Por Eddy Pérez-Then, Dr. Med, MSP, MSPH, MBA, PhD*, Presidente, Two Oceans in Health, Decano Asociado de Investigación, Facultad de Ciencias de la Salud, Universidad O&M, Miembro de la Asociación Dominicana de Facultades de Escuelas de Medicina (ADOFEM)
Resumen
El docente del siglo XXI ya no se define por la cantidad de información que domina, sino por su capacidad de guiar, inspirar y evaluar pensamiento crítico. En el nuevo ecosistema educativo, el profesor se convierte en un curador de conocimiento, un facilitador de experiencias significativas y un líder del cambio institucional. La inteligencia artificial y la analítica de aprendizaje ofrecen apoyo, pero la empatía, la integridad y el liderazgo ético siguen siendo insustituibles. Este artículo analiza cómo formar y acompañar al profesorado en la transición hacia modelos híbridos e integrados de enseñanza médica.
- Introducción
La educación médica ha transitado hacia un currículo por competencias con evaluación basada en desempeño y responsabilidad social.1-3 La pandemia aceleró el aprendizaje híbrido y visibilizó la necesidad de resiliencia, salud pública y tele-educación.4-6 En este escenario, el docente deja de ser la “fuente” de datos para transformarse en arquitecto de experiencias, mentor y curador que enseña a discriminar y valorar la evidencia en un océano de información y herramientas digitales.1,2
- Los nuevos roles del docente: facilitador, mentor, curador y referente
En la era digital, el docente se ha concebido en una nueva perspectiva de accionar y modelar, integrando cuatro roles complementarios que se presentan de la manera siguiente:
- Facilitador: diseña actividades activas (casos, simulación, aprendizaje basado en problemas) y construye oportunidades de aprendizaje alineadas con objetivos, rúbricas y evidencias, entre las que se incluyen actividades profesionales confiables (EPAs, por sus siglas en inglés), examen clínico objetivo estructurado (OSCE, por sus siglas en inglés) y evaluaciones por mini exámenes clínicos (mini- CEX, por sus siglas en inglés).³,⁴
- Mentor: acompaña metas individuales, ofrece retroalimentación oportuna y cuida el bienestar del estudiante.²
- Curador: selecciona fuentes de calidad, modela el uso ético de tecnología y enseña pensamiento crítico y metacognición.¹
- Referente (Role Model): no sólo en el manejo eficiente de los conocimientos que forman parte de su área de experiencia médica, sino también en la promoción de las competencias éticas y humanísticas, que incluyan transversalmente la generación del conocimiento nuevo (investigación), inyectando en el estudiantado la actitud de innovación siempre basada en la mejor evidencia.
Figura 1.
Fuente: Figura elaborada por el autor, utilizando Napkin AI, a partir de fuentes citadas
Con estos cuatro roles o funciones, entre otras más que se adecuen a las exigencias de esta nueva era, el docente integra en su perfil las competencias clave de la enseñanza médica del siglo XXI, incluyendo diseño instruccional por resultados, alfabetización digital, evaluación formativa con analíticas y tutoría reflexiva.³,⁴
- Formación docente para entornos híbridos
La formación docente para entornos híbridos debe entenderse como una política institucional, no como un curso aislado. El objetivo no es que el profesor “aprenda a usar plataformas”, sino que sea capaz de integrar presencial y virtual de manera coherente con el currículo por competencias, implicando actitudes, no solo aptitudes, del profesor y las herramientas que podrían llegar a utilizarse.
En consecuencia, se resalta, que los entrenamientos técnicos, por sí solos, no van a cubrir esta dimensión, sino que necesariamente debe creerse en el proceso de transformación digital y aprovecharlo para reforzar los conceptos de educación básica, clínicos, investigativos y de salud pública, así como las competencias humanísticas y éticas, que conforman la visión holística del egresado de medicina en plena era digital.
Como principios orientadores de este tipo de formación deben considerarse los siguientes:
- Pedagogía primero: la tecnología sigue al objetivo de aprendizaje.¹ Cada clase híbrida debe responder a preguntas básicas: ¿qué competencia se desarrolla?, ¿qué evidencia de desempeño se recogerá?, ¿qué rol juega la tecnología y qué rol juega la interacción humana?
- Híbrido con propósito: lo presencial se reserva para habilidades clínicas, trabajo en equipo, comunicación paciente–médico y reflexión ética; lo virtual se optimiza para preparación previa, discusión asíncrona, revisión de casos, seguimiento y retroalimentación.⁴,⁶
- Coherencia evaluación–enseñanza: portafolios, rúbricas, EPAs, OSCE y mini-CEX deben alinearse con las experiencias híbridas y no operar en paralelo.³–⁴ Las actividades en línea deben producir evidencias trazables que alimenten la evaluación formativa.
- Inteligencia artificial como co-docente: potencial y límites
La inteligencia artificial (IA) generativa y otras herramientas basadas en datos pueden operar como un co-docente silencioso, siempre subordinado al juicio profesional del profesor y al marco ético de la institución.⁴,⁸
Dentro de los potenciales educativos concretos de la IA se destacan: a) la personalización de trayectorias, sugiriendo rutas adaptativas según el desempeño y permitiendo que algunos estudiantes refuercen fundamentos mientras otros progresan a casos complejos; b) la retroalimentación inmediata y específica, como la que se utiliza para casos clínicos simulados o escritura académica, ayudando a señalar hipótesis omitidas, sesgos cognitivos y oportunidades de mejora en la argumentación; c) la generación de casos y variaciones, en la que el docente puede solicitar variaciones por edad, comorbilidades o contexto socioeconómico, ampliando la exposición clínica sin riesgo para pacientes; y d) la asistencia al docente, con el apoyo en el diseño inicial de rúbricas, bancos de preguntas, organización de materiales y secuencias didácticas.8
Es importante resaltar, los límites a considerar con el uso de la IA, en el caso que se considere como co-docente en el ecosistema académico, lo que mueve a considerar los aspectos que se presentan a continuación:
- La IA no certifica competencias: la evaluación sumativa y las decisiones de titulación deben permanecer bajo responsabilidad de comités académicos humanos.¹,⁸
- Gobernanza y transparencia: la institución define qué herramientas se permiten, con qué fines y en qué condiciones, y se declara explícitamente el uso de IA en materiales y tareas.1
- Privacidad y datos sensibles: se simulan o anonimizan datos clínicos y estudiantiles; se prohíbe ingresar información que identifique pacientes reales.¹
- Sesgos y equidad: se enseña a contrastar las respuestas de la IA con guías locales y literatura independiente, cuestionando sesgos.8-9
- Formación en competencia en IA: el currículo incluye cuándo usarla, cómo citarla, cómo detectar errores y cómo evitar dependencia cognitiva.
En síntesis, la IA bien regulada puede liberar tiempo del docente, y facilitar la experiencia de aprendizaje para alumnos, a sabiendas que ninguna tecnología debe considerarse para acompañar trayectorias, formar criterio profesional y modelar humanidad.
- Liderazgo académico y gestión del cambio
Ninguna innovación pedagógica se sostiene sin un liderazgo académico capaz de conectar visión, recursos y personas. El profesor del futuro necesita decanatos que no solo administren, sino que lideren el cambio.1,7
Para un liderazgo efectivo, y acorde con la exigencia de la educación médica del siglo XXI, debe considerarse traducir la misión institucional en estrategia educativa, alineando la transformación digital con la responsabilidad social, las prioridades nacionales de salud y los estándares de acreditación. 1,7
De igual forma, para forjar el liderazgo docente que requiere esta época de transformación digital y de cambios revolucionarios dinámicos, debe crearse condiciones habilitantes de infraestructura, conectividad, centros de simulación, plataformas estables y apoyo técnico cercano al aula.⁴
La promoción del liderazgo institucional debe también tomar en cuenta la formación del recurso humano docente, incluyendo planes de desarrollo docente, reconocimiento de la innovación en promoción y espacios de cuidado del bienestar del profesorado – alineados con sus funciones en permanente evolución.² Asimismo, debe rendirse cuentas, definiendo indicadores de desempeño académico y comunicar resultados a la comunidad educativa.⁷
- Experiencias internacionales (lecciones aplicables)
Diversos países han avanzado en la integración de competencias, simulación e implementación de la IA en educación médica. Más que copiar modelos, interesa extraer principios adaptables a contextos como el caribeño y latinoamericano. A continuación, algunas experiencias internacionales que pudieran ilustrar las perspectivas de acción y proceder del docente que requiere este nuevo paradigma educativo y formativo en la educación médica.
- Reino Unido y Canadá: Educación Médica Basada en Competencia (CBME) y decisiones basadas en evidencia. Han consolidado CBME con portafolios electrónicos y EPAs estructuradas.³ Las decisiones de progreso se toman en comités académicos que revisan evidencia múltiple, reduciendo el peso de un examen aislado. Lección aplicable: crear comités de progreso que integren información de OSCE, mini-CEX, portafolios y desempeño en entornos comunitarios.
- España: continuidad de la evaluación clínica tras la pandemia. Mantiene OSCE presenciales reforzados con soporte virtual y fuerte énfasis en evaluación formativa y reflexión del estudiante.⁴,⁶ Como lección aplicable se promueve aprovechar plataformas virtuales para preparación y resumen de los OSCE.
- Australia: simulación de alta fidelidad y cultura de rúbricas. Integra simulación de alta fidelidad a lo largo de los ciclos clínicos, con rúbricas detalladas conocidas previamente por los estudiantes.⁴ Como lección aplicable se recomienda desarrollar rúbricas institucionales comunes para habilidades clave y usarlas de manera longitudinal.
- Brasil: atención primaria de salud (APS), telesalud y pertinencia cultural. Programas que vinculan internados con atención primaria y telesalud, ampliando la exposición a contextos rurales y vulnerables.4,9 Como lección aplicable se exhorta articular prácticas comunitarias, telesalud y simulación.
- Chile, Colombia y México: centros de simulación y aseguramiento de la calidad. Centros de simulación regionales con rúbricas comunes y portafolios digitales que trazan competencias. 1,7 Como lección aplicable se favorece la promoción de alianzas interinstitucionales para compartir bancos de casos, rúbricas y experiencias de simulación.
- Riesgos y mitigaciones
La transformación digital trae consigo riesgos pedagógicos, organizacionales y éticos. Reconocerlos explícitamente permite diseñar estrategias de mitigación desde el inicio, 2-4,5,8 y motiva a presentarlos en el cuadro siguiente.
Cuadro 1. Riesgos y mitigaciones en la transformación digital del rol docente en educación médica.*
| Riesgo principal (ref) | Descripción del riesgo | Estrategias de mitigación propuestas |
| Tecnocentrismo(2-3) | Implementar plataformas y aplicaciones sin rediseño curricular ni reflexión pedagógica. | Realizar diagnóstico curricular previo; vincular cada herramienta a competencias específicas; iniciar con pilotos evaluados que puedan escalarse o abandonarse según resultados. |
| Sobrecarga docente y resistencia al cambio(2) | Añadir tareas sin revisar la carga, lo que conduce a agotamiento y rechazo. | Rediseñar funciones y cargas; ofrecer apoyo técnico cercano al aula; reconocer la innovación en los procesos de promoción y evaluación docente. |
| Brecha digital y desigualdad de acceso(5) | Las diferencias socioeconómicas se traducen en desigualdad de oportunidades de aprendizaje. | Establecer fondos solidarios para dispositivos y conectividad; crear aulas digitales en campus; disponer de recursos que garanticen el acceso mínimo para todos los estudiantes. |
| Dependencia de IA y atrofia del razonamiento clínico(4.8) | Delegar el juicio clínico a la IA, debilitando el razonamiento propio del estudiante y del profesional en formación. | Diseñar tareas que exijan explicar el razonamiento; declarar explícitamente el uso de IA; evaluar la capacidad para identificar errores o sesgos en las respuestas generadas por la IA. |
| Gobernanza débil y uso no ético de datos(1) | Uso de datos sin consentimiento claro y ausencia de reglas sobre propiedad intelectual y plagio. | Implementar políticas institucionales sobre privacidad, uso de datos y citación; incorporar módulos de ética digital; crear comités que revisen los usos de la tecnología y sus implicaciones. |
*Elaborado por el autor a partir de la sección riesgos y mitigaciones, con las respectivas referencias utilizadas, y que se incluyen en el texto del cuadro.
Figura 2.
Fuente: Figura elaborada por el autor, utilizando Napkin AI, a partir de fuentes citadas
Además de lo expresado en el cuadro 1, existe el riesgo implícito de no contar con monitoreo sistemático de las innovaciones y su impacto en el aprendizaje y la equidad, por lo que se recomienda implementar portafolios docentes con metas de desarrollo en innovación, simulación e IA, así como definir indicadores y tableros básicos de seguimiento que permitan ajustes continuos.1,2
- Conclusión
La era de la transformación digital demanda docentes que faciliten, sirvan de mentores con modelos de comportamiento y curen conocimiento, así como decanatos que lideren con propósito y una IA que acompañe con ética y transparencia. El indicador de éxito debe ser un aprendizaje más pertinente, equitativo y medible, con profesionales mejor preparados para fortalecer sistemas de salud resilientes a nivel mundial.
Reconocimiento de uso de la IA, agradecimiento y responsabilidad de autoría
El autor reconoce el uso de las herramientas ChatGPT 5.0, Gemini 2.5 Pro y Napkin AI para la estructuración del artículo, la elaboración de figuras, la organización de referencias y la alineación estructural con la plantilla de Diario Salud. Se agradece la ayuda invaluable y desinteresada de la Dra. Marija Miric en la selección de la mejor herramienta de IA para confeccionar el artículo. De manera particular, el autor desarrolló todo el contenido, el análisis, la interpretación y la argumentación. De igual forma, revisó y editó todos los resultados generados con IA para garantizar su precisión, originalidad y rigor académico. El autor asume la plena responsabilidad del artículo final y sus conclusiones.
Referencias
- World Federation for Medical Education. WFME Global Standards for Quality Improvement of Medical Education. 2020.
- Cooke M, Irby DM, O’Brien BC. Educating Physicians: A Call for Reform of Medical School and Residency. Jossey-Bass; 2010.
- Frank JR, et al. Competency-based medical education: Theory to practice. Medical Teacher. 2010;32(8):638–645.
- Issenberg SB, et al. Features and uses of high-fidelity medical simulations that lead to effective learning: A BEME review. Medical Teacher. 2005;27(1):10–28.
- World Health Organization. Global Strategy on Human Resources for Health: Workforce 2030. 2016.
- Rose S. Medical student education in the time of COVID-19. JAMA. 2020;323(21):2131–2132.
- Boelen C, Woollard R. Social accountability and accreditation. Medical Education. 2011;45(1):71–77.
- Chan KS, Zary N, Kononowicz AA. Artificial intelligence in medical education. Medical Teacher. 2021;43(8):975–981.
- Frenk J, et al. Health professionals for a new century. The Lancet. 2010;376(9756):1923–1958.
*El autor es médico, epidemiólogo, con un Doctorado en Salud Global y una Maestría en Gerencia Internacional de Salud.
fecha:
