pág. 7119
PROGRAMA TODOS A APRENDER: ESTADO
DEL ARTE EN UN PRESENTE ALGORÍTMICO,
IA. 2012-2024
EVERYONE LEARNS PROGRAM: STATE OF THE ART IN
AN ALGORITHMIC PRESENT, AI. 2012-2024
Nubia Marina Bedoya Polo
Universidad de las Américas y el Caribe, México
pág. 7120
DOI: https://doi.org/10.37811/cl_rcm.v9i3.18345
Programa Todos a Aprender: Estado del Arte en un Presente Algorítmico,
IA. 2012-2024
Nubia Marina Bedoya Polo
1
Nubia.bedoya@laboure.edu.co
https://orcid.org/0009-0004-7486-6509
Universidad de las Américas y el Caribe
Colima, México
RESUMEN
La literatura científica consultada y el rastreo realizado con Inteligencia Artificial, sobre la Evaluación
del Impacto del Programa Todos a Aprender, aporta una gran oportunidad para pensar y repensar la
importancia del PTA y sus aportes al mejoramiento de la calidad de la educación en Colombia. La
revisión bibliográfica se realizó con el objetivo de comprender las limitaciones y alcances del Programa
implementado inicialmente en zonas rurales con el objetivo de mejorar los aprendizajes y las
competencias básicas de los estudiantes en las áreas de Lenguaje y Matemáticas de los grados tercero
y quinto. Se identificaron evaluaciones de los componentes Pedagógico, de formación situada, gestión
educativa y condiciones básicas, los cuales han variado en 12 años de su implementación, aunque no
sustancialmente ya que actualmente se encuentra en ejecución con otro nombre (CRESE) y con más
componentes, pero los mismos actores, desde la comunidad educativa hasta la familia. También se
visualizó que las conductas de los actores han cambiado en cada período de ejecución, de tal forma que
han sustentado cambios al interior del PTA, con el fin de lograr su propósito de transformar la calidad
educativa en Colombia.
Palabras Clave: PTA, evaluación, calidad, estado del arte
1
Autor principal
Correspondencia: Nubia.bedoya@laboure.edu.co
pág. 7121
Everyone Learns Program: State of the Art in an Algorithmic Present,
AI. 2012-2024
ABSTRACT
The scientific literature reviewed and the tracking performed using Artificial Intelligence on the Impact
Evaluation of the Todos a Aprender Program provide a great opportunity to reflect and rethink the
importance of the PTA and its contributions to improving the quality of education in Colombia. The
bibliographic review was conducted to understand the limitations and scope of the program, initially
implemented in rural areas with the goal of improving student learning and basic skills in the areas of
language and mathematics in third and fifth grades. Evaluations of the pedagogical, situated training,
educational management, and basic conditions components were identified. These have changed over
the 12 years of its implementation, although not substantially, as it is currently being implemented under
a different name (CRESE) and with more components, but the same actors, from the educational
community to the family. It was also observed that the behaviors of these actors have changed in each
implementation period, thereby supporting changes within the PTA, aimed at achieving its purpose of
transforming the quality of education in Colombia.
Keywords: PTA, evaluation, quality, state of the art
Artículo recibido 22 abril 2025
Aceptado para publicación: 26 mayo 2025
pág. 7122
INTRODUCCIÓN
¿Cómo se definirá, medirá y garantizará la calidad educativa en un contexto donde la Inteligencia
Artificial Generativa juega un papel cada vez más dominante?. En esta línea de desarrollo tecnológico
la acepción "algorítmico" evoca la naturaleza de la IA y su impacto específico en el quizá “temible”
modelo de evaluación de los procesos educativos teniendo como horizonte el programa educativo
estatal “Todos a Aprender” (PTA) dentro del contexto ultra eficiente de la IA Educativa, así como en un
casi invencible e insuperable desarrollo de capacidades del aprendizaje automático (the learning
machine).
Con el presente ejercicio se pretende establecer un puente entre una iniciativa educativa concreta y
actual en Colombia como lo es el “PTA” y el futuro transformador de la inteligencia artificial sobre la
educación específicamente en sus modos de evaluar los métodos de enseñanza así como la medición de
resultados del potencial transformador de vidas del maestro dedicado a la difícil labor de acompañar
con enseñanza en los fundamentales años de escolaridad.
En profundidad se reconoce el (PTA) como un punto de partida que contrasta el panorama emergente
de las tecnologías de frontera en su veloz carrera por “copar” espacios de aprendizaje que en el papel
podrían mejorar el sistema educativo global y, la evaluación del quehacer educativo con la participación
directa de humanos formados en ciencias de la educación para la oferta tradicional del conocimiento,
en este caso con influencia directa sobre la niñez.
De otro lado, se debe entender que evaluar es una herramienta que siempre es utilizada bajo el principio
de mejoramiento sobre lo construido, analizar un estado actual de las cosas y emprender mejoras es un
paso hacia la optimización (esto aplica en todas las áreas del conocimiento, así como en gran parte de
las actividades humanas bien sea comerciales, económicas, competitivas, en campos como las
ingenierías, la medicina, y la muy necesaria educación entre cientos de ciencias aplicadas a la evolución
humana); evaluar es entender que parte del caos es el inicio del cambio y la trasformación hacia algo
mejor. Así que, por qué no evaluar la educación nuestra siendo en sí misma el máximo logro como
patrimonio de la arquitectura del conocimiento humano; ¿por qué no aliarse de herramientas máquina
de la IA generativa, para que en conjunto con las métricas obtenidas de la evaluación educativa la
historia fuese cambiada y así optimizar los dos espectros más detonantes del fenómeno del aprendizaje:
pág. 7123
calidad e inclusión que en el papel conducirían al cierre de brechas entre los que tienen mucho y los
que no tienen nada?.
METODOLOGÍA
Se han seleccionado tesis, investigaciones y artículos relevantes sobre la Evaluación del Programa
"Todos a Aprender".
Para el logro de este acercamiento se han utilizado consultas utilizando dos modelos de investigación
con el objetivo de recabar la información necesaria y construir así el presente ejercicio. Una de ellas es
la investigación tradicional IT (consulta directa en estudios, teorías, autores, tesis de grado y toda fuente
que conecta con el tema por investigar para luego parafrasear, citar y ampliar la discusión); y así mismo,
el modelo de
nvestigación apoyado con herramientas fundadas en la Inteligencia Artificial para la investigación
científica, IAI.
Esta metodología tuvo como objetivo guiar la selección sistemática y rigurosa de fuentes académicas
(tesis, investigaciones y artículos) relevantes para comprender la evaluación del programa "Todos a
Aprender" (PTA) del Ministerio de Educación Nacional de Colombia. La metodología se dividió en las
siguientes fases:
Fase 1: Definición de Criterios de Inclusión y Exclusión
Criterios de Inclusión
▪ Foco Temático: Las fuentes abordan directa o indirectamente la evaluación del programa "Todos a
Aprender". Esto incluye estudios sobre su diseño, implementación, impacto, procesos, actores
involucrados, desafíos, logros y recomendaciones.
▪ Tipo de Publicación: Se incluyeron tesis de pregrado y posgrado, artículos de revistas científicas
indexadas (nacionales e internacionales), informes de investigación publicados por instituciones
académicas, gubernamentales o no gubernamentales.
▪ Periodo de Publicación: Se definió un rango de años relevante para la investigación, considerando
el inicio del programa y el periodo de interés del ensayo (2010 hasta la fecha actual). Este rango se
ajustó según la disponibilidad y pertinencia de las fuentes encontradas. Así como teorías
relacionadas con la IA y la evaluación educativa por autores clásicos de la educación.
pág. 7124
▪ Idioma: Principalmente en español, pero se consideraron fuentes relevantes en otros idiomas
(inglés, principalmente) si aportaban perspectivas significativas y no duplicadas en español.
▪ Accesibilidad: Se priorizaron fuentes de acceso abierto o aquellas a las que se tenga acceso a través
de bibliotecas académicas o recursos institucionales.
▪ Relevancia Metodológica: Se valoraron investigaciones con metodologías claras y rigurosas, tanto
cuantitativas como cualitativas, que permitieron obtener hallazgos confiables y válidos sobre la
evaluación del PTA.
Fase 2: Estrategia de Búsqueda de Información
Identificación de Palabras Clave y Descriptores:
▪ Programa Todos a Aprender
▪ PTA (acrónimo)
▪ Evaluación Programa Todos a Aprender
▪ Impacto Programa Todos a Aprender
▪ Resultados Programa Todos a Aprender
▪ Efectividad Programa Todos a Aprender
▪ Implementación Programa Todos a Aprender
▪ Desafíos Programa Todos a Aprender
▪ Logros Programa Todos a Aprender
▪ Ministerio de Educación Nacional (MEN)
▪ Calidad educativa Colombia
▪ Política educativa Colombia (relacionada con PTA)
▪ (Combinar estas palabras clave con términos como "investigación", "estudio", "análisis", "tesis",
"artículo", "revisión")
Selección de Fuentes de Información
▪ Bases de Datos Académicas
- Google Scholar (https://scholar.google.com/)
- Scielo (https://scielo.org/es/)
- Redalyc (https://www.redalyc.org/)
pág. 7125
- Dialnet (https://dialnet.unirioja.es/)
- ERIC (Education Resources Information Center) (https://eric.ed.gov/)
- Otras bases de datos relevantes para ciencias sociales y de la educación a las que se tenga acceso.
▪ Repositorios Institucionales de Universidades Colombianas.
▪ Sitio Web del Ministerio de Educación Nacional de Colombia (MEN).
▪ Sitios Web de Centros de Investigación Educativa y Organizaciones No Gubernamentales (ONGs)
con foco en educación en Colombia.
Proceso de Búsqueda
▪ Realizar búsquedas sistemáticas en las fuentes de información seleccionadas utilizando las palabras
clave y descriptores definidos.
▪ Utilizar operadores booleanos (AND, OR, NOT) para refinar las búsquedas y optimizar los
resultados.
▪ Explorar las listas de referencias de los artículos y tesis relevantes para identificar fuentes
adicionales ("búsqueda de bola de nieve").
Fase 3: Proceso de Selección y Evaluación de las Fuentes
Tamizaje Inicial
▪ Revisión de títulos y resúmenes de las fuentes identificadas para determinar su potencial relevancia
según los criterios de inclusión y exclusión.
▪ Descarte de las fuentes que claramente no cumplan con los criterios.
Evaluación Detallada
▪ Lectura del texto completo de las fuentes que pasaron el tamizaje inicial.
▪ Aplicación de los criterios de inclusión y exclusión de manera más exhaustiva.
▪ Evaluación de la calidad metodológica de las investigaciones (diseño, muestra, instrumentos,
análisis de datos, validez y confiabilidad).
▪ Aplicación del criterio de relevancia y profundidad del análisis sobre la evaluación del PTA.
▪ Apuntes y registros de la información clave de cada fuente seleccionada (autor, año, título, tipo de
publicación, objetivos, metodología, principales hallazgos, conclusiones).
pág. 7126
Estado del Arte de la investigación sobre influencias y tendencias de la I.A en el campo de la
evaluación educativa con enfoque en el programa Todos a Aprender [PTA]. (MEN, Colombia.
2012).
La inteligencia artificial (IA) ha sido objeto de investigación extensa y multifactorial en el campo de la
evaluación educativa, para conocer de manera más aproximada el estado de la cuestión evaluativa del
sector educativo escolar bajo la influencia de las tecnologías basadas en la IA, se investigó con base en
diversos estudios que exploran su potencial como fuente de análisis que conducen a optimizar este
proceso tan importante no si antes explorar condiciones éticas que podrían afectar todo el ecosistema
educativo en particular la evaluación y alcances logrados por los programas educativos ofertados por el
Estado; ya que como se afirma por parte de la Secretaría de Educación de Boyacá (2024) con relación
al PTA, los resultados que valoran y califican tanto el desempeño escolar como las prácticas docentes
son fundamentales en los primeros años de formación puesto que develan las realidades del contexto
educativo propio de las comunidades: “…cuando se evalúa a los niños, todas las inequidades que sufren
se hacen visibles”. (SEB, 2024; Párrafo 2).
De acuerdo con lo anterior, en parte el problema del bajo nivel en los aprendizajes escolares referenciado
en el artículo de la Secretaría de Educación, ofrece una lectura simplista y potencialmente dañina de los
resultados de las Pruebas Saber, que miden la calidad educativa escolar atribuyendo el "desempeño bajo
o insuficiente" a una "gran parte" de los estudiantes colombianos, y a una serie de factores causales
directos y aislados, como "docentes mal preparados", "metodologías impertinentes", "infraestructuras
deficientes" y "falta de material educativo", alertando sobre varios puntos críticos como el rendimiento
educativo que es un fenómeno multifactorial intrincadamente ligado a aspectos socioeconómicos,
culturales, familiares, individuales y sistémicos. Sin embargo, se observa que reducir la causa a una
lista de elementos concretos ignora la complejidad de las interacciones entre estos factores y la
profundidad de los desafíos educativos. Creando una potencial estigmatización y culpabilización al
señalar directamente a los "docentes mal preparados" como una causa principal, corriéndose el riesgo
de estigmatizar a los educadores y de no reconocer las complejas condiciones en las que muchos
trabajan, incluyendo la falta de recursos y apoyo adecuado.
pág. 7127
Si bien los factores mencionados en el texto (formación docente, metodologías, infraestructura,
materiales) son, sin duda, elementos importantes que influyen en la calidad educativa, presentarlos
como las causas directas del bajo desempeño en las Pruebas Saber ofrece una visión incompleta y
potencialmente sesgada de un problema mucho más complejo.
En consecuencia del anterior análisis se hace importante profundizar y contextualizar el estado del arte
para comprender las verdaderas raíces de los desafíos educativos en Colombia y a nivel global para
diseñar o recomendar estrategias de mejora efectivas y equitativas.
Una revisión sistemática de la literatura concerniente al avance de las líneas de investigación en este
campo ha identificado varios estudios originales publicados que cumplen con los criterios de inclusión
e integralidad tomados en cuenta para esta revisión bibliográfica del Estado del arte.
Estos estudios destacan las principales aportaciones de la IA en la evaluación del rendimiento de
estudiantes de primaria y secundaria, como la predicción de su rendimiento, la automatización y
objetivación de las evaluaciones mediante redes neuronales o procesamiento del lenguaje natural, el uso
de robots educativos para analizar su proceso de aprendizaje y la detección de factores específicos que
hacen más atractivas las clases.
En una primera aproximación para comprender la interacción entre humanos y máquinas de aprendizaje,
B. Bonam, et al, (2020) plantean una observación perspicaz y necesaria sobre la calidad educativa; al
señalar que no basta con centrarse únicamente en la dicotomía maestro-alumno; siendo esta línea de
investigación explorada por este ensayo que introduce una perspectiva sistémica y compleja de la
educación; destacando a su vez la importancia de desentrañar los significados implícitos en los términos
que utilizamos para describir el proceso educativo, sugiriendo que estos pueden ocultar dimensiones
cruciales como la influencia de la tecnología y la naturaleza colectiva de la construcción del
conocimiento. En igual sentido, estos autores reflexionan sobre las características de una educación
eficiente que no solo implica considerar la interfaz entre el maestro y el alumno, sino que implica
comprender que los términos asignados a este proceso tienen significados que pueden enmascarar la
tecnología y la construcción colectiva del conocimiento.
En este sentido, la tecnología se asocia frecuentemente con la resolución y creación de problemas dentro
de la educación, por lo cual Mick y Fournier (1998) describen este fenómeno como la «paradoja de la
pág. 7128
tecnología», que puede ser a la vez emancipadora y esclavizadora. Llamando así su doble naturaleza:
por un lado, la tecnología es emancipadora, ya que facilita la vida cotidiana, mejora la eficiencia y
amplía las capacidades humanas. Sin embargo, al mismo tiempo, puede ser esclavizadora, pues genera
dependencia, ansiedad y pérdida de control sobre ciertos aspectos de la vida.
En esta misma línea los autores identifican varias paradojas clave, como:
▪ Facilitación vs. Dependencia: La tecnología simplifica tareas, pero también puede generar una
dependencia excesiva.
▪ Eficiencia vs. Invasión: Aumenta la productividad, pero puede invadir espacios personales y
generar sobrecarga de información.
▪ Control vs. Vulnerabilidad: Otorga poder a los usuarios, pero también los expone a riesgos y pérdida
de privacidad.
Este marco conceptual ayuda a comprender cómo los consumidores navegan estas tensiones
emocionales y desarrollan estrategias para lidiar con los efectos contradictorios de la tecnología en sus
vidas.
Desde la perspectiva de la paradoja de la tecnología, Todos a Aprender puede ser visto como un
mecanismo emancipador, ya que facilita el acceso a herramientas pedagógicas avanzadas, mejora la
enseñanza y fortalece la educación en comunidades rurales y vulnerables. Sin embargo, también puede
generar una dimensión esclavizadora, en la medida en que los docentes y estudiantes pueden volverse
dependientes de ciertas metodologías o tecnologías sin desarrollar autonomía crítica en su uso.
Al evaluar el impacto del programa, es fundamental analizar cómo los docentes y estudiantes afrontan
esta dualidad. ¿Las estrategias implementadas realmente empoderan a los educadores y alumnos, o
generan una dependencia estructural de ciertos enfoques tecnológicos? ¿Cómo influyen las emociones
y percepciones de los participantes en la adopción de estas herramientas?
Este análisis permite comprender mejor cómo la tecnología educativa puede ser tanto una solución
como un desafío dentro de los procesos de enseñanza y aprendizaje.
Continuando la interpretación de estudios pertinentes a los procesos de evaluación educativa, la línea
de investigación sobre el uso de la inteligencia artificial en la evaluación educativa y sus desafíos es la
pág. 7129
principal preocupación de Fürchgott (2024) quien define la integración de la IA en la evaluación
educativa, poniendo foco en sus ventajas, desafíos y consideraciones éticas.
La autora plantea que dicha incorporación de la IA en la evaluación educativa está transformando los
métodos tradicionales de medición del aprendizaje puesto que esta tecnología ofrece herramientas
avanzadas para analizar el desempeño de los estudiantes, personalizar la enseñanza y generar
retroalimentación individualizada. Sin embargo, de acuerdo con la investigación, implementar las
tecnologías IA también plantea retos significativos relacionados con la equidad, la ética y la pérdida de
la dimensión humana en el proceso educativo.
En su investigación aduce las ventajas que aportan múltiples beneficios de la IA en la evaluación
educativa como: mayor precisión y eficiencia en razón a que automatiza procesos de análisis,
reduciendo el margen de error en la evaluación de estudiantes. Igualmente, personaliza el aprendizaje
adaptando contenidos y estrategias pedagógicas según las necesidades individuales de los alumnos. Así
mismo retroalimenta continuamente generando recomendaciones basadas en patrones de aprendizaje y
facilitando el desarrollo de competencias específicas. Por otro lado desarrolla con eficacia el análisis de
grandes volúmenes de datos facilitando la interpretación de tendencias educativas, mejoramiento de
currículos y diseño de políticas de enseñanza fundamentadas.
Sin embargo, este estudio genera alertas a los desafíos en la Implementación de la IA, entre ellos:
pérdida de la dimensión humana debido a que la automatización puede reducir la interacción directa
entre docentes y estudiantes, afectando la calidad del aprendizaje.
También se presentan sesgos algorítmicos que pueden reflejar desigualdades existentes en los datos de
entrenamiento, comprometiendo la equidad en la evaluación.
Dependencia tecnológica debido a la excesiva confianza en algoritmos lo cual podría limitar la
capacidad crítica de docentes y alumnos, afectando la autonomía educativa.
Así mismo se torna compleja la protección de datos y privacidad puesto que la recopilación y
procesamiento de información académica requiere mecanismos de seguridad sólidos para evitar
vulneraciones. Por último reflexiona sobre consideraciones Éticas y Propuestas de Solución para
garantizar una implementación justa y equitativa de la IA en la evaluación educativa, siendo
fundamental adoptar estrategias éticas como: desarrollo de marcos normativos y regulaciones claras
pág. 7130
que guíen el uso de IA en entornos educativos; transparencia y explicabilidad puesto que los modelos
de IA deben ser comprensibles para docentes y estudiantes, evitando decisiones opacas.
Al tenor de los anteriores desafíos relatados, Unesco (2021) elaboró la primera norma mundial sobre
ética de la IA. Esta norma es aplicable a los 194 Estados miembros de la organización mundial. Dentro
del paquete de recomendaciones hechas por este organismo se destaca el énfasis sobre la salvaguarda
de los derechos humanos y la preservación de la dignidad humana constituyéndose en el eje central de
la Recomendación, cimentada en la promoción de principios esenciales como la transparencia, la
equidad y la justicia.
En este marco, se enfatiza la necesidad de garantizar una supervisión humana constante sobre los
sistemas de inteligencia artificial, asegurando que su desarrollo y aplicación no comprometan la
autonomía ni la seguridad de las personas.
Más allá de su dimensión conceptual, lo que distingue a la Recomendación como un instrumento de
gran aplicabilidad es la amplitud de sus Áreas de Acción Política, que proporcionan un enfoque
estructurado para convertir los valores fundamentales en medidas tangibles. Estas áreas de acción no
solo orientan el diseño de políticas en gobernanza de datos, sino que también abordan desafíos clave en
sostenibilidad ambiental, preservación de los ecosistemas, equidad de género, fortalecimiento de la
educación e investigación, y promoción de la salud y el bienestar social, entre muchas otras dimensiones
de impacto.
Este enfoque integral permite que los responsables políticos y las entidades reguladoras incorporen la
Recomendación en sus agendas de desarrollo, asegurando que el avance tecnológico se realice de
manera ética y con un profundo compromiso con el bienestar de la sociedad. De esta forma, la
Recomendación no solo sirve como una guía conceptual, sino como un marco dinámico que posibilita
la implementación de estrategias concretas para un futuro más equitativo y sostenible.
Continuando con el Estado de la Cuestión desde una visión política y ética para la calidad del sector
educativo escolar-colegial y universitario, Unesco (2024) ha desarrollado dos estándares de uso y
apropiación importantes que en el papel darían orden, ética y legalidad a las tecnologías IA con
aplicabilidad en las ciencias educativas, estos estándares están diseñados en los documentos Marco de
Competencias tanto para estudiantes como para profesores, los cuales enfatizan a grosso modo, que la
pág. 7131
IA debe apoyar la toma de decisiones humanas y el desarrollo intelectual, en lugar de socavarla o
reemplazarla. También destacan la importancia de respetar los derechos humanos y la diversidad
cultural en el diseño y uso de las tecnologías de IA. (UNESCO, 2024; párrafo 3).
El Marco de competencias de IA para estudiantes está diseñado para guiar a los formuladores de
políticas, educadores y desarrolladores de currículos para equipar a los estudiantes con las habilidades,
conocimientos y valores necesarios para interactuar con la IA de manera efectiva. Se centra en cuatro
competencias básicas:
▪ Una mentalidad centrada en el ser humano: Alentar a los estudiantes a comprender y afirmar su
agencia en relación con la IA.
▪ Ética de la IA: Enseñar uso responsable, ética por diseño y prácticas seguras.
▪ Técnicas y aplicaciones de IA: Proporcionar conocimientos y habilidades fundamentales de IA.
▪ Diseño de sistema AI: Fomentar la resolución de problemas, la creatividad y el pensamiento de
diseño.
El marco fomenta la integración de temas relacionados con la IA en materias básicas en todo el plan de
estudios, enfatizando el aprendizaje interdisciplinario tanto en STEM como en los estudios sociales.
(UNESCO, 2024; párr. 10)
En cuanto al Marco de competencias de IA para profesores, éste se centra en el desarrollo profesional
docente de forma permanente, ofreciendo un marco de referencia para el desarrollo de competencias
nacionales y programas de formación. Su objetivo es garantizar que los maestros estén equipados para
usar la IA de manera responsable y efectiva, al tiempo que minimizan los riesgos potenciales para los
estudiantes y la sociedad. Las cinco áreas clave de competencia son:
▪ Una mentalidad centrada en el ser humano: Centrarse en la agencia humana, la responsabilidad y
la responsabilidad social.
▪ Ética de la IA: Promover principios éticos y uso responsable.
▪ Fundamentos y aplicaciones de IA: Proporcionar el conocimiento, la comprensión y las habilidades
necesarias para crear y utilizar la IA.
▪ Pedagogía de IA: Apoyar a los maestros en el aprovechamiento de la IA para métodos de enseñanza
innovadores.
pág. 7132
▪ IA para el desarrollo profesional: Delinear las capacidades de teachers para aprovechar la IA para
impulsar su propio desarrollo profesional de por vida.
El marco enfatiza que las herramientas de IA deben complementar, no reemplazar, los roles y
responsabilidades vitales de los maestros en la educación. (UNESCO, 2024; párr. 11).
Al analizar diferentes investigaciones referentes de la imbricación IA-Evaluación Educativa se orientó
la búsqueda de documentos que agreguen valor a la presente revisión haciendo énfasis en el papel clave
de las tecnologías de vanguardia acerca del enriquecimiento de la enseñanza matemática, en tal sentido
Estrada (2024) realiza un análisis crítico sobre el impacto de la Inteligencia Artificial (IA) en la
enseñanza de las matemáticas en la educación básica secundaria en Colombia, abarcando el período
2015-2023. A través de una exploración detallada, se examina cómo la incorporación de herramientas
digitales y algoritmos inteligentes está transformando las estrategias didácticas y prácticas pedagógicas
en el ámbito matemático.
La investigación aborda la implementación de diversas tecnologías educativas, incluyendo plataformas
digitales, software especializado, aplicaciones móviles, sistemas de aprendizaje adaptativo y
herramientas avanzadas de análisis de datos. Se evalúa el valor real de estas innovaciones en el proceso
de enseñanza-aprendizaje, identificando tanto sus beneficios como los desafíos que conllevan.
Los hallazgos resaltan la capacidad de la IA para personalizar el aprendizaje, adaptándose a las
particularidades y ritmos de cada estudiante. Asimismo, se destaca su potencial para optimizar la
evaluación formativa, fomentar entornos de enseñanza más dinámicos y estimular el desarrollo de
habilidades de pensamiento crítico. No obstante, se reconoce que la adopción de estas tecnologías debe
enfrentar retos fundamentales, tales como garantizar un acceso equitativo, fortalecer la calidad del
contenido educativo y capacitar adecuadamente a los docentes en el uso de herramientas digitales.
(Estrada L., U. Nacional. 2024 pág. 33).
En conclusión, el estudio evidencia que la IA puede desempeñar un papel clave en el enriquecimiento
de la enseñanza matemática, siempre que su integración se realice de manera responsable y alineada
con principios éticos y las necesidades específicas del entorno educativo.
Centrando más la búsqueda de fuentes confiables y pertinentes con la línea de investigación sobre el
impacto de la inteligencia artificial en los métodos de evaluación en educación primaria y secundaria,
pág. 7133
Martínez, et al (2023) analizan de manera exhaustiva cómo la inteligencia artificial está transformando
las metodologías de evaluación en los niveles educativos de primaria y secundaria, se examinan las
posturas clave de investigaciones que utilizan diversas herramientas de IA para mejorar la precisión,
objetividad y adaptabilidad de las evaluaciones educativas. Se destaca el uso de tecnologías emergentes
como el procesamiento del lenguaje natural, redes neuronales y robots educativos, enfocándose en su
capacidad para personalizar la experiencia educativa y prever el rendimiento estudiantil de manera más
efectiva que los métodos tradicionales.
Se hacen relevantes las siguientes ventajas: Mejora de la Precisión y la Objetividad en la Evaluación
Educativa minimizando sesgos y garantizando una evaluación más justa. En justificación de lo anterior
se afirma que las tecnologías emergentes permiten: Automatizar la calificación de pruebas mediante el
procesamiento del lenguaje natural, reduciendo errores humanos en la interpretación de respuestas
abiertas; Analizar patrones de desempeño estudiantil, identificando fortalezas y áreas de mejora con
mayor exactitud que los métodos tradicionales; Optimizar la evaluación formativa, proporcionando
retroalimentación en tiempo real y adaptando estrategias pedagógicas según las necesidades de cada
estudiante; Adaptabilidad y Personalización en el Aprendizaje potenciando la personalización de la
enseñanza.
Entre los avances más significativos que destacan los autores en este tipo de tecnología se observan:
Sistemas de aprendizaje adaptativo, que ajustan el contenido educativo y el nivel de dificultad en
función del progreso del estudiante; Redes neuronales aplicadas a la predicción del rendimiento
académico, permitiendo a los docentes anticipar dificultades y diseñar intervenciones pedagógicas más
efectivas y Robots educativos, que interactúan con los estudiantes y ofrecen un acompañamiento
dinámico, reforzando conceptos matemáticos y lingüísticos de manera intuitiva.
En conclusión, el estudio evidencia que la inteligencia artificial está redefiniendo los métodos de
evaluación en la educación básica, promoviendo modelos más precisos, personalizados y adaptativos.
No obstante, para garantizar una implementación efectiva, sostiene el estudio que es esencial en los
avances tecnológicos el desarrollo de principios éticos y un enfoque inclusivo, asegurando que su
impacto beneficie a todos los estudiantes sin comprometer la calidad educativa.
pág. 7134
Finalmente, los autores salvan la relevancia de la inteligencia artificial en la educación, tal como se
discute en este estudio, es considerable y multifacética. La integración de la IA en los métodos de
evaluación no solo aumenta la eficiencia de estos procesos, sino que también mejora su
precisión y objetividad, lo que es fundamental para desarrollar sistemas educativos equitativos y
efectivos.
La capacidad de la IA para adaptar y personalizar las evaluaciones según las necesidades individuales
del estudiante permite una atención más focalizada a las áreas donde los estudiantes puedan necesitar
más apoyo, potenciando así la igualdad de oportunidades educativas para todos los alumnos,
independientemente de sus capacidades o antecedentes. (Martínez, et al. 2023., Pág. 9).
Continuando con los hallazgos de los papers de investigación para el tema de la IA aplicada a la
evaluación educativa y sus grandes avances en el modelo de aprendizaje escolar, se precisa un
acercamiento al epicentro de la tecnología para ello Bustamante (2024), explica que estas innovaciones
están redefiniendo los métodos tradicionales, permitiendo una enseñanza más precisa, personalizada y
eficiente. Entre los desarrollos más destacados, las rúbricas inteligentes han emergido como
herramientas clave, proporcionando retroalimentación detallada y adaptada a las necesidades
individuales de los estudiantes. (párr. 16)
De acuerdo con lo anterior la IA ha facilitado la automatización de rúbricas, optimizando los procesos
evaluativos y reduciendo significativamente el tiempo dedicado a tareas administrativas. Esta
tecnología no solo mejora la eficiencia, sino que también incrementa la objetividad y minimiza los
sesgos en la valoración del desempeño estudiantil, garantizando una evaluación más justa y precisa.
(párr. 17)
De acuerdo con este autor, gracias a los sistemas inteligentes, las evaluaciones pueden adaptarse al
ritmo y estilo de aprendizaje de cada estudiante. Por lo que la IA permite:
▪ Diseñar pruebas ajustadas a niveles de competencia individual.
▪ Proporcionar retroalimentación automatizada y detallada.
▪ Optimizar estrategias pedagógicas con base en datos personalizados.
En esta misma tendencia el autor identifica tres cualidades clave en la medición del rendimiento
estudiantil.
pág. 7135
▪ Predecir el rendimiento estudiantil con mayor precisión.
▪ Identificar patrones de aprendizaje y dificultades recurrentes.
▪ Diseñar intervenciones educativas más efectivas.
La integración de IA en la evaluación educativa no solo optimiza los procesos tradicionales, sino que
también abre nuevas posibilidades para mejorar la enseñanza. La clave está en su implementación
responsable, asegurando que la tecnología complemente la labor docente y potencie el aprendizaje de
los estudiantes.
Para alcanzar la integralidad e inclusión del presente ejercicio se investigó la dicotomía surgida entre
las nociones de IA aplicada a la evaluación del programa “Todos a Aprender”, siendo significativo que
esta línea de investigación interseca tres nociones clave dentro del ecosistema de la educación básica
escolar pública, (calidad, evaluación y cualificación docente) sin embargo, no se registran aún
investigaciones válidas aplicadas a la injerencia de la IA en la evaluación educativa propia del PTA, no
encontrando esta temática como sustrato de investigación, sino más bien, la medición de lo enseñado
cómo un indicador generalizado para la evaluación educativa de forma universal, quizá porque el PTA
fue suspendido por el actual gobierno, siendo reemplazado por otro programa nuevo.
En este aspecto concreto, Higuera (2014) expone que la evaluación diagnóstica continua es un proceso
fundamental en el mejoramiento pedagógico, ya que permite a los docentes comprender el nivel de
aprendizaje de sus estudiantes en diferentes momentos del ciclo educativo. A diferencia de las
evaluaciones tradicionales, que suelen ser puntuales y centradas en mediciones finales, esta metodología
enfatiza la recolección constante de información para ajustar estrategias de enseñanza y proporcionar
un acompañamiento más preciso a cada estudiante. (Higuera, 2014; párr. 17).
Las evaluaciones internas y externas, a las cuales hace referencia la investigadora ocurre cuando los
docentes utilizan pruebas diseñadas dentro del aula (internas) y mediciones estandarizadas o aplicadas
por entidades externas (externas) para obtener una visión integral del desempeño de los alumnos. De
este ejercicio se desprenden 3 momentos claves: Análisis de resultados a partir de los datos recopilados,
permitiendo a los docentes identificar patrones, fortalezas y dificultades en el aprendizaje; Ajuste de
estrategias con base en los hallazgos, se modifican enfoques pedagógicos para garantizar que cada
estudiante reciba el apoyo que necesita; y Acompañamiento individualizado el cual facilita la
pág. 7136
implementación de intervenciones específicas, como tutorías, refuerzos temáticos o actividades
diferenciadas.
Por ejemplo, en la mejora en la comprensión lectora, un docente de primaria observa que, tras varias
evaluaciones internas, un grupo de estudiantes tiene dificultades en la identificación de ideas principales
en textos. En lugar de continuar con el currículo sin modificaciones, decide:
▪ Implementar actividades de lectura guiada con preguntas clave.
▪ Usar herramientas de inteligencia artificial que analicen patrones de errores en las respuestas.
▪ Fomentar el trabajo colaborativo, asignando pares de estudio para mejorar la comprensión.
Así mismo en la fase de adaptación de enseñanza en matemáticas en una escuela secundaria, los
resultados de una prueba diagnóstica externa muestran que los estudiantes tienen dificultades con el
pensamiento algebraico. Para abordar esta situación, los docentes, introducen plataformas de
aprendizaje adaptativo que ajustan la dificultad de los ejercicios según el progreso del alumno; realizan
sesiones de tutoría específicas para grupos con dificultades similares y aplican metodologías activas,
como el estudio de casos reales para conectar los conceptos matemáticos con situaciones prácticas.
Aludiendo el PTA, este modelo de entrenamiento y aprendizajes dirigido para fortalecer la experticia
docente en el ejercicio de la educación pública escolar, es un proceso de gran complejidad que involucra
la mayoría del profesorado tal como explica el Ministerio de Educación de Colombia (2022); en su
desarrollo el (PTA) tiene como principales objetivos, el mejorar los aprendizajes de los estudiantes de
primero a quinto grado de básica primaria en las áreas de Lenguaje y Matemáticas y contribuir al
desarrollo integral de los niños y las niñas que están cursando el grado de transición. Para cumplir con
estos objetivos, el Programa se concentra en fortalecer las prácticas pedagógicas de los docentes y las
de liderazgo pedagógico de los directivos docentes. (MEN 2022, pág. 11). (IT).
Este modelo de entrenamiento de acuerdo con una consulta practicada a la IA Generativa KIMI, con el
Prompt: “Desarrolla una revisión del modelo Todos Aprender del Ministerio de Educación Nacional
de Colombia en donde se expliquen las ventajas y desventajas de su práctica. Adicionalmente explica
por qué se configura la necesidad de crear programas de fortalecimiento de los docentes para el
aseguramiento de la calidad de la educación escolar pública”. Arrojó la siguiente información
acopiada textualmente (IAI), señalando primero que al despejar la pregunta formulada en el tablero de
pág. 7137
la IA KIMI no sólo se respondió de manera integral, razonada y amplia, sino que a su vez ilustró una
serie de documentos de consulta como apoyo a la respuesta obtenida, en tan solo y asombrosamente 7
segundos. (Se presenta seguidamente la captura de pantalla de lo expuesto con anterioridad).
Figura 1
Explicando los resultados de esta consulta, se puede observar en el Frontend de la página de KIWI IA,
que este se compone de tres ventanas de información dispuestas en sentido horizontal donde prevalece
el centro del diseño con la casilla para la formulación de los parámetros de búsqueda o Prompt, para
que seguidamente y en cuestión de segundos, se obtenga una respuesta razonada e inteligente ubicada
en la parte inferior del Prompt. Es de observar que en la ventana ubicada en la parte derecha del Frontend
están expuestas las investigaciones, artículos e información relacionada con la pregunta formulada en
el Prompt. Siendo este un complemento de alta asistencia para el investigador o estudiante pues además
de obtener una respuesta acertada y técnica, puede acudir a otras fuentes sugeridas y así complementar
los conocimientos; y como si fuera poco, KIMI IA al igual que la mayoría de plataformas API dotadas
de IA, tiene en su diseño ubicado en el segmento derecho del Frontend un historial de todo lo
investigado anteriormente, lo que permite retomar, complementar o refrescar memoria de lo
investigado, con lo cual, desaparecen las notas de apoyo para recordar textos y autores así como enlaces
para recurrir a otras fuentes. Es decir, la IA lo tiene todo para optimizar el proceso de investigación,
sabiendo que, en cada interacción con tan solo una consulta, entre miles de millones de solicitudes de
pág. 7138
información diarias, la IA aprende de modo automático, permanente y sus algoritmos clasifican,
sistematizan y racionalizan las respuestas ante una gran demanda mundial de conocimiento.
Análisis y Discusión del estado del arte consultado
Este proceso de pesquisa investigativa permitió una comprensión más profunda y matizada de la
relación entre la Inteligencia Artificial y la evaluación educativa.
Inicialmente, se aborda la necesidad de una lectura crítica de los resultados de las pruebas
estandarizadas, evidenciando la tendencia a simplificar las complejas causas del bajo rendimiento y
alertando sobre la omisión de factores cruciales y el riesgo de estigmatización de los educadores.
Seguidamente, se explora la "paradoja de la tecnología" en el contexto educativo, invitando a una
reflexión sobre el impacto real de las herramientas tecnológicas, incluyendo aquellas potencialmente
integradas en programas como "Todos a Aprender", y la tensión entre sus beneficios y la posible
generación de dependencias.
En este orden de ideas se establece un balance entre las prometedoras ventajas que la IA ofrece a la
evaluación educativa y los significativos desafíos éticos, de equidad y de implementación emerge como
un punto central del análisis, subrayando la complejidad de integrar estas tecnologías de manera
responsable y efectiva.
En este sentido, se enfatiza la imperiosa necesidad de establecer marcos regulatorios y principios éticos
claros que guíen el desarrollo y la aplicación de la IA en la educación, protegiendo los derechos
humanos y promoviendo la equidad.
La discusión también se centra en el papel de la IA como un complemento valioso para la labor docente,
destacando su potencial para potenciar las capacidades de los educadores y fomentar métodos de
enseñanza innovadores, en lugar de concebirla como un sustituto. Finalmente, se identifica una notable
brecha en la investigación respecto a la aplicación específica de la IA en la evaluación del programa
"Todos a Aprender", señalando una posible área de interés para futuras exploraciones académicas.
Resultados de las investigaciones del estado del arte consultado.
Los resultados derivados del estado del arte consultado revelan un panorama prometedor y a la vez
desafiante en la intersección de la IA y la evaluación educativa.
pág. 7139
Diversas investigaciones convergen en destacar el notable potencial de la IA para revolucionar los
métodos de evaluación; en este sentido ofrecen herramientas avanzadas para la predicción del
rendimiento estudiantil, la automatización y objetivación de procesos, el análisis profundo de los
mecanismos de aprendizaje e incluso la identificación de elementos que enriquecen la experiencia en
el aula.
Estos estudios resaltan beneficios tangibles como la mejora en la precisión y objetividad de las
evaluaciones, la capacidad de personalizar el aprendizaje a través de sistemas adaptativos y la provisión
de retroalimentación continua y detallada, así como el análisis de grandes conjuntos de datos para la
mejora sistémica.
No obstante, esta exploración también advierte sobre importantes desafíos inherentes a la
implementación de la IA en la educación, incluyendo la potencial deshumanización de la interacción
pedagógica, el riesgo de sesgos algorítmicos que podrían exacerbar inequidades, la generación de
dependencia tecnológica y las complejas implicaciones para la protección de datos y la privacidad de
los estudiantes.
Investigaciones específicas, como las centradas en la enseñanza de las matemáticas, ilustran el impacto
positivo de la IA en la personalización y el fomento del pensamiento crítico, aunque señalan la
persistencia de retos relacionados con el acceso equitativo y la capacitación docente.
Finalmente, la revisión del estado del arte revela una ausencia significativa de estudios que exploren
directamente la aplicación de la IA en la evaluación del programa "Todos a Aprender", lo que sugiere
una posible brecha en la investigación o una consecuencia de la evolución de las políticas educativas
en Colombia.
Marcos teóricos y estrategias metodológicas del estado del arte consultado
▪ Paradoja de la Tecnología (Mick y Fournier, 1998): Este marco teórico se utiliza para analizar la
doble naturaleza de la tecnología en la educación, como una fuerza tanto emancipadora como
esclavizadora. Se aplica al programa "Todos a Aprender" para examinar si las tecnologías
implementadas empoderan a educadores y estudiantes o generan dependencia.
▪ Integración de la IA en la Evaluación Educativa (Fürchgott, 2024): Se presenta como un marco
para comprender cómo la IA está transformando los métodos tradicionales de evaluación,
pág. 7140
destacando sus ventajas (precisión, eficiencia, personalización, retroalimentación, análisis de
grandes datos) y desafíos (pérdida de dimensión humana, sesgos algorítmicos, dependencia
tecnológica, protección de datos).
▪ Normativa y Ética de la IA (UNESCO, 2021 y 2024): Los marcos de competencias de IA para
estudiantes y profesores, así como la recomendación mundial sobre la ética de la IA, se presentan
como directrices para asegurar un uso responsable, ético y legal de las tecnologías de IA en la
educación, enfatizando la supervisión humana, la transparencia, la equidad y el respeto por los
derechos humanos.
▪ Evaluación Diagnóstica Continua (Higuera, 2014): Aunque no directamente ligada a la IA en la
evaluación del PTA, se presenta como una metodología pedagógica fundamental para el
mejoramiento, basada en la recolección constante de información para ajustar estrategias de
enseñanza y proporcionar acompañamiento individualizado. Se menciona su potencial integración
con herramientas de IA para analizar patrones de errores.
▪ Impacto de la IA en la Enseñanza de las Matemáticas (Estrada, 2024): Se resalta la capacidad
de la IA para personalizar el aprendizaje, optimizar la evaluación formativa, fomentar entornos
dinámicos y estimular el pensamiento crítico en matemáticas. Sin embargo, se mencionan retos
como el acceso equitativo, la calidad del contenido y la capacitación docente.
▪ Transformación de las Metodologías de Evaluación (Martínez, et al, 2023): Se evidencia cómo
la IA está promoviendo modelos de evaluación más precisos, personalizados y adaptativos en
primaria y secundaria, con avances significativos en sistemas de aprendizaje adaptativo, redes
neuronales para la predicción y robots educativos.
▪ Optimización de Rúbricas con IA (Bustamante, 2024): Se describe cómo la IA facilita la
automatización de rúbricas, optimizando procesos evaluativos, reduciendo tiempo administrativo,
incrementando la objetividad y personalizando la retroalimentación.
Conclusiones al estado del arte consultado
Una de las principales controversias suscitadas al interior de esta investigación gira alrededor de la
ausencia de estudios específicos sobre IA en la Evaluación del PTA, al señalarse que no se encontraron
investigaciones específicas sobre la aplicación de la IA en la evaluación propia del programa "Todos a
pág. 7141
Aprender", posiblemente debido a su suspensión y reemplazo por un nuevo programa en el actual
gobierno.
Las conclusiones derivadas del exhaustivo estado del arte sobre la intersección entre la Inteligencia
Artificial y la evaluación educativa convergen en un reconocimiento del transformador potencial de la
IA, proyectándola como una fuerza capaz de redefinir los paradigmas de medición y comprensión del
aprendizaje.
La promesa de herramientas que optimizan la precisión en la valoración del desempeño estudiantil, que
agilizan los procesos evaluativos mediante la eficiencia algorítmica y que permiten una personalización
sin precedentes de las trayectorias de aprendizaje se erige como un horizonte atractivo para el sector
educativo.
No obstante, esta visión optimista se matiza significativamente al considerar los intrínsecos y complejos
desafíos que acompañan la implementación generalizada de la IA en este ámbito. Cuestiones
fundamentales de ética, equidad en el acceso y los resultados, la siempre latente amenaza de la
dependencia tecnológica que podría menoscabar la autonomía crítica de estudiantes y educadores, así
como las imperativas consideraciones sobre la seguridad y la privacidad de los datos sensibles de la
comunidad educativa, emergen como obstáculos que demandan una atención proactiva y la formulación
de marcos normativos y principios éticos robustos.
En este contexto, el análisis subraya la necesidad de cultivar una perspectiva reflexiva y crítica frente a
la incorporación de la tecnología en la educación, celebrando su capacidad para emancipar y enriquecer
los procesos pedagógicos, pero sin ignorar los riesgos subyacentes de generar nuevas formas de
dependencia o de inadvertidamente simplificar la intrincada naturaleza del aprendizaje humano.
Asimismo, se reafirma la convicción de que la evaluación de programas educativos de la envergadura
de "Todos a Aprender" debe trascender la mera cuantificación de resultados en pruebas estandarizadas,
incorporando una comprensión profunda de los factores contextuales, socioeconómicos y de las
dinámicas inherentes a las prácticas pedagógicas que moldean el aprendizaje.
Aunque la literatura específica sobre la aplicación de la IA en la evaluación del PTA resultó esquiva,
las lecciones generales extraídas del campo de la IA en la evaluación educativa ofrecen un valioso
acervo de conocimiento y consideraciones cruciales para informar el diseño y la evaluación de futuras
pág. 7142
iniciativas educativas y la eventual integración estratégica de herramientas inteligentes en sus
mecanismos de valoración.
Finalmente, se establece la formación docente como un pilar indispensable para garantizar una
adopción ética, pedagógicamente sólida y, por ende, efectiva y responsable de las tecnologías de la
Inteligencia Artificial en el ecosistema educativo.
CONCLUSIÓN
Valor y Postura Futurista
Mirando hacia el futuro, la integración de la Inteligencia Artificial en la evaluación educativa representa
una oportunidad sin precedentes para forjar sistemas de valoración más justos, adaptativos y
reveladores, capaces de ofrecer una comprensión profunda del progreso individual y colectivo.
Sin embargo, el verdadero valor de esta transformación no radicará únicamente en la sofisticación
algorítmica o la eficiencia operativa, sino en nuestra capacidad humana para guiar su desarrollo y
aplicación con una brújula ética inquebrantable y una visión pedagógica centrada en el florecimiento
integral del ser. En lugar de concebir la IA como un reemplazo de la invaluable experticia docente y la
complejidad de la interacción humana, debemos abrazarla como una herramienta poderosa para
potenciar sus capacidades, liberándolos de tareas rutinarias y proporcionando insights basados en datos
para enriquecer la enseñanza y el aprendizaje.
La clave para un futuro donde la IA sirva genuinamente a la calidad educativa reside en un compromiso
continuo con la investigación interdisciplinaria, la formulación de políticas públicas informadas, la
inversión en la formación de educadores críticos y la priorización innegociable de la equidad y la
transparencia en el diseño e implementación de estos sistemas. Solo así podremos navegar el horizonte
algorítmico no como navegantes a la deriva, sino como arquitectos conscientes de un futuro educativo
donde la inteligencia artificial amplifica el potencial humano en lugar de eclipsarlo.
pág. 7143
REFERENCIAS BIBLIOGRAFICAS
BBC News Mundo. (2010). El Primer Científico de Verdad. [Artículo de prensa en línea]. Enlace:
https://www.bbc.com/mundo/noticias/2010/12/101129_primer_cientifico_verdadero_az
Bonam, B., Piazentin, L., & Possa, A. D. (2020). Educación, Big Data e Inteligencia Artificial:
metodologías mixtas en plataformas digitales. [Comunicar: Revista Científica de
Comunicación y Educación, (65), 43-52 en línea]. Enlace:
https://scholar.google.com/scholar_lookup?title=Educaci%C3%B3n%2C%20big%20data%20
e%20inteligencia%20artificial%3A%20Metodolog%C3%ADas%20mixtas%20en%20platafor
mas%20digitales&publication_year=2020&author=B.%20Bonam&author=L.%20Piazentin&
author=A.D.%20Possa
Bustamante. P. (2024). Inteligencia Artificial en Evaluación Educativa: Cómo está transformando el
aprendizaje. [Artículo de Blog en línea]. Enlace: https://aulasimple.ai/blog/inteligencia-
artificial-en-evaluacion-educativa-como-esta-transformando-el-aprendizaje/
Castañeda R. G. (2013). Investigación e Innovación Educativa: Panorama Genera. “ La Transformación
de la práctica pedagógica, investigación y formación docente: Una Experiencia desde el
Programa Todos a Aprender, del Ministerio de Educación Nacional”. [Capítulo de libro en
línea]. Enlace:
https://books.google.com.co/books?id=HRa_DwAAQBAJ&lpg=PA1&hl=es&pg=PA108#v=
onepage&q&f=
El Espectador. (2024). Educación de luto: desaparecen los programas Todos a Aprender y Viva la
Escuela. [Artículo de prensa en línea]. Enlace:
https://www.elespectador.com/educacion/opinion-educacion-de-luto-desaparecen-los-
programas-todos-a-aprender-y-viva-la-escuela/
Estrada Tangarife, L. (2024). El impacto de la inteligencia artificial en la enseñanza de las matemáticas
en la educación básica secundaria : una revisión crítica. Universidad Nacional de Colombia.
[Estudio en línea]. Enlace: https://repositorio.unal.edu.co/handle/unal/86594
Fürchtgott G. N. (2024). The use of artificial intelligence in educational evaluation and its challenges.
[Investigación en línea]. Enlace: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4920158
pág. 7144
Gobernación de Boyacá _ Secretaría de Educación. (2024). Todos a Aprender, Programa para la
Transformación Educativa. [Entrada de Blog página web oficial]. Enlace:
http://sedboyaca.gov.co/programa-todos-a-aprender-pta/
Higuera Y. P. (2014). Todos a Aprender, el programa que está transformando la calidad de la educación
en Colombia. [Artículo especializado de Blog en línea]. Enlace:
https://rutamaestra.santillana.com.co/todos-a-aprender-el-programa-que-esta-transformando-
la-calidad-de-la-educacion-en-
colombia/#:~:text=Despu%C3%A9s%20de%20dos%20a%C3%B1os%20de%20implementac
i%C3%B3n%2C%20el%20Programa,b%C3%A1sicas%20para%20llegar%20y%20permanec
er%20en%20la%20escuela.
López T. Laura; Prior Diego; Santín Daniel. (2017). Análisis del Impacto de los Programas de Mejora
Educativa de la Calidad Educativa en Centros Escolares Públicos. Fundación Ramón Areces.
[Monografía sobre educación en línea]. Enlace: https://www.sociedadyeducacion.org/site/wp-
content/uploads/Analisis-del-impacto-de-programas.pdf
Martínez C, M; Rigueira D. X; Larrañaga J. A; Martínez T. J; Ocarranza P. L; Kreibel. D. (2023).
Impacto de la inteligencia artificial en los métodos de evaluación en la educación primaria y
secundaria: revisión sistemática de la literatura [Artículo en revista indexada en línea] Enlace:
https://doi.org/10.1016/j.psicod.2023.06.001.
Método Científico. (2016) Qué es el Método Científico. [Entrada de blog de página web]. Enlace:
https://metodocientifico.net/
Mick, S. D., Fournier, S. (1998). Paradoxes of Technology: Consumer Cognizance, emotions, and
coping strategies. [Estudio en línea]. Enlace: https://es.scribd.com/document/183047104/Mick-
and-Fournier-1998-Paradoxes-of-Technology
Ministerio de Educación Nacional. (2022). Programa Todos a Aprender del Ministerio de Educación
Nacional (Colombia). “Nota Técnica”. [Documento Especializado del Estado colombiano en
línea]. Enlace: https://www.mineducacion.gov.co/1780/articles-363488_recurso_2.pdf
pág. 7145
Ministerio de Educación Nacional. (2022). Evaluación _ Pruebas Saber. [Artículo de Web oficial].
Enlace: https://www.mineducacion.gov.co/portal/micrositios-preescolar-basica-y-
media/Evaluacion/Evaluacion-de-estudiantes/397384:Pruebas-saber
StartechUP. (2022). Historia del aprendizaje automático: La cronología completa. [Entrada del blog
“Aprende” en página Web]. Enlace: https://www.startechup.com/es/blog/machine-learning-
history/
UNESCO. (2021). Recommendation on the Ethics of Artificial Intelligence. [Artículo en línea de
plataforma web]. Enlace: https://unesdoc.unesco.org/ark:/48223/pf0000381137
UNESCO. (2024). AI competency framework for students. [Documento guía en línea]. Enlace:
https://unesdoc.unesco.org/ark:/48223/pf0000391105
UNESCO. (2024). AI competency framework for teachers. [Documento guía en línea]. Enlace:
https://unesdoc.unesco.org/ark:/48223/pf0000391104
