Recepção: 09-06-2026
Aprovação: 15-07-2026
pág. 2424
DOI: https://doi.org/10.61616/rvdc.v7i2.1690
Nuevas metodologías para la enseñanza universitaria del diseño gráfico en la
era de la inteligencia artificial generativa
Diego Xavier León Marín
diegox.leon@ucuenca.edu.ec
https://orcid.org/0009-0002-2715-3261
Universidad de Cuenca
RESUMEN
El presente artículo identifica, mediante un estudio bibliográfico, las metodologías didácticas
más pertinentes para integrar la inteligencia artificial (IA) generativa en la enseñanza
universitaria del diseño gráfico. El objetivo general fue identificar, a partir de la revisión
bibliográfica, metodologías de enseñanza aplicables al diseño gráfico universitario en
contextos mediados por IA generativa. Se empleó un enfoque cualitativo, de tipo descriptivo,
con un diseño de investigación documental basado en la revisión sistemática de treinta
fuentes académicas indexadas en bases como Scopus, Web of Science, ACM Digital Library,
Scielo, Dialnet y documentos institucionales de la UNESCO y la OCDE, clasificadas en seis ejes
temáticos: integración curricular de la IA generativa en educación de diseño y artes,
alfabetización visual y pensamiento crítico ante imágenes generadas por IA, metodologías
activas y co-creación humano-IA, ingeniería de prompts como competencia curricular, ética y
políticas institucionales sobre IA en educación superior, y evaluación de procesos creativos y
competencias digitales. Los resultados evidencian que el aprendizaje basado en proyectos y
la co-creación humano-IA en niveles progresivos de autonomía cuentan con mayor respaldo
empírico para preservar la agencia creativa del estudiante, que la formulación crítica de
prompts constituye una competencia proyectual que debe enseñarse de forma explícita, y
que la evaluación de los aprendizajes requiere desplazarse del producto final hacia el proceso
mediante portafolios digitales y escalas de transparencia sobre el uso permitido de IA. Se
concluye que no existe una metodología única óptima, sino un conjunto de estrategias
complementarias cuya articulación deliberada, enmarcada en las orientaciones éticas
internacionales disponibles, resulta indispensable para una integración pedagógicamente
responsable de la inteligencia artificial generativa en la formación del diseñador gráfico.
Palabras clave: educación en diseño, inteligencia artificial, diseño gráfico universitario,
metodologías activas, alfabetización visual
Licencia
Este trabajo está bajo una licencia Creative Commons Attribution 4.0 International.
pág. 2425
New methodologies for university graphic design education in the
era of generative artificial intelligence
ABSTRACT
This article identifies, through a bibliographic study, the teaching methodologies most
relevant for integrating generative artificial intelligence (AI) into university graphic design
education. The general objective was to identify, through bibliographic review, teaching
methodologies applicable to university graphic design in contexts mediated by generative AI.
A qualitative, descriptive approach was used, with a documentary research design based on
the systematic review of thirty academic sources indexed in databases such as Scopus, Web
of Science, the ACM Digital Library, Scielo, Dialnet, and institutional documents from UNESCO
and the OECD, classified into six thematic axes: curricular integration of generative AI in
design and arts education, visual literacy and critical thinking toward AI-generated images,
active methodologies and human-AI co-creation, prompt engineering as a curricular
competency, ethics and institutional policies on AI in higher education, and assessment of
creative processes and digital competencies. The results show that project-based learning and
human-AI co-creation at progressive levels of autonomy have the strongest empirical support
for preserving students' creative agency, that critical prompt formulation constitutes a design
competency that must be explicitly taught, and that assessment of learning needs to shift
from the final product toward the process through digital portfolios and transparency scales
regarding permitted AI use. It is concluded that no single optimal methodology exists, but
rather a set of complementary strategies whose deliberate articulation, framed within
available international ethical guidance, is essential for a pedagogically responsible
integration of generative artificial intelligence into graphic design education.
Keywords: design education, artificial intelligence, university graphic design, active
methodologies, visual literacy
License
This work is licensed under a Creative Commons Attribution 4.0 International license.
New methodologies for university graphic design education in the
era of generative artificial intelligence
ABSTRACT
This article identifies, through a bibliographic study, the teaching methodologies most
relevant for integrating generative artificial intelligence (AI) into university graphic design
education. The general objective was to identify, through bibliographic review, teaching
methodologies applicable to university graphic design in contexts mediated by generative AI.
