ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea)
https://www.revistaespacios.com Pag. 120
Vol. 45 (05) 2024 • Sept-Oct • Art. 9
Recibido/Received: 16/08/2024 • Aprobado/Approved: 10/09/2024 • Publicado/Published: 30/09/2024
DOI: 10.48082/espacios-a24v45n05p09
Inteligencia Artificial en la educación universitaria:
Innovaciones, desafíos y oportunidades
Artificial Intelligence in higher education: Innovations, challenges, and opportunities
KROFF, Francisco J.
1
CORIA, Diego F.
2
FERRADA, Cristian A.
3
Resumen
La inteligencia artificial está transformando la educación superior, permitiendo la personalización y
optimización de tareas. Este estudio con 27 docentes reveló que, aunque su adopción no es
generalizada, quienes la usan destacan beneficios como retroalimentación personalizada y ahorro de
tiempo. Sin embargo, enfrentan desafíos como la falta de formación y preocupaciones éticas. Para
implementar la IA efectivamente en la educación, se necesita formación continua, políticas éticas claras
y colaboración entre universidades, gobiernos y el sector privado.
Palabras clave: Inteligencia artificial, educación universitaria, desafíos éticos
Abstract
Artificial intelligence is transforming higher education, enabling personalization and task optimization.
This study with 27 faculty members revealed that although AI adoption is not widespread, those who
use it report benefits such as personalized feedback and time savings. However, they face challenges
like a lack of training and ethical concerns. To effectively implement AI in education, continuous training,
clear ethical policies, and collaboration between universities, governments, and the private sector are
needed.
Key words: Artificial intelligence, higher education, ethical challenges
1. Introducción
La inteligencia artificial (IA) ha emergido como una herramienta revolucionaria en diversos campos, incluida la
educación superior, y su impacto en los docentes universitarios es significativo (Aranda-Corral et al., 2014). En
los últimos años, la integración de tecnologías de IA en el ámbito educativo ha transformado las metodologías
de enseñanza, ofreciendo nuevas oportunidades para personalizar la educación y mejorar la eficiencia
administrativa (Brazdil y Jorge, 2001). Según Vera (2023), la IA permite la creación de entornos de aprendizaje
1
Académico Regular. Departamento Ciencias de la Ingeniería. Universidad de Los Lagos.Chile. francisco.kroff@ulagos.cl
2
Docente. Sede Chiloé. Universidad de Los Lagos. Chile. diego.coria@ulagos.cl
3
Académico Regular. Departamento de Educación. Universidad de Los Lagos. Instituto Interuniversitario de Investigación Educativa (IESED-Chile), Chile.
cristian.ferrada@ulagos.cl
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 121
adaptativos que responden a las necesidades individuales de los estudiantes, promoviendo un aprendizaje más
eficaz y personalizado.
Uno de los principales beneficios de la IA para los docentes universitarios es su capacidad para proporcionar
retroalimentación instantánea y personalizada a los estudiantes (Castrillón et al., 2020; Ferrada y Díaz-Levicoy,
2018). Este tipo de retroalimentación es crucial para el desarrollo de habilidades y competencias, especialmente
en áreas complejas como las matemáticas y las ciencias (Cukurova et al., 2019; Barrera-Arrestegui, 2012).
González (2023) destaca que las plataformas de aprendizaje que incorporan IA pueden ajustar el contenido y las
actividades en función del progreso y el estilo de aprendizaje del estudiante, facilitando una mayor comprensión
y retención del material.
La IA también juega un papel fundamental en la optimización de las tareas administrativas dentro de las
instituciones educativas (Popenici y Kerr, 2017). Herramientas como los chatbots y los sistemas de gestión de
estudiantes pueden automatizar procesos repetitivos, liberando tiempo para que los docentes se concentren en
actividades más estratégicas y pedagógicas (Piedra et al., 2023; Ferrada et al., 2020).
A pesar de los numerosos beneficios, la implementación de la IA en la educación superior no está exenta de
desafíos (Silva-Díaz et al., 2022; Rampton et al., 2020). Entre los principales obstáculos se encuentran la falta de
formación y capacitación para los docentes, la resistencia al cambio y las preocupaciones éticas relacionadas con
la privacidad y el uso de datos (Renz y Hilbig, 2020; UNESCO, 2019). A su vez, Vera (2023) señalan que para
superar estos desafíos es fundamental desarrollar políticas educativas que promuevan la alfabetización digital y
la formación continua en tecnologías emergentes, asegurando así una integración efectiva y ética de la IA en los
procesos educativos (García-Peña et al., 2020; Vila y Penín, 2007).
La inteligencia artificial ofrece un potencial inmenso para transformar la educación universitaria, mejorando
tanto la personalización del aprendizaje como la eficiencia administrativa (Soong y Ho, 2021). Sin embargo, para
aprovechar plenamente estas ventajas, es esencial abordar los desafíos relacionados con la formación, la
resistencia al cambio y las cuestiones éticas (Castillo-González, 2022; Zawacki-Richter et al., 2019). Estudios
recientes sugieren que con una implementación adecuada y una formación adecuada, la IA puede convertirse en
un aliado poderoso para los docentes universitarios en los próximos años (Zambrano, 2024).
1.1. Inteligencia Artificial en la educación superior
La inteligencia artificial ha revolucionado diversos sectores, y la educación superior no es la excepción (Pérez et
al., 2014). La IA permite la creación de sistemas de aprendizaje adaptativos que se ajustan a las necesidades
individuales de los estudiantes, facilitando un aprendizaje más personalizado y efectivo (Cukurova et al., 2019;
United Nations, 2015). Según (De Sousa-Mendes et al., 2022) estos sistemas utilizan algoritmos avanzados para
analizar el progreso y los patrones de aprendizaje de los estudiantes, ofreciendo recomendaciones
personalizadas y adaptando el contenido educativo en tiempo real (Flores, 2022; Moreno-Padilla, 2019). Esta
capacidad de personalización no solo mejora el rendimiento académico, sino que también aumenta la motivación
y el compromiso de los estudiantes con el proceso educativo (Peñaherrera et al., 2022).
Además de la personalización del aprendizaje, la IA en la educación superior ofrece herramientas avanzadas para
la evaluación y el seguimiento del rendimiento estudiantil (Vega-Lebrún et al., 2021). Plataformas de aprendizaje
basadas en IA pueden proporcionar evaluaciones continuas y retroalimentación inmediata, lo que ayuda a
identificar áreas de mejora y a diseñar intervenciones pedagógicas más efectivas. Prendes-Espinosa (2021)
subrayan que estas herramientas no solo facilitan la labor de los docentes, sino que también promueven una
evaluación más objetiva y equitativa. La capacidad de la IA para analizar grandes volúmenes de datos educativos
permite una comprensión más profunda del proceso de aprendizaje y una toma de decisiones informada en la
planificación educativa (Barroso et al., 2016).
