Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 721
LA INTELIGENCIA ARTIFICIAL COMO UN APORTE A LA FORMACIÓN DE
CARRERA TÉCNICAS DE EDUCACIÓN SUPERIOR
ARTIFICIAL INTELLIGENCE AS A CONTRIBUTION TO TECHNICAL CAREER
TRAINING IN HIGHER EDUCATION
Autores: ¹Kevin Jair Chuquitarco Velasco y ²Patricio Xavier Aguirre Flores.
¹ORCID ID:
https://orcid.org/0009-0000-3877-7227
²ORCID ID: https://orcid.org/0009-0007-0309-665X
¹E-mail de contacto: kchuquitarcov@unemi.edu.ec
²E-mail de contacto: paguirref2@unemi.edu.ec
Afiliación: ¹*
2*
Universidad Estatal de Milagro, (Ecuador).
Artículo recibido: 29 de Octubre del 2025
Artículo revisado: 31 de Octubre del 2025
Artículo aprobado: 9 de Noviembre del 2025
¹Ingeniero de Software graduado en la Universidad de las Fuerzas Armadas (ESPE), (Ecuador). Máster Universitario en Ciberseguridad
graduado en la Universidad Camilo José Cela, (España).
²Licenciado en Ciencias de la Educación mención Mecánica Automotriz graduado en la Universidad Central, (Ecuador).
Resumen
La inteligencia artificial (IA) se ha convertido
en una de las tecnologías más influyentes en los
procesos de enseñanza y aprendizaje en la
educación superior. En el caso de las carreras
técnicas, su incorporación ha generado tanto
beneficios como riesgos: mientras que favorece
la personalización y la optimización de tareas,
también se ha observado una tendencia a un uso
meramente instrumental, lo que podría limitar
la autonomía y el pensamiento crítico de los
estudiantes. El objetivo de esta investigación
fue analizar la influencia de la IA en la
formación de los estudiantes de las carreras de
Desarrollo de Software y Mecánica Automotriz
del Instituto Superior Tecnológico Pedro
Traversari (ISTPET), con la finalidad de
proponer estrategias pedagógicas que orienten
su uso responsable y formativo. El estudio
adoptó un enfoque mixto, desarrollado en dos
fases complementarias. Primero, se llevó a
cabo una revisión sistemática de literatura, bajo
los lineamientos PRISMA, que permitió
identificar los principales usos de la IA, sus
impactos en la calidad del aprendizaje y las
estrategias documentadas para su integración
pedagógica. Posteriormente, se aplicó una
encuesta estructurada a 123 estudiantes (36 de
Desarrollo de Software y 87 de Mecánica
Automotriz), con ocho preguntas cerradas que
indagaron sobre la frecuencia de uso, efectos
percibidos y actitudes éticas frente a la IA. Los
resultados revelaron que los usos más comunes
se concentran en la resolución de ejercicios y la
elaboración de informes, confirmando una
tendencia al empleo instrumental. Aunque la
mayoría de estudiantes percibe una mejora en
la calidad de sus aprendizajes, un porcentaje
significativo reconoció que la IA ha limitado su
capacidad de análisis y autonomía.
Palabras clave: Inteligencia artificial,
Educación Técnica Superior, Aprendizaje,
Competencias, Autonomía académica.
Abstract
Artificial intelligence (AI) has become one of
the most influential technologies in teaching
and learning processes in higher education. In
the case of technical degrees, its adoption has
brought both benefits and risks: while it
promotes personalisation and optimises tasks,
there has also been a tendency towards purely
instrumental use, which could restrict students'
autonomy and critical thinking. This study
aimed to analyse the impact of AI on Software
Development and Automotive Mechanics
programmes at the Pedro Traversari Higher
Technological Institute (ISTPET), proposing
strategies to promote its responsible and
educational use. The study adopted a mixed-
methods approach, comprising two
complementary phases. First, a systematic
literature review was conducted under the
PRISMA guidelines to identify the main uses
of AI, its impact on learning quality, and
documented strategies for pedagogical
integration. Secondly, a structured survey
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 722
comprising eight closed questions about
frequency of use, perceived effects and ethical
attitudes towards AI was administered to 123
students (36 from Software Development and
87 from Automotive Mechanics). The results
revealed that the most common uses were for
solving exercises and preparing reports,
confirming a trend towards instrumental use.
