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 a la negociación de conflictos entre pares / turn-taking negotiation / toma de turnos / resolución situada de disputas: un detector/CNN/visión por computador o sistema multimodal que «detecta conflictos» o puntúa social competence / peer engagement / conflict count / turn compliance / friendship behavior / SEC auto-score como evaluación pedagógica; un GenAI que genera conflict resolution scripts, turn-taking lesson plans, sharing worksheets o peace corner scripts por prompt como receta cerrada; un dashboard de conflictos/hora, minutos de disputa o turn-taking compliance para vigilancia administrativa; un robot/app que sustituye la mediación adulta y la negociación entre pares por un score de correctness o por un script automatizado de «say sorry»; y un sistema que convierte proximidad, sincronía o emoción facial en ranking de social developmental level sin mediación pedagógica. Los cinco permiten exhibir que el centro «ya hace peer conflict / turn-taking con IA». El salto —de detección, score, script generado, métrica de conteo o ranking madurativo a afirmar apoyo— no está autorizado por los mapeos de IA en ECE ni por la pedagogía de la negociación cuando hay disputas por turnos, materiales, roles y espacio; negociación verbal y no verbal entre pares; mediación adulta que nombra emociones, modela petición/espera/oferta y sostiene la agencia de los niños para reparar; y co-presencia que lee el conflicto como oportunidad de aprendizaje social, no como infracción a un score.

La tesis es restrictiva: esos cinco artefactos no constituyen apoyo a la negociación de conflictos entre pares / turn-taking en la primera infancia. En inicial esa práctica se desarrolla con materiales reales, co-presencia adulta que interpreta significado y proceso, lenguaje de petición/espera/oferta y agencia infantil para reparar (NAEYC, 2022; OECD, 2021, 2023); no un detector, un GenAI de scripts, un dashboard de conteos ni un robot que sustituye la mediación. Kengesbay (2025) aporta DL/CV (RNN/3D CNN) para detectar conflictos sociales en jardín: hallazgo de detección, no de pedagogía de reparación. Xiao y Li (2026) —N = 150; más de 120 horas— proponen fusión multimodal y graph-temporal para assessment de social competence: score ≠ petición/espera/oferta. Li y Li (2026) —N = 500; 36–72 meses; ocho kindergartens— integran cara, voz y movimiento para SEC/CASEL: SEC auto-score ≠ negociación situada de turnos. Markova et al. (2026) —N = 20— y Horn et al. (2024) trackean proximidad/sincronía: dinámicas espaciales ≠ mediación que nombra y modela. Yu (2021) monitorea emoción facial: score emocional ≠ mediación. Nijssen et al. (2021) y Kim et al. (2024) sitúan sharing/friendship con robot; Tykhonenko et al. (2026) —N = 28— midén turn-timing con robot; Pinto y Belpaeme (2024) anticipan turn transitions en HRI (transferencia); Araguas et al. (2025) comparan tutor humano versus robot. Taylor et al. (2023) contrastan peer engagement con calidad docente a nivel de aula (no-IA). Eso autoriza a preguntar qué se midió: conflict count, competence, SEC, proximidad o compliance —no la práctica cuando dos niños negocian un turno y un adulto sostiene la reparación.

El problema se agrava por seis confusiones de categoría. Primera: no es SEL genérico —Li y Li (2026) anclan SEC/CASEL; el eje es negociar turnos y reparar entre pares—. Segunda: no es participación/voz infantil como eje. Tercera: no es CLASS / interacciones adulto–niño como eje —Taylor et al. (2023) no autorizan reducir negociación entre pares a score CLASS—. Cuarta: no es atención conjunta —Markova et al. (2026); Horn et al. (2024)—. Quinta: no es juego libre ni juego simbólico —Galbraith (2022) es contraste periférico—. Sexta: no es emotion monitoring clínico —Yu (2021); Araguas et al. (2025)— ni HRI adulto/general como pedagogía de aula (Pinto y Belpaeme, 2024, transferencia). No se reciclan mark-making, dialogic reading, literacidad, oralidad, sand/water/playdough/loose parts/outdoor/risky/block/espacial, inclusión, bienestar, evaluación formativa, documentación, STEM, ambiental, motricidad, creatividad, risky play ni indagación como ejes. Hay una economía de coordinación: los cinco artefactos caben en una diapositiva; el episodio de disputa, petición/espera/oferta y reparación, no. NAEYC (2022) y OECD (2021, 2023) exigen interacciones significativas y digitalización subordinada. Contribuciones: separar oficio y artefactos; examinar casos marcados; y ofrecer cuatro pruebas de apoyo.

