Artículo de Investigación Original
Transformación digital en la educación superior: el papel emergente de la
Inteligencia Artificial
Digital Transformation in Higher Education: The Emerging Role of Artificial
Intelligence
Pedro Manuel Falconi Ayón
1[0000-0002-7878-092X]
, Francisco Xavier
Benítez Romero
2[0009-0001-7446-9624]
, Wellington Isaac Maliza Cruz
3[0009-0005-1426-583X]
1
Universidad Estatal del Sur de Manabí, Manabí, Ecuador.
pedro.falconi@unesum.edu.ec
2
Universidad Estatal de Guayaquil, Guayas, Ecuador.
fcoxaviergye@gmail.com
3
Universidad Técnica de Babahoyo, Los Ríos, Ecuador.
wmaliza@utb.edu.ec
|
CITA EN APA:
Falconi
Ayón,
P.
M.,
Benítez
Romero, F. X., & Maliza Cruz, W. I.
(2025). Transformación digital en la
educación
superior:
el
papel
emergente
de
la
Inteligencia
Artificial.
Technology
Rain
Journal
,
4
(1).
https://doi.org/10.55204/trj.v4i1.e76
Recibido:
27 de febrero del 2025
Aceptado:
12 de mayo del 2025
Publicado:
04 de junio del 2025
Technology Rain Journal
ISSN:
2953
-
464X
|
|
Resumen
.
Este
artículo
presenta
una
revisión
bibliográfica
narrativa
estructurada
sobre
el
papel
de
la
inteligencia
artificial
(IA)
en
la
transformación
digital
de
la
educación
superior.
El
estudio
analiza
literatura
académica
reciente
con
el
objetivo
de
identificar
cómo
las
tecnologías basadas en IA están siendo integradas en los procesos de
enseñanza, aprendizaje y gestión institucional. El análisis de 46 artículos
científicos arbitrados permitió identificar cuatro ejes temáticos clave: las
aplicaciones
actuales
de
la
IA
en
contextos
educativos,
la
personalización
del
aprendizaje
mediante
sistemas
adaptativos,
los
desafíos éticos y pedagógicos derivados de la automatización, y la escasa
evaluación
longitudinal
del
impacto
real
de
la
IA
en
el
rendimiento
estudiantil. La revisión destaca tanto las oportunidades como los riesgos:
la
IA
puede
mejorar
la
eficacia
educativa,
automatizar
tareas
administrativas
y
promover
el
aprendizaje
centrado
en
el
estudiante,
pero también plantea interrogantes sobre la transparencia algorítmica,
los sesgos, la privacidad y el papel del docente. Los hallazgos subrayan
la necesidad de una mirada crítica e interdisciplinaria que oriente una
adopción
responsable
de
la
IA
en
las
universidades,
alineando
la
innovación tecnológica con los valores pedagógicos, la inclusión y la
ética institucional.
Palabras
Clave:
Inteligencia
artificial
·
Transformación
digital
·
Educación superior · Aprendizaje adaptativo · Tecnología 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
:
This article presents a structured
narrative review on the role
of
Artificial
Intelligence
(AI)
in
the
digital
transformation
of
higher
education.
The
study
examines
recent
academic
literature
to
identify
how AI technologies are being integrated into teaching, learning, and
institutional ma
nagement processes. The analysis of 46 peer
-
reviewed
articles reveals four key thematic areas: current applications of AI in
educational
environments,
the
personalization
of
learning
through
adaptive
systems,
ethical
and
pedagogical
challenges
posed
by
aut
omation, and the limited longitudinal evaluation of AI’s real impact
on student outcomes. The review highlights both opportunities and risks:
AI
can
enhance
educational
effectiveness,
automate
administrative
tasks, and promote student
-
centered learning, bu
t it also raises questions
about transparency, bias, privacy, and the evolving role of educators.
Ultimately, this article contributes to the debate on how higher education
systems can transform digitally without losing sight of their formative
mission in
society.
Keywords:
Artificial
Intelligence
·
Digital
transformation
·
Higher
education · Adaptive learning · Educational technology
|
|
|
|
|
|
|
|
|
Technology Rain Journal
ISSN
: 2953-464X
Vol. 4 Núm. 1 (enero – junio 2025)
,e76
https://technologyrain.com.ar/
-
1.
INTRODUC
C
IÓN
La
educación
superior
atraviesa
una
profunda
transformación
impulsada
por
los
avances
tecnológicos y los cambios sociales que caracterizan la era digital. Esta transformación digital no se
limita únicamente a la adopción de herramientas tecnológicas, sino que implica una reconfiguración
estructural
de
los
modelos
pedagógicos,
los
sistemas
de
gestión
académica
y
las
prácticas
institucionales (García-Peñalvo, 2021).
En este contexto, las universidades enfrentan el
desafío de adaptar sus
procesos
de enseñanza-
aprendizaje, evaluación y administración a un entorno caracterizado por la hiperconectividad, el
acceso masivo a la información y la necesidad de desarrollar nuevas competencias digitales en
estudiantes y docentes.
En este proceso de transformación, la Inteligencia Artificial (IA) ha emergido como un catalizador
de
cambio
con
alto
potencial
disruptivo.
Sus
aplicaciones
en
la
educación
superior
van
desde
sistemas
de
tutoría
inteligente,
asistentes
virtuales,
algoritmos
de
análisis
predictivo
y
personalización del aprendizaje, hasta plataformas que facilitan la retroalimentación automática y
la gestión institucional basada en datos (Holmes et al., 2021; Zawacki-Richter et al., 2019).
La
transformación
digital
implica
mucho
más
que
incorporar
tecnología:
requiere
una
cultura
institucional orientada a la innovación, con estructuras flexibles, procesos integrados y políticas que
fomenten el aprendizaje permanente y la equidad. En este contexto, el rol de la Inteligencia Artificial
(IA) se vuelve estratégico, al facilitar decisiones.
Estas tecnologías no solo redefinen los roles tradicionales del docente y del estudiante, sino que
también plantean interrogantes éticos, pedagógicos y políticos sobre la autonomía, la privacidad y
el sentido humano del aprendizaje.
En este escenario, se hace necesario reflexionar críticamente sobre el papel emergente de la IA en
la educación superior y su contribución —o posible amenaza— al ideal de una enseñanza centrada
en la formación integral. Comprender el impacto real de la IA requiere un análisis riguroso de sus
aplicaciones actuales, sus aportes al aprendizaje y sus implicaciones para el diseño curricular, la
evaluación, la equidad y la inclusión educativa.
Falconi Ayón, P. M., Benítez Romero, F. X., & Maliza Cruz, W. I. (2025).
2
https://technologyrain.com.ar/
Figura 1
. Componentes clave de una estrategia de transformación digital institucional
La Figura 1 aborda la estructura estratégica que orienta el cumplimiento de la misión institucional
en el ámbito universitario, articulando cuatro ejes estratégicos fundamentales: educación integral de
calidad, generación y aplicación del conocimiento, vinculación estratégica y gestión responsable.
Estos
ejes
se
complementan
con
líneas
transversales
que
potencian
su
alcance:
innovación,
internacionalización y responsabilidad social. En conjunto, este modelo refuerza una visión holística
y sistémica de la educación superior, orientada tanto a la excelencia académica como al compromiso
ético y social de la institución.
1.1 La transformación digital en la educación superior
La transformación digital en el ámbito universitario no se limita a la incorporación de plataformas
virtuales o al uso aislado de recursos tecnológicos; constituye una reconfiguración profunda del
ecosistema
educativo
que
modifica
las
formas
de
concebir,
gestionar
y
ofrecer
la
enseñanza-
aprendizaje.
Este
proceso
implica
no
solo
el
uso
de
tecnologías
emergentes,
sino
también
una
transformación cultural, organizativa y pedagógica en todos los niveles de la institución (Selwyn,
2020).
La digitalización de la educación superior requiere la adopción de modelos educativos flexibles,
híbridos y centrados en el estudiante, que promuevan la autonomía, la colaboración y la creación de
conocimiento en entornos distribuidos y mediados por tecnologías digitales (Bates et al., 2020;
Redecker, 2017). Esto supone un rediseño integral de las estrategias pedagógicas, la virtualización
Technology Rain
Journal
ISSN:
2953-464X (2025)
3
https://technologyrain.com.ar/
de los procesos de enseñanza, la reconfiguración del rol docente, y una integración sistemática de
datos para la evaluación y toma de decisiones basada en evidencia (García-Peñalvo, 2021).
En este nuevo escenario, las universidades deben repensar su misión formativa, los indicadores de
calidad, los modelos de evaluación y los mecanismos de aseguramiento del aprendizaje, con una
visión orientada al desarrollo de competencias profesionales en un entorno global, automatizado y
altamente cambiante (UNESCO IESALC, 2022). La transformación digital no es un destino, sino
un proceso continuo que exige innovación institucional, liderazgo académico y políticas sostenibles
de desarrollo tecnológico y humano.
Figura 2
. Componentes clave de una estrategia de transformación digital institucional
La
Figura
2
aborda
los
elementos
fundamentales
que
configuran
una
estrategia
integral
de
transformación
digital
en
el
contexto
institucional.
Se
destacan
cinco
componentes
interrelacionados:
la
redefinición
y
automatización
de
procesos,
el
fortalecimiento
de
las
capacidades digitales del personal, la adopción de nuevas herramientas tecnológicas, el impulso de
una cultura digital sólida y la formulación
de una estrategia central
orientada al
cambio. Estos
elementos
reflejan un
enfoque holístico que reconoce
tanto las dimensiones tecnológicas como
humanas
del
proceso
de
transformación,
siendo
especialmente
relevantes
para
instituciones
de
educación superior en procesos de modernización y adaptación a entornos digitales.
1.2 La Inteligencia Artificial como motor de cambio educativo
La
IA,
en
este
contexto,
representa
una
de
las
tecnologías
más
prometedoras
para
transformar
profundamente los procesos educativos. Su capacidad para analizar grandes volúmenes de datos,
Falconi Ayón, P. M., Benítez Romero, F. X., & Maliza Cruz, W. I. (2025).
4
https://technologyrain.com.ar/
identificar
patrones
de
comportamiento
estudiantil,
generar
contenidos
personalizados
y
automatizar
tareas
repetitivas,
permite
el
desarrollo
de
entornos
de
aprendizaje
adaptativos,
eficientes y centrados en el estudiante (Luckin et al., 2016; Zawacki-Richter et al., 2019). Estas
aplicaciones
no
solo
optimizan
la
gestión
del
aprendizaje,
sino
que
también
amplían
las
posibilidades de personalización, lo cual contribuye a una educación más inclusiva y ajustada a los
ritmos y necesidades individuales (Holmes et al., 2021).
Además,
la
IA
permite
implementar
sistemas
de
tutoría
inteligente,
analítica
de
aprendizaje
predictiva, asistentes conversacionales (chatbots) y plataformas que monitorean en tiempo real el
progreso académico, generando alertas tempranas sobre posibles dificultades o abandonos (Pedro
et al., 2019). Estas funcionalidades están siendo exploradas por universidades de todo el mundo
como parte de sus estrategias de innovación educativa y aseguramiento de la calidad académica
(UNESCO, 2021).
Sin
embargo,
junto
con
estas
potencialidades
emergen
preocupaciones
éticas,
pedagógicas
y
filosóficas que exigen atención crítica. Entre los desafíos más relevantes se encuentran: ¿cómo
garantizar
la
transparencia
de
los
algoritmos
utilizados
en
decisiones
educativas?
¿Qué
riesgos
existen en cuanto a la reproducción de sesgos algorítmicos o la pérdida de agencia por parte del
estudiante?
¿Qué
lugar
ocupará
el
docente
cuando
la
retroalimentación
y
la
evaluación
estén
mediadas por sistemas automatizados? (Williamson & Eynon, 2020; Knox, 2020).
Responder a estas preguntas requiere una mirada crítica, ética y multidisciplinaria que articule los
avances tecnológicos con los principios pedagógicos, la equidad educativa y la responsabilidad
institucional. No se trata únicamente de incorporar IA como una herramienta más, sino de repensar
el modelo educativo en función de sus impactos sociales, cognitivos y culturales. En este sentido,
el estudio del papel emergente de la IA en la educación superior no debe abordarse como una moda
tecnológica,
sino
como
una
necesidad
estratégica,
epistemológica
y
académica
para
las
universidades del siglo XXI (Selwyn, 2020).
El
presente
artículo
tiene
como
objetivo
revisar
críticamente
la
literatura
científica
sobre
la
integración
de
la
inteligencia
artificial
en
el
proceso
de
transformación
digital
de
la
educación
superior, identificando sus principales aplicaciones, beneficios, desafíos y proyecciones. Para ello,
se plantean las siguientes preguntas de revisión:
Technology Rain
Journal
ISSN:
2953-464X (2025)
5
https://technologyrain.com.ar/
-
✓
¿Qué beneficios y riesgos educativos se asocian con el uso de IA en entornos de aprendizaje
superior?
-
✓
¿Qué desafíos éticos, institucionales y pedagógicos plantea la incorporación de IA en el
marco de la transformación digital?
-
✓
¿Qué
tendencias
emergen
en
la
literatura
respecto
al
futuro
de
la
IA
en
la
educación
universitaria?
2.
MARCO TEÓRICO
2.1
Transformación digital en la educación superior
La transformación digital en el ámbito universitario supone una reconfiguración estructural de los
modelos
tradicionales
de
educación.
Este
cambio
se
basa
en
la
convergencia
de
tecnologías
digitales, datos masivos y nuevos marcos pedagógicos, que impulsan una evolución en la misión, la
visión
y
los
procesos
operativos
de
las
instituciones
de
educación
superior
(Redecker,
2017).
Modelos como el
Framework for Digitally Competent Educational Organisations (DigCompOrg)
proponen
dimensiones
clave
para
esta
transformación:
liderazgo
digital,
currículo
digital,
pedagogías innovadoras, formación docente, y uso ético de la tecnología (Kampylis et al., 2015).
La
transformación
digital
implica
mucho
más
que
incorporar
tecnología:
requiere
una
cultura
institucional orientada a la innovación, con estructuras flexibles, procesos integrados y políticas que
fomenten el aprendizaje permanente y la equidad. En este contexto, el rol de la Inteligencia Artificial
(IA)
se
vuelve
estratégico,
al
facilitar
decisiones
basadas
en
datos,
generar
ecosistemas
de
aprendizaje conectados y expandir las posibilidades de personalización educativa (UNESCO, 2022).
2.2 Aplicaciones actuales de la Inteligencia Artificial en la educación
Las aplicaciones de la
IA en la educación
superior han evolucionado significativamente en los
últimos años. Destacan los sistemas de tutoría inteligente, capaces de adaptar los contenidos según
el rendimiento y estilo de aprendizaje del estudiante; los chatbots educativos, que ofrecen asistencia
inmediata sobre contenidos, horarios o trámites; y la analítica de aprendizaje, que permite identificar
patrones de comportamiento y predecir el rendimiento académico (Zawacki-Richter et al., 2019;
Pedro et al., 2019).
Un
ejemplo
ampliamente
adoptado
son
los
asistentes
virtuales
conversacionales,
integrados
en
plataformas LMS (como Moodle o Canvas), que responden dudas frecuentes, sugieren recursos y
acompañan al estudiante en procesos de autoevaluación. Estas herramientas liberan carga docente
y mejoran la experiencia educativa (Holmes et al., 2021). Asimismo, algoritmos de IA se están
Falconi Ayón, P. M., Benítez Romero, F. X., & Maliza Cruz, W. I. (2025).
6
https://technologyrain.com.ar/
utilizando para el procesamiento automático del lenguaje natural en correcciones, retroalimentación
escrita y monitoreo del progreso.
No
obstante,
estas
aplicaciones
requieren
infraestructura
tecnológica
adecuada,
políticas
de
protección
de
datos
y
formación
docente
para
garantizar
su
uso
pedagógico
efectivo
(García-
Peñalvo, 2021).
Tabla
1
. Aplicaciones de la Inteligencia Artificial
en la educación
superior: usos,
beneficios y
desafíos
|
Aplicación de IA
|
Descripción
|
Beneficios pedagógicos
|
Limitaciones o desafíos
|
|
Chatbots
educativos
|
Agentes conversacionales
automatizados para responder
dudas estudiantiles
|
Respuesta inmediata,
autonomía del estudiante,
soporte 24/7
|
Respuestas limitadas, falta
de personalización
emocional
|
|
Sistemas de
tutoría inteligente
|
Plataformas que adaptan
contenidos según el
rendimiento y ritmo del
estudiante
|
Aprendizaje personalizado,
mejora del rendimiento
|
Complejidad en diseño,
necesidad de datos de alta
calidad
|
|
Analítica de
aprendizaje
|
Recolección y análisis de
datos sobre la interacción del
estudiante
|
Detección de riesgos,
retroalimentación oportuna,
toma de decisiones
|
Riesgos de privacidad,
dependencia de
infraestructura tecnológica
|
|
Corrección
automatizada
|
Uso de IA para evaluar tareas
o exámenes escritos
|
Agilidad en la evaluación,
retroalimentación inmediata
|
Limitada en tareas
creativas o discursivas
complejas
|
|
Recomendación de
contenidos
|
Algoritmos que sugieren
recursos en función de
intereses y desempeño
|
Relevancia del material,
mayor engagement
|
Posibles sesgos
algorítmicos, falta de
diversidad de perspectivas
|
|
Asistentes
virtuales
|
Interfaces inteligentes
integradas en LMS u otras
plataformas
|
Apoyo a la navegación,
recordatorios, gestión del
tiempo
|
Problemas de integración
o accesibilidad si no están
bien diseñados
|
En la Tabla 1 se puede identificar una panorámica de las principales aplicaciones de la inteligencia
artificial
en
la
educación
superior,
junto
con
sus
beneficios
pedagógicos
más
destacados
y
las
limitaciones que condicionan su implementación.
Este análisis revela que, si
bien la
IA ofrece
oportunidades significativas para optimizar el aprendizaje, personalizar contenidos y mejorar la
toma de decisiones educativas, su efectividad depende en gran medida de factores contextuales
como la infraestructura tecnológica, la formación docente, la calidad de los datos y las políticas
institucionales.
Asimismo,
se
advierte
la
necesidad
de
abordar
las
implicaciones
éticas
y
pedagógicas asociadas al uso extensivo de estas herramientas, promoviendo un enfoque equilibrado
entre innovación tecnológica y responsabilidad educativa.
Technology Rain
Journal
ISSN:
2953-464X (2025)
7
https://technologyrain.com.ar/
2.3 IA y personalización del aprendizaje
Uno de los aportes más valiosos de la IA en educación es su capacidad para favorecer el aprendizaje
personalizado y adaptativo
.
A través del análisis continuo de datos de
interacción, los sistemas
pueden sugerir rutas de aprendizaje, materiales ajustados al nivel de comprensión del estudiante y
ritmos de trabajo individualizados (Luckin et al., 2016; Holmes et al., 2021).
Esto resulta especialmente útil en entornos de educación masiva (MOOC), donde la IA permite
ofrecer experiencias diferenciadas a gran escala. También contribuye a la accesibilidad, al adaptar
contenidos para personas con discapacidades visuales, auditivas o cognitivas, mediante lectores
automáticos, subtitulación inteligente y ajustes dinámicos del entorno (UNESCO, 2021).
Asimismo, la IA promueve la evaluación formativa continua, generando informes personalizados
que retroalimentan tanto al estudiante como al docente sobre el progreso y las áreas de mejora. Esta
capacidad
de
adaptación
en
tiempo
real
fortalece
el
desarrollo
de
competencias
clave
y
el
aprendizaje autónomo (Zawacki-Richter et al., 2019).
2.4 Desafíos éticos y pedagógicos de la IA en entornos educativos
Pese a sus beneficios, la integración de la IA en la educación plantea importantes desafíos éticos y
pedagógicos. Uno de los principales riesgos es la
reproducción de sesgos algorítmicos
, que pueden
afectar la equidad educativa al discriminar sutilmente en función de datos de género, etnia o nivel
socioeconómico (Williamson & Eynon, 2020).
La privacidad y seguridad de los datos es otro aspecto crítico. Muchas aplicaciones de IA requieren
recolectar información sensible de los estudiantes, lo que demanda marcos normativos robustos y
transparentes para su protección (UNESCO, 2021). Además, se cuestiona el rol del docente, frente
al avance de sistemas automatizados que pueden asumir funciones tradicionalmente humanas, como
la retroalimentación, la mediación del conflicto o el acompañamiento emocional (Selwyn, 2020).
Finalmente, existe el riesgo de una dependencia tecnológica acrítica, donde el uso de IA se imponga
sin
una
reflexión
pedagógica
adecuada,
reforzando
modelos
conductistas
o
utilitaristas
que
contradicen los principios de formación integral. Por ello, se requiere una alfabetización crítica en
IA, tanto para educadores como para diseñadores de políticas (Knox, 2020).
Falconi Ayón, P. M., Benítez Romero, F. X., & Maliza Cruz, W. I. (2025).
8
https://technologyrain.com.ar/
2.5 Competencias docentes en la era de la inteligencia artificial
Uno de los factores críticos para una integración efectiva de la inteligencia artificial (IA) en la
educación superior es la formación y desarrollo de competencias digitales en el profesorado. La
mayoría
de
las
revisiones
coinciden
en
que,
sin
un
cuerpo
docente
capacitado
y
críticamente
alfabetizado
en
tecnologías
emergentes,
cualquier
esfuerzo
institucional
por
transformar
la
enseñanza mediante IA corre el riesgo de ser superficial o contraproducente (Cabero-Almenara et
al., 2022; Salinas & Pérez, 2021).
La
IA
no
solo
requiere
habilidades
técnicas,
sino
también
competencias
éticas,
pedagógicas
y
reflexivas. Docentes universitarios deben ser capaces de seleccionar y evaluar herramientas basadas
en IA, interpretar los datos generados por sistemas inteligentes, diseñar experiencias de aprendizaje
personalizadas y mantener el control humano en decisiones educativas automatizadas. Esto supone
avanzar desde una alfabetización digital básica hacia una alfabetización crítica e inclusiva, capaz de
equilibrar innovación con equidad y responsabilidad social (Holmes, Tuomi & Castañeda, 2022).
Actualmente, diversos
marcos de referencia,
como
el
DigCompEdu propuesto
por la Comisión
Europea, ofrecen guías detalladas para evaluar y mejorar las competencias docentes en este ámbito.
Sin embargo, su implementación a nivel institucional requiere inversión sostenida, acompañamiento
profesional y cultura de innovación, especialmente en contextos donde persisten brechas digitales y
resistencia al cambio (Redecker, 2017; García-Peñalvo, 2021).
En este sentido, capacitar al profesorado no debe ser visto como una acción puntual, sino como una
estrategia
estructural
para
garantizar
una
transformación
digital
con
sentido
pedagógico,
que
coloque al docente como mediador esencial en el uso ético y eficaz de la inteligencia artificial en la
enseñanza universitaria.
-
3.
METODOLOGÍA O MATERIALES Y METODOS
Este artículo se enmarca en una revisión bibliográfica narrativa estructurada, orientada a explorar el
estado del arte sobre el papel emergente de la inteligencia artificial (IA) en la transformación digital
de la educación superior. A diferencia de las revisiones sistemáticas, este enfoque metodológico
permite una aproximación crítica, interpretativa y flexible a los documentos seleccionados, lo que
resulta especialmente útil cuando se abordan fenómenos multidimensionales, en evolución y con
abundante producción científica reciente (Ferrari, 2015).
Technology Rain
Journal
ISSN:
2953-464X (2025)
9
https://technologyrain.com.ar/
La revisión narrativa estructurada permite integrar, organizar y analizar diversos tipos de evidencia
—teórica, empírica y normativa— con el propósito de identificar tendencias, categorías emergentes,
vacíos investigativos y líneas de debate académico (Baumeister & Leary, 1997). Esta metodología
fue
elegida
debido
a
la
amplitud
temática
del
objeto
de
estudio,
que
abarca
tanto
aplicaciones
tecnológicas como implicaciones éticas, institucionales y pedagógicas.
Se construyó una estrategia de búsqueda rigurosa y replicable (descrita en el apartado 3.1), que
permitió la selección intencionada de fuentes científicas arbitradas, publicadas entre 2018 y 2024,
en idioma español e inglés. Posteriormente, se realizó una lectura crítica y codificación temática de
los textos seleccionados, permitiendo identificar patrones comunes y divergencias conceptuales en
torno a la implementación de IA en contextos universitarios.
3.1 Estrategia de búsqueda
Con
el
fin
de
garantizar
la
exhaustividad
y
validez
de
la
revisión
bibliográfica,
se
diseñó
una
estrategia de búsqueda sistemática orientada a identificar investigaciones relevantes sobre el papel
de
la
inteligencia
artificial
(IA)
en
la
transformación
digital
de
la
educación
superior.
La
recopilación de fuentes se llevó a cabo en bases de datos científicas internacionales de alto impacto,
reconocidas por su cobertura en el ámbito educativo, tecnológico y de ciencias sociales: Scopus,
Web of Science, ERIC, Google Scholar y ScienceDirect.
Criterios de inclusión
-
✓
Artículos científicos y revisiones publicadas en revistas indexadas.
-
✓
Estudios con enfoque explícito en educación superior.
-
✓
Publicaciones entre 2018 y 2024.
-
✓
Documentos en español e inglés.
Criterios de exclusión:
-
✓
Fuentes no arbitradas o sin respaldo académico.
-
✓
Documentos centrados exclusivamente en educación básica.
-
✓
Publicaciones duplicadas o que no ofrecieran datos sustanciales.
3.2 Selección y análisis
El proceso de selección se realizó en tres etapas:
-
1.
Lectura de títulos y resúmenes para filtrar relevancia temática.
-
2.
Lectura completa de textos seleccionados para verificar su pertinencia.
Falconi Ayón, P. M., Benítez Romero, F. X., & Maliza Cruz, W. I. (2025).
10
https://technologyrain.com.ar/
-
3.
Codificación
temática
de
los
documentos
válidos,
clasificando
los
aportes
en
categorías
emergentes:
aplicaciones
de
IA,
personalización
del
aprendizaje,
desafíos
éticos,
y
tendencias futuras.
En
total,
se
analizaron
46
artículos
que
cumplían
con
los
criterios
establecidos,
los
cuales
constituyen la base del análisis presentado en las siguientes secciones.
Tabla 2.
Resumen de la estrategia metodológica de la revisión bibliográfica
|
Elemento
|
Descripción
|
|
Tipo de estudio
|
Revisión bibliográfica narrativa estructurada
|
|
Enfoque
|
Cualitativo, interpretativo
|
|
Bases de datos
|
Scopus, Web of Science, ERIC, ScienceDirect, Google Scholar
|
|
Palabras clave
|
“inteligencia artificial”, “educación superior”, “transformación digital”,
“aprendizaje personalizado”
|
|
Idioma de búsqueda
|
Español e inglés
|
|
Criterios de inclusión
|
Artículos científicos arbitrados; enfoque en educación superior; publicados
entre 2018–2024
|
|
Criterios de exclusión
|
Fuentes no científicas; centradas en educación básica; duplicadas o sin
aportes relevantes
|
|
Tamaño final del corpus
|
46 artículos
|
|
Técnica de análisis
|
Codificación temática y categorización por áreas de aplicación, beneficios,
desafíos y tendencias
|
La Tabla 2 resume las principales características metodológicas que guiaron el proceso de revisión
bibliográfica.
Se
optó
por
una
estrategia
narrativa
estructurada
con
enfoque
cualitativo
e
interpretativo, orientada a identificar patrones temáticos y vacíos de conocimiento en la literatura
científica reciente. La selección rigurosa de fuentes en bases de datos académicas reconocidas y la
aplicación de criterios específicos permitieron construir un corpus documental sólido y pertinente.
Esta estrategia metodológica facilitó un análisis en profundidad sobre el papel emergente de la
inteligencia artificial en la transformación digital de la educación superior.
-
4.
RESULTADOS
El análisis de los 46 artículos revisados, seleccionados mediante criterios de pertinencia, calidad
científica y actualidad, permitió identificar cuatro ejes temáticos fundamentales que estructuran el
papel
emergente
de
la
inteligencia
artificial
(IA)
en
el
proceso
de
transformación
digital
de
la
educación superior. Estos ejes no solo sintetizan las principales líneas de aplicación y desarrollo de
Technology Rain
Journal
ISSN:
2953-464X (2025)
11
https://technologyrain.com.ar/
la IA en contextos universitarios, sino que también reflejan las tensiones, oportunidades y desafíos
que acompañan su integración institucional.
En
conjunto,
los
ejes
permiten
comprender
cómo
la
IA
está
reconfigurando
tanto
los
modelos
pedagógicos
tradicionales
como
las
dinámicas
de
gestión
académica
y
administrativa,
abriendo
nuevas posibilidades para la personalización del aprendizaje, la toma de decisiones basada en datos,
y
la
automatización
de
procesos.
No
obstante,
también
emergen
preocupaciones
críticas
relacionadas con la equidad, la transparencia, el rol docente y el sentido humanista de la educación
superior. Integración institucional desigual: Si bien algunas universidades han adoptado la IA en
múltiples niveles (académico, administrativo, evaluativo), la mayoría de las publicaciones coinciden
en señalar que su integración es fragmentada y depende del contexto socioeconómico, las políticas
públicas y la visión institucional (García-Peñalvo, 2021; UNESCO, 2022).
Estos tres ejes definidos tras un proceso de codificación temática inductiva y revisión cruzada de
patrones en los estudios analizados, permitiendo articular una visión integral y crítica del fenómeno
estudiado y se presenta a continuación:
-
1.
Predominio de aplicaciones centradas en la personalización del aprendizaje: Las tecnologías
más reportadas en los estudios analizados son los sistemas de tutoría inteligente, la analítica
de aprendizaje y los chatbots. Estas herramientas están orientadas principalmente a mejorar
la experiencia del estudiante, aumentar la retención de conocimientos y ofrecer itinerarios
formativos individualizados (Zawacki-Richter et al., 2019; Holmes et al., 2021).
-
2.
Debate
ético-pedagógico
creciente:
Un
número
considerable
de
investigaciones
advierte
sobre los riesgos de sesgos algorítmicos, la pérdida de agencia educativa, y el reemplazo
parcial del rol docente por sistemas automatizados. Estas preocupaciones éticas se presentan
con mayor énfasis en estudios europeos y latinoamericanos, donde se subraya la necesidad
de una alfabetización digital crítica (Williamson & Eynon, 2020; Knox, 2020).
-
3.
Escasa
evaluación
del
impacto
a
largo
plazo:
Aunque
se
describen
experiencias
prometedoras, son escasos los estudios que evalúan con métricas claras el impacto sostenido
de la IA en los aprendizajes o en la mejora de los procesos institucionales. Esto sugiere un
vacío investigativo en torno a modelos de evaluación longitudinal y análisis comparativos
entre contextos (Pedro et al., 2019).
En conjunto, los resultados indican que la IA es una tecnología emergente con alto potencial
transformador,
pero
que
su
adopción
efectiva
en
la
educación
superior
requiere
alineación
pedagógica, visión estratégica y marcos éticos robustos. La literatura muestra un consenso sobre
Falconi Ayón, P. M., Benítez Romero, F. X., & Maliza Cruz, W. I. (2025).
12
https://technologyrain.com.ar/
la necesidad de integrar la IA desde un enfoque humanista, que priorice la formación integral y
la equidad educativa.
Tabla 3.
Ejes temáticos identificados en la revisión sobre IA y transformación digital en la
educación superior
|
Eje temático
|
Descripción
|
Referencias clave
|
|
Integración
institucional desigual
|
Adopción fragmentada de la IA en universidades;
depende
del
contexto,
liderazgo
y
recursos
disponibles.
|
García-Peñalvo
(2021);
UNESCO
(2022)
|
|
Enfoque
en
personalización
del
aprendizaje
|
Uso
predominante
de
tutorías
inteligentes,
analítica de aprendizaje y chatbots para mejorar la
experiencia del estudiante.
|
Zawacki-Richter et al.
(2019);
Holmes
et
al.
(2021)
|
|
Preocupaciones
éticas
y pedagógicas
|
Riesgos
de
sesgos,
pérdida
del
rol
docente
y
automatización
acrítica.
Se
requiere
una
alfabetización digital crítica.
|
Williamson
&
Eynon
(2020); Knox (2020)
|
|
Escasa
evaluación
longitudinal
|
Pocos estudios miden el impacto sostenido de la
IA
en
aprendizajes
o
procesos
institucionales.
Falta de métricas claras y análisis comparativos.
|
Pedro
et
al.
(2019);
Zawacki-Richter et al.
(2019)
|
La Tabla 3 sintetiza los principales ejes temáticos identificados en la literatura revisada, lo que
permite comprender de manera estructurada los avances, tendencias y vacíos en la implementación
de la IA dentro de los procesos de transformación digital en las universidades. Estos resultados
constituyen la base para la discusión crítica y la proyección de líneas futuras de investigación.
-
5.
DISCUSION
La revisión de la literatura evidencia que la inteligencia artificial (IA) está emergiendo como una
tecnología con alto potencial transformador en el contexto universitario. Sin embargo, su adopción
se produce en medio de tensiones estructurales, desigualdades tecnológicas y debates pedagógicos
no
resueltos
.
Aunque
los
beneficios
de
la
IA
—como
la
personalización
del
aprendizaje,
el
monitoreo
en
tiempo
real
y
la
automatización
de
tareas—
son
ampliamente
reconocidos,
su
implementación
efectiva
sigue
siendo
limitada
por
factores
institucionales,
culturales
y
éticos
(Holmes et al., 2021; García-Peñalvo, 2021).
En primer lugar, los resultados confirman que la IA tiende a utilizarse más como herramienta de
apoyo operativo o instruccional que como un componente profundamente integrado en los modelos
pedagógicos. Esta brecha entre innovación tecnológica y transformación curricular muestra que
Technology Rain
Journal
ISSN:
2953-464X (2025)
13
https://technologyrain.com.ar/
muchas universidades aún carecen de una visión estratégica y sistémica para incorporar tecnologías
inteligentes de forma sostenible y coherente con su proyecto educativo (UNESCO IESALC, 2022).
En segundo lugar, la discusión ética en torno al uso de IA en educación superior cobra cada vez más
relevancia.
Preocupa
especialmente
la
opacidad
de
los
algoritmos,
los
sesgos
en
la
toma
de
decisiones automatizadas y la posible deshumanización de la relación educativa (Williamson &
Eynon, 2020; Knox, 2020). Estos aspectos invitan a repensar el rol del docente, no como un actor
reemplazable, sino como un mediador crítico y ético de entornos híbridos y automatizados.
Además, la escasa evaluación longitudinal de impactos señala una debilidad metodológica en la
literatura analizada. La mayoría de los estudios se enfocan en experiencias puntuales, con poco
seguimiento o sin comparar indicadores de aprendizaje a mediano o largo plazo. Esto limita la
posibilidad de establecer buenas prácticas replicables o de definir políticas basadas en evidencia
(Pedro et al., 2019).
Por tanto, esta discusión invita a avanzar hacia una integración de la IA que no solo sea técnicamente
eficiente, sino pedagógicamente significativa y socialmente justa
.
Para ello, se requiere fortalecer la
formación
docente
en
competencias
digitales
e
inteligencia
artificial,
impulsar
marcos
institucionales
que
promuevan
la
experimentación
ética
con
estas
tecnologías,
y
fomentar
una
cultura de innovación educativa centrada en el bienestar del estudiante.
En suma, más que centrarse en lo que la IA puede hacer, las universidades deben preguntarse cómo
y para qué utilizarla en función de sus fines formativos, valores institucionales y compromisos con
la equidad y la calidad.
-
6.
C
ONCLUSIONES
La
presente
revisión
bibliográfica
ha
permitido
identificar
que
la
inteligencia
artificial
(IA)
representa un eje estratégico en la transformación digital de la educación superior. Lejos de ser una
herramienta auxiliar, la IA se configura como una tecnología estructurante que redefine el modo en
que se concibe, gestiona y ofrece la experiencia educativa. Sus aplicaciones, que van desde los
sistemas de tutoría inteligente hasta la analítica de aprendizaje, han mostrado un notable potencial
para fortalecer la personalización, la eficiencia institucional y la toma de decisiones pedagógicas
basadas en datos.
Sin embargo, este potencial se ve matizado por limitaciones significativas: desigualdades en su
adopción, resistencia institucional, carencias en la formación docente y serias preocupaciones éticas.
La literatura revisada coincide en que la integración de la IA no debe responder únicamente a una
Falconi Ayón, P. M., Benítez Romero, F. X., & Maliza Cruz, W. I. (2025).
14
https://technologyrain.com.ar/
lógica tecnocrática, sino a una planificación educativa que contemple la equidad, la transparencia
algorítmica, la protección de datos y el rol irremplazable del docente como mediador humano del
conocimiento.
En
este
contexto,
se
concluye
que
la
IA
debe
ser
incorporada
de
manera
crítica,
gradual
y
contextualizada, como parte de una estrategia institucional orientada al fortalecimiento de la calidad
y la pertinencia educativa. Las universidades tienen la responsabilidad de liderar esta transición
desde una perspectiva ética y formativa, integrando a todos los actores del ecosistema educativo.
6.1 Líneas futuras de investigación
A partir de los vacíos detectados en la literatura, se proponen las siguientes líneas prioritarias para
futuras investigaciones:
-
✓
Evaluación longitudinal del impacto de la IA en el rendimiento académico, la retención
estudiantil y la empleabilidad.
-
✓
Estudios comparativos entre contextos universitarios diversos para identificar modelos de
implementación efectivos.
-
✓
Investigación sobre los marcos éticos y normativos necesarios para la regulación del uso de
IA en contextos educativos.
-
✓
Desarrollo
de
competencias
docentes
específicas
para
el
uso
pedagógico
de
tecnologías
basadas en inteligencia artificial.
-
✓
Exploración del papel de la IA en la educación inclusiva, la accesibilidad y la reducción de
brechas digitales.
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:
|
|
Falconi Pedro.
|
Benitez
Francisco.
|
Maliza
Wellington
|
|
Participar activamente en:
|
|
|
|
|
Conceptualización
|
X
|
X
|
|
|
Análisis formal
|
X
|
X
|
X
|
|
Adquisición de fondos
|
|
X
|
|
|
Investigación
|
X
|
X
|
|
|
Metodología
|
X
|
|
X
|
|
Administración del proyecto
|
|
X
|
X
|
|
Recursos
|
X
|
X
|
|
|
Redacción –borrador original
|
X
|
|
X
|
|
Redacción –revisión y edición
|
|
|
|
|
La discusión de los resultados
|
X
|
X
|
X
|
|
Revisión y aprobación de la versión final del trabajo.
|
X
|
X
|
X
|
Technology Rain
Journal
ISSN:
2953-464X (2025)
15
https://technologyrain.com.ar/
REFERENCIAS BIBLIOGRÁFICAS:
Bates, T., Desbiens, B., & Tournier, S. (2020).
Online and distance education in Canada
.
Contact
North.
Baumeister, R. F., & Leary, M. R. (1997). Writing narrative literature reviews.
Review of General
Psychology
, 1(3), 311
–
320. https://doi.org/10.1037/1089
-
2680.1.3.311
Cabero-Almenara, J., Llorente-Cejudo, M. C., & Marín-Díaz, V. (2022). Formación docente en
competencias digitales para la integración
de la
inteligencia artificial en
educación
superior.
Educación XX1
, 25(1), 105–126. https://doi.org/10.5944/educxx1.30663
Ferrari,
R.
(2015).
Writing
narrative
style
literature
reviews.
Medical
Writing
,
24(4),
230
–
235.
https://doi.org/10.1179/2047480615Z.000000000329
García-Peñalvo, F. J. (2021). La transformación digital en las universidades: Un modelo conceptual
para
su
análisis.
Education
in
the
Knowledge
Society
(EKS)
,
22,
e25479.
https://doi.org/10.14201/eks.25479
Holmes, W., Bialik, M., & Fadel, C. (2021).
Artificial intelligence in education: Promises and
implications for teaching and learning
.
Center for Curriculum Redesign.
Holmes, W., Tuomi, I., & Castañeda, L. (2022).
Educators and AI: A call for purposeful and critical
integration.
British
Journal
of
Educational
Technology
,
53(4),
645–661.
https://doi.org/10.1111/bjet.13173
Kampylis, P., Punie, Y., & Devine, J. (2015).
Promoting effective digital
-
age learning: A European
framework
for
digitally
-
competent
educational
organisations
(DigCompOrg)
.
JRC
Scientific
and Policy Reports. https://doi.org/10.2791/54070
Knox,
J.
(2020).
Artificial
Intelligence
and
Education
in
China.
In
AI
for
Education
Futures
.
Routledge.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016).
Intelligence unleashed: An argument
for AI in education
.
Pearson.
Pedro,
F.,
Subosa,
M.,
Rivas,
A.,
&
Valverde,
P.
(2019).
Artificial
Intelligence
in
Education:
Challenges
and
Opportunities
for
Sustainable
Development
.
UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000366994
Redecker, C. (2017).
European framework for the digital competence of educators: DigCompEdu
.
Publications Office of the European Union. https://doi.org/10.2760/159770
Falconi Ayón, P. M., Benítez Romero, F. X., & Maliza Cruz, W. I. (2025).
16
https://technologyrain.com.ar/
Salinas,
J.,
&
Pérez,
A.
(2021).
Competencias
digitales
del
profesorado
universitario
para
una
docencia
transformadora.
Revista
de
Educación
a
Distancia
(RED)
,
21(65).
https://doi.org/10.6018/red.448521
Selwyn, N. (2020).
Should robots replace teachers? AI and the future of education
.
Polity Press.
UNESCO. (2021).
AI and education: Guidance for policy
-
makers
.
UNESCO Publishing.
UNESCO. (2022).
Reimaginar juntos nuestros futuros: Un nuevo contrato social para la educación
.
Informe
de
la
Comisión
Internacional
sobre
los
Futuros
de
la
Educación.
https://unesdoc.unesco.org/ark:/48223/pf0000379707
UNESCO IESALC. (2022).
La transformación digital de la educación superior en América Latina
y el Caribe
. Instituto Internacional para la Educación Superior en América Latina y el Caribe.
https://www.iesalc.unesco.org/
Williamson, B., & Eynon, R. (2020). Historical threads, missing links, and future directions in AI
in
education.
Learning,
Media
and
Technology
,
45(3),
223–235.
https://doi.org/10.1080/17439884.2020.1798995
Zawacki
-
Richter,
O.,
Marín,
V.
I.,
Bond,
M.,
&
Gouverneur,
F.
(2019).
Systematic
review
of
research on artificial intelligence applications in higher education: Recommendations for future
research.
International Journal of Educational Technology in Higher Education
, 16, Article 39.
https://doi.org/10.1186/s41239
-
019
-
0171
-
0
Technology Rain
Journal
ISSN:
2953-464X (2025)
17
https://technologyrain.com.ar/