1. Introducción y problema

En el tramo de 3 a 6 años —jardín, preescolar, CENDI, escuela infantil— se ha instalado un paquete de cinco artefactos que pretenden valer por apoyo al juego con agua / water play: un sensor o wearable que «puntúa precisión de vertido» o un «pouring accuracy score» / «STEM water score» del niño; un sistema de visión por computador / cámara de mesa que etiqueta «desorden» o «salpicadura fuera de tarea» o dispara alertas de «mess / off-task splashing»; un chatbot/GenAI que genera «experimentos de agua» o «planes sink-or-float» o «water play lesson plans» por prompt (para el niño o como receta que el adulto lee); un dashboard de «minutos en la mesa de agua» / «inquiry score» / «exploration minutes at water table» para vigilancia administrativa; y una capa AR que «guía» cómo verter o predice hundir/flotar. Los cinco permiten exhibir que el centro «ya hace water play con IA». El salto —de score de vertido, alerta de mess, experimento generado, métrica de minutos o guía AR a afirmar apoyo— no está autorizado por los mapeos de IA en ECE ni por la pedagogía del water play cuando hay agua real (flujo, capacidad, hundir-flotar, mezclas), agencia infantil para explorar sin producto esperado, co-presencia adulta que nombra propiedades y sostiene la conversación, y tolerancia al mess como condición del medio, no como error.

La tesis de este artículo es restrictiva. Un sensor o wearable que «puntúa precisión de vertido» o un «pouring accuracy score» / «STEM water score» del niño, un sistema de visión por computador / cámara de mesa que etiqueta «desorden» o «salpicadura fuera de tarea» o dispara alertas de «mess / off-task splashing», un chatbot/GenAI que genera «experimentos de agua» o «planes sink-or-float» o «water play lesson plans» por prompt, un dashboard de «minutos en la mesa de agua» / «inquiry score» para vigilancia administrativa, o una capa AR que «guía» cómo verter o predice hundir/flotar no constituyen apoyo al juego con agua en la primera infancia. En inicial el water play se desarrolla con agua real, agencia infantil para explorar sin producto esperado, co-presencia adulta que nombra propiedades y sostiene la conversación (Lange, 2022; Counsell, 2024; modelo precursor de hundir/flotar de Canedo Ibarra y Gómez Galindo, 2022), y tolerancia al mess; no un score de vertido, un clasificador de desorden, un generador de experimentos que cierra la incertidumbre, ni un dashboard de minutos. Lange (2022) formula, desde el oficio NSTA de early years, que water play is science: el medio líquido pone en juego propiedades físicas reales. Counsell (2024) pregunta dónde está la matemática en el water play y responde con capacidad, volumen y comparación en la mesa de agua mediada por el adulto, no por un STEM water score. Amalia y Harahap (2022) —N = 15; un centro PAUD Khairul Ummah— reportan un método de water playing y ciencia en Group B: hallazgo empírico marcado con límite de muestra. Park y Park (2021) describen sinking or floating como actividad de indagación STEM mediada, no como app de predicción AR. Eso autoriza a preguntar qué se midió: pouring accuracy, etiqueta de mess, lesson plan por prompt, inquiry score o predicción AR, no la práctica cuando un niño vierte, observa flujo, prueba hundir-flotar, mezcla, salpica y recibe co-presencia adulta que nombra propiedades sin cerrar la incertidumbre.

El problema se agrava por seis confusiones de categoría. Primera: water play no es outdoor/nature play genérico —el agua puede estar indoor en mesa; el eje es el líquido, no minutos outdoor—. Segunda: no es indagación científica curricular como eje —puede haber ciencia EN el juego (Lange, 2022; Park y Park, 2021); el eje es el medio agua—. Tercera: no es STEM/robótica —Counsell (2024) y Park y Park (2021) son oficio del medio, no score STEM—. Cuarta: no es loose parts —Sando et al. (2023) anclan objetos-en-juego (agua/arena); aquí el medio es el agua—. Quinta: no es juego libre genérico. Sexta: no es motricidad curricular. Este trabajo no recicla outdoor play, juego libre, loose parts, risky play, block play/espacial, juego simbólico, motricidad, STEM/robótica, creatividad artística, SEL, funciones ejecutivas, ambiental, indagación científica como eje, literacidad, oralidad, DUA, documentación, evaluación formativa, participación, planificación, atención conjunta, interacciones adulto-niño como eje genérico, formación docente, música ni numeracidad. Maraisane et al. (2024) —conocimiento Grade R sobre floating/sinking— es contraste periférico docente, no eje de formación continua. La pregunta es qué cuenta como apoyo al water play cuando un centro «hace IA y juego con agua».

