Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
1
Artículo Científico
La inteligencia artificial como agente de innovación
pedagógica orientada a la personalización del aprendizaje
en educación superior.
Artificial Intelligence as an Agent of Pedagogical Innovation for Personalized
Learning in Higher Education.
Jácome-Jácome, Jenny Paulina1.
1 Universidad Tecnológica Equinoccial (UTE); Ecuador, Quito; https://orcid.org/0000-
0003-0314-7246; jenny.jacome@ute.edu.ec
1 Autor Correspondencia
https://doi.org/10.63618/omd/isj/v4/n1/205
Resumen: La presente investigación analiza el papel de la inteligencia
artificial como agente de innovación pedagógica orientado a la
personalización del aprendizaje en la educación superior. Se desarrolla una
revisión documental sistemática basada en el protocolo PRISMA 2020, que
integra veinte estudios publicados entre 2022 y 2025 en bases de datos
académicas internacionales. Los resultados muestran que la IA favorece el
aprendizaje autónomo, la autorregulación y la adaptación de los contenidos
a las características del estudiante, al tiempo que plantea retos éticos,
formativos y tecnológicos. Se identifican tres dimensiones analíticas teórica,
práctica y ética-pedagógica que permiten comprender el papel de la IA como
mediadora cognitiva en la enseñanza superior. Se concluye que la
integración crítica y responsable de la IA impulsa una educación más
inclusiva, personalizada y sostenible.
Palabras clave: inteligencia artificial; innovación pedagógica;
personalización del aprendizaje; educación superior; sostenibilidad
educativa.
Abstract: This research analyzes the role of artificial intelligence (AI) as an
agent of pedagogical innovation aimed at the personalization of learning in
higher education. A systematic documentary review was carried out based
on the PRISMA 2020 protocol, integrating twenty studies published between
2022 and 2025 in international academic databases. The results show that
AI promotes autonomous learning, self-regulation, and the adaptation of
content to students’ characteristics, while also posing ethical, pedagogical,
and technological challenges. Three analytical dimensions theoretical,
practical, and ethical-pedagogical are identified, allowing a comprehensive
understanding of AI’s role as a cognitive mediator in higher education. It is
concluded that the critical and responsible integration of AI fosters a more
inclusive, personalized, and sustainable education.
Keywords: artificial intelligence; pedagogical innovation; personalized
learning; higher education; educational sustainability
Cita: Jácome-Jácome, J. P.
(2026). La inteligencia artificial
como agente de innovación
pedagógica orientada a la
personalización del aprendizaje
en educación superior. Innova
Science Journal, 4(1), 1-
19. https://doi.org/10.63618/omd/i
sj/v4/n1/205
Recibido: 10/09/2025
Aceptado: 07/11/2025
Publicado: 31/01/2026
Copyright: © 2026 por los
autores. Este artículo es un
artículo de acceso abierto
distribuido bajo los términos y
condiciones de la Licencia
Creative Commons, Atribución-
NoComercial 4.0 Internacional. (CC
BY-NC).
(https://creativecommons.org/lice
nses/by-nc/4.0/)
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
2
Artículo Científico
1. Introducción
La educación universitaria atraviesa una profunda transformación impulsada por el
avance de la inteligencia artificial (IA), fenómeno que redefine las prácticas docentes y
los modelos de aprendizaje en el siglo XXI. La integración de sistemas inteligentes en
los entornos educativos permite analizar grandes volúmenes de datos para adaptar los
contenidos, ritmos y estrategias a las necesidades individuales de cada estudiante
(Dellepiane & Guidi, 2023). Este proceso, conocido como personalización del
aprendizaje, busca que la enseñanza responda a la diversidad de perfiles cognitivos y
emocionales del alumnado, promoviendo trayectorias formativas más flexibles y
significativas (Romero-Alonso et al., 2025). En este escenario, la IA se configura como
un agente de innovación pedagógica, capaz de transformar la enseñanza universitaria
al promover procesos de aprendizaje personalizados, colaborativos y sostenibles,
consolidándose como un eje estratégico para fortalecer la equidad, la calidad y la
eficiencia educativa.
El uso de IA en educación superior no es una moda tecnológica, sino una consecuencia
natural del paradigma de la Educación 4.0, que integra innovación, digitalización y
pensamiento crítico como competencias esenciales (García-Peñalvo, 2023). Las
universidades se ven desafiadas a evolucionar hacia modelos centrados en el
estudiante, capaces de ofrecer experiencias de aprendizaje personalizadas, interactivas
y basadas en datos. Según García et al. (2024), la IA no sustituye la labor docente, sino
que amplía su alcance al permitir procesos de retroalimentación automatizados y
tutorías adaptativas que enriquecen la relación pedagógica.
Las investigaciones recientes destacan que los sistemas de aprendizaje adaptativo y las
plataformas con algoritmos de recomendación son herramientas clave para personalizar
la enseñanza universitaria (Du Plooy et al., 2024). Estos recursos identifican patrones
de rendimiento y sugieren actividades ajustadas a las necesidades del estudiante,
mejorando la retención y la motivación (Vieriu & Petrea, 2025). Asimismo, el uso de
analíticas de aprendizaje (learning analytics) posibilita una comprensión más profunda
de los procesos cognitivos, brindando a los docentes información relevante para la toma
de decisiones pedagógicas en tiempo real (Tempelaar et al., 2021).
No obstante, la incorporación de IA en el ámbito universitario plantea interrogantes
éticos, metodológicos y epistemológicos. Entre los principales desafíos destacan la
protección de datos personales, la transparencia de los algoritmos y la capacitación
docente en competencias digitales críticas (Díaz-Rodríguez et al., 2023). Estos
aspectos subrayan la necesidad de que la tecnología se implemente bajo un enfoque
humanista y regulado, que priorice la justicia educativa y la autonomía del estudiante
(Chaudhry et al., 2022). En este sentido, la personalización no debe confundirse con
automatización, sino entenderse como una mediación pedagógica asistida por IA.
Desde un punto de vista epistemológico, la IA se vincula con teorías contemporáneas
del aprendizaje como el constructivismo social y el conectivismo, que reconocen la
interacción entre humanos y máquinas como una extensión del pensamiento colectivo
(Akhmadieva et al., 2024). El aprendizaje personalizado mediado por IA permite que
cada estudiante transite su propio recorrido formativo, potenciando la autorregulación y
la metacognición. Según Crompton y Burke. (2023), la clave está en combinar el poder
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
3
Artículo Científico
predictivo de la IA con la orientación docente, generando un equilibrio entre la
automatización técnica y la intencionalidad pedagógica.
Bajo el contexto latinoamericano se presentan particularidades que justifican la
pertinencia de este estudio; a pesar del crecimiento de la infraestructura digital, persisten
brechas en la implementación de tecnologías inteligentes y en la formación docente para
su uso pedagógico (Lustosa-Rosario et al., 2021). Investigaciones como la de Trujillo et
al. (2022) muestran que muchas universidades aún se encuentran en etapas iniciales
de adopción, con iniciativas aisladas y escasa evaluación de impacto. Por ello, analizar
de manera sistemática el estado actual del conocimiento sobre IA y personalización del
aprendizaje permite identificar oportunidades de innovación adaptadas a las realidades
educativas locales.
