Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 15
PERCEPCIONES ESTUDIANTILES SOBRE LA INTELIGENCIA ARTIFICIAL EN LA
EDUCACIÓN SUPERIOR: PERSONALIZACIÓN DEL APRENDIZAJE, ROL DOCENTE Y
DESAFÍOS ÉTICOS
STUDENT PERCEPTIONS OF ARTIFICIAL INTELLIGENCE IN HIGHER EDUCATION:
PERSONALIZED LEARNING, TEACHER ROLE, AND ETHICAL CHALLENGES
Autores: ¹Betty Azucena Macas Padilla, ²Norma Verónica Romero Amores, ³Carlos Eduardo
Sánchez Paredes y
4
Leonardo Jesús Vasco Delgado.
¹ORCID ID:
https://orcid.org/0009-0006-2317-6086
²ORCID ID: https://orcid.org/0009-0008-7935-1642
3
ORCID ID:
https://orcid.org/0000-0002-6752-9940
4
ORCID ID:
https://orcid.org/0009-0001-1358-4899
1
E-mail de contacto:
betty.macasp@ug.edu.ec
Afiliación:
1*2*3*4*
Universidad de Guayaquil, (Ecuador).
Artículo recibido: 5 de Enero de 2026
Artículo revisado: 7 de Enero de 2026
Artículo aprobado: 9 de Enero de 2026
1
Licenciada en Ciencias de la Educación mención Informática, graduada de la Universidad de Guayaquil, (Ecuador). Magíster en
Tecnología e Innovación Educativa, graduada de la Universidad Tecnológica ECOTEC, (Ecuador).
2
Licenciada en Ciencias de la Educación mención Informática, graduada de la Universidad de Guayaquil, (Ecuador). Magíster en
Tecnología e Innovación Educativa, graduada de la Universidad Tecnológica ECOTEC, (Ecuador).
3
Ingeniero Comercial, graduado de la Universidad Católica de Santiago de Guayaquil, (Ecuador).
Magíster en Sistemas de Información
Gerencial, graduado de la Universidad Tecnológica Empresarial de Guayaquil, (Ecuador).
4
Licenciado en Terapia de Lenguaje, graduado de la Universidad de Guayaquil, (Ecuador).
Resumen
El presente artículo examina las percepciones
de los estudiantes universitarios sobre la
aplicación de la inteligencia artificial (IA) en la
educación superior, enfocándose en su
capacidad para personalizar el aprendizaje, el
rol del docente frente a estas tecnologías y las
implicaciones éticas de su implementación. El
estudio se desarrolló bajo un enfoque
cuantitativo, con una muestra representativa de
469 estudiantes de las carreras de Ingeniería
Química, Ingeniería en Alimentos y
Gastronomía de la Universidad de Guayaquil.
Se aplicó un cuestionario estructurado validado,
compuesto por ítems que abordaron las tres
dimensiones mencionadas. Los resultados
revelan una aceptación favorable de la IA como
recurso de personalización, una valoración
significativa del acompañamiento docente en
entornos mediados por tecnología, y una alta
sensibilidad frente a aspectos éticos como la
transparencia algorítmica y la protección de
datos. Se concluye que la incorporación efectiva
de IA en la educación superior requiere no solo
desarrollo tecnológico, sino también marcos
pedagógicos humanizantes y criterios éticos
contextualizados.
Palabras Clave: Inteligencia artificial,
Educación superior, Personalización del
aprendizaje, Percepción estudiantil, Ética
educativa.
Abstract
This article examines university students'
perceptions of the application of artificial
intelligence (AI) in higher education, focusing
on its capacity to personalize learning, the role
of teachers in relation to these technologies, and
the ethical implications of its implementation.
The study was conducted using a quantitative
approach, with a representative sample of 469
students from the Chemical Engineering, Food
Engineering, and Gastronomy programs at the
University of Guayaquil. A validated structured
questionnaire was administered, composed of
items that addressed the three aforementioned
dimensions. The results reveal a favorable
acceptance of AI as a personalization resource,
a significant appreciation of teacher support in
technology-mediated environments, and a high
sensitivity to ethical aspects such as algorithmic
transparency and data protection. It is
concluded that the effective incorporation of AI
in higher education requires not only
technological development but also humanizing
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 16
pedagogical frameworks and contextualized
ethical criteria.
Keywords: Artificial intelligence, Higher
education, Personalized learning, Student
perception, Educational ethics.
Sumario
Este artigo examina as percepções de estudantes
universitários sobre a aplicação da inteligência
artificial (IA) no ensino superior, com foco em
sua capacidade de personalizar a aprendizagem,
o papel dos professores em relação a essas
tecnologias e as implicações éticas de sua
implementação. O estudo foi conduzido
utilizando uma abordagem quantitativa, com
uma amostra representativa de 469 estudantes
dos cursos de Engenharia Química, Engenharia
de Alimentos e Gastronomia da Universidade
de Guayaquil. Foi aplicado um questionário
estruturado validado, composto por itens que
abordavam as três dimensões mencionadas. Os
resultados revelam uma aceitação favorável da
IA como recurso de personalização, uma
valorização significativa do apoio docente em
ambientes mediados por tecnologia e uma alta
sensibilidade a aspectos éticos como
transparência algorítmica e proteção de dados.