A qualitative, descriptive approach was used, with a documentary research design based on
the systematic review of thirty academic sources indexed in databases such as Scopus, Web
of Science, the ACM Digital Library, Scielo, Dialnet, and institutional documents from UNESCO
and the OECD, classified into six thematic axes: curricular integration of generative AI in
design and arts education, visual literacy and critical thinking toward AI-generated images,
active methodologies and human-AI co-creation, prompt engineering as a curricular
competency, ethics and institutional policies on AI in higher education, and assessment of
creative processes and digital competencies. The results show that project-based learning and
human-AI co-creation at progressive levels of autonomy have the strongest empirical support
for preserving students' creative agency, that critical prompt formulation constitutes a design
competency that must be explicitly taught, and that assessment of learning needs to shift
from the final product toward the process through digital portfolios and transparency scales
regarding permitted AI use. It is concluded that no single optimal methodology exists, but
rather a set of complementary strategies whose deliberate articulation, framed within
available international ethical guidance, is essential for a pedagogically responsible
integration of generative artificial intelligence into graphic design education.
Keywords: design education, artificial intelligence, university graphic design, active
methodologies, visual literacy
License
This work is licensed under a Creative Commons Attribution 4.0 International license.
pág. 2426
INTRODUCCIÓN
La enseñanza universitaria del diseño gráfico atraviesa una de sus transformaciones
curriculares más profundas desde la incorporación de la computadora personal a los talleres
de diseño en la década de 1990. La disponibilidad masiva de sistemas de generación de
imágenes a partir de texto —Midjourney, DALL-E, Stable Diffusion, Adobe Firefly— y de
modelos conversacionales como ChatGPT ha alterado en pocos años la manera en que los
estudiantes investigan referentes, generan alternativas visuales, prototipan conceptos y
presentan sus proyectos (Sims, 2024; Fathoni, 2023). Este artículo examina un problema que
atraviesa directamente la práctica docente: qué metodologías de enseñanza resultan más
pertinentes para preparar a los futuros diseñadores gráficos para un ejercicio profesional
mediado, de forma creciente, por la inteligencia artificial (IA) generativa.
El problema de investigación puede formularse así: las escuelas de diseño gráfico enfrentan
una tensión no resuelta entre la enseñanza centrada en el dominio técnico del software
tradicional y la necesidad de formar competencias de curaduría, pensamiento crítico y
responsabilidad ética frente a herramientas que producen resultados visuales en segundos
(Alaguero-Rodríguez et al., 2024; Wang y Lu, 2024). Estudios recientes documentan avances
significativos en la incorporación de IA generativa a talleres puntuales de diseño (González
García et al., 2025; Moncayo Guijarro y Ochoa Calderón, 2026), pero la literatura que
sistematiza qué metodologías didácticas concretas —basadas en proyectos, en problemas, en
co-creación humano-IA o en alfabetización de prompts— resultan más efectivas para este
nuevo contexto formativo sigue siendo fragmentaria y dispersa entre publicaciones de
educación en artes, ciencias de la computación y políticas educativas internacionales.
La relevancia de abordar este tema es a la vez disciplinar y curricular. Disciplinarmente, el
diseño gráfico se ha definido históricamente como una profesión que articula investigación,
INTRODUCCIÓN
La enseñanza universitaria del diseño gráfico atraviesa una de sus transformaciones
curriculares más profundas desde la incorporación de la computadora personal a los talleres
de diseño en la década de 1990. La disponibilidad masiva de sistemas de generación de
imágenes a partir de texto —Midjourney, DALL-E, Stable Diffusion, Adobe Firefly— y de
modelos conversacionales como ChatGPT ha alterado en pocos años la manera en que los
estudiantes investigan referentes, generan alternativas visuales, prototipan conceptos y
presentan sus proyectos (Sims, 2024; Fathoni, 2023). Este artículo examina un problema que
atraviesa directamente la práctica docente: qué metodologías de enseñanza resultan más
pertinentes para preparar a los futuros diseñadores gráficos para un ejercicio profesional
mediado, de forma creciente, por la inteligencia artificial (IA) generativa.
El problema de investigación puede formularse así: las escuelas de diseño gráfico enfrentan
una tensión no resuelta entre la enseñanza centrada en el dominio técnico del software
tradicional y la necesidad de formar competencias de curaduría, pensamiento crítico y
responsabilidad ética frente a herramientas que producen resultados visuales en segundos
(Alaguero-Rodríguez et al., 2024; Wang y Lu, 2024). Estudios recientes documentan avances
significativos en la incorporación de IA generativa a talleres puntuales de diseño (González
García et al., 2025; Moncayo Guijarro y Ochoa Calderón, 2026), pero la literatura que
sistematiza qué metodologías didácticas concretas —basadas en proyectos, en problemas, en
co-creación humano-IA o en alfabetización de prompts— resultan más efectivas para este
nuevo contexto formativo sigue siendo fragmentaria y dispersa entre publicaciones de
educación en artes, ciencias de la computación y políticas educativas internacionales.