Hay, además, una economía de coordinación: los cinco artefactos caben en una diapositiva; el episodio con agua real, agencia, mess tolerado y co-presencia que nombra propiedades, no. NAEYC (2022) y OECD (2021, 2023) exigen interacciones significativas y digitalización subordinada. Inferencia: el apoyo no se cumple puntuando vertido ni generando experimentos por prompt. Las contribuciones son tres: separar oficio y artefactos; examinar casos marcados (Amalia y Harahap, 2022; Park y Park, 2021; Maraisane et al., 2024 periférico); y ofrecer cuatro pruebas de apoyo al water play.

2. Estado del arte: de la práctica situada de water play al artefacto que se exhibe

Conviene separar cuatro estratos que el mercado de «IA para water play en inicial» suele mezclar. El primero es el constructo de juego con agua / water play de 3 a 6 años como exploración abierta de un material líquido con propiedades físicas reales —vertido, flujo, capacidad/volumen, hundir-flotar, mezclas, salpicadura— y mess como condición del medio (Lange, 2022; Counsell, 2024; Canedo Ibarra y Gómez Galindo, 2022; Amalia y Harahap, 2022; Park y Park, 2021; Sando et al., 2023). El segundo es el oficio pedagógico que lo cultiva —oferta de agua real en mesa o bandeja, agencia infantil sin producto esperado, co-presencia adulta que nombra propiedades y conversa, tolerancia al mess, no sustituir la exploración por un score de vertido ni por un clasificador de desorden— (Lange, 2022; Counsell, 2024; Canedo Ibarra y Gómez Galindo, 2022; Maraisane et al., 2024, solo como contraste de conocimiento docente; NAEYC, 2022; OECD, 2021, 2023). El tercero es la evidencia de affordances de IA en ECE y GenAI centrada en el niño —sin equivalerlos a water play situado con líquido real— (Chen, 2024; Su y Yang, 2022; Su y Zhong, 2022; Ljungcrantz, 2026; Nikolopoulou, 2025). El cuarto es el marco de derechos, de sistemas y de práctica apropiada al desarrollo, que trata al infante de 3–6 años como sujeto que explora el líquido, no como vector de señales para un pipeline de pouring accuracy score ni como receptor pasivo de experimentos GenAI o predicciones AR que cierran la incertidumbre (UNESCO, 2021; Miao y Holmes, 2023; U.S. Department of Education, 2023).

En constructo y oficio, Lange (2022) articula water play is science: marco NSTA. Counsell (2024) sitúa capacidad, volumen y comparación en la mesa: marco de oficio. Canedo Ibarra y Gómez Galindo (2022) documentan interacción social y modelo precursor de floating/sinking en preescolar. Amalia y Harahap (2022) —N = 15; PAUD Khairul Ummah; pretest-postest; vertido, color, «walking water»— aportan hallazgo empírico con límite de muestra y un centro. Park y Park (2021) describen sinking or floating como inquiry-based STEM activity mediada, no AR predictiva. Sando et al. (2023) —N = 928 obs. video 2 min— asocian objetos (agua/arena) con deep-level learning: hallazgo de objetos-en-juego, no loose parts. Maraisane et al. (2024) exploran floating/sinking en docentes Grade R: contraste periférico. Inferencia: un pouring accuracy score no nombra propiedades; un niño que vierte y un adulto que conversa sí.

En el estrato de artefactos, Chen (2024), Su y Yang (2022), Su y Zhong (2022) y Ljungcrantz (2026) mapean affordances, currículos y estado del arte de IA en ECE sin equivalerlos a water play situado. Nikolopoulou (2025) equilibra promesas y desafíos de GenAI centrada en el niño bajo mediación docente: marco de cautela. En el estrato de sistemas, UNESCO (2021) exige supervisión humana. Miao y Holmes (2023) fijan validación pedagógica y umbrales de edad para IA generativa —marco directo para el generador de «experimentos de agua» o sink-or-float lesson plans por prompt—. U.S. Department of Education (2023) exige que la IA apoye, no sustituya, el juicio profesional. OECD (2021, 2023) anclan interacciones significativas y digitalización subordinada; NAEYC (2022) ancla práctica apropiada al desarrollo.

