La aplicación de los modelos de prompts en el aula se desarrolla en dos dimensiones principales: el diseño pedagógico y planificación docente y la interacción guiada con el alumnado.

1. Estructuración mediante modelos de prompts

Para interactuar eficazmente con la Inteligencia Artificial, se aplican estructuras de instrucciones adaptadas al ámbito educativo:

• Modelo R-I-T-A (Rol, Información, Tarea, Adaptabilidad): Creado específicamente para el contexto educativo, se caracteriza por hacer que la IA pregunte al usuario de forma interactiva los datos necesarios (curso, saberes básicos, objetivos) antes de generar las actividades. Esto evita la edición compleja del prompt inicial y permite obtener materiales altamente personalizados.
• Modelos de la "Chuleta Educativa": Aplican esquemas como [Rol] [Tarea] [Contexto] [Audiencia], solicitando a la IA asumir roles de profesor especialista o diseñador instruccional para crear guías de estudio, lecciones o resúmenes.
• Modelos generales adaptados: Esquemas como RTF (Rol-Tarea-Formato), TAG/TAO (Tarea-Acción-Objetivo) o RISE (Rol-Input-Steps-Expectation) para estructurar peticiones directas de informes o estrategias pedagógicas.

2. Aplicación práctica en las fases de la labor docente

Los prompts estructurados se integran en las distintas etapas de la enseñanza:

1. Diseño de Situaciones de Aprendizaje (SDA) y Unidades: Se emplean secuencias graduadas de prompts para definir competencias clave, criterios de evaluación y saberes básicos, para luego concretar actividades iniciales, de desarrollo, estructuración y aplicación.
2. Desarrollo de proyectos interdisciplinaryes (ABP): Se combina la generación de textos con IA para guiones o investigaciones históricas y la creación de imágenes para ilustrar cuentos o conceptos científicos.
3. Evaluación formativa y rúbricas: Se generan rúbricas flexibles definiendo niveles de desempeño y criterios específicos alineados al currículo.
4. Atención a la diversidad y DUA: Se ajustan actividades preexistentes para estudiantes con necesidades educativas específicas, generando listas de verificación inclusivas o simplificando contenidos sin recurrir a conceptos obsoletos.

3. Gestión e integración directa con el alumnado

En la interacción directa dentro del aula, la aplicación de los prompts se regula mediante marcos de uso responsable:

• Semáforo del uso de la IA: Se señaliza qué nivel de asistencia mediante prompts se permite en cada tarea (Rojo: sin IA; Ámbar: generación de ideas; Verde: copiloto en proyectos complejos).
• Desarrollo del pensamiento crítico: Se proponen actividades donde los estudiantes evalúan prompts con distintos niveles de precisión o corrigen respuestas de la IA que contienen errores plausibles.
• Transparencia: Se promueve el uso de Declaraciones de uso de IA, donde el alumnado detalla las instrucciones (prompts) clave utilizadas y los datos que tuvo que verificar o corregir.

¿CÓMO COMPRAR EL FUTURO MIENTRAS SE SIGUE HABITANDO EL PASADO?

Las instituciones educativas despliegan plataformas avanzadas y enseñan a redactar instrucciones algorítmicas, creyendo que han cruzado la frontera del mañana. Pero en la penumbra del aula, el núcleo permanece intacto: se utiliza la tecnología más sofisticada de la historia para perpetuar inercias pedagógicas del siglo XIX. Es la paradoja del fetiche tecnológico: coleccionar herramientas de vanguardia mientras se delega el pensamiento crítico en el algoritmo, confundiendo la fascinación instrumental con la verdadera transformación del aprendizaje.

CONTEXTO CON DATOS: LA EVIDENCIA DETRÁS DE LA CRISIS

El dilema de la Inteligencia Artificial en las instituciones no es una sospecha vaga; es una reestructuración tectónica en marcha. Mientras las organizaciones consumen prompts y librerías de automatización, la evidencia institucional y regulatoria revela un escenario de alta tensión:

1. La presión regulatoria: El fin del "salvaje oeste" digital

• Evaluación clasificada como Alto Riesgo: El Reglamento de Inteligencia Artificial de la Unión Europea (Reglamento UE 2024/1689) no trata a la IA en educación como un simple software administrativo. Los sistemas diseñados para evaluar resultados de aprendizaje u orientar trayectorias formativas han sido categorizados formalmente como de Alto Riesgo. Esto exige supervisión humana obligatoria, auditoría de datos y garantías de no discriminación.
• Revisión de marcos internacionales: Organismos internacionales como la OCDE y la Comisión Europea han tenido que lanzar marcos de emergencia (como la actualización DigComp 3.0 y el Marco de Competencias en IA 2026) para desplazar el foco desde el simple "manejo de herramientas" hacia una alfabetización en IA que proteja la agencia humana y los derechos fundamentales.

