Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
124
Artículo Cientíco
La inteligencia artificial y su incidencia en la construcción
de la identidad cultural de los estudiantes.
Artificial Intelligence and Its Impact on the Construction of Students’ Cultural
Identity
Valdivieso-Mora, Martha Cecilia
1
; Intriago-Intriago; Elvis Alejandro
2
; Faubla-Vera, Lesther
Aracely
3
*; Chávez-Moreira, Angie Nicole
4
.
1
Unidad Educativa “Juan Antonio Vergara Alcívar”; Ecuador, Junín;
https://orcid.org/0009-0007-3255-0284;
cecilia.valdivieso@docentes.educacion.edu.ec
2
Unidad Educativa “Dr. Manuel Benjamín Carrión”; Ecuador, Junín;
https://orcid.org/0009-0007-0529-81; elvis.intriagoi@docentes.ecucacion.edu.ec
3
Unidad Educativa “Juan Antonio Vergara Alcívar”; Ecuador, Junín;
https://orcid.org/0009-0009-9846-1473;
lesther.faubla@docentes.ecucacion.edu.ec
4
Unidad Educativa “Juan Antonio Vergara Alcívar”; Ecuador, Junín;
https://orcid.org/0009-0004-3322-8068; moreirachavez2001@gmail.com
1
Valdivieso-Mora, Martha Cecilia
https://doi.org/10.63618/omd/isj/v4/n3/334
Resumen: La inteligencia artificial transforma los procesos educativos al intervenir
no solo en la personalización del aprendizaje, sino también en las formas en que los
estudiantes construyen referentes culturales, lingüísticos y simbólicos. Este artículo
tuvo como objetivo analizar la incidencia de la inteligencia artificial en la construcción
de la identidad cultural estudiantil. Se desarrolló una revisión bibliográfica
sistematizada, basada en una adaptación del protocolo PRISMA, con 15 estudios
publicados entre 2021 y 2026 en español e inglés. Los resultados evidenciaron tres
ejes principales: expansión de la IA educativa con énfasis técnico-pedagógico,
riesgos asociados a sesgos algorítmicos y homogeneización cultural, y posibilidades
de fortalecimiento intercultural mediante mediación docente crítica. Se concluye que
la IA puede contribuir a la identidad cultural si se integra desde enfoques éticos,
inclusivos e interculturales, evitando usos acríticos que invisibilicen saberes locales o
reduzcan la diversidad cultural.
Palabras clave: inteligencia artificial; identidad cultural; educación; interculturalidad;
sesgos algorítmicos.
Abstract: Artificial intelligence is transforming educational processes by influencing
not only learning personalization but also the ways in which students construct
cultural, linguistic, and symbolic references. This article aimed to analyze the impact
of artificial intelligence on the construction of students’ cultural identity. A systematized
literature review was conducted, based on an adapted PRISMA protocol, including 15
studies published between 2021 and 2026 in Spanish and English. The results
revealed three main axes: the expansion of educational AI with a technical-
pedagogical emphasis, risks related to algorithmic bias and cultural homogenization,
and opportunities to strengthen intercultural learning through critical teacher
mediation. It is concluded that AI can contribute to cultural identity when integrated
through ethical, inclusive, and intercultural approaches, while uncritical uses may
obscure local knowledge, reinforce dominant narratives, or reduce cultural diversity.
Keywords: artificial intelligence; cultural identity; education; interculturality;
algorithmic bias.
Cita: Valdivieso-Mora, M. C.,
Intriago-Intriago, E. A., Faubla-
Vera, L. A., & Chávez-Moreira, A.
N. (2026). La inteligencia artificial
y su incidencia en la construcción
de la identidad cultural de los
estudiantes. Innova Science
Journal, 4(3), 124-
137. https://doi.org/10.63618/omd
/isj/v4/n3/334
Recibido: 03/01/2026
Aceptado: 28/05/2026
Publicado: 31/07/2026
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.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
125
Artículo Cientíco
1. Introducción
La inteligencia artificial se posiciona actualmente como uno de los fenómenos
tecnológicos con mayor capacidad de reconfiguración educativa, no solo porque
automatiza procesos o amplía el acceso a recursos digitales, sino porque interviene en
las formas en que los estudiantes aprenden, comunican, representan el mundo y
construyen sentido sobre sí mismos. Según Miao et al. (2021), la IA ofrece posibilidades
para innovar la enseñanza y acelerar metas de calidad educativa, aunque su expansión
también supera con rapidez los marcos regulatorios y pedagógicos disponibles. En esta
línea, Miao y Holmes (2023) sostienen que la IA generativa debe incorporarse desde
una visión centrada en el ser humano, capaz de proteger la autonomía, la equidad y la
responsabilidad educativa. Por ello, analizar la relación entre inteligencia artificial,
educación e identidad cultural resulta pertinente en un escenario donde los algoritmos
ya no son elementos externos al aula, sino mediadores de experiencias simbólicas,
cognitivas y sociales.
Desde una lectura amplia del campo, la inteligencia artificial en educación se vincula
con sistemas adaptativos, analítica del aprendizaje, tutores inteligentes, plataformas
generativas y herramientas de personalización. Ouyang y Jiao (2021) explican que la IA
educativa transita entre tres paradigmas: uno dirigido por la IA, otro apoyado por la IA y
un tercero orientado al empoderamiento del estudiante como sujeto activo. Esta
distinción es clave porque permite superar una visión instrumental de la tecnología y
observar cómo su uso puede fortalecer o debilitar la agencia estudiantil. De manera
complementaria, Holmes y Tuomi (2022) advierten que muchas expectativas sobre la IA
educativa parten de comprensiones reducidas sobre el aprendizaje y sobre la función
social de la educación. En consecuencia, el debate no se limita a la eficiencia
pedagógica, sino que alcanza dimensiones éticas, culturales y formativas.
