El legado de Humberto Maturana y Francisco Varela: Desarrollos, desafíos y aplicaciones de la teoría autopoiética en el siglo XXI

267 Capítulo 12 · Repensar la inteligencia artificial en educación. Thomas Wachter rregulación entre estudiantes, más que como un agente que optimice las tra- yectorias individuales de aprendizaje. Esto implica desplazar el foco desde la personalización —entendida como adaptación individual— hacia formas de mediación tecnológica que faciliten las interacciones entre estudiantes y docentes, y que abran espacios de diálogo y encuentro situado. Desde la educación es posible identificar pedagogías que conversan con los aspectos cognitivo-afectivos que sustentan este ensayo. Por ejemplo, las pedagogías socioemocionales (Durlak et al., 2015) y corporizadas (Nathan, 2021) ofre- cen marcos educativos bien fundados que podrían orientar el diseño y la implementación de herramientas de IA para la enseñanza y el aprendizaje. Si bien un análisis detallado de estas pedagogías excede los alcances de este ensayo, su mención apunta a que ya existen referentes pedagógicos contem- poráneos con los cuales la IA educativa podría alinearse productivamente —en lugar de seguir operando bajo los supuestos cognitivistas y conductis- tas que actualmente dominan su diseño—. El énfasis que estas pedagogías ponen en la regulación emocional, el cuerpo y el movimiento ofrece, en ese sentido, un punto de partida fértil para repensar sus bases. En segundo lugar, desde las ciencias cognitivas se propone que el diseño de herramientas de IA en educación debería orientarse por una com- prensión del aprendizaje como proceso corporizado. La interacción predo- minante mediante teclado y pantalla reproduce, a nivel de interfaz, los su- puestos descorporizados que caracterizan los modelos cognitivos que este ensayo cuestiona: reduce al estudiante a un procesador de información des- corporizado que se sienta pasivamente frente a un dispositivo y deja fuera el movimiento, el gesto y la experiencia sensorial como dimensiones consti- tutivas del aprender. Frente a esto, el diseño de IA educativa podría orien- tarse por los principios de la cognición 4E —encarnada, embebida, exten- dida y enactiva— (Newen et al., 2018) y moverse desde interfaces pasivas hacia entornos que inviten al movimiento y la acción situada. Investigacio- nes en el campo del aprendizaje corporizado han mostrado cómo el diseño de tecnologías educativas puede orientarse por estos principios, con énfasis en el movimiento (Abrahamson y Lindgren, 2014), y abrir la posibilidad de