Universidad de Ciego de Ávila Máximo Gómez Báez
|
ISSN: 2309-8333
|
RNPS: 2411
|13(2) |2025|
Este es un artículo Open Access bajo la licencia CC BY-NC-SA 4.0 (https://creativecommons.org/licenses/by-nc-sa/4.0/)
Estrategia y Gestión Universitaria EGU
Artículo de revisión
Cómo citar:
Supelano Londoño, M. L.
(2025). La Inteligencia Artificial como
aliada en la educación superior: más allá
del aula.
Estrategia y Gestión
Universitaria
, 13(2), e8968.
https://doi.org/10.5281/zenodo.17535089
Recibido: 20/08/2025
Aceptado: 31/10/2025
Publicado: 10/11/2025
Autor para correspondencia:
msupelanolo@uniminuto.edu.co
Conflicto de intereses:
los autores
declaran no tener ningún conflicto de
intereses, que puedan haber influido en
los resultados obtenidos o las
interpretaciones propuestas
.
La Inteligencia Artificial como aliada
en la educación superior: más allá del
aula
Artificial Intelligence as an ally in higher
education: beyond the classroom
Inteligência Artificial como aliada no
ensino superior: para além da sala de
aula
Resumen
Introducción: la educación ha experimentado un cambio
significativo en la manera de aprender como en la de enseñar.
Entendida como un proceso necesario para el desarrollo
humano ha comenzado a abrirse a nuevas tecnologías entre
ellas la inteligencia artificial, respetando la diversidad y la
consolidación del vínculo entre docentes, estudiantes y
saberes. Objetivo: analizar cómo la inteligencia artificial ha
dejado de ser una tendencia emergente para convertirse en
una herramienta esencial dentro y fuera del aula en la
educación superior, abordando su impacto más allá de la
enseñanza tradicional. Metodología: se realizó una reflexión
argumentativa a basada en la observación de casos actuales
de uso de inteligencia artificial en el contexto universitario,
completada con una revisión bibliográfica de literatura
publicada entre 2020 y 2025, y el uso de herramientas de
apoyo como Jenni IA y Scite AI para organizar y explorar las
fuentes académicas más relevantes. Resultados: se
identificaron diferentes usos de la inteligencia artificial en la
educación superior, la inclusión de asistentes virtuales,
plataformas de aprendizaje adaptativo, algoritmos de
aprendizaje automatizado y análisis predictivo. Conclusión:
la inteligencia artificial no representa una amenaza, siempre
que su implementación respete los principios éticos y
considere las brechas tecnológicas existentes.
Palabras clave: Inteligencia artificial, educación superior,
aprendizaje, aula, tecnología
Abstract
Introduction: education has undergone a significant
transformation in both learning and teaching approaches.
Conceived as a fundamental process for human development,
it has begun to embrace emerging technologies, including
artificial intelligence, while upholding diversity and
strengthening the connection between educators, learners,
and knowledge.
Mary Lizeth Supelano Londoño
1
Corporación Universitaria Minuto de Dios
UNIMINUTO
https://orcid.org/0009-0003-2560-7490
msupelanolo@uniminuto.edu.co
Colombia
Estrategia y Gestión Universitaria
|
ISSN
: 2309-8333
|
RNPS:
2411
13(2) | Julio-Diciembre |2025|
| Mary Lizeth Supelano Londoño |
Objective:
to analyze how artificial intelligence has evolved from an emerging
trend to an essential tool within and beyond the classroom in higher education,
addressing its impact beyond traditional teaching paradigms.
Methodology:
an
argumentative reflection was conducted based on the observation of current
cases involving the use of artificial intelligence in university settings. This was
complemented by a literature review of publications from 2020 to 2025 and the
use of support tools such as Jenni AI and Scite AI to organize and explore the most
relevant academic sources.
Results:
various applications of artificial intelligence
in higher education were identified, including virtual assistants, adaptive learning
platforms, automated learning algorithms, and predictive analytics.
Conclusion:
artificial intelligence does not pose a threat, provided its implementation
adheres to ethical principles and takes into account existing technological gaps.
Keywords:
Artificial intelligence, higher education, learning, classroom,
technology
Resumo
Introdução: a educação passou por uma transformação significativa tanto nas
formas de aprender quanto de ensinar. Compreendida como um processo
essencial para o desenvolvimento humano, começou a incorporar novas
tecnologias, entre elas a inteligência artificial, respeitando a diversidade e
fortalecendo o vínculo entre docentes, discentes e saberes. Objetivo:
analisar como a inteligência artificial deixou de ser uma tendência emergente
para se tornar uma ferramenta essencial dentro e fora da sala de aula no
ensino superior, abordando seu impacto para além da educação tradicional.
Metodologia: foi realizada uma reflexão argumentativa baseada na
observação de casos atuais de uso da inteligência artificial no contexto
universitário, complementada por uma revisão bibliográfica de literatura
publicada entre 2020 e 2025, além da utilização de ferramentas de apoio
como Jenni IA e Scite AI para organizar e explorar as fontes acadêmicas mais
relevantes. Resultados: foram identificadas diversas aplicações da
inteligência artificial no ensino superior, incluindo assistentes virtuais,
plataformas de aprendizagem adaptativa, algoritmos de aprendizagem
automatizada e análise preditiva. Conclusão: a inteligência artificial não
representa uma ameaça, desde que sua implementação respeite os princípios
éticos e considere as desigualdades tecnológicas existentes.
Palavras-chave:
Inteligência artificial, ensino superior, aprendizagem, sala de
aula, tecnologia
| Mary Lizeth Supelano Londoño |
e8968
Introducción
En las últimas décadas hemos visto cómo la humanidad atraviesa
considerables transformaciones en los modos de producción, circulación y
apropiación del conocimiento (Túñez-López et al., 2019). La irrupción de las
tecnologías digitales, y en particular la de la Inteligencia Artificial (IA), constituye
un cambio de época que impacta, entre otros, a los sistemas educativos, lo que pone
en jaque las estrategias tradicionales de enseñanza, aprendizaje, evaluación y
gestión institucional (Bermeo-Paucar, 2024; Cisneros et al., 2023). La educación
superior, como espacio de generación de conocimiento avanzado y de producción
científica, no se ha entregado ajena a estas transformaciones, sino que constituye
uno de los lugares privilegiados para la experimentación, implementación y reflexión
crítica sobre los efectos de la IA en los procesos educativos (Avellaneda-Callirgos et
al., 2025; Gallifa et al., 2021).
