El diálogo docente-IA: análisis de los perfiles de interacción con inteligencia artificial generativa

• Luis Medina-Gual ^[1] ; Luis Rodrigo Narváez-Serrano ^[1] ; Dante Fernando Bazaldua-Huerta ^[2] ; Diego Degetau-Arsuaga ^[2]
  1. [1] Universidad Iberoamericana

     Universidad Iberoamericana

     México

     
  2. [2] Criterial
• Localización: Revista latinoamericana de estudios educativos, ISSN 0185-1284, Vol. 56, Nº. 2, 2026 (Ejemplar dedicado a: Inteligencia Artificial en entornos educativos), págs. 163-188
• Idioma: español
• Títulos paralelos:
  • The teacher-AI dialogue: analysis of interaction profiles with generative artificial intelligence
• Enlaces
  • Texto completo
• Resumen
  • español

    El presente estudio analizó la naturaleza del diálogo entre docentes e Inteligencia Artificial Generativa (IAG) en entornos educativos, a partir de 7 340 conversaciones anonimizadas de la plataforma comenio.ai. Se construyó de forma inductiva un marco de análisis aplicado a gran escala mediante un LLM y, posteriormente, se emplearon técnicas de K-Means y de Análisis de Componentes Principales (PCA) para identificar patrones de uso. Los resultados revelaron tres perfiles principales: 1) Instrumental-Transaccional (50.7%), orientado a optimizar tareas y procesos; 2) Codiseñador Pedagógico (29.2%), enfocado en generar experiencias de aprendizaje complejas; y 3) Diálogo de Reparación Reactiva (20.1%), caracterizado por interacciones iterativas para corregir las limitaciones de la IA. La investigación aporta una tipología empíricamente fundamentada del diálogo docente-IA, junto con un marco conceptual y metodológico que puede orientar estudios futuros y el diseño de programas de formación docente para el uso estratégico de herramientas de IAG en la educación.

  • English

    This study analyzed the nature of dialogue between teachers and Generative Artificial Intelligence in educational contexts, based on 7,340 anonymized conversations from the comenio.ai platform. An analytical framework was inductively developed and applied at scale using a large language model (LLM). Subsequently, K-means clustering and Principal Component Analysis (PCA) were employed to identify patterns of use. The results revealed three main profiles: (1) Instrumental–Transactional (50.7%), oriented towards optimizing tasks and processes; (2) Pedagogical Co-designer (29.2%), focused on generating complex learning experiences; and (3) Reactive Repair Dialogue (20.1%), characterized by iterative interactions aimed at correcting AI limitations. The study provides an empirically grounded typology of teacher–AI dialogue, along with a conceptual and methodological framework to guide future research and the design of teacher professional development programs for the strategic use of generative AI tools in education.