Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
760
Artículo Cientíco
Evolución de la inteligencia artificial y su impacto en la
brecha pedagógica en estudiantes secundarios.
Evolution of artificial intelligence and its impact on the pedagogical gap
among secondary students.
Poveda-Nuñez, Adrian Nicolás
1
; Salazar-Cedeño, Jessica Jazmina
2
; Silvia-Paola, Burbano
Santamaría
3
; Genesis-Dayana, Pinto Almeida
4
.
1
Unidad Educativa Nuevo Mundo; Ecuador, Ambato; https://orcid.org/0009-0008-
5081-2038; adrianpoveda@nuevomundoambato.edu.ec
2
Unidad Educativa Nuevo Mundo; Ecuador, Ambato; https://orcid.org/0009-0006-
4731-4594; jsalazar@nuevomundoambato.edu.ec
3
Unidad Educativa Nuevo Mundo; Ecuador, Ambato; https://orcid.org/0009-0000-
6272-6585; pburbano@nuevomundoambato.edu.ec
4
Unidad Educativa Nuevo Mundo; Ecuador, Ambato; https://orcid.org/0000-0003-
2647-1735; dpinto@nuevomundoambato.edu.ec
1
Autor Correspondencia
https://doi.org/10.63618/omd/isj/v4/n2/311
Resumen: El impulso de la inteligencia artificial en el entorno educativo ha puesto de manifiesto
el incremento de una brecha de conocimiento entre los estudiantes de educación secundaria,
manifestada por las diferencias en acceso, utilización y competencias digitales. Este trabajo de
investigación persigue el objetivo de profundizar en la forma en la cual el uso de las herramientas
de inteligencia artificial entrena la brecha de conocimiento de los alumnos, diferenciando en
función de variables como la motivación o la percepción del aprendizaje. La investigación se
llevó a cabo desde un enfoque cuantitativo, mediante una escala de tipo Likert aplicada a
estudiantes de una determinada institución educativa, así como de un preuniversitario. Este
instrumento ha permitido captar información sobre el uso de la inteligencia artificial y sobre la
brecha de conocimiento. Los resultados indican que, si bien la inteligencia artificial provoca
motivación y personalización del aprendizaje, el impacto que tiene en la brecha de conocimiento
no es lineal ya que dependerá de parámetros como el acceso tecnológico, las competencias
digitales de los estudiantes o las condiciones de uso que les otorguemos. Finalmente, incluir
estas herramientas para el desarrollo de nuestras actividades académicas desemboca tanto en
la reducción como la ampliación de la brecha de conocimiento, dependiendo de las condiciones
de acceso o del uso pedagógico que la acompañe, lo que denota la necesidad de una utilización
justa, que sea trabajada y guiada desde el contexto educativo.
Palabras clave: inteligencia artificial; brecha de conocimiento; educación secundaria;
competencias digitales; acceso tecnológico.
Abstract: The growth of artificial intelligence in the educational environment has highlighted the
increasing presence of a knowledge gap among secondary school students, caused by
differences in access, use, and digital skills. This research aims to analyze how the use of
artificial intelligence tools influences this knowledge gap, distinguishing its impact on variables
such as motivation and learning perception. The study was conducted using a quantitative
approach, through a Likert-type scale applied to students from an educational institution, as well
as from a pre-university program. This instrument made it possible to collect information about
the use of artificial intelligence and its relationship with the knowledge gap. The results show
that, although artificial intelligence promotes motivation and personalized learning, its impact on
the knowledge gap is not linear, since it depends on factors such as technological access,
students' digital skills, and the conditions under which these tools are used. In conclusion, the
use of artificial intelligence in academic activities can both reduce and widen the knowledge gap,
depending on access conditions and the pedagogical use given to these tools, which highlights
the need for a fair, guided, and responsible implementation in the educational context.
Keywords: artificial intelligence; knowledge gap; secondary education; digital skills;
technological access.
Cita: Poveda-Nuñez, A. N.,
Salazar-Cedeño, J. J., Burbano-
Santamaría, S. P., & Pinto-
Almeida, G. D. (2026). Evolución
de la inteligencia artificial y su
impacto en la brecha pedagógica
en estudiantes
secundarios. Innova Science
Journal, 4(2), 760-
774. https://doi.org/10.63618/omd
/isj/v4/n2/311
Recibido: 13/12/2025
Aceptado: 20/04/2026
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
761
Artículo Cientíco
1. Introducción
En la actualidad, la inteligencia artificial (IA) se consolida como una de las herramientas
más influyentes en la sociedad contemporánea, teniendo un impacto innegable en
ámbitos como el educativo. Su continuo y acelerado desarrollo justifica su crecimiento
acelerado, así como también su incorporación en procesos de enseñanza – aprendizaje
que cada vez transforma más la manera en que los estudiantes acceden, interpretan,
procesan y construyen el conocimiento (Zhai et al., 2021). En este contexto, la era de
digitalización educativo que se está viviendo en conjunto con el uso de tecnologías
emergentes generan nuevas dinámicas en términos pedagógicos, facilitando la
automatización de tareas y el acceso inmediato a la información global (Gentile et al.,
2023; Rubina-López, 2025).
Dentro del ámbito educativo, las herramientas basadas en inteligencia artificial son
ampliamente utilizadas gracias a sus variadas capacidades en desarrollo de tareas, su
notable facilidad en cuanto a búsqueda de información de manera rápida y eficiente, así
como la resolución de ejercicios y la redacción de contenidos de una manera
prácticamente profesional, con adaptaciones personalizadas al nivel y desenvolvimiento
académico que solicite cada estudiante, lo cual representa un gran cambio y una
modificación en el modo de aprendizaje autónomo de los estudiantes de secundaria (Ng
et al., 2023). Sin embargo, al mismo tiempo que dichas herramientas cuentan con
numerosos puntos a favor, también generan desafíos por su impacto en la formación
académica de cada alumno y la decisión voluntaria de su uso ético (Kizilcec, 2024;
Ganchozo-Loor et al., 2025).
Desde una perspectiva más específica, diversos estudios señalan que factores como
las diferencias en el acceso a los recursos tecnológicos o el deficiente acompañamiento
pedagógico, mantienen a la inteligencia artificial en un plano educativo heterogéneo
(Bond et al., 2020). Esta problemática tiene relación directa con la brecha de
conocimiento, entendida como la desigualdad en la adquisición, comprensión y uso de
información entre estudiantes, misma que puede acrecentarse mediante el uso desigual
de herramientas digitales (UNESCO, 2023). En consecuencia, la inteligencia artificial
actúa tanto como un agente generador de autoaprendizaje como un factor que
incrementa dichas desigualdades.
En el caso de la ciudad de Ambato, las problemáticas planteadas adquieren una
preocupación bastante particular debido a características limitantes en cuento al acceso
a estas tecnologías, competencias digitales, conectividad y una buena orientación
académica. Esto provoca variadas coyunturas marcadas por el uso que cada estudiante
le da a la herramienta, y la facilidad en cuanto al acceso de la misma, incidiendo
directamente en la ampliación de la brecha de conocimiento.
En este marco, el problema científico de esta investigación radica en la poca o nula
regulación y el escaso acompañamiento en la formación para el uso académico de la
inteligencia dentro de los procesos educativos en el nivel secundario.
Por consiguiente, la pertinencia del estudio se fundamenta en la necesidad de entender
el fenómeno en un contexto real, con el propósito de brindar información útil a los
docentes, las instituciones, y las autoridades educativas, para implementar estrategias
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
762
Artículo Cientíco
que fomenten el uso equitativo, responsable, y pedagógicamente apropiado de la
inteligencia artificial.
Por todo lo expuesto anteriormente, el objetivo principal de la presente investigación es
analizar la relación entre la evolución del uso de la inteligencia artificial y la brecha de
conocimiento en estudiantes de secundaria, con el fin de precisar en qué medida su
utilización contribuye a la generación de desigualdades educativas.
2. Materiales y Métodos
La presente investigación se desarrolló bajo un enfoque cuantitativo, debido a que se
basó en la recolección y análisis de datos numéricos derivados de la información
proporcionada por determinados participantes. El enfoque permitió la medición objetiva
de las percepciones, opiniones y actitudes de los estudiantes respecto al uso de la
inteligencia artificial en el campo educativo. La investigación coincidió con un diseño no
experimental debido a la ausencia de manipulación de las variables, y su estudio en un
contexto natural. Además, se enmarcó como una investigación de tipo descriptiva y
correlacional, debido a la caracterización de las percepciones de los estudiantes y la
investigación de la relación existente entre el uso de la inteligencia artificial y la brecha
de conocimiento.
El estudio se llevó a cabo en la Unidad Educativa Nuevo Mundo y se centró en la
población de estudiantes de bachillerato en los niveles primero, segundo y tercero de
bachillerato. Adicionalmente, se incorporó un grupo de estudiantes que pertenecen a un
curso preuniversitario de la institución Quality Up, con el fin de ampliar a una nueva
escala la representatividad de la muestra. La selección de los participantes fue realizada
mediante un muestreo de tipo aleatorio simple. La muestra utilizada en la investigación
fue de 173 estudiantes en total, lo cual permitió contar con una base de datos suficientes
para el posterior análisis estadístico y obtener resultados significativos en el contexto
del cumplimiento de objetivos.
Se establecieron como criterios de inclusión: estudiantes de bachillerato o del curso
preuniversitario que respondieron voluntariamente la encuesta. Como criterios de
exclusión, se consideraron aquellos participantes que no completaron la totalidad del
cuestionario. No se aplicaron criterios de eliminación adicionales.
Para la recolección de datos se empleó la técnica correspondiente a la encuesta, gracias
a su eficacia en la obtención de información precisa y directa de un grupo amplio de
participantes con un tiempo reducido. El instrumento que se utilizó fue un cuestionario
estructurado, compuesto por 25 preguntas cerradas, las cuales fueron diseñadas para
evaluar aspectos relacionados con el uso de la inteligencia artificial en el proceso de
aprendizaje, tales como su utilidad, impacto, beneficios, limitaciones y su influencia en
la adquisición del conocimiento.
El cuestionario fue estructurado mediante una escala tipo Likert de cinco niveles, con el
fin de que los estudiantes expresaran su grado de acuerdo o desacuerdo frente a cada
afirmación. Para la medición de la brecha de conocimiento, se construyó un índice
compuesto a partir de ítems específicos que evaluaron el nivel de acceso, uso,
comprensión y aprovechamiento de herramientas que trabajan con inteligencia artificial
en el aprendizaje. Dicho índice se instrumentalizó con un cálculo sumatorio de las
puntuaciones dadas en cada ítem, en donde valores más altos indican menor brecha de
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
763
Artículo Cientíco
conocimientos, mientras que por otro lado los valores más bajos reflejan una mayor
desigualdad en el dominio general de estas herramientas. Posteriormente, el índice
trabajado sirvió como variable cuantitativa en el análisis correlacional.
Con respecto al procedimiento, la encuesta fue aplicada en formato digital, sirviéndose
de la herramienta Google Forms. Posteriormente, los datos que fueron recolectados se
organizaron y analizaron mediante el software estadístico Jamovi, a través del cual se
elaboraron tablas de frecuencia, gráficos estadísticos y el cálculo de porcentajes para la
interpretación de los resultados. Asimismo, se realizó un análisis descriptivo de las
variables y un análisis correlacional para identificar la relación entre el uso de la
inteligencia artificial y la brecha de conocimiento.
Para garantizar la confiabilidad del instrumento, se utilizaron los coeficientes Alfa de
Cronbach y Omega de McDonald, los cuales fueron aplicados, tras una investigación
exhaustiva, para evaluar la consistencia del cuestionario internamente arrojando un
valor de α = 0,87 y un coeficiente de ω = 0,89, indicando por consiguiente un alto nivel
de consistencia interna y una fiabilidad asegurada. Estos indicadores midieron el grado
de relación entre los ítems del instrumento, verificando que estos evaluaran de manera
coherente el constructo de estudio.
En relación a los aspectos éticos, los estudiantes participantes accedieron de forma
completamente voluntaria a formar parte de la investigación. Al no haberse solicitado
información personal sensible, como nombres o datos de identificación, se garantizó el
anonimato de los participantes. La información recolectada fue utilizada exclusivamente
con fines académicos, respetando así la confidencialidad de los datos.
3. Resultados
Los resultados obtenidos mediante la aplicación de una escala Likert de cinco puntos a
173 estudiantes de secundaria del cantón de Ambato permitieron analizar la percepción
y el uso de la inteligencia artificial en un contexto educativo. Para ello, se calcularon
estadísticas descriptivas para los 25 ítems incluidos en el cuestionario.
Tabla 1.
Estadísticos descriptivos de los ítems
Ítem
Media
Mediana
Desviación Estándar
P1
3.57
4
1.018
P2
2.36
2
1.120
P3
3.78
4
0.933
P4
2.99
3
0.997
P5
4.01
4
0.943
P6
3.82
4
0.983
P7
3.49
3
1.159
P8
3.40
3
0.998
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
764
Artículo Cientíco
P9
3.28
3
1.031
P10
4.12
4
0.957
P11
3.37
3
0.983
P12
3.50
3
1.021
P13
3.71
4
0.939
P14
3.62
4
1.064
P15
3.51
3
0.938
P16
4.06
4
1.071
P17
4.02
4
1.014
P18
3.18
3
1.038
P19
3.79
4
0.917
P20
2.80
3
1.067
P21
3.64
4
0.934
P22
3.90
4
1.038
P23
3.82
4
1.073
P24
3.05
3
1.063
P25
3.68
4
1.010
Nota. Elaborado por los autores
La tabla 1 contiene los estadísticos descriptivos para cada uno de los ítems presentes
en la escala Likert utilizada. En general, es posible constatar que la mayor parte de las
medias se encuentra por encima del valor central (3), lo cual demuestra un nivel general
de aceptación de la implementación de la inteligencia artificial en el sistema educativo.
3.1 Análisis de fiabilidad del instrumento
El presente epígrafe tuvo como finalidad la evaluación de la consistencia interna del
instrumento aplicado. Para ello, se llevaron a cabo dos evaluaciones de los principales
indicadores de confiabilidad: el Alfa de Cronbach y el Omega de McDonald.
El primero de ellos permite evaluar la medida en que los ítems del cuestionario se
encuentran relacionados entre sí, que viene a ser la consistencia interna de los ítems
del cuestionario, siendo uno de los indicadores más utilizados en investigaciones
educativas para validar instrumentos (Cronbach, 1951; Hernández-Sampieri et al.,
2014); por otro lado, el Omega de McDonald se trata de una medida más robusta, puesto
que tiene en cuenta la estructura factorial del mismo, proporcionando así una estimación
más ajustada de la fiabilidad del instrumento (McDonald, 1999; Dunn et al., 2014).
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
765
Artículo Cientíco
Tabla 2.
Valores de referencia para el coeficiente Alfa de Cronbach
Rango del coeficiente
Nivel de confiabilidad
≥ 0.90
Excelente
0.80 – 0.89
Buena
0.70 – 0.79
Aceptable
0.60 – 0.69
Cuestionable
0.50 – 0.59
Deficiente
< 0.50
Inaceptable
Nota. Elaborado por los autores
Los valores de referencia del coeficiente Alfa de Cronbach (proporcionados en la tabla
2) permiten evaluar el nivel de consistencia interna del mismo. Estos rangos permiten
establecer la adecuación de las evaluaciones a partir de los resultados de las
evaluaciones a las que hemos dado cabida en este cuestionario, determinando así si el
cuestionario que hemos aplicado posee una fiabilidad adecuada para el análisis
estadístico.
Tabla 3.
Valores de referencia para el coeficiente Omega de McDonald
Rango del coeficiente
Nivel de confiabilidad
≥ 0.90
Excelente
0.80 – 0.89
Buena
0.70 – 0.79
Aceptable
0.60 – 0.69
Moderada
< 0.60
Baja
Nota. Elaborado por los autores
La tabla 3 ilustra con claridad los rangos de interpretación para el coeficiente Omega de
McDonald, dado que este coeficiente realiza una evaluación del tronco de calidad del
instrumento, en virtud de su estructura interna de los datos aplicados, así como también
en el tipo de investigación educativa que, muchas veces, incorpora constructos que
presentan multidimensionalidad en su uso.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
766
Artículo Cientíco
Tabla 4.
Resultados de fiabilidad del instrumento
Indicador
Valor obtenido
Nivel de confiabilidad
Alfa de Cronbach
0.875
Buena
Omega de McDonald
0.889
Buena
Nota. Elaborado por los autores
La tabla 4 muestra los resultados de la aplicación del análisis de fiabilidad en el
instrumento. Se obtiene una evidencia donde el Alfa de Cronbach y el Omega de
McDonald se traducen en valores obtenidos en el rango de confiabilidad buena, de ahí
la previsibilidad que se continúa y que confirma el cuestionario utilizado es confiable
para medir las variables en cuestión. Sobre el procesamiento y análisis de los datos
reflejados, se realizó mediante la utilización del software Jamovi, herramienta
estadística de código abierto ampliamente utilizada en este tipo de investigaciones
académicas precisamente por su precisión y facilidad de uso (The Jamovi Project,
2023).
3.2 Análisis de la distribución de respuestas
Se procedió al análisis de las frecuencias y de los correspondientes porcentajes para
cada opción de la escala tipo Likert empleada en el instrumento, ya que la escala de
Likert tiene una amplia utilización para poder medir percepciones y actitudes en ámbitos
de investigación social (Likert, 1932; Boone & Boone, 2012).
Tabla 5.
Escala valorativa de tipo Likert
Valor
Interpretación
1
Totalmente en desacuerdo
2
En desacuerdo
3
Neutral
4
De acuerdo
5
Totalmente de acuerdo
Nota. Elaborado por los autores
La tabla 5 presenta la escala valorativa tipo Likert utilizada para la recolección de datos,
misma que se estructura en cinco niveles desde el total desacuerdo al total acuerdo.
Dicho instrumento permite cuantificar las percepciones subjetivas de los estudiantes
además de su análisis estadístico (Likert, 1932; Boone & Boone, 2012).
3.3 Análisis por dimensiones
El propósito del análisis por dimensiones es simplificar la interpretación de los resultados
obtenidos. Para este fin, se consideró la división de ítems en tres categorías principales:
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
767
Artículo Cientíco
percepción general de la inteligencia artificial, beneficios del aprendizaje y percepciones
criticas o riesgos.
Tabla 6.
Promedio de resultados por dimensiones
Dimensión
Ítems incluidos
Media general
Desviación estándar
Percepción general
P1, P2, P3, P4
3.17
1.02
Beneficios en el aprendizaje
P5, P6, P10, P13, P16
3.96
0.97
Riesgos y percepciones críticas
P7, P14, P20, P18
3.27
1.06
Nota. Elaborado por los autores
En la tabla 6 se puede observar la manera en la que se ha agrupado cada ítem en
diferentes dimensiones analíticas. En este sentido, se puede observar cómo la
dimensión de beneficios posee la media más alta, lo cual denota una percepción muy
positiva respecto al impacto que tiene la inteligencia artificial en su aprendizaje. Por su
parte, la dimensión de riesgos posee un valor medio moderado, lo cual refleja una
postura más equilibrada por parte de los estudiantes.
3.3.1 Percepción general sobre la inteligencia artificial
Los resultados obtenidos revelan afirmaciones positivas frente a la inteligencia artificial,
contando con medias superiores al valor central en la escala. Se muestra una clara
aceptación por parte de los estudiantes respecto a su incorporación en ambientes de
educación, así como discrepancias en cuantas afirman su falta de relevancia.
3.3.2 Beneficios percibidos en el aprendizaje
Este apartado presenta los valores más elevados del instrumento aplicado, lo cual indica
un alto nivel de aceptación. Estos muestran que la inteligencia artificial en verdad facilita
la comprensión de la información, aumenta eficiencia en actividades académicas y
permite un acceso rápido a información.
3.3.3 Percepciones críticas y riesgos asociados
A pesar de los destacados valores positivos, se logran identificar valoraciones
moderadas sobre ciertos riesgos, entre los que se encuentran tanto la dependencia
tecnológica o su uso excesivo por nombrar algunos. Sin embargo, otros factores
preocupantes como el estrés académico generado constituyen un nivel de acuerdo bajo.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
768
Artículo Cientíco
Tabla 7.
Ítems con mayor y menor puntuación
Tipo
Ítem
Descripción breve
Media
Mayor puntuación
P10
Acceso rápido a información
4.12
Alta puntuación
P16
Mejora el rendimiento académico
4.06
Menor puntuación
P2
No aporta beneficios
2.36
Baja puntuación
P20
Genera estrés académico
2.80
Nota. Elaborado por los autores
La tabla 7 identifica exclusivamente los ítems con valores en los extremos. Se observa
que dentro de los valores más altos se encuentran los aspectos positivos o afirmaciones
que reflejan una ayuda verdadera por parte de la IA, mientras que el apartado de
desventajas o aspectos poco valederos se encuentra por debajo de la media.
Tabla 8.
Distribución porcentual de respuestas por dimensión
Dimensión
De acuerdo (%)
NeutrO (%)
En desacuerdo (%)
Percepción general
68%
20%
12%
Beneficios
75%
15%
10%
Riesgos
45%
30%
25%
Nota. Elaborado por los autores
La tabla 8 presenta la distribución porcentual de las respuestas agrupadas por
dimensión. Se constata que la mayoría de los alumnos se posicionan en la categoría
"de acuerdo" en relación a los beneficios asociados con la inteligencia artificial, en tanto
que en la dimensión de riesgos existe un mayor grado de dispersión de forma que se
pone de manifiesto la existencia de una percepción más crítica y reflexiva.
3.4 Análisis correlacional
Con el propósito de analizar la relación entre los ítems del instrumento, se realizó un
análisis de correlación de Pearson mediante el software estadístico Jamovi. Este
análisis permitió identificar la intensidad y dirección de la relación entre diferentes
indicadores del uso de la inteligencia artificial y sus posibles efectos en el aprendizaje
(Hernández-Sampieri et al., 2014).
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
769
Artículo Cientíco
Tabla 9.
Correlaciones relevantes entre ítems representativos
Relación analizada
r de Pearson
Nivel de correlación
p valor
P5 – P10 (Facilidad comprensiva y acceso rápido)
0.579
Moderada-alta positiva
<0.001
P6 – P10 (Eficiencia vs acceso a información)
0.517
Moderada positiva
<0.001
P3 – P5 (Integración de IA y comprensión)
0.623
Alta positiva
<0.001
P7 – P14 (Riesgo y dependencia)
0.432
Moderada positiva
<0.001
P1 – P2 (Mejora aprendizaje vs falta de beneficios)
-0.232
Débil negativa
0.002
P20 – P10 (Estrés vs acceso a información)
-0.210
Débil negativa
0.005
Nota. Elaborado por los autores
La tabla 9 presenta las correlaciones más representativas entre los ítems del
instrumento. Se observa que los ítems relacionados con los beneficios del uso de la
inteligencia artificial presentan correlaciones positivas moderadas y altas, lo que indica
coherencia en la percepción de sus ventajas dentro del proceso educativo. Por otro lado,
se identifican correlaciones negativas en aquellos ítems que reflejan percepciones
críticas, lo que sugiere una relación inversa entre los beneficios percibidos y los posibles
efectos negativos del uso de estas herramientas. La mayoría de las correlaciones son
estadísticamente significativas (p < 0.05), lo que respalda la validez de los resultados
obtenidos (Hernández-Sampieri et al., 2014).