La relevancia de abordar este tema es a la vez disciplinar y curricular. Disciplinarmente, el
diseño gráfico se ha definido históricamente como una profesión que articula investigación,
pág. 2427
ideación, producción visual y comunicación (Hwang y Wu, 2025); cuando una herramienta de
IA generativa puede producir en segundos alternativas visuales que antes requerían horas de
trabajo manual, la universidad enfrenta la pregunta de qué debe enseñarse cuando la
ejecución técnica deja de ser el diferencial central de la formación. Curricularmente,
organismos internacionales como la UNESCO han publicado orientaciones específicas para
guiar la integración ética y pedagógica de la IA generativa en la educación superior (UNESCO,
2019; UNESCO, Miao y Holmes, 2023), documentos que ofrecen un marco normativo todavía
poco incorporado de manera sistemática en los programas de diseño gráfico de la región.
El marco teórico de este artículo se apoya en tres corrientes complementarias. La primera
corresponde a los estudios sobre integración curricular de la IA generativa en educación
artística y de diseño, que documentan casos de talleres, cursos y programas que ya han
comenzado a incorporar estas herramientas (Fathoni, 2023; Wang y Lu, 2024; Sims, 2024). La
segunda corriente proviene de los estudios sobre alfabetización visual y pensamiento crítico
ante imágenes generadas por IA, que examinan cómo los estudiantes desarrollan criterio para
evaluar, seleccionar y cuestionar los resultados que estas herramientas producen (Dehouche
y Dehouche, 2023; Vartiainen y Tedre, 2023; Martín-Ramallal et al., 2026). La tercera
corriente corresponde a los estudios sobre metodologías activas y co-creación humano-IA,
que documentan cómo el aprendizaje basado en proyectos y en problemas puede adaptarse
a escenarios donde la IA generativa participa como colaborador del proceso creativo (Zhou et
al., 2024; Haase y Pokutta, 2024; Ravi et al., 2025).
En cuanto a los antecedentes investigativos, la producción académica sobre pedagogía del
diseño e IA generativa ha crecido de forma sostenida desde 2022. Un primer grupo de
estudios se ha concentrado en documentar percepciones de docentes y estudiantes frente a
estas herramientas (Cabellos et al., 2024; Ayyoub et al., 2024; Escudero García, 2025). Un
ideación, producción visual y comunicación (Hwang y Wu, 2025); cuando una herramienta de
IA generativa puede producir en segundos alternativas visuales que antes requerían horas de
trabajo manual, la universidad enfrenta la pregunta de qué debe enseñarse cuando la
ejecución técnica deja de ser el diferencial central de la formación. Curricularmente,
organismos internacionales como la UNESCO han publicado orientaciones específicas para
guiar la integración ética y pedagógica de la IA generativa en la educación superior (UNESCO,
2019; UNESCO, Miao y Holmes, 2023), documentos que ofrecen un marco normativo todavía
poco incorporado de manera sistemática en los programas de diseño gráfico de la región.
El marco teórico de este artículo se apoya en tres corrientes complementarias. La primera
corresponde a los estudios sobre integración curricular de la IA generativa en educación
artística y de diseño, que documentan casos de talleres, cursos y programas que ya han
comenzado a incorporar estas herramientas (Fathoni, 2023; Wang y Lu, 2024; Sims, 2024). La
segunda corriente proviene de los estudios sobre alfabetización visual y pensamiento crítico
ante imágenes generadas por IA, que examinan cómo los estudiantes desarrollan criterio para
evaluar, seleccionar y cuestionar los resultados que estas herramientas producen (Dehouche
y Dehouche, 2023; Vartiainen y Tedre, 2023; Martín-Ramallal et al., 2026). La tercera
corriente corresponde a los estudios sobre metodologías activas y co-creación humano-IA,
que documentan cómo el aprendizaje basado en proyectos y en problemas puede adaptarse
a escenarios donde la IA generativa participa como colaborador del proceso creativo (Zhou et
al., 2024; Haase y Pokutta, 2024; Ravi et al., 2025).
