Vol. 12/ Núm. 1 2025 pág. 3079
https://doi.org/10.69639/arandu.v12i1.789
Estrategias pedagógicas basadas en inteligencia artificial:
Transformando la personalización del aprendizaje en
educación nivel bachillerato
Artificial Intelligence-Based Pedagogical Strategies: Transforming Personalization of
Learning into Bachelor’s-Level Education
Freddy Manuel Mora Villamar
fmorav2@unemi.edu.ec
https://orcid.org/0009-0002-0155-4956
Universidad Estatal de Milagro
Milagro – Ecuador
Esperanza Ivonne Pozo Vera
esperanza.pozo@educacion.gob.ec
https://orcid.org/0009-0003-2470-8855
Ministerio de Educación del Ecuador
Milagro – Ecuador
Nelly Yaqueline Urrutia Franco
nelly.urrutia@educacion.gob.ec
https://orcid.org/0009-0003-6278-7312
Ministerio de Educación del Ecuador
Milagro – Ecuador
Artículo recibido: 10 febrero 2025 - Aceptado para publicación: 20 marzo 2025
Conflictos de intereses: Ninguno que declarar
RESUMEN
El documento titulado "Estrategias pedagógicas fundamentadas en inteligencia artificial:
"Transformando la personalización del aprendizaje en educación básica" examina la influencia
de la inteligencia artificial (IA) en el ámbito de la educación nivel bachillerato, centrándose en
cómo esta tecnología puede modificar la personalización del proceso educativo. La
personalización del aprendizaje, definida como la habilidad para ajustar el proceso educativo a
las necesidades, ritmos y estilos de aprendizaje únicos de los alumnos, ha constituido un objetivo
fundamental en las estrategias pedagógicas contemporáneas. No obstante, la implementación
efectiva de este enfoque ha sido restringida por la insuficiencia de recursos y el obstáculo de
identificar estrategias que puedan tratar de manera eficaz la diversidad estudiantil. La inteligencia
artificial se manifiesta como un instrumento potente para superar dichas barreras. Mediante
algoritmos de aprendizaje automático y procesamiento de grandes volúmenes de datos, la
Inteligencia Artificial facilita la creación de experiencias educativas personalizadas y adaptativas,
facilitando la detección en tiempo real de las fortalezas y debilidades de los estudiantes. Este
análisis investiga de qué manera la Inteligencia Artificial, mediante el uso de plataformas de
aprendizaje avanzadas y sistemas de sugerencias, ayuda a los docentes a desarrollar currículos
más flexibles que se adaptan a las necesidades específicas de ca-da alumno. Adicionalmente, se
Vol. 12/ Núm. 1 2025 pág. 3080
subraya la función de las tecnologías funda-mentadas en la Inteligencia Artificial en la generación
de contextos educativos inclusivos. Al examinar la manera en que la Inteligencia Artificial puede
facilitar adaptaciones para alumnos con requerimientos educativos especia-les, el estudio enfatiza
su potencial para fomentar la equidad en el acceso a una educación de alta calidad. La adopción
de estas tecnologías puede favorecer la optimización del desempeño académico de los alumnos
al suministrarles instrumentos específicos para el fomento de sus competencias. El artículo
también aborda los retos inherentes a la incorporación de la Inteligencia Artificial en los entornos
educativos, tales como la insuficiencia en la capacitación docente, la resistencia al cambio y la
exigencia de infraestructuras apropiadas. Pese a estos obstáculos, se deduce que la inteligencia
artificial posee el potencial para revolucionar la educación básica, optimizan-do la calidad del
aprendizaje y fomentando una pedagogía más inclusiva y personalizada.
Palabras clave: inteligencia artificial, personalización del aprendizaje, educación
inclusiva, plataformas educativas, pedagogía adaptativa
ABSTRACT
The document titled "Pedagogical Strategies Based on Artificial Intelligence: Transforming
Personalization in Basic Education" examines the influence of artificial intelligence (AI) in the
field of high school education, focusing on how this technology can modify the personalization
of the educational process. Personalized learning, defined as the ability to adjust the educational
process to the unique needs, paces, and learning styles of students, has been a fundamental goal
in contemporary pedagogical strategies. However, the effective implementation of this approach
has been restricted by the lack of resources and the obstacle of identifying strategies that can
effectively address student diversity. Artificial intelligence emerges as a powerful tool to
overcome these barriers. Through machine learning algorithms and processing large volumes of
data, Artificial Intelligence facilitates the creation of personalized and adaptive educational
experiences, enabling real-time detection of students' strengths and weaknesses. This analysis
investigates how Artificial Intelligence, through the use of advanced learning platforms and
recommendation systems, helps teachers develop more flexible curricula that adapt to the specific
needs of each student. Additionally, it highlights the role of technologies based on Artificial
Intelligence in creating inclusive educational contexts. By examining how Artificial Intelligence
can facilitate adaptations for students with special educational needs, the study emphasizes its
potential to promote equity in access to high-quality education. The adoption of these
technologies can favor the optimization of students' academic performance by providing them
with specific tools to foster their competencies. The article also addresses the challenges inherent
in incorporating Artificial Intelligence into educational environments, such as insufficient teacher
training, resistance to change, and the need for appropriate infrastructures. Despite these
subraya la función de las tecnologías funda-mentadas en la Inteligencia Artificial en la generación
de contextos educativos inclusivos. Al examinar la manera en que la Inteligencia Artificial puede
facilitar adaptaciones para alumnos con requerimientos educativos especia-les, el estudio enfatiza
su potencial para fomentar la equidad en el acceso a una educación de alta calidad. La adopción
de estas tecnologías puede favorecer la optimización del desempeño académico de los alumnos
al suministrarles instrumentos específicos para el fomento de sus competencias. El artículo
también aborda los retos inherentes a la incorporación de la Inteligencia Artificial en los entornos
educativos, tales como la insuficiencia en la capacitación docente, la resistencia al cambio y la
exigencia de infraestructuras apropiadas. Pese a estos obstáculos, se deduce que la inteligencia
artificial posee el potencial para revolucionar la educación básica, optimizan-do la calidad del
aprendizaje y fomentando una pedagogía más inclusiva y personalizada.
Palabras clave: inteligencia artificial, personalización del aprendizaje, educación
inclusiva, plataformas educativas, pedagogía adaptativa
ABSTRACT
The document titled "Pedagogical Strategies Based on Artificial Intelligence: Transforming
Personalization in Basic Education" examines the influence of artificial intelligence (AI) in the
field of high school education, focusing on how this technology can modify the personalization
of the educational process. Personalized learning, defined as the ability to adjust the educational
process to the unique needs, paces, and learning styles of students, has been a fundamental goal
in contemporary pedagogical strategies. However, the effective implementation of this approach
has been restricted by the lack of resources and the obstacle of identifying strategies that can
effectively address student diversity. Artificial intelligence emerges as a powerful tool to
overcome these barriers. Through machine learning algorithms and processing large volumes of
data, Artificial Intelligence facilitates the creation of personalized and adaptive educational
experiences, enabling real-time detection of students' strengths and weaknesses. This analysis
investigates how Artificial Intelligence, through the use of advanced learning platforms and
recommendation systems, helps teachers develop more flexible curricula that adapt to the specific
needs of each student. Additionally, it highlights the role of technologies based on Artificial
Intelligence in creating inclusive educational contexts. By examining how Artificial Intelligence
can facilitate adaptations for students with special educational needs, the study emphasizes its
potential to promote equity in access to high-quality education. The adoption of these
technologies can favor the optimization of students' academic performance by providing them
with specific tools to foster their competencies. The article also addresses the challenges inherent
in incorporating Artificial Intelligence into educational environments, such as insufficient teacher
training, resistance to change, and the need for appropriate infrastructures. Despite these
Vol. 12/ Núm. 1 2025 pág. 3081
obstacles, it is deduced that artificial intelligence has the potential to revolutionize basic
education, optimizing the quality of learning and fostering a more inclusive and personalized
pedagogy.
Keywords: artificial intelligence, personalized learning, inclusive education, educational
platforms, adaptive pedagogy
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
obstacles, it is deduced that artificial intelligence has the potential to revolutionize basic
education, optimizing the quality of learning and fostering a more inclusive and personalized
pedagogy.
Keywords: artificial intelligence, personalized learning, inclusive education, educational
platforms, adaptive pedagogy
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 12/ Núm. 1 2025 pág. 3082
INTRODUCCIÓN
Contextualización del tópico en cuestión
Actualmente, la implementación y adopción paulatina de tecnologías emergentes,
particularmente la inteligencia artificial (IA), está efectuando una transformación significativa en
la pedagogía y la personalización del aprendizaje en un extenso espectro de niveles educativos.
El nivel de bachillerato, en particular, se encuentra ante un desafío significativo en lo que respecta
a la diversidad de perfiles de sus estudiantes, quienes exhiben una amplia gama de estilos y
velocidades de aprendizaje. La inteligencia artificial ha demostrado ser un recurso fundamental
a través de tecnologías innovadoras como tutores inteligentes, sistemas de aprendizaje adaptativo
y análisis de datos profundos para satisfacer de manera efectiva estas amplias necesidades
educativas (Baker y Siemens, 2020).
La personalización del aprendizaje es una estrategia pedagógica altamente efectiva que
brinda la oportunidad a los estudiantes de progresar de manera autónoma, respetando sus ritmos
de aprendizaje y adaptándose a sus requerimientos específicos. La adopción eficaz de
instrumentos tecnológicos fundamentados en la inteligencia artificial es esencial para la
optimización de este proceso educativo, posibilitando la generación de experiencias de
aprendizaje altamente personalizadas, dinámicas y adaptables a las necesidades individuales de
cada estudiante (Creswell & Plano Clark, 2018). A través de la implementación de tecnologías
de vanguardia, tales como la inteligencia artificial, se logra efectuar un monitoreo y análisis
meticuloso del progreso académico de cada estudiante, lo que facilita la formulación de
intervenciones pedagógicas altamente especializadas y pertinentes en el momento oportuno, tal
como lo indican González y sus colaboradores en su estudio del 2021.
Además, la inteligencia artificial no solo se encarga de optimizar el proceso de aprendizaje
a nivel individual, sino que también juega un papel fundamental en el estímulo de la motivación
y el fortalecimiento del compromiso de los estudiantes, dado que les brinda un entorno altamente
interactivo y completamente centrado en sus necesidades educativas específicas (Duffy &
Kirkland, 2022). En este contexto actual, el aprovechamiento de la inteligencia artificial posibilita
una mayor accesibilidad al conocimiento, sobre todo para aquellos estudiantes que presentan
desafíos en su proceso de aprendizaje, lo cual conlleva a un incremento significativo en la equidad
educativa y en la igualdad de oportunidades (Pianta & LaParo, 2022).
Evaluación exhaustiva de los Antecedentes y Contexto Histórico
La integración de la inteligencia artificial en el ámbito educativo no es un suceso nuevo,
sin embargo, en tiempos recientes ha cobrado mayor relevancia como un recurso pedagógico
fundamental para la adaptación individualizada del proceso de enseñanza-aprendizaje.
Investigaciones recientes, como las realizadas por Baker et al. (2020), han demostrado de qué
manera los sistemas de inteligencia artificial adaptativa pueden personalizar los materiales
INTRODUCCIÓN
Contextualización del tópico en cuestión
Actualmente, la implementación y adopción paulatina de tecnologías emergentes,
particularmente la inteligencia artificial (IA), está efectuando una transformación significativa en
la pedagogía y la personalización del aprendizaje en un extenso espectro de niveles educativos.
El nivel de bachillerato, en particular, se encuentra ante un desafío significativo en lo que respecta
a la diversidad de perfiles de sus estudiantes, quienes exhiben una amplia gama de estilos y
velocidades de aprendizaje. La inteligencia artificial ha demostrado ser un recurso fundamental
a través de tecnologías innovadoras como tutores inteligentes, sistemas de aprendizaje adaptativo
y análisis de datos profundos para satisfacer de manera efectiva estas amplias necesidades
educativas (Baker y Siemens, 2020).