2. La fractura cognitiva: La erosión silenciosa del criterio

• La trampa de la externalización cognitiva: Los informes de seguimiento advierten de la rápida aparición de automatismos y fenómenos de externalización cognitiva, donde la delegación intensiva en algoritmos atrofia el razonamiento crítico, la metacognición y el juicio profesional del docente.
• Incoherencia institucional en las aulas: Las encuestas de diagnóstico muestran una severa ausencia de marcos comunes en los centros. El alumnado se enfrenta a un escenario confuso donde "cada docente aplica reglas distintas" sin un criterio institucional claro, fluctuando entre la prohibición ciega y la tolerancia acrítica.

3. La mística del fenómeno: Por qué estalla en las redes y desvela a los líderes

detrás de cada publicación viral sobre "10 prompts mágicos para educadores" o la obsesión ejecutiva por las microcredenciales, hay una señal de socorro implícita.

Los líderes educativos y directivos no buscan desesperadamente más tecnología; buscan una brújula. La explosión de este debate en redes profesionales ocurre porque las instituciones han descubierto que comprar licencias o repartir copilotos digitales es fácil, pero construir criterio pedagógico y andragógico es irremplazable.

El verdadero magnetismo de esta crisis radica en que la IA actúa como un espejo implacable: revela qué instituciones enseñaban a pensar y cuáles solo administraban contenidos. Quien no descifre este fenómeno desde la arquitectura del aprendizaje, quedará atrapado ofreciendo respuestas automatizadas a un mundo que exige, más que nunca, lucidez humana.

Cuando la tecnología irrumpe, el escepticismo institucional no tarda en surgir. Sin embargo, quienes dominan la arquitectura educativa no reaccionan ante las dudas; las desarman antes de que se formulen.

Aquí están las respuestas definitivas a los cuatro ejes críticos de impacto, escalabilidad y recursos:

1. El Impacto Medible: Evaluar lo sutil con autoridad cuantitativa y cualitativa

> "¿Cómo medir el desarrollo crítico, la empatía o la autonomía metacognitiva si no hay un examen tradicional que los capture?"

La evaluación en la era algorítmica no consiste en fiscalizar un producto final que pudo ser generado en segundos por una máquina, sino en medir el desempeño y la trazabilidad del proceso. Lo intangible se vuelve medible cuando se despliegan los indicadores adecuados:

• Análisis de la arquitectura narrativa del participante: Se evalúa la evolución en la formulación de prompts, midiendo el paso de instrucciones vagas e instrumentales hacia secuencias estructuradas que incorporan contexto, restricciones y peticiones de justificación crítica.
• Rúbricas de transferencia y autorreflexión: Se aplican instrumentos de autoevaluación guiada y evaluación formativa alineados con marcos competenciales. Estas rúbricas miden la capacidad del estudiante para identificar sesgos, corregir errores plausibles en las respuestas de la IA y argumentar qué sugerencias aceptar o rechazar.
• Declaraciones de uso de IA y auditoría del pensamiento: Se implementan registros sintéticos de trazabilidad (AI Usage Declarations) donde el alumnado documenta las decisiones tomadas frente al algoritmo, transformando la percepción cualitativa en una evidencia objetiva de madurez digital.
• Métricas agregadas de centro: Se recopilan encuestas de percepción y análisis de tendencias en el desarrollo de descriptores operativos, combinando evidencias cuantitativas con grupos focales.

2. La Escalabilidad: Un diseño modular adaptable a cualquier ecosistema

> "Esto suena bien para un taller piloto, pero ¿cómo se sostiene en toda una organización educativa o corporativa?"

