Vol. 13/ Núm. 1 2026 pág. 3112
https://doi.org/10.69639/arandu.v13i1.2104
Inteligencias artificiales generativas en la formación
transversal universitaria: una estrategia para la
personalización del aprendizaje y el desarrollo de
competencias
Generative artificial intelligence in transversal university training: a strategy for
personalizing learning and developing competencies
Abel Guillermo Muñoz Pinela
abel.munoz2014@uteq.edu.ec
https://orcid.org/0000-0003-1060-7714
Universidad Estatal de Milagro
Ecuador – Milagro
Wilmer Geovanny Martínez Rincón
w.ilmermartinez2020@outlook.com
https://orcid.org/0009-0007-5511-3335
Universidad Estatal de Milagro
Ecuador – Milagro
Jorge Luis Meza Burgos
jorgelmezab@gmail.com
https://orcid.org/0009-0001-7041-7739
Universidad Estatal de Milagro
Ecuador – Milagro
David Antonio Delgado Santillan
ddelgados2@unemi.edu.ec
https://orcid.org/0009-0009-0980-8341
Universidad Estatal de Milagro
Ecuador – Milagro
Artículo recibido: 18 febrero 2026-Aceptado para publicación: 20 marzo 2026
Conflictos de intereses: Ninguno que declarar.
RESUMEN
La incorporación de inteligencias artificiales generativas en la educación superior plantea desafíos
pedagógicos, tecnológicos y normativos que las instituciones deben afrontar para formar
profesionales competitivos. Este estudio analiza el estado actual de la enseñanza de estas
herramientas en instituciones de educación superior ecuatorianas, identificando brechas en la
formación docente, limitaciones infraestructurales y percepciones estudiantiles. Mediante un
diseño mixto de alcance descriptivo correlacional, se aplicaron encuestas a 236 estudiantes y
entrevistas semiestructuradas a 18 docentes de cinco universidades del país. Los resultados
muestran que el 71 % de los estudiantes considera relevante el manejo de IA generativas para su
desempeño profesional, aunque solo el 28 % las utiliza regularmente fuera del aula. Se encontró
Vol. 13/ Núm. 1 2026 pág. 3113
una correlación positiva moderada (r = 0.58, p < 0.01) entre la disponibilidad de recursos
tecnológicos y la percepción de calidad del aprendizaje. Además, los docentes con formación
específica en herramientas de IA presentan niveles significativamente más altos de integración de
estas tecnologías en sus prácticas pedagógicas (t = 3.24, p < 0.01). Se concluye que la efectividad
de la enseñanza de IA generativas depende no solo de la disponibilidad tecnológica, sino de un
enfoque sistémico que articule políticas institucionales, desarrollo profesional continuo y
estrategias didácticas situadas.
Palabras clave: inteligencia artificial generativa, educación superior, formación docente,
personalización del aprendizaje, políticas educativas
ABSTRACT
The integration of generative artificial intelligence (GAI) into higher education presents
pedagogical, technological, and regulatory challenges that institutions must address to train
competitive professionals. This study analyzes the current state of teaching these tools in
Ecuadorian higher education institutions, identifying gaps in teacher training, infrastructural
limitations, and student perceptions. Using a mixed-methods design with a descriptive-
correlational scope, surveys were administered to 236 students and semi-structured interviews
were conducted with 18 faculty members from five universities in the country. The results show
that 71% of students consider the use of GAI relevant to their professional performance, although
only 28% use them regularly outside the classroom. A moderate positive correlation (r = 0.58, p
< 0.01) was found between the availability of technological resources and the perceived quality
of learning. Furthermore, faculty members with specific training in GAI tools demonstrate
significantly higher levels of integration of these technologies into their teaching practices (t =
3.24, p < 0.01). It is concluded that the effectiveness of teaching generative AI depends not only
on technological availability, but also on a systemic approach that articulates institutional policies,
continuous professional development, and situated teaching strategies.
Keywords: generative artificial intelligence, higher education, teacher training,
personalized learning, educational policies
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
una correlación positiva moderada (r = 0.58, p < 0.01) entre la disponibilidad de recursos
tecnológicos y la percepción de calidad del aprendizaje. Además, los docentes con formación
específica en herramientas de IA presentan niveles significativamente más altos de integración de
estas tecnologías en sus prácticas pedagógicas (t = 3.24, p < 0.01). Se concluye que la efectividad
de la enseñanza de IA generativas depende no solo de la disponibilidad tecnológica, sino de un
enfoque sistémico que articule políticas institucionales, desarrollo profesional continuo y
estrategias didácticas situadas.
Palabras clave: inteligencia artificial generativa, educación superior, formación docente,
personalización del aprendizaje, políticas educativas
ABSTRACT
The integration of generative artificial intelligence (GAI) into higher education presents
pedagogical, technological, and regulatory challenges that institutions must address to train
competitive professionals. This study analyzes the current state of teaching these tools in
Ecuadorian higher education institutions, identifying gaps in teacher training, infrastructural
limitations, and student perceptions. Using a mixed-methods design with a descriptive-
correlational scope, surveys were administered to 236 students and semi-structured interviews
were conducted with 18 faculty members from five universities in the country. The results show
that 71% of students consider the use of GAI relevant to their professional performance, although
only 28% use them regularly outside the classroom. A moderate positive correlation (r = 0.58, p
< 0.01) was found between the availability of technological resources and the perceived quality
of learning. Furthermore, faculty members with specific training in GAI tools demonstrate
significantly higher levels of integration of these technologies into their teaching practices (t =
3.24, p < 0.01). It is concluded that the effectiveness of teaching generative AI depends not only
on technological availability, but also on a systemic approach that articulates institutional policies,
continuous professional development, and situated teaching strategies.
Keywords: generative artificial intelligence, higher education, teacher training,
personalized learning, educational policies
Todo el contenido de la Revista Científica Internacional Arandu UTIC publicado en este sitio está disponible bajo
licencia Creative Commons Atribution 4.0 International.
Vol. 13/ Núm. 1 2026 pág. 3114
INTRODUCCIÓN
El desarrollo acelerado de las inteligencias artificiales generativas ha transformado
diversas esferas de la sociedad, y el ámbito educativo no ha sido la excepción. Herramientas como
ChatGPT, Gemini, Copilot o Midjourney han irrumpido en las aulas universitarias con una
rapidez que, en muchos casos, supera la capacidad institucional para integrarlas de manera crítica
en los procesos formativos (García Peñalvo, 2023). Más que una tendencia pasajera, estas
tecnologías plantean redefiniciones profundas sobre lo que implica enseñar, aprender y evaluar
en el siglo XXI.
En el contexto latinoamericano, la adopción de la inteligencia artificial en la educación
superior enfrenta obstáculos estructurales que van desde la persistencia de la brecha digital hasta
la falta de marcos normativos específicos (UNESCO, 2023). En el caso de Ecuador, los avances
han sido aún incipientes. Aunque el país dispone de la Ley Orgánica de Educación Superior
(LOES, 2010), que promueve la innovación educativa, y recientemente se ha presentado un
Proyecto de Ley Orgánica de Regulación y Promoción de la Inteligencia Artificial (Asamblea
Nacional del Ecuador, 2024), todavía no se cuenta con una política pública consolidada que
oriente de forma clara la integración curricular de estas herramientas.
La literatura especializada ha identificado tres dimensiones clave para la incorporación
efectiva de las IA generativas en la docencia universitaria. La primera se relaciona con la
formación y la competencia digital del profesorado. Investigaciones recientes evidencian que, si
bien los docentes reconocen el potencial de estas tecnologías, con frecuencia carecen de
estrategias pedagógicas que permitan ir más allá de un uso meramente instrumental (Salinas
Navarro et al., 2024). La segunda dimensión se vincula con la infraestructura tecnológica y el
acceso equitativo, ámbito en el que persisten desigualdades notorias entre instituciones públicas
y privadas (CEPAL, 2024). La tercera se refiere a las percepciones y prácticas del estudiantado:
aunque el uso de estas herramientas es cotidiano, muchas veces ocurre sin una orientación crítica
que favorezca aprendizajes significativos y profundos (Chan y Hu, 2024).
Frente a este escenario, el presente estudio se propuso analizar el estado de la enseñanza
de las inteligencias artificiales generativas en instituciones de educación superior ecuatorianas,
poniendo énfasis en tres ejes: (a) las percepciones y los usos que los estudiantes hacen de estas
herramientas; (b) el nivel de preparación y las necesidades formativas del profesorado; y (c) las
condiciones institucionales que facilitan o limitan su integración pedagógica. A partir de los
hallazgos obtenidos, se plantean lineamientos orientados al diseño de estrategias institucionales
que vayan más allá del acceso tecnológico y promuevan una apropiación crítica, reflexiva y
creativa de la IA en la formación universitaria.
INTRODUCCIÓN
El desarrollo acelerado de las inteligencias artificiales generativas ha transformado
diversas esferas de la sociedad, y el ámbito educativo no ha sido la excepción. Herramientas como
ChatGPT, Gemini, Copilot o Midjourney han irrumpido en las aulas universitarias con una
rapidez que, en muchos casos, supera la capacidad institucional para integrarlas de manera crítica
en los procesos formativos (García Peñalvo, 2023). Más que una tendencia pasajera, estas
tecnologías plantean redefiniciones profundas sobre lo que implica enseñar, aprender y evaluar
en el siglo XXI.
En el contexto latinoamericano, la adopción de la inteligencia artificial en la educación
superior enfrenta obstáculos estructurales que van desde la persistencia de la brecha digital hasta
la falta de marcos normativos específicos (UNESCO, 2023). En el caso de Ecuador, los avances
han sido aún incipientes. Aunque el país dispone de la Ley Orgánica de Educación Superior
(LOES, 2010), que promueve la innovación educativa, y recientemente se ha presentado un
Proyecto de Ley Orgánica de Regulación y Promoción de la Inteligencia Artificial (Asamblea
Nacional del Ecuador, 2024), todavía no se cuenta con una política pública consolidada que
oriente de forma clara la integración curricular de estas herramientas.
La literatura especializada ha identificado tres dimensiones clave para la incorporación
efectiva de las IA generativas en la docencia universitaria. La primera se relaciona con la
formación y la competencia digital del profesorado. Investigaciones recientes evidencian que, si
bien los docentes reconocen el potencial de estas tecnologías, con frecuencia carecen de
estrategias pedagógicas que permitan ir más allá de un uso meramente instrumental (Salinas
Navarro et al., 2024). La segunda dimensión se vincula con la infraestructura tecnológica y el
acceso equitativo, ámbito en el que persisten desigualdades notorias entre instituciones públicas
y privadas (CEPAL, 2024). La tercera se refiere a las percepciones y prácticas del estudiantado:
aunque el uso de estas herramientas es cotidiano, muchas veces ocurre sin una orientación crítica
que favorezca aprendizajes significativos y profundos (Chan y Hu, 2024).
Frente a este escenario, el presente estudio se propuso analizar el estado de la enseñanza
de las inteligencias artificiales generativas en instituciones de educación superior ecuatorianas,
poniendo énfasis en tres ejes: (a) las percepciones y los usos que los estudiantes hacen de estas
herramientas; (b) el nivel de preparación y las necesidades formativas del profesorado; y (c) las
condiciones institucionales que facilitan o limitan su integración pedagógica. A partir de los
hallazgos obtenidos, se plantean lineamientos orientados al diseño de estrategias institucionales
que vayan más allá del acceso tecnológico y promuevan una apropiación crítica, reflexiva y
creativa de la IA en la formación universitaria.