Hoy en día, buena parte de la literatura y de los debates públicos tienden a
centrarse casi exclusivamente en el uso de la IA relacionada con el aula, sin tener
en cuenta las múltiples formas en que está tecnología transforma, de manera
integral, el ecosistema universitario (Donayre Bohabot et al., 2024). El artículo que
se presenta tiene por objeto considerar la Inteligencia Artificial como agente de
cambio estructural en la educación superior, más allá del uso didáctico,
extendiéndose a líneas de trabajo relacionadas con la gestión académica, el
acompañamiento estudiantil, la investigación científica, la gobernanza institucional
y la planificación estratégica, La inteligencia artificial (IA) transforma la educación
superior, con un impacto mucho más allá del aula tradicional.
Las investigaciones recientes exploran cómo la IA puede mejorar la
enseñanza, el aprendizaje, la administración y el apoyo estudiantil, al tiempo que
plantean desafíos y oportunidades para el futuro de las universidades. Según
Nimbalagundi et al. (2024), la IA ha demostrado su potencial para transformar
numerosos campos, y la educación no es una excepción, En la misma línea, González
(2023) sostiene que esta herramienta es poderosa y está generando una revolución
en la manera en que se enseña y se aprende. La IA es una tecnología que impulsa la
educación en todos los niveles desde etapas de año 0 hasta nivel superior, la IA
muestra un avance positivo en la enseñanza, si bien actualmente se busca ser
cauteloso respecto a la interacción con estas aplicaciones tecnológicas presenta una
visión general de la IA generada (GenAI) para la educación superior, como ChatGPT,
MidJourney o Codex, y del "aprendizaje impulsado por IA". Tecnologías de IA como
el procesamiento del lenguaje natural (PLN), la mejora automatizada del
rendimiento (APE), los sistemas de tutoría inteligente (ITS), los sistemas de
aprendizaje personalizado (PLS), la realidad virtual (RV) y la realidad aumentada
(RA).
El análisis de sentimientos y muchas más pueden aplicarse a diferentes áreas
de la docencia el aprendizaje, la investigación y el servicio a la sociedad. Según
Porayska-Pomsta et al. (2022), estas aplicaciones ofrecen un potencial significativo
para transformar los procesos educativos. Al observar la IA desde una perspectiva
histórica, se observa que los sistemas universitarios han atravesado por muchas
etapas en las cuales en sus principios no era algo prometedor, en su momento las
tecnologías anteriores a la IA como (informática básica o los entornos virtuales de
| Mary Lizeth Supelano Londoño |
e8968
aprendizaje) mostraron cambios importantes en las modalidades de enseñanza, la IA
va más allá al incorporar la capacidad de aprender, adaptarse y tomar decisiones
basadas en patrones derivados del análisis masivo de datos (Marr, 2020). Tal cualidad
convierte a la IA en una tecnología provista de agencia, habilitada para mediar en
tiempo real los procesos académicos, administrativos y científicos y, al mismo
tiempo, rediseña las prácticas institucionales y provoca, así, nuevos desafíos de tipo
epistemológico, ético y político.
Una de las contribuciones más manifiestas de la IA en el ámbito de la
educación superior es su capacidad para adaptar el aprendizaje, de manera que
personaliza los diversos contenidos y las distintas estrategias pedagógicas a las
características de cada alumno. Plataformas basadas en algoritmos de aprendizaje
automático permiten detectar patrones de comportamiento, necesidades de
refuerzo o fortalezas cognitivas específicas, de manera que brinda retroalimentación
oportuna y orientaciones personalizadas (Luckin et al., 2016). Esta capacidad ha
demostrado que es más adaptativa y no solo eso también inclusiva lo que genera
desconcierto y temor por el mal uso de los datos privados, la opacidad de los
algoritmos y el riesgo de reproducción de sesgos estructurales (Williamson y Eynon,
2020). La inteligencia artificial no solo se articula mediante la vertiente pedagógica,
sino que modifica sutil pero sustancialmente los procesos de gestión académica y
administrativa. Diversas universidades han comenzado a integrar los sistemas de
inteligencia institucional, que, mediante la recopilación y análisis de datos masivos,
permiten anticipar tendencias, identificar riesgos de deserción, optimizar el uso de
recursos o diseñar intervenciones estratégicas más eficientes (Daniel, 2015).
La investigación científica de una u otra forma se ha visto impactada por la
IA por su fácil sistematización de datos, la revisión automatizada de la literatura,
el diseño experimental y la predicción de resultados En campos como la
biomedicina, la economía o la ingeniería, los investigadores han incorporado
modelos algorítmicos para analizar bases de datos complejas, identificar
correlaciones y generar hipótesis con un nivel de precisión y rapidez inalcanzables
mediante métodos tradicionales (Jordan y Mitchell, 2015).
Si bien estas herramientas multiplican por un lado las capacidades evolutivas
de los trabajadores académicos, por otro ponen en duda las fronteras que demarcan
la autoría del ser humano y la intervención técnica, que reta las concepciones
convencionales de creatividad, originalidad y ética investigativa. La implementación
de la IA en la educación permite experiencias de aprendizaje personalizadas y
proporciona a los estudiantes contenido y retroalimentación adaptados a sus
necesidades y estilos de aprendizaje individuales (López et al., 2023). Esta
personalización fomenta la participación estudiantil y mejora los resultados de
aprendizaje al abordar lagunas de conocimiento y preferencias de aprendizaje
específicas (Dey et al., 2025).
En contexto, el uso de la IA en la educación superior mide tensiones
epistemológicas y pedagógicas que no pueden ser obviadas. Desde el plano
epistemológico, hay que poner en cuestión cómo se produce el conocimiento a partir
de los modelos automáticos; ¿La IA es una aliada en la educación superior? Se trata
de una reflexión que debemos afrontar. Desde el punto de vista pedagógico se debe
| Mary Lizeth Supelano Londoño |
e8968
aprender a interactuar con las herramientas que la tecnología ofrece y capacitar a
los docentes y estudiantes en los nuevos roles que deben establecer con la IA en un
contexto en el que las tecnologías inteligentes medien y dar cuenta de que el uso de
la IA no agrave desigualdades ni socave los principios de la justicia educativa. Y
desde el ámbito ético, debe contarse con marcos normativos y principios rectores
sobre el uso de datos, la transparencia de los algoritmos y la forma de establecer
una IA centrada en el ser humano.