El presente artículo tiene como objetivo analizar, a partir de una revisión documental,
los aportes teóricos, metodológicos y empíricos sobre la inteligencia artificial como
agente de innovación pedagógica orientada a la personalización del aprendizaje en la
educación superior, con el fin de comprender las tendencias emergentes, los desafíos
éticos y las implicaciones pedagógicas de su aplicación. La investigación aporta a los
Objetivos de Desarrollo Sostenible de las Naciones Unidas, en particular al ODS 4
(Educación de calidad) y al ODS 9 (Innovación, industria e infraestructura), al explorar
cómo la integración de la IA en la educación universitaria puede mejorar el acceso, la
calidad y la personalización del aprendizaje, al tiempo que fomenta la infraestructura
digital, la innovación pedagógica y la equidad tecnológica (Ferk-Savec & Jedrinović,
2025).
Se parte de la hipótesis de que la integración crítica y ética de la IA en la educación
superior constituye un factor decisivo para mejorar la experiencia educativa, fomentar la
inclusión y fortalecer el aprendizaje significativo en la era digital. En este contexto, el
presente artículo se organiza en cinco secciones: la primera aborda los fundamentos
teóricos, el estado del arte sobre inteligencia artificial y personalización del aprendizaje;
la segunda describe los materiales y métodos empleados en la revisión documental; la
tercera expone los resultados obtenidos; la cuarta desarrolla la discusión crítica en
relación con estudios previos junto a las implicaciones pedagógicas; y finalmente, la
quinta presenta las conclusiones con los aportes científicos derivados del estudio.
2. Materiales y Métodos
El presente estudio se desarrolló bajo un enfoque cualitativo, descriptivo y analítico,
sustentado en la metodología de revisión documental. Se seleccionaron fuentes
académicas primarias y secundarias publicadas entre 2021 y 2025, en español e inglés,
relacionadas con la inteligencia artificial como agente de innovación pedagógica y su
papel en la personalización del aprendizaje en la educación superior. El diseño de la
investigación correspondió a una revisión sistemática de carácter narrativo, orientada a
identificar, analizar y sintetizar los principales aportes teóricos, metodológicos y
empíricos sobre el tema. La modalidad fue bibliográfica, apoyada en el método analítico-
sintético, que permitió integrar los hallazgos de múltiples estudios bajo una
interpretación crítica y contextualizada del fenómeno educativo.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
4
Artículo Científico
El proceso metodológico se ejecutó en tres fases. En la fase I, se realizó la búsqueda,
localización y recopilación de literatura en bases de datos de acceso abierto como
Springer Link, Scielo, ERIC, Redalyc y Google Scholar, empleando combinaciones de
descriptores en español e inglés: “inteligencia artificial”, “educación superior”,
“personalización del aprendizaje”, “aprendizaje adaptativo”, “learning analytics”, “AI in
higher education”, “personalized learning”. En la fase II, se aplicaron criterios de
inclusión publicaciones científicas revisadas por pares, accesibles en texto completo y
con evidencia empírica o teórica relevante al objeto de estudio y de exclusión artículos
duplicados, documentos sin rigor metodológico o con enfoques puramente técnicos no
educativos. En la fase III, se procedió al análisis de contenido, categorizando la
información en tres dimensiones: fundamentos teóricos de la innovación pedagógica
mediada por IA, experiencias prácticas de personalización del aprendizaje, y desafíos
ético-pedagógicos en el uso responsable de tecnologías inteligentes en la educación
superior.
El estudio consideró los lineamientos del Preferred Reporting Items for Systematic
Reviews and Meta-Analyses (PRISMA 2020), garantizando transparencia, trazabilidad
y replicabilidad en la identificación, selección y síntesis de la literatura (Page et al.,
2021). El corpus final estuvo conformado por 20 artículos científicos seleccionados tras
la depuración inicial de 71 registros. Los documentos fueron analizados mediante lectura
crítica, extracción de datos y codificación temática apoyada en matrices analíticas
elaboradas en Microsoft Excel. Se respetaron los principios éticos de la investigación
documental, asegurando la correcta citación de las fuentes, la honestidad académica y
el uso exclusivo de materiales de libre acceso para mantener la integridad y la fiabilidad
del proceso investigativo.
3. Resultados
3.1. Caracterización de los estudios seleccionados
El corpus documental analizado estuvo conformado por veinte estudios publicados entre
2021 y 2025, procedentes principalmente de revistas indexadas en Scopus, Springer
Link, Redalyc, Scielo, ERIC y Dialnet. La distribución geográfica evidenció una marcada
concentración en América Latina (60%), especialmente en Ecuador, Colombia, México
y Perú, acompañada de aportes significativos de Asia y Europa (25%) y una menor
representación de Norteamérica (15%). Esta diversidad territorial permitió contrastar
enfoques regionales sobre el papel de la inteligencia artificial como agente de innovación
pedagógica en la educación superior, revelando diferencias sustantivas en el acceso a
infraestructura tecnológica, formación docente y políticas de integración educativa.
Desde el punto de vista metodológico, el 45% de los artículos correspondió a revisiones
sistemáticas, mientras que el 35% presentó investigaciones empíricas (cuantitativas,
cualitativas o mixtas) y el 20% ensayos teóricos o reflexivos. Esta heterogeneidad
metodológica fortaleció la triangulación de la evidencia, permitiendo integrar resultados
derivados tanto de marcos conceptuales como de experiencias prácticas. La aplicación
del protocolo PRISMA 2020 fue una constante en los estudios más recientes, lo que
garantizó transparencia y trazabilidad en los procesos de identificación, cribado,
elegibilidad e inclusión de fuentes.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
5
Artículo Científico
En cuanto a los enfoques temáticos, se identificaron tres dimensiones analíticas
principales: a) Teórica, centrada en el desarrollo conceptual del aprendizaje
personalizado y las arquitecturas inteligentes (30%); b) Práctica, enfocada en
experiencias, modelos o herramientas aplicadas al entorno universitario (45%); y c)
Ética-pedagógica, orientada a examinar riesgos, dilemas y regulaciones emergentes en
el uso de IA educativa (25%).
Las categorías emergentes derivadas de la matriz documental incluyeron: plataformas
adaptativas, sistemas de tutoría inteligente (ITS), asistentes virtuales, learning analytics,
machine learning aplicado a la evaluación automatizada y IA generativa para la
autorregulación del aprendizaje. En conjunto, estas líneas de investigación evidenciaron
que la IA actúa como mediadora y agente de innovación pedagógica, capaz de adaptar
contenidos, monitorear progresos y ofrecer retroalimentación individualizada,
transformando los procesos de enseñanza-aprendizaje hacia modelos flexibles,
inclusivos y centrados en el estudiante.
