesto de diferentes segmentos de la audiencia.

No obstante, el diseñador instruccional debe verificar el trabajo de la IA y asegurarse de que todas las características se ajusten a las necesidades, objetivos y metas de aprendizaje declaradas durante la encuesta.

Etapa 2 - Diseño

Aquí también se construye la estructura del curso, la secuencia de módulos y lecciones. A esto también se le llama el "esqueleto" del curso. En esta etapa, la IA estructura el contenido recopilado por el diseñador instruccional (materiales educativos relevantes), crea ese mismo SJM o mapa de ruta del estudiante y propone un prototipo del curso.

Etapa 3 - Generación

En el ADDIE clásico, la tercera etapa era el "Desarrollo"; su esencia básicamente sigue siendo la misma. Esta es la creación de los propios materiales educativos con los que trabajarán los estudiantes. Las tareas de la IA aquí son, una vez que el diseñador instruccional aprueba la estructura del curso, generar su contenido. Estos pueden ser, por ejemplo, versiones preliminares de ilustraciones y diagramas, prototipos de tareas, ejercicios y pruebas. Es crucial que el diseñador instruccional verifique cuidadosamente la idoneidad, relevancia y calidad de los materiales, y, si es necesario, los reelabore de forma independiente.

Etapa 4 - Individualización

La nueva versión del modelo introduce un enfoque en la adaptación de la experiencia educativa con la ayuda de la IA, su personalización. Es importante que, durante el proceso de aprendizaje, las redes neuronales analicen en tiempo real los datos sobre el progreso, la asimilación de los materiales y el comportamiento general de los estudiantes. Luego, la IA debe adaptar el contenido y la propia trayectoria. Por ejemplo, si la explicación oral de un tema en una videoclase resulta difícil de entender para un estudiante, la red neuronal genera un resumen en formato de texto para él. La IA también puede sugerir materiales adicionales basándose en el interés y los logros de los estudiantes.

Cómo cambia el papel del diseñador instruccional con la integración de la IA: De creador de contenido a arquitecto del aprendizaje

Podría parecer que, con la llegada de las redes neuronales capaces de generar en minutos un plan de estudios, una conferencia o una prueba interactiva, la profesión de diseñador instruccional pronto estará en peligro. Sin embargo, la realidad que registran la investigación teórica y la práctica ha resultado ser exactamente la opuesta: la IA no elimina este rol, sino que lo transforma radicalmente, haciéndolo más estratégico, creativo y responsable. El diseñador instruccional de hoy deja de ser simplemente un compilador de cursos y se convierte en un arquitecto de ecosistemas educativos y un curador del proceso pedagógico digital. Esto ocurre gracias a tres cambios fundamentales.

• De creador individual a curador de calidad y estratega de contenido

Antes, una parte significativa del tiempo del diseñador la ocupaba la rutina: escribir textos, seleccionar ilustraciones, redactar ejercicios. Ahora, las redes neuronales asumen este trabajo técnico y preliminar. Por ejemplo, con la instrucción o "prompt" "crea cinco tareas sobre la aplicación del teorema de Pitágoras en situaciones reales para alumnos de octavo grado", ChatGPT o una herramienta similar generará instantáneamente varias opciones. Pero aquí es donde comienza la nueva y más compleja tarea del diseñador.

Su enfoque se desplaza de la producción a la experiencia: debe evaluar críticamente el material generado, verificar que no contenga errores fácticos ("alucinaciones" de la IA), su correspondencia con los objetivos de aprendizaje, las características de la edad e incluso el contexto cultural. Se convierte en un filtro y un amplificador. Por ejemplo, la IA podría ofrecer una explicación estándar de un tema complejo, mientras que el diseñador, apoyándose en el conocimiento pedagógico, la perfeccionará añadiendo una metáfora, una analogía o elementos visuales adicionales que mejoren la comprensión. Su habilidad clave ahora no es simplemente la capacidad de hacer algo, sino la capacidad de entender qué es exactamente lo que hay que hacer, plantear correctamente esa tarea a la IA y, luego, seleccionar y mejorar el resultado.

• De ejecutor del plan de estudios a diseñador de trayectorias personalizadas

Un curso clásico solía ser un camino lineal que todos los estudiantes seguían. La IA rompe este modelo, abriendo la posibilidad de un aprendizaje adaptativo que se ajusta al progreso, ritmo e intereses de cada individuo. Y aquí, el papel del diseñador se vuelve similar al de un guionista de cine interactivo.

Diseña no una ruta rígida, sino una red de caminos posibles. Define puntos clave de decisión: "Si un estudiante comete un error en esta tarea, el sistema le ofrecerá este módulo adicional para practicar la habilidad. Si lo hizo brillantemente, le dará acceso a material avanzado". El diseñador incorpora la lógica de adaptación al sistema, desarrolla algoritmos de ramificación y prepara contenido para diferentes escenarios. Al mismo tiempo, sigue siendo responsable de que la personalización sea sustancial y no se convierta en una mera complicación o simplificación de tareas. Su objetivo, con la ayuda de la IA, es crear la sensación de que cada estudiante tiene un mentor personal que lo guía por la ruta óptima hacia la meta.

• De especialista técnico a garante ético y analista de datos

Este es quizás el aspecto más importante y novedoso de la profesión. Las redes neuronales se entrenan con datos creados por personas, lo que significa que pueden reproducir inconscientemente prejuicios humanos: estereotipos de género, culturales, raciales. El diseñador debe ser capaz de reconocer y neutralizar tales riesgos. Por ejemplo, al revisar tareas de ciencias sociales generadas por IA, hay que asegurarse de que los ejemplos presenten personas de diferentes profesiones y roles sociales, evitando clichés.

Además, la IA en el aprendizaje trabaja con una enorme cantidad de datos personales sobre el rendimiento, el comportamiento y la participación de los estudiantes. El diseñador instruccional se convierte en un protector de la privacidad, diseñando sistemas para que los datos se recopilen y utilicen de forma ética, transparente y solo con fines educativos.

Finalmente, se transforma en analista. Antes, la retroalimentación de un curso era puntual (calificaciones, encuestas). Ahora, la IA proporciona un flujo continuo de datos: dónde pausan los estudiantes un video, en qué preguntas se equivocan con mayor frecuencia, qué materiales releen. El diseñador debe ser capaz de interpretar estos datos para mejorar constantemente el curso de manera dirigida, haciéndolo más efectivo y centrado en las personas.

Por lo tanto, la integración de la IA no devalúa al diseñador instruccional, sino que, por el contrario, lo eleva a un nuevo nivel. Se libera de la rutina y obtiene una herramienta sumamente poderosa. Su nuevo rol es el de estratega y brújula ética. La inteligencia artificial asume la velocidad y la escala, mientras que el ser humano retiene los significados, los objetivos y la responsabilidad. En esta simbiosis productiva nace la educación del futuro: más flexible, personalizada y, por paradójico que parezca, más humana.