Esta propuesta no es un destello aislado ni un molde rígido; es un sistema operativo pedagógico altamente adaptable y versátil:

• Modularity por capas: Estructuras como el modelo R-I-T-A o las secuencias interactivas para Situaciones de Aprendizaje (SDA) no dependen de una materia ni de un nivel educativo específico. La IA actúa adaptándose a las instrucciones del facilitador, permitiendo replicar la misma arquitectura tanto en Educación Primaria como en programas ejecutivos o de posgrado.
• Alineación con el Diseño Universal para el Aprendizaje (DUA): La metodología no requiere rehacer programas desde cero. Permite diversificar las vías de acceso a la información y ajustar el nivel de complejidad y soporte a la diversidad del grupo de forma dinámica.
• Librerías de prompts institucionales: Los módulos de instrucción se sistematizan en un catálogo compartible que la institución puede actualizar iterativamente, garantizando que el estándar de calidad se expanda a través de todas las áreas sin perder cohesión.

3. Los Recursos Necesarios: La hoja de ruta minimalista

> "¿Cuántas plataformas de pago, servidores o meses de implementación requiere este despliegue?"

Existe la falsa creencia de que la transformación digital exige presupuestos desorbitados. La realidad operativa es radicalmente sobria: se requiere criterio, no infraestructura cara.

• 1. El talento del facilitador (El activo irremplazable): El único motor real es un docente o líder capacitado que actúe como mediador pedagógico, con el criterio profesional necesario para contextualizar y validar las propuestas del algoritmo.
• 2. Un espacio digital estratégico: No se necesitan licencias corporativas complejas. Toda la metodología funciona con la versión abierta de los principales asistentes conversacionales y las herramientas que la institución ya utiliza (LMS o suites de productividad).
• 3. Temporización justa y optimizada: Mediante secuencias de prompts bien diseñadas, el tiempo de preparación se reduce drásticamente, permitiendo concentrar las sesiones directas en la práctica deliberada, el debate grupal y la revisión crítica de evidencias.

4. La síntesis: Un plan redondo sin fisuras

Cuando se desarticulan los tres grandes temores (medición, escala y costo), la conclusión es ineludible: la verdadera barrera para habitar el futuro no es tecnológica, sino de criterio de diseño.

Al implementar esta hoja de ruta, la organización deja de coleccionar herramientas para pasar a activar un ecosistema de aprendizaje sólido, auditable e irrefutable.

El Espejo Empático: Los desvelos del ecosistema

Detrás de las métricas de gestión y los discursos de vanguardia, existe una trama humana que sostiene el día a día de las organizaciones educativas:

• El peso sobre los hombros del docente y capacitador: Sienten la fatiga de la novedad permanente. Se les exige dominar la última herramienta del mes mientras intentan sostener el vínculo pedagógico frente a aulas hiperestimuladas. Conocen la frustración de ver cómo la burocracia digital consume las horas que deberían dedicarse a inspirar y retroalimentar con verdadero impacto.
• La ansiedad silenciosa de los directivos: Llevan sobre sí la responsabilidad de tomar decisiones presupuestarias y estratégicas en un terreno de incertidumbre absoluta. Existe el temor latente a quedar obsoletos o, peor aún, a realizar inversiones millonarias en plataformas que terminen convertidas en depósitos digitales sin uso real.
• El desencanto del estudiante: Perciben de inmediato la simulación. Identifican cuando una actividad ha sido automatizada sin esmero y responden con la misma moneda: entregas estándar generadas en segundos por una pantalla. El resultado es un pacto tácito de vacuidad donde nadie aprende y nadie enseña realmente.

La sutil tragedia de la desidia y el rol del especialista

La ausencia de una mirada estratégica no suele provocar un colapso estruendoso; provoca algo más peligroso: un desmoronamiento en silencio.

Comienza con el abandono progresivo de los entornos virtuales, continúa con la pérdida de entusiasmo del equipo docente y culmina en la devaluación absoluta del título o certificación que la institución otorga. Cuando la tecnología se despliega sin un propósito andragógico claro, el aprendizaje se vuelve un trámite superficial.

Es aquí donde la presencia de un Licenciado en Tecnología Educativa deja de ser un detalle técnico o un lujo presupuestario para convertirse en la frontera crítica entre el éxito y el colapso:

> El tecnólogo educativo no es quien instala el software ni quien enseña a usar botones; es el arquitecto de sentido . Es la figura capacitada para traducir las posibilidades del algoritmo en valor pedagógico real, diseñando experiencias que protejan la autonomía cognitiva, articulen el branding institucional y devuelvan la mística al acto de aprender.