La personalización del aprendizaje es una estrategia pedagógica altamente efectiva que
brinda la oportunidad a los estudiantes de progresar de manera autónoma, respetando sus ritmos
de aprendizaje y adaptándose a sus requerimientos específicos. La adopción eficaz de
instrumentos tecnológicos fundamentados en la inteligencia artificial es esencial para la
optimización de este proceso educativo, posibilitando la generación de experiencias de
aprendizaje altamente personalizadas, dinámicas y adaptables a las necesidades individuales de
cada estudiante (Creswell & Plano Clark, 2018). A través de la implementación de tecnologías
de vanguardia, tales como la inteligencia artificial, se logra efectuar un monitoreo y análisis
meticuloso del progreso académico de cada estudiante, lo que facilita la formulación de
intervenciones pedagógicas altamente especializadas y pertinentes en el momento oportuno, tal
como lo indican González y sus colaboradores en su estudio del 2021.
Además, la inteligencia artificial no solo se encarga de optimizar el proceso de aprendizaje
a nivel individual, sino que también juega un papel fundamental en el estímulo de la motivación
y el fortalecimiento del compromiso de los estudiantes, dado que les brinda un entorno altamente
interactivo y completamente centrado en sus necesidades educativas específicas (Duffy &
Kirkland, 2022). En este contexto actual, el aprovechamiento de la inteligencia artificial posibilita
una mayor accesibilidad al conocimiento, sobre todo para aquellos estudiantes que presentan
desafíos en su proceso de aprendizaje, lo cual conlleva a un incremento significativo en la equidad
educativa y en la igualdad de oportunidades (Pianta & LaParo, 2022).
Evaluación exhaustiva de los Antecedentes y Contexto Histórico
La integración de la inteligencia artificial en el ámbito educativo no es un suceso nuevo,
sin embargo, en tiempos recientes ha cobrado mayor relevancia como un recurso pedagógico
fundamental para la adaptación individualizada del proceso de enseñanza-aprendizaje.
Investigaciones recientes, como las realizadas por Baker et al. (2020), han demostrado de qué
manera los sistemas de inteligencia artificial adaptativa pueden personalizar los materiales
Vol. 12/ Núm. 1 2025 pág. 3083
educativos en función de las demandas cognitivas y afectivas de los alumnos. La evidencia
científica disponible demuestra de manera concluyente que los algoritmos de inteligencia
artificial tienen la capacidad inherente de realizar predicciones precisas sobre el desempeño
académico de los estudiantes, lo cual les permite ofrecer un nivel de retroalimentación altamente
personalizado y adaptado a las necesidades individuales de cada estudiante con el objetivo de
potenciar y enriquecer su comprensión de los contenidos educativos (Tashakkori & Teddlie,
2010).
Por otro lado, es importante destacar que el Diseño Universal para el Aprendizaje (DUA)
ha sido ampliamente reconocido como un enfoque altamente efectivo y beneficioso para
promover la mejora de la inclusión, la diversidad y la equidad educativa en los entornos escolares
y académicos. Según la investigación realizada por Rose & Dalton (2020), el Diseño Universal
para el Aprendizaje (DUA) desempeña un papel fundamental en la promoción de la equidad
educativa al permitir la creación de entornos de aprendizaje altamente flexibles y adaptables,
capaces de satisfacer las necesidades y preferencias individuales de una amplia gama de
estudiantes con diversos estilos de aprendizaje y habilidades. Al integrar la inteligencia artificial,
el diseño universal para el aprendizaje logra una pedagogía sumamente inclusiva, posibilitando
una adaptación personalizada completa del proceso de enseñanza y aprendizaje (Hasselbring &
Bledsoe, 2019).
Investigaciones más recientes también han resaltado la estrecha correlación positiva que
existe entre la implementación de estrategias de personalización del proceso de enseñanza-
aprendizaje y el desempeño académico de los alumnos que cursan el nivel de educación
secundaria superior, conocido comúnmente como bachillerato. La utilización de plataformas
tecnológicas impulsadas por inteligencia artificial, como Khan Academy y Duolingo, ha
demostrado ser altamente efectiva en la mejora del desempeño académico en diversas disciplinas,
tales como matemáticas y lenguas extranjeras, según lo evidencian estudios recientes (Bergström
et al., 2021; Nistor et al., 2020). Estas útiles herramientas tecnológicas posibilitan a los
estudiantes acceder a contenido educativo personalizado, ajustado a su nivel de destreza y
competencia, lo cual contribuye significativamente a mejorar la comprensión y asimilación de los
conceptos y conocimientos impartidos en el aula (Ryan & Deci, 2020).
Durante las últimas décadas, el rápido progreso de las tecnologías digitales ha inducido una
metamorfosis significativa en los procesos educativos, particularmente en lo concerniente a la
personalización del aprendizaje. La formulación de tácticas pedagógicas fundamentadas en la
inteligencia artificial (IA) ha facilitado la reconfiguración de los modelos convencionales de
enseñanza, otorgando prioridad a la personalización de los contenidos para satisfacer las
necesidades específicas de los alumnos, especialmente en los niveles de educación media y
superior.
educativos en función de las demandas cognitivas y afectivas de los alumnos. La evidencia
científica disponible demuestra de manera concluyente que los algoritmos de inteligencia
artificial tienen la capacidad inherente de realizar predicciones precisas sobre el desempeño
académico de los estudiantes, lo cual les permite ofrecer un nivel de retroalimentación altamente
personalizado y adaptado a las necesidades individuales de cada estudiante con el objetivo de
potenciar y enriquecer su comprensión de los contenidos educativos (Tashakkori & Teddlie,
2010).
Por otro lado, es importante destacar que el Diseño Universal para el Aprendizaje (DUA)
ha sido ampliamente reconocido como un enfoque altamente efectivo y beneficioso para
promover la mejora de la inclusión, la diversidad y la equidad educativa en los entornos escolares
y académicos. Según la investigación realizada por Rose & Dalton (2020), el Diseño Universal
para el Aprendizaje (DUA) desempeña un papel fundamental en la promoción de la equidad
educativa al permitir la creación de entornos de aprendizaje altamente flexibles y adaptables,
capaces de satisfacer las necesidades y preferencias individuales de una amplia gama de
estudiantes con diversos estilos de aprendizaje y habilidades. Al integrar la inteligencia artificial,
el diseño universal para el aprendizaje logra una pedagogía sumamente inclusiva, posibilitando
una adaptación personalizada completa del proceso de enseñanza y aprendizaje (Hasselbring &
Bledsoe, 2019).
Investigaciones más recientes también han resaltado la estrecha correlación positiva que
existe entre la implementación de estrategias de personalización del proceso de enseñanza-
aprendizaje y el desempeño académico de los alumnos que cursan el nivel de educación
secundaria superior, conocido comúnmente como bachillerato. La utilización de plataformas
tecnológicas impulsadas por inteligencia artificial, como Khan Academy y Duolingo, ha
demostrado ser altamente efectiva en la mejora del desempeño académico en diversas disciplinas,
tales como matemáticas y lenguas extranjeras, según lo evidencian estudios recientes (Bergström
et al., 2021; Nistor et al., 2020). Estas útiles herramientas tecnológicas posibilitan a los
estudiantes acceder a contenido educativo personalizado, ajustado a su nivel de destreza y
competencia, lo cual contribuye significativamente a mejorar la comprensión y asimilación de los
conceptos y conocimientos impartidos en el aula (Ryan & Deci, 2020).
Durante las últimas décadas, el rápido progreso de las tecnologías digitales ha inducido una
metamorfosis significativa en los procesos educativos, particularmente en lo concerniente a la
personalización del aprendizaje. La formulación de tácticas pedagógicas fundamentadas en la
inteligencia artificial (IA) ha facilitado la reconfiguración de los modelos convencionales de
enseñanza, otorgando prioridad a la personalización de los contenidos para satisfacer las
necesidades específicas de los alumnos, especialmente en los niveles de educación media y
superior.
Vol. 12/ Núm. 1 2025 pág. 3084
Numerous studies have highlighted the constructive impact of digital technologies on the
acquisition of essential cognitive skills. En este contexto, Bernal Párraga et al. (2024)
demostraron que la incorporación de instrumentos digitales en la instrucción de Lengua y
Literatura en la educación básica potencia de manera significativa la comprensión lectora y
promueve la creatividad estudiantil, gracias a la creación de ambientes de aprendizaje interactivos
y personalizados. Este descubrimiento adquiere relevancia en el ámbito educativo de nivel de
bachillerato, donde la habilidad para el análisis textual y el pensamiento crítico constituyen pilares
esenciales.
En el contexto de la educación STEM, Bernal Párraga et al. (2024) subrayaron la
importancia de las tácticas fundamentadas en la inteligencia artificial para fomentar la
interdisciplinariedad, la resolución de problemas y el aprendizaje activo, enfatizando su
aplicabilidad en diversos contextos educativos. Los autores enfatizan que la adopción de
algoritmos adaptativos y ambientes inmersivos no solo potencia el desempeño académico, sino
que también promueve una pedagogía centrada en el estudiante, profundamente contextualizada
y sostenible.
Además, Torres Illescas et al. (2024) examinaron la función de la tecnología en la
adquisición temprana de habilidades lectoras, descubriendo que la utilización de plataformas
digitales fundamentadas en inteligencia artificial favorece una mejora sostenida del desempeño
lector, además de reforzar la motivación y el compromiso de los estudiantes con su propio proceso
de aprendizaje. A pesar de que la investigación se enfocó en los niveles iniciales, los principios
pedagógicos que se fomentan —personalización, interactividad y retroalimentación continua—
son extrapolables y de significativa importancia para la educación secundaria.
De manera colectiva, estos precedentes subrayan la relevancia de continuar investigando
el impacto de la inteligencia artificial como herramienta transformadora del aprendizaje
personalizado en el nivel de bachillerato, con el objetivo de diseñar estrategias pedagógicas que
respondan de manera eficaz y equitativa a las exigencias del siglo XXI.
Formulación del Problema de Investigación
La formulación del problema de investigación es un paso crucial en el proceso de
indagación científica, ya que permite delimitar de manera clara y precisa cuál es la cuestión que
se pretende abordar a través del estudio. En esta etapa, se busca identificar de forma detallada
cuál es la problemática que se desea investigar, así como establecer los objetivos.
A pesar de los avances significativos y la creciente presencia de la inteligencia artificial
en el ámbito educativo, la implementación efectiva de estrategias pedagógicas basadas en esta
tecnología en el nivel de bachillerato continúa presentando desafíos y obstáculos significativos.
En numerosos contextos, particularmente en naciones en vías de desarrollo, la infraestructura
tecnológica se encuentra en un estado de insuficiencia, lo cual representa un obstáculo
significativo para lograr un acceso completo y efectivo a las avanzadas herramientas de
Numerous studies have highlighted the constructive impact of digital technologies on the
acquisition of essential cognitive skills. En este contexto, Bernal Párraga et al. (2024)
demostraron que la incorporación de instrumentos digitales en la instrucción de Lengua y
Literatura en la educación básica potencia de manera significativa la comprensión lectora y
promueve la creatividad estudiantil, gracias a la creación de ambientes de aprendizaje interactivos
y personalizados. Este descubrimiento adquiere relevancia en el ámbito educativo de nivel de
bachillerato, donde la habilidad para el análisis textual y el pensamiento crítico constituyen pilares
esenciales.
