Presentación del programa
El Máster en Inteligencia Artificial aplicada a la Docencia es una titulación de posgrado diseñada para acompañar al profesorado y a profesionales de la educación en una transformación ya imparable: la integración ética, crítica y pedagógicamente sólida de la inteligencia artificial (IA) en todos los niveles educativos. En un momento en que la IA está redefiniendo la enseñanza, la evaluación, la gestión educativa y la interacción docente-estudiante, este máster ofrece una formación rigurosa, actualizada y orientada tanto a la práctica profesional como a la investigación educativa.
El programa combina tres pilares fundamentales: innovación pedagógica, competencias digitales avanzadas y visión ética y responsable. Su enfoque parte de un análisis crítico del impacto real de la IA en la educación, atendiendo a aspectos como la personalización del aprendizaje, la analítica educativa, la automatización de tareas docentes y el desarrollo de entornos inmersivos, y abordando también los retos que preocupan a la comunidad académica: privacidad y protección de datos, sesgos algorítmicos, autoría, transparencia y equidad.
La integración de la IA en la educación no es una tendencia pasajera: constituye un eje estructural de las políticas europeas y nacionales, y es una necesidad formativa señalada por organismos como la UNESCO y la Comisión Europea. Por ello, este máster prepara a los futuros egresados para convertirse en:
- Docentes innovadores, capaces de diseñar experiencias personalizadas, inclusivas y éticas con IA.
- Investigadores/as en IA educativa, con capacidad para analizar críticamente datos, evaluar tecnologías emergentes y aportar evidencia académica.
- Líderes educativos, capaces de guiar procesos de transformación institucional y promover prácticas tecnológicas responsables.
En su vertiente profesional, el estudiantado aprenderá a:
- Integrar IA en el diseño de entornos presenciales, virtuales e inmersivos.
- Utilizar herramientas de aprendizaje automático, PLN, analíticas de aprendizaje y sistemas adaptativos.
- Implementar prácticas docentes fundamentadas en evidencia.
En su vertiente investigadora, el estudiantado aprenderá a:
- Diseñar y llevar a cabo investigaciones rigurosas en IA educativa mediante metodologías cualitativas, cuantitativas y mixtas.
- Analizar e interpretar datos educativos con técnicas avanzadas y herramientas basadas en IA.
- Elaborar un proyecto de investigación que genere conocimiento aplicable a contextos reales y contribuya a la mejora de la práctica educativa.
A quién va dirigido
A profesionales de la educación que deseen integrar la IA de manera ética, innovadora y pedagógicamente fundamentada en su práctica, así como a quienes quieran iniciarse en la investigación educativa vinculada a tecnologías emergentes.
Está especialmente orientado a personas tituladas en áreas educativas, tales como:
- Diplomados/as o Graduados/as en Magisterio en cualquiera de sus especialidades.
- Licenciados/as o Graduados/as en Pedagogía.
- Licenciados/as o Graduados/as en Educación Social.
- Diplomados/as o Graduados/as en Educación Infantil.
- Diplomados/as o Graduados/as en Educación Primaria.
- Máster Universitario en Formación del Profesorado de Educación Secundaria Obligatoria y Bachillerato, Formación Profesional y Enseñanza de Idiomas.
- Máster Universitario en Docencia Universitaria.
- Asimismo, podrá acceder cualquier graduado/a universitario/a cuya titulación sea equivalente o afín a las anteriores, ya sea por pertenecer a nuevas titulaciones del sistema universitario español o por proceder de sistemas universitarios internacionales.
Asimismo, podrán acceder titulados/as universitarios/as cuya formación sea equivalente o afín a las anteriores, ya sea por pertenecer a nuevas titulaciones del sistema universitario o por proceder de sistemas educativos internacionales.
Titulación
Al finalizar el programa, el estudiante obtendrá el título de Máster en Inteligencia Artificial aplicada a la Docencia expedido por la Universidad donde se haya matriculado.
