Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun |2026 |www.innovasciencejournal.omeditorial.com
106
Artículo Cientíco
Agentes virtuales para el refuerzo académico en Estudios
Sociales en jóvenes y adultos con escolaridad inconclusa.
Virtual agents for academic reinforcement in Social Studies for young people
and adults with incomplete schooling.
Ruiz-Medina, Marlene Vicenta 1; Arevalo-Salazar, Desiree Amparo 2.
1 Universidad Estatal de Milagro; Ecuador, Machala; https://orcid.org/0009-0005-
7064-8368; mruiz16@unemi.edu.ec
2 Universidad Estatal de Milagro; Ecuador, Machala; https://orcid.org/0009-0002-
4481-4471; darevalos@unemi.edu.ec
1 Autor Correspondencia
https://doi.org/10.63618/omd/isj/v4/n2/258
Resumen: El objetivo de este estudio fue analizar la percepción del estudiantado
sobre el uso de un agente virtual como estrategia de refuerzo académico en la
asignatura de Estudios Sociales en la modalidad Educación para Jóvenes y Adultos
(EPJA). Se desarrolló un enfoque cuantitativo de alcance descriptivo-correlacional,
con diseño no experimental y corte transversal. Participaron 62 estudiantes de
Educación General Básica Superior (EPJA) de una institución educativa en Ecuador,
seleccionados mediante muestreo no probabilístico por conveniencia. La recolección
se realizó con el “Cuestionario de Percepción del uso de Agente Virtual”, compuesto
por 30 ítems en escala Likert (1–5) y seis dimensiones: interacción, personalización,
accesibilidad, comprensión, motivación y satisfacción. El instrumento evidenció
confiabilidad excelente (α = .96). Los resultados muestran una percepción global
altamente favorable (M = 4.20/5), destacando satisfacción general (M = 4.29) e
interacción (M = 4.25), mientras que personalización obtuvo el promedio más bajo (M
= 4.08). Además, se identificó una correlación positiva muy fuerte entre interacción y
satisfacción (r = .82; p < .001). Se concluye que el agente virtual es percibido como
un apoyo pertinente para el refuerzo académico en EPJA; sin embargo, se
recomienda fortalecer mecanismos de personalización para responder mejor a ritmos
y necesidades individuales.
Palabras clave: Inteligencia Artificial educativa; Agente virtual; Estudios Sociales;
Educación de adultos; Refuerzo académico; Accesibilidad.
Abstract: The objective of this study was to analyze students' perceptions of the use
of a virtual agent as an academic reinforcement strategy in the Social Studies subject
within the Adult and Youth Education (EPJA) modality. A quantitative, descriptive-
correlational approach was developed, with a non-experimental, cross-sectional
design. Sixty-two students from the upper basic general education (EPJA) program at
an educational institution in Ecuador participated, selected through non-probability
convenience sampling. Data collection was carried out using the "Virtual Agent Use
Perception Questionnaire," composed of 30 items on a Likert scale (1–5) and six
dimensions: interaction, personalization, accessibility, comprehension, motivation,
and satisfaction. The instrument demonstrated excellent reliability (α = .96). The
results show a highly favorable overall perception (M = 4.20/5), with overall
satisfaction (M = 4.29) and interaction (M = 4.25) being particularly noteworthy, while
personalization received the lowest average (M = 4.08). Furthermore, a very strong
positive correlation was identified between interaction and satisfaction (r = .82; p <
.001). It is concluded that the virtual agent is perceived as a relevant support for
academic reinforcement in adult education; however, it is recommended to strengthen
personalization mechanisms to better respond to individual paces and needs.
Keywords: Educational Artificial Intelligence; Virtual Agent; Social Studies; Adult
Education; Academic Support; Accessibility.
Cita: Ruiz-Medina, M. V., &
Arevalo-Salazar, D. A. (2026).
Agentes virtuales para el refuerzo
académico en Estudios Sociales
en jóvenes y adultos con
escolaridad inconclusa. Innova
Science Journal, 4(2), 106-
114. https://doi.org/10.63618/omd
/isj/v4/n2/258
Recibido: 27/10/2025
Aceptado: 02/03/2026
Publicado: 30/04/2026
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.02 | Abril – Jun |2026 |www.innovasciencejournal.omeditorial.com
107
Artículo Cientíco
1. Introducción
En las últimas décadas, la tecnología educativa se ha consolidado como un medio para
transformar los procesos de enseñanza-aprendizaje, especialmente en contextos con
limitaciones estructurales o pedagógicas. En este escenario, los agentes virtuales
chatbots, tutores inteligentes y asistentes conversacionales se integran como recursos
para ofrecer retroalimentación individualizada, fomentar el aprendizaje autónomo y
reforzar la motivación. Según Ouyang et al. (2022), estos sistemas representan un
cambio hacia una IA centrada en el estudiante, capaz de brindar explicaciones en
lenguaje natural y oportunidades de práctica inmediata. Su pertinencia aumenta en
entornos donde la atención personalizada del docente no siempre es viable.
En Ecuador, la Educación para Jóvenes y Adultos (EPJA) y la EGB Superior en
modalidad flexible constituyen alternativas inclusivas para personas con trayectorias
escolares interrumpidas. No obstante, este estudiantado enfrenta barreras como
diversidad de edades, conocimientos previos heterogéneos y limitaciones de tiempo por
responsabilidades laborales y familiares. En este sentido, la UNESCO (2022) destaca
que la educación de personas adultas requiere enfoques digitales adaptables que
favorezcan la inclusión y reduzcan brechas de aprendizaje. Ello demanda recursos
accesibles que permitan reforzar contenidos de forma oportuna y contextualizada.
La necesidad de refuerzo académico es especialmente evidente en Ciencias Sociales,
asignatura que exige interpretar procesos históricos, geográficos y políticos, así como
establecer relaciones de causa-efecto y analizar fenómenos multicausales. Kuhail et al.
(2023) señalan que los chatbots pueden actuar como andamiaje en disciplinas que
requieren comprensión relacional y aplicación a problemas del mundo real. En
coherencia con el enfoque por competencias, que orienta el currículo hacia desempeños
integrados y aplicables (Tahirsylaj y Sundberg, 2025), el refuerzo debe trascender la
memorización y promover comprensión, análisis e interpretación.
Un elemento central del refuerzo pedagógico es la retroalimentación formativa,
caracterizada por ser oportuna, específica y orientada a la mejora. La evidencia indica
que constituye uno de los factores con mayor impacto en el aprendizaje cuando se
centra en la tarea y el proceso (Shute, 2008). Sin embargo, el acompañamiento continuo
puede verse limitado por la alta demanda de atención personalizada. En este contexto,
la retroalimentación automatizada mediante agentes virtuales puede reducir la carga
cognitiva y permitir la corrección en tiempo real fuera del aula (Cavalcanti et al., 2021).
Asimismo, cuando estos sistemas estructuran la interacción en ciclos breves de
explicación, ejemplo, práctica y retroalimentación, favorecen la continuidad del
aprendizaje (Ba et al., 2025) y pueden generar efectos positivos en motivación y
desempeño (Yin et al., 2024).
En Ciencias Sociales, la comprensión implica construir un modelo situacional que
permita explicar qué ocurre, por qué ocurre y cómo se relaciona con otros hechos (Van
den Broek, 2024). Desde esta perspectiva, un agente virtual puede descomponer tareas
complejas, plantear preguntas guía y ofrecer ejemplos contextualizados. La evidencia
sugiere que los chatbots contribuyen al aprendizaje cuando se integran con
intencionalidad pedagógica y se orientan a la comprensión y práctica, más que a la
simple provisión de información (Yetişensoy & Karaduman, 2024). Además, pueden
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun |2026 |www.innovasciencejournal.omeditorial.com
108
Artículo Cientíco
fortalecer la autorregulación y el aprendizaje autónomo cuando proporcionan orientación
y retroalimentación durante el proceso (Lee et al., 2025).
No obstante, la efectividad de estos recursos depende del diseño didáctico y de su
articulación con el currículo. Jácome-Jácome (2026) define los agentes virtuales
educativos como sistemas que interactúan mediante lenguaje natural para cumplir
funciones de tutor, guía y retroalimentador. Las revisiones recientes indican que sus
efectos son más consistentes cuando se emplean como soporte estructurado para
orientar tareas y reforzar contenidos (Ma et al., 2025), priorizando la calidad del
feedback y la personalización (Ortega-Ochoa et al., 2024). También se reconocen
desafíos técnicos y éticos, como la precisión de las respuestas y el uso responsable
(Ganguly et al., 2026), lo que exige reglas claras y supervisión docente.