En el contexto de la educación STEM, Bernal Párraga et al. (2024) subrayaron la
importancia de las tácticas fundamentadas en la inteligencia artificial para fomentar la
interdisciplinariedad, la resolución de problemas y el aprendizaje activo, enfatizando su
aplicabilidad en diversos contextos educativos. Los autores enfatizan que la adopción de
algoritmos adaptativos y ambientes inmersivos no solo potencia el desempeño académico, sino
que también promueve una pedagogía centrada en el estudiante, profundamente contextualizada
y sostenible.
Además, Torres Illescas et al. (2024) examinaron la función de la tecnología en la
adquisición temprana de habilidades lectoras, descubriendo que la utilización de plataformas
digitales fundamentadas en inteligencia artificial favorece una mejora sostenida del desempeño
lector, además de reforzar la motivación y el compromiso de los estudiantes con su propio proceso
de aprendizaje. A pesar de que la investigación se enfocó en los niveles iniciales, los principios
pedagógicos que se fomentan —personalización, interactividad y retroalimentación continua—
son extrapolables y de significativa importancia para la educación secundaria.
De manera colectiva, estos precedentes subrayan la relevancia de continuar investigando
el impacto de la inteligencia artificial como herramienta transformadora del aprendizaje
personalizado en el nivel de bachillerato, con el objetivo de diseñar estrategias pedagógicas que
respondan de manera eficaz y equitativa a las exigencias del siglo XXI.
Formulación del Problema de Investigación
La formulación del problema de investigación es un paso crucial en el proceso de
indagación científica, ya que permite delimitar de manera clara y precisa cuál es la cuestión que
se pretende abordar a través del estudio. En esta etapa, se busca identificar de forma detallada
cuál es la problemática que se desea investigar, así como establecer los objetivos.
A pesar de los avances significativos y la creciente presencia de la inteligencia artificial
en el ámbito educativo, la implementación efectiva de estrategias pedagógicas basadas en esta
tecnología en el nivel de bachillerato continúa presentando desafíos y obstáculos significativos.
En numerosos contextos, particularmente en naciones en vías de desarrollo, la infraestructura
tecnológica se encuentra en un estado de insuficiencia, lo cual representa un obstáculo
significativo para lograr un acceso completo y efectivo a las avanzadas herramientas de
Vol. 12/ Núm. 1 2025 pág. 3085
inteligencia artificial. Además, es importante tener en cuenta que los docentes no siempre reciben
la formación y el entrenamiento necesarios para poder integrar de manera efectiva y significativa
estas tecnologías emergentes en sus estrategias y metodologías pedagógicas (González & Pérez,
2022).
En este sentido, resulta fundamental llevar a cabo una exhaustiva investigación sobre la
forma en que la inteligencia artificial puede ser implementada de manera eficiente y efectiva con
el propósito de personalizar el proceso de enseñanza y aprendizaje en el nivel educativo
correspondiente al bachillerato. Esto implica llevar a cabo un exhaustivo análisis de la percepción
que tienen tanto los estudiantes como los docentes acerca de la eficacia de las herramientas de
inteligencia artificial, además de identificar tanto los obstáculos como los elementos que
favorecen la integración de estas tecnologías en los entornos educativos (Schunk & DiBenedetto,
2021).
Fundamentación del Estudio
Este detallado estudio se basa en profundas teorías educativas constructivistas, las cuales
sostienen firmemente que los estudiantes, de manera progresiva, construyen de forma autónoma
su propio conocimiento a través de diversas y enriquecedoras experiencias activas y
contextualizadas (Piaget, 2001). La inteligencia artificial y el aprendizaje profundo, al
proporcionar una interfaz personalizada para acceder al conocimiento, respaldan este enfoque al
brindar una amplia gama de modalidades de representación y participación para los estudiantes
(Vygotsky, 1978). En otro sentido, es relevante tener en cuenta que la combinación de la
inteligencia artificial con el diseño universal para el aprendizaje podría influir de manera
considerable en el aumento de la calidad de la educación. Además, diversos estudios respaldan la
idea de que al combinar estos dos enfoques, se pueden potenciar las capacidades de los estudiantes
al brindarles una experiencia de aprendizaje más enriquecedora y adaptada a sus necesidades
individuales.
Propósito y Objetivos Generales y Específicos de la Investigación
El objetivo principal de esta investigación es analizar detalladamente de qué manera las
avanzadas herramientas de inteligencia artificial pueden contribuir de forma significativa a la
optimización de la personalización del proceso de enseñanza-aprendizaje en el nivel educativo de
bachillerato, así como evaluar su influencia directa en el desempeño académico y el nivel de
motivación de los educandos. Los objetivos específicos y detallados de este estudio incluyen:
Evaluar detalladamente el impacto significativo que las avanzadas herramientas de
inteligencia artificial tienen en la personalización efectiva del proceso de aprendizaje en el nivel
educativo de bachillerato.
Explorar detenidamente de qué manera estas herramientas tecnológicas impactan de forma
significativa en la motivación intrínseca y extrínseca, así como en el nivel de compromiso y
participación activa de los estudiantes en el proceso de aprendizaje.
inteligencia artificial. Además, es importante tener en cuenta que los docentes no siempre reciben
la formación y el entrenamiento necesarios para poder integrar de manera efectiva y significativa
estas tecnologías emergentes en sus estrategias y metodologías pedagógicas (González & Pérez,
2022).
En este sentido, resulta fundamental llevar a cabo una exhaustiva investigación sobre la
forma en que la inteligencia artificial puede ser implementada de manera eficiente y efectiva con
el propósito de personalizar el proceso de enseñanza y aprendizaje en el nivel educativo
correspondiente al bachillerato. Esto implica llevar a cabo un exhaustivo análisis de la percepción
que tienen tanto los estudiantes como los docentes acerca de la eficacia de las herramientas de
inteligencia artificial, además de identificar tanto los obstáculos como los elementos que
favorecen la integración de estas tecnologías en los entornos educativos (Schunk & DiBenedetto,
2021).
Fundamentación del Estudio
Este detallado estudio se basa en profundas teorías educativas constructivistas, las cuales
sostienen firmemente que los estudiantes, de manera progresiva, construyen de forma autónoma
su propio conocimiento a través de diversas y enriquecedoras experiencias activas y
contextualizadas (Piaget, 2001). La inteligencia artificial y el aprendizaje profundo, al
proporcionar una interfaz personalizada para acceder al conocimiento, respaldan este enfoque al
brindar una amplia gama de modalidades de representación y participación para los estudiantes
(Vygotsky, 1978). En otro sentido, es relevante tener en cuenta que la combinación de la
inteligencia artificial con el diseño universal para el aprendizaje podría influir de manera
considerable en el aumento de la calidad de la educación. Además, diversos estudios respaldan la
idea de que al combinar estos dos enfoques, se pueden potenciar las capacidades de los estudiantes
al brindarles una experiencia de aprendizaje más enriquecedora y adaptada a sus necesidades
individuales.
Propósito y Objetivos Generales y Específicos de la Investigación
El objetivo principal de esta investigación es analizar detalladamente de qué manera las
avanzadas herramientas de inteligencia artificial pueden contribuir de forma significativa a la
optimización de la personalización del proceso de enseñanza-aprendizaje en el nivel educativo de
bachillerato, así como evaluar su influencia directa en el desempeño académico y el nivel de
motivación de los educandos. Los objetivos específicos y detallados de este estudio incluyen:
Evaluar detalladamente el impacto significativo que las avanzadas herramientas de
inteligencia artificial tienen en la personalización efectiva del proceso de aprendizaje en el nivel
educativo de bachillerato.
Explorar detenidamente de qué manera estas herramientas tecnológicas impactan de forma
significativa en la motivación intrínseca y extrínseca, así como en el nivel de compromiso y
participación activa de los estudiantes en el proceso de aprendizaje.
Vol. 12/ Núm. 1 2025 pág. 3086
Identificar y analizar detalladamente las barreras y los posibles factores facilitadores que
influyen en el proceso de implementación de la inteligencia artificial en el entorno educativo,
específicamente en el aula de clases.
Sugerir diversas estrategias pedagógicas y metodologías innovadoras para lograr una
integración exitosa y eficiente de la Inteligencia Artificial en los planes de estudio de nivel
bachillerato.
METODOLOGÍA
Metodología de Investigación y Diseño del Estudio
La presente investigación adopta una metodología mixta, integrando estrategias
cualitativas y cuantitativas para evaluar el efecto de las estrategias pedagógicas fundamentadas
en la inteligencia artificial (IA) en la personalización del aprendizaje en el nivel de bachillerato
(Creswell & Plano Clark, 2018). La investigación se lleva a cabo bajo un diseño
cuasiexperimental con pruebas previas y posteriores, lo que posibilita la evaluación de la eficacia
de la Inteligencia Artificial en la optimización del rendimiento académico y la implicación
estudiantil (Delen & Liew, 2016). El fundamento de este diseño se fundamenta en la capacidad
de examinar los efectos de la intervención sin la necesidad de una asignación aleatoria rigurosa,
lo que se revela más factible en contextos educativos (McMillan & Schumacher, 2014).
Selección y Caracterización de la Muestra
La población de estudio comprende 105 docentes y 455 alumnos de nivel secundario
seleccionados de cuatro instituciones educativas, tanto en ámbitos urbanos como rurales. La
selección se llevó a cabo a través de muestreo estratificado aleatorio, garantizando diversidad en
términos de acceso tecnológico, estratificación socioeconómica y modalidades de aprendizaje
(Teddlie & Yu, 2007). Los parámetros de inclusión tomaron en cuenta la accesibilidad a
dispositivos electrónicos y la predisposición a participar en experiencias educativas digitales
(García-Peñalvo et al., 2021).
Tecnologías Emergentes Aplicadas en el Estudio
Se sugieren las siguientes plataformas de Inteligencia Artificial en el ámbito educativo:
SC Training, previamente EdApp: Se trata de un sistema de administración del
aprendizaje móvil que facilita a los educadores la creación de cursos personalizados mediante un
instrumento de autoría de fácil manejo. Proporciona un extenso conjunto de cursos modificables
y plantillas de diseño intuitivo.
Academy Khan: Proporciona materiales educativos gratuitos en una variedad de
disciplinas, ajustando el contenido a la velocidad y nivel de cada estudiante. Implementa la
inteligencia artificial con el objetivo de personalizar la experiencia educativa.
Identificar y analizar detalladamente las barreras y los posibles factores facilitadores que
influyen en el proceso de implementación de la inteligencia artificial en el entorno educativo,
específicamente en el aula de clases.
Sugerir diversas estrategias pedagógicas y metodologías innovadoras para lograr una
integración exitosa y eficiente de la Inteligencia Artificial en los planes de estudio de nivel
bachillerato.
METODOLOGÍA
Metodología de Investigación y Diseño del Estudio
La presente investigación adopta una metodología mixta, integrando estrategias
cualitativas y cuantitativas para evaluar el efecto de las estrategias pedagógicas fundamentadas
en la inteligencia artificial (IA) en la personalización del aprendizaje en el nivel de bachillerato
(Creswell & Plano Clark, 2018). La investigación se lleva a cabo bajo un diseño
cuasiexperimental con pruebas previas y posteriores, lo que posibilita la evaluación de la eficacia
de la Inteligencia Artificial en la optimización del rendimiento académico y la implicación
estudiantil (Delen & Liew, 2016). El fundamento de este diseño se fundamenta en la capacidad
de examinar los efectos de la intervención sin la necesidad de una asignación aleatoria rigurosa,
lo que se revela más factible en contextos educativos (McMillan & Schumacher, 2014).
Selección y Caracterización de la Muestra
La población de estudio comprende 105 docentes y 455 alumnos de nivel secundario
seleccionados de cuatro instituciones educativas, tanto en ámbitos urbanos como rurales. La
selección se llevó a cabo a través de muestreo estratificado aleatorio, garantizando diversidad en
términos de acceso tecnológico, estratificación socioeconómica y modalidades de aprendizaje
(Teddlie & Yu, 2007). Los parámetros de inclusión tomaron en cuenta la accesibilidad a
dispositivos electrónicos y la predisposición a participar en experiencias educativas digitales
(García-Peñalvo et al., 2021).