Sin esa brújula estratégica, cualquier intento de transformación digital es solo un decorado costoso destinado a la caducidad.

ARQUITECTURA DE UN CASO PRÁCTICO (EL "CÓMO SE HACE")

Caso de Uso: Diseño e Implementación de un Asistente Tecnopedagógico para la Creación de Situaciones de Aprendizaje (SDA) y Rúbricas Alineadas con la IA.

1. La Herramienta y el Entorno Elegido

• El Entorno Digital: Asistente Conversacional Abierto (ChatGPT, Claude o Gemini) o LMS institucional (Moodle/Google Classroom).
• El Criterio Pedagógico/Andragógico: Se descarta el uso de la IA como una "caja negra" que genera respuestas automáticas en un solo clic, ya que esto fomenta una delegación cognitiva acrítica. En su lugar, se aplica el Modelo R-I-T-A (Rol, Información, Tarea, Adaptabilidad). Este marco instruccional condiciona al algoritmo para que actúe como un diseñador curricular experto y formule preguntas interactivas paso a paso antes de redactar cualquier propuesta, garantizando el control técnico y el juicio profesional del docente.

2. El Paso a Paso Metódico: Despliegue en 3 Fases

Paso 1: Configuración del Asistente e Inyección del Prompt R-I-T-A (Fase de Diseño)

Se inicia la conversación inyectando la instrucción maestra sin saturar la memoria del modelo, permitiendo que la máquina gestione la recolección de datos:

> 📋 Prompt Maestro de Configuración (Copiar y Pegar): "Eres un diseñador instruccional experto en metodologías activas y marco DUA. Tu función es guiarme en el diseño de una Situación de Aprendizaje (SDA). Para evitar borradores genéricos, NO generes la unidad de inmediato. Sigue de forma estricta y secuencial estos pasos:

1. Pregúntame el nivel educativo, la materia y los saberes básicos a trabajar. Espera mi respuesta.
2. Pregúntame las competencias específicas y criterios de evaluación asociados. Espera mi respuesta.
3. Pregúntame qué nivel del Semáforo de uso de IA (Rojo, Ámbar o Verde) se permitirá al alumnado en este proyecto. Espera mi respuesta.
4. Cuando tengas estos datos, propone 3 alternativas de reto del mundo real adaptadas al contexto sociocultural."

Paso 2: Concreción Didáctica e Inserción de Fricción Productiva (Fase de Ejecución)

Una vez seleccionado el reto, se ejecutan las secuencias de actividades (Iniciales, Desarrollo, Estructuración y Aplicación):

• Diseño de Tareas de Verificación: Se solicita a la IA crear actividades donde el alumnado interactúe con el algoritmo para analizar respuestas con errores deliberados, identificar sesgos o contrastar fuentes (rutina "acepto, reviso o rechazo").
• Protocolo de Transparencia: Se incorpora la solicitud de un modelo de Declaración de uso de IA ( AI Usage Declaration ), donde cada estudiante debe registrar las instrucciones (prompts) utilizadas y la verificación humana realizada.

Paso 3: Generación Automática de la Rúbrica de Evaluación (Fase de Evaluación)

Se solicita la matriz de evaluación formativa alineada con los criterios definidos:

> 📋 Prompt de Generación de Rúbrica (Copiar y Pegar): "A partir de la secuencia didáctica acordada, elabora una rúbrica de evaluación formativa en formato de tabla. Ubica los 'Aspectos a Evaluar' en las filas y los 'Niveles de Desempeño' (Excelente, Logrado, En Proceso, Inicial) en las columnas. Incluye un criterio específico que evalúe el pensamiento crítico y la autorreflexión sobre el uso de la IA en la tarea. Diseña la tabla lista para exportar a procesador de texto o Google Docs."

3. El Entregable Invisible: Lo que se obtiene al finalizar

Al completar este procedimiento de 15 minutos, el profesional de la educación o la institución obtiene un Activo Tecnopedagógico Auditable:

• Matriz Didáctica Completa: Una Situación de Aprendizaje (SDA) lista para el aula o LMS, diversificada bajo principios DUA y alineada con los estándares curriculares.
• Matriz de Evaluación Transparente: Una rúbrica cualitativa y cuantitativa en tabla que evalúa tanto el aprendizaje de contenidos como la responsabilidad digital.
• Plantilla Replicable (Script Institucional): Un procedimiento estándar de interacción que cualquier docente del centro puede volver a utilizar para otras materias, elevando la coherencia metodológica de la organización.

