Artículo de Investigación Original
La Inteligencia Artificial como Herramienta Pedagógica en la Educación Superior
Artificial Intelligence as a Pedagogical Tool in Higher Education
Nuria Raquel Zambrano Camacho
1[0000-0002-3775-6763]
, Emilia Paulina
Vásquez Zambrano
1[0000-0002-0703-7223]
Alfredo Xavier Béjar Campodónico
2[0009-0004-2639-1078]
1
Universidad de Guayaquil, Guayaquil, Ecuador. nuria.
zambranocam@ug.edu.ec, emilia.vasquezz@ug.edu.ec
2 Investigador Independiente, Guayaquil, Ecuador.
xbejarc@gmail.com
CITA EN APA:
Zambrano
Camacho,
N.
R.,
Vásquez
Zambrano,
E.
P.,
&
Bejar
Campodonico,
A.
X.
(2025).
La
Inteligencia
Artificial
como
Herramienta
Pedagógica
en
la
Educación Superior. Technology Rain
Journal,
4(2),
e102.
https://doi.org/10.55204/trj.v4i2.e102
Recibido:
27 de julio del 2025
Aceptado:
12 de septiembre del 2025
Publicado:
16 de octubre del 2025
Technology Rain Journal
ISSN:
2953
-
464X
Resumen
.
La
inteligencia
artificial
(IA)
se
ha
posicionado
como
una
herramienta
estratégica
en
la
educación
superior,
al
favorecer
la
personalización
del
aprendizaje,
la
retroalimentación
inmediata
y
la
optimización
de
los
procesos
de
enseñanza.
Este
artículo
presenta
una
revisión
bibliográfica
sistemática
sobre
el
uso
pedagógico
de
la
IA
en
universidades, con el objetivo de identificar sus principales aportes, desafíos
y perspectivas. La metodología empleada fue de tipo cualitativo-documental,
basada en el análisis de 42 artículos indexados entre 2018 y 2024, obtenidos
de
bases
de
datos
como
Scopus,
Scielo,
ERIC
y
Redalyc.
Los
resultados
revelan
que
la
IA
contribuye
significativamente
a
mejorar
la
motivación
estudiantil, la autonomía del aprendizaje y la eficacia docente, especialmente
a través de sistemas adaptativos y
learning analytics
. No obstante, persisten
limitaciones relacionadas con la formación docente, la brecha tecnológica y
los dilemas éticos vinculados al tratamiento de datos. Se concluye que la IA
no
reemplaza
al
docente,
sino
que
lo
potencia
como
mediador
del
conocimiento, siempre que su implementación se base en principios éticos y
pedagógicos. Finalmente, se recomienda fortalecer la capacitación docente,
la
infraestructura
digital
y
las
políticas
institucionales
que
garanticen
una
integración responsable y humanista de la IA en la educación superior.
Palabras
clave:
Inteligencia
artificial,
educación
superior,
aprendizaje
personalizado, docencia, ética educativa.
Los
contenidos
de
este
artículo
están
bajo una licencia de Creative Commons
Attribution
4.0
International
(CC
BY
4.0 )
Los
autores
conservan
los
derechos
morales y patrimoniales de sus obras.
Abstract
Artificial Intelligence (AI) has emerged as a strategic tool in higher education
by
promoting
personalized
learning,
immediate
feedback,
and
the
optimization
of
teaching
processes.
This
article
presents
a
systematic
literature
review
on
the
pedagogical
use
of
AI
in
universities,
aiming
to
identify
its
main
contributions,
challenges,
and
future
perspectives.
The
methodology employed was qualitative and documentary in nature, based on
the
analysis
of
42
indexed
articles
published
between
2018
and
2024,
retrie
ved from databases such as Scopus, Scielo, ERIC, and Redalyc. The
results
reveal
that
AI
significantly
enhances
student
motivation,
learning
autonomy, and teaching effectiveness, particularly through adaptive systems
and
learning
analytics.
However,
limita
tions
persist
regarding
teacher
training,
technological
gaps,
and
ethical
dilemmas
related
to
data
management.
It
is
concluded
that
AI
does
not
replace
the
teacher
but
strengthens
their
role
as
a
mediator
of
knowledge,
provided
its
implementation is ground
ed in ethical and pedagogical principles. Finally, it
is
recommended
to
reinforce
teacher
training,
digital
infrastructure,
and
institutional policies to ensure a responsible and humanistic integration of AI
in higher education.
Keywords:
A
rtificial intelligence, higher education, personalized learning,
teaching, educational ethics.
Technology Rain Journal
ISSN
: 2953-464X
Vol. 4 Núm. 2 (junio - diciembre 2025)
, e102
https://technologyrain.com.ar/
-
1
INTRODUCCIÓN
El avance de la inteligencia artificial (IA) ha generado transformaciones profundas en múltiples
campos del conocimiento, incluyendo la educación. En el contexto universitario, la IA se consolida
como
una
herramienta
estratégica
que
apoya
la
planificación,
la
evaluación
y
el
desarrollo
de
competencias
digitales
(Moreno,
2019).
Según
García-Peñalvo
(2021),
la
IA
educativa
puede
considerarse una extensión de los sistemas de gestión del aprendizaje, al permitir un seguimiento
más preciso de los estudiantes y un análisis predictivo de su desempeño académico.
En esta línea, Holmes, Bialik y Fadel (2021) sostienen que la IA ofrece la posibilidad de adaptar la
enseñanza
a
los
estilos
de
aprendizaje
individuales,
promoviendo
la
equidad
educativa
y
una
enseñanza más inclusiva. De igual modo, Zawacki-Richter et al. (2019) argumentan que el uso de
algoritmos
inteligentes
en
entornos
virtuales
puede
facilitar
la
toma
de
decisiones
pedagógicas
basadas en datos, impulsando la educación basada en evidencia (data-driven education).
A
nivel
global,
organismos
como
la
UNESCO
(2023)
subrayan
la
necesidad
de
incorporar
la
inteligencia artificial en la educación de manera ética y responsable, enfatizando que su aplicación
debe fortalecer el pensamiento crítico y la autonomía de los estudiantes, y no sustituir al docente.