Conclui-se que a incorporação efetiva da IA no
ensino superior requer não apenas
desenvolvimento tecnológico, mas também
estruturas pedagógicas humanizadoras e
critérios éticos contextualizados.
Palavras-chave: Inteligência artificial,
Ensino superior, Aprendizagem
personalizada, Percepção do estudante, Ética
educacional.
Introducción
En un aula virtual de una universidad
latinoamericana, una estudiante con dislexia
recibe contenidos adaptados a sus necesidades
cognitivas a través de un sistema inteligente.
Mientras tanto, otro estudiante con altas
capacidades accede a materiales enriquecidos
que estimulan su pensamiento crítico y
creatividad. Este escenario, antes inalcanzable,
es hoy posible gracias a la convergencia entre la
inteligencia artificial (IA) y la personalización
del aprendizaje, dos conceptos que redefinen las
dinámicas educativas en la era digital. La
presente investigación explora dicha
convergencia desde una mirada crítica,
humanista y pedagógica, focalizada en el
contexto de la educación superior
contemporánea. La personalización del
aprendizaje ha evolucionado desde enfoques
centrados en el diseño instruccional tradicional
hacia modelos más flexibles, adaptativos y
centrados en el estudiante, permitiendo
responder a la diversidad de estilos cognitivos,
ritmos y trayectorias educativas (Parraga y
Tubay, 2024). Este enfoque cobra especial
relevancia ante la expansión de entornos
virtuales y el auge de tecnologías inteligentes,
las cuales ofrecen herramientas para monitorear
el progreso, identificar dificultades de forma
temprana y generar respuestas pedagógicas
diferenciadas (Cobos, 2023). En este nuevo
paradigma, el rol docente se transforma: de
transmisor de conocimientos a mediador del
aprendizaje personalizado, apoyado por
algoritmos que procesan grandes volúmenes de
datos educativos en tiempo real.
La inteligencia artificial, por su parte, se ha
convertido en un campo de desarrollo
transversal con aplicaciones educativas que van
desde el análisis predictivo del desempeño hasta
la generación automática de contenidos
didácticos (Veltri et al., 2023). Lejos de
reemplazar la función humana, la IA en
educación superior se orienta a complementarla,
potenciando la inteligencia humana mediante la
automatización de procesos rutinarios y el
acompañamiento personalizado (Repetti et al.,
2023). No obstante, el uso de estas tecnologías
plantea desafíos éticos significativos, como la
protección de datos, la equidad en el acceso, y
la transparencia algorítmica (Maraza et al.,
2019), aspectos que deben ser considerados en
todo proceso de implementación. Diversos
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 17
estudios han documentado cómo la
incorporación de la IA en los entornos
educativos genera entornos más inclusivos,
incrementa la motivación estudiantil y optimiza
la experiencia formativa (Párraga et al., 2024;
Ruiz y Ruiz, 2023). Sin embargo, esta evolución
no está exenta de tensiones. En muchos casos,
la fascinación por lo tecnológico ha eclipsado la
necesidad de fortalecer la dimensión humanista
del aprendizaje, lo que ha llevado a una
dependencia de soluciones automatizadas sin
una reflexión crítica sobre su impacto en la
subjetividad del estudiante y el desarrollo de
competencias socioemocionales (Márquez,
2024). Así, la cuestión no es solamente cómo
integrar la IA en la educación, sino cómo
hacerlo desde un enfoque ético, inclusivo y
centrado en la formación integral de los futuros
profesionales.
El estado del arte en torno a la inteligencia
artificial en la educación superior evidencia una
transición desde sistemas centrados en la
eficiencia operativa hacia propuestas centradas
en el aprendizaje adaptativo, el pensamiento
crítico y la formación de competencias para el
siglo XXI (Párraga et al., 2024; Ruiz y Ruiz,
2023). Autores como Cobos (2023) destacan
que la IA ha permitido configurar entornos
educativos dinámicos y receptivos a las
diferencias individuales, favoreciendo un
modelo pedagógico en el que el contenido, las
estrategias y la evaluación se adaptan a las
necesidades específicas del estudiante. Esta
perspectiva coincide con los planteamientos de
Luckin (citado en Veltri et al., 2023), quien
propone una visión de “inteligencias
entrelazadas” que vinculan las dimensiones
académica, social, metacognitiva y emocional
del aprendizaje humano. En esta línea, la
literatura científica sugiere que la
personalización mediante IA se manifiesta a
través de múltiples recursos: sistemas de
recomendación, agentes conversacionales,
analíticas de aprendizaje y plataformas
inteligentes que promueven trayectorias de
aprendizaje individualizadas (Parra, 2022;
Castillejos, 2022). Estas herramientas, al ser
utilizadas adecuadamente, permiten no solo
mejorar los resultados académicos, sino
también fomentar la autorregulación, la
autonomía y la reflexión crítica del estudiante.
