Los prototipos para la educación son modelos interactivos que permiten probar hipótesis, manipular variables y visualizar fenómenos en entornos de aprendizaje controlados. La construcción de prototipos para la enseñanza de la agronomía es una rama de la didáctica que coadyuva en los procesos de enseñanza-aprendizaje. La construcción de prototipos en el aprendizaje de ciencias agrícolas es un área poco explorada de la didáctica, debido al enfoque de aprendizaje basado en proyectos que se privilegia en las facultades de agronomía, donde el proceso de aprendizaje teórico se fortalece con prácticas en sitios de campo donde medir, registrar información e interpretar datos del medio ecológico son un proceso cotidiano. Sin embargo, algunas asignaturas de componente básico requieren un enfoque orientado al contexto agronómico con la finalidad de brindar un marco de referencia coherente con el desarrollo de competencias educativas para las ciencias agrícolas. El objetivo de este trabajo fue describir una secuencia lógica para la conformación de un prototipo para la enseñanza del concepto densidad en el marco agronómico. Los resultados más importantes fueron la obtención de una propuesta metodológica para la construcción de un simulador para la enseñanza de la física, así como los momentos adecuados de su aplicación en la secuencia de aprendizaje y propuestas para su validación y evaluación.

La gestión y el liderazgo de los cuidados se perciben con frecuencia como contenidos alejados de la práctica asistencial, lo que limita la implicación del estudiantado de Enfermería y dificulta que reconozca la organización de los recursos como un determinante de los resultados en salud. Se presenta Hospital Gest-Tech, un proyecto de innovación docente orientado a revertir esa percepción mediante simulación situada, gamificación y tecnología. El entorno se construyó como aplicación web progresiva sobre infraestructura cloud sin servidor, conectada por interfaz de programación a modelos de inteligencia artificial generativa, con compatibilidad multiplataforma y sin coste de licencia. Se articula en tres ejes: casos clínicos y organizativos en los que el estudiante asume roles directivos y toma decisiones fundamentadas en la evidencia; una progresión lúdica por niveles de carrera profesional; y la dinamización síncrona del aula mediante debates con moderación semántica automática, en los que el alumnado participa simultáneamente desde sus dispositivos. Un modo mentor devuelve retroalimentación razonada sobre el desempeño en las simulaciones de negociación y gestión de conflictos. La experiencia se desarrolló en la asignatura de Gestión y Liderazgo de los Cuidados del Grado en Enfermería de la Universidad de León, con registro objetivo de la actividad en la base de datos de la plataforma. En el pilotaje, los dieciocho estudiantes participantes completaron de forma autónoma la totalidad de los módulos y alcanzaron el rango profesional máximo previsto. Se contabilizaron cuatrocientas setenta y tres partidas voluntarias fuera del horario docente y más de tres mil setecientas interacciones con el asistente conversacional. La evaluación complementaria abordó usabilidad, diseño, motivación y percepción de transferencia asistencial. Los indicadores de adherencia sugieren que la integración de simulación, juego e inteligencia artificial resulta viable con recursos limitados y sostiene la implicación del estudiantado con contenidos de gestión.

El estudio investiga el impacto de la IA generativa en la integridad académica dentro de los Trabajos de Fin de Título en Facultades de Educación españolas. Mediante un enfoque cualitativo que triangula entrevistas a cuarenta y ocho profesores universitarios se examinan las percepciones docentes y el liderazgo en seis universidades españolas. Los resultados muestran que, aunque la inteligencia artificial optimiza la redacción, la organización formal y la búsqueda de información, plantea serios dilemas éticos para la comunidad universitaria. Entre ellos destacan la pérdida de originalidad, la apropiación directa de contenidos sin reflexión, la invención de citas bibliográficas y la dilución de la responsabilidad sobre la autoría. Asimismo, el profesorado advierte que la pulcritud formal no asegura la comprensión conceptual y señala la escasa fiabilidad de los programas detectores de plagio y uso de la IA. En cuanto a la regulación de las universidades participantes en el estudio, las orientaciones ofrecidas a los estudiantes y al profesorado resultan básicas y heterogéneas, apreciándose una mayor consistencia normativa en las universidades públicas frente a las privadas. El estudio concluye que la prohibición punitiva es inviable. En su lugar, se recomienda impulsar la alfabetización crítica, la capacitación del profesorado, el seguimiento continuo y otorgar un mayor peso a las defensas orales para garantizar el aprendizaje real del alumnado.

La integración de inteligencia artificial generativa en las tareas universitarias plantea un problema que no resuelven ni la prohibición general ni los detectores automáticos: el producto final no permite conocer qué parte del proceso realizó el estudiante, qué contenidos verificó ni qué decisiones conservó bajo su responsabilidad. Esta ponencia presenta un procedimiento de trazabilidad académica compuesto por una declaración de uso y una lista de verificación docente, diseñadas para incorporarse a actividades ordinarias de Grado y Máster. La declaración solicita al alumnado que identifique la herramienta empleada, la finalidad de su utilización, las fases asistidas, las modificaciones realizadas, las fuentes consultadas y los límites detectados. El uso de IA es opcional; quienes decidan no utilizarla también dejan constancia de esa elección. La lista de verificación permite valorar cuatro evidencias: contraste de afirmaciones, consulta de fuentes originales, justificación de las decisiones e identificación de errores o limitaciones. El procedimiento no pretende determinar automáticamente la autoría ni sancionar el uso de una tecnología. Su finalidad es trasladar la evaluación desde la sospecha sobre el producto hacia la explicación del proceso intelectual seguido. La propuesta incluye instrucciones comunes, ejemplos de declaraciones completas e incompletas y doble codificación de una muestra de tareas para comprobar el acuerdo entre docentes. Se espera que estos materiales reduzcan la ambigüedad, favorezcan la verificación y faciliten conversaciones formativas sobre integridad académica. Su aplicación deberá considerar la carga de revisión, las diferencias entre disciplinas y el riesgo de convertir la declaración en un cumplimiento meramente formal. La aportación principal es un recurso transferible para evaluar el uso responsable de IA sin equiparar competencia con frecuencia de utilización.