From Fragmentation to Integration: A Delphi-Validated AI Literacy Competency Framework for Higher Education Teachers in China

La educación superior está navegando actualmente un cambio profundo. La inteligencia artificial generativa, la tecnología detrás de las herramientas que pueden escribir ensayos, resolver problemas complejos y mantener conversaciones, ha llegado a las universidades con una rapidez sorprendente. Para los docentes, esta tecnología presenta una realidad dual: ofrece formas poderosas de personalizar el aprendizaje y apoyar la investigación, pero también introduce serios interrogantes sobre la honestidad académica, la privacidad de los datos y la naturaleza misma del aprendizaje. Para navegar este nuevo panorama, los educadores necesitan más que la simple capacidad de presionar botones; necesitan una comprensión profunda de cómo funcionan estas herramientas, cómo usarlas éticamente y cómo integrarlas en su enseñanza sin perder su propia agencia profesional. Mientras que los gobiernos y las universidades han comenzado a redactar directrices para esta nueva era, estas instrucciones suelen existir de forma aislada, creando un mosaico de reglas que puede resultar confuso e inconsistente.

En respuesta a esta fragmentación, un equipo de investigadores se propuso construir un mapa unificado para los profesores universitarios chinos. Buscaron crear un marco único y coherente que definiera qué significa ser competente en inteligencia artificial dentro del contexto específico de la educación superior china. Los investigadores no se limitaron a adivinar lo que los docentes necesitaban; comenzaron comparando cuidadosamente cuatro documentos oficiales y marcos de políticas existentes en China, junto con dos modelos internacionales. Este análisis inicial reveló una desconexión significativa. Algunos documentos trataban la IA como una simple herramienta para ser usada, mientras que otros la veían como una compañera en el proceso de aprendizaje. Algunos enumeraban las habilidades como una lista de verificación estática, mientras que otros intentaban describir un camino de crecimiento. Los investigadores identificaron tres tensiones principales que frenan el campo: la lucha entre crear una regla estándar para todos frente a permitir el contexto local, el conflicto entre listar las habilidades como un conjunto fijo frente a mostrar cómo se desarrollan con el tiempo, y el desacuerdo sobre si la IA es meramente una máquina o un participante activo en la educación.

Para resolver estas tensiones, los investigadores sintetizaron un marco preliminar compuesto por veintisiete habilidades y comprensiones específicas, organizadas en tres capas distintas de desarrollo. La primera capa, Fundamentos, cubre los aspectos básicos: comprender qué es la IA, saber cómo usar las herramientas y comprender las reglas éticas. La segunda capa, Práctica, se centra en el aula: diseñar lecciones que utilicen la IA, crear nuevos materiales de aprendizaje y evaluar a los estudiantes de manera justa en un entorno enriquecido con IA. La tercera capa, Innovación, mira hacia el futuro: rediseñar cursos enteros, liderar investigaciones y asesorar a colegas. Crucialmente, los investigadores situaron la ética no como un simple recón de verificación, sino como un hilo que recorre las tres capas, asegurando que el uso responsable se considere en cada paso.

Este borrador de marco fue puesto a prueba mediante un riguroso proceso de consulta de expertos conocido como estudio Delphi. Los investigadores invitaron a quince destacados académicos y administradores universitarios, todos con profunda experiencia en educación y tecnología, para revisar las habilidades propuestas. En la primera ronda, estos expertos calificaron cada uno de los veintisiete indicadores según su importancia y claridad. La retroalimentación fue inmediata y específica. Los expertos sugirieron fusionar algunos elementos que se superponían, eliminar uno que era redundante y añadir tres nuevas habilidades críticas que habían sido omitidas, tales como el uso de la IA para hacer que la enseñanza sea más accesible para estudiantes con discapacidades. También insistieron en que la dimensión ética fuera elevada a un principio transversal en lugar de ser solo otro elemento en una lista.

En la segunda ronda, los expertos revisaron el marco revisado. Los resultados fueron decisivos. Veintiséis de los veintisiete indicadores alcanzaron un consenso sólido, lo que significa que los expertos coincidieron en que eran esenciales y estaban claramente definidos. Estas veintiséis habilidades forman ahora el núcleo de un marco de competencias validado para los profesores universitarios chinos. Sin embargo, un indicador relativo a la gestión de la dinámica del aula cuando los estudiantes utilizan la IA no alcanzó el nivel requerido de acuerdo. Los expertos sintieron que esta área era aún demasiado nueva e incierta para ser declarada un requisito estándar. En consecuencia, los investigadores mantuvieron esta habilidad específica por separado, etiquetándola como un elemento provisional que requiere más estudios antes de poder ser adoptado formalmente.

El resultado final es una guía estructurada y basada en evidencia que va más allá de una simple lista de habilidades técnicas. Ofrece un camino de desarrollo, reconociendo que los docentes comienzan con una conciencia básica y pueden crecer hasta convertirse en líderes que rediseñen el enfoque tecnológico de sus instituciones. El marco amplía los modelos internacionales existentes al adaptarlos explícitamente al contexto chino y al organizar las competencias en una progresión clara, desde el aprendizaje de lo básico hasta la innovación con la tecnología. Si bien este marco proporciona una base sólida para que las universidades diseñen programas de formación y para que los responsables de la toma de decisiones establezcan estándares, los investigadores advierten que aún no es una herramienta de medición terminada. Ha sido validado por la opinión de expertos, pero aún no ha sido probado en el aula para ver si predice con exactitud qué tan bien desempeñará su labor un docente. El siguiente paso para el campo es utilizar este marco para construir pruebas reales y observar a los docentes en acción, asegurando que el mapa que han trazado conduzca verdaderamente al destino de una enseñanza eficaz, ética y centrada en el ser humano en la era de la inteligencia artificial.