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 122
Por otro lado, la IA también tiene un impacto significativo en la administración educativa. Herramientas como
los sistemas de gestión de estudiantes y los chatbots automatizados pueden mejorar la eficiencia administrativa,
liberando a los docentes de tareas repetitivas y permitiéndoles centrarse en actividades más estratégicas y
pedagógicas (Bonami et al., 2020; Kaklauskas, 2015). Eaton et al., (2018) destacan que la automatización de
procesos administrativos mediante IA no solo reduce la carga de trabajo, sino que también mejora la precisión y
la eficiencia operativa. Estas tecnologías permiten a las instituciones educativas gestionar de manera más
efectiva los recursos, mejorar la comunicación con los estudiantes y ofrecer un servicio educativo de mayor
calidad (León y Viña, 2017).
1.2. Retos y desafíos de la implementación de IA
A pesar de los beneficios potenciales de la IA en la educación superior, su implementación no está exenta de
desafíos (Martínez-Ruiz, 2019; Ocaña-Fernández et al., 2019). Uno de los principales obstáculos es la falta de
formación y capacitación adecuada para los docentes (Kaklauskas, 2015). Muchos docentes carecen de las
habilidades y conocimientos necesarios para integrar eficazmente las tecnologías de IA en sus prácticas
pedagógicas. Bedoya et al., (2018) señalan que la formación continua y la alfabetización digital son esenciales
para superar esta barrera y asegurar una implementación exitosa de la IA en la educación. La resistencia al
cambio y la falta de infraestructuras tecnológicas adecuadas también son desafíos significativos que deben
abordarse (Prendes-Espinosa y Cerdán-Cartagena, 2021; Martín y Grudzjecki, 2015).
Las preocupaciones éticas relacionadas con la privacidad y el uso de datos son otro aspecto crítico en la
implementación de IA en la educación (González-Calatayud et al., 2021; Sánchez-Vila y Lama, 2007). La
recopilación y el análisis de grandes volúmenes de datos educativos plantean cuestiones sobre la protección de
la privacidad de los estudiantes y el uso ético de la información. Según Fernández-Robles, (2017) es fundamental
establecer políticas claras y transparentes sobre la gestión de datos y garantizar que las tecnologías de IA se
utilicen de manera ética y responsable. La confianza en las tecnologías de IA y la transparencia en su uso son
esenciales para su aceptación y éxito en el ámbito educativo (Forero-Corba y Negre-Bennasar, 2023; Riel y Polin,
2004).
Además, la integración de IA en la educación requiere una inversión significativa en infraestructuras tecnológicas
y recursos educativos (Osorio-Umaña, 2022; Arabit-García et al., 2021). Las instituciones educativas deben estar
preparadas para invertir en tecnologías de IA y en la capacitación de su personal. Martínez-Pérez y Fernández-
Robles, (2018) sugieren que la colaboración entre gobiernos, instituciones educativas y el sector privado es
crucial para proporcionar los recursos necesarios y apoyar la implementación de tecnologías de IA en la
educación superior. La creación de redes y comunidades de práctica también puede facilitar el intercambio de
conocimientos y experiencias, promoviendo una implementación más efectiva y equitativa de la IA (Allaoua-
Chelloug et al., 2023).
1.3. Beneficios y oportunidades de la IA para los docentes universitarios
La integración de IA en la educación superior ofrece numerosos beneficios y oportunidades para los docentes
universitarios (Binh et al., 2021). Una de las principales ventajas es la capacidad de la IA para proporcionar
retroalimentación instantánea y personalizada a los estudiantes. Esto no solo mejora el aprendizaje y el
rendimiento académico, sino que también facilita la labor de los docentes al permitirles identificar rápidamente
las áreas en las que los estudiantes necesitan más apoyo. (Pérez-Ortega, 2017).
La IA también puede mejorar la eficiencia y la productividad de los docentes al automatizar tareas administrativas
y repetitivas. Herramientas como los chatbots y los sistemas de gestión de estudiantes pueden gestionar
consultas y tareas administrativas, permitiendo a los docentes centrarse en la enseñanza y el desarrollo
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 123
profesional. Yang, (2018) señala que la automatización de procesos administrativos mediante IA puede reducir
la carga de trabajo de los docentes y mejorar la precisión y eficiencia de las operaciones educativas. Esto no solo
beneficia a los docentes, sino que también mejora la calidad del servicio educativo para los estudiantes (García-
Peñalbo, 2023; Parra-Sánchez, 2022).
La IA ofrece oportunidades para la innovación pedagógica y la mejora continua de las prácticas educativas (Girò-
Gràcia y Sancho-Gil, 2021; Zhang, 2020). Las tecnologías de IA permiten a los docentes experimentar con nuevas
metodologías de enseñanza y aprender de los datos y resultados para mejorar continuamente sus prácticas
pedagógicas (Osorio-Umaña, 2022). Ayuso-del Puerto y Gutiérrez-Esteban (2022) sugieren que la IA puede ser
un aliado poderoso para los docentes, proporcionando herramientas y recursos que faciliten la innovación y la
mejora continua en la educación superior. La capacidad de la IA para analizar grandes volúmenes de datos
educativos y ofrecer insights valiosos puede transformar la manera en que se enseña y se aprende en las
universidades (Cordeiro et al., 2023; Huerta & Domínguez, 2023).
2. Metodología
El estudio propuesto tiene como objetivo examinar el impacto de la inteligencia artificial (IA) en la enseñanza
universitaria, centrándose en los docentes universitarios (Padilla et al., 2020). Para lograr esto, se empleará un
enfoque cuantitativo (Guevara et al., 2020; Gutiérrez-Castillo et al., 2016) a través de una encuesta dirigida (Gil
et al., 1996; Hernández et al., 2014) a 27 docentes universitarios. La encuesta constará de cuatro secciones,
abordando la caracterización de los participantes, el uso de IA en la educación, las percepciones sobre el impacto
de la IA y las opiniones y sugerencias de los docentes. El procedimiento de recolección de datos se llevará a cabo
a través de un formulario en Google Drive durante una semana.
La investigación se basará en la literatura relevante sobre el tema, incluyendo estudios recientes como el
realizado por Renz y Hilbig, (2020) y Padilla et al., 2020), que examina el impacto de la IA en la educación superior,
y el trabajo de Moreno-Padilla, R. (2019) que analiza el uso de la IA para mejorar la calidad en la educación.
Además, se considerarán estudios que aborden la percepción y actitudes de los docentes hacia la IA en la
educación, como el trabajo de Ayuso-del Puerto y Gutiérrez-Esteban, 2022. El análisis de datos se realizará
utilizando herramientas estadísticas en Excel, con el objetivo de identificar patrones y tendencias en las
respuestas de los docentes (Guerrero-Bejarano, 2016).
Los resultados del estudio ofrecerán información clave sobre el impacto de la IA en las prácticas pedagógicas y
la eficiencia administrativa en universidades, así como las percepciones de los docentes sobre estas tecnologías.
Se espera que estos hallazgos ayuden a entender los desafíos y oportunidades de integrar la IA en la enseñanza
universitaria y guíen el desarrollo de estrategias efectivas para su implementación, beneficiando a docentes y
estudiantes.
3. Resultados y discusión
3.1. Uso de IA en la educación
La Tabla 1 muestra el uso de la inteligencia artificial (IA) en la docencia según edad, género, experiencia y área
de enseñanza. Los docentes jóvenes (25-34 años) lideran la adopción con un 62,50 %, mientras que los de 55
años o más tienen una adopción completa (100 %), aunque son una minoría. La adopción por género es
equilibrada, y aquellos con 16-20 años de experiencia destacan con un 66,67 %. Por área, Ingeniería (62,50 %) y
Humanidades (100 %) tienen la mayor adopción, mientras que Educación Parvularia no la ha adoptado.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 124
Tabla 1
Utilización de tecnología por edad, género, años de experiencia
docente, área de enseñanza.
Sí (n=13)
%
No
(n=14)
Total
(n=27)
%
Edad
25 - 34 años
5
62,50%
3
8
29,63%
35 - 44 años
3
33,33%
6
9
33,33%
45 - 54 años
3
37,50%
5
8
29,63%
55 - 64 años
1
100,00%
-
1
3,70%
65 o más años
1
100,00%
-
1
3,70%
Género
Femenino
7
46,67%
8
15
55,56%
Masculino
6
50,00%
6
12
44,44%
Años de experiencia docente
01 – 05
6
46,15%
7
13
48,15%
06 – 10
2
50,00%
2
4
14,81%
11 – 15
2
50,00%
2
4
14,81%
16 – 20
2
66,67%
1
3
11,11%
Más de 20
1
33,33%
2
3
11,11%
Área de enseñanza
Ciencias Sociales
6
46,15%
7
13
48,15%
Educación Parvularia
-
-
1
1
3,70%
Humanidades
2
100,00%
-
2
7,41%
Ingeniería
5
62,50%
3
8
29,63%
Salud
-
-
3
3
11,11%
Fuente: Elaboración propia
La Tabla 2 analiza el uso de tecnologías de inteligencia artificial (IA) en la docencia, considerando edad, género,
experiencia y área de enseñanza. Los docentes jóvenes (25-34 años) prefieren asistentes virtuales o chatbots (50
%) y plataformas de aprendizaje adaptativo (33,33 %), mientras que los de 35-44 años optan por evaluaciones
automatizadas (66,67 %). Los de 45-54 años usan tanto asistentes virtuales como plataformas de aprendizaje
adaptativo (40 % cada uno). En cuanto al género, las mujeres prefieren evaluaciones automatizadas (42,86 %), y
los hombres, asistentes virtuales (55,56 %). Los docentes con menos experiencia (1-5 años) utilizan
principalmente asistentes virtuales (57,14 %), mientras que aquellos con más de 20 años de experiencia los
prefieren de manera predominante (100 %). Por área, Ciencias Sociales y Humanidades muestran un uso
equilibrado de diferentes tecnologías, con una ligera preferencia por asistentes virtuales.
Tabla 2
¿Qué tipo de tecnología de IA ha utilizado?, por edad, género,
años de experiencia docente, área de enseñanza.
Asistentes
virtuales o
chatbots
(n=7)
%
Evaluaciones
automatizadas
(n=4)
%
Plataformas de
aprendizaje
adaptativo
(n=4)
%
Sistemas de
tutoría
inteligente
(n=1)
%
Total
(n=16)
%
Edad
25 - 34 años
3
50,00%
1
16,67%
2
33,33%
-
-
6
37,50%
35 - 44 años
1
33,33%
2
66,67%
-
-
-
-
3
18,75%
45 - 54 años
2
40,00%
1
20,00%
2
40,00%
-
-
5
31,25%
55 - 64 años
-
-
-
-
-
-
1
100,00%
1
6,25%
65 o más años
1
100,00%
-
-
-
-
-
-
1
6,25%
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 125
Asistentes
virtuales o
chatbots
(n=7)
%
Evaluaciones
automatizadas
(n=4)
%
Plataformas de
aprendizaje
adaptativo
(n=4)
%
Sistemas de
tutoría
inteligente
(n=1)
%
Total
(n=16)
%
Género
Femenino
2
28,57%
3
42,86%
2
28,57%
1
14,29%
7
43,75%
Masculino
5
55,56%
1
11,11%
2
22,22%
1
11,11%
9
56,25%
Años de experiencia docente
01 - 05
4
57,14%
1
14,29%
2
28,57%
-
-
7
43,75%
06 - 10
1
50,00%
-
-
-
-
1
50,00%
2
12,50%
11 - 15
-
-
1
50,00%
1
50,00%
-
-
2
12,50%
16 - 20
1
25,00%
2
50,00%
1
25,00%
-
-
4
25,00%
Más de 20
1
100,00%
-
-
-
-
-
-
1
6,25%
Área de enseñanza
Ciencias Sociales
2
33,33%
2
33,33%
2
33,33%
-
-
6
37,50%
Humanidades
2
66,67%
-
-
1
33,33%
-
-
3
18,75%
Ingeniería
3
42,86%
2
28,57%
1
14,29%
1
14,29%
7
43,75%
Fuente: Elaboración propia
3.2. Uso de IA en la educación
En la Tabla 3, la percepción del impacto de la IA en la personalización del aprendizaje varía según la edad, género,
experiencia docente y área de enseñanza. Los docentes jóvenes (25-34 años) tienden a tener una percepción
neutral (50 %) y menos positiva (25 %). Los docentes de 35-44 años presentan una visión mixta con un 44,44 %
considerándolo positivo y un 33,33 % negativo. Los de 45-54 años tienen una percepción predominantemente
positiva (62,50 %), y los mayores de 55 años también muestran una percepción positiva, aunque con menor
representación (3,70 %). Las docentes femeninas tienden a ver el impacto de manera más positiva (46,67 %) en
comparación con los hombres (41,67 %). Entre los docentes con 11-15 años de experiencia, la percepción es muy
positiva (75,00 %), mientras que los de 1-5 años muestran una visión más equilibrada entre neutral (46,15 %) y
positiva (23,08 %). En cuanto al área de enseñanza, los docentes de ciencias sociales y de ingeniería tienen una
perspectiva positiva predominante, mientras que los de salud y educación parvularia tienen percepciones
positivas más limitadas.
Tabla 3
¿cómo calificaría el impacto de la IA en la personalización del aprendizaje de sus estudiantes?,
por edad, género, años de experiencia docente, área de enseñanza
%
Neutral
(n=9)
%
Positivo
(n=12)
%
Muy
positivo
(n=2)
%
Total
(n=27)
%
Edad
25 - 34 años
12,50%
4
50,00%
2
25,00%
1
12,50%
8
29,63%
35 - 44 años
33,33%
2
22,22%
4
44,44%
-
-
9
33,33%
45 - 54 años
-
2
25,00%
5
62,50%
1
12,50%
8
29,63%
55 - 64 años
-
-
-
1
100,00%
-
-
1
3,70%
65 o más años
-
1
100,00%
-
-
-
-
1
3,70%
Género
Femenino
20,00%
5
33,33%
7
46,67%
-
-
15
55,56%
Masculino
8,33%
4
33,33%
5
41,67%
2
16,67%
12
44,44%
Años de experiencia docente
01 - 05
23,08%
6
46,15%
3
23,08%
1
7,69%
13
48,15%
06 - 10
-
1
25,00%
2
50,00%
1
25,00%
4
14,81%
11 - 15
-
1
25,00%
3
75,00%
-
-
4
14,81%
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 126
%
Neutral
(n=9)
%
Positivo
(n=12)
%
Muy
positivo
(n=2)
%
Total
(n=27)
%
16 - 20
33,33%
-
-
2
66,67%
-
-
3
11,11%
Más de 20
-
1
33,33%
2
66,67%
-
-
3
11,11%
Área de enseñanza
Ciencias Sociales
23,08%
3
23,08%
7
53,85%
-
-
13
48,15%
Educación Parvularia
-
-
-
1
100,00%
-
-
1
3,70%
Humanidades
-
1
50,00%
-
-
1
50,00%
2
7,41%
Ingeniería
12,50%
2
25,00%
4
50,00%
1
12,50%
8
29,63%
Salud
-
3
100,00%
-
-
-
-
3
11,11%
Fuente: Elaboración propia
Tabla 4
¿Cuáles son los principales desafíos que ha encontrado al integrar tecnologías de IA en su enseñanza?,
por edad, género, años de experiencia docente, área de enseñanza
Falta
de cap.
(n=17)
%
Resistencia
al cambio
(n=2)
%
Prob.
técnicos
(n=3)
%
Preoc.
éticas
(n=12)
%
Otros
(n=2)
%
Total
(n=36)
%
Edad
25 - 34 años
4
33,33%
-
-
2
16,67%
5
41,67%
1
8,33%
12
33,33%
35 - 44 años
6
54,55%
1
9,09%
-
-
4
33,33%
-
-
11
30,56%
45 - 54 años
6
60,00%
-
-
1
8,33%
2
16,67%
1
8,33%
10
27,78%
55 - 64 años
-
-
1
100,00%
-
-
-
-
-
-
1
2,78%
65 o más
años
1
50,00%
-
-
-
-
1
8,33%
-
-
2
5,56%
Género
Femenino
10
47,62%
1
4,76%
3
25,00%
6
50,00%
1
8,33%
21
58,33%
Masculino
7
46,67%
1
6,67%
-
-
6
50,00%
1
8,33%
15
41,67%
Años de experiencia docente
01 - 05
6
33,33%
-
-
2
16,67%
9
75,00%
1
8,33%
18
50,00%
06 - 10
2
50,00%
1
25,00%
-
-
-
-
1
8,33%
4
11,11%
11 - 15
4
57,14%
1
14,29%
1
8,33%
1
8,33%
-
-
7
19,44%
16 - 20
2
66,67%
-
-
-
-
1
8,33%
-
-
3
8,33%
Más de 20
3
75,00%
-
-
-
-
1
8,33%
-
-
4
11,11%
Área de enseñanza
Ciencias
Sociales
7
46,67%
-
-
2
16,67%
5
41,67%
1
8,33%
15
41,67%
Educación
Parvularia
1
100,00%
-
-
-
-
-
-
-
-
1
2,78%
Humanidades
2
50,00%
-
-
-
-
2
16,67%
-
-
4
11,11%
Ingeniería
4
36,36%
2
18,18%
1
8,33%
3
25,00%
1
8,33%
11
30,56%
Salud
3
60,00%
-
-
-
-
2
16,67%
-
-
5
13,89%
Fuente: Elaboración propia
La Tabla 4 muestra que los desafíos en la integración de la IA en la enseñanza varían según la edad, género,
experiencia y área de enseñanza. Los docentes jóvenes (25-34 años) reportan principalmente problemas técnicos
y preocupaciones éticas, junto con la falta de capacitación. En contraste, los docentes de 35 a 44 años y de 45 a
54 años destacan la falta de capacitación como el principal desafío, seguido de preocupaciones éticas. En cuanto
al género, tanto hombres como mujeres enfrentan desafíos similares, aunque las mujeres muestran una mayor
preocupación por cuestiones éticas. Los docentes con menos experiencia (1-5 años) mencionan la falta de
capacitación como su mayor desafío, mientras que los más experimentados también enfrentan preocupaciones
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 127
éticas. Los docentes de ciencias sociales e ingeniería, así como los de educación parvularia, destacan la falta de
capacitación como el principal desafío.
3.3. Opiniones y sugerencias
La Tabla 5 revela que el principal beneficio percibido de la IA en la educación universitaria es la "Eficiencia y
Optimización del Tiempo" (25,93 %), indicando mejoras en los procesos académicos. Le sigue la "Mejora de
Contenidos y Acceso a Información" (18,52 %), destacando su potencial para enriquecer los recursos educativos.
"Facilitación Administrativa" y "Preocupaciones y No uso de IA" recibieron un 14,81 % de menciones cada uno,
reflejando tanto beneficios en la administración como reservas sobre la implementación. "Creatividad y
Productividad" y "Apoyo y Complemento Educativo" fueron mencionados por un 11,11 %, sugiriendo beneficios
en estos aspectos, mientras que "Inclusividad y Diversidad de Puntos de Vista" fue el menos mencionado (3,70%),
indicando que no se considera un beneficio principal.
Tabla 5
En su opinión, ¿cuáles son los beneficios más significativos
de utilizar IA en la educación universitaria?
Beneficio/Opinión
Número de menciones
(n=27)
%
Mejora de Contenidos y Acceso a Información
5
18,52%
Eficiencia y Optimización del Tiempo
7
25,93%
Creatividad y Productividad
3
11,11%
Facilitación Administrativa
4
14,81%
Apoyo y Complemento Educativo
3
11,11%
Inclusividad y Diversidad de Puntos de Vista
1
3,70%
Preocupaciones y No uso de IA
4
14,81%
Fuente: Elaboración propia
Según la Tabla 6, la recomendación más frecuente es la "Capacitación (docentes y estudiantes)", con un 46,88 %
de menciones, indicando que los participantes consideran crucial entrenar a ambos grupos en el uso de IA para
su efectiva implementación en la educación. La segunda recomendación es "Ética y uso responsable",
mencionada por un 28,13 % de los participantes, reflejando la necesidad de establecer directrices éticas para el
uso de IA. "Implementación de protocolos" recibió un 12,50 % de menciones, sugiriendo la importancia de crear
protocolos estandarizados para la integración de la IA. Finalmente, "Infraestructura y recursos" y "No sabe /
Ninguna recomendación" fueron mencionados por un 6,25 % cada uno, indicando que algunos ven la necesidad
de infraestructura adecuada, mientras que otros no tienen recomendaciones específicas.
Tabla 6
¿Qué recomendaciones haría para mejorar la implementación
de la IA en la educación universitaria?
Recomendación
Número de menciones
(n=32)
%
Capacitación (docentes y estudiantes)
15
46,88%
Ética y uso responsable
9
28,13%
Implementación de protocolos
4
12,50%
Infraestructura y recursos
2
6,25%
No sabe / Ninguna recomendación
2
6,25%
Fuente: Elaboración propia
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 128
3.4. Discusión
La integración de la inteligencia artificial (IA) en la educación superior ha mostrado un impacto significativo en la
personalización del aprendizaje, la optimización de tareas administrativas y la mejora de la calidad educativa.
Diversos estudios recientes han destacado tanto las ventajas como los desafíos de esta tecnología en el ámbito
educativo.
A continuación, se presenta un análisis comparativo basado en los resultados de un estudio realizado con 27
docentes universitarios, seguido de propuestas basadas en la literatura actual. Esta investigación revela una
adopción casi equitativa de tecnologías de IA entre los docentes encuestados, con un 48.15 % habiendo utilizado
alguna forma de IA y un 51.85 % que no lo ha hecho. Esta división sugiere que, aunque la adopción de IA está
creciendo, aún existen barreras significativas para su implementación más amplia.
En cuanto a la adopción de IA entre los docentes, se observa una clara tendencia según la edad y la experiencia.
Los docentes más jóvenes, especialmente aquellos de 25 a 34 años, destacan por ser los más receptivos a las
tecnologías de IA, con un impresionante 62.50 % de adopción. En contraste, los grupos de 35-44 y 45-54 años
muestran tasas más bajas de adopción, del 33.33 % y 37.50 % respectivamente. Por otro lado, aunque los
docentes mayores de 55 años muestran una adopción del 100 %, representan una minoría en la muestra
analizada.
En cuanto al género, la adopción de IA muestra un equilibrio notable, con un 46.67 % de mujeres y un 50 % de
hombres utilizando estas tecnologías. Esto refleja una ausencia de disparidades significativas en la adopción de
IA entre géneros.
En términos de experiencia docente, los resultados muestran que aquellos con menos años en la enseñanza (1-
5 años) tienen una tasa de adopción del 46.15 %, mientras que los más experimentados (16-20 años) muestran
una mayor adopción, alcanzando el 66.67 %. Sin embargo, los docentes con más de 20 años de experiencia
muestran una menor disposición hacia la IA, con una tasa del 33.33 %.
De los resultados obtenidos se puede proponer lo siguiente:
Capacitación y Formación Continua: Dada la falta de habilidades y conocimientos necesarios para
integrar eficazmente la IA, es crucial desarrollar programas de formación continua y alfabetización digital
para los docentes. Según Granda y Romero (2021), la formación en tecnologías emergentes es esencial
para una implementación exitosa.
Políticas y Normativas Éticas: Para abordar las preocupaciones éticas sobre la privacidad y el uso de
datos, es necesario establecer políticas claras y transparentes. Marín y Tur (2023) sugieren que la
confianza en las tecnologías de IA y la transparencia en su uso son esenciales para su aceptación y éxito.
Inversión en Infraestructuras: La implementación de IA requiere una inversión significativa en
infraestructuras tecnológicas. La OCDE (2020) destaca la importancia de la colaboración entre gobiernos,
instituciones educativas y el sector privado para proporcionar los recursos necesarios.
Innovación Pedagógica: La IA puede ser un aliado poderoso para la innovación pedagógica. Zambrano
et al., (2024) sugiere que la IA ofrece herramientas y recursos que facilitan la mejora continua en la
educación superior.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 129
Apoyo y Promoción: Para superar las barreras de adopción, es necesario continuar promoviendo y
apoyando a los docentes en el uso de IA. Esto incluye la provisión de recursos y el desarrollo de
comunidades de práctica para el intercambio de conocimientos y experiencias.
La IA está revolucionando la calidad educativa al permitir una personalización más profunda del aprendizaje.
Plataformas de aprendizaje adaptativo utilizan algoritmos para ajustar el contenido y la metodología de
enseñanza según las necesidades individuales de los estudiantes (López et al., 2023). Esto no solo optimiza el
proceso de aprendizaje, sino que también mejora la retención de conocimientos y la aplicación práctica de los
conceptos enseñados.
La mayor personalización del aprendizaje es una de las principales ventajas de la IA en la educación universitaria.
Los sistemas de IA pueden adaptarse al ritmo de aprendizaje de cada estudiante, ofreciendo materiales
específicos y retroalimentación instantánea que promueven un aprendizaje más efectivo (European Digital
Education Hub, 2022). Además, la accesibilidad se amplía al ofrecer recursos educativos digitalizados que están
disponibles en cualquier momento y lugar (European Digital Education Hub, 2022).
La eficiencia en la enseñanza también se ve incrementada mediante la automatización de tareas administrativas
y la evaluación de trabajos mediante algoritmos de IA (Minerva Project, 2023). Esto libera tiempo para que los
docentes se enfoquen más en la interacción directa con los estudiantes y en actividades pedagógicas de mayor
valor agregado.
Sin embargo, la implementación de IA en la educación universitaria no está exenta de desafíos significativos.
Problemas éticos como la privacidad de los datos de los estudiantes y la equidad en el acceso a tecnologías
avanzadas son áreas de preocupación creciente (Mora et al., 2023). La dependencia excesiva de la tecnología
también puede generar vulnerabilidades en la calidad educativa si no se maneja adecuadamente.
Las brechas digitales entre diferentes instituciones educativas y regiones del mundo también representan un
desafío importante para la adopción generalizada de IA en la educación superior (Vera, 2023). Garantizar que
todos los estudiantes y docentes tengan acceso equitativo a estas herramientas es crucial para evitar
exacerbaciones de las desigualdades existentes.
La transformación radical que ya están experimentando todas las especialidades y que se incrementará en los
próximos años, bajo la influencia del estallido de capacidades de inteligencia artificial, obliga a redefinir
radicalmente el paradigma educativo. La formación de profesionales ya no se limitará a la memorización de
estándares y reglas establecidas, sino más bien se capacitará a los profesionales para realizar contribuciones
dinámicas y complejas a la sociedad, con un énfasis particular en el desarrollo de habilidades específicas
inspiradas cada vez más por el modelamiento y la experimentación a través del contacto directo con la realidad
o a través de simulaciones (Machicao, 2023).
4. Conclusiones
El estudio revela que la integración de la inteligencia artificial (IA) en la educación universitaria está
transformando la manera en que los docentes abordan la enseñanza y el aprendizaje. Aproximadamente la mitad
de los docentes encuestados (48,15 %) han utilizado tecnologías de IA en su práctica docente, lo que indica una
adopción aún no generalizada. Sin embargo, la IA ofrece beneficios significativos, como la capacidad de
proporcionar retroalimentación instantánea y personalizada a los estudiantes, así como la optimización de tareas
administrativas, liberando tiempo para que los docentes se centren en actividades pedagógicas.
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 130
A pesar de estos beneficios, la implementación de la IA en la educación superior no está exenta de desafíos. Los
principales obstáculos incluyen la falta de formación y capacitación de los docentes, la resistencia al cambio y las
preocupaciones éticas relacionadas con la privacidad y el uso de datos.
Para que las universidades implementen efectivamente la IA, es necesario abordar varios aspectos. En primer
lugar, se deben ofrecer programas de formación y desarrollo continuo que permitan a los docentes adquirir las
habilidades y conocimientos necesarios para integrar de manera efectiva las tecnologías de IA en sus prácticas
pedagógicas. Además, se deben establecer políticas claras y transparentes sobre el uso ético y responsable de la
IA en el contexto educativo, abordando cuestiones de privacidad y protección de datos.
Asimismo, las universidades deben asegurar que cuentan con la infraestructura y los recursos tecnológicos
adecuados para implementar soluciones de IA de manera efectiva. Finalmente, es importante promover la
colaboración entre universidades, gobierno y el sector privado para compartir conocimientos, recursos y mejores
prácticas en la implementación de IA en la educación superior.
Para mejorar la aplicación de IA en la educación superior, se sugiere realizar más investigaciones longitudinales
que evalúen el impacto a largo plazo de la IA en los procesos de enseñanza-aprendizaje y en los resultados
académicos de los estudiantes. Además, se debe explorar en mayor profundidad las percepciones y actitudes de
los docentes hacia la IA, con el fin de identificar barreras específicas y desarrollar estrategias de implementación
más efectivas.
Es fundamental analizar de manera más detallada los aspectos éticos y de privacidad asociados al uso de IA en
la educación, y generar directrices que garanticen su uso responsable y transparente. Finalmente, se recomienda
fomentar la creación de comunidades de práctica entre docentes para compartir experiencias, lecciones
aprendidas y mejores prácticas en la aplicación de soluciones de IA en la educación universitaria.
Referencias bibliográficas
Allaoua-Chelloug, S., Ashfaq, H., Alsuhibany, S., Shorfuzzaman, M., Alsufyani, A., Jalal, A. y Park, J. (2023). Real
objects understanding using 3D haptic virtual reality for e-learning education. Computers, Materials &
Continua, 74(1), 1607-1624. https://doi.org/10.32604/cmc.2023.032245
Arabit-García, J., García-Tudela, P. A. y Prendes-Espinosa, M. P. (2021). Uso de tecnologías avanzadas para la
educación científica. Revista Iberoamericana De Educación, 87(1), 173-194.
https://doi.org/10.35362/rie8714591
Aranda-Corral, G. A., Calmet, J., y Martín-Mateos, F. J. (Eds.). (2014). Artificial Intelligence and Symbolic
Computation. Cham: Springer International Publishing. https://doi.org/10.1007/978-3-319-13770-4
Ayuso-del Puerto, D., y Gutiérrez-Esteban, P. (2022). La Inteligencia Artificial como Recurso Educativo durante
la Formación Inicial del Profesorado. RIED-Revista Iberoamericana de Educación a Distancia, 25(2), pp.
347-362. https://doi.org/10.5944/ried.25.2.32332
Barrera-Arrestegui, L (2012). Fundamentos históricos y filosóficos de la inteligencia artificial. UCV-HACER.
Revista de Investigación y Cultura, 1(1), 87-92. https://bit.ly/3T0AgWw
Barroso, J., Cabero, J., y Moreno, A. M. (2016). La utilización de objetos de aprendizaje en realidad aumentada
en la enseñanza de la medicina. International Journal of Technology and Educational Innovation, 2(2), 77-
83. https://doi.org/10.20548/innoeduca.2016.v2i2.2028
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 131
Bedoya, J. R., Betancourt, M. O., y Villa, F. L. (2018). Creación de una comunidad de práctica para la formación
de docentes en la integración de las TIC a los procesos de aprendizaje y enseñanza de lenguas extranjeras.
Íkala. Revista de Lenguaje y Cultura, 23(1), 121-139. https://doi.org/10.17533/udea.ikala.v23n01a09
Binh, H., Trung, N. y Duy, B. (2021). Responsive student model in an intelligent tutoring system and its
evaluation. Education and information technologies, 26, 4969-4991. https://doi.org/10.1007/s10639-021-
10485-4
Bonami, B., Piazentini, L. y . Dala-Possa, A. (2020). Educación, Big Data e Inteligencia Artificial: Metodologías
mixtas en plataformas digitales. Comunicar, 28(65), 43-52. https://doi.org/10.3916/C65-2020-04
Brazdil, P., y Jorge, A. (Eds.). (2001). Progress in Artificial Intelligence: Knowledge Extraction, Multi-agent
Systems,Logic Programming, and Constraint Solving. Berlin, Heidelberg: Springer Berlin Heidelberg.
https://doi.org/10.1007/3-540-45329-6
Castillo-González, W. (2022). ChatGPT y el futuro de la comunicación científica. Metaverse Basic and Applied
Research, 1(8). https://doi.org/10.56294/mr20228
Castrillón, O. D., Sarache, W., y Ruiz-Herrera, S. (2020). Prediction of academic performance using
artificial intelligence techniques. Formacion Universitaria, 13(1), 93-102.
https://doi.org/10.4067/S0718-50062020000100093
Cordeiro, R., Souza, A., y Paulo, C. De. (2023). Impacts of technology on children ’ s health : a systematic review
Impactos da tecnologia na saúde infantil : revisão sistemática. Sociedade de Pediatria de São Paulo, 41, 1-
8. https://doi.org/10.1590/1984-0462/2023/41/2020504
Cukurova, M., Kent, C., y Luckin, R. (2019). Artificial intelligence and multimodal data in the service of
human decision-making: A case study in debate tutoring. British Journal of Educational Technology,
50(6), 3032-3046. https://doi.org/10.1111/bjet.12829
De Sousa Mendes, D., de Lima, M. R., & Reis de Freitas, T. A. (2022). Gamificación, “No tengo ni idea de lo que
es”: un estudio en la Formación Inicial del Profesorado de Educación Física. Alteridad. Revista de
Educación, 17(1), 12-27. https://doi.org/10.17163/alt.v17n1.2022.01
Eaton, E., Koenig, S., Schulz, C., Maurelli, F., Lee, J., Eckroth, J., Crowley, M., Freedman, R. G., Cardona, R. E.,
Machado, T., y Williams, T. (2018). Blue Sky Ideas in Artificial Intelligence Education from the EAAI 2017
New and Future AI Educator Program. AI Matter, 3(4), 23-31. https://doi.org/10.1145/3175502.3175509
European Digital Education Hub. (2022). Teaching with AI – Assessment, Feedback and Personalisation. Briefing
report No. 7. URL: https://www.indire.it/wp-content/uploads/2023/06/Teaching-with-AI-%E2%80%93-
Assessment-Feedback-and-Personalisation-7.pdf
Fernández-Robles, B. (2017). La utilización de objetos de aprendizaje de realidad aumentada en la enseñanza
universitaria de educación primaria. International Journal of Educational Research and Innovation, 9, 90-
104. https://bit.ly/3E15wua
Ferrada, C., Díaz-Levicoy, D., (2018). Análisis de actividades STEM en libros de texto chilenos y españoles.
Revista de Pedagogía, 39(105), 111-13. http://saber.ucv.ve/ojs/index.php/rev_ped/article/view/16529
Ferrada, C., Carrillo-Rosúa, J., Díaz-Levicoy, D. y Silva-Díaz, F. (2020). La robótica desde las áreas STEM en
Educación Primaria: una revisión sistemática. Education in the Knowledge Society, 21(22), 1-18.
https://doi.org/10.14201/eks.22036
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 132
Flores, F., Capuñay Sánchez, D., Estela Urbina, R., Valles Coral, M., Vergara Medrano, S., & Elera Gonzales, D.
(2022). Inteligencia artificial en educación: una revisión de la literatura en revistas científicas
internacionales. Apuntes Universitarios, 12(1), 135-152. https://doi.org/10.17162/au.v12i1.974
Forero-Corba, W. y Negre-Bennasar, F. (2023). Técnicas y aplicaciones del Machine Learning e Inteligencia
Artificial en educación: una revisión sistemática. RIED-Revista Iberoamericana De Educación a Distancia,
27(1). https://doi.org/10.5944/ried.27.1.37491
García-Peña, V., Mora-Marcillo, A., & Ávila-Ramírez, J. (2020). La inteligencia artificial en la educación. Dominio
de las Ciencias, 6(3), 648-666. https://dominiodelasciencias.com/ojs/index.php/es/article/view/1421
García-Peñalbo, F. (2023). La percepción de la Inteligencia Artificial en contextos educativos tras el lanzamiento
de ChatGPT: Disrupción o Pánico. Education in the Knowledge Society, 24, 1-9.
https://doi.org/10.14201/eks.31279
Gil, J., García, E., y Rodríguez, G. (1996). Análisis de respuestas libres en los cuestionarios. El método de las
especificidades. Revista Investigación Educativa, 14(1), 129-147. https://bit.ly/3IrzFUY
Girò Gràcia, X. y Sancho-Gil, J. (2021). Artificial Intelligence in Education: Big Data, Black Boxes, and
Technological Solutionism. Seminar.net, 17(2). https://doi.org/10.7577/seminar.4281
González, C. (2023). El impacto de la inteligencia artificial en la educación: transformación de la forma de
enseñar y de aprender. Revista Qurriculum, 36, 51-60. https://doi.org/10.25145/j.qurricul.2023.36.03
González-Calatayud, V., Prendes-Espinosa, P. y Roig-Vila, R. (2021). Artificial Intelligence for student
assessment: a systematic review. Applied Sciences, 11(12), 1-16. https://doi.org/10.3390/app11125467
Granda Asencio, L. Y., Romero Jaramillo, L. A., & Játiva Macas, D. F. (2021). El docente y la alfabetización digital
en la educación del siglo XXI. Sociedad & Tecnología, 4(S2), 377–390.
https://doi.org/10.51247/st.v4iS2.158
Guerrero-Bejarano, M. A. (2016). La investigación cualitativa. INNOVA Research Journal, 1(2), 1-9.
https://doi.org/10.33890/innova.v1.n2.2016.7
Guevara, G., Verdesoto, A., y Castro, N. (2020). Metodologías de investigación educativa (descriptivas,
experimentales, participativas, y de investigación-acción. Recimundo, 4(3), 163-173.
https://recimundo.com/index.php/es/article/view/860
Gutiérrez-Castillo, J. J., Cabero, J., y Estrada, L. I. (2016). Diseño y validación de un instrumento de evaluación
de la competencia digital del estudiante universitario. Revista ESPACIOS, 38(10), 1-27.
https://bit.ly/3658LoB
Hernández, R.; Fernández, C. y Baptista, P. (2014). Metodología de la investigación. 6.ª ed. México DF: McGraw-
Hill. https://dialnet.unirioja.es/servlet/libro?codigo=775008
Huerta, R., & Domínguez, R. (2023). Inteligencia Artificial. Sinergias entre humanos y algoritmos creativos.
Educación artística: Revista De investigación, (14), 9–25. https://doi.org/10.7203/eari.14.27945
Kaklauskas, A. (2015). Student progress assessment with the help of an intelligent pupil analysis system.
Engineering Applications of Artificial Intelligence, 26, 35-50.
https://doi.org/10.1016/j.engappai.2012.01.006
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 133
León, G. C., y Viña, S. M. (2017). La inteligencia artificial en la educación superior. Oportunidades y Amenazas.
INNOVA Research Journal, 2(8), 412-422. https://doi.org/10.33890/innova.v2.n8.1.2017.399
López López, H. L., Rivera Escalera, A., & Cruz García, C. R. . (2023). Personalización del aprendizaje con
inteligencia artificial en la educación superior. Revista Digital De Tecnologías Informáticas Y Sistemas, 7(1),
123–128. https://doi.org/10.61530/redtis.vol7.n1.2023.165.123-128
Machicao, J. (2023). Impacto de la IA en la evolución cognitiva de la educación superior.
http://dx.doi.org/10.13140/RG.2.2.16827.59684
Marín, V. I., & Tur, G. (2023). La privacidad de los datos en Tecnología Educativa: resultados de una revisión de
alcance. Edutec, Revista Electrónica De Tecnología Educativa, (83), 7–23.
https://doi.org/10.21556/edutec.2023.83.2701
Martín, A., y Grudzjecki, J. (2015). DigEuLit: Concepts and Tools for Digital Literacy Development. Innovation in
Teaching and Learning in Information and Computer Sciences, 5(4), 249-267.
https://doi.org/10.11120/ital.2006.05040249
Martínez-Pérez, S., y Fernández-Robles, B. (2018). Objetos de Realidad Aumentada: Percepciones del alumnado
de pedagogía. Pixel-Bit. Revista de Medios y Educación, 53, 207-220.
https://doi.org/10.12795/pixelbit.2018.i53.14
Martínez-Ruiz, X. (2019). La industria 4.0. y las pedagogías digitales: aporías e implicaciones para la educación
superior. Innovación Educativa, 19(79), 7-12. https://bit.ly/3caSiyD
Minerva Project. (2023). Integrating Artificial Intelligence: Key Strategies for Higher Education. Url:
https://www.minervaproject.com/white-paper/integrating-artificial-intelligence
Mora Naranjo , B. M., Aroca Izurieta , C. E., Tiban Leica , L. R., Sánchez Morrillo , C. F., & Jiménez Salazar , A.
(2023). Ética y Responsabilidad en la Implementación de la Inteligencia Artificial en la Educación. Ciencia
Latina Revista Científica Multidisciplinar, 7(6), 2054-2076. https://doi.org/10.37811/cl_rcm.v7i6.8833
Moreno-Padilla, R. (2019). La llegada de la inteligencia artificial a la educación. RITI Journal, 7(14), 260-270. doi:
https://doi.org/10.36825/RITI.07.14.022
Ocaña-Fernández, Y., Valenzuela-Fernández, L., & Garro-Aburto, L. (2019). Inteligencia artificial y sus
implicaciones en la educación superior. Propósitos y Representaciones, 7(2), 536-568.
http://dx.doi.org/10.20511/pyr2019.v7n2.274
OCDE. (2020). Aprovechar al máximo la tecnología para el aprendizaje y la formación en América Latina.
https://www.fundaciontelefonica.cl/cultura-digital/publicaciones/aprovechar-al-maximo-la-tecnologia-
para-el-aprendizaje-y-la-formacion-en-america-latina/718/
Osorio Umaña, F. (2022). Inteligencia artificial y derecho de autor: un estudio sobre la regulación británica.
