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 materiales sueltos / loose parts play / open-ended materials: un chatbot que «sugiere construcciones» o «ideas de loose parts» al niño; un generador GenAI de «actividades» o «provocations» por prompt que fija el outcome; un sistema de visión por computador que puntúa «creatividad» o etiqueta fotos de ensamblajes; una capa AR que «guía» cómo disponer los materiales; y un dashboard de «métricas de exploración» o «open-endedness score». Los cinco permiten exhibir que el centro «ya hace loose parts con IA». El salto —de sugerencia, provocación, score, guía AR o métrica a afirmar apoyo— no está autorizado por los mapeos de IA en ECE ni por la pedagogía del loose parts play cuando hay materiales abiertos físicos, agencia infantil, tiempo prolongado, negociación entre pares, co-presencia adulta sin resultado predeterminado y exploración divergente.

La tesis de este artículo es restrictiva. Un chatbot que «sugiere construcciones» o «ideas de loose parts» al niño, un generador GenAI de «actividades con materiales sueltos» o «provocations» por prompt, un sistema de visión por computador que puntúa «creatividad» o etiqueta fotos de ensamblajes, una capa AR que «guía» cómo disponer los materiales, o un dashboard de «métricas de exploración» / «open-endedness score» no constituyen apoyo al juego con materiales sueltos en la primera infancia. En inicial el loose parts play se desarrolla con materiales abiertos físicos, agencia infantil, tiempo prolongado, negociación entre pares y co-presencia adulta sin resultado predeterminado; no un score de creatividad, un sugeridor de IA, una provocación generada por prompt que fija el outcome ni una capa AR que dirige la disposición. Cankaya, Rohatyn-Martin, Leach, Taylor y Bulut (2023) revisan la literatura sobre loose parts play y desarrollo cognitivo en preschool y documentan un gap empírico, en especial indoor. Cankaya, Martin y Haugen (2025) aplican PRISMA a 25 estudios hasta diciembre de 2024 (0–6 años): solo un estudio usa explícitamente el término «loose parts»; reportan asociaciones con problem-solving, creatividad y skills, con gaps metodológicos. Cankaya, Rohatyn-Martin, Buro, Bulut y Taylor (2025) —N = 60; Mage = 58.6 meses (SD = 10.9); within-subjects— hallan más comportamientos STEM espontáneos con loose parts frente a toys de función limitada: hallazgo empírico de affordances abiertas, no autorización a convertir este artículo en uno de STEM/robótica curricular. Aşkar y Durmuşoğlu (2023) aportan un caso cualitativo del significado del juego con materiales sueltos en preschool. Zeng y Ng (2025) documentan questioning strategies humanas durante loose parts play en kindergarten. Eso autoriza a preguntar qué se midió: sugerencia del bot, provocación por prompt, etiqueta CV, guía AR o open-endedness score, no la práctica cuando un niño reconfigura un material abierto, negocia con un par, sostiene el episodio en el tiempo y recibe co-presencia adulta sin outcome fijado de antemano.

El problema se agrava por cinco confusiones de categoría. Primera: loose parts / open-ended materials no es «juego libre» genérico —aunque el libre pueda albergarlo, el eje es la práctica de affordances abiertas con materiales sueltos físicos—. Segunda: no es block play / razonamiento espacial como eje —el material suelto puede incluir piezas reconfigurables, pero no se reduce a ensamblaje espacial medible—. Tercera: no es outdoor play / nature play —Hu (2025) aporta nature-based loose parts solo como contraste de affordance, no como eje outdoor ya publicado—. Cuarta: no es creatividad artística curricular ni score de creatividad. Quinta: no es STEM/robótica como eje —Cankaya et al. (2025) se leen solo como evidencia de affordances espontáneas—. Este trabajo no recicla outdoor play, juego libre, juego simbólico, block play/espacial, STEM/robótica, creatividad artística, motricidad, ambiental, indagación, literacidad, oralidad, SEL, funciones ejecutivas, DUA, documentación, evaluación formativa, participación, planificación, atención conjunta, interacciones adulto-niño como eje genérico, formación docente, música ni numeracidad. La pregunta es qué cuenta como apoyo al loose parts play cuando un centro «hace IA y materiales sueltos».

Hay, además, una economía de coordinación: chatbot sugeridor, provocación GenAI, creativity score, capa AR y dashboard de open-endedness caben en una diapositiva; el episodio prolongado con materiales abiertos, agencia infantil, pares y co-presencia adulta sin outcome fijo, no. NAEYC (2022) y OECD (2021, 2023) exigen interacciones significativas y digitalización subordinada. Inferencia: el apoyo al juego con materiales sueltos no se cumple generando provocations ni puntuando exploración. Las contribuciones son tres: separar el oficio del paquete de artefactos; examinar tres familias de casos —incluido Zeng y Ng (2025) como andamiaje humano por questioning y Lyu y McNair (2026) como contraste periférico (IA→adulto)—; y ofrecer cuatro pruebas para afirmar apoyo al loose parts play, no solo chatbot, GenAI, CV, AR o dashboard.

2. Estado del arte: de la práctica situada de materiales sueltos al artefacto que se exhibe

Conviene separar cuatro estratos que el mercado de «IA para loose parts en inicial» suele mezclar. El primero es el constructo de materiales sueltos / loose parts play / open-ended materials de 3 a 6 años como práctica de affordances abiertas con materiales físicos reconfigurables, agencia infantil, tiempo prolongado, negociación entre pares y exploración divergente sin outcome predeterminado (Cankaya et al., 2023; Cankaya, Martin y Haugen, 2025; Aşkar y Durmuşoğlu, 2023; Zeng y Ng, 2025; Hu, 2025). El segundo es el oficio pedagógico que lo cultiva —oferta de materiales abiertos, protección del tiempo, questioning humano que abre sin fijar resultado, co-presencia adulta, no sustituir la reconfiguración del niño por una sugerencia digital— (Zeng y Ng, 2025; Aşkar y Durmuşoğlu, 2023; Lyu y McNair, 2026; NAEYC, 2022; OECD, 2021, 2023). El tercero es la evidencia de affordances de IA en ECE, GenAI centrada en el niño y dual-track Froebel+AI —sin equivalerlos a loose parts play situado con materiales físicos— (Chen, 2024; Su y Yang, 2022; Su y Zhong, 2022; Ljungcrantz, 2026; Nikolopoulou, 2025; Lyu y McNair, 2026). 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 de exploración divergente con materiales abiertos, no como vector de señales para un pipeline de open-endedness score ni como receptor pasivo de sugerencias de un chatbot o de una provocación GenAI (UNESCO, 2021; Miao y Holmes, 2023; U.S. Department of Education, 2023).

En constructo y oficio, Cankaya et al. (2023) sintetizan LPP–cognición en preschool y marcan gap empírico indoor: hallazgo de revisión. Cankaya, Martin y Haugen (2025) —PRISMA; 25 estudios; 0–6— confirman poco uso explícito del término «loose parts» y asociaciones con problem-solving, creatividad y skills junto a gaps: hallazgo de revisión sistemática. Cankaya et al. (2025) —N = 60; Mage = 58.6 m (SD = 10.9)— documentan más STEM behaviours espontáneos con loose parts frente a toys limitados: hallazgo de affordances, no eje STEM. Aşkar y Durmuşoğlu (2023) aportan significado cualitativo. Zeng y Ng (2025) muestran questioning humano durante LPP sin outcome fijo. Hu (2025) infunde nature-based loose parts vía action research: contraste con outdoor ya publicado. Inferencia: un chatbot no reconfigura la pieza; un niño con un par y un adulto que pregunta sin fijar el resultado 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 loose parts play situado. Nikolopoulou (2025) equilibra promesas y desafíos de GenAI centrada en el niño bajo mediación docente: marco de cautela. Lyu y McNair (2026) reconceptualizan pedagogía Froebeliana con IA en contexto chino (N = 50 practitioners): dual-track integration; la IA se sitúa de modo periférico al adulto; emergen preocupaciones por desplazamiento de experiencias sensoriales. 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 provocations 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) loose parts play, open-ended materials, materiales sueltos, affordances abiertas, 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, juego libre, juego simbólico, block play/espacial, STEM/robótica, creatividad artística, motricidad, ambiental, indagación, literacidad, oralidad, SEL, funciones ejecutivas, DUA, documentación, evaluación formativa, participación, planificación, atención conjunta, interacciones adulto-niño como eje genérico, formación docente, música y numeracidad—. STEM behaviours de Cankaya et al. (2025) solo como affordances espontáneas; Hu (2025) solo como contraste con outdoor.

La búsqueda se ejecutó el 3 de septiembre de 2026 (slot 01:02 America/Mexico_City) en páginas DOI, Crossref, Springer, Elsevier, Taylor & Francis, Nature Portfolio, MDPI, JAIR, OECD iLibrary, UNESDOC, NAEYC 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 scoring 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 dual-track Froebel+AI (Lyu y McNair, 2026). Se usaron las dieciocho fuentes del corpus verificado.

4. Caso 1. Chatbot sugeridor de construcciones/ideas loose parts, GenAI de provocations por prompt, CV creativity score, AR que guía disposición o dashboard open-endedness no constituyen apoyo al juego con materiales sueltos

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 loose parts 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 chatbot que sugiere construcciones cultive agencia infantil con materiales abiertos físicos. Su y Yang (2022) revisan el campo de IA en ECE: hallazgo de síntesis sobre tendencias, no sobre negociación entre pares con piezas reconfigurables ni tiempo prolongado de exploración divergente. Ljungcrantz (2026) revisa la interacción IA–ECE 2020–2024: hallazgo de estado del arte, no de loose parts play situado. Inferencia pedagógica, marcada como tal: el gesto «el niño recibió ideas del chatbot = hubo loose parts play» es techo de tutoría generativa. Cankaya et al. (2023), Cankaya, Martin y Haugen (2025) y Aşkar y Durmuşoğlu (2023) piden materiales abiertos, agencia y significado situado; un diálogo útil con un bot puede coexistir con ausencia de materiales físicos, de pares, de tiempo protegido y de outcome abierto.

Nikolopoulou (2025) y Miao y Holmes (2023) nombran el riesgo del generador de «actividades con materiales sueltos» o «provocations» a partir de un prompt que fija el outcome. 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 provocations por prompt versus episodio de loose parts con questioning humano (Zeng y Ng, 2025). Inferencia: producir una provocación por prompt puede ser preparación docente subordinada; el apoyo al loose parts play empieza cuando hay materiales abiertos en la mesa o el piso, agencia del niño para reconfigurar, tiempo protegido, pares que negocian y un adulto que pregunta sin fijar el resultado. Su y Zhong (2022) proponen diseño curricular de IA en ECE como dirección futura —currículo de AI literacy, no de loose parts play situado—. Inferencia de límite: un currículo de IA no firma la exploración divergente con materiales sueltos.

El sistema de visión por computador que puntúa «creatividad» o etiqueta fotos de ensamblajes, la capa AR que «guía» cómo disponer los materiales y el dashboard de «métricas de exploración» / «open-endedness score» carecen, en el corpus verificado, de ensayos con N, d, r o AUC reportados para scoring de creatividad de ensamblajes loose parts, guía AR de disposición o open-endedness score 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 loose parts play mediado. Cankaya et al. (2025) miden STEM behaviours espontáneos con materiales sueltos versus toys limitados (N = 60): hallazgo de affordances, no de creativity score algorítmico. Lyu y McNair (2026) —N = 50 practitioners Froebelianos— documentan preocupaciones por desplazamiento de experiencias sensoriales cuando la IA se acerca al niño: contraste empírico de uso periférico legítimo solo cuando la IA apoya al adulto. Inferencia restrictiva: GenAI que apoya al docente ≠ chatbot sugeridor al niño; provocación por prompt que fija outcome ≠ questioning humano que abre (Zeng y Ng, 2025); empowerment docente ≠ open-endedness score; capa AR que dirige disposición ≠ reconfiguración libre del material. UNESCO (2021) y U.S. Department of Education (2023) exigen supervisión humana. Los cinco artefactos comparten una misma gramática de sustitución: la sugerencia del bot habla por la agencia del niño; la provocación GenAI fija el outcome; el CV score sustituye la observación pedagógica del episodio; la AR dirige la disposición; el dashboard sustituye el tiempo prolongado por una métrica.

Conviene precisar el techo sin inventar efectos. Un chatbot puede listar «ideas»; Aşkar y Durmuşoğlu (2023) y Zeng y Ng (2025) documentan significado y questioning humanos, no turnos con un modelo. Un GenAI puede imprimir una provocación; Miao y Holmes (2023) exigen validación pedagógica. Un CV puede etiquetar «alta creatividad»; Cankaya, Martin y Haugen (2025) revisan asociaciones humanas, no AUC. Una AR puede guiar la disposición; Cankaya et al. (2025) miden comportamientos espontáneos, no guía digital. Un dashboard puede elevar un «open-endedness score»; NAEYC (2022) y OECD (2021) anclan práctica e interacciones. Inferencia: «creativity score alto» o «provocation según el modelo» es medición o generación, no apoyo firmado.

5. Caso 2. Lo que el jardín sí hace cuando hay apoyo al juego con materiales sueltos: materiales abiertos, agencia, tiempo, pares, co-presencia —con Zeng y Ng (questioning) y Lyu y McNair (dual-track) como contraste

Cankaya, Martin y Haugen (2025) saturan el piso empírico de revisión: 25 estudios hasta diciembre de 2024 (0–6 años; PRISMA) asocian indoor loose parts play con problem-solving, creatividad y skills, con el caveat de que solo un estudio usa explícitamente «loose parts» y persisten gaps metodológicos. Estatus: hallazgo de revisión sistemática. Transferencia marcada: el rango 0–6 incluye toddlerhood; se lee con cautela hacia el tramo 3–6 del jardín. Cankaya et al. (2023) anteceden el gap indoor LPP–cognición en preschool: hallazgo de revisión. Inferencia pedagógica, marcada como tal: este es el tipo de objeto que un centro de inicial puede llamar apoyo al loose parts play cuando protege materiales abiertos físicos, agencia infantil y tiempo —no cuando puntúa open-endedness en un dashboard—. El loose parts play no es un creativity score: es dominio creciente de reconfigurar materiales abiertos, sostener el episodio, negociar con pares, explorar de modo divergente y recibir co-presencia adulta sin resultado predeterminado. Un chatbot que sugiere «haz un puente» sin materiales compartidos puede celebrar un diálogo etiquetado y, a la vez, vaciar la agencia. Un CV puede etiquetar «ensamblaje creativo» en foto y no haber capturado si el adulto fijó el outcome, si hubo pares o si el material era realmente abierto.

Aşkar y Durmuşoğlu (2023) documentan, en caso cualitativo preschool, el significado del juego con materiales sueltos: el oficio se lee desde la experiencia situada, no desde score. Zeng y Ng (2025) aportan el andamiaje humano decisivo: questioning strategies durante loose parts play en kindergarten que promueven science learning sin convertir el free play en lección con outcome cerrado. Estatus: hallazgo empírico de mediación por preguntas humanas. Inferencia: el questioning de Zeng y Ng es el contraste directo con la provocación GenAI por prompt que fija el resultado —el adulto abre; el prompt cierra—. Cankaya et al. (2025) —N = 60; Mage = 58.6 m (SD = 10.9); within-subjects— muestran más STEM behaviours espontáneos con loose parts frente a toys limitados: evidencia de affordances abiertas; no se convierte aquí en eje STEM/robótica curricular. Hu (2025) muestra action research que infunde nature-based loose parts en Kindergarten Program: el material natural suelto como affordance, con contraste explícito frente al outdoor play ya publicado en la serie. NAEYC (2022) y OECD (2021, 2023) anclan interacciones significativas y digitalización subordinada.

El contraste de buen uso periférico es el dual-track Froebel+AI de Lyu y McNair (2026). Reportan N = 50 practitioners Froebelianos en contexto chino: integración dual-track; la IA se concibe periférica al adulto/docente; emergen preocupaciones por desplazamiento de experiencias sensoriales si la tecnología se acerca al niño como sustituto. Estatus: hallazgo empírico de reconceptualización pedagógica y de preocupación practitioner. Inferencia: el digital subordinado —adulto que recibe apoyo de IA para planificar o reflexionar sin sustituir los materiales físicos ni la agencia del niño— puede ser coherente con loose parts play; no autoriza declarar que un chatbot sugeridor, una provocación GenAI que fija outcome, un CV creativity score, una AR que guía disposición o un open-endedness score constituyen el oficio. Mediación —NAEYC (2022), OECD (2021); Zeng y Ng (2025)— es co-presencia adulta que organiza tiempo, ofrece materiales abiertos, pregunta sin fijar resultado, escucha la negociación entre pares y amplía sin imponer guion digital. Inferencia: observación pedagógica del loose parts play es lectura profesional del episodio con materiales abiertos; el dashboard cuenta una métrica. Un dashboard no reconfigura la pieza; un niño y un adulto que pregunta sin fijar el outcome sí.

6. Caso 3. Loose parts ≠ juego libre genérico, block play espacial, outdoor-nature play, creatividad artística curricular ni STEM-robótica como eje

La primera frontera de categoría es el juego libre genérico. El libre puede albergar materiales sueltos; no constituye, por sí solo, la práctica de affordances abiertas con materiales físicos reconfigurables como eje. Inferencia: este artículo prohíbe la equivalencia «tenemos juego libre = hay apoyo al loose parts play». Un chatbot que «sugiere ideas» tampoco es libre: es tutoría generativa que estrecha la agencia. La segunda frontera es el block play / razonamiento espacial ya publicado: ensamblaje 2D/3D con bloques unitarios y lenguaje espacial es constructo distinto; el material suelto puede incluir piezas, pero el eje aquí es la apertura de affordances, no el score espacial ni el block talk como objeto. La tercera es outdoor play / nature play: Hu (2025) aporta nature-based loose parts como infusión de materiales naturales sueltos —contraste de affordance—, no identidad con green time, forest school o minutos outdoor ya tratados. Inferencia: «tenemos patio = hay loose parts» no firma materiales abiertos, agencia y tiempo de reconfiguración. La cuarta es la creatividad artística curricular o el creativity score: Cankaya, Martin y Haugen (2025) reportan asociaciones con creatividad como outcome lateral posible en revisiones humanas; no autorizan CV que puntúe creatividad de fotos de ensamblajes. La quinta es STEM/robótica como eje: Cankaya et al. (2025) documentan STEM behaviours espontáneos con loose parts —hallazgo de affordances—; convertirlos en currículo STEM o robótica invierte el argumento de este artículo. UNESCO (2021), Miao y Holmes (2023) y U.S. Department of Education (2023) exigen supervisión humana. Inferencia: el único uso de IA coherente con 3–6 permanece del lado del adulto —dual-track Froebel+AI de Lyu y McNair (2026)—, sometido a validación pedagógica y contrastado con questioning humano (Zeng y Ng, 2025). No entra como scorer autónomo, chatbot sugeridor, provocación GenAI que fija outcome, AR que dirige disposición ni dashboard de open-endedness.

7. Marco inferencial: cuatro pruebas para afirmar que hay apoyo al juego con materiales sueltos, 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 materiales sueltos.

7.1. Prueba de la práctica situada de materiales abiertos físicos, agencia infantil y exploración divergente, no del chatbot sugeridor ni de la capa AR. Cankaya et al. (2023), Cankaya, Martin y Haugen (2025), Aşkar y Durmuşoğlu (2023) y Cankaya et al. (2025) definen el oficio como materiales sueltos y affordances observables. Chen (2024), Su y Yang (2022) y Ljungcrantz (2026) mapean chatbots y generación de contenidos como affordances de IA, no como loose parts play. Inferencia: la evidencia de apoyo al loose parts play se verifica en si el niño reconfiguró materiales abiertos físicos con agencia. Si la «evidencia» del centro es un diálogo con chatbot o una guía AR de disposición, el centro ha hecho tutoría o dirección digital del material, no apoyo al loose parts play.

7.2. Prueba del tiempo prolongado, la negociación entre pares y el questioning humano sin outcome fijo, no de la provocación GenAI por prompt. Zeng y Ng (2025), Aşkar y Durmuşoğlu (2023) y NAEYC (2022) sitúan questioning, significado situado y práctica apropiada al desarrollo. Miao y Holmes (2023) exigen validación pedagógica de IA generativa. Inferencia: producir una provocación por prompt que fija el resultado no demuestra que hubo tiempo protegido, pares ni preguntas humanas que abren. Un script puede existir; no firma el episodio de materiales sueltos.

7.3. Prueba de la mediación humana —incluido el contraste periférico dual-track Froebel+AI—, no del dashboard de open-endedness ni del CV creativity score. OECD (2021, 2023) exigen interacciones significativas y digitalización subordinada. Lyu y McNair (2026) anclan IA periférica al adulto con preocupación por desplazamiento sensorial. Zeng y Ng (2025) anclan questioning humano. Inferencia: «open-endedness score alto» o «creativity score» puede elevar un umbral sin elevar la calidad de la co-presencia. Observación pedagógica lee el episodio con materiales abiertos; el dashboard cuenta una métrica. GenAI que guía al adulto es periférico legítimo; el chatbot que sugiere construcciones al niño o la AR que dirige la disposición no lo son.

7.4. Prueba de la distinción de categoría y del juicio profesional, no del catálogo de producto. Loose parts ≠ juego libre genérico, block play espacial, outdoor-nature play, creatividad artística curricular ni STEM-robótica como eje. Cankaya et al. (2025) impiden reducir affordances espontáneas a currículo STEM. Hu (2025) impide confundir nature-based LPP con outdoor play como eje. Cankaya, Martin y Haugen (2025) impiden confundir asociaciones con creatividad en revisiones humanas con CV 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 open-endedness ni como interlocutor exclusivo de un sugeridor de IA. El apoyo al juego con materiales sueltos no se cumple puntuando mejor la «exploración». Se cumple practicando materiales abiertos físicos, agencia infantil, tiempo prolongado, negociación entre pares y co-presencia adulta sin resultado predeterminado.

El marco admite el digital subordinado a preparación docente y mediación humana validada (Lyu y McNair, 2026; 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 chatbot sugeridor, GenAI de provocations, CV score, AR o dashboard y ejercer apoyo al juego con materiales sueltos. Es hallazgo que las revisiones LPP–cognición, el PRISMA de 25 estudios, el within-subjects N = 60, el caso cualitativo, el questioning humano, el nature-based LPP y el dual-track Froebel+AI (N = 50) sostienen el oficio o su frontera (Cankaya et al., 2023; Cankaya, Martin y Haugen, 2025; Cankaya et al., 2025; Aşkar y Durmuşoğlu, 2023; Zeng y Ng, 2025; Hu, 2025; Lyu y McNair, 2026). Es marco que la IA en ECE crece sin equivalencia a loose parts play situado (Chen, 2024; Su y Yang, 2022; Ljungcrantz, 2026). No es hallazgo de que los cinco artefactos produzcan el oficio: sugieren, provocan con outcome fijo, puntúan, guían o miden lo que la ingeniería entrega.

La segunda es entre assessment automatizado de «creatividad» o «open-endedness» y pedagogía cotidiana de los materiales abiertos. Chen (2024), Su y Yang (2022) y Ljungcrantz (2026) objetivizan analítica como tendencia; no reportan ensayos verificados de scoring de creatividad o open-endedness en preschool 3–6 —no se inventan métricas—. Inferencia: insistir en que el jardín «ya apoya el loose parts play» porque un modelo puntúa creatividad o un chatbot sugiere ideas es pedagogía invertida: el proxy algorítmico se hace valer por materiales abiertos, agencia, tiempo y pares.

La tercera es entre provocación GenAI / guía AR y oficio integral. Miao y Holmes (2023) y Nikolopoulou (2025) fijan límites de GenAI; Lyu y McNair (2026) advierten desplazamiento sensorial; Zeng y Ng (2025) fijan questioning humano que abre. Inferencia: vender provocación por prompt o guía AR como «loose parts con IA» confunde producto textual o dirección digital con práctica situada. Cankaya et al. (2025) confirman affordances espontáneas sin autorizar eje STEM; 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 con criterio operativo. El contraste empírico del oficio —revisiones LPP; N = 60; caso cualitativo; questioning; nature-based LPP; dual-track N = 50— define el piso que los cinco artefactos no alcanzan solos. Inferencia: el apoyo se erosiona no por usar IA, sino por tratar chatbot, GenAI, CV, AR o dashboard como si fueran la práctica. El digital subordinado es legítimo —IA periférica al adulto (Lyu y McNair, 2026)—; no lo es invertir la secuencia. Se verifica con materiales abiertos, agencia, tiempo, pares y co-presencia sin outcome fijo (NAEYC, 2022; OECD, 2021, 2023; Zeng y Ng, 2025).

9. Límites

Esta revisión es narrativa. No aplica PRISMA propio ni estima efectos combinados primarios. Cankaya, Martin y Haugen (2025) sí aplican PRISMA a 25 estudios (0–6; transferencia parcial hacia 3–6) y documentan gaps. Cankaya et al. (2023) revisan LPP–cognición con gap indoor. Cankaya et al. (2025) miden N = 60: STEM behaviours como affordances, no como eje STEM. Aşkar y Durmuşoğlu (2023) aportan caso cualitativo; Zeng y Ng (2025), questioning humano; Hu (2025), nature-based LPP como contraste outdoor; Lyu y McNair (2026), dual-track N = 50. Chen (2024), Su y Yang (2022), Su y Zhong (2022), Ljungcrantz (2026) y Nikolopoulou (2025) mapean IA en ECE, no scoring de creatividad loose parts. No se localizaron ensayos verificados de CV creativity score, chatbot sugeridor, AR guía ni dashboard open-endedness 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 chatbot que «sugiere construcciones» o «ideas de loose parts» al niño, un generador GenAI de «actividades con materiales sueltos» o «provocations» por prompt, un sistema de visión por computador que puntúa «creatividad» o etiqueta fotos de ensamblajes, una capa AR que «guía» cómo disponer los materiales, o un dashboard de «métricas de exploración» / «open-endedness score» no constituyen apoyo al juego con materiales sueltos en un centro de educación inicial. Chen (2024), Su y Yang (2022) y Ljungcrantz (2026) confirman affordances de IA sin equivalencia a loose parts play situado. Nikolopoulou (2025) y Miao y Holmes (2023) fijan límites de GenAI. Lyu y McNair (2026) exigen leer el dual-track Froebel+AI como contraste periférico —IA→adulto ≠ chatbot sugeridor, provocación GenAI, CV score, AR ni dashboard—. Zeng y Ng (2025) fijan questioning humano como andamiaje que abre sin fijar outcome. Cuando hay apoyo, hay práctica situada: revisiones LPP–cognición y PRISMA de 25 estudios (Cankaya et al., 2023; Cankaya, Martin y Haugen, 2025); affordances espontáneas N = 60 (Cankaya et al., 2025; contraste STEM); significado cualitativo (Aşkar y Durmuşoğlu, 2023); nature-based LPP como contraste outdoor (Hu, 2025); DAP e interacciones (NAEYC, 2022; OECD, 2021, 2023). El loose parts play se distingue de juego libre genérico, block play espacial, outdoor-nature play, creatividad artística curricular y STEM-robótica como eje. 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 dual-track practitioner, no los traduce en apoyo al loose parts play pedagógico. Acompañar a niñas y niños de tres a seis años en juego con materiales sueltos es ejercer materiales abiertos físicos, agencia infantil, tiempo prolongado, negociación entre pares, exploración divergente y co-presencia adulta sin resultado predeterminado. Lo demás es chatbot sugeridor, provocación GenAI por prompt, puntuación de creatividad, guía AR de disposición y dashboard de open-endedness. No es apoyo al juego con materiales sueltos en educación inicial, y no debe presentarse como lo que no es.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Referencias