Vol. 13/ Núm. 1 2026 pág. 3115
MATERIALES Y MÉTODOS
Se adoptó un enfoque mixto con un diseño secuencial explicativo (Creswell y Creswell,
2018). En una primera fase, de carácter cuantitativo, se aplicó un cuestionario estructurado con el
propósito de caracterizar las percepciones y los usos de las IA generativas en la población
estudiantil. Posteriormente, en la fase cualitativa, se llevaron a cabo entrevistas semiestructuradas
a docentes para profundizar en las estrategias pedagógicas implementadas, así como en las
limitaciones institucionales que estos perciben.
Población y muestra
La investigación se desarrolló en cinco instituciones de educación superior ecuatorianas
(tres públicas y dos privadas), seleccionadas por conveniencia en función de su disposición a
participar. La muestra cuantitativa estuvo conformada por 236 estudiantes de carreras de ciencias
sociales, ingeniería y educación, con edades entre 18 y 35 años (M = 21.4; DE = 3.2). El muestreo
fue no probabilístico por cuotas, lo que permitió asegurar la representación de cada institución y
de las distintas áreas disciplinares. Para la fase cualitativa, se seleccionaron intencionalmente 18
docentes que impartían asignaturas en las carreras participantes, todos con al menos tres años de
experiencia en educación superior y con niveles diversos de familiaridad con las tecnologías
digitales.
Instrumentos
Cuestionario para estudiantes. Se diseñó un instrumento ad hoc compuesto por 22 ítems
organizados en cuatro secciones: (a) datos sociodemográficos; (b) frecuencia y tipos de uso de IA
generativas; (c) percepciones sobre su utilidad para el aprendizaje; y (d) disponibilidad percibida
de recursos institucionales. Los ítems emplearon escala Likert de cinco puntos: (1 = totalmente
en desacuerdo; 5 = totalmente de acuerdo). El instrumento fue validado mediante juicio de
expertos (n = 5) y obtuvo un coeficiente de confiabilidad alfa de Cronbach de 0.87.
Guía de entrevista para docentes
Se elaboró un guion semiestructurado que abordó: experiencias de uso de IA generativas
en la docencia, estrategias pedagógicas implementadas, necesidades de formación y percepción
sobre el apoyo institucional. Las entrevistas tuvieron una duración promedio de 45 minutos y
fueron grabadas en audio con consentimiento informado, protegiendo sus datos personales y de
tratamiento de datos oculto.
Pauta de observación
Se realizaron observaciones no participantes en 12 sesiones de clase variados para
registrar el uso efectivo de tecnologías digitales y las dinámicas de interacción en el aula.
Procedimiento
La recolección de datos se llevó a cabo entre septiembre y diciembre de 2025. Los
cuestionarios se aplicaron en formato digital mediante Google Forms y fueron distribuidos a
MATERIALES Y MÉTODOS
Se adoptó un enfoque mixto con un diseño secuencial explicativo (Creswell y Creswell,
2018). En una primera fase, de carácter cuantitativo, se aplicó un cuestionario estructurado con el
propósito de caracterizar las percepciones y los usos de las IA generativas en la población
estudiantil. Posteriormente, en la fase cualitativa, se llevaron a cabo entrevistas semiestructuradas
a docentes para profundizar en las estrategias pedagógicas implementadas, así como en las
limitaciones institucionales que estos perciben.
Población y muestra
La investigación se desarrolló en cinco instituciones de educación superior ecuatorianas
(tres públicas y dos privadas), seleccionadas por conveniencia en función de su disposición a
participar. La muestra cuantitativa estuvo conformada por 236 estudiantes de carreras de ciencias
sociales, ingeniería y educación, con edades entre 18 y 35 años (M = 21.4; DE = 3.2). El muestreo
fue no probabilístico por cuotas, lo que permitió asegurar la representación de cada institución y
de las distintas áreas disciplinares. Para la fase cualitativa, se seleccionaron intencionalmente 18
docentes que impartían asignaturas en las carreras participantes, todos con al menos tres años de
experiencia en educación superior y con niveles diversos de familiaridad con las tecnologías
digitales.
Instrumentos
Cuestionario para estudiantes. Se diseñó un instrumento ad hoc compuesto por 22 ítems
organizados en cuatro secciones: (a) datos sociodemográficos; (b) frecuencia y tipos de uso de IA
generativas; (c) percepciones sobre su utilidad para el aprendizaje; y (d) disponibilidad percibida
de recursos institucionales. Los ítems emplearon escala Likert de cinco puntos: (1 = totalmente
en desacuerdo; 5 = totalmente de acuerdo). El instrumento fue validado mediante juicio de
expertos (n = 5) y obtuvo un coeficiente de confiabilidad alfa de Cronbach de 0.87.
Guía de entrevista para docentes
Se elaboró un guion semiestructurado que abordó: experiencias de uso de IA generativas
en la docencia, estrategias pedagógicas implementadas, necesidades de formación y percepción
sobre el apoyo institucional. Las entrevistas tuvieron una duración promedio de 45 minutos y
fueron grabadas en audio con consentimiento informado, protegiendo sus datos personales y de
tratamiento de datos oculto.
Pauta de observación
Se realizaron observaciones no participantes en 12 sesiones de clase variados para
registrar el uso efectivo de tecnologías digitales y las dinámicas de interacción en el aula.
Procedimiento
La recolección de datos se llevó a cabo entre septiembre y diciembre de 2025. Los
cuestionarios se aplicaron en formato digital mediante Google Forms y fueron distribuidos a
Vol. 13/ Núm. 1 2026 pág. 3116
través de las direcciones de carrera. Las entrevistas se realizaron de manera presencial o por
videollamada, según la disponibilidad de los participantes. Las observaciones de aula se
programaron en coordinación con los docentes involucrados, procurando mantener condiciones
de naturalidad durante su desarrollo.
Los datos cuantitativos se procesaron con el software SPSS v.29, utilizando estadísticos
descriptivos (frecuencias, medias y desviaciones estándar) y pruebas inferenciales (ANOVA,
correlación de Pearson y prueba t para muestras independientes). Por su parte, los datos
cualitativos se analizaron mediante análisis temático con apoyo del software ATLAS.ti v.24,
siguiendo las fases de familiarización, codificación abierta, búsqueda de temas y revisión (Braun
& Clarke, 2022).
Consideraciones éticas
El estudio fue aprobado por el Comité de Ética de Investigación de la Universidad. Todos
los participantes firmaron consentimiento informado, se garantizó la confidencialidad de los datos
y el anonimato en el tratamiento de la información.
RESULTADOS
Percepciones y usos estudiantiles de IA generativas
Del total de estudiantes encuestados (n = 236), el 71 % manifestó estar de acuerdo o
totalmente de acuerdo con que el dominio de herramientas de inteligencia artificial generativa es
relevante para su futuro profesional. Sin embargo, solo el 28 % indicó utilizarlas con frecuencia
semanal fuera del ámbito de las actividades académicas obligatorias.
Las herramientas más empleadas fueron ChatGPT (82%), seguido de Gemini (31%) y
Copilot (18%). Los usos predominantes se concentraron en la búsqueda de información (76%), la
síntesis de textos (58%) y la generación de ideas para trabajos académicos (49%).
Tabla 1
Percepciones estudiantiles sobre IA generativas (n = 236)
Ítem M DE %
Acuerdo
El manejo de IA generativas es relevante para mi formación
profesional 4.23 0.81 71 %
Los docentes promueven el uso crítico de estas herramientas 2.87 1.12 32 %
La institución dispone de recursos tecnológicos adecuados 2.54 1.24 28 %
He recibido orientación sobre usos éticos de IA en mis estudios 2.31 1.18 21 %
Nota. Porcentaje de respuestas 4 (de acuerdo) y 5 (totalmente de acuerdo) en escala Likert 15.
través de las direcciones de carrera. Las entrevistas se realizaron de manera presencial o por
videollamada, según la disponibilidad de los participantes. Las observaciones de aula se
programaron en coordinación con los docentes involucrados, procurando mantener condiciones
de naturalidad durante su desarrollo.
Los datos cuantitativos se procesaron con el software SPSS v.29, utilizando estadísticos
descriptivos (frecuencias, medias y desviaciones estándar) y pruebas inferenciales (ANOVA,
correlación de Pearson y prueba t para muestras independientes). Por su parte, los datos
cualitativos se analizaron mediante análisis temático con apoyo del software ATLAS.ti v.24,
siguiendo las fases de familiarización, codificación abierta, búsqueda de temas y revisión (Braun
& Clarke, 2022).
Consideraciones éticas
El estudio fue aprobado por el Comité de Ética de Investigación de la Universidad. Todos
los participantes firmaron consentimiento informado, se garantizó la confidencialidad de los datos
y el anonimato en el tratamiento de la información.
RESULTADOS
Percepciones y usos estudiantiles de IA generativas
Del total de estudiantes encuestados (n = 236), el 71 % manifestó estar de acuerdo o
totalmente de acuerdo con que el dominio de herramientas de inteligencia artificial generativa es
relevante para su futuro profesional. Sin embargo, solo el 28 % indicó utilizarlas con frecuencia
semanal fuera del ámbito de las actividades académicas obligatorias.
Las herramientas más empleadas fueron ChatGPT (82%), seguido de Gemini (31%) y
Copilot (18%). Los usos predominantes se concentraron en la búsqueda de información (76%), la
síntesis de textos (58%) y la generación de ideas para trabajos académicos (49%).
Tabla 1
Percepciones estudiantiles sobre IA generativas (n = 236)
Ítem M DE %
Acuerdo
El manejo de IA generativas es relevante para mi formación
profesional 4.23 0.81 71 %
Los docentes promueven el uso crítico de estas herramientas 2.87 1.12 32 %
La institución dispone de recursos tecnológicos adecuados 2.54 1.24 28 %
He recibido orientación sobre usos éticos de IA en mis estudios 2.31 1.18 21 %
Nota. Porcentaje de respuestas 4 (de acuerdo) y 5 (totalmente de acuerdo) en escala Likert 15.
Vol. 13/ Núm. 1 2026 pág. 3117
Se aplicó una prueba ANOVA para comparar las percepciones sobre la utilidad de la IA
según el área disciplinar. Se encontraron diferencias estadísticamente significativas (F = 7.83; p
< 0.001): los estudiantes de ingeniería reportaron valoraciones más altas (M = 4.51; DE = 0.62)
en comparación con los de ciencias sociales (M = 4.02; DE = 0.89) y educación (M = 3.94; DE =
0.93). No se observaron diferencias significativas por tipo de institución (pública/privada).
Competencias docentes y prácticas pedagógicas
Las entrevistas con docentes revelaron una tensión recurrente entre el reconocimiento del
potencial de la IA y la incertidumbre sobre cómo integrarla pedagógicamente. Doce de los
dieciocho participantes (66 %) manifestaron haber utilizado alguna herramienta de IA generativa
en su práctica docente, principalmente para diseñar actividades (n = 9) o elaborar materiales
didácticos (n = 7). Solo cuatro docentes (22 %) reportaron haber orientado explícitamente a sus
estudiantes en el uso crítico y ético de estas tecnologías.
Tabla 2
Nivel de integración de IA generativa en la docencia
Nivel de
integración Descripción N° %
Exploratorio Uso ocasional para tareas administrativas o
personales 6 33 %
Instrumental Uso para diseñar materiales o actividades 8 45 %
Pedagógico Integración curricular con objetivos de aprendizaje
explícitos 3 17 %
Crítico-
transformador
Enseñanza explícita sobre usos éticos, limitaciones
y pensamiento computacional 1 5 %
Los docentes que reportaron haber recibido formación específica en tecnologías
educativas durante los últimos dos años (n = 7) presentaron puntuaciones significativamente más
altas en una escala de autoeficacia para la integración de IA (M = 3.87; DE = 0.74) en comparación
con aquellos sin formación reciente (M = 2.54; DE = 0.93); t = 3.24; p < 0.01; d de Cohen = 1.58.
Entre las barreras para la integración, los docentes señalaron: falta de tiempo para
explorar nuevas herramientas (83 %), ausencia de lineamientos institucionales claros (72 %),
temor a usos indebidos por parte de los estudiantes (61 %) y necesidad de formación práctica
contextualizada (56 %).
Recursos institucionales y condiciones estructurales
Las observaciones en aula, junto con los reportes institucionales, pusieron en evidencia
una heterogeneidad tecnológica claramente marcada. Mientras las dos universidades privadas
participantes disponían de laboratorios informáticos actualizados y acceso a versiones licenciadas
de software educativo, dos de las tres universidades públicas enfrentaban limitaciones
Se aplicó una prueba ANOVA para comparar las percepciones sobre la utilidad de la IA
según el área disciplinar. Se encontraron diferencias estadísticamente significativas (F = 7.83; p
< 0.001): los estudiantes de ingeniería reportaron valoraciones más altas (M = 4.51; DE = 0.62)
en comparación con los de ciencias sociales (M = 4.02; DE = 0.89) y educación (M = 3.94; DE =
0.93). No se observaron diferencias significativas por tipo de institución (pública/privada).
Competencias docentes y prácticas pedagógicas
Las entrevistas con docentes revelaron una tensión recurrente entre el reconocimiento del
potencial de la IA y la incertidumbre sobre cómo integrarla pedagógicamente. Doce de los
dieciocho participantes (66 %) manifestaron haber utilizado alguna herramienta de IA generativa
en su práctica docente, principalmente para diseñar actividades (n = 9) o elaborar materiales
didácticos (n = 7). Solo cuatro docentes (22 %) reportaron haber orientado explícitamente a sus
estudiantes en el uso crítico y ético de estas tecnologías.
Tabla 2
Nivel de integración de IA generativa en la docencia
Nivel de
integración Descripción N° %
Exploratorio Uso ocasional para tareas administrativas o
personales 6 33 %
Instrumental Uso para diseñar materiales o actividades 8 45 %
Pedagógico Integración curricular con objetivos de aprendizaje
explícitos 3 17 %
Crítico-
transformador
Enseñanza explícita sobre usos éticos, limitaciones
y pensamiento computacional 1 5 %
Los docentes que reportaron haber recibido formación específica en tecnologías
educativas durante los últimos dos años (n = 7) presentaron puntuaciones significativamente más
altas en una escala de autoeficacia para la integración de IA (M = 3.87; DE = 0.74) en comparación
con aquellos sin formación reciente (M = 2.54; DE = 0.93); t = 3.24; p < 0.01; d de Cohen = 1.58.
Entre las barreras para la integración, los docentes señalaron: falta de tiempo para
explorar nuevas herramientas (83 %), ausencia de lineamientos institucionales claros (72 %),
temor a usos indebidos por parte de los estudiantes (61 %) y necesidad de formación práctica
contextualizada (56 %).
Recursos institucionales y condiciones estructurales
Las observaciones en aula, junto con los reportes institucionales, pusieron en evidencia
una heterogeneidad tecnológica claramente marcada. Mientras las dos universidades privadas
participantes disponían de laboratorios informáticos actualizados y acceso a versiones licenciadas
de software educativo, dos de las tres universidades públicas enfrentaban limitaciones
Vol. 13/ Núm. 1 2026 pág. 3118
importantes: equipos con más de cinco años de uso, conectividad inestable y ausencia de acceso
a versiones premium de herramientas de inteligencia artificial.
Asimismo se calculó el coeficiente de correlación de Pearson entre la percepción
estudiantil sobre la disponibilidad de recursos tecnológicos y la valoración de la calidad del
aprendizaje mediado por tecnologías. El análisis reveló una correlación positiva moderada (r =
0.58; p < 0.01; IC 95 % [0.48, 0.67]), lo que sugiere que, a mayor disponibilidad y calidad de los
recursos, más favorables tienden a ser las percepciones sobre los procesos formativos.
DISCUSIÓN
Los resultados de esta investigación permiten comprender la incorporación de la
inteligencia artificial generativa en la educación superior como un proceso en construcción,
marcado por tensiones entre las expectativas sobre su potencial transformador y las limitaciones
estructurales que dificultan su integración pedagógica efectiva. Aunque el estudiantado reconoce
la relevancia de estas tecnologías para su formación, dicho reconocimiento no siempre se traduce
en prácticas de aprendizaje profundas ni en el desarrollo de habilidades críticas. Esta situación
coincide con lo señalado por Chan y Hu (2024), quienes evidencian que, a nivel internacional, el
uso de la inteligencia artificial en contextos universitarios tiende a ser principalmente
instrumental. En consecuencia, se vuelve necesario promover mediaciones pedagógicas más
complejas que trasciendan el acceso a la tecnología y favorezcan una apropiación reflexiva de sus
posibilidades educativas.
En relación con la personalización del aprendizaje, los resultados muestran que la
disponibilidad de recursos tecnológicos se asocia con percepciones más positivas sobre la calidad
de los procesos formativos mediados por tecnología. No obstante, esta relación no se produce de
forma automática, sino que depende de la coherencia entre la infraestructura disponible, el diseño
curricular y las estrategias didácticas implementadas. En este sentido, los aportes de Area-Moreira
y Adell-Segura (2023) resultan particularmente relevantes, al plantear que la personalización
apoyada en tecnologías solo genera impactos significativos cuando se integra en propuestas
pedagógicas orientadas a fortalecer la autonomía y la autorregulación del aprendizaje. La
evidencia obtenida sugiere que, en ausencia de esta articulación, la inteligencia artificial puede
terminar reproduciendo dinámicas educativas tradicionales en lugar de contribuir a su
transformación.
Respecto al rol del docente, los hallazgos confirman que la formación específica en
tecnologías educativas constituye un elemento clave para la integración significativa de la
inteligencia artificial en la enseñanza. Esta tendencia ha sido ampliamente documentada en la
literatura reciente, como lo destacan Salinas-Navarro et al. (2024), quienes subrayan la
importancia de la capacitación continua para avanzar hacia enfoques pedagógicos más críticos y
reflexivos. Sin embargo, el presente estudio pone de manifiesto que los desafíos no se limitan a
importantes: equipos con más de cinco años de uso, conectividad inestable y ausencia de acceso
a versiones premium de herramientas de inteligencia artificial.
Asimismo se calculó el coeficiente de correlación de Pearson entre la percepción
estudiantil sobre la disponibilidad de recursos tecnológicos y la valoración de la calidad del
aprendizaje mediado por tecnologías. El análisis reveló una correlación positiva moderada (r =
0.58; p < 0.01; IC 95 % [0.48, 0.67]), lo que sugiere que, a mayor disponibilidad y calidad de los
recursos, más favorables tienden a ser las percepciones sobre los procesos formativos.
DISCUSIÓN
Los resultados de esta investigación permiten comprender la incorporación de la
inteligencia artificial generativa en la educación superior como un proceso en construcción,
marcado por tensiones entre las expectativas sobre su potencial transformador y las limitaciones
estructurales que dificultan su integración pedagógica efectiva. Aunque el estudiantado reconoce
la relevancia de estas tecnologías para su formación, dicho reconocimiento no siempre se traduce
en prácticas de aprendizaje profundas ni en el desarrollo de habilidades críticas. Esta situación
coincide con lo señalado por Chan y Hu (2024), quienes evidencian que, a nivel internacional, el
uso de la inteligencia artificial en contextos universitarios tiende a ser principalmente
instrumental. En consecuencia, se vuelve necesario promover mediaciones pedagógicas más
complejas que trasciendan el acceso a la tecnología y favorezcan una apropiación reflexiva de sus
posibilidades educativas.
En relación con la personalización del aprendizaje, los resultados muestran que la
disponibilidad de recursos tecnológicos se asocia con percepciones más positivas sobre la calidad
de los procesos formativos mediados por tecnología. No obstante, esta relación no se produce de
forma automática, sino que depende de la coherencia entre la infraestructura disponible, el diseño
curricular y las estrategias didácticas implementadas. En este sentido, los aportes de Area-Moreira
y Adell-Segura (2023) resultan particularmente relevantes, al plantear que la personalización
apoyada en tecnologías solo genera impactos significativos cuando se integra en propuestas
pedagógicas orientadas a fortalecer la autonomía y la autorregulación del aprendizaje. La
evidencia obtenida sugiere que, en ausencia de esta articulación, la inteligencia artificial puede
terminar reproduciendo dinámicas educativas tradicionales en lugar de contribuir a su
transformación.
Respecto al rol del docente, los hallazgos confirman que la formación específica en
tecnologías educativas constituye un elemento clave para la integración significativa de la
inteligencia artificial en la enseñanza. Esta tendencia ha sido ampliamente documentada en la
literatura reciente, como lo destacan Salinas-Navarro et al. (2024), quienes subrayan la
importancia de la capacitación continua para avanzar hacia enfoques pedagógicos más críticos y
reflexivos. Sin embargo, el presente estudio pone de manifiesto que los desafíos no se limitan a
Vol. 13/ Núm. 1 2026 pág. 3119
la dimensión formativa, sino que incluyen factores organizacionales, culturales y laborales que
influyen en la disposición docente para innovar. De este modo, la integración tecnológica se
configura como un proceso sociotécnico en el que las prácticas educativas se desarrollan en
interacción con las condiciones institucionales y las dinámicas propias del contexto universitario.
Por otro lado, las diferencias identificadas entre instituciones en términos de acceso a
recursos tecnológicos reflejan la persistencia de desigualdades estructurales en los sistemas de
educación superior de América Latina. Estos resultados se alinean con los diagnósticos regionales
de la CEPAL (2024), que advierten que la brecha digital trasciende la disponibilidad de
dispositivos o conectividad, incidiendo también en las oportunidades para desarrollar
competencias digitales avanzadas y participar en procesos de innovación educativa. En este
marco, la incorporación de la inteligencia artificial generativa puede convertirse en un factor que
profundice dichas desigualdades si no se acompaña de políticas públicas orientadas a garantizar
condiciones de implementación más equitativas.
Asimismo la escasa presencia de enfoques críticos en el uso pedagógico de la inteligencia
artificial observada en el estudio pone de relieve la necesidad de avanzar hacia perspectivas que
superen visiones centradas exclusivamente en la dimensión tecnológica. Tal como plantea García-
Peñalvo (2023), la integración de estas herramientas debe entenderse como un proceso de
transformación educativa que involucra consideraciones éticas, epistemológicas e institucionales.
Los resultados obtenidos respaldan esta perspectiva al evidenciar que la mera
disponibilidad de tecnologías no garantiza innovación, sino que esta depende de la capacidad de
las instituciones para fomentar culturas académicas orientadas al pensamiento crítico y a la
reflexión sobre el papel de la tecnología en la sociedad contemporánea.
En conjunto los hallazgos sugieren que la incorporación de la inteligencia artificial
generativa en la educación superior no puede interpretarse únicamente como un fenómeno
tecnológico, sino como una reconfiguración de los procesos formativos en el contexto de la
sociedad del conocimiento. La comparación con estudios previos permite afirmar que el principal
desafío no radica en la adopción de herramientas digitales, sino en la construcción de modelos
pedagógicos que articulen innovación tecnológica, equidad educativa y desarrollo de
competencias críticas. Desde esta perspectiva, el estudio aporta evidencia empírica situada que
refuerza la necesidad de enfoques integrales para la integración de la inteligencia artificial en
contextos universitarios, particularmente en escenarios latinoamericanos donde las
transformaciones educativas continúan condicionadas por factores estructurales persistentes.
CONCLUSIONES
Los resultados de este estudio permiten comprender que la incorporación de la
inteligencia artificial generativa en la educación superior constituye un proceso progresivo y aún
en consolidación, marcado por avances en su reconocimiento como herramienta formativa y por
la dimensión formativa, sino que incluyen factores organizacionales, culturales y laborales que
influyen en la disposición docente para innovar. De este modo, la integración tecnológica se
configura como un proceso sociotécnico en el que las prácticas educativas se desarrollan en
interacción con las condiciones institucionales y las dinámicas propias del contexto universitario.
Por otro lado, las diferencias identificadas entre instituciones en términos de acceso a
recursos tecnológicos reflejan la persistencia de desigualdades estructurales en los sistemas de
educación superior de América Latina. Estos resultados se alinean con los diagnósticos regionales
de la CEPAL (2024), que advierten que la brecha digital trasciende la disponibilidad de
dispositivos o conectividad, incidiendo también en las oportunidades para desarrollar
competencias digitales avanzadas y participar en procesos de innovación educativa. En este
marco, la incorporación de la inteligencia artificial generativa puede convertirse en un factor que
profundice dichas desigualdades si no se acompaña de políticas públicas orientadas a garantizar
condiciones de implementación más equitativas.
Asimismo la escasa presencia de enfoques críticos en el uso pedagógico de la inteligencia
artificial observada en el estudio pone de relieve la necesidad de avanzar hacia perspectivas que
superen visiones centradas exclusivamente en la dimensión tecnológica. Tal como plantea García-
Peñalvo (2023), la integración de estas herramientas debe entenderse como un proceso de
transformación educativa que involucra consideraciones éticas, epistemológicas e institucionales.
Los resultados obtenidos respaldan esta perspectiva al evidenciar que la mera
disponibilidad de tecnologías no garantiza innovación, sino que esta depende de la capacidad de
las instituciones para fomentar culturas académicas orientadas al pensamiento crítico y a la
reflexión sobre el papel de la tecnología en la sociedad contemporánea.
En conjunto los hallazgos sugieren que la incorporación de la inteligencia artificial
generativa en la educación superior no puede interpretarse únicamente como un fenómeno
tecnológico, sino como una reconfiguración de los procesos formativos en el contexto de la
sociedad del conocimiento. La comparación con estudios previos permite afirmar que el principal
desafío no radica en la adopción de herramientas digitales, sino en la construcción de modelos
pedagógicos que articulen innovación tecnológica, equidad educativa y desarrollo de
competencias críticas. Desde esta perspectiva, el estudio aporta evidencia empírica situada que
refuerza la necesidad de enfoques integrales para la integración de la inteligencia artificial en
contextos universitarios, particularmente en escenarios latinoamericanos donde las
transformaciones educativas continúan condicionadas por factores estructurales persistentes.
CONCLUSIONES
Los resultados de este estudio permiten comprender que la incorporación de la
inteligencia artificial generativa en la educación superior constituye un proceso progresivo y aún
en consolidación, marcado por avances en su reconocimiento como herramienta formativa y por
Vol. 13/ Núm. 1 2026 pág. 3120
limitaciones que dificultan su integración pedagógica efectiva. Si bien el estudiantado muestra
una valoración positiva respecto al potencial de estas tecnologías para su desarrollo profesional,
su uso continúa siendo predominantemente instrumental, lo que evidencia la necesidad de
promover estrategias educativas orientadas al desarrollo de competencias críticas, creativas y
éticas en torno a su utilización.
En el ámbito docente, se confirma que la formación específica en tecnologías educativas
desempeña un papel determinante en la adopción significativa de la inteligencia artificial en la
práctica pedagógica. No obstante, este proceso no depende exclusivamente de la capacitación
individual, sino también de las condiciones institucionales que favorecen o limitan la innovación
educativa. Factores como la disponibilidad de tiempo para la experimentación pedagógica, la
existencia de lineamientos claros y el acceso a recursos tecnológicos adecuados influyen de
manera directa en la disposición del profesorado para integrar estas herramientas en el aula.
Asimismo, las diferencias identificadas entre instituciones ponen de manifiesto la
persistencia de brechas estructurales que inciden en las oportunidades de acceso y uso de
tecnologías emergentes. Esta situación plantea el riesgo de que la incorporación de la inteligencia
artificial generativa contribuya a profundizar desigualdades educativas si no se acompaña de
políticas públicas orientadas a garantizar condiciones más equitativas de implementación. En este
sentido, resulta fundamental promover estrategias institucionales que articulen inversión
tecnológica, formación docente y actualización curricular como elementos complementarios de
un mismo proceso de transformación educativa.
En términos generales, la integración de la inteligencia artificial generativa en la
educación superior no puede concebirse únicamente como la adopción de herramientas
tecnológicas, sino como una reconfiguración de los procesos formativos en la sociedad del
conocimiento. Esto implica repensar los enfoques pedagógicos, fortalecer la alfabetización digital
crítica y fomentar una cultura académica que promueva la reflexión sobre el papel de la tecnología
en la construcción del saber. Desde esta perspectiva, el estudio aporta evidencia empírica
relevante para el diseño de políticas y prácticas educativas orientadas a una incorporación más
consciente, equitativa y significativa de la inteligencia artificial en el ámbito universitario.
limitaciones que dificultan su integración pedagógica efectiva. Si bien el estudiantado muestra
una valoración positiva respecto al potencial de estas tecnologías para su desarrollo profesional,
su uso continúa siendo predominantemente instrumental, lo que evidencia la necesidad de
promover estrategias educativas orientadas al desarrollo de competencias críticas, creativas y
éticas en torno a su utilización.
En el ámbito docente, se confirma que la formación específica en tecnologías educativas
desempeña un papel determinante en la adopción significativa de la inteligencia artificial en la
práctica pedagógica. No obstante, este proceso no depende exclusivamente de la capacitación
individual, sino también de las condiciones institucionales que favorecen o limitan la innovación
educativa. Factores como la disponibilidad de tiempo para la experimentación pedagógica, la
existencia de lineamientos claros y el acceso a recursos tecnológicos adecuados influyen de
manera directa en la disposición del profesorado para integrar estas herramientas en el aula.
Asimismo, las diferencias identificadas entre instituciones ponen de manifiesto la
persistencia de brechas estructurales que inciden en las oportunidades de acceso y uso de
tecnologías emergentes. Esta situación plantea el riesgo de que la incorporación de la inteligencia
artificial generativa contribuya a profundizar desigualdades educativas si no se acompaña de
políticas públicas orientadas a garantizar condiciones más equitativas de implementación. En este
sentido, resulta fundamental promover estrategias institucionales que articulen inversión
tecnológica, formación docente y actualización curricular como elementos complementarios de
un mismo proceso de transformación educativa.
En términos generales, la integración de la inteligencia artificial generativa en la
educación superior no puede concebirse únicamente como la adopción de herramientas
tecnológicas, sino como una reconfiguración de los procesos formativos en la sociedad del
conocimiento. Esto implica repensar los enfoques pedagógicos, fortalecer la alfabetización digital
crítica y fomentar una cultura académica que promueva la reflexión sobre el papel de la tecnología
en la construcción del saber. Desde esta perspectiva, el estudio aporta evidencia empírica
relevante para el diseño de políticas y prácticas educativas orientadas a una incorporación más
consciente, equitativa y significativa de la inteligencia artificial en el ámbito universitario.
Vol. 13/ Núm. 1 2026 pág. 3121
REFERENCIAS
Area-Moreira, M., & Adell-Segura, J. (2023). Tecnologías emergentes y personalización del
aprendizaje en la universidad. RIED. Revista Iberoamericana de Educación a Distancia,
26(2), 17–34.
Asamblea Nacional del Ecuador. (2024). Proyecto de Ley Orgánica de Regulación y Promoción
de la Inteligencia Artificial.
Braun, V., & Clarke, V. (2022). Thematic analysis: A practical guide. SAGE.
Cabero-Almenara, J., & Llorente-Cejudo, C. (2024). La inteligencia artificial en la educación
superior: Posibilidades y riesgos. Comunicar, 32(78), 1–12.
CEPAL. (2024). Brecha digital en América Latina: Desafíos para la educación superior. Comisión
Económica para América Latina y el Caribe.
Chan, C. K. Y., & Hu, W. (2024). Students’ voices on generative AI: Perceptions, benefits, and
challenges in higher education. International Journal of Educational Technology in Higher
Education, 21(1), 118. https://doi.org/10.1186/s41239-023-00427-4
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed
methods approaches (5th ed.). SAGE.
García-Peñalvo, F. J. (2023). La integración de la inteligencia artificial generativa en la educación
superior: Desafíos y oportunidades. Education in the Knowledge Society, 24, e31017.
https://doi.org/10.14201/eks.31017
Ley Orgánica de Educación Superior. (2010). Registro Oficial N.º 298.
Salinas-Navarro, D. E., Mejía-Manzano, L. A., & García-García, R. (2024). Faculty readiness for
generative AI in higher education: A systematic review. Computers and Education:
Artificial Intelligence, 6, 100221. https://doi.org/10.1016/j.caeai.2024.100221
Salinas, J., & De-Benito, B. (2024). Competencias digitales docentes y tecnologías emergentes
en educación superior. Pixel-Bit. Revista de Medios y Educación, 69, 45–62.
UNESCO. (2023). Inteligencia artificial y educación: Guía para responsables de políticas.
UNESCO. (2023). Recomendación sobre la ética de la inteligencia artificial. UNESCO.
REFERENCIAS
Area-Moreira, M., & Adell-Segura, J. (2023). Tecnologías emergentes y personalización del
aprendizaje en la universidad. RIED. Revista Iberoamericana de Educación a Distancia,
26(2), 17–34.
Asamblea Nacional del Ecuador. (2024). Proyecto de Ley Orgánica de Regulación y Promoción
de la Inteligencia Artificial.
Braun, V., & Clarke, V. (2022). Thematic analysis: A practical guide. SAGE.
Cabero-Almenara, J., & Llorente-Cejudo, C. (2024). La inteligencia artificial en la educación
superior: Posibilidades y riesgos. Comunicar, 32(78), 1–12.
CEPAL. (2024). Brecha digital en América Latina: Desafíos para la educación superior. Comisión
Económica para América Latina y el Caribe.
Chan, C. K. Y., & Hu, W. (2024). Students’ voices on generative AI: Perceptions, benefits, and
challenges in higher education. International Journal of Educational Technology in Higher
Education, 21(1), 118. https://doi.org/10.1186/s41239-023-00427-4
Creswell, J. W., & Creswell, J. D. (2018). Research design: Qualitative, quantitative, and mixed
methods approaches (5th ed.). SAGE.
García-Peñalvo, F. J. (2023). La integración de la inteligencia artificial generativa en la educación
superior: Desafíos y oportunidades. Education in the Knowledge Society, 24, e31017.
https://doi.org/10.14201/eks.31017
Ley Orgánica de Educación Superior. (2010). Registro Oficial N.º 298.
Salinas-Navarro, D. E., Mejía-Manzano, L. A., & García-García, R. (2024). Faculty readiness for
generative AI in higher education: A systematic review. Computers and Education:
Artificial Intelligence, 6, 100221. https://doi.org/10.1016/j.caeai.2024.100221
Salinas, J., & De-Benito, B. (2024). Competencias digitales docentes y tecnologías emergentes
en educación superior. Pixel-Bit. Revista de Medios y Educación, 69, 45–62.
UNESCO. (2023). Inteligencia artificial y educación: Guía para responsables de políticas.
UNESCO. (2023). Recomendación sobre la ética de la inteligencia artificial. UNESCO.