While most students reported an improvement
in the quality of their learning, a significant
proportion acknowledged that AI had limited
their analytical and autonomous capacities.
Keywords: Artificial intelligence, Higher
Technical Education, Learning, Skills,
Academic autonomy.
Sumário
A inteligência artificial (IA) tornou-se uma das
tecnologias mais influentes nos processos de
ensino e aprendizagem no ensino superior. No
caso das áreas técnicas, sua incorporação gerou
tanto benefícios quanto riscos: embora
promova a personalização e a otimização de
tarefas, observa-se também uma tendência ao
uso puramente instrumental, o que pode limitar
a autonomia e o pensamento crítico dos
estudantes. O objetivo desta pesquisa foi
analisar a influência da IA na formação de
estudantes dos cursos de Desenvolvimento de
Software e Mecânica Automotiva do Instituto
Superior Tecnológico Pedro Traversari
(ISTPET), com o intuito de propor estratégias
pedagógicas para orientar seu uso responsável
e formativo. O estudo adotou uma abordagem
mista, desenvolvida em duas fases
complementares. Primeiramente, foi realizada
uma revisão sistemática da literatura, seguindo
as diretrizes PRISMA, que permitiu identificar
os principais usos da IA, seus impactos na
qualidade da aprendizagem e as estratégias
documentadas para sua integração pedagógica.
Posteriormente, um questionário estruturado
foi aplicado a 123 estudantes (36 de
Desenvolvimento de Software e 87 de
Mecânica Automotiva), composto por oito
questões fechadas que exploravam a frequência
de uso, os efeitos percebidos e as atitudes éticas
em relação à IA. Os resultados revelaram que
os usos mais comuns se concentram na
resolução de exercícios e na elaboração de
relatórios, confirmando uma tendência ao uso
instrumental. Embora a maioria dos estudantes
perceba uma melhora na qualidade de seu
aprendizado, uma porcentagem significativa
reconheceu que a IA limitou suas habilidades
analíticas e sua autonomia.
Palavras-chave: t
Inteligência artificial,
Ensino Superior Técnico, Aprendizado,
Competências, Autonomia acadêmica.
Introducción
En las dos últimas décadas, la inteligencia
artificial (IA) se ha consolidado como uno de
los fenómenos más disruptivos en el campo
educativo, generando transformaciones que
atraviesan tanto la enseñanza como el
aprendizaje en múltiples niveles y modalidades.
En la educación superior, y en particular en la
formación de carreras técnicas, la irrupción de
herramientas basadas en IA ha configurado
nuevas posibilidades para la gestión del
conocimiento, la personalización del
aprendizaje y la automatización de tareas
académicas (Gil et al., 2024). Sin embargo,
estas oportunidades conviven con riesgos
evidentes: el uso superficial, acrítico y, en
muchos casos, dependiente de estas tecnologías
por parte de los estudiantes (Aguilar et al.,
2023). Lejos de constituir únicamente un
recurso de apoyo, la IA se ha convertido en una
mediación cotidiana en la resolución de
problemas prácticos, la redacción de informes
técnicos y el desarrollo de proyectos
académicos (Iturralde, 2024). En el caso de los
institutos tecnológicos, como el Instituto
Superior Tecnológico Pedro Traversari
(ISTPET), esta tendencia se ha intensificado en
carreras de alta demanda tecnológica, tales
como Mecánica Automotriz y Desarrollo de
Software. Aunque se reconocen aportes
positivos como el acceso rápido a información
o la optimización de procesos repetitivos, se ha
identificado que el estudiantado recurre a estas
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 723
plataformas principalmente como un medio de
cumplimiento, dejando de lado procesos
esenciales de análisis crítico, reflexión
autónoma y aplicación práctica de saberes
(Camilo y Gómez, 2025).
Esta situación abre un debate urgente sobre la
calidad del aprendizaje en contextos técnicos,
donde la dependencia indiscriminada de la IA
podría limitar el desarrollo de competencias
fundamentales, tales como la resolución
creativa de problemas, la capacidad de
innovación y el pensamiento crítico (Rodríguez
et al., 2023). Estudios recientes advierten que,
si bien la IA puede convertirse en un recurso
pedagógico valioso, su incorporación en el aula
requiere de marcos éticos, estrategias didácticas
y políticas institucionales que orienten su uso
hacia la formación integral del estudiante, en
lugar de reforzar prácticas de aprendizaje
mecánicas y descontextualizadas (Álava et al.,
2025). La presente investigación busca analizar
la influencia del uso de la inteligencia artificial
en el desarrollo de competencias académicas en
los estudiantes de Mecánica Automotriz y
Desarrollo de Software del ISTPET. El objetivo
es comprender en qué medida el uso crítico o
instrumental de la IA incide en la autonomía, la
calidad del aprendizaje y la consolidación de
habilidades técnicas y blandas, aportando
evidencia empírica a un debate académico que
se encuentra en plena expansión a nivel
internacional. Asimismo, se pretende formular
estrategias pedagógicas que promuevan un
aprovechamiento responsable y formativo de
estas tecnologías, alineadas con los desafíos que
enfrenta la educación técnica superior en el
Ecuador contemporáneo.
Para cumplir este propósito, el artículo se
estructura en varios apartados. En primer lugar,
la Metodología describe el enfoque mixto
empleado, que combina una revisión
sistemática de literatura bajo los lineamientos
PRISMA con la aplicación de encuestas a
estudiantes del ISTPET. Posteriormente, en la
sección de Resultados, se exponen los hallazgos
obtenidos a partir del análisis teórico y
empírico, organizados en función de las
preguntas de investigación planteadas. La
Discusión confronta estos resultados con teorías
y estudios previos para generar una
interpretación crítica, mientras que las
Conclusiones sintetizan los aportes y proponen
orientaciones pedagógicas para un uso ético y
formativo de la inteligencia artificial en la
educación técnica superior. La inteligencia
artificial constituye un eje emergente en la
transformación de los procesos educativos
contemporáneos, especialmente en el ámbito de
la educación técnica superior, donde la
integración entre tecnología y aprendizaje
práctico adquiere un papel decisivo. El análisis
teórico que sustenta este estudio se apoya en
diversos enfoques que explican cómo la IA
puede incidir en la construcción del
conocimiento, el desarrollo de competencias y
la autonomía académica del estudiante técnico.
Desde la Teoría del Aprendizaje Significativo
se entiende que el aprendizaje se consolida
cuando el nuevo conocimiento se relaciona con
estructuras cognitivas previas del estudiante
(Matienzo, 2020). En este sentido, la IA puede
actuar como mediadora al ofrecer entornos
adaptativos que favorecen la comprensión
contextualizada de los contenidos, lo cual
resulta esencial en carreras como Mecánica
Automotriz o Desarrollo de Software, donde la
aplicación práctica del conocimiento es
fundamental.
De igual modo, la Teoría Socioconstructivista
de Vygotsky aporta una base interpretativa
clave para comprender la IA como una
herramienta de mediación pedagógica
(Martínez y Martínez, 2024). Desde esta
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 724
perspectiva, las tecnologías basadas en
inteligencia artificial no reemplazan al docente,
sino que amplían la zona de desarrollo próximo
del estudiante al facilitar la interacción con
recursos que promueven la reflexión, la
colaboración y la experimentación guiada. La
IA puede convertirse en un agente de
acompañamiento que potencia la tutoría
personalizada y la retroalimentación formativa
(Marcillo et al., 2025). Por otra parte, la Teoría
del Aprendizaje Personalizado sostiene que los
entornos digitales deben responder a las
características individuales de cada estudiante,
ajustando el ritmo, la complejidad y los recursos
según sus necesidades (Parra et al., 2024). En
este marco, la IA se presenta como un recurso
idóneo para la educación técnica, ya que
permite adaptar ejercicios, simulaciones y
evaluaciones en función del progreso del
aprendiz, fortaleciendo la motivación y la
autonomía académica. Asimismo, desde la
perspectiva de la Educación Basada en
Competencias, el proceso formativo debe
centrarse en el desarrollo integral de
capacidades cognitivas, procedimentales y
actitudinales (Menzala et al., 2023). En este
contexto, la IA favorece la evaluación continua
y la autorregulación del aprendizaje mediante
sistemas de seguimiento que identifican
avances y debilidades del estudiante. No
obstante, un uso excesivamente instrumental de
estas herramientas puede limitar el pensamiento
crítico y promover la dependencia tecnológica,
contraviniendo los principios de autonomía y
aprendizaje significativo (Ortega, 2025). Los
marcos teóricos sobre Ética Digital y
Alfabetización Tecnológica enfatizan que el
aprovechamiento pedagógico de la IA debe
acompañarse de estrategias institucionales que
garanticen su uso responsable (Martínez et al.,
2025). La formación ética en torno a la IA
implica reconocer tanto su potencial como sus
riesgos, orientando su integración hacia la
mejora de los procesos de enseñanza y la
consolidación de una cultura digital crítica y
reflexiva.
Materiales y Métodos
La presente investigación adopta un enfoque
metodológico en dos fases complementarias. En
primer lugar, se desarrolló una revisión
sistemática de literatura científica, sustentada
en los lineamientos de la declaración PRISMA
(Asar et al., 2016), lo que garantiza
transparencia, rigor y reproducibilidad en cada
una de sus etapas. Este diseño permite integrar
evidencia empírica y teórica sobre la influencia
de la inteligencia artificial (IA) en la formación
de estudiantes de carreras técnicas en la
educación superior, generando un panorama
comprehensivo y fundamentado que oriente la
posterior construcción de instrumentos de
recolección de datos. El estudio se estructuró en
torno a tres objetivos principales: (i) identificar
los principales usos de la IA por los estudiantes,
(ii) comparar su impacto en el rendimiento
académico y (iii) diseñar estrategias
pedagógicas que fomenten un uso crítico y
responsable de esta tecnología. En coherencia
con estos propósitos, se formularon preguntas
de investigación (RQ) que guiaron tanto la
selección como el análisis de los estudios
incluidos en la revisión (Chuquitarco et al.,
2024). Las preguntas de investigación se
formularon con el propósito de orientar de
manera precisa el desarrollo del estudio y
asegurar la coherencia entre los objetivos
planteados y las fases metodológicas aplicadas.
Estas interrogantes guiaron tanto la revisión
sistemática de la literatura como el análisis de
los datos empíricos obtenidos mediante las
encuestas, permitiendo identificar patrones de
uso, efectos y estrategias pedagógicas
relacionadas con la inteligencia artificial en la
educación técnica superior. En la Tabla 1 se
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 725
presentan las preguntas de investigación junto
con su finalidad correspondiente.
Tabla 1. Preguntas de Investigación
Id
Pregunta de
Investigación
Finalidad
RQ1
¿Cuáles son los
principales usos de la
inteligencia artificial en
las carreras técnicas de
educación superior?
Identificar los
patrones de utilización
de la IA por parte de
los estudiantes en
contextos formativos.
RQ2
¿Qué efectos genera el uso
de la IA en la calidad del
aprendizaje y en el
desarrollo de
competencias técnicas y
transversales?
Analizar la relación
entre el empleo de la
IA y el desarrollo de
habilidades como
autonomía,
pensamiento crítico y
resolución de
problemas.
RQ3
¿Qué estrategias
pedagógicas y didácticas
se han documentado para
promover un uso crítico,
ético y responsable de la
IA?
Sintetizar
experiencias y
enfoques que
permitan orientar el
uso pedagógico de la
IA en la educación
superior técnica.
Fuente: elaboración propia
Resultados y Discusión
Para responder a los objetivos del estudio, se
analizaron los datos obtenidos de las encuestas
aplicadas a 123 estudiantes de las carreras de
Desarrollo de Software y Mecánica Automotriz,
a quienes se les preguntó sobre la frecuencia y
finalidad del uso de herramientas de
inteligencia artificial, su influencia en la
autonomía y las competencias, y la percepción
ética de su utilización. Se destacan
principalmente las preguntas de la Tabla 2, que
vienen relacionadas con el tipo de actividades
realizadas con IA (Pregunta 2), la mejora
percibida en el aprendizaje (Pregunta 3), el
desarrollo de autonomía y competencias
técnicas (Preguntas 4 y 5), la limitación del
pensamiento crítico (Pregunta 6) y la
disposición hacia estrategias pedagógicas de
uso responsable (Pregunta 8).
Tabla 2. Preguntas de la encuesta aplicada a estudiantes
Nº
Pregunta
Tipo de respuesta
1
¿Con qué frecuencia utiliza herramientas de inteligencia artificial para cumplir con sus tareas
académicas?
Opción múltiple (Nunca / Rara
vez / A veces / Frecuentemente
/ Siempre)
2
¿Qué tipo de actividades académicas realiza principalmente con apoyo de la inteligencia
artificial?
Casillas de verificación
(ejercicios, informes,
programación, búsqueda,
otros)
3
¿Considera que el uso de inteligencia artificial ha mejorado la calidad de sus aprendizajes?
Opción múltiple (Sí / No)
4
¿En qué medida cree que la inteligencia artificial le ayuda a desarrollar autonomía
académica?
Escala lineal (1 = Nada / 5 =
Totalmente)
5
¿La inteligencia artificial le ha permitido fortalecer competencias técnicas de su carrera?
Escala lineal (1 = Nada / 5 =
Mucho)
6
¿La inteligencia artificial ha limitado su capacidad de análisis y resolución de problemas por
cuenta propia?
Opción múltiple (Sí / No)
7
¿Qué tan ético y responsable considera su propio uso de herramientas de inteligencia
artificial en actividades académicas?
Escala lineal (1 = Nada ético /
5 = Muy ético)
8
¿Estaría de acuerdo en que se implementen estrategias pedagógicas que guíen el uso
responsable de la inteligencia artificial en su carrera?
Opción múltiple (Sí / No)
Fuente: elaboración propia
Posteriormente, Se elaboró una cadena de
búsqueda booleana diseñada para recuperar
literatura académica relevante en las principales
bases de datos científicas: “artificial
intelligence” AND (“technical education” OR
“technical careers” OR “higher technical
education”) AND (“learning” OR
“competencies” OR “higher education”). La
búsqueda se realizó en bases de datos de alto
impacto como IEEE y Web of Science,
considerando publicaciones entre 2020 y 2025
en inglés y español. Se establecieron criterios de
inclusión y exclusión que garantizaron la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 726
pertinencia y calidad del corpus, los cuales se
resumen en la Tabla 3.
Tabla 3. Criterios de inclusión y exclusión
Criterios de Inclusión
Criterios de Exclusión
Publicaciones entre 2020 y
2025.
Estudios publicados antes de
2020.
Artículos revisados por pares
en revistas indexadas.
Documentos no arbitrados
(tesis, reseñas, conferencias).
Estudios en idioma inglés o
español.
Estudios en otros idiomas.
Investigaciones centradas en
IA aplicada a la educación
superior técnica.
Investigaciones en niveles de
educación básica o media.
Fuente: elaboración propia
El proceso de revisión se organizó en cuatro
fases siguiendo el esquema PRISMA,
representado en la Figura 1: (i) identificación de
estudios mediante la cadena de búsqueda, (ii)
depuración y eliminación de duplicados, (iii)
evaluación de elegibilidad según los criterios
definidos, y (iv) síntesis cualitativa y
cuantitativa de hallazgos.
