1. Introducción y problema

En el tramo de 3 a 6 años —jardín, preescolar, CENDI, escuela infantil— se ha instalado un paquete de tres artefactos que pretenden valer por educación musical. El primero es una app de pitch correction que marca «correcto/incorrecto» el canto del niño: un pipeline de clasificación o regresión que compara la frecuencia fundamental con un patrón y declara que el niño «ya afinó bien». El segundo es un generador de canciones o nanas a partir de un prompt: un modelo que produce audio o letra bajo instrucción textual y presenta la pista como si fuera experiencia musical pedagógica. El tercero es un sistema de affective computing que clasifica el «engagement musical» a partir de video o audio: un marco multimodal que etiqueta emoción o atención y entrega el dashboard como si fuera práctica de escucha, canto y ritmo. Los tres son visibles y baratos en tiempo de coordinación. Permiten exhibir que el centro «ya hace educación musical con inteligencia artificial». El salto —de obtener un score de afinación, recibir una nana generada o acumular etiquetas de engagement a afirmar que hay educación musical— no está autorizado ni por la evidencia de scoring vocal o de affective computing ni por lo que la pedagogía musical mide cuando hay práctica situada de canto compartido, juego rítmico-corporal, movimiento musical, exploración tímbrica y mediación adulta en rutinas y círculo.

La tesis de este artículo es restrictiva. Una app de pitch correction que marca «correcto/incorrecto» el canto del niño, un generador de canciones o nanas a partir de un prompt o un sistema de affective computing que clasifica el «engagement musical» a partir de video o audio no constituyen educación musical en educación inicial. En esta etapa la educación musical es práctica situada de canto compartido, juego rítmico-corporal, escucha activa y mediación adulta —movimiento musical y exploración tímbrica cultivados en rutinas, círculo musical y juegos con adultos que modelan, invitan y amplían—; no un score de afinación, un dashboard de emoción ni una pista generada que sustituye la voz del grupo. Li (2026) reporta un sistema CNN-BiLSTM de pitch correction en enseñanza musical infantil con N = 40 niños, pitch accuracy de 91.6% (+13% frente a control) y reducción de desviación de 18.5 a 9.2 Hz: hallazgo de exactitud de afinación, no de oficio musical de jardín. Shi (2026) propone un marco de affective computing con arquitectura MoE y neural radiance fields en educación musical preschool (N = 120; 60 h multimodales; accuracy emocional 89.7%; engagement +30%): hallazgo de clasificación afectiva, no de canto compartido mediado. Eso no autoriza a traducir «hay pitch correction instalado» o «hay clasificador de engagement» como «hay educación musical». Autoriza a preguntar qué se midió: a menudo, Hz de desviación o accuracy emocional, no la práctica reiterada cuando un niño de cuatro años canta con otros, marca el pulso con el cuerpo, escucha timbres y participa en un círculo con un adulto que media.

El problema se agrava por cinco confusiones de categoría que las fichas de producto no mencionan y que este artículo separa con rigor. Primera: educación musical no es creatividad artística visual —taller de pintura, collage o «expresión» plástica vendida como «arte con IA»—. Segunda: no es desarrollo motor ni fundamental movement skills (FMS) —aunque el movimiento musical active el cuerpo, el constructo no se agota en locomoción u object control—. Tercera: no es STEM ni robótica educativa. Cuarta: no es SEL como programa genérico de competencias socioemocionales. Quinta: no es oralidad ni narración —aunque canción y lenguaje se toquen, el oficio musical no se reduce a contar historias—. Este trabajo no recicla artículos de motricidad, creatividad artística, interacciones, funciones ejecutivas, SEL, STEM, juego libre, documentación, numeracidad, oralidad, evaluación formativa, DUA, participación, planificación ni formación docente. La pregunta es de educación musical: qué cuenta como tal cuando un centro de inicial «hace IA y música».