3. Método de revisión

Se realizó una revisión narrativa crítica, no un metaanálisis primario. El propósito no fue estimar un tamaño de efecto homogéneo de los cinco artefactos, sino articular un argumento de categoría pedagógica con fuentes verificadas. Criterios de inclusión: (a) 2021–2026, con transferencia marcada cuando la muestra no equivale a 3–6; (b) water play, mesa de agua, hundir-flotar, vertido/flujo/capacidad, o IA en ECE con relevancia artefacto/oficio; (c) jardín, preescolar, CENDI o 3–6; (d) revista con pares, DOI o informe NAEYC/UNESCO/OECD; (e) DOI o página editorial verificable. Se excluyeron como objeto central los ejes ya usados en esta serie —outdoor play genérico, juego libre, loose parts, risky play, block play/espacial, juego simbólico, STEM/robótica, creatividad artística, motricidad como eje, SEL, funciones ejecutivas, ambiental, indagación científica curricular como eje, literacidad, oralidad, DUA, documentación, evaluación formativa, participación, planificación, atención conjunta, interacciones adulto-niño como eje genérico, formación docente, música y numeracidad—. Maraisane et al. (2024) solo como contraste periférico de conocimiento docente Grade R; no se convierte el artículo en formación continua ya publicada. Sando et al. (2023) se leen por objetos-en-juego (agua/arena), no como eje de materiales sueltos. Park y Park (2021) y Counsell/Lange se leen como oficio del medio agua (ciencia/matemática EN el juego), no como lab scored ni como indagación curricular ya publicada.

La búsqueda se ejecutó el 3 de septiembre de 2026 (slot 13:02 America/Mexico_City) en páginas DOI, Crossref, Springer, Elsevier, Taylor & Francis, MDPI, JAIR, OECD iLibrary, UNESDOC, NAEYC, NSTA y sitios editoriales. Cada fuente se verificó. Se distinguieron hallazgo empírico, marco e inferencia pedagógica. No se inventaron N, d, r, AUC ni DOI: cuando un artefacto carece de estudio verificado con métricas de pouring accuracy scoring, mess/off-task splashing alerts, inquiry-score dashboard o AR de predicción hundir/flotar en 3–6, se discute como techo de categoría apoyado en mapeos de IA en ECE (Chen, 2024; Su y Yang, 2022; Ljungcrantz, 2026) y en el contraste de conocimiento docente (Maraisane et al., 2024). Se usaron las dieciocho fuentes del corpus verificado.

4. Caso 1. Sensor/pouring accuracy score / STEM water score, CV/cámara de mesa con alertas de mess o off-task splashing, GenAI de «experimentos de agua» / sink-or-float lesson plans, dashboard de minutos/inquiry score o AR que guía vertido o predice hundir/flotar no constituyen apoyo al juego con agua

Chen (2024), Su y Yang (2022) y Ljungcrantz (2026) saturan el retrato del techo de artefactos cuando la IA en ECE se presenta como si fuera apoyo al water play. Chen (2024) cartografía affordances globales de IA en early childhood education: hallazgo de scoping sobre usos emergentes —tutoría, analítica, generación de contenidos—, no hallazgo de que un wearable de pouring accuracy cultive exploración abierta del líquido con flujo, capacidad o hundir-flotar. Su y Yang (2022) revisan el campo de IA en ECE: hallazgo de síntesis sobre tendencias, no sobre mess tolerado ni co-presencia que nombra propiedades. Ljungcrantz (2026) revisa la interacción IA–ECE 2020–2024: hallazgo de estado del arte, no de water play situado. Inferencia pedagógica, marcada como tal: el gesto «el niño tuvo pouring accuracy alto = hubo apoyo al water play» es techo de analítica de precisión. Lange (2022), Counsell (2024) y Canedo Ibarra y Gómez Galindo (2022) piden agua real, conversación sobre propiedades y construcción social de un modelo precursor; un score útil para administración puede coexistir con ausencia de agencia, de mess tolerado y de co-presencia que nombra sin cerrar.