Figura 1. Fases del Estudio metodológico
En el análisis de datos, la fase cualitativa
implicó codificación temática de los artículos,
identificando categorías recurrentes como usos
de la IA, efectos en el aprendizaje y estrategias
pedagógicas. Por su parte, la fase cuantitativa
consistió en un análisis de frecuencias y
tendencias, lo que permitió reconocer patrones
dominantes y vacíos de investigación. Con el
fin de dar respuesta a los objetivos planteados,
se realizó un análisis exhaustivo de la literatura
científica seleccionada mediante el proceso de
revisión sistemática. Los hallazgos obtenidos
fueron organizados en función de las preguntas
de investigación (RQ) definidas en la
metodología, lo que permitió identificar
patrones de uso de la inteligencia artificial en la
educación técnica superior, valorar sus efectos
en el aprendizaje y reconocer las estrategias y
desafíos asociados a su integración pedagógica.
A continuación, se presentan los resultados
estructurados según cada una de las preguntas
de investigación. RQ1: ¿Cuáles son los
principales usos de la inteligencia artificial en
las carreras técnicas de educación superior? El
análisis de la literatura evidenció que las
aplicaciones de la inteligencia artificial en la
educación técnica superior se concentran en tres
ámbitos: aprendizaje autónomo, automatización
de tareas y asistencia personalizada. Los
chatbots educativos (82%) y las plataformas
adaptativas (41%) destacan por facilitar la
interacción y personalizar contenidos. En
carreras tecnológicas se utilizan generadores de
código (33%) y evaluaciones automatizadas
(29%), además de analítica de aprendizaje
(24%) y robótica educativa (12%) en menor
medida. La encuesta del ISTPET confirmó esta
tendencia: el 64% de los estudiantes de
Desarrollo de Software y el 57% de Mecánica
Automotriz emplean la IA principalmente para
resolver ejercicios e informes, evidenciando un
uso instrumental más que reflexivo de la
tecnología.
Figura 2. Usos principales de la inteligencia
artificial en la educación técnica superior
RQ2: ¿Qué efectos genera el uso de la IA en la
calidad del aprendizaje y en el desarrollo de
competencias técnicas y transversales? El
análisis de la literatura mostró que el impacto de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 727
la inteligencia artificial en la educación técnica
superior es dual: aporta beneficios pedagógicos,
pero también genera riesgos formativos. Entre
los efectos positivos destacan la personalización
del aprendizaje (68%), la generación de
contenidos adaptados (59%), el análisis de datos
educativos (31%) y las evaluaciones
automatizadas (27%), que mejoran la
retroalimentación y optimizan el trabajo
docente. Sin embargo, cerca del 37% de los
estudios advierten que la dependencia excesiva
de la IA puede reducir la autonomía y el
pensamiento crítico, promoviendo aprendizajes
superficiales. Los resultados de la encuesta en
el ISTPET confirman esta tendencia: el 72% de
los estudiantes de Desarrollo de Software y el
61% de Mecánica Automotriz perciben mejoras
en su aprendizaje, aunque el 43% reconoce que
la IA ha limitado su capacidad de análisis y
resolución independiente de problemas. Esto
evidencia que, pese a sus ventajas, el uso de la
IA puede afectar el desarrollo de competencias
transversales esenciales.
Figura 3. Impactos del uso de inteligencia
artificial en el aprendizaje y desarrollo de
competencias
RQ3: ¿Qué estrategias pedagógicas y didácticas
se han documentado para promover un uso
crítico, ético y responsable de la IA? El análisis
evidenció que la integración efectiva de la
inteligencia artificial en la educación técnica
requiere estrategias pedagógicas claras y
marcos institucionales definidos. Entre las más
citadas destacan la capacitación docente en
competencias digitales (54%), la creación de
lineamientos institucionales (47%) y la
aplicación de metodologías activas apoyadas en
IA (39%), como el aprendizaje basado en
proyectos. No obstante, persisten limitaciones
como la falta de formación especializada (46%),
la escasez de recursos tecnológicos (34%) y
preocupaciones éticas vinculadas a la
dependencia estudiantil (32%). La encuesta del
ISTPET coincide con estos hallazgos, pues el
84% de los estudiantes manifestó estar de
acuerdo con la implementación de estrategias
que orienten un uso responsable y ético de la IA,
confirmando la necesidad de acompañamiento
institucional en su integración pedagógica.
Figura 4. Estrategias y desafíos en la
integración de la inteligencia artificial en la
educación técnica superior
Los resultados de las encuestas muestran que la
inteligencia artificial en la educación técnica
superior contribuye principalmente a la
personalización del aprendizaje y la generación
de recursos adaptativos, lo que se alinea con la
Teoría del Aprendizaje Personalizado
(Domínguez, 2025). Los estudiantes valoran la
retroalimentación inmediata, la optimización de
procesos académicos y la personalización de
trayectorias formativas, confirmando la
relevancia de estas aplicaciones en carreras
como Mecánica Automotriz y Desarrollo de
Software del ISTPET. No obstante, los
hallazgos también evidencian riesgos de
dependencia tecnológica que afectan la
autonomía y el pensamiento crítico,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 728
coincidiendo con lo señalado por Selgas (2025).
La encuesta refleja que, aunque muchos
estudiantes perciben mejoras en la calidad de su
aprendizaje, un porcentaje significativo
reconoce que la IA ha reducido su
independencia académica. Esto confirma que el
uso de IA requiere estrategias pedagógicas que
fomenten el aprendizaje profundo, más allá del
cumplimiento instrumental, como también
advierten Ayala (2024) y Morello (2025).
Asimismo, desde la perspectiva de la mediación
pedagógica, la IA puede potenciar la zona de
desarrollo próximo de los estudiantes si se
acompaña de estrategias docentes claras,
coincidiendo con lo planteado por Arguello et
al., (2025).
Conclusiones
La investigación evidenció que la inteligencia
artificial se ha convertido en un recurso
relevante en la educación técnica superior,
especialmente en las carreras de Desarrollo de
Software y Mecánica Automotriz. Su uso se
concentra en herramientas como chatbots,
plataformas adaptativas y sistemas de
generación automática de contenidos, que
permiten mejorar la personalización del
aprendizaje y optimizar los procesos
académicos. Sin embargo, se identificó un uso
principalmente instrumental de estas
herramientas, enfocado en la resolución de
tareas y elaboración de informes, lo que puede
limitar la autonomía de los estudiantes y el
desarrollo de competencias transversales, como
el pensamiento crítico y la capacidad de
resolución de problemas. Estos hallazgos
muestran que la IA ofrece beneficios claros,
pero su implementación requiere planificación,
estrategias pedagógicas adecuadas y
acompañamiento docente para promover un
aprendizaje profundo y la formación integral de
los estudiantes.
Referencias Bibliográficas
Aguilar, G., Gavilanes, D., Freire, E., &
Quincha, M. (2023). Inteligencia artificial y
la educación universitaria: Una revisión
sistemática. Magazine de las Ciencias:
Revista de Investigación e Innovación, 8(1),
109–131.
https://doi.org/10.33262/rmc.v8i1.2935
Álava, J., Burbano, Y., Vera, A., & Bernal, A.
(2025). Estrategias didácticas aplicables en
las buenas prácticas del proceso de
enseñanza-aprendizaje. MQRInvestigar,
9(2), e533.
https://doi.org/10.56048/MQR20225.9.2.20
25.e533
Arguello, D., Burbano, M., Valdez, J., &
Muñoz, J. (2025). El uso de la inteligencia
artificial como recurso pedagógico en la
educación superior: Experiencias de los
docentes. Sage Sphere International
Journal, 2(2), 1–10.
https://doi.org/10.63688/jrd8es89
Asar, S., Jalalpour, S., Ayoubi, F., Rahmani,
M., & Rezaeian, M. (2016). PRISMA:
Preferred reporting items for systematic
reviews and meta-analyses. Journal of
Rafsanjan University of Medical Sciences,
15(1), 68–80.