Hay, además, una economía de coordinación que explica por qué el paquete se vende tan rápido. Un score de afinación, una nana generada y un dashboard de engagement son legibles en una reunión de supervisiones: caben en una diapositiva, se fotografían, se comparan entre salas.

Las contribuciones son tres: reconstruir el estado del arte que separa educación musical (canto compartido; juego rítmico-corporal; movimiento musical; exploración tímbrica; mediación en rutinas y círculo) de la puntuación por pitch, la nana por prompt y el dashboard de engagement; examinar tres familias de casos empíricos; y ofrecer cuatro pruebas para decidir cuándo un jardín puede afirmar que hay educación musical, y no solo una app de pitch correction, un generador o un clasificador afectivo.

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

Conviene separar cuatro estratos que el mercado de «IA para la educación musical en inicial» suele mezclar. El primero es el constructo de educación musical de 3 a 6 años como práctica de canto, ritmo-cuerpo, escucha y exploración tímbrica en contextos cotidianos de rutina y círculo (del Barrio y Arús, 2024; Şenol y Karaca, 2025; Webster y Holmes, 2026; NAEYC, 2022; OECD, 2021). El segundo es el oficio pedagógico que la cultiva —canto compartido, juego rítmico-corporal, movimiento musical, mediación docente en rutinas y círculo musical, escucha activa— (del Barrio y Arús, 2024; Webster y Holmes, 2026; NAEYC, 2022; OECD, 2021, 2023). El tercero es la evidencia de pitch correction, affective computing de engagement, plataformas digitales con IA y mapeos de IA en ECE (Li, 2026; Shi, 2026; Roldan-Cardona et al., 2025; Chen, 2024; Su y Yang, 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 de práctica musical situada, no como vector de Hz para un pipeline de scoring ni como emisor de señales afectivas para un dashboard (UNESCO, 2021; Miao y Holmes, 2023; European Commission, 2022; U.S. Department of Education, 2023).

En el estrato del constructo y del oficio, del Barrio y Arús (2024) revisan sistemáticamente 29 artículos (2013–2023) sobre pedagogía de música y movimiento en educación básica e incluyen evidencia citada sobre programas que articulan ritmo, cuerpo y mediación —entre ellos RAMSR/Williams et al. (2023) como evidencia referida en la revisión—. Estatus: hallazgo de síntesis sobre música+movimiento como campo pedagógico, no sobre IA. Inferencia pedagógica, marcada como tal: el oficio que un jardín puede llamar educación musical es corporal-musical y mediado; no un score de afinación. Şenol y Karaca (2025) investigan el efecto de un programa de educación musical sobre habilidades de creatividad motriz en preschoolers: hallazgo de que un programa musical puede asociarse a creatividad motriz; no hallazgo de que una app de pitch lo haga. Webster y Holmes (2026) reconceptualizan la música como herramienta pedagógica central —no ancilar— en un estudio de caso de early years: muestra pequeña; marco de oficio. NAEYC (2022) exige práctica apropiada al desarrollo e incluye prácticas musicales cotidianas —música y canciones como rutina y comunidad— como parte del ambiente de aprendizaje; OECD (2021) ancla la calidad de ECEC en interacciones cotidianas significativas; OECD (2023) exige que la digitalización empodere sin sustituir esas interacciones. Inferencia: un score de pitch no canta con el niño. Un adulto que organiza el círculo, modela un motivo rítmico, invita a explorar un timbre y escucha la voz del grupo sí.

En el estrato de artefactos, Li (2026) reporta CNN-BiLSTM para pitch correction en enseñanza musical infantil (N = 40; pitch accuracy 91.6%, +13% vs control; desviación 18.5→9.2 Hz). Estatus: hallazgo empírico de exactitud de afinación. Inferencia restrictiva: score de afinación ≠ educación musical situada. Shi (2026) reporta MoE + NeRF para affective computing en educación musical preschool (120 preschool; 60 h multimodales; accuracy emocional 89.7%; engagement +30%). Estatus: hallazgo de clasificación afectiva multimodal. Inferencia: clasificar emoción ≠ práctica musical mediada. Roldan-Cardona et al. (2025) examinan educación musical con IA para aprendizaje inclusivo y sostenible en primera infancia (N = 15; 3–6 años; Genially/Educaplay/Wordwall): motivación y pronunciación; sin diferencias significativas entre grupos; transferencia pedagógica limitada. Chen (2024), Su y Yang (2022), Ljungcrantz (2026) y Nikolopoulou (2025) mapean affordances, revisiones y promesas/desafíos de IA en ECE sin equivalerlas a canto compartido ni a círculo musical.