Este planteamiento coincide con el informe de la Comisión Europea (European Commission, 2022),
el cual enfatiza que la IA debe implementarse con enfoque humanista, priorizando la creatividad y
la capacidad reflexiva del estudiante.
Asimismo,
García-Murillo,
Torres
y
López
(2023)
señalan
que
el
uso
de
la
IA
en
entornos
universitarios
fomenta
una
educación
más
personalizada
y
flexible,
siempre
que
exista
una
mediación docente adecuada. En América Latina, experiencias desarrolladas en universidades de
Chile, Colombia y México evidencian que las herramientas basadas en IA —como los sistemas de
tutoría
inteligente,
las
plataformas
adaptativas
y
los
chatbots
educativos—
han
mejorado
la
interacción, la retroalimentación y la personalización del aprendizaje (Ayuso & Gutiérrez, 2022;
Menacho et al., 2024).
Estudios recientes confirman que el
uso de
chatbots
en asignaturas universitarias contribuye al
desarrollo del aprendizaje autónomo y al fortalecimiento de la motivación estudiantil, permitiendo
una comunicación constante entre estudiantes y docentes (Rodríguez & Cerezo, 2023). De hecho,
Li
et
al.
(2023)
afirman
que
los
modelos
de
lenguaje
generativos,
como
ChatGPT,
están
transformando las prácticas pedagógicas al ofrecer apoyo en la redacción académica, la resolución
de dudas y la creación de materiales educativos. No obstante, su utilización debe ir acompañada de
https://technologyrain.com.ar/
políticas institucionales que garanticen el uso ético, la privacidad de los datos y la transparencia
algorítmica.
En consecuencia, el papel de la IA en la educación superior trasciende el ámbito tecnológico para
convertirse
en
un
agente
de
cambio
pedagógico
que
promueve
nuevas
formas
de
enseñanza
y
evaluación, orientadas a un aprendizaje más adaptativo, inclusivo y ético (Holmes et al., 2021;
García-Peñalvo, 2021).
2. MARCO TEÓRICO
2.1. Conceptualización de la inteligencia artificial en la educación
La inteligencia artificial (IA) ha evolucionado de ser un campo meramente computacional para
convertirse
en
un
eje
interdisciplinario
que
involucra
la
informática,
la
psicología
cognitiva,
la
lingüística, la neurociencia y la educación (Russell & Norvig, 2021). De manera general, la IA se
define como
la capacidad de las máquinas o sistemas computacionales para realizar tareas que
requieren procesos propios de la inteligencia humana, como el razonamiento lógico, la percepción,
el aprendizaje y la resolución de problemas (Baker & Smith, 2019). En el ámbito educativo, la IA
se orienta hacia la creación de entornos inteligentes capaces de analizar, interpretar y responder a
las necesidades de los estudiantes, promoviendo un aprendizaje personalizado, flexible y adaptativo
(Zawacki-Richter et al., 2019).
Según Luckin et al. (2016), la IA educativa no busca reemplazar la función docente, sino aumentar
las capacidades humanas, actuando como un “socio cognitivo” que colabora en la mediación del
conocimiento. Esta visión se alinea con el paradigma del aprendizaje centrado en el estudiante, en
el que el uso de algoritmos inteligentes permite identificar patrones de desempeño y ajustar las
estrategias pedagógicas en tiempo real (Holmes et al., 2021).
De acuerdo con García-Peñalvo (2021), la IA en la educación puede considerarse una extensión de
los sistemas de gestión del aprendizaje (LMS), pues posibilita el seguimiento automatizado del
progreso académico y la detección temprana de dificultades de aprendizaje mediante el análisis
predictivo
de
datos
(
learning
analytics
).
Estas
herramientas
también
promueven
la
evaluación
formativa, el aprendizaje adaptativo y la generación automática de contenidos personalizados.
Por su parte, Ocaña, Valenzuela y Garro (2019) sostienen que la IA en la educación superior fomenta
la optimización
de los
recursos pedagógicos, la
gestión eficiente de los
entornos virtuales y la
adaptación de los procesos educativos a los diferentes estilos de aprendizaje. En su estudio, destacan
que los sistemas de tutoría inteligente y las plataformas adaptativas contribuyen a que los estudiantes
Technology Rain
Journal
ISSN:
2953-464X (2025)
3
https://technologyrain.com.ar/
participen de manera más activa en su proceso de aprendizaje, fortaleciendo la autonomía y la
autoevaluación.
Parra (2022) añade que los sistemas basados en IA posibilitan la creación de entornos virtuales
dinámicos y personalizados, en los cuales los estudiantes pueden avanzar según su propio ritmo y
nivel de dominio. Este enfoque ha permitido el desarrollo de plataformas educativas que ajustan
automáticamente el nivel de dificultad de las actividades en función del desempeño, brindando una
experiencia de aprendizaje más equitativa e inclusiva.
De
igual
forma,
Cabero-Almenara
y
Palacios-Rodríguez
(2021)
señalan
que
la
IA
favorece
la
retroalimentación
inmediata
y
el
acompañamiento
continuo,
dos
factores
que
fortalecen
la
motivación
intrínseca
del
estudiante
y
reducen
la
tasa
de
deserción
universitaria.
En
el
mismo
sentido, García-Murillo, Torres y López (2023) resaltan que el análisis de datos generado por los
sistemas
de
IA
ayuda
a
los
docentes
a
tomar
decisiones
pedagógicas
basadas
en
evidencia,
configurando
un
nuevo
modelo
de
enseñanza
denominado
data-driven
education
o
educación
guiada por datos.
Finalmente,
la
UNESCO
(2023)
enfatiza
que
la
inteligencia
artificial
en
la
educación
debe
entenderse
no
solo
como
una
herramienta
tecnológica,
sino
como
un
medio
de
transformación
pedagógica,
capaz
de
fortalecer
la
creatividad,
la
colaboración
y
el
pensamiento
crítico.
Su
integración en la educación superior requiere, por tanto, un enfoque ético, humanista y regulado que
garantice la equidad, la transparencia y el respeto a la diversidad cultural.