De manera complementaria, la Figura 1 (Diagrama de flujo PRISMA) se incorporó para
representar el proceso de cribado documental, evidenciando la secuencia metodológica
desde los 71 registros iniciales hasta los 20 estudios seleccionados. El análisis global
mostró una tendencia de consolidación científica en torno a la inteligencia artificial como
agente de innovación pedagógica orientado a la personalización del aprendizaje
universitario, destacando su potencial para fortalecer la autorregulación, la accesibilidad
y la equidad educativa. No obstante, también se advirtió la necesidad de marcos éticos
institucionales, formación docente continua y políticas públicas que regulen el uso
responsable de la IA en contextos académicos.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
6
Artículo Científico
Figura 1
Diagrama de flujo PRISMA
Nota: Elaboración propia
3.2. Tendencias teóricas y aplicadas sobre la personalización del aprendizaje
mediante IA
El análisis comparativo de los veinte estudios incluidos en la Matriz Documental (Tabla
1) permitió identificar un conjunto de tendencias teóricas, metodológicas y aplicadas que
caracterizaron la producción científica reciente sobre la inteligencia artificial (IA) como
agente de innovación pedagógica orientado a la personalización del aprendizaje en
educación superior. En términos generales, los hallazgos evidenciaron una evolución
conceptual desde la comprensión instrumental de la IA limitada a la automatización de
tareas hacia una visión educativa más amplia que la reconoce como motor de cambio,
mediadora cognitiva y catalizadora de innovación pedagógica. Esta transición fue
especialmente notoria en investigaciones como las de Keyhan (2025) y Velandia-
Rodríguez et al. (2025), que redefinieron el aprendizaje personalizado a partir de la
interacción entre algoritmos adaptativos, analítica de aprendizaje y acompañamiento
docente, evidenciando el potencial de la IA no solo para optimizar procesos, sino
también para reconfigurar las prácticas pedagógicas y fortalecer la relación entre
tecnología, pensamiento crítico y creatividad docente.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
7
Artículo Científico
Tabla 1
Matriz Documental
Autor(es) y
año
Título del artículo
País /
Región
Objetivo del estudio
Metodología /
Diseño
Principales hallazgos
o aportes
(Lumbi-
Salazar
et al.,
2025)
La inteligencia
artificial como
herramienta para
personalizar el
aprendizaje en la
educación superior
Ecuador
Analizar las
principales
aplicaciones de la IA
en la educación
superior y su
capacidad para
personalizar el
aprendizaje mediante
sistemas inteligentes.
Revisión sistemática
basada en el
protocolo PRISMA
2020; análisis
temático con Atlas.ti
y Zotero.
Identifica seis
categorías
funcionales
(plataformas
adaptativas, sistemas
de recomendación,
evaluación
automatizada,
asistentes virtuales,
learning analytics y
personalización
curricular). Destaca
beneficios como la
autonomía y la
mejora de la calidad
educativa, y
limitaciones éticas
(sesgos, privacidad,
transparencia).
(Villena-
Atoche
et al.,
2024)
Aplicación de la
inteligencia artificial
en la resolución de
problemas
matemáticos en el
nivel universitario
Perú,
Ecuador y
Colombia
Analizar el impacto
de la IA en la
enseñanza y
resolución de
problemas
matemáticos
universitarios para
optimizar la
comprensión y
rendimiento
académico.
Revisión sistemática
exhaustiva con
criterios de inclusión
y exclusión; análisis
de 110 registros, de
los cuales 10 se
incluyeron en la
síntesis cualitativa y 7
en la cuantitativa.
La IA mejora el
rendimiento
académico, la
motivación y la
personalización del
aprendizaje mediante
tutores inteligentes,
chatbots y
plataformas
adaptativas.
Identifica beneficios
(retroalimentación
inmediata,
optimización
docente) y desafíos
(brecha digital,
privacidad,
dependencia
tecnológica).
(Miranda-
Flores de
Valgas &
Rodríguez
Rodríguez,
2024)
Uso adecuado de la
inteligencia artificial
en el proceso
enseñanza-
aprendizaje de los
estudiantes
universitarios
Ecuador
(Universidad
Estatal del
Sur de
Manabí)
Observar el impacto
de la IA en la
originalidad e
integridad académica
de los estudiantes
universitarios y
desarrollar
estrategias
educativas para su
uso ético y creativo.
Enfoque mixto
(cuantitativo y
cualitativo); revisión
bibliográfica;
cuestionarios
aplicados a 200
estudiantes; análisis
estadístico
descriptivo y diseño
de estrategias
educativas.
La IA es percibida
como herramienta
que mejora la calidad
investigativa y la
personalización del
aprendizaje. Aunque
promueve autonomía
y creatividad, existen
preocupaciones por
plagio y confiabilidad
de la información. Se
proponen estrategias
institucionales y
docentes para un uso
ético.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
8
Artículo Científico
(Isea-
Arguelles
et al.,
2024)
Análisis de la
inteligencia artificial
en la
transformación de
la enseñanza y
aprendizaje
educativa
Venezuela –
Ecuador
Explorar y analizar el
uso de la inteligencia
artificial como
herramienta para
revitalizar los
procesos docentes en
el sistema educativo
venezolano.
Enfoque cuantitativo,
diseño no
experimental,
descriptivo y
transversal;
aplicación de
encuestas a 300
docentes (150 de
educación básica y
150 de educación
universitaria);
validación de
instrumento
mediante Alfa de
Cronbach (α=0,94).
Se encontró que la IA
tiene presencia
limitada en la
educación básica y
moderada en la
educación
universitaria. La IA
optimiza el tiempo
docente y favorece el
diseño de propuestas
innovadoras, la
personalización del
aprendizaje y la
reflexión pedagógica.
Se recomienda
capacitación docente
y políticas de
integración ética.
(Supelano-
Londoño,
2024)
Incidencia de la
inteligencia artificial
en el aprendizaje de
los estudiantes
universitarios
Colombia
Evaluar el impacto de
la IA en el proceso de
aprendizaje de los
estudiantes
universitarios,
proponiendo
recomendaciones
prácticas y éticas
para su
implementación.
Enfoque cualitativo;
revisión sistemática
de literatura (2018–
2024); aplicación de
criterios MMAT y
declaración PRISMA;
análisis temático
comparativo de 27
artículos de alta
calidad.
La IA personaliza el
aprendizaje, optimiza
tareas docentes y
mejora la evaluación
académica. Beneficia
la autonomía y
rendimiento de los
estudiantes, pero
exige políticas éticas,
regulación de sesgos
algorítmicos y
capacitación docente
para su
implementación
responsable.
(Quinde-
Rosales
et al.,
2024)
La inteligencia
artificial y su
utilidad en el campo
académico. Un
análisis desde la
perspectiva del
universitario
Ecuador
Analizar las
percepciones y
experiencias de los
estudiantes
universitarios sobre
el uso y utilidad de la
inteligencia artificial
en su formación
académica.
Enfoque cualitativo;
técnica de grupos
focales con
estudiantes de
distintos semestres
de la Universidad
Agraria del Ecuador;
análisis temático de
las transcripciones.
La IA se percibe como
herramienta útil para
el aprendizaje
personalizado y la
investigación, pero su
uso excesivo genera
dependencia y
riesgos éticos. Los
estudiantes
proponen usarla
como apoyo y no
sustituto del esfuerzo
personal. Se destacan
implicaciones éticas y
pedagógicas para la
educación superior.
(Suárez-
Lima et al.,
2025)
Aplicación de la
inteligencia artificial
para la
personalización del
aprendizaje en
entornos
universitarios:
desafíos,
oportunidades y su
impacto en la
mejora del
rendimiento
académico
Ecuador,
Panamá y
México
Analizar la aplicación
de la IA para la
personalización del
aprendizaje en
entornos
universitarios de
Ecuador, Panamá y
México, identificando
desafíos,
oportunidades y su
impacto en el
rendimiento
académico.
Metodología PRISMA
2020; revisión
sistemática (2019-
2024); criterios de
inclusión y exclusión;
búsqueda en Scopus,
Dialnet, WOS, IEEE
Xplore y Google
Scholar; análisis
comparativo de 13
estudios con matriz
en Excel.
La IA personaliza
contenidos y mejora
el rendimiento
académico cuando se
contextualiza a las
realidades locales; los
principales desafíos
son infraestructura
limitada, brecha
digital y capacitación
docente insuficiente.