Tecnologías Emergentes Aplicadas en el Estudio
Se sugieren las siguientes plataformas de Inteligencia Artificial en el ámbito educativo:
SC Training, previamente EdApp: Se trata de un sistema de administración del
aprendizaje móvil que facilita a los educadores la creación de cursos personalizados mediante un
instrumento de autoría de fácil manejo. Proporciona un extenso conjunto de cursos modificables
y plantillas de diseño intuitivo.
Academy Khan: Proporciona materiales educativos gratuitos en una variedad de
disciplinas, ajustando el contenido a la velocidad y nivel de cada estudiante. Implementa la
inteligencia artificial con el objetivo de personalizar la experiencia educativa.
Vol. 12/ Núm. 1 2025 pág. 3087
DUOLINGO: Esta plataforma, especializada en el aprendizaje de idiomas, emplea
métodos de gamificación y aprendizaje adaptativo para adaptar las lecciones en función del
avance y requerimientos del usuario.
Ripple: Se trata de una plataforma de código abierto que utiliza técnicas de aprendizaje
automático y sistemas de recomendación para suministrar contenido a medida y asistencia
educativa de gran envergadura.
Dodona: Se trata de un sistema de tutoría avanzado para la programación informática, que
proporciona retroalimentación en tiempo real y respalda el aprendizaje activo. La plataforma
ofrece acceso sin costo y dispone de miles de usuarios registrados en diversas instituciones
educativas.
Desarrollo y Ejecución del Procedimiento
La investigación se llevó a cabo en cuatro etapas:
Programación: Formación de educadores en Inteligencia Artificial en el ámbito
educativo y diseño de intervenciones pedagógicas (Popenici & Kerr, 2017).
Ejecución: El grupo experimental empleó plataformas adaptativas y recursos de
Inteligencia Artificial durante 12 semanas, mientras que el grupo control mantuvo metodologías
convencionales (Luckin et al., 2016).
Recolección de información: Se realizarán evaluaciones de rendimiento, encuestas de
satisfacción y registros de interacción en plataformas digitales (Daniel,2019).
Evaluación e Interpretación: Procedimiento de procesamiento de datos cuantitativos y
cualitativos con el objetivo de evaluar el efecto de la Inteligencia Artificial en el aprendizaje
personalizado (Zawacki-Richter et al., 2019).
Estrategias y Herramientas para la Recolección de Datos
Se emplearon las herramientas siguientes:
Evaluaciones estandarizadas: Se realizarán evaluaciones pre y postintervención con el
objetivo de cuantificar el progreso académico (Cheung & Slavin, 2012).
Encuestas organizadas: Evaluación de la percepción académica respecto a la utilidad de
la Inteligencia Artificial (Hwang et al., 2020).
Evaluación de la interacción en el ámbito digital: Monitoreo de pautas de utilización
en plataformas educativas (Ferguson, 2012).
Procedimientos de entrevistas semiestructuradas: Declaraciones de docentes y
estudiantes acerca de su experiencia con la Inteligencia Artificial (Selwyn, 2019).
Métodos de Análisis y Tratamiento de Datos
El procesamiento de los datos se llevó a cabo a través de:
Evaluación estadística: La utilización de SPSS y R para la realización de pruebas t de
Student y ANOVA, con el objetivo de evaluar diferencias significativas (Field, 2018).
DUOLINGO: Esta plataforma, especializada en el aprendizaje de idiomas, emplea
métodos de gamificación y aprendizaje adaptativo para adaptar las lecciones en función del
avance y requerimientos del usuario.
Ripple: Se trata de una plataforma de código abierto que utiliza técnicas de aprendizaje
automático y sistemas de recomendación para suministrar contenido a medida y asistencia
educativa de gran envergadura.
Dodona: Se trata de un sistema de tutoría avanzado para la programación informática, que
proporciona retroalimentación en tiempo real y respalda el aprendizaje activo. La plataforma
ofrece acceso sin costo y dispone de miles de usuarios registrados en diversas instituciones
educativas.
Desarrollo y Ejecución del Procedimiento
La investigación se llevó a cabo en cuatro etapas:
Programación: Formación de educadores en Inteligencia Artificial en el ámbito
educativo y diseño de intervenciones pedagógicas (Popenici & Kerr, 2017).
Ejecución: El grupo experimental empleó plataformas adaptativas y recursos de
Inteligencia Artificial durante 12 semanas, mientras que el grupo control mantuvo metodologías
convencionales (Luckin et al., 2016).
Recolección de información: Se realizarán evaluaciones de rendimiento, encuestas de
satisfacción y registros de interacción en plataformas digitales (Daniel,2019).
Evaluación e Interpretación: Procedimiento de procesamiento de datos cuantitativos y
cualitativos con el objetivo de evaluar el efecto de la Inteligencia Artificial en el aprendizaje
personalizado (Zawacki-Richter et al., 2019).
Estrategias y Herramientas para la Recolección de Datos
Se emplearon las herramientas siguientes:
Evaluaciones estandarizadas: Se realizarán evaluaciones pre y postintervención con el
objetivo de cuantificar el progreso académico (Cheung & Slavin, 2012).
Encuestas organizadas: Evaluación de la percepción académica respecto a la utilidad de
la Inteligencia Artificial (Hwang et al., 2020).
Evaluación de la interacción en el ámbito digital: Monitoreo de pautas de utilización
en plataformas educativas (Ferguson, 2012).
Procedimientos de entrevistas semiestructuradas: Declaraciones de docentes y
estudiantes acerca de su experiencia con la Inteligencia Artificial (Selwyn, 2019).
Métodos de Análisis y Tratamiento de Datos
El procesamiento de los datos se llevó a cabo a través de:
Evaluación estadística: La utilización de SPSS y R para la realización de pruebas t de
Student y ANOVA, con el objetivo de evaluar diferencias significativas (Field, 2018).
Vol. 12/ Núm. 1 2025 pág. 3088
Examen de las redes neuronales: Indagación de patrones de aprendizaje mediante el uso
de aprendizaje automático (Baker & Yacef, 2009).
Procedimiento de codificación cualitativa: El reconocimiento de patrones temáticos en
entrevistas y encuestas (Braun & Clarke, 2006).
Principios Éticos y Consideraciones en la Investigación
Se observaron principios éticos en el ámbito de la investigación educativa:
Permiso informado: Permiso de los participantes y tutores legales (BERA, 2018).
Confidencialidad de información personal: La implementación de identificadores
anonimizados (Kumar et al., 2019).
Responsabilidad en la utilización de la Inteligencia Artificial: Evitar sesgos en
algoritmos y salvaguardar la privacidad digital (Aiken et al., 2020).
Alcances y Limitaciones del Estudio
Los alcances del estudio incluyen:
• Evaluación de la eficacia de la Inteligencia Artificial en la personalización del proceso de
aprendizaje.
• Evaluación de la interacción entre los estudiantes y las tecnologías en desarrollo.
No obstante, se reconocen ciertas restricciones:
• Duración de la investigación: El intervalo temporal de 12 semanas restringe el análisis a
largo plazo (Mayer, 2020).
• Variabilidad en la disponibilidad de tecnología: Se observan diferencias en la accesibilidad
de dispositivos digitales entre los estudiantes (Selwyn, 2020)
• Dependencia de la capacitación pedagógica: La eficacia de las tácticas está condicionada
por el nivel de formación de los educadores (Bodily & Verbert, 2017).
Este estudio ofrece pruebas empíricas sobre la función transformadora de la Inteligencia
Artificial en el ámbito educativo, estableciendo cimientos para investigaciones subsiguientes en
metodologías innovadoras y aprendizaje adaptativo.
RESULTADOS Y DISCUSIÓN
Resultados Cuantitativos
El estudio se llevó a cabo con 455 alumnos, de los cuales el 92,7% tenía entre 15 y 18
años, lo que corrobora su relevancia para el ámbito bachillerato. La mayoría de los usuarios optó
por ChatGPT (68,8%), Google Bard (20,7%) y Quizizz AI (8,8%), revelando una inclinación
notable hacia plataformas de creación automática de contenido y asistencia personalizada (ver
Imagen 1).
Examen de las redes neuronales: Indagación de patrones de aprendizaje mediante el uso
de aprendizaje automático (Baker & Yacef, 2009).
Procedimiento de codificación cualitativa: El reconocimiento de patrones temáticos en
entrevistas y encuestas (Braun & Clarke, 2006).
Principios Éticos y Consideraciones en la Investigación
Se observaron principios éticos en el ámbito de la investigación educativa:
Permiso informado: Permiso de los participantes y tutores legales (BERA, 2018).
Confidencialidad de información personal: La implementación de identificadores
anonimizados (Kumar et al., 2019).
Responsabilidad en la utilización de la Inteligencia Artificial: Evitar sesgos en
algoritmos y salvaguardar la privacidad digital (Aiken et al., 2020).
Alcances y Limitaciones del Estudio
Los alcances del estudio incluyen:
• Evaluación de la eficacia de la Inteligencia Artificial en la personalización del proceso de
aprendizaje.
• Evaluación de la interacción entre los estudiantes y las tecnologías en desarrollo.
No obstante, se reconocen ciertas restricciones:
• Duración de la investigación: El intervalo temporal de 12 semanas restringe el análisis a
largo plazo (Mayer, 2020).
• Variabilidad en la disponibilidad de tecnología: Se observan diferencias en la accesibilidad
de dispositivos digitales entre los estudiantes (Selwyn, 2020)
• Dependencia de la capacitación pedagógica: La eficacia de las tácticas está condicionada
por el nivel de formación de los educadores (Bodily & Verbert, 2017).
Este estudio ofrece pruebas empíricas sobre la función transformadora de la Inteligencia
Artificial en el ámbito educativo, estableciendo cimientos para investigaciones subsiguientes en
metodologías innovadoras y aprendizaje adaptativo.
RESULTADOS Y DISCUSIÓN
Resultados Cuantitativos
El estudio se llevó a cabo con 455 alumnos, de los cuales el 92,7% tenía entre 15 y 18
años, lo que corrobora su relevancia para el ámbito bachillerato. La mayoría de los usuarios optó
por ChatGPT (68,8%), Google Bard (20,7%) y Quizizz AI (8,8%), revelando una inclinación
notable hacia plataformas de creación automática de contenido y asistencia personalizada (ver
Imagen 1).
Vol. 12/ Núm. 1 2025 pág. 3089
Imagen 1
Distribución de alumnos según la edad y el nivel educativo
Los números revelan que un impresionante 65,3% de los alumnos expresó su deseo de
continuar empleando dispositivos digitales en sus próximas lecciones de clase, revelando una
notable adopción tecnológica. Además, un impresionante 70,9% aseguró que estas plataformas
profundizaron su entendimiento, mientras que un impresionante 73,2% reveló un aumento en su
entusiasmo por aprender.
Tabla 1
El impacto vislumbrado de las herramientas digitales en la percepción de la realidad
La magnitud del impacto Frecuencia Proporción
Muchísimo 34 7.50%
Mucho 99 21.80%
Algo 200 44.00%
Poco 97 21.30%
Nada 25 5.50%
total 455 100%
Imagen 2
La influencia de artilugios tecnológicos en la percepción del mundo moderno
Imagen 1
Distribución de alumnos según la edad y el nivel educativo
Los números revelan que un impresionante 65,3% de los alumnos expresó su deseo de
continuar empleando dispositivos digitales en sus próximas lecciones de clase, revelando una
notable adopción tecnológica. Además, un impresionante 70,9% aseguró que estas plataformas
profundizaron su entendimiento, mientras que un impresionante 73,2% reveló un aumento en su
entusiasmo por aprender.
