1. Introducción y problema

En la sala de tres a seis años se ha instalado un paquete de tres artefactos que pretenden valer por educación socioemocional. El primero es conversacional: un chatbot que “habla de emociones” con la niña o el niño, o con la educadora en su nombre. El segundo es perceptual: un detector de afecto que, por cámara o micrófono, clasifica caras, voces o posturas en un menú —alegría, tristeza, ira, miedo, sorpresa, asco, neutro— y entrega un tablero. El tercero es léxico: una aplicación que nombra sentimientos o traduce un conflicto en una etiqueta. Los tres son visibles, auditables y baratos en tiempo de planificación. Permiten exhibir que el jardín “ya hace SEL con inteligencia artificial”. El salto enunciativo es enorme: se pasa de clasificar, nombrar o dialogar con un modelo a afirmar que hay educación socioemocional. Ese salto no está autorizado por la evidencia del SEL de la primera infancia ni por la ciencia del afecto.

La tesis de este artículo es restrictiva. Un chatbot de emociones, un detector de afecto o una aplicación que nombra sentimientos no constituyen educación socioemocional. El SEL de la primera infancia es interacción situada, co-regulación y juego; no la clasificación de una cara ni el diálogo con un modelo. CASEL lo define como el proceso mediante el cual niñas, niños y adultos adquieren y aplican conocimientos, habilidades y actitudes para desarrollar identidades saludables, gestionar emociones, sentir y mostrar empatía, mantener relaciones de apoyo y tomar decisiones responsables y cuidadosas (Chen, Liang y Lin, 2025, citando CASEL, 2020). Ese proceso no ocurre frente a una cámara ni dentro de un chat. Ocurre cuando una educadora espeja el afecto negativo, nombra lo que está pasando, valida su pertinencia situacional e invita, con un prompt metacognitivo, a imaginar cómo regularse (Silkenbeumer et al., 2024). Ocurre en el juego conjunto, práctica semanal de los centros de inicial según TALIS Starting Strong 2024 (OECD, 2025). Ocurre entre personas que comparten un conflicto, un turno, un material o una espera.

El problema se agrava por una razón de oficio que las fichas de producto no mencionan. Starting Strong VI ancla la calidad de la educación inicial en la calidad de proceso: las interacciones cotidianas con adultos, pares, materiales y espacio son el motor más próximo del desarrollo, el aprendizaje y el bienestar (OECD, 2021). Detector, chatbot y app extraen una señal, le asignan una categoría y devuelven un informe. Pueden producir un dato. No producen co-regulación. Hay, además, un umbral de edad. La Guía de la UNESCO para la inteligencia artificial generativa en educación y investigación propone un límite —trece años, en la comunicación institucional de 2023— para las conversaciones independientes con plataformas generativas, y exige validación pedagógica (Miao y Holmes, 2023). Una niña de cuatro años no es usuaria autónoma de un modelo. Tratarla como interlocutora de un chatbot o como objeto de un detector no es “hacer SEL”: es desplazar el acto educativo hacia una clasificación.

Este trabajo no recicla los ejes ya tratados en esta serie. La pregunta es de categoría pedagógica: qué cuenta como educación socioemocional cuando un centro de educación inicial “hace IA”. Las contribuciones son tres: reconstruir el estado del arte que separa el SEL situado de la computación afectiva; examinar tres familias de casos —un despliegue escolar de reconocimiento de emoción, la literatura de 2025 que promete identificar e “intervenir” estados emocionales de preescolares, y lo que las aulas de jardín sí hacen cuando hay SEL—; y ofrecer cuatro pruebas para decidir cuándo un jardín puede afirmar que educa socioemocionalmente, y no solo que clasifica, nombra o chatea.

2. Estado del arte: del SEL situado a la etiqueta facial

Conviene separar cuatro estratos que el mercado de “IA socioemocional” suele mezclar. El primero es el SEL de la primera infancia como aprendizaje social, encarnado y situado. El segundo es la co-regulación: el trabajo adulto de modular, con el cuerpo, la voz y el turno, el estado de una niña o un niño que todavía no se regula solo. El tercero es la computación afectiva: sistemas que infieren emociones a partir de datos biométricos o de texto. El cuarto es el marco de derechos y de prohibición, que en Europa ya trata esa inferencia en instituciones educativas como práctica inaceptable, salvo excepciones médicas o de seguridad.