Propone políticas
institucionales para
uso ético y
sostenible.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
9
Artículo Científico
(Vargas-
Parga &
Cediel-
Acosta,
2025)
Innovating teaching
strategies and
personalized
learning in higher
education through
the use of artificial
intelligence for
more dynamic and
accessible teaching
Colombia
Analizar el impacto
de la inteligencia
artificial en la
innovación de
estrategias docentes
y la personalización
del aprendizaje en la
educación superior,
promoviendo
entornos más
dinámicos, accesibles
e inclusivos.
Revisión sistemática
guiada por el
protocolo PRISMA
2020; análisis de 120
registros → 80
revisados → 19
evaluados → 11
incluidos (11
cualitativos y 8
cuantitativos); tablas
y gráficos de síntesis.
Evidencia que la IA ha
transformado
significativamente la
educación superior,
favoreciendo la
personalización del
aprendizaje, el
desarrollo de
modelos pedagógicos
innovadores y la
optimización de
procesos académicos;
identifica desafíos en
capacitación docente,
ética y equidad
tecnológica.
(Villao-
Alejandro,
2025)
El rol de la
inteligencia artificial
en la enseñanza
universitaria:
potencial, riesgos y
perspectivas futuras
Ecuador
Analizar el estado
actual del uso de la
inteligencia artificial
en la educación
superior en América
Latina, identificando
su potencial
pedagógico, riesgos
asociados y
perspectivas éticas y
futuras.
Diseño cualitativo;
revisión sistemática
de literatura bajo el
protocolo PRISMA;
búsqueda en Scielo,
Redalyc, Latindex,
Scopus, Dialnet y
Google Scholar;
análisis temático
basado en AMSTAR 2
y triangulación de
fuentes.
La IA personaliza el
aprendizaje, mejora
la gestión académica
y la autonomía
estudiantil. Sin
embargo, plantea
riesgos éticos (sesgos
algorítmicos,
privacidad, equidad)
y desafíos
institucionales.
Recomienda políticas
éticas, formación
docente y
gobernanza
responsable de la IA.
(Pérez-
Velasco &
Álvarez-
Hernández,
2025)
Repensando la
educación superior:
apropiación de la
inteligencia artificial
en el aprendizaje
universitario
México
Comprender cómo
los estudiantes
universitarios
conciben, utilizan y
se apropian de la
inteligencia artificial
en su aprendizaje
académico,
destacando
implicaciones éticas y
emocionales.
Enfoque cualitativo
con paradigma
interpretativo-
hermenéutico y
fenomenológico;
aplicación de
cuestionarios (n=125)
y grupos focales;
análisis de contenido
y categorización
temática
(“herramienta
tecnológica” y “ética
y emociones”).
Los estudiantes
perciben la IA como
una herramienta
valiosa que facilita el
aprendizaje, la
comunicación y la
investigación; sin
embargo, expresan
preocupación por
sesgos, dependencia
y falta de
comprensión
emocional.
Concluyen que la IA
puede transformar
positivamente la
educación si se usa
de forma ética y
responsable.
(Casllejos-
López,
2022)
Inteligencia
artificial y entornos
personales de
aprendizaje:
atentos al uso
adecuado de los
recursos
tecnológicos de los
estudiantes
universitarios
México
Reflexionar sobre el
impacto de la
inteligencia artificial
en los entornos
personales de
aprendizaje (PLE) de
los estudiantes
universitarios,
considerando su uso
ético y las
implicaciones en el
pensamiento crítico y
creativo.
Estudio teórico-
reflexivo basado en
revisión documental;
análisis interpretativo
de literatura reciente
y ejemplos de
prácticas digitales
universitarias;
enfoque cualitativo
no experimental.
La IA influye en los
entornos personales
de aprendizaje de los
universitarios,
promoviendo tanto
oportunidades
formativas como
riesgos éticos. Los
estudiantes
centennials usan
herramientas
digitales que, si no se
orientan
adecuadamente,
pueden deteriorar el
pensamiento crítico,
la creatividad y los
valores académicos.
Propone fortalecer
competencias
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
10
Artículo Científico
digitales y éticas en
docentes y alumnos.
(Sánchez-
Prieto
et al.,
2025)
Inteligencia
artificial generativa
para
autoaprendizaje en
educación superior:
Diseño y validación
de una máquina de
ejemplos
España
Analizar la eficacia de
una máquina de
ejemplos interactiva
desarrollada con
inteligencia artificial
generativa para
fomentar el
autoaprendizaje en la
educación superior.
Diseño de
investigación
evaluativa;
desarrollo, validación
y pilotaje de cuatro
prompts en ChatGPT
3.5; validación por
tres jueces expertos y
prueba piloto con
192 estudiantes de la
Universidad de
Salamanca; análisis
descriptivo y pruebas
U de Mann-Whitney
con JASP.
Los resultados
muestran alta
satisfacción y
percepción de
utilidad de la
herramienta. Las
“máquinas de
ejemplos”
favorecieron la
autorregulación y el
aprendizaje
autónomo; las
mujeres presentaron
mayor valoración que
los hombres. Se
evidenció que los
errores del modelo
generativo pueden
potenciar el
aprendizaje basado
en el error.
(Lagos-
Casllo
et al.,
2025)
Mapping the
Intelligent
Classroom:
Examining the
Emergence of
Personalized
Learning Solutions
in the Digital Age
Colombia –
México
Explorar las
plataformas y
software que apoyan
procesos de
aprendizaje
personalizado en la
era digital,
destacando el papel
de la inteligencia
artificial.
Revisión sistemática
bajo protocolo
PRISMA; búsqueda
en Scopus y WoS
(2019–2023); análisis
cualitativo-
cuantitativo de 45
artículos;
categorización
temática en tres ejes
(AI,
plataformas/software
y sistemas de
aprendizaje).
Identifica tres
categorías clave:
inteligencia artificial
(39 %),
plataformas/software
(27 %) y sistemas de
aprendizaje (36 %). La
IA potencia la
personalización y
democratiza el
acceso al aprendizaje;
los entornos híbridos
y la gamificación
favorecen la
motivación y
retención. Propone
líneas futuras sobre
analítica predictiva y
ética algorítmica.
(Keyhan,
2025)
Designing a Model
for an AI-Based
Intelligent Assistant
for Personalized
Learning in Higher
Education
Irán
Diseñar un modelo
conceptual y
operativo de
asistente inteligente
basado en IA para
personalizar el
aprendizaje en la
educación superior.
Investigación
aplicada - desarrollo;
enfoque cualitativo
bajo la estrategia de
teoría fundamentada;
entrevistas
semiestructuradas a
21 expertos en
educación y software
universitario; análisis
de datos con
codificación abierta,
axial y selectiva
(Strauss & Corbin).
Propone un modelo
de asistente
inteligente que
integra analítica de
aprendizaje, machine
learning y
procesamiento de
lenguaje natural para
ofrecer
retroalimentación
personalizada,
recomendaciones y
evaluación
adaptativa. Identifica
retos éticos, legales y
técnicos en su
implementación y
plantea soluciones
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
11
Artículo Científico
para su aplicación en
la educación
universitaria.
(Howard &
Ulferts,
2025)
Artificial
Intelligence and the
Redefinition of
Higher Education
Estados
Unidos
Examinar cómo la IA
está redefiniendo la
educación superior a
nivel global,
evaluando sus
impactos
pedagógicos,
administrativos y
éticos.