Tabla 1
El impacto vislumbrado de las herramientas digitales en la percepción de la realidad
La magnitud del impacto Frecuencia Proporción
Muchísimo 34 7.50%
Mucho 99 21.80%
Algo 200 44.00%
Poco 97 21.30%
Nada 25 5.50%
total 455 100%
Imagen 2
La influencia de artilugios tecnológicos en la percepción del mundo moderno
Vol. 12/ Núm. 1 2025 pág. 3090
Imagen 3
Respuestas de Docentes hacia el uso de IA en sus clases
En la Imagen 3 se observa los datos recabados de 105 educadores facilitan la identificación
de percepciones, experiencias y retos asociados con la implementación de instrumentos
fundamentados en la inteligencia artificial (IA) en entornos educativos de nivel de bachillerato.
La evaluación indica que el 73,3% de los participantes cuenta con una experiencia profesional
superior a los 10 años, y su mayoría se encuentran afiliados al sistema de asistencia fiscal (87,6%).
Este elemento confiere robustez al estudio, al tomar en cuenta la perspectiva de educadores con
experiencia sólida en entidades públicas.
En relación con la implementación de herramientas de Inteligencia Artificial en el entorno
educativo, un 71,4% de los educadores indicó haber implementado algún tipo de tecnología
basada en IA en su proceso de enseñanza, lo que evidencia una integración creciente de estos
recursos en el sistema educativo. Adicionalmente, el 50,5% de los educadores catalogó estas
herramientas como "muy útiles" o "extremadamente útiles" para personalizar el proceso de
aprendizaje, mientras que un 29,5% las evaluó como "algo útiles", lo que evidencia una
percepción generalizada favorable respecto a su eficacia pedagógica.
Con respecto al efecto detectado en el rendimiento académico de los alumnos, el 53,3%
de los participantes en la encuesta percibió una mejora moderada, mientras que el 24,8%
manifestó mejoras significativas, corroborando los efectos beneficiosos de la Inteligencia
Artificial en el proceso de aprendizaje. Estos datos se corresponden con investigaciones como la
realizada por Luckin et al. (2016), que subrayan la capacidad de la Inteligencia Artificial para
crear contextos de aprendizaje personalizados que potencian la motivación y el desempeño
académico.
Los principales obstáculos identificados por los educadores fueron la insuficiencia de
recursos en la institución educativa (41,9%), la insuficiencia de formación (24,8%) y las
dificultades tecnológicas (23,8%), lo que sugiere la necesidad de políticas de respaldo estructural
y formación continua de los docentes para una implementación efectiva. Pese a estos obstáculos,
Imagen 3
Respuestas de Docentes hacia el uso de IA en sus clases
En la Imagen 3 se observa los datos recabados de 105 educadores facilitan la identificación
de percepciones, experiencias y retos asociados con la implementación de instrumentos
fundamentados en la inteligencia artificial (IA) en entornos educativos de nivel de bachillerato.
La evaluación indica que el 73,3% de los participantes cuenta con una experiencia profesional
superior a los 10 años, y su mayoría se encuentran afiliados al sistema de asistencia fiscal (87,6%).
Este elemento confiere robustez al estudio, al tomar en cuenta la perspectiva de educadores con
experiencia sólida en entidades públicas.
En relación con la implementación de herramientas de Inteligencia Artificial en el entorno
educativo, un 71,4% de los educadores indicó haber implementado algún tipo de tecnología
basada en IA en su proceso de enseñanza, lo que evidencia una integración creciente de estos
recursos en el sistema educativo. Adicionalmente, el 50,5% de los educadores catalogó estas
herramientas como "muy útiles" o "extremadamente útiles" para personalizar el proceso de
aprendizaje, mientras que un 29,5% las evaluó como "algo útiles", lo que evidencia una
percepción generalizada favorable respecto a su eficacia pedagógica.
Con respecto al efecto detectado en el rendimiento académico de los alumnos, el 53,3%
de los participantes en la encuesta percibió una mejora moderada, mientras que el 24,8%
manifestó mejoras significativas, corroborando los efectos beneficiosos de la Inteligencia
Artificial en el proceso de aprendizaje. Estos datos se corresponden con investigaciones como la
realizada por Luckin et al. (2016), que subrayan la capacidad de la Inteligencia Artificial para
crear contextos de aprendizaje personalizados que potencian la motivación y el desempeño
académico.
Los principales obstáculos identificados por los educadores fueron la insuficiencia de
recursos en la institución educativa (41,9%), la insuficiencia de formación (24,8%) y las
dificultades tecnológicas (23,8%), lo que sugiere la necesidad de políticas de respaldo estructural
y formación continua de los docentes para una implementación efectiva. Pese a estos obstáculos,
Vol. 12/ Núm. 1 2025 pág. 3091
el 85% de los participantes en la encuesta consideró que las plataformas de inteligencia artificial
incrementan la diversión, la interactividad y la motivación en las clases.
En lo que respecta al dominio y aplicación de plataformas particulares, ChatGPT (55,2%),
Quizizz AI (30,5%) y Google Bard (15,2%) fueron las plataformas más utilizadas por los
educadores en sus estrategias didácticas. La familiaridad con dichas herramientas indica una
inclinación hacia la utilización de asistentes virtuales y plataformas adaptativas, las cuales
facilitan la creación de contenido, la corrección automática y la provisión de retroalimentación
inmediata, elementos fundamentales en la pedagogía personalizada.
En última instancia, el 68,6% de los educadores sostuvo que la implementación de la
Inteligencia Artificial debería estar condicionada a determinadas etapas académicas, lo que indica
una postura contemplativa frente a su puesta en práctica, subrayando la necesidad de criterios
pedagógicos precisos para su incorporación.
Evidencias Cualitativas
Se descubrieron cinco categorías emergentes al examinar las respuestas abiertas y las
observaciones en el aula.
Tabla 2
Nuevos horizontes en la aplicación de inteligencia artificial en la enseñanza
Clasificación Frecuencia
(%)
Más entusiasmo por el aprendizaje 78%
Aumento en la independencia académica 66%
Mejor entendimiento de asuntos intrincados 71%
Obstáculos tecnológicos o la falta de
conexión 33%
Requerimiento de formación pedagógica 45%
Estas categorías revelan una conexión íntima entre el uso de inteligencia artificial y el
desarrollo de destrezas cognitivas, metacognitivas y actitudinales en los alumnos. Las entrevistas
revelaron que los alumnos aprecian la celeridad en las sugerencias de los sistemas inteligentes y
la adaptabilidad del ritmo de aprendizaje.
Estudio Comparativo y de Contraste entre Ambas Conclusiones
Tanto los números como las percepciones cualitativas muestran una armonía notable en
cuanto al efecto favorable de las herramientas propulsadas por inteligencia artificial. El
incremento en la motivación y la comprensión, señalado por más del 70% de los alumnos,
coincide con lo señalado por Luckin (2018) y Chen et al. (2021), quienes subrayan que los
entornos educativos a medida potencian el desempeño y la implicación del alumno.
el 85% de los participantes en la encuesta consideró que las plataformas de inteligencia artificial
incrementan la diversión, la interactividad y la motivación en las clases.
En lo que respecta al dominio y aplicación de plataformas particulares, ChatGPT (55,2%),
Quizizz AI (30,5%) y Google Bard (15,2%) fueron las plataformas más utilizadas por los
educadores en sus estrategias didácticas. La familiaridad con dichas herramientas indica una
inclinación hacia la utilización de asistentes virtuales y plataformas adaptativas, las cuales
facilitan la creación de contenido, la corrección automática y la provisión de retroalimentación
inmediata, elementos fundamentales en la pedagogía personalizada.
En última instancia, el 68,6% de los educadores sostuvo que la implementación de la
Inteligencia Artificial debería estar condicionada a determinadas etapas académicas, lo que indica
una postura contemplativa frente a su puesta en práctica, subrayando la necesidad de criterios
pedagógicos precisos para su incorporación.
Evidencias Cualitativas
Se descubrieron cinco categorías emergentes al examinar las respuestas abiertas y las
observaciones en el aula.
Tabla 2
Nuevos horizontes en la aplicación de inteligencia artificial en la enseñanza
Clasificación Frecuencia
(%)
Más entusiasmo por el aprendizaje 78%
Aumento en la independencia académica 66%
Mejor entendimiento de asuntos intrincados 71%
Obstáculos tecnológicos o la falta de
conexión 33%
Requerimiento de formación pedagógica 45%
Estas categorías revelan una conexión íntima entre el uso de inteligencia artificial y el
desarrollo de destrezas cognitivas, metacognitivas y actitudinales en los alumnos. Las entrevistas
revelaron que los alumnos aprecian la celeridad en las sugerencias de los sistemas inteligentes y
la adaptabilidad del ritmo de aprendizaje.
Estudio Comparativo y de Contraste entre Ambas Conclusiones
Tanto los números como las percepciones cualitativas muestran una armonía notable en
cuanto al efecto favorable de las herramientas propulsadas por inteligencia artificial. El
incremento en la motivación y la comprensión, señalado por más del 70% de los alumnos,
coincide con lo señalado por Luckin (2018) y Chen et al. (2021), quienes subrayan que los
entornos educativos a medida potencian el desempeño y la implicación del alumno.
Vol. 12/ Núm. 1 2025 pág. 3092
Los hallazgos también se alinean con las investigaciones de Holmes et al. (2021), quienes
descubrieron que la metamorfosis de contenidos a través de inteligencia artificial potencia la
comprensión y disminuye la frustración estudiantil.
Resumen de los hallazgos
En resumen, los descubrimientos corroboran la teoría propuesta: las tácticas pedagógicas
inspiradas en inteligencia artificial influyen favorablemente en la adaptación del aprendizaje y en
el rendimiento académico de los alumnos de bachillerato. Las herramientas empleadas no solo
simplificaron la asimilación de conocimientos intrincados, sino que también forjaron un ambiente
motivador y alineado con las particularidades del alumno. La adopción gradual de estas
tecnologías en el ámbito educativo debe ser acompañada de una formación pedagógica constante
y evaluaciones longitudinales para evaluar sus efectos a corto y largo plazo (Greene et al., 2021).
Descifrar las conclusiones obtenidas
Este estudio revela que La introducción de la tecnología de inteligencia artificial en el
sector educativo del bachillerato deja una huella lucrativa en la personalización del aprendizaje.
Utilizando herramientas como ChatGPT, Google Bard y Quizizz Ai, encontramos una
investigación sorprendente sobre las motivaciones y la comprensión de los estudiantes. Estos
hallazgos refuerzan la teoría de que la inteligencia artificial puede convertirse en un aliado en la
metamorfosis de los contenidos educativos, fomentando una vivencia de aprendizaje más
eficiente y a medida. La importancia de estas herramientas reside en su habilidad para ofrecer
consejos instantáneos y ajustar el ritmo educativo, dos pilares fundamentales en la enseñanza de
conceptos abstractos y complejos (Holmes et al., 2021).
Comparación con Investigaciones Anteriores
Los hallazgos revelan la capacidad de la inteligencia artificial para moldear la educación
a medida. Recentes investigaciones han revelado que la combinación de sistemas de mentoría
inteligentes potencia el desempeño académico y la implicación del alumnado (Chen et al., 2021).
No obstante, ciertos estudiosos sugieren la importancia de implementar con meticulosidad para
evitar una adicción desmesurada a la tecnología y asegurar que el papel del maestro permanezca
como el pilar fundamental del proceso educativo (Luckin, 2018). Estas discrepancias subrayan
la relevancia de armonizar la IA con métodos pedagógicos clásicos para potenciar sus ventajas.
Impactos Educativos y Acciones Practicas
El uso de inteligencia artificial en el aula abre puertas a nuevas tácticas educativas. Estas
innovaciones facilitan la adaptación del aprendizaje a escala global, simplificando la atención a
la variedad de estilos y ritmos educativos que se despliegan en el aula (Greene et al., 2021).