La integración de la Inteligencia Artificial en el ecosistema educativo no es un proyecto de innovación postergable para el futuro; es una reestructuración de urgencia absoluta en el presente. Acumular herramientas o celebrar la velocidad del algoritmo no equivale a transformar la enseñanza. La verdadera metamorfosis ocurre cuando se desplaza la fascinación instrumental para colocar el criterio pedagógico y la agencia humana en el centro del diseño institucional.

Para pasar de la especulación a la ejecución, esta guía sintetiza el norte estratégico en un checklist de acción vivo y dinámico diseñado para directivos, autoridades, profesores y formadores:

📌 QUÉ HACER: Acciones Concretas e Inspiradoras

• Auditar la identidad pedagógica digital del centro: En lugar de revisar planes estáticos de tecnología, realiza un diagnóstico profundo que asegure que cada plataforma, aula virtual o chatbot institucional cuente una historia con propósito y no actúe como un simple contenedor de archivos.
• Implementar el Modelo R-I-T-A como estándar de interacción: Sustituye los prompts estáticos y genéricos por secuencias interactivas estructuradas donde la IA asuma un rol específico y formule preguntas previas al docente sobre el contexto, la materia y los saberes básicos antes de generar cualquier propuesta.
• Establecer Marcos de Transparencia y Trazabilidad: Diseña e integra en todas las materias protocolos de gestión visual —como el Semáforo del uso de la IA (Rojo, Ámbar, Verde)— y exige la entrega de Declaraciones de uso de IA ( AI Usage Declarations ), transformando la entrega de trabajos en un ejercicio transparente de autorreflexión y responsabilidad digital.
• Rediseñar las evaluaciones hacia el proceso: Pasa de fiscalizar el producto final a evaluar la trayectoria de aprendizaje mediante rúbricas formativas y rutinas de verificación crítica (como la técnica de tres columnas: "acepto, reviso o rechazo") sobre las respuestas generadas por las máquinas.

⚠️ QUÉ EVITAR: Advertencias Lúcidas sobre Tropiezos Comunes

• Caer en la "Obsesión del Software": Evita adquirir licencias costosas de plataformas de IA o empaquetados digitales antes de haber capacitado al equipo docente en arquitectura de la instrucción y pensamiento crítico. La tecnología sin criterio pedagógico solo acelera el caos organizativo.
• Fomentar la delegación cognitiva acrítica: Prevén que el alumnado utilice la tecnología como una "caja negra" que sustituya el esfuerzo mental, la metacognición o el desarrollo del lenguaje. Todo uso de IA debe incorporar una capa de fricción cognitiva donde el estudiante deba validar, corregir o justificar los resultados.
• Ignorar el marco regulatorio y los riesgos normativos: Evita desplegar sistemas algorítmicos de evaluación o acreditación sin la debida supervisión humana, ignorando que el Reglamento de IA de la Unión Europea (Reglamento UE 2024/1689) clasifica la evaluación del aprendizaje como un ámbito de Alto Riesgo.
• Caer en el espejismo de la prohibición: Prohibir el acceso a modelos generativos es un intento inútil de contener la realidad. La restricción ciega solo genera brechas de equidad y empuja al uso clandestino, privando a los estudiantes de la alfabetización digital indispensable para su futuro.

🎯 QUÉ PRIORIZAR: El Norte Estratégico Ineludible

• El desarrollo de la Competencia Digital Docente por niveles: Prioriza itinerarios de formación continua que acompañen al profesorado desde la fase inicial de Adquisición hasta los niveles de Profundización y Creación, empoderándolo como el mediador irremplazable del aprendizaje.
• La Alfabetización Transversal en IA para el Alumnado: Pon el foco estratégico en dotar a los estudiantes de capacidades duraderas: saber interactuar con la IA, crear con ella, gestionarla y moldearla de forma ética y crítica, tal como marcan los referentes internacionales de la OCDE y la Comisión Europea.
• El diseño de experiencias bajo el marco DUA: Utiliza la capacidad adaptativa de la tecnología para diversificar las vías de acceso a la información y atender la neurodivergencia, garantizando que el diseño de cada unidad o situación de aprendizaje responda a la diversidad real del aula.
• La centralidad indiscutible de la intencionalidad humana: Entiende que la IA es el vehículo, pero el propósito pedagógico y andragógico es el único conductor. La tecnología solo aporta valor cuando potencia la empatía, el juicio analítico y la autonomía del ser humano.