  1. Aşkar, N., y Durmuşoğlu, M. C. (2023). Meaning of play with loose parts materials in preschool education: A case study. Journal of Qualitative Research in Education, (33), 71–111. https://doi.org/10.14689/enad.33.1645
  2. Cankaya, O., Martin, M., y Haugen, D. (2025). The relationship between children’s indoor loose parts play and cognitive development: A systematic review. Journal of Intelligence, 13(5), 52. https://doi.org/10.3390/jintelligence13050052
  3. Cankaya, O., Rohatyn-Martin, N., Buro, K., Bulut, O., y Taylor, K. (2025). Loose parts play encourages spontaneous science, technology, engineering, and mathematics (STEM) behaviours. Communications Psychology, 3, Article 183. https://doi.org/10.1038/s44271-025-00362-y
  4. Cankaya, O., Rohatyn-Martin, N., Leach, J., Taylor, K., y Bulut, O. (2023). Preschool children’s loose parts play and the relationship to cognitive development: A review of the literature. Journal of Intelligence, 11(8), 151. https://doi.org/10.3390/jintelligence11080151
  5. Chen, J. J. (2024). A scoping study on AI affordances in early childhood education. Journal of Artificial Intelligence Research, 81, 701–740. https://doi.org/10.1613/jair.1.16882
  6. Hu, H. (2025). Using action research to infuse nature-based loose parts play into the Kindergarten Program. Early Years, 45(3–4), 383–399. https://doi.org/10.1080/09575146.2024.2358422
  7. Ljungcrantz, L. (2026). The interaction of AI and early childhood education. A state-of-the-art review 2020–2024. Early Childhood Education Journal, 54, 3565–3581. https://doi.org/10.1007/s10643-025-02079-3
  8. Lyu, Y., y McNair, L. (2026). Bridging Froebel and AI: Reconceptualizing play pedagogy in Chinese context. Education Sciences, 16(3), 390. https://doi.org/10.3390/educsci16030390
  9. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  10. 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
  11. Nikolopoulou, K. (2025). Child-centered integration of generative AI in early learning: Balancing promises and challenges. AI, Brain and Child. https://doi.org/10.1007/s44436-025-00023-1
  12. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  13. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  14. 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
  15. 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
  16. 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
  17. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  18. Zeng, H. Q., y Ng, S. C. (2025). Free play matters: Promoting kindergarten children’s science learning using questioning strategies during loose parts play. Early Childhood Education Journal, 53(7), 2373–2388. https://doi.org/10.1007/s10643-024-01741-6