Estructura del programa
La estructura de créditos del programa de Máster en Inteligencia Artificial aplicada a la Docencia se recoge en la siguiente tabla. Hay que reseñar que la duración es meramente orientativa, pues la metodología seguida integra el conocimiento y habilidades a adquirir en cada parte:
| CRÉDITOSa | |
|---|---|
| Bloque 1: Aprendizaje automático y PLN aplicados a entornos educativos | 13 |
| Bloque 2: Inteligencia Artificial para el aula inmersiva | 21 |
| Bloque 3: Big Data y Learning Analytics: personalización y evaluación de aprendizajes | 14 |
| Bloque 4: Desarrollo profesional y metodología de la investigación educativa | 13 |
| Bloque 5: Neurociencia educativa e IA | 19 |
| Bloque 6: Proyecto Final | 10 |
| TOTAL | 90 |
a. La equivalencia en créditos puede variar según la universidad donde se haya inscrito. Un (1) crédito ECTS (European Credit Transfer System) equivale a 10 + 15 horas. Si el alumno cursa el Programa matriculado en una universidad no perteneciente al Espacio Europeo de Educación Superior (EEES), la relación entre créditos - horas, puede variar.
Duración
El Máster en Inteligencia Artificial aplicada a la Docencia tiene 90 créditos.
La duración de la Máster en Inteligencia Artificial aplicada a la Docencia varía entre 12 y 17 meses, en función de la dedicación del estudiante. En este período de tiempo, el estudiante tiene que haber superado con éxito todas las actividades evaluadas y aprobado el Proyecto Final.
Objetivos
Los objetivos de aprendizaje principales del máster se concretan en que los estudiantes sean capaces de:
- Analizar datos educativos mediante métodos cualitativos, cuantitativos y mixtos, incorporando criterios éticos, de validez, de ciberseguridad y de protección de datos.
- Utilizar redes neuronales, modelos adaptativos y técnicas de procesamiento del lenguaje natural para tareas educativas como análisis de sentimientos, clasificación, tutoría y personalización.
- Diseñar propuestas didácticas mediadas por IA (tutoría inteligente, evaluación automatizada, analítica educativa y microaprendizaje) basadas en evidencia pedagógica y tecnológica.
- Implementar metodologías activas apoyadas en tecnologías emergentes (RA, RV, big data, IA generativa, entornos 3D) ajustadas a diferentes áreas del conocimiento.
- Desarrollar experiencias de aprendizaje desde una perspectiva neurodidáctica que integren contenidos, estrategias y entornos disruptivos centrados en la colaboración y la toma de decisiones.
- Asesorar a equipos docentes en la integración ética y pedagógica de la IA y la neuroeducación para atender la diversidad, fortalecer la gestión emocional y mejorar las prácticas de aula.
- Describir los fundamentos de la inteligencia artificial, el aprendizaje automático y el aprendizaje profundo, así como su integración en entornos educativos presenciales, virtuales e híbridos.
- Explicar los principios de la neuroeducación, incluyendo el funcionamiento cerebral, la plasticidad, las funciones ejecutivas, los modos de aprendizaje y el análisis crítico de los neuromitos.
- Aplicar enfoques neuroeducativos para personalizar el aprendizaje atendiendo a la atención, la memoria, las emociones, la neurodiversidad y la brecha cognitiva.
- Elaborar un Trabajo Fin de Máster que integre los conocimientos, habilidades y competencias adquiridas, aplicándolos a la mejora de contextos educativos reales.
Salidas profesionales
El máster capacita al estudiante para trabajar como:
- Docente innovador/a, integrando IA y metodologías activas en el aula.
- Coordinador/a de innovación educativa, liderando procesos de transformación digital.
- Diseñador/a de experiencias de aprendizaje con IA, creando recursos adaptativos y entornos inmersivos.
- Asesor/a en tecnologías educativas, orientando a centros y proyectos en el uso responsable de IA.
- Especialista en analítica del aprendizaje, interpretando datos para mejorar la enseñanza.
- Investigador/a en IA educativa, desarrollando proyectos de innovación y mejora educativa.
Plan de estudios
El plan de estudios del Máster en Inteligencia Artificial aplicada a la Docencia consta de 90 créditos y está compuesto por las siguientes asignaturas:
| BLOQUE 1: APRENDIZAJE AUTOMÁTICO Y PLN APLICADOS A ENTORNOS EDUCATIVOS | ||
|---|---|---|
| # | ASIGNATURAS | CRÉDITOS |
| 1 | Aprendizaje Automático y Redes Neuronales | 7 |
| 2 | Procesamiento de Lenguaje Natural | 6 |
| TOTAL | 13 | |
| BLOQUE 2: INTELIGENCIA ARTIFICIAL PARA EL AULA INMERSIVA | ||
|---|---|---|
| # | ASIGNATURAS | CRÉDITOS |
| 1 | Diseño de Entornos Educativos con Inteligencia Artificial | 7 |
| 2 | Aplicaciones de la Inteligencia Artificial en el Aula Presencial y Virtual | 7 |
| 2 | Realidad Extendida e Inteligencia Artificial | 7 |
| TOTAL | 21 | |
| BLOQUE 3: BIG DATA Y LEARNING ANALYTICS: PERSONALIZACIÓN Y EVALUACIÓN DE APRENDIZAJES | ||
|---|---|---|
| # | ASIGNATURAS | CRÉDITOS |
| 1 | Del Dato a la Información | 7 |
| 2 | Evaluación del Aprendizaje e Inteligencia Artificial | 7 |
| TOTAL | 14 | |
| BLOQUE 4: DESARROLLO PROFESIONAL Y METODOLOGÍA DE LA INVESTIGACIÓN EDUCATIVA | ||
|---|---|---|
| # | ASIGNATURAS | CRÉDITOS |
| 1 | Desarrollo Profesional Docente | 6 |
| 1 | Seminario de Iniciación a la Investigación en Inteligencia Artificial aplicada a la Educación | 2 |
| 1 | Metodologías de Investigación en Inteligencia Artificial aplicada a la Educación | 5 |
| TOTAL | 13 | |
| BLOQUE 5: NEUROCIENCIA EDUCATIVA E IA | ||
|---|---|---|
| # | ASIGNATURAS | CRÉDITOS |
| 1 | Bases Biológicas y Genéticas del Cerebro | 7 |
| 2 | La Neurociencia en el Contexto Educativo | 6 |
| 3 | Neurociencia Educativa: Mitos y Evidencias | 6 |
| TOTAL | 19 | |
| BLOQUE 6: PROYECTO FINAL | ||
|---|---|---|
| # | ASIGNATURAS | CRÉDITOS |
| 1 | Proyecto Final | 10 |
| TOTAL | 10 | |
*El número de créditos y la duración del máster puede variar en función de la universidad por la cual se titule
Descripción de las asignaturas
BLOQUE 1: APRENDIZAJE AUTOMÁTICO Y PLN APLICADOS A ENTORNOS EDUCATIVOS
- APRENDIZAJE AUTOMÁTICO Y REDES NEURONALES
¿Cómo funciona el aprendizaje automático? ¿Qué es el machine learning? Diferencia entre el aprendizaje automático y el aprendizaje profundo. Tipos de aprendizaje automático: supervisado, no supervisado y por refuerzo. Redes neuronales, procesamiento de datos y detección de objetos. Comparativa de funcionamiento entre redes neuronales y machine learning. Aplicaciones prácticas de la inteligencia artificial en diversos campos. aprendizaje automático, aprendizaje profundo y procesamiento del lenguaje natural (PLN): automatización de tareas, agentes virtuales, Chatbots, IA conversacional. Diseño de experiencias de aprendizaje personalizadas. Adaptación de contenidos según las necesidades del estudiante. Sistemas recomendadores.
- PROCESAMIENTO DE LENGUAJE NATURAL
Procesamiento del Lenguaje Natural (NLP). Modelos de lenguaje conversacional (LLM) Lenguaje natural y representación de contenidos. Análisis sintáctico y semántico. Creación y comprensión de textos. Aplicación de Sistemas de procesamiento del lenguaje natural en la enseñanza. Aprendizaje Automático, Lenguaje y Percepción: agentes Inteligentes e Interacción. Text Mining (minería de texto)
BLOQUE 2: INTELIGENCIA ARTIFICIAL PARA EL AULA INMERSIVA
- DISEÑO DE ENTORNOS EDUCATIVOS CON INTELIGENCIA ARTIFICIAL
Principios de la Inteligencia Artificial y su aplicación educativa; inteligencias generativas para coevolucionar y cocrear con la IA; análisis crítico de neuromitos y su impacto en la planificación y la instrucción; implementación efectiva de IA en entornos educativos y análisis de escenarios futuros; diseño neuroeducativo de programas, cursos y contenidos apoyados en IA; estrategias de aprendizaje en entornos disruptivos; desarrollo de itinerarios, prácticas y trayectorias personalizadas; creación de contenidos y actividades ajustadas a necesidades, ritmos y estilos de aprendizaje; integración curricular de la IA para promover autonomía y participación; evaluación y retroalimentación automatizada; y planificación tecnopedagógica de experiencias, lecciones y materiales con herramientas de IA.