En el nivel meso del análisis, la IA transforma la mediación pedagógica porque interviene
en la selección de contenidos, la retroalimentación, la evaluación, la recomendación de
rutas de aprendizaje y la producción textual o visual. Kabudi et al. (2021) señalan que
los sistemas adaptativos basados en IA permiten ajustar contenidos a necesidades
individuales, aunque todavía existen brechas en su diseño para responder a problemas
educativos complejos. Por su parte, Kasneci et al. (2023) reconocen que los grandes
modelos de lenguaje pueden apoyar la explicación, la tutoría y la creación de materiales,
pero también plantean desafíos vinculados con sesgos, errores, dependencia cognitiva
y evaluación académica. Esta tensión resulta especialmente sensible cuando el
estudiante no solo recibe información, sino que aprende a nombrar su cultura, interpretar
su comunidad y construir referentes de pertenencia a través de entornos digitales
mediados por algoritmos.
En el nivel micro, la identidad cultural de los estudiantes se comprende como una
construcción dinámica de pertenencia, memoria, lenguaje, valores, prácticas
comunitarias y reconocimiento social. Alarcón Díaz y Rojas Cubas (2025) sostienen que
el fortalecimiento de la identidad cultural en educación básica latinoamericana se logra
principalmente mediante la integración de contenidos culturales y enfoques
interculturales en la experiencia escolar. Esta evidencia permite entender que la
identidad cultural no se forma de manera espontánea ni aislada, sino a partir de
mediaciones educativas concretas. Si dichas mediaciones se desplazan hacia
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
126
Artículo Cientíco
plataformas inteligentes, entonces la IA comienza a incidir en los referentes simbólicos
que los estudiantes consultan, reproducen o cuestionan. Por ello, la pregunta central no
es únicamente si la IA mejora el aprendizaje, sino qué tipo de narrativas culturales
legitima, invisibiliza o reconfigura dentro del proceso educativo.
La literatura reciente también permite advertir que la IA no opera en un vacío cultural.
Bender et al. (2021) alertan que los grandes modelos de lenguaje reproducen patrones
presentes en los datos de entrenamiento, lo que puede amplificar sesgos lingüísticos,
sociales y culturales. De forma convergente, Arora et al. (2023) plantean que la IA debe
analizarse desde una perspectiva de riesgo relacional, pues el sesgo algorítmico, el
colonialismo de datos y la marginalización pueden reforzar desigualdades preexistentes.
En educación, la OCDE (2023) reconoce que el sesgo algorítmico constituye un campo
todavía insuficientemente investigado fuera de contextos anglosajones, lo cual es
problemático para regiones culturalmente diversas como América Latina. Desde esta
perspectiva, la construcción de identidad cultural puede verse afectada cuando los
sistemas inteligentes privilegian lenguas dominantes, imaginarios globalizados o
representaciones homogéneas de la diversidad.
El problema científico que orienta esta revisión surge de una brecha visible: gran parte
de la producción académica sobre IA educativa se concentra en rendimiento,
personalización, eficiencia, innovación docente o competencias digitales, mientras que
la relación entre inteligencia artificial e identidad cultural estudiantil permanece menos
desarrollada. Vera-Arias y Ruiz-Andaluz (2025) identifican que la personalización del
aprendizaje mediante IA exige formación docente y acceso equitativo a la tecnología
para sostener una implementación responsable. En el contexto ecuatoriano, Jara Alcívar
(2024) observa que la incorporación de IA en educación está condicionada por
infraestructura, formación docente y políticas educativas, factores que también influyen
en la posibilidad de usar estas tecnologías con pertinencia cultural. A su vez, Ahmed
(2026) advierte que la dependencia algorítmica puede expresar formas de colonialismo
digital en sistemas educativos del Sur Global. Por tanto, la pertinencia de este estudio
radica en articular educación, cultura e IA desde una revisión crítica y situada.
En función de lo expuesto, el presente artículo tiene como objetivo principal analizar,
desde una revisión bibliográfica, la incidencia de la inteligencia artificial en la
construcción de la identidad cultural de los estudiantes, considerando sus posibilidades
pedagógicas, riesgos éticos, sesgos algorítmicos, efectos sobre la interculturalidad y
desafíos para una educación culturalmente pertinente. Como supuesto orientador, se
plantea que la IA puede contribuir al fortalecimiento de la identidad cultural cuando se
integra con mediación docente crítica, curaduría de contenidos, enfoque intercultural y
criterios éticos; sin embargo, también puede debilitarla cuando reproduce sesgos,
homogeneiza narrativas, invisibiliza saberes locales o promueve una dependencia
acrítica de los sistemas automatizados. En consecuencia, esta revisión busca aportar
una lectura académica que no reduzca la IA a herramienta técnica, sino que la examine
como mediación cultural en la formación contemporánea de los estudiantes.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
127
Artículo Cientíco
2. Materiales y Métodos
El estudio se desarrolló bajo un diseño documental, de tipo revisión bibliográfica
sistematizada, con enfoque cualitativo-interpretativo y alcance descriptivo-analítico. Se
adoptó una adaptación del protocolo PRISMA 2020, debido a que este permite
transparentar las fases de identificación, cribado, elegibilidad e inclusión de fuentes
científicas, además de fortalecer la reproducibilidad del proceso de revisión. Page et al.