2.2. Inteligencia artificial y personalización del aprendizaje
El aprendizaje personalizado constituye uno de los aportes más relevantes de la inteligencia artificial
(IA) en el ámbito educativo, al permitir la creación de entornos flexibles donde cada estudiante
recibe
experiencias
adaptadas
a
sus
características
cognitivas,
ritmos
y
estilos
de
aprendizaje
(Holmes
et
al.,
2021).
Este
modelo
se
fundamenta
en
el
uso
de
algoritmos
de
recomendación,
plataformas
adaptativas
y
asistentes
virtuales
inteligentes
que
ajustan
los
contenidos
según
las
necesidades detectadas, promoviendo la autorregulación y el aprendizaje autónomo.
En
este
sentido,
Menacho
et
al.
(2024)
demostraron
que
la
aplicación
de
IA
en
universidades
peruanas genera un efecto positivo en la autonomía estudiantil y la autogestión del conocimiento,
incrementando la motivación y el rendimiento académico. Los autores destacan que las herramientas
adaptativas permiten al docente rediseñar las estrategias didácticas y acompañar de manera más
efectiva el progreso de los estudiantes.
https://technologyrain.com.ar/
Por su parte, García-Murillo et al. (2023) sostienen que la IA contribuye a transformar la enseñanza
tradicional en un proceso basado en datos (
data-driven education
), mediante el uso de técnicas de
learning
analytics
que
analizan
en
tiempo
real
el
comportamiento
del
estudiante,
su
nivel
de
participación y los resultados de aprendizaje. Dichas métricas permiten generar alertas tempranas
sobre bajo rendimiento y ajustar las estrategias pedagógicas en consecuencia.
A
nivel
internacional,
estudios
como
los
de
Chen
et
al.
(2020)
evidencian
que
los
sistemas
adaptativos basados en IA mejoran la retención y reducen la deserción en educación superior. Estos
sistemas
son
capaces
de
identificar
patrones
de
comportamiento
y
de
sugerir
materiales
complementarios, logrando una enseñanza más eficiente e inclusiva.
De igual modo, el uso de chatbots educativos se ha expandido en entornos universitarios. Según
Rodríguez
y
Cerezo
(2023),
los
asistentes
conversacionales
basados
en
IA
fortalecen
la
comunicación
bidireccional
entre
estudiantes
y
docentes,
y
favorecen
la
retroalimentación
inmediata. Esta interacción personalizada mejora el sentido de acompañamiento y reduce la brecha
entre aprendizaje presencial y virtual.
Tabla 1
. Beneficios pedagógicos del aprendizaje personalizado mediante IA
Dimensión
educativa
Aplicación de IA
Evidencia
empírica /
autores
Impacto principal
Aprendizaje
adaptativo
Plataformas personalizadas que
ajustan la dificultad de las
tareas según el rendimiento del
estudiante.
Zawacki-Richter
et al. (2019);
Holmes et al.
(2021)
Mejora de la retención y
la comprensión
conceptual.
Retroalimentación
inmediata
Chatbots y tutores virtuales que
responden en tiempo real.
Rodríguez &
Cerezo (2023);
Luckin et al.
(2016)
Incremento de la
motivación y reducción
de la ansiedad académica.
Evaluación
formativa
Sistemas de
learning analytics
para análisis predictivo del
desempeño.
García-Murillo et
al. (2023); Baker
& Smith (2019)
Ajuste de estrategias
pedagógicas y detección
temprana de dificultades.
Inclusión educativa
Algoritmos que detectan
brechas de aprendizaje y
proponen actividades
diferenciadas.
Chen et al. (2020);
UNESCO (2023)
Mayor equidad y acceso
al aprendizaje
personalizado.
Además de los beneficios cognitivos, la personalización mediada por IA refuerza el componente
socioemocional del aprendizaje. Holmes et al. (2021) y Luckin et al. (2016) afirman que los entornos
Technology Rain
Journal
ISSN:
2953-464X (2025)
5
https://technologyrain.com.ar/
inteligentes
promueven
la
autoeficacia,
la
curiosidad
y
la
persistencia,
factores
claves
para
la
permanencia
en
la
educación
superior.
A
su
vez,
estos
sistemas
posibilitan
un
seguimiento
longitudinal
del
progreso
individual,
generando
perfiles
de
aprendizaje
útiles
para
la
toma
de
decisiones institucionales (Cabero-Almenara & Palacios-Rodríguez, 2021).
Sin embargo, como advierten Li et al. (2023) y Schuett (2021), la personalización basada en IA
conlleva
desafíos
éticos,
especialmente
en
lo
referente
al
tratamiento
de
datos
sensibles
y
la
transparencia
de
los
algoritmos.
Si
bien
estas
herramientas
ofrecen
una
ventaja
pedagógica
indiscutible,
su
implementación
debe
regirse
por
principios
de
responsabilidad,
privacidad
y
equidad (UNESCO, 2023).
En síntesis, la inteligencia artificial representa una oportunidad para reconfigurar los modelos de
enseñanza-aprendizaje,
haciendo
posible
una
educación
centrada
en
la
persona,
basada
en
la
evidencia y orientada a la mejora continua. Su potencial pedagógico no reside únicamente en la
tecnología, sino en la capacidad del docente para integrarla críticamente en el diseño educativo y
convertirla en una aliada del aprendizaje significativo (García-Peñalvo, 2021).
Tabla 2.
Desafíos y oportunidades de la personalización mediante IA en educación superior
Categoría
Descripción del desafío / oportunidad
Autores relevantes
Ética y privacidad
Riesgo de sesgos algorítmicos y mal uso
de datos personales.
Schuett (2021); UNESCO (2023)
Formación docente
Falta de preparación pedagógica para usar
IA de forma crítica.
Loayza & Moya (2024); Granda
et al. (2024)
Infraestructura
tecnológica
Desigualdad en el acceso a plataformas
adaptativas.
Chen et al. (2020); Menacho et
al. (2024)
Evaluación y
seguimiento
Necesidad de indicadores claros para
medir impacto educativo.
García-Murillo et al. (2023);
Holmes et al. (2021)
Aprendizaje
significativo
Potencial para aumentar motivación y
autonomía del estudiante.
Luckin et al. (2016); Rodríguez
& Cerezo (2023)
Tras el análisis comparativo expuesto en las Tablas 1 y 2, se evidencia que la implementación de
sistemas de inteligencia artificial en los procesos educativos ha pasado de ser
un complemento
tecnológico
para
convertirse
en
un
instrumento
central
de
personalización
pedagógica.
Los
resultados de diversas investigaciones confirman que la IA no solo permite adaptar los contenidos,
sino también redefinir las formas de enseñanza y evaluación, orientándolas hacia un aprendizaje
más autónomo y significativo (Holmes et al., 2021).
https://technologyrain.com.ar/
Uno
de
los
principales
aportes
identificados
es
la
retroalimentación
inmediata
que
brindan
los
tutores virtuales y chatbots educativos, los cuales optimizan la comunicación entre estudiantes y
docentes,
favoreciendo
la
comprensión
de
los
contenidos
y
la
resolución
oportuna
de
dudas
(Rodríguez & Cerezo, 2023). Este tipo de interacción fomenta la motivación intrínseca y fortalece
la
permanencia
estudiantil,
al
crear
una
sensación
de
acompañamiento
constante
en
entornos
virtuales (Menacho et al., 2024).
Asimismo, los datos recopilados por los sistemas de
learning analytics
permiten identificar patrones
de aprendizaje y anticipar el rendimiento académico. De acuerdo con García-Murillo et al. (2023),
este
enfoque
representa
una
evolución
hacia
una
educación
basada
en
evidencia,
donde
las
decisiones pedagógicas se sustentan en información objetiva y medible. En consecuencia, el docente
deja
de
actuar
únicamente
como
transmisor
de
conocimiento
para
asumir
el
rol
de
analista
e
intérprete de datos educativos, capaz de diseñar estrategias instruccionales más efectivas (García-
Peñalvo, 2021).
Sin
embargo,
el
éxito
del
aprendizaje
personalizado
depende
de
la
ética
algorítmica
y
de
la
transparencia en el tratamiento de los datos de los estudiantes. Como advierte Schuett (2021), los
sistemas de IA pueden reproducir sesgos si no se diseñan con criterios de equidad y responsabilidad.
Por ello, organismos internacionales como la UNESCO (2023) recomiendan establecer políticas
institucionales que aseguren la privacidad, la seguridad de la información y el uso responsable de
los algoritmos en contextos educativos.
En el contexto de la educación superior latinoamericana, Chen et al. (2020) y Cabero-Almenara y
Palacios-Rodríguez
(2021)
destacan
que,
aunque
las
universidades
están
incorporando
progresivamente
soluciones
basadas
en
IA,
persisten
desafíos
estructurales
como
la
brecha
tecnológica, la limitada capacitación docente y la desigualdad en el acceso a recursos digitales. No
obstante, los avances observados indican una tendencia sostenida hacia la integración de la IA como
medio para lograr una educación inclusiva, adaptativa y centrada en el estudiante.
En
definitiva,
la
inteligencia
artificial
representa
una
herramienta
de
gran
potencial
para
democratizar el acceso al conocimiento y diversificar las metodologías pedagógicas. Su correcta
implementación puede conducir a un cambio paradigmático en la educación superior, donde el
aprendizaje deja de ser uniforme y lineal para convertirse en un proceso dinámico, interactivo y
ajustado a las particularidades de cada estudiante (UNESCO, 2023; Li et al., 2023). Este modelo de
enseñanza personalizada, sustentado en el análisis de datos y mediado por tecnologías inteligentes,
marca el inicio de una nueva era en la didáctica universitaria.
Technology Rain
Journal
ISSN:
2953-464X (2025)
7
https://technologyrain.com.ar/
2.3. Formación docente y competencias digitales
La
incorporación
de
la
inteligencia
artificial
(IA)
en
la
educación
superior
demanda
una
transformación
profunda
del
rol
docente,
orientada
hacia
el
desarrollo
de
nuevas
competencias
tecnológicas, pedagógicas y éticas. La capacidad del profesorado para integrar herramientas basadas
en
IA
de
manera
crítica
y
efectiva
es
uno
de
los
factores
determinantes
del
éxito
en
su
implementación
(Loayza
&
Moya,
2024).
En
este
contexto,
el
docente
del
siglo
XXI
debe
convertirse en un mediador entre el conocimiento científico y las tecnologías emergentes, utilizando
la IA como un recurso complementario y potenciador, no sustitutivo, del proceso educativo (García-
Peñalvo, 2021).
Según Granda, Castro y Pérez (2024), una de las principales limitaciones en la adopción de IA en
universidades
latinoamericanas
es
la
escasa
formación
docente
en
competencias
digitales
y
en
pensamiento
computacional.
La
falta
de
programas
de
capacitación
estructurados
provoca
que
muchos profesores usen estas tecnologías de manera superficial o sin un marco ético definido. En
la misma línea, Cabero-Almenara y Palacios-Rodríguez (2021) afirman que la alfabetización digital
docente debe evolucionar hacia una “alfabetización inteligente”, donde se comprenda no solo el
funcionamiento técnico de la IA, sino también su impacto epistemológico, cognitivo y social.
Asimismo,
Holmes,
Bialik
y
Fadel
(2021)
señalan
que
los
educadores
deben
desarrollar
competencias
adaptativas,
como
la
capacidad
de
interpretar
los
resultados
de
los
sistemas
de
learning
analytics
,
diseñar
experiencias
personalizadas
y
evaluar
críticamente
la
información
generada por algoritmos. Esto implica una redefinición del perfil docente, que pasa de ser transmisor
de conocimiento a diseñador de entornos de aprendizaje mediados por IA.
Por otro lado, la UNESCO (2023) subraya que la formación docente en IA debe contemplar cuatro
dimensiones fundamentales:
-
•
Competencias
técnicas,
relacionadas
con
el
uso
y
la
programación
básica
de
herramientas de IA;
-
•
Competencias pedagógicas, que permitan integrar la tecnología al diseño instruccional;
-
•
Competencias éticas, orientadas a la equidad, privacidad y uso responsable de los datos;
-
•
Competencias
socioemocionales,
que
fortalezcan
la
empatía,
la
creatividad
y
el
pensamiento crítico en el aula digital.
Además, estudios recientes de Li et al. (2023) y Chen et al. (2020) destacan la necesidad de incluir
la formación en IA dentro de los programas de desarrollo profesional docente, ya que su dominio
https://technologyrain.com.ar/
mejora
la
calidad
educativa,
incrementa
la
motivación
y
potencia
la
innovación
en
el
aula
universitaria.
Tabla 3
. Competencias docentes esenciales para la integración pedagógica de la IA
Dimensión
Descripción
Ejemplo de aplicación
Autores
Técnica
Capacidad para manejar
herramientas de IA (chatbots,
sistemas adaptativos, learning
analytics).
Uso de plataformas
inteligentes para
seguimiento académico.
Chen et al.
(2020); Li et al.
(2023)
Pedagógica
Integración de la IA en estrategias
de enseñanza y evaluación
formativa.
Diseño de actividades
personalizadas mediante
algoritmos de
recomendación.
Holmes et al.
(2021); Cabero-
Almenara &
Palacios-
Rodríguez (2021)
Ética
Comprensión del uso responsable
de los datos y prevención de sesgos
algorítmicos.
Aplicación de políticas de
privacidad en
evaluaciones
automatizadas.
Schuett (2021);
UNESCO (2023)
Socioemocional
Promoción de la empatía,
pensamiento crítico y creatividad
mediante IA.
Empleo de herramientas
generativas para la co-
creación de proyectos.
García-Peñalvo
(2021); Granda et
al. (2024)
La evidencia sugiere que la formación docente es el eje articulador de la transformación educativa
impulsada por la IA. Sin un profesorado capacitado, la adopción tecnológica puede derivar en un
uso instrumental y superficial, sin un impacto real en el aprendizaje (Loayza & Moya, 2024). Por
ello,
universidades
de
distintos
países
están
implementando
programas
de
actualización
que
combinan
competencias
digitales
con
ética
tecnológica,
buscando
un
equilibrio
entre
la
automatización y el humanismo pedagógico (García-Peñalvo, 2021; UNESCO, 2023).
La
profesionalización
docente
en
IA
también
implica
desarrollar
pensamiento
computacional
y
habilidades metacognitivas, que permitan comprender cómo funcionan los algoritmos, evaluar su
pertinencia y adaptarlos a las necesidades del contexto educativo (Holmes et al., 2021). En ese
sentido, Menacho et al. (2024) destacan que los docentes que dominan estas herramientas logran
una enseñanza más flexible, colaborativa y centrada en el estudiante.
Finalmente, la integración de la IA en la práctica docente no debe concebirse como un fin, sino
como un medio para potenciar la innovación pedagógica. Tal como afirma Cabero-Almenara y
Palacios-Rodríguez (2021), el desafío consiste en que el profesorado adopte una postura crítica y
Technology Rain
Journal
ISSN:
2953-464X (2025)
9
https://technologyrain.com.ar/
reflexiva frente a la tecnología, orientando su uso hacia la mejora de la calidad educativa y la
inclusión social.
3. METODOLOGÍA
El presente estudio se desarrolló bajo
un enfoque cualitativo
de tipo documental
y de
revisión
bibliográfica
sistemática,
orientado
a
analizar
el
impacto
de
la
inteligencia
artificial
como
herramienta pedagógica en la educación superior. La revisión se centró en identificar las principales
tendencias,
beneficios,
desafíos
y
propuestas
metodológicas
reportadas
en
publicaciones
académicas recientes (2018–2024).
Según Kitchenham y Charters (2007), las revisiones bibliográficas sistemáticas permiten sintetizar
de
manera
rigurosa
la
evidencia
científica
disponible,
a
través
de
un
proceso
transparente
de
búsqueda, selección, análisis y categorización de información. Por ello, este estudio siguió las fases
de
identificación,
selección,
evaluación
y
síntesis,
garantizando
validez
y
confiabilidad
en
el
tratamiento de los datos (Snyder, 2019).
El análisis se apoyó en fuentes primarias obtenidas de bases de datos indexadas como Scopus,
Scielo, ERIC, Redalyc, Latindex, SpringerLink y ScienceDirect, priorizando artículos con revisión
por pares. Las palabras clave empleadas en las búsquedas fueron:
inteligencia artificial
,
educación
superior
,
aprendizaje personalizado
,
competencias digitales
, y
IA educativa
.
Los criterios de inclusión consideraron estudios que:
a) Abordaran la IA desde una perspectiva pedagógica o educativa;
b) Estuvieran publicados entre 2018 y 2024;
c)
Presentaran
evidencia
empírica
o
teórica
relevante
sobre
su
aplicación
en
contextos
universitarios.
Se excluyeron publicaciones duplicadas, de carácter técnico sin relación educativa, o sin respaldo
académico formal.
El proceso de análisis consistió en una revisión temática, en la cual se agruparon los hallazgos en
tres categorías principales:
-
1.
Conceptualización de la IA en educación.
-
2.
Personalización del aprendizaje mediante IA.
-
3.
Formación docente y competencias digitales.
https://technologyrain.com.ar/
Para garantizar la objetividad del análisis, se elaboró una matriz de sistematización que permitió
identificar las tendencias recurrentes, vacíos teóricos y aportes significativos en cada categoría.
Tabla 4.
Diseño metodológico de la revisión bibliográfica
Etapa
Descripción del procedimiento
Fuentes /
Herramientas
utilizadas
Resultado
esperado
1. Definición del
objeto de estudio
Se delimitó el tema “IA como
herramienta pedagógica en la
educación superior”.
Google Scholar,
Scopus, Scielo.
Formulación del
propósito y
objetivos del
estudio.
2. Estrategia de
búsqueda
bibliográfica
Se usaron palabras clave en español e
inglés:
inteligencia artificial,
educación superior, aprendizaje
personalizado,
Motores de
búsqueda
académicos .
Conjunto
preliminar de 85
artículos.
3. Criterios de
inclusión y
exclusión
Se incluyeron artículos revisados por
pares, publicados entre 2018 y 2024;
se excluyeron duplicados y textos sin
enfoque educativo.
Normas PRISMA
adaptadas.
Selección final de
42 artículos
relevantes.
4. Evaluación de
calidad
Se valoró la pertinencia temática,
validez metodológica y aporte
teórico.
Ficha de evaluación
cualitativa y matriz
Excel.
Identificación de 28
estudios de alta
relevancia.
5. Análisis y
categorización
Se agruparon los resultados en tres
categorías temáticas:
conceptualización, personalización y
competencias docentes.
Codificación
temática y análisis
de contenido.
Síntesis
comparativa y
discusión de
hallazgos.
6. Redacción e
integración de
resultados
Elaboración de un marco
interpretativo sustentado en la
evidencia revisada.
Software Mendeley
y Zotero para
referencias APA.
Construcción del
cuerpo teórico del
artículo.
Nota: Elaboración propia basada en el modelo de revisión sistemática de Kitchenham y Charters (2007) y Snyder (2019).
Procedimiento de análisis de la información
La información obtenida fue sometida a un análisis cualitativo descriptivo e interpretativo, donde
se identificaron convergencias, contrastes y vacíos conceptuales entre los estudios. Se empleó una
triangulación de fuentes para validar los resultados, contrastando artículos de distintas regiones
geográficas y enfoques metodológicos (Okoli, 2015).
Technology Rain
Journal
ISSN:
2953-464X (2025)
11
https://technologyrain.com.ar/
El uso del software Zotero permitió organizar las referencias bibliográficas y aplicar el formato
APA (7ª edición). Los datos fueron clasificados en matrices temáticas que sintetizaron los aportes
teóricos, los contextos de aplicación y las recomendaciones propuestas por los autores.
De
esta
manera,
la
metodología
empleada
garantiza
la
rigurosidad
científica
del
estudio,
proporcionando
una
visión
integral
sobre
la
influencia
de
la
inteligencia
artificial
en
la
transformación pedagógica de la educación superior.
4. RESULTADOS Y DISCUSIÓN
La revisión bibliográfica permitió identificar una amplia producción científica sobre el uso de la
inteligencia artificial (IA) en la educación superior, centrada principalmente en tres líneas temáticas:
(a) conceptualización y alcance de la IA educativa, (b) personalización del aprendizaje y analítica
de datos, y (c) formación docente y competencias digitales.
Los 42 estudios analizados coincidieron en que la IA actúa como un agente de transformación
pedagógica, capaz de personalizar el aprendizaje, optimizar la gestión académica y fortalecer el rol
mediador
del
profesorado
(García-Peñalvo,
2021;
Holmes
et
al.,
2021;
UNESCO,
2023).
Sin
embargo,
también
se
evidenció
una
brecha
significativa
entre
el
desarrollo
tecnológico
y
su
integración didáctica en los entornos universitarios, especialmente en América Latina (Loayza &
Moya, 2024).
4.1. Tendencias identificadas en la literatura
Los resultados muestran una evolución en el enfoque de los estudios sobre IA educativa. Entre 2018
y
2020,
las
investigaciones
se
centraron
en
los
aspectos
técnicos
y
computacionales
de
la
IA,
destacando su potencial para el aprendizaje adaptativo (Zawacki-Richter et al., 2019). A partir de
2021, la atención se desplazó hacia una visión pedagógica y humanista, que prioriza el desarrollo
de competencias digitales, la ética algorítmica y la personalización del aprendizaje (Baker & Smith,
2019).
Asimismo, la literatura coincide en que el impacto real de la IA depende de la formación docente
continua, la infraestructura tecnológica institucional y la adopción de políticas éticas que garanticen
la transparencia y el uso responsable de los datos (Granda et al., 2024; Schuett, 2021).
https://technologyrain.com.ar/
Tabla 5.
Síntesis comparativa de hallazgos temáticos
Categoría
Aportes principales identificados
Autores representativos
Conceptualización de la
IA educativa
Define la IA como una herramienta de apoyo
cognitivo que amplía las capacidades humanas
y mejora la toma de decisiones pedagógicas.
Russell & Norvig (2021);
García
-
Peñalvo (2021);
Zawacki
-
Richter et al.
(2019)
Personalización del
aprendizaje
Promueve la adaptación de contenidos a ritmos
individuales mediante algoritmos inteligentes y
learning analytics
.
Holmes et al. (2021);
Menacho et al. (2024);
Chen et al. (2020)
Formación docente y
competencias digitales
Subraya la necesidad de alfabetización digital
avanzada y formación ética para integrar la IA
en la práctica educativa.
Loayza & Moya (2024);
Cabero-Almenara &
Palacios-Rodríguez (2021);
Granda et al. (2024)
Ética y responsabilidad
digital
Propone políticas institucionales que garanticen
privacidad, equidad y transparencia en el uso
de la IA educativa.
Schuett (2021); UNESCO
(2023); Li et al. (2023)
4.2. Impacto pedagógico de la inteligencia artificial
En el plano pedagógico, la IA ha demostrado un alto potencial para mejorar la eficacia del proceso
enseñanza-aprendizaje. Holmes et al. (2021) y Menacho et al. (2024) destacan que las plataformas
adaptativas
permiten
personalizar
las
estrategias
didácticas,
incrementando
la
motivación
y
la
retención estudiantil. De manera similar, García-Murillo et al. (2023) argumentan que la integración
de
learning analytics
en los sistemas de gestión académica genera retroalimentación inmediata y
aprendizajes más autónomos.
No obstante, varios estudios advierten sobre la dependencia tecnológica y el riesgo de sustituir la
creatividad docente por modelos algorítmicos rígidos (Li et al., 2023; Cabero-Almenara & Palacios-
Rodríguez, 2021). Por ello, la IA debe concebirse como una herramienta de apoyo al docente, nunca
como reemplazo de su rol humanizador en el aula (García-Peñalvo, 2021).
A nivel institucional, la IA ofrece ventajas para la gestión académica, la detección temprana de
abandono y la evaluación del desempeño. Chen et al. (2020) señalan que los sistemas predictivos
basados
en
IA
permiten
anticipar
problemas
de
aprendizaje
y
personalizar
las
intervenciones
educativas. Esta capacidad analítica convierte a la IA en un instrumento clave para el diseño de
modelos educativos inclusivos y sostenibles.
Technology Rain
Journal
ISSN:
2953-464X (2025)
13
https://technologyrain.com.ar/
4.3. Desafíos y vacíos identificados
La revisión evidenció tres desafíos principales:
-
1.
Brecha
de
formación
docente:
la
mayoría
de
los
profesores
aún
no
poseen
habilidades
suficientes para implementar la IA en su práctica pedagógica (Granda et al., 2024)
-
2.
Desigualdad
tecnológica:
persiste
la
falta
de
acceso
equitativo
a
recursos
digitales
en
instituciones de países en desarrollo (Cabero-Almenara & Palacios-Rodríguez, 2021).
-
3.
Riesgos
éticos:
los
sesgos
algorítmicos,
la
vigilancia
digital
y
la
privacidad
de
datos
continúan siendo los temas más discutidos por la comunidad académica (Schuett, 2021).
A pesar de estos retos, la mayoría de los autores coinciden en que la IA puede convertirse en una
herramienta democratizadora del conocimiento, siempre que su implementación se acompañe de
marcos regulatorios, infraestructura adecuada y una formación ética sólida (Holmes et al., 2021;
García-Peñalvo, 2021).
Tabla 6
. Principales desafíos y propuestas para la integración de la IA educativa
Dimensión
Desafíos identificados
Propuestas de solución
Autores
Docente
Falta de capacitación en IA
y competencias digitales.
Programas de formación
continua con enfoque en
pedagogía digital.
Granda et al. (2024);
Loayza & Moya (2024)
Tecnológica
Infraestructura desigual
entre universidades.
Inversión en plataformas
adaptativas y conectividad.
Cabero-Almenara &
Palacios-Rodríguez
(2021); Chen et al. (2020)
Ética
Riesgos de sesgos y falta
de transparencia
algorítmica.
Políticas institucionales y
marcos de ética digital.
Schuett (2021); UNESCO
(2023)
Pedagógica
Uso superficial de la IA sin
transformación
metodológica.
Integración crítica de la IA en
el diseño instruccional.
García-Peñalvo (2021);
Holmes et al. (2021)
https://technologyrain.com.ar/
4.4. Discusión general
Los resultados confirman que la IA constituye un factor clave en la transformación de la educación
superior,
al
ofrecer
herramientas
que
optimizan
el
aprendizaje
personalizado,
la
evaluación
automatizada
y
la
gestión
institucional
(García-Murillo
et
al.,
2023;
Holmes
et
al.,
2021).
Sin
embargo, la evidencia también subraya la necesidad de adoptar una visión crítica y ética, donde la
tecnología complemente, pero no sustituya, el papel del docente como facilitador del pensamiento
crítico y la creatividad.
En consonancia con Luckin et al. (2016) y Li et al. (2023), se concluye que el futuro de la IA
educativa no depende únicamente del avance tecnológico, sino de la capacidad humana para usarla
con propósito pedagógico, sensibilidad ética y enfoque inclusivo. La IA no es el fin de la enseñanza
tradicional, sino el inicio de un paradigma más flexible, analítico y centrado en el estudiante.
5.- CONCLUSIONES
En
síntesis,
la
inteligencia
artificial
constituye
una
aliada
estratégica
del
desarrollo
educativo,
siempre que su aplicación se oriente al servicio del aprendizaje humano. El desafío contemporáneo
no
consiste
en
incorporar
más
tecnología,
sino
en
integrarla
con
propósito
pedagógico,
ética
y
equidad.
Tal
como
advierte
la
UNESCO
(2023),
la
educación
del
futuro
debe
equilibrar
la
automatización con la creatividad, la analítica de datos con la empatía y la eficiencia con la justicia
social.
De cara al futuro, se recomienda continuar con investigaciones interdisciplinarias que exploren la
relación entre IA, neurociencia y aprendizaje emocional; así como la creación de modelos híbridos
de docencia inteligente, donde el docente y la tecnología coexistan como agentes complementarios
del conocimiento.
Solo
mediante
una
educación
crítica,
inclusiva
y
humanista,
la
inteligencia
artificial
podrá
convertirse en una verdadera herramienta para la transformación social y académica en la educación
superior.
La revisión bibliográfica realizada permite concluir que la inteligencia artificial (IA) representa un
componente clave en la transformación de la educación superior, al ofrecer oportunidades inéditas
para la personalización del aprendizaje, la optimización de la enseñanza y el fortalecimiento de las
competencias digitales docentes. Sin embargo, su implementación eficaz requiere un enfoque ético,
inclusivo y pedagógicamente fundamentado, donde la tecnología complemente la labor humana y
no la reemplace.
Technology Rain
Journal
ISSN:
2953-464X (2025)
15
https://technologyrain.com.ar/
En primer lugar, la IA se consolida como una herramienta de apoyo cognitivo que facilita la creación
de
entornos
adaptativos,
promueve
el
aprendizaje
autónomo
y
favorece
la
retroalimentación
inmediata. Estos beneficios se potencian cuando las instituciones adoptan un enfoque basado en
datos (
data-driven education
), que permita analizar evidencias del rendimiento estudiantil y mejorar
la toma de decisiones pedagógicas.
En segundo lugar, se identifica que el rol docente es determinante en el éxito de la integración de la
IA educativa. Los profesores deben asumir el papel de mediadores digitales, con habilidades para
interpretar
los
resultados
de
los
algoritmos,
contextualizar
la
información
y
garantizar
un
aprendizaje ético y significativo. La formación docente continua, orientada a competencias técnicas,
pedagógicas
y
éticas,
se
configura
como
la
condición
esencial
para
una
educación
superior
sustentada en la IA.
En tercer lugar, se concluye que el mayor desafío radica en la brecha tecnológica y la desigualdad
de acceso que aún persisten entre regiones y universidades. La IA educativa debe implementarse
bajo una visión inclusiva y humanista, garantizando que su uso no incremente las desigualdades
sociales, sino que amplíe las oportunidades de aprendizaje.
Por último, el estudio revela que la ética digital es un componente transversal imprescindible. La
transparencia algorítmica, la privacidad de los datos y la responsabilidad en el uso de herramientas
generativas son pilares para mantener la confianza académica y la integridad científica
CONFLICTO DE INTERESES
Los Autores declaran que no existe conflicto de intereses, o lo que corresponda.