REFERENCIAS Y BIBLIOGRAFÍA DE RESPALDO ESTRATÉGICO

Para consolidar la propuesta con un respaldo intelectual indiscutible, este catálogo reúne Marcos de Referencia Globales, Regulaciones Normativas y Publicaciones Académicas de vanguardia (todas publicadas entre 2024 y 2026). Cada entrada constituye una puerta de acceso a la excelencia institucional para líderes, directivos y decisores que busquen profundizar en la transformación tecnopedagógica:

1. Marcos Globales de Competencia e Inteligencia Artificial

• UNESCO (Miao & Cukurova, 2024; Miao & Shiohira, 2024) AI Competency Framework for Teachers & AI Competency Framework for Students. París: UNESCO.
  • Por qué consultarlo: Establece la progresión del desarrollo profesional docente en tres niveles estructurados (Adquirir, Profundizar y Crear) y define las capacidades que los estudiantes deben adquirir para desarrollar una verdadera agencia humana en entornos algorítmicos.
• OCDE y Comisión Europea (2026) Cómo preparar a los alumnos para la era de la IA: Marco de competencias sobre IA para la educación primaria y secundaria. París: OECD Publishing.
  • Por qué consultarlo: Define la alfabetización en IA no como el mero adiestramiento en software, sino como un conjunto de conocimientos técnicos, habilidades duraderas y actitudes críticas para evaluar riesgos, sesgos y oportunidades éticas.

2. Marco Normativo y Regulaciones de Alto Riesgo

• Parlamento Europeo y Consejo de la Unión Europea (2024) Reglamento (UE) 2024/1689 por el que se establecen normas armonizadas en materia de inteligencia artificial (Reglamento de IA). Diario Oficial de la Unión Europea, L 2024/1689.
  • Por qué consultarlo: Clasifica formalmente el uso de sistemas de IA destinados a evaluar resultados de aprendizaje o determinar trayectorias educativas como aplicaciones de Alto Riesgo, exigiendo supervisión humana obligatoria, trazabilidad y salvaguarda de derechos fundamentales.
• Comisión Europea (2026 / 2025) Directrices para educadores sobre el uso ético de la inteligencia artificial y los datos en la enseñanza y el aprendizaje & DigComp 3.0: European Digital Competence Framework. Oficina de Publicaciones de la UE.
  • Por qué consultarlo: Aporta los principios operativos para garantizar el bienestar digital, la privacidad de los datos de aprendizaje y el uso transparente de algoritmos en entornos formativos.

3. Guías Institucionales de Aplicación y Modelos Tecnopedagógicos

• INTEF — Ministerio de Educación, Formación Profesional y Deportes de España (2026) Guía sobre el uso de la inteligencia artificial en el ámbito educativo (Versión 2.0). Madrid: INTEF.
  • Por qué consultarlo: Ofrece un marco integral para desplegar la IA en las vertientes de enseñar para, con y sobre la IA, incorporando herramientas organizativas como la Declaración de uso de IA para el alumnado.
• De Haro, J. J. & Universidad de La Laguna (2024) Prompts educativos creados con el modelo R.I.T.A. (Rol, Información, Tarea, Adaptabilidad). Bilateria Educación & Campus Virtual ULL.
  • Por qué consultarlo: Fundamenta la metodología de diseño de instrucciones donde la IA no actúa de forma automática, sino que requiere una interacción guiada mediante preguntas paso a paso para preservar la intencionalidad pedagógica del docente.
• WestEd (2025) Friction by Design: A Framework for Centering Learning in the Age of AI. Digital Fluency Project.
  • Por qué consultarlo: Conceptualiza la fricción productiva en la arquitectura del aprendizaje, demostrando que introducir interrupciones intencionadas en el uso de la tecnología es vital para activar el razonamiento crítico y evitar la delegación cognitiva pasiva.