No obstante, varios estudios advierten sobre el
peligro de una implementación acrítica,
dominada por el solucionismo tecnológico, que
desatienda la dimensión pedagógica y ética de
la enseñanza (Giró y Sancho, citados en Cobos,
2023).
La presente investigación parte del
reconocimiento de un dilema contemporáneo:
mientras se perfeccionan los algoritmos para
personalizar el aprendizaje, persisten vacíos
teóricos y metodológicos sobre cómo estas
tecnologías inciden en la experiencia educativa
desde una perspectiva integradora. Aun cuando
los beneficios de la IA son ampliamente
documentados, existe escasa evidencia empírica
que articule su uso con una pedagogía centrada
en el sujeto, crítica, inclusiva y formadora de
ciudadanía digital. Esta tensión plantea la
necesidad urgente de revisar las prácticas
actuales y construir marcos conceptuales que
vinculen tecnología, pedagogía y ética en el
contexto universitario. Frente a este panorama,
el objetivo de esta ponencia es analizar las
oportunidades y desafíos que supone la
implementación de la inteligencia artificial en
los procesos de personalización del aprendizaje
en la educación superior, destacando tanto sus
aportes como sus riesgos. El estudio se
fundamenta en una revisión teórica
sistematizada, orientada a proponer una
comprensión crítica y contextualizada del
fenómeno, con miras a fortalecer los principios
de inclusión, equidad y calidad educativa. En
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 18
definitiva, se apuesta por una educación donde
la IA no sustituya al ser humano, sino que lo
potencie en su dimensión más compleja: la de
aprender, transformar y convivir en un mundo
cada vez más interconectado.
Materiales y Métodos
El presente estudio se desarrolló bajo un
enfoque cuantitativo, de tipo no experimental y
diseño descriptivo-correlacional, lo cual
permitió analizar la relación entre la
implementación de herramientas de inteligencia
artificial (IA) en contextos de educación
superior y la percepción estudiantil respecto a
tres dimensiones clave: adaptación a estilos de
aprendizaje, rol docente y consideraciones
éticas. La elección de este enfoque se justifica
por el interés en identificar patrones, tendencias
y correlaciones a partir de datos cuantificables,
sin manipular deliberadamente las variables del
entorno educativo real. La población objetivo
estuvo conformada por estudiantes
matriculados en diferentes niveles académicos
de las carreras de Ingeniería Química,
Ingeniería en Alimentos y Gastronomía de la
Facultad de Ingeniería Química de la
Universidad de Guayaquil. A partir de un
universo estimado en más de 800 estudiantes, se
aplicó un muestreo probabilístico estratificado,
tomando como criterio de segmentación las
carreras y niveles académicos. La muestra final
fue representativa y estuvo compuesta por 469
estudiantes, lo que garantizó la validez
estadística de los resultados con un margen de
error aceptable y un nivel de confianza del 95
%.
El instrumento de recolección de datos fue un
cuestionario estructurado, diseñado ad hoc y
sometido previamente a un proceso de
validación por juicio de expertos, quienes
evaluaron la pertinencia, claridad y relevancia
de cada ítem. Este cuestionario se organizó en
torno a tres ejes temáticos fundamentales
derivados del marco teórico y los objetivos del
estudio: i) adaptación de la IA a los estilos de
aprendizaje individuales; ii) percepción del rol
docente en contextos mediados por tecnologías
inteligentes; y iii) dimensiones éticas asociadas
a la implementación de IA en entornos
educativos universitarios. El cuestionario
aplicado estuvo conformado por un total de 24
ítems distribuidos en tres bloques temáticos,
cada uno correspondiente a una de las variables
del estudio. En el primer bloque se indagó sobre
la percepción del estudiantado en cuanto a la
capacidad de los sistemas de inteligencia
artificial para reconocer y adaptarse a sus estilos
de aprendizaje; en el segundo, se exploró el rol
que desempeña el docente frente al uso de estas
herramientas en los procesos de enseñanza-
aprendizaje; y en el tercero, se evaluaron
aspectos éticos como la privacidad de los datos,
la transparencia de los algoritmos y la equidad
en el acceso a los recursos tecnológicos.
Las preguntas fueron formuladas en escala tipo
Likert de cinco puntos, que iban desde
“totalmente en desacuerdo” hasta “totalmente
de acuerdo”, permitiendo captar la intensidad de
la percepción estudiantil en cada una de las
dimensiones analizadas. Esta escala facilitó el
análisis de tendencias y permitió realizar
cálculos estadísticos con fines interpretativos,
como la media, la desviación estándar y la
frecuencia relativa de las respuestas. La
aplicación del cuestionario se realizó en formato
digital, a través de formularios en línea
distribuidos mediante las plataformas
institucionales de la universidad, garantizando
el principio de voluntariedad, anonimato y
confidencialidad de los participantes. Previo a
la aplicación masiva del instrumento, se llevó a
cabo una prueba piloto con 30 estudiantes de
similares características a los de la muestra
definitiva, cuyos resultados permitieron
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 19
verificar la confiabilidad del instrumento
mediante el coeficiente alfa de Cronbach, que
arrojó un valor superior a 0,85, lo que indica una
alta consistencia interna. Una vez recolectada la
información, los datos fueron procesados
mediante el software estadístico SPSS, versión
26, lo que permitió realizar un análisis
descriptivo e inferencial con rigurosidad
técnica. En primera instancia, se efectuó un
análisis univariado para caracterizar las
respuestas por cada eje temático, mediante
frecuencias, porcentajes, medias y desviaciones
estándar. Posteriormente, se aplicaron pruebas
de correlación de Spearman para explorar
posibles relaciones entre las dimensiones
evaluadas, particularmente entre la percepción
de adaptación de la IA y la valoración del rol
docente, así como entre esta última y las
consideraciones éticas identificadas por los
estudiantes.
Con el propósito de dar solidez metodológica a
la interpretación de los resultados, se
establecieron criterios de significancia
estadística al 95 % de confianza (p < 0,05). Esta
decisión permitió asegurar que los hallazgos
identificados no se deban al azar, sino a
patrones reales presentes en la población
estudiada. Asimismo, se elaboraron gráficos
comparativos y tablas cruzadas que
contribuyeron a visibilizar las tendencias
generales y particularidades dentro de los
distintos grupos académicos, considerando
factores como la carrera, el nivel académico y la
experiencia previa con tecnologías de IA. Desde
una perspectiva ética, el estudio cumplió con los
principios fundamentales de respeto,
consentimiento informado y confidencialidad
de los participantes. Todos los estudiantes
fueron informados previamente sobre los fines
académicos de la investigación, su carácter
voluntario y la posibilidad de retirarse en
cualquier momento sin ninguna consecuencia
negativa. No se recolectaron datos sensibles ni
identificables, y los resultados fueron tratados
de forma agregada, garantizando así el
resguardo de la identidad individual. Se
reconoce que, al tratarse de una investigación de
corte transversal, los datos corresponden a un
momento específico del tiempo, lo cual
representa una limitación al momento de
establecer relaciones causales. No obstante, la
riqueza de los datos obtenidos ofrece un
panorama revelador sobre las percepciones
actuales del estudiantado en torno a la
inteligencia artificial y su potencial para
transformar los procesos de enseñanza-
aprendizaje en la educación superior, abriendo
nuevas líneas para futuras investigaciones de
tipo longitudinal y comparativo.
Resultados y Discusión
El análisis de los datos permitió caracterizar las
percepciones estudiantiles respecto a la
incorporación de la inteligencia artificial en el
proceso educativo, enfocándose en tres
dimensiones fundamentales: la adaptación de la
IA a los estilos de aprendizaje individuales, la
resignificación del rol docente frente a estas
herramientas, y las implicaciones éticas
asociadas a su implementación. A través del
procesamiento de los cuestionarios, se
obtuvieron estadísticas descriptivas que
evidencian tendencias generales en cada una de
las variables investigadas. Los resultados
descriptivos indican que, en promedio, los
estudiantes valoran positivamente la capacidad
adaptativa de la inteligencia artificial, con una
media de 3.70 sobre 5 y una desviación estándar
de 0.60. Esta tendencia sugiere una percepción
favorable hacia las tecnologías que permiten
ajustar los contenidos y recursos educativos a
las necesidades individuales. En cuanto al rol
del docente, la media fue ligeramente inferior
(3.50), con una desviación de 0.70, lo cual
indica una percepción variable en torno a la
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 20
función del profesorado en entornos mediados
por IA. Por último, el eje ético obtuvo la media
más alta (3.80) con una menor dispersión (0.50),
lo que refleja una mayor consistencia en las
preocupaciones relacionadas con la protección
de datos, transparencia y equidad.
Tabla 1. Medias y Desviaciones Estándar por
Dimensión Analizada
Dimensión
Media
Desviación estándar
Adaptación de la IA
3.70
0.60
Rol del docente
3.50
0.70
Consideraciones
éticas
3.80
0.50
Nota: La tabla muestra los valores promedio obtenidos por los
estudiantes en cada uno de los tres bloques temáticos del
cuestionario.
Fuente: Elaboración propia
La interpretación de estos resultados
preliminares permite observar un grado de
aceptación significativo hacia el uso de la IA en
el aprendizaje personalizado. No obstante, la
percepción sobre el rol docente presenta mayor
variabilidad, lo que podría reflejar
incertidumbre sobre cómo debe adaptarse la
mediación pedagógica en un entorno donde los
algoritmos tienen un papel activo. Al mismo
tiempo, la relevancia otorgada a los aspectos
éticos demuestra que los estudiantes no solo
evalúan la funcionalidad de la tecnología, sino
también las condiciones en las que esta se
implementa. Como parte del aseguramiento
metodológico, se evaluó la confiabilidad del
instrumento de medición a través del coeficiente
alfa de Cronbach. Esta prueba estadística es
utilizada comúnmente para determinar el grado
de consistencia interna de los ítems de un
cuestionario. En este estudio, el valor obtenido
fue de 0.86, lo que indica un nivel alto de
fiabilidad entre los ítems distribuidos en los tres
bloques temáticos. De acuerdo con George y
Mallery (2003), un alfa superior a 0.80 se
considera óptimo para estudios en el ámbito de
las ciencias sociales, lo cual respalda la validez
de las respuestas obtenidas en la muestra
estudiada.
Tabla 2. Consistencia Interna del Instrumento
Aplicado (Alfa de Cronbach)
Dimensión
Alfa de Cronbach
Adaptación de la IA
0.86
Rol del docente
0.86
Consideraciones éticas
0.86
Nota. El valor del alfa de Cronbach fue uniforme para todos los
bloques, dado que se calculó sobre la escala global del cuestionario
como instrumento unificado.
Fuente: Elaboración propia
Además del análisis de confiabilidad, se aplicó
una matriz de correlación de Spearman para
explorar la existencia de relaciones
significativas entre las dimensiones evaluadas.
Este coeficiente no paramétrico fue
seleccionado por su capacidad para analizar
asociaciones entre variables ordinales, propias
de una escala tipo Likert. Los resultados
muestran correlaciones positivas moderadas
entre todas las dimensiones: la adaptación de la
IA correlacionó con el rol del docente (ρ = 0.52)
y con las consideraciones éticas (ρ = 0.48),
mientras que la relación entre rol docente y ética
fue ligeramente superior (ρ = 0.56).
Figura 1. Matriz de correlación de Spearman
entre las dimensiones evaluadas
Estos resultados sugieren que existe una
relación significativa entre la forma en que los
estudiantes perciben el papel de la IA en la
personalización del aprendizaje y las
implicaciones éticas y pedagógicas de su uso.
Específicamente, aquellos estudiantes que
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 21
valoran positivamente la capacidad adaptativa
de la IA tienden también a reconocer la
importancia del rol docente y a manifestar
mayor sensibilidad frente a los dilemas éticos
involucrados. Este hallazgo refuerza la idea de
que el éxito en la implementación de
tecnologías inteligentes en educación no
depende exclusivamente de sus capacidades
técnicas, sino de cómo se articulan con las
mediaciones humanas y los marcos éticos
institucionales. El análisis de los datos también
contempló la exploración de diferencias en las
percepciones estudiantiles según variables de
segmentación como la carrera de procedencia y
el nivel académico. Esta dimensión del estudio
resultó relevante para comprender cómo se
modulan las opiniones respecto a la inteligencia
artificial (IA) en función del contexto
disciplinar y la trayectoria formativa de los
estudiantes.
En lo que respecta a la variable "carrera", se
observó que los estudiantes de Ingeniería
Química fueron quienes manifestaron una
percepción más positiva en cuanto a la
capacidad adaptativa de la IA, con una media de
3.80. Le siguieron los estudiantes de
Gastronomía con una media de 3.68, mientras
que los de Ingeniería en Alimentos mostraron la
media más baja (3.59). Esta diferencia podría
explicarse por el grado de exposición previa a
tecnologías digitales y el tipo de contenidos que
se imparten en cada malla curricular, donde la
Ingeniería Química presenta una mayor
presencia de herramientas de simulación,
programación o cálculo automatizado, lo que
podría facilitar una valoración más positiva de
los sistemas inteligentes. En cuanto al "nivel
académico", los estudiantes de niveles
superiores (7.º semestre en adelante) mostraron
una mayor valoración del rol del docente en
ambientes mediados por IA, con una media de
3.65 frente a 3.42 de los estudiantes de niveles
iniciales (1.º a 4.º semestre). Esta diferencia
sugiere que a medida que los estudiantes
avanzan en su formación profesional, reconocen
con mayor claridad el papel irremplazable del
docente como mediador pedagógico y
orientador en la toma de decisiones éticas
relacionadas con el uso de tecnologías
emergentes.
Otro hallazgo interesante fue que los niveles
más altos de preocupación ética se registraron
entre estudiantes de niveles intermedios (5.º y
6.º semestre), lo cual podría vincularse con una
etapa de transición académica donde los
alumnos comienzan a involucrarse más
activamente en proyectos, investigaciones o
pasantías que los exponen a dilemas reales en el
uso de datos, automatización o inteligencia
algorítmica. Estas variaciones permiten afirmar
que, si bien existe una tendencia general
positiva hacia la integración de la IA en la
personalización del aprendizaje, dicha
valoración no es homogénea. Las diferencias
por carrera y nivel formativo revelan que las
percepciones se construyen desde experiencias
académicas diferenciadas, lo cual debe ser
considerado al momento de diseñar estrategias
institucionales de incorporación tecnológica.
Implementaciones estandarizadas, sin atención
al contexto disciplinar y al trayecto formativo,
podrían resultar ineficientes o incluso
contraproducentes. Los hallazgos del presente
estudio evidencian una aceptación favorable de
la inteligencia artificial (IA) como herramienta
para personalizar el aprendizaje, una tendencia
que coincide con lo planteado por Párraga et al.
(2024), quienes sostienen que los sistemas de IA
permiten configurar entornos más inclusivos y
adaptativos. La media obtenida en el eje de
adaptación (3.70) sugiere que los estudiantes
reconocen el potencial de estas tecnologías para
ajustarse a sus necesidades cognitivas, ritmo de
aprendizaje y estilos personales. Esta
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 22
percepción es relevante, ya que confirma el
potencial de la IA para consolidar propuestas
educativas centradas en el estudiante,
coherentes con los postulados de la educación
personalizada.
No obstante, la valoración moderadamente
inferior en cuanto al rol del docente (3.50)
revela un espacio crítico de reflexión: la
tecnología no puede reemplazar la mediación
humana. Este hallazgo reafirma los aportes de
Cobos (2023), quien advierte sobre el peligro de
una tecnificación del aprendizaje que minimice
el papel pedagógico del profesorado. Los datos
obtenidos en esta investigación reflejan que, si
bien los estudiantes valoran los beneficios de la
automatización, también reconocen la
necesidad de contar con un docente que oriente,
contextualice y regule el proceso formativo,
especialmente en lo relacionado con la toma de
decisiones académicas. Por otro lado, el énfasis
de los participantes en los aspectos éticos
(media de 3.80) pone en evidencia una creciente
sensibilidad hacia temas como la protección de
datos, la equidad tecnológica y la transparencia
algorítmica. Este dato no solo fortalece los
planteamientos de Ruiz y Ruiz (2023) sobre el
impacto ético de la IA en la educación a
distancia, sino que también confirma lo
planteado por Veltri et al. (2023) sobre la
necesidad de articular las inteligencias artificial
y humana de forma colaborativa y no
excluyente. En este contexto, los estudiantes no
son usuarios pasivos de tecnología, sino actores
críticos que evalúan su uso bajo parámetros de
justicia, respeto y responsabilidad social.
De forma complementaria, la correlación
positiva entre las variables evaluadas
(especialmente entre el rol docente y la ética)
sugiere que una mayor valorización del
componente humano se asocia con una
preocupación más profunda por la dimensión
ética. Este hallazgo es coherente con la
clasificación de "inteligencias entrelazadas"
propuesta por Luckin (citado en Veltri et al.,
2023), donde la autopercepción, la
metacognición y la inteligencia social
convergen para formar una ciudadanía
académica crítica y colaborativa. La IA, en este
sentido, puede ser una aliada si está al servicio
del desarrollo integral del estudiante, no solo de
sus habilidades cognitivas, sino también de su
sensibilidad moral y relacional. Al revisar de
forma integrada los resultados y su
contrastación con el marco teórico, se observa
con claridad que la implementación de la
inteligencia artificial en la educación superior
no es un fenómeno meramente técnico, sino
pedagógico, ético y contextual. El hecho de que
los estudiantes valoren la capacidad adaptativa
de la IA no significa que deseen prescindir de la
figura docente. Por el contrario, reconocen en el
profesorado un elemento articulador
indispensable para traducir las funcionalidades
tecnológicas en aprendizajes significativos.
Este hallazgo invita a repensar las políticas de
incorporación tecnológica, enfatizando la
necesidad de fortalecer la formación del docente
en competencias digitales críticas, en lugar de
enfocarse exclusivamente en la adquisición de
software o infraestructura. Asimismo, el estudio
pone en evidencia la necesidad de establecer
marcos éticos institucionales que acompañen el
uso de IA en contextos académicos. Tal como
advierten Castillejos López (2022) y Maraza-
Quispe et al. (2019), el uso indiscriminado de
sistemas automatizados sin una regulación clara
puede derivar en prácticas injustas, sesgos
algorítmicos o violaciones a la privacidad
estudiantil. Por lo tanto, la universidad debe
asumir un rol proactivo en la construcción de
lineamientos éticos que protejan los derechos de
la comunidad educativa, considerando las
múltiples dimensiones involucradas en la
aplicación de estas tecnologías.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 23
Desde una mirada transversal, los resultados
también sugieren que la percepción estudiantil
sobre la IA se ve modulada por el grado de
madurez académica. A mayor nivel de
formación, mayor es la valoración del rol
docente y más aguda la sensibilidad frente a las
implicaciones éticas. Este aspecto es clave, pues
indica que la alfabetización digital no debe
limitarse al uso de herramientas, sino que debe
avanzar hacia una comprensión crítica de su
impacto social y educativo. Tal como proponen
Engel y Coll (2022), la personalización del
aprendizaje debe combinar recursos
tecnológicos con procesos de acompañamiento
humano y reflexivo, para asegurar no solo
eficiencia, sino equidad y calidad educativa.
Finalmente, los hallazgos abren nuevas líneas
de investigación que podrían abordar con mayor
profundidad las diferencias por género,
experiencias previas con IA o áreas de
conocimiento específicas. Del mismo modo, se
recomienda desarrollar estudios longitudinales
que permitan observar la evolución de estas
percepciones a lo largo del tiempo y en
diferentes cohortes estudiantiles.
Conclusiones
La evidencia empírica y el análisis estadístico
desarrollado en este estudio permiten afirmar
que la inteligencia artificial (IA) tiene un alto
potencial para personalizar el aprendizaje en la
educación superior, facilitando la adaptación de
contenidos y estrategias a los estilos cognitivos
de los estudiantes. Esta percepción favorable
por parte del estudiantado reafirma la validez de
los modelos educativos centrados en el
estudiante, pero también señala la necesidad de
consolidar una visión crítica sobre los usos,
límites y alcances de las herramientas
inteligentes, en función de la calidad y la
equidad educativa. En este sentido, se concluye
que el rol del docente no solo persiste en el
contexto de entornos mediados por IA, sino que
adquiere una renovada relevancia. Los
estudiantes reconocen al profesorado como guía
necesario para dar sentido pedagógico, ético y
contextual al uso de tecnologías inteligentes.
Este hallazgo destaca la urgencia de fortalecer
las competencias docentes en el ámbito de la
inteligencia artificial, no únicamente desde la
dimensión técnica, sino también desde una
perspectiva pedagógica y humanizadora que
promueva la reflexión crítica, la tutoría
personalizada y el acompañamiento formativo.
Otro elemento sustancial identificado es la
fuerte preocupación estudiantil por los aspectos
éticos vinculados al uso de IA. Esta dimensión
que obtuvo la mayor media en el análisis
estadístico, pone de manifiesto que la juventud
universitaria demanda políticas claras de
protección de datos, transparencia algorítmica y
acceso equitativo. La personalización no puede
ser comprendida únicamente como eficiencia
operativa, sino como una práctica educativa
guiada por principios de justicia, inclusión y
respeto a la autonomía del estudiante. En suma,
la IA representa una oportunidad sin
precedentes para transformar la educación
superior, pero su implementación debe ser
crítica, contextual y éticamente informada. Las
universidades deben asumir el reto de diseñar
marcos institucionales que integren tecnología y
humanidad, algoritmos y conciencia
pedagógica, innovación y valores. Solo así será
posible avanzar hacia modelos de educación
superior que respondan a los desafíos del siglo
XXI sin perder de vista su sentido esencial:
formar personas integrales, libres y
comprometidas con el bien común.
Referencias Bibliográficas
Akpan, I. (2025). Conversational and generative
artificial intelligence and human–chatbot
interaction in education and research.
International Transactions in Operational
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 24
Research, 32(3), 1251–1281.
https://doi.org/10.1111/itor.13522
Alasadi, E. (2023). Generative AI in education
and research: Opportunities, concerns, and
solutions. Journal of Chemical Education,
100(8), 2965–2971.
https://doi.org/10.1021/acs.jchemed.3c00323
Alvarado, J. (2023). Filosofía, investigación y
educación: Relaciones e implicaciones en el
contexto actual. Encuentro Educacional,
30(1), 277–287.
https://doi.org/10.5281/zenodo.8105125
Andersen, J. (2025). Generative artificial
intelligence (GenAI) in the research process.
Technology in Society, 81, 102813.
https://doi.org/10.1016/j.techsoc.2025.10281
3
Añapa, P. (2024). Impacto del uso de la
inteligencia artificial en el aprendizaje
autónomo y desafíos en las instituciones de
educación superior. Reincisol, 3(5), 60–79.
https://doi.org/10.59282/reincisol.V3(5)60-
79
Arias, M. (2014). El desarrollo de competencias
digitales en la educación superior. Historia y
Comunicación Social, 19(E), 355–366.
https://doi.org/10.5209/rev_HICS.2014.v19.4
4963
Bahroun, Z. (2023). Transforming education: A
comprehensive review of generative artificial
intelligence in educational settings.
Sustainability, 15(17), 12983.
https://doi.org/10.3390/su151712983
Balalle, H. (2025). Reassessing academic
integrity in the age of artificial intelligence.
Social Sciences & Humanities Open, 11,
101299.
https://doi.org/10.1016/j.ssaho.2025.101299
Barrios, H. (2024). Inteligencia artificial y
emociones: Psicopolítica mediante datos y
algoritmos. Revista de Ciencias Sociales (Ve),
30(1), 251–267.
https://doi.org/10.31876/rcs.v30i1.41654
Bauz, A. (2024). El constructivismo y la
implementación de la inteligencia artificial en
educación. Ciencia Latina, 8(3), 3156–3170.
https://doi.org/10.37811/cl_rcm.v8i3.11539
Blanco, A. (2024). Retos para una inteligencia
artificial inclusiva de los colectivos
vulnerables. Actualidad Jurídica
Iberoamericana, (21), 360–383.
https://revista-aji.com/wp-
content/uploads/2024/07/AJI21_Art13.pdf
Caipo, L. (2024). Perspectivas históricas de las
competencias socioemocionales en la
educación superior. CLÍO, 4(8), 105–116.
https://doi.org/10.5281/zenodo.12598369
Casallas, A. (2021). Inteligencia artificial: La
nueva visión a la que apuestan las empresas
de hoy [Tesis de pregrado]. Universidad
Militar de Granada.
https://repository.unimilitar.edu.co/items/b18
5a345-4e12-4327-bf48-913066fd3faf
Castillejos, B. (2022). Inteligencia artificial y
entornos personales de aprendizaje.
Educación, 31(60).
https://doi.org/10.18800/educacion.202201.0
01
Chicaiza, S. (2024). Impacto de la inteligencia
artificial en la educación superior.
RECIAMUC, 8(2), 80–91.
https://doi.org/10.26820/reciamuc/8.(2).abril.
2024.80-91
Cuban, L. (2018). The flight of a butterfly or the
path of a bullet? Harvard Education Press.
https://eric.ed.gov/?id=ED583080
Engel, A. (2022). Entornos híbridos de
enseñanza y aprendizaje. RIED, 25(1).
https://doi.org/10.5944/ried.25.1.31489
Giró, X. (2022). La inteligencia artificial en la
educación: Big data, cajas negras y
solucionismo tecnológico.
https://dialnet.unirioja.es/servlet/articulo?cod
igo=8310179
González, M. (2020). Nuevos retos en la
formación del profesorado universitario.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 7 No. 1.2
Edición Especial UG 2026
Página 25
Revista de Educación a Distancia, 20(63), 1–
23.
https://ciencialatina.org/index.php/cienciala/a
rticle/view/5942
Isusqui, J. (2023). La inteligencia artificial al
servicio de la gestión y la implementación en
la educación.
https://doi.org/10.31219/osf.io/z2y7c
Jiménez, C. (2024). Adopción de la inteligencia
artificial en la enseñanza: Perspectivas de
docentes de educación superior. REPED, 5(2),
5–16.
https://doi.org/10.56152/reped2024-
dossierIA1-art1
Luckin, R. (2016). Intelligence unleashed: An
argument for AI in education. Pearson
Education.
Macías, R. (2023). La inteligencia artificial:
Análisis del presente y futuro en la educación
superior. Ciencia Latina.
https://revista.gnerando.org/revista/index.php
/RCMG/article/view/98
Maraza, J. (2019). Ética y educación superior en
la era de la inteligencia artificial. Revista
Andina de Educación, 3(2), 45–59.
https://polodelconocimiento.com/ojs/index.p
hp/es/article/view/10936
Parra, A. (2022). Inteligencia artificial y
mediación pedagógica en educación
universitaria. Revista Andina de Educación,
4(2), 112–127.
Párraga, K. (2024). Retos del docente frente a la
inteligencia artificial en educación superior.
RECIAMUC, 8(1), 21–36.
https://ciencialatina.org/index.php/cienciala/a
rticle/view/17896
Repetti, M. (2023). Inteligencia artificial y
tutoría personalizada. Educación XXI, 26(2),
305–323.
Ruiz, M. (2023). Riesgos éticos de la
inteligencia artificial en la educación. Revista
Electrónica de Educación, 27(3), 89–105.
Valverde, L. (2023). Transformación educativa:
La implementación de la inteligencia artificial
en la enseñanza universitaria en el Perú.
https://revistatribunal.org/index.php/tribunal/
article/view/740
Veltri, G. (2023). Artificial intelligence in
education: The human-in-the-loop
perspective. Computers and Education:
Artificial Intelligence, 4, 100155.
https://doi.org/10.1016/j.caeai.2023.100155
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Betty Azucena
Macas Padilla, Norma Verónica Romero Amores,
Carlos Eduardo Sánchez Paredes y Leonardo
Jesús Vasco Delgado.
