|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
21
9
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
220
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
221
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
222
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
223
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
224
(González
-
Rivas, 2025)
Uso de la Inteligencia
Artificial Generativa
(iagen) en el proceso de
enseñanza
-
aprendizaje en
la Licenciatura en
Administración
México
(Universidad
de
Guadalajara
–
CUNorte)
• Necesidad de capacitación en
uso responsable de IAG.
• Beneficios: personalización
del aprendizaje, evaluación ágil,
creación de recursos y apoyo
en tutorías.
• Riesgos: sesgos, veracidad de
información,
dependencia
tecnológica, problemas éticos y
de integridad académica.
• Estudiantes y docentes
muestran interés, pero poco
conocimiento formal y falta de
normativa institucional.
Ofrece evidencia empírica
reciente sobre uso real de IAG
en educación superior
; aporta
datos sobre percepciones,
beneficios y riesgos éticos, útil
para analizar impacto y
desafíos.
(Puche
-
Villalobos,
2024)
Inteligencia artificial como
herramienta educativa:
ventajas y desventajas
desde la pe
rspectiva
docente
Venezuela
(Universidad
Central de
Venezuela y
Universidad
del Zulia)
mejora de la
enseñanza (54.5%), desarrollo
del pensamiento crítico
(52.2%), automatización de
tareas, personalización del
aprendizaje, acceso a
información, organización del
tiempo e
innovación.
riesgo
de plagio automatizado
(71.5%), respuesta
s
automatizadas (81.8%), engaño
en la identidad (40.9%),
generación de contenido falso
(88.6%); preocupación por
pérdida de autonomía y
habilidades analíticas.
A
porta evidencia empírica
sólida sobre percepción
docente; analiza ventajas,
riesgos éticos y ef
ectos
educativos de la IA; permite
comprender tensiones entre
beneficios y amenazas en su
implementación.
(García
-
Peñalvo et
al.,
2024)
Innovación educativa
mediada por ChatGPT
como herramienta
tecnológica
Ecuador
(Universidad
Católica de
Cuenca)
• ChatGPT
facilita comprensión,
creatividad, retroalimentación
inmediata, apoyo en tareas y
accesibilidad.
• Favorece la innovación
educativa mediante nuevas
formas de interacción docente
–
estudiante.
• Riesgos: dependencia
tecnológica, desinformación,
superficialid
ad en aprendizajes,
disminución del pensamiento
crítico, escasez de regulación
institucional.
• Se concluye que su
implementación debe ser
guiada por alfabetización digital
y ética.
Aporta un marco conceptual
sobre el uso de IAG (ChatGPT)
en innovación edu
cativa;
identifica beneficios, riesgos y
condiciones necesarias, útil
para tu análisis en diseño
instruccional y materiales
educativos.
(Gallent
-
Torres et
al.,
2023)
El impacto de la
inteligencia artificial
generativa en educación
superior: una mirada
desde la ética y la
integridad académica
España y
México
(afiliaciones
de los
autores)
•
La IAG transforma procesos
de enseñanza
–
aprendizaje,
pero presenta riesgos éticos
significativos: plagio, fraude
académico, sesgos, información
falsa, falta de transparencia y
privacidad.
• El alumnado puede usar la
IAG de forma indebida por
facilidad de a
cceso y bajo
costo.
• El profesorado enfrenta
dilemas éticos, riesgo de
Aporta un análisis profundo
sobre ética, integridad
académica y desafíos
institucionales; es altamente
pertinente para estudios sobre
impacto de la IAG en diseño
instru
ccional y transformación
del contenido educativo.
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
225
dependencia y necesidad de
formación.
• Las instituciones carecen de
políticas claras; deben
desarrollar marcos éticos,
normativas, capacitación y
estrategias de integración
responsabl
e.
• Se proponen medidas
pedagógicas para integrar la
IAG de manera ética y
sostenible.
(Sánchez
-
Prieto et
al.,
2025)
Inteligencia artificial
generativa para
autoaprendizaje en
educación
superior:
Diseño y validación de una
máquina de ejemplos
España
(Universidad
de
Salamanca)
• Los prompts simples
funcionaron mejor que los
complejos.
• Alta satisfacción y percepción
de utilidad por parte de
estudiantes (medias ≥ 7).
• Diferencias por géne
ro:
mujeres perciben mayor
utilidad en varios ítems.
• Los grupos donde la IA
cometió errores valoraron
mejor la herramienta.
• ChatGPT presenta
dificultades en tareas lógicas
complejas (p. ej., identificación
de muestreos).
Aporta evidencia empírica
robusta sobre uso real de IAG
para autoaprendizaje y diseño
de ejemplos; ofrece análisis
detallado de interacción
humano
–
IA que es clave para
comprender adaptabilidad de
materiales educativos.
(Kalniņa et
al.,
2024)
Artificial intelligence for
higher education: benefits
and challenges for pre
-
service teachers
Letonia
(University of
Latvia, Faculty
of Educational
Sciences)
• Solo 43% usa IA para
estudiar; 23% ha usado
ChatGPT.
• Ben
eficios percibidos (≥70%):
reducción de barreras
lingüísticas, accesibilidad a
conocimiento global, apoyo a
estudiantes con discapacidad
(p.7, Fig.3).
• Riesgos percibidos (≥60%):
pereza, reducción del esfuerzo,
plagio, debilitamiento del
pensamiento críti
co (p.9, Fig.4).
• No existen diferencias
significativas entre edad,
género o nivel de estudio en
percepciones sobre IA.
• Futuro docente reconoce que
IA podría apoyar inclusión, pero
55
–
57% nunca la usa para ello
(p.7
–
8, Fig.6).
• Correlación baja entre
uso de
IA como estudiante y uso
profesional (Tabla 1).
Aporta evidencia empírica
robusta sobre percepciones,
prácticas reales y brechas en el
uso de IA. Es clave para discutir
barreras, brechas de adopción,
alfabetización digital docente y
contradicciones
entre discurso
y práctica.
(Abri et
al.,
2025)
Exploring the implications
of generative
-
AI tools in
teaching and learning
practices
Omán (Sultan
Qaboos
University)
•
Estudiantes muestran actitud
positiva hacia GAI y menor
tiempo requerido para tareas.
• GAI mejora productividad,
creatividad y acceso a recursos
interactivos.
• Riesgos: calidad limitada del
contenido, falta de
autenticidad, voces artificiales,
errores en
videos.
• Limitaciones técnicas:
interfaces complejas, versiones
gratuitas restrictivas.
• Cuestiones éticas: plagio,
privacidad, manejo de datos,
necesidad de políticas
institucionales.
Aporta evidencia empírica
integral sobre el uso real de
IAG en el aula; útil para analizar
beneficios, riesgos, impacto
académico, percepciones
estudiantiles y condic
iones de
implementación responsable.
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
226
• Prueba t indica diferencia
significativa pre/post en
desempeño aca
démico.
• Estudiantes combinan
herramientas tradicionales con
GAI por mayor flexibilidad.
(Aljabr & Al
-
Ahdal, 2024)
Ethical and pedagogical
implications of AI in
language education: An
empirical study at Ha'il
University
Arabia
Saudita
(Universidad
de Ha'il y
Universidad
de Qassim)
• Percepción alta sobre uso
ético de IA (M=3.49).
• Percepción alta sobre
impactos pedagógicos
(M=3.84).
• Soluciones éticas: formación,
regulación del entorno,
detectores de plagio,
reformulación de evaluaciones.
• Impactos pedagógicos: apoyo
a
lectura/escritura,
retroalimentación,
personalización, actividades
interactivas, pensamiento
crítico.
• Docentes valoran IA como
herramienta de apoyo, no
sustituto.
• Se identifican desafíos:
sesgos, privacidad, honestidad
académica, falta de políticas
cla
ras.
Ofrece evidencia empírica
sólida sobre ética, pedagogía,
percepciones docentes y
recomendaciones
institucionales. Es fundamental
para comprender tensiones y
oportunidades en la
implementación de IA
generativa en educación.
(López
-
Vasco
et
al., 2025)
Formación docente en IA
Generativa: impacto ético
y retos en educación
superior
Ecuador y
Venezuela
(por
afiliaciones
institucionales
de los
autores)
• Incremento sig
nificativo en
conocimiento técnico (M=2.62
→ 4.22, d=0.85).
• Actitud docente más positiva
(M=3.63 → 4.02, d=0.52).
• Sin cambios relevantes en
percepción de originalidad
(p=0.41).
• Preocupaciones persistentes
sobre plagio, autenticidad y
privacidad.
• Se
identifican brechas
institucionales y desigualdades
tecnológicas entre
universidades.
Proporciona evidencia empírica
robusta sobre formación
docente en IAG, impacto en
competencias digitales,
desafíos éticos y percepción
sobre originalidad. Es
fundamental
para analizar la
adopción de IAG y el rediseño
del rol docente y del contenido
educativo.
(Matsiola
et
al., 2024)
Generative AI in
Education: Assessing
Usability, Ethical
Implications, and
Communication
Effectiveness
Grecia
(University of
Western
Macedonia)
• Los estudiantes valoran
positivamente la facilidad de
uso, creativ
idad y rapidez de las
herramientas de IAG.
• Riesgos percibidos:
desinformación, privacidad,
baja transparencia y posibles
engaños (deepfakes).
• Se reconoce la utilidad
pedagógica: mejora de
comprensión, creatividad,
autonomía y habilidades
técnicas.
• Pa
ra comunicación, las
herramientas se consideran
potentes, pero no sustituyen el
criterio humano ni la
originalidad.
• Limitantes: restricciones de
versiones gratuitas, problemas
con el idioma griego, falta de
experiencia previa.
Aporta evidencia profunda
sobre percepciones
estudiantiles, riesgos éticos,
usabilidad y aplicación en
contextos comunicativos. Es
clave para analizar
implicaciones pedagógicas y
des
afíos en la implementación
de IAG en educación superior.
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
227
• Relevancia ética:
preocup
ación por perfiles
digitales, trazabilidad y
manipulación de información.
(Mahmoud &
Sørensen,
2024)
Artificial Intelligence in
Personalized Learning with
a Focus on Current
Developments and Future
Prospects
República
Checa
(Palacký
University
Olomouc;
Masaryk
University)
• La IA impulsa
sistemas
adaptativos, tutores
inteligentes y analíticas de
aprendizaje avanzadas.
• Permite rutas personalizadas,
predicción de dificultades,
recomendaciones y creación de
experiencias instruccionales
nuevas.
• Riesgos relevantes:
privacidad, sesgos, brec
has de
acceso y desafíos en el rol
docente.
• Futuro: IA generativa para
creación de contenidos, uso
combinado con VR/AR,
personalización a lo largo de la
vida, análisis más holístico del
aprendizaje.
Proporciona una visión macro
del aprendizaje personaliz
ado
con IA; es fundamental para
contextualizar la transición del
diseño instruccional tradicional
hacia enfoques dinámicos,
adaptativos y centrados en el
estudiante.
(Tata et
al.,
2025)
Navigating the Generative
AI Revolution in
Education: A Systematic
Review of Applications,
Ethical Considerations,
and Future Directions
Indonesi
a
(Bina Darma
University,
Palembang)
• La IA generativa se aplica
sobre todo a educación
superior y ciencias.
• Beneficios: personalización,
contenido interactivo,
evaluaciones adaptativas,
apoyo docente.
• Riesgos: privacidad, sesgos,
plagio, dependencia
excesiva,
brechas tecnológicas.
• Falta de estudios en
contextos no occidentales.
• Solo 20% aborda marcos
regulatorios y políticas
institucionales.
• Necesidad de alfabetización
en IA y lineamientos éticos
institucionales.
Ofrece un mapa global y muy
actualizado del uso de IAG en
educación; es esencial para
comparar tendencias,
identificar brechas,
comprender
beneficios/limitaciones y
contextualizar el tránsito desde
el diseño instruccional
tradicional a contenidos
dinámicos generados por IA.
(Nikolopoulou,
2024)
Generative Artificial
Intelligence
in Higher
Education: Exploring Ways
of Harnessing Pedagogical
Practices with the
Assistance of ChatGPT
Grecia
(National and
Kapodistrian
University of
Athens)
• La IAG puede apoyar:
aprendizaje personalizado,
evaluación automatizada,
creación de contenido,
asistencia virtual, traducción,
soporte investigativo,
simulaciones, laboratorios
virtuales, colaboración y
accesibilidad.
• Alta utilidad como asistente
para generar ideas, borradores
y sugerencias pedagógicas.
• Necesidad de evaluación
humana para evita
r errores,
sesgos y contenido no fiable.
• IAG es complemento y no
sustituto del docente.
• Implicaciones éticas:
privacidad, sesgos,
transparencia, integridad
académica y brecha digital.
Ofrece un análisis detallado de
múltiples usos pedagógicos de
la IAG
y destaca tensiones
éticas clave. Es útil para
fundamentar la transición hacia
contenidos dinámicos y la
reconfiguración del rol
docente.
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
228
(Wood &
Moss, 2024)
Evaluating the impact of
students’ generative AI
use in educational
contexts
Estados
Unidos
(National
University
System,
California)
• Incremento notable en
comodidad con GenAI: del
37.5% al 100% en niveles
altos
(Figuras 3 y 4, pág. 159
–
160).
• Mayor comprensión ética:
nivel máximo sube de 12.5% a
60%
.• Reflexiones expresan
crecimiento profesional,
mejora del pensamiento crítico
y estrategias pedagógicas
avanzadas (pág. 160
–
161).
• Packback mejoró la calida
d de
participación y comprensión de
GenAI.
• La mayoría se ubicó en el
nivel AI
-
Directed/Ideas,
coherente con poca
experiencia previa (pág. 159).
• Temas emergentes (Fig. 5,
pág. 161): estrategias docentes,
aplicaciones reales, crecimiento
profesional, des
afíos y
aprendizaje continuo.
Estudio profundo que evidencia
cambios reales en
percepciones, alfabetización en
GenAI, competencias éticas y
estrategias docentes. Es crucial
para comprender cómo la IAG
transforma el diseño
instruccional, la formación de
doc
entes y la interacción
estudiante
–
IA.
(Cortez
-
Granizo
, 2025)
Impacto de la inteligencia
artificial generativa en la
mejora del rendimiento
académico y la
retroalimentación
personalizada en
estudiantes universitarios
Ecuador
(Universidad
Internacional
de La Rioja
–
sede Milagro)
• Alta frecuencia de uso de
IA:
3
–
6 veces por semana (Fig. 1,
pág. 5).
• Altas valoraciones de utilidad:
resolución de tareas (4.5),
retroalimentación inmediata
(4.3), claridad conceptual (4.2),
autonomía (4.0) (Fig. 2, pág. 6).
• 80% reporta mejoras
académicas; 38% mejora
notable,
42% moderada (Fig. 3,
pág. 6
–
7).
• IA favorece autonomía,
comprensión profunda,
regulación del aprendizaje y
reducción de incertidumbre.
• IA se integra como recurso
habitual y esencial del
aprendizaje universitario.
Aporta evidencia empírica
actual sobre
impacto real de
IAG en rendimiento,
retroalimentación y
personalización del
aprendizaje; es clave para
conectar el papel de la IAG con
el tránsito hacia contenidos
dinámicos en educación
superior.
(Perezchica
-
Vega et
al.,
2024)
Inteligencia artificial
generativa en la educació
n
superior: usos y opiniones
de los profesores
México
(Universidad
Autónoma de
Baja California
–
UABC)
• Preocupación principal:
integridad académica
(exámenes y tareas resueltas
con IAG).
• Interés en usos positivos:
análisis de datos, generación
audiovis
ual, diseño de
proyectos.
• Mayor uso
personal/profesional de
ChatGPT y Grammarly; bajo uso
de IAG audiovisual.
• En docencia, se usa IAG para
materiales, actividades y
evaluación, pero con
moderación.
• 52% no ha realizado ajustes
en evaluación pese a los
riesgos.
• Formación recibida:
webinars, exploración personal
y cursos institucionales.
• Los docentes se perciben
capaces de adaptarse, pero
consideran insuficiente la
oferta formativa.
Estudio robusto y reciente que
muestra actitudes reales del
profesor
ado, niveles de
adopción, preocupaciones
éticas, prácticas docentes y
brechas formativas; es clave
para discutir el rol docente y la
transición hacia contenidos
dinámicos generados con IAG.
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
229
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
230
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
231
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
232
|
Vol.0
3
| Núm.
E1
|
Dic
| 2025
|
www.innovasciencejournal.omeditorial.com
233