Ayala, Y. (2024). Uso de herramientas de
inteligencia artificial en escenarios
educativos y su incidencia en las prácticas
pedagógicas.
http://repository.pedagogica.edu.co/handle/
20.500.12209/19872
Camilo, W., & Gómez, R. (2025). Desarrollo
del pensamiento crítico en las
universidades: Modelo teórico para la
autonomía del aprendizaje. Tesis doctorales.
https://espacio.digital.upel.edu.ve/index.php
/TD/article/view/1679
Chuquitarco, K., Montero, J., Pérez, C., &
Vallejos, E. (2024). Inteligencia artificial
aplicada a la docencia: Resultados de un
estudio de mapeo sistemático. Pro Sciences:
Revista de Producción, Ciencias e
Investigación, 8(53), 84–98.
https://doi.org/10.29018/issn.2588-
1000vol8iss53.2024pp84-98
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 6 No. 10.2
Edición Especial IV 2025
Página 729
Domínguez, B. (2025). Implicaciones éticas de
la inteligencia artificial generativa en la
educación superior: Una revisión
sistemática. Horizonte Académico, 5(1),
289–307.
https://doi.org/10.70208/3007.8245.v5.n1.8
3
Gil, C., Vilela, J., Martínez, M., Llontop, F., &
Bernal, C. (2024). Epistemología, ética,
educación e inteligencia artificial. Editorial
Internacional Alema.
https://editorialalema.org/libros/index.php/a
lema/article/view/29
Iturralde, M. (2024). Enseñar en la era de la
inteligencia artificial: Las prácticas de
enseñanza de docentes que utilizan
ChatGPT en la Universidad Nacional del
Sur.
https://repositoriodigital.uns.edu.ar/handle/1
23456789/7051
Marcillo, S., Pibaque, A., Cantos, Y.,
Rodríguez, L., Menéndez, M., Santana, C.,
& Mera, L. (2025). Uso pedagógico de
herramientas de inteligencia artificial en el
proceso de enseñanza-aprendizaje (ISBN:
978-9942-571-02-1). Editorial Internacional
Runaiki.
Martínez, J., Moreno, J., & Ponzo, L. (2025).
Alfabetización digital y derechos de
privacidad en la era de las TIC: Análisis
documental desde la perspectiva legal y ética
del manejo de información. Revista de
Investigación en Tecnologías de la
Información, 13(29), 71–81.
https://doi.org/10.36825/RITI.13.29.007
Martínez, N., & Martínez, L. (2024). Sinergia
Piaget, Vygotsky y la inteligencia artificial
en la educación universitaria. Vinculatégica
EFAN, 10(4), 70–84.
https://doi.org/10.29105/vtga10.4-948
Matienzo, R. (2020). Evolución de la teoría del
aprendizaje significativo y su aplicación en
la educación superior. Dialektika: Revista de
Investigación Filosófica y Teoría Social,
2(3), 17–26.
Menzala, C., Ortega, E., Menzala, R., Solís, B.,
Menzala, C., Ortega, E., Menzala, R., &
Solís, B. (2023). Evaluación basada en
competencias en educación superior.
Horizontes Revista de Investigación en
Ciencias de la Educación, 7(28), 836–851.
https://doi.org/10.33996/revistahorizontes.v
7i28.558
Morello, W. (2025). Los recursos educativos
digitales en las clases del nivel medio de una
institución privada de Córdoba.
http://ridaa.unq.edu.ar/handle/20.500.11807
/5326
Ortega, G. (2025). La transformación del
aprendizaje con el uso de tecnologías
educativas. Sociedad & Tecnología, 8(S1),
152–165.
https://doi.org/10.51247/st.v8iS1.567
Parra, D., García, H., & Espitia, J. (2024).
Aportes de la tecnología al aprendizaje
personalizado: Una revisión a la literatura.
Diá-logos, 28, 9–29.
https://doi.org/10.61604/dl.v16i28.352
Rodríguez, M., Rubio, A., Lingán, A., Rubio,
D., Bocanegra, J., & Flores, J. (2023).
Inteligencia artificial en la educación digital
y los resultados de la valoración del
aprendizaje. OSF.
https://doi.org/10.31219/osf.io/c3pmd
Selgas, M. (2025). Integración del pensamiento
crítico y la toma de decisiones en la
formación empresarial: Experiencias en la
Universidad de Manresa. Revista
Internacional de Pedagogía e Innovación
Educativa, 5(1), 175–209.
https://doi.org/10.51660/ripie51237
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Kevin Jair
Chuquitarco Velasco y Patricio Xavier Aguirre
Flores.