En cuanto a los antecedentes investigativos, la producción académica sobre pedagogía del
diseño e IA generativa ha crecido de forma sostenida desde 2022. Un primer grupo de
estudios se ha concentrado en documentar percepciones de docentes y estudiantes frente a
estas herramientas (Cabellos et al., 2024; Ayyoub et al., 2024; Escudero García, 2025). Un
pág. 2428
segundo grupo, de carácter más normativo, ha producido guías institucionales y marcos de
gobernanza para su integración responsable en la educación superior (OECD, 2023; Miao y
Shafik, 2024; Chan, 2025). Un tercer grupo, más técnico-pedagógico, ha examinado la
ingeniería de prompts como una competencia enseñable y evaluable dentro de los currículos
creativos (Hutson y Cotroneo, 2023; Oppenlaender, 2023; Oppenlaender et al., 2024). Sin
embargo, son escasos los trabajos que integran estas tres líneas —integración curricular,
alfabetización crítica y evaluación de procesos— en un marco de análisis específico para la
enseñanza universitaria del diseño gráfico, y menos aún desde una perspectiva bibliográfica
que sintetice la producción reciente en español e inglés. Este artículo busca contribuir a llenar
ese vacío.
En este contexto, la pregunta que orienta la investigación es la siguiente: ¿qué metodologías
didácticas son más pertinentes para integrar la inteligencia artificial generativa en la
enseñanza universitaria del diseño gráfico? A partir de esta pregunta, el objetivo general del
estudio es identificar, mediante revisión bibliográfica, metodologías de enseñanza aplicables
al diseño gráfico universitario en contextos mediados por inteligencia artificial generativa. De
este objetivo general se desprenden los siguientes objetivos específicos: (a) caracterizar, a
partir de la literatura científica reciente, las metodologías activas y estrategias didácticas
documentadas para integrar la IA generativa en la formación del diseñador gráfico; (b)
identificar los componentes de alfabetización visual, pensamiento crítico y competencia en
ingeniería de prompts que la literatura reconoce como necesarios en el currículo; y (c)
sistematizar los criterios de evaluación de procesos creativos y las orientaciones éticas e
institucionales disponibles para guiar la práctica docente en este nuevo escenario.
segundo grupo, de carácter más normativo, ha producido guías institucionales y marcos de
gobernanza para su integración responsable en la educación superior (OECD, 2023; Miao y
Shafik, 2024; Chan, 2025). Un tercer grupo, más técnico-pedagógico, ha examinado la
ingeniería de prompts como una competencia enseñable y evaluable dentro de los currículos
creativos (Hutson y Cotroneo, 2023; Oppenlaender, 2023; Oppenlaender et al., 2024). Sin
embargo, son escasos los trabajos que integran estas tres líneas —integración curricular,
alfabetización crítica y evaluación de procesos— en un marco de análisis específico para la
enseñanza universitaria del diseño gráfico, y menos aún desde una perspectiva bibliográfica
que sintetice la producción reciente en español e inglés. Este artículo busca contribuir a llenar
ese vacío.
En este contexto, la pregunta que orienta la investigación es la siguiente: ¿qué metodologías
didácticas son más pertinentes para integrar la inteligencia artificial generativa en la
enseñanza universitaria del diseño gráfico? A partir de esta pregunta, el objetivo general del
estudio es identificar, mediante revisión bibliográfica, metodologías de enseñanza aplicables
al diseño gráfico universitario en contextos mediados por inteligencia artificial generativa. De
este objetivo general se desprenden los siguientes objetivos específicos: (a) caracterizar, a
partir de la literatura científica reciente, las metodologías activas y estrategias didácticas
documentadas para integrar la IA generativa en la formación del diseñador gráfico; (b)
identificar los componentes de alfabetización visual, pensamiento crítico y competencia en
ingeniería de prompts que la literatura reconoce como necesarios en el currículo; y (c)
sistematizar los criterios de evaluación de procesos creativos y las orientaciones éticas e
institucionales disponibles para guiar la práctica docente en este nuevo escenario.
pág. 2429
METODOLOGÍA
Este trabajo adoptó un enfoque cualitativo, de tipo descriptivo, y un diseño de investigación
bibliográfica o documental. Se optó por este diseño porque el objetivo del estudio no requería
la recolección de datos primarios en campo, sino la sistematización y el análisis crítico de la
producción científica ya publicada sobre metodologías de enseñanza del diseño gráfico en
contextos mediados por inteligencia artificial generativa. La investigación bibliográfica
permite, en un campo pedagógico de cambio acelerado como este, ofrecer una fotografía
representativa del estado del conocimiento disponible hasta la fecha, identificando
convergencias, vacíos y tensiones entre las distintas líneas de estudio.