2. Estado del arte: de la práctica situada de negociación entre pares al artefacto que se exhibe

Conviene separar cuatro estratos que el mercado de «IA para peer conflict / turn-taking en inicial» suele mezclar. El primero es el constructo de negociación de conflictos entre pares / turn-taking negotiation de 3 a 6 años como práctica relacional y discursiva: disputas por turnos, materiales, roles y espacio; negociación verbal y no verbal; reparación con agencia infantil (NAEYC, 2022; OECD, 2021, 2023; Taylor et al., 2023, leído como contraste de peer engagement, no como eje CLASS). El segundo es el oficio que lo cultiva —materiales reales; adulto que nombra emociones, modela petición/espera/oferta y sostiene la reparación entre pares; co-presencia que interpreta el conflicto como aprendizaje social, no como infracción a score— (NAEYC, 2022; OECD, 2021, 2023; Galbraith, 2022, contraste periférico). El tercero es la evidencia de affordances de IA en ECE y de sistemas de detección, scoring multimodal, tracking espacial, emotion monitoring y mediación robótica —sin equivalerlos a negociación situada— (Chen, 2024; Ljungcrantz, 2026; Nikolopoulou, 2025; Kengesbay, 2025; Xiao y Li, 2026; Li y Li, 2026; Markova et al., 2026; Horn et al., 2024; Yu, 2021; Nijssen et al., 2021; Kim et al., 2024; Tykhonenko et al., 2026; Pinto y Belpaeme, 2024; Araguas et al., 2025). El cuarto es el marco de derechos y de práctica apropiada al desarrollo, que trata al infante como sujeto que negocia y repara, no como vector de conflict-count ni destinatario exclusivo de scripts GenAI o robots que «dicen sorry» (UNESCO, 2021; Miao y Holmes, 2023).

NAEYC (2022) y OECD (2021, 2023) anclan práctica apropiada, interacciones significativas y digitalización subordinada: marco. Los sistemas verificados miden objetos distintos del oficio. Kengesbay (2025) detecta conflictos sociales en kindergartens con DL/CV: hallazgo de detección en video, no de lenguaje de petición entre pares. Xiao y Li (2026) —N = 150— aportan assessment multimodal de social competence y emotional expression. Li y Li (2026) —N = 500— aportan SEC multimodal alineado a CASEL: hallazgo de assessment SEC; marcado ≠ turn-taking negotiation situada. Markova et al. (2026) —N = 20— y Horn et al. (2024) aportan tracking/sensors de dinámicas espaciales y temporales: proximidad/sincronía como indicadores de afiliación, no mediación que repara. Yu (2021) monitorea emoción facial: score emocional. Nijssen et al. (2021) examinan sharing con robot y atribuciones antropomórficas; Kim et al. (2024) diseñan mediación robótica de friendship behaviors; Tykhonenko et al. (2026) —N = 28— relacionan timidez y acciones dialógicas contingentes ante instrucciones de un robot social; Pinto y Belpaeme (2024) predicen turn transitions en diálogo humano–robot: transferencia HRI marcada. Araguas et al. (2025) contrastan tutor humano versus robot en emotion recognition en preescolar. Taylor et al. (2023) fijan el contraste pedagógico: peer engagement individual y calidad de interacción docente a nivel de aula, sin IA. Inferencia: un conflict count no nombra la emoción ni modela «¿puedo cuando termines?»; un adulto que sostiene la reparación entre pares sí. Chen (2024) y Ljungcrantz (2026) mapean IA en ECE sin equivalerla a negociación situada. Nikolopoulou (2025) y Miao y Holmes (2023) fijan cautela y umbrales de GenAI para lesson plans/scripts por prompt. UNESCO (2021) exige supervisión humana. Galbraith (2022) es contraste periférico de pedagogías del juego.

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 en aula de conflicto entre pares, es HRI adulto/general, emotion monitoring clínico o el objeto es SEC/CASEL sin equivaler a negociación situada; (b) peer conflict, turn-taking, sharing, friendship behaviors, social competence/SEC multimodal, tracking espacial, mediación robótica, o IA en ECE con relevancia artefacto/oficio; (c) jardín, preescolar, CENDI o 3–6, o transferencia explícita; (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 —SEL genérico, participación/voz, CLASS/interacciones adulto–niño como eje, atención conjunta, juego libre, juego simbólico, mark-making, dialogic reading, literacidad, oralidad, sand/water/playdough/loose parts/outdoor/risky/block/espacial, inclusión, bienestar, evaluación formativa, documentación, STEM, ambiental, motricidad, creatividad, risky play e indagación—. Galbraith (2022) solo como contraste periférico de pedagogías del juego, no formación docente como eje. Pinto y Belpaeme (2024) = HRI predictivo, transferencia. Li y Li (2026) se leen por SEC multimodal, no como SEL ya publicado como eje. Taylor et al. (2023) se leen como contraste pedagógico de peer engagement, no como eje CLASS. Yu (2021) y Araguas et al. (2025) se leen por emotion monitoring / tutor robot, no como eje clínico ni SEL.

La búsqueda se ejecutó el 7 de septiembre de 2026 (slot catch-up Monday 09:02 America/Mexico_City; MISSED, run NOW) en páginas DOI, Crossref, Springer, Elsevier, Wiley, Taylor & Francis, MDPI, IEEE Xplore, Frontiers, Royal Society, JAIR, OECD iLibrary, UNESDOC, NAEYC y sitios editoriales. Cada fuente se verificó contra el corpus de fuentes.md y crossref_check.json. 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 conflict-count dashboard, GenAI de peace corner scripts como paquete de exhibición en CENDI latinoamericano, o robot que sustituye mediación por «say sorry» en aula 3–6, se discute como techo de categoría apoyado en mapeos de IA en ECE (Chen, 2024; Ljungcrantz, 2026) y en los sistemas de detección/scoring/HRI verificados (Kengesbay, 2025; Xiao y Li, 2026; Li y Li, 2026; Markova et al., 2026; Horn et al., 2024; Yu, 2021; Nijssen et al., 2021; Kim et al., 2024; Tykhonenko et al., 2026; Pinto y Belpaeme, 2024; Araguas et al., 2025). Se usaron veintiuna fuentes del corpus verificado.

4. Caso 1. Detector CV/multimodal de conflictos / social competence / conflict count / turn compliance, GenAI de scripts/lesson plans/sharing worksheets, dashboard de conflictos/hora, robot/app que sustituye mediación por score o «say sorry», o proximidad/sincronía→ranking social developmental no constituyen apoyo a la negociación de conflictos entre pares / turn-taking

Chen (2024) y Ljungcrantz (2026) saturan el techo de artefactos cuando la IA en ECE se presenta como si fuera apoyo a la negociación de conflictos entre pares. Chen (2024) cartografía affordances globales: hallazgo de scoping —tutoría, analítica, generación de contenidos, agentes—, no de que un conflict count o social competence score cultive petición/espera/oferta. Ljungcrantz (2026) revisa la interacción IA–ECE 2020–2024: estado del arte, no turn-taking negotiation situado. Inferencia: «conflict count bajo / turn compliance alto = hubo apoyo» es techo de analítica. Kengesbay (2025), Xiao y Li (2026) y Li y Li (2026) miden detección o competence/SEC; un score administrativo puede coexistir con ausencia de mediación que interpreta significado y proceso.

Nikolopoulou (2025) y Miao y Holmes (2023) nombran el riesgo del GenAI de conflict resolution scripts / turn-taking lesson plans / sharing worksheets / peace corner scripts por prompt que cierra el episodio: marco de cautela, no ensayo versus episodio con materiales reales y adulto que modela petición (NAEYC, 2022; OECD, 2021). Inferencia: producir un script de «say sorry» por prompt puede ser preparación subordinada; el apoyo empieza cuando hay disputa situada, niños que negocian y adulto que nombra sin reducir a correctness. Kim et al. (2024) y Nijssen et al. (2021) muestran sharing/friendship con robot en condiciones experimentales; no autorizan sustituir la mediación adulta. Tykhonenko et al. (2026) y Pinto y Belpaeme (2024) miden turn-timing o predicción de turnos en HRI: latencia ≠ pedagogía de reparación.

Los cinco artefactos carecen, en el corpus verificado, de ensayos de equivalencia pedagógica con el oficio en CENDI 3–6; no se inventan d, r ni AUC de «apoyo». Markova et al. (2026) y Horn et al. (2024) miden proximidad/sincronía; Yu (2021) emoción facial; Araguas et al. (2025) reconocimiento emocional humano versus robot; Taylor et al. (2023) peer engagement sin IA; Galbraith (2022) contraste periférico. Inferencia restrictiva: detector ≠ adulto que nombra; GenAI de scripts ≠ episodio abierto; dashboard ≠ observación; robot de «say sorry» ≠ agencia para reparar; ranking por proximidad ≠ mediación. UNESCO (2021) exige supervisión humana. Los cinco comparten una gramática de sustitución: el score habla por la disputa; el GenAI cierra; el dashboard sustituye la observación; el robot borra la negociación entre pares; el ranking convierte proceso en nivel sin mediación. Cuando el score habla por el niño y el script habla por el adulto, el umbral de supervisión humana se incumple aunque el dashboard luzca «verde».

5. Caso 2. Lo que el jardín sí hace cuando hay apoyo a la negociación de conflictos / turn-taking: oficio relacional-discursivo y qué miden Kengesbay, Xiao/Li, Li/Li, Markova, Horn, Yu, Nijssen, Kim, Tykhonenko, Taylor, Pinto/Belpaeme y Araguas —con Galbraith como contraste periférico

El piso del oficio no es un score: es materiales reales en disputa (turnos, objetos, roles, espacio); negociación verbal y no verbal entre pares; mediación adulta que nombra emociones, modela lenguaje de petición/espera/oferta y sostiene la agencia de los niños para reparar; co-presencia que interpreta el conflicto como oportunidad de aprendizaje social, no como infracción a «score» (NAEYC, 2022; OECD, 2021, 2023). Inferencia: hay apoyo cuando se protege esa práctica; no cuando se exhibe conflict count, GenAI de scripts o ranking social developmental. El oficio se reconoce en el episodio: dos niños disputan; el adulto nombra, ofrece lenguaje y sostiene que ellos reparen; el robot o la app, si aparecen, son medios subordinados al adulto, no sustitutos.

Kengesbay (2025) satura el ancla de detección: deep learning y computer vision para detectar conflictos sociales en kindergartens con video real (RNN/3D CNN). Estatus: hallazgo empírico de detección. Inferencia: mide presencia/detección de conflicto en video; no equivale a pedagogía de negociación ni autoriza presentar un CNN como evaluación de la reparación entre pares. Xiao y Li (2026) —N = 150; más de 120 horas— aportan framework multimodal de fusión y graph-temporal para developmental assessment de social competence y emotional expression en preescolares. Distinción marcada: se cita por el artefacto de scoring de competence, no se convierte este artículo en SEL genérico. Inferencia: social competence score ≠ lenguaje de petición/espera/oferta en disputa situada. Li y Li (2026) —N = 500; 36–72 meses; ocho kindergartens— aportan sistema multimodal (facial, voz, movimiento) para assessing social-emotional competence alineado a CASEL. Inferencia marcada: SEC auto-score ≠ negociación de turnos entre pares; no firma mediación que repara.

Markova, Arato, Ceral, Hofbauer, Quigley y Horn (2026) —N = 20 preescolares— decodifican dinámicas sociales con tracking automático de patrones espaciales y temporales (posición, proximidad, orientación) para investigar interacciones y relaciones en grupos de pares. Horn, Karsai y Markova (2024) formulan un enfoque automatizado data-driven de dinámicas sociales infantiles en espacio y tiempo con sensores/ML: proximidad y sincronía como indicadores de afiliación. Inferencia: tracking de afiliación no sustituye al adulto que nombra emoción ni a los niños que ofrecen turnos. Yu (2021) aporta emotion monitoring basado en face/emotion recognition en preescolar: transferencia; score emocional ≠ mediación de conflicto. Nijssen, Müller, Bosse y Paulus (2021) examinan sharing de niños con un robot y el rol de atribuciones emocionales antropomórficas: HRI de sharing; no autoriza robot que sustituye mediación adulta en disputas entre pares. Kim, Hwang, Lim, Cho y Lee (2024) diseñan mediación robótica para facilitar friendship behaviors: hallazgo de diseño CRI; friendship behavior score ≠ oficio de reparación situada entre dos niños que pelean por un material.

Tykhonenko, Tolksdorf y Rohlfing (2026) —N = 28— relacionan timidez infantil con acciones dialógicas contingentes al reaccionar a instrucciones de un robot social, incluyendo latencias de turn-timing. Inferencia: turn latency con robot ≠ turn-taking negotiation pedagógica en disputa por roles/espacio. Pinto y Belpaeme (2024) proponen predictive turn-taking con language models para anticipar transiciones de turno en diálogo humano–robot (RO-MAN): transferencia marcada; HRI ≠ aula 3–6 de conflicto entre pares. Araguas, Blanchard, Derégnaucourt, Chopin y Guellai (2025) comparan tutor humano versus robot en body knowledge y emotion recognition en preescolar: el contraste humano/robot no autoriza sustituir mediación de conflicto por tutor robótico. Taylor, Alamos, Turnbull, LoCasale-Crouch y Howes (2023) examinan peer engagement individual en pre-kindergarten en relación con classroom-level teacher-child interaction quality: contraste pedagógico no-IA; peer engagement ≠ conflict-count dashboard ni eje CLASS reciclado. Galbraith (2022) —pedagogías del juego en preservice teachers— es contraste periférico, no eje de formación docente. Mediación coherente (NAEYC, 2022; OECD, 2021, 2023): materiales en disputa, observación del proceso, lenguaje de petición/espera/oferta y agencia para reparar sin guion de correctness.

En conjunto: hay sistemas que detectan conflictos (Kengesbay, 2025), puntúan competence/SEC (Xiao y Li, 2026; Li y Li, 2026), trackean proximidad (Markova et al., 2026; Horn et al., 2024), monitorean emoción (Yu, 2021; Araguas et al., 2025), median friendship/sharing con robot (Kim et al., 2024; Nijssen et al., 2021), miden turn-timing HRI (Tykhonenko et al., 2026; Pinto y Belpaeme, 2024) o contrastan peer engagement pedagógico (Taylor et al., 2023). Ninguno —por sí solo— firma negociación verbal/no verbal entre pares, mediación que nombra y modela, y agencia infantil para reparar. La evidencia técnica es real en su dominio; «score = apoyo a la negociación de conflictos / turn-taking» es inferencia ilegítima de categoría.

6. Caso 3. Peer conflict / turn-taking negotiation ≠ SEL como eje, participación-voz, CLASS-interacciones, atención conjunta, juego libre, juego simbólico ni emotion monitoring clínico

Seis fronteras protegen el eje. Primera: SEL genérico —Li y Li (2026) miden SEC/CASEL; puede haber regulación emocional EN la disputa; el eje es la práctica relacional-discursiva de negociar turnos y reparar entre pares—. Inferencia: «trabajamos SEL = hay negociación de conflictos» no firma; tampoco un SEC auto-score es turn-taking negotiation pedagógico. Segunda: participación/voz infantil —hay habla y agencia en la reparación; no se convierte este artículo en participación/voz ya publicada—. Tercera: CLASS / interacciones adulto–niño como eje —Taylor et al. (2023) relacionan peer engagement con calidad docente a nivel de aula; no autorizan reducir negociación entre pares a score de interacción adulto–niño ya publicado—. Cuarta: atención conjunta —Markova et al. (2026) y Horn et al. (2024) registran orientación/proximidad; no autorizan reescribir el eje como joint attention—. Quinta: juego libre / juego simbólico —Galbraith (2022) es contraste periférico de pedagogías del juego; el eje no es free play ni symbolic play ya publicados—. Sexta: emotion monitoring clínico —Yu (2021); Araguas et al. (2025)— fijan score/tutor de emoción; screening emocional ≠ mediación de disputa por materiales en el jardín—. UNESCO (2021), Miao y Holmes (2023) y Nikolopoulou (2025) exigen supervisión humana y mediación docente de GenAI. Inferencia: la IA coherente en 3–6 permanece del lado del adulto (preparación/documentación subordinada; Galbraith, 2022 periférico; Taylor et al., 2023 como contraste de observación pedagógica), no como detector de conflicto, GenAI de peace corner scripts, dashboard de conflictos/hora, robot de «say sorry» ni ranking social developmental sin mediación.

Estas fronteras protegen el eje. Peer conflict / turn-taking negotiation puede tocar, de modo lateral, SEL, voz, calidad de interacción, co-orientación, juego o emoción; no se deja reducir a ninguno de esos ejes ya publicados. Un centro que «trabaja SEL», «da voz», «mejora CLASS», «trabaja atención conjunta», «hace juego libre/simbólico» o «monitorea emociones» no ha demostrado por esa sola etiqueta la negociación situada con mediación que nombra/modela y agencia para reparar. La distinción es de categoría pedagógica, no de negación de overlaps laterales.

7. Marco inferencial: cuatro pruebas para afirmar que hay apoyo a la negociación de conflictos entre pares / turn-taking, 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 a la negociación de conflictos entre pares / turn-taking negotiation.

7.1. Prueba de la práctica situada (disputas por turnos/materiales/roles/espacio; negociación verbal y no verbal; agencia para reparar), no del detector CV/multimodal ni del robot/app de correctness o «say sorry». NAEYC (2022), OECD (2021, 2023) y los casos de detección/scoring/HRI (Kengesbay, 2025; Xiao y Li, 2026; Li y Li, 2026; Nijssen et al., 2021; Kim et al., 2024; Tykhonenko et al., 2026; Pinto y Belpaeme, 2024; Araguas et al., 2025) definen el contraste oficio/artefacto. Chen (2024), Ljungcrantz (2026) y Nikolopoulou (2025) mapean agentes/analítica como affordance, no como negociación situada. Inferencia: la evidencia de apoyo se verifica en disputa situada, negociación entre pares y reparación con agencia. Si la «evidencia» es conflict count, social competence, friendship behavior score o «say sorry» automatizado, el centro hizo analítica o HRI de conducta, no apoyo.

7.2. Prueba de la co-presencia adulta que nombra emociones, modela petición/espera/oferta y sostiene la reparación —no solo «di lo siento»—, no del GenAI de conflict resolution scripts / turn-taking lesson plans / sharing worksheets / peace corner scripts. NAEYC (2022), OECD (2021) y Galbraith (2022, periférico) sitúan práctica e interacciones. Miao y Holmes (2023) y Nikolopoulou (2025) exigen validación y mediación de GenAI. Inferencia: un script por prompt no firma el episodio de negociación entre pares.

7.3. Prueba de la mediación humana y de la interpretación del conflicto como aprendizaje social, no del dashboard de conflictos/hora / minutos de disputa / turn-taking compliance ni del ranking social developmental por proximidad/sincronía/emoción facial. OECD (2021, 2023) exigen interacciones significativas. Markova et al. (2026), Horn et al. (2024) y Yu (2021) fijan tracking/monitoreo; Taylor et al. (2023) anclan observación pedagógica de peer engagement sin convertirla en vigilancia de conteos. Inferencia: conflictos/hora bajos o compliance altos no elevan por sí solos la mediación que repara. Preparación/documentación subordinada del adulto es legítima; el scorer que convierte al niño en vector de conflict-count no lo es.

7.4. Prueba de la distinción de categoría y del juicio profesional, no del catálogo de producto. Peer conflict / turn-taking ≠ SEL como eje, participación-voz, CLASS-interacciones, atención conjunta, juego libre, juego simbólico ni emotion monitoring clínico. Li y Li (2026), Taylor et al. (2023), Markova et al. (2026), Horn et al. (2024), Yu (2021), Araguas et al. (2025) y Galbraith (2022) impiden esas confusiones. UNESCO (2021), Miao y Holmes (2023), NAEYC (2022) y OECD (2021, 2023) exigen supervisión humana y no sustituir el juicio profesional. Inferencia: el apoyo se cumple con materiales reales en disputa, negociación entre pares, co-presencia que nombra/modela y agencia para reparar —no detectando conflictos, puntuando turn compliance ni vigilando minutos de disputa.

El marco admite digital subordinado a preparación/documentación del adulto (Galbraith, 2022 periférico; Taylor et al., 2023 como contraste de lectura pedagógica del peer engagement; Kengesbay, 2025 y Xiao y Li, 2026 como herramientas de detección/assessment, no sustitución de la mediación). 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. Primera: exhibir los cinco artefactos versus ejercer apoyo. Kengesbay (2025), Xiao y Li (2026; N = 150), Li y Li (2026; N = 500), Markova et al. (2026; N = 20), Horn et al. (2024), Yu (2021), Nijssen et al. (2021), Kim et al. (2024), Tykhonenko et al. (2026; N = 28), Taylor et al. (2023), Pinto y Belpaeme (2024, transferencia), Araguas et al. (2025) y Galbraith (2022 periférico) sostienen el contraste; Chen (2024) y Ljungcrantz (2026) mapean IA sin equivalencia a negociación situada. Segunda: assessment automatizado versus pedagogía relacional-discursiva —declarar apoyo por conflict count, SEC auto-score o turn compliance es pedagogía invertida—. Tercera: GenAI de scripts / robot de «say sorry» / ranking por proximidad versus oficio —Miao y Holmes (2023), Nikolopoulou (2025), NAEYC (2022) y OECD (2021, 2023)—: vender peace corner scripts o friendship mediation robótica sin mediación humana confunde producto con práctica. Taylor et al. (2023) confirman peer engagement con calidad de interacción sin autorizar dashboards de vigilancia; UNESCO (2021) subordina IA al juicio profesional.

Las cuatro pruebas de la sección 7 leen estas tensiones. El contraste empírico —detección; competence N = 150; SEC N = 500; tracking N = 20; sensors/ML; emotion monitoring; sharing/friendship robots; turn-timing N = 28; peer engagement pedagógico; HRI predictivo con transferencia; humano vs robot emotion; Galbraith periférico— 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 (preparación de lenguaje; documentación; contraste Taylor et al., 2023); no lo es invertir la secuencia (NAEYC, 2022; OECD, 2021, 2023). Si el centro muestra disputas situadas, negociación, adulto que nombró y modeló, y niños que repararon, puede hablar de apoyo; si solo muestra detectors, scripts GenAI, conflictos/hora, robots de «say sorry» o rankings sin mediación, habla de artefactos. Chen (2024) y Ljungcrantz (2026): affordances de IA en ECE ≠ turn-taking negotiation situado.

9. Límites

Esta revisión es narrativa. No aplica PRISMA propio ni estima efectos combinados. Kengesbay (2025) aporta detección de conflictos en jardín: no se inventan d ni r; se lee como detector, no como oficio de reparación. Xiao y Li (2026) miden N = 150 competence multimodal: límite de constructo de assessment. Li y Li (2026) miden N = 500 SEC/CASEL: límite; SEC ≠ negociación situada. Markova et al. (2026) miden N = 20 tracking: muestra pequeña. Horn et al. (2024) aportan marco sensors/ML. Yu (2021) es emotion monitoring: transferencia a mediación. Nijssen et al. (2021) y Kim et al. (2024) delimitan sharing/friendship con robot. Tykhonenko et al. (2026) miden N = 28 turn-timing con robot. Pinto y Belpaeme (2024) son HRI predictivo: transferencia marcada. Araguas et al. (2025) contrastan tutor humano/robot en emotion recognition. Taylor et al. (2023) son contraste pedagógico no-IA. Galbraith (2022) es contraste periférico, no eje. Chen (2024), Ljungcrantz (2026) y Nikolopoulou (2025) mapean IA en ECE, no conflict-count dashboards ni GenAI de peace corner scripts como paquete de exhibición en CENDI latinoamericano. No se localizaron ensayos verificados de los cinco artefactos como paquete único de «peer conflict / turn-taking con IA» en aula 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

Los cinco artefactos —detector CV/multimodal de conflictos o scores de social competence / peer engagement / conflict count / turn compliance / friendship behavior / SEC; GenAI de conflict resolution scripts / turn-taking lesson plans / sharing worksheets / peace corner scripts; dashboard de conflictos/hora / minutos de disputa / turn-taking compliance; robot/app que sustituye mediación por score o «say sorry»; ranking social developmental por proximidad/sincronía/emoción facial sin mediación— no constituyen apoyo a la negociación de conflictos entre pares / turn-taking negotiation en educación inicial. Chen (2024) y Ljungcrantz (2026) confirman affordances sin equivalencia a negociación situada. Nikolopoulou (2025) y Miao y Holmes (2023) fijan límites de GenAI. Kengesbay (2025), Xiao y Li (2026), Li y Li (2026), Markova et al. (2026), Horn et al. (2024), Yu (2021), Nijssen et al. (2021), Kim et al. (2024), Tykhonenko et al. (2026), Taylor et al. (2023), Pinto y Belpaeme (2024) y Araguas et al. (2025) exigen leer detección/scoring/tracking/HRI/emotion por lo que miden —con transferencias— y por lo que no equivalen a pedagogía de negociación. Galbraith (2022) es contraste periférico: adulto ≠ detector ni GenAI de scripts. Cuando hay apoyo hay materiales reales en disputa, negociación entre pares, co-presencia que nombra/modela y agencia infantil para reparar (NAEYC, 2022; OECD, 2021, 2023). La negociación de conflictos / turn-taking se distingue de SEL, participación-voz, CLASS-interacciones, atención conjunta, juego libre, juego simbólico y emotion monitoring clínico como ejes. Las guías exigen supervisión humana (UNESCO, 2021; Miao y Holmes, 2023).

Donde las fuentes no miden un jardín, este artículo no lo afirma. Donde miden mapeos de IA, detección de conflictos, competence/SEC multimodal, tracking espacial, emotion monitoring, sharing/friendship robots, turn-timing HRI o peer engagement pedagógico, no los traduce en apoyo vía conflict-count, turn-compliance o script por prompt. Acompañar a niñas y niños de tres a seis años en negociación de conflictos entre pares / turn-taking es ejercer disputas situadas por turnos, materiales, roles y espacio; negociación verbal y no verbal; mediación adulta que nombra emociones, modela petición/espera/oferta y sostiene la agencia para reparar; y co-presencia que interpreta el conflicto como aprendizaje social, no como infracción a «score». Lo demás es detector CV/multimodal, GenAI de scripts/lesson plans/worksheets, dashboard de conflictos/hora, robot/app de correctness o «say sorry», y ranking social developmental. No es apoyo a la negociación de conflictos entre pares / turn-taking en educación inicial, y no debe presentarse como lo que no es.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre.

Referencias

  1. Araguas, A., Blanchard, A., Derégnaucourt, S., Chopin, A., y Guellai, B. (2025). Body knowledge and emotion recognition in preschool children: A comparative study of human versus robot tutors. Behavioral Sciences, 16(1), Article 29. https://doi.org/10.3390/bs16010029
  2. 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
  3. Galbraith, J. (2022). “A prescription for play”: Developing early childhood preservice teachers’ pedagogies of play. Journal of Early Childhood Teacher Education, 43(3), 474–494. https://doi.org/10.1080/10901027.2022.2054035
  4. Horn, L., Karsai, M., y Markova, G. (2024). An automated, data-driven approach to children's social dynamics in space and time. Child Development Perspectives, 18(2). https://doi.org/10.1111/cdep.12495
  5. Kengesbay, D. (2025). Detecting social conflicts in kindergartens using deep learning and computer vision. Journal of Emerging Technologies and Computing. https://doi.org/10.47344/7x77b619
  6. Kim, Y., Hwang, J., Lim, S., Cho, M.-H., y Lee, S. (2024). Child–robot interaction: Designing robot mediation to facilitate friendship behaviors. Interactive Learning Environments, 32(8), 4169–4182. https://doi.org/10.1080/10494820.2023.2194936
  7. Li, J., y Li, X. (2026). A multimodal artificial intelligence system integrating facial expression voice emotion and behavioral movement analysis for assessing social-emotional competence in preschool children. Scientific Reports. https://doi.org/10.1038/s41598-026-61418-5
  8. 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
  9. Markova, G., Arato, J., Ceral, R., Hofbauer, M., Quigley, C., y Horn, L. (2026). Decoding preschool social dynamics: Automated tracking of spatial and temporal patterns to investigate social interactions and relationships in peer groups. Developmental Science. https://doi.org/10.1111/desc.70241
  10. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  11. 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
  12. Nijssen, S. R. R., Müller, B. C. N., Bosse, T., y Paulus, M. (2021). You, robot? The role of anthropomorphic emotion attributions in children’s sharing with a robot. International Journal of Child-Computer Interaction, 30, Article 100319. https://doi.org/10.1016/j.ijcci.2021.100319
  13. 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
  14. OECD. (2021). Starting Strong VI: Supporting meaningful interactions in early childhood education and care. OECD Publishing. https://doi.org/10.1787/f47a06ae-en
  15. OECD. (2023). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  16. Pinto, M. G., y Belpaeme, T. (2024). Predictive turn-taking: Leveraging language models to anticipate turn transitions in human-robot dialogue. En 2024 33rd IEEE International Conference on Robot and Human Interactive Communication (RO-MAN). IEEE. https://doi.org/10.1109/ro-man60168.2024.10731379
  17. Taylor, M., Alamos, P., Turnbull, K. L. P., LoCasale-Crouch, J., y Howes, C. (2023). Examining individual children's peer engagement in pre-kindergarten classrooms: Relations with classroom-level teacher-child interaction quality. Early Childhood Research Quarterly, 64, 221–232. https://doi.org/10.1016/j.ecresq.2023.04.007
  18. Tykhonenko, V., Tolksdorf, N. F., y Rohlfing, K. J. (2026). The relation between children’s shyness and their contingent dialogical actions when reacting to a social robot’s instructions. Philosophical Transactions of the Royal Society B. https://doi.org/10.1098/rstb.2024.0375
  19. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  20. Xiao, X., y Li, S. (2026). An AI-driven multimodal fusion and graph-temporal modelling framework for developmental assessment of social competence and emotional expression in preschool children. International Journal of Reasoning-based Intelligent Systems. https://doi.org/10.1504/ijris.2026.154537
  21. Yu, G. (2021). Emotion monitoring for preschool children based on face recognition and emotion recognition algorithms. Complexity, 2021, Article 6654455. https://doi.org/10.1155/2021/6654455