Nikolopoulou (2025) y Miao y Holmes (2023) nombran el riesgo del generador de «experimentos de agua» o «planes sink-or-float» / «water play lesson plans» a partir de un prompt que cierra la incertidumbre. Nikolopoulou (2025) equilibra promesas y desafíos de GenAI centrada en el niño bajo mediación docente: marco de cautela. Miao y Holmes (2023) exigen validación pedagógica y umbrales de edad para IA generativa. Estatus: marco normativo y de revisión, no ensayo de lesson plans por prompt versus episodio de water play con agua real y co-presencia que sostiene la conversación (Lange, 2022; Counsell, 2024). Inferencia: producir un plan de «experimentos de agua» por prompt puede ser preparación docente subordinada; el apoyo al water play empieza cuando hay líquido real, agencia del niño para verter, probar hundir-flotar o mezclar sin producto esperado, mess como condición del medio, y un adulto que nombra propiedades sin convertir el episodio en receta. Su y Zhong (2022) proponen diseño curricular de IA en ECE como dirección futura —currículo de AI literacy, no de water play situado—. Inferencia de límite: un currículo de IA no firma la exploración del líquido.

El sistema de visión por computador / cámara de mesa que etiqueta «desorden» o «salpicadura fuera de tarea» o dispara alertas de «mess / off-task splashing», el dashboard de «minutos en la mesa de agua» / «inquiry score» y la capa AR que «guía» cómo verter o predice hundir/flotar carecen, en el corpus verificado, de ensayos con N, d, r o AUC reportados para scoring de pouring accuracy, clasificación de mess/off-task splashing, inquiry-score dashboard o predicción AR de sink/float en preschool 3–6; no se inventan cifras. Chen (2024), Su y Yang (2022) y Ljungcrantz (2026) mapean analítica, tutoría, agentes y generación como tendencia de IA en ECE, sin equivalencia a water play mediado. Amalia y Harahap (2022) miden un método de water playing en N = 15: hallazgo de práctica situada en un centro, no de clasificador autónomo de mess. Sando et al. (2023) miden observaciones humanas de video (N = 928): hallazgo de objetos-en-juego y deep-level learning, no de dashboard de minutos. Maraisane et al. (2024) documentan conocimiento conceptual docente sobre floating and sinking: contraste empírico de uso periférico legítimo solo cuando el conocimiento humano del adulto sostiene el oficio. Inferencia restrictiva: conocimiento docente Grade R (Maraisane et al., 2024) ≠ sensor de pouring accuracy al niño; GenAI de experimentos ≠ Lange/Counsell que abren propiedades sin cerrar; empowerment docente ≠ inquiry score administrativo; capa AR que predice hundir/flotar ≠ modelo precursor construido en interacción social (Canedo Ibarra y Gómez Galindo, 2022). UNESCO (2021) y U.S. Department of Education (2023) exigen supervisión humana. Los cinco artefactos comparten una misma gramática de sustitución: el pouring accuracy score habla por la exploración del niño; la alerta de mess sustituye la tolerancia pedagógica al medio; el GenAI cierra la incertidumbre; el dashboard sustituye la observación pedagógica; la AR dirige o predice lo que el oficio deja abierto.

Conviene precisar el techo sin inventar efectos. Un sensor puede puntuar vertido; Counsell (2024) articula capacidad humana, no AUC. Una cámara puede etiquetar «off-task splashing»; Lange (2022) trata el water play como ciencia del medio. Un GenAI puede imprimir experimentos; Miao y Holmes (2023) exigen validación. Una AR puede predecir sink/float; Canedo Ibarra y Gómez Galindo (2022) documentan el modelo precursor social. Un dashboard puede contar minutos; NAEYC (2022) y OECD (2021) anclan práctica. Inferencia: «pouring accuracy alto» o «lesson plan según el modelo» no firma apoyo.

5. Caso 2. Lo que el jardín sí hace cuando hay apoyo al juego con agua: propiedades del líquido, Lange, Counsell, Amalia y Harahap, Park y Park, Canedo Ibarra y Gómez Galindo —con Maraisane et al. como contraste periférico

Lange (2022) satura el piso de oficio: water play is science —flujo, hundir-flotar, mezclas con co-presencia adulta, no STEM water score—. Estatus: marco NSTA. Counsell (2024) responde «Where’s the math?» con capacidad, volumen y comparación en la mesa: marco matemático EN el juego, no lab scored. Inferencia pedagógica: un centro puede llamar apoyo al water play cuando protege agua real, agencia y conversación sobre propiedades —no cuando puntúa vertido—. El water play no es un pouring accuracy score: es verter, observar flujo, comparar capacidad, probar hundir-flotar, mezclar, salpicar y sostener el mess como condición del medio, mientras el adulto nombra sin producto esperado fijo.