(2021) sostuvieron que PRISMA 2020 actualiza los criterios para reportar revisiones
sistemáticas mediante una lista de verificación de 27 ítems y diagramas de flujo,
mientras que Sánchez-Serrano et al. (2022) precisaron su utilidad en el ámbito educativo
para organizar preguntas de investigación, criterios de búsqueda y procesos de
selección documental. Desde esta lógica, la investigación no pretendió medir
experimentalmente el efecto de la inteligencia artificial en estudiantes, sino analizar
críticamente la literatura reciente sobre su incidencia en la construcción de la identidad
cultural, considerando mediación tecnológica, interculturalidad, sesgos algorítmicos,
ciudadanía digital y colonialidad de datos.
La población documental estuvo conformada por artículos científicos, revisiones,
capítulos académicos y documentos institucionales publicados entre 2021 y 2026, en
español e inglés, relacionados con inteligencia artificial educativa, identidad cultural,
subjetividad estudiantil, diversidad cultural, personalización del aprendizaje, sesgos
algorítmicos y transformación digital en educación. La búsqueda se realizó en bases
académicas y repositorios científicos como Scopus, Web of Science, ERIC, SciELO,
Redalyc, Dialnet, Springer, Elsevier, Taylor & Francis, MDPI, Frontiers, Google Scholar
y UNESCO. Se emplearon combinaciones booleanas en español e inglés, tales como:
“inteligencia artificial” AND “educación” AND “identidad cultural”; “artificial intelligence”
AND “education” AND “cultural identity”; “generative AI” AND “students” AND
“interculturality”; “algorithmic bias” AND “education” AND “culture”; y “digital colonialism”
AND “educational technology”. De acuerdo con Rethlefsen et al. (2021), la transparencia
en la estrategia de búsqueda constituye un elemento central para garantizar la
trazabilidad de una revisión, por lo que se registraron las ecuaciones empleadas, las
bases consultadas, los filtros aplicados, la fecha de búsqueda, el idioma, el año de
publicación y el tipo de documento recuperado.
Los criterios de inclusión consideraron publicaciones entre 2021 y 2026, disponibilidad
de texto completo, procedencia académica verificable, relación directa con inteligencia
artificial en educación y aporte conceptual o empírico al análisis de la identidad cultural
estudiantil. Se excluyeron documentos sin autoría verificable, publicaciones duplicadas,
textos de opinión sin respaldo científico, estudios centrados exclusivamente en
rendimiento académico sin dimensión cultural, trabajos fuera del periodo definido y
fuentes sin DOI, URL institucional o trazabilidad bibliográfica suficiente. Como criterio
de eliminación, durante la lectura completa se descartaron documentos que, aunque
contenían palabras clave afines, no abordaban de forma sustantiva la relación entre IA,
cultura, educación o subjetividad estudiantil. La información se organizó en una matriz
de extracción con campos de autor, año, país, objetivo, metodología, categoría temática,
hallazgos principales, aportes al estudio y limitaciones. Al tratarse de una revisión
bibliográfica basada en fuentes públicas, no se requirió consentimiento informado ni
autorización institucional; sin embargo, se respetaron los principios de integridad
académica, citación responsable, trazabilidad documental y uso ético de la información
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
128
Artículo Cientíco
científica. Booth et al. (2021) señalaron que una revisión rigurosa no depende solo de
acumular fuentes, sino de justificar su selección, evaluar su pertinencia y sintetizar sus
aportes con coherencia metodológica.
3. Resultados
El análisis documental permitió organizar el corpus bibliográfico en una Matriz
documental de evidencia IA–identidad cultural estudiantil (MD-IAIC-15), integrada por
15 registros publicados entre 2021 y 2026. La matriz se estructuró con fuentes en
español e inglés, seleccionadas por su contribución a la comprensión de la inteligencia
artificial en educación, los sesgos algorítmicos, la interculturalidad, la inclusión, la
agencia estudiantil y la construcción de identidad cultural. Como se muestra en la Tabla
1, los estudios revisados no se distribuyen de manera homogénea: una parte importante
aborda la IA desde la personalización, la eficiencia y la innovación educativa, mientras
que un grupo más reducido trabaja de forma directa las tensiones culturales, lingüísticas,
éticas y simbólicas asociadas al uso de sistemas inteligentes en contextos educativos
diversos.
Tabla 1.
Matriz documental de evidencia IA–identidad cultural estudiantil (MD-IAIC-15)
Nº
Autor/es y año
Idioma /
contexto
Tipo de aporte
Categoría temática
Aporte al estudio
1
Baker y Hawn
(2022)
Inglés /
internacional
Artículo teórico-
analítico
Sesgo algorítmico
en educación
Explica cómo los sistemas de
IA pueden reproducir sesgos
vinculados con raza, género,
nivel socioeconómico,
discapacidad o procedencia
cultural.
2
Crompton y
Burke (2023)
Inglés /
educación
superior
Revisión
sistemática
Estado del campo
de IA educativa
Sitúa el avance de la IA en
educación superior y permite
contextualizar tendencias,
usos y limitaciones del campo.
3
Chiu et al.