La unidad de análisis estuvo constituida por treinta (30) fuentes académicas publicadas entre
2019 y 2026, con una concentración mayoritaria en el trienio 2023-2025, periodo que
coincide con la popularización masiva de las herramientas de IA generativa de imagen y texto
en contextos educativos. El sistema de muestreo aplicado fue no probabilístico, de tipo
intencional, orientado por criterios de pertinencia temática y calidad editorial antes que por
representatividad estadística. Los criterios de inclusión establecidos fueron: (a) publicación
en revistas académicas indexadas (Scopus, Web of Science, Redalyc, Scielo, Dialnet) o en
repositorios y actas de conferencias de reconocido arbitraje científico (arXiv en su modalidad
de preprint revisable, ACM Digital Library, MDPI, SAGE) o documentos institucionales oficiales
de organismos internacionales (UNESCO, OCDE); (b) antigüedad no mayor a siete años
respecto de la elaboración de este artículo, priorizando los últimos cinco; (c) abordaje
explícito de al menos uno de los siguientes ejes temáticos: integración curricular de la IA
generativa en educación de diseño y artes, alfabetización visual y pensamiento crítico ante
imágenes generadas por IA, metodologías activas y co-creación humano-IA, ingeniería de
prompts como competencia curricular, ética y políticas institucionales sobre IA en educación
METODOLOGÍA
Este trabajo adoptó un enfoque cualitativo, de tipo descriptivo, y un diseño de investigación
bibliográfica o documental. Se optó por este diseño porque el objetivo del estudio no requería
la recolección de datos primarios en campo, sino la sistematización y el análisis crítico de la
producción científica ya publicada sobre metodologías de enseñanza del diseño gráfico en
contextos mediados por inteligencia artificial generativa. La investigación bibliográfica
permite, en un campo pedagógico de cambio acelerado como este, ofrecer una fotografía
representativa del estado del conocimiento disponible hasta la fecha, identificando
convergencias, vacíos y tensiones entre las distintas líneas de estudio.
La unidad de análisis estuvo constituida por treinta (30) fuentes académicas publicadas entre
2019 y 2026, con una concentración mayoritaria en el trienio 2023-2025, periodo que
coincide con la popularización masiva de las herramientas de IA generativa de imagen y texto
en contextos educativos. El sistema de muestreo aplicado fue no probabilístico, de tipo
intencional, orientado por criterios de pertinencia temática y calidad editorial antes que por
representatividad estadística. Los criterios de inclusión establecidos fueron: (a) publicación
en revistas académicas indexadas (Scopus, Web of Science, Redalyc, Scielo, Dialnet) o en
repositorios y actas de conferencias de reconocido arbitraje científico (arXiv en su modalidad
de preprint revisable, ACM Digital Library, MDPI, SAGE) o documentos institucionales oficiales
de organismos internacionales (UNESCO, OCDE); (b) antigüedad no mayor a siete años
respecto de la elaboración de este artículo, priorizando los últimos cinco; (c) abordaje
explícito de al menos uno de los siguientes ejes temáticos: integración curricular de la IA
generativa en educación de diseño y artes, alfabetización visual y pensamiento crítico ante
imágenes generadas por IA, metodologías activas y co-creación humano-IA, ingeniería de
prompts como competencia curricular, ética y políticas institucionales sobre IA en educación
pág. 2430
superior, y evaluación de procesos creativos y competencias digitales. Se excluyeron
publicaciones sin proceso de arbitraje identificable, entradas de blogs o divulgación no
académica, y fuentes centradas exclusivamente en aspectos técnicos de entrenamiento de
modelos de IA sin conexión con la práctica pedagógica o el ejercicio del diseño.
Como técnica de recolección de información se empleó la revisión documental sistemática,
apoyada en un instrumento de registro bibliográfico que consignó, para cada fuente, los
siguientes campos: referencia completa en formato APA séptima edición, eje temático de
pertenencia, tipo de estudio (empírico, teórico-conceptual, revisión de literatura, documento
de política institucional), y una síntesis de los hallazgos relevantes para los objetivos de este
artículo. Este instrumento permitió la posterior comparación y triangulación temática entre
fuentes procedentes de campos disciplinares distintos —educación en diseño, pedagogía
universitaria, políticas educativas internacionales e interacción humano-computador—, cuya
convergencia resulta poco frecuente en la literatura especializada consultada.