Análisis de literatura
empírica, casos de
China y EE. UU., y
estadísticas
educativas recientes
(2020–2024); síntesis
comparativa y
revisión documental.
Identifica que la IA
potencia la
personalización del
aprendizaje y la
eficiencia
administrativa, a la
vez que plantea
desafíos éticos
relacionados con la
privacidad de datos y
el sesgo algorítmico.
Propone alinear
políticas educativas y
capacitación docente
para garantizar una
implementación
responsable y
equitativa.
(Velandia-
Rodríguez
et al.,
2025)
From Uniformity to
Uniqueness:
Personalized
Learning Through
Artificial
Intelligence
Colombia –
Chile
Examinar la evolución
del aprendizaje
personalizado en la
educación superior y
evaluar cómo la IA ha
transformado las
estrategias
pedagógicas hacia
modelos adaptativos
e inclusivos.
Revisión sistemática
basada en el
protocolo PRISMA
(2009, 2015, 2021);
búsqueda en Scopus
(1 136 registros → 55
artículos finales);
análisis cualitativo y
cuantitativo con
VOSviewer y
verificación de
fiabilidad (Cohen’s
Kappa > 0.81).
Evidencia una
transición desde la
instrucción
individualizada
tradicional hacia
entornos inteligentes
centrados en el
estudiante. La IA
potencia la
autonomía y
autorregulación, pero
plantea retos éticos
(brecha digital, sesgo
algorítmico y
privacidad de datos).
Propone integrar la
mediación humana y
la ética educativa en
el diseño de sistemas
personalizados.
(Hariyanto
et al.,
2025)
Artificial
Intelligence in
Adaptive Education:
A Systematic
Review of
Techniques for
Personalized
Learning
Indonesia
Examinar tecnologías
de aprendizaje
adaptativo
impulsadas por IA y
evaluar cómo los
enfoques de machine
learning y
reinforcement
learning mejoran la
personalización y la
equidad educativa.
Revisión sistemática
bajo protocolo
PRISMA 2021; análisis
de 142 estudios
empíricos (2015–
2025) extraídos de
Scopus, Web of
Science, IEEE Xplore y
ERIC; evaluación de
riesgo de sesgo con
ROBINS-I y síntesis
temática híbrida
(inductiva-deductiva).
Los sistemas
adaptativos basados
en IA utilizan ML, DL
y RL para ajustar
contenidos en tiempo
real. Se identifican
mejoras en
autonomía,
motivación y
rendimiento del
alumno, aunque
persisten desafíos de
privacidad, sesgo
algorítmico e
infraestructura.
Propone uso de XAI y
modelos
culturalmente
responsivos para una
educación más
inclusiva y escalable.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
12
Artículo Científico
(Lin et al.,
2023)
Artificial
Intelligence in
Intelligent Tutoring
Systems Toward
Sustainable
Education: A
Systematic Review
Taiwán
Analizar el papel de
la inteligencia
artificial en los
sistemas de tutoría
inteligente (ITS)
orientados a la
educación sostenible,
identificando
desafíos,
oportunidades y
tendencias futuras.
Revisión sistemática
bajo el protocolo
PRISMA 2020; análisis
de 37 artículos
(2014–2023) de
Scopus y Web of
Science; codificación
temática con modelo
analítico de Chatti et
al. (2012); enfoque
cualitativo con
preguntas RQ1–RQ4.
Identifica nueve
desafíos clave para la
educación sostenible
(acceso desigual,
brecha digital,
privacidad, sesgo
algorítmico, falta de
interacción). Destaca
los beneficios de la IA
para personalizar el
aprendizaje, predecir
desempeño y
prevenir deserción.
Propone integrar IA
explicable (XAI) y
diseño centrado en el
ser humano (HCAI)
para lograr educación
confiable y
equitativa.
(Wu &
Chiu, 2025)
Integrating learner
characteristics and
generative AI
affordances to
enhance self-
regulated learning:
A configurational
analysis
China /
Hong Kong
SAR
Analizar cómo las
características del
estudiante y las
funcionalidades de la
IA generativa
interactúan para
mejorar el
aprendizaje
autorregulado (SRL)
en entornos
educativos.
Diseño longitudinal
de 28 semanas con
300 estudiantes
universitarios;
aplicación de análisis
comparativo
cualitativo difuso
(fsQCA);
instrumentos
adaptados MSLQ y
encuestas
semiestructuradas;
validación ética y
análisis de
consistencia (Cohen’s
Kappa > 0.85).
Demuestra que la
combinación de alta
funcionalidad de
herramientas GenAI y
retroalimentación de
calidad potencia el
SRL. Identifica tres
configuraciones
eficaces según
proficiencia
tecnológica,
habilidades de
investigación y
actitudes del usuario.
Recomienda
interfaces centradas
en el usuario y
retroalimentación
explicable (XAI).
(Mustafa
et al.,
2024)
A systematic review
of literature reviews
on artificial
intelligence in
education (AIED): a
roadmap to a future
research agenda
China /
Grecia /
Finlandia /
EE.UU.
Sintetizar de manera
meta-analítica la
evidencia existente
sobre revisiones de
IA en educación
(AIED) para trazar
una agenda futura de
investigación.
Protocolo PRISMA
2020; análisis de 143
revisiones publicadas
entre 2012–2024 en
Web of Science,
Scopus, IEEE, Taylor
& Francis y
ScienceDirect;
codificación con
modelo Technology-
Enhanced Learning
(Hsu et al., 2012);
revisión de literatura
con siete preguntas
de investigación
(RQ1–RQ7).
Identifica predominio
de revisiones
centradas en
educación superior
(31%), escasez en
educación especial y
formación docente.
Las técnicas más
analizadas fueron
machine learning
(23.8%), LLMs/GenAI
(19.5%) e ITS (12.8%).
Señala desafíos éticos
como privacidad,
sesgos, alfabetización
en IA y sostenibilidad
energética. Propone
una agenda global
para un AIED
equitativo,
transparente y
culturalmente
diverso.
Nota: Elaboración propia
En la dimensión teórica, se observó una consolidación de enfoques centrados en el
estudiante, sustentados en el constructivismo social y el conectivismo digital. Los
artículos revisados coincidieron en que la personalización mediada por IA no se limita a
la adaptación de contenidos, sino que implica una transformación profunda del proceso
formativo, al integrar la tecnología como agente de innovación pedagógica que reconoce
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
13
Artículo Científico
estilos de aprendizaje, niveles de competencia y trayectorias individuales. Estudios
como los de Mustafa et al. (2024) y Hariyanto et al. (2025) aportaron evidencia sólida
sobre la expansión de modelos adaptativos basados en machine learning, reinforcement
learning y deep learning, los cuales permiten ajustar la enseñanza en tiempo real y
generar experiencias de aprendizaje autónomas, predictivas y contextualizadas.
En la dimensión práctica, las investigaciones mostraron un crecimiento sostenido en la
implementación de plataformas inteligentes, tutores virtuales y asistentes académicos
basados en IA, orientados a mejorar la retención y el rendimiento estudiantil. Según los
resultados sintetizados, más del 40 % de los estudios aplicaron entornos reales de
validación en universidades, destacando experiencias en América Latina, Asia y Europa.
Entre ellos, Lin et al. (2023) analizaron la eficacia de los sistemas de tutoría inteligente
(ITS) en la educación sostenible; mientras que Sánchez-Prieto et al. (2025) y Wu & Chiu
(2025) demostraron la utilidad de los modelos generativos y configuracionales para
fortalecer la autorregulación y metacognición de los estudiantes. Estos hallazgos
confirman que la IA funciona como un agente de innovación pedagógica y catalizador
de aprendizajes personalizados, adaptativos y autorreflexivos, alineados con los
principios de la Educación 4.0 y la sostenibilidad educativa.
La dimensión ética-pedagógica representó uno de los focos emergentes más
significativos. Aproximadamente una cuarta parte de los artículos analizados advirtió
sobre la necesidad de incorporar criterios de transparencia, equidad y protección de
datos en los procesos de automatización educativa. Autores como Villao (2025),
Supelano (2024) e Isea et al. (2024) enfatizaron que la personalización del aprendizaje
solo puede considerarse legítima si garantiza la autonomía intelectual del estudiante y
evita los sesgos algorítmicos que reproducen desigualdades. En esta línea, la mayoría
de los estudios coincidió en que la ética constituye el núcleo de la innovación
pedagógica mediada por IA, y que su desarrollo responsable es condición indispensable
para avanzar hacia modelos educativos más inclusivos y justos.
A nivel transversal, los resultados de la Matriz Documental mostraron que las palabras
clave recurrentes entre los artículos fueron personalized learning, higher education,
artificial intelligence, adaptive learning, learning analytics y ethical challenges. Este
patrón semántico sugiere una fuerte interrelación entre la personalización educativa y
las tecnologías analíticas, configurando un campo de investigación interdisciplinar que
combina pedagogía, ciencia de datos, psicología cognitiva y gestión educativa,
consolidando a la IA como un componente estructural de la innovación pedagógica
contemporánea.
3.3. Implicaciones educativas y líneas emergentes de investigación
Los hallazgos derivados del análisis documental evidenciaron profundas implicaciones
pedagógicas y formativas en la educación universitaria contemporánea. En primer lugar,
la incorporación de la inteligencia artificial (IA) como agente de innovación pedagógica
transformó los paradigmas tradicionales de enseñanza hacia modelos centrados en la
personalización, la autonomía y la colaboración en el aprendizaje, lo que demandó una
redefinición del rol docente. Los estudios revisados coincidieron en que el profesorado
pasó de ser transmisor de conocimiento a convertirse en diseñador, curador y facilitador
de experiencias de aprendizaje inteligente, apoyado en sistemas de analítica educativa,
tutores virtuales y algoritmos adaptativos.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
14
Artículo Científico
Esta evolución exigió nuevas competencias digitales, éticas y pedagógicas, orientadas
a garantizar la integración crítica y responsable de la IA en el currículo universitario, sin
desplazar la mediación humana ni el pensamiento reflexivo. Asimismo, la evidencia
empírica mostró que la IA contribuyó a mejorar la accesibilidad, la retención y la equidad
educativa, siempre que su implementación se enmarcó en proyectos institucionales con
propósito pedagógico y enfoque inclusivo, adaptados a las realidades socioculturales y
tecnológicas de cada contexto. En segundo lugar, las líneas emergentes de
investigación identificadas apuntaron hacia la consolidación de un ecosistema educativo
inteligente sustentado en inteligencia artificial explicable (XAI), aprendizaje generativo y
modelos predictivos éticos, donde el análisis de datos no solo oriente decisiones
académicas, sino que promueva la transparencia y la justicia educativa.
Entre las tendencias con mayor proyección se encontraron el desarrollo de asistentes
pedagógicos inteligentes multimodales, la integración de la IA en plataformas de
learning analytics para la evaluación formativa y el estudio de los impactos cognitivos,
emocionales y creativos del aprendizaje mediado por algoritmos. De igual modo, se
destacó la necesidad de políticas institucionales y marcos éticos que regulen el uso
responsable de estas tecnologías, acompañadas de programas de alfabetización digital
docente y estrategias interdisciplinarias que vinculen pedagogía, ética, innovación y
ciencia de datos.
En conjunto, estos elementos delinearon una ruta hacia una educación superior más
humanizada, innovadora y sostenible, donde la IA funcione no solo como herramienta
de apoyo, sino como agente transformador de las prácticas pedagógicas y medio de
empoderamiento académico. Desde esta perspectiva, el futuro de la educación
universitaria se orienta hacia un modelo en el que la inteligencia artificial y la creatividad
humana convergen para potenciar aprendizajes significativos, éticos y culturalmente
pertinentes.
4. Discusión
Los resultados del estudio evidencian que la inteligencia artificial (IA) se consolida como
un agente de innovación pedagógica y eje transversal en la transformación del
aprendizaje universitario, favoreciendo entornos personalizados, dinámicos y
autorregulados. Los autores de la matriz documental (Tabla 1) coinciden en que las
plataformas adaptativas, los sistemas de tutoría inteligente y las analíticas de
aprendizaje permiten configurar experiencias educativas más ajustadas a los ritmos y
estilos individuales de los estudiantes (Hariyanto et al., 2025; Velandia-Rodríguez et al.,
2025; Lin et al., 2023). Sin embargo, esta personalización no se limita a la dimensión
tecnológica, sino que se proyecta como una innovación pedagógica integral que redefine
el papel docente, la interacción educativa y la construcción del conocimiento. En este
sentido, Villarroel-Molina et al. (2025) subrayan que la IA debe integrarse desde una
perspectiva humanista, donde el algoritmo complemente y no sustituya la
intencionalidad pedagógica del profesor. Desde esta mirada, la IA se entiende como
mediadora cognitiva y catalizadora del aprendizaje significativo, siempre que se oriente
por principios de equidad, accesibilidad y justicia educativa.
El alcance de los resultados permite afirmar que los avances en inteligencia artificial
ofrecen oportunidades para la inclusión educativa, la optimización de procesos de
enseñanza y la evaluación automatizada, aunque su impacto sigue condicionado por
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
15
Artículo Científico
factores estructurales e institucionales. En los estudios revisados, la brecha tecnológica
y la escasa capacitación docente emergen como las limitaciones más recurrentes
(Suárez Lima et al., 2025; Quinde Rosales et al., 2024; Isea Arguelles et al., 2024). De
forma convergente, Rubina-López et al. (2025) sostienen que la adopción de la IA en la
educación superior requiere una gobernanza académica que la conciba como política
de innovación pedagógica, garantizando la sostenibilidad tecnológica y la alfabetización
digital del profesorado.
Por su parte, Espinosa-Pico et al. (2025) destacan que los entornos virtuales y el uso de
IA solo generan mejoras en el aprendizaje cuando están acompañados de una
mediación docente crítica, reflexiva y contextualizada, capaz de traducir la información
algorítmica en decisiones pedagógicas pertinentes. Por tanto, el valor de la IA radica no
tanto en su capacidad predictiva, sino en su potencial para estimular la creatividad, la
reflexión y el pensamiento crítico de docentes y estudiantes, fortaleciendo la naturaleza
transformadora del proceso educativo.
En un plano más amplio, los hallazgos de este estudio confirman que la investigación
sobre la inteligencia artificial como agente de innovación pedagógica en la educación
superior se encuentra en un proceso de consolidación conceptual y metodológica. Esta
perspectiva abre nuevas líneas de trabajo orientadas a evaluar la efectividad de los
modelos generativos en contextos reales, el desarrollo de competencias ético-digitales
docentes y la creación de marcos normativos que regulen el uso responsable y
equitativo de la IA educativa. En síntesis, la IA representa un campo de innovación con
un potencial pedagógico incuestionable, cuyo aprovechamiento pleno dependerá de la
capacidad del sistema universitario para equilibrar la automatización técnica con la
sensibilidad humana, la creatividad y la ética que sustentan toda auténtica innovación
educativa.
5. Conclusiones
La investigación permitió demostrar que la inteligencia artificial, concebida como un
agente de innovación pedagógica, no solo transforma los métodos de enseñanza, sino
que también redefine las relaciones entre docentes, estudiantes y conocimiento. La
personalización del aprendizaje mediada por algoritmos inteligentes se consolida como
una vía efectiva para promover la autonomía, la autorregulación y la adaptación de los
procesos formativos a las necesidades individuales de los estudiantes. Este avance
representa un cambio paradigmático: la educación deja de concebirse como un sistema
homogéneo para convertirse en un entorno flexible, interactivo y orientado al desarrollo
de competencias. Asimismo, los resultados obtenidos confirman que la inteligencia
artificial, cuando se integra de manera ética, reflexiva y pedagógicamente
contextualizada, puede actuar como motor de democratización del conocimiento y de
fortalecimiento del pensamiento crítico en los entornos universitarios.
En términos de impacto científico y educativo, este estudio aporta un marco analítico
integral que articula tres dimensiones teórica, práctica y ética-pedagógica desde las
cuales se comprende la función de la inteligencia artificial como catalizadora de
innovación y mediadora del aprendizaje significativo. La sistematización de los veinte
estudios revisados permitió identificar patrones, vacíos de conocimiento y oportunidades
para avanzar hacia modelos educativos más inclusivos. Entre los aportes más
significativos se encuentra la validación de la IA como agente transformador de la
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
16
Artículo Científico
enseñanza, capaz de personalizar los procesos sin deshumanizarlos y de fortalecer una
educación centrada en el estudiante, guiada por el juicio docente. Además, el trabajo
evidencia que los modelos educativos inteligentes deben sustentarse en la formación
permanente del profesorado y en políticas institucionales de innovación pedagógica que
promuevan la equidad digital y el acceso tecnológico. En consecuencia, la investigación
contribuye al campo de la pedagogía universitaria al ofrecer una visión integradora sobre
cómo la IA puede fortalecer la calidad, la inclusión y la sostenibilidad de la educación
superior.
Los objetivos planteados se han alcanzado plenamente al caracterizar las tendencias
teóricas y aplicadas de la inteligencia artificial como agente de innovación pedagógica
orientado a la personalización del aprendizaje, evaluar sus implicaciones éticas y
metodológicas, y proponer líneas de desarrollo para futuras investigaciones. Este
trabajo demuestra que la IA, lejos de ser una amenaza para la docencia, se erige como
un aliado estratégico para la transformación educativa, siempre que se preserve la
centralidad del ser humano en el proceso formativo. Se concluye, por tanto, que la
inteligencia artificial constituye una oportunidad histórica para reimaginar la educación
universitaria desde una perspectiva humanista e innovadora, capaz de integrar la
tecnología con la sensibilidad, la creatividad y la ética que definen la esencia misma del
acto educativo.
Referencias Bibliográficas
Akhmadieva, R. S., Kalmazova, N. A., Belova, T., Prokopyev, A., Molodozhnikova, N.
M., & Spichak, V. Y. (2024). Research trends in the use of artificial intelligence in
higher education. Frontiers in Education, 9.
https://doi.org/10.3389/feduc.2024.1438715
Castillejos-López, B. (2022). Inteligencia artificial y entornos personales de aprendizaje:
Atentos al uso adecuado de los recursos tecnológicos de los estudiantes
universitarios. Educación, 31(60), 9–24.
https://doi.org/10.18800/educacion.202201.001
Chaudhry, M. A., Cukurova, M., & Luckin, R. (2022). A Transparency Index Framework
for AI in Education (No. arXiv:2206.03220). arXiv.
https://doi.org/10.48550/arXiv.2206.03220
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of
the field. International Journal of Educational Technology in Higher Education, 20(1),
22. https://doi.org/10.1186/s41239-023-00392-8
Dellepiane, P. A., & Guidi, P. (2023). La inteligencia artificial y la educación: Retos y
oportunidades desde una perspectiva ética. Question, 3(76), 36.
https://doi.org/10.24215/16696581e859
Díaz-Rodríguez, N., Ser, J. D., Coeckelbergh, M., Prado, M. L. de, Herrera-Viedma, E.,
& Herrera, F. (2023). Connecting the Dots in Trustworthy Artificial Intelligence: From
AI Principles, Ethics, and Key Requirements to Responsible AI Systems and
Regulation (No. arXiv:2305.02231). arXiv.
https://doi.org/10.48550/arXiv.2305.02231
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
17
Artículo Científico
Du Plooy, E., Casteleijn, D., & Franzsen, D. (2024). Personalized adaptive learning in
higher education: A scoping review of key characteristics and impact on academic
performance and engagement. Heliyon, 10(21), e39630.
https://doi.org/10.1016/j.heliyon.2024.e39630
Espinosa-Pico, P. E., Granda-Cárdenas, E. M., Coles-Chimbo, M. M., Rafael, C.-M. R.,
& Inga-Aguagallo, C. F. (2025). Educación superior y entornos virtuales: Estrategias
para un aprendizaje significativo. Innova Science Journal, 3(3), 707–722.
https://doi.org/10.63618/omd/isj/v3/n3/114
Ferk-Savec, V., & Jedrinović, S. (2025). The Role of AI Implementation in Higher
Education in Achieving the Sustainable Development Goals: A Case Study from
Slovenia. Sustainability, 17(1), 183. https://doi.org/10.3390/su17010183
García-Peñalvo, F. J. (2023, diciembre 4). La era de la inteligencia artificial generativa
en educación. 4o Congreso de Educación, Innovación, Normalismo y
Neuroeducación (CEINN 2023). https://doi.org/10.5281/zenodo.10255745
García-Peñalvo, F. J., Llorens-Largo, F., & Vidal, J. (2024). La nueva realidad de la
educación ante los avances de la inteligencia artificial generativa. RIED-Revista
Iberoamericana de Educación a Distancia, 27(1), 9–39.
https://doi.org/10.5944/ried.27.1.37716
Hariyanto, Kristianingsih, F. X. D., & Maharani, R. (2025). Artificial intelligence in
adaptive education: A systematic review of techniques for personalized learning.
Discover Education, 4(1), 458. https://doi.org/10.1007/s44217-025-00908-6
Howard, T. L., & Ulferts, G. W. (2025). Artificial Intelligence and the Redefinition of Higher
Education. Research in Higher Education Journal, 46.
https://eric.ed.gov/?id=EJ1478931
Isea-Arguelles, J. J., Duque-Rodríguez, J. A., Piña-Ferrer, L. S., & Atencio-González, R.
E. (2024). Análisis de la Inteligencia artificial en la transformación de la enseñanza
y aprendizaje educativa. Conrado, 20(100), 179–185.
Keyhan, J. (2025). Designing a Model for an AI-Based Intelligent Assistant for
Personalized Learning in Higher Education. International Journal of Technology in
Education and Science, 9(2), 255–269. https://doi.org/10.46328/ijtes.616
Lagos-Castillo, A., Chiappe, A., Ramirez-Montoya, M.-S., & Becerra-Rodríguez, D. F.
(2025). Mapping the Intelligent Classroom: Examining the Emergence of
Personalized Learning Solutions in the Digital Age. Contemporary Educational
Technology, 17(1). https://doi.org/10.30935/cedtech/15617
Lin, C.-C., Huang, A. Y. Q., & Lu, O. H. T. (2023). Artificial intelligence in intelligent
tutoring systems toward sustainable education: A systematic review. Smart Learning
Environments, 10(1), 41. https://doi.org/10.1186/s40561-023-00260-y
Lumbi-Salazar, F. O., Zurita-Pilco, L. A., & Achiña-Andrango, E. P. (2025). La
Inteligencia Artificial como Herramienta para Personalizar el Aprendizaje en la
Educación Superior. Ibero Ciencias - Revista Científica y Académica - ISSN 3072-
7197, 4(3), 1374–1383. https://doi.org/10.63371/ic.v4.n3.a176
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
18
Artículo Científico
Lustosa-Rosario, A. C., Ben-Yaacov, B., Franco-Segura, C., Arias-Ortiz, E., Heredero,
E., Botero, J., Brothers, P., Payva, T., & Spies, M. (2021). Transformación digital en
la educación superior América Latina y el Caribe. IDB Publications.
https://doi.org/10.18235/0003829
Miranda-Flores de Valgas, F. del R., & Rodríguez Rodríguez, A. (2024). Uso adecuado
de la inteligencia artificial en el Proceso Enseñanza- Aprendizaje de los estudiantes
universitarios. Serie Científica de la Universidad de las Ciencias Informáticas, 17(5),
131–145.
Mustafa, M. Y., Tlili, A., Lampropoulos, G., Huang, R., Jandrić, P., Zhao, J., Salha, S.,
Xu, L., Panda, S., Kinshuk, López-Pernas, S., & Saqr, M. (2024). A systematic
review of literature reviews on artificial intelligence in education (AIED): A roadmap
to a future research agenda. Smart Learning Environments, 11(1), 59.
https://doi.org/10.1186/s40561-024-00350-5
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C.
D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J.,
Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson,
E., McDonald, S., … Alonso-Fernández, S. (2021). Declaración PRISMA 2020: Una
guía actualizada para la publicación de revisiones sistemáticas. Revista Española
de Cardiología, 74(9), 790–799. https://doi.org/10.1016/j.recesp.2021.06.016
Pérez-Velasco, A. A., & Álvarez-Hernández, G. A. (2025). Repensando la Educación
Superior: Apropiación de la Inteligencia Artificial en el Aprendizaje Universitario.
Revista RedCA, 7(21), 236–261.
Quinde-Rosales, V. X., García-Estupiñán, S. B., & Tenelanda-Mora, D. B. (2024). La
Inteligencia Artificial y su utilidad en el campo Académico. Un Análisis desde la
perspectiva del Universitario. Conrado, 20(99), 187–193.
Romero-Alonso, R., Araya-Carvajal, K., & ReyesAcevedo, N. (2025). Rol de la
Inteligencia Artificial en la personalización de la educación a distancia: Una revisión
sistemática. RIED-Revista Iberoamericana de Educación a Distancia, 28(1), 9–36.
https://doi.org/10.5944/ried.28.1.41538
Rubina-López, A., Lazo-Salcedo, C. A., Lucas-Cabello, A., Bazán-Linares, M. V., &
Vasquez-Cipriano, F. (2025). Competencias digitales en la investigación científica
universitaria: Tendencias, desafíos y oportunidades. Innova Science Journal, 3(3),
151–167. https://doi.org/10.63618/omd/isj/v3/n3/74
Sánchez-Prieto, J. C., Izquierdo-Álvarez, V., Moral-Marcos, M. T. del, & Martínez-Abad,
F. (2025). Inteligencia artificial generativa para autoaprendizaje en educación
superior: Diseño y validación de una máquina de ejemplos. RIED-Revista
Iberoamericana de Educación a Distancia, 28(1).
https://doi.org/10.5944/ried.28.1.41548
Suárez-Lima, G. J., Posligua-Fernández, J. A., Carpio-Cruz, O. de J., & Ojanama-Guriz,
N. (2025). Aplicación de la inteligencia artificial para la personalización del
aprendizaje en entornos universitarios: Desafíos, oportunidades y su impacto en la
mejora del rendimiento académico. Revista Social Fronteriza, 5(4).
https://doi.org/10.59814/resofro.2025.5(4)786
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.01 | Ene – Mar | 2026 | www.innovasciencejournal.omeditorial.com
19
Artículo Científico
Supelano-Londoño, M. L. (2024). Incidencia de la inteligencia artificial en el aprendizaje
de los estudiantes universitarios. Plumilla Educativa, 33(2), 1–24.
https://doi.org/10.30554/pe.33.2.5153.2024
Tempelaar, D., Rienties, B., & Nguyen, Q. (2021). Dispositional Learning Analytics for
Supporting Individualized Learning Feedback. Frontiers in Education, 6.
https://doi.org/10.3389/feduc.2021.703773
Trujillo-Valdiviezo, G., Rodríguez-Alegre, L. R., Mejía-Ayala, D., & López Padilla, R.-P.
(2022). Transformación digital en América Latina: Una revisión sistemática. Revista
Venezolana de Gerencia: RVG, 27(100), 1519–1536.
Vargas-Parga, L. A., & Cediel-Acosta, W. O. (2025). Innovando las estrategias docentes
y el aprendizaje personalizado en la educación superior mediante el uso de
inteligencia artificial para una enseñanza más dinámica y accesible. MQRInvestigar,
9(1), e256–e256. https://doi.org/10.56048/MQR20225.9.1.2025.e256
Velandia-Rodríguez, C. A., Chiappe, A., & Vera-Sagredo, A. (2025). From Uniformity to
Uniqueness: Personalized Learning through Artificial Intelligence. Journal of Social
Studies Education Research, 16(2), 169–196.
Vieriu, A. M., & Petrea, G. (2025). The Impact of Artificial Intelligence (AI) on Students’
Academic Development. Education Sciences, 15(3), 343.
https://doi.org/10.3390/educsci15030343
Villao-Alejandro, G. A. (2025). El Rol de la Inteligencia Artificial en la Enseñanza
Universitaria: Potencial, Riesgos y Perspectivas Futuras. Innovarium International
Journal, 3(2), 1–12.
Villarroel-Molina, R. R., Zapata-Velasco, M. L., Villarroel-Molina, L. M., Molina-Endara,
C. M., & Peralta-Arana, M. J. (2025). Inteligencia Artificial en la Educación: Avances,
Retos Éticos y Perspectivas Pedagógicas. Innova Science Journal, 3(3), 400–421.
https://doi.org/10.63618/omd/isj/v3/n3/90
Villena-Atoche, C. A., Calsin-Berríos, W., Espinoza-Gaona, D. I., & Rengifo-Osorio, J. A.
(2024). Aplicación de la inteligencia artificial en la resolución de problemas
matemáticos en el nivel universitario. Revista Social Fronteriza, 4(5), e45458–
e45458. https://doi.org/10.59814/resofro.2024.4(5)458
Wu, X.-Y., & Chiu, T. K. F. (2025). Integrating learner characteristics and generative AI
affordances to enhance self-regulated learning: A configurational analysis. Journal
of New Approaches in Educational Research, 14(1), 10.
https://doi.org/10.1007/s44322-025-00028-x
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.