21
OPORTUNIDADES DE LA INTELIGENCIA ARTIFICIAL
EN LA TRANSFORMACIÓN DEL SISTEMA EDUCATIVO
TRADICIONAL HACIA MODELOS PERSONALIZADOS
OPPORTUNITIES FOR ARTIFICIAL INTELLIGENCE IN
TRANSFORMING THE TRADITIONAL EDUCATION
SYSTEM TOWARD PERSONALIZED MODELS
Dayanne Michelle Arreaga Candelario
Investigador Independiente, Ecuador
Lissette Anny Echeverria Zambrano
Investigador Independiente, Ecuador
Kerly Griselda Izquierdo Zambrano
Investigador Independiente, Ecuador
Xiomara del Rocío Revelo Andrade
Investigador Independiente, Ecuador
Ismael Alfonso Vallejo Lozado
Investigador Independiente, Ecuador
Carlos Alberto Sandoval Oquendo
Investigador Independiente, Ecuador
pág. 10821
DOI: https://doi.org/10.37811/cl_rcm.v9i4.19631
Oportunidades de la Inteligencia Artificial en la Transformación del
Sistema Educativo Tradicional hacia Modelos Personalizados
Dayanne Michelle Arreaga Candelario 1
dayannearreaga@hotmail.com
https://orcid.org/0009-0001-9828-7542
Investigador Independiente
Ecuador
Lissette Anny Echeverria Zambrano
annylissette.93@gmail.com
https://orcid.org/0009-0009-3382-0527
Investigador Independiente
Ecuador
Kerly Griselda Izquierdo Zambrano
izquierdokerly27@gmail.com
https://orcid.org/0009-0004-8132-533X
Investigador Independiente
Ecuador
Xiomara del Rocío Revelo Andrade
auditora_86@hotmail.es
https://orcid.org/0009-0008-6822-1279
Investigador Independiente
Ecuador
Ismael Alfonso Vallejo Lozado
ismaelvallejo2doa@gmail.com
https://orcid.org/0009-0002-2234-2805
Investigador Independiente
Ecuador
Carlos Alberto Sandoval Oquendo
carlosaso9706@gmail.com
https://orcid.org/0009-0007-9619-5090
Investigador Independiente
Ecuador
RESUMEN
La investigación abordó las oportunidades de la inteligencia artificial en la transformación del sistema
educativo tradicional hacia modelos personalizados, reconociendo su potencial para mejorar la
calidad, equidad y pertinencia de los procesos formativos. Objetivo general fue analizar las
oportunidades que ofrece la inteligencia artificial en la transformación del sistema educativo
tradicional hacia modelos personalizados. La metodología adoptó un enfoque cualitativo, descriptivo
y exploratorio, sustentado en investigación bibliográfica. Los hallazgos evidenciaron que las
aplicaciones de la inteligencia artificial, como tutores inteligentes, plataformas adaptativas, chatbots y
analítica del aprendizaje, fortalecen la personalización educativa, incrementan la motivación y
mejoran la eficiencia docente, sin embargo, su implementación estuvo limitada por la brecha digital,
la insuficiente formación docente, los sesgos algorítmicos y la falta de marcos regulatorios éticos que
garanticen equidad en el acceso y protección de datos. En conclusión, la inteligencia artificial
constituye una herramienta estratégica para la personalización del aprendizaje, siempre que se articule
con políticas inclusivas, alfabetización digital y gobernanza ética, solo así podrá consolidarse como un
recurso sostenible que complemente la labor docente y garantice beneficios equitativos en el ámbito
educativo.
Palabras clave: inteligencia artificial, educación tradicional, personalización, tecnología, ética
1 Autor principal.
Correspondencia: dayannearreaga@hotmail.com
DOI: https://doi.org/10.37811/cl_rcm.v9i4.19631
Oportunidades de la Inteligencia Artificial en la Transformación del
Sistema Educativo Tradicional hacia Modelos Personalizados
Dayanne Michelle Arreaga Candelario 1
dayannearreaga@hotmail.com
https://orcid.org/0009-0001-9828-7542
Investigador Independiente
Ecuador
Lissette Anny Echeverria Zambrano
annylissette.93@gmail.com
https://orcid.org/0009-0009-3382-0527
Investigador Independiente
Ecuador
Kerly Griselda Izquierdo Zambrano
izquierdokerly27@gmail.com
https://orcid.org/0009-0004-8132-533X
Investigador Independiente
Ecuador
Xiomara del Rocío Revelo Andrade
auditora_86@hotmail.es
https://orcid.org/0009-0008-6822-1279
Investigador Independiente
Ecuador
Ismael Alfonso Vallejo Lozado
ismaelvallejo2doa@gmail.com
https://orcid.org/0009-0002-2234-2805
Investigador Independiente
Ecuador
Carlos Alberto Sandoval Oquendo
carlosaso9706@gmail.com
https://orcid.org/0009-0007-9619-5090
Investigador Independiente
Ecuador
RESUMEN
La investigación abordó las oportunidades de la inteligencia artificial en la transformación del sistema
educativo tradicional hacia modelos personalizados, reconociendo su potencial para mejorar la
calidad, equidad y pertinencia de los procesos formativos. Objetivo general fue analizar las
oportunidades que ofrece la inteligencia artificial en la transformación del sistema educativo
tradicional hacia modelos personalizados. La metodología adoptó un enfoque cualitativo, descriptivo
y exploratorio, sustentado en investigación bibliográfica. Los hallazgos evidenciaron que las
aplicaciones de la inteligencia artificial, como tutores inteligentes, plataformas adaptativas, chatbots y
analítica del aprendizaje, fortalecen la personalización educativa, incrementan la motivación y
mejoran la eficiencia docente, sin embargo, su implementación estuvo limitada por la brecha digital,
la insuficiente formación docente, los sesgos algorítmicos y la falta de marcos regulatorios éticos que
garanticen equidad en el acceso y protección de datos. En conclusión, la inteligencia artificial
constituye una herramienta estratégica para la personalización del aprendizaje, siempre que se articule
con políticas inclusivas, alfabetización digital y gobernanza ética, solo así podrá consolidarse como un
recurso sostenible que complemente la labor docente y garantice beneficios equitativos en el ámbito
educativo.
Palabras clave: inteligencia artificial, educación tradicional, personalización, tecnología, ética
1 Autor principal.
Correspondencia: dayannearreaga@hotmail.com
pág. 10822
Opportunities for Artificial Intelligence in Transforming the Traditional
Education System Toward Personalized Models
ABSTRACT
The research addressed the opportunities offered by artificial intelligence in transforming the
traditional education system toward personalized models, recognizing its potential to improve the
quality, equity, and relevance of educational processes. The overall objective was to analyze the
opportunities offered by artificial intelligence in transforming the traditional education system toward
personalized models. The methodology adopted a qualitative, descriptive, and exploratory approach,
based on bibliographic research. The findings showed that artificial intelligence applications, such as
intelligent tutors, adaptive platforms, chatbots, and learning analytics, strengthen educational
personalization, increase motivation, and improve teaching efficiency. However, their implementation
was limited by the digital divide, insufficient teacher training, algorithmic biases, and the lack of
ethical regulatory frameworks to ensure equity in access and data protection. In conclusion, artificial
intelligence is a strategic tool for personalizing learning, provided that it is articulated with inclusive
policies, digital literacy, and ethical governance. Only then can it be consolidated as a sustainable
resource that complements teaching and guarantees equitable benefits in the field of education.
Keywords: artificial intelligence, traditional education, personalization, technology, ethics
Artículo recibido 04 Agosto 2025
Aceptado para publicación: 29 Agosto 2025
Opportunities for Artificial Intelligence in Transforming the Traditional
Education System Toward Personalized Models
ABSTRACT
The research addressed the opportunities offered by artificial intelligence in transforming the
traditional education system toward personalized models, recognizing its potential to improve the
quality, equity, and relevance of educational processes. The overall objective was to analyze the
opportunities offered by artificial intelligence in transforming the traditional education system toward
personalized models. The methodology adopted a qualitative, descriptive, and exploratory approach,
based on bibliographic research. The findings showed that artificial intelligence applications, such as
intelligent tutors, adaptive platforms, chatbots, and learning analytics, strengthen educational
personalization, increase motivation, and improve teaching efficiency. However, their implementation
was limited by the digital divide, insufficient teacher training, algorithmic biases, and the lack of
ethical regulatory frameworks to ensure equity in access and data protection. In conclusion, artificial
intelligence is a strategic tool for personalizing learning, provided that it is articulated with inclusive
policies, digital literacy, and ethical governance. Only then can it be consolidated as a sustainable
resource that complements teaching and guarantees equitable benefits in the field of education.
Keywords: artificial intelligence, traditional education, personalization, technology, ethics
Artículo recibido 04 Agosto 2025
Aceptado para publicación: 29 Agosto 2025
pág. 10823
INTRODUCCIÓN
La transformación del sistema educativo tradicional hacia modelos personalizados ha encontrado en la
inteligencia artificial (IA) un aliado estratégico capaz de redefinir las formas de enseñar y aprender.
En los últimos años, la incorporación de sistemas inteligentes en contextos escolares ha demostrado
un potencial significativo para ajustar los contenidos, métodos y ritmos de enseñanza a las
necesidades individuales de cada estudiante, favoreciendo un aprendizaje más inclusivo y eficiente
(Romero et al., 2025). Estas tecnologías, desde tutores inteligentes hasta algoritmos de recomendación
adaptativa, no solo generan recursos a medida, sino que también permiten retroalimentaciones
dinámicas y predictivas, que fortalecen la autonomía y el compromiso estudiantil (García, 2024).
No obstante, la integración de la IA en la educación enfrenta limitaciones críticas, el problema de
investigación se centra en la dificultad de implementar estas herramientas en sistemas educativos
caracterizados por metodologías uniformes, brechas digitales y resistencia institucional (Posso et al.,
2025). La pregunta que emerge es: ¿cómo pueden las oportunidades que ofrece la inteligencia
artificial contribuir a transformar un sistema educativo tradicional? Este interrogante resulta crucial
para analizar el impacto real de la IA más allá del discurso tecnocrático, valorando su aplicabilidad
pedagógica y sus repercusiones en la equidad educativa (Peñafiel et al., 2025).
Por su parte, la justificación del estudio reside en la necesidad de examinar cómo las aplicaciones de
la IA pueden fortalecer la personalización del aprendizaje en distintos niveles del sistema escolar,
explorar esta problemática aporta a la comunidad educativa evidencia sobre nuevas rutas de
intervención pedagógica y orienta el diseño de políticas que garanticen un uso inclusivo y responsable
de la tecnología (Robalino et al., 2024).
La investigación también contribuye a consolidar marcos de conocimiento que favorezcan la
alfabetización digital de docentes y estudiantes, mitigando riesgos asociados a sesgos algorítmicos,
privacidad de datos y dependencia tecnológica (Romero et al., 2025).