En el estrato del SEL, Cipriano y colegas (2023) ofrecen la síntesis contemporánea más amplia de intervenciones universales escolares: 424 estudios de 53 países, 252 programas discretos y 575 361 estudiantes de kindergarten a duodécimo grado, publicados entre 2008 y 2020. Quienes participan en esas intervenciones mejoran, frente a condiciones de control, habilidades, actitudes, conductas, clima y seguridad escolar, relaciones entre pares, funcionamiento escolar y logro académico. La heterogeneidad de contenidos, de implementación y de contexto modera los efectos (Cipriano et al., 2023). Esa evidencia no autoriza a tratar un detector o un chatbot como “un programa SEL”. Los programas que el metaanálisis reúne son intervenciones universales escolares, no clasificadores. Hayashi, Liew, Aguilar, Nyanamba y Zhao (2022) recuerdan, además, que el SEL escolar nació en América del Norte y no se ha centrado tradicionalmente en procesos encarnados, situados en el contexto y en la experiencia vivida del aprendiz. Las competencias socioemocionales transferibles son, argumentan, inherentemente situadas y encarnadas. Un menú de seis emociones extraído de un fotograma no es ese proceso.

En el estrato de la co-regulación, Kostøl y Kovač (2024) la definen como interacciones cálidas, receptivas y de apoyo entre la persona adulta y el niño, que ofrecen guía y modulación de emociones, conductas y pensamientos. En 24 clips de ocho díadas (niños de 2 a 8 años), identifican tres elementos básicos: la respuesta adulta a una iniciativa, la negociación y la sintonía; esta última define la calidad de los otros dos. Silkenbeumer et al. (2024) llevan esa definición al aula de educación infantil. Con videograbaciones en 19 grupos, 48 docentes y 213 niños de 2 a 6 años, hallan que el emotion coaching inicial —espejar la expresión de afecto negativo, etiquetar el sentimiento y validar su pertinencia situacional— y la co-regulación mediante prompts metacognitivos se asocian a la autorregulación independiente de los niños. Mänty et al. (2022) diseñan, con esa misma premisa, un programa colaborativo de 32 semanas para 450 profesionales de 60 centros de siete municipios del norte de Finlandia: el objeto no es un tablero de emociones, sino la capacidad compartida de ofrecer co-regulación consciente y consistente en las interacciones cotidianas. Richard, Cavadini, Dalla-Libera, Angonin, Alaria, Lafay, Berger y Gentaz (2025), con 1 285 niños de 3 a 5 años, muestran que la comprensión emocional mejora con la edad, y que etiquetar expresiones faciales sin contexto permanece como la tarea más compleja. Inferencia, marcada como tal: si ni siquiera el etiquetado humano de caras descontextualizadas es la vía más accesible a los 3–5 años, un sistema que “nombra sentimientos” a partir de un fotograma no puede presentarse como la forma privilegiada del SEL de jardín.

En el estrato de la computación afectiva, la hipótesis de un mapeo fiable y específico entre estados emocionales y configuraciones faciales no se sostiene con la robustez que el producto necesita. Le Mau, Hoemann, Lyons, Fugate, Brown, Gendron y Barrett (2021) analizan 604 fotografías de actores profesionales que posan estados emocionales ante escenarios ricos en contexto. El aprendizaje automático no supervisado y el supervisado hallan que los actores retratan esos estados con configuraciones faciales variables; solo tres categorías —miedo, felicidad y sorpresa— se retratan con fiabilidad y especificidad moderadas. Las inferencias de emoción por parte de observadores también varían de modo sensible al contexto. Crawford (2021) resume el desacuerdo científico de fondo: no hay evidencia fiable de que la IA detecte emociones, y sin embargo la industria del reconocimiento emocional se proyectaba hacia 37 000 millones de dólares en 2026. El gesto pedagógico que este artículo impugna —tratar la clasificación como SEL— se alimenta de esa industria, no de la evidencia de aula.

En el estrato de derechos, el párrafo 128 de la Recomendación de la UNESCO pide políticas de sensibilización sobre la antropomorfización de las tecnologías de IA y sobre las que reconocen e imitan emociones humanas, en particular en la interacción robot-humano y especialmente cuando hay niñas y niños (UNESCO, 2021). El párrafo 127 exige identificar si se interactúa con un ser vivo o con un sistema que imita lo humano, y poder rechazar esa interacción. UNICEF (2021) exige apoyar el desarrollo y priorizar el interés superior del niño. El Reglamento (UE) 2024/1689, artículo 5, apartado 1, letra f), prohíbe introducir en el mercado, poner en servicio para ese fin o usar sistemas de IA para inferir emociones en el lugar de trabajo y en las instituciones educativas, salvo razones médicas o de seguridad (Unión Europea, 2024). Las directrices de febrero de 2025 precisan que las instituciones educativas cubren todos los tipos y niveles, y que un tablero general de “bienestar” de la clase no entra en la excepción médica (European Commission, 2025). La Guía ética de 2022 y el informe del Departamento de Educación de Estados Unidos coinciden en no sustituir el juicio profesional ni al docente (European Commission, 2022; U.S. Department of Education, 2023). Inferencia: el jardín no puede tratar a un niño de cuatro años como usuario de un chatbot ni como objeto de un detector, ni llamar SEL a lo que el derecho europeo ya clasifica, en su territorio, como práctica prohibida.