(2023)
Inglés /
internacional
Revisión
sistemática
Oportunidades y
desafíos de IA
educativa
Identifica beneficios, desafíos
y líneas futuras de
investigación sobre IA en
educación.
4
Wang et al.
(2024)
Inglés /
internacional
Revisión
sistemática
Aplicaciones
educativas de la IA
Aporta una visión amplia
sobre aprendizaje adaptativo,
evaluación inteligente, tutoría
y predicción educativa.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
129
Artículo Cientíco
5
Korte et al.
(2024)
Inglés / enfoque
intercultural
Estudio aplicado
Alfabetización en IA
e interculturalidad
Evidencia el valor de talleres
interculturales para desarrollar
comprensión crítica de la IA.
6
Klimova y Chen
(2024)
Inglés /
educación
universitaria
Revisión
Competencia
comunicativa
intercultural
Relaciona la IA con el
fortalecimiento de la
comunicación intercultural en
estudiantes universitarios.
7
Jayasinghe et
al. (2025)
Inglés /
educación
superior
Artículo aplicado
IA generativa y
materiales
culturalmente
inclusivos
Muestra estrategias para
diseñar casos de estudio
culturalmente inclusivos con
apoyo de IA generativa.
8
Gago-Galvagno
et al. (2025)
Inglés /
Argentina
Estudio mixto
Barreras culturales
ante la IA educativa
Aporta evidencia
latinoamericana sobre
percepciones, uso y barreras
socioculturales en estudiantes
universitarios.
9
Fitas (2025)
Inglés /
inclusión
educativa
Artículo analítico
Inclusión,
necesidades
especiales y
barreras lingüísticas
Relaciona IA con
accesibilidad, traducción,
inclusión y apoyo a
estudiantes con barreras
lingüísticas.
10
Peña-García et
al. (2026)
Inglés /
educación
superior
Estudio
reflexivo-
aplicado
Justicia algorítmica
e inclusión
Propone reflexión dialógica
para identificar y mitigar
sesgos en IA educativa.
11
Casablancas
(2025)
Español /
Argentina
Artículo teórico
Tecnologías
culturales, IAG e
identidad
Vincula IA generativa con
tecnologías culturales,
soberanía digital e identidad
cultural.
12
Puche-
Villalobos
(2024)
Español /
Venezuela
Estudio empírico
Perspectiva
docente sobre IA
educativa
Analiza ventajas y
desventajas de la IA desde la
mirada docente, con énfasis
en autonomía y dependencia
tecnológica.
13
Uzcátegui
Pacheco y Ríos
Colmenárez
(2024)
Español /
América Latina
Artículo reflexivo
IA, ética y
humanización
educativa
Defiende una incorporación
ética, crítica y humanizadora
de la IA en educación.
14
Bolaño-García y
Duarte-Acosta
(2024)
Español /
Colombia
Revisión
sistemática
Uso de IA en
educación
Fortalece el marco general
sobre beneficios, limitaciones
y tendencias de la IA
educativa en la literatura
reciente.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
130
Artículo Cientíco
15
Muñoz Martínez
et al. (2025)
Español /
educación
universitaria a
distancia
Artículo de
revisión/análisis
IA generativa y
pensamiento crítico
Relaciona la IA generativa con
pensamiento crítico,
autonomía y retos de la
educación a distancia.
Nota. Elaborado por los autores
3.1. Tendencias de la inteligencia artificial educativa y vacíos frente a la identidad
cultural
Los registros revisados muestran que la IA educativa se ha consolidado como un campo
en rápida expansión, especialmente en educación superior, aprendizaje adaptativo,
analítica del aprendizaje, tutoría inteligente y automatización de procesos académicos.
Crompton y Burke (2023) señalan que la producción científica sobre IA en educación
superior crece de manera sostenida, aunque todavía se concentra en usos funcionales
asociados al apoyo docente, la evaluación y la personalización. En una línea similar,
Chiu et al. (2023) reconocen oportunidades relevantes para mejorar el aprendizaje, pero
advierten que las investigaciones futuras deben atender con mayor rigor los desafíos
éticos, pedagógicos y sociales. Este primer hallazgo evidencia que la IA se estudia con
fuerza como recurso de innovación, pero aún no siempre como mediación cultural que
incide en la manera en que los estudiantes interpretan su pertenencia, sus lenguajes y
sus referentes simbólicos.
La matriz documental también revela que las revisiones generales sobre IA educativa
tienden a priorizar dimensiones de eficacia, rendimiento, retroalimentación y gestión del
aprendizaje. Wang et al. (2024) sistematizan aplicaciones vinculadas con aprendizaje
adaptativo, evaluación inteligente y predicción educativa, mientras que Bolaño-García y
Duarte-Acosta (2024) resaltan el crecimiento de investigaciones sobre IA como apoyo
al proceso educativo. Sin embargo, el vínculo con identidad cultural aparece menos
desarrollado y, cuando se menciona, suele quedar asociado a categorías indirectas
como inclusión, diversidad, lenguaje, equidad o acceso. Este vacío es relevante porque
la construcción identitaria no depende únicamente de contenidos curriculares, sino
también de las mediaciones tecnológicas que seleccionan información, jerarquizan
narrativas, sugieren respuestas y modelan formas de participación estudiantil.
3.2. Sesgos algorítmicos, inclusión y riesgos de homogeneización cultural
Una segunda categoría de resultados se relaciona con los riesgos éticos y culturales de
la IA. Baker y Hawn (2022) advierten que los sistemas algorítmicos pueden reproducir
sesgos presentes en datos históricos, diseños técnicos o decisiones institucionales, lo
cual afecta con mayor intensidad a grupos estudiantiles marcados por desigualdades
sociales, lingüísticas o culturales. Este aporte resulta decisivo para el presente estudio,
porque permite comprender que la IA no actúa como una tecnología neutral. Sus
recomendaciones, predicciones y respuestas pueden reforzar estereotipos, invisibilizar
saberes locales o privilegiar repertorios culturales dominantes. Desde esta perspectiva,
la identidad cultural estudiantil puede verse condicionada cuando los entornos
inteligentes ofrecen representaciones limitadas de la diversidad o cuando reducen la
complejidad cultural a patrones automatizados.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
131
Artículo Cientíco
Los estudios centrados en inclusión amplían esta lectura crítica. Fitas (2025) plantea
que la IA puede apoyar a estudiantes con necesidades específicas y barreras
lingüísticas mediante traducción, accesibilidad y personalización; no obstante, ese
potencial depende de un diseño sensible a la diversidad. Peña-García et al. (2026)
coinciden en que la justicia algorítmica requiere procesos de reflexión dialógica que
permitan identificar sesgos antes de naturalizarlos en la práctica educativa. De manera
complementaria, Puche-Villalobos (2024) muestra que la perspectiva docente reconoce
beneficios de la IA, pero también riesgos vinculados con dependencia tecnológica,
pérdida de autonomía y debilitamiento del pensamiento crítico. En conjunto, estos
registros indican que la IA puede favorecer la inclusión, pero también producir nuevas
formas de exclusión si no existe mediación pedagógica, alfabetización crítica y control
ético de los sistemas utilizados.
3.3. Interculturalidad, agencia estudiantil y mediación docente en la construcción
identitaria
La tercera categoría evidencia que la IA puede aportar a la construcción de identidad
cultural cuando se integra desde enfoques interculturales, críticos y situados. Korte et
al. (2024) muestran que los talleres interculturales en línea pueden fortalecer la
alfabetización en IA al exponer a los estudiantes a perspectivas diversas sobre
tecnología, sociedad y cultura. Klimova y Chen (2024) también sostienen que la IA
puede contribuir al desarrollo de la competencia comunicativa intercultural,
especialmente cuando se emplea para ampliar interacciones, apoyar el aprendizaje
lingüístico y facilitar el reconocimiento de diferencias culturales. Estos hallazgos
permiten interpretar que la IA no solo representa un riesgo de homogeneización, sino
también una oportunidad para ampliar el contacto intercultural, siempre que el diseño
pedagógico preserve la voz del estudiante y no sustituya la experiencia humana por una
respuesta automatizada.
En esta misma dirección, Jayasinghe et al. (2025) aportan una evidencia relevante al
mostrar que la IA generativa puede utilizarse para diseñar casos de estudio
culturalmente inclusivos. Este resultado resulta especialmente útil para el campo
educativo, porque desplaza la discusión desde el uso espontáneo de herramientas
inteligentes hacia la creación intencionada de materiales sensibles al contexto cultural.
Casablancas (2025), desde una lectura latinoamericana, profundiza esta preocupación
al señalar la necesidad de recuperar el trazo pedagógico en escenarios atravesados por
tecnologías culturales e inteligencia artificial generativa. Su aporte permite comprender
que la mediación docente no desaparece frente a la IA, sino que se vuelve más
necesaria para seleccionar, contextualizar, problematizar y resignificar los contenidos
producidos por sistemas algorítmicos.
Los registros latinoamericanos permiten situar el fenómeno en condiciones concretas
de desigualdad, acceso y apropiación cultural. Gago et al. (2025) identifican barreras
culturales en el uso de IA educativa por parte de estudiantes universitarios argentinos,
lo que muestra que la adopción tecnológica no depende únicamente de disponibilidad
técnica, sino también de confianza, formación, contexto sociocultural y expectativas
académicas. Uzcátegui y Ríos (2024) insisten en que la IA debe incorporarse desde una
educación humanizadora, capaz de formar en tiempos de incertidumbre sin renunciar al
criterio ético. Muñoz et al. (2025), por su parte, relacionan la IA generativa con el
pensamiento crítico en educación a distancia, dimensión central para que los
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
132
Artículo Cientíco
estudiantes no solo consuman respuestas automatizadas, sino que contrasten,
cuestionen y reconstruyan sus propios referentes culturales. En síntesis, la matriz
evidencia que la incidencia de la IA en la identidad cultural no es lineal: puede fortalecer
la interculturalidad y la agencia estudiantil, pero también debilitar la autonomía simbólica
si se usa sin acompañamiento crítico.
4. Discusión
Los resultados de la revisión permiten interpretar que la inteligencia artificial educativa
se consolida como un campo de alta productividad académica, pero todavía conserva
una orientación dominante hacia la eficiencia, la personalización y la automatización del
aprendizaje. Según Crompton y Burke (2023), la investigación reciente en educación
superior muestra un crecimiento acelerado de estudios sobre IA, aunque sus usos se
concentran principalmente en apoyo al aprendizaje, evaluación y gestión académica. En
la misma línea, Chiu et al. (2023) identifican oportunidades relevantes, pero también
desafíos que exigen nuevas agendas de investigación sobre ética, equidad y formación
docente. Wang et al. (2024) amplían esta lectura al mostrar que la IA educativa se
articula con aprendizaje adaptativo, sistemas inteligentes y analítica predictiva, mientras
que Bolaño y Duarte (2024) confirman, desde una revisión en español, que el campo
avanza con fuerza, pero aún requiere mayor discusión pedagógica. Esta coincidencia
respalda el supuesto del estudio: la IA no incide únicamente en el rendimiento, sino
también en las mediaciones culturales que organizan lo que el estudiante aprende,
valora y reconoce como parte de su mundo simbólico.
La dimensión crítica de los hallazgos se comprende mejor cuando se analiza el riesgo
de sesgo algorítmico. Baker y Hawn (2022) sostienen que los sesgos en educación
pueden emerger de datos históricos, decisiones técnicas, variables institucionales o
desigualdades sociales previamente instaladas. Este planteamiento dialoga con Peña
et al. (2026), quienes defienden la reflexión dialógica como vía para reconocer y mitigar
sesgos en propuestas de IA inclusiva. No obstante, Fitas (2025) introduce un matiz
importante: la IA también puede apoyar procesos de inclusión, traducción y atención a
barreras lingüísticas o necesidades específicas cuando se diseña con sensibilidad ética.
En contraste, Gago et al. (2025) muestran que las barreras culturales no desaparecen
por la sola presencia de herramientas inteligentes, pues las percepciones, la confianza,
el acceso y la formación condicionan el uso educativo de la IA. Por tanto, el alcance de
los resultados no permite afirmar que la IA fortalece o debilita por sí misma la identidad
cultural; más bien, evidencia que su incidencia depende del diseño, la mediación
docente, la alfabetización crítica y las condiciones socioculturales de implementación.
Los estudios vinculados con interculturalidad permiten discutir una dimensión menos
instrumental de la IA. Korte et al. (2024) muestran que los talleres interculturales en línea
pueden fortalecer la alfabetización en IA cuando los estudiantes comparan perspectivas
culturales distintas sobre tecnología. Klimova y Chen (2024) sostienen que la IA puede
favorecer la competencia comunicativa intercultural, especialmente en escenarios
universitarios donde el aprendizaje lingüístico y la interacción global son relevantes.
Jayasinghe et al. (2025) aportan una evidencia aplicada al proponer el uso de IA
generativa para diseñar casos de estudio culturalmente inclusivos, aunque este
potencial requiere revisión humana para evitar estereotipos o simplificaciones.
Casablancas (2025), desde una lectura latinoamericana, introduce una tensión
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
133
Artículo Cientíco
necesaria al reclamar la recuperación del “trazo pedagógico” frente a tecnologías
culturales e inteligencia artificial generativa. En conjunto, estos aportes sugieren que la
IA puede actuar como mediadora de reconocimiento cultural, pero solo cuando el
docente orienta el proceso hacia la contextualización, la comparación crítica y la
preservación de voces locales.
La discusión también muestra que la agencia estudiantil constituye una condición central
para que la IA no sustituya la construcción subjetiva de la identidad. Puche (2024)
evidencia que los docentes reconocen ventajas de la IA como herramienta educativa,
pero también advierten riesgos asociados con dependencia tecnológica y debilitamiento
de la autonomía. Uzcátegui y Ríos (2024) plantean que formar en tiempos de IA exige
una educación humanizadora, capaz de sostener criterio pedagógico en medio de la
incertidumbre tecnológica. Muñoz et al. (2025) complementan esta posición al vincular
la IA generativa con el pensamiento crítico en educación universitaria a distancia, lo cual
resulta clave para que los estudiantes no se limiten a consumir respuestas
automatizadas. Así, los resultados se interpretan desde una tensión formativa: la IA
puede ampliar los repertorios de aprendizaje y expresión cultural, pero también puede
reducir la experiencia educativa a una interacción rápida, fragmentada y acrítica si no
se promueve la contrastación de fuentes, la reflexión sobre sesgos y la producción
propia de sentido.
El alcance de esta revisión se ubica en la articulación entre IA educativa e identidad
cultural estudiantil, un cruce todavía emergente dentro de la literatura. La principal
fortaleza del análisis reside en integrar fuentes internacionales y latinoamericanas que
permiten observar oportunidades, riesgos y mediaciones pedagógicas desde una
perspectiva más amplia que la mera innovación tecnológica. Sin embargo, la revisión
presenta limitaciones: varios estudios abordan la cultura de forma indirecta, otros se
concentran en educación superior y pocos examinan empíricamente la identidad cultural
en estudiantes de educación básica o en comunidades indígenas, rurales o plurilingües.
Por ello, futuras investigaciones deberían desarrollar estudios cualitativos, comparativos
y situados que analicen cómo los estudiantes interpretan su cultura cuando interactúan
con sistemas de IA generativa, plataformas adaptativas o asistentes conversacionales.
También resulta necesario diseñar instrumentos que midan no solo uso, percepción o
rendimiento, sino reconocimiento cultural, pertenencia, apropiación lingüística,
pensamiento crítico y resistencia frente a narrativas algorítmicas homogeneizantes.
5. Conclusiones
La revisión bibliográfica permitió cumplir el objetivo de analizar la incidencia de la
inteligencia artificial en la construcción de la identidad cultural de los estudiantes,
evidenciando que esta relación no puede reducirse a una valoración instrumental de la
tecnología ni a una lectura exclusivamente pedagógica de sus beneficios. Los resultados
muestran que la IA educativa posee un potencial significativo para ampliar el acceso a
recursos, personalizar experiencias de aprendizaje, favorecer la comunicación
intercultural, apoyar procesos inclusivos y enriquecer la producción de materiales
culturalmente situados; sin embargo, su aporte depende de las condiciones éticas,
pedagógicas y socioculturales bajo las cuales se integra en los entornos escolares y
universitarios. La investigación demuestra que la identidad cultural estudiantil puede
fortalecerse cuando la IA se emplea como mediación crítica, acompañada por docentes
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
134
Artículo Cientíco
capaces de contextualizar los contenidos, reconocer la diversidad lingüística, promover
la reflexión sobre los saberes locales y evitar que las plataformas inteligentes sustituyan
la experiencia humana de pertenencia, memoria y diálogo comunitario.
A la vez, se confirma que los sistemas algorítmicos pueden generar riesgos relevantes
cuando reproducen sesgos, homogeneizan narrativas, invisibilizan culturas minoritarias,
privilegian lenguas dominantes o inducen una dependencia acrítica frente a respuestas
automatizadas. En este sentido, el aporte científico del artículo radica en proponer una
lectura integradora entre inteligencia artificial, educación e identidad cultural, campo aún
emergente dentro de la producción académica reciente. La revisión no solo identifica
oportunidades y amenazas, sino que plantea que la IA debe ser comprendida como una
mediación cultural que participa en la formación de subjetividades, referentes simbólicos
y formas de ciudadanía digital. Por ello, se concluye que el desafío no consiste en
aceptar o rechazar la inteligencia artificial en educación, sino en construir marcos
pedagógicos interculturales, éticos y humanizadores que permitan a los estudiantes
usarla para ampliar su pensamiento crítico, reconocer su cultura, dialogar con otras
identidades y participar de manera consciente en sociedades cada vez más mediadas
por tecnologías inteligentes.
Referencias Bibliográficas
Ahmed, S. A. (2026). Algorithmic dependence and digital colonialism: A conceptual
framework for artificial intelligence in education and knowledge systems of the
Global South. Frontiers in Education, 11, Article 1720563.
https://doi.org/10.3389/feduc.2026.1720563
Alarcón Díaz, R. E., & Rojas Cubas, M. (2025). Identidad cultural en estudiantes de
educación básica: Revisión sistemática. Horizontes Revista de Investigación en
Ciencias de la Educación, 9(39), 3164–3178.
https://doi.org/10.33996/revistahorizontes.v9i39.1110
Arora, A., Barrett, M., Lee, E., Oborn, E., & Prince, K. (2023). Risk and the future of AI:
Algorithmic bias, data colonialism, and marginalization. Information and
Organization, 33(3), Article 100478.
https://doi.org/10.1016/j.infoandorg.2023.100478
Baker, R. S., & Hawn, A. (2022). Algorithmic bias in education. International Journal of
Artificial Intelligence in Education, 32, 1052–1092. https://doi.org/10.1007/s40593-
021-00285-9
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers
of stochastic parrots: Can language models be too big? Proceedings of the 2021
ACM Conference on Fairness, Accountability, and Transparency, 610–623.
https://doi.org/10.1145/3442188.3445922
Bolaño-García, M., & Duarte-Acosta, N. (2024). Una revisión sistemática del uso de la
inteligencia artificial en la educación. Revista Colombiana de Cirugía, 39(1), 51–
63. https://doi.org/10.30944/20117582.2365
Booth, A., Sutton, A., Clowes, M., & Martyn-St James, M. (2021). Systematic approaches
to a successful literature review (3rd ed.). SAGE Publications.
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
135
Artículo Cientíco
https://books.google.com/books/about/Systematic_Approaches_to_a_Successful
_Li.html?id=-n9JEAAAQBAJ
Casablancas, S. (2025). Recuperar el trazo pedagógico en los escenarios dinámicos de
aprendizaje con tecnologías culturales y con IAG. Espacios en Blanco. Revista de
Educación, 2(35), 135–146. https://doi.org/10.37177/UNICEN/EB35-453
Chiu, T. K. F., Xia, Q., Zhou, X., Chai, C. S., & Cheng, M. (2023). Systematic literature
review on opportunities, challenges, and future research recommendations of
artificial intelligence in education. Computers and Education: Artificial Intelligence,
4, Article 100118. https://doi.org/10.1016/j.caeai.2022.100118
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of
the field. International Journal of Educational Technology in Higher Education, 20,
Article 22. https://doi.org/10.1186/s41239-023-00392-8
Fitas, R. (2025). Inclusive education with AI: Supporting special needs and tackling
language barriers. AI and Ethics, 5, 5729–5757. https://doi.org/10.1007/s43681-
025-00824-3
Gago-Galvagno, L., Justo, M. M., Zelaya, M. O., Hauché, R. A., Ferrero, P. F., Todarello,
F., Arruabarrena, L., Domínguez, I., Saenz-Valenzuela, M. M., & Touriño, L.
(2025). AI in education and cultural barriers: A mixed-methods study with
Argentinean university students. Cogent Education, 12(1), Article 2559154.
https://doi.org/10.1080/2331186X.2025.2559154
Holmes, W., & Tuomi, I. (2022). State of the art and practice in AI in education. European
Journal of Education, 57(4), 542–570. https://doi.org/10.1111/ejed.12533
Jara Alcivar, C. W. (2024). Aplicaciones de inteligencia artificial (IA) en el contexto
educativo ecuatoriano: Retos y desafíos. Ciencia Latina Revista Científica
Multidisciplinar, 8(3), 7046–7060. https://doi.org/10.37811/cl_rcm.v8i3.11897
Jayasinghe, S., Arm, K., & Gamage, K. A. A. (2025). Designing culturally inclusive case
studies with generative AI: Strategies and considerations. Education Sciences,
15(6), Article 645. https://doi.org/10.3390/educsci15060645
Kabudi, T., Pappas, I., & Olsen, D. H. (2021). AI-enabled adaptive learning systems: A
systematic mapping of the literature. Computers and Education: Artificial
Intelligence, 2, Article 100017. https://doi.org/10.1016/j.caeai.2021.100017
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F.,
Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G.,
Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T.,
Stadler, M., Weller, J., Kuhn, J., & Kasneci, G. (2023). ChatGPT for good? On
opportunities and challenges of large language models for education. Learning and
Individual Differences, 103, Article 102274.
https://doi.org/10.1016/j.lindif.2023.102274
Klimova, B., & Chen, J. H. (2024). The impact of AI on enhancing students’ intercultural
communication competence at the university level: A review study. Language
Teaching Research Quarterly, 43, 102–120.
https://doi.org/10.32038/ltrq.2024.43.06
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
136
Artículo Cientíco
Korte, S.-M., Cheung, W. M.-Y., Maasilta, M., Kong, S.-C., Keskitalo, P., Wang, L., Lau,
C. M., Lee, J. C. K., & Gu, M. M. (2024). Enhancing artificial intelligence literacy
through cross-cultural online workshops. Computers and Education Open, 6,
Article 100164. https://doi.org/10.1016/j.caeo.2024.100164
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research.
UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693
Miao, F., Holmes, W., Huang, R., & Zhang, H. (2021). AI and education: Guidance for
policy-makers. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000376709
Muñoz-Martínez, C., Roger-Monzo, V., & Castelló-Sirvent, F. (2025). IA generativa y
pensamiento crítico en la educación universitaria a distancia: Desafíos y
oportunidades. RIED-Revista Iberoamericana de Educación a Distancia, 28(2),
233–273. https://doi.org/10.5944/ried.28.2.43556
OECD. (2023). Algorithmic bias: The state of the situation and policy recommendations.
In OECD Digital Education Outlook 2023: Towards an effective digital education
ecosystem. OECD Publishing. https://doi.org/10.1787/c74f03de-en
Ouyang, F., & Jiao, P. (2021). Artificial intelligence in education: The three paradigms.
Computers and Education: Artificial Intelligence, 2, Article 100020.
https://doi.org/10.1016/j.caeai.2021.100020
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., McGuinness, L. A., Stewart, L. A., Thomas, J., Tricco, A. C.,
Welch, V. A., Whiting, P., & Moher, D. (2021). The PRISMA 2020 statement: An
updated guideline for reporting systematic reviews. BMJ, 372, Article n71.
https://doi.org/10.1136/bmj.n71
Peña-García, P., Jaime-de-Aza, M., & Feltrero, R. (2026). Dialogic reflection and
algorithmic bias: Pathways toward inclusive AI in education. Trends in Higher
Education, 5(1), Article 9. https://doi.org/10.3390/higheredu5010009
Puche-Villalobos, D. J. (2024). Inteligencia artificial como herramienta educativa:
Ventajas y desventajas desde la perspectiva docente. Areté, Revista Digital del
Doctorado en Educación, 10(especial), 85–100.
https://doi.org/10.55560/arete.2024.ee.10.7
Rethlefsen, M. L., Kirtley, S., Waffenschmidt, S., Ayala, A. P., Moher, D., Page, M. J.,
Koffel, J. B., & PRISMA-S Group. (2021). PRISMA-S: An extension to the PRISMA
statement for reporting literature searches in systematic reviews. Systematic
Reviews, 10, Article 39. https://doi.org/10.1186/s13643-020-01542-z
Sánchez-Serrano, S., Pedraza-Navarro, I., & Donoso-González, M. (2022). ¿Cómo
hacer una revisión sistemática siguiendo el protocolo PRISMA? Usos y estrategias
fundamentales para su aplicación en el ámbito educativo a través de un caso
práctico. Bordón. Revista de Pedagogía, 74(3), 51–66.
https://doi.org/10.13042/Bordon.2022.95090
Innova Science Journal
Innova Science Journal | Vol.04 | Núm.03 | Jul – Sep | 2026 | www.innovasciencejournal.omeditorial.com
137
Artículo Cientíco
Uzcátegui-Pacheco, R. A., & Ríos-Colmenárez, M. J. (2024). Inteligencia artificial para
la educación: Formar en tiempos de incertidumbre para adelantar el futuro. Areté,
Revista Digital del Doctorado en Educación, 10(especial), 1–21.
https://doi.org/10.55560/arete.2024.ee.10.1
Vera-Arias, M. J., & Ruiz-Andaluz, R. D. (2025). La inteligencia artificial como
herramienta para la personalización del aprendizaje: Potencialidades, desafíos y
perspectivas educativas. Noesis. Revista Electrónica de Investigación, 7(14), 813–
831. https://doi.org/10.35381/noesisin.v7i14.545
Wang, S., Wang, F., Zhu, Z., Wang, J., Tran, T., & Du, Z. (2024). Artificial intelligence in
education: A systematic literature review. Expert Systems with Applications, 252,
Article 124167. https://doi.org/10.1016/j.eswa.2024.124167
CONFLICTO DE INTERESES
“Los autores declaran no tener ningún conflicto de intereses”.