En consecuencia estudio tuvo como objetivo general analizar las oportunidades que ofrece la
inteligencia artificial en la transformación del sistema educativo tradicional hacia modelos
personalizados.
INTRODUCCIÓN
La transformación del sistema educativo tradicional hacia modelos personalizados ha encontrado en la
inteligencia artificial (IA) un aliado estratégico capaz de redefinir las formas de enseñar y aprender.
En los últimos años, la incorporación de sistemas inteligentes en contextos escolares ha demostrado
un potencial significativo para ajustar los contenidos, métodos y ritmos de enseñanza a las
necesidades individuales de cada estudiante, favoreciendo un aprendizaje más inclusivo y eficiente
(Romero et al., 2025). Estas tecnologías, desde tutores inteligentes hasta algoritmos de recomendación
adaptativa, no solo generan recursos a medida, sino que también permiten retroalimentaciones
dinámicas y predictivas, que fortalecen la autonomía y el compromiso estudiantil (García, 2024).
No obstante, la integración de la IA en la educación enfrenta limitaciones críticas, el problema de
investigación se centra en la dificultad de implementar estas herramientas en sistemas educativos
caracterizados por metodologías uniformes, brechas digitales y resistencia institucional (Posso et al.,
2025). La pregunta que emerge es: ¿cómo pueden las oportunidades que ofrece la inteligencia
artificial contribuir a transformar un sistema educativo tradicional? Este interrogante resulta crucial
para analizar el impacto real de la IA más allá del discurso tecnocrático, valorando su aplicabilidad
pedagógica y sus repercusiones en la equidad educativa (Peñafiel et al., 2025).
Por su parte, la justificación del estudio reside en la necesidad de examinar cómo las aplicaciones de
la IA pueden fortalecer la personalización del aprendizaje en distintos niveles del sistema escolar,
explorar esta problemática aporta a la comunidad educativa evidencia sobre nuevas rutas de
intervención pedagógica y orienta el diseño de políticas que garanticen un uso inclusivo y responsable
de la tecnología (Robalino et al., 2024).
La investigación también contribuye a consolidar marcos de conocimiento que favorezcan la
alfabetización digital de docentes y estudiantes, mitigando riesgos asociados a sesgos algorítmicos,
privacidad de datos y dependencia tecnológica (Romero et al., 2025).
En consecuencia estudio tuvo como objetivo general analizar las oportunidades que ofrece la
inteligencia artificial en la transformación del sistema educativo tradicional hacia modelos
personalizados.
pág. 10824
En este marco, se plantearon como objetivos específicos; identificar las principales aplicaciones de la
inteligencia artificial que promueven procesos de personalización en contextos escolares y examinar
los desafíos pedagógicos y técnicos que condicionan su implementación en sistemas educativos
diversos. De este modo, la investigación asumió una perspectiva crítica y propositiva, no limitada a la
descripción de los avances tecnológicos, sino centrada en valorar su pertinencia pedagógica y su
impacto en la construcción de un sistema educativo más equitativo, flexible y centrado en el
estudiante.
Oportunidades de la inteligencia artificial
La inteligencia artificial (IA) ha emergido como un recurso pedagógico que favorece la adaptación de
los procesos de enseñanza a las necesidades individuales de los estudiantes, su capacidad de procesar
grandes volúmenes de datos permite identificar patrones de aprendizaje y anticipar dificultades,
transformando la educación tradicional en experiencias dinámicas y personalizadas. Esta tecnología
fortalece la retroalimentación inmediata y el acompañamiento continuo, optimizando tanto la
motivación como el rendimiento académico (Pacha et al., 2024).
Por su parte, los sistemas de tutoría inteligente constituyen una de las aplicaciones más relevantes de
la IA en educación, estos entornos analizan en tiempo real el desempeño de los estudiantes y ajustan
la dificultad de los contenidos o ejercicios según su progreso, al ofrecer retroalimentación inmediata,
generan un aprendizaje más significativo y autónomo. Se evidencia que estas plataformas mejoran la
retención del conocimiento y reducen las brechas de comprensión entre los estudiantes, sin embargo,
su eficacia depende de la calidad de los datos procesados y de la capacidad docente para integrar estos
sistemas en su práctica pedagógica (Yépez et al., 2024).
Además, la personalización del contenido a través de IA se centra en ajustar materiales, actividades y
secuencias didácticas de acuerdo con las características únicas de cada estudiante, esta capacidad se
logra mediante algoritmos de aprendizaje automático que recopilan y analizan datos de desempeño,
estilos de aprendizaje, intereses y ritmo de avance, a partir de este análisis, se diseñan rutas
individualizadas que garantizan un aprendizaje más pertinente y motivador.
La investigación de Romero et al. (2025) enfatiza que la personalización mediada por IA fortalece la
autonomía del estudiante y favorece procesos de autorregulación al permitirle explorar recursos
En este marco, se plantearon como objetivos específicos; identificar las principales aplicaciones de la
inteligencia artificial que promueven procesos de personalización en contextos escolares y examinar
los desafíos pedagógicos y técnicos que condicionan su implementación en sistemas educativos
diversos. De este modo, la investigación asumió una perspectiva crítica y propositiva, no limitada a la
descripción de los avances tecnológicos, sino centrada en valorar su pertinencia pedagógica y su
impacto en la construcción de un sistema educativo más equitativo, flexible y centrado en el
estudiante.
Oportunidades de la inteligencia artificial
La inteligencia artificial (IA) ha emergido como un recurso pedagógico que favorece la adaptación de
los procesos de enseñanza a las necesidades individuales de los estudiantes, su capacidad de procesar
grandes volúmenes de datos permite identificar patrones de aprendizaje y anticipar dificultades,
transformando la educación tradicional en experiencias dinámicas y personalizadas. Esta tecnología
fortalece la retroalimentación inmediata y el acompañamiento continuo, optimizando tanto la
motivación como el rendimiento académico (Pacha et al., 2024).
Por su parte, los sistemas de tutoría inteligente constituyen una de las aplicaciones más relevantes de
la IA en educación, estos entornos analizan en tiempo real el desempeño de los estudiantes y ajustan
la dificultad de los contenidos o ejercicios según su progreso, al ofrecer retroalimentación inmediata,
generan un aprendizaje más significativo y autónomo. Se evidencia que estas plataformas mejoran la
retención del conocimiento y reducen las brechas de comprensión entre los estudiantes, sin embargo,
su eficacia depende de la calidad de los datos procesados y de la capacidad docente para integrar estos
sistemas en su práctica pedagógica (Yépez et al., 2024).
Además, la personalización del contenido a través de IA se centra en ajustar materiales, actividades y
secuencias didácticas de acuerdo con las características únicas de cada estudiante, esta capacidad se
logra mediante algoritmos de aprendizaje automático que recopilan y analizan datos de desempeño,
estilos de aprendizaje, intereses y ritmo de avance, a partir de este análisis, se diseñan rutas
individualizadas que garantizan un aprendizaje más pertinente y motivador.
La investigación de Romero et al. (2025) enfatiza que la personalización mediada por IA fortalece la
autonomía del estudiante y favorece procesos de autorregulación al permitirle explorar recursos
pág. 10825
alineados con sus necesidades cognitivas. Asimismo, García (2024), sostiene que los modelos de IA
generativa amplían estas oportunidades al ofrecer materiales adaptados y contextuales, evitando la
rigidez de los currículos tradicionales.
En la educación básica, la personalización resulta especialmente significativa porque atiende la
diversidad de ritmos y estilos presentes en las aulas, lo que mitiga el rezago escolar. En la educación
superior, esta práctica incrementa la eficiencia académica y fortalece la especialización de
conocimientos, no obstante, su implementación enfrenta retos relacionados con la infraestructura
tecnológica, la formación docente y la equidad en el acceso a estas herramientas, aspectos críticos
para no profundizar desigualdades ya existentes.
También, la analítica del aprendizaje aplicada con IA transforma los procesos evaluativos
tradicionales al generar información detallada sobre el progreso estudiantil. Mediante el análisis de
datos en tiempo real, es posible identificar fortalezas, debilidades y patrones de desempeño, lo que
permite ajustar estrategias de enseñanza con mayor precisión. Fernández (2023), señalan que estas
herramientas mejoran la objetividad de las evaluaciones y reducen la carga laboral docente, no
obstante, la literatura también advierte sobre la necesidad de mantener la supervisión humana,
especialmente en disciplinas donde los matices cualitativos, éticos o contextuales son fundamentales
para comprender el aprendizaje de manera integral
La IA no solo personaliza el aprendizaje, también contribuye al fortalecimiento de competencias
digitales y al fomento del pensamiento crítico en los estudiantes. Su uso en entornos educativos
facilita la alfabetización tecnológica, necesaria para desenvolverse en sociedades altamente
digitalizadas (Forero & Negre, 2024). A través de la interacción con plataformas inteligentes, los
estudiantes desarrollan habilidades de análisis, resolución de problemas y discernimiento frente a la
información que reciben. García (2024), plantea que este proceso los convierte en “centauros
digitales”, capaces de combinar inteligencia humana y artificial para la toma de decisiones
responsables, este enfoque prepara a los estudiantes para enfrentar los retos profesionales del siglo
XXI.
Además, la IA no solo impacta la enseñanza, también redefine la gestión educativa mediante la
automatización de procesos y la analítica institucional, su aplicación permite optimizar tareas
alineados con sus necesidades cognitivas. Asimismo, García (2024), sostiene que los modelos de IA
generativa amplían estas oportunidades al ofrecer materiales adaptados y contextuales, evitando la
rigidez de los currículos tradicionales.
En la educación básica, la personalización resulta especialmente significativa porque atiende la
diversidad de ritmos y estilos presentes en las aulas, lo que mitiga el rezago escolar. En la educación
superior, esta práctica incrementa la eficiencia académica y fortalece la especialización de
conocimientos, no obstante, su implementación enfrenta retos relacionados con la infraestructura
tecnológica, la formación docente y la equidad en el acceso a estas herramientas, aspectos críticos
para no profundizar desigualdades ya existentes.
También, la analítica del aprendizaje aplicada con IA transforma los procesos evaluativos
tradicionales al generar información detallada sobre el progreso estudiantil. Mediante el análisis de
datos en tiempo real, es posible identificar fortalezas, debilidades y patrones de desempeño, lo que
permite ajustar estrategias de enseñanza con mayor precisión. Fernández (2023), señalan que estas
herramientas mejoran la objetividad de las evaluaciones y reducen la carga laboral docente, no
obstante, la literatura también advierte sobre la necesidad de mantener la supervisión humana,
especialmente en disciplinas donde los matices cualitativos, éticos o contextuales son fundamentales
para comprender el aprendizaje de manera integral
La IA no solo personaliza el aprendizaje, también contribuye al fortalecimiento de competencias
digitales y al fomento del pensamiento crítico en los estudiantes. Su uso en entornos educativos
facilita la alfabetización tecnológica, necesaria para desenvolverse en sociedades altamente
digitalizadas (Forero & Negre, 2024). A través de la interacción con plataformas inteligentes, los
estudiantes desarrollan habilidades de análisis, resolución de problemas y discernimiento frente a la
información que reciben. García (2024), plantea que este proceso los convierte en “centauros
digitales”, capaces de combinar inteligencia humana y artificial para la toma de decisiones
responsables, este enfoque prepara a los estudiantes para enfrentar los retos profesionales del siglo
XXI.