Amalia y Harahap (2022) aportan el caso empírico marcado: N = 15 niños de Group B en PAUD Khairul Ummah (Medan Johor; 2021/2022); método de water playing para mejorar ciencia; actividades de vertido, color y «walking water»; diseño pretest-postest. Estatus: hallazgo empírico. Límite marcado: muestra pequeña, un solo centro; transferencia cautelosa hacia CENDI/jardín latinoamericano; no ensayo de cámara de mess ni de GenAI de lesson plans. Inferencia: el objeto medido es práctica de water playing con mediación humana, no precision score. Park y Park (2021) describen sinking or floating como inquiry-based STEM activity for children: el adulto organiza indagación con materiales reales; no se convierte aquí en eje de indagación científica curricular ya publicada ni en STEM/robótica como producto, sino en evidencia de oficio mediado sobre hundir-flotar. Canedo Ibarra y Gómez Galindo (2022) documentan interacción social en la construcción de un floating and sinking precursor model durante preschool education: el modelo se construye en conversación e interacción, no se «predice» por AR. Estatus: marco/capítulo de modelo precursor e interacción social. Sando et al. (2023) —N = 928 obs. video— anclan el papel de objetos (incl. agua/arena) en deep-level learning mediado por el juego: el agua como objeto-en-juego, no como colección loose parts. NAEYC (2022) y OECD (2021, 2023) anclan interacciones significativas y digitalización subordinada.

El contraste de buen uso periférico es Maraisane, Jita y Jita (2024). Exploran las nociones de floating and sinking en el conocimiento conceptual de docentes Grade R en Sudáfrica. Estatus: hallazgo empírico de conocimiento DOCENTE. Transferencia marcada: Grade R / contexto sudafricano; se lee hacia el adulto, no como ensayo de IA al niño. Inferencia: el digital subordinado —adulto que profundiza conocimiento humano sobre hundir-flotar para sostener conversación en la mesa de agua— puede ser coherente con water play; no autoriza declarar que un sensor de pouring accuracy, una cámara de mess, un GenAI de experimentos, un dashboard de minutos o una AR predictiva constituyen el oficio. Maraisane et al. no se convierten aquí en artículo de formación continua ya publicada: se citan solo como contraste periférico (conocimiento humano→adulto). Mediación —NAEYC (2022), OECD (2021); Lange (2022); Counsell (2024); Canedo Ibarra y Gómez Galindo (2022)— es co-presencia adulta que ofrece agua real, tolera mess, nombra propiedades, sostiene conversación, observa agencia infantil sin producto esperado y amplía sin imponer guion digital que cierra la incertidumbre. Inferencia: observación pedagógica del water play es lectura profesional del episodio con el líquido; el dashboard cuenta minutos. Un dashboard no construye el modelo precursor; un niño y un adulto que conversan sobre hundir-flotar sí.

6. Caso 3. Water play ≠ outdoor/nature play genérico, indagación científica curricular como eje, STEM-robótica, loose parts, juego libre ni motricidad

La primera frontera es outdoor/nature play genérico: el water play puede ser outdoor o, de modo central aquí, mesa indoor; el eje es el líquido (flujo, capacidad, hundir-flotar, mezclas, mess), no minutos outdoor. Inferencia: «tenemos patio = hay water play» no firma. Un sensor de pouring accuracy es analítica, no outdoor. La segunda es indagación científica curricular: Lange (2022) y Park y Park (2021) muestran ciencia EN el water play; no autorizan inquiry score de dashboard ni el eje indagatorio ya publicado. La tercera es STEM/robótica: Counsell (2024) y Park y Park (2021) son oficio del medio, no score STEM; un GenAI de «STEM water lesson plans» invierte el argumento. La cuarta es loose parts: Sando et al. (2023) anclan objetos (agua/arena); aquí el medio es el líquido, no la colección Nicholson. La quinta es juego libre genérico; un GenAI de experimentos cierra la incertidumbre. La sexta es motricidad curricular: verter implica cuerpo, no tracking motor ni alertas de off-task splashing. UNESCO (2021), Miao y Holmes (2023) y U.S. Department of Education (2023) exigen supervisión humana. Inferencia: el uso coherente de IA en 3–6 permanece del lado del adulto (Maraisane et al., 2024), contrastado con Lange/Counsell y el modelo precursor (Canedo Ibarra y Gómez Galindo, 2022). No entra como scorer, clasificador de mess, GenAI de experimentos, dashboard ni AR predictiva.