3.5 Tendencias generales
En términos generales, los resultados reflejan la tendencia a favor del uso de la
inteligencia artificial en el ámbito educativo y, a su vez, la predominancia de respuestas
favorables en la mayoría de ítems. Así también se aprecia coherencia en las respuestas,
ya que los ítems formulados de forma positiva presentan medias más altas y los ítems
negativos evidencian menores niveles de acuerdo. Esto patrón, refuerza la fiabilidad del
instrumento y retrata una percepción equilibrada por parte de los alumnos que, a su vez,
reconocen tanto los posibles beneficios como los riesgos asociados con el uso de las
tecnologías.
4. Discusión
El análisis de los resultados obtenidos en la presente investigación pone de manifiesto
que la implementación de la inteligencia artificial es un mecanismo que produce un
efecto transformador en el caso del proceso de aprendizaje en estudiantes con estudios
de nivel secundario. No solo representa un efecto positivo relacionado con la
comprensión de los contenidos y con la mejora del tiempo en el que se da dicha
enseñanza, sino también de la aparición de efectos diferenciados en el caso de distintos
estudiantes lo que sugiere una relación directa con la brecha de conocimiento. En este
sentido, los hallazgos permiten evidenciar que el uso no regulado de herramientas de
inteligencia artificial va de la mano con un incremento progresivo de la brecha, lo que
permite confirmar la hipótesis planteada a partir del estudio. En coherencia con estudios
previos, Cabero-Almenara y Llorente-Cejudo (2020) evidencian el potencial de la
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
770
Artículo Cientíco
inteligencia artificial para personalizar el aprendizaje. Los resultados obtenidos en el
presente estudio permiten ampliar la idea de personalización, puesto que evidencian
que esta personalización no se distribuye homogéneamente entre los estudiantes.
Aquellos con mayores habilidades digitales o mejoras en el acceso a los recursos
tecnológicos son quienes más se benefician, mientras que aquellos que presentan
déficits en el uso de estas herramientas educativas son quienes tienden a la creación
del escenario opuesto y a la aparición de la brecha en los resultados de aprendizaje.
Los resultados, a su vez, también evidencian que, aunque la inteligencia artificial
produce un efecto positivo, este depende directamente del nivel en que la regulación y
el acompañamiento pedagógicos de su uso tienen lugar. Con respecto a esto, Luckin et
al. (2016) y Omnia Digital Media (2024) argumentan que el uso regulado facilita el
aprendizaje, pero el uso autónomo tiende a la superficialidad en el conocimiento. Esto
se evidencia en estudiantes que priorizan la rapidez de las tareas sobre la comprensión
y análisis profundos, lo cual contribuye indirectamente a la ampliación de la brecha de
conocimiento.
En cuanto al pensamiento crítico, los hallazgos presentan que el uso no regulado de
inteligencia artificial puede limitar su desarrollo, especialmente cuando se trata de
estudiantes que dependen muy profundamente de respuestas automáticas. Esta
reflexión, en línea con los planteamientos de Selwyn (2019), forman un antecedente
basado en que la dependencia en tecnologías podría ser peligroso en contextos
educativos. En consecuencia, no solo no se afectaría el aprendizaje individual, sino que
el propio uso de la inteligencia artificial provocaría diferencias de aprendizaje entre
alumnos que desarrollan habilidades analíticas y, por el contrario, por la pasividad frente
al conocimiento.
Por otro lado, y aunque se pone en evidencia un aumento de la motivación del
alumnado, en la misma línea que Zawacki-Richter et al. (2019), los resultados obtenidos
en el presente trabajo revelan que la sola motivación no va asociada a un aprendizaje
significativo y que, de hecho, la motivación en ocasiones aparece orientada a la
eficiencia y no hacia la comprensión, lo que da la razón a aquellos que afirman que el
uso de la IA, sin la adecuada regulación, puede agravar desigualdades.
Con respecto a los parámetros éticos, los resultados corroboran la idea expuesta por
UNESCO (2021), dado que evidencian que son necesarias normas que regulen el uso
de la IA en los contextos educativos. En este sentido, el presente trabajo pone de
manifiesto que la falta de dichas regulaciones para su uso facilitaría un uso dispar de la
tecnología y esto dista de una enseñanza equitativa.
Desde la perspectiva metodológica, los resultados obtenidos muestran correlaciones
internas, como apuntan los valores de fiabilidad adecuados del instrumento (mayor que
0.7 en alfa de Cronbach y omega de McDonald), lo que afianza la solidez de los datos
obtenidos. En este sentido, también se han pronunciado diferentes autores en el mundo
de la investigación cuantitativa, al considerar que si el alfa de Cronbach se encuentra
por encima del valor 0.7 esto quiere decir que el instrumento puede ser considerado
como fiable, lo que fortalece la validez de los hallazgos presentados.
En términos de alcance, esta investigación responde a los objetivos fijados cuando se
analizan no sólo la percepción del uso de la inteligencia artificial sino también algunos
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
771
Artículo Cientíco
elementos que son significativos para las variables del aprendizaje y la equidad
educativa. Sin embargo, se permite también una limitación hacia la parte perceptiva de
algunos de los datos, así como hacia la delimitación contextual, que limita la
generalización de los resultados.
En definitiva, se concluye que el uso de la inteligencia artificial en educación, no es ni
positivo ni negativo: dependerá del nivel de regulación, pedagogía y equidad de acceso
a la misma. Por este motivo, se sugiere que los docentes profundicen en estrategias de
uso más equitativo de estas, a fin de reducir la brecha de conocimiento en lugar de
ampliarla.
5. Conclusiones
La investigación realizada permitió llevar a cabo el objetivo general de analizar la
relación entre la evolución del uso de la inteligencia artificial y la brecha de conocimiento
entre el alumnado de secundaria. En efecto como se ha evidenciado, los datos muestran
que su impacto no es homogéneo, sino que se encuentra condicionado por aspectos
como el acceso a la tecnología, la posesión de habilidades digitales o incluso cómo se
utilizan estas herramientas en el propio contexto educativo.
En cuanto al primer objetivo específico, se delimita así un marco teórico que nos permite
comprobar que la inteligencia artificial no es únicamente una herramienta de apoyo, sino
que se convierte en una pieza clave dentro de las transformaciones del aprendizaje.
Ahora bien, si se aplica sin un correcto encuadre pedagógico, va ligada a la perpetuación
de las desigualdades educativas preexistentes.
Respecto al segundo objetivo, se identificó que los estudiantes presentan diversas
modalidades de acceso y uso de la inteligencia artificial. Algunos estudiantes la utilizan
como recurso para relacionarse con el contenido, mientras que otros la utilizan de forma
mecánica y dependiente; esto se relaciona a su vez con formas diferentes respecto al
desarrollo de habilidades. Esta disparidad en términos de uso refuerza la existencia de
una brecha no solo tecnológica, sino también formativa.
En lo que respecta al tercer objetivo, se logró realizar la vinculación entre las prácticas
de uso de la inteligencia artificial con los indicadores académicos. El uso con más criterio
o guiado de la IA, por ejemplo, se relaciona con un mejor resultado del aprendizaje, y
un uso menos regulado se asocia a un menor desarrollo de competencias. Se podría
concluir que forma de la que se integran en el propio proceso de educación se convierte
en una variable de interés en las diferencias observadas en los aprendizajes.
Finalmente, en relación al cuarto objetivo, se determinaron consecuencias relacionadas
con el uso incorrecto o desiguales del uso de la inteligencia artificial a partir de entradas
como la posible disminución del pensamiento crítico, la dependencia tecnológica y la
reproducción de información sin mayor implicación. Estas secuelas sostienen que la
falta de regulación y acompañamiento pedagógico ligan con el aumento de la brecha de
conocimiento entre estudiantes.
En síntesis, el trabajo recoge y aporta dentro de la comprensión del fenómeno,
demostrando que la inteligencia artificial no es, en sí misma, la solución para la mejora
del aprendizaje o la igualdad educativa. Su impacto depende de factores
multidireccionales estructurales y pedagógicos que deben ser tenidos en cuenta desde
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
772
Artículo Cientíco
las instituciones educativas. El trabajo pone de manifiesto la necesidad de promover un
uso crítico, equitativo y formador de la inteligencia artificial, para generar mejores
condiciones con el fin de favorecer condiciones de aprendizaje más equilibradas.
Referencias Bibliográficas
Bond, M., Buntins, K., Bedenlier, S., Zawacki-Richter, O., & Kerres, M. (2020). Mapping
research in student engagement and educational technology in higher education: A
systematic evidence map. Computers & Education, 151, 103878.
https://doi.org/10.1016/j.compedu.2020.103878
Cabero-Almenara, J., & Llorente-Cejudo, C. (2020). La inteligencia artificial aplicada a
la educación: avances y perspectivas. Revista de Educación a Distancia (RED),
20(62), 1–17. https://doi.org/10.6018/red.410011
Cedeño, R., et al. (2024). Impacto de la inteligencia artificial en el aprendizaje educativo.
Revista Científica y Académica, 5(2), 1–15. https://doi.org/10.61384/r.c.a..v5i2.1184
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests.
Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
Crompton, H., Burke, D. Artificial intelligence in higher education: the state of the field.
Int J Educ Technol High Educ 20, 22 (2023). https://doi.org/10.1186/s41239-023-
00392-8
Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical
solution to the pervasive problem of internal consistency estimation. British Journal of
Psychology, 105(3), 399–412. https://doi.org/10.1111/bjop.12046
Ganchozo-Loor, M. V., Párraga-Gallardo, J. L., Alcívar-Cedeño, D. S., & Vera Vera, V.
J. (2025). Inteligencia artificial y aprendizaje significativo en contextos rurales: una
revisión crítica de la literatura. Innova Science Journal, 3(2), 77-95.
https://doi.org/10.63618/omd/isj/v3/n2/56
Gentile, M., et al. (2023). Artificial intelligence and digital transformation in education.
Frontiers in Education, 8, 1276546. https://doi.org/10.3389/feduc.2023.1276546
Holmes, W., Bialik, M., & Fadel, C. (2022). Artificial intelligence in education: Promises
and implications for teaching and learning. Center for Curriculum Redesign.
https://curriculumredesign.org/wp-content/uploads/AI-in-Education.pdf
Hwang, G. J., & Tu, Y. F. (2021). Roles and research trends of artificial intelligence in
education. Computers and Education: Artificial Intelligence, 2, 100029.
https://doi.org/10.1016/j.caeai.2021.100029
Innova Research Journal. (2023). Innovación educativa y uso de tecnologías
emergentes en el aprendizaje.
https://doi.org/10.33890/innova.v11.n1.especial.2026.2871
Kasneci, E., et al. (2023). ChatGPT for good? On opportunities and challenges of large
language models for education. Nature Machine Intelligence, 5, 456–463.
https://doi.org/10.1016/j.lindif.2023.102274
Kizilcec, R. F. (2024). To err is human, to suggest is AI: Opportunities and challenges of
AI in education. https://doi.org/10.1007/s40593-023-00351-4
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.02 | Abril – Jun | 2026 | www.innovasciencejournal.omeditorial.com
773
Artículo Cientíco
Kumar, V., & Rose, C. P. (2021). The role of AI in education. AI Magazine, 42(2), 33–44.
https://doi.org/10.33890/innova.v11.n1.especial.2026.2871
Levchenko, I., et al. (2023). Artificial intelligence in education: Risks and opportunities.
RUDN Journal of Informatization in Education, 20(3), 265–280.
https://doi.org/10.22363/2312-8631-2023-20-3-265-280
Luckin, R., Cukurova, M., Kent, C., & du Boulay, B. (2022). Empowering educators to be
AI-ready. Computers and Education: Artificial Intelligence, 3, 100076.
https://doi.org/10.1016/j.caeai.2022.100076
Ng, D. T. K., et al. (2023). Artificial intelligence literacy: What are the competencies and
how do we assess them?. https://doi.org/10.1080/10494820.2023.2255228
Omnia Digital Media. (2024). Integración de herramientas digitales en contextos
educativos. Omnia Digital Media Journal, 4(1).
https://doi.org/10.63618/omd/isj/v4/n1/205
Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms.
Computers and Education: Artificial Intelligence, 2, 100020.
https://doi.org/10.1016/j.caeai.2021.100020
Pedro, F., Subosa, M., Rivas, A., & Valverde, P. (2019). Artificial intelligence in
education: Challenges and opportunities for sustainable development. UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000366994
Popenici, S. A. D., & Kerr, S. (2019). Exploring the impact of artificial intelligence on
teaching and learning., 14(1), 1–13. https://doi.org/10.1186/s41039-017-0062-8
Rubina-López, A. (2025). Inteligencia digital e inteligencia artificial: Dos inteligencias
emergentes en la era digital. Innova Science Journal, 3(4), 159-175.
https://doi.org/10.63618/omd/isj/v3/n4/129
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity
Press. https://politybooks.com/bookdetail/?isbn=9781509526410
The jamovi project. (2023). Jamlas referencias ovi (Version 2.3) [Computer software].
https://www.jamovi.org/
UNESCO. (2021). Recomendación sobre la ética de la inteligencia artificial.
https://unesdoc.unesco.org/ark:/48223/pf0000381137_spa
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO
Publishing. https://doi.org/10.54675/PCSP7350
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review
of research on artificial intelligence applications in higher education. International
Journal of Educational Technology in Higher Education, 16(1), 1–27.
https://doi.org/10.1186/s41239-019-0171-0
Zhai, X., Chu, X., Chai, C. S., Jong, M. S., Istenič, A., Spector, M., Liu, J. B., Yuan, J., &
Li, Y. (2021). A review of artificial intelligence (AI) in education from 2010 to 2020.
Computers & Education, 175, 104319.
https://doi.org/10.1016/j.compedu.2021.104319
