Modelos de inteligencia artificial aplicados al aprendizaje personalizado y adaptativo en la educación universitaria

Autores/as

DOI:

https://doi.org/10.63969/v287ks48

Palabras clave:

Inteligencia artificial, Aprendizaje personalizado, Aprendizaje adaptativo, Educación universitaria, Sistemas tutores inteligentes

Resumen

La educación universitaria está experimentando una profunda transformación impulsada por el avance tecnológico y la inteligencia artificial (IA), que permite personalizar y adaptar el aprendizaje a las características y necesidades individuales de cada estudiante. Este enfoque supera las limitaciones de los métodos tradicionales, promoviendo experiencias educativas más dinámicas, eficientes y centradas en el alumno. El aprendizaje adaptativo, basado en algoritmos inteligentes y análisis de datos, optimiza procesos educativos, mejora el rendimiento académico y fomenta la autonomía estudiantil. Sin embargo, la heterogeneidad de estilos y ritmos de aprendizaje presenta un desafío que muchos modelos pedagógicos tradicionales no abordan eficazmente, lo que puede generar desmotivación y deserción. A pesar de la disponibilidad tecnológica, muchas universidades aún no integran sistemáticamente modelos de IA personalizados, lo que limita su potencial. Este estudio, mediante una revisión documental rigurosa y el uso del protocolo PRISMA, examina los modelos de IA en educación universitaria para identificar ventajas, retos e impactos, destacando su capacidad para transformar y mejorar la enseñanza superior.

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Campbell, R. V. (2025). Revolucionando la Educación: Integración de Inteligencia Artificial en Sistemas de Gestión del Aprendizaje. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, https://doi.org/10.23913/ride.v15i30.2242 .

Espinar, Á. E., & Vigueras, M. A. (2020). El aprendizaje experiencial y su impacto en la educación actual. Revista Cubana de Educación Superior, http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0257-43142020000300012.

Fuentes, R. S. (2025). Estrategias de aprendizaje autónomo a través de las TIC en estudios sociales: Un enfoque para mejorar la autoeficacia y el rendimiento académico. Revista Cientifica Zambos, https://doi.org/10.69484/rcz/v4/n1/77.

Gómez, V. K., & Cevallos, Á. (2019). El desafío de las nuevas tecnologías: el uso del aula virtual y su influencia en el rendimiento académico. Revista de Ciencias Humanísticas y Sociales (ReHuSo), https://doi.org/10.33936/rehuso.v4i3.2136 .

Hernández, H. Z., Mendoza, A. C., Chura, Y. E., & Humpiri, N. J. (2024). ambiente virtual y pedagogías emergentes: aproximación y estrategias de evaluación formativa en la era digital. Aula Virtual, https://doi.org/10.5281/zenodo.12155772 .

Imaicela, V. R., & al, e. (2024). Estrategias de retroalimentación formativa para potenciar el desempeño escolar. Revista InveCom, https://doi.org/10.5281/zenodo.12549650 .

Ley, L. N., & Espinoza, F. E. (2021). Características de la evaluación educativa en el proceso de aprendizaje. Revista Universidad y Sociedad, http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2218-36202021000600363.

Losada, C. M., & Peña, E. C. (2023). El diseño instruccional y los recursos tecnológicos en el mejoramiento de las competencias digitales de los docentes. Apertura (Guadalajara, Jal.), https://doi.org/10.32870/ap.v14n2.2241 .

Loyola, M. J., Soria, P. Y., & Nagamine, M. M. (2025). Entornos virtuales de aprendizaje y su eficacia en el éxito académico y emocional de los universitarios: una revisión sistemática. Revista InveCom, https://doi.org/10.5281/zenodo.15313562 .

Menacho, Á. M., & al, e. (2024). Inteligencia artificial como herramienta en el aprendizaje autónomo de los estudiantes de educación superior. Revista InveCom, https://doi.org/10.5281/zenodo.10693945 .

Molinero, B. M., & Chávez, M. U. (2020). Herramientas tecnológicas en el proceso de enseñanza-aprendizaje en estudiantes de educación superior. RIDE. Revista Iberoamericana para la Investigación y el Desarrollo Educativo, https://doi.org/10.23913/ride.v10i19.494 .

Morales, C. E., Oyarce, M. V., & Fernández, O. F. (2023). La retroalimentación como estrategia para mejorar el aprendizaje: Una revisión documental. Varona. Revista Científico Metodológica, http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1992-82382023000200005.

Mundial, E. d. (2024). Informe de seguimiento de la educación en el mundo, 2023: tecnología en la educación: ¿una herramienta en los términos de quién? UNESCO, https://doi.org/10.54676/NEDS2300 ; https://unesdoc.unesco.org/ark:/48223/pf0000388894.

Quezada, C. S., & Salinas, T. C. (2021). Modelo de retroalimentación para el aprendizaje: Una propuesta basada en la revisión de literatura. Revista mexicana de investigación educativa, https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-66662021000100225.

Rodríguez, B. S. (2025). Evaluación formativa para el logro de los aprendizajes: una revisión sistemática. Revista InveCom, https://doi.org/10.5281/zenodo.15665997 .

Santamaría, M. J. (2022). Consideraciones didácticas, tecnológicas y comunicacionales para el diseño de un entorno virtual de enseñanza aprendizaje. Revista Cátedra, https://doi.org/10.29166/catedra.v5i1.3447 .

Publicado

2026-02-17

Cómo citar

Mitre , M. ., Consuegra, D. ., & Sucre, A. . (2026). Modelos de inteligencia artificial aplicados al aprendizaje personalizado y adaptativo en la educación universitaria. Educational Regent Multidisciplinary Journal, 3(1), 1-12. https://doi.org/10.63969/v287ks48

Artículos similares

21-30 de 54

También puede Iniciar una búsqueda de similitud avanzada para este artículo.