Inicio
todoELE
  • Inicio
  • Materiales
    • πŸ“‹ Actividades
    • πŸ“ Conjugación
    • πŸ“Š Corpus
    • πŸ“” Diccionarios
    • βœ… Evaluación
    • βš™οΈ Gramática
    • πŸ“— Manuales
    • ✍️ Ortografía
    • πŸ“… Programación
    • πŸ—£οΈ Pronunciación
    • πŸ“ Recursos
    • πŸ”€ Vocabulario
    • πŸ’» Herramientas digitales
  • Formación
    • πŸ“š Bibliografía
    • πŸ‘₯ Congresos
    • πŸŽ“ Cursos
    • 🏫 Centros
    • 🏒 Organizaciones
    • πŸ“° Revistas
    • 🌍 Atlas de ELE
  • Trabajo
    • πŸ’Ό Ofertas de trabajo
    • ℹ️ Trabajo - Recursos
  • En la red
    • 🌐 Sitios ELE
    • πŸ“° Agregador
    • πŸ“§ Formespa
  • IA
    • ✨ Nuevos contenidos
    • πŸ“š Bibliografía IA
    • 🧰 Herramientas IA
    • πŸ’¬ Prompts
    • πŸ§ͺ Experiencias IA
    • 🌐 Sitios web IA
    • πŸ“° Actualidad IA
  • Comunidad
    • πŸ“° Actualidad ELE
    • 😊 Anécdotas ELE
    • πŸ“ Blog
    • πŸ“ŒTablón de anuncios
  • Buscar

Ruta de navegación

  • Inicio
  • Bibliografia
  • Turning Text into Teaching Tools: Using Picsart’s AI Image Generator in the Language Classroom

Sección IA: Inteligencia artificial Bibliografía

Turning Text into Teaching Tools: Using Picsart’s AI Image Generator in the Language Classroom

Natalia Ivashchenko
2026
The FLTMAG
https://doi.org/10.69732/XQZU5102
artículo
propuesta didáctica
inteligencia artificial
herramientas
tecnología educativa
enseñanza/aprendizaje de vocabulario
vocabulario
expresión oral
competencia intercultural
cultura
creación de materiales
pedagogía crítica
prompts
catálogo de herramientas
IA y creación de materiales
ética de la IA

Presentación del generador de imágenes de Picsart como estímulo para la clase de lenguas. La autora formula una regla de construcción del prompt de imagen con cinco elementos —lugar, momento del día, acción, ambiente e indicadores culturales— y la contrasta con un ejemplo deliberadamente vago, «market», para mostrar qué devuelve el modelo cuando no se le da ninguno.

El interés didáctico está en que esos cinco elementos son lengua que el estudiante tiene que producir antes de ver la imagen: describe el lugar, la luz, la acción y el ambiente, y después comprueba si lo obtenido se parece a lo que tenía en la cabeza. A partir de ahí la autora encadena trabajo de léxico, práctica oral y escritura narrativa.

El artículo cierra con una fase de análisis crítico del sesgo cultural de la imagen generada, con tres preguntas para el alumnado sobre qué resulta acertado, qué está exagerado o ausente y por qué el modelo ha representado así la escena, ilustrada con escenas de boda generadas en paralelo para culturas distintas.

  • Inicie sesión para enviar comentarios

Enviar publicación

Contenidos relacionados

  • La personalización del aprendizaje a través de las TIC: la creación de ejercicios a través de GPT
  • Developing a theory-grounded AI tool for the generation of culturally responsive lesson plans
  • Improving EFL students’ cultural awareness: Reframing moral dilemmatic stories with ChatGPT
  • Improving L2 vocabulary retention and learning engagement through L1 traditional stories in review activities using ChatGPT-generated questions
  • Using AI to Implement Effective Teaching Strategies in Classrooms: Five Strategies, Including Prompts
  • ACTSET: An Approach to AI Prompting for Language Educators
Sobre Todoele Índice Publica Contacto: todoele@gmail.com
Política de privacidad Créditos