Frente a este panorama, el presente artículo se propone construir un
análisis amplio, riguroso y propositivo sobre el papel de la Inteligencia Artificial como
aliada estratégica en la transformación de la educación superior. Partimos de una
concepción holística del fenómeno educativo, reconocemos la interdependencia
existente entre la dimensión pedagógica, la dimensión institucional, la dimensión
tecnológica y la dimensión cultural. A partir de la revisión de literatura actualizada,
el estudio realiza un análisis de experiencias concretas de implementación de IA en
universidades de diferentes localidades del mundo, identifica oportunidades y
riesgos emergentes, y, finalmente, plantea un conjunto de recomendaciones para la
integración ética, crítica y consistente de dichas tecnologías en la educación
superior.
Metodología
La metodología de esta revisión se enmarca en un enfoque cualitativo
conforme a los planteamientos de Gómez (2012) según estos autores es “la disciplina
que se encarga del estudio crítico de los procedimientos, y medios aplicados por los
seres humanos, que permiten alcanzar y crear el conocimiento en el campo de la
investigación científica” En concordancia con lo anterior, esta metodología está
centrada en comprender fenómenos sociales complejos desde la perspectiva de los
participantes, con el fin de explorar significados, experiencias y percepciones a
través de análisis de contenido (Mativi et al., 2020).
Al objeto de responder a la pregunta de investigación, se generó un listado
de criterios de inclusión y exclusión antes de llevar a cabo la búsqueda bibliográfica.
Los criterios de inclusión se centraron en los documentos (libros y artículos) que
tratan sobre el impacto de la inteligencia artificial en la educación superior y que
habían sido publicados entre el año 2020 y el año 2025 (Ver tabla 1).
Tabla 1
Criterios de elegibilidad
Criterio Descripción
Año de
publicación
Se seleccionaron artículos o documentos que fueron
publicados entre los años 2020 a 2025.
| Mary Lizeth Supelano Londoño |
e8968
Idioma
Únicamente artículos o documentos que fueran o estuvieran
en inglés o español.
Tipo de
documento
Se
consideraron sólo artículos revisados, conjuntos de
páginas, libros y capítulos de libros, conferencias revisadas.
Relevancia
temática
•
Los estudios debían abordar de forma específica el
impacto de la IA en la educación superior
• Ampliación del impacto educativo
• Optimización de procesos institucionales
• Transformación del rol docente y estudiantil
• Contribución a la calidad y equidad educativa
• Respuesta a desafíos contemporáneos
Accesibilidad
del texto
Únicamente se tuvieron en cuenta los documentos a los que
se tuvo acceso, bajo la presunción de acceso total en el
formato completo.
Calidad del
estudio
Se evaluó la calidad mediante evaluación del Mixed Methods
Appraisal
Tool (MMAT), con consideración de estudios con
puntuaciones altas.
Fuente: Elaboración propia.
Como criterios de exclusión se eliminaron artículos de revistas que no
tuvieran ISSN (International Standard Serial Number) o que no alcanzaran la
evaluación de calidad que establece el Mixed Methods Appraisal Tool (MMAT). Este
último, elaborado por Honga et al. (2019), presenta cinco criterios según los cuales
evaluar la calidad de los estudios cualitativos, ensayos controlados aleatorios,
estudios no aleatorios, estudios descriptivos cuantitativos y estudios de métodos
mixtos. La inclusión de este criterio de evaluación garantizó que sólo se incluyeran
artículos académicos de calidad en el estudio.
La búsqueda bibliográfica se llevó a cabo entre enero y junio de 2025. Las
bases de datos utilizadas incluyeron Scopus, Web of Science, Erih Plus, Scielo,
Dialnet. Se emplearon palabras clave en español e inglés como "inteligencia artificial
en educación superior", "Machine Learning en universidades", "impacto de IA en el
aprendizaje universitario", "Artificial Intelligence in higher education" y “AI in
university learning.” “más allá del aula", "Inteligencia Artificial en la Educación
Superior: Aplicaciones y Perspectivas"
| Mary Lizeth Supelano Londoño |
e8968
Este enfoque permitió identificar un total de 163 documentos que cumplían
con los criterios de inclusión. Tras una revisión exhaustiva, se seleccionaron 31
artículos que fueron clasificados e interpretados se utilizó la declaración PRISMA
(Page et al., 2021).
Figura 1
Diagrama de flujo basado en la declaración PRISMA
Fuente: Elaboración propia.
Identificación de estudios a través de bases de datos y registros
Identificación
Chequeo
Registros identificados de: Scopus (n =
189) ERIC (n = 103) Web of Science (n =
59) Scielo (n = 76) Dialnet (n = 130)
TOTAL (n = 557)
Duplicados eliminados: 185
Registros restantes para evaluación por
título/resumen: 372
Registros excluidos por irrelevancia temática o
falta de enfoque en educación superior: 280
Artículos seleccionados para revisión completa: 92
Registros examinados (n =195)
Artículos evaluados en texto completo: n=92
Se solicita la recuperación (n =163)
Estudios incluidos en la revisión:
Estudios publicados entre 2020 y 2025.
Idioma: inglés o español.
Artículos y conferencias revisados por
pares, libros y capítulos de libros.
Estudios realizados en contextos de
educación superior a nivel mundial.
Documentos accesibles en texto
completo.
Artículos incluidos en la revisión
sistemática final: n=31
Registros excluidos tras evaluación
completa (n =132)
Estudios excluidos:
Estudios publicados antes de 2015.
Artículos publicados en idiomas diferentes a inglés o
español.
Artículos de opinión, editoriales, resúmenes de
conferencias y tesis no revisadas por pares.
Estudios que no abordan específicamente la
inteligencia artificial en la educación superior.
Documentos a los que no se pudo acceder en texto
completo.
Estudios que no cumplen con los criterios de calidad
según el Mixed Methods Appraisal Tool (MMAT).
Inclusión
| Mary Lizeth Supelano Londoño |
e8968
Para la evaluación de la calidad de los estudios seleccionados se aplicó una
lista de verificación que se fundamentaba en unos criterios metodológicos estándar
y sobre los cuales se consideraba la validez interna y externa, la presentación clara
de los métodos y los resultados y la relevancia del estudio a la pregunta de
investigación. Cada estudio fue asignado con una puntuación de calidad y
únicamente aquellos que alcanzaron valoraciones altas fueron incluidos en el análisis
final.