7. Marco inferencial: cuatro pruebas para afirmar que hay apoyo al juego con agua, no un artefacto

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 los cinco artefactos constituyen apoyo al juego con agua / water play.

7.1. Prueba de la práctica situada de agua real —flujo, capacidad, hundir-flotar, mezclas—, agencia infantil y mess como condición del medio, no del sensor pouring accuracy ni de la capa AR que guía o predice. Lange (2022), Counsell (2024), Canedo Ibarra y Gómez Galindo (2022), Amalia y Harahap (2022) y Park y Park (2021) definen el oficio como exploración del líquido observable. Chen (2024), Su y Yang (2022) y Ljungcrantz (2026) mapean analítica y generación como affordances de IA, no como water play. Inferencia: la evidencia de apoyo al water play se verifica en si el niño exploró agua real con agencia y sin producto esperado. Si la «evidencia» del centro es un pouring accuracy score o una predicción AR de sink/float, el centro ha hecho analítica o dirección digital que cierra, no apoyo al water play.

7.2. Prueba de la co-presencia adulta que nombra propiedades y sostiene la conversación, no del GenAI de «experimentos de agua» / sink-or-float lesson plans. Lange (2022), Counsell (2024), Canedo Ibarra y Gómez Galindo (2022) y NAEYC (2022) sitúan conversación, matemática/ciencia EN el juego y práctica apropiada al desarrollo. Miao y Holmes (2023) exigen validación pedagógica de IA generativa. Inferencia: producir experimentos o lesson plans por prompt que cierran la incertidumbre no demuestra que hubo co-presencia que nombra flujo, capacidad o hundir-flotar. Un script puede existir; no firma el episodio de water play.

7.3. Prueba de la mediación humana —incluido el contraste periférico Maraisane et al.—, no del dashboard de minutos/inquiry score ni del CV/cámara de mess o off-task splashing alerts. OECD (2021, 2023) exigen interacciones significativas y digitalización subordinada. Maraisane et al. (2024) anclan conocimiento conceptual docente sobre floating and sinking. Sando et al. (2023) anclan objetos-en-juego y deep-level learning observados por humanos. Inferencia: «minutos altos en la mesa» o «alerta de mess» puede elevar un umbral administrativo sin elevar la calidad de la co-presencia ni la exploración infantil. Observación pedagógica lee el episodio con el líquido; el dashboard cuenta vigilancia. Conocimiento humano del adulto es periférico legítimo; el wearable/CV que sustituye la exploración o la tolerancia al mess no lo son.

7.4. Prueba de la distinción de categoría y del juicio profesional, no del catálogo de producto. Water play ≠ outdoor/nature play genérico, indagación científica curricular como eje, STEM-robótica, loose parts, juego libre ni motricidad. Sando et al. (2023) impiden reducir objetos-agua a loose parts como eje. Park y Park (2021) y Lange (2022) impiden confundir ciencia EN el juego con indagación curricular ya publicada. Counsell (2024) impide confundir matemática en la mesa con STEM water score. UNESCO (2021), Miao y Holmes (2023), U.S. Department of Education (2023), NAEYC (2022) y OECD (2021, 2023) exigen supervisión humana, validación pedagógica y no sustituir el juicio profesional. Inferencia: un centro no puede tratar al infante como vector de pouring accuracy ni como destinatario exclusivo de experimentos GenAI. El apoyo al juego con agua no se cumple puntuando mejor la «precisión» o vigilando el «desorden». Se cumple practicando agua real, agencia infantil para explorar sin producto esperado, co-presencia adulta que nombra propiedades y sostiene la conversación, y tolerancia al mess.

El marco admite el digital subordinado a conocimiento/preparación del adulto y mediación humana validada (Maraisane et al., 2024; Chen, 2024; Su y Yang, 2022; Ljungcrantz, 2026). Rechaza declarar apoyo por los cinco artefactos (Miao y Holmes, 2023; Nikolopoulou, 2025; UNESCO, 2021). Las cuatro pruebas se leen en conjunto.