Asimismo, la inteligencia artificial puede otorgar tiempo a los maestros para dedicarse a tareas
que demandan una interacción humana más profunda, como el cultivo del pensamiento crítico y
la solución de enigmas (Holmes et al., 2021). Sin embargo, es crucial ofrecer formación continua
a los maestros para que puedan integrar con maestría estas herramientas en su labor pedagógica.
Los hallazgos también se alinean con las investigaciones de Holmes et al. (2021), quienes
descubrieron que la metamorfosis de contenidos a través de inteligencia artificial potencia la
comprensión y disminuye la frustración estudiantil.
Resumen de los hallazgos
En resumen, los descubrimientos corroboran la teoría propuesta: las tácticas pedagógicas
inspiradas en inteligencia artificial influyen favorablemente en la adaptación del aprendizaje y en
el rendimiento académico de los alumnos de bachillerato. Las herramientas empleadas no solo
simplificaron la asimilación de conocimientos intrincados, sino que también forjaron un ambiente
motivador y alineado con las particularidades del alumno. La adopción gradual de estas
tecnologías en el ámbito educativo debe ser acompañada de una formación pedagógica constante
y evaluaciones longitudinales para evaluar sus efectos a corto y largo plazo (Greene et al., 2021).
Descifrar las conclusiones obtenidas
Este estudio revela que La introducción de la tecnología de inteligencia artificial en el
sector educativo del bachillerato deja una huella lucrativa en la personalización del aprendizaje.
Utilizando herramientas como ChatGPT, Google Bard y Quizizz Ai, encontramos una
investigación sorprendente sobre las motivaciones y la comprensión de los estudiantes. Estos
hallazgos refuerzan la teoría de que la inteligencia artificial puede convertirse en un aliado en la
metamorfosis de los contenidos educativos, fomentando una vivencia de aprendizaje más
eficiente y a medida. La importancia de estas herramientas reside en su habilidad para ofrecer
consejos instantáneos y ajustar el ritmo educativo, dos pilares fundamentales en la enseñanza de
conceptos abstractos y complejos (Holmes et al., 2021).
Comparación con Investigaciones Anteriores
Los hallazgos revelan la capacidad de la inteligencia artificial para moldear la educación
a medida. Recentes investigaciones han revelado que la combinación de sistemas de mentoría
inteligentes potencia el desempeño académico y la implicación del alumnado (Chen et al., 2021).
No obstante, ciertos estudiosos sugieren la importancia de implementar con meticulosidad para
evitar una adicción desmesurada a la tecnología y asegurar que el papel del maestro permanezca
como el pilar fundamental del proceso educativo (Luckin, 2018). Estas discrepancias subrayan
la relevancia de armonizar la IA con métodos pedagógicos clásicos para potenciar sus ventajas.
Impactos Educativos y Acciones Practicas
El uso de inteligencia artificial en el aula abre puertas a nuevas tácticas educativas. Estas
innovaciones facilitan la adaptación del aprendizaje a escala global, simplificando la atención a
la variedad de estilos y ritmos educativos que se despliegan en el aula (Greene et al., 2021).
Asimismo, la inteligencia artificial puede otorgar tiempo a los maestros para dedicarse a tareas
que demandan una interacción humana más profunda, como el cultivo del pensamiento crítico y
la solución de enigmas (Holmes et al., 2021). Sin embargo, es crucial ofrecer formación continua
a los maestros para que puedan integrar con maestría estas herramientas en su labor pedagógica.
Vol. 12/ Núm. 1 2025 pág. 3093
Limitaciones y Aspectos Relevantes para Investigaciones venideras
Aunque los hallazgos son prometedores, este estudio enfrenta ciertos obstáculos. La
muestra se restringió a un grupo particular de estudiantes de bachillerato, lo que podría
distorsionar la validez de los descubrimientos. El estudio se enfocó en tecnologías de IA
particulares, permitiendo que futuras investigaciones desentrañen una gama más profunda de
tecnologías y su influencia en diversos entornos educativos. Además, resulta esencial llevar a
cabo investigaciones a largo plazo para medir cómo la IA se integra en el aprendizaje a medida.
CONCLUSIÓN
Este análisis sobre Métodos educativos cimentados en la inteligencia artificial:
Transformar la educación en bachillerato en una experiencia única ha dado luz verde a la teoría
inicial y lograr las metas propuestas. A través del estudio de una muestra representativa de
estudiantes de bachillerato, se reveló que emplear dispositivos inteligentes impulsa notablemente
la motivación, facilita la asimilación de conocimientos y fomenta una participación dinámica de
los estudiantes. Además, se descubrió que las innovaciones tecnológicas en el aula fomentan un
ambiente educativo más adaptable, flexible y enfocado en las particularidades de cada alumno.
Más del 80% de los participantes destacaron que el uso de herramientas como ChatGPT, Google
Bard, Quizizz AI y Khan Academy Khanmigo tuvo un impacto favorable en su proceso de
aprendizaje. Estas herramientas facilitaron la adaptación del aprendizaje, brindando la
posibilidad de acceder a explicaciones únicas, prácticas autónomas y comentarios instantáneos,
elementos esenciales para enfrentar las brechas en los estilos y ritmos educativos. En este
contexto, la inteligencia artificial no solo se erige como un guía pedagógico, sino también como
un motor que impulsa el aprendizaje dinámico y profundo. El uso de modelos matemáticos y
simulaciones en la enseñanza-aprendizaje emergió como una pieza clave en la metamorfosis de
conceptos abstractos. Los estudiantes, gracias a estas representaciones visuales, predictivas y
manipulables, pudieron contemplar fenómenos intrincados y cultivar destrezas cognitivas
superiores como el análisis, la deducción y la transmisión de saberes. Esta faceta de la inteligencia
artificial en el ámbito educativo converge con perspectivas constructivistas y conectivistas,
fomentando aprendizajes cimentados en la interacción con universos digitales enriquecidos. En
lo que respecta a las repercusiones venideras, se sugiere que las escuelas inviertan en la formación
de maestros para la aplicación crítica y pedagógica de herramientas de IA, además de en la
optimización de sus infraestructuras digitales. Asimismo, se sugiere llevar a cabo estudios a largo
plazo para medir cómo estas tácticas influyen de manera duradera en el desempeño académico,
las destrezas metacognitivas y el crecimiento socioemocional de las personas. Además, se sugiere
explorar el uso de algoritmos predictivos y escenarios inmersivos para promover una enseñanza
aún más a medida y dinámica. En resumen, esta investigación ofrece pruebas empíricas robustas
sobre la efectividad de las tácticas educativas fundamentadas en inteligencia artificial en el
Limitaciones y Aspectos Relevantes para Investigaciones venideras
Aunque los hallazgos son prometedores, este estudio enfrenta ciertos obstáculos. La
muestra se restringió a un grupo particular de estudiantes de bachillerato, lo que podría
distorsionar la validez de los descubrimientos. El estudio se enfocó en tecnologías de IA
particulares, permitiendo que futuras investigaciones desentrañen una gama más profunda de
tecnologías y su influencia en diversos entornos educativos. Además, resulta esencial llevar a
cabo investigaciones a largo plazo para medir cómo la IA se integra en el aprendizaje a medida.
CONCLUSIÓN
Este análisis sobre Métodos educativos cimentados en la inteligencia artificial:
Transformar la educación en bachillerato en una experiencia única ha dado luz verde a la teoría
inicial y lograr las metas propuestas. A través del estudio de una muestra representativa de
estudiantes de bachillerato, se reveló que emplear dispositivos inteligentes impulsa notablemente
la motivación, facilita la asimilación de conocimientos y fomenta una participación dinámica de
los estudiantes. Además, se descubrió que las innovaciones tecnológicas en el aula fomentan un
ambiente educativo más adaptable, flexible y enfocado en las particularidades de cada alumno.
Más del 80% de los participantes destacaron que el uso de herramientas como ChatGPT, Google
Bard, Quizizz AI y Khan Academy Khanmigo tuvo un impacto favorable en su proceso de
aprendizaje. Estas herramientas facilitaron la adaptación del aprendizaje, brindando la
posibilidad de acceder a explicaciones únicas, prácticas autónomas y comentarios instantáneos,
elementos esenciales para enfrentar las brechas en los estilos y ritmos educativos. En este
contexto, la inteligencia artificial no solo se erige como un guía pedagógico, sino también como
un motor que impulsa el aprendizaje dinámico y profundo. El uso de modelos matemáticos y
simulaciones en la enseñanza-aprendizaje emergió como una pieza clave en la metamorfosis de
conceptos abstractos. Los estudiantes, gracias a estas representaciones visuales, predictivas y
manipulables, pudieron contemplar fenómenos intrincados y cultivar destrezas cognitivas
superiores como el análisis, la deducción y la transmisión de saberes. Esta faceta de la inteligencia
artificial en el ámbito educativo converge con perspectivas constructivistas y conectivistas,
fomentando aprendizajes cimentados en la interacción con universos digitales enriquecidos. En
lo que respecta a las repercusiones venideras, se sugiere que las escuelas inviertan en la formación
de maestros para la aplicación crítica y pedagógica de herramientas de IA, además de en la
optimización de sus infraestructuras digitales. Asimismo, se sugiere llevar a cabo estudios a largo
plazo para medir cómo estas tácticas influyen de manera duradera en el desempeño académico,
las destrezas metacognitivas y el crecimiento socioemocional de las personas. Además, se sugiere
explorar el uso de algoritmos predictivos y escenarios inmersivos para promover una enseñanza
aún más a medida y dinámica. En resumen, esta investigación ofrece pruebas empíricas robustas
sobre la efectividad de las tácticas educativas fundamentadas en inteligencia artificial en el
Vol. 12/ Núm. 1 2025 pág. 3094
bachillerato, elevándolas a piezas esenciales para metamorfosear el aprendizaje hacia un enfoque
más inclusivo, eficiente y orientado hacia el porvenir.
bachillerato, elevándolas a piezas esenciales para metamorfosear el aprendizaje hacia un enfoque
más inclusivo, eficiente y orientado hacia el porvenir.
Vol. 12/ Núm. 1 2025 pág. 3095
REFERENCIAS
Baker, R. S. (2016). Stupid tutoring: The impact of intelligent tutoring systems on learning.
Journal of Educational Psychology, 108(4), 643–661. https://doi.org/10.1037/edu0000089
Baker, R. S., & Siemens, G. (2020). Artificial intelligence in education: Bringing it all together.
En OECD Digital Education Outlook 2021: Pushing the frontiers with AI, blockchain, and
robots (pp. 43–63). OECD Publishing. https://doi.org/10.1787/589b283f-en
Baker, R. S., & Siemens, G. (2020). Educational data mining and learning analytics. Springer
Handbook of Educational Data Mining, 1-11.
Bergström, P., et al. (2021). Adaptive learning through artificial intelligence. Applied Sciences,
11(15), 6820. https://doi.org/10.3390/app11156820
Bergström, P., et al. (2021). Adaptive learning through artificial intelligence. Applied Sciences,
11(18), 8491. https://doi.org/10.3390/app11188491
Bernal Parraga , A. P., Salinas Rivera, I. K., Allauca Melena, M. V., Vargas Solis Gisenia, G. A.,
Zambrano Lamilla, L. M., Palacios Cedeño, G. E., & Mena Moya, V. M. (2024). Integración
de Tecnologías Digitales en la Enseñanza de Lengua y Litera-tura: Impacto en la
Comprensión Lectora y la Creatividad en Educación Básica. Ciencia Latina Revista
Científica Multidisciplinar, 8(4), 9683-9701. https://doi.org/10.37811/cl_rcm.v8i4.13117
Bernal Párraga, A. P., Garcia , M. D. J., Consuelo Sanchez, B., Guaman Santillan, R. Y., Nivela
Cedeño, A. N., Cruz Roca, A. B., & Ruiz Medina, J. M. (2024). Integración de la Educación
STEM en la Educación General Básica: Es-trategias, Impacto y Desafíos en el Contexto
Educativo Actual. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 8927-8949.
https://doi.org/10.37811/cl_rcm.v8i4.13037
Bodily, R., & Verbert, K. (2017). Review of research on student-facing learning analytics
dashboards and educational recommender systems. IEEE Transactions on Learning
Technologies, 10(4), 405–418. https://doi.org/10.1109/TLT.2017.2740172
Bower, M., & Sturman, D. (2015). What are the educational affordances of wearable
technologies?. Computers & Education, 88, 343–353.
https://doi.org/10.1016/j.compedu.2015.07.013
Burke, L. A., & Hutchins, H. M. (2007). Training transfer: An integrative literature review.
Human Resource Development Review, 6(3), 263–296.
https://doi.org/10.1177/1534484307303035
Chatti, M. A., Dyckhoff, A. L., Schroeder, U., & Thüs, H. (2012). A reference model for learning
analytics. International Journal of Technology Enhanced Learning, 4(5-6), 318–331.
https://doi.org/10.1504/IJTEL.2012.051815
REFERENCIAS
Baker, R. S. (2016). Stupid tutoring: The impact of intelligent tutoring systems on learning.
Journal of Educational Psychology, 108(4), 643–661. https://doi.org/10.1037/edu0000089
Baker, R. S., & Siemens, G. (2020). Artificial intelligence in education: Bringing it all together.
En OECD Digital Education Outlook 2021: Pushing the frontiers with AI, blockchain, and
robots (pp. 43–63). OECD Publishing. https://doi.org/10.1787/589b283f-en
Baker, R. S., & Siemens, G. (2020). Educational data mining and learning analytics. Springer
Handbook of Educational Data Mining, 1-11.
Bergström, P., et al. (2021). Adaptive learning through artificial intelligence. Applied Sciences,
11(15), 6820. https://doi.org/10.3390/app11156820
Bergström, P., et al. (2021). Adaptive learning through artificial intelligence. Applied Sciences,
11(18), 8491. https://doi.org/10.3390/app11188491
Bernal Parraga , A. P., Salinas Rivera, I. K., Allauca Melena, M. V., Vargas Solis Gisenia, G. A.,
Zambrano Lamilla, L. M., Palacios Cedeño, G. E., & Mena Moya, V. M. (2024). Integración
de Tecnologías Digitales en la Enseñanza de Lengua y Litera-tura: Impacto en la
Comprensión Lectora y la Creatividad en Educación Básica. Ciencia Latina Revista
Científica Multidisciplinar, 8(4), 9683-9701. https://doi.org/10.37811/cl_rcm.v8i4.13117
Bernal Párraga, A. P., Garcia , M. D. J., Consuelo Sanchez, B., Guaman Santillan, R. Y., Nivela
Cedeño, A. N., Cruz Roca, A. B., & Ruiz Medina, J. M. (2024). Integración de la Educación
STEM en la Educación General Básica: Es-trategias, Impacto y Desafíos en el Contexto
Educativo Actual. Ciencia Latina Revista Científica Multidisciplinar, 8(4), 8927-8949.
https://doi.org/10.37811/cl_rcm.v8i4.13037
Bodily, R., & Verbert, K. (2017). Review of research on student-facing learning analytics
dashboards and educational recommender systems. IEEE Transactions on Learning
Technologies, 10(4), 405–418. https://doi.org/10.1109/TLT.2017.2740172
Bower, M., & Sturman, D. (2015). What are the educational affordances of wearable
technologies?. Computers & Education, 88, 343–353.
https://doi.org/10.1016/j.compedu.2015.07.013
Burke, L. A., & Hutchins, H. M. (2007). Training transfer: An integrative literature review.
Human Resource Development Review, 6(3), 263–296.
https://doi.org/10.1177/1534484307303035
Chatti, M. A., Dyckhoff, A. L., Schroeder, U., & Thüs, H. (2012). A reference model for learning
analytics. International Journal of Technology Enhanced Learning, 4(5-6), 318–331.
https://doi.org/10.1504/IJTEL.2012.051815
Vol. 12/ Núm. 1 2025 pág. 3096
Chen, X., Zou, D., & Xie, H. (2021). Personalized intelligent tutoring system for adaptive learning
in higher education: A review. Journal of Computer Assisted Learning, 37(1), 44–58.
https://doi.org/10.1111/jcal.12452
Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research
(3ª ed.). SAGE Publications. https://us.sagepub.com/en-us/nam/designing-and-conducting-
mixed-methods-research/book241842
Dede, C. (2019). Artificial intelligence and education: The importance of teacher and student
agency. Journal of Educational Computing Research, 57(1), 5–17.
https://doi.org/10.1177/0735633117743911
Delen, E., & Liew, J. (2016). The use of interactive environments to promote self-regulation in
online learning: A literature review. European Journal of Contemporary Education, 15(1),
24–33. https://doi.org/10.13187/ejced.2016.15.24
Dillenbourg, P. (2016). The evolution of research on digital education technologies: Past, present,
and future. Computers & Education, 104, 92–101.
https://doi.org/10.1016/j.compedu.2016.09.003
Domínguez, A., Saenz-de-Navarrete, J., De-Marcos, L., Fernández-Sanz, L., Pagés, C., &
Martínez-Herráiz, J. J. (2013). Gamifying learning experiences: Practical implications and
outcomes. Computers & Education, 63, 380–392.
https://doi.org/10.1016/j.compedu.2012.12.020
Duffy, G., & Kirkland, M. (2022). The role of technology in fostering intrinsic motivation in
education. Educational Psychology Review, 35(3), 479-497.
http://dx.doi.org/10.31223/X5363J
Durlak, J. A., & DuPre, E. P. (2008). Implementation matters: A review of research on the
influence of implementation on program outcomes and the factors affecting implementation.
American Journal of Community Psychology, 41(3-4), 327–350.
https://doi.org/10.1007/s10464-008-9165-0
Eynon, R., & Malmberg, L. E. (2021). Lifelong learning and digital learning environments: AI’s
potential and challenges. Learning, Media and Technology, 46(1), 1–11.
https://doi.org/10.1080/17439884.2020.1833927
Fischer, G. (2019). Beyond hype and fear: The potential of AI in education. AI & Society, 34(1),
77–84. https://doi.org/10.1007/s00146-018-0842-6
Freitas, S., & Lacerda dos Reis, A. (2011). Serious games as new educational tools: How effective
are they? Journal of Educational Technology & Society, 14(1), 37–47.
García-Peñalvo, F. J., & Seoane-Pardo, A. M. (2015). A current vision of eLearning innovation
using technology. International Journal of Educational Technology in Higher Education,
12(1), 91–102. https://doi.org/10.1186/s41239-015-0006-9
García-Peñalvo, F. J., et al. (2021). Informal learning recognition through a cloud ecosystem.
Chen, X., Zou, D., & Xie, H. (2021). Personalized intelligent tutoring system for adaptive learning
in higher education: A review. Journal of Computer Assisted Learning, 37(1), 44–58.
https://doi.org/10.1111/jcal.12452
Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research
(3ª ed.). SAGE Publications. https://us.sagepub.com/en-us/nam/designing-and-conducting-
mixed-methods-research/book241842
Dede, C. (2019). Artificial intelligence and education: The importance of teacher and student
agency. Journal of Educational Computing Research, 57(1), 5–17.
https://doi.org/10.1177/0735633117743911
Delen, E., & Liew, J. (2016). The use of interactive environments to promote self-regulation in
online learning: A literature review. European Journal of Contemporary Education, 15(1),
24–33. https://doi.org/10.13187/ejced.2016.15.24
Dillenbourg, P. (2016). The evolution of research on digital education technologies: Past, present,
and future. Computers & Education, 104, 92–101.
https://doi.org/10.1016/j.compedu.2016.09.003
Domínguez, A., Saenz-de-Navarrete, J., De-Marcos, L., Fernández-Sanz, L., Pagés, C., &
Martínez-Herráiz, J. J. (2013). Gamifying learning experiences: Practical implications and
outcomes. Computers & Education, 63, 380–392.
https://doi.org/10.1016/j.compedu.2012.12.020
Duffy, G., & Kirkland, M. (2022). The role of technology in fostering intrinsic motivation in
education. Educational Psychology Review, 35(3), 479-497.
http://dx.doi.org/10.31223/X5363J
Durlak, J. A., & DuPre, E. P. (2008). Implementation matters: A review of research on the
influence of implementation on program outcomes and the factors affecting implementation.
American Journal of Community Psychology, 41(3-4), 327–350.
https://doi.org/10.1007/s10464-008-9165-0
Eynon, R., & Malmberg, L. E. (2021). Lifelong learning and digital learning environments: AI’s
potential and challenges. Learning, Media and Technology, 46(1), 1–11.
https://doi.org/10.1080/17439884.2020.1833927
Fischer, G. (2019). Beyond hype and fear: The potential of AI in education. AI & Society, 34(1),
77–84. https://doi.org/10.1007/s00146-018-0842-6
Freitas, S., & Lacerda dos Reis, A. (2011). Serious games as new educational tools: How effective
are they? Journal of Educational Technology & Society, 14(1), 37–47.
García-Peñalvo, F. J., & Seoane-Pardo, A. M. (2015). A current vision of eLearning innovation
using technology. International Journal of Educational Technology in Higher Education,
12(1), 91–102. https://doi.org/10.1186/s41239-015-0006-9
García-Peñalvo, F. J., et al. (2021). Informal learning recognition through a cloud ecosystem.
Vol. 12/ Núm. 1 2025 pág. 3097
González, D., & Pérez, M. (2022). Overcoming barriers in the integration of artificial intelligence
in Ecuadorian schools. Journal of Educational Administration, 59(4), 455-473.
https://doi.org/10.1108/JEA-11-2021-0281
González, D., et al. (2021). Barriers to the adoption of artificial intelligence in the Ecuadorian
educational system. Journal of Educational Technology & Society, 24(3), 48-62.
https://doi.org/10.1007/jets.2021.02403
González-Calatayud, V., Prendes-Espinosa, P., & Roig-Vila, R. (2021). A review of artificial
intelligence in K-12 education. Open Journal of Leadership, 10(2), 183–202.
https://doi.org/10.4236/ojl.2021.102012
Gopnik, A., Meltzoff, A. N., & Kuhl, P. K. (2017). The scientist in the crib: What early learning
tells us about the mind. Harper Collins.
Greene, J. A., et al. (2021). A meta-analytic review of the relationship between epistemic
cognition and academic achievement. Journal of Educational Psychology, 113(5), 972–985.
https://doi.org/10.1037/edu0000665
Han, F., & Ellis, R. A. (2019). Using learning analytics to understand learning design:
Opportunities and challenges. The Internet and Higher Education, 42, 1–10.
https://doi.org/10.1016/j.iheduc.2019.03.002
Hasselbring, T. S., & Bledsoe, C. (2019). Technology and personalized learning: Opportunities
for student voice. Journal of Research on Technology in Education, 51(3), 258-270.
https://doi.org/10.1080/15391523.2019.1611507
Hattie, J. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement.
Routledge.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and
implications for teaching and learning. The Center for Curriculum Redesign.
Holmes, W., et al. (2021). Ethics of AI in education: Towards a community-wide framework.
