Libro de Actas del III Congreso Latinoamericano y del Caribe e Investigación en Educación Superior- LatinSoTL- 2025

210 del análisis continuo de las bitácoras; y por otro, el análisis retrospectivo del corpus completo sirvió para informar el rediseño de la próxima iteración del curso, en línea con los principios de la Investigación Basada en Diseño (Molina et al., 2011). Discusión: Los resultados de este estudio evidencian que la integración de Modelos de Lenguaje (LLM) en el análisis de bitácoras de escritura es una herramienta eficaz para potenciar el aprendizaje reflexivo en la educación superior. La capacidad del modelo para identificar dimensiones conceptuales, estratégicas y emocionales ofrece implicancias educativas concretas y de gran valor para la docencia. Por ejemplo, la detección temprana y automatizada de dificultades conceptuales recurrentes en un grupo de bitácoras permite al docente diseñar e implementar una actividad de refuerzo específica para la clase siguiente. A nivel individual, si el análisis revela patrones de ansiedad o baja autoconfianza en un estudiante, el profesor puede iniciar un diálogo de apoyo personalizado, transformando la IA en un instrumento para la escucha pedagógica a gran escala, en línea con los beneficios comunicacionales de los diarios de escritura documentados por Meel (1999) y Seto & Meel (2006). Este trabajo contribuye directamente a cerrar la brecha entre la tecnología de IA y la pedagogía, una debilidad del campo de la IA en Educación (AIEd) identificada por Zawacki-Richter et al. Al situar la aplicación del LLM dentro de un marco metodológico como la Investigación Basada en Diseño (DBR) y un enfoque como SoTL, se presenta un modelo de integración tecno pedagógica con un propósito claro. Sin embargo, es importante reconocer las limitaciones y condiciones que podrían facilitar o dificultar su aplicación en otros contextos. La replicabilidad de este diseño depende de factores como el acceso a la tecnología LLM y la disponibilidad de plataformas LMS (como Canvas) que permitan la extracción de datos de forma sistemática y anonimizada. Además, la cultura institucional y la disposición de los estudiantes hacia la escritura reflexiva pueden variar significativamente entre distintas áreas disciplinares, lo que requeriría ajustes en la implementación. A modo de conclusión, esta investigación demuestra que la IA puede trascender su rol predictivo para convertirse en un poderoso aliado del quehacer docente. Las proyecciones de este trabajo incluyen la incorporación de las bitácoras del propio profesor para triangular los análisis y promover un diálogo reflexivo más completo. Asimismo, se busca aplicar y validar este modelo en otras disciplinas para explorar su transferibilidad y robustecer los hallazgos aquí presentados. En definitiva, el estudio abre nuevas posibilidades para que las tecnologías avanzadas no reemplacen, sino que amplifiquen la capacidad de los educadores para comprender y responder mejor a las voces y necesidades de sus estudiantes. Referencias Meel, D. E. (1999). Journal writing in mathematics: A laboratory for mathematical thinking. Mathematics Teacher, 92 (5), 428–433. Seto, A. Y., & Meel, D. E. (2006). Enlivening linear algebra by writing and speaking mathematics: A holistic approach to student understanding. PRIMUS, 16 (3), 193–215. https://doi.org/10.1080/10511970608984142 Molina, E., González, M., & González, J. (2011). Un acercamiento a la investigación de diseño a través de los experimentos de enseñanza. Enseñanza de las Ciencias, 29 (1), 75–87.