Además, la IA no solo impacta la enseñanza, también redefine la gestión educativa mediante la
automatización de procesos y la analítica institucional, su aplicación permite optimizar tareas
pág. 10826
administrativas, anticipar riesgos académicos y redistribuir recursos con mayor eficiencia. En este
sentido, su uso libera tiempo a los docentes y directivos para enfocarse en la interacción pedagógica y
en la innovación metodológica, no obstante, la literatura académica advierte que la incorporación de
estas tecnologías debe realizarse bajo marcos éticos y de equidad, con políticas claras que eviten la
concentración tecnológica y promuevan la inclusión en todos los niveles educativos.
La automatización de procesos administrativos constituye uno de los beneficios más inmediatos de la
IA en la gestión educativa, herramientas como asistentes virtuales permiten programar clases,
gestionar calificaciones o registrar asistencia, reduciendo significativamente la carga administrativa de
los docentes, esta automatización incrementa la eficiencia institucional y posibilita dedicar más
tiempo al acompañamiento pedagógico, sin embargo, se plantea la necesidad de co-diseñar estas
herramientas junto con los docentes, evitando la imposición tecnológica que podría generar resistencia
al cambio y limitando su efectividad en contextos escolares diversos (Camino et al., 2024).
Por su parte, los algoritmos predictivos aplicados a la educación permiten anticipar situaciones de
fracaso escolar mediante el análisis de variables como asistencia, desempeño y participación en
plataformas virtuales. Estos modelos generan alertas tempranas que facilitan intervenciones oportunas
y personalizadas. La revisión de Robalino et al. (2024), destaca que estas herramientas son
especialmente útiles en contextos de vulnerabilidad, donde la deserción escolar representa un desafío
estructural, no obstante, su efectividad depende del acceso a datos confiables y de la implementación
de estrategias pedagógicas que acompañen el diagnóstico tecnológico, evitando reducir al estudiante a
un conjunto de métricas estadísticas.
En cambio, los chatbots y asistentes virtuales han sido incorporados en instituciones educativas como
herramientas de apoyo para estudiantes y docentes, estos sistemas responden consultas frecuentes,
orientan en procesos académicos y ofrecen acompañamiento durante el aprendizaje, investigaciones
de Peñafiel et al. (2025), evidencian que estas soluciones incrementan la eficiencia comunicativa y
mejoran la experiencia estudiantil. En entornos de educación a distancia, los chatbots también
facilitan la personalización del aprendizaje y la retroalimentación asincrónica, sin embargo, se
requiere garantizar la transparencia de los algoritmos y establecer protocolos de protección de datos,
debido a los riesgos de vigilancia excesiva y sesgos en las respuestas automatizadas.
administrativas, anticipar riesgos académicos y redistribuir recursos con mayor eficiencia. En este
sentido, su uso libera tiempo a los docentes y directivos para enfocarse en la interacción pedagógica y
en la innovación metodológica, no obstante, la literatura académica advierte que la incorporación de
estas tecnologías debe realizarse bajo marcos éticos y de equidad, con políticas claras que eviten la
concentración tecnológica y promuevan la inclusión en todos los niveles educativos.
La automatización de procesos administrativos constituye uno de los beneficios más inmediatos de la
IA en la gestión educativa, herramientas como asistentes virtuales permiten programar clases,
gestionar calificaciones o registrar asistencia, reduciendo significativamente la carga administrativa de
los docentes, esta automatización incrementa la eficiencia institucional y posibilita dedicar más
tiempo al acompañamiento pedagógico, sin embargo, se plantea la necesidad de co-diseñar estas
herramientas junto con los docentes, evitando la imposición tecnológica que podría generar resistencia
al cambio y limitando su efectividad en contextos escolares diversos (Camino et al., 2024).
Por su parte, los algoritmos predictivos aplicados a la educación permiten anticipar situaciones de
fracaso escolar mediante el análisis de variables como asistencia, desempeño y participación en
plataformas virtuales. Estos modelos generan alertas tempranas que facilitan intervenciones oportunas
y personalizadas. La revisión de Robalino et al. (2024), destaca que estas herramientas son
especialmente útiles en contextos de vulnerabilidad, donde la deserción escolar representa un desafío
estructural, no obstante, su efectividad depende del acceso a datos confiables y de la implementación
de estrategias pedagógicas que acompañen el diagnóstico tecnológico, evitando reducir al estudiante a
un conjunto de métricas estadísticas.
En cambio, los chatbots y asistentes virtuales han sido incorporados en instituciones educativas como
herramientas de apoyo para estudiantes y docentes, estos sistemas responden consultas frecuentes,
orientan en procesos académicos y ofrecen acompañamiento durante el aprendizaje, investigaciones
de Peñafiel et al. (2025), evidencian que estas soluciones incrementan la eficiencia comunicativa y
mejoran la experiencia estudiantil. En entornos de educación a distancia, los chatbots también
facilitan la personalización del aprendizaje y la retroalimentación asincrónica, sin embargo, se
requiere garantizar la transparencia de los algoritmos y establecer protocolos de protección de datos,
debido a los riesgos de vigilancia excesiva y sesgos en las respuestas automatizadas.
pág. 10827
La alfabetización en inteligencia artificial se ha convertido en una competencia transversal
indispensable para estudiantes y docentes, comprender los principios de funcionamiento, alcances y
limitaciones de la IA permite un uso crítico y responsable en los procesos educativos. García (2024)
advierte que quienes carezcan de formación en IA enfrentarán desventajas en el mundo laboral y
académico, ampliando la brecha digital. Por ello, se plantea la necesidad de programas de formación
que integren estas competencias desde etapas tempranas de la escolaridad, la alfabetización en IA no
solo promueve habilidades técnicas, sino también capacidades éticas y ciudadanas en el uso de la
tecnología.
Ruptura del paradigma tradicional de enseñanza
El sistema educativo tradicional, caracterizado por la homogeneidad de métodos y contenidos, ha
mostrado limitaciones para responder a la diversidad de los estudiantes, la irrupción de la inteligencia
artificial impulsa un cambio estructural hacia un modelo más flexible y adaptativo, este tránsito
implica abandonar prácticas estandarizadas que restringen la creatividad y priorizan la memorización,
para avanzar hacia escenarios centrados en la construcción activa del conocimiento (Carbonell et al.,
2023). Según Peñalver et al. (2024), la educación personalizada redefine las dinámicas de aula al
integrar tecnologías inteligentes que ajustan contenidos y evaluaciones, transformando la enseñanza
en un proceso continuo, dinámico y centrado en el estudiante.
El modelo uniforme de enseñanza se sustenta en currículos estandarizados, evaluaciones rígidas y
prácticas pedagógicas unidireccionales que no consideran la diversidad de capacidades y estilos
cognitivos. Esta homogeneidad ha derivado en rezagos académicos y exclusión de estudiantes con
necesidades específicas. Parra et al. (2024), destacan que la masificación escolar agrava la dificultad
de personalizar los procesos, generando desigualdades en la calidad educativa, frente a este escenario,
la integración de tecnologías disruptivas se presenta como una oportunidad para superar la rigidez
estructural, ofreciendo herramientas que diversifican los procesos y amplían las posibilidades de
aprendizaje en contextos heterogéneos.
La transformación educativa requiere desplazar el protagonismo del docente transmisor de contenidos
hacia el estudiante como sujeto activo en su aprendizaje, este enfoque sitúa las necesidades, intereses
y ritmos individuales en el centro del proceso.
La alfabetización en inteligencia artificial se ha convertido en una competencia transversal
indispensable para estudiantes y docentes, comprender los principios de funcionamiento, alcances y
limitaciones de la IA permite un uso crítico y responsable en los procesos educativos. García (2024)
advierte que quienes carezcan de formación en IA enfrentarán desventajas en el mundo laboral y
académico, ampliando la brecha digital. Por ello, se plantea la necesidad de programas de formación
que integren estas competencias desde etapas tempranas de la escolaridad, la alfabetización en IA no
solo promueve habilidades técnicas, sino también capacidades éticas y ciudadanas en el uso de la
tecnología.
Ruptura del paradigma tradicional de enseñanza
El sistema educativo tradicional, caracterizado por la homogeneidad de métodos y contenidos, ha
mostrado limitaciones para responder a la diversidad de los estudiantes, la irrupción de la inteligencia
artificial impulsa un cambio estructural hacia un modelo más flexible y adaptativo, este tránsito
implica abandonar prácticas estandarizadas que restringen la creatividad y priorizan la memorización,
para avanzar hacia escenarios centrados en la construcción activa del conocimiento (Carbonell et al.,
2023). Según Peñalver et al. (2024), la educación personalizada redefine las dinámicas de aula al
integrar tecnologías inteligentes que ajustan contenidos y evaluaciones, transformando la enseñanza
en un proceso continuo, dinámico y centrado en el estudiante.
El modelo uniforme de enseñanza se sustenta en currículos estandarizados, evaluaciones rígidas y
prácticas pedagógicas unidireccionales que no consideran la diversidad de capacidades y estilos
cognitivos. Esta homogeneidad ha derivado en rezagos académicos y exclusión de estudiantes con
necesidades específicas. Parra et al. (2024), destacan que la masificación escolar agrava la dificultad
de personalizar los procesos, generando desigualdades en la calidad educativa, frente a este escenario,
la integración de tecnologías disruptivas se presenta como una oportunidad para superar la rigidez
estructural, ofreciendo herramientas que diversifican los procesos y amplían las posibilidades de
aprendizaje en contextos heterogéneos.
La transformación educativa requiere desplazar el protagonismo del docente transmisor de contenidos
hacia el estudiante como sujeto activo en su aprendizaje, este enfoque sitúa las necesidades, intereses
y ritmos individuales en el centro del proceso.
pág. 10828
Uzcátegui y Ríos (2024), señalan que la inteligencia artificial potencia esta transición al generar
experiencias de aprendizaje más interactivas y participativas, donde el rol docente se redefine como
mediador, este cambio también demanda marcos pedagógicos que promuevan autonomía y
autorregulación, elementos que fortalecen la capacidad del estudiante para construir conocimiento
significativo en entornos mediados por tecnologías inteligentes.
En cambio, la diversidad cognitiva constituye un desafío central en la educación masiva.