En población adulta, la adopción tecnológica se relaciona con la utilidad y facilidad de
uso percibidas (Guo y Erdenebold, 2016; Calero-Palma et al., 2025; Arias-Portalanza et
al., 2026). Meta-análisis recientes identifican estos factores como determinantes de la
intención de uso en aprendizaje móvil (Liu et al., 2024) y de la efectividad en contextos
de educación continua (Wu et al., 2023). Asimismo, la preparación para aprender con
tecnología autoeficacia y capacidad de aprendizaje autodirigido influye en la aceptación
(Xu, 2025), especialmente en contextos con diversidad en alfabetización digital.
En este marco, el presente estudio analiza la influencia de un agente virtual diseñado
como prototipo de refuerzo académico en Ciencias Sociales para estudiantes adultos
de EGB Superior. Mediante un diseño preexperimental pretest postest, se evalúa tanto
el desempeño en pruebas objetivas como la experiencia de uso durante una
intervención de cuatro semanas orientada al desarrollo de competencias. La
investigación busca responder: ¿de qué manera un agente virtual apoya el refuerzo
académico en Ciencias Sociales en adultos con escolaridad incompleta?
2. Materiales y Métodos
2.1. Diseño de investigación
El estudio se desarrolló bajo un enfoque cuantitativo de alcance descriptivo-
correlacional. Se empleó un diseño no experimental y de corte transversal, orientado a
medir la percepción de los usuarios tras la implementación de un agente virtual como
estrategia de refuerzo académico.
2.2. Participantes
La muestra estuvo conformada por 62 estudiantes de Educación General Básica
Superior en la modalidad de Educación para Jóvenes y Adultos (EPJA) de una
institución educativa en Ecuador. El muestreo fue de tipo no probabilístico por
conveniencia, seleccionando a los estudiantes que tuvieron interacción directa con el
agente virtual durante el periodo de estudio en la asignatura de Estudios Sociales.
2.3. Instrumento
Se aplicó el "Cuestionario de Percepción del uso de Agente Virtual", el cual consta de
30 ítems evaluados mediante una escala Likert de cinco puntos (1: Totalmente en
desacuerdo; 5: Totalmente de acuerdo). El instrumento se estructuró en seis
dimensiones:
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun |2026 |www.innovasciencejournal.omeditorial.com
109
Artículo Cientíco
1. Interacción: Facilidad de comunicación y claridad del agente.
2. Personalización: Adaptación del bot al ritmo del estudiante.
3. Accesibilidad: Disponibilidad técnica y facilidad de ingreso.
4. Comprensión: Claridad en los contenidos de Estudios Sociales.
5. Motivación: Interés y actitud frente al uso de la herramienta.
6. Satisfacción: Grado de agrado general con la experiencia.
2.4. Procedimiento y Análisis de Datos
La recolección de datos se realizó mediante formularios digitales tras finalizar las
sesiones de refuerzo académico. Para el análisis estadístico, se utilizó la técnica de
estadística descriptiva (cálculo de medias y desviaciones estándar) y estadística
inferencial para determinar la fiabilidad y correlación.
• Fiabilidad: Evaluada mediante el coeficiente Alfa de Cronbach.
• Relación entre variables: Calculada a través del coeficiente de Correlación de
Pearson
• Software: Los datos fueron procesados mediante herramientas estadísticas
para asegurar la precisión de los cálculos de tendencia central y dispersión.
3. Resultados
3.1. Confiabilidad del Instrumento
Para garantizar la validez de los hallazgos, se calculó el coeficiente de consistencia
interna Alfa de Cronbach). El instrumento, compuesto por 30 ítems, obtuvo un valor de
0.96, lo que representa una confiabilidad excelente según los criterios de George y
Mallery (2003). Este resultado confirma que el cuestionario posee una alta estabilidad
para medir la percepción de los estudiantes adultos sobre el agente virtual.
3.2. Análisis Descriptivo de las Dimensiones
El análisis de las respuestas muestra una percepción general altamente favorable, con
una media global de 4.20 sobre 5. A continuación, se detallan los estadísticos por
dimensión:
Tabla 1
Estadísticos descriptivos
Media (xˉ)
Desv. Est. (σ)
Interpretación
4.29
0.81
Muy Alta
4.25
0.82
Muy Alta
4.24
0.86
Alta
4.19
0.85
Alta
4.17
0.88
Alta
4.08
0.91
Alta
Nota. Las puntuaciones corresponden al promedio de los ítems por dimensión (escala Likert 1–
5). M = media; DE = desviación estándar.