- APLICACIONES DE LA INTELIGENCIA ARTIFICIAL EN EL AULA PRESENCIAL Y VIRTUAL
Tendencias en e-Learning (aprendizaje personalizado, microaprendizaje, gamificación y mobile learning); integración de la IA en el aula mediante plataformas adaptativas, tutoría inteligente y análisis de datos; metodologías activas apoyadas en tecnología (aula invertida, aprendizaje colaborativo, EAS y Visual Thinking); uso de tecnologías emergentes como realidad virtual y aumentada, videojuegos, simulaciones y metaverso; herramientas docentes para planificación, comunicación y creación de contenidos; programación y robótica educativa; e Inteligencia Artificial generativa para la producción de textos, imágenes, audio y el uso de chatbots y asistentes virtuales.
- REALIDAD EXTENDIDA E INTELIGENCIA ARTIFICIAL
Convergencia entre neurociencia, inteligencia artificial y realidad extendida: revisión crítica de marcos teóricos y hallazgos recientes. Aplicaciones de la IA para investigar procesos cognitivos (memoria, atención, toma de decisiones) y para el diseño de aprendizaje adaptativo. Análisis de algoritmos y plataformas de personalización educativa: potencial, limitaciones y debates éticos. Estrategias neuroeducativas apoyadas en realidad extendida: experiencias multisensoriales y su impacto en atención, memoria y motivación. Evaluación crítica de herramientas didácticas basadas en IA y RE (chatbots, learning analytics, entornos inmersivos). Diseño y análisis de experiencias educativas con IA y RE desde una perspectiva investigadora: líneas emergentes y retos. Tendencias emergentes en IA inmersiva.
BLOQUE 3: BIG DATA Y LEARNING ANALYTICS: PERSONALIZACIÓN Y EVALUACIÓN DE APRENDIZAJES
- DEL DATO A LA INFORMACIÓN
Cómo los datos educativos informan la enseñanza y la diferencia entre datos, información y conocimiento; estrategias de contextualización y análisis de datos; huella digital, privacidad y seguridad en el aprendizaje en línea; fundamentos de ciberseguridad y protección de datos en plataformas educativas; responsabilidad digital y derechos en entornos virtuales; Big Data y algoritmos de aprendizaje automático aplicados a la educación; minería de datos y predicción del rendimiento estudiantil; recolección, limpieza, procesamiento y visualización de datos para la toma de decisiones pedagógicas; herramientas de analítica educativa desde básicas hasta avanzadas; regulaciones sobre privacidad y seguridad (GDPR, FERPA y otras); consideraciones éticas en el uso de datos educativos; y desarrollo de políticas institucionales de privacidad y seguridad de la información.
- EVALUACIÓN DEL APRENDIZAJE E INTELIGENCIA ARTIFICIAL
Evaluación del aprendizaje en la era digital, desde la observación docente hasta el análisis automatizado; potencial, límites y desafíos de la evaluación con IA; modalidades diagnóstica, formativa, sumativa y de autoevaluación; analítica del aprendizaje para detectar necesidades, trayectorias y riesgo de abandono; personalización de itinerarios y retroalimentación mediante IA; métodos adaptativos y algoritmos que ajustan dificultad y contenido; evaluación automatizada con corrección de ensayos, rúbricas inteligentes y análisis semántico; tutores virtuales y retroalimentación inteligente; evaluación multimodal con análisis de voz, emociones y engagement; diseño y validación de instrumentos asistidos por IA; construcción algorítmica de preguntas; ética, equidad y sesgos en evaluación digital; y aplicaciones prácticas como evaluación por competencias, portfolios digitales y gamificación.
BLOQUE 4: DESARROLLO PROFESIONAL Y METODOLOGÍA DE LA INVESTIGACIÓN EDUCATIVA
- DESARROLLO PROFESIONAL DOCENTE
Redefiniendo la formación docente: Aprender IA o Aprender con IA. Rol del docente como arquitecto del cambio educativo. Habilidades y competencias digitales del profesorado. Reflexividad, capacidades digitales y resiliencia de los profesores: formación continua personalizada. Las emociones del profesorado: claves en el aprendizaje de sus estudiantes. Neuroeducación dentro de las aulas: guía de actuación. Creación y participación en comunidades de práctica en línea: creatividad distribuida en el contexto educativo. Colaboración creativa entre docentes y sistemas de IA: herramientas y plataformas. Gestión educativa e IA: emprendimiento, innovación y creatividad digital.