3. Método de revisión

Se realizó una revisión narrativa crítica, no un metaanálisis. El propósito no fue estimar un tamaño de efecto homogéneo entre un despliegue comercial, papers de visión por computadora y observaciones de aula, sino articular un argumento de categoría pedagógica con fuentes verificadas. Criterios de inclusión: (a) 2021–2026; (b) SEL, co-regulación o enseñanza socioemocional en primera infancia, o reconocimiento de emoción y affective computing en escuelas o preescolares; (c) relevancia para jardín, preescolar, CENDI o 3–6 años; (d) revista con pares, DOI o informe de UNESCO, OECD, UNICEF, Unión Europea, Comisión Europea o ministerio; (e) DOI o página editorial verificable. Se excluyeron los ejes ya usados en esta serie, incluido el de liderazgo y dirección de centros.

La búsqueda se ejecutó el 25 de agosto de 2026 en páginas DOI, Springer, Elsevier, Frontiers, Nature, MDPI, Wiley, IEEE, SPIE, OECD iLibrary, UNESDOC, UNICEF, EUR-Lex, Comisión Europea y CASEL. Cada fuente se verificó contra al menos una de esas páginas. El corpus se organizó en despliegue escolar de reconocimiento de emoción; sistemas de 2025 que prometen identificar e intervenir; y evidencia de SEL y co-regulación en la sala.

El análisis distinguió tres estatus enunciativos. Hallazgo empírico: lo observado o medido en la muestra. Marco conceptual o normativo: lo que un marco, una guía o un reglamento prescribe. Inferencia pedagógica: la traducción a jardines, preescolares, CENDI y escuelas infantiles, marcada como tal. Los límites son los de una revisión narrativa (sección 9).

4. Caso 1. Leer la cara no es educar: 4 Little Trees y la equivalencia prohibida

Crawford (2021) documenta, en Nature, el caso que mejor ilustra el salto que la tesis rechaza. Durante la pandemia, compañías tecnológicas empujaron herramientas no probadas de reconocimiento de emoción hacia lugares de trabajo y escuelas. Un sistema llamado 4 Little Trees, desarrollado en Hong Kong por Find Solution AI, afirma evaluar las emociones de los estudiantes mientras hacen el trabajo de clase. Mapea rasgos faciales para asignar el estado emocional de cada alumno a una categoría —felicidad, tristeza, ira, asco, sorpresa, miedo— y, además, estima “motivación” y pronostica calificaciones. El reportaje de CNN que Crawford ancla describe el uso en True Light College: mientras los estudiantes trabajan en pruebas y tareas, la IA mide puntos musculares del rostro por la cámara del computador o de la tableta. La fundadora declaró una exactitud del 85 % en Hong Kong. El número de escuelas que usaban el sistema en esa jurisdicción pasó de 34 a 83 en un año; los precios iban de 10 a 49 dólares por estudiante y curso. El propio Crawford recuerda que una revisión de 2019 no halló evidencia fiable de que la IA detecte emociones, y que Rosalind Picard —figura fundacional de la computación afectiva— había pedido regulación (Crawford, 2021).

Estatus de la evidencia. Hallazgo empírico de despliegue, no de eficacia pedagógica: en 2021, decenas de escuelas de Hong Kong compraron un sistema que clasifica caras, estima motivación y pronostica notas, y lo presentaron como apoyo al aula —incluso como mejora respecto del aula presencial—. No es hallazgo de educación inicial: True Light College es secundaria, y el producto se vendió sobre todo en el contexto de la enseñanza remota. No es hallazgo de que la clasificación produzca co-regulación, empatía, habilidades de relación o toma de decisiones responsables. No es hallazgo de validez transcultural: la propia empresa advertía que comunidades étnicamente más mixtas serían un desafío mayor. Inferencia pedagógica, marcada como tal: el gesto que un jardín copia cuando “hace SEL con un detector” es exactamente este. Se toma una señal facial, se le asigna una de seis etiquetas y se declara que hay educación socioemocional. Lo que hay es un expediente de afecto. El SEL de CASEL no es un pronóstico de calificaciones a partir de un músculo. Es un proceso de adquirir y aplicar conocimientos, habilidades y actitudes en relaciones reales (Chen et al., 2025). Un tablero de “felicidad” no es ese proceso.

La saturación científica es nítida. Le Mau et al. (2021) muestran que ni siquiera actores profesionales, ante escenarios ricos, producen las configuraciones prototípicas que el detector necesita. Richard et al. (2025) muestran que, para 1 285 preescolares, etiquetar expresiones faciales sin contexto es la tarea más difícil de las tres que midieron. Hayashi et al. (2022) recuerdan que el SEL de la primera infancia es encarnado y situado. Inferencia: un sistema entrenado para forzar caras a seis categorías —y, en el caso de 4 Little Trees, para pronosticar notas— no “lee” el SEL de un niño de cuatro años. Lee un fotograma con el vocabulario de Ekman que la industria adoptó porque cabía en visión por computadora (Crawford, 2021). Llamar a eso educación socioemocional es un error de categoría.

5. Caso 2. Identificar el estado emocional del preescolar no es intervenir pedagógicamente

En 2025, la literatura de ingeniería reitera el gesto de 4 Little Trees con el vocabulario de “intervención” y lo acerca, ahora sí, al preescolar. Xin, Zhang y Zhang (2025) presentan, en el congreso MVDL, un trabajo cuyo objetivo declarado es utilizar aprendizaje profundo para identificar con exactitud el estado emocional de estudiantes preescolares y desarrollar, a partir de esa identificación, estrategias de intervención. Construyen una base con expresiones faciales, habla y texto; clasifican caras con CNN, rasgos emocionales de la voz con RNN y tendencias en el texto con un modelo de sentimiento; y concluyen que el reconocimiento automático tiene “alta exactitud y fiabilidad”. Wang y Dong (2025), afiliados a un college de educación preescolar en Mongolia Interior, proponen un AFCNN para el “reconocimiento psicológico emocional” infantil: 86,5 % de exactitud en su conjunto CME, 14,4 puntos por encima de CNN tradicionales, y se reclaman generalización entre edades y desempeño en tiempo real. Un paper de UBMK 2025 describe un sistema de reconocimiento de emoción “para monitorear las emociones de los niños en instituciones preescolares”: CNN, entrenamiento sobre FER-2013 —un conjunto de siete categorías construido sobre todo con caras adultas—, 81,32 % de exactitud en entrenamiento y validación, y difusión de resultados a educadores y familias por una aplicación Django y un bot de Telegram. El abstract afirma que el método “mejora la observación continua de los estados psicoemocionales en jardines”, “promueve estrategias de intervención oportuna” y “fomenta la comunicación” entre familias e instituciones.

Estatus de la evidencia. Hallazgo de laboratorio de clasificación: dadas ciertas imágenes, voces o textos, una red alcanza un porcentaje de acierto contra etiquetas de entrenamiento. No es hallazgo de SEL. Ninguno de esos trabajos observa co-regulación, juego conjunto, calidad de proceso ni las cinco competencias de CASEL en una sala de 3–6 años. FER-2013 no es un corpus de jardín. Un bot de Telegram que avisa a la familia de que el modelo clasificó “tristeza” no es emotion coaching. Inferencia pedagógica, marcada como tal: la palabra “intervención” en estos abstracts opera el mismo salto que la tesis prohíbe. Se pasa de un acierto de clasificación a una estrategia pedagógica. Silkenbeumer et al. (2024) muestran qué es una intervención en este campo: una docente que, tras una expresión de afecto negativo, espeja, nombra, valida y pregunta. Eso ocurre en el segundo del conflicto, con el cuerpo presente. Un sistema que identifica y “disemina resultados” produce un informe. El informe puede llegar después, a otra persona, desprendido de la situación. Confundir el informe con la intervención es el error.

Araguas, Blanchard, Derégnaucourt, Chopin y Guellai (2025) ofrecen un contraste y un límite. Sesenta y dos niños de 3 a 6 años, asignados al azar a un demostrador humano o a un robot NAO, completaron tareas de cuerpo, imitación y reconocimiento de emociones a partir de posturas. No hubo efectos principales del tipo de demostrador en la mayoría de las tareas; la edad predijo el desempeño entre los 3 y los 6 años, con una interacción edad × demostrador en la imitación motora secuencial, más fuerte en la condición humana. Los autores sugieren que robots sociales bien diseñados podrían ser suplementos del aprendizaje encarnado bajo condiciones específicas (Araguas et al., 2025). Estatus: hallazgo de laboratorio sobre etiquetado e imitación, no de SEL de sala. Inferencia: identificar una postura de “miedo” en un robot no es co-regulación. Un robot que demuestra etiquetas no sostiene a un niño que llora porque le quitaron el turno. UNESCO (2021) pide no antropomorfizar las tecnologías que reconocen e imitan emociones, sobre todo con niñas y niños, y permitir rechazar la interacción. Acertar en una tarea no elude ese aviso.

6. Caso 3. Lo que el jardín sí hace cuando hay SEL: enseñanza situada y co-regulación

Chen, Liang y Lin (2025) publicaron en Early Childhood Education Journal (vol. 53, pp. 1521–1537) un estudio observacional en cuatro aulas de kindergarten de Hong Kong. El equipo realizó 20 sesiones videograbadas de la enseñanza socioemocional (SET) de cuatro docentes y del SEL de 71 niños durante la instrucción de grupo completo. Codificaron enunciados de docentes y de niños según las cinco competencias de CASEL —autoconciencia, autogestión, conciencia social, habilidades de relación y toma de decisiones responsable— y, para cada competencia, una de cuatro estrategias: decir/mandar/dirigir, explicar, preguntar y afirmar/confirmar. Tanto las docentes como los niños evidenciaron con más frecuencia la toma de decisiones responsable. Excepto en conciencia social, el SET de las docentes y el SEL de los niños en las otras cuatro competencias se correlacionaron de modo significativo y fuerte —por ejemplo, autoconciencia r = 0,90, p < 0,001—. Las docentes usaron sobre todo preguntar; los niños, sobre todo decir (el 92 % de sus enunciados). Hubo correlaciones entre el preguntar docente y el decir infantil, entre el preguntar docente y el explicar infantil, y entre el explicar docente y el explicar, preguntar y afirmar infantiles. Los autores interpretan que el aprendizaje social estaba en marcha: los niños observaban, modelaban e imitaban la enseñanza socioemocional de sus docentes en el contexto de la enseñanza, no frente a una app (Chen et al., 2025).

Estatus de la evidencia. Hallazgo empírico de aula de jardín: el SEL, cuando se observa en instrucción de grupo, aparece como tejido de enunciados entre docentes y niños, con concordancias fuertes en cuatro de cinco competencias CASEL. No es hallazgo de IA. No es hallazgo de que un detector o un chatbot reproduzcan esas concordancias. Inferencia pedagógica, marcada como tal: este es el objeto que un centro de educación inicial puede llamar, con propiedad, educación socioemocional. Es interacción lingüística y social, situada en un tema —en el extracto cualitativo, compartir—, mediada por preguntas adultas y por el decir de los niños. Un clasificador de caras no pregunta. Un chatbot que nombra “estás triste” no espera el 92 % de enunciados infantiles que Chen et al. registran como “decir”. El SEL está en el turno, no en la etiqueta.

Silkenbeumer et al. (2024) saturan el retrato en el momento del conflicto. En 19 grupos de educación infantil, con 48 docentes y 213 niños de 2 a 6 años, analizan episodios en los que la docente interviene tras una expresión de emoción negativa de uno o dos niños. Los resultados multinivel muestran que el emotion coaching inicial y la co-regulación con prompts metacognitivos se asocian a la autorregulación independiente. El coaching y la co-regulación se asocian, además, de modo sistemático con características del episodio, en especial la cualidad y la intensidad de la emoción. El impacto que las autoras enuncian es preciso: las docentes de ECEC desempeñan un papel significativo al apoyar la autorregulación; espejar, etiquetar y validar, y preguntar al niño por ideas para regularse, promueven la autorregulación de las emociones negativas (Silkenbeumer et al., 2024). Mänty et al. (2022) traducen esa evidencia en un programa de 32 semanas para 450 profesionales: el objeto de aprendizaje del adulto es ofrecer co-regulación consciente y consistente en las interacciones cotidianas, no operar un tablero. Kostøl y Kovač (2024) recuerdan que la sintonía adulta es el elemento que define la calidad de la iniciativa y de la negociación. OECD (2021) sitúa esas interacciones como calidad de proceso. OECD (2025) sitúa el juego conjunto entre las prácticas semanales de la dirección de centros de inicial.

Estatus de la evidencia. Hallazgo empírico: el SEL de 2 a 6 años, cuando se mide en la sala, es co-regulación situada en el episodio emocional, enseñanza socioemocional en el habla de la clase, y —como contexto, no como objeto de este artículo— juego conjunto. Marco: CASEL 5; calidad de proceso; co-regulación como precursor de la autorregulación. Inferencia: etiquetar un sentimiento puede ser un paso del emotion coaching, pero solo cuando lo hace la educadora en el episodio, espeja y valida, y abre un prompt. Extraído de esa tríada y entregado a un modelo o a una app, el etiquetado deja de ser coaching y se convierte en clasificación. Cipriano et al. (2023) muestran que los programas SEL universales escolares —no los clasificadores— se asocian a mejoras. Confundir el acierto de una CNN con esos programas es, otra vez, el salto.

7. Marco inferencial: cuatro pruebas para afirmar que hay SEL, no un clasificador

El marco que sigue es inferencia pedagógica de este artículo, anclada en los casos y en los instrumentos verificados. No es un nuevo estándar internacional. Distingue cuatro pruebas. Si un jardín, preescolar, CENDI o escuela infantil no las pasa, no puede declarar que un chatbot de emociones, un detector de afecto o una app que nombra sentimientos constituyen educación socioemocional.

7.1. Prueba de la interacción situada, no del fotograma. Chen et al. (2025) muestran SEL como concordancia de enunciados en la enseñanza. OECD (2021) muestra calidad de proceso como interacciones cotidianas. Hayashi et al. (2022) recuerdan que el SEL de la primera infancia es encarnado y situado. Inferencia: la evidencia de SEL se verifica en el turno, en el conflicto, en el material compartido y en el juego conjunto, no en un recorte facial. Si la “evidencia” de que el centro hace SEL es un tablero de seis emociones o un log de chat, el centro ha hecho gestión de producto, no educación socioemocional.

7.2. Prueba de la co-regulación, no de la etiqueta. Silkenbeumer et al. (2024) descomponen la intervención eficaz: espejar, nombrar, validar, preguntar. Kostøl y Kovač (2024) sitúan la sintonía como criterio de calidad. Mänty et al. (2022) forman a 450 profesionales para ofrecer esa sintonía de modo consciente. Inferencia: nombrar un sentimiento es un medio, no el fin, y solo cuenta dentro de una tríada de presencia adulta. Un detector que nombra sin espejar ni validar, o un chatbot que nombra sin estar en el conflicto, falla la prueba por construcción. El etiquetado descontextualizado es, además, la vía más difícil para los 3–5 años (Richard et al., 2025) y carece del mapeo fiable que el producto asume (Le Mau et al., 2021).

7.3. Prueba de los derechos y del umbral de edad, no del usuario de la plataforma. Miao y Holmes (2023) fijan un umbral de edad para conversaciones independientes con plataformas generativas. UNESCO (2021) exige no antropomorfizar las tecnologías que reconocen e imitan emociones, sobre todo con niñas y niños, y permitir identificar y rechazar la interacción con un sistema que imita lo humano. UNICEF (2021) exige el interés superior. El Reglamento (UE) 2024/1689 prohíbe inferir emociones en instituciones educativas, con excepciones médicas o de seguridad que un tablero de “bienestar” de la clase no cumple (Unión Europea, 2024; European Commission, 2025). Inferencia: un centro de inicial no puede tratar al niño de 3–6 años como interlocutor autónomo de un chatbot de emociones ni como objeto de un detector de afecto. El umbral de trece años no se “cumple” bajando la edad del usuario. Se respeta no desplegando la conversación independiente ni la inferencia biométrica. En territorio europeo, el detector en la sala no es una innovación pedagógica: es, salvo excepción estrecha, una práctica prohibida.

7.4. Prueba del programa SEL, no del acierto de la red. Cipriano et al. (2023) sintetizan 252 intervenciones universales escolares. Xin et al. (2025) y Wang y Dong (2025) reportan exactitudes de clasificación. Crawford (2021) documenta un producto que, además, pronostica notas. Inferencia: la evidencia de SEL no es un F1 ni un 86,5 %. Es un proceso de enseñanza y de relación, con implementación de calidad. Un paper de visión por computadora que “desarrolla intervenciones” a partir de una CNN, o un bot que avisa “tristeza”, no es ese proceso.

El marco admite el nombramiento de sentimientos como paso del emotion coaching (Silkenbeumer et al., 2024); programas SEL universales con evidencia de implementación (Cipriano et al., 2023); y, como suplemento y sin antropomorfizar, un robot en tareas encarnadas (Araguas et al., 2025; UNESCO, 2021). Rechaza declarar SEL por un chatbot, un detector en la sala, una app de etiquetas fuera del episodio, un acierto de clasificación sobre FER-2013 u otro banco de caras adultas, o el trato del niño de inicial como usuario de modelos generativos (Crawford, 2021; Unión Europea, 2024; Xin et al., 2025; Wang y Dong, 2025; Miao y Holmes, 2023).

8. Discusión

Tres tensiones organizan la discusión. La primera es entre clasificar y educar. Es hallazgo que escuelas compraron un sistema que mapea caras a seis emociones, estima motivación y pronostica notas (Crawford, 2021); que en 2025 se publican sistemas que identifican estados emocionales de preescolares y prometen intervención (Xin et al., 2025; Wang y Dong, 2025); y que la ciencia del afecto no autoriza el mapeo fiable que esos sistemas necesitan (Le Mau et al., 2021). Es marco que inferir emociones en instituciones educativas está prohibido en la Unión Europea salvo excepciones estrechas (Unión Europea, 2024). No es hallazgo que clasificar una cara produzca las cinco competencias de CASEL. La política de los tres artefactos —chatbot, detector, app— mide lo que la ingeniería sabe medir y declara lo que solo el SEL situado autorizaría.

La segunda es entre la etiqueta y la tríada del coaching. Silkenbeumer et al. (2024) muestran que etiquetar cuenta cuando va con espejo, validación y prompt, en el episodio, con la docente presente. Chen et al. (2025) muestran que el SEL de jardín vive en el preguntar adulto y en el decir infantil. Richard et al. (2025) muestran que etiquetar caras sin contexto es lo más difícil a los 3–5 años. Extraer la etiqueta, automatizarla y devolverla por Telegram o por un chat invierte la secuencia: produce el nombre del afecto sin la relación que lo hace educativo. En educación inicial, el nombre sin la relación no es alfabetización emocional. Es un vocabulario desprendido.

La tercera es entre el artefacto que imita emociones y el adulto que co-regula. Araguas et al. (2025) hallan que, en laboratorio, el tipo de demostrador no cambia la mayoría de los puntajes; la edad sí. UNESCO (2021) pide no antropomorfizar y permitir rechazar la interacción. Miao y Holmes (2023) piden umbral de edad. Un chatbot de emociones opera, por diseño, esa antropomorfización: habla como si sintiera y se ofrece como pareja de regulación a quien todavía necesita un cuerpo adulto. Mänty et al. (2022) y Kostøl y Kovač (2024) sitúan esa pareja en la sintonía humana. OECD (2021, 2025) sitúa el desarrollo en las interacciones y en el juego conjunto. Un modelo no juega. Un detector no sintoniza.

9. Límites

Esta revisión es narrativa. No aplica PRISMA ni estima efectos combinados. 4 Little Trees es un despliegue en secundaria y enseñanza remota, no un ensayo de jardín; la transferencia a 3–6 años es inferencia. Xin et al. (2025) y Wang y Dong (2025) son papers de clasificación; el de UBMK 2025 se cita por DOI y abstract verificados, sin inflar autores no recuperados en la página editorial. Araguas et al. (2025) es laboratorio con NAO, no SEL curricular. Chen et al. (2025) observa cuatro aulas en instrucción de grupo. Silkenbeumer et al. (2024) y Mänty et al. (2022) son co-regulación sin IA. Cipriano et al. (2023) cubren K–12. Le Mau et al. (2021) usan actores profesionales. Richard et al. (2025) miden comprensión emocional, no productos de IA. UNESCO, UNICEF, la Unión Europea y las guías de 2022–2023 son prescriptivos. No se localizaron, con el mismo grado de DOI, ensayos latinoamericanos de SEL e IA en educación inicial. Las inferencias de la sección 7 son hipótesis de categoría pedagógica, no evidencia de implementación.

10. Conclusiones

Un chatbot de emociones, un detector de afecto o una aplicación que nombra sentimientos no constituyen educación socioemocional en un centro de educación inicial. La evidencia verificada no autoriza esa declaración. Escuelas que compraron un sistema de reconocimiento de emoción clasificaron caras, estimaron motivación y pronosticaron notas; eso es vigilancia afectiva, no SEL (Crawford, 2021). Papers de 2025 alcanzan exactitudes de clasificación y llaman “intervención” al envío de un informe; eso es ingeniería, no co-regulación (Xin et al., 2025; Wang y Dong, 2025). En cuatro aulas de kindergarten, el SEL aparece como concordancia de enunciados entre docentes que preguntan y niños que dicen (Chen et al., 2025). En 19 grupos de infantil, el emotion coaching y los prompts metacognitivos se asocian a la autorregulación independiente (Silkenbeumer et al., 2024). La co-regulación se forma en 32 semanas con 450 profesionales, no en un tablero (Mänty et al., 2022). La comprensión emocional a los 3–5 años tropieza en el etiquetado de caras sin contexto (Richard et al., 2025). Los actores profesionales no producen las caras prototípicas que el detector asume (Le Mau et al., 2021). El derecho vigente exige umbral de edad, no antropomorfizar tecnologías que reconocen e imitan emociones, interés superior y, en la Unión Europea, la prohibición de inferir emociones en instituciones educativas (Miao y Holmes, 2023; UNESCO, 2021; UNICEF, 2021; Unión Europea, 2024).

Donde las fuentes no miden un jardín, este artículo no lo afirma. Donde miden clasificación o laboratorio, no las traduce en SEL. Educar socioemocionalmente a niñas y niños de tres a seis años es sostener interacción situada, co-regulación y juego. Lo demás es un expediente de etiquetas. No es SEL, y no debe presentarse como lo que no es.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Referencias

  1. Araguas, A., Blanchard, A., Derégnaucourt, S., Chopin, A., y Guellai, B. (2025). Body knowledge and emotion recognition in preschool children: A comparative study of human versus robot tutors. Behavioral Sciences, 16(1), 29. https://doi.org/10.3390/bs16010029
  2. Chen, J. J., Liang, X., y Lin, J. C. (2025). Weaving the fabric of social and emotional learning in the context of teaching: A study in Hong Kong kindergarten classrooms. Early Childhood Education Journal, 53(5), 1521–1537. https://doi.org/10.1007/s10643-024-01682-0
  3. Cipriano, C., Strambler, M. J., Naples, L. H., Ha, C., Kirk, M., Wood, M., Sehgal, K., Zieher, A. K., Eveleigh, A., McCarthy, M., Funaro, M., Ponnock, A., Chow, J. C., y Durlak, J. (2023). The state of evidence for social and emotional learning: A contemporary meta-analysis of universal school-based SEL interventions. Child Development, 94(5), 1181–1204. https://doi.org/10.1111/cdev.13968
  4. Crawford, K. (2021). Time to regulate AI that interprets human emotions. Nature, 592, 167. https://doi.org/10.1038/d41586-021-00868-5
  5. Development of an emotion recognition system to monitor children’s emotions in preschool institutions. (2025). En 2025 10th International Conference on Computer Science and Engineering (UBMK). IEEE. https://doi.org/10.1109/UBMK67458.2025.11206893
  6. European Commission. (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union. https://doi.org/10.2766/153756
  7. European Commission. (2025). Commission guidelines on prohibited artificial intelligence practices established by Regulation (EU) 2024/1689 (AI Act). https://digital-strategy.ec.europa.eu/en/library/commission-publishes-guidelines-prohibited-artificial-intelligence-ai-practices-defined-ai-act
  8. Hayashi, A., Liew, J., Aguilar, S. D., Nyanamba, J. M., y Zhao, Y. (2022). Embodied and social-emotional learning (SEL) in early childhood: Situating culturally relevant SEL in Asian, African, and North American contexts. Early Education and Development, 33(5), 746–763. https://doi.org/10.1080/10409289.2021.2024062
  9. Kostøl, E. M. F., y Kovač, V. B. (2024). Co-regulation in dyadic parent–child relationships: A video analysis of well-functioning interactions. Early Child Development and Care, 194(1), 72–86. https://doi.org/10.1080/03004430.2023.2282357
  10. Le Mau, T., Hoemann, K., Lyons, S. H., Fugate, J. M. B., Brown, E. N., Gendron, M., y Barrett, L. F. (2021). Professional actors demonstrate variability, not stereotypical expressions, when portraying emotional states in photographs. Nature Communications, 12, 5037. https://doi.org/10.1038/s41467-021-25352-6
  11. Mänty, K., Kinnunen, S., Rinta-Homi, O., y Koivuniemi, M. (2022). Enhancing early childhood educators’ skills in co-regulating children’s emotions: A collaborative learning program. Frontiers in Education, 7, 865161. https://doi.org/10.3389/feduc.2022.865161
  12. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  13. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  14. OECD. (2025). Results from TALIS Starting Strong 2024: Strengthening early childhood education and care. OECD Publishing. https://doi.org/10.1787/20af08c0-en
  15. Richard, S., Cavadini, T., Dalla-Libera, N., Angonin, S., Alaria, L., Lafay, A., Berger, C., y Gentaz, E. (2025). The development of specific emotion comprehension components in 1285 preschool children. Scientific Reports, 15, 8562. https://doi.org/10.1038/s41598-025-90613-z
  16. Silkenbeumer, J., Lüken, L. M., Holodynski, M., y Kärtner, J. (2024). Emotion socialization in early childhood education and care – How preschool teachers support children’s emotion regulation. Social and Emotional Learning: Research, Practice, and Policy, 4, 100057. https://doi.org/10.1016/j.sel.2024.100057
  17. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  18. UNICEF. (2021). Policy guidance on AI for children 2.0. UNICEF Innocenti. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children
  19. Unión Europea. (2024). Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial. Diario Oficial de la Unión Europea, L 2024/1689. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
  20. U.S. Department of Education, Office of Educational Technology. (2023). Artificial intelligence and the future of teaching and learning: Insights and recommendations. https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf
  21. Wang, F., y Dong, J. (2025). The application of improved AFCNN model for children’s psychological emotion recognition. Scientific Reports, 15, 24138. https://doi.org/10.1038/s41598-025-10269-7
  22. Xin, S., Zhang, W., y Zhang, T. (2025). Research on emotional state identification and intervention strategies for preschool students using deep learning techniques. En Proceedings of SPIE 13689, International Conference on Machine Vision and Deep Learning (MVDL 2025), 136890N. https://doi.org/10.1117/12.3071992