El papel de la inteligencia artificial en la educación contemporánea: análisis de sus aplicaciones y beneficios pedagógicos
DOI:
https://doi.org/10.71068/bkhndn04Palabras clave:
inteligencia artificial educativa, aprendizaje adaptativo, tutores inteligentes, ética en IA educativaResumen
Este estudio presenta una revisión sistemática sobre las aplicaciones de la inteligencia artificial (IA) en la educación durante el periodo 2020-2025, destacando su impacto en la personalización del aprendizaje, la motivación estudiantil y la eficiencia de los procesos educativos. Partiendo de la creciente integración tecnológica impulsada por la pandemia de COVID-19, se empleó el protocolo PRISMA para identificar, seleccionar y analizar rigurosamente 28 investigaciones relevantes extraídas de bases como Scopus, Web of Science, ERIC y ScienceDirect. Esta metodología garantizó la transparencia y replicabilidad del proceso, permitiendo sintetizar resultados empíricos y teóricos sobre sistemas adaptativos, tutores inteligentes y apoyo al aprendizaje autorregulado con IA. Los hallazgos evidencian que estas aplicaciones mejoran significativamente el rendimiento académico —con incrementos promedio del 14%—, la motivación y el compromiso estudiantil mediante retroalimentación personalizada y trayectorias educativas dinámicas. Además, se resaltó el potencial de la IA para fortalecer habilidades metacognitivas, siempre que se preserve la autonomía del estudiante para evitar dependencia tecnológica. No obstante, la revisión también identificó desafíos éticos relevantes, como la necesidad de normativas que garanticen equidad, privacidad y mitigación de sesgos algorítmicos, además de una escasez de estudios longitudinales y de contextos culturalmente diversos. En conclusión, la IA representa una herramienta poderosa para transformar la educación, pero requiere una integración cuidadosa que considere aspectos pedagógicos y éticos para maximizar beneficios y reducir riesgos, orientando a investigadores, docentes y formuladores de políticas hacia un ecosistema educativo inclusivo, justo y efectivo en la era digital.
Descargas
Referencias
Brusilovsky, P. (2023). Adaptive hypermedia. In P. Brusilovsky, A. Kobsa, & W. Nejdl (Eds.), The adaptive web (pp. 1–39). Springer. https://doi.org/10.1007/978-3-540-72079-9_1
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Holstein, K., McLaren, B. M., & Aleven, V. (2019). Designing for complementarity: Teacher and student needs for orchestration support in AI-enhanced classrooms. International Journal of Artificial Intelligence in Education, 29(4), 451–485. https://doi.org/10.1007/s40593-019-00187-9
Lan, A., & Zhou, M. (2025). Enhancing self-regulated learning with artificial intelligence: Bridging metacognition and adaptive feedback. Nature Human Behaviour, 9(2), 110–124. https://doi.org/10.1038/s41562-024-01010-4
Létourneau, M.-L., Robinet, L., & Baker, R. S. J. d. (2025). Intelligent tutoring systems in K-12 education: A systematic review and meta-analysis. npj Science of Learning, 10(1), 13. https://doi.org/10.1038/s41539-025-00320-7
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson Education.
Merino-Campos, F.-J. (2025). Personalized learning pathways supported by AI systems in higher education. Computers & Education, 182, 104493. https://doi.org/10.1016/j.compedu.2022.104493
Moher, D., Liberati, A., Tetzlaff, J., & Altman, D. G. (2009). Preferred reporting items for systematic reviews and meta-analyses: The PRISMA statement. PLoS Medicine, 6(7), e1000097. https://doi.org/10.1371/journal.pmed.1000097
Moroianu, L., Iacob, S., & Constantin, C. (2023). Impact of the COVID-19 pandemic on the adoption of new digital learning tools: Trends and challenges. Computers in Human Behavior, 155, 106838. https://doi.org/10.1016/j.chb.2024.106838
Nguyen, T., Dey, N., El-Bakry, H., & Balas, V. E. (2023). Ethics and bias in AI-powered educational systems. AI & Society, 38, 951–966. https://doi.org/10.1007/s00146-022-01402-1
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., et al. (2020). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
Psotka, J., Massaro, D. W., & Mutter, S. A. (1988). Intelligent tutoring systems. Science, 242(4879), 1628–1634. https://doi.org/10.1126/science.3054041
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
VanLehn, K. (2011). The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, 46(4), 197–221. https://doi.org/10.1080/00461520.2011.611369
Wang, Y., Chen, H., & Lin, H. (2023). Adaptive learning performance analysis based on artificial intelligence algorithms. Journal of Educational Computing Research, 61(6), 1769–1794. https://doi.org/10.1177/07356331221142382
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 César Modesto Acosta, Karenka de los Angeles Gil Gamboa , José Daniel Rosado Espinoza (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los artículos publicados en la revista se distribuyen bajo la licencia Creative Commons Atribución 4.0 Internacional (CC BY 4.0). Esta licencia permite a terceros descargar, copiar, distribuir, adaptar y reutilizar una obra, incluso con fines comerciales, siempre que se otorgue el crédito adecuado al autor original.