El procedimiento de análisis siguió tres momentos. En el primero se clasificaron las fuentes
en los seis ejes temáticos señalados, permitiendo advertir el peso relativo de cada dimensión
del problema en la producción académica reciente. En el segundo momento se realizó un
análisis comparativo entre las metodologías didácticas documentadas —aprendizaje basado
en proyectos, aprendizaje basado en problemas, co-creación humano-IA, talleres de
alfabetización de prompts— y su aplicabilidad reportada al contexto específico del diseño
gráfico universitario. En el tercer momento se sistematizaron los criterios de evaluación de
procesos creativos y las orientaciones éticas e institucionales disponibles, distinguiendo entre
lineamientos de alcance internacional y experiencias de implementación en programas
concretos.
superior, y evaluación de procesos creativos y competencias digitales. Se excluyeron
publicaciones sin proceso de arbitraje identificable, entradas de blogs o divulgación no
académica, y fuentes centradas exclusivamente en aspectos técnicos de entrenamiento de
modelos de IA sin conexión con la práctica pedagógica o el ejercicio del diseño.
Como técnica de recolección de información se empleó la revisión documental sistemática,
apoyada en un instrumento de registro bibliográfico que consignó, para cada fuente, los
siguientes campos: referencia completa en formato APA séptima edición, eje temático de
pertenencia, tipo de estudio (empírico, teórico-conceptual, revisión de literatura, documento
de política institucional), y una síntesis de los hallazgos relevantes para los objetivos de este
artículo. Este instrumento permitió la posterior comparación y triangulación temática entre
fuentes procedentes de campos disciplinares distintos —educación en diseño, pedagogía
universitaria, políticas educativas internacionales e interacción humano-computador—, cuya
convergencia resulta poco frecuente en la literatura especializada consultada.
El procedimiento de análisis siguió tres momentos. En el primero se clasificaron las fuentes
en los seis ejes temáticos señalados, permitiendo advertir el peso relativo de cada dimensión
del problema en la producción académica reciente. En el segundo momento se realizó un
análisis comparativo entre las metodologías didácticas documentadas —aprendizaje basado
en proyectos, aprendizaje basado en problemas, co-creación humano-IA, talleres de
alfabetización de prompts— y su aplicabilidad reportada al contexto específico del diseño
gráfico universitario. En el tercer momento se sistematizaron los criterios de evaluación de
procesos creativos y las orientaciones éticas e institucionales disponibles, distinguiendo entre
lineamientos de alcance internacional y experiencias de implementación en programas
concretos.
pág. 2431
En cuanto a las consideraciones éticas, al tratarse de un estudio estrictamente documental
no se requirió consentimiento informado ni intervención con personas, pero se aplicó un
criterio riguroso de integridad académica: cada fuente incluida fue verificada en su existencia
y accesibilidad mediante su DOI o URL directa, evitando la incorporación de referencias no
comprobables o de dudosa procedencia, en línea con lo exigido por los estándares editoriales
de la revista para la aceptación de manuscritos.
Como limitación del estudio, se reconoce que la naturaleza documental de la investigación no
permite medir de forma directa la efectividad de estas metodologías en el aula, ni las
percepciones de docentes y estudiantes de diseño gráfico en ejercicio en el contexto local
ecuatoriano o latinoamericano, por lo que los hallazgos aquí sistematizados constituyen una
base conceptual que requeriría contrastarse en el futuro con estudios de campo, cuasi-
experimentales o de investigación-acción, realizados con muestras de docentes y estudiantes
de la región.
RESULTADOS Y DISCUSIÓN
El análisis de las treinta fuentes revisadas permite organizar los hallazgos en tres bloques,
correspondientes a los tres objetivos específicos planteados: (a) las metodologías activas y
estrategias didácticas documentadas para integrar la IA generativa en la enseñanza del diseño
gráfico, (b) los componentes de alfabetización visual y competencia en ingeniería de prompts
que la literatura reconoce como necesarios en el currículo, y (c) los criterios de evaluación de
procesos creativos y las orientaciones éticas e institucionales disponibles.
Metodologías activas y estrategias didácticas para la integración de la IA generativa
La literatura revisada coincide en que la incorporación de la IA generativa a la enseñanza del
diseño gráfico no debe entenderse como la simple adición de una herramienta más al taller,
sino como una oportunidad para repensar las metodologías didácticas desde su raíz. Fathoni
En cuanto a las consideraciones éticas, al tratarse de un estudio estrictamente documental
no se requirió consentimiento informado ni intervención con personas, pero se aplicó un
criterio riguroso de integridad académica: cada fuente incluida fue verificada en su existencia
y accesibilidad mediante su DOI o URL directa, evitando la incorporación de referencias no
comprobables o de dudosa procedencia, en línea con lo exigido por los estándares editoriales
de la revista para la aceptación de manuscritos.