Tradicionalmente, los modelos homogéneos no reconocen los diferentes ritmos de avance ni los
estilos de aprendizaje de los estudiantes, generando rezagos y desmotivación. Acevedo et al. (2025),
sostienen que la incorporación de IA en la educación favorece la adaptación de recursos y
metodologías a esa heterogeneidad, promoviendo equidad y accesibilidad. La personalización de rutas
de aprendizaje no solo permite atender necesidades específicas, sino que también potencia la
motivación intrínseca, incrementando la participación activa del alumnado en un entorno donde cada
experiencia formativa se ajusta a sus capacidades y contextos (Álvarez & Cepeda, 2024).
La evaluación estandarizada ha limitado históricamente la capacidad de reflejar los avances
individuales de los estudiantes, la transformación hacia modelos personalizados integra evaluaciones
dinámicas y formativas, ajustadas al progreso de cada aprendiz. Salavarría et al. (2025), destacan que
la inteligencia artificial habilita sistemas de evaluación continua que identifican patrones de
desempeño y ajustan los contenidos de manera inmediata. Estos modelos fomentan la autoevaluación
y la retroalimentación en tiempo real, favoreciendo un aprendizaje más profundo, con ello, se supera
la visión punitiva y uniforme de la evaluación, consolidando un enfoque formativo alineado con la
diversidad de trayectorias académicas (Monge et al., 2024).
Por su parte, el aprendizaje adaptativo se configura como una de las principales vías para consolidar la
personalización educativa.
A través de sistemas inteligentes, se ajustan contenidos, actividades y evaluaciones a las competencias
previas y al ritmo de cada estudiante. Según Peñalver et al. (2024), este modelo promueve la
construcción progresiva de saberes, al tiempo que fomenta la adquisición de competencias
transferibles.
Uzcátegui y Ríos (2024), señalan que la inteligencia artificial potencia esta transición al generar
experiencias de aprendizaje más interactivas y participativas, donde el rol docente se redefine como
mediador, este cambio también demanda marcos pedagógicos que promuevan autonomía y
autorregulación, elementos que fortalecen la capacidad del estudiante para construir conocimiento
significativo en entornos mediados por tecnologías inteligentes.
En cambio, la diversidad cognitiva constituye un desafío central en la educación masiva.
Tradicionalmente, los modelos homogéneos no reconocen los diferentes ritmos de avance ni los
estilos de aprendizaje de los estudiantes, generando rezagos y desmotivación. Acevedo et al. (2025),
sostienen que la incorporación de IA en la educación favorece la adaptación de recursos y
metodologías a esa heterogeneidad, promoviendo equidad y accesibilidad. La personalización de rutas
de aprendizaje no solo permite atender necesidades específicas, sino que también potencia la
motivación intrínseca, incrementando la participación activa del alumnado en un entorno donde cada
experiencia formativa se ajusta a sus capacidades y contextos (Álvarez & Cepeda, 2024).
La evaluación estandarizada ha limitado históricamente la capacidad de reflejar los avances
individuales de los estudiantes, la transformación hacia modelos personalizados integra evaluaciones
dinámicas y formativas, ajustadas al progreso de cada aprendiz. Salavarría et al. (2025), destacan que
la inteligencia artificial habilita sistemas de evaluación continua que identifican patrones de
desempeño y ajustan los contenidos de manera inmediata. Estos modelos fomentan la autoevaluación
y la retroalimentación en tiempo real, favoreciendo un aprendizaje más profundo, con ello, se supera
la visión punitiva y uniforme de la evaluación, consolidando un enfoque formativo alineado con la
diversidad de trayectorias académicas (Monge et al., 2024).
Por su parte, el aprendizaje adaptativo se configura como una de las principales vías para consolidar la
personalización educativa.
A través de sistemas inteligentes, se ajustan contenidos, actividades y evaluaciones a las competencias
previas y al ritmo de cada estudiante. Según Peñalver et al. (2024), este modelo promueve la
construcción progresiva de saberes, al tiempo que fomenta la adquisición de competencias
transferibles.
pág. 10829
El aprendizaje basado en competencias complementa este enfoque al priorizar la aplicabilidad del
conocimiento y el desarrollo integral, así, se consolida una educación más significativa, alineada con
las demandas del siglo XXI y con la preparación para entornos laborales dinámicos.
La flexibilidad pedagógica es clave en la transición hacia modelos personalizados, estrategias como el
blended learning, el aula invertida y los entornos virtuales de aprendizaje potencian su alcance al
integrarse con tecnologías de inteligencia artificial. Parra et al. (2024), plantean que esta convergencia
permite responder a la diversidad estudiantil y optimizar la interacción docente-estudiante mediante
recursos adaptativos. La flexibilidad también se traduce en la posibilidad de ajustar itinerarios de
aprendizaje en función de las metas individuales, con ello, las tecnologías inteligentes no sustituyen la
labor docente, sino que enriquecen las metodologías, abriendo paso a experiencias más inclusivas y
personalizadas.
La consolidación de modelos personalizados redefine al docente como facilitador del aprendizaje y
mediador entre el estudiante y las herramientas tecnológicas. Uzcátegui y Ríos (2024), enfatizan que
la IA no reemplaza la interacción humana, sino que la complementa al proporcionar información
procesada que guía la toma de decisiones pedagógicas. El docente se convierte en un orientador que
interpreta los datos generados por sistemas inteligentes, promueve la reflexión crítica y asegura la
dimensión ética del proceso. De esta manera, su rol trasciende la transmisión de contenidos y se
centra en acompañar trayectorias individuales hacia aprendizajes más autónomos y significativos.
METODOLOGÍA
El presente estudio se enmarcó en un diseño cualitativo, entendido como un proceso de investigación
sustentado en fundamentos epistemológicos de carácter interpretativo, este tipo de estudio buscó
comprender los fenómenos sociales, educativos y psicológicos desde la perspectiva de los actores
implicados, priorizando la subjetividad y el contexto en el que estos se desarrollaron (Cortés &
Iglesias, 2004). Su objetivo fue captar la complejidad de las experiencias humanas, evitando
reducirlas a variables numéricas y privilegiando la profundidad sobre la extensión. De este modo, se
reconoció la importancia del sentido y las significaciones que emergieron en el ámbito educativo.
La elección de un enfoque cualitativo respondió a la naturaleza del tema investigado: las
oportunidades de la inteligencia artificial en la transformación del sistema educativo tradicional hacia
El aprendizaje basado en competencias complementa este enfoque al priorizar la aplicabilidad del
conocimiento y el desarrollo integral, así, se consolida una educación más significativa, alineada con
las demandas del siglo XXI y con la preparación para entornos laborales dinámicos.
La flexibilidad pedagógica es clave en la transición hacia modelos personalizados, estrategias como el
blended learning, el aula invertida y los entornos virtuales de aprendizaje potencian su alcance al
integrarse con tecnologías de inteligencia artificial. Parra et al. (2024), plantean que esta convergencia
permite responder a la diversidad estudiantil y optimizar la interacción docente-estudiante mediante
recursos adaptativos. La flexibilidad también se traduce en la posibilidad de ajustar itinerarios de
aprendizaje en función de las metas individuales, con ello, las tecnologías inteligentes no sustituyen la
labor docente, sino que enriquecen las metodologías, abriendo paso a experiencias más inclusivas y
personalizadas.
La consolidación de modelos personalizados redefine al docente como facilitador del aprendizaje y
mediador entre el estudiante y las herramientas tecnológicas. Uzcátegui y Ríos (2024), enfatizan que
la IA no reemplaza la interacción humana, sino que la complementa al proporcionar información
procesada que guía la toma de decisiones pedagógicas. El docente se convierte en un orientador que
interpreta los datos generados por sistemas inteligentes, promueve la reflexión crítica y asegura la
dimensión ética del proceso. De esta manera, su rol trasciende la transmisión de contenidos y se
centra en acompañar trayectorias individuales hacia aprendizajes más autónomos y significativos.
METODOLOGÍA
El presente estudio se enmarcó en un diseño cualitativo, entendido como un proceso de investigación
sustentado en fundamentos epistemológicos de carácter interpretativo, este tipo de estudio buscó
comprender los fenómenos sociales, educativos y psicológicos desde la perspectiva de los actores
implicados, priorizando la subjetividad y el contexto en el que estos se desarrollaron (Cortés &
Iglesias, 2004). Su objetivo fue captar la complejidad de las experiencias humanas, evitando
reducirlas a variables numéricas y privilegiando la profundidad sobre la extensión. De este modo, se
reconoció la importancia del sentido y las significaciones que emergieron en el ámbito educativo.
La elección de un enfoque cualitativo respondió a la naturaleza del tema investigado: las
oportunidades de la inteligencia artificial en la transformación del sistema educativo tradicional hacia
pág. 10830
modelos personalizados, este enfoque resultó pertinente al permitir un acercamiento profundo y
contextualizado a un fenómeno emergente y complejo, cuya comprensión no podía limitarse a
mediciones estadísticas (Hernández et al., 2016). La utilidad de este abordaje residió en la generación
de conocimientos exploratorios y no cuantificables, capaces de aportar nuevas perspectivas y de
contribuir a la construcción de propuestas pedagógicas y reflexiones teóricas fundamentadas en la
realidad actual de la educación.
El estudio adoptó un enfoque descriptivo y exploratorio; en su dimensión descriptiva, se orientó a
detallar, caracterizar y sistematizar las particularidades del fenómeno analizado, precisando sus
componentes pedagógicos y tecnológicos. En su dimensión exploratoria, se centró en examinar un
campo aún incipiente en la investigación educativa, marcado por vacíos teóricos y conceptuales. Este
doble enfoque permitió no solo reconocer la estructura del objeto de estudio, sino también abrir líneas
de investigación futura (Alban et al., 2020). Ambos enfoques posibilitaron cumplir con el propósito
planteado al analizar fenómenos complejos y dinámicos, como la personalización educativa mediada
por inteligencia artificial, también favorecieron la identificación de patrones emergentes y categorías
iniciales que podrían constituir la base para futuras intervenciones pedagógicas y estudios empíricos
más profundos.
En cuanto al tipo de investigación, se definió como bibliográfica, ya que se sustentó en la revisión,
selección, análisis y síntesis de fuentes secundarias, este procedimiento consideró literatura
académica, científica y especializada vinculada con el objeto de estudio (Vizcaíno et al., 2023). El uso
de este tipo de investigación se justificó porque permitió construir un marco teórico sólido, identificar
antecedentes relevantes y contrastar enfoques conceptuales provenientes de libros, artículos
científicos, tesis y documentos especializados, garantizando la rigurosidad y pertinencia de la
indagación.
Los métodos empleados fueron el teórico, el inductivo-deductivo y el analítico-sintético. El método
teórico se orientó a la construcción conceptual y revisión crítica del conocimiento existente. El
método inductivo-deductivo posibilitó partir de hallazgos particulares para generalizar tendencias y, a
su vez, aplicar marcos teóricos generales a casos específicos. El método analítico-sintético permitió
descomponer el fenómeno en elementos constitutivos y luego integrarlos en una visión holística.
modelos personalizados, este enfoque resultó pertinente al permitir un acercamiento profundo y
contextualizado a un fenómeno emergente y complejo, cuya comprensión no podía limitarse a
mediciones estadísticas (Hernández et al., 2016). La utilidad de este abordaje residió en la generación
de conocimientos exploratorios y no cuantificables, capaces de aportar nuevas perspectivas y de
contribuir a la construcción de propuestas pedagógicas y reflexiones teóricas fundamentadas en la
realidad actual de la educación.