Como se observa en la tabla, la dimensión Satisfacción General M=29 es la mejor
valorada, lo que sugiere que el agente virtual cumple con las expectativas de los
estudiantes en la modalidad EPJA. Por el contrario, la dimensión de Personalización
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun |2026 |www.innovasciencejournal.omeditorial.com
110
Artículo Cientíco
presenta la media más baja M=4.08 y la mayor variabilidad DE=0.9, indicando que,
aunque la percepción es positiva, existe una dispersión en las opiniones sobre la
capacidad del sistema para adaptarse a los ritmos individuales de aprendizaje.
Tabla 2
Estadístico de confiabilidad
Dimensión
N de ítems
Alfa de Cronbach (α)
Interacción con el agente
5
0.84
Personalización del contenido
5
0.81
Accesibilidad tecnológica
5
0.78
Comprensión de contenidos
5
0.82
Motivación y actitud
5
0.85
Satisfacción general
5
0.87
Escala Total
30
0.96
Nota. Elaboración propia a partir de los datos recolectados.
3.3. Correlación de Variables
Se aplicó la prueba de Correlación de Pearson para analizar la relación entre la
interacción y la satisfacción. Los resultados indican una correlación positiva muy fuerte
de 0.82, con un nivel de significancia de p < 0.001. Esto permite inferir que una
comunicación clara y fluida con el agente virtual es el factor que más influye en el agrado
del estudiante hacia la herramienta en la asignatura de Estudios Sociales.
4. Discusión
Los resultados evidencian una valoración global favorable del uso del agente virtual
como estrategia de refuerzo académico en Estudios Sociales para estudiantes jóvenes
y adultos en modalidad EPJA, con una media general alta (M = 4.20). Este hallazgo
sugiere que, en términos de experiencia de uso, el agente logra posicionarse como un
recurso pertinente para contextos de aprendizaje flexible, donde el acompañamiento
continuo puede verse limitado por condiciones de tiempo, trabajo y responsabilidades
familiares.
En primer lugar, la consistencia interna del instrumento (α = .96) confirma una medición
estable de la percepción del estudiantado respecto al agente virtual, lo cual fortalece la
credibilidad de los hallazgos descriptivos y correlacionales reportados. Además, las
confiabilidades por dimensión se ubican en rangos aceptables a buenos (α = .78 a .87),
lo que sugiere coherencia interna adecuada dentro de cada constructo evaluado
(interacción, personalización, accesibilidad, comprensión, motivación y satisfacción).
Respecto a las dimensiones evaluadas, la satisfacción general (M = 4.29) y la
interacción con el agente (M = 4.25) presentan las puntuaciones más altas, seguidas
por motivación (M = 4.24) y comprensión de contenidos (M = 4.19). Este patrón respalda
la idea de que, para población EPJA, la experiencia positiva se construye principalmente
a partir de una comunicación clara, fluida y orientadora, aspecto que coincide con
literatura que enfatiza que los agentes conversacionales son más efectivos cuando se
integran como soporte estructurado (orientación, práctica y feedback) y no como
tecnología aislada (Ma et al., 2025; Kuhail et al., 2023).
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun |2026 |www.innovasciencejournal.omeditorial.com
111
Artículo Cientíco
Un hallazgo particularmente relevante es la correlación muy fuerte y positiva entre
interacción y satisfacción (r = .82; p < .001). En términos interpretativos, esto sugiere
que la satisfacción del estudiante depende, en gran medida, de que el agente logre
sostener una interacción comprensible y funcional (claridad en respuestas, fluidez,
acompañamiento). Esta relación es coherente con modelos de aceptación tecnológica,
donde la experiencia de uso y la facilidad percibida contribuyen a la valoración y
continuidad de uso (Liu et al., 2024; Xu, 2025). Para la modalidad EPJA, en la que la
alfabetización digital puede ser variable, este resultado refuerza la prioridad de diseñar
interfaces e interacciones con baja fricción (mensajes breves, secuencia por pasos,
opción de ampliar explicación), tal como se plantea en tu propio marco de usabilidad y
accesibilidad.
En cuanto a accesibilidad tecnológica (M = 4.17), los resultados reflejan una percepción
positiva, lo que sugiere que el agente logra mitigar, al menos parcialmente, barreras
técnicas de acceso y uso en contextos reales de estudio. Esta dimensión es estratégica
en EPJA: cuando una herramienta es accesible desde celular, estable y simple, aumenta
la probabilidad de uso sostenido, lo que constituye una condición necesaria para que el
refuerzo académico ocurra de manera ubicua (Sung et al., 2016; Liu et al., 2024).
Aunque todas las dimensiones muestran medias altas, personalización registra el
promedio más bajo (M = 4.08) y la mayor variabilidad (DE = 0.91), lo que indica una
dispersión de percepciones sobre la capacidad del sistema para adaptarse al ritmo o
necesidades individuales. Este hallazgo abre una oportunidad de mejora del prototipo:
en población con trayectorias discontinuas, la personalización (nivel de explicación,
ejemplos contextualizados, rutas diferenciadas de práctica) puede marcar la diferencia
entre “entender” y “sentirse acompañado”. La literatura reciente sobre agentes
pedagógicos sugiere que la efectividad aumenta cuando el agente ajusta feedback,
niveles y estilos de apoyo, e incluso incorpora componentes socioemocionales (p. ej.,
tono empático) para sostener compromiso y persistencia (Ortega-Ochoa et al., 2024;
Ganguly et al., 2026). En consecuencia, mejorar la personalización podría elevar aún
más la satisfacción y el impacto percibido.
5. Conclusiones
Los hallazgos confirman que el agente virtual es percibido favorablemente como recurso
de refuerzo académico en Estudios Sociales para estudiantes jóvenes y adultos en
EPJA, evidenciado por una media global alta (M = 4.20/5), lo que sugiere buena
aceptación y pertinencia en un contexto de aprendizaje flexible.
El instrumento aplicado presenta consistencia interna excelente (α = .96), lo que
respalda la estabilidad de la medición de la percepción y fortalece la confianza en los
resultados descriptivos del estudio.
Entre las dimensiones evaluadas, se observa un patrón de valoración alta en
satisfacción e interacción, lo que indica que la experiencia de uso se sostiene
principalmente en la calidad del diálogo (claridad, fluidez y acompañamiento) y en la
percepción de utilidad general del agente.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun |2026 |www.innovasciencejournal.omeditorial.com
112
Artículo Cientíco
La relación muy fuerte entre interacción y satisfacción (r = .82; p < .001) permite concluir
que la satisfacción del estudiantado depende, en gran medida, de que el agente
mantenga una interacción comprensible y funcional; por tanto, el diseño conversacional
debe priorizar respuestas claras, secuenciadas y orientadas a la práctica.
Aunque todas las dimensiones mantienen niveles positivos, la personalización registra
el promedio relativamente más bajo (M = 4.08) y mayor dispersión, lo que sugiere que
existe margen de mejora en la adaptación del agente a ritmos y necesidades
individuales (nivel de explicación, ejemplos contextualizados y rutas diferenciadas de
práctica).
En términos aplicados, el estudio aporta evidencia para recomendar el uso de agentes
virtuales como soporte complementario (no sustituto) del acompañamiento docente,
especialmente para sostener el refuerzo académico y la motivación en EPJA, siempre
que se incorporen reglas de uso y orientación pedagógica.
Referencias Bibliográficas
Arias-Portalanza, D. C.,Márquez-Zurita, M. F., Zhinín-Orozco, L. P., & Zavala-
Angamarca, M. M. (2026).Innovación tecnológica
ymetodologíasactivas:Transformando el aprendizajematemático en la educación
ruralbásica.Innova ScienceJournal,4(1),301-311.
https://doi.org/10.63618/omd/isj/v4/n1/229
Ba, S., Yang, L., Yan, Z., Looi, C. K., & Gašević, D. (2025). Unraveling the mechanisms
and effectiveness of AI-assisted feedback in education: A systematic literature
review. Computers and Education Open, 9, 100284.
https://doi.org/10.1016/j.caeo.2025.100284
Calero-Palma, L. A. ., Barban-Forte, Y., Velasco-Plaza, L. R. E., & Guerrero-
Calero, V. S. (2025). Evaluación del impacto de las tecnologías digitales en los
procesos de enseñanza y aprendizaje.Innova Science Journal,3(2), 39-51.
https://doi.org/10.63618/omd/isj/v3/n2/52
Cavalcanti, A. P., et al. (2021). Automatic feedback in online learning environments: A
systematic literature review. Computers and Education: Artificial Intelligence, 2,
100027. https://doi.org/10.1016/j.caeai.2021.100027
Ganguly, A., Mehjabin, N., Malik, A., & Johri, A. (2026). Conversational AI agents in
education: An umbrella review of current utilization, challenges, and future directions
for ethical and responsible use. AI and Ethics, 6, 72. https://doi.org/10.1007/s43681-
025-00916-0
Guo, H. y Erdenebold, T. (2025). Factores que influyen en la intención de adoptar un
chatbot de IA para el aprendizaje en la educación superior: Un enfoque integrado
de PLS-SEM, IPMA y ANN. Computers and Education: Artificial Intelligence ,
100477. https://doi.org/10.1016/j.caeai.2025.100477
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/isj/v4/n1/205
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun |2026 |www.innovasciencejournal.omeditorial.com
113
Artículo Cientíco
Kuhail, M. A., et al. (2023). Interacting with Educational Chatbots: A Systematic Review.
Education and Information Technologies, 28, 973–1018.
https://doi.org/10.1007/s10639-022-11177-3
Lazonder, A. W., & Harmsen, R. (2016). Meta-analysis of inquiry-based learning: Effects
of guidance. Review of Educational Research, 86(3), 681–718.
https://doi.org/10.3102/0034654315627366
Lee, Y.-F., Hwang, G.-J., & Chen, P.-Y. (2025). Technology-based interactive guidance
to promote learning performance and self-regulation: A chatbot-assisted self-
regulated learning approach. Educational Technology Research and Development.
https://doi.org/10.1007/s11423-025-10478-x
Liu, C., Wang, Y., Evans, M., & Correia, A.-P. (2024). Critical antecedents of mobile
learning acceptance and moderation effects: A meta-analysis on technology
acceptance model. Education and Information Technologies, 29, 20351–20382.
https://doi.org/10.1007/s10639-024-12645-8
Ma, W., Ma, W., Hu, Y., & Bi, X. (2025). The who, why, and how of AI-based chatbots
for learning and teaching in higher education: A systematic review. Education and
Information Technologies, 30, 7781–7805. https://doi.org/10.1007/s10639-024-
13128-6
Ortega-Ochoa, E., Arguedas, M., & Daradoumis, T. (2024). Empathic pedagogical
conversational agents: A systematic literature review. British Journal of Educational
Technology, 55(3), 886–909. https://doi.org/10.1111/bjet.13413
Ouyang, F., et al. (2022). Artificial intelligence in education: The three paradigms.
Computers and Education: Artificial Intelligence, 3, 100064.
https://doi.org/10.1016/j.caeai.2022.100064
Pérez-González, Y. A. (2026). Concepciones Docentes sobre Tecnología y el
Reconocimiento de la Diversidad Funcional de los Estudiantes. Innova Science
Journal, 4(1), 293-300. https://doi.org/10.63618/omd/isj/v4/n1/198
UNESCO. (2022). 5th Global Report on Adult Learning and Education (GRALE 5):
Citizenship education: empowering adults for change. UNESCO Institute for Lifelong
Learning.
Shute, V. J. (2008). Focus on formative feedback. Review of Educational Research,
78(1), 153–189. https://doi.org/10.3102/0034654307313795
Sung, Y.-T., Chang, K.-E., & Liu, T.-C. (2016). The effects of integrating mobile devices
with teaching and learning on students’ learning performance: A meta-analysis and
research synthesis. Computers & Education, 94, 252–275.
https://doi.org/10.1016/j.compedu.2015.11.008
Tahirsylaj, A., & Sundberg, D. (2025). Five visions of competence-based education and
curricula as travelling policies: A systematic research review 1997–2022. Journal of
Curriculum Studies (online first). https://doi.org/10.1080/00220272.2025.2492605
Van den Broek, P. (2024). From comprehension to learning and back again. Discourse
Processes. https://doi.org/10.1080/0163853X.2024.2350289
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun |2026 |www.innovasciencejournal.omeditorial.com
114
Artículo Cientíco
Yetişensoy, O., & Karaduman, H. (2024). The effect of AI-powered chatbots in social
studies education. Education and Information Technologies, 29, 17035–17069.
https://doi.org/10.1007/s10639-024-12485-6
Yin, J., Goh, T.-T., & Hu, Y. (2024). Using a chatbot to provide formative feedback: A
longitudinal study of intrinsic motivation, cognitive load, and learning performance.
IEEE Transactions on Learning Technologies, 17, 1404–1415.
https://doi.org/10.1109/TLT.2024.3364015
Wu, X., Wider, W., & Wong, L. S. (2023). Integrating the technology acceptance model
on online learning effectiveness of emerging adult learners in Guangzhou, China.
International Journal of Education and Practice, 11(2), 129–140.
https://doi.org/10.18488/61.v11i2.3282
Xu, X. (2025). Mobile learning readiness: An integrative theoretical perspective. Discover
Education, 4, Article 136. https://doi.org/10.1007/s44217-025-00513-7
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.