International Journal of Artificial Intelligence in Education, 31(4), 755–774.
https://doi.org/10.1007/s40593-021-00239-1
Huang, R., & Hew, K. F. (2018). Gamified flipped learning approach: Its effects on students’
motivation and performance. Computers & Education, 126, 23–38.
https://doi.org/10.1016/j.compedu.2018.07.003
Jisc. (2019). Artificial intelligence in tertiary education: A landscape review.
https://www.jisc.ac.uk/reports/artificial-intelligence-in-tertiary-education
Landers, R. N. (2019). Developing a theory of gamified learning: Linking serious games and
gamification of learning. Simulation & Gaming, 50(3), 273–295.
https://doi.org/10.1177/1046878119831378
Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st
century. UCL Institute of Education Press. https://doi.org/10.2307/j.ctt20krxf8
González, D., & Pérez, M. (2022). Overcoming barriers in the integration of artificial intelligence
in Ecuadorian schools. Journal of Educational Administration, 59(4), 455-473.
https://doi.org/10.1108/JEA-11-2021-0281
González, D., et al. (2021). Barriers to the adoption of artificial intelligence in the Ecuadorian
educational system. Journal of Educational Technology & Society, 24(3), 48-62.
https://doi.org/10.1007/jets.2021.02403
González-Calatayud, V., Prendes-Espinosa, P., & Roig-Vila, R. (2021). A review of artificial
intelligence in K-12 education. Open Journal of Leadership, 10(2), 183–202.
https://doi.org/10.4236/ojl.2021.102012
Gopnik, A., Meltzoff, A. N., & Kuhl, P. K. (2017). The scientist in the crib: What early learning
tells us about the mind. Harper Collins.
Greene, J. A., et al. (2021). A meta-analytic review of the relationship between epistemic
cognition and academic achievement. Journal of Educational Psychology, 113(5), 972–985.
https://doi.org/10.1037/edu0000665
Han, F., & Ellis, R. A. (2019). Using learning analytics to understand learning design:
Opportunities and challenges. The Internet and Higher Education, 42, 1–10.
https://doi.org/10.1016/j.iheduc.2019.03.002
Hasselbring, T. S., & Bledsoe, C. (2019). Technology and personalized learning: Opportunities
for student voice. Journal of Research on Technology in Education, 51(3), 258-270.
https://doi.org/10.1080/15391523.2019.1611507
Hattie, J. (2009). Visible learning: A synthesis of over 800 meta-analyses relating to achievement.
Routledge.
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and
implications for teaching and learning. The Center for Curriculum Redesign.
Holmes, W., et al. (2021). Ethics of AI in education: Towards a community-wide framework.
International Journal of Artificial Intelligence in Education, 31(4), 755–774.
https://doi.org/10.1007/s40593-021-00239-1
Huang, R., & Hew, K. F. (2018). Gamified flipped learning approach: Its effects on students’
motivation and performance. Computers & Education, 126, 23–38.
https://doi.org/10.1016/j.compedu.2018.07.003
Jisc. (2019). Artificial intelligence in tertiary education: A landscape review.
https://www.jisc.ac.uk/reports/artificial-intelligence-in-tertiary-education
Landers, R. N. (2019). Developing a theory of gamified learning: Linking serious games and
gamification of learning. Simulation & Gaming, 50(3), 273–295.
https://doi.org/10.1177/1046878119831378
Luckin, R. (2018). Machine learning and human intelligence: The future of education for the 21st
century. UCL Institute of Education Press. https://doi.org/10.2307/j.ctt20krxf8
Vol. 12/ Núm. 1 2025 pág. 3098
Mayer, R. E. (2020). Multimedia learning (3.ª ed.). Cambridge University Press.
https://doi.org/10.1017/9781316941355
McMillan, J. H., & Schumacher, S. (2014). Research in education: Evidence-based inquiry (7ª
ed.). Pearson.
Mehrotra, S., & Kalra, A. (2021). AI-driven personalization in education: A systematic review of
adaptive learning techniques. Education and Information Technologies, 26(4), 3675–3697.
https://doi.org/10.1007/s10639-021-10543-6
Mitchell, T. M. (1997). Machine learning. McGraw Hill.
Nistor, N., et al. (2020). Gamifying children's linguistic intelligence with the Duolingo app: A
case study from Indonesia. En Proceedings of the International Conference on Education
and Artificial Intelligence Technologies (pp. 1-6). ACM.
https://doi.org/10.1145/3377571.3377581
OECD. (2021). Artificial intelligence and the future of skills. OECD Publishing.
https://doi.org/10.1787/3d52216c-en
Piaget, J. (2001). The psychology of intelligence. Routledge.
Pianta, R. C., & La Paro, K. M. (2022). A course on effective teacher-child interactions: Effects
on teacher beliefs, knowledge, and observed practice. American Educational Research
Journal, 59(1), 143–167. https://doi.org/10.3102/0002831211434596
Plass, J. L., Homer, B. D., & Kinzer, C. K. (2015). Foundations of game-based learning.
Educational Psychologist, 50(4), 258–283.
https://doi.org/10.1080/00461520.2015.1122533
Popenici, S. A. D., & Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching
and learning in higher education. Research and Practice in Technology Enhanced Learning,
12(1), 22. https://doi.org/10.1186/s41039-017-0062-8
Rose, D. H., & Dalton, B. (2020). Universal design for learning: Creating accessible and inclusive
learning environments. Journal of Educational Psychology, 112(3), 389–403.
https://doi.org/10.1037/edu0000374
Rose, D. H., & Dalton, B. (2020). Universal design for learning: Examining the evidence base for
UDL. Journal of Educational Psychology, 112(4), 667-683.
https://doi.org/10.1037/edu0000370
Ryan, R. M., & Deci, E. L. (2020). Intrinsic and extrinsic motivation from a self-determination
theory perspective: Definitions, theory, practices, and future directions. Contemporary
Educational Psychology, 61, 101860. https://doi.org/10.1016/j.cedpsych.2020.101860
Schunk, D. H., & DiBenedetto, M. K. (2021). Motivation and social-cognitive theory.
Contemporary Educational Psychology, 60, 101830.
https://doi.org/10.1016/j.cedpsych.2019.101830
Mayer, R. E. (2020). Multimedia learning (3.ª ed.). Cambridge University Press.
https://doi.org/10.1017/9781316941355
McMillan, J. H., & Schumacher, S. (2014). Research in education: Evidence-based inquiry (7ª
ed.). Pearson.
Mehrotra, S., & Kalra, A. (2021). AI-driven personalization in education: A systematic review of
adaptive learning techniques. Education and Information Technologies, 26(4), 3675–3697.
https://doi.org/10.1007/s10639-021-10543-6
Mitchell, T. M. (1997). Machine learning. McGraw Hill.
Nistor, N., et al. (2020). Gamifying children's linguistic intelligence with the Duolingo app: A
case study from Indonesia. En Proceedings of the International Conference on Education
and Artificial Intelligence Technologies (pp. 1-6). ACM.
https://doi.org/10.1145/3377571.3377581
OECD. (2021). Artificial intelligence and the future of skills. OECD Publishing.
https://doi.org/10.1787/3d52216c-en
Piaget, J. (2001). The psychology of intelligence. Routledge.
Pianta, R. C., & La Paro, K. M. (2022). A course on effective teacher-child interactions: Effects
on teacher beliefs, knowledge, and observed practice. American Educational Research
Journal, 59(1), 143–167. https://doi.org/10.3102/0002831211434596
Plass, J. L., Homer, B. D., & Kinzer, C. K. (2015). Foundations of game-based learning.
Educational Psychologist, 50(4), 258–283.
https://doi.org/10.1080/00461520.2015.1122533
Popenici, S. A. D., & Kerr, S. (2017). Exploring the impact of artificial intelligence on teaching
and learning in higher education. Research and Practice in Technology Enhanced Learning,
12(1), 22. https://doi.org/10.1186/s41039-017-0062-8
Rose, D. H., & Dalton, B. (2020). Universal design for learning: Creating accessible and inclusive
learning environments. Journal of Educational Psychology, 112(3), 389–403.
https://doi.org/10.1037/edu0000374
Rose, D. H., & Dalton, B. (2020). Universal design for learning: Examining the evidence base for
UDL. Journal of Educational Psychology, 112(4), 667-683.
https://doi.org/10.1037/edu0000370
Ryan, R. M., & Deci, E. L. (2020). Intrinsic and extrinsic motivation from a self-determination
theory perspective: Definitions, theory, practices, and future directions. Contemporary
Educational Psychology, 61, 101860. https://doi.org/10.1016/j.cedpsych.2020.101860
Schunk, D. H., & DiBenedetto, M. K. (2021). Motivation and social-cognitive theory.
Contemporary Educational Psychology, 60, 101830.
https://doi.org/10.1016/j.cedpsych.2019.101830
Vol. 12/ Núm. 1 2025 pág. 3099
Seldon, A., & Abidoye, O. (2018). The fourth education revolution: How artificial intelligence is
changing the face of learning. University of Buckingham Press.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Social Science
Research Network. https://doi.org/10.2139/ssrn.3413891
Tashakkori, A., & Teddlie, C. (Eds.). (2010). SAGE handbook of mixed methods in social &
behavioral research (2ª ed.). SAGE Publications. https://doi.org/10.4135/9781506335193
Teddlie, C., & Yu, F. (2007). Mixed methods sampling: A typology with examples. Journal of
Mixed Methods Research, 1(1), 77–100. https://doi.org/10.1177/2345678906292430
Tegmark, M. (2017). Life 3.0: Being human in the age of artificial intelligence. Penguin Random
House.
Torres Illescas, V., Villacrés Prieto, P., Román Cabrera, J., Bernal Párraga, A. (2024). Charting
the Path of Reading Development: A Study on the Importance and Effective Strategies for
Reading in Early Ages Based on Technology. In: Gervasi, O., Murgante, B., Garau, C.,
Taniar, D., C. Rocha, A.M.A., Faginas Lago, M.N. (eds) Computational Science and Its
Applications – ICCSA 2024 Workshops. ICCSA 2024. Lecture Notes in Computer Science,
vol 14820. Springer, Cham. https://doi.org/10.1007/978-3-031-65285-1_2
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes.
Harvard University Press. https://doi.org/10.2307/j.ctvjf9vz4
Wang, A. I., & Tahir, R. (2020). The effect of using Kahoot! for learning – A literature review.
Computers & Education, 149, 103818. https://doi.org/10.1016/j.compedu.2020.103818
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of
research on artificial intelligence applications in higher education. International Journal of
Educational Technology in Higher Education, 16(1), 39. https://doi.org/10.1186/s41239-
019-0171-0.
Seldon, A., & Abidoye, O. (2018). The fourth education revolution: How artificial intelligence is
changing the face of learning. University of Buckingham Press.
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Social Science
Research Network. https://doi.org/10.2139/ssrn.3413891
Tashakkori, A., & Teddlie, C. (Eds.). (2010). SAGE handbook of mixed methods in social &
behavioral research (2ª ed.). SAGE Publications. https://doi.org/10.4135/9781506335193
Teddlie, C., & Yu, F. (2007). Mixed methods sampling: A typology with examples. Journal of
Mixed Methods Research, 1(1), 77–100. https://doi.org/10.1177/2345678906292430
Tegmark, M. (2017). Life 3.0: Being human in the age of artificial intelligence. Penguin Random
House.
Torres Illescas, V., Villacrés Prieto, P., Román Cabrera, J., Bernal Párraga, A. (2024). Charting
the Path of Reading Development: A Study on the Importance and Effective Strategies for
Reading in Early Ages Based on Technology. In: Gervasi, O., Murgante, B., Garau, C.,
Taniar, D., C. Rocha, A.M.A., Faginas Lago, M.N. (eds) Computational Science and Its
Applications – ICCSA 2024 Workshops. ICCSA 2024. Lecture Notes in Computer Science,
vol 14820. Springer, Cham. https://doi.org/10.1007/978-3-031-65285-1_2
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes.
Harvard University Press. https://doi.org/10.2307/j.ctvjf9vz4
Wang, A. I., & Tahir, R. (2020). The effect of using Kahoot! for learning – A literature review.
Computers & Education, 149, 103818. https://doi.org/10.1016/j.compedu.2020.103818
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of
research on artificial intelligence applications in higher education. International Journal of
Educational Technology in Higher Education, 16(1), 39. https://doi.org/10.1186/s41239-
019-0171-0.