El estudio adoptó un enfoque descriptivo y exploratorio; en su dimensión descriptiva, se orientó a
detallar, caracterizar y sistematizar las particularidades del fenómeno analizado, precisando sus
componentes pedagógicos y tecnológicos. En su dimensión exploratoria, se centró en examinar un
campo aún incipiente en la investigación educativa, marcado por vacíos teóricos y conceptuales. Este
doble enfoque permitió no solo reconocer la estructura del objeto de estudio, sino también abrir líneas
de investigación futura (Alban et al., 2020). Ambos enfoques posibilitaron cumplir con el propósito
planteado al analizar fenómenos complejos y dinámicos, como la personalización educativa mediada
por inteligencia artificial, también favorecieron la identificación de patrones emergentes y categorías
iniciales que podrían constituir la base para futuras intervenciones pedagógicas y estudios empíricos
más profundos.
En cuanto al tipo de investigación, se definió como bibliográfica, ya que se sustentó en la revisión,
selección, análisis y síntesis de fuentes secundarias, este procedimiento consideró literatura
académica, científica y especializada vinculada con el objeto de estudio (Vizcaíno et al., 2023). El uso
de este tipo de investigación se justificó porque permitió construir un marco teórico sólido, identificar
antecedentes relevantes y contrastar enfoques conceptuales provenientes de libros, artículos
científicos, tesis y documentos especializados, garantizando la rigurosidad y pertinencia de la
indagación.
Los métodos empleados fueron el teórico, el inductivo-deductivo y el analítico-sintético. El método
teórico se orientó a la construcción conceptual y revisión crítica del conocimiento existente. El
método inductivo-deductivo posibilitó partir de hallazgos particulares para generalizar tendencias y, a
su vez, aplicar marcos teóricos generales a casos específicos. El método analítico-sintético permitió
descomponer el fenómeno en elementos constitutivos y luego integrarlos en una visión holística.
pág. 10831
Estos métodos se articularon para organizar, interpretar y relacionar la información con las categorías
conceptuales del estudio (Maldonado et al., 2023).
Finalmente, se utilizó como técnica el análisis documental, definida como un procedimiento
cualitativo orientado a examinar críticamente documentos y textos académicos, esta técnica permitió
obtener información relevante y válida, identificar tendencias teóricas y fundamentar la construcción
de categorías analíticas aplicables al objeto de estudio (Hadi et al., 2023).
RESULTADOS Y DISCUSIÓN
Los hallazgos analizados evidenciaron que la inteligencia artificial constituye una oportunidad
estratégica para transformar el sistema educativo tradicional hacia modelos personalizados,
favoreciendo aprendizajes adaptativos, gestión eficiente y mayor equidad en contextos escolares. A
continuación se presentan los resultados obtenidos de los diferentes aportes de los autores:
Tabla 1. La inteligencia artificial como transformador del sistema educativo tradicional
Autor
y año
¿Cómo la inteligencia
artificial puede contribuir
a transformar un sistema
educativo tradicional?
¿De qué manera el
aprendizaje
personalizado debe
evitar profundizar
desigualdades?
¿Cuáles son los principios
éticos que debe destacar la
inteligencia artificial en la
transformación del sistema
educativo tradicional?
(Parra
et al.,
2024)
La IA contribuyó a la
transformación del sistema
tradicional mediante tutores
inteligentes y sistemas de
gestión del aprendizaje
capaces de optimizar
procesos cognitivos como la
atención y memoria,
fomentando experiencias
personalizadas que
superaron la rigidez de los
métodos homogéneos.
Señalaron que la
personalización debía
considerar la equidad
tecnológica, garantizando
que todos los estudiantes,
sin importar su contexto,
accedieran a recursos
adaptados, de lo contrario,
el aprendizaje
individualizado corría el
riesgo de aumentar las
brechas existentes.
Destacaron la ética de
accesibilidad y la necesidad
de transparencia en
algoritmos. La IA debía
orientarse a la inclusión y a
promover oportunidades de
aprendizaje equitativas,
evitando sesgos derivados
de datos incompletos o mal
procesados.
(Uzcáte
gui &
Ríos,
2024)
La IA permitió repensar la
educación como un proceso
dinámico que incluyó
sistemas de recomendación
de contenidos, tutorías
inteligentes y análisis de big
data, lo que favoreció un
aprendizaje más
contextualizado y centrado
en las necesidades del
estudiante.
Enfatizaron que el
aprendizaje personalizado
debía estar acompañado
de políticas públicas que
garantizaran acceso a
internet, dispositivos y
formación docente, pues
sin estos elementos la IA
reforzaría desigualdades
estructurales entre
estudiantes de contextos
distintos.
Subrayaron que la ética
debía guiar la integración de
la IA para que no sustituyera
la dimensión humana de la
educación, manteniendo
principios de justicia,
equidad y responsabilidad
social en cada aplicación.
Estos métodos se articularon para organizar, interpretar y relacionar la información con las categorías
conceptuales del estudio (Maldonado et al., 2023).
Finalmente, se utilizó como técnica el análisis documental, definida como un procedimiento
cualitativo orientado a examinar críticamente documentos y textos académicos, esta técnica permitió
obtener información relevante y válida, identificar tendencias teóricas y fundamentar la construcción
de categorías analíticas aplicables al objeto de estudio (Hadi et al., 2023).
RESULTADOS Y DISCUSIÓN
Los hallazgos analizados evidenciaron que la inteligencia artificial constituye una oportunidad
estratégica para transformar el sistema educativo tradicional hacia modelos personalizados,
favoreciendo aprendizajes adaptativos, gestión eficiente y mayor equidad en contextos escolares. A
continuación se presentan los resultados obtenidos de los diferentes aportes de los autores:
Tabla 1. La inteligencia artificial como transformador del sistema educativo tradicional
Autor
y año
¿Cómo la inteligencia
artificial puede contribuir
a transformar un sistema
educativo tradicional?
¿De qué manera el
aprendizaje
personalizado debe
evitar profundizar
desigualdades?
¿Cuáles son los principios
éticos que debe destacar la
inteligencia artificial en la
transformación del sistema
educativo tradicional?
(Parra
et al.,
2024)
La IA contribuyó a la
transformación del sistema
tradicional mediante tutores
inteligentes y sistemas de
gestión del aprendizaje
capaces de optimizar
procesos cognitivos como la
atención y memoria,
fomentando experiencias
personalizadas que
superaron la rigidez de los
métodos homogéneos.
Señalaron que la
personalización debía
considerar la equidad
tecnológica, garantizando
que todos los estudiantes,
sin importar su contexto,
accedieran a recursos
adaptados, de lo contrario,
el aprendizaje
individualizado corría el
riesgo de aumentar las
brechas existentes.
Destacaron la ética de
accesibilidad y la necesidad
de transparencia en
algoritmos. La IA debía
orientarse a la inclusión y a
promover oportunidades de
aprendizaje equitativas,
evitando sesgos derivados
de datos incompletos o mal
procesados.
(Uzcáte
gui &
Ríos,
2024)
La IA permitió repensar la
educación como un proceso
dinámico que incluyó
sistemas de recomendación
de contenidos, tutorías
inteligentes y análisis de big
data, lo que favoreció un
aprendizaje más
contextualizado y centrado
en las necesidades del
estudiante.
Enfatizaron que el
aprendizaje personalizado
debía estar acompañado
de políticas públicas que
garantizaran acceso a
internet, dispositivos y
formación docente, pues
sin estos elementos la IA
reforzaría desigualdades
estructurales entre
estudiantes de contextos
distintos.
Subrayaron que la ética
debía guiar la integración de
la IA para que no sustituyera
la dimensión humana de la
educación, manteniendo
principios de justicia,
equidad y responsabilidad
social en cada aplicación.
pág. 10832
(Aceve
do et
al.,
2025)
Observaron que la IA
impulsó una transformación
pedagógica al integrar
tutores virtuales,
evaluaciones automatizadas
y asistentes
conversacionales,
consolidando un entorno
universitario más flexible e
innovador que favoreció la
retención estudiantil y la
eficiencia docente.
Argumentaron que la
personalización no debía
convertirse en privilegio
de pocos; para evitarlo,
propusieron gobernanza
algorítmica ética y
políticas de inclusión que
garantizaran calidad
educativa en contextos
latinoamericanos con
grandes brechas digitales.
Señalaron que la ética en IA
debía centrarse en
privacidad, transparencia y
sostenibilidad institucional.
Los principios
fundamentales eran la
protección de datos
estudiantiles, la formación
docente crítica y la
responsabilidad en el uso de
algoritmos.
(Peñalv
er et al.,
2024)
La IA transformó la
educación tradicional al
permitir adaptar en tiempo
real los contenidos,
optimizar tareas
administrativas y crear
entornos inmersivos de
aprendizaje, promoviendo
un modelo flexible y acorde
con los principios de la
Educación 4.0.
Indicaron que la
personalización solo sería
equitativa si se diseñaban
infraestructuras educativas
sólidas y programas de
capacitación docente que
garantizaran acceso
universal, evitando que las
diferencias tecnológicas
afectaran el rendimiento y
la motivación estudiantil.
Sostuvieron que la IA debía
guiarse por principios de
seguridad de datos, equidad
y responsabilidad ética. La
implementación debía
equilibrar innovación
tecnológica con el respeto a
la creatividad y pensamiento
crítico humano.
(Salava
rría et
al.,
2025)
Destacaron que la IA
redefinió los modelos
pedagógicos emergentes,
transformando la dinámica
docente-estudiante con
herramientas de análisis en
tiempo real que
fortalecieron la
comunicación, la
personalización del
aprendizaje y la adaptación
curricular.
Advirtieron que la
personalización debía
sustentarse en estrategias
inclusivas, pues de lo
contrario la brecha
tecnológica podía ampliar
desigualdades. El reto fue
diseñar aulas inteligentes
capaces de democratizar el
acceso al conocimiento.
Señalaron que los principios
éticos fundamentales eran la
supervisión humana, la
protección de la privacidad
y la capacitación docente.
Estos elementos debían
garantizar que la IA
complementara la enseñanza
sin sustituir la interacción
social ni el pensamiento
crítico.
Los resultados de la primera tabla muestran que la inteligencia artificial emerge como un recurso con
alto potencial para transformar el sistema educativo tradicional mediante estrategias de
personalización que promueven procesos de enseñanza más flexibles, centrados en el estudiante y
sensibles a la diversidad de contextos. Los autores coinciden en que las oportunidades de la IA se
concretan en la posibilidad de superar la rigidez del modelo uniforme, optimizar los recursos
educativos y generar entornos de aprendizaje interactivos.
