DOI: https://doi.org/1=
0.56712/latam.v6i2.3838
Integración de la inteligencia artificial en los procesos de
enseñanza - aprendizaje
Integration of
Artificial Intelligence into Teaching and Learning Processes
Jenny Marisela Acosta Medranda
https://orcid.org/0009-0005-4095-5404
Unidad Educativ=
a 8
de Junio
Ecuador
Mónica Natividad Castro Andino[1]
natividadcastroandino@hotmail.com
https://orcid.org/0009-0005-1646-2482
Universidad Est=
atal
Península de Santa Elena
Ecuador
Sandra Elizabeth Albán
Solórzano
https://orcid.org/0009-0008-9397-8337
U.E.P. Hno. Miguel – La Salle
Ecuador
David Eduardo Alba=
ncando
Lima
https://orcid.org/0009-0000-3345-0786
Universidad
Técnica de Ambato
Ecuador
Fanny Maritza Armijos Gaona
farmijos2006@gmail.com&=
nbsp;
https://orcid.org/0009-0005-7093-6765
Universidad
Nacional de Loja
Ecuador
Artículo
recibido: 15 de abril de 2025. Aceptado para publicación: 29 de abri=
l de
2025.
Conflictos de
Interés: Ninguno que declarar.
Resumen
La
inteligencia artificial ha transformado progresivamente el panorama educati=
vo,
generando nuevas formas de interacción entre docentes, estudiantes y
tecnologías digitales. Esta revisión de literatura tuvo como
objetivo analizar la integración de la inteligencia artificial en los
procesos de enseñanza-aprendizaje de estudiantes de secundaria,
considerando su impacto metodológico, pedagógico y relacional=
. Se
empleó una metodología cualitativa basada en la revisió=
;n
documental de investigaciones publicadas entre 2020 y 2025, recopiladas en
bases de datos especializadas como Scopus, Web =
of Science y Scielo. Los
resultados evidencian que la implementación de sistemas inteligentes=
ha
promovido experiencias de aprendizaje más personalizadas, facilitand=
o la
retroalimentación automatizada, la gestión del progreso
académico y la diversificación de contenidos. En contextos do=
nde
se emplean plataformas con analítica del aprendizaje, se ha observado
una mejora en el monitoreo del desempeño y en la adaptación de
estrategias didácticas. Sin embargo, también emergen tensiones
relacionadas con el rol docente, la opacidad de los algoritmos y las brecha=
s en
el acceso tecnológico. Las percepciones del profesorado oscilan entr=
e el
reconocimiento de beneficios operativos y la inquietud por la pérdid=
a de
autonomía pedagógica. En conclusión, la integraci&oacu=
te;n
de inteligencia artificial reconfigura los procesos educativos y plantea
desafíos que requieren análisis crítico,
contextualización y participación de las comunidades escolare=
s.
Palabras clave: inteligencia
artificial, tecnología educativa, proceso de
enseñanza-aprendizaje
Abstract
Artificial intelligence has progressively transformed the educational
landscape, fostering new forms of interaction among teachers, students, and
digital technologies. This literature review aimed to analyze the integrati=
on
of artificial intelligence into the teaching and learning processes of
secondary school students, considering its methodological, pedagogical, and
relational impacts. A qualitative methodology was employed, based on
documentary review of research published between 2020 and 2025, retrieved f=
rom
specialized databases such as Scopus, Web of Science, and Scielo.
The findings reveal that the implementation of intelligent systems has
supported more personalized learning experiences by facilitating automated
feedback, academic progress tracking, and content diversification. In conte=
xts
where learning analytics platforms are used, improvements have been observe=
d in
performance monitoring and in the adaptation of instructional strategies.
Nevertheless, tensions have also emerged concerning the role of educators,
algorithmic opacity, and technological access disparities. Teachers’
perceptions range from the recognition of operational benefits to concerns
about the potential loss of pedagogical autonomy. In conclusion, the
integration of artificial intelligence is reshaping educational processes a=
nd
introduces challenges that demand critical analysis, contextual interpretat=
ion,
and active participation of school communities.
Keywords: artificial
intelligence, educational technology, teaching and learning process
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
<= o:p>
Todo el contenido
de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia <=
span
lang=3DES-EC style=3D'color:black;mso-color-alt:windowtext'>Creative Commons.=
![](3D"0512_AcostaMedranda__archivos/image004.jpg")
=
<=
o:p>
Cómo citar:=
A=
costa
Medranda, J. M., Castro Andino, M. N., Albán Solórzano, S. E.=
, Albancando Lima, D. E., & Armijos Gaona, F. M. (2=
025).
Integración de la inteligencia artificial en los procesos de
enseñanza – aprendizaje. LATAM
Revista Latinoamericana de Ciencias Sociales y Humanidades 6 (2), 2400 R=
11; 2412.
https://doi.org/10.56712/latam.v6i2.3838
INTRODUCCIÓN
La inteligencia artificial (IA) es un campo
científico orientado al desarrollo de sistemas informáticos
capaces de razonar y procesar datos mediante algoritmos avanzados, que impa=
cta
múltiples esferas del conocimiento humano, provocando transformacion=
es
en ámbitos como la informática, análisis
estadístico, ingeniería de sistemas, lingüística y
neurociencia (Troncoso et al., 2023). En el sector educativo tiene
implicaciones directas, puesto que las innovaciones tecnológicas
influyen considerablemente en la organización de actividades,
creación de contenido académico, etc. (Carbonell et al., 2023=
).
Por otro lado, el proceso de enseñanza-=
aprendizaje
se configura en interacciones complejas que involucran la transmisió=
n de
conocimientos y el procesamiento de información en un escenario
controlado donde los docentes, a partir de distintas estrategias
didácticas, imparten conocimientos a estudiantes (Wang et al., 2024)=
. De
acuerdo con la Organización de las Naciones Unidas para la
Educación, la Ciencia y la Cultura (UNESCO, 2023) menos del 10% de l=
as
instituciones educativas han desarrollado políticas institucionales =
y/o
directrices para la utilización de aplicaciones de IA.
Ante la carencia de políticas
específicas que normen el uso de IA en la educación en los
distintos niveles educativos, persiste una implementación discontinu=
a y
heterogénea, limitada por vacíos regulatorios, tensiones
éticas y desigualdades tecnológicas estructurales que afectan=
el
proceso enseñanza aprendizaje. En este escenario, los estudiantes
transitan entornos híbridos donde confluyen de forma presencial y
digital, configurando dinámicas de aprendizaje que no se encuentran =
respaldadas
por directrices pedagógicas claras ni por marcos normativos coherent=
es
con el avance tecnológico (Han et al., 2024).
Esta realidad genera desigualdades en las
oportunidades de acceso, apropiación y uso crítico de estos
recursos en el proceso educativo. En correspondencia con esta convergencia,=
la
IA se integra de manera incipiente en prácticas pedagógicas q=
ue
combinan instrucción convencional con mediaciones tecnológica=
s,
promoviendo respuestas que se ajustan a patrones identificados en los compo=
rtamientos
estudiantiles, evidenciando un tránsito hacia modelos de
enseñanza donde los sistemas automatizados participan en la toma de
decisiones didácticas, sin que ello implique una sustitución =
del
docente, sino una reformulación de su función en entornos
mediados por datos (Trevor, 2024).
Así, la capacidad de los algoritmos para
detectar regularidades cognitivas se traduce en propuestas de
intervención educativa que responden a los ritmos y estilos individu=
ales
de aprendizaje (González, 2025). Por tanto, existe una coexistencia =
de
métodos convencionales y aplicaciones automatizadas que inciden en el
aprovechamiento del tiempo destinado al estudio en instituciones de secunda=
ria,
por la utilización de herramientas digitales para actividades que
alteran la dedicación al proceso formativo, generando situaciones en=
las
que la asistencia a exámenes y tareas puede resultar condicionada por
recursos tecnológicos (Bustamante, 2024).
METODOLOGÍA
La presente investigación se enmarca en=
la
revisión de literatura, en una primera etapa, se procedió a
identificar bases de datos como Scopus, Web
A continuación, se establecieron criter=
ios
de inclusión que consideraron publicaciones académicas en
español e inglés, generadas durante los últimos cinco
años. Se contemplaron tanto estudios empíricos (de enfoque
cualitativo, cuantitativo o mixto) como revisiones sistemáticas y
metaanálisis centrados en la aplicación de inteligencia
artificial en contextos formativos. En contraste, se excluyeron
artículos de opinión, editoriales, reportes de caso aislado o
textos que no ofrecieran una contribución directa al objeto de estud=
io.
El proceso de selección se organiz&oacu=
te;
por etapas sucesivas, comenzando con la lectura preliminar de título=
s y
resúmenes, para luego avanzar a la revisión integral de los
textos seleccionados. Posteriormente, se construyó una matriz de
extracción de datos orientada al análisis cualitativo, en la =
cual
se consignaron elementos como la referencia bibliográfica, tipo de
estudio, caracterización de los entornos educativos involucrados y la
modalidad de incorporación de inteligencia artificial dentro del pro=
ceso
enseñanza-aprendizaje.
Asimismo, se realizó una síntesi=
s de
carácter interpretativo que permitió articular los hallazgos
provenientes de distintas metodologías y contextos, sin recurrir a
procedimientos estadísticos formales. Esta aproximación posib=
ilitó
reconocer patrones, divergencias y condiciones que inciden en la
implementación de sistemas inteligentes dentro de entornos educativo=
s.
Durante todo el proceso, se sostuvo un criterio de coherencia
metodológica en cada fase, evaluando la relevancia, pertinencia y
calidad de las publicaciones analizadas.
DESARROLLO
En seguida, se revisan temáticas que
exploran el estado del arte del fenómeno sobre la integración=
de
la IA en los procesos de enseñanza-aprendizaje de estudiantes de
secundaria:
Evolución
histórica del concepto de IA en educación
Durante la segunda mitad del siglo XX emergier=
on
los primeros desarrollos en IA, impulsados por la convergencia entre la
lógica matemática, la teoría de la computación y
los avances en neurociencia. Un hito significativo fue el trabajo de Warren
McCulloch y Walter Pitts en 1943, quienes presentaron el primer modelo
matemático de una red neuronal artificial, estableciendo conexiones
fundamentales entre la actividad neuronal y la lógica formal (Parede=
s y
Burneo, 2022).
Además, en 1950, Alan Turing introdujo =
el
"Test de Turing", una propuesta para evaluar la capacidad de una
máquina para exhibir un comportamiento inteligente indistinguible de=
l de
un ser humano, sentando las bases de la teoría de la computaci&oacut=
e;n
y la inteligencia artificial (Porcelli, 2021). =
Sin
embargo, su incorporación al ámbito educativo resultó
incipiente y mayoritariamente experimental; fue a partir de los años
ochenta cuando comenzaron a desarrollarse sistemas tutoriales inteligentes,
orientados a personalizar la retroalimentación y adaptarse al ritmo =
del
estudiante mediante reglas predefinidas y árboles de decisión
(Olite et al., 2023).
Con la expansión de internet en la
década de los noventa, surgieron nuevos escenarios de aplicaci&oacut=
e;n
de la IA en la enseñanza, particularmente mediante plataformas de
e-learning que incorporaban elementos automatizados de evaluación y
recomendación. No obstante, el salto más significativo
ocurrió en la última década, impulsado por el aprendiz=
aje
automático, el procesamiento del lenguaje natural y el anális=
is
de grandes volúmenes de datos educativos. A partir de ello, se han
diversificado los usos de la IA en contextos formativos, incluyendo sistema=
s de
predicción del rendimiento académico, asistentes virtuales,
generadores de contenido adaptativo y herramientas de retroalimentaci&oacut=
e;n
automatizada (Tramallino y Zeni,
2024).
Desde una perspectiva conceptual, la inteligen=
cia
artificial en educación ha sido definida desde múltiples
aproximaciones. Moturu y N=
ethi
(2023) la describen como un conjunto de tecnologías computacionales
capaces de percibir, razonar y actuar con base en datos provenientes de
interacciones educativas. Por su parte, Holmes et al. (2019) distinguen ent=
re
IA estrecha, focalizada en tareas específicas y sistemas más
complejos con capacidad de adaptación progresiva. En el ámbito
pedagógico, la IA es entendida como una mediación digital cap=
az
de reconocer patrones de aprendizaje y ofrecer rutas diferenciadas de
enseñanza, en función de las características individua=
les
del estudiante.
Algunos autores, como Sel=
wyn
(2020), han planteado la necesidad de interpretar la IA como una herramienta
técnica y una construcción socioeducativa que redefine las
relaciones entre docentes, estudiantes y saberes. A ello se suman
contribuciones recientes que han propuesto taxonomías de uso de la I=
A en
la educación, entre las cuales destacan las categorizaciones orienta=
das
a la automatización de procesos administrativos, la optimizaci&oacut=
e;n
de los aprendizajes y el soporte a la toma de decisiones pedagógicas=
(Zawacki et al., 2019).
Metodolog&iacut=
e;as
y recursos didácticos respaldados por sistemas inteligentes
Según Durak=
et
al. (2024), las instituciones educativas utilizan al menos una herramienta =
de
IA en sus procesos de enseñanza-aprendizaje. Entre las más us=
adas
se encuentran los sistemas de análisis de aprendizaje (learning analytics), los chatbots
orientados al acompañamiento académico y las plataformas de
autorregulación basadas en algoritmos predictivos. Perrotta
y Selwyn (2021) han puesto énfasis en las
asimetrías generadas por la automatización de decisiones
pedagógicas, mientras que Akgun y Greenhow (2021) analizan que las percepciones docente=
s son
generalmente positivas ante el uso de inteligencia artificial en la
planificación didáctica.
Entre las metodologías más
frecuentemente destaca el aprendizaje personalizado, entendido como un proc=
eso
en el cual las trayectorias formativas se ajustan dinámicamente
según los ritmos, estilos y niveles de desempeño de cada
estudiante. Según Ram et al. (2023), los
sistemas de tutoría inteligente han sido diseñados con ese
propósito, permitiendo que los contenidos se organicen de manera
secuencial o ramificada en función de las respuestas previas del
usuario. Esta lógica también se ha aplicado al aprendizaje ad=
aptativo,
donde la IA permite modificar el nivel de dificultad de los ejercicios y
ajustar la retroalimentación, con base en predicciones.
Otra metodología es el aprendizaje basa=
do
en datos (data-driven learning), que se fundame=
nta en
el uso de herramientas inteligentes que recolectan y analizan
información en tiempo real para informar decisiones pedagógic=
as.
En ese sentido, los sistemas de analítica del aprendizaje han sido
implementados para monitorear patrones de interacción, frecuencia de
participación, tiempos de respuesta y trayectorias de navegaci&oacut=
e;n
(Quintanar y Hernández, 2022).
Asimismo, en el marco de metodologías
activas, han emergido experiencias que integran sistemas de IA con el
aprendizaje basado en proyectos, el aprendizaje colaborativo y la
gamificación. En tales propuestas, los recursos inteligentes cumplen
funciones de mediación, coordinación o facilitación, c=
omo
ocurre con los asistentes virtuales que orientan tareas grupales, sugieren
fuentes de consulta o verifican el cumplimiento de criterios de evaluaci&oa=
cute;n.
De acuerdo con Lee y Kwon (2024), estas herramientas han sido especialmente
relevantes en entornos virtuales y mixtos, donde el acompañamiento
docente no siempre es inmediato o continuo.
Adicionalmente, los sistemas inteligentes han =
sido
utilizados en la generación de recursos visuales personalizados, como
mapas conceptuales dinámicos, esquemas de contenido adaptados y
líneas de tiempo interactivas. Estos recursos representan la
información de forma gráfica y se construyen en función
del progreso, las respuestas y las dudas manifestadas por el estudiante.
Giró y Sancho (2021) sugieren que esta clase de visualizaciones
inteligentes puede mejorar la comprensión de estructuras complejas y
facilitar procesos de síntesis.
Por otra parte, los sistemas inteligentes han
posibilitado la implementación de metodologías híbrida=
s,
en las cuales se combinan recursos tradicionales con instrumentos automatiz=
ados
de monitoreo, evaluación y retroalimentación. En este tipo de
experiencias, la IA actúa como una capa invisible que analiza los da=
tos
generados durante el proceso de aprendizaje y ofrece informes tanto para el
estudiante como para el docente. Esta capacidad ha sido particularmente
relevante en el desarrollo de plataformas de autoevaluación y en la
identificación de dificultades persistentes o aprendizajes no lograd=
os
(Reid et al., 2024).
Perspectivas
éticas y regulaciones en la adopción de IA dentro de la
formación
En el marco del despliegue progresivo de
tecnologías inteligentes en el ámbito formativo, han emergido
múltiples discusiones en torno a las implicaciones éticas
derivadas de su adopción. En ese sentido, los debates éticos =
han
girado en torno a dimensiones como la equidad algorítmica, la transp=
arencia
de los sistemas, la protección de datos sensibles y la autonom&iacut=
e;a
de los agentes involucrados en la enseñanza.
Una de las principales preocupaciones
éticas reside en el sesgo inherente a los algoritmos utilizados por
sistemas de inteligencia artificial. Perrotta y=
Selwyn (2021) evidencian cómo los modelos
predictivos y clasificatorios pueden reproducir o amplificar desigualdades
preexistentes, especialmente cuando se entrenan con bases de datos no
representativas o históricamente sesgadas. A partir de eso se infiere
que las decisiones automatizadas pueden afectar de manera diferenciada a
ciertos grupos estudiantiles, generando patrones de exclusión
inadvertidos o retroalimentando trayectorias de bajo rendimiento.
La UNESCO (2022) emitió una recomendaci=
ón
global sobre la ética de la IA, en la cual se establecen principios =
de
inclusión, equidad, transparencia, responsabilidad y sostenibilidad.=
A
nivel regional, la Unión Europea ha promovido el desarrollo de marcos
regulatorios centrados en derechos digitales, entre ellos el Reglamento Gen=
eral
de Protección de Datos (GDPR), que estab=
lece
directrices específicas sobre el tratamiento automatizado de
información en contextos educativos.
Según Szcyrek et
al. (2024), estas iniciativas responden a la necesidad de fortalecer la
gobernanza educativa en contextos crecientemente mediados por datos y
algoritmos. Adicionalmente, las perspectivas éticas han incorporado =
una
reflexión sobre el rol docente frente a los sistemas inteligentes, d=
ado
que a diferencia de otras tecnologías educativas, la IA media la ent=
rega
de contenido y puede influir en aspectos evaluativos, en la
planificación curricular y en la retroalimentación personaliz=
ada,
generando discusiones sobre la redistribución de funciones entre
personas y sistemas, así como sobre los márgenes de
autonomía profesional en escenarios educativos automatizados.
En esa línea, Akgu=
n
y Greenhow (2021) sugieren que los docentes per=
ciben
los dilemas éticos asociados al uso de IA en el aula, destacando
preocupaciones vinculadas al reemplazo de juicios humanos, la
deshumanización de la enseñanza y el impacto en la identidad =
profesional.
Estas tensiones no responden únicamente a factores tecnológic=
os,
sino a las formas en que se redefinen las relaciones entre saber, autoridad=
y
decisión pedagógica en ambientes mediados por inteligencia
artificial.
En este estudio se opta por investigar la
integración de la inteligencia artificial en los procesos de
enseñanza-aprendizaje en estudiantes de secundaria motivándol=
os
por el interés en explorar conexiones entre innovaciones
tecnológicas y transformaciones en ambientes educativos. Ademá=
;s,
se delimita la investigación como una aproximación que docume=
nta
la configuración de procesos formativos en un contexto escolar en
evolución constante, consolidándose en el estudio de tendenci=
as
actuales.
En funció=
;n
de lo mencionado previamente, se plantea la siguiente pregunta general:
¿Cómo se realiza la integración de la inteligencia
artificial en los procesos de enseñanza-aprendizaje de estudiantes de
secundaria?, en tanto, las preguntas específicas son:
¿Cuáles son los logros de aprendizaje en contextos con y sin
mediación de IA?, ¿Cuál es la percepción de
docentes en entornos con herramientas digitales de IA?, ¿Cuál=
es
son las repercusiones de la IA en la mejora del proceso
enseñanza-aprendizaje?
De este modo, se plantea el siguiente objetivo
general: Analizar la integración de la inteligencia artificial en los
procesos de enseñanza-aprendizaje de estudiantes de secundaria. Los
objetivos específicos son: Identificar los logros de aprendizaje en
contextos con y sin mediación de IA; Analizar la percepción de
docentes en entornos con herramientas digitales de IA; Describir las
repercusiones de la IA en la mejora del proceso enseñanza-aprendizaj=
e.
RESULTADOS Y DISCUSIÓN
El análisis de los estudios revisados
revela un campo educativo en transformación, marcado por la
expansión de tecnologías basadas en IA y su progresiva
incorporación en las prácticas de enseñanza-aprendizaj=
e.
Aquí se articula una reflexión analítica en torno a las
repercusiones, percepciones y logros observados en escenarios con y sin
mediación de sistemas inteligentes, contrastándolos con la
evidencia científica reciente y situando los debates actuales dentro=
de
un horizonte crítico y formativo más amplio.
Logros de
aprendizaje en contextos con y sin mediación de IA
La adopción de sistemas inteligentes en=
el
proceso educativo plantea un escenario en el que los logros de aprendizaje
dependen del acceso a tecnología avanzada y de la interacción
entre algoritmos, decisiones pedagógicas y contextos sociales. Esta
relación impide asumir que la presencia de inteligencia artificial
genere, por sí misma, mejoras sustanciales en el rendimiento
académico.
Más bien, los resultados se configuran =
como
producto de una cadena de mediaciones en la que el diseño
metodológico, la claridad de objetivos de aprendizaje y el rol del d=
ocente
siguen siendo determinantes. En esta línea, si bien se reconocen mej=
oras
cuantificables en plataformas automatizadas, su eficacia real está
sujeta al sentido didáctico que se construye alrededor del sistema. =
Esta
perspectiva encuentra eco en el estudio de Lee y Kwon (2024), quienes
señalan que la IA en educación presenta un efecto positivo
moderado sobre los resultados de aprendizaje, pero este varía de acu=
erdo
con la calidad de implementación pedagógica y el contexto
institucional.
Una de las tensiones más relevantes se
manifiesta en torno al equilibrio entre personalización
algorítmica y exposición al pensamiento complejo. A pesar de =
que
los sistemas adaptativos ajustan el contenido en función del
desempeño previo, este ajuste puede derivar en una sobreprotecci&oac=
ute;n
cognitiva que limite el desarrollo de estrategias de afrontamiento ante la
dificultad. Esto representa una restricción al potencial transformad=
or
del error como fuente de aprendizaje, Celik et =
al.
(2022), advierten que la hiperadaptación=
puede
inducir una forma de estancamiento cognitivo al reducir los desafíos
propuestos por el sistema.
En contraste, los entornos no mediados por IA
tienden a conservar una lógica de interacción menos controlad=
a,
en la cual el error es resignificado dentro de una comunidad de aprendizaje=
, y
las respuestas no dependen de parámetros predefinidos. Esta apertura
permite procesos de construcción colectiva de significado, aunque
carezca de la inmediatez o precisión que ofrecen los sistemas inteli=
gentes.
Desde una visión crítica, estas
limitaciones no implican inferioridad, sino una configuración distin=
ta
del aprendizaje, donde el acompañamiento humano permite explorar
dimensiones afectivas, culturales y éticas que la IA aún no
incorpora de forma significativa. Hernández et al. (2024) validan es=
ta
lectura al mostrar mejoras en la retención conceptual a travé=
s de
metodologías colaborativas presenciales, evidenciando que la
interacción entre pares sigue siendo un factor relevante para el apr=
endizaje
profundo.
Otra dimensión crítica se relaci=
ona
con la naturaleza de la retroalimentación; donde los entornos mediad=
os
por IA operan con retroalimentación inmediata, generada por modelos
predictivos que tienden a privilegiar el desempeño observable. Sin
embargo, la velocidad de respuesta no garantiza profundidad en la
comprensión, ya que la interpretación de los errores y aciert=
os
sigue requiriendo un contexto semántico que la IA no alcanza a proce=
sar
en términos pedagógicos.
El concepto de logro de aprendizaje incluye
procesos formativos complejos, como la construcción de autonom&iacut=
e;a
intelectual, el juicio crítico o la disposición ética =
ante
el conocimiento. En este sentido, Chervona et a=
l.
(2023) señalan que los efectos de la IA sobre los aprendizajes no son
uniformes ni generalizables, y dependen en gran medida de factores como la
calidad del diseño instruccional, la equidad en el acceso
tecnológico y la apropiación crítica por parte de la
comunidad educativa.
Finalmente, cuando se analizan experiencias
híbridas, donde se combinan recursos automatizados con mediaciones
humanas, se evidencian mayores posibilidades de potenciar los aprendizajes =
sin
sacrificar la complejidad del proceso formativo. En estos casos, la
tecnología no sustituye el juicio pedagógico, sino que lo
complementa, permitiendo una lectura más integral del desempeñ=
;o
estudiantil.
Percepció=
;n
de docentes en entornos con herramientas digitales de IA
Desde una mirada crítica, la IA irrumpe=
en
la enseñanza no como una simple herramienta, sino como una interfaz =
que
transforma prácticas, jerarquías y criterios de
evaluación. Esta complejidad ha sido evidenciada por Akgun
y Greenhow (2021), quienes identifican que, si =
bien
muchos docentes valoran la capacidad de la IA para gestionar tareas
repetitivas, también emergen temores vinculados al reemplazo de juic=
ios
profesionales, la automatización de decisiones pedagógicas y =
la
pérdida de interacción significativa con el estudiantado.
Adicionalmente, el discurso institucional prom=
ueve
el uso de inteligencia artificial suele centrar su narrativa en la eficienc=
ia,
la personalización y la mejora del rendimiento, sin problematizar
suficientemente las condiciones en que se implementan estas tecnologí=
;as.
Los docentes, al estar situados en el espacio concreto de la práctica
educativa, perciben de forma inmediata las brechas entre el diseño
algorítmico y la realidad del aula, particularmente en contextos don=
de
el acceso a infraestructura, formación y acompañamiento
técnico es limitado.
Así, la percepción negativa
está orientada hacia la IA en sí misma y a los modos en que es
introducida sin diálogo, sin criterios pedagógicos claros y s=
in
espacio para una apropiación crítica. Más allá =
de
la dimensión funcional, la percepción docente también =
se
configura desde el lugar simbólico que ocupa la tecnología en=
la
relación pedagógica. En muchos casos, la irrupción de
herramientas automatizadas introduce una mediación que puede
reinterpretarse como una forma de vigilancia, estandarización o
limitación de la creatividad didáctica.
Los relatos docentes dan cuenta de una
preocupación por conservar el espacio de decisión
pedagógica frente a la posible imposición de sistemas que, au=
nque
eficientes, no captan la complejidad del aprendizaje humano. Celik et al. (2022) recogen esta preocupación =
al
señalar que la adopción acrítica de soluciones
inteligentes puede derivar en una desprofesionalización de la
enseñanza, en la medida en que reduce la labor docente a tareas de
monitoreo o supervisión técnica.
Otra dimensión que atraviesa las
percepciones docentes es la experiencia emocional frente a la inteligencia
artificial. La incorporación de sistemas inteligentes genera reaccio=
nes
que oscilan entre la curiosidad, la ansiedad y la desconfianza. Estas emoci=
ones
no son accesorias, sino constitutivas de la relación entre sujetos y
tecnologías. Así, la percepción docente se nutre de
experiencias previas, expectativas institucionales, presiones evaluativas y
representaciones culturales sobre la IA.
El temor para no estar preparados, a ser
reemplazados o a perder control sobre el proceso de enseñanza no pue=
de
ser reducido a falta de formación, sino que responde a procesos
más amplios de transformación de la identidad profesional. En=
este
sentido, el estudio de Perrotta y Selwyn
(2021) pone de relieve cómo los docentes interpretan la IA como recu=
rso
y narrativa que redefine las prioridades educativas, generando tensiones con
sus propias convicciones pedagógicas.
Frente a estos escenarios, resulta indispensab=
le
considerar que las percepciones docentes son dinámicas, y se transfo=
rman
en función del acompañamiento institucional, la calidad de los
procesos de formación continua y el grado de participación en=
el
diseño y adaptación de las herramientas. En contextos donde l=
a IA
es presentada como co-construcción y no =
como
imposición, los docentes tienden a valorarla como una aliada que
amplía posibilidades sin sustituir el juicio profesional.
Repercusiones d=
e la
IA en la mejora del proceso enseñanza-aprendizaje
La inteligencia artificial introduce
transformaciones estructurales en el proceso enseñanza-aprendizaje, =
al
modificar los medios de interacción educativa y las condiciones bajo=
las
cuales se definen los objetivos formativos, se estructuran los contenidos y=
se
distribuyen los roles entre docentes y estudiantes. Desde una perspectiva
crítica, la IA no debe ser concebida exclusivamente como una
tecnología instrumental, sino como un agente estructurante que redef=
ine
qué se enseña, cómo se aprende y qué se conside=
ra
valioso dentro del proceso formativo.
Estas repercusiones no siempre son evidentes en
los indicadores convencionales de mejora, pero se manifiestan en los
desplazamientos que sufren las prácticas, en las nuevas formas de
evaluación y en la reorganización del tiempo y del espacio
pedagógico. En ese sentido, Celik et al.
(2022) argumentan que la IA no transforma únicamente los dispositivo=
s,
sino que reconfigura las prioridades educativas al incorporar lógicas
algorítmicas en la toma de decisiones pedagógicas, muchas vec=
es
de manera silenciosa y sin mediación crítica.
Uno de los cambios más visibles se
relaciona con la diversificación de las rutas de aprendizaje, lo cua=
l ha
sido interpretado como una mejora en la capacidad de atender la heterogenei=
dad
estudiantil. No obstante, esta diversificación no implica necesariam=
ente
una mayor calidad educativa si no está acompañada de una
reflexión pedagógica profunda sobre la pertinencia, coherenci=
a y
sentido de dichas trayectorias.
En consecuencia, la aparente mejora del proces=
o no
puede medirse únicamente en términos de eficiencia
técnica, sino en relación con la equidad, la inclusión=
y
la formación integral. En esta línea, el estudio de Batista et
al. (2024) evidencia que, aunque la IA puede contribuir a mejorar el
seguimiento y la personalización del aprendizaje, su impacto positivo
depende en gran medida de las condiciones estructurales del sistema educati=
vo y
del grado de participación docente en el diseño y
evaluación de estas tecnologías.
Desde una lectura crítica del proceso
enseñanza-aprendizaje, la IA también redefine las temporalida=
des
pedagógicas al acelerar procesos que tradicionalmente requerí=
an
desarrollo progresivo, como la retroalimentación, la organizaci&oacu=
te;n
curricular o la evaluación continua. Si bien esta aceleración
puede generar beneficios operativos, también introduce riesgos
vinculados con la fragmentación del conocimiento, la pérdida =
de
espacios de reflexión y la sobrecarga cognitiva.
La idea de “mejora” requiere, en e=
ste
contexto, ser problematizada, pues no toda automatización implica una
ampliación de capacidades formativas; por el contrario, puede restri=
ngir
márgenes de exploración, intuición o error. Lee y Kwon
(2024) señalan que, aunque la IA ha permitido optimizar la toma de
decisiones sobre el progreso estudiantil, esta optimización tiende a
simplificar variables complejas, lo que puede conducir a interpretaciones
reduccionistas del aprendizaje.
Otro ámbito donde la IA ha generado
repercusiones es en la redefinición de la mediación docente.
Desde una postura crítica, resulta indispensable preguntarse hasta
qué punto las decisiones generadas por sistemas inteligentes reempla=
zan
o subordinan la mirada pedagógica. Si bien es posible reconocer que =
la
IA puede asistir al docente en múltiples tareas, no se debe suponer =
una
equivalencia entre decisión automatizada y juicio educativo.
Finalmente, es necesario considerar que las
repercusiones de la IA en la mejora del proceso enseñanza-aprendizaj=
e no
se limitan a su efectividad técnica, sino que también involuc=
ran
dimensiones éticas, relacionales y epistemológicas. El modo en
que se configura la relación entre quien enseña, quien aprend=
e y
la tecnología mediadora afecta directamente la experiencia formativa=
.
En concordancia con lo anterior, la mejora sol=
o es
sostenible cuando la inteligencia artificial se integra como parte de una
ecología educativa más amplia, donde el conocimiento, la
sensibilidad pedagógica y la diversidad cultural no sean subordinado=
s al
cálculo predictivo. Stahl et al. (2021) coinciden al afirmar que los
efectos positivos de la IA dependen de su inserción en marcos de
diseño pedagógico deliberado, donde las herramientas sean
modeladas por principios educativos y no al revés.
CONCLUSIONES
La revisión de literatura permiti&oacut=
e;
reconocer que la integración de la inteligencia artificial en el cam=
po
educativo ha dado lugar a transformaciones sustanciales en las dinám=
icas
de enseñanza y aprendizaje. Estas modificaciones incluyen aspectos
técnicos y atraviesan dimensiones metodológicas, relacionales=
y
organizativas que inciden directamente en la configuración del queha=
cer
pedagógico.
Además, la presencia de sistemas
inteligentes ha generado nuevas formas de interacción,
personalización del contenido y monitoreo del desempeño,
configurando escenarios donde la tecnología no actúa de manera
aislada, sino en articulación con decisiones humanas, condiciones
institucionales y trayectorias estudiantiles.
También, se observa que la adopci&oacut=
e;n
de IA ha influido en la redefinición de los roles docentes, en la
emergencia de metodologías adaptativas y en el uso de datos como ins=
umo
permanente para la retroalimentación y la planificación
didáctica. No obstante, estas transformaciones también han
traído consigo desafíos vinculados a la equidad, la transpare=
ncia
algorítmica, la autonomía y la gobernanza de los procesos
formativos mediados por tecnología.
Las percepciones docentes, las diferencias en =
los
logros de aprendizaje y las repercusiones en las estructuras del aula muest=
ran
que la incorporación de IA no constituye una mejora automátic=
a,
sino una reorganización compleja que exige análisis contextua=
l y
reflexión pedagógica constante. Por tanto, mostró una
visión amplia sobre los alcances, límites y condiciones de
posibilidad que acompañan a la inteligencia artificial en la
educación contemporánea.
Lejos de entenderse como una tecnología
neutral o universal, la IA se revela como un componente estructurante que
convive con múltiples factores pedagógicos, institucionales y
éticos. Desde esta perspectiva, los procesos de integración
tecnológica adquieren sentido cuando están guiados por criter=
ios
educativos consistentes, construidos de manera situada y con
participación de quienes habitan cotidianamente los espacios formati=
vos.
REFERENCIAS
Akgun, & Greenho=
w.
(2021). Artificial intelligence in education: Addressing ethical challenges=
in
K-12 settings. AI Ethics, 2(3), 431-440. https://doi.org/10.1007/s43681-021-00096-7
Batista, Mesquita, & Carnaz.
(2024). Generative AI and Higher Education: Trends, Challenges, and Future
Directions from a Systematic Literature Review. Information, 15(11), 676.
https://doi.org/10.3390/info15110676
Bustamante, F. (2024). Inteligencia Artificial=
en
la Educación: Simplificación de los Procesos de Aprendizaje.
Ciencia Latina Revista Científica Multidisciplinar, 8(4), 12700-1270=
9.
https://doi.org/10.37811/cl_rcm.v8i4.13468
Carbonell, Burgos, Calderón, & Pare=
des.
(2023). La Inteligencia Artificial en el contexto de la formación
educativa. Episteme Koinonía. Revista Electrónica de Ciencias=
de
la Educación, Humanidades, Artes y Bellas Artes, 6(12).
https://doi.org/10.35381/e.k.v6i12.2547
Celik, Dindar, Muukkonen, & =
Järvelä. (2022). The Promises and Challenge=
s of
Artificial Intelligence for Teachers: a Systemat=
ic
Review of Research. TechTrends, 66(4), 3.
https://doi.org/10.1007/s11528-022-00715-y
Chervona=
, Lakusha, Krokhmal, & =
Myroshnychenko. (2023). Artificial Intelligence in Hi=
gher
Education: Development Trends and New Reality. =
ResearchGate, 4(34), 137-14=
5.
https://doi.org/10.15584/jetacomps.2023.4.13
Durak, Çankaya,
Özdemir, & Can. (2024). Inteligencia artificial en la
educación: un estudio bibliométrico sobre su papel en la
transformación de la enseñanza y el aprendizaje. Revista
Internacional de Investigación en Aprendizaje Abierto y Distribuido,
25(3), 219-244. https://doi.org/10.19173/irrodl.v25i3.=
7757
Giró, & Sancho.
(2021). Artificial Intelligence in Education: Big Data, Black Boxes, and
Technological Solutionism. Seminar net, 17(2). https://doi.org/10.7577/
González, M. (2025). Desafíos y
beneficios del uso de inteligencia artificial en docentes de educació=
;n
secundaria: Revisión sistemáticaChalleng=
es
and benefits of
Han, B., Coghlan, Buchanan, & McKay. (2024). Who is
Helping Whom? Student Concerns about AI- Teacher Collaboration in Higher
Education Classrooms. Computers and Society (cs.CY).
Proceedings of the ACM on Human-Computer Interaction, 1(2412).
https://doi.org/10.48550/arXiv.2412.14469
Hernández, Muñoz, &
González. (2024). Aprendizaje colaborativo en entornos digitales.
RIED-Revista Iberoamericana de Educación a Distancia, 27(2).
https://doi.org/10.5944/ried.27.2.40208
Holmes, Bialik, & Fadel. (2019). Artifi=
cial
intelligence in education. Globethics. https://doi.org/10.58863/20.500.12424=
/4276068
Lee, & Kwon. (2024). Metaanálisis s=
obre
los efectos de la educación en inteligencia artificial en las aulas =
K-12
de Corea del Sur. Educación y Tecnologías de la
Información, 29, 22859-22894. https://doi.org/10.1007/s10639-024-12738-4
Moturu, & Nethi. (2023). Artificial Intelligence in Education. =
En Chaurasia, & Juang, Emerging IT/ICT and AI Technologies Affecting
Society. Lecture Notes in Networks and Systems. Springer, Singapore.
https://doi.org/10.1007/978-981-19-2940-3_16
Olite, Morales, & Vidal. (2023). Chat GPT: origen, evolución, retos e impactos en la
educación. Educación Médica Superior, 37(2).
Paredes, & Burneo. (2022). Inteligencia
artificial en la evaluación y manejo de pacientes con epilepsia. Rev=
ista
de Neuro-Psiquiatría, 85(2). https://doi.org/10.20453/rnp.v85i2.4231
Perrota, & Selwyn. (2021). Deep
learning goes to school: Toward a relational understanding of AI in educati=
on. Learning, Media=
and
Technology, 45, 251-269.
https://doi.org/10.1080/17439884.2020.1686017
Porcelli, A. (2021). La inteligencia artificial=
y
la robótica: sus dilemas sociales, éticos y jurídicos.
Derecho global. Estudios sobre derecho y justicia, 6(16).
https://doi.org/10.32870/dgedj.v6i16.286
Quintanar, & Hernández. (2022). Mod=
elos
Tecnológicos de Aprendizaje Adaptativo Aplicados a la Educació=
;n.
Revista Tecnológica-Educativa Docentes 2.0, 15(1).
https://doi.org/10.37843/rted.v15i1.308
Ram, Harris, & Ido. (2023).
Personalización basada en la elección en los MOOC:
impacto en la actividad y el valor percibido. Revista Internacional de
Inteligencia Artificial en Educación, 34(1), 376-394.
https://doi.org/10.1007/s40593-023-00334-5
Reid, Parrish, Syed, & Couch. (2024).
Finding the Connections: A Scoping Review of Epistemic Network Analysis in
Science Education. J Sci Educ Technol. https://doi.org/10.1007/s10956-024-10193-x
Selwyn. (2020). Should Robots Replace Teach=
ers? : AI and the Future of Education. Polity Pr (US).
Stahl, Andreou,=
Brey,
Hatzakis, Kirichenko, Macnish, . . . Wright. (2021). Artificial intelligenc=
e for
human flourishing – Beyond principles for machine learning. Journal of
Business Research, 124(1), 374-388. https://doi.org/10.1016/j.jbusres.2020.11.030
Szcyrek<=
/span>, Stewart, &=
; Miklas. (2024). Educators’ understandings of di=
gital
classroom tools and datafication: perceptions from higher education faculty.
Research in Learning Technology, 32(1). https://doi.org/10.25304/rlt.v32.3040
Tramallino, & Zeni. (2024). Avances y discusiones sobre el uso de inteligencia artifici= al (IA) en educación. Educación, 33(64). https://doi.org/10.18800/educacion.202401.m002<= o:p>
Trevor, C. (2024). The Role of Artificial
Intelligence in Analysing Student Data for Teac=
hers. ResearchGate, 2(2).
https://doi.org/10.13140/RG.2.2.24366.93760
Troncoso, Dueñas, & Verdecia. (2023=
).
Inteligencia artificial y educación: nuevas relaciones en un mundo
interconectado. Revista Estudios del Desarrollo Social: Cuba y Améri=
ca
Latina, 11(2).
UNESCO. (23 de Noviembre de
2022). Recommendation on the Ethics of Artificial Intelligence. Organizaci&oacu=
te;n
de las Naciones Unidas para la Educación, la Ciencia y la Cultura:
https://unesdoc.unesco.org/ark:/48223/pf0000381137
UNESCO. (8 de Junio=
de
2023). Una encuesta de la UNESCO revela que menos del 10% de las escuelas y
universidades disponen de orientaciones formales sobre IA. Organizaci&oacut=
e;n
de las Naciones Unidas para la Educación, la Ciencia y la Cultura:
https://www.unesco.org/es/articles/una-encuesta-de-la-unesco-revela-que-men=
os-del-10-de-las-escuelas-y-universidades-disponen-de
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran,
T., & Du, Z. (2024). Artificial intelligence in education: A systematic
literature review. Expert Systems with Applications, 252(1).
https://doi.org/10.1016/j.eswa.2024.124167
Zawacki<=
/span>, Marin, Bond,
& Gouverneur. (2019). Systematic review of research on artificial
intelligence applications in higher education – where are the educato=
rs?
International Journal of Educational Technology in Higher Education, 16(39).
https://doi.org/10.1186/s41239-019-0171-0
Todo el contenido de LATAM Revista Latinoamericana de Cien=
cias
Sociales y Humanidades, publicados en este sitio está disponible=
s
bajo Licencia Creative Commons ![3D"https://revistacientifica.uamericana.edu.py/public/site/images/aduar=](3D"0512_AcostaMedranda__archivos/image005.jpg")
.
LATAM Revista Latinoamericana de Ciencias Sociales=
y
Humanidades, Asunción, Paraguay.
![](3D"0512_AcostaMedranda__archivos/image002.jpg")