8. Discusión

Tres tensiones organizan la discusión. La primera es entre exhibir los cinco artefactos y ejercer apoyo al water play. Lange, Counsell, Amalia y Harahap (N = 15), Park y Park, Canedo Ibarra y Gómez Galindo, Sando et al. (N = 928) y Maraisane et al. sostienen el oficio o su frontera; Chen (2024), Su y Yang (2022) y Ljungcrantz (2026) mapean IA sin equivalencia a water play situado. No es hallazgo de que los artefactos produzcan el oficio.

La segunda es entre assessment automatizado de pouring accuracy o mess y pedagogía del medio líquido. Chen (2024), Su y Yang (2022) y Ljungcrantz (2026) objetivizan analítica; no reportan ensayos verificados de scoring ni mess alerts en preschool 3–6 —no se inventan métricas—. Inferencia: declarar apoyo por score de vertido o alerta de desorden es pedagogía invertida.

La tercera es entre GenAI de experimentos / AR predictiva y oficio integral. Miao y Holmes (2023) y Nikolopoulou (2025) fijan límites; Lange (2022), Counsell (2024) y Canedo Ibarra y Gómez Galindo (2022) fijan ciencia/matemática EN el juego y modelo precursor social. Inferencia: vender experimentos por prompt o AR sink/float como «water play con IA» confunde producto con exploración del líquido. Amalia y Harahap (2022) confirman práctica N = 15 sin autorizar score; UNESCO (2021), Miao y Holmes (2023) y U.S. Department of Education (2023) subordinan IA al juicio profesional.

Las cuatro pruebas de la sección 7 leen estas tensiones. El contraste empírico —Lange/Counsell; N = 15; Park y Park; modelo precursor; N = 928; Maraisane et al.— define el piso que los artefactos no alcanzan solos. Inferencia: el apoyo se erosiona al tratarlos como si fueran la práctica. El digital subordinado es legítimo hacia el adulto (Maraisane et al., 2024); no lo es invertir la secuencia (NAEYC, 2022; OECD, 2021, 2023; Lange, 2022; Counsell, 2024).

9. Límites

Esta revisión es narrativa. No aplica PRISMA propio ni estima efectos combinados. Amalia y Harahap (2022) miden N = 15 en un centro: límite y transferencia marcada. Lange (2022) y Counsell (2024) aportan marcos NSTA, no ensayos de sensores. Park y Park (2021), Canedo Ibarra y Gómez Galindo (2022), Sando et al. (2023; N = 928; no eje loose parts) y Maraisane et al. (2024; contraste periférico docente) delimitan el oficio. Chen (2024), Su y Yang (2022), Su y Zhong (2022), Ljungcrantz (2026) y Nikolopoulou (2025) mapean IA en ECE, no pouring accuracy ni mess alerts. No se localizaron ensayos verificados de los cinco artefactos en CENDI 3–6; se discuten como techo de categoría. NAEYC, UNESCO y OECD son de marco. Las inferencias de la sección 7 son hipótesis de categoría, no evidencia de implementación.

10. Conclusiones

Un sensor o wearable que «puntúa precisión de vertido» o un «pouring accuracy score» / «STEM water score» del niño, un sistema de visión por computador / cámara de mesa que etiqueta «desorden» o «salpicadura fuera de tarea» o dispara alertas de «mess / off-task splashing», un chatbot/GenAI que genera «experimentos de agua» o «planes sink-or-float» o «water play lesson plans» por prompt, un dashboard de «minutos en la mesa de agua» / «inquiry score» para vigilancia administrativa, o una capa AR que «guía» cómo verter o predice hundir/flotar no constituyen apoyo al juego con agua / water play en un centro de educación inicial. Chen (2024), Su y Yang (2022) y Ljungcrantz (2026) confirman affordances de IA sin equivalencia a water play situado. Nikolopoulou (2025) y Miao y Holmes (2023) fijan límites de GenAI. Maraisane et al. (2024) exigen leer el conocimiento docente Grade R como contraste periférico —adulto ≠ sensor, CV mess, GenAI, dashboard ni AR—. Lange (2022) y Counsell (2024) fijan ciencia y matemática EN el water play. Cuando hay apoyo, hay práctica situada: water play is science (Lange, 2022); math en la mesa (Counsell, 2024); N = 15 Amalia y Harahap (2022) con límite marcado; sink/float mediado (Park y Park, 2021); modelo precursor e interacción social (Canedo Ibarra y Gómez Galindo, 2022); objetos-en-juego N = 928 (Sando et al., 2023); DAP e interacciones (NAEYC, 2022; OECD, 2021, 2023). El water play se distingue de outdoor/nature play genérico, indagación científica curricular como eje, STEM-robótica, loose parts, juego libre y motricidad. Las guías exigen supervisión humana (UNESCO, 2021; Miao y Holmes, 2023; U.S. Department of Education, 2023; Su y Zhong, 2022).