- SEMINARIO DE INICIACIÓN A LA INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL APLICADA A LA EDUCACIÓN
Iniciación investigadora y de alfabetización científica en inteligencia artificial aplicada a la educación. La investigación en inteligencia artificial aplicada a la educación. Lectura crítica y análisis de artículos científicos: estructura de un artículo científico; criterios de lectura crítica; identificación de marcos teóricos y estrategias metodológicas; herramientas básicas para el análisis de la literatura. Terminología, estructuras de publicación y fuentes de información científica: términos clave en inteligencia artificial aplicada a la educación; tipología de publicaciones científicas; bases de datos y repositorios académicos especializados; criterios de búsqueda y evaluación de fuentes; gestores de referencias bibliográficas y normativa de citación APA. Ética básica de la investigación y del uso de la evidencia científica.
- METODOLOGÍAS DE INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL APLICADA A LA EDUCACIÓN
Diseños de investigación en contextos educativos y socioeducativos; principios de investigación aplicada y coherencia entre problema, objetivos y diseño metodológico; métodos de recogida de datos cuantitativos, cualitativos y mixtos; triangulación y criterios de validez y fiabilidad; elaboración de propuestas metodológicas iniciales (formulación del problema, objetivos, hipótesis, preguntas, muestreo, instrumentos y técnicas de análisis); consideraciones éticas avanzadas en investigación con alumnado, docentes y comunidades; regulación sobre protección de datos y consentimiento informado; gestión responsable de información sensible y comunicación ética; prevención de sesgos cognitivos y culturales en la interpretación; y revisión del funcionamiento de protocolos y comités éticos en investigación educativa.
BLOQUE 5: NEUROCIENCIA EDUCATIVA E IA
- BASES BIOLÓGICAS Y GENÉTICAS DEL CEREBRO
El origen evolutivo del cerebro. El cerebro como parte del sistema nervioso Neuronas, neurotransmisores y redes neurales Genes y aprendizaje Plasticidad y epigenética. Anatomía y morfología funcional del cerebro. La formación del cerebro: desde la concepción a la adultez.
- LA NEUROCIENCIA EN EL CONTEXTO EDUCATIVO
La educación en contexto. Teorías del aprendizaje. Posición de la neurociencia en la educación. El método científico en neuroeducación. El aprendizaje desde la Neurociencia. La educación emocional. Emociones y Aprendizaje. ¿Qué es la inteligencia emocional?
- NEUROCIENCIA EDUCATIVA: MITOS Y EVIDENCIAS
Fundamentos epistemológicos de la neurociencia educativa como campo interdisciplinar, en diálogo con la psicología cognitiva y la educación. Análisis crítico de neuromitos y otras creencias pseudocientíficas en educación, a partir de revisiones sistemáticas, meta-análisis y estudios sobre alfabetización científica del profesorado. Estudio de procesos cognitivos, metacognitivos y de autorregulación (atención, memoria, funciones ejecutivas y monitoreo del aprendizaje) desde una perspectiva empírica y metodológica.Evaluación de estrategias pedagógicas con base científica y análisis crítico de programas y prácticas docentes fundamentadas en la evidencia. Análisis de la investigación sobre hábitos de vida, salud cerebral y aprendizaje (sueño, alimentación, actividad física, estrés, multitarea) y sus implicaciones educativas.
Dirección
- Dra. Silvia Pueyo Villa. Coordinadora Internacional del Área de Educación y Formación del Profesorado de la Fundación Universitaria Iberoamericana.
- Dra (c). Leticia Fraga Colman. Coordinadora Académica del programa.
Becas formación FUNIBER
La Fundación Universitaria Iberoamericana (FUNIBER) destina periódicamente una partida económica con carácter extraordinario para Becas en Formación FUNIBER.
Para solicitarla, se ha de completar el formulario de solicitud de información que aparece en la web de FUNIBER o comunicarse directamente con la sede de la fundación en su país que le informará si es necesario aportar alguna información adicional.
Una vez se reciba la documentación, el Comité Evaluador examinará la idoneidad de su candidatura para la concesión de una ayuda económica, en forma de Beca en Formación FUNIBER.