En el estrato de sistemas, UNESCO (2021) exige supervisión humana y ética de la IA. Miao y Holmes (2023) fijan validación pedagógica y umbrales de edad para IA generativa —marco directo para el generador de nanas por prompt—.

3. Método de revisión

Se realizó una revisión narrativa crítica, no un metaanálisis primario. El propósito no fue estimar un tamaño de efecto homogéneo del pitch correction o del affective computing, sino articular un argumento de categoría pedagógica con fuentes verificadas. Criterios de inclusión: (a) 2021–2026, con transferencia explícitamente marcada cuando la muestra o el nivel no equivalen al jardín 3–6; (b) educación musical, canto, ritmo, movimiento musical, pitch correction, affective computing, generación musical o IA en educación inicial; (c) relevancia para jardín, preescolar, CENDI o 3–6 años; (d) revista con pares, DOI o informe de NAEYC, UNESCO, OECD, Comisión Europea o departamento de educación; (e) DOI o página editorial verificable. Se excluyeron como objeto central los ejes ya usados en esta serie —motricidad/FMS, creatividad artística visual, interacciones CLASS/serve-and-return, documentación pedagógica, SEL como programa sustituto, funciones ejecutivas, STEM/robótica, juego libre genérico, numeracidad, oralidad/narración, tutoría generativa, brechas, privacidad, DUA, evaluación formativa académica, familia–escuela, formación continua, participación y planificación— aunque algunos aparecen como límite de categoría.

La búsqueda se ejecutó el 28 de agosto de 2026 (slot 13:02 America/Mexico_City) en páginas DOI, Crossref, Springer, Frontiers, Taylor & Francis, Emerging Science Journal, JAIR, OECD iLibrary, UNESDOC, NAEYC y sitios editoriales. Cada fuente se verificó contra al menos una de esas páginas. Se distinguieron hallazgo empírico, marco conceptual o normativo, e inferencia pedagógica marcada como tal. Se priorizó la distinción educación musical / creatividad visual / motricidad-FMS / STEM / SEL / oralidad, y la precaución de no traducir pitch accuracy, accuracy emocional o engagement reportado en dashboard en pedagogía del canto compartido y del círculo musical.

4. Caso 1. Pitch correction, generadores de nanas o affective computing de engagement no constituyen educación musical

Li (2026) publica en Frontiers in Artificial Intelligence and Applications la comparación que mejor nombra el techo del primer artefacto cuando se lo presenta como educación musical. Reporta un sistema de pitch correction basado en CNN-BiLSTM aplicado a enseñanza musical infantil: N = 40 niños; pitch accuracy de 91.6% con mejora de +13% frente a control; desviación de afinación reducida de 18.5 a 9.2 Hz. Estatus de la evidencia. Hallazgo empírico de exactitud y de reducción de error de pitch. Inferencia pedagógica, marcada como tal: este es el gesto que un centro copia cuando «hace música con IA que puntúa el canto». Se graba, se estima la frecuencia, se declara «correcto/incorrecto». Lo que hay es un techo técnico de scoring vocal. La educación musical, en del Barrio y Arús (2024), Webster y Holmes (2026) y NAEYC (2022), pide canto compartido, ritmo-cuerpo y mediación en rutinas; no un Hz más cercano al patrón. Un niño puede «afinar mejor» según el modelo y, a la vez, no haber cantado con otros, no haber explorado un timbre ni haber participado en un círculo donde un adulto media la escucha mutua.

Shi (2026) satura el retrato del segundo y del tercer artefacto cuando el engagement se clasifica como si fuera práctica. En Discover Artificial Intelligence propone un marco de affective computing para educación musical preschool con arquitectura Mixture-of-Experts y neural radiance fields: 120 preschool; 60 horas de datos multimodales; accuracy emocional 89.7%; engagement reportado con incremento de +30%. Estatus: hallazgo de clasificación afectiva y de métricas de engagement en un marco multimodal. No es hallazgo de que instalar un clasificador de emoción desarrolle canto compartido, juego rítmico-corporal o exploración tímbrica en la vida del aula. Inferencia, marcada como tal: clasificar emoción o engagement autoriza a decir que hay medición más reproducible de señales afectivas; no autoriza a declarar «ya hay educación musical». El dashboard puede subir y el círculo, vaciarse de voces adultas que cantan con el grupo.

Roldan-Cardona, Chacón-Castro, Jadán-Guerrero, Salvador-Ullauri y Acosta-Vargas (2025) nombran la cara de plataformas digitales con IA cuando se las trata como educación musical inclusiva y sostenible. En Emerging Science Journal trabajan con N = 15 niños de 3 a 6 años mediante Genially, Educaplay y Wordwall; reportan efectos en motivación y pronunciación; no hallan diferencias significativas entre grupos; la transferencia pedagógica es limitada. Estatus: hallazgo empírico de muestra pequeña en el rango etario del jardín, con resultados mixtos y sin equivalencia automática a oficio musical. Inferencia: una plataforma gamificada puede motivar o apoyar pronunciación; no firma el círculo musical ni el juego rítmico-corporal. El generador de canciones o nanas a partir de un prompt —artefacto de IA generativa que Miao y Holmes (2023) sitúan bajo validación pedagógica y umbrales de edad— hereda el mismo riesgo de categoría: producir una pista no es organizar canto compartido. Una nana generada puede ser material sonoro; la educación musical empieza cuando hay voces que se escuchan, cuerpos que marcan el pulso y un adulto que media la reiteración. Chen (2024), Su y Yang (2022), Ljungcrantz (2026) y Nikolopoulou (2025) confirman el crecimiento de IA en ECE sin evidencia de que pitch correction, nana por prompt o clasificador de engagement sustituyan el oficio. Inferencia: un jardín que entrega «canto correcto según el modelo» o «engagement musical alto según el dashboard» ha hecho medición o generación.

Los tres artefactos comparten una misma gramática de sustitución. El pitch correction sustituye la escucha pedagógica del canto por un veredicto binario.

5. Caso 2. Lo que el jardín sí hace cuando hay educación musical: canto compartido, ritmo-cuerpo y mediación

del Barrio y Arús (2024) sitúan la pedagogía de música y movimiento como campo empírico revisable: 29 artículos entre 2013 y 2023; articulación de ritmo, cuerpo y mediación; inclusión de evidencia citada sobre programas como RAMSR/Williams et al. (2023) dentro de la revisión. Estatus: hallazgo de síntesis sobre música+movimiento en educación básica, con transferencia marcada cuando el nivel no es exclusivamente 3–6 de jardín, pero con marco directamente usable para el oficio corporal-musical de inicial. Inferencia pedagógica, marcada como tal: este es el objeto que un centro de inicial puede llamar educación musical. La música no es un score de pitch: es dominio creciente de cantar juntos, marcar pulso, moverse con intención musical, escuchar y explorar timbres en contextos significativos. Una app que marca «correcto» sin práctica compartida puede celebrar un Hz y, a la vez, vaciar el círculo de mediación. Un clasificador de engagement puede etiquetar «atención alta» en video y no haber capturado si el adulto modeló el motivo, ajustó el tempo del grupo o invitó a transferir el patrón a un juego de palmadas.

Şenol y Karaca (2025) saturan el oficio desde un programa de educación musical en preschoolers y su efecto sobre creatividad motriz: hallazgo de que el programa musical se asocia a habilidades de creatividad motriz. Estatus: hallazgo empírico de programa musical (no de app de pitch). Inferencia: cuando hay educación musical en inicial, hay programa y práctica mediada, no un feed de alertas de afinación. Webster y Holmes (2026) reconceptualizan la música como medio pedagógico central en un caso de early years: muestra pequeña; el valor está en situar la música en el centro del quehacer cotidiano, no como ancilar de un dashboard. NAEYC (2022) ancla prácticas musicales cotidianas —canciones y música como rutina y comunidad— en la práctica apropiada al desarrollo. OECD (2021) ancla calidad en interacciones cotidianas; OECD (2023) exige digitalización subordinada. Inferencia: mediación docente en rutinas y círculo significa notar la calidad de la escucha mutua, la invitación al canto, la seguridad emocional del grupo y la oportunidad de reiterar motivos; observación pedagógica de la práctica musical es lectura profesional, no log de Hz ni de emotion labels. Un dashboard no modela un ostinato. Un adulto que organiza el círculo, canta con el niño y observa la transferencia entre rutina de entrada, juego rítmico y despedida sí.

La exploración tímbrica y la escucha activa no niegan el juego: lo orientan musicalmente. del Barrio y Arús (2024) subrayan el vínculo música–movimiento; Webster y Holmes (2026) subrayan la centralidad pedagógica.

Conviene precisar qué cuenta como mediación en el oficio musical de inicial, sin inventar datos que las fuentes no reportan. Mediación, en el sentido de NAEYC (2022) y OECD (2021), es presencia adulta que organiza, modela, invita y amplía: el adulto inicia o sostiene un canto de rutina; ofrece un patrón de palmadas y espera la respuesta del grupo; acerca un instrumento o un objeto sonoro y nombra el timbre; ajusta el tempo cuando el grupo se desorganiza; protege el silencio de escucha antes de un motivo nuevo.

6. Caso 3. Educación musical no es creatividad visual, ni motricidad-FMS, ni STEM, ni SEL, ni oralidad

La primera frontera de categoría es la creatividad artística visual. Un taller de pintura, un collage o una «obra generada» pueden coexistir en un centro; no constituyen, por sí solos, educación musical de canto compartido y ritmo-cuerpo en 3–6 años. Estatus: inferencia pedagógica marcada como tal, anclada en del Barrio y Arús (2024), Webster y Holmes (2026) y NAEYC (2022) como constructo musical. Este artículo no convierte la creatividad visual en objeto central: la nombra para prohibir la equivalencia. Un sistema de pitch correction tampoco es «arte musical digital»: es estimación de frecuencia. Confundir «tenemos scoring vocal» con «hay práctica de canto mediado» es el error de categoría que el mercado explota.

La segunda frontera es el desarrollo motor / FMS. Şenol y Karaca (2025) muestran que un programa de educación musical puede asociarse a creatividad motriz: hallazgo de solapamiento empírico, no de identidad de constructos. Inferencia: el movimiento musical activa el cuerpo; no convierte la educación musical en evaluación de locomoción u object control. Este artículo no recicla el de motricidad: lo usa solo como límite. La tercera frontera es STEM/robótica. Un kit, una secuencia de programación o una metáfora de «sonar como máquina» no constituyen educación musical. La cuarta frontera es SEL genérico. Competencias socioemocionales pueden aparecer en el círculo; no son canto compartido ni exploración tímbrica. Inferencia restrictiva: un dashboard de engagement que premia «emoción positiva» no convierte el refuerzo afectivo en oficio musical. La quinta frontera es oralidad/narración. La canción toca el lenguaje; no se reduce a contar cuentos. Inferencia: cuando un producto promete «mejora la narración porque genera nanas», se ha cruzado a otro constructo. Chen (2024), Su y Yang (2022), Ljungcrantz (2026) y Nikolopoulou (2025) mapean IA en ECE; Miao y Holmes (2023) fijan límites para IA generativa. Inferencia: el único uso de IA coherente con 3–6 años permanece del lado del adulto que organiza canto compartido, juego rítmico y círculo —como apoyo a preparación de repertorio o a feedback profesional diferido—, sometido a validación pedagógica. No entra como scorer autónomo de «correcto/incorrecto», generador que sustituye la voz del grupo ni clasificador que declara engagement musical cumplido.

7. Marco inferencial: cuatro pruebas para afirmar que hay educación musical, 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 una app de pitch correction que marca «correcto/incorrecto», un generador de canciones/nanas a partir de un prompt o un sistema de affective computing que clasifica el «engagement musical» constituyen educación musical.

7.1. Prueba de la práctica situada de canto compartido, ritmo-cuerpo y escucha, no del score de afinación. del Barrio y Arús (2024) y Webster y Holmes (2026) definen el oficio como práctica corporal-musical mediada. Li (2026) estima pitch con CNN-BiLSTM (N = 40; 91.6% accuracy; 18.5→9.2 Hz). Inferencia: la evidencia de educación musical se verifica en si el niño practicó canto, ritmo y escucha en contexto. Si la «evidencia» del centro es un dashboard de Hz o un «correcto/incorrecto», el centro ha hecho scoring, no educación musical.

7.2. Prueba del círculo, las rutinas y el juego rítmico-corporal, no del generador de nanas. NAEYC (2022) sitúa música y canciones como rutina y comunidad. Miao y Holmes (2023) exigen validación pedagógica de IA generativa. Inferencia: producir una nana por prompt no demuestra que hubo círculo musical mediado ni juego rítmico reiterado. Una pista puede sonar; no firma la práctica.

7.3. Prueba de la mediación docente y la observación pedagógica de la práctica musical, no del dashboard de engagement. OECD (2021, 2023) exigen interacciones significativas y digitalización subordinada. Shi (2026) clasifica emoción/engagement (120 preschool; 89.7% accuracy; +30% engagement). Inferencia: «engagement alto» puede elevar un umbral sin elevar la calidad de la mediación. Observación pedagógica lee el canto y el juego rítmico; el dashboard cuenta una etiqueta.

7.4. Prueba de la distinción de categoría y del juicio profesional, no del catálogo de producto. Educación musical ≠ creatividad visual, motricidad-FMS, STEM, SEL genérico ni oralidad. Şenol y Karaca (2025) impiden confundir solapamiento con creatividad motriz con identidad de constructos. Roldan-Cardona et al. (2025) muestran límites de plataformas digitales con N = 15. UNESCO (2021), Miao y Holmes (2023), la Comisión Europea (2022), el Departamento de Educación de Estados Unidos (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 pitch ni como emisor de emotion labels. La educación musical no se cumple puntuando mejor el audio del canto. Se cumple practicando canto compartido, juego rítmico-corporal, movimiento musical y exploración tímbrica con adultos que median en rutinas y círculo.

El marco admite el digital cuando se subordina a preparación docente de repertorio y a observación profesional validada (Roldan-Cardona et al., 2025, como plataforma auxiliar con límites; Li, 2026, y Shi, 2026, como scoring/clasificación subordinados, no como educación declarada). Rechaza declarar educación musical por pitch correction autónomo, nana por prompt o affective computing de engagement (Li, 2026; Shi, 2026; Miao y Holmes, 2023).

Las cuatro pruebas se leen en conjunto. Pasar solo la primera —hubo canto— sin mediación ni distinción de categoría no basta. Pasar solo la cuarta —el centro distingue constructos— sin práctica situada tampoco.

8. Discusión

Tres tensiones organizan la discusión. La primera es entre exhibir un artefacto de medición o generación musical y ejercer educación musical. Es hallazgo que CNN-BiLSTM mejora pitch accuracy y reduce desviación en Hz (Li, 2026); que MoE + NeRF clasifican emoción y reportan engagement (Shi, 2026); y que plataformas Genially/Educaplay/Wordwall con N = 15 no muestran diferencias significativas entre grupos (Roldan-Cardona et al., 2025). Es marco que la educación musical de 3–6 se juega en canto compartido, música+movimiento y prácticas cotidianas (del Barrio y Arús, 2024; Webster y Holmes, 2026; Şenol y Karaca, 2025; NAEYC, 2022). No es hallazgo de que score, generador o dashboard produzcan el oficio que el círculo exige. Los tres artefactos miden, generan o etiquetan lo que la ingeniería sabe entregar y declaran lo que solo la práctica mediada autorizaría.

La segunda es entre assessment automatizado del canto/afecto y pedagogía cotidiana. Li (2026) objetiviza afinación; Shi (2026) objetiviza engagement. Inferencia: insistir en que el jardín «ya tiene educación musical» porque el modelo clasifica tonos correctos o emociones suficientes es una pedagogía invertida. Se toma un proxy evaluativo y se lo hace valer por práctica de canto compartido, juego rítmico-corporal y escucha. El infante queda como emisor de Hz o de señales afectivas; el adulto, como supervisor del clasificador.

La tercera es entre nana generada y oficio musical integral. Miao y Holmes (2023) fijan límites de IA generativa; Nikolopoulou (2025) equilibra promesas y desafíos centrados en el niño. Inferencia: fragmentar la educación musical en una pista producida por prompt y venderla como «educación musical con IA» confunde producto sonoro con práctica situada. El único uso de IA coherente con 3–6 años permanece del lado del adulto que organiza el círculo y observa la práctica musical, sometido a UNESCO, Comisión Europea y Departamento de Educación de Estados Unidos. Un scorer autónomo o un generador porque el sistema necesita un producto no lo es.

Inferencia pedagógica adicional, marcada como tal: la serie de artefactos —pitch correction que puntúa correcto/incorrecto, generador de nanas y affective computing de engagement— comparte una misma economía de visibilidad. Cada uno produce un output legible para coordinación: un número de Hz, una pista, una etiqueta de emoción. OECD (2021) y NAEYC (2022) exigen, en cambio, que el desarrollo de la práctica musical se verifique en la vida cotidiana del aula. Chen (2024), Su y Yang (2022), Ljungcrantz (2026) y Nikolopoulou (2025) muestran el crecimiento del campo de IA en educación inicial; ese crecimiento no autoriza la equivalencia. Miao y Holmes (2023), UNESCO (2021), la Comisión Europea (2022) y el Departamento de Educación de Estados Unidos (2023) coinciden en subordinar la IA al juicio profesional.

Una lectura cruzada de los casos refuerza la tesis restrictiva sin inventar efectos que las fuentes no reportan. Li (2026) demuestra que se puede mejorar un score de afinación; no demuestra que el jardín haya ejercido canto compartido.

9. Límites

Esta revisión es narrativa. No aplica PRISMA ni estima efectos combinados primarios. Li (2026) valida pitch correction (N = 40), no pedagogía cotidiana de círculo musical. Shi (2026) valida affective computing multimodal (N = 120; 60 h), no ensayo de canto compartido mediado versus dashboard autónomo. Roldan-Cardona et al. (2025) son N = 15 con plataformas digitales: muestra pequeña, sin diferencias significativas entre grupos, transferencia pedagógica limitada. del Barrio y Arús (2024) revisan 29 artículos de música+movimiento en educación básica: transferencia marcada cuando el nivel no es exclusivamente 3–6. Şenol y Karaca (2025) asocian programa musical con creatividad motriz, no con IA. Webster y Holmes (2026) son estudio de caso de muestra pequeña. Chen (2024), Su y Yang (2022), Ljungcrantz (2026) y Nikolopoulou (2025) mapean IA en ECE, no educación musical de círculo como variable primaria. NAEYC, UNESCO y OECD son de marco. No se localizaron ensayos latinoamericanos de IA que comparen canto compartido mediado por adulto frente a pitch correction autónomo o affective computing de engagement en CENDI. Las inferencias de la sección 7 son hipótesis de categoría pedagógica, no evidencia de implementación.

10. Conclusiones

Una app de pitch correction que marca «correcto/incorrecto» el canto del niño, un generador de canciones o nanas a partir de un prompt o un sistema de affective computing que clasifica el «engagement musical» a partir de video o audio no constituyen educación musical en un centro de educación inicial. La evidencia verificada no autoriza esa declaración. Li (2026) muestra pitch accuracy de 91.6% (+13% vs control) y reducción de desviación de 18.5 a 9.2 Hz con CNN-BiLSTM en N = 40 —scoring de afinación, no oficio de jardín—. Shi (2026) clasifica emoción con 89.7% de accuracy y reporta +30% de engagement en 120 preschool y 60 h multimodales —clasificación afectiva, no canto compartido—. Roldan-Cardona et al. (2025) trabajan con N = 15 (3–6) en plataformas digitales sin diferencias significativas entre grupos y con transferencia pedagógica limitada. En cambio, cuando hay educación musical en inicial, hay práctica situada: música+movimiento revisada en 29 artículos (del Barrio y Arús, 2024); programa musical asociado a creatividad motriz en preschool (Şenol y Karaca, 2025); música como medio pedagógico central en early years (Webster y Holmes, 2026); prácticas musicales cotidianas y práctica apropiada al desarrollo (NAEYC, 2022; OECD, 2021, 2023). La educación musical se distingue de creatividad artística visual, de desarrollo motor/FMS, de STEM/robótica, de SEL genérico y de oralidad/narración. Las guías vigentes exigen supervisión humana, validación pedagógica y no sustituir el juicio profesional (UNESCO, 2021; Miao y Holmes, 2023; European Commission, 2022; U.S. Department of Education, 2023; Chen, 2024; Su y Yang, 2022; Ljungcrantz, 2026; Nikolopoulou, 2025).

Donde las fuentes no miden un jardín, este artículo no lo afirma. Donde miden pitch correction, affective computing o plataformas digitales, no las traduce en educación musical pedagógica. Acompañar a niñas y niños de tres a seis años en música es ejercer práctica de canto compartido, juego rítmico-corporal, movimiento musical, escucha activa y exploración tímbrica, con mediación docente en rutinas y círculo musical. Lo demás es score de afinación, nana por prompt y clasificación algorítmica de engagement. No es educación musical en educación inicial, y no debe presentarse como lo que no es.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Referencias

  1. 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
  2. del Barrio, L., y Arús, M. E. (2024). Music and movement pedagogy in basic education: A systematic review. Frontiers in Education, 9, 1403745. https://doi.org/10.3389/feduc.2024.1403745
  3. 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
  4. Li, D. (2026). Research on the application of AI pitch correction system in children’s music teaching. Frontiers in Artificial Intelligence and Applications. https://doi.org/10.3233/faia260353
  5. 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
  6. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  7. 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
  8. 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
  9. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  10. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  11. Roldan-Cardona, M., Chacón-Castro, M., Jadán-Guerrero, J., Salvador-Ullauri, L., y Acosta-Vargas, P. (2025). Music education with artificial intelligence for inclusive and sustainable early childhood learning. Emerging Science Journal, 9, 201–218. https://doi.org/10.28991/ESJ-2025-SIED1-012
  12. Şenol, F. B., y Karaca, N. H. (2025). Investigation of the effect of music education programme on preschoolers’ motor creativity skills. Education 3-13, 53(2), 252–265. https://doi.org/10.1080/03004279.2023.2172356
  13. Shi, X. (2026). An affective computing framework for preschool music education using MoE architecture and neural radiance fields. Discover Artificial Intelligence, 6, 812. https://doi.org/10.1007/s44163-026-01858-0
  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. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  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. Webster, K., y Holmes, A. (2026). Reconceptualizing music as a key pedagogical tool in early childhood education: An early years case study. Journal of Research in Childhood Education. https://doi.org/10.1080/02568543.2026.2664892