Como limitación del estudio, se reconoce que la naturaleza documental de la investigación no
permite medir de forma directa la efectividad de estas metodologías en el aula, ni las
percepciones de docentes y estudiantes de diseño gráfico en ejercicio en el contexto local
ecuatoriano o latinoamericano, por lo que los hallazgos aquí sistematizados constituyen una
base conceptual que requeriría contrastarse en el futuro con estudios de campo, cuasi-
experimentales o de investigación-acción, realizados con muestras de docentes y estudiantes
de la región.
RESULTADOS Y DISCUSIÓN
El análisis de las treinta fuentes revisadas permite organizar los hallazgos en tres bloques,
correspondientes a los tres objetivos específicos planteados: (a) las metodologías activas y
estrategias didácticas documentadas para integrar la IA generativa en la enseñanza del diseño
gráfico, (b) los componentes de alfabetización visual y competencia en ingeniería de prompts
que la literatura reconoce como necesarios en el currículo, y (c) los criterios de evaluación de
procesos creativos y las orientaciones éticas e institucionales disponibles.
Metodologías activas y estrategias didácticas para la integración de la IA generativa
La literatura revisada coincide en que la incorporación de la IA generativa a la enseñanza del
diseño gráfico no debe entenderse como la simple adición de una herramienta más al taller,
sino como una oportunidad para repensar las metodologías didácticas desde su raíz. Fathoni
pág. 2432
(2023) sostiene que los generadores de texto a imagen pueden integrarse de manera
pedagógicamente productiva cuando el diseño instruccional prioriza la creatividad sostenible
y la integridad académica por encima de la mera eficiencia en la producción de resultados. En
una línea complementaria, Sims (2024) documenta, a partir de talleres realizados con
estudiantes de artes, que la integración curricular exitosa de estas herramientas requiere una
hoja de ruta explícita que equipe al estudiante con competencias de curaduría y edición
crítica, y no únicamente con destreza operativa del software.
Entre las metodologías activas documentadas, el aprendizaje basado en proyectos (ABP)
aparece como la estrategia con mayor evidencia de aplicabilidad al contexto de diseño
mediado por IA. Ravi et al. (2025), en un proceso de codiseño con educadores, muestran
cómo las herramientas de modelos de lenguaje pueden apoyar la definición de retos, la
gestión de tiempos y la evaluación de entregables dentro de proyectos de aprendizaje
auténtico. De manera convergente, la co-creación humano-IA emerge como un segundo eje
metodológico relevante: Zhou et al. (2024), a partir de un estudio con doce diseñadores
expertos, proponen un marco de colaboración no lineal entre el diseñador y el agente de IA
que puede adaptarse a la enseñanza de procesos proyectuales, mientras que Haase y Pokutta
(2024) distinguen cuatro niveles de interacción humano-IA en procesos creativos —desde el
uso de la IA como herramienta digital hasta su papel como co-creador autónomo— que
ofrecen una progresión útil para diseñar secuencias didácticas de complejidad creciente. En
el ámbito específico del diseño ambiental y la educación estética, Wang y Lu (2024)
documentan cómo la IA generativa puede personalizar trayectorias de aprendizaje y asistir a
los docentes tanto en la enseñanza como en la evaluación formativa.
(2023) sostiene que los generadores de texto a imagen pueden integrarse de manera
pedagógicamente productiva cuando el diseño instruccional prioriza la creatividad sostenible
y la integridad académica por encima de la mera eficiencia en la producción de resultados. En
una línea complementaria, Sims (2024) documenta, a partir de talleres realizados con
estudiantes de artes, que la integración curricular exitosa de estas herramientas requiere una
hoja de ruta explícita que equipe al estudiante con competencias de curaduría y edición
crítica, y no únicamente con destreza operativa del software.
Entre las metodologías activas documentadas, el aprendizaje basado en proyectos (ABP)
aparece como la estrategia con mayor evidencia de aplicabilidad al contexto de diseño
mediado por IA. Ravi et al. (2025), en un proceso de codiseño con educadores, muestran
cómo las herramientas de modelos de lenguaje pueden apoyar la definición de retos, la
gestión de tiempos y la evaluación de entregables dentro de proyectos de aprendizaje
auténtico. De manera convergente, la co-creación humano-IA emerge como un segundo eje
metodológico relevante: Zhou et al. (2024), a partir de un estudio con doce diseñadores
expertos, proponen un marco de colaboración no lineal entre el diseñador y el agente de IA
que puede adaptarse a la enseñanza de procesos proyectuales, mientras que Haase y Pokutta
(2024) distinguen cuatro niveles de interacción humano-IA en procesos creativos —desde el
uso de la IA como herramienta digital hasta su papel como co-creador autónomo— que
ofrecen una progresión útil para diseñar secuencias didácticas de complejidad creciente. En
el ámbito específico del diseño ambiental y la educación estética, Wang y Lu (2024)
documentan cómo la IA generativa puede personalizar trayectorias de aprendizaje y asistir a
los docentes tanto en la enseñanza como en la evaluación formativa.
pág. 2433
Cuadro 1. Metodologías didácticas documentadas para la integración de la inteligencia
artificial generativa en la enseñanza del diseño gráfico
Metodología
Descripción de la aplicación
documentada
Aporte principal identificado Fuente
Aprendizaje basado
en proyectos (ABP)
Uso de modelos de lenguaje e IA
generativa para apoyar la
definición de retos, gestión y
evaluación de proyectos de
diseño
Favorece la autenticidad del
proyecto y la integración de la IA
como recurso de apoyo, no como
sustituto del proceso
Ravi et al. (2025)
Co-creación
humano-IA (marco
no lineal)
Colaboración iterativa entre
diseñador y sistema generativo
en las fases de ideación y
refinamiento
Permite modelar la progresión de
niveles de autonomía de la IA
dentro del proceso proyectual
Zhou et al. (2024);
Haase y Pokutta
(2024)
Talleres de
integración
curricular guiada
Incorporación progresiva de
herramientas generativas en
cursos de arte y diseño mediante
hojas de ruta explícitas
Equipa al estudiante con
competencias de curaduría y
edición crítica, no solo operativas
Sims (2024);
Fathoni (2023)
Aprendizaje basado
en problemas
aplicado a software
especializado
Integración de IA generativa (p.
ej. Adobe Firefly) en la enseñanza
de herramientas de diseño
gráfico
Exige actualización docente y
revisión curricular explícita del
programa
González García
et al. (2025)
Personalización de
trayectorias de
aprendizaje
Uso de IA generativa para
adaptar contenidos y evaluación
formativa según el perfil del
estudiante
Facilita la diferenciación
pedagógica en cursos de
educación estética y diseño
ambiental
Wang y Lu (2024)
Nota. Elaboración propia a partir de la síntesis de las fuentes citadas en cada fila (2023-2025).
Cuadro 1. Metodologías didácticas documentadas para la integración de la inteligencia
artificial generativa en la enseñanza del diseño gráfico
Metodología
Descripción de la aplicación
documentada
Aporte principal identificado Fuente
Aprendizaje basado
en proyectos (ABP)
Uso de modelos de lenguaje e IA
generativa para apoyar la
definición de retos, gestión y
evaluación de proyectos de
diseño
Favorece la autenticidad del
proyecto y la integración de la IA
como recurso de apoyo, no como
sustituto del proceso
Ravi et al. (2025)
Co-creación
humano-IA (marco
no lineal)
Colaboración iterativa entre
diseñador y sistema generativo
en las fases de ideación y
refinamiento
Permite modelar la progresión de
niveles de autonomía de la IA
dentro del proceso proyectual
Zhou et al. (2024);
Haase y Pokutta
(2024)
Talleres de
integración
curricular guiada
Incorporación progresiva de
herramientas generativas en
cursos de arte y diseño mediante
hojas de ruta explícitas
Equipa al estudiante con
competencias de curaduría y
edición crítica, no solo operativas
Sims (2024);
Fathoni (2023)
Aprendizaje basado
en problemas
aplicado a software
especializado
Integración de IA generativa (p.
ej. Adobe Firefly) en la enseñanza
de herramientas de diseño
gráfico
Exige actualización docente y
revisión curricular explícita del
programa
González García
et al. (2025)
Personalización de
trayectorias de
aprendizaje
Uso de IA generativa para
adaptar contenidos y evaluación
formativa según el perfil del
estudiante
Facilita la diferenciación
pedagógica en cursos de
educación estética y diseño
ambiental
Wang y Lu (2024)
Nota. Elaboración propia a partir de la síntesis de las fuentes citadas en cada fila (2023-2025).