Sin embargo, también se enfatiza que el aprendizaje personalizado, lejos de ser una solución
automática, requiere garantizar la equidad en el acceso y la transparencia en los algoritmos para evitar
la profundización de desigualdades, en este sentido, los principios éticos como la justicia, la
(Aceve
do et
al.,
2025)
Observaron que la IA
impulsó una transformación
pedagógica al integrar
tutores virtuales,
evaluaciones automatizadas
y asistentes
conversacionales,
consolidando un entorno
universitario más flexible e
innovador que favoreció la
retención estudiantil y la
eficiencia docente.
Argumentaron que la
personalización no debía
convertirse en privilegio
de pocos; para evitarlo,
propusieron gobernanza
algorítmica ética y
políticas de inclusión que
garantizaran calidad
educativa en contextos
latinoamericanos con
grandes brechas digitales.
Señalaron que la ética en IA
debía centrarse en
privacidad, transparencia y
sostenibilidad institucional.
Los principios
fundamentales eran la
protección de datos
estudiantiles, la formación
docente crítica y la
responsabilidad en el uso de
algoritmos.
(Peñalv
er et al.,
2024)
La IA transformó la
educación tradicional al
permitir adaptar en tiempo
real los contenidos,
optimizar tareas
administrativas y crear
entornos inmersivos de
aprendizaje, promoviendo
un modelo flexible y acorde
con los principios de la
Educación 4.0.
Indicaron que la
personalización solo sería
equitativa si se diseñaban
infraestructuras educativas
sólidas y programas de
capacitación docente que
garantizaran acceso
universal, evitando que las
diferencias tecnológicas
afectaran el rendimiento y
la motivación estudiantil.
Sostuvieron que la IA debía
guiarse por principios de
seguridad de datos, equidad
y responsabilidad ética. La
implementación debía
equilibrar innovación
tecnológica con el respeto a
la creatividad y pensamiento
crítico humano.
(Salava
rría et
al.,
2025)
Destacaron que la IA
redefinió los modelos
pedagógicos emergentes,
transformando la dinámica
docente-estudiante con
herramientas de análisis en
tiempo real que
fortalecieron la
comunicación, la
personalización del
aprendizaje y la adaptación
curricular.
Advirtieron que la
personalización debía
sustentarse en estrategias
inclusivas, pues de lo
contrario la brecha
tecnológica podía ampliar
desigualdades. El reto fue
diseñar aulas inteligentes
capaces de democratizar el
acceso al conocimiento.
Señalaron que los principios
éticos fundamentales eran la
supervisión humana, la
protección de la privacidad
y la capacitación docente.
Estos elementos debían
garantizar que la IA
complementara la enseñanza
sin sustituir la interacción
social ni el pensamiento
crítico.
Los resultados de la primera tabla muestran que la inteligencia artificial emerge como un recurso con
alto potencial para transformar el sistema educativo tradicional mediante estrategias de
personalización que promueven procesos de enseñanza más flexibles, centrados en el estudiante y
sensibles a la diversidad de contextos. Los autores coinciden en que las oportunidades de la IA se
concretan en la posibilidad de superar la rigidez del modelo uniforme, optimizar los recursos
educativos y generar entornos de aprendizaje interactivos.
Sin embargo, también se enfatiza que el aprendizaje personalizado, lejos de ser una solución
automática, requiere garantizar la equidad en el acceso y la transparencia en los algoritmos para evitar
la profundización de desigualdades, en este sentido, los principios éticos como la justicia, la
pág. 10833
accesibilidad, la supervisión humana y la protección de datos se convierten en condiciones
indispensables para que la tecnología complemente la labor docente sin sustituir su papel social y
pedagógico.
Tabla 2. IA y transformación educativa
Autor y
año
Oportunidades que ofrece
la IA en la
transformación del
sistema educativo
tradicional
Principales aplicaciones de
la IA que promueven
procesos de
personalización
Desafíos pedagógicos y
técnicos que condicionan
la implementación de la
IA
(Robalino
et al.,
2024)
Identificaron que la IA
representó una oportunidad
clave para superar
inequidades educativas,
reducir deserción y
personalizar aprendizajes
en educación primaria
latinoamericana,
modernizando sistemas y
fortaleciendo la eficiencia
pedagógica en entornos con
limitaciones estructurales.
Señalaron que las
aplicaciones más relevantes
fueron el aprendizaje
adaptativo, la evaluación
automatizada y los
asistentes virtuales, todos
orientados a ofrecer
contenidos personalizados y
a optimizar la gestión del
aula con retroalimentación
continua.
Advirtieron que la brecha
digital, la insuficiente
infraestructura
tecnológica y la carencia
de formación docente se
consolidaron como
obstáculos significativos,
sobre todo en áreas
rurales, dificultando el
acceso equitativo a estas
innovaciones.
(Posso et
al., 2025)
Sostuvieron que la IA
permitió redefinir el rol
docente y consolidar
metodologías flexibles
centradas en el estudiante,
con diagnósticos
personalizados y monitoreo
constante, transformando la
educación en un proceso
más dinámico, inclusivo y
centrado en la autonomía
del aprendiz.
Mencionaron la aplicación
de analítica del aprendizaje,
recursos adaptativos y
evaluación continua,
estructurados en cinco fases:
diagnóstico, itinerarios de
aprendizaje,
implementación de recursos,
retroalimentación y
evaluación constante,
fortaleciendo la
personalización escolar.
Indicaron que los
principales desafíos
fueron la necesidad de
infraestructura
tecnológica adecuada,
capacitación docente
constante y atención a
preocupaciones éticas
como privacidad de datos
y equidad de acceso en
entornos diversos.
(García,
2024)
Destacó que la IA
generativa abrió
oportunidades sin
precedentes para
personalizar aprendizajes,
enriquecer recursos
educativos y optimizar
procesos de evaluación,
transformando los
paradigmas tradicionales
hacia un modelo flexible y
sustentado en competencias
del siglo XXI.
Identificó aplicaciones
como tutores inteligentes,
aprendizaje adaptativo,
analítica de aprendizaje y
generación automática de
contenidos, los cuales
favorecieron entornos de
enseñanza con mayor
interactividad y
adaptabilidad a estilos de
aprendizaje heterogéneos.
Señaló que la falta de
alfabetización digital, las
brechas legislativas y los
riesgos éticos en
seguridad y equidad
constituyeron desafíos
claves para lograr una
implementación
responsable y sostenible
en contextos educativos
diversos.
accesibilidad, la supervisión humana y la protección de datos se convierten en condiciones
indispensables para que la tecnología complemente la labor docente sin sustituir su papel social y
pedagógico.
Tabla 2. IA y transformación educativa
Autor y
año
Oportunidades que ofrece
la IA en la
transformación del
sistema educativo
tradicional
Principales aplicaciones de
la IA que promueven
procesos de
personalización
Desafíos pedagógicos y
técnicos que condicionan
la implementación de la
IA
(Robalino
et al.,
2024)
Identificaron que la IA
representó una oportunidad
clave para superar
inequidades educativas,
reducir deserción y
personalizar aprendizajes
en educación primaria
latinoamericana,
modernizando sistemas y
fortaleciendo la eficiencia
pedagógica en entornos con
limitaciones estructurales.
Señalaron que las
aplicaciones más relevantes
fueron el aprendizaje
adaptativo, la evaluación
automatizada y los
asistentes virtuales, todos
orientados a ofrecer
contenidos personalizados y
a optimizar la gestión del
aula con retroalimentación
continua.
Advirtieron que la brecha
digital, la insuficiente
infraestructura
tecnológica y la carencia
de formación docente se
consolidaron como
obstáculos significativos,
sobre todo en áreas
rurales, dificultando el
acceso equitativo a estas
innovaciones.
(Posso et
al., 2025)
Sostuvieron que la IA
permitió redefinir el rol
docente y consolidar
metodologías flexibles
centradas en el estudiante,
con diagnósticos
personalizados y monitoreo
constante, transformando la
educación en un proceso
más dinámico, inclusivo y
centrado en la autonomía
del aprendiz.
Mencionaron la aplicación
de analítica del aprendizaje,
recursos adaptativos y
evaluación continua,
estructurados en cinco fases:
diagnóstico, itinerarios de
aprendizaje,
implementación de recursos,
retroalimentación y
evaluación constante,
fortaleciendo la
personalización escolar.
Indicaron que los
principales desafíos
fueron la necesidad de
infraestructura
tecnológica adecuada,
capacitación docente
constante y atención a
preocupaciones éticas
como privacidad de datos
y equidad de acceso en
entornos diversos.
(García,
2024)
Destacó que la IA
generativa abrió
oportunidades sin
precedentes para
personalizar aprendizajes,
enriquecer recursos
educativos y optimizar
procesos de evaluación,
transformando los
paradigmas tradicionales
hacia un modelo flexible y
sustentado en competencias
del siglo XXI.
Identificó aplicaciones
como tutores inteligentes,
aprendizaje adaptativo,
analítica de aprendizaje y
generación automática de
contenidos, los cuales
favorecieron entornos de
enseñanza con mayor
interactividad y
adaptabilidad a estilos de
aprendizaje heterogéneos.
Señaló que la falta de
alfabetización digital, las
brechas legislativas y los
riesgos éticos en
seguridad y equidad
constituyeron desafíos
claves para lograr una
implementación
responsable y sostenible
en contextos educativos
diversos.
pág. 10834
(Romero
et al.,
2025)
Enfatizaron que la IA
favoreció la personalización
de la educación a distancia,
atendiendo necesidades
individuales, apoyando la
inclusión de estudiantes con
NEE y optimizando
trayectorias educativas
mediante sistemas
adaptativos de
recomendación y
retroalimentación en línea.
Reportaron que las
principales aplicaciones
fueron sistemas de tutoría
inteligentes, modelado del
alumno, sistemas de
recomendación adaptativos
y analítica predictiva, que
permitieron ajustar
itinerarios y materiales a
cada perfil estudiantil.
Reconocieron como
desafíos las limitaciones
en la calidad de datos, la
capacidad de los
algoritmos para
interpretar contextos
complejos y las
preocupaciones éticas en
torno a la equidad y a la
protección de
información sensible.
(Peñafiel
et al.,
2025)
Señalaron que la IA brindó
oportunidades de
personalización, mejora en la
gestión educativa y mayor
eficiencia en la evaluación,
especialmente en áreas
STEM y educación superior,
fortaleciendo la retención
estudiantil y la efectividad
docente.
Indicaron como
aplicaciones más relevantes
los sistemas de tutoría
inteligente, plataformas
adaptativas y chatbots
educativos, que
incrementaron la
motivación y facilitaron la
retroalimentación inmediata
para estudiantes y docentes
en diversos niveles.