Revista Justicia & Derecho, 5(1), 1-15. https://doi.org/10.32457/rjyd.v5i1.1833
Padilla, A., Gámiz, V., y Romero, M. (2020). Evolución de la competencia digital docente del profesorado
universitario: incidentes críticos a partir de relatos de vida. Educar, 56(1), 109-27.
https://doi.org/10.5565/rev/educar.1088
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 134
Parra-Sánchez, J. (2022). Potencialidades de la Inteligencia Artificial en Educación Superior: Un Enfoque desde
la Personalización. Revista Tecnológica-Educativa Docentes 2.0, 14(1), 19-27.
https://doi.org/10.37843/rted.v14i1.296
Peñaherrera, W., Cunuhay, W., Nata, D., Y Moreira, L. (2022). Implementación de la Inteligencia Artificial (IA)
como Recurso Educativo. Recimundo (2), 402-413.
https://recimundo.com/index.php/es/article/view/1586
Pérez, M., Carbonell, M., & Fontanillas, T. (2014). La construcción colaborativa de proyectos como metodología
para adquirir competencias digitales. Comunicar: Revista científica iberoamericana de comunicación y
educación, 21 (42), 15-24. Doi: https://doi.org/10.3916/C42-2014-01
Pérez-Ortega, I. (2017). Creación de Recursos Educativos Digitales: Reflexiones sobre Innovación Educativa con
TIC. Revista Internacional de Sociología de la Educación, 6(2), 243-268.
https://doi.org/10.17583/rise.2017.2544
Piedra J., Salazar I., Vilchez C., Cortez H., García B., Amaya K. (2023) La Inteligencia Artificial al servicio de la
gestión y la implementación en la educación, Editorial Mar Caribe de Josefrank Pernalete Lugo. Perú.
https://osf.io/preprints/osf/z2y7c
Popenici, S., y 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).
https://doi.org/10.1186/s41039-017-0062-8
Prendes-Espinosa, M.P. y Cerdán-Cartagena, F. (2021). Tecnologías avanzadas para afrontar el reto de la
innovación educativa. RIED: revista iberoamericana de educación a distancia, 24(1), 35-53.
https://doi.org/10.5944/ried.24.1.28415
Rampton, V., Mittelman, M., y Goldhahn, J. (2020). Implications of artificial intelligence for medical
education. The Lancet Digital Health, 2(3), e111-e112. https://doi.org/10.1016/S2589-7500(20)30023-6
Renz, A., y Hilbig, R. (2020). Prerequisites for artificial intelligence in further education: Identification of
drivers, barriers, and business models of educational technology companies. International Journal
of Educational Technology in Higher Education, 17(1). https://doi.org/10.1186/s41239-020-00193-3
Riel, M., y Polin, L (2004). Online Learning Communities: Common Ground and Critical Differences in Designing
Technical Support. En S. Barab, R. Kling y J. Gray (Eds.), Designing for Virtual Communities in the Service of
Learning (pp. 16-52). Cambridge University Press. https://doi.org/10.1017/CBO9780511805080.006
Sánchez-Vila, E., y Lama, M. (2007). Monografía: Técnicas de la Inteligencia Artificial Aplicadas a la Educación
Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial, 11(33), 7-12.
https://bit.ly/3FVMZA4
Silva-Díaz, F., Fernández-Ferrer, G., Vásquez-Vilchez, M., Ferrada, C., Narváez, R. y Carrillo-Rosúa, J. (2022).
Tecnologías emergentes en la educación STEM. Análisis bibliométrico de publicaciones en Scopus y WoS
(2010-2020). Bordón, Revista de Pedagogía, 74(4), 25-44. https://doi.org/10.13042/Bordon.2022.94198
Soong, T. K., y Ho, C.-M. (2021). Artificial intelligence in medical OSCEs: Reflections and future developments.
Advances in Medical Education and Practice, 12, 167-173.
https://doi.org/10.2147/AMEP.S287926
ISSN-L: 0798-1015 • eISSN: 2739-0071 (En línea) - Revista Espacios – Vol. 45, Nº 5, Año 2024 • Sep-Oct
KROFF F.J. et al. «Inteligencia Artificial en la educación universitaria: Innovaciones, desafíos y
oportunidades»
Pag. 135
UNESCO (2019). Consenso de Beijing. Sobre la inteligencia artificial y la educación. UNESCO.
https://bit.ly/3ik0Fel
United Nations (2015). Transforming Our World: the 2030 Agenda for Sustainable Development. UN Publishing.
https://bit.ly/2YkMS0a
Vega-Lebrún, C. A., Sánchez Cuevas, M., Rosano Ortega, G., & Amador Pérez, S. E. (2021). Competencias
docentes, una innovación en ambientes virtuales de aprendizaje en educación superior. Apertura, 13(2), 6-
21. https://doi.org/10.32870/Ap.v13n2.2061
Vera, F. (2023). Integración de la Inteligencia Artificial en la Educación superior: Desafíos y oportunidades.
Transformar, 4(1), 17–34. Recuperado a partir de
https://revistatransformar.cl/index.php/transformar/article/view/84
Vila, E., y Penín, M. (2007). Introduction to special issue AI techniches applied in education. Inteligencia
Artificial, 11(33), 7-12.
https://www.researchgate.net/publication/220071842_Introduction_to_Special_Issue_AI_Techniches_ap
plied_in_Education/references
Yang, F. (2018). Study on student performance estimation, student progress analysis, and student potential
prediction based on data mining. Computers & Education, 123, 97-108.
https://doi.org/10.1016/j.compedu.2018.04.006
Zambrano, R. M. F., Álvarez, R. A. G., Bustamante, J. B. P., & Mosquera, I. V. P. (2024). Hacia una educación
inteligente: IA y transformación pedagógica. Polo del Conocimiento, 9(6), 1074-1085.
https://polodelconocimiento.com/ojs/index.php/es/article/view/7373
Zawacki-Richter, O., Marín, V. I., Bond, M., y Gouverneur, F. (2019). Systematic review of research on
artificial intelligence applications in higher education –where are the educators? International Journal
of Educational Technology in Higher Education, 16(1). https://doi.org/10.1186/s41239-019-0171-0
Zhang, X. D. (2020). Machine Learning. En X. D. Zhang (Ed.), A Matrix Algebra Approach to Artificial Intelligence
(pp. 223-440). Springer. https://doi.org/10.1007/978-981-15-2770-8_6
Esta obra está bajo una Licencia Creative Commons
Atribución-NoComercial 4.0 Internacional