Donde las fuentes no miden un jardín, este artículo no lo afirma. Donde miden mapeos de IA, GenAI o conocimiento docente Grade R, no los traduce en apoyo al water play pedagógico vía score o alerta de mess. Acompañar a niñas y niños de tres a seis años en juego con agua es ejercer agua real (flujo, capacidad, hundir-flotar, mezclas), agencia infantil para explorar sin producto esperado, co-presencia adulta que nombra propiedades y sostiene la conversación, y tolerancia al mess como condición del medio. Lo demás es sensor de pouring accuracy, clasificador de desorden, generador de experimentos que cierra la incertidumbre, dashboard de minutos y capa AR que guía o predice. No es apoyo al juego con agua en educación inicial, y no debe presentarse como lo que no es.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Referencias

  1. Amalia, S., y Harahap, J. Y. (2022). Water playing method to improve science in Group B children at PAUD Khairul Ummah. International Journal of Educational Research Excellence, 1(2), 170–173. https://doi.org/10.55299/ijere.v1i2.206
  2. Canedo Ibarra, S. P., y Gómez Galindo, A. A. (2022). Social interaction in the construction of a floating and sinking precursor model during preschool education. En Precursor models for teaching and learning science during early childhood (pp. 53–73). Springer. https://doi.org/10.1007/978-3-031-08158-3_4
  3. Chen, J. J. (2024). A scoping study on AI affordances in early childhood education: Mapping the global landscape, identifying research gaps, and charting future research directions. Journal of Artificial Intelligence Research, 81, 701–740. https://doi.org/10.1613/jair.1.16882
  4. Counsell, S. L. (2024). Water play: Where’s the math? Science and Children, 61(3), 11–12. https://doi.org/10.1080/00368148.2024.2340798
  5. Lange, A. (2022). The early years: Water play is science. Science and Children, 59(4), 10–11. https://doi.org/10.1080/00368148.2022.12291760
  6. Ljungcrantz, L. (2026). The interaction of AI and early childhood education. A state-of-the-art review 2020–2024. Early Childhood Education Journal, 54(5), 3565–3581. https://doi.org/10.1007/s10643-025-02079-3
  7. Maraisane, M. J. L., Jita, L. C., y Jita, T. (2024). The notions of floating and sinking: Exploring the conceptual knowledge of Grade R teachers. South African Journal of Childhood Education, 14(1), Article 1407. https://doi.org/10.4102/sajce.v14i1.1407
  8. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  9. NAEYC. (2022). Developmentally appropriate practice in early childhood programs serving children from birth through age 8 (4.ª ed.). NAEYC. https://www.naeyc.org/resources/pubs/books/dap-fourth-edition
  10. Nikolopoulou, K. (2025). Child-centered integration of generative AI in early learning: Balancing promises and challenges. AI, Brain and Child, 1(1). https://doi.org/10.1007/s44436-025-00023-1
  11. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  12. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  13. Park, D.-Y., y Park, M.-H. (2021). Sinking or floating: An inquiry-based STEM activity for children. Childhood Education, 97(6), 74–80. https://doi.org/10.1080/00094056.2021.2000310
  14. Sando, O. J., Sandseter, E. B. H., y Brussoni, M. (2023). The role of play and objects in children’s deep-level learning in early childhood education. Education Sciences, 13(7), 701. https://doi.org/10.3390/educsci13070701
  15. Su, J., y Yang, W. (2022). Artificial intelligence in early childhood education: A scoping review. Computers and Education: Artificial Intelligence, 3, 100049. https://doi.org/10.1016/j.caeai.2022.100049
  16. Su, J., y Zhong, Y. (2022). Artificial Intelligence (AI) in early childhood education: Curriculum design and future directions. Computers and Education: Artificial Intelligence, 3, 100072. https://doi.org/10.1016/j.caeai.2022.100072
  17. U.S. Department of Education, Office of Educational Technology. (2023). Artificial intelligence and the future of teaching and learning: Insights and recommendations. U.S. Department of Education. https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf
  18. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137