Destacaron que los
principales retos fueron
las brechas digitales, la
resistencia docente a
adoptar nuevas
tecnologías y riesgos
asociados a la privacidad
de datos y sesgos
algorítmicos, que
exigieron marcos éticos y
políticas públicas sólidas.
La segunda tabla refleja que las oportunidades de la IA se proyectan en la consolidación de modelos
personalizados sustentados en aplicaciones concretas como tutores inteligentes, plataformas
adaptativas, chatbots y sistemas de recomendación que facilitan trayectorias de aprendizaje
individualizadas. Estas herramientas han mostrado beneficios claros en términos de motivación
estudiantil, eficiencia docente y gestión de datos educativos, consolidando un nuevo paradigma
pedagógico.
No obstante, los desafíos pedagógicos y técnicos evidenciados son significativos: la persistencia de la
brecha digital, la resistencia de parte del profesorado a integrar nuevas tecnologías, los sesgos en la
interpretación algorítmica y la falta de marcos normativos que regulen su uso ético. Estos hallazgos
sugieren que el potencial transformador de la IA depende de un equilibrio entre innovación
tecnológica y políticas educativas inclusivas, donde la formación docente y la infraestructura
tecnológica sean pilares fundamentales para garantizar un impacto equitativo y sostenible en la
educación actual.
(Romero
et al.,
2025)
Enfatizaron que la IA
favoreció la personalización
de la educación a distancia,
atendiendo necesidades
individuales, apoyando la
inclusión de estudiantes con
NEE y optimizando
trayectorias educativas
mediante sistemas
adaptativos de
recomendación y
retroalimentación en línea.
Reportaron que las
principales aplicaciones
fueron sistemas de tutoría
inteligentes, modelado del
alumno, sistemas de
recomendación adaptativos
y analítica predictiva, que
permitieron ajustar
itinerarios y materiales a
cada perfil estudiantil.
Reconocieron como
desafíos las limitaciones
en la calidad de datos, la
capacidad de los
algoritmos para
interpretar contextos
complejos y las
preocupaciones éticas en
torno a la equidad y a la
protección de
información sensible.
(Peñafiel
et al.,
2025)
Señalaron que la IA brindó
oportunidades de
personalización, mejora en la
gestión educativa y mayor
eficiencia en la evaluación,
especialmente en áreas
STEM y educación superior,
fortaleciendo la retención
estudiantil y la efectividad
docente.
Indicaron como
aplicaciones más relevantes
los sistemas de tutoría
inteligente, plataformas
adaptativas y chatbots
educativos, que
incrementaron la
motivación y facilitaron la
retroalimentación inmediata
para estudiantes y docentes
en diversos niveles.
Destacaron que los
principales retos fueron
las brechas digitales, la
resistencia docente a
adoptar nuevas
tecnologías y riesgos
asociados a la privacidad
de datos y sesgos
algorítmicos, que
exigieron marcos éticos y
políticas públicas sólidas.
La segunda tabla refleja que las oportunidades de la IA se proyectan en la consolidación de modelos
personalizados sustentados en aplicaciones concretas como tutores inteligentes, plataformas
adaptativas, chatbots y sistemas de recomendación que facilitan trayectorias de aprendizaje
individualizadas. Estas herramientas han mostrado beneficios claros en términos de motivación
estudiantil, eficiencia docente y gestión de datos educativos, consolidando un nuevo paradigma
pedagógico.
No obstante, los desafíos pedagógicos y técnicos evidenciados son significativos: la persistencia de la
brecha digital, la resistencia de parte del profesorado a integrar nuevas tecnologías, los sesgos en la
interpretación algorítmica y la falta de marcos normativos que regulen su uso ético. Estos hallazgos
sugieren que el potencial transformador de la IA depende de un equilibrio entre innovación
tecnológica y políticas educativas inclusivas, donde la formación docente y la infraestructura
tecnológica sean pilares fundamentales para garantizar un impacto equitativo y sostenible en la
educación actual.
pág. 10835
CONCLUSIONES
El análisis de los hallazgos evidencia que la inteligencia artificial ofrece oportunidades
transformadoras para personalizar la educación, pero enfrenta retos éticos, técnicos y pedagógicos que
condicionan su implementación efectiva y equitativa. La investigación permitió constatar que la
inteligencia artificial constituye un recurso capaz de redefinir el paradigma educativo tradicional, al
impulsar modelos personalizados que se adaptan a las necesidades, ritmos y estilos de aprendizaje de
cada estudiante.
Las aplicaciones identificadas, tales como tutores inteligentes, plataformas adaptativas, chatbots y
analítica del aprendizaje, demostraron un impacto positivo en la motivación, la retención estudiantil y
la eficiencia docente, de este modo, se vislumbra un escenario en el que la tecnología se convierte en
un aliado estratégico para mejorar la calidad educativa, superar la rigidez de los modelos homogéneos
y favorecer procesos de enseñanza más inclusivos y dinámicos.
No obstante, la reflexión crítica sobre los resultados también revela que las oportunidades de la IA no
pueden analizarse al margen de los desafíos que conllevan, persisten brechas digitales que limitan el
acceso equitativo a la tecnología, especialmente en contextos rurales o en sistemas con insuficiente
infraestructura. Asimismo, la falta de formación docente en competencias digitales dificulta la
integración pedagógica de estas herramientas, mientras que los riesgos asociados a la privacidad de
datos, los sesgos algorítmicos y la ausencia de marcos regulatorios sólidos plantean dilemas éticos
ineludibles. Por ello, la IA no debe concebirse como sustituto de la labor docente, sino como un
complemento que requiere mediación humana, reflexión ética y políticas educativas claras.
En conclusión, la inteligencia artificial ofrece un potencial significativo para transformar la educación
hacia modelos personalizados, pero su impacto positivo dependerá de la capacidad de articular
innovación tecnológica con justicia social, formación docente y gobernanza ética. Solo bajo estas
condiciones se podrá garantizar que las ventajas de la IA beneficien de manera sostenible a todos los
actores del ecosistema educativo.
CONCLUSIONES
El análisis de los hallazgos evidencia que la inteligencia artificial ofrece oportunidades
transformadoras para personalizar la educación, pero enfrenta retos éticos, técnicos y pedagógicos que
condicionan su implementación efectiva y equitativa. La investigación permitió constatar que la
inteligencia artificial constituye un recurso capaz de redefinir el paradigma educativo tradicional, al
impulsar modelos personalizados que se adaptan a las necesidades, ritmos y estilos de aprendizaje de
cada estudiante.
Las aplicaciones identificadas, tales como tutores inteligentes, plataformas adaptativas, chatbots y
analítica del aprendizaje, demostraron un impacto positivo en la motivación, la retención estudiantil y
la eficiencia docente, de este modo, se vislumbra un escenario en el que la tecnología se convierte en
un aliado estratégico para mejorar la calidad educativa, superar la rigidez de los modelos homogéneos
y favorecer procesos de enseñanza más inclusivos y dinámicos.
No obstante, la reflexión crítica sobre los resultados también revela que las oportunidades de la IA no
pueden analizarse al margen de los desafíos que conllevan, persisten brechas digitales que limitan el
acceso equitativo a la tecnología, especialmente en contextos rurales o en sistemas con insuficiente
infraestructura. Asimismo, la falta de formación docente en competencias digitales dificulta la
integración pedagógica de estas herramientas, mientras que los riesgos asociados a la privacidad de
datos, los sesgos algorítmicos y la ausencia de marcos regulatorios sólidos plantean dilemas éticos
ineludibles. Por ello, la IA no debe concebirse como sustituto de la labor docente, sino como un
complemento que requiere mediación humana, reflexión ética y políticas educativas claras.
En conclusión, la inteligencia artificial ofrece un potencial significativo para transformar la educación
hacia modelos personalizados, pero su impacto positivo dependerá de la capacidad de articular
innovación tecnológica con justicia social, formación docente y gobernanza ética. Solo bajo estas
condiciones se podrá garantizar que las ventajas de la IA beneficien de manera sostenible a todos los
actores del ecosistema educativo.
pág. 10836
REFERENCIAS BIBLIOGRAFICAS
Acevedo, M., Cabezas, N., La Serna, P., & Araujo, S. (2025). Desafíos y oportunidades de la
inteligencia artificial en la educación superior latinoamericana: una revisión sistemática de la
literatura Challenges. REvista Inve, 6(1), 1–10. https://zenodo.org/records/15508755
Alban, G., Verdesoto, A., & Castro, N. (2020). Metodologías de investigación educativa (descriptivas,
experimentales, participativas, y de investigación-acción). Recimundo, 4(3), 163–173.
https://doi.org/10.26820/recimundo/4.(3).julio.2020.163-173
Álvarez, J. C., & Cepeda, L. (2024). El impacto de la inteligencia artificial en la enseñanza y el
aprendizaje. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(3), 599–
610. https://doi.org/10.56712/latam.v5i3.2061
Camino, C., Vega, S., & Lavarello, X. (2024). Integración de la inteligencia artificial en la enseñanza
de la historia mundial: perspectivas y desafíos. Polo Del Conocimiento, 9(5), 1799–1819.
https://doi.org/10.23857/pc.v9i5.7235
Carbonell, C., Burgos, S., Calderón, D., & Paredes, O. (2023). La Inteligencia Artificial en el contexto
de la formación educativa. Episteme Koinonia, 6(12), 152–166.
https://doi.org/10.35381/e.k.v6i12.2547
Cortés, M., & Iglesias, M. (2004). Generalidades sobre metodología de la investigación. 105.
http://www.unacar.mx/contenido/gaceta/ediciones/metodologia_investigacion.pdf
Fernández, M. (2023). La inteligencia artificial en la educación: Hacia un futuro de aprendizaje
inteligente. In Escriba. Escuela de escritores (Vol. 2, Issue 6).
https://dialnet.unirioja.es/servlet/libro?codigo=926431
Forero, W., & Negre, F. (2024). Técnicas y aplicaciones del Machine Learning e Inteligencia Artificial
en educación: una revisión sistemática. RIED-Revista Iberoamericana de Educacion a
Distancia, 27(1), 209–253. https://doi.org/10.5944/ried.27.1.37491
García, F. J. (2024). Inteligencia artificial generativa y educación: Un análisis desde múltiples
perspectivas. Education in the Knowledge Society (EKS), 25, 1–25.
https://doi.org/10.14201/eks.31942
REFERENCIAS BIBLIOGRAFICAS
Acevedo, M., Cabezas, N., La Serna, P., & Araujo, S. (2025). Desafíos y oportunidades de la
inteligencia artificial en la educación superior latinoamericana: una revisión sistemática de la
literatura Challenges. REvista Inve, 6(1), 1–10. https://zenodo.org/records/15508755
Alban, G., Verdesoto, A., & Castro, N. (2020). Metodologías de investigación educativa (descriptivas,
experimentales, participativas, y de investigación-acción). Recimundo, 4(3), 163–173.
https://doi.org/10.26820/recimundo/4.(3).julio.2020.163-173
Álvarez, J. C., & Cepeda, L. (2024). El impacto de la inteligencia artificial en la enseñanza y el
aprendizaje. LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(3), 599–
610. https://doi.org/10.56712/latam.v5i3.2061
Camino, C., Vega, S., & Lavarello, X. (2024). Integración de la inteligencia artificial en la enseñanza
de la historia mundial: perspectivas y desafíos. Polo Del Conocimiento, 9(5), 1799–1819.
https://doi.org/10.23857/pc.v9i5.7235
Carbonell, C., Burgos, S., Calderón, D., & Paredes, O. (2023). La Inteligencia Artificial en el contexto
de la formación educativa. Episteme Koinonia, 6(12), 152–166.
https://doi.org/10.35381/e.k.v6i12.2547
Cortés, M., & Iglesias, M. (2004). Generalidades sobre metodología de la investigación. 105.
http://www.unacar.mx/contenido/gaceta/ediciones/metodologia_investigacion.pdf
Fernández, M. (2023). La inteligencia artificial en la educación: Hacia un futuro de aprendizaje
inteligente. In Escriba. Escuela de escritores (Vol. 2, Issue 6).
https://dialnet.unirioja.es/servlet/libro?codigo=926431
Forero, W., & Negre, F. (2024). Técnicas y aplicaciones del Machine Learning e Inteligencia Artificial
en educación: una revisión sistemática. RIED-Revista Iberoamericana de Educacion a
Distancia, 27(1), 209–253. https://doi.org/10.5944/ried.27.1.37491
García, F. J. (2024). Inteligencia artificial generativa y educación: Un análisis desde múltiples
perspectivas. Education in the Knowledge Society (EKS), 25, 1–25.
https://doi.org/10.14201/eks.31942
pág. 10837
Hadi, M., Martel, C., Huayta, F., Rojas, R., & Arias, J. (2023). Metodología de la investigación: Guía
para el proyecto de tesis. In Instituto Universitario de Innovación Ciencia y Tecnología Inudi
Perú S.A.C. https://doi.org/10.35622/inudi.b.073
Hernández, R., Fernández, C., & Baptista, M. (2016). Metodología de la investigación. In Mc Graw
Hill. https://www.smujerescoahuila.gob.mx/wp-content/uploads/2020/05/Sampieri.Met.Inv.pdf
Maldonado, F., Álvarez, R., Maldonado, P., Cordero, G. de, & Capote, M. (2023). Metodología de la
investigación: De la teoría a la práctica. Puerto Madero Editorial Académica.
https://doi.org/10.55204/pmea.24
Monge, M. M., Villamagua Jiménez, G. M., Aroca Izurieta, C. E., Chico Guzmán, B. A., & López
Velasco, J. E. (2024). Personalización del proceso de aprendizaje mediante inteligencia artificial.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(3), 772–785.
https://doi.org/10.56712/latam.v5i3.2076
Pacha, N., Barba, H., & Sevilla, L. (2024). Análisis sistemático de integración de inteligencia artificial
en el aprendizaje de la robótica en la educación secundaria. Universidad, Ciencia y Tecnología,
28(123), 111–121. https://doi.org/10.47460/uct.v28i123.811
Parra, M. E., Trujillo-Arteaga, J. C., Álvarez-Abad, D. R., Arias-Domínguez, A. S., & Santillán-
Gordón, E. (2024). El impacto de la inteligencia artificial en la educación. Revista Científica
Retos de La Ciencia, 1(4), 169–181. https://doi.org/10.53877/rc.8.19e.202409.14
Peñafiel, E. E., Pacho, G. F., Yungán, B. H., Estrada, S. N., Suárez, I. V. R., & Valdivieso, C. A.
(2025). La inteligencia artificial en la educación: desafíos y oportunidades. South Florida
Journal of Development, 6(5), e5219. https://doi.org/10.46932/sfjdv6n5-006
Peñalver, M., Guerra, Y., Rodríguez, L., & López, R. (2024). Transformando la educación con
Inteligencia Artificial: Hacia un aprendizaje personalizado en la Era 4.0. Revista de Ciencias
Sociales, XXX(4), 416–430. https://doi.org/10.31876/rcs.v30i4.43040
Posso, R. J., Posso Pacheco, E. E., & Salazar Ayala, J. J. (2025). La Inteligencia Artificial en la
Educación: Propuesta de una Metodología de Enseñanza Integrada. MENTOR Revista de
Investigación Educativa y Deportiva, 4(10), 1–8. https://doi.org/10.56200/mried.v4i10.9501
Robalino, C. P., Chicaiza Marchan, K. A., Coello Rivas, C. R., & Castillo Mainato, A. F. (2024).
Hadi, M., Martel, C., Huayta, F., Rojas, R., & Arias, J. (2023). Metodología de la investigación: Guía
para el proyecto de tesis. In Instituto Universitario de Innovación Ciencia y Tecnología Inudi
Perú S.A.C. https://doi.org/10.35622/inudi.b.073
Hernández, R., Fernández, C., & Baptista, M. (2016). Metodología de la investigación. In Mc Graw
Hill. https://www.smujerescoahuila.gob.mx/wp-content/uploads/2020/05/Sampieri.Met.Inv.pdf
Maldonado, F., Álvarez, R., Maldonado, P., Cordero, G. de, & Capote, M. (2023). Metodología de la
investigación: De la teoría a la práctica. Puerto Madero Editorial Académica.
https://doi.org/10.55204/pmea.24
Monge, M. M., Villamagua Jiménez, G. M., Aroca Izurieta, C. E., Chico Guzmán, B. A., & López
Velasco, J. E. (2024). Personalización del proceso de aprendizaje mediante inteligencia artificial.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(3), 772–785.
https://doi.org/10.56712/latam.v5i3.2076
Pacha, N., Barba, H., & Sevilla, L. (2024). Análisis sistemático de integración de inteligencia artificial
en el aprendizaje de la robótica en la educación secundaria. Universidad, Ciencia y Tecnología,
28(123), 111–121. https://doi.org/10.47460/uct.v28i123.811
Parra, M. E., Trujillo-Arteaga, J. C., Álvarez-Abad, D. R., Arias-Domínguez, A. S., & Santillán-
Gordón, E. (2024). El impacto de la inteligencia artificial en la educación. Revista Científica
Retos de La Ciencia, 1(4), 169–181. https://doi.org/10.53877/rc.8.19e.202409.14
Peñafiel, E. E., Pacho, G. F., Yungán, B. H., Estrada, S. N., Suárez, I. V. R., & Valdivieso, C. A.
(2025). La inteligencia artificial en la educación: desafíos y oportunidades. South Florida
Journal of Development, 6(5), e5219. https://doi.org/10.46932/sfjdv6n5-006
Peñalver, M., Guerra, Y., Rodríguez, L., & López, R. (2024). Transformando la educación con
Inteligencia Artificial: Hacia un aprendizaje personalizado en la Era 4.0. Revista de Ciencias
Sociales, XXX(4), 416–430. https://doi.org/10.31876/rcs.v30i4.43040
Posso, R. J., Posso Pacheco, E. E., & Salazar Ayala, J. J. (2025). La Inteligencia Artificial en la
Educación: Propuesta de una Metodología de Enseñanza Integrada. MENTOR Revista de
Investigación Educativa y Deportiva, 4(10), 1–8. https://doi.org/10.56200/mried.v4i10.9501
Robalino, C. P., Chicaiza Marchan, K. A., Coello Rivas, C. R., & Castillo Mainato, A. F. (2024).
pág. 10838
Revisión sistemática: inteligencia artificial en la transformación de la educación primaria.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(5), 1952–1966.
https://doi.org/10.56712/latam.v5i5.2754
Romero, R., Araya, K., & Reyes, N. (2025). Rol de la I nteligencia Arti fi cial en la personalización de
la educación a distancia : una revisión sistemática. IED-Revista Iberoamericana de Educación a
Distancia, 28(1), 1–9. https://doi.org/10.5944/ried.28.1.41538 Resumen:
Salavarría, P., Costa, C., Lara, V., & Calle, D. (2025). Del aula tradicional al aula inteligente :
integración de la inteligencia artificial en los modelos pedagógicos emergentes. Revista
Científica Multidisciplinaria HEXACIENCIAS, 5(10), 278–308. https://doi.org/0009-0005-5052-
6486
Uzcátegui, R., & Ríos, M. (2024). Las amenazas, retos y oportunidades de la Inteligencia Artificial en
la Educación es la de procurar educación humana. Revista Digital Del Doctorado En Educación,
10(ee), 1–21. https://doi.org/10.55560/arete.2024.ee.10.1
Vizcaíno, P. I., Cedeño, R., & Maldonado, I. (2023). Metodología de la investigación científica: guía
práctica. In Ciencia Latina Revista Científica Multidisciplinar (Vol. 7, Issue 4).
https://doi.org/10.37811/cl_rcm.v7i4.7658
Yépez, L. D., Jirón Febre, T. I., Rumbaut Rangel, D., & Jurado Martínez, G. (2024). El papel de la
inteligencia artificial en la personalización de la educación. Magazine de Las Ciencias: Revista
de Investigación e Innovación, 9(3), 31–46. https://doi.org/10.33262/rmc.v9i3.3160
Revisión sistemática: inteligencia artificial en la transformación de la educación primaria.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(5), 1952–1966.
https://doi.org/10.56712/latam.v5i5.2754
Romero, R., Araya, K., & Reyes, N. (2025). Rol de la I nteligencia Arti fi cial en la personalización de
la educación a distancia : una revisión sistemática. IED-Revista Iberoamericana de Educación a
Distancia, 28(1), 1–9. https://doi.org/10.5944/ried.28.1.41538 Resumen:
Salavarría, P., Costa, C., Lara, V., & Calle, D. (2025). Del aula tradicional al aula inteligente :
integración de la inteligencia artificial en los modelos pedagógicos emergentes. Revista
Científica Multidisciplinaria HEXACIENCIAS, 5(10), 278–308. https://doi.org/0009-0005-5052-
6486
Uzcátegui, R., & Ríos, M. (2024). Las amenazas, retos y oportunidades de la Inteligencia Artificial en
la Educación es la de procurar educación humana. Revista Digital Del Doctorado En Educación,
10(ee), 1–21. https://doi.org/10.55560/arete.2024.ee.10.1
Vizcaíno, P. I., Cedeño, R., & Maldonado, I. (2023). Metodología de la investigación científica: guía
práctica. In Ciencia Latina Revista Científica Multidisciplinar (Vol. 7, Issue 4).
https://doi.org/10.37811/cl_rcm.v7i4.7658
Yépez, L. D., Jirón Febre, T. I., Rumbaut Rangel, D., & Jurado Martínez, G. (2024). El papel de la
inteligencia artificial en la personalización de la educación. Magazine de Las Ciencias: Revista
de Investigación e Innovación, 9(3), 31–46. https://doi.org/10.33262/rmc.v9i3.3160