Esta evaluación cualitativa hace posible que los hallazgos de la revisión
tengan un nivel de confianza que permite que se puedan aportar hallazgos relevantes
al campo de la inteligencia artificial en educación superior. Hecho esto, se realizó
una síntesis de los datos extraídos a partir del enfoque temático, que muestra
tendencias y patrones comunes en los hallazgos entre los estudios revisados y
cánones de comparativa en los hallazgos en función del tipo de IA usada y del tipo
de contexto educativo. Los resultados se presentan con un enfoque narrativo guiado
por tablas y figuras que resumirán los hallazgos encontrados.
La integración de la IA en la educación superior no solo optimiza los procesos
educativos, sino que abre nuevas vías para la innovación pedagógica y la mejora
continua (Ojha et al., 2023). El uso de la IA es indispensable para mejorar el
aprendizaje y la enseñanza (Ayala-Pazmiño, 2023).
Resultados y discusión
Los resultados de esta revisión sistemática de literatura (RSL) se clasifican
en diferentes categorías emergentes que han aflorado tras el análisis de las 27
publicaciones elegidas para esta revisión. Las categorías emergentes representan los
principales hallazgos de la investigación, vinculados con la inclusión de la
inteligencia artificial en la educación superior, donde se describen tanto las ventajas
como los problemas éticos y prácticos que han sido descubiertos. Por lo que se
presenta una síntesis de los artículos revisados y se realiza la categorización de los
hallazgos emergentes de los artículos revisados.
El papel académico y administrativo de la inteligencia artificial en la
educación
Según Ahmad et al. (2022) Los docentes son los responsables de la enseñanza
en cualquier entorno educativo. Sin embargo, desempeñan otras tareas. Además de
las tareas académicas, la mayor parte del tiempo y los recursos educativos del
profesorado se dedican a tareas administrativas. Mendieta Lucas et al. (2025) y
Álvarez-Carrión et al. (2025) coinciden en que las Aplicaciones de IA no solo asisten
a la educación académica y administrativamente, además mejoran su eficacia. La IA
proporciona asistencia al profesorado en diversas tareas, como Analítica de
Aprendizaje (AA), Realidad Virtual (RV), Calificación/Evaluación (G/A) y Admisiones.
Minimiza las tareas administrativas del profesorado para que pueda dedicarse más a
la enseñanza y la orientación del alumnado.
Por lo que, la IA facilita la automatización de tareas administrativas y la
provisión de retroalimentación inmediata (Trávez Tipan, 2024). Esto libera tiempo
| Mary Lizeth Supelano Londoño |
e8968
para que los educadores se centren en la enseñanza y el desarrollo del currículo,
mejora la calidad de la educación. Las plataformas de IA pueden proporcionar
comentarios personalizados sobre el desempeño de los estudiantes, identificar áreas
de mejora y sugerir recursos adicionales para fortalecer sus habilidades (Tarisayi,
2023). No obstante, la adopción de la IA en la educación superior no está exenta de
desafíos.
Entre los principales obstáculos se encuentran las preocupaciones éticas y
de privacidad, así como la necesidad de asegurar que la implementación de estas
tecnologías no perpetúe sesgos existentes ni excluya a grupos marginados (Zhang,
2023). Es fundamental que las instituciones desarrollen políticas claras y
transparentes para guiar el uso de la IA y asegurar su aplicación ética y equitativa
(Spivakovsky et al., 2023; Tao et al., 2021).
El uso de la inteligencia artificial en un entorno académico
La IA es una rama de la informática centrada en la creación de máquinas
inteligentes capaces de simular la inteligencia, el comportamiento y el aprendizaje
humano (Márquez Benavides et al., 2023; Oliver, 2021). La comunidad académica no
ha permanecido inmune al encanto de la IA. El propósito de este trabajo es analizar
y debatir las implicaciones de la IA en entornos académicos que permiten al lector
participar en un debate crítico sobre el uso de la inteligencia artificial en un
ambiente académico. La IA tiene el potencial de acelerar los descubrimientos
científicos, abrir puertas de conocimiento y facilitar los avances en varios campos
de estudio (Maceri y Coll, 2024; Rodríguez Padilla et al., 2024). Las universidades
públicas pueden aprovechar el poder de la IA para mejorar las capacidades de
investigación y personalizar la educación (Márquez Benavides et al., 2023).
La integración de tecnologías de inteligencia artificial en la educación
superior ha permitido una personalización significativa del aprendizaje. Según
Rodríguez-Chávez (2021) y Jaramillo (2024), el uso de algoritmos de Machine
Learning y Deep Learning ha permitido una adaptación a las necesidades individuales
de los estudiantes mejorar su potencial académico.
En ese sentido, los docentes tratan de experimentar con estas herramientas
al modificar el tipo de tareas que plantean, en otras palabras, se conoce como
«pedagogías emergentes». Ahora bien, la IA puede ayudar en contextos educativos,
no obstante, para hacerlo adecuadamente, es fundamental que el profesorado
conozca estos sistemas al objeto de que tome las decisiones adecuadas, y si decide
integrarlos, hacerlo en el marco de estrategias didácticas coherentes (Sánchez Vera,
2024).
Inteligencia artificial en el contexto de la formación docente
La nueva sociedad de la información presenta grandes retos que, a su vez,
demandan de las instituciones educativas severos cambios en sus cánones de
formación. La IA ofrece una gran variedad de beneficios en la educación. En cierta
medida, presenta una serie de retos. A nivel superior principalmente, existe la
urgente necesidad de planificación, diseño, desarrollo e implementación de
competencias digitales, con el propósito de formar y egresar mejores profesionales,
que sean capaces competir en entornos tecnológicos (Ayala-Pazmiño, 2023).
| Mary Lizeth Supelano Londoño |
e8968
La IA ofrece herramientas poderosas para adaptar la enseñanza a las
necesidades individuales de los estudiantes, han de mejorar así la eficacia y la
experiencia educativa en general (Cobos Velasco, 2023; Meza Arguello et al., 2025).
Estudios recientes destacan que la IA en las aulas virtuales de educación superior
puede facilitar un seguimiento continuo del progreso del estudiante, que permite
una retroalimentación más rápida y la identificación temprana de dificultades de
aprendizaje (Cherrez Escobar et al., 2024; Mar Cornelio et al., 2024). Asimismo, se
ha observado que la IA en la personalización del aprendizaje promueve la creación
de entornos educativos más inclusivos, atendiendo de manera más efectiva las
necesidades de diversidad de los estudiantes (Ortiz Aguilar et al., 2024). Si bien,
este avance tecnológico plantea desafíos éticos y de privacidad, especialmente en
cuanto a la recopilación y uso de datos personales (Velasco, 2023).
Reflexión y colaboración en los entornos educativos
El profesor como crítico y reflexivo de su acción, ha de participar en la
creación del conocimiento pedagógico y en la toma de decisiones de los procesos
educativos. Las primeras experiencias en el aula constituyen un período clave en el
desarrollo profesional del profesor (Gómez, 2009).
La implementación de la IA en la educación superior presenta desafíos
significativos. Entre ellos se incluyen cuestiones de ética, privacidad y la necesidad
de reformar las políticas académicas para asegurar la integridad y la calidad
educativa (Bennett, 2023). Los riesgos asociados con la adopción de la IA en la
educación incluyen potenciales pérdidas de empleo y sesgos inherentes a los
sistemas automatizados (George y Wooden, 2023).
Recomendaciones practica y éticas en el uso de la IA
Al implementar la IA en cualquier ámbito, en especial la educación superior,
se debe tener en cuenta algunas consideraciones prácticas y éticas para maximizar
los beneficios de las herramientas de la IA y minimizar al máximo los riesgos que
implica su uso
A continuación, se presentan varias recomendaciones basadas en la
investigación actual:
• Recomendaciones practicas
La inteligencia artificial ha evolucionado significativamente desde su origen
en los años 50, en el momento en que Turing y otros pioneros plantearon
interrogantes sobre la capacidad de las máquinas para pensar. Su desarrollo ha
transformado numerosas áreas, incluida la educación, donde las tecnologías basadas
en IA han revolucionado los métodos de enseñanza y aprendizaje, permitiendo
personalización y optimización educativa (Alcocer, 2024). La IA ha demostrado ser
una herramienta prometedora en el campo de la educación, con implicaciones
significativas en cómo se enseña y se aprende, la inclusión de la IA en educación ha
permitido que esta de un impulso en el tema de la recomendación de contenidos
educativos lo cual permite que el aprendizaje sea personalizado y eficiente (León
Granizo, 2024). Pero se debe tener en cuenta que la IA no trabaja por si sola, la
implementación de la IA en la educación superior incluye varios aspectos clave. Es
| Mary Lizeth Supelano Londoño |
e8968
crucial proporcionar una capacitación adecuada a los docentes y personal
administrativo, no solo en el uso técnico de las plataformas de IA, sino en su
integración pedagógica en el aula (Younas et al., 2023).
• Recomendaciones éticas
La IA ha emergido como una herramienta poderosa en campos científicos y
sociales, al mejorar la educación y la investigación mediante nuevas formas de
enseñanza y acceso al conocimiento. Por el contrario, su adopción plantea desafíos
éticos y morales significativos, como es la necesidad de abordar la transparencia, los
sesgos y la discriminación (Cárdenas, 2024). El uso de la IA en educación desde una
perspectiva ética. Lo hace desde un punto de vista externo, se considera pertinente
su incidencia en los contextos educativos como vivero de los desafíos éticos y
políticos que encara la sociedad. Esto permite dimensionar su alcance y profundidad
y proponer medidas para afrontarlos (Rodríguez, 2024). La implementación de la IA
en la educación superior debe seguir principios éticos y transparentes para
maximizar sus beneficios y minimizar los riesgos. los algoritmos utilizados deben ser
transparentes y auditables, aspecto que permite a los estudiantes y personal
académico comprendan cómo se toman las decisiones automatizadas y puedan
cuestionar y corregir posibles errores (Agbese et al., 2023).
Como se indicó anteriormente, los resultados obtenidos en esta revisión de
la literatura proporcionan una visión completa sobre la integración de la IA en la
educación superior. A continuación, se presentará la interpretación de los resultados
y cómo difieren de las investigaciones anteriores, si corresponde, y qué
implicaciones presuponen para la educación.
Comparación con los estudios previos
Los hallazgos de esta revisión se alinean con y expanden la literatura
existente sobre la integración de la IA en la educación superior, evidencia que la IA
está cambiando el entorno universitario, no solo se puede evidenciar en el ámbito
pedagógico, sino que también en la gestión académica, la investigación científica en
el entorno administrativo del ente educativo, el acompañamiento estudiantil y la
toma de decisiones institucionales. Esta transformación estructural supera el
enfoque educativo tradicional y plantea una mirada crítica sobre el papel de la
tecnología en el proceso formativo.
Dentro de los hallazgos más destacados esta la capacidad de la IA para
fomentar la enseñanza personalizada. Plataformas que se impulsan por algoritmos
de aprendizaje automático las cuales permiten interactuar y crear contenido
adaptativo a cada una de las necesidades de los estudiantes Esto representa un
avance hacia una educación más inclusiva y centrada en el estudiante, tal como lo
plantean López et al. (2023) y Dey et al. (2025). No obstante, se generan
preocupaciones por el uso poco ético relacionados con la privacidad de datos, la
transparencia de los algoritmos y la posibilidad de perpetuar sesgos estructurales
(Williamson y Eynon, 2020).
La investigación científica cada día se ve más vulnerable ya que la IA permite
procesar grandes volúmenes de información, identificar correlaciones complejas y
generar hipótesis con más precisión, Sin embargo, esta capacidad pone en tela de
juicio la autoría humana y plantea nuevos desafíos epistemológicos y éticos,
| Mary Lizeth Supelano Londoño |
e8968
especialmente respecto a la originalidad del conocimiento producido (Jordan y
Mitchell, 2015; Marr, 2020). Desde el enfoque cualitativo, este articulo permite
comprender las oportunidades y amenazas que emergen del uso de la IA en los
ámbitos educativos, aunque la IA se considera una aliada estratégica para el
fortalecimiento escolar, su uso debe ser crítico, ético y contextualizado. No solo se
trata de adoptar nuevas herramientas tecnológicas si no de repensar su uso, bajo
que paradigma se trabaja, la justicia educativa y la mejora continua
Desafíos éticos y prácticos
A pesar del gran número de ventajas, la implementación de la inteligencia
artificial en la educación superior plantea problemas éticos y prácticos. Los riesgos
de privacidad de los datos y sesgo algorítmico son preocupaciones esenciales que
deben ser abordadas (Quinto Ochoa, 2024; Gallent-Torres et al., 2024). En esta
perspectiva, la falta de formación integrada para el personal docente y la
insuficiencia de la infraestructura tecnológica, son obstáculos prácticos que podrían
obstaculizar la implementación. efectiva de la IA (Hemachandran et al., 2022) estos
desafíos muestran la necesidad de generar regulaciones y políticas claras para
asegurar el buen uso de la IA en los entornos educativos.
Recomendaciones prácticas y éticas
Para una implementación exitosa se debe seguir con una serie de
recomendaciones prácticas y éticas que son esenciales para implementar con éxito
la IA. En primer lugar, el personal docente y administrativo debe ser debidamente
formado para poder manejar eficazmente todas las herramientas antes
mencionadas. Junto con esto, las universidades deben invertir en una infraestructura
tecnológica en aumento que las soporte” (Varela, 2023).
Desde un punto de vista ético, es indispensable desarrollar algoritmos que
se usen de forma transparente y auditables de esa manera se minimizaran riesgos y
se asegura que las decisiones automatizadas sean justas y equitativas. Se debe
involucrar a los docentes en el proceso de implementación de la IA ya que será su
aliada en la organización de clases y demás actividades con los estudiantes, es
fundamental que las tecnologías se adapten a las necesidades reales de los
estudiantes y profesores.
Implicaciones para futuras investigaciones
Los hallazgos de esta revisión muestran la necesidad de continuar con
investigaciones sobre el uso de la IA en los diferentes escenarios educativos, en
primera instancia en las áreas que aun presentan desafíos significativos, futuras
investigaciones se deberían centrar en desarrollar y probar las diferentes
metodologías que se usan para la implementación de la IA en los ámbitos educativos
por lo que se consideran algunos aspectos importantes como la diversidad de los
estudiantes, diferencias culturales y religiosas y la infraestructura tecnológica.
| Mary Lizeth Supelano Londoño |
e8968
Conclusiones
En esta revisión de literatura se estudia cómo la inteligencia artificial se
integra de manera responsable y equitativa dentro de los escenarios educativos, con
el fin de maximizar sus efectos positivos y minimizar los negativos. Los resultados de
esta investigación muestran la capacidad de la inteligencia artificial para adaptar el
aprendizaje y mejorar el rendimiento académico de los estudiantes. Estos hallazgos
coinciden con estudios previos que demuestran su eficacia como herramienta
educativa, al tiempo que identifican nuevos impactos, como la mejora en la gestión
escolar y la promoción de una educación con enfoque humanista. Entre los beneficios
del uso de la inteligencia artificial destaca su capacidad para generar métodos de
enseñanza personalizados, ajustados a las necesidades de los estudiantes, lo que
conduce a un mejor rendimiento académico.
La IA actúa como un automatizador de tareas administrativas, lo que exime
a los docentes de actividades operativas y permitiéndoles enfocarse en el desarrollo
curricular y en la calidad de la instrucción. Además, su implementación facilita una
retroalimentación inmediata y personalizada, lo cual mejora la adquisición de
aprendizajes y fomenta entornos colaborativos e interactivos basados en realidades
aumentada y virtual, que incrementan significativamente la comprensión y retención
del conocimiento por parte de los alumnos.
En el ámbito general de la investigación educativa, estos elementos se
alinean con la creciente digitalización y personalización del aprendizaje. La
comparación con otros estudios revisados evidencia coherencia en la descripción de
los avances alcanzables mediante la inteligencia artificial, así como en la
identificación de retos éticos y prácticos que deben ser abordados para lograr una
implementación efectiva. La inteligencia artificial ofrece la posibilidad de
transformar la educación superior, siempre que se utilice con precaución y se tomen
medidas para evitar sesgos, de esta forma se asegura un acceso equitativo para todos
los estudiantes.
Reconociendo las limitaciones del estudio, es relevante señalar que la
revisión se fundamenta en investigaciones publicadas entre 2020 y 2025, lo que
puede dejar fuera algunos trabajos pertinentes por limitaciones temporales. No
obstante, este trabajo abre nuevas líneas de investigación y puede inspirar a futuros
investigadores a explorar cómo la inteligencia artificial continúa posicionándose
como una aliada valiosa y justa en el ámbito educativo.
Referencias
Agbese, M., Mohanani, R., Khan, A., & Abrahamsson, P. (2023). Implementing AI
ethics: Making sense of the ethical requirements. Proceedings of the 27th
International Conference on Evaluation and Assessment in Software
Engineering, 740–753. https://doi.org/10.1145/3593434.3593453
Ahmad, S. F., Alam, M. M., Rahmat, M. K., Mubarik, M. S., & Hyder, S. I. (2022).
Academic and administrative role of artificial intelligence in education.
Sustainability, 14(3), 1101. https://doi.org/10.3390/su14031101
| Mary Lizeth Supelano Londoño |
e8968
Alcocer, A., Cabrera, A., & García, E. (2024). La inteligencia artificial en la
educación: Desafíos éticos y perspectivas hacia una nueva enseñanza.
Latam. Revista Latinoamericana de Ciencias Sociales y Humanidades, 5(6).
https://doi.org/10.56712/latam.v5i6.3019
Álvarez-Carrión, J. A., Guerrero-Jirón, J. R., & Ramírez-Morales, I. E. (2025).
Inteligencia Artificial en la Educación Superior: transformación académica,
desafíos éticos y estrategias para la garantía de derechos. MQRInvestigar,
9(1), e224. https://doi.org/10.56048/MQR20225.9.1.2025.e224
Ayala-Pazmiño, M. (2023). Inteligencia artificial en la educación: Explorando los
beneficios y riesgos potenciales. 593 Digital Publisher CEIT, 8(3), 892–899.
https://doi.org/10.33386/593dp.2023.3.1827
Bennett, L. (2023). Optimising the interface between artificial intelligence and
human intelligence in higher education. International Journal of Teaching,
Learning and Education, 3(1). https://doi.org/10.22161/ijtle.2.3.3
Bermeo-Paucar, J., Pérez-Martínez, L., & Villalobos Antúnez, J. V. (2024).
Inteligencia Artificial Educativa. “Quinta ola”, Conectivismo e Innovación
Digital Pedagógica. European Public & Social Innovation Review, 9, 1–17.
https://doi.org/10.31637/epsir-2024-1599
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
Cárdenas, R., & Rascón, A. (2024). El uso ético y moral de la inteligencia artificial
en educación e investigación. Ciencia Latina. Revista Científica
Multidisciplinar, 8(5), 3243–3261.
https://doi.org/10.37811/cl_rcm.v8i5.13801
Castro, M., Ortega, C., Alvarado, N., & Sánchez, R. (2023). Inteligencia artificial en
el contexto de la formación docente. Reciamuc, 7(4), 153–161.
https://doi.org/10.26820/reciamuc/7.(4).oct.2023.153-161
Cherrez Escobar, G. D., Escobar Arcos, P. G., Grijalva Ramos, S. L., Tisalema
Mayorga, V. del P., & León Delgado, J. A. (2024). Análisis del Aprendizaje
en Estudiantes en Entornos Educativos Virtuales con el Uso de Inteligencia
Artificial. Ciencia Latina Revista Científica Multidisciplinar, 8(6), 3908-
3921. https://doi.org/10.37811/cl_rcm.v8i6.15133
Cobos Velasco, J. C. (2023). El papel de la inteligencia artificial en la personalización
del aprendizaje. Revista Ingenio Global, 2(1), 4–12.
https://doi.org/10.62943/rig.v2n1.2023.57
Cobos Velasco, J. C. (2023). El papel de la inteligencia artificial en la personalización
del aprendizaje. Revista Ingenio Global, 2(1), 4–12.
https://doi.org/10.62943/rig.v2n1.2023.57
Cornelio, O. M., Rodríguez Rodríguez, A., Solórzano Álava, W. L., Amén Mora, P. G.,
Santos Mera, L. M., & Pinargote Bravo, B. J. (2024). La inteligencia artificial:
Desafíos para la educación. Editorial Internacional Alema.
| Mary Lizeth Supelano Londoño |
e8968
https://editorialalema.org/libros/index.php/alema/article/view/34
Daniel, B. (2015). Big data and analytics in higher education: Opportunities and
challenges. British Journal of Educational Technology, 46(5), 904–920.
https://doi.org/10.1111/bjet.12230
Dávila Cisneros, J. D., Flores Limo, F. A., Barrios Tinoco, L. M., Cavero Aybar, H. N.,
Calizaya Alarcón, V. G., Medina Romero, M. Á., & Romero Flores, R. A.
(2023). Adjustment of Peruvian university students to artificial intelligence.
Arts Educa, 36.
https://artseduca.com/submissions/index.php/ae/article/view/145
Dávila-Cisneros, J. D., Fernandez-Celis, M. P., Tello-Flores, R. Y., & Puican-Carreno,
A. (2024). Análisis de la comunicación alumno-profesor en la enseñanza
universitaria. Episteme Koinonía, 7(14), 40-62.
https://ve.scielo.org/scielo.php?script=sci_abstract&pid=S2665-
02822024000200040&lng=es&nrm=iso&tlng=es
Dey, A., Ganguly, A., Banik, I. R., Bhuiya, S., Sengupta, S., & Das, R. (2025). Smart
Recommendation system in E-Learning using machine learning and data
analytics. SN Computer Science, 6(6). https://doi.org/10.1007/s42979-025-
04249-x
Donayre Bohabot, C. C., Palacios-Serna, L. I., & Dávila Cisneros, J. D. (2024).
Intrinsic motivation according to developmental stages in post-pandemic
students. Salud, Ciencia Y Tecnología - Serie De Conferencias, 3, 706.
https://doi.org/10.56294/sctconf2024706
Gallent-Torres, C., Arenas Romero, B., Vallespir Adillón, M., & Foltýnek, T. (2024).
Inteligencia artificial en educación: Entre riesgos y potencialidades. Práxis
Educativa, 19, 1–29. https://doi.org/10.5212/PraxEduc.v.19.23760.083
Gallifa, J., Sangrà, A., & Grau Vidal, F. X. (2021). Transformar la universidad:
Desafíos, oportunidades y propuestas desde una mirada global. Editorial
UOC
George, B., & Wooden, O. (2023). Managing the strategic transformation of higher
education through artificial intelligence. Administrative Sciences, 13(9),
196. https://doi.org/10.3390/admsci13090196
Gómez, J. (2009). Reflexión y colaboración en los entornos educativos: Hacia la
profesionalización docente. Teoría de la Educación. Revista
Interuniversitaria, 8. https://doi.org/10.14201/3109
Gómez, S. (2012). Metodología de la investigación. Red Tercer Milenio.
González, G. (2023). Inteligencia artificial y educación superior: Una lectura desde
la gobernanza universitaria. Qurriculum: Revista de Teoría, Investigación y
Práctica Educativa, (36), 51–60.
https://doi.org/10.25145/j.qurricul.2023.36.03
Hong, Q. N., Pluye, P., Fàbregues, S., Bartlett, G., Boardman, F., Cargo, M., ... &
Vedel, I. (2018). Mixed methods appraisal tool (MMAT), version
2018. Registration of copyright, 1148552(10), 1-7.
| Mary Lizeth Supelano Londoño |
e8968
https://bmjopen.bmj.com/content/bmjopen/11/2/e039246/DC3/embed/i
nline-supplementary-material-3.pdf
Jaramillo, D. (2024). La gestión escolar basada en inteligencia artificial para mejorar
el rendimiento académico. South Florida Journal of Development, 5(5),
e3914. https://doi.org/10.46932/sfjdv5n5-016
Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and
prospects. Science, 349(6245), 255–260.
https://doi.org/10.1126/science.aaa8415
León-Granizo, O., Neil, C., & Jiménez, C. (2024). La inteligencia artificial en la
educación y sus implicaciones: Un mapeo sistemático de la literatura.
Revista Conectividad, 5(1), 49–66.
https://doi.org/10.37431/conectividad.v5i1.102
López López, H. L., Rivera Escalera, A., & Cruz García, C. R. (2023). Personalización
del aprendizaje con inteligencia artificial en la educación superior. Revista
ReDTIS, 7(1), 123–128.
https://doi.org/10.61530/redtis.vol7.n1.2023.165.123-128.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed:
An argument for AI in education. Pearson Education.
https://discovery.ucl.ac.uk/id/eprint/1475756/
Maceri, S. B. y Coll, A. J., (2024) El futuro de la ciencia y la inteligencia artificial en
el descubrimiento científico: Algunos interrogantes. Energeia, 8; 1; 12-2024;
51-71. https://ri.conicet.gov.ar/handle/11336/261048
Márquez Benavides, L., Moreno Goytia, E. L., & Gonzalez Ramirez, L. F. (2023). El
uso de la inteligencia artificial en un entorno académico. Ciencia Nicolaita,
(89). https://doi.org/10.35830/cn.vi89.721
Marr, B. (2019). Artificial intelligence in practice: how 50 successful companies used
AI and machine learning to solve problems. John Wiley & Sons.
https://books.google.com/books/about/Artificial_Intelligence_in_Practice.
html?id=UbaIDwAAQBAJ&utm_source=chatgpt.com
Mativi, C. S., Niveiros, S. I., & Júnior, J. B. A. C. (2020). Softwares de análisis de
datos cualitativos (QDA): Un análisis de artículos publicados en las bases de
datos SPELL y SciELO. Revista Estudos e Pesquisas em Administração, 4(2),
156–173. https://doi.org/10.30781/repad.v4i2.10318
Mendieta Lucas, L. M., Garzón Moreno, G. J., Enríquez Delgado, R. A., & Martínez
Ángulo, M. A. (2025). Evolución e innovación digital en la educación superior
como impulso para el fortalecimiento institucional: aplicación de
inteligencia artificial en la gestión académica y administrativa para una
toma de decisiones más eficiente y sostenible. Reincisol., 4(7), 2469–2492.
https://doi.org/10.59282/reincisol.V4(7)2469-2492
Meza Arguello, D. M., Obando Burbano, M. de los Ángeles, Franco Valdez, J. L., &
Simisterra Muñoz, J. M. (2025). El uso de la inteligencia artificial como
recurso pedagógico en la educación superior: experiencias de los docentes.
| Mary Lizeth Supelano Londoño |
e8968
Sage Sphere International Journal, 2(2), 1-10.
https://doi.org/10.63688/jrd8es89
Nimbalagundi, S., Bagawan, A., & Katageri, C. (2024). Artificial intelligence in higher
education. International Research Journal on Advanced Engineering and
Management (IRJAEM). https://doi.org/10.47392/irjaem.2024.0406
Ojha, S., Mohapatra, S., Narendra, A., & Misra, I. (2024). From robots to books: An
introduction to smart applications of AI in education (AIEd). In Lecture Notes
in Electrical Engineering (Vol. 1196, pp. 311–322). Springer Nature.
https://doi.org/10.1007/978-981-97-7862-1_21
Oliver, N. (2021). Inteligencia artificial, naturalmente: un manual de convivencia
entre humanos y máquinas para que la tecnología nos beneficie a todos.
Ministerio de Asuntos Económicos y Transformación Digital.
https://digital.casalini.it/9788492546626
Ortiz Aguilar, W. O., Benites, M. R. T., Isaac, R. M., Parejo, E. E. V.,&Álvarez, A. V.
(2024). Didáctica de la educación superior virtual: actualidad y
perspectivas. Editorial Tecnocientífica Americana, 300, 1-157.
https://doi.org/10.51736/jcyemy48
Porayska-Pomsta, K., Holmes, W., & Nemorin, S. (2022). The ethics of AI in
education. ArXiv, abs/2406.11842. https://doi.org/10.4324/9780429329067
Quinto Ochoa, E. D., Mazzini Moran, J. D. R., Erráez Mantilla, S. N., & Suasnabas
Pacheco, L. S. (2024). Integración de la IA en la educación: Desafíos y
oportunidades. Recimundo, 8(1), 193–202.
https://doi.org/10.26820/recimundo/8.(1).ene.2024.193-202
Rodríguez, A. (2024). Hacia un marco ético de la inteligencia artificial en la
educación. Teoría de la Educación. Revista Interuniversitaria, 36(2), 79–98.
https://doi.org/10.14201/teri.31821
Rodríguez, G. D. L. C. L., & Baquerizo, R. M. P. (2024). Integración de la ia en la
transferencia de los conocimientos científicos en el contexto universitario.
In Estrategias innovadoras en la transferencia de conocimientos
científicos (pp. 83-
102). Dykinson.
https://www.torrossa.com/en/resources/an/5852009#page=83
Rodríguez-Chávez, M. (2021). Sistemas de tutoría inteligente y su aplicación en la
educación superior. RIDE. Revista Iberoamericana para la Investigación y el
Desarrollo Educativo, 11(22). https://doi.org/10.23913/ride.v11i22.848
Spivakovsky, O. V., Omelchuk, S. A., Kobets, V. V., Valko, N. V., & Malchykova, D.
S. (2023). Institutional policies on artificial intelligence in university
learning, teaching and research. Information Technologies and Learning
Tools, 97(5), 181–202. https://doi.org/10.33407/itlt.v97i5.5395
Tarisayi, K. S. (2024). Strategic leadership for responsible artificial intelligence
adoption in higher education. CTE Workshop Proceedings, 11, 4–14.
https://doi.org/10.55056/cte.616
Trávez Tipan, A. V. (2024). La gestión administrativa: el cambio de estrategias
| Mary Lizeth Supelano Londoño |
e8968
gracias a la incursión de la inteligencia artificial. Revista Social Fronteriza,
4(5), e45424. https://doi.org/10.59814/resofro.2024.4(5)424
Varela, Y. (2023). La inteligencia artificial y el futuro de la educación superior.
Horizontes Pedagógicos, 25(1), 1–13. https://doi.org/10.33881/0123-
8264.hop.25101
Vera, L. P., & Sánchez, S. F. (2021). La base de datos científica como recurso de
búsqueda para investigadores noveles. Innovación e Investigación Educativa
para la Formación Docente, 1184–1191.
https://doi.org/10.2307/j.ctv2gz3t2s.98
Williamson, B., & Eynon, R. (2020). Historical threads, missing links, and future
directions in AI in education. Learning, Media and Technology, 45(3), 223–
235. https://doi.org/10.1080/17439884.2020.1798995
Younas, A., Subramanian, K., Haziazi, M., Hussainy, S., & Kindi, A. (2023). A review
on implementation of artificial intelligence in education. International
Journal of Research and Innovation in Social Science, 7(8), 1092–1100.
https://doi.org/10.47772/ijriss.2023.7886
Zhang, J. (2023). Impact of artificial intelligence on higher education in the
perspective of its application of transformation. Lecture Notes in Education
Psychology and Public Media, 2, 822–830. https://doi.org/10.54254/2753-
7048/2/2022483
| Mary Lizeth Supelano Londoño |
Sobre el autor principal
Mary Lizeth Supelano Londoño:
Magíster en Tecnología Educativa y Competencias
Digitales por la Universidad
Internacional de La Rioja (UNIR). Especialista en
Gerencia de Proyectos y profesional en Administración Financiera, ambos títulos
otorgados por la Corporación Universitaria Minuto de Dios. Tecnólogo en Análisis y
Desarrollo de Software del SENA. Actualment
e, se desempeña como líder de
semillero de investigación en la Universidad Minuto de Dios.
Declaración de responsabilidad autoral
Mary Lizeth Supelano Londoño
1:
Conceptualización, Curación de datos, Análisis
formal, Investigación, Metodología, Recursos, Software, Supervisión,
Validación/Verificación, Visualización, Redacción/borrador original y Redacción,
Financiación:
Recursos propios.
Agradecimientos:
