Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
INTELIGENCIA ARTIFICIAL Y SU IMPACTO EN LOS PROCESOS DE  
ENSEÑANZA-APRENDIZAJE  
ARTIFICIAL INTELLIGENCE AND ITS IMPACT ON TEACHING AND LEARNING  
PROCESSES  
3
Autores: ¹Jeniffer Tatiana Merchán Rodríguez, ²Susana Elizabeth Córdova Chifla, Ana Isabel  
Rodas Silva, ⁴Lady Vanessa Barén Velastegui, ⁵Digna Isabel Juca Izurieta.  
¹ORCID ID: https://orcid.org/0000-0001-5325-6358  
²ORCID ID: https://orcid.org/0009-0004-0851-8127  
³ORCID ID: https://orcid.org/0009-0003-6635-7168  
⁴ORCID ID: https://orcid.org/0000-0002-2898-1774  
⁵ORCID ID: https://orcid.org/0009-0002-1179-9084  
¹E-mail de contacto: jeniffermerchan@hotmail.com  
²E-mail de contacto: susyjotitas2@gmail.com  
³E-mail de contacto: anarodas23@gmail.com  
⁴E-mail de contacto: ladyvanessa1963@hotmail.com  
⁵E-mail de contacto: dig.juca93@hotmail.com  
Afiliación: 1*2*3*4*5*Autor Independiente, (Ecuador).  
Artículo recibido: 01 de Mayo del 2026  
Artículo revisado: 03 de Mayo del 2026  
Artículo aprobado: 05 de Mayo del 2026  
¹Licenciada en Ciencias de la Educación con mención en Educación Básica, graduada de la Universidad Estatal de Milagro, (Ecuador).  
Máster en Psicología Educativa, graduada de la Universidad César Vallejo, (Perú). Docente con 12 años de experiencia.  
²Licenciada en Ciencias de la Educación con especialización en Educación Parvularia, graduada de la Universidad Estatal de Milagro,  
(Ecuador). Docente con 8 años de experiencia.  
³Licenciada en Ciencias de la Educación con mención en Educación Básica, graduada de la Universidad Estatal de Milagro, (Ecuador).  
Magíster en Educación Básica por la Universidad Estatal de Milagro (Ecuador). Docente con 25 años de experiencia.  
⁴Licenciada en Educación Parvularia, graduada de la Universidad Estatal de Milagro, (Ecuador). Máster en Psicología Educativa por la  
Universidad César Vallejo, (Perú). Docente con 10 años de experiencia.  
⁵Licenciada en Ciencias de la Educación con mención en Educación Primaria, graduada de la Universidad Estatal de Guayaquil, (Ecuador).  
Magíster en Educación Básica, graduada de la Universidad Estatal de Milagro, (Ecuador). Docente con 12 años de experiencia.  
Resumen  
introducir dinámicas personalizadas basadas en  
datos, aunque su efectividad depende de  
mediación pedagógica crítica, regulación ética  
y condiciones de acceso equitativo que eviten la  
profundización de desigualdades educativas.  
La irrupción de la inteligencia artificial tensionó  
los modelos pedagógicos tradicionales al  
evidenciar limitaciones en la atención a la  
diversidad, generando la necesidad de examinar  
su incidencia en la personalización, calidad y  
equidad del aprendizaje. El estudio buscó  
analizar el impacto de la inteligencia artificial  
en los procesos de enseñanza-aprendizaje. Se  
Palabras  
clave:  
Inteligencia  
Artificial,  
Enseñanza,  
Aprendizaje  
Personalizado,  
Educación, Equidad.  
Abstract  
adoptó  
un  
enfoque  
cualitativo  
de  
tipo  
en  
The emergence of artificial intelligence has  
challenged traditional pedagogical models by  
highlighting their limitations in addressing  
diversity, thereby creating a need to examine its  
impact on the personalization, quality, and  
equity of learning. This study sought to analyze  
the impact of artificial intelligence on teaching-  
learning processes. A descriptive–exploratory  
qualitative approach was adopted, based on a  
descriptivo–exploratorio,  
sustentado  
investigación bibliográfica, mediante análisis  
documental. El análisis evidenció que los  
sistemas inteligentes favorecieron la adaptación  
de contenidos, optimizaron la evaluación y  
fortalecieron la retroalimentación, aunque su  
implementación mostró limitaciones asociadas  
a
brechas  
digitales,  
formación  
docente  
insuficiente y riesgos éticos vinculados al uso  
de datos y sesgos algorítmicos. Se concluyó que  
la inteligencia artificial redefine la enseñanza al  
literature  
review  
conducted  
through  
documentary analysis. The analysis showed  
Página 232  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
that intelligent systems facilitated content  
Introducción  
adaptation,  
strengthened  
optimized  
feedback,  
assessment,  
although  
and  
their  
El desarrollo reciente de la inteligencia artificial  
en educación ha configurado un campo de  
investigación en expansión, caracterizado por la  
integración de sistemas capaces de procesar  
información, interpretar patrones cognitivos y  
adaptar secuencias instruccionales con alta  
precisión, lo que redefine la comprensión del  
implementation revealed limitations associated  
with digital divides, insufficient teacher  
training, and ethical risks linked to data use and  
algorithmic biases. It was concluded that  
artificial intelligence redefines teaching by  
introducing  
data-driven  
personalized  
dynamics, although its effectiveness depends  
on critical pedagogical mediation, ethical  
regulation, and conditions of equitable access  
that prevent the deepening of educational  
inequalities.  
aprendizaje  
como  
un  
proceso  
dinámico  
mediado por datos (Molina et al., 2025). La  
emergencia de modelos adaptativos evidencia  
una transición desde enfoques homogéneos  
hacia  
estructuras  
personalizadas  
que  
Keywords: Artificial Intelligence, Teaching,  
Personalized Learning, Education, Equity.  
reorganizan contenidos, ritmos y evaluaciones  
en función del comportamiento del estudiante.  
Sumário  
La intensificación en el uso de analítica del  
aprendizaje, modelos predictivos y algoritmos  
O advento da inteligência artificial colocou sob  
pressão os modelos pedagógicos tradicionais,  
ao revelar limitações na resposta à diversidade,  
gerando a necessidade de examinar o seu  
impacto na personalização, qualidade e  
equidade da aprendizagem. O estudo procurou  
analisar o impacto da inteligência artificial nos  
de  
personalización,  
ha  
impulsado  
transformaciones en la retroalimentación, la  
evaluación y la gestión académica, aunque  
persisten tensiones vinculadas con la ética, la  
preparación  
docente  
y
la  
regulación  
processos  
de  
ensino-aprendizagem.  
Foi  
adotada uma abordagem qualitativa de tipo  
descritivo-exploratório, baseada em pesquisa  
bibliográfica, através da análise documental. A  
análise evidenciou que os sistemas inteligentes  
favoreceram a adaptação de conteúdos,  
otimizaram a avaliação e reforçaram o  
feedback, embora a sua implementação tenha  
revelado limitações associadas a fendas  
digitais, formação insuficiente do profesorado  
e riscos éticos ligados ao uso de dados e  
preconceitos algorítmicos. Concluiu-se que a  
inteligência artificial redefine o ensino ao  
introduzir dinâmicas personalizadas baseadas  
em dados, embora a sua eficácia dependa de  
institucional (Nevárez y Contreras, 2025). Este  
escenario revela vacíos asociados a la equidad  
de acceso, la transparencia algorítmica y la  
integración pedagógica efectiva, configurando  
líneas emergentes de investigación orientadas a  
comprender el alcance real de estas tecnologías.  
Por otra parte, el potencial transformador de la  
inteligencia artificial y su implementación  
efectiva en los procesos de enseñanza-  
aprendizaje, se ve limitado por la falta de  
formación docente, donde apenas un 10% del  
profesorado ha recibido capacitación en el uso  
uma  
mediação  
pedagógica  
crítica,  
de  
de  
estas  
herramientas,  
restringiendo  
su  
regulamentação ética e de condições de acesso  
equitativo que evitem o agravamento das  
desigualdades educativas.  
aplicación pedagógica (UNESCO, 2025).Esta  
situación genera una asimetría entre innovación  
tecnológica y capacidad institucional, afectando  
la calidad del aprendizaje (Andrade, 2023). Esta  
limitación condiciona la construcción de  
Palavras-chave:  
Inteligência  
Artificial,  
Aprendizagem Personalizada, Educação,  
Equidade.  
marcos  
interpretativos  
y
dificulta  
la  
Página 233  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
generalización de resultados, evidenciando una  
insuficiencia en estudios sistemáticos que  
integren dimensiones pedagógicas,  
como recurso tecnológico, lo que redefine la  
interacción pedagógica y amplía el alcance de  
la personalización (Ángel y Mireles, 2025).  
Mientras que los principales beneficiarios son  
los estudiantes, docentes e instituciones  
tecnológicas y éticas (Quinto et al., 2024). A  
nivel educativo, los estudios muestran que la  
inteligencia artificial mejora la personalización,  
la retroalimentación y la eficiencia evaluativa,  
aunque simultáneamente introduce riesgos  
asociados a sesgos algorítmicos, dependencia  
tecnológica y desigualdad en el acceso a  
infraestructura digital (Ramírez et al., 2024).  
educativas,  
formativos  
quienes  
acceden  
a
procesos  
más precisos,  
adaptativos  
y
orientados a resultados.  
En cuanto al objetivo general se estableció  
analizar el impacto de la inteligencia artificial  
en los procesos de enseñanza-aprendizaje.  
Desde esta perspectiva la fundamentación  
teórica defina a la inteligencia artificial como un  
sistema tecnológico capaz de simular procesos  
cognitivos mediante algoritmos que procesan  
información, reconocen patrones y generan  
respuestas adaptativas orientadas a la toma de  
decisiones en entornos complejos, lo que en el  
ámbito educativo implica su integración en  
actividades de enseñanza, evaluación y gestión  
académica (Prada, 2024). Su desarrollo ha  
evolucionado desde modelos deterministas  
hacia estructuras basadas en aprendizaje  
Esta dualidad configura una tensión verificable  
entre innovación y riesgo, en la que los  
beneficios no se distribuyen equitativamente,  
generando brechas en el desarrollo de  
competencias y en la calidad del aprendizaje.  
Ante ello, la pregunta de investigación definida  
responde a ¿De qué manera la inteligencia  
artificial influye en la calidad del aprendizaje?  
Entonces las relevancia del estudio se enfoca en  
que  
la  
inteligencia  
artificial  
introduce  
transformaciones sustantivas en la organización  
del aprendizaje, al permitir la adaptación de  
contenidos y estrategias pedagógicas según las  
características individuales del estudiante, lo  
que incide en la calidad educativa y en la  
optimización de los procesos formativos.  
automático,  
comportamiento  
dinámicamente los procesos formativos.  
permitiendo  
interpretar  
el  
estudiantil  
y
ajustar  
Desde una perspectiva funcional, la inteligencia  
artificial en educación se comprende como un  
conjunto de herramientas automatizadas que  
ejecutan tareas previamente configuradas, tales  
como la personalización de evaluaciones, el  
análisis de datos académicos y la generación de  
retroalimentación inmediata, ampliando las  
El aporte teórico se orienta a la sistematización  
de enfoques sobre personalización, analítica del  
aprendizaje y modelos adaptativos, mientras  
que el componente metodológico se sustenta en  
el análisis documental de literatura reciente, lo  
que posibilita una interpretación crítica del  
fenómeno; en el plano práctico, los resultados  
contribuyen a la identificación de estrategias  
para mejorar la enseñanza, optimizar la  
evaluación y orientar decisiones institucionales  
basadas en evidencia. La novedad científica se  
posibilidades  
universitario (Álvarez et al., 2024). Esta  
conceptualización incorpora no solo su  
pedagógicas  
del  
entorno  
dimensión técnica, sino también su papel en la  
reorganización del aprendizaje como proceso  
expresa  
en  
la  
conceptualización  
de  
la  
mediado  
por  
sistemas  
inteligentes.  
La  
inteligencia artificial como agente activo en la  
regulación del aprendizaje y no únicamente  
clasificación de la inteligencia artificial en el  
ámbito educativo puede organizarse en función  
Página 234  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
de  
sus  
aplicaciones,  
destacándose  
tres  
perspectiva estructural, el proceso enseñanza–  
dimensiones principales: la optimización del  
proceso enseñanza–aprendizaje, la gestión  
administrativa y el soporte investigativo, cada  
aprendizaje puede analizarse a partir de  
dimensiones  
como  
la  
personalización  
pedagógica, la retroalimentación, la evaluación  
y la gestión del conocimiento, elementos que se  
una  
vinculada  
a
diferentes  
niveles  
de  
intervención institucional (Arias et al., 2025).  
ven  
directamente  
influenciados  
por  
la  
incorporación de tecnologías inteligentes que  
modifican su organización y ejecución. Estas  
Esta tipología permite comprender su alcance  
como sistema integral que trasciende el aula y  
se inserta en la estructura organizativa de las  
instituciones educativas. En términos más  
dimensiones  
permiten  
descomponer  
el  
fenómeno en componentes observables y  
susceptibles de análisis sistemático.  
específicos,  
los  
sistemas  
adaptativos  
constituyen una de las manifestaciones más  
avanzadas de la inteligencia artificial educativa,  
caracterizados por su capacidad para analizar  
datos en tiempo real, construir perfiles  
dinámicos del estudiante y generar rutas de  
aprendizaje diferenciadas, lo que transforma la  
La  
tipología  
del  
proceso  
enseñanza–  
aprendizaje, en el marco de la inteligencia  
artificial, se vincula con modalidades como el  
aprendizaje adaptativo, la tutoría inteligente y la  
evaluación automatizada, cada una orientada a  
responder a diferentes necesidades formativas  
mediante la integración de datos y algoritmos  
que ajustan la experiencia educativa. Esta  
clasificación evidencia la diversificación de las  
prácticas pedagógicas mediadas por tecnología  
(Colás et al., 2019). La relación entre  
inteligencia artificial y procesos de enseñanza  
se expresa a través de mecanismos de  
enseñanza  
en  
un  
proceso  
altamente  
personalizado (Ayauca et al., 2026).  
El funcionamiento de estos sistemas se sustenta  
en una arquitectura compuesta por el modelo  
del estudiante, el modelo del dominio y el  
modelo pedagógico, cuya interacción posibilita  
la toma de decisiones automatizada basada en  
personalización  
que  
permiten  
ajustar  
datos,  
contenidos,  
formativas. Esta estructura evidencia que la  
garantizando  
coherencia  
entre  
contenidos, ritmos y estrategias en función del  
comportamiento del estudiante, lo que genera  
entornos de aprendizaje más flexibles y  
centrados en el usuario, incrementando la  
eficiencia pedagógica.  
estrategias  
y
trayectorias  
inteligencia  
herramienta  
artificial  
aislada,  
no  
opera  
como  
como  
sino  
sistema  
complejo de regulación del aprendizaje (Ortega  
et al., 2025). El proceso se concibe como un  
fenómeno dinámico en el que intervienen  
múltiples dimensiones cognitivas, pedagógicas  
y tecnológicas, orientadas a la construcción de  
conocimiento mediante la interacción entre  
docente, estudiante y recursos educativos, cuya  
eficacia depende de la capacidad de adaptación  
a las necesidades individuales. Esta definición  
incorpora una visión ampliada del aprendizaje  
que integra tanto la mediación humana como la  
tecnológica (Urías & Pino, 2024). Desde una  
Esta interacción redefine la función del docente,  
quien pasa a desempeñar un rol de mediador  
estratégico. La influencia de la inteligencia  
artificial sobre el aprendizaje se materializa  
mediante  
la  
analítica  
de  
datos,  
la  
retroalimentación inmediata y la predicción de  
desempeño, mecanismos que permiten anticipar  
dificultades,  
intervenir  
oportunamente  
y
fortalecer la autorregulación del estudiante,  
configurando un modelo educativo basado en  
evidencia. Esta lógica introduce un enfoque  
Página 235  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
preventivo que transforma la evaluación en  
educativo en el que convergen dimensiones  
cognitivas, sociales y digitales. Esta síntesis  
teórica proporciona un marco interpretativo  
para analizar la relación entre tecnología y  
educación.  
proceso continuo (Vargas et al., 2024).  
El conectivismo, desarrollado por Siemens y  
Downes, plantea que el aprendizaje se produce  
a través de redes de información en las que el  
conocimiento  
interconectados, lo que resulta pertinente para  
comprender el funcionamiento de la  
se  
distribuye  
entre  
nodos  
Materiales y Métodos  
El estudio se desarrolló bajo un enfoque  
cualitativo, orientado a interpretar fenómenos  
educativos mediante análisis comprensivo de  
significados y relaciones conceptuales (Barraza,  
2023). Esta elección respondió a la naturaleza  
inteligencia artificial, dado que los sistemas  
adaptativos operan mediante estructuras de  
datos que replican estas redes. Esta teoría  
permite interpretar la IA como extensión del  
entorno cognitivo (Trujillo, 2017).  
del  
problema  
investigado,  
centrado  
en  
comprender cómo la inteligencia artificial  
transforma  
aprendizaje  
los  
procesos  
desde una  
de  
enseñanza-  
perspectiva  
En este marco, la inteligencia artificial facilita  
la creación de redes de aprendizaje dinámicas  
interpretativa, lo que exigió examinar discursos  
académicos, identificar patrones teóricos y  
analizar implicaciones pedagógicas sin recurrir  
a mediciones cuantitativas, privilegiando la  
profundidad analítica sobre la generalización  
estadística.  
donde  
los  
estudiantes  
interactúan  
con  
información, algoritmos y entornos digitales  
que amplían su capacidad de procesamiento  
cognitivo,  
configurando  
experiencias  
educativas basadas en la interconexión y el flujo  
constante de datos. Esta perspectiva resalta la  
importancia de la tecnología como mediadora  
del conocimiento. El constructivismo y el  
socioconstructivismo, representados por Piaget  
y Vygotsky, sostienen que el conocimiento se  
construye activamente mediante la interacción  
con el entorno y con otros sujetos, principio que  
se ve fortalecido por la inteligencia artificial al  
El  
enfoque  
adoptado  
fue  
descriptivo–  
hacia la  
exploratorio,  
al orientarse  
caracterización sistemática de fenómenos y la  
indagación inicial de áreas con desarrollo  
teórico emergente (Ordoñez, 2025). Tal  
orientación permitió examinar las múltiples  
dimensiones de la inteligencia artificial en  
educación, describiendo sus manifestaciones,  
funciones y efectos, mientras se identificaban  
vacíos conceptuales y líneas de investigación en  
expansión, lo que resultó pertinente para un  
campo en constante evolución, donde la  
sistematización precede a la explicación  
causal.La investigación asumió un carácter  
bibliográfico, fundamentado en la revisión  
crítica y sistemática de literatura científica  
como fuente principal de información (Arias,  
2021). Esta decisión se ajustó a la necesidad de  
consolidar un marco teórico robusto sobre  
inteligencia artificial y enseñanza, permitiendo  
proporcionar  
herramientas  
que  
permiten  
reorganizar el aprendizaje de manera autónoma  
y guiada. La IA amplía las condiciones de  
construcción del conocimiento (Serrano y Pons,  
2011).  
La integración de estas teorías con la  
inteligencia artificial permite comprender que el  
aprendizaje  
no  
solo  
sino  
mediadas  
se  
también  
por  
construye  
mediante  
sistemas  
individualmente,  
interacciones  
tecnológicos que facilitan la colaboración, la  
adaptación y la reflexión, generando un entorno  
Página 236  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
contrastar  
investigativas y reconstruir el estado del  
conocimiento partir de documentos  
aportes,  
identificar  
tendencias  
de  
los  
aportes  
permite  
identificar  
una  
coincidencia sustantiva en torno a la capacidad  
de la inteligencia artificial para reorganizar la  
lógica pedagógica desde esquemas homogéneos  
hacia dinámicas diferenciadas sustentadas en  
datos, donde la personalización deja de ser una  
aspiración teórica para convertirse en un  
mecanismo operativo que incide directamente  
en la calidad del aprendizaje.  
a
indexados, garantizando coherencia conceptual  
y rigor en la interpretación de los enfoques  
analizados.  
Se emplearon de manera integrada los métodos  
teórico,  
inductivo-deductivo  
y
analítico-  
sintético, concebidos como procedimientos  
lógicos para la construcción del conocimiento  
científico (Hernández y Klimenko, 2025). Su  
complementariedad posibilitó transitar desde la  
identificación de regularidades empíricas hacia  
la formulación de interpretaciones generales,  
mientras el análisis descomponía los elementos  
del fenómeno y la síntesis reconstruía su sentido  
global, generando una comprensión coherente  
de la relación entre inteligencia artificial y  
procesos educativos.  
No obstante, esta orientación revela una tensión  
persistente, mientras los sistemas adaptativos  
amplían oportunidades formativas, su eficacia  
depende de condiciones materiales desiguales  
que introducen un sesgo estructural en el acceso  
y uso de dichas tecnologías. En el plano  
conceptual emerge una dualidad significativa;  
por un lado, la inteligencia artificial se presenta  
como  
instrumento  
de  
democratización  
educativa al facilitar recursos personalizados y  
retroalimentación continua, mientras que, en  
paralelo, la dependencia de infraestructura  
tecnológica, alfabetización digital y calidad de  
datos redefine nuevas formas de exclusión. Esta  
ambivalencia sitúa la equidad en el centro del  
debate, no como resultado automático de la  
innovación, sino como construcción deliberada  
mediada por políticas educativas,  
La técnica utilizada fue el análisis documental,  
entendida como un procedimiento sistemático  
de selección, clasificación e interpretación de  
fuentes escritas relevantes (Haro et al., 2025).  
La recopilación de información consideró  
criterios de pertinencia temática, actualidad y  
rigor  
académico,  
priorizando  
artículos  
indexados entre 2020 y 2025; posteriormente,  
los documentos fueron organizados en matrices  
La inteligencia artificial reconfigura los  
de  
categorías, comparar enfoques y construir  
interpretaciones fundamentadas sobre el  
análisis  
que  
permitieron  
identificar  
procesos  
educativos  
mediante  
la  
personalización, la analítica de datos y la  
automatización pedagógica, permitiendo el  
impacto de la inteligencia artificial en la  
enseñanza-aprendizaje.  
tránsito  
de  
modelos  
homogéneos  
que  
hacia  
dinámicas  
diferenciadas  
inciden  
directamente en la calidad del aprendizaje. Sin  
embargo, esta transformación no está exenta de  
Resultados y Discusión  
La sistematización evidencia que la inteligencia  
tensiones,  
ya  
que,  
aunque  
su  
amplía  
las  
artificial reconfigura los procesos educativos  
mediante dispositivos de personalización,  
analítica de datos y automatización pedagógica,  
configurando entornos flexibles orientados al  
aprendizaje diferenciado. El examen conjunto  
oportunidades  
formativas,  
efectividad  
depende de condiciones materiales desiguales  
que generan brechas en el acceso y uso de estas  
tecnologías.  
Página 237  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
Tabla 1. Impacto de la inteligencia artificial en los procesos de enseñanza - aprendizaje  
Autor y  
año  
Influencia de la IA en la personalización,  
calidad y equidad educativa  
Beneficios, limitaciones y desafíos éticos de  
la IA en educación  
Estrategias de integración de la IA  
en la educación  
Beneficios  
Optimización de la enseñanza y aumento de  
productividad académica.  
Uso de plataformas virtuales  
interactivas con analítica de datos.  
Personalización  
mediante  
plataformas  
adaptativas y tutores inteligentes que ajustan  
contenidos al ritmo individual.  
Posible automatización de funciones  
docentes.  
Integración de asistentes virtuales y  
sistemas  
de  
evaluación  
automatizada.  
Mejora de la calidad a través de análisis de  
datos que optimizan procesos educativos.  
Limitaciones  
Obando  
et al.  
(2025)  
Desarrollo  
de  
aprendizaje  
Riesgos asociados a privacidad y seguridad  
de datos estudiantiles.  
personalizado basado en datos.  
Capacitación docente  
herramientas digitales.  
Implementación de  
virtuales colaborativos.  
Ampliación del acceso en entornos remotos  
mediante recursos digitales.  
en  
Necesidad de regulación ética  
responsable.  
y
uso  
Incremento de la eficiencia docente al  
automatizar tareas evaluativas.  
entornos  
Desafíos éticos  
Desigualdad potencial si no se garantiza  
acceso universal.  
Beneficios  
Incremento de motivación y rendimiento  
académico.  
Implementación  
inteligentes y plataformas adaptativas.  
de  
tutores  
Personalización mediante algoritmos que  
ajustan contenidos, ritmo y evaluación.  
Limitaciones  
Uso de analítica del aprendizaje para  
toma de decisiones pedagógicas.  
Mejora de la calidad educativa al incrementar  
motivación y autonomía.  
Limitaciones por brecha digital  
infraestructura insuficiente.  
e
Arreaga  
et al.  
(2025)  
Integración de chatbots educativos.  
Reducción de brechas mediante analítica del  
aprendizaje y retroalimentación continua.  
Sesgos algorítmicos que afectan equidad.  
Falta de formación docente especializada.  
Desafíos éticos  
Diseño de políticas inclusivas  
alfabetización digital.  
y
Fortalecimiento de eficiencia docente en  
procesos formativos.  
Incorporación de evaluación continua  
basada en datos.  
Necesidad de marcos éticos y gobernanza  
tecnológica.  
Beneficios  
Favorece  
colaborativo.  
autonomía  
y
aprendizaje  
Uso  
colaborativas.  
de  
plataformas virtuales  
Personalización mediante entornos virtuales  
que permiten aprendizaje autónomo.  
Limitaciones  
Integración de recursos multimedia  
interactivos.  
Mejora de la calidad al fomentar interacción,  
Dependencia tecnológica en procesos  
educativos.  
colaboración  
y
construcción  
del  
Navas et  
al. (2025)  
Fomento del aprendizaje autónomo en  
línea.  
conocimiento.  
Necesidad de acompañamiento docente  
permanente.  
Acceso ampliado mediante espacios digitales  
flexibles.  
Diseño pedagógico centrado en  
interacción digital.  
Desafíos éticos  
Desarrollo de habilidades cognitivas  
sociales mediadas por tecnología.  
y
Implementación de entornos de  
aprendizaje flexible.  
Riesgo de superficialidad si no se diseña  
pedagógicamente.  
Desigualdad en acceso a entornos digitales.  
Beneficios  
Integración de IA generativa en diseño  
curricular.  
Generación de contenidos adaptados  
aprendizaje flexible.  
y
Personalización mediante IA generativa que  
adapta contenidos a perfiles individuales.  
Uso de analítica de aprendizaje para  
personalización.  
Limitaciones  
Mejora de calidad al enriquecer recursos y  
procesos evaluativos.  
Brechas en alfabetización digital.  
Dependencia de sistemas automatizados.  
García  
(2024)  
Formación en competencias digitales  
críticas.  
Incremento de competencias digitales  
pensamiento crítico.  
y
Necesidad  
constante.  
de  
supervisión  
humana  
Implementación  
automatizada.  
de  
evaluación  
Reducción de desigualdades condicionada por  
acceso tecnológico.  
Desafíos éticos  
Desarrollo de entornos interactivos  
adaptativos.  
Riesgos éticos en seguridad de datos y  
equidad.  
Beneficios  
Uso de chatbots  
adaptativas.  
y
plataformas  
Mejora  
retroalimentación inmediata.  
en  
gestión  
educativa  
y
Personalización  
mediante  
sistemas  
adaptativos y tutoría inteligente.  
Implementación de sistemas de tutoría  
inteligente.  
Limitaciones  
Mejora de la calidad al incrementar retención  
y eficiencia docente.  
Brechas digitales que limitan acceso  
equitativo.  
Peñafiel  
et al.  
(2025)  
Integración  
de  
evaluación  
automatizada.  
Equidad condicionada por acceso tecnológico  
y formación docente.  
Resistencia docente al cambio tecnológico.  
Riesgos de sesgos algorítmicos.  
Desafíos éticos  
Capacitación docente en tecnologías  
emergentes.  
Fortalecimiento de procesos evaluativos  
automatizados.  
Desarrollo de políticas públicas para  
inclusión digital.  
Problemas de privacidad de datos  
educativos.  
Fuente: Elaboración propia  
Página 238  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
La transformación educativa no depende  
condiciones indispensables para evitar que la  
eficiencia técnica desplace dimensiones  
exclusivamente de la incorporación tecnológica,  
sino de su integración pedagógica reflexiva,  
donde la mediación docente, la transparencia  
algorítmica y la protección de datos constituyen  
formativas vinculadas al pensamiento crítico y la  
interacción humana.  
Tabla 2. Estrategias para incorporar la inteligencia artificial en los procesos de enseñanza - aprendizaje  
Nombre de la  
estrategia  
Indicador de  
evaluación  
Objetivo  
Descripción  
Recursos  
Sistema  
algoritmos  
predictivo para diseñar rutas  
formativas individualizadas,  
que  
de  
integra  
análisis  
Desarrollar trayectorias de  
Plataforma de analítica  
educativa.  
aprendizaje  
mediante inteligencia artificial,  
optimizando comprensión,  
personalizadas  
Porcentaje  
mejora  
desempeño  
individual.  
de  
en  
Arquitectura  
Adaptativa  
Educativa  
ajustando  
contenidos,  
Especialistas en IA.  
Docentes capacitados.  
Infraestructura digital.  
Sistemas de monitoreo  
académico.  
ritmos y evaluaciones en  
función de patrones de  
aprendizaje detectados en  
tiempo real, promoviendo  
autonomía estudiantil y ajuste  
dinámico de contenidos según  
desempeño  
individual.  
académico  
progresión  
cognitiva  
diferenciada.  
Número de mejora  
en resolución de  
problemas  
Espacio de experimentación  
donde los estudiantes  
interactúan con sistemas  
inteligentes para resolver  
Fomentar la interacción crítica  
entre estudiantes sistemas  
inteligentes para fortalecer  
Software de IA interactiva.  
Facilitadores.  
Entornos virtuales.  
Bases de datos educativas.  
Protocolos de análisis  
crítico.  
y
Laboratorio de  
Interacción  
Pedagógica  
complejos  
y
calidad  
del  
pensamiento  
comprensión  
analítico,  
conceptual  
problemas  
contrastando  
algorítmicas  
complejos,  
respuestas  
con  
razonamiento  
evidenciado  
producciones  
académicas.  
y
en  
habilidades metacognitivas.  
razonamientos propios.  
El modelo evaluativo que  
combina una analítica de  
datos,  
automatizada  
retroalimentación  
adaptativa,  
identificar patrones de  
desempeño ajustar  
estrategias pedagógicas en  
tiempo real, superando  
evaluación  
y
Frecuencia  
de  
Sistemas de evaluación  
automatizada.  
Analistas de datos.  
Plataformas LMS.  
Docentes. Evaluadores.  
Infraestructura.  
Transformar  
evaluativos  
inteligencia  
garantizando  
continuo,  
los  
procesos  
mediante  
artificial,  
retroalimentación  
entre evaluación y  
desempeño,  
reducción  
brechas  
Evaluación  
Inteligente  
Multinivel  
permitiendo  
seguimiento  
de  
de  
retroalimentación  
y
personalizada.  
aprendizaje.  
Tecnológica.  
esquemas  
tradicionales  
estandarizados.  
Nivel  
de  
de  
Plataformas que conectan a  
los estudiantes mediante  
sistemas inteligentes que  
interacción  
colaborativa,  
calidad  
Plataforma  
inteligente.  
Conectividad estable.  
Moderadores pedagógicos.  
Herramientas  
comunicación.  
colaborativa  
Promover  
aprendizaje  
mediado por  
Red de Co -  
aprendizaje  
Inteligente  
colaborativo  
inteligencia  
fortaleciendo  
sugieren  
agrupamientos  
interacciones,  
tareas  
producción grupal,  
artificial,  
construcción  
y
equilibrio  
participación  
mejora  
habilidades  
sociales.  
en  
y
en  
de  
colaborativas, optimizando  
la dinámica grupal según  
perfiles cognitivos y estilos  
de aprendizaje.  
colectiva del conocimiento.  
Sistemas de análisis de  
interacción.  
Marco operativo que integra  
protocolos éticos en el uso  
de inteligencia artificial,  
Normativas institucionales.  
Cumplimiento de  
estándares éticos,  
nivel de protección  
de datos, reducción  
Garantizar el uso ético de la  
inteligencia artificial en la  
educación mediante regulación  
pedagógica, protección de datos  
Especialistas  
digital.  
en  
ética  
Sistema de  
Mediación  
Ética  
Algorítmica  
Educativa  
supervisión  
permanente  
crítica,  
decisiones  
responsables  
sesgos,  
humana  
formación  
orientando  
pedagógicas  
evitando  
dependencia  
vulneración  
y
Sistemas de seguridad de  
datos.  
Formación docente.  
Herramientas de auditoría  
algorítmica.  
de  
sesgos  
en  
y
fortalecimiento del juicio  
y
decisiones  
automatizadas.  
crítico en estudiantes y docentes.  
tecnológica  
o
de derechos educativos.  
Fuente: Elaboración propia  
Las estrategias formuladas configuran un  
entramado metodológico que desplaza la  
incorporación instrumental de la inteligencia  
artificial hacia una integración pedagógica  
Página 239  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
deliberada,  
donde  
la  
personalización,  
la  
formativa. En este sentido, los resultados  
evidencian que la incorporación de sistemas  
inteligentes no solo optimiza la eficiencia  
pedagógica, sino que también modifica las  
evaluación dinámica y la interacción cognitiva  
adquieren centralidad en la reorganización del  
proceso formativo. Su aplicabilidad se vincula  
con la capacidad institucional para sostener  
infraestructuras tecnológicas robustas y procesos  
de formación docente que permitan traducir el  
potencial algorítmico en decisiones pedagógicas  
pertinentes.  
relaciones  
entre  
docente,  
estudiante  
y
conocimiento, generando entornos donde la toma  
de decisiones educativas se apoya en patrones  
analíticos que permiten anticipar dificultades y  
ajustar  
estrategias  
con  
mayor  
precisión,  
respondiendo de manera consistente a la tensión  
identificada entre innovación tecnológica y  
calidad del aprendizaje.  
El principal beneficio emerge en la posibilidad  
de ajustar la enseñanza a la diversidad cognitiva,  
generando  
trayectorias  
diferenciadas  
que  
incrementan la comprensión y reducen el rezago;  
sin embargo, esta potencialidad se encuentra  
condicionada por limitaciones estructurales  
como la brecha digital, la desigual distribución  
de recursos tecnológicos y la insuficiente  
alfabetización en inteligencia artificial, factores  
que pueden reproducir asimetrías si no se  
abordan desde políticas educativas integrales.  
Los desafíos de implementación se sitúan en la  
articulación entre automatización y mediación  
humana, ya que la dependencia excesiva de  
sistemas inteligentes podría debilitar procesos  
reflexivos si no se establece una supervisión  
pedagógica crítica. Desde una proyección  
Los hallazgos sugieren que la inteligencia  
artificial no puede comprenderse únicamente  
como  
recurso  
instrumental,  
que  
sino  
como  
dispositivo  
reconfigura  
epistemológicamente  
la  
producción  
del  
conocimiento educativo,  
al  
introducir  
mediaciones algorítmicas que condicionan la  
forma en que se construyen, interpretan y validan  
los procesos de aprendizaje. Sin embargo, esta  
potencialidad se encuentra atravesada por  
limitaciones derivadas de la dependencia  
tecnológica, la calidad de los datos utilizados y  
la insuficiente formación docente, lo que  
restringe la generalización de sus beneficios y  
plantea interrogantes sobre la autonomía  
pedagógica y la capacidad crítica en entornos  
altamente automatizados.  
institucional,  
estas  
estrategias  
demandan  
modelos de gobernanza tecnológica que integren  
criterios éticos, sostenibilidad operativa y  
evaluación continua, configurando escenarios  
donde la innovación no se limite a la eficiencia  
técnica, sino que preserve la dimensión  
formativa del aprendizaje.  
En función a ello, se vuelve pertinente  
recomendar el fortalecimiento de políticas  
institucionales orientadas a la alfabetización  
digital docente, el desarrollo de marcos éticos  
que regulen el uso de datos y algoritmos, así  
Conclusiones  
La  
inteligencia  
artificial  
introduce  
una  
como  
la  
implementación  
que integren  
de  
la  
modelos  
reconfiguración sustantiva en los procesos de  
enseñanza-aprendizaje al desplazar modelos  
homogéneos hacia esquemas diferenciados  
sustentados en datos, donde la personalización,  
la retroalimentación continua y la adaptación  
dinámica de contenidos redefinen la experiencia  
pedagógicos  
inteligencia  
artificial sin desplazar la mediación humana,  
garantizando que la personalización no derive en  
segmentación educativa ni en reproducción de  
desigualdades.  
imprescindible  
De  
igual  
manera,  
resulta  
consolidar  
infraestructuras  
Página 240  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
tecnológicas accesibles que permitan una  
distribución equitativa de los beneficios  
(2025). Inteligencia artificial en la educación:  
Innovación y aprendizaje para el futuro.  
https://doi.org/10.70625/alumned/18  
asociados a estas herramientas. Las proyecciones  
futuras abren un campo de investigación  
orientado a examinar la interacción entre  
inteligencia artificial y procesos cognitivos  
complejos, particularmente en lo relativo a la  
autorregulación, el pensamiento crítico y la  
construcción colaborativa del conocimiento, así  
como a explorar modelos híbridos donde la  
analítica de datos se combine con enfoques  
pedagógicos centrados en la reflexión.  
Arias, J. (2021). Diseño y metodología de la  
investigación. Enfoques Consulting EIRL.  
https://gc.scalahed.com/recursos/files/r161r/w  
26022w/Arias_S2.pdf  
Arreaga, D., Echeverría, L., Izquierdo, K.,  
Revelo, X., Vallejo, I., & Sandoval, C. (2025).  
Oportunidades de la inteligencia artificial en la  
transformación  
del  
sistema  
educativo  
tradicional hacia modelos personalizados.  
Ciencia  
Multidisciplinar,  
Latina  
Revista  
9(4),  
Científica  
10821–11838.  
https://doi.org/10.37811/cl_rcm.v9i4.19631  
Ayauca, T., Ayauca, E., Ureta, M., Altamirano,  
E., & Mera, C. (2026). Sistemas adaptativos  
basados en inteligencia artificial y el  
desempeño académico de los estudiantes. CID  
- Centro de Investigación y Desarrollo  
Diseño. https://doi.org/10.37811/cli_w1316  
Asimismo, emergen interrogantes vinculadas a la  
gobernanza  
de  
sistemas  
inteligentes,  
la  
transparencia algorítmica y la sostenibilidad  
educativa, lo que invita a ampliar el análisis  
hacia escenarios comparativos y aplicaciones en  
distintos niveles educativos, consolidando una  
agenda investigativa que trascienda la dimensión  
técnica y profundice en sus implicaciones  
formativas y sociales.  
Barraza,  
investigación cualitativa: Una perspectiva  
interpretativa. Benessere.  
A.  
(2023).  
Metodología  
de  
la  
https://www.upd.edu.mx/PDF/Libros/Metodo  
logiaInvestigacion.pdf  
Colás, P., Conde, J., & Reyes, S. (2019). El  
desarrollo de la competencia digital docente  
desde un enfoque sociocultural. Comunicar,  
27(61), 19–30. https://doi.org/10.3916/C61-  
2019-02  
Referencias Bibliográficas  
Álvarez, M., Ponce, M., Alban, J., & Zambrano,  
L. (2024). Revisión de modelos estadísticos  
para pronosticar el desempeño académico en  
estudiantes universitarios. MQRInvestigar,  
3806–3823.  
https://doi.org/10.56048/mqr20225.8.2.2024.  
3806-3823  
Andrade, E. (2023). IA y personalización  
educativa: Evaluar su efectividad en adaptar  
contenidos para diversos estudiantes en la  
García,  
F.  
(2024).  
Inteligencia  
artificial  
8(2),  
generativa y educación: Un análisis desde  
múltiples perspectivas. Education in the  
Knowledge  
Society,  
25,  
1–25.  
https://doi.org/10.14201/eks.31942  
Haro, A., Proaño, G., Merino, G., & Niama, J.  
(2025). Metodología de la investigación desde  
el enfoque cuantitativo, cualitativo y mixto.  
LATAM Revista Latinoamericana de Ciencias  
Sociales y Humanidades, 6(4), 4245–4261.  
https://doi.org/10.56712/latam.v6i4.4577  
Hernández, N., & Klimenko, O. (2025).  
Metodología de la investigación: Enfoque  
cualitativo, cuantitativo y mixto. Nexus, 1(1),  
1–19.  
educación  
Latinoamericana de Ciencias Sociales y  
Humanidades, 4(4), 621–630.  
moderna.  
LATAM  
Revista  
https://doi.org/10.56712/latam.v4i4.1244  
Ángel, M., & Mireles, R. (2025). Aplicación de  
la inteligencia artificial en la evaluación  
formativa:  
Un  
enfoque  
para  
la  
retroalimentación inmediata y mejora del  
rendimiento académico. Sapiens Discoveries  
International Journal, 1(1).  
https://nexushouseeditorial.com/index.php/ne  
xus/article/download/24/18  
Arias, D., Arias, J., Muñoz, E., Lastra, E.,  
Cabascango, A., Grijalva, E., & Males, M.  
Página 241  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
Molina, J., Lucio, A., & Chicaiza, D. (2025). Uso  
educación:  
Desafíos  
y
oportunidades.  
ético pedagógico de la inteligencia artificial en  
Recimundo,  
8(1),  
193–202.  
educación. Ciencia Latina Revista Científica  
https://doi.org/10.26820/recimundo/8.(1).ene.  
2024.193-202  
Multidisciplinar,  
9(4),  
11458–11477.  
https://doi.org/10.37811/cl_rcm.v9i3.19082  
Ramírez, K., López-Chau, A., & Rojas, R.  
Navas, C., Guerra, J., Oviedo, D., & Murillo, D.  
(2024).  
Cuentacuentos  
basado  
en  
IA  
(2025).  
technology: A systematic review of types,  
tools and characteristics. Frontiers in  
Education, 1–22.  
Inclusive  
education  
through  
generativa para promover la inclusión de  
personas con discapacidades. Ingenius, 32,  
101–113.  
https://doi.org/10.17163/ings.n32.2024.10  
https://doi.org/10.3389/feduc.2025.1527851  
Nevárez, N., & Contreras, J. (2025). Impacto de  
la inteligencia artificial en el proceso  
educativo del nivel secundaria. Reincisol,  
Serrano,  
J.,  
&
Pons,  
M.  
(2011).  
El  
constructivismo  
constructivistas  
Electrónica de  
hoy:  
Enfoques  
Revista  
Educativa.  
en  
educación.  
Investigación  
4(8),  
3896–3917.  
http://redie.uabc.mx/vol13no1/contenido-  
serranopons.html  
https://doi.org/10.59993/simbiosis.v.4i8.52  
Obando, C., Añazco, J., Tóala, F., Livingston, P.,  
Moran, S., & Díaz, A. (2025). El impacto de la  
inteligencia artificial dentro del proceso de  
Trujillo, L. (2017).  
Teorías  
pedagógicas  
contemporáneas. Fundación Universitaria del  
Área Andina. https://bit.ly/34ePbS6  
enseñanza-aprendizaje  
Ciencia Latina  
Multidisciplinar,  
de  
Revista  
9(1),  
la  
educación.  
Científica  
7407–7424.  
UNESCO. (2025). Marco de competencias en  
materia  
de  
IA  
para  
estudiantes.  
https://doi.org/10.54675/ekcu4552  
https://doi.org/10.37811/cl_rcm.v9i1.16416  
Ordoñez, Á. (2025). Metodología académica con  
aplicación a las investigaciones sociales:  
Enfoques, tipos, métodos y diseños. Revista  
Científica Sociedad & Tecnología, 8(2), 335–  
357. https://doi.org/10.51247/st.v8i2.484  
Ortega, N., Quiliche, F., Valladares, M., &  
Mayorga, M. (2025). El aprendizaje autónomo  
potenciado por inteligencia artificial: Una  
propuesta descriptiva para la innovación  
Urías, G., & Pino, R. (2024). La educación  
inclusiva ante los desafíos contemporáneos.  
Edumecentro, 16, 1–18.  
Vargas, M., Guerrero, Y., Medina, E., & Salinas,  
M.  
tecnología para el proceso de enseñanza-  
aprendizaje. Revista Internacional  
(2024). La implementación  
de la  
Tecnológica-Educativa Docentes 2.0, 17(2),  
286–295.  
https://doi.org/10.37843/rted.v17i2.565  
pedagógica  
universitaria.  
Revista  
Social  
Fronteriza,  
5(5),  
1–23.  
https://doi.org/10.59814/resofro.2025.5(5)e91  
3
Peñafiel, E., Pacho, G., Yungán, B., Estrada, S.,  
Suárez, I., & Valdivieso, C. (2025). La  
Esta obra está bajo una licencia de  
Creative Commons Reconocimiento-No Comercial  
4.0 Internacional. Copyright © Jeniffer Tatiana  
Merchán Rodríguez, Susana Elizabeth Córdova  
Chifla, Ana Isabel Rodas Silva, Lady Vanessa Barén  
Velastegui, Digna Isabel Juca Izurieta.  
inteligencia  
Desafíos y oportunidades. South Florida  
Journal of Development, 6(5), e5219.  
https://doi.org/10.46932/sfjdv6n5-006  
artificial  
en  
la  
educación:  
Prada, J. (2024). Aprendizaje adaptativo para  
Moodle desde la IA. Ciencia Latina Revista  
Científica Multidisciplinar, 8(5), 14172–  
14194.  
https://doi.org/10.37811/cl_rcm.v8i5.15241  
Quinto, E., Mazzini, J., Erráez, S., & Suasnabas,  
L. (2024). Integración de la IA en la  
Página 242  
Ciencia y Educación  
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)  
Vol. 7 No. 5  
Mayo del 2026  
Declaraciones éticas y editoriales del artículo  
Contribución de los autores (Taxonomía CrediT)  
Jeniffer Tatiana Merchán Rodríguez: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de  
los datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Susana Elizabeth Córdova Chifla: curación y organización de los datos, participación en la recolección de información, validación de los resultados  
obtenidos y elaboración de representaciones gráficas y visualización de los datos.  
Ana Isabel Rodas Silva: provisión de recursos académicos y materiales para el desarrollo del estudio, apoyo en la administración del proyecto investigativo  
y revisión editorial del manuscrito antes de su publicación.  
Lady Vanessa Barén Velastegui: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los  
datos, redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio  
Digna Isabel Juca Izurieta: conceptualización de la investigación, diseño metodológico, desarrollo del proceso investigativo, análisis formal de los datos,  
redacción del borrador original del manuscrito, revisión crítica del contenido científico y supervisión general del estudio.  
Declaración de conflicto de intereses  
Los autores declaran que no existe conflicto de intereses en relación con la investigación presentada, la autoría del manuscrito ni la publicación del presente  
artículo.  
Declaración de financiamiento  
La presente investigación no recibió financiamiento específico de agencias públicas, comerciales o de organizaciones sin fines de lucro. En caso de existir  
financiamiento institucional o externo, este deberá ser declarado explícitamente por los autores en esta sección.  
Declaración del editor  
El editor responsable certifica que el proceso editorial del presente artículo se desarrolló conforme a los principios de integridad científica, transparencia  
y buenas prácticas editoriales. El manuscrito fue sometido a un proceso de evaluación mediante revisión por pares doble ciego, garantizando la  
confidencialidad de la identidad de los autores y revisores durante todo el proceso de dictamen académico. Asimismo, el editor declara que el artículo  
cumple con los criterios científicos, metodológicos y éticos establecidos por la revista.  
Declaración de los revisores  
Los revisores externos que participaron en la evaluación del presente manuscrito declaran haber realizado el proceso de revisión de manera objetiva,  
independiente y confidencial. Asimismo, manifiestan que no mantienen conflictos de interés con los autores ni con la investigación evaluada, y que sus  
observaciones y recomendaciones se fundamentan exclusivamente en criterios científicos, metodológicos y académicos.  
Declaración ética de la investigación  
Los autores declaran que la investigación se desarrolló respetando los principios éticos de la investigación científica, garantizando la confidencialidad de  
los datos y el respeto a los participantes del estudio. En los casos en que la investigación involucre seres humanos, los procedimientos deben ajustarse a  
los principios éticos establecidos en la Declaración de Helsinki y a las normativas institucionales correspondientes.  
Declaración sobre el uso de inteligencia artificial  
Los autores declaran que el uso de herramientas de inteligencia artificial, en caso de haberse utilizado durante el proceso de investigación o redacción del  
manuscrito, se realizó únicamente como apoyo técnico para mejorar la claridad del lenguaje o el análisis de información, manteniendo siempre la  
responsabilidad intelectual sobre el contenido del artículo. Las herramientas de inteligencia artificial no fueron utilizadas como autoras del manuscrito ni  
sustituyen la responsabilidad académica de los investigadores.  
Disponibilidad de datos  
Los datos que respaldan los resultados de esta investigación estarán disponibles previa solicitud razonable al autor de correspondencia, respetando las  
normas éticas y de confidencialidad establecidas por la investigación.  
Página 243