CONTRIBUCIÓN DE AUTORÍA
En concordancia con la taxonomía establecida internacionalmente para la asignación de créditos a autores de
artículos científicos (https://credit.niso.org/). Los autores declaran sus contribuciones en la siguiente matriz:
|
|
Nuria Z..
|
Vásquez E.
|
Béjar A..
|
|
Participar activamente en:
|
|
|
|
|
Conceptualización
|
X
|
X
|
X
|
|
Análisis formal
|
X
|
X
|
|
|
Adquisición de fondos
|
|
X
|
X
|
|
Investigación
|
X
|
X
|
X
|
|
Metodología
|
X
|
|
|
|
Administración del proyecto
|
|
X
|
X
|
|
Recursos
|
X
|
X
|
X
|
|
Redacción –borrador original
|
X
|
|
|
|
Redacción –revisión y edición
|
|
X
|
X
|
|
La discusión de los resultados
|
X
|
X
|
X
|
|
Revisión y aprobación de la versión final del trabajo.
|
X
|
X
|
X
|
https://technologyrain.com.ar/
REFERENCIAS BIBLIOGRÁFICAS
Ayuso, D., & Gutiérrez, P. (2022). La inteligencia artificial como recurso educativo durante la formación
inicial del profesorado. RIED. Revista Iberoamericana de Educación a Distancia, 25(2), 347–358.
https://doi.org/10.5944/ried.25.2.32332
Baker,
T., &
Smith,
L. (2019).
Educ
-
AI
-
tion
rebooted?
Exploring
the
future
of
artificial
intelligence
in
schools and colleges.
Nesta Foundation.
Cabero-Almenara,
J.,
&
Palacios-Rodríguez,
A.
(2021).
La
inteligencia
artificial
en
educación:
retos
y
oportunidades.
Campus Virtuales, 10(1), 9
–
22. https://doi.org/10.54988/cv.2021.10.1.9
Chen, L., Chen, P., & Lin, Z. (2020). Artificial Intelligence in Education: A Review.
IEEE Access, 8, 75264
–
75278.
https://doi.org/10.1109/ACCESS.2020.2988510
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.
García
-
Murillo, M., Torres, A., & López, D. (2023).
Learning analytics y personalización del aprendizaje en
entornos universitarios. Educación XX1, 26(1), 1–22.
https://doi.org/10.5944/educxx1.31725
García-Peñalvo, F. J. (2021).
Artificial intelligence in education: Promises and ethical challenges. Education
in the Knowledge Society, 22(3), 1
–
12.
https://doi.org/10.14201/eks.25450
Granda,
R.,
Castro,
A.,
&
Pérez,
V.
(2024).
Formación
docente
y
uso
ético
de
la
inteligencia
artificial
educativa. Revista Andina de Educación, 8(2), 120–133.
Holmes, W., Bialik, M., & Fadel, C. (2021).
Artificial Intelligence in Education: Promises and Implications
for Teaching and Learning. Center for Curriculum Redesign.
Kitchenham, B., & Charters, S. (2007). Guidelines for performing systematic literature reviews in software
engineering. EBSE Technical Report, Keele University.
Li, J., Wang, C., & Liu, Y. (2023). Generative AI in higher education: Opportunities and challenges of
ChatGPT.
Computers
and
Education:
Artificial
Intelligence,
5(1),
100174.
https://doi.org/10.1016/j.caeai.2023.100174
Loayza,
M.,
&
Moya,
M.
(2024).
Los
retos
de
la
inteligencia
artificial
en
el
proceso
de
enseñanza-
aprendizaje.
LATAM
Revista
Latinoamericana
de
Ciencias
Sociales
y
Humanidades,
5(2),
1983–
1996.
https://doi.org/10.56712/latam.v5i2.1989
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI
in education.
Pearson Education.
Menacho, M.,
Pizarro,
L.,
Osorio,
J.,
&
León,
B.
(2024).
Inteligencia
artificial
como
herramienta en
el
aprendizaje
autónomo
de
los
estudiantes
de
educación
superior.
Revista
INVECom,
4(2),
1–9.
https://doi.org/10.5281/zenodo.10693945
Moreno,
R.
(2019).
La
llegada
de
la
inteligencia
artificial
a
la
educación.
Revista
de
Investigación
en
Tecnologías de la Información (RITI), 7(14), 260–270.
https://doi.org/10.36825/RITI.07.14.022
Ocaña, Y., Valenzuela, L., & Garro, L. (2019). Inteligencia artificial y sus implicaciones en la educación
superior. Propósitos y Representaciones, 7(2), 536–568.
https://doi.org/10.20511/pyr2019.v7n2.274
Technology Rain
Journal
ISSN:
2953-464X (2025)
17
https://technologyrain.com.ar/
Okoli, C. (2015).
A guide to conducting a standalone systematic literature review. Communications of the
Association for Information Systems, 37(43), 879
–
910.
https://doi.org/10.17705/1CAIS.03743
Parra, J. (2022). Potencialidades de la inteligencia artificial en educación superior: un enfoque desde la
personalización.
Revista
Internacional
de
Tecnología
Educativa
Docente
2.0,
14(1),
19–27.
https://doi.org/10.37843/rted.v14i1.296
Rodríguez, A., & Cerezo, R. (2023). Aplicaciones de chatbots educativos en el aprendizaje universitario.
Revista Iberoamericana de Educación, 91(1), 45–62.
https://doi.org/10.35362/rie9115767
Russell, S., & Norvig, P. (2021).
Artificial Intelligence: A Modern Approach (4th ed.).
Pearson.
Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines.
Journal of
Business Research, 104, 333
–
339.
https://doi.org/10.1016/j.jbusres.2019.07.039
Schuett, J. (2021).
Defining the scope of AI regulation. Law, Innovation and Technology, 15(1), 60
–
82.
https://doi.org/10.1080/17579961.2023.2184135
UNESCO. (2023). Orientación para la inteligencia artificial generativa en educación e investigación. París:
UNESCO.
https://www.unesco.org/es/digital-education/ai-future-learning/guidance
Zawacki
-
Richter, O., Marín, V., Bond, M., & Gouverneur, F. (2019). Systematic review of research on
artificial intelligence applications in higher education
–
Where are the educators? International Journal
of Educational Technology Higher Education, 16(1),
39.
https://doi.org/10.1186/s41239
-
019
-
0